JP7105927B2 - 医用画像解析装置、方法およびプログラム - Google Patents

医用画像解析装置、方法およびプログラム Download PDF

Info

Publication number
JP7105927B2
JP7105927B2 JP2020569386A JP2020569386A JP7105927B2 JP 7105927 B2 JP7105927 B2 JP 7105927B2 JP 2020569386 A JP2020569386 A JP 2020569386A JP 2020569386 A JP2020569386 A JP 2020569386A JP 7105927 B2 JP7105927 B2 JP 7105927B2
Authority
JP
Japan
Prior art keywords
execution
medical image
analysis
unit
processing
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
Application number
JP2020569386A
Other languages
English (en)
Other versions
JPWO2020158100A1 (ja
Inventor
勇哉 久藤
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.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of JPWO2020158100A1 publication Critical patent/JPWO2020158100A1/ja
Application granted granted Critical
Publication of JP7105927B2 publication Critical patent/JP7105927B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/60—Memory management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Description

本開示は、医用画像を解析する医用画像解析装置、方法およびプログラムに関する。
医療分野においては、画像解析技術の性能が向上してきている。特に、近年では、深層学習により学習がなされたニューラルネットワークを利用した人工知能（ＡＩ；Artificial Intelligence）を用いることにより、病変を認識したり、病変を特定したりするための解析処理の精度が向上している。このような解析処理を実行するためには、高性能なコンピュータが必要になる。
一方、近年、複数のサーバを用いた様々なクラウドサービスが提供されるようになってきている。例えば、高価なコンピュータを保有することなくクラウドを利用したサービスが提供されるようになってきている。上述したＡＩを用いた解析処理を、クラウドサービスを用いて行うことにより、ハードウェアの保守、運用および管理を、クラウドを提供する企業に一任することが可能となる。その結果、クラウドサービスの利用者は、コストおよび人的リソースの削減を図ることができる。
上述したようなクラウドサービスにおいては、リソースの確保が容易である。ここで、リソースとしては、ＣＰＵ、メモリ、ハードディスクおよびネットワーク等が挙げられる。しかしながら、クラウドサービスの利用料金は、使用するリソース量が多いほど高価なものとなる。すなわち、クラウドサービスにおいては多くのリソースを確保できるものの、多くのリソースを利用すると利用料金が高くなる。
このため、リソースを効率よく利用するための手法が提案されている。例えば、特開２０１７－６８３９３号公報においては、データの予測および分類を行うモデルを学習するための分析処理を実行する際に、第１のデータに対する分析処理を処理装置で実行したときの処理時間とリソース消費量とを予測し、予測された処理時間とリソース消費量とに基づいて、第２のデータの分析処理に係る処理性能を予測し、予測された処理性能をもとに、複数の処理装置のうち、第２のデータに対する分析処理を実行すべき処理装置を選定する手法が提案されている。また、特開２０１０－１６５２５９号公報においては、複数のタスクからなる人工知能等のワークロードを処理ユニットに割り当てて実行する際に、要求する処理ユニットの数、各処理ユニットにおける優先度、および最大の処理ユニット割り当て数等の割り当て条件に基づいて、ワークロードを処理ユニットに割り当てる手法が提案されている。
一方、解析処理は、肺、心臓、肝臓および脳等の部位毎に、さらには検出可能な病変毎に用意されることが多い。また、解析処理毎に処理に必要なリソース量が異なる。特開２０１７－６８３９３号公報および特開２０１０－１６５２５９号公報に記載された手法は、複数の処理に対して適切なリソースを割り当てることができる。しかしながら、特開２０１７－６８３９３号公報および特開２０１０－１６５２５９号公報に記載された手法を用いても、多くのリソースを必要とする解析処理を行う必要がある場合、多くのリソースを確保しておく必要がある。このように多くのリソースを確保した場合、比較的少ないリソースにより処理を行うことが可能な解析処理を実行する場合には、リソースの無駄が多くなる。
本開示は上記事情に鑑みなされたものであり、リソースを無駄なく利用できるようにすることを目的とする。
本開示による医用画像解析装置は、医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて医用画像を解析する医用画像解析装置であって、
少なくとも１つの医用画像を取得する画像取得部と、
少なくとも１つの医用画像に含まれる部位を認識する部位認識部と、
認識された部位に基づいて、少なくとも１つの医用画像を解析するための１以上の解析処理を、複数の解析処理から選択する解析処理選択部と、
選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得する実行特性取得部と、
実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する割り当て決定部と、
決定された割り当てに従って、選択された解析処理により少なくとも１つの医用画像の解析を実行する解析実行部とを備える。
「リソース」とは、コンピュータの物理的な資源をいい、例えば、コンピュータのＣＰＵ、メモリ、ストレージ、およびネットワーク等である。
なお、本開示による医用画像解析装置においては、割り当て決定部は、処理時間を最小にするための予め定められたリソースに対する複数の実行単位の割り当てを決定するものであってもよい。
また、本開示による医用画像解析装置においては、割り当て決定部は、少なくとも１つの実行単位による処理が完了した際に、処理が完了した実行単位以外の未実行の実行単位についての実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、未実行の実行単位の予め定められたリソースへの割り当てを再度決定し、
解析部は、再度の決定に従って、未実行の実行単位による処理を実行するものであってもよい。
また、本開示による医用画像解析装置においては、複数の実行単位のそれぞれについての実行特性を記憶する記憶部をさらに備え、
実行特性取得部は、記憶部から実行特性を取得するものであってもよい。
また、本開示による医用画像解析装置においては、決定された割り当てを表す割り当て情報を生成する割り当て情報生成部をさらに備えるものであってもよい。
また、本開示による医用画像解析装置においては、割り当て情報生成部は、処理時間とリソースの使用量との関係を規定する座標面上に、処理時間とリソースの使用量との関係を規定する矩形領域により表した実行特性を、決定された割り当てに従って配置することにより、割り当て情報を生成するものであってもよい。
また、本開示による医用画像解析装置においては、割り当て情報生成部は、処理時間とリソースの使用量との関係を規定する座標面上に、処理時間とリソースの使用量との関係を規定する矩形領域により表した未処理の実行特性を、決定された割り当てに従って時間軸上に配置した処理待ち情報をさらに生成するものであってもよい。
また、本開示による医用画像解析装置においては、割り当て情報を出力する出力部をさらに備えるものであってもよい。
本開示による医用画像解析方法は、医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて医用画像を解析する医用画像解析方法であって、
少なくとも１つの医用画像を取得し、
少なくとも１つの医用画像に含まれる部位を認識し、
認識された部位に基づいて、少なくとも１つの医用画像を解析するための１以上の解析処理を、複数の解析処理から選択し、
選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得し、
実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定し、
決定された割り当てに従って、選択された解析処理により少なくとも１つの医用画像の解析を実行する。
なお、本開示による医用画像解析方法をコンピュータに実行させるためのプログラムとして提供してもよい。
本開示による他の医用画像解析装置は、医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて医用画像を解析する医用画像解析装置であって、
コンピュータに実行させるための命令を記憶するメモリと、
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
少なくとも１つの医用画像を取得し、
少なくとも１つの医用画像に含まれる部位を認識し、
認識された部位に基づいて、少なくとも１つの医用画像を解析するための１以上の解析処理を、複数の解析処理から選択し、
選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得し、
実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定し、
決定された割り当てに従って、選択された解析処理により少なくとも１つの医用画像の解析を実行する。
本開示によれば、リソースを無駄なく利用できる。
本開示の実施形態による医用画像解析装置を適用した医用画像解析システムの概略構成図 端末装置を含む医療情報システムの概略構成図 本開示の実施形態による医用画像解析装置の概略構成図 複数の解析処理を模式的に示す図 解析処理の実行単位を模式的に示す図 実行特性の生成を模式的に示す図 選択された解析処理を模式的に示す図 各実行単位の処理順序の決定を説明するための図 処理待ち行列を示す図 実行単位の割り当て結果を示す図 解析処理後の医用画像を示す図 本実施形態において行われる処理を示すフローチャート 他の実施形態における処理待ち行列および割り当て結果を示す図 選択された解析処理の他の例を模式的に示す図 各実行単位の処理順序の決定の他の例を説明するための図 実行単位の割り当て結果の他の例を示す図
図１は、本開示の実施形態による医用画像解析装置を適用した医用画像解析システムの概略構成図である。図１に示すように、医用画像解析システム１は、複数の医療機関Ｂｋ（ｋ＝１～ｎ）に設置される複数の端末装置２、およびクラウド側に置かれる医用画像解析装置３がネットワーク４により接続されて構成される。
端末装置２は、各医療機関Ｂｋに設けられたコンピュータであり、ＣＰＵ（Central Processing Unit）、メモリ、ストレージ、入出力インターフェース、通信インターフェース、入力装置、表示装置、およびデータバス等の周知のハードウェア構成を備える。端末装置２には周知のオペレーションシステム等がインストールされる。また、入力装置として、キーボードおよびマウス等を有し、表示装置としてディスプレイ等を有している。なお、本実施形態による医用画像解析装置３については後述する。
ネットワーク４は、公衆回線網または専用回線網を介して複数の医療機関Ｂｋに置かれた端末装置２と医用画像解析装置３とを広域的に結ぶワイドエリアネットワーク (広域通信網 ＷＡＮ：Wide Area Network) である。
図２は、端末装置２を含む医療情報システムの概略構成図である。図２に示すように、端末装置２は、ローカルエリアネットワーク（ＬＡＮ：Local Area Network）６を介して、各医療機関Ｂｋの医療情報システム５に接続されている。医療情報システム５は、モダリティ（撮影装置）７および画像データベース８を備え、ネットワーク６を介して互いに画像データの送受信が行われるように構成される。
モダリティ７には、被写体の検査対象部位を撮影することにより、その部位を表す検査画像を生成し、その画像にＤＩＣＯＭ規格で規定された付帯情報を付加して出力する装置が含まれる。具体例としては、ＣＴ装置（Computed Tomography：コンピュータ断層撮影装置）、ＭＲＩ装置（magnetic resonance imaging：磁気共鳴画像撮影装置）、ＰＥＴ装置（Positron Emission Tomography：陽電子放射断層撮影装置）、超音波装置、および平面Ｘ線検出器（ＦＰＤ：flat panel detector）を用いたＣＲ装置（Computed Radiography：コンピュータＸ線撮影装置）等が挙げられる。
画像データベース８は、汎用のコンピュータにデータベース管理システムの機能を提供するソフトウェアプログラムが組み込まれたものであり、大容量ストレージを備えている。ストレージは、大容量のハードディスク装置であってもよいし、ネットワーク６に接続されているＮＡＳ（Network Attached Storage）またはＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。モダリティ７において取得された画像データは、ＤＩＣＯＭ規格に準拠した格納フォーマットおよび通信規格に従って、ネットワーク６を介して画像データベース８に送信されて格納される。
医用画像解析装置３は、予め定められたリソースを用いて、複数の解析処理により医用画像を解析処理するためのコンピュータである。図３は、コンピュータに医用画像解析プログラムをインストールすることにより実現される、本開示の実施形態による医用画像解析装置の概略構成図である。図３に示すように、医用画像解析装置３は、ＣＰＵ１１、メモリ１２およびストレージ１３を備えている。また、医用画像解析装置３は、不図示の入出力インターフェース、通信インターフェース、およびデータバス等を備え、周知のオペレーションシステム等がインストールされ、かつサーバの機能を有する。なお、医用画像解析装置３には、必要に応じてＧＰＵ（Graphics Processing Unit）を設けるようにしてもよい。また、医用画像解析装置３は、複数のコンピュータにより構成されてもよい。
