JP6137288B2 - ランダムフォレストに基づく乾癬紅斑分類 - Google Patents
ランダムフォレストに基づく乾癬紅斑分類 Download PDFInfo
- Publication number
- JP6137288B2 JP6137288B2 JP2015237991A JP2015237991A JP6137288B2 JP 6137288 B2 JP6137288 B2 JP 6137288B2 JP 2015237991 A JP2015237991 A JP 2015237991A JP 2015237991 A JP2015237991 A JP 2015237991A JP 6137288 B2 JP6137288 B2 JP 6137288B2
- Authority
- JP
- Japan
- Prior art keywords
- program
- erythema
- patient
- scales
- skin
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Dermatology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
マルチスペクトルデジタル皮膚画像を用いて、紅斑の重症度を自動的に推定する技術が開示される。推定値は、PASIスコアを計算するために用いることができる。こここに記載の技術は、紅斑の赤みに関連し、且つヘモグロビンとメラニンの色空間及び関連する落屑の面積と組織に基づく一連の特徴を取得することができる。なお、ヘモグロビンは皮膚の赤色に関連し、メラニンは皮膚の黄色及び茶色に関連する。
紅斑分類システムは、(照明光源を用いて)皮膚部位に光を当て、そして、センサを用いて、反射された光子数をセンシングして記録する。一実施例では、該センサは、例えば、光センサである。カメラの光センサにおけるあるサイトの光誘起電子発生率(rate of photo induced electron generation)(ρ)は、
(外1)
は、デジタル読み出し電圧dの数学的期待値及び分散の両方に等しい。一実施例では、マルチスペクトルセンサは、各中心波長を中心とする光子を選択する8つの光バンドパスフィルタを有する。各フィルタのセンサ要素における光子入射率は、ρλである。また、これらの測定の各々は、式(3)に示すポアソン分布に従って、特定の波長に関する読み出しを行う。このようにすると、この分布を定義するパラメータは、
(外2)
は、所定のカメラ及び照明構成に対して、R(x,y,λ)に比例し、また、所定のセンサ積分時間Tに対して、光子と組織の相互作用をモデル化するために用いられる。
(外3)
は、(x,y)を中心とする、サイズがn1×n2ピクセルである近傍領域におけるサンプルを用いることによって推定することができる。推定の信用度は、採用されるサンプルの数によって決まる。一実施例では、
(外4)
は、
紅斑分類システムは、例えば、肌色の白い部位の紅斑が黒ぽっい部位よりも目立つように見えるため、患者のベーススキンカラー(base skin color)に依存しないことを要する。関係サイト(即ち、乾癬があると疑われる皮膚部位)における特定の波長に関する読み出し電圧(画像強度)がdeである。これは、ポアソン分布のランダム変数
(外5)
であると知られている。また、同じ患者の正常皮膚部位からの読み出し電圧dnsが、deから減算される。そして、その差dd=de-dnsが、
それ故に、肌の色合い非依存の組織と光子の(異なるスケールにおける)特性の推定値は、
(外6)
は、真の平均値μsについての推定値である。なお、E[dns λ]は、位置に依存しない。一実施例では、Eは、撮られた画像における正常皮膚部位のために患者につき毎回計算される。
光子相互作用統計物理が組織特有(tissue specific)という性質を持つ想定の下で、式(2)におけるR(x,y,λ)は、皮膚科医により分類されるように、紅斑の3つの種類ω∈{軽度,中等度,重度}に対して特有のものである。式(7)における特徴ベクトル
(外7)
は、トレーニングサンプル集合“{I}train”を用いる学習で得ることができる紅斑特有のオブザベイション(observation;観察結果)集合
(外8)
を形成する。オブザベイション集合
(外9)
は、一般的に、ノンパラメトリック分布クラスターを形成し、また、このような空間の学習は、ランダムフォレストのような教師ありノンパラメトリックラーナー(non-parametric learner)を用いることで効率良く達成することができる。また、使用可能なノンパラメトリックラーナーの他の例としては、決定フォレスト(decision forest)などもある。
(外10)
をモデル
(外11)
として学習するために用いられる。ランダムフォレストは、モデルH(.)を共同で形成するための複数の決定木hn(.)の組み合わせである。一実施例では、各々の木は、二分決定木である。なお、本発明は、二分決定木に限られず、他のアルゴリズムを採用しても良い。
(外12)
に基づくクラスωの事後確率である。フォレストの決定は、各々の木からの決定のバギング(bagging)を用いることで統合することができる。二分木では、意思決定ノードは、オブザベーションをその左側又は右側の子に続いてプッシュ(push)するために分岐を選択する。この分岐は、一般的に、無作為に選んだ特徴サブセットの部分集合から定式化された分岐規則を用いることで決められる。各々の木は、最大深さまで、或いは、各ノードに至るオブザベーションの数が所定閾値より大きくなるまで学習することができる。学習されたフォレストの応答
(外13)
は、画像Iの位置(x,y)における画素を分類する(等級付ける)ための確率p(ω|I,(x,y))である。
図3は、図1の分類器102のような分類器のブロック図である。図3を参照するに、セキュリティゲートウェイ310は、そのサブシステム、例えば、プロセッサ314、システムメモリ317(例えば、RAMやROMなど)、入力/出力コントローラ318、外部装置、例えば表示器アダプター326経由の表示スクリーン324、シリアルポート328、330、キーボード332(キーボードコントローラ333と接続される)、ストレージインタフェース334、フロッピーディスクを受け入れるように動作するフロッピーディスクドライブ337、ファイバーチャネル(FC)ネットワーク390と接続するように動作するホストバスアダプター(HBA)インタフェースカード335A、SCSIバス339と接続するように作動するホストバスアダプター(HBA)インタフェースカード335B、及び光ディスクドライブ340を相互接続するバス312を含む。また、マウス346(又は、他のポイント・アンド・クリックの装置である。シリアルポート328を経由してバス312にカップリングされる)、モデム347(シリアルポート330に経由してバス312にカップリングされる)、及びネットワークインタフェース348(バス312に直接カップリングされる)も含む。
Claims (15)
- プログラムであって、
コンピュータに、
乾癬の紅斑を分類する方法であって、
患者の1つ以上の乾癬部位と、該患者の正常皮膚部位とからの読み出し電圧の差に関連するスケルラム分布統計データを生成し;及び
前記スケルラム分布統計データを特徴ベクトルとして用い、前記乾癬における紅斑部位の紅斑種類を生成することを含む、方法
を実行させるためのプログラム。 - 請求項1に記載のプログラムであって、
前記方法は、更に、
マルチスペクトルセンサから複数のデジタル読み出し電圧を取得することを含む、プログラム。 - 請求項2に記載のプログラムであって、
前記複数のデジタル読み出し電圧の各々は、前記患者のマルチスペクトルデジタル皮膚画像から確率的にセンシングされる誘起電圧の値である、プログラム。 - 請求項1に記載のプログラムであって、
前記スケルラム分布統計データは、異なるスケールにおける肌の色合い非依存の組織と光子の特性の推定値を含む、プログラム。 - 請求項4に記載のプログラムであって、
前記推定値は、真の平均値についての推定値である、プログラム。 - 請求項1に記載のプログラムであって、
前記方法は、更に、
複数のスケール及び複数の波長チャネルにわたるサンプルを用い、光誘起電子生成率とセンサ積分時間との積の推定値を表す第一特徴ベクトルを生成し、前記複数のスケールの各々は、所定サイズの画素領域を表し;及び
前記患者の正常皮膚部位におけるセンサからの読み出し電圧を、前記複数のスケールの各々におけるセンサからの読み出し電圧から引くことで、前記複数のスケールの各々における平均値パラメータの推定値を生成することを含む、プログラム。 - 請求項6に記載のプログラムであって、
前記読み出し電圧は、前記患者の皮膚部位における特定の波長に関する画像強度を表す、プログラム。 - 請求項1に記載のプログラムであって、
前記紅斑種類の生成は、ランダムフォレストに基づく処理の前記特徴ベクトルへの適用を含む、プログラム。 - 請求項3に記載のプログラムであって、
前記紅斑種類は、重度、中等度、及び軽度を含む複数の種類のうちの1つである、プログラム。 - 請求項6に記載のプログラムであって、
前記方法は、更に、
前記複数のスケールの各々における平均値パラメータの推定値を生成することによって前記複数のスケールの各々における差を生成し、そして、該差を前記複数のスケールの各々のスケルラム分布として分布させることを含む、プログラム。 - 請求項1〜10の何れか1項に記載のプログラムを記憶したコンピュータ読み出し可能な記録媒体。
- システムであって、
患者の皮膚部位における特定の波長に関する画像強度を表す読み出し電圧を生成するための1つ以上のセンサ;及び
前記1つ以上のセンサからの前記読み出し電圧を受信し、乾癬の紅斑を分類するためにカップリングされる分類器であって、前記患者の1つ以上の乾癬部位と、前記患者の正常皮膚部位とからの読み出し電圧の差に関連するスケルラム分布統計データを生成し、前記スケルラム分布統計データを特徴ベクトルとして用い、前記乾癬における紅斑部位の紅斑種類を生成する、分類器を含む、システム。 - 請求項12に記載のシステムであって、
前記1つ以上のセンサは、複数のデジタル読み出し電圧を取得し、
前記複数のデジタル読み出し電圧の各々は、前記患者のマルチスペクトルデジタル皮膚画像から確率的にセンシングされる誘起電圧の値である、システム。 - 請求項12に記載のシステムであって、
前記スケルラム分布統計データは、異なるスケールにおける肌の色合い非依存の組織と光子の特性の推定値を含む、システム。 - 請求項12に記載のシステムであって、
前記分類器は、ランダムフォレストに基づく処理の特徴ベクトルへの適用によって前記紅斑種類を生成する、システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/562206 | 2014-12-05 | ||
US14/562,206 US10575789B2 (en) | 2014-12-05 | 2014-12-05 | Random forest based erythema grading for psoriasis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016107096A JP2016107096A (ja) | 2016-06-20 |
JP6137288B2 true JP6137288B2 (ja) | 2017-05-31 |
Family
ID=56093178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015237991A Active JP6137288B2 (ja) | 2014-12-05 | 2015-12-04 | ランダムフォレストに基づく乾癬紅斑分類 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10575789B2 (ja) |
JP (1) | JP6137288B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878941B2 (en) * | 2017-05-22 | 2020-12-29 | Zeyix Llc | Perpetual bioinformatics and virtual colorimeter expert system |
JP6917600B2 (ja) * | 2017-10-20 | 2021-08-11 | パナソニック株式会社 | 炎症の評価システム、プログラム、非一時的記録媒体 |
WO2019236743A2 (en) * | 2018-06-06 | 2019-12-12 | Visiongate, Inc. | Morphometric detection of dna mismatch repair deficiency |
CN114999575A (zh) * | 2022-05-27 | 2022-09-02 | 爱科思(北京)生物科技有限公司 | 生物信息数据管理系统 |
CN116672614B (zh) * | 2023-06-15 | 2024-02-13 | 广州穗海新峰医疗设备制造股份有限公司 | 紫外线治疗系统、方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU778729B2 (en) | 1999-01-19 | 2004-12-16 | Convatec Technologies Inc. | Method for determining care and prevention pathways for clinical management of wounds |
JP4599520B2 (ja) * | 2004-09-17 | 2010-12-15 | オリンパス株式会社 | マルチスペクトル画像処理方法 |
US7689016B2 (en) * | 2005-05-27 | 2010-03-30 | Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc | Automatic detection of critical dermoscopy features for malignant melanoma diagnosis |
