JP6737491B1 - Aiを用いる診断装置、診断システム、及び、プログラム - Google Patents
Aiを用いる診断装置、診断システム、及び、プログラム Download PDFInfo
- Publication number
- JP6737491B1 JP6737491B1 JP2020001974A JP2020001974A JP6737491B1 JP 6737491 B1 JP6737491 B1 JP 6737491B1 JP 2020001974 A JP2020001974 A JP 2020001974A JP 2020001974 A JP2020001974 A JP 2020001974A JP 6737491 B1 JP6737491 B1 JP 6737491B1
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- image
- learning
- region
- medical
- 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
- 208000024891 symptom Diseases 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims description 148
- 238000012545 processing Methods 0.000 claims description 56
- 238000011176 pooling Methods 0.000 claims description 49
- 210000002376 aorta thoracic Anatomy 0.000 claims description 20
- 206010047115 Vasculitis Diseases 0.000 claims description 19
- 210000004185 liver Anatomy 0.000 claims description 17
- 210000002254 renal artery Anatomy 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 10
- 210000000702 aorta abdominal Anatomy 0.000 claims description 9
- 210000001370 mediastinum Anatomy 0.000 claims description 9
- 210000000056 organ Anatomy 0.000 claims description 8
- 210000000115 thoracic cavity Anatomy 0.000 claims description 7
- 210000000709 aorta Anatomy 0.000 claims description 6
- 210000004204 blood vessel Anatomy 0.000 claims description 5
- 238000002405 diagnostic procedure Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 description 125
- 101150071665 img2 gene Proteins 0.000 description 61
- 101150013335 img1 gene Proteins 0.000 description 46
- 238000010606 normalization Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000002600 positron emission tomography Methods 0.000 description 7
- 208000034800 Leukoencephalopathies Diseases 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 208000001106 Takayasu Arteritis Diseases 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 210000001168 carotid artery common Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 210000001562 sternum Anatomy 0.000 description 2
- 210000003270 subclavian artery Anatomy 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000004732 Systemic Vasculitis Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001936 parietal effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
患者の第1部位を投影した第1医用画像を入力する第1医用画像入力部と、
前記第1部位とは異なる部位である第2部位を投影した第2医用画像を入力する第2医用画像入力部と、
前記第1医用画像及び前記第2医用画像に基づいて、ネットワークの学習を行い、学習モデルを構築する学習部と、
前記学習モデルを用いて、前記第1部位及び前記第2部位を投影した実行医用画像に基づいて、症状について判断を行う判断部と
を含む。
図3は、診断システムの全体構成例を示す図である。例えば、診断システム2は、医用画像生成システム21、及び、診断装置の例であるPC(Personal Computer)(以下単に「PC20」という。)を含む構成である。
例えば、診断装置は、以下のような全体処理を行って、特定の症状について判断する。
(第1医用画像の入力例)
ステップS1では、診断装置は、第1医用画像を入力する。
ステップS2では、診断装置は、第2医用画像を入力する。
以下、特定の症状を「大型血管炎」とする場合の例で説明する。ただし、対象となる症状は、大型血管炎以外の症状であってもよい。
ステップS3では、診断装置は、第1医用画像及び第2医用画像に基づく画像をマージして、マージ画像を生成する。
ステップS4では、診断装置は、マージ画像に基づいて学習を行う。
畳み込み処理は、入力される画像又は特徴マップの特徴を抽出する処理である。
プーリング処理は、特徴点の位置をロバストにする処理である。
正規化の処理は、分散及び平均値を揃える処理である。例えば、正規化の処理は、データの分散が「1」となり、かつ、平均値が「0」となるように、データを変更する処理である。なお、正規化の処理は、最大値、最小値又はこれら双方を設定値以内の値にする等の処理を含んでもよい。
全結合処理は、前に行われる畳み込み処理等で生成される特徴マップを出力層へ落とし込む処理である。
図11は、ドロップアウト処理の例を示す図である。例えば、ドロップアウト処理を行うドロップアウト層DPは、図示するように、全結合層LFの前後に設定される。
(実行医用画像の入力例)
ステップS5では、診断装置は、実行医用画像を入力する。
ステップS6では、診断装置は、実行医用画像に基づいて判断を行う。
図13は、機能構成例を示す図である。例えば、診断装置又は診断システムは、第1医用画像入力部FN1、第2医用画像入力部FN2、学習部FN3、実行画像入力部FN4、及び、判断部FN5等を含む機能構成である。
特定の症状は、症例が少ない症状である。AI等における学習は、学習データとしての画像は、数万枚以上あるのが望ましい場合が多い。一方で、大型血管炎等の症状は、これほど発生しない症状である。このような症状では、機械学習等で十分に学習ができるほど、症例の画像を準備するのが難しい場合が多い。
なお、第1部位には、縦隔以外の部位が含まれてもよい。例えば、第1部位には、縦隔に加えて、首あたりまでの範囲等が更に含まれてもよい。具体的には、第1部位には、以下のような範囲が含まれてもよい。
上記に示す各装置は、1台の装置でなくともよい。すなわち、各装置は、複数の装置で構成されてもよい。また、各装置は、上記に示す以外の装置を内部又は外部に有線又は無線で接続して有してもよい。
2 診断システム
3 判断結果
20 診断装置
21 医用画像生成システム
22 学習モデル
DP ドロップアウト層
F1 第1フィルタ
FN1 第1医用画像入力部
FN2 第2医用画像入力部
FN3 学習部
FN4 実行画像入力部
FN5 判断部
IMG1 第1医用画像
IMG2 第2医用画像
IMG3 実行医用画像
IMG4 マージ画像
IMG10 スライス医用画像群
IN1 第1入力画像
IN2 第2入力画像
L1 第1隠れ層
L2 第2隠れ層
L3 第3隠れ層
LC11 第11畳み込み層
LC12 第12畳み込み層
LC13 第13畳み込み層
LC2 第2畳み込み層
LC31 第31畳み込み層
LC32 第32畳み込み層
LC33 第33畳み込み層
LD31 第1ドロップアウト層
LD32 第2ドロップアウト層
LF 全結合層
LF31 第1全結合層
LF32 第2全結合層
LN3 正規化層
LO 出力層
LP11 第11プーリング層
LP12 第12プーリング層
LP31 第31プーリング層
LP32 第32プーリング層
LP33 第33プーリング層
LP34 第34プーリング層
MP1 第1特徴マップ
MP2 第2特徴マップ
NW ネットワーク
OUT1 第1出力特徴マップ
OUT2 第2出力特徴マップ
P1 第1部位
P2 第2部位
Claims (13)
- 患者の第1部位を投影した第1医用画像を入力する第1医用画像入力部と、
前記第1部位とは異なる部位である第2部位を投影した第2医用画像を入力する第2医用画像入力部と、
前記第1医用画像及び前記第2医用画像に基づいて、ネットワークの学習を行い、学習モデルを構築する学習部と、
前記学習モデルを用いて、前記第1部位及び前記第2部位を投影した実行医用画像に基づいて、症状について判断を行う判断部と
を含み、
前記学習部は、前記第1医用画像及び前記第2医用画像に基づいてマージ画像を生成して、前記マージ画像を用いて学習を行う
診断装置。 - 前記第1部位は、縦隔であり、
前記第2部位は、肝臓である
請求項1に記載の診断装置。 - 前記症状は、大型血管炎である
請求項1又は2に記載の診断装置。 - 前記第1医用画像は、前記第2医用画像より解像度が高い画像である
請求項1乃至3のいずれか1項に記載の診断装置。 - 前記第2医用画像は、前記第2部位における同一の色を示す画素、同一の画素値を示す画素、又は、基準値以内の画素のうち、いずれかの集まりを含む画像である
請求項1乃至4のいずれか1項に記載の診断装置。 - 前記第2医用画像は、前記第2部位における臓器の輪郭を含まない位置を示す
請求項5に記載の診断装置。 - 前記第1医用画像及び前記第2医用画像は、前記第1部位及び前記第2部位の両方を示す医用画像から切り出して生成される
請求項1乃至6のいずれか1項に記載の診断装置。 - 前記マージ画像は、前記第1医用画像及び前記第2医用画像のそれぞれの色又は画素値を比較した結果を示す画像である
請求項1乃至7のいずれか1項に記載の診断装置。 - 前記マージ画像は、前記画素値の差を計算して生成される画像である
請求項8に記載の診断装置。 - 前記ネットワークは、隠れ層を有し、
前記第1医用画像及び前記第2医用画像に対して、前記隠れ層に基づく、畳み込み、プーリング、又は、これらの組み合わせを行う処理部を更に含み、
前記マージ画像は、前記処理部が前記第1医用画像及び前記第2医用画像を処理して生成する第1特徴マップ及び第2特徴マップに基づいて生成される
請求項1乃至9のいずれか1項に記載の診断装置。 - 前記第1部位は、大動脈弓分枝血管、上行大動脈、大動脈弓、胸部下行大動脈、腹部大動脈、及び、腎動脈のうち、いずれを含み、かつ、前記第1部位は、縦隔を更に含み、
前記第2部位は、肝臓である
請求項1乃至10のいずれか1項に記載の診断装置。 - 患者の第1部位を投影した第1医用画像を入力する第1医用画像入力部と、
前記第1部位とは異なる部位である第2部位を投影した第2医用画像を入力する第2医用画像入力部と、
前記第1医用画像及び前記第2医用画像に基づいて、ネットワークの学習を行い、学習モデルを構築する学習部と、
前記学習モデルを用いて、前記第1部位及び前記第2部位を投影した実行医用画像に基づいて、症状について判断を行う判断部と
を含み、
前記学習部は、前記第1医用画像及び前記第2医用画像に基づいてマージ画像を生成して、前記マージ画像を用いて学習を行う
診断システム。 - コンピュータに診断方法を実行させるためのプログラムであって、
コンピュータが、患者の第1部位を投影した第1医用画像を入力する第1医用画像入力手順と、
コンピュータが、前記第1部位とは異なる部位である第2部位を投影した第2医用画像を入力する第2医用画像入力手順と、
コンピュータが、前記第1医用画像及び前記第2医用画像に基づいて、ネットワークの学習を行い、学習モデルを構築する学習手順と、
コンピュータが、前記学習モデルを用いて、前記第1部位及び前記第2部位を投影した実行医用画像に基づいて、症状について判断を行う判断手順と
を実行させ、
前記学習手順では、前記第1医用画像及び前記第2医用画像に基づいてマージ画像を生成して、前記マージ画像を用いて学習を行う
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020001974A JP6737491B1 (ja) | 2020-01-09 | 2020-01-09 | Aiを用いる診断装置、診断システム、及び、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020001974A JP6737491B1 (ja) | 2020-01-09 | 2020-01-09 | Aiを用いる診断装置、診断システム、及び、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6737491B1 true JP6737491B1 (ja) | 2020-08-12 |
JP2021111076A JP2021111076A (ja) | 2021-08-02 |
Family
ID=71949278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020001974A Active JP6737491B1 (ja) | 2020-01-09 | 2020-01-09 | Aiを用いる診断装置、診断システム、及び、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6737491B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022069143A (ja) * | 2020-10-23 | 2022-05-11 | 株式会社アドイン研究所 | Aiを用いる診断装置、学習データ生成装置、データ要求装置、診断システム、及び、プログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6727543B2 (ja) * | 2016-04-01 | 2020-07-22 | 富士ゼロックス株式会社 | 画像パターン認識装置及びプログラム |
JP6915349B2 (ja) * | 2017-04-04 | 2021-08-04 | コニカミノルタ株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP6930283B2 (ja) * | 2017-08-18 | 2021-09-01 | コニカミノルタ株式会社 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
CN116741352A (zh) * | 2017-11-24 | 2023-09-12 | 佳能医疗系统株式会社 | 医用数据处理装置、磁共振成像装置及学习完毕模型生成方法 |
JP6882216B2 (ja) * | 2018-02-28 | 2021-06-02 | 富士フイルム株式会社 | 診断支援システム、診断支援方法、及びプログラム |
JP7094511B2 (ja) * | 2018-03-15 | 2022-07-04 | ライフサイエンスコンピューティング株式会社 | 人工知能を用いた病変の検知方法、及び、そのシステム |
EP3791310A4 (en) * | 2018-05-07 | 2022-03-30 | Zebra Medical Vision Ltd. | SYSTEMS AND METHODS FOR PREPROCESSING ANATOMIC IMAGES FOR INTRODUCTION TO A CLASSIFICATION NEURAL NETWORK |
-
2020
- 2020-01-09 JP JP2020001974A patent/JP6737491B1/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022069143A (ja) * | 2020-10-23 | 2022-05-11 | 株式会社アドイン研究所 | Aiを用いる診断装置、学習データ生成装置、データ要求装置、診断システム、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021111076A (ja) | 2021-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6657132B2 (ja) | 画像分類装置、方法およびプログラム | |
US20210353216A1 (en) | Dental Image Feature Detection | |
Dangi et al. | A distance map regularized CNN for cardiac cine MR image segmentation | |
JP6525912B2 (ja) | 画像分類装置、方法およびプログラム | |
JP7134962B2 (ja) | 解剖学的画像処理における確率的セグメンテーションのためのシステム及び方法 | |
US10664979B2 (en) | Method and system for deep motion model learning in medical images | |
US11861851B2 (en) | Anatomical and functional assessment of CAD using machine learning | |
US20220028085A1 (en) | Method and system for providing an at least 3-dimensional medical image segmentation of a structure of an internal organ | |
KR101874348B1 (ko) | 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
CN111563523B (zh) | 利用机器训练的异常检测的copd分类 | |
Hernandez et al. | Deep learning in spatiotemporal cardiac imaging: A review of methodologies and clinical usability | |
US11308613B2 (en) | Synthesis of contrast enhanced medical images | |
JP2018175226A (ja) | 医用画像分類装置、方法およびプログラム | |
JP2022018060A (ja) | 医用情報処理装置及び医用情報処理プログラム | |
JP6737491B1 (ja) | Aiを用いる診断装置、診断システム、及び、プログラム | |
AU2019204365C1 (en) | Method and System for Image Segmentation and Identification | |
KR102556646B1 (ko) | 의료 영상 생성 방법 및 장치 | |
CN114565623A (zh) | 肺血管分割方法、装置、存储介质及电子设备 | |
CN114331877A (zh) | 一种血管内超声影像修复方法及系统 | |
Benjamins et al. | Hybrid cardiac imaging: the role of machine learning and artificial intelligence | |
Sasikala et al. | Classification of diabetic retinopathy based on Functional Linked Neural network utilizing segmented fundus image features | |
Huang et al. | Direct full quantification of the left ventricle via multitask regression and classification | |
US11847779B2 (en) | Clinical decision support for cardiovascular disease based on a plurality of medical assessments | |
US20240233945A1 (en) | Multi-modality neural network for alzheimer's disease classifcation | |
US20230368398A1 (en) | Anatomical and functional assessment of coronary artery disease using machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200128 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200128 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200428 |
|
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: 20200616 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200710 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6737491 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |