JP7033369B2 - サーフェス・ベースのオブジェクト識別 - Google Patents

Description

本発明は、サーフェス（surface）ベースのオブジェクト識別に関する。

ニューラル・ネットワークにおけるような機械学習が、オブジェクトのイメージ識別のために使用されてきた。例えば、ＣＴイメージに基づいた小結節（又は悪性腫瘍）の検出が知られている。非特許文献１及び非特許文献２に開示されるように、これまでは、小結節の検出のために、２Ｄイメージがニューラル・ネットワークに入力された。

しかしながら、２Ｄ（２次元）イメージは、オブジェクトの３Ｄ（３次元）の形態的特徴（morphological feature）を表さないこともあるので、２Ｄイメージによるオブジェクトの識別は十分に正確でないことがある。さらに、データ・サイズが大きいため、２Ｄイメージには、長い訓練時間が必要である。

２Ｄイメージの代わりに、オブジェクトの識別のために、オブジェクトの３Ｄデータを用いることができる。それにもかかわらず、３Ｄデータを用いる訓練は、２Ｄイメージを用いるものよりも多くの時間がかかる。

Ｈｕａ，Ｋａｉ－Ｌｕｎｇ他、「Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｌｕｎｇ Ｎｏｄｕｌｅｓ ｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ Ｉｍａｇｅｓ ｖｉａ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ Ｔｅｃｈｎｉｑｕｅ」，ＯｎｃｏＴａｒｇｅｔｓ ａｎｄ ｔｈｅｒａｐｙ８（２０１５）発行、２０１５－２０２２．ＰＭＣ．Ｗｅｂ．２０１６年１０月１７日 Ｒｉｃｈａｒｄ Ｇｒｕｅｔｚｅｍａｃｈｅｒ及びＡｓｈｉｓｈ Ｇｕｐｔａ，「Ｕｓｉｎｇ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｐｕｌｍｏｎａｒｙ Ｎｏｄｕｌｅ Ｄｅｔｅｃｔｉｏｎ ＆ Ｄｉａｇｎｏｓｉｓ」，Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ発行（ＳＩＧＯＤＩＳ），２０１６年１１月８日

サーフェス・ベースのオブジェクト識別のための方法、装置及びコンピュータ・プログラムを提供する。

本発明の第１の態様によると、ターゲット・オブジェクトの外周部（periphery）の複数の向き（orientation）の分布を推定することと、分布に基づいてターゲット・オブジェクトを識別することとを含む方法が提供される。第１の態様によると、より少ない計算リソースで、ターゲット・オブジェクトの識別を正確に判断することができる。

本発明の第２の態様によると、第１の態様の方法が提供され、そこでは、ターゲット・オブジェクトの外周部の複数の向きは、基準点からターゲット・オブジェクトの外周部までの向きに対応する。第２の態様によると、より少ない計算リソースで、ターゲット・オブジェクトが小結節かどうかを正確に判断することができる。

本発明の第３の態様によると、第１の態様又は第２の態様の方法が提供され、そこで、ターゲット・オブジェクトの外周部は、ターゲット・オブジェクトのボクセル・データの等値面に対応する。第２の態様によると、より少ない計算リソースで、ターゲット・オブジェクトの識別を正確に判断することができる。

本発明の第４の態様によると、第１乃至第３の態様のいずれか１つの方法が提供され、そこで、等値面は複数の部分領域を含み、ターゲット・オブジェクトの外周部の複数の向きの各々は、複数の部分領域の各々の向きである。第４の態様によると、より少ない計算リソースで、ターゲット・オブジェクトの識別を正確に判断することができる。

本発明の第５の態様によると、第１乃至第４の態様のいずれか１つの方法が提供され、そこで、ターゲット・オブジェクトの外周部の複数の向きの分布は、法線ベクトルと中心ベクトルとの間の角度のコサイン値の分布であり、法線ベクトルは、複数の部分領域の各部分領域のものであり、中心ベクトルは、ターゲット・オブジェクトの中心と各部分領域の中心との間に作られる。第５の態様によると、より少ない計算リソースで、ターゲット・オブジェクトの識別を正確に判断することができる。

上記の第１乃至第５の態様は、上記の方法を実行する装置と、プロセッサ又はプログラム可能回路に上記の方法を実行させるための、コンピュータ可読媒体又はプログラム可能回路上に具体化される命令を格納するコンピュータ・プログラム製品とを含むこともできる。

概要の節は、必ずしも本発明の実施形態の全ての特徴を説明するものではない。本発明の実施形態は、上述した特徴の部分的な組み合わせを含むこともできる。

本発明の実施形態による、装置の例示的な構成を示す。 本発明の実施形態による、装置により行われる動作ステップのフローチャートを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、テンプレート・キューブを示す。 本発明の実施形態による、オブジェクトの外周部を示す。 本発明の実施形態による、部分領域を示す。 本発明の実施形態による、分布を示す。 本発明の実施形態による、ＣＮＮを示す。 本発明の実施形態による、システムとして機能するコンピュータの例示的なハードウェア構成を示す。

以下に、本発明の例示的な実施形態が説明される。例示的な実施形態は、特許請求の範囲に従った本発明を限定するものではなく、実施形態に説明される特徴の組み合わせは、必ずしも本発明にとって本質的なものではない。

図１は、本発明の実施形態による、装置１０の例示的な構成を示す。装置１０は、ターゲット・オブジェクトの外周部に基づいてターゲット・オブジェクトを識別することができる。実施形態において、装置１０は、ターゲット・オブジェクトとしての体組織のボクセル・データを受信し、ニューラル・ネットワークを用いることにより、体組織の外周部に基づいて体組織が小結節かどうかを識別することができる。

装置１０は、プロセッサ及び／又はプログラム可能回路を含むことができる。装置１０は、命令をまとめて含む１つ又は複数のコンピュータ可読媒体をさらに含むことができる。命令は、コンピュータ可読媒体及び／又はプログラム可能回路上に具体化することができる。

命令は、プロセッサ又はプログラム可能回路により実行されるとき、プロセッサ又はプログラム可能回路に、複数の動作セクションとして動作させることができる。それにより、装置１０は、格納セクション１００、受信セクション１１０、抽出セクション１２０、推定セクション１３０、識別セクション１５０、及び訓練セクション１７０を含むものと考えることができる。

格納セクション１００は、装置１０が実行する処理に用いられる情報を格納することができる。格納セクション１００は、装置１０の動作に用いられる種々のデータ／命令を格納することもできる。装置１０内の１つ又は複数の他の要素（例えば、受信セクション１１０、抽出セクション１２０、推定セクション１３０、識別セクション１５０、訓練セクション１７０等）は、必要に応じて、直接又は格納セクション１００を介して、データを通信することができる。格納セクションは、装置１０の揮発性又は不揮発性メモリにより実装することができる。１つの実施形態において、格納セクション１００は、ニューラル・ネットワークのために訓練された重みを格納することができる。

受信セクション１１０は、ターゲット・オブジェクトの３次元データを受信することができる。実施形態において、受信セクションは、データベース２０から又は装置１０のユーザから、ターゲット・オブジェクトのボクセル・データを受信することができる。受信セクション１１０は、データベース２０から、訓練オブジェクトの３次元データ及び訓練オブジェクトの識別を受信することもできる。

抽出セクション１２０は、ターゲット・オブジェクトの３次元データから、オブジェクトの外周部を抽出することができる。実施形態において、抽出セクション１２０は、ターゲット・オブジェクトの外周部として、ターゲット・オブジェクトのボクセル・データの等値面（isosurface）を抽出することができる。抽出セクション１２０は、訓練オブジェクトの３次元データから、訓練オブジェクトの外周部を抽出することができる。

推定セクション１３０は、ターゲット・オブジェクトの外周部の複数の向きの分布を推定することができる。実施形態において、推定セクション１３０は、ターゲット・オブジェクトの外周部の複数の向きの分布として、ターゲット・オブジェクトの外周部の複数の向きのヒストグラムを生成することができる。推定セクション１３０はまた、訓練オブジェクトの外周部の複数の向きの分布を推定することもできる。

識別セクション１５０は、推定セクション１３０により推定された分布に基づいて、ターゲット・オブジェクトを識別することができる。実施形態において、識別セクション１５０は、ニューラル・ネットワークに分布を入力することにより、ターゲット・オブジェクトを識別することができる。

訓練セクション１７０は、複数の訓練セットを含む訓練データによりニューラル・ネットワークを訓練することができる。実施形態において、各訓練セットは、１つの訓練オブジェクトの外周部の複数の向きの分布、及び１つの訓練オブジェクトの識別を含むことができる。

図２は、本発明の実施形態による、装置により行われる動作ステップのフローチャートを示す。本実施形態は、装置１０のような装置が、図２に示されるようなＳ１１０～Ｓ１８０の動作を実行する例を説明する。装置は、ニューラル・ネットワークが訓練される、Ｓ１１０～Ｓ１４０の全体にわたる訓練段階、及び訓練されたニューラル・ネットワークによりターゲット・オブジェクトを識別する、Ｓ１５０～Ｓ１８０の全体にわたる試験段階を実行することができる。実施形態において、装置は、訓練段階又は試験段階のみを実行することができる。

Ｓ１１０において、受信セクション１１０のような受信セクションが、複数の訓練オブジェクトの３次元データを受信することができる。実施形態において、受信セクションは、データベース２０のようなデータベースから、複数の訓練オブジェクトの各訓練オブジェクトのボクセル・データを受信することができる。

実施形態において、受信セクションは、ＭＲＩデバイス、ＣＴスキャナ、及び／又は他の３Ｄイメージング・デバイスから、訓練オブジェクトとして、体組織（例えば、肺、肝臓、心臓、胃、腸、血管、骨、脳、他の器官など）のボクセル・データを受信することができる。例えば、受信セクションは、訓練オブジェクトとして、各イメージが肺の６４×６４ピクセル・スライスである６４個のＣＴイメージを有するボクセル・データを受信することができる。

実施形態において、受信セクションは、データベースから、複数の訓練オブジェクトの各訓練オブジェクトの２Ｄイメージを受信することができる。例えば、受信セクションは、データベースから、複数の訓練オブジェクトとして、肺のスライスについてのＣＴイメージを受信することができる。

受信セクションは、複数の訓練オブジェクトの識別を受信することもできる。実施形態において、識別は、ターゲット・オブジェクトが第１のクラスに属するか又は第２のクラスに属するかに関するものとすることができる。実施形態において、第１のクラスは、ターゲット・オブジェクトが正常であることを示し、第２のクラスは、ターゲット・オブジェクトが異常であることを示すことができる。

例えば、受信セクションは、複数の訓練オブジェクトの各々についての訓練オブジェクトの識別として、訓練オブジェクトが小結節（又は悪性腫瘍）であるかどうかを受信することができる。識別は、訓練オブジェクトに関して「小結節である」か、又は「小結節でない」かの確認された診断とすることができ、この確認は、医師により行われる。

Ｓ１２０において、抽出セクション１２０のような抽出セクションは、訓練オブジェクトの３次元データから訓練オブジェクトの外周部を抽出することができる。外周部は、訓練／ターゲット・オブジェクトの外形を表す形状とすることができる。

実施形態において、抽出セクションは、各訓練オブジェクトの外周部として、各訓練オブジェクトのボクセル・データの等値面を抽出することができる。実施形態において、ボクセル・データの等値面は、ボクセル・データにおける一定値又はほぼ一定値を有する頂点からなる面とすることができる。例えば、等値面は、ＭＲＩボクセル・データから抽出された同じ又はほぼ同じ量の１Ｈ原子を有する面とすることができる。

実施形態において、抽出セクションは、マーチング・キューブ・アルゴリズム（marching cube algorithm）を用いて、等値面を抽出することができる。例えば、抽出セクションは、所定のカットオフ値に基づいて、各頂点が０又は１の値を有するように、訓練オブジェクトのボクセル・データにおける各ボクセルを、頂点に変換することができる。変換された頂点は、０又は１の値を有する８個の頂点をそれぞれが含むキューブのアレイを形成する。推定セクションは、１の値を有する頂点を接続することにより、例えばテンプレート・キューブを頂点に適用することにより、等値面を生成することができる。

図３～図１７は、本発明の実施形態によるテンプレート・キューブを示す。図３～図１７に示される１５個のキューブは、マーチング・キューブ・アルゴリズムのためのテンプレート・キューブとして使用することができる。図３～図１７において、キューブ内の斜線入りの点は、１の値を有する頂点に対応し、一方、キューブ内の他の頂点は、０の値を有する頂点に対応し、網掛け入りの面は、等値面の一部分に対応する。

例えば、図３に示されるように、変換されたボクセル・データにおけるキューブが、０の値を有する８個の頂点をもつ場合、キューブは、等値面を有しない。図４に示されるように、変換されたボクセル・データにおけるキューブが、１の値を有する１個の頂点と、０の値を有する７個の頂点とを有する場合、キューブは、三角形の等値面を有する。図５に示されるように、変換されたボクセル・データにおけるキューブが、１の値を有する２つの隣接する頂点と、０の値を有する６個の頂点とを有する場合、キューブは、矩形の等値面を有する。図５の矩形の等値面は、２つの三角形の等値面に分割することができる。

同様に、図６～図１７に示されるようなテンプレート・キューブに基づいて、種々のパターンの部分等値面を形成することができる。図３～図１７に示されるテンプレート・キューブは、変換された頂点により形成されるキューブの１の値を有する頂点及び０の値を有する頂点の全ての組み合わせのパターンをカバーすることができる。

図１８は、本発明の実施形態によるオブジェクトの外周部を示す。実施形態において、抽出セクションは、マーチング・キューブ・アルゴリズムに基づいて、図１８に示されるような訓練オブジェクトの等値面を抽出することができる。等値面は、複数の部分領域を含むことができる。複数の部分領域の各部分領域は、訓練オブジェクトのボクセル・データにおける一定値の頂点を有する三角形とすることができる。これらの部分領域は、図４～図１７に示される網掛け入りの三角形の等値面に対応し得る。図１８において、１つの三角形の部分領域４０１が示される。

実施形態において、抽出セクションは、単一のカットオフ値を用いて、訓練オブジェクトの単層の等値面を抽出することができる。実施形態において、抽出セクションは、１つ又は複数のカットオフ値を用いて、訓練オブジェクトの層状の等値面を抽出することができる。

幾つかの代替的な実施形態において、抽出セクションは、マーチング・キューブ以外の方法によりボクセル・データの等値面を抽出することができる。例えば、抽出セクションは、補間（interpolating）アルゴリズムにより、ボクセル・データにおける一定値を有する３Ｄ位置を推定し、推定位置を結合して等値面を生成することができる。

Ｓ１３０において、推定セクション１３０のような推定セクションは、訓練オブジェクトの外周部の複数の向きの分布を推定することができる。実施形態において、推定セクションは、訓練オブジェクトの等値面の向きを識別することができる。実施形態において、推定セクションは、等値面の複数の部分領域の各々の向きを識別することができる。図１８の実施形態において、推定セクションは、等値面の部分領域の全て又は一部の向きを判断することができる。部分領域の向きは、１つ又は２つのパラメータにより識別することができる。

推定セクションは、最初に、基準点から訓練オブジェクトの外周部までの訓練オブジェクトの外周部の向きを推定することができる。実施形態において、基準点は、訓練オブジェクトの中心とすることができる。

実施形態において、訓練オブジェクトの中心は、少なくとも１つの部分領域を含むキューブからなる３次元形状の中心、少なくとも１つの部分領域を含むキューブの境界ボックス（bounding box）の中心、又は等値面により覆われる３次元形状の中心とすることができる。推定セクションは、訓練オブジェクトの密度（例えば、ＭＲＩボクセル・データにおける１Ｈの量）を考慮に入れることにより、訓練オブジェクトの中心を判断することができる。

図１９は、本発明の実施形態による部分領域を示す。推定セクションは、訓練オブジェクトの中心と各部分領域の中心との間に作られる中心ベクトルを推定することができる。図１９の実施形態において、推定セクションは、訓練オブジェクトの中心５０３と部分領域４０１の中心５０４との間に作られる中心ベクトル（点線矢印として示される）を推定することができる。代替的な実施形態において、推定セクションは、訓練オブジェクトの中心と各部分領域の１つの頂点との間に作られる中心ベクトルを推定することができる。

推定セクションは、複数の部分領域の各部分領域の中心ベクトルと法線ベクトルとの間の角度を推定することもできる。実施形態において、推定セクションは、各部分領域の法線ベクトルと中心ベクトルとの間の角度のコサイン値を推定することができる。実施形態において、各部分領域の法線ベクトルと中心ベクトルとの間の角度のサイン値を推定することができる。

推定セクションは、各部分領域の中心ベクトルと法線ベクトルとの間に作られる面と、所定の基準面との間の第２の角度をさらに推定することができる。推定セクションは、各部分領域の向きの少なくとも一部として、第２の角度、第２の角度のコサイン値、及び／又は第２の角度のサイン値をさらに使用することができる。

推定セクションは、推定したコサイン値、サイン値、及び／又は角度自体に基づいて、訓練オブジェクトの外周部の複数の向きの分布を生成することができる。実施形態において、推定セクションは、分布を生成するために、複数の部分領域の法線ベクトルと中心ベクトルとの間の角度のコサイン値を蓄積することができる。

実施形態において、推定セクションは、分布を生成するために、複数の部分領域の法線ベクトルと中心ベクトルとの間の角度のサイン値を蓄積することができる。実施形態において、推定セクションは、分布を生成するために、複数の部分領域の法線ベクトルと中心ベクトルとの間の角度値を蓄積することができる。

実施形態において、推定セクションは、訓練オブジェクトの等値面の複数の部分領域の法線ベクトルと中心ベクトルとにより作られる蓄積されたコサイン値、サイン値、及び／又は角度のヒストグラムを、分布として生成することができる。実施形態において、推定セクションは、分布の推定のために、第２の角度、第２の角度のコサイン値、及び／又は第２の角度のサイン値を使用することができる。

図２０は、本発明の実施形態による分布を示す。推定セクションは、図２０に示されるような複数の部分領域の法線ベクトルと中心ベクトルとの間の角度のコサイン値のヒストグラムを、分布として生成することができる。図２０において、横軸は、コサイン値のビンに対応し、縦軸は、各コサイン値のカウント又は比率に対応する。

小結節は、一般に、球状をなし、部分領域の向きは１のコサイン値を与える。従って、訓練オブジェクトが小結節である場合、訓練オブジェクトの分布は、１の付近にピークを有する。

実施形態において、推定セクションは、向きの分布に加えて、複数の部分領域の中心ベクトルの長さの分布をさらに推定することができる。

代替的な実施形態において、推定セクションは、各部分領域についての中心ベクトルの長さをさらに計算することができる。実施形態において、推定セクションは、複数の部分領域の中心ベクトルの長さの分布を生成することができる。

代替的な実施形態において、推定セクションは、等値面の各部分領域の向きを、隣接する部分領域のなす角度で識別することができる。例えば、推定セクションは、各部分領域と隣接する部分領域とのなす隣接する角度の分布、隣接角度のコサイン値の分布、及び／又は隣接角度のサイン値の分布を生成することができる。

代替的な実施形態において、推定セクションは、ヒストグラムを近似する既知の分布（ガウス分布等）を生成することができる。実施形態において、推定セクションは、Ｓ１４０におけるヒストグラムの代わりに、既知の分布を使用することができる。

Ｓ１４０において、訓練セクション１７０のような訓練セクションは、複数の訓練セットでニューラル・ネットワークを訓練することができる。複数の訓練セットの各々は、Ｓ１３０で推定された各訓練オブジェクトの分布（例えば、ヒストグラム）と、Ｓ１１０で受信した各訓練オブジェクトの識別とを含むことができる。

実施形態において、各訓練セットは、各訓練オブジェクトの等値面の向きのヒストグラム、及び各訓練オブジェクト（例えば、体組織）が小結節であるかどうかの識別を含むことができる。実施形態において、各訓練セットは、分布自体の代わりに、分布から得られる平均値及び分散を含むことができる。

実施形態において、訓練セクションは、ニューラル・ネットワークにおけるある層内の各ノードと別の層内の各ノードとの間の重みを決定することができる。実施形態において、訓練セクションは、逆伝搬を行うことにより重みを決定することができる。実施形態において、ニューラル・ネットワークは、畳み込みニューラル・ネットワーク（Convolutional Neural Network、ＣＮＮ）とすることができる。

図２１は、本発明の実施形態によるＣＮＮを示す。訓練セクションは、図２１の構造により表されるニューラル・ネットワークを訓練することができる。図に示されるように、ニューラル・ネットワークは、複数の（例えば、３つの）グループの畳み込み層及びプーリング層（Pooling layer）と、少なくとも１つの全結合層（fully connectedlayer）とを含むことができる。畳み込み層は、入力に対してフィルタリング・プロセスを実行することにより畳み込みを実行する層とすることができ、複数のフィルタに対応する複数のニューロンを含むことができる。

プーリング層は、入力の最大値を抽出するための矩形フィルタを適用する層とすることができ、複数の矩形フィルタに対応する複数のニューロンを含むことができる。少なくとも１つの全結合層は、各々が複数のニューロンを有する複数の層を含むことができ、ニューロンは、各層の間で互いに結合することができる。

最も低いプーリング層から結果として生じる出力は、複数の（例えば、２つの）全結合層への入力とすることができる。全結合層からの出力結果は、ニューラル・ネットワークの出力として出力することができる。１つの実施形態において、訓練セクションは、畳み込み層、プーリング層及び全結合層内のノード間の少なくとも幾らかの重みを訓練することができる。

分布（例えば、ヒストグラム）は、１Ｄ－特徴であり、ＣＮＮは、１Ｄ－畳み込み層及び１Ｄ－プーリング層を有する１Ｄ－ＣＮＮとすることができる。１Ｄ－ＣＮＮは、分布におけるわずかな変動又はシフトに関係なく、分布の特徴を抽出することができる。従って、訓練されたＣＮＮは、分布の大まかな特徴を抽出することができる。

Ｓ１５０において、受信セクションは、ターゲット・オブジェクトの３次元データを受信することができる。ターゲット・オブジェクトは、まだ識別されていないオブジェクトとすることができる。実施形態において、受信セクションは、データベースから又は装置のユーザからターゲット・オブジェクトのボクセル・データを受信することができる。受信セクションは、ＭＲＩデバイス、ＣＴスキャナ、及び／又は他の３Ｄイメージング・デバイスから、ターゲット・オブジェクトとしての体組織（肺、肝臓、心臓、胃、腸、血管、骨、脳等のような）のボクセル・データを受信することができる。

Ｓ１６０において、抽出セクションは、ターゲット・オブジェクトの外周部を抽出することができる。抽出セクションは、Ｓ１２０の動作と同じ又は類似の方法でＳ１６０の動作を実行することができる。

Ｓ１７０において、推定セクションは、ターゲット・オブジェクトの外周部の複数の向きの分布を推定することができる。推定セクションは、Ｓ１３０の動作と同じ又は類似の方法でＳ１７０の動作を実行することができる。

Ｓ１８０において、識別セクション１５０のような識別セクションは、Ｓ１４０で訓練されたニューラル・ネットワークを用いて、Ｓ１７０で推定された分布に基づいて、ターゲット・オブジェクトを識別することができる。実施形態において、識別セクションは、ニューラル・ネットワークの計算を処理することができる。

ニューラル・ネットワークは、ヒストグラムを、１Ｄ－ＣＮＮの入力として受信することができる。実施形態において、向き（例えば、コサイン値）の変動のために、類似の等値面のヒストグラム頻度が、異なる近くのビンによりカウントされ得る。向きの変動は、１Ｄ－畳み込み及び１Ｄ－プーリングにより吸収することができる。

ニューラル・ネットワークは、ターゲット・オブジェクトの識別を出力することができる。実施形態において、ニューラル・ネットワークは、０又１の値を出力することができ、ここで、０はターゲット・オブジェクトが小結節であることを示し、１はターゲット・オブジェクトが小結節でないことを示す。実施形態において、ニューラル・ネットワークは、ターゲット・オブジェクトが小結節である可能性を出力することができる。

上記の実施形態に関連して説明されるように、装置は、ターゲット・オブジェクトの外周部の向きの情報を用いて、ターゲット・オブジェクトを識別することができる。ターゲット・オブジェクトの外周部の向きの情報は、３Ｄの形態学的特徴に関して、ターゲット・オブジェクトの２Ｄイメージより多くの情報を与えるものであり得る。

ターゲット・オブジェクトの外周部の向きの情報は、分布（例えば、ヒストグラム）のような１Ｄ情報により表され、ターゲット・オブジェクトの３Ｄデータより少ないデータ・ボリュームを有する。それにより、装置は、より少ない計算リソースでターゲット・オブジェクトを正確に識別することができる。例えば、装置は、体組織のボクセル・データから得られる体組織の外周部に基づいて、体組織が小結節であるかどうかを判断することができる。

上記の実施形態において、訓練セクションは、ニューラル・ネットワークを訓練する。幾つかの代替的な実施形態において、訓練セクションは、他の学習機械を訓練することができる。実施形態において、訓練セクションは、訓練データによりサポート・ベクトル・マシン（すなわち、ＳＶＭ）を訓練することができ、識別セクションは、訓練されたＳＶＭによりターゲット・オブジェクトを識別することができる。

上記の実施形態において、推定セクションは、訓練／ターゲット・オブジェクトの所定の中心を使用することができる。幾つかの代替的な実施形態において、推定セクションは、訓練オブジェクトの外周部の向きの分布（例えば、ヒストグラム）の変動が最小になるように、訓練オブジェクトの中心を検索することができる。それにより、推定セクションは、球状の特徴を示す分布を生成し得る。

図２２は、本発明の実施形態による、クラウド・サービス利用のために構成できるコンピュータの例示的なハードウェア構成を示す。コンピュータ８００内にインストールされたプログラムは、コンピュータ８００に、本発明の実施形態の装置、又はその１つ又は複数のセクション（モジュール、コンポーネント、要素等を含む）として機能させること、又はそれと関連した動作を実行させることができ、及び／又は、コンピュータ８００に、本発明の実施形態のプロセス又そのステップを実行させることができる。こうしたプログラムは、ＣＰＵ８００－１２により実行され、コンピュータ８００に、本明細書で説明されるフローチャート及びブロック図のブロックの一部又全てと関連した特定の動作を実行させることができる。