KR100835380B1 (ko) * | 2007-01-15 | 2008-06-05 | 한국과학기술원 | 영상의 경계를 검출하는 방법 및 그 장치와 이를 구현할 수있는 컴퓨터로 읽을 수 있는 기록 매체 |
WO2009142758A1 (en) * | 2008-05-23 | 2009-11-26 | Spectral Image, Inc. | Systems and methods for hyperspectral medical imaging |
JP5794889B2 (ja) * | 2011-10-25 | 2015-10-14 | 富士フイルム株式会社 | シミ種別分類装置の作動方法、シミ種別分類装置およびシミ種別分類プログラム |
-
2014
- 2014-12-05 US US14/562,206 patent/US10575789B2/en not_active Expired - Fee Related
-
2015
- 2015-12-04 JP JP2015237991A patent/JP6137288B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016107096A (ja) | 2016-06-20 |
US10575789B2 (en) | 2020-03-03 |
US20160157786A1 (en) | 2016-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6137288B2 (ja) | ランダムフォレストに基づく乾癬紅斑分類 | |
JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
Mahbod et al. | Skin lesion classification using hybrid deep neural networks | |
US20230419485A1 (en) | Autonomous diagnosis of a disorder in a patient from image analysis | |
US20180189610A1 (en) | Active machine learning for training an event classification | |
US10657378B2 (en) | Classifying images and videos | |
JP6361776B2 (ja) | 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム | |
CN110363088B (zh) | 基于多特征融合的自适应皮肤炎症区域检测方法 | |
Phan et al. | Automatic Screening and Grading of Age‐Related Macular Degeneration from Texture Analysis of Fundus Images | |
Kudva et al. | Andriod device-based cervical cancer screening for resource-poor settings | |
Wang et al. | Multi-spectral dataset and its application in saliency detection | |
WO2017091268A2 (en) | Measurement of non-uniformity noise | |
Linsangan et al. | Skin cancer detection and classification for moles using k-nearest neighbor algorithm | |
JP2018200640A (ja) | 画像処理装置および画像処理方法 | |
CN108229583A (zh) | 一种基于主方向差分特征的快速模板匹配的方法及装置 | |
US20210209755A1 (en) | Automatic lesion border selection based on morphology and color features | |
Singh et al. | Computer aided face liveness detection with facial thermography | |
Laursen et al. | Statistics-based segmentation using a continuous-scale naive Bayes approach | |
Mohaimin et al. | Automated method for the detection and segmentation of drusen in colour fundus image for the diagnosis of age‐related macular degeneration | |
Akila et al. | Detection of melanoma skin cancer using segmentation and classification algorithms | |
Van Molle et al. | Dermatologist versus artificial intelligence confidence in dermoscopy diagnosis: Complementary information that may affect decision‐making | |
Bardhan et al. | Evaluation of background subtraction effect on classification and segmentation of knee thermogram | |
Shetty et al. | Plant Disease Detection for Guava and Mango using YOLO and Faster R-CNN | |
Dalal et al. | Throat inflammation based mass screening of COVID-19 on embedded platform | |
Bihn et al. | Evaluating a convolutional neural network on short-wave infra-red images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160916 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161101 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170104 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170417 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6137288 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |