JP2023105449A - Image diagnosis system, image diagnosis method, and image diagnosis program - Google Patents

Image diagnosis system, image diagnosis method, and image diagnosis program Download PDF

Info

Publication number
JP2023105449A
JP2023105449A JP2022006279A JP2022006279A JP2023105449A JP 2023105449 A JP2023105449 A JP 2023105449A JP 2022006279 A JP2022006279 A JP 2022006279A JP 2022006279 A JP2022006279 A JP 2022006279A JP 2023105449 A JP2023105449 A JP 2023105449A
Authority
JP
Japan
Prior art keywords
defecation
image information
analysis
unit
patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022006279A
Other languages
Japanese (ja)
Inventor
健介 新村
Kensuke Niimura
淳 稲場
Atsushi Inaba
友規 矢野
Tomonori Yano
弘朗 池松
Hiroaki Ikematsu
弘憲 砂川
Hironori SUNAKAWA
修由 竹下
Nobuyoshi Takeshita
博貴 松崎
Hirotaka Matsuzaki
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jmees Inc
NATIONAL CANCER CENTER
Original Assignee
Jmees Inc
NATIONAL CANCER CENTER
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jmees Inc, NATIONAL CANCER CENTER filed Critical Jmees Inc
Priority to JP2022006279A priority Critical patent/JP2023105449A/en
Priority to PCT/JP2022/047071 priority patent/WO2023140024A1/en
Publication of JP2023105449A publication Critical patent/JP2023105449A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

To pick up an image of a patient's excrement and perform image analysis to estimate the degree of cleaning in the patient's intestinal tract.SOLUTION: An image diagnosis system according to the present disclosure comprises: an image information acquisition unit that acquires image information representing a patient's excrement; an analysis unit that performs image processing on the image information to classify the excrement properties of the patient's excrement into ranks based on an excrement property scale being an index for classifying the properties of feces in water; and a prediction unit that predicts the degree of cleaning in the patient's intestinal tract based on a result of analysis conducted by the analysis unit.SELECTED DRAWING: Figure 3

Description

特許法第３０条第２項適用申請有り 集会名 令和３年度国立がん研究センター研究開発費第１回池松班班会議 主催者 国立がん研究センター 先端医療開発センター内視鏡機器開発 分野 池松 弘朗 開催日 令和３年１２月２０日 １３時～１６時 開催場所 Ｗｅｂ開催There is an application for the application of Article 30, Paragraph 2 of the Patent Law Meeting name 2021 National Cancer Center Research and Development Fund 1st Ikematsu Group Meeting Organizer National Cancer Center Advanced Medical Development Center Endoscope Equipment Development Field Ikematsu Hiroro Date December 20, 2021 13:00-16:00 Venue Web

本発明は、患者の排便を撮影して画像解析するために用いられる画像診断システム、画像診断方法、及び画像診断プログラムに関する。 The present invention relates to an image diagnostic system, an image diagnostic method, and an image diagnostic program used for photographing and image-analyzing a patient's defecation.

大腸内視鏡検査時の前処置として、患者に腸管洗浄液を服用して貰い腸管を洗浄していた。その後、患者の排便を看護師が目視することで排便性状を確認して、患者の腸管が洗浄されたか否かを判断していた。 As a pretreatment for the colonoscopy, the patient was asked to take an intestinal washing solution to wash the intestinal tract. After that, a nurse visually checks the defecation of the patient to check the defecation properties and judge whether the patient's intestinal tract is cleansed or not.

この際に、患者は自分の排便を他人に見られることに心理的な負担と抵抗感を感じていた。また、看護師は、他人の排便を目視することに対して心理的な負担を感じると共に業務負担を感じていた。 At this time, the patient felt a psychological burden and a sense of resistance to seeing his defecation by others. In addition, nurses felt a psychological burden and a work burden for visually observing other people's defecation.

そこで、患者及び看護師の心理的負担及び抵抗感、並びに看護師の業務負担を軽減するために、患者の排便性状を他者の手を借りずに画像処理の手法によって推定し、さらには当該患者の腸管内洗浄度を推定する技術が望まれていた。 Therefore, in order to reduce the psychological burden and resistance of patients and nurses, as well as the work burden of nurses, the patient's defecation characteristics can be estimated by image processing without the help of others. A technique for estimating the degree of intestinal cleansing of a patient has been desired.

特許文献１には、学習済みモデルを用いて、ユーザの排泄物が撮像された画像の当該排泄物の性状を解析し、当該ユーザの健康状態、例えば、便秘気味若しくは下痢気味であるかを判定する技術が開示されている。しかし、特許文献１は、ユーザの排泄物が撮像された画像を解析することで、大腸内視鏡検査時の前処置として患者の腸管内洗浄度を推定することについては考慮されていない。 In Patent Document 1, a learned model is used to analyze the properties of a user's excrement captured in an image, and determine the user's health condition, such as constipation or diarrhea. A technique for doing so is disclosed. However, Patent Literature 1 does not consider estimating a patient's intestinal cleansing degree as a pretreatment for colonoscopy by analyzing an image of the user's excrement.

特開２０２１－５０９８３号Japanese Patent Application Laid-Open No. 2021-50983

そこで、本開示は、患者の排便を撮像して画像解析することで、当該患者の腸管内洗浄度を推定することができる画像診断システム、画像診断方法、及び画像診断プログラムを提供することを目的とする。 Therefore, an object of the present disclosure is to provide an imaging diagnostic system, an imaging diagnostic method, and an imaging diagnostic program capable of estimating the intestinal cleansing degree of the patient by imaging and analyzing the image of the patient's defecation. and

すなわち、第１の態様に係る画像診断システムは、患者の排便を表す画像情報を取得する画像情報取得部と、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の前記排便の排便性状をランク分けする解析部と、解析部の解析結果に基づき、患者の腸管内洗浄度を予測する予測部と、を備える。 That is, the diagnostic imaging system according to the first aspect includes an image information acquisition unit that acquires image information representing a patient's defecation, and an index that classifies the properties of stool in water by performing image processing on the image information. An analysis unit that ranks the defecation properties of the patient based on the defecation property scale, and a prediction unit that predicts the degree of intestinal cleansing of the patient based on the analysis result of the analysis unit.

第２の態様は、第１の態様に係る画像診断システムにおいて、解析部は、他者の排便を表す画像情報に対してランク分けの情報をアノテーションとして付与して生成された教師データにより予め機械学習された学習モデルに、画像情報取得部により取得された画像情報を入力することにより当該画像情報のランク分けを行うものであることとしてもよい。 According to a second aspect, in the diagnostic imaging system according to the first aspect, the analysis unit uses teacher data generated by annotating the image information representing the defecation of the other person with ranking information in advance. The image information obtained by the image information obtaining unit may be input to the learned learning model to rank the image information.

第３の態様は、第１又は第２の態様に係る画像診断システムにおいて、予測部は、排便の排便性状のランク分けと腸管内洗浄度との予め定められた対応関係に基づき、患者の腸管内洗浄度を予測するものであることとしてもよい。 A third aspect is the diagnostic imaging system according to the first or second aspect, wherein the prediction unit determines the intestinal tract of the patient based on a predetermined correspondence relationship between the ranking of defecation characteristics and the degree of intestinal cleansing. It may be one that predicts the degree of internal cleanliness.

第４の態様は、第１乃至第３のいずれか１の態様に係る画像診断システムにおいて、予測部の予測結果を出力する出力部をさらに備え、出力部は、当該予測結果をランク分けしたものを出力することとしてもよい。 A fourth aspect is the diagnostic imaging system according to any one of the first to third aspects, further comprising an output unit for outputting the prediction results of the prediction unit, wherein the output unit ranks the prediction results. may be output.

第５の態様は、第４の態様に係る画像診断システムにおいて、撮像部をさらに備え、画像取得部は、撮像部によって撮像された画像情報を取得するものであって、解析部または予測部の結果に基づいて、出力部は、撮像部により撮像を再度行うべきか否かを出力するものであることとしてもよい。 A fifth aspect is the diagnostic imaging system according to the fourth aspect, further comprising an imaging unit, wherein the image acquisition unit acquires image information captured by the imaging unit. Based on the result, the output unit may output whether or not the imaging unit should perform imaging again.

第６の態様は、第５の態様に係る画像診断システムにおいて、解析部は、排便の周りにある便器の形状に基づき、画像処理の解析範囲を設定し、さらに当該解析範囲に紙片があると判断した際は、当該解析範囲から当該紙片の領域を除いた領域に対して解析を行うこととしてもよい。 A sixth aspect is the diagnostic imaging system according to the fifth aspect, wherein the analysis unit sets an analysis range for image processing based on the shape of the toilet bowl around the defecation, and determines that there is a piece of paper in the analysis range. When the judgment is made, the analysis may be performed on the area excluding the area of the piece of paper from the analysis range.

第７の態様に係る画像診断方法は、コンピュータが、患者の排便を表す画像情報を取得する画像情報取得ステップと、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の排便の排便性状をランク分けする解析ステップと、解析ステップにおける解析結果に基づき、患者の腸管内洗浄度を予測する予測ステップと、を実行する。 A diagnostic imaging method according to a seventh aspect comprises an image information acquiring step of acquiring image information representing a patient's defecation, and an index for classifying the properties of stool in water by performing image processing on the image information. An analysis step of ranking the patient's defecation characteristics based on a certain defecation characteristics scale, and a prediction step of predicting the degree of intestinal cleansing of the patient based on the analysis results in the analysis step are executed.

第８の態様に係る画像診断プログラムは、コンピュータに、患者の排便を表す画像情報を取得する画像情報取得機能と、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の排便の排便性状をランク分けする解析機能と、解析機能における解析結果に基づき、患者の腸管内洗浄度を予測する予測機能と、を実現させる。 The diagnostic imaging program according to the eighth aspect comprises a computer, an image information acquisition function for acquiring image information representing a patient's defecation, and an index for classifying the properties of stool in water by image processing the image information. An analysis function that ranks the defecation properties of a patient based on a certain defecation properties scale and a prediction function that predicts the degree of cleansing of the patient's intestinal tract based on the analysis result of the analysis function are realized.

本開示に係る画像診断システム等は、患者の排便を表す画像情報を取得する画像情報取得部と、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の前記排便の排便性状をランク分けする解析部と、解析部の解析結果に基づき、患者の腸管内洗浄度を予測する予測部と、を備えるので、患者の排便を撮像して画像解析することで、当該患者の腸管内洗浄度を推定することができる。 The diagnostic imaging system or the like according to the present disclosure includes an image information acquisition unit that acquires image information representing a patient's defecation, and a defecation property scale that is an index for classifying the properties of feces in water by performing image processing on the image information. and a prediction unit for predicting the degree of intestinal cleansing of the patient based on the analysis result of the analysis unit. By analyzing, the degree of intestinal cleansing of the patient can be estimated.

本実施形態の画像診断システムの概要を説明するための図である。1 is a diagram for explaining an overview of a diagnostic imaging system according to an embodiment; FIG. 本実施形態の画像診断システムの機械的構成の一例を示すブロック図である。1 is a block diagram showing an example of the mechanical configuration of the diagnostic imaging system of this embodiment; FIG. 本実施形態の画像診断システムの機能的構成の一例を示すブロック図である。1 is a block diagram showing an example of a functional configuration of a diagnostic imaging system according to an embodiment; FIG. 本実施形態で用いる排便性状スケールを説明するための図である。FIG. 4 is a diagram for explaining a defecation property scale used in the present embodiment; 本実施形態で用いる排便性状のランクを説明するための図である。FIG. 4 is a diagram for explaining the rank of defecation properties used in the present embodiment; 本実施形態で用いる排便性状のスケールと排便性状のランクとの対応関係を説明する表である。FIG. 3 is a table for explaining the correspondence relationship between the scale of defecation properties and the rank of defecation properties used in the present embodiment. FIG. 本実施形態の画像診断システムのモニターに表示される撮影説明の一例を示す図である。FIG. 4 is a diagram showing an example of an imaging explanation displayed on the monitor of the diagnostic imaging system according to the present embodiment; 本実施形態の画像診断システムによる撮影時のモニターの表示画面の一例を示す図である。FIG. 4 is a diagram showing an example of a display screen of a monitor during imaging by the diagnostic imaging system of the present embodiment; 本実施形態の画像診断システムによる撮影後のモニターの表示画面の一例を示す図である。FIG. 4 is a diagram showing an example of a monitor display screen after imaging by the diagnostic imaging system of the present embodiment; 本実施形態の画像診断システムによる撮影後のモニターの表示画面の一例を示す図である。FIG. 4 is a diagram showing an example of a monitor display screen after imaging by the diagnostic imaging system of the present embodiment; 本実施形態の予測部による判定結果を示すモニターの表示画面の一例を示す図である。It is a figure which shows an example of the display screen of a monitor which shows the determination result by the prediction part of this embodiment. 本実施形態の予測部による判定結果を示すモニターの表示画面の一例を示す図である。It is a figure which shows an example of the display screen of a monitor which shows the determination result by the prediction part of this embodiment. 本実施形態の予測部による判定結果を示すモニターの表示画面の一例を示す図である。It is a figure which shows an example of the display screen of a monitor which shows the determination result by the prediction part of this embodiment. 本実施形態の画像診断システムを用いて大腸内視鏡検査時の前処置として行う腸管内洗浄のフローチャートである。4 is a flowchart of intestinal cleansing performed as a pretreatment for colonoscopy using the diagnostic imaging system of the present embodiment. 本実施形態の画像診断システムによる判定結果の妥当性を検証した結果を示す表である。7 is a table showing results of verification of validity of determination results by the diagnostic imaging system of the present embodiment; 本実施形態の画像診断プログラムのフローチャートである。4 is a flow chart of an image diagnostic program according to the present embodiment;

（画像診断システム１０の概要）
図１乃至図１５を参照して画像診断システム１０について説明する。
先ず図１を参照して画像診断システム１０の概要について説明する。図１は本実施形態の画像診断システム１０の概要を説明するための図である。 (Overview of diagnostic imaging system 10)
A diagnostic imaging system 10 will be described with reference to FIGS. 1 to 15. FIG.
First, an overview of the diagnostic imaging system 10 will be described with reference to FIG. FIG. 1 is a diagram for explaining an overview of a diagnostic imaging system 10 of this embodiment.

画像診断システム１０は、インターネットを含むネットワーク１１に接続された情報処理装置の一種であり、例えば、パーソナルコンピュータ（以下、ＰＣ）、ノート型ＰＣ、タブレット型ＰＣ、及びスマートフォンのことである。また、画像診断システム１０は、独立した単体の製品として存在するのみならず、他のシステムの一部を構成するユニット若しくはモジュールとして内蔵されてもよいし、又は画像診断システム１０のユーザが使用する便器に内蔵されてもよい。 The diagnostic imaging system 10 is a type of information processing apparatus connected to a network 11 including the Internet, and includes, for example, a personal computer (PC), a notebook PC, a tablet PC, and a smart phone. In addition, the diagnostic imaging system 10 may not only exist as an independent single product, but may also be incorporated as a unit or module that constitutes part of another system, or may be used by the user of the diagnostic imaging system 10. It may be built into the toilet bowl.

画像診断システム１０は、大腸内視鏡検査時の前処置として患者に対して行う腸管内洗浄の洗浄度を予め機械学習された学習モデルを用いた画像解析により推定するものである。大腸内視鏡検査時の前処置として行われる腸管内洗浄には、病院内で行う院内法と患者の自宅で行う在宅法とがあるが、画像診断システム１０は院内法及び在宅法の何れにも用いることができる。機械学習に際しては、サポートベクター、モデルツリー、決定ツリー、ニューラルネットワーク、多重線形回帰、局部的重み付け回帰、確立サーチ方法などの公知の手法が適切に用いられる。 The diagnostic imaging system 10 estimates the degree of intestinal cleansing performed on a patient as a pretreatment for colonoscopy by image analysis using a machine-learned learning model in advance. Intestinal cleansing performed as a pretreatment for colonoscopy includes an in-hospital method and an at-home method performed at the patient's home. can also be used. For machine learning, well-known techniques such as support vectors, model trees, decision trees, neural networks, multiple linear regression, local weighted regression, probabilistic search methods, etc. are appropriately used.

画像診断システム１０は、便器の中の患者の排便を撮像し、取得された患者の排便を表示する画像情報を画像処理することにより患者の腸管内洗浄度を推定する。図１（１）に後述の画像診断プログラムの起動時の表示画面を示す。画像診断プログラムとは、画像診断システム１０で動作するアプリケーションである。図１（１）に示す様に、画像診断プログラムの起動時において、画像診断システム１０のユーザに対して画像診断システム１０の使用上の注意点を表示する。画像診断システム１０は、画像診断プログラムを動作することによって患者の腸管内洗浄度の判定結果をモニター１０ｇに表示する（図１（２）参照）。 The diagnostic imaging system 10 captures an image of the patient's defecation in the toilet bowl and processes the acquired image information representing the patient's defecation to estimate the degree of intestinal cleansing of the patient. FIG. 1(1) shows a display screen when an image diagnosis program, which will be described later, is started. A diagnostic imaging program is an application that runs on the diagnostic imaging system 10 . As shown in FIG. 1(1), when the diagnostic imaging program is started, the user of the diagnostic imaging system 10 is presented with cautionary notes regarding the use of the diagnostic imaging system 10 . The diagnostic imaging system 10 operates the diagnostic imaging program to display the determination result of the patient's intestinal cleansing degree on the monitor 10g (see FIG. 1(2)).

（画像診断システム１０の機械的構成）
次に図２を参照して本実施形態の画像診断システム１０の機械的構成について説明する。図２は本実施形態の画像診断システム１０の機械的構成の一例を示すブロック図である。 (Mechanical configuration of diagnostic imaging system 10)
Next, the mechanical configuration of the diagnostic imaging system 10 of this embodiment will be described with reference to FIG. FIG. 2 is a block diagram showing an example of the mechanical configuration of the diagnostic imaging system 10 of this embodiment.

画像診断システム１０は、通信インターフェース１０ａ、Read Only Memory（ＲＯＭ）１０ｂ、Random Access Memory（ＲＡＭ）１０ｃ、記憶部１０ｄ、Central Processing Unit（ＣＰＵ）１０ｅ、入出力インターフェース１０ｆなどを備えている。また、画像診断システム１０は、その外部装置として、モニター１０ｇ、入力装置１０ｈ、及び出力装置１０ｉを備えている。 The diagnostic imaging system 10 includes a communication interface 10a, a Read Only Memory (ROM) 10b, a Random Access Memory (RAM) 10c, a storage section 10d, a Central Processing Unit (CPU) 10e, an input/output interface 10f, and the like. The diagnostic imaging system 10 also includes a monitor 10g, an input device 10h, and an output device 10i as its external devices.

記憶部１０ｄは、記憶装置として利用でき、画像診断システム１０が動作する上で必要となる後述の画像診断プログラム、及び当該画像診断プログラムによって利用される各種データなどを記憶している。 The storage unit 10d can be used as a storage device, and stores an image diagnosis program (to be described later) necessary for the operation of the image diagnosis system 10, various data used by the image diagnosis program, and the like.

入出力インターフェース１０ｆは、キーボード、マウス、スキャナなどの入力装置１０ｈ、及び、モニター１０ｇ、スピーカ、プリンタなどの出力装置１０ｉに対してデータ等を送受信可能とする。 The input/output interface 10f can transmit and receive data to and from an input device 10h such as a keyboard, mouse and scanner, and an output device 10i such as a monitor 10g, speaker and printer.

通信インターフェース１０ａは、ネットワーク１１に対してデータ等を送受信可能とするものであり、ネットワーク１１を介してデータ等を送受信可能とするものである。 The communication interface 10 a enables transmission and reception of data and the like to and from the network 11 , and enables transmission and reception of data and the like via the network 11 .

画像診断システム１０は、動作する上で必要となる画像診断プログラムをＲＯＭ１０ｂ若しくは記憶部１０ｄに保存し、ＲＡＭ１０ｃなどで構成されるメインメモリに画像診断プログラムを取り込む。ＣＰＵ１０ｅは、画像診断プログラムを取り込んだメインメモリにアクセスして、当該画像診断プログラムを実行する。 The diagnostic imaging system 10 stores the diagnostic imaging program required for operation in the ROM 10b or the storage unit 10d, and loads the diagnostic imaging program into the main memory configured by the RAM 10c or the like. The CPU 10e accesses the main memory containing the diagnostic imaging program and executes the diagnostic imaging program.

（画像診断システム１０の機能的構成）
次に、図３を参照して、本実施形態の画像診断システム１０の機能的構成の一例について説明する。図３は本実施形態の画像診断システム１０の機能的構成の一例を示すブロック図である。 (Functional configuration of diagnostic imaging system 10)
Next, an example of the functional configuration of the diagnostic imaging system 10 of this embodiment will be described with reference to FIG. FIG. 3 is a block diagram showing an example of the functional configuration of the diagnostic imaging system 10 of this embodiment.

画像診断システム１０は、画像診断プログラムを実行することで、ＣＰＵ１０ｅに撮像部１２、画像情報取得部１３、解析部１４、予測部１５、出力部１６などを機能部として備える。 The diagnostic imaging system 10 includes an imaging unit 12, an image information acquisition unit 13, an analysis unit 14, a prediction unit 15, an output unit 16, etc. as functional units in the CPU 10e by executing an image diagnosis program.

画像診断システム１０は、撮像部１２を備える。
撮像部１２は、便器の水たまり部３１の水の中にある患者の排便を水たまり部３１の上方から撮像する。 The diagnostic imaging system 10 includes an imaging unit 12 .
The imaging unit 12 captures an image of the patient's defecation in the water of the puddle 31 of the toilet bowl from above the puddle 31 .

画像情報取得部１３は、撮像部１２によって撮像された画像情報を取得する。
患者の排便を表す画像情報とは、患者が腸管洗浄液などの下剤を服用した後、所定期間内にトイレで排便した際の便器の水たまり部３１を撮像した画像である。なお、水たまり部３１の水の中に排便が有る状態で撮像される。 The image information acquisition unit 13 acquires image information captured by the imaging unit 12 .
The image information representing the patient's defecation is an image of the puddle 31 of the toilet when the patient defecates in the toilet within a predetermined period after taking a laxative such as an intestinal cleansing liquid. It should be noted that the image is captured in a state where there is defecation in the water of the puddle portion 31 .

解析部１４は、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の排便の排便性状をランク分けする。 The analysis unit 14 performs image processing on the image information to rank the defecation properties of the patient based on the defecation properties scale, which is an index for classifying the properties of feces in water.

図４を参照して、本実施形態で用いる排便性状スケールについて説明する。排便性状スケールは、排便性状スケールごとにその特徴が写真若しくはイラストによって表示される。図４は本実施形態で用いる排便性状スケールを説明するための図である。 The defecation property scale used in this embodiment will be described with reference to FIG. In the defecation property scale, the characteristics of each defecation property scale are displayed by photographs or illustrations. FIG. 4 is a diagram for explaining the defecation property scale used in this embodiment.

本実施形態では水中にある排便を５種類の性状に分類し、（１）固形便、（２）泥状便、（３）混濁した水様便、（４）混濁した水様便、（５）透明な水様便のスケールを用いて分類する（図４参照）。（１）固形便とは、水中に固形状の糞便が残った状態のことをいう。（２）泥状便とは、形の無い泥状の糞便が水の中に残った状態のことをいう。（３）混濁した水様便とは、殆ど水の様な便であるが茶色などの色で不透明に濁った状態のことをいう。（４）混濁した水様便とは、（３）の状態ほどの不透明さはないが濁った状態のことをいう。（５）透明な水様便とは、透明な水の様な便のことである。 In this embodiment, defecation in water is classified into five types: (1) solid stool, (2) muddy stool, (3) turbid watery stool, (4) turbid watery stool, (5) ) Classify using the clear, watery stool scale (see Figure 4). (1) Solid stool refers to a state in which solid feces remain in water. (2) Muddy stool refers to a state in which shapeless, muddy feces remain in water. (3) Cloudy watery stool refers to a state in which the stool is almost watery but opaque and cloudy with a color such as brown. (4) Cloudy, watery stool refers to a state in which the stool is not as opaque as in (3), but is cloudy. (5) Clear watery stools are clear, watery stools.

次に図５及び図６を参照して、本実施形態で行う患者の排便の排便性状のランク分けについて説明する。図５は本実施形態で用いる排便性状のランクを説明するための図であり、図６は本実施形態で用いる排便性状のスケールと排便性状のランクとの対応関係を説明する表である。 Next, with reference to FIGS. 5 and 6, the ranking of the patient's defecation characteristics performed in this embodiment will be described. FIG. 5 is a diagram for explaining the defecation property rank used in this embodiment, and FIG. 6 is a table for explaining the correspondence relationship between the defecation property scale and the defecation property rank used in this embodiment.

図５に示す様に、本実施形態で用いる排便性状のランクは、Grade１、Grade２、及びGrade３である。Grade１は、図６に示す様に排便性状スケールの（１）及び（２）に相当する。Grade２は、図６に示す様に排便性状スケールの（３）及び（４）に相当する。Grade３は、図６に示す様に排便性状スケールの（５）に相当する。 As shown in FIG. 5, the ranks of defecation properties used in this embodiment are Grade1, Grade2, and Grade3. Grade 1 corresponds to (1) and (2) of the defecation property scale as shown in FIG. Grade 2 corresponds to (3) and (4) on the defecation property scale as shown in FIG. Grade 3 corresponds to (5) on the defecation property scale as shown in FIG.

解析部１４は、他者の排便を表す画像情報に対してランク分けの情報をアノテーションとして付与して生成された教師データにより予め機械学習された学習モデルに、画像情報取得部１３により取得された画像情報を入力することにより画像情報のランク分けを行う。 The analysis unit 14 applies ranking information as annotations to the image information representing the defecation of others to create a learning model that has undergone machine learning in advance using teacher data. By inputting the image information, the image information is ranked.

学習モデルは、他者の排便を表す画像情報（学習用画像）に、当該画像情報に含まれる排便の排便性状に対応するGradeをアノテーションとして付与して生成された教師データによって学習されたモデルである。このような学習によって得られた学習モデルは、画像情報取得部１３によって取得された患者の排便を表す画像情報に対してGrade１、Grade２、及びGrade３のうちの何れかをランクとして出力する。 The learning model is a model learned from teacher data generated by annotating image information (learning images) representing another person's defecation with the grade corresponding to the defecation characteristics of the defecation contained in the image information. be. The learning model obtained by such learning outputs one of Grade 1, Grade 2, and Grade 3 as a rank for the image information representing the patient's defecation acquired by the image information acquisition unit 13. FIG.

他者の排便を表す画像情報とは、他の患者が腸管洗浄液などの下剤を服用した後、所定期間内にトイレで排便した際の便器の水たまり部３１を撮像した画像である。なお、水たまり部３１の水の中に排便が有る状態で撮像される。 The image information representing another person's defecation is an image of the puddle 31 of the toilet when the other patient has defecate in the toilet within a predetermined period after taking a laxative such as an intestinal cleansing liquid. It should be noted that the image is captured in a state where there is defecation in the water of the puddle portion 31 .

当該アノテーションは、医師、及び看護師などの医療関係者によって、学習用画像に排便性状のランクであるGrade１、Grade２、及びGrade３のうちの何れかを付与することで行われる。なお、当該アノテーションの実施方法は、これに限定されるものでは無く、先ず医療関係者によって学習用画像に排便性状スケールの（１）から（５）を付与し、この後に排便性状スケールの（１）から（５）と排便性状のランクのGrade１からGrade３との対応関係を示す図６を参照し、排便性状スケールの（１）から（５）が付与された学習用画像に排便性状のランクであるGrade１からGrade３を割当てるようにしてもよい。 The annotation is performed by giving any one of Grade 1, Grade 2, and Grade 3, which are ranks of defecation properties, to the learning image by medical personnel such as doctors and nurses. Note that the method of performing the annotation is not limited to this. First, the medical staff assigns (1) to (5) of the defecation property scale to the learning image, and then (1) of the defecation property scale ) to (5) and defecation property ranks Grade 1 to Grade 3. Referring to FIG. Grade 1 to Grade 3 may be assigned.

当該アノテーションにより学習画像を排便性状スケールの（１）から（５）の５分類に区分するのではなく、排便性状のランクであるGrade１からGrade３の３分類に分類するのは、学習モデルを５種類の教師データを用いて学習するよりも、３種類の教師データを用いて学習モデルを学習するほうが効率がよいからである。 Instead of classifying the learning images into five categories (1) to (5) on the defecation property scale, the annotation classifies the learning images into three categories from Grade 1 to Grade 3, which are the ranks of defecation properties. This is because learning a learning model using three types of teacher data is more efficient than learning using three types of teacher data.

解析部１４は、排便の周りにある便器の形状に基づき、画像処理の解析範囲を設定し、さらに当該解析範囲に紙片２５があると判断した際は、当該解析範囲から当該紙片２５の領域を除いた領域に対して解析を行う。解析範囲とは、患者の排便を表す画像情報に含まれる水たまり部３１に相当する範囲のことをいい、図９及び図１０における解析範囲とは、解析範囲の境界線３２の内側の範囲のことをいう。 The analysis unit 14 sets the analysis range for image processing based on the shape of the toilet bowl around the defecation, and further, when determining that the paper piece 25 exists in the analysis range, the area of the paper piece 25 is removed from the analysis range. Analysis is performed on the excluded area. The analysis range refers to the range corresponding to the puddle 31 included in the image information representing the patient's defecation, and the analysis range in FIGS. 9 and 10 refers to the range inside the boundary line 32 of the analysis range. Say.

患者が使用する便器の形状の寸法データは予め画像診断システム１０の記憶部１０ｄに記憶されている。解析部１４は、記憶部１０ｄに記憶されている便器の形状の寸法データに基づいて、患者の排便の周りにある便器の形状に基づき、当該便器の水たまり部３１の位置及び範囲を特定し、画像処理の解析範囲を設定する。 The dimensional data of the shape of the toilet used by the patient is stored in the storage unit 10d of the diagnostic imaging system 10 in advance. The analysis unit 14 identifies the position and range of the puddle 31 of the toilet bowl based on the shape of the toilet bowl around the patient's defecation, based on the dimension data of the shape of the toilet bowl stored in the storage unit 10d, Set the analysis range of image processing.

図７乃至図１０を参照して、解析部１４が画像処理の解析範囲を設定する手順について説明する。図７は本実施形態の画像診断システム１０のモニター１０ｇに表示される撮影説明の一例を示す図であり、図８は本実施形態の画像診断システム１０による撮影時のモニター１０ｇの表示画面の一例を示す図であり、図９及び図１０は本実施形態の画像診断システム１０による撮影後のモニターの表示画面の一例を示す図である。 A procedure for setting the analysis range of image processing by the analysis unit 14 will be described with reference to FIGS. 7 to 10 . FIG. 7 is a diagram showing an example of a description of imaging displayed on the monitor 10g of the diagnostic imaging system 10 of the present embodiment, and FIG. 8 is an example of a display screen of the monitor 10g during imaging by the diagnostic imaging system 10 of the present embodiment. FIG. 9 and FIG. 10 are diagrams showing an example of the display screen of the monitor after imaging by the diagnostic imaging system 10 of this embodiment.

図７に示す様に、患者の排便の撮影を開始する前に、モニター１０ｇに表示された位置合わせ基準線２１を便座の開口部３３に重畳するように位置を合わせる。位置合わせ基準線２１を便座の開口部３３に重畳した状態で撮影開始ボタン２０にタッチする。 As shown in FIG. 7, before starting imaging of the patient's defecation, the positioning reference line 21 displayed on the monitor 10g is positioned so as to overlap the opening 33 of the toilet seat. The photographing start button 20 is touched while the positioning reference line 21 is superimposed on the opening 33 of the toilet seat.

次に図８に示す様に、画像診断システム１０のモニター１０ｇに解析範囲が表示される。解析範囲とは、解析部１４が患者の排便を表す画像情報のうち解析を行う範囲のことをいう。図８に示す状態でシャッターボタン２２にタッチする。 Next, as shown in FIG. 8, the analysis range is displayed on the monitor 10g of the diagnostic imaging system 10. FIG. The analysis range refers to the range in which the analysis unit 14 analyzes the image information representing the patient's defecation. The shutter button 22 is touched in the state shown in FIG.

次に図９に示す様に、解析部１４は、排便の周りにある便器の形状に基づき、画像処理の解析範囲を設定する。ユーザは、モニター１０ｇに表示された解析範囲でよければ次へボタン２４をタッチする。ユーザは、モニター１０ｇに表示された解析範囲は不可であると考えた場合、撮り直しボタン２３をタッチする。そうすると、モニター１０ｇに新たに設定された解析範囲が表示される。解析部１４が解析範囲に紙片２５があると判断した際は、解析範囲から紙片２５の領域を除いた領域に対して解析を行う（図１０参照）。 Next, as shown in FIG. 9, the analysis unit 14 sets an analysis range for image processing based on the shape of the toilet around the defecation. The user touches the next button 24 if the analysis range displayed on the monitor 10g is acceptable. If the user thinks that the analysis range displayed on the monitor 10g is unacceptable, the user touches the retake button 23 . Then, the newly set analysis range is displayed on the monitor 10g. When the analysis unit 14 determines that the paper piece 25 exists in the analysis range, the analysis is performed on the area excluding the paper piece 25 area from the analysis range (see FIG. 10).

画像診断システム１０のモニター１０ｇに表示された次へボタン２４をタッチすると、解析部１４は、画像情報取得部１３により取得された患者の排便を表す画像情報のうち解析範囲を学習モデルに入力することにより当該画像情報のランク分け（Grade１、Grade２、Grade３）を行う。 When the next button 24 displayed on the monitor 10g of the diagnostic imaging system 10 is touched, the analysis unit 14 inputs the analysis range of the image information representing the patient's defecation acquired by the image information acquisition unit 13 into the learning model. By doing so, the image information is ranked (Grade 1, Grade 2, Grade 3).

予測部１５は、解析部１４の解析結果に基づき、患者の腸管内洗浄度を予測する。
図１１乃至図１３を参照して、予測部１５による予測結果について説明する。図１１乃至図１３は、本実施形態の予測部１５による判定結果を示すモニターの表示画面の一例を示す図である。 The prediction unit 15 predicts the intestinal cleansing degree of the patient based on the analysis result of the analysis unit 14 .
A prediction result by the prediction unit 15 will be described with reference to FIGS. 11 to 13 . 11 to 13 are diagrams showing examples of display screens of a monitor showing determination results by the prediction unit 15 of this embodiment.

予測部１５は、排便の排便性状のランク分けと腸管内洗浄度との予め定められた対応関係に基づき、患者の腸管内洗浄度を予測する。 The prediction unit 15 predicts the intestinal cleansing degree of the patient based on a predetermined correspondence relationship between the ranking of defecation characteristics and the intestinal cleansing degree.

出力部１６は、予測部１５の予測結果を出力する。出力部１６は、当該予測結果をランク分けしたものを出力する。 The output section 16 outputs the prediction result of the prediction section 15 . The output unit 16 outputs the results of ranking the prediction results.

出力部１６は、予測部１５の予測結果をランク分けしたものを画像診断システム１０のモニター１０ｇに出力し表示を行う。 The output unit 16 outputs the results of ranking the prediction results of the prediction unit 15 to the monitor 10g of the diagnostic imaging system 10 for display.

出力部１６は、解析部１４または予測部１５の結果に基づいて、撮像部１２により撮像を再度行うべきか否かを出力するものである。 The output unit 16 outputs whether or not the imaging unit 12 should perform imaging again based on the result of the analysis unit 14 or the prediction unit 15 .

出力部１６は、モニター１０ｇの判定結果表示部２６に後述の「星１つ」若しくは「星２つ」を表示するときは、撮像部１２により撮像を再度行うべき旨を判定結果表示部２６に表示する。 When the output unit 16 displays "one star" or "two stars", which will be described later, on the determination result display unit 26 of the monitor 10g, the output unit 16 instructs the determination result display unit 26 that the imaging unit 12 should perform imaging again. indicate.

出力部１６は、モニター１０ｇの判定結果表示部２６に後述の「星３つ」を表示するときは、撮像部１２により撮像を再度行う必要はないため、その旨を判定結果表示部２６に表示するか、若しくは撮像部１２により撮像を再度行うか否かについては何も表示しない。 When the output unit 16 displays "three stars", which will be described later, on the determination result display unit 26 of the monitor 10g, the imaging unit 12 does not need to perform imaging again, so the determination result display unit 26 displays that effect. No display is made as to whether or not the image capturing unit 12 performs image capturing again.

本実施形態における腸管内洗浄度とは、大腸内視鏡検査を実施できる程度に腸管内が洗浄されたか否かのことをいう。本実施形態において、予め定められた排便の排便性状のランク分けと腸管内洗浄度との対応関係は、Grade３は大腸内視鏡検査を実施できる程度に腸管内が洗浄されている状態（洗浄済）であるとし、Grade１及び２は大腸内視鏡検査を実施できる程度に腸管内が洗浄されていない状態（洗浄未了）とする。 The degree of intestinal cleansing in this embodiment refers to whether or not the inside of the intestinal tract has been cleansed to the extent that colonoscopy can be performed. In the present embodiment, the correspondence relationship between the predetermined rank classification of the defecation properties of defecation and the degree of intestinal cleansing is such that Grade 3 is a state in which the intestinal tract is cleansed to the extent that a colonoscopy can be performed (washed ), and Grades 1 and 2 are defined as a state in which the inside of the intestine has not been cleaned to the extent that colonoscopy can be performed (uncleaned).

出力部１６は、予測部１５の予測結果がGrade１に基づく洗浄未了の場合、モニター１０ｇの判定結果表示部２６に「星１つ」を表示する（図１１参照）。出力部１６は、予測部１５の予測結果がGrade２に基づく洗浄未了の場合、モニター１０ｇの判定結果表示部２６に「星２つ」を表示する（図１２参照）。出力部１６は、予測部１５の予測結果が洗浄済（Grade３）の場合、モニター１０ｇの判定結果表示部２６に「星３つ」を表示する（図１３参照）。 When the prediction result of the prediction unit 15 is that cleaning is incomplete based on Grade 1, the output unit 16 displays "one star" on the determination result display unit 26 of the monitor 10g (see FIG. 11). When the prediction result of the prediction unit 15 is that the washing is incomplete based on Grade 2, the output unit 16 displays "two stars" on the determination result display unit 26 of the monitor 10g (see FIG. 12). When the prediction result of the prediction unit 15 is "washed (Grade 3)", the output unit 16 displays "three stars" on the determination result display unit 26 of the monitor 10g (see FIG. 13).

画像診断システム１０のユーザは、モニター１０ｇに「星３つ」が表示された場合、大腸内視鏡検査が実施できる程度に患者の腸管内は洗浄されたと判断することができる。 When the monitor 10g displays "three stars", the user of the imaging system 10 can determine that the patient's intestinal tract has been cleaned to the extent that colonoscopy can be performed.

（大腸内視鏡検査時の前処置として行う腸管内洗浄について）
次に、図１４を参照して、本実施形態の画像診断システム１０を用いて大腸内視鏡検査時の前処置として行う腸管内洗浄について説明する。図１４は、本実施形態の画像診断システム１０を用いて大腸内視鏡検査時の前処置として行う腸管内洗浄のフローチャートである。 (Regarding intestinal cleansing as a pretreatment for colonoscopy)
Next, intestinal cleansing performed as a pretreatment for colonoscopy using the diagnostic imaging system 10 of the present embodiment will be described with reference to FIG. 14 . FIG. 14 is a flowchart of intestinal cleansing performed as a pretreatment for colonoscopy using the diagnostic imaging system 10 of the present embodiment.

ステップＳ３０：下剤内服開始
患者は、大腸内視鏡検査の前処置として、腸管洗浄液などの下剤を服用する。
本実施形態では、患者に約１時間かけて下剤１リットルと水０．５リットルを一緒に飲んで貰う。その後、患者は通常５回以上の便意をもよおす。多くの患者は２時間半経過すれば、画像診断システム１０の判定は「星３つ」になる。 Step S30: Start of laxative administration The patient takes a laxative such as intestinal washings as a pretreatment for colonoscopy.
In this embodiment, the patient is asked to drink 1 liter of laxative and 0.5 liter of water together for about 1 hour. Afterwards, the patient usually has 5 or more bowel movements. For many patients, the judgment of the diagnostic imaging system 10 becomes "three stars" after two and a half hours.

ステップＳ３１：画像診断システム１０が判定
下剤服用後、患者は複数回の便意をもよおすので、排便の都度、患者は画像診断システム１０を用いて当該患者の排便を表す画像情報について判定を行う。 Step S31: Judgment by Diagnostic Imaging System 10 After taking the laxative, the patient has multiple urges to defecate, so the patient uses the diagnostic imaging system 10 to determine the image information representing the patient's defecation each time.

ステップＳ３２：洗浄済み（３時間以内）
下剤服用後３時間以内に、画像診断システム１０の判定が「星３つ」になった場合、患者の大腸は検査ができる程度に洗浄されたとして、大腸内視鏡検査を実施する（ステップＳ３３）。 Step S32: Washed (within 3 hours)
If the diagnosis by the imaging system 10 is "three stars" within three hours after taking the laxative, the colonoscopy is performed on the assumption that the patient's colon has been cleaned to the extent that examination can be performed (step S33). ).

ステップＳ３４：洗浄未了（３時間経過後）
下剤服用後３時間経過後に、画像診断システム１０の判定が「星１つ」若しくは「星２つ」の場合、患者の腸管の洗浄はまだ終わっていないとして下剤の追加若しくは浣腸などの指示が患者に与えられる（ステップＳ３５）。その後の排便の度に画像診断システム１０による判定が行われ「星３つ」になった時点で患者に対して大腸内視鏡検査を実施する（ステップＳ３６）。 Step S34: Incomplete cleaning (after 3 hours)
If the diagnostic imaging system 10 judges "1 star" or "2 stars" three hours after taking the laxative, the patient is instructed to add laxative or enema because the patient's intestinal tract has not been cleaned yet. (step S35). After that, the diagnostic imaging system 10 makes a judgment every time a bowel movement is performed, and when it becomes "three stars", the colonoscopy is performed on the patient (step S36).

（画像診断システム１０の判定結果の妥当性について）
次に、図１５を参照して画像診断システム１０の判定結果の妥当性について説明する。図１５は本実施形態の画像診断システム１０による判定結果の妥当性を検証した結果を示す表である。 (Appropriateness of determination result of diagnostic imaging system 10)
Next, the validity of the determination result of the diagnostic imaging system 10 will be described with reference to FIG. FIG. 15 is a table showing the result of verifying the validity of the determination result by the diagnostic imaging system 10 of this embodiment.

図１５に示す様に、画像診断システム１０の判定結果の妥当性についての検証として、画像診断システム１０によって「星３つ」の判定結果を得た５１人の患者に対して、ＢＢＰＳ、盲腸到達率、腺腫発見率、無病症例における内視鏡抜去平均時間を調査した。なお、患者５１人の年齢は、最年少が２７才、最高齢が８２才で中央値が６３才であり、男性２９人、女性２２人である。 As shown in FIG. 15, as a verification of the validity of the judgment result of the diagnostic imaging system 10, 51 patients who obtained the judgment result of "three stars" by the diagnostic imaging system 10 were tested for BBPS and cecal reach. rate, adenoma detection rate, and mean time to remove the endoscope in disease-free cases. The ages of the 51 patients were 27 years old at the youngest, 82 years old at the oldest, and 63 years old at the median. There were 29 males and 22 females.

ＢＢＰＳは、大腸の盲腸と上行結腸、横行結腸、及び左側結腸（下行結腸、S状結腸、直腸）のそれぞれセグメントの洗浄度を内視鏡を用いて目視により調査する。各セグメントを１点から３点で評価する。それぞれのスコアの合計点が６点以上で腸管内洗浄度が適切と判定する。患者５１人のスコアの合計点は、７点が８人、８点が９人、９点が３４人であり、画像診断システム１０によって「星３つ」の判定結果を得た５１人の全員がＢＢＰＳによって腸管内洗浄度が適正であると判定された。従って、画像診断システム１０の判定結果はＢＢＰＳによって妥当であることが分かった。 BBPS visually inspects the cleanliness of each segment of the cecum and ascending, transverse, and left colon (descending colon, sigmoid colon, rectum) of the large intestine using an endoscope. Each segment is rated from 1 to 3 points. When the total score of each score is 6 points or more, it is determined that the intestinal cleansing degree is appropriate. The total scores of the 51 patients were 8 with 7 points, 9 with 8 points, and 34 with 9 points. was determined to have adequate intestinal cleansing by BBPS. Therefore, it was found that the determination result of the diagnostic imaging system 10 is valid according to the BBPS.

盲腸到達率とは、大腸のうち一番奥の盲腸まで到達できるか否かの指標である。画像診断システム１０によって「星３つ」の判定結果を得た５１人の患者全員において盲腸まで到達することができた。従って、画像診断システム１０の判定結果は盲腸到達率によって妥当であることが分かった。 The cecum reach rate is an index of whether or not the cecum, which is the innermost part of the large intestine, can be reached. It was possible to reach the cecum in all 51 patients who obtained the judgment result of "three stars" by the diagnostic imaging system 10 . Therefore, it turned out that the determination result of the diagnostic imaging system 10 is appropriate according to the cecal reachability.

腺腫発見率とは、１人の患者における１回の大腸内視鏡検査にて腺腫が発見される確率である。腺腫発見率は腸管内洗浄度と相関があると報告されている。。画像診断システム１０によって「星３つ」の判定結果を得た５１人のうち２６人（５１％）に腺腫が発見された。欧米では４０％以上が目標水準とされていることから、画像診断システム１０の判定結果は腺腫発見率によって妥当であることが分かった。 Adenoma detection rate is the probability that an adenoma will be detected in one colonoscopy in one patient. It has been reported that the adenoma detection rate correlates with the degree of intestinal cleansing. . Adenomas were found in 26 (51%) of the 51 patients who received a “three-star” judgment result by the diagnostic imaging system 10 . Since 40% or more is set as the target level in Europe and the United States, it was found that the determination result of the image diagnosis system 10 is appropriate according to the adenoma detection rate.

大腸内視鏡検査における内視鏡抜去時間とは、盲腸から直腸にかけて充分に腸管内腔を拡張させて詳細に観察を行う総計時間である。総計時間が長いほど大腸ポリープの発見率が増加し、腸管内洗浄が充分に行われていることになる。画像診断システム１０によって「星３つ」の判定結果を得た５１人の患者の無病症例における内視鏡抜去平均時間は１５分２２秒であった。欧米では１０分以上が目標水準とされていることから、画像診断システム１０の判定結果は無病症例における内視鏡抜去平均時間によって妥当であることが分かった。 The endoscope removal time in colonoscopy is the total time to fully dilate the intestinal lumen from the cecum to the rectum for detailed observation. The longer the total time, the higher the colonic polyp discovery rate, which means that the intestinal tract was sufficiently cleaned. The average time to remove the endoscope was 15 minutes and 22 seconds in disease-free cases of 51 patients who obtained the judgment result of "three stars" by the diagnostic imaging system 10 . Since 10 minutes or longer is the target level in Europe and the United States, it was found that the determination result of the diagnostic imaging system 10 is appropriate based on the average time for removing the endoscope in disease-free cases.

（画像診断方法及び画像診断プログラム）
次に図１６を参照して、本実施形態の画像診断方法について、画像診断プログラムとともに説明する。図１６は本実施形態の画像診断プログラムのフローチャートである。 (Image diagnosis method and image diagnosis program)
Next, referring to FIG. 16, the diagnostic imaging method of this embodiment will be described together with the diagnostic imaging program. FIG. 16 is a flow chart of the diagnostic imaging program of this embodiment.

図１６に示す様に、画像診断プログラムは、撮像ステップＳ１２、画像情報取得ステップＳ１３、解析ステップＳ１４、予測ステップＳ１５、出力ステップＳ１６などを含む。 As shown in FIG. 16, the diagnostic imaging program includes an imaging step S12, an image information acquisition step S13, an analysis step S14, a prediction step S15, an output step S16, and the like.

画像診断システム１０は、ＲＯＭ１０ｂ若しくは記憶部１０ｄに保存された画像診断プログラムをＲＡＭ１０ｃなどで構成されたメインメモリに取り込み、ＣＰＵ１０ｅにより当該画像診断プログラムを実行する。 The diagnostic imaging system 10 fetches the diagnostic imaging program stored in the ROM 10b or the storage unit 10d into the main memory constituted by the RAM 10c, etc., and executes the diagnostic imaging program by the CPU 10e.

画像診断プログラムは、画像診断システム１０のＣＰＵ１０ｅに対して、撮像機能、画像情報取得機能、解析機能、予測機能、及び出力機能を実現させる。
これらの機能は図１６に示す順序で処理を行う場合を例示したが、これに限らず、これらの順番を適宜入れ替えて画像診断プログラムを実行しても良い。なお、上記した各機能は、前述の画像診断システム１０の撮像部１２、画像情報取得部１３、解析部１４、予測部１５、出力部１６の説明と重複するため、その詳細な説明は省略する。 The diagnostic imaging program causes the CPU 10e of the diagnostic imaging system 10 to realize an imaging function, an image information acquisition function, an analysis function, a prediction function, and an output function.
Although the case where these functions are processed in the order shown in FIG. 16 has been exemplified, the order is not limited to this, and the image diagnosis program may be executed by appropriately changing the order. Note that each function described above overlaps with the description of the imaging unit 12, the image information acquisition unit 13, the analysis unit 14, the prediction unit 15, and the output unit 16 of the diagnostic imaging system 10 described above, so a detailed description thereof will be omitted. .

撮像機能は、便器の水たまり部３１の水の中にある患者の排便を水たまり部３１の上方から撮像する（Ｓ１２：撮像ステップ）。 The imaging function takes an image of the patient's defecation in the water of the puddle 31 of the toilet bowl from above the puddle 31 (S12: imaging step).

画像情報取得機能は、撮像部１２によって撮像された画像情報を取得する（Ｓ１３：画像情報取得ステップ）。 The image information acquisition function acquires image information captured by the imaging unit 12 (S13: image information acquisition step).

解析機能は、画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき患者の排便の排便性状をランク分けする（Ｓ１４：解析ステップ）。 The analysis function performs image processing on the image information to rank the defecation properties of the patient based on the defecation properties scale, which is an index for classifying the properties of feces in water (S14: analysis step).

予測機能は、解析部１４の解析結果に基づき、患者の腸管内洗浄度を予測する（Ｓ１５：予測ステップ）。 The prediction function predicts the degree of intestinal cleansing of the patient based on the analysis result of the analysis unit 14 (S15: prediction step).

出力機能は、予測部１５の予測結果を出力する（Ｓ１６：出力ステップ）。
上記した実施形態によれば、画像診断システム１０は、患者の排便を撮像した画像情報を学習モデルに入力して患者の腸管内洗浄度を推定するので、患者は他人に自分の排便を見られるという心理的負担及び抵抗感から解放される。 The output function outputs the prediction result of the prediction unit 15 (S16: output step).
According to the above-described embodiment, the diagnostic imaging system 10 inputs image information obtained by imaging the patient's defecation to the learning model to estimate the degree of intestinal cleansing of the patient, so that the patient can see his/her own defecation. It is freed from the psychological burden and resistance.

さらに、上記した実施形態によれば、画像診断システム１０は、患者の撮像した画像情報を学習モデルに入力して患者の腸管内洗浄度を推定するので、看護師は業務負担が軽減されるとともに、他人の排便を見なくてもよくなり心理的負担が軽減される。 Furthermore, according to the above-described embodiment, the diagnostic imaging system 10 inputs image information captured by the patient into the learning model to estimate the degree of intestinal cleansing of the patient. , the need to see other people's defecation is eliminated and the psychological burden is reduced.

さらに、上記した実施形態によれば、画像診断システム１０は、院内法であっても在宅法であっても、患者の腸管内洗浄度を推定することができるので、院内法と在宅法とでばらつきのあった腸管内洗浄度の判定結果について画像診断システム１０を用いることにより共通の判定基準による判定結果を出すことができる。 Furthermore, according to the above-described embodiment, the diagnostic imaging system 10 can estimate the degree of intestinal cleansing of a patient regardless of whether the in-hospital method or the at-home method is used. By using the diagnostic imaging system 10, it is possible to obtain a judgment result based on a common judgment standard for the judgment result of the intestinal cleansing degree, which varies.

さらに、院内法でも看護師ごとに腸管内洗浄度の判定にばらつきがあったが、腸管内洗浄度の判定結果について画像診断システム１０を用いることにより共通の判定基準による判定結果を出すことができる。 Furthermore, even in the hospital method, the determination of the intestinal cleansing degree varies from nurse to nurse, but by using the diagnostic imaging system 10, it is possible to obtain the determination result based on the common criteria. .

さらに、画像診断プログラムは、ノート型ＰＣ、タブレット型ＰＣ、及びスマートフォンなどの携帯情報端末によって動作させることができるので、患者は外出先でも排便の画像を撮影することで自分の腸管内洗浄度を推定することができる。 Furthermore, since the diagnostic imaging program can be operated by portable information terminals such as notebook PCs, tablet PCs, and smartphones, patients can monitor their intestinal cleansing degree by taking images of their defecation even when they are out of the office. can be estimated.

本開示は上記した実施形態に係る画像診断システム１０に限定されるものではなく、特許請求の範囲に記載した本開示の要旨を逸脱しない限りにおいて、その他種々の変形例、若しくは応用例により実施可能である。 The present disclosure is not limited to the diagnostic imaging system 10 according to the above-described embodiment, and can be implemented in various other modifications or applications without departing from the gist of the present disclosure described in the claims. is.

１０ 画像診断システム
１０ａ 通信インターフェース
１０ｂ Read Only Memory（ＲＯＭ）
１０ｃ Random Access Memory（ＲＡＭ）
１０ｄ 記憶部
１０ｅ Central Processing Unit（ＣＰＵ）
１０ｆ 通信インターフェース
１０ｇ モニター
１０ｈ 入力装置
１０ｉ 出力装置
１１ ネットワーク
１２ 撮像部
１３ 画像情報取得部
１４ 解析部
１５ 予測部
１６ 出力部
２０ 撮影開始ボタン
２１ 位置合わせ基準線
２２ シャッターボタン
２３ 撮り直しボタン
２４ 次へボタン
２５ 紙片
２６ 判定結果表示部
２７ 完了ボタン
２８ 腸壁
２９ 固形便
３０ 残便
３１ 水たまり部
３２ 解析範囲の境界線
３３ 便座の開口部 10 diagnostic imaging system 10a communication interface 10b read only memory (ROM)
10c Random Access Memory (RAM)
10d storage unit 10e central processing unit (CPU)
10f communication interface 10g monitor 10h input device 10i output device 11 network 12 imaging unit 13 image information acquisition unit 14 analysis unit 15 prediction unit 16 output unit 20 shooting start button 21 alignment reference line 22 shutter button 23 reshoot button 24 next button 25 Piece of paper 26 Judgment result display part 27 Finish button 28 Intestinal wall 29 Solid stool 30 Leftover stool 31 Puddle part 32 Boundary line of analysis range 33 Opening of toilet seat

Claims (8)

患者の排便を表す画像情報を取得する画像情報取得部と、
前記画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき前記患者の前記排便の排便性状をランク分けする解析部と、
前記解析部の解析結果に基づき、前記患者の腸管内洗浄度を予測する予測部と、
を備える画像診断システム an image information acquisition unit that acquires image information representing the patient's defecation;
an analysis unit that ranks the defecation properties of the patient based on a defecation properties scale, which is an index for classifying feces properties in water, by image processing the image information;
a prediction unit that predicts the degree of intestinal cleansing of the patient based on the analysis result of the analysis unit;
diagnostic imaging system with 前記解析部は、他者の排便を表す画像情報に対して前記ランク分けの情報をアノテーションとして付与して生成された教師データにより予め機械学習された学習モデルに、前記画像情報取得部により取得された前記画像情報を入力することにより当該画像情報の前記ランク分けを行うものであることを特徴とする請求項１記載の画像診断システム。 The analysis unit adds the information obtained by the image information acquisition unit to a learning model machine-learned in advance using teacher data generated by annotating the image information representing the defecation of the other person with the ranking information. 2. The diagnostic imaging system according to claim 1, wherein said image information is classified into said ranks by inputting said image information. 前記予測部は、前記排便の前記排便性状の前記ランク分けと前記腸管内洗浄度との予め定められた対応関係に基づき、前記患者の前記腸管内洗浄度を予測するものであることを特徴とする請求項１または２記載の画像診断システム。 The prediction unit predicts the degree of intestinal cleansing of the patient based on a predetermined correspondence relationship between the ranking of the defecation properties of the defecation and the degree of intestinal cleansing. 3. The diagnostic imaging system according to claim 1 or 2. 前記予測部の予測結果を出力する出力部をさらに備え、
前記出力部は、当該予測結果をランク分けしたものを出力することを特徴とする請求項１乃至３のいずれか一項に記載の画像診断システム。 Further comprising an output unit for outputting the prediction result of the prediction unit,
4. The diagnostic imaging system according to any one of claims 1 to 3, wherein the output unit outputs the prediction results that are ranked. 撮像部をさらに備え、
前記画像情報取得部は、前記撮像部によって撮像された前記画像情報を取得するものであって、
前記解析部または前記予測部の結果に基づいて、前記出力部は、前記撮像部により撮像を再度行うべきか否かを出力するものであることを特徴とする請求項４記載の画像診断システム。 further equipped with an imaging unit,
The image information acquisition unit acquires the image information captured by the imaging unit,
5. The diagnostic imaging system according to claim 4, wherein said output unit outputs whether or not imaging should be performed again by said imaging unit based on the result of said analysis unit or said prediction unit. 前記解析部は、前記排便の周りにある便器の形状に基づき、前記画像処理の解析範囲を設定し、さらに当該解析範囲に紙片があると判断した際は、当該解析範囲から当該紙片の領域を除いた領域に対して解析を行うことを特徴とする請求項５記載の画像診断システム。 The analysis unit sets the analysis range of the image processing based on the shape of the toilet bowl around the defecation, and further, when determining that there is a piece of paper in the analysis range, removes the area of the piece of paper from the analysis range. 6. The diagnostic imaging system according to claim 5, wherein analysis is performed on the excluded region. コンピュータが、
患者の排便を表す画像情報を取得する画像情報取得ステップと、
前記画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき前記患者の前記排便の排便性状をランク分けする解析ステップと、
前記解析ステップにおける解析結果に基づき、前記患者の腸管内洗浄度を予測する予測ステップと、
を実行することを特徴とする画像診断方法。 the computer
an image information acquiring step of acquiring image information representing the patient's defecation;
an analysis step of performing image processing on the image information to rank the defecation properties of the patient based on a defecation properties scale, which is an index for classifying feces properties in water;
a prediction step of predicting the degree of intestinal cleansing of the patient based on the analysis result of the analysis step;
An image diagnostic method characterized by performing コンピュータに、
患者の排便を表す画像情報を取得する画像情報取得機能と、
前記画像情報を画像処理することにより、水中での便の性状を分類する指標である排便性状スケールに基づき前記患者の前記排便の排便性状をランク分けする解析機能と、
前記解析機能における解析結果に基づき、前記患者の腸管内洗浄度を予測する予測機能と、
を実現させることを特徴とする画像診断プログラム。 to the computer,
an image information acquisition function for acquiring image information representing the patient's defecation;
an analysis function that ranks the defecation properties of the patient's defecation based on a defecation properties scale that is an index for classifying feces properties in water by performing image processing on the image information;
a prediction function that predicts the degree of intestinal cleansing of the patient based on the analysis result of the analysis function;
An image diagnosis program characterized by realizing
JP2022006279A 2022-01-19 2022-01-19 Image diagnosis system, image diagnosis method, and image diagnosis program Pending JP2023105449A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022006279A JP2023105449A (en) 2022-01-19 2022-01-19 Image diagnosis system, image diagnosis method, and image diagnosis program
PCT/JP2022/047071 WO2023140024A1 (en) 2022-01-19 2022-12-21 Image diagnosis system, image diagnosis method, and image diagnosis program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022006279A JP2023105449A (en) 2022-01-19 2022-01-19 Image diagnosis system, image diagnosis method, and image diagnosis program

Publications (1)

Publication Number Publication Date
JP2023105449A true JP2023105449A (en) 2023-07-31

Family

ID=87348158

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022006279A Pending JP2023105449A (en) 2022-01-19 2022-01-19 Image diagnosis system, image diagnosis method, and image diagnosis program

Country Status (2)

Country Link
JP (1) JP2023105449A (en)
WO (1) WO2023140024A1 (en)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016066301A (en) * 2014-09-25 2016-04-28 オリンパス株式会社 Endoscope operation support device and portable type terminal device
JP7394602B2 (en) * 2019-05-17 2023-12-08 株式会社Lixil Judgment device

Also Published As

Publication number Publication date
WO2023140024A1 (en) 2023-07-27

Similar Documents

Publication Publication Date Title
Anagnostopoulou et al. Artificial intelligence in autism assessment
Rayan et al. Binomial classification of pediatric elbow fractures using a deep learning multiview approach emulating radiologist decision making
Cuadros et al. EyePACS: an adaptable telemedicine system for diabetic retinopathy screening
CN109447985B (en) Colonoscope image analysis method and device and readable storage medium
JP2018503902A (en) A medical differential diagnostic device adapted to determine the optimal sequence of diagnostic tests for identifying disease states by adopting diagnostic validity criteria
De la Torre-Díez et al. Decision support systems and applications in ophthalmology: literature and commercial review focused on mobile apps
CN109460717B (en) Digestive tract confocal laser microscopy endoscope lesion image identification method and device
Renner et al. Optical classification of neoplastic colorectal polyps–a computer-assisted approach (the COACH study)
JP2024045234A (en) Image scoring for intestinal pathology
US20210202085A1 (en) Apparatus for automatically triaging patient and automatic triage method
CN111403015A (en) Internet medical consultation and online diagnosis system and method
WO2020213826A1 (en) Auxiliary method for diagnosis of lower urinary tract symptoms
TW201606690A (en) Nursing decision support system
JP2023510582A (en) Systems and methods for evaluating colonoscopy preparation
Young et al. Efficacy of smartphone-based telescreening for retinopathy of prematurity with and without artificial intelligence in India
Raju et al. Intelligent recognition of colorectal cancer combining application of computer-assisted diagnosis with deep learning approaches
JP2018185717A (en) Health management system and health management method
WO2023140024A1 (en) Image diagnosis system, image diagnosis method, and image diagnosis program
KR101114678B1 (en) Method and apparatus of providing diagnosis information
WO2022254702A1 (en) Examination guidance device and examination guidance method
Elabbas et al. Classification of Otitis Media Infections using Image Processing and Convolutional Neural Network
KR102421017B1 (en) Hospital Information System and Operation Method Thereof
WO2022255674A1 (en) Exponible biometric image reading support device and method
Zheng et al. Setting Standards to Promote Artificial Intelligence in Colon Mass Endoscopic Sampling
Burtseva et al. Ultrasound diagnostics system SonaRes: structure and investigation process

Legal Events

Date Code Title Description
A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20220215

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230412

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230412

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20230412

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230425

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20231017