本発明によるコンピュータ８００は、ホスト・コントローラ８００－１０により互いに接続される、ＣＰＵ８００－１２、ＲＡＭ８００－１４、グラフィックス・コントローラ８００－１６、及びディスプレイ・デバイス８００－１８を含む。コンピュータ８００は、入力／出力コントローラ８００－２０を介してホスト・コントローラ８００－１０に接続される、通信インターフェース８００－２２、ハードディスク・ドライブ８００－２４、ＤＶＤ－ＲＯＭドライブ８００－２６、及びＩＣカード・ドライブのような入力／出力ユニットも含む。コンピュータは、入力／出力チップ８００－４０を通じて入力／出力コントローラ８００－２０に接続される、ＲＯＭ８００－３０及びキーボード８００－４２のような従来の入力／出力ユニットも含む。

ＣＰＵ８００－１２は、ＲＯＭ８００－３０及びＲＡＭ８００－１４に格納されるプログラムに従って動作し、それにより、各ユニットを制御する。グラフィックス・コントローラ８００－１６は、ＣＰＵ８００－１２により生成されるイメージ・データを、ＲＡＭ８００－１４に又はそれ自体に提供されるフレーム・バッファ又は同様のもの上で受信し、そのイメージ・データをディスプレイ・デバイス８００－１８上で表示させる。

通信インターフェース８００－２２は、ネットワーク８００－５０を介して他の電子デバイスと通信する。ハードディスク・ドライブ８００－２４は、コンピュータ８００内のＣＰＵ８００－１２により使用されるプログラム及びデータを格納する。ＤＶＤ－ＲＯＭドライブ８００－２６は、ＤＶＤ－ＲＯＭ８００－０１からプログラム又はデータを読み取り、ＲＡＭ８００－１４を介してそれらのプログラム又はデータをハードディスク・ドライブ８００－２４に提供する。ＩＣカード・ドライブは、ＩＣカードからプログラム及びデータを読み取り、及び／又は、プログラム及びデータをＩＣカードに書き込む。

ＲＯＭ８００－３０は、起動時にコンピュータ８００により実行されるブートプログラム又は同様のもの、及び／又は、コンピュータ８００のハードウェアに依存するプログラムを格納する。入力／出力チップ８００－４０はまた、パラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート及び同様のものを介して、様々な入力／出力ユニットを入力／出力コントローラ８００－２０に接続することができる。

プログラムは、ＤＶＤ－ＲＯＭ８００－０１又はＩＣカードなどのコンピュータ可読媒体により提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスク・ドライブ８００－２４、ＲＡＭ８００－１４、又はＲＯＭ８００－３０にインストールされ、ＣＰＵ８００－１２により実行される。これらのプログラムにおいて記述される情報処理は、コンピュータ８００に読み取られ、プログラムと上述の様々なタイプのハードウェア・リソースとの間の協働をもたらす。装置又は方法は、コンピュータ８００の使用に従って動作又は情報処理を実現することによって構成することができる。

例えば、コンピュータ８００と外部のデバイスとの間の通信が実行される場合、ＣＰＵ８００－１２は、通信プログラムに記述されている処理に基づいて、通信インターフェース８００－２２に通信処理を命令するよう、ＲＡＭ８００－１４上に読み込まれた通信プログラムを実行することができる。通信インターフェース８００－２２は、ＣＰＵ８００－１２の制御下で、ＲＡＭ８００－１４、ハードディスク・ドライブ８００－２４、ＤＶＤ－ＲＯＭ８００－０１、又はＩＣカードなどの記録媒体上に提供されている送信バッファ領域上に格納された送信データを読み取り、その読み取られた送信データをネットワーク８００－５０に送信し、又は、ネットワーク８００－５０から受信された受信データを、記録媒体上に提供されている受信バッファ領域又は同様のものに書き込む。

加えて、ＣＰＵ８００－１２は、ハードディスク・ドライブ８００－２４、ＤＶＤ－ＲＯＭドライブ８００－２６（ＤＶＤ－ＲＯＭ８００－０１）、ＩＣカードなどのような外部記録媒体に格納されているファイル又はデータベースの全て又は必要な部分を、ＲＡＭ８００－１４に読み取らせることができ、ＲＡＭ８００－１４上でデータに対して様々なタイプの処理を実行することができる。次にＣＰＵ８００－１２は、処理されたデータを外部記録媒体に書き戻すことができる。

情報処理を行うために、様々なタイプのプログラム、データ、テーブル、及びデータベースなどの様々なタイプの情報を記録媒体に格納することができる。ＣＰＵ８００－１２は、ＲＡＭ８００－１４から読み取られたデータに対して、本開示の全体にわたって説明され、プログラムの命令シーケンスにより指定されている様々なタイプの動作、情報の処理、条件判断、条件分岐（conditional branch)、無条件分岐（unconditional branch）、情報の検索／置換などを含む様々なタイプの処理を実行することができ、その結果をＲＡＭ８００－１４に書き戻す。

加えて、ＣＰＵ８００－１２は、記録媒体において、ファイル、データベースなどにおける情報を検索することができる。例えば、複数のエントリが記録媒体に格納されており、各々のエントリが第２の属性の属性値に関連付けられた第１の属性の属性値を有している場合、ＣＰＵ８００－１２は、複数のエントリのうちから、その第１の属性の属性値が指定された条件に一致するエントリを検索することができ、そのエントリに格納されている第２の属性の属性値を読み取り、それにより、所定の条件を満たす第１の属性に関連付けられている第２の属性の属性値を受け取る。

上述のプログラム又はソフトウェア・モジュールは、コンピュータ８００上の又はその付近のコンピュータ可読媒体に格納することができる。加えて、専用通信ネットワーク又はインターネットに接続されているサーバ・システムに提供されるハードディスク又はＲＡＭなどの記録媒体を、コンピュータ可読媒体として使用することができ、それにより、ネットワークを介して、プログラムをコンピュータ８００に提供する。

本発明は、インテグレーションの任意の技術的詳細のレベルにおいて、システム、方法、及び／又はコンピュータ・プログラム製品とすることができる。コンピュータ・プログラム製品は、プロセッサに、本発明の態様を実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読ストレージ媒体（単数又は複数）を含むことができる。

コンピュータ可読ストレージ媒体は、命令実行デバイスにより使用される命令を保持及び格納できる有形デバイスとすることができる。コンピュータ可読ストレージ媒体は、例えば、これらに限定されるものではないが、電子記憶装置、磁気記憶装置、光学記憶装置、電磁気記憶装置、半導体記憶装置、又は上記のいずれかの適切な組み合わせとすることができる。コンピュータ可読ストレージ媒体のより具体的な例の非網羅的なリストとして、以下のもの：すなわち、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラム可能読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み出し専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク、パンチカード若しくは命令がそこに記録された溝内の隆起構造のような機械的にエンコードされたデバイス、及び上記のいずれかの適切な組み合わせが挙げられる。本明細書で使用される場合、コンピュータ可読ストレージ媒体は、電波、又は他の自由に伝搬する電磁波、導波管若しくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通る光パルス）、又はワイヤを通って送られる電気信号などの、一時的信号自体として解釈されない。

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピューティング／処理デバイスに、又は、例えばインターネット、ローカル・エリア・ネットワーク、広域ネットワーク、及び／又は無線ネットワークなどのネットワーク（図示せず）を介して、外部コンピュータ又は外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、及び／又はエッジ・サーバを含むことができる。各コンピューティング／処理デバイスにおけるネットワーク・アダプタ・カード又はネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読ストレージ媒体に格納する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又は、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、及び、「Ｃ」プログラミング言語若しくは類似のプログラミング言語などの通常の手続き型プログラミング言語を含む１つ又は複数のプログラミング言語の任意の組み合わせで記述することができる。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で実行される場合もあり、一部がユーザのコンピュータ上で、独立型ソフトウェア・パッケージとして実行される場合もあり、一部がユーザのコンピュータ上で実行され、一部が遠隔コンピュータ上で実行される場合もあり、又は完全に遠隔コンピュータ若しくはサーバ上で実行される場合もある。最後のシナリオにおいて、遠隔コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）若しくは広域ネットワーク（ＷＡＮ）を含むいずれかのタイプのネットワークを通じてユーザのコンピュータに接続される場合もあり、又は外部コンピュータへの接続がなされる場合もある（例えば、インターネットサービスプロバイダを用いたインターネットを通じて）。幾つかの実施形態において、例えば、プログラム可能論理回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はプログラム可能論理アレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を用いて電子回路を個人化することによりコンピュータ可読プログラム命令を実行し、本発明の態様を実施することができる。

本発明の態様は、本発明の実施形態による方法、装置（システム）及びコンピュータ・プログラム製品のフローチャート図及び／又はブロック図を参照して説明される。フローチャート図及び／又はブロック図の各ブロック、並びにフローチャート図及び／又はブロック図内のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装できることが理解されるであろう。

これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能データ処理装置のプロセッサに与えてマシンを製造し、それにより、コンピュータ又は他のプログラム可能データ処理装置のプロセッサによって実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロック内で指定された機能／動作を実施するための手段を作り出すようにすることができる。これらのコンピュータ・プログラム命令を、コンピュータ、他のプログラム可能データ処理装置、及び／又は他のデバイスを特定の方式で機能させるように指示することができるコンピュータ可読媒体内に格納し、それにより、そのコンピュータ可読媒体内に格納された命令が、フローチャート及び／又はブロック図の１つ又複数のブロックにおいて指定された機能／動作の態様を実施する命令を含む製品を含むようにすることもできる。

コンピュータ・プログラム命令を、コンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上にロードして、一連の動作ステップをコンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上で行わせてコンピュータ実施のプロセスを生成し、それにより、コンピュータ又は他のプログラム可能装置上で実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロックにおいて指定された機能／動作を実行するためのプロセスを提供するようにすることもできる。

図面内のフローチャート及びブロック図は、本発明の種々の実施形態による、システム、方法、及びコンピュータ・プログラム製品の可能な実装の、アーキテクチャ、機能及び動作を示す。この点に関して、フローチャート内の各ブロックは、指定された論理機能を実装するための１つ又は複数の実行可能命令を含む、モジュール、セグメント、又はコードの一部を表すことができる。幾つかの代替的な実装において、ブロック内に示される機能は、図に示される順序とは異なる順序で生じることがある。例えば、連続して示される２つのブロックは、関与する機能に応じて、実際には実質的に同時に実行されることもあり、又はこれらのブロックはときとして逆順で実行されることもある。ブロック図及び／又はフローチャート図の各ブロック、及びブロック図及び／又はフローチャート図内のブロックの組み合わせは、指定された機能又は動作を実行する、又は専用のハードウェアとコンピュータ命令との組み合わせを実行する、専用ハードウェア・ベースのシステムによって実装できることにも留意されたい。

本発明の実施形態を説明したが、本発明の技術的範囲は上述の実施形態に限定されない。本発明の上述の実施形態に、種々の変更又は改良を加え得ることが当業者には明らかである。また、そうした変更又は改良を加えた実施形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲から明らかである。

特許請求の範囲、実施形態、又は図に示される装置、システム、プログラム、及び方法により実施される各プロセスの動作、手順、ステップ、及び段階は、順番が、「に先立って（prior to）」、「より前に（before）」等により示されず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実施することができる。特許請求の範囲、実施形態、又は図において、プロセス・フローが、「最初に（first）」又は「次に（next）」のような語句を用いて説明されたとしても、これは必ずしも、プロセスをこの順序で実施しなければならないことを意味するものではない。

１０：装置
２０：データベース
１００：格納セクション
１１０：受信セクション
１２０：抽出セクション
１３０：推定セクション
１５０：識別セクション
１７０：訓練セクション
８００：コンピュータ
８００－１２：ＣＰＵ
８００－１４：ＲＡＭ
８００－１６：グラフィックス・コントローラ
８００－２２：通信インターフェース

Claims (12)

1. プロセッサ又はプログラム可能回路が、
   ターゲット・オブジェクトの外周部の複数の向きの分布を推定することであって、
   前記ターゲット・オブジェクトの前記外周部の前記複数の向きは、基準点から前記ターゲット・オブジェクトの前記外周部までの向きに対応し、
   前記基準点は前記ターゲット・オブジェクトの中心であり、
   前記ターゲット・オブジェクトの前記外周部は、前記ターゲット・オブジェクトのボクセル・データの等値面に対応し、
   前記等値面は複数の部分領域を含み、前記ターゲット・オブジェクトの前記外周部の前記複数の向きの各々は、前記複数の部分領域の各々の向きである、
   推定することと、
   前記分布に基づいて前記ターゲット・オブジェクトを識別することと、
   を実行する方法。
2. 各部分領域は、前記ターゲット・オブジェクトの前記ボクセル・データにおける一定値の頂点を有する三角形である、請求項１に記載の方法。
3. 前記ターゲット・オブジェクトの前記外周部の前記複数の向きの前記分布は、法線ベクトルと中心ベクトルとの間の角度のコサイン値の分布であり、前記法線ベクトルは、前記複数の部分領域の各部分領域のものであり、前記中心ベクトルは、前記ターゲット・オブジェクトの前記中心と前記各部分領域の中心との間に作られる、請求項２に記載の方法。
4. 前記ターゲット・オブジェクトの前記外周部の前記複数の向きの前記分布は、前記ターゲット・オブジェクトの前記外周部の前記複数の向きのヒストグラムを含む、請求項１～請求項３のいずれか一項に記載の方法。
5. プロセッサ又はプログラム可能回路が、
   各々が訓練オブジェクトの外周部の複数の向きの分布及び前記訓練オブジェクトの識別を含む複数の訓練セットによりニューラル・ネットワークを訓練することと、
   ターゲット・オブジェクトの外周部の複数の向きの分布を推定することと、
   前記ニューラル・ネットワークを用いて、前記分布に基づいて前記ターゲット・オブジェクトを識別することと、
   を実行する方法。
6. 前記ニューラル・ネットワークは、畳み込みニューラル・ネットワークである、請求項５に記載の方法。
7. 前記ターゲット・オブジェクトは体組織である、請求項１～請求項６のいずれか一項に記載の方法。
8. プロセッサ又はプログラム可能回路と、
   前記プロセッサ又は前記プログラム可能回路に、
   ターゲット・オブジェクトの外周部を受信することと、
   前記ターゲット・オブジェクトの前記外周部の複数の向きの分布を推定することであって、
   前記ターゲット・オブジェクトの前記外周部の前記複数の向きは、基準点から前記ターゲット・オブジェクトの前記外周部までの向きに対応し、
   前記基準点は前記ターゲット・オブジェクトの中心であり、
   前記ターゲット・オブジェクトの前記外周部は、前記ターゲット・オブジェクトのボクセル・データの等値面に対応し、
   前記等値面は複数の部分領域を含み、前記ターゲット・オブジェクトの前記外周部の前記複数の向きの各々は、前記複数の部分領域の各々の向きである、
   推定することと、
   前記分布に基づいて前記ターゲット・オブジェクトを識別することと、
   を実行させる命令を含む１つ又は複数のコンピュータ可読媒体と、
   を含む、装置。
9. 請求項１～７のいずれか一項に記載の方法の各ステップを実行するためのプロセッサ又はプログラム可能回路を備えた、装置。
10. プロセッサ又はプログラム可能回路に、
    ターゲット・オブジェクトの外周部を受信することと、
    前記ターゲット・オブジェクトの前記外周部の複数の向きの分布を推定することであって、
    前記ターゲット・オブジェクトの前記外周部の前記複数の向きは、基準点から前記ターゲット・オブジェクトの前記外周部までの向きに対応し、
    前記基準点は前記ターゲット・オブジェクトの中心であり、
    前記ターゲット・オブジェクトの前記外周部は、前記ターゲット・オブジェクトのボクセル・データの等値面に対応し、
    前記等値面は複数の部分領域を含み、前記ターゲット・オブジェクトの前記外周部の前記複数の向きの各々は、前記複数の部分領域の各々の向きである、
    推定することと、
    前記分布に基づいて前記ターゲット・オブジェクトを識別することと、
    を実行させる、コンピュータ・プログラム。
11. 請求項１～７のいずれか一項に記載の方法の各ステップをプロセッサ又はプログラム可能回路に実行させるためのコンピュータ・プログラム。
12. 請求項１０又は１１に記載の前記コンピュータ・プログラムを記憶したコンピュータ可読ストレージ媒体。
    
    
    

Images