また、医用画像解析装置３には、表示部１４並びにマウスおよびキーボード等の入力部１５が接続されている。なお、医用画像解析装置３が複数のコンピュータにより構成される場合、コンピュータのそれぞれがＣＰＵ１１、メモリ１２、およびストレージ１３を備え、そのそれぞれに医用画像解析プログラムがインストールされる。
ストレージ１３には、医用画像を解析するための複数の解析処理が記憶されている。解析処理は医用画像を解析して、医用画像に含まれる病変等を検出する処理を行うものであり、例えばＡＩからなる。本実施形態においては、人体の部位に応じて複数種類の解析処理がストレージ１３に記憶される。図４は、複数の解析処理を模式的に示す図である。図４に示すように、本実施形態においては、解析処理として、脳の解析処理、肺の解析処理、心臓の解析処理、肝臓の解析処理等の複数の部位毎に解析処理が用意されている。また、脳の解析処理には、脳梗塞検出処理および脳出血検出処理等の解析処理が含まれる。肺の解析処理には、肺気腫検出処理、肺結節検出処理およびすりガラス影検出処理等の解析処理が含まれる。
また、ストレージ１３には、各解析処理の実行特性が記憶されている。実行特性については後述する。また、ストレージ１３には、ネットワーク４を経由して端末装置２から取得した、解析処理の対象となる医用画像、および処理に必要な情報を含む各種情報が記憶されている。
メモリ１２には、医用画像解析プログラムが記憶されている。医用画像解析プログラムは、ＣＰＵ１１に実行させる処理として、処理対象となる少なくとも１つの医用画像を取得する画像取得処理、少なくとも１つの医用画像に含まれる部位を認識する部位認識処理、認識された部位に基づいて、少なくとも１つの医用画像を解析するための１以上の解析処理を、複数の解析処理から選択する解析処理選択処理、選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得する実行特性取得処理、実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する割り当て決定処理、決定された割り当てに従って、選択された解析処理により少なくとも１つの医用画像の解析を実行する解析実行処理、決定された割り当てを表す割り当て情報を生成する割り当て情報生成処理、並びに割り当て情報および医用画像の解析結果を処理の依頼があった端末装置２に出力する出力処理を規定する。
そして、ＣＰＵ１１がプログラムに従いこれらの処理を実行することで、コンピュータは、画像取得部２１、部位認識部２２、解析処理選択部２３、実行特性取得部２４、割り当て決定部２５、解析実行部２６、割り当て情報生成部２７および出力部２８として機能する。なお、医用画像解析装置３が複数のコンピュータから構成される場合、例えば複数のコンピュータのうちの１台のコンピュータが、画像取得部２１、部位認識部２２、解析処理選択部２３、実行特性取得部２４、割り当て決定部２５、解析実行部２６、割り当て情報生成部２７および出力部２８のすべての機能を実行し、他のコンピュータは解析実行部２６としての機能のみを実行するものであってもよい。
画像取得部２１は、例えば通信インターフェース等からなり、端末装置２からネットワーク４経由で送信された解析の対象となる少なくとも１つの医用画像Ｇ０を取得する。具体的には、医用画像Ｇ０の解析を所望する医師の端末装置２からの医用画像Ｇ０の送信を受けることにより、医用画像Ｇ０を取得する。なお、医用画像Ｇ０が既にストレージ１３に保存されている場合には、画像取得部２１は、ストレージ１３から医用画像Ｇ０を取得するようにしてもよい。なお、本実施形態においては、１つの医用画像Ｇ０を取得するものとして説明する。
部位認識部２２は、医用画像Ｇ０に含まれる被検体の部位を認識する。例えば、部位認識部２２は、医用画像Ｇ０に含まれる部位を認識するように学習がなされた学習済みモデルを有する。学習済みモデルは、部位が既知の多数の医用画像を教師データとして用いることによって、ニューラルネットワークを学習することにより生成されてなり、医用画像Ｇ０が入力されると、医用画像Ｇ０に含まれる部位を部位認識結果として出力する。なお、部位認識部２２は、学習済みモデルにより部位を認識するものには限定されない。例えば、部位認識の手法としては、テンプレートマッチングにより医用画像Ｇ０に含まれる部位を認識する手法等、任意の手法を用いることができる。
解析処理選択部２３は、部位認識部２２による部位認識結果に基づいて、ストレージ１３に記憶された複数の解析処理から、医用画像Ｇ０を解析するための１以上の解析処理を選択する。例えば、医用画像Ｇ０が頭部の医用画像である場合には、部位認識結果は脳となるため、解析処理選択部２３は、１以上の脳の解析処理を選択する。また、医用画像Ｇ０が人体の上半身の医用画像である場合には、部位認識結果が心臓および肺となるため、解析処理選択部２３は、心臓の解析処理および肺の解析処理を選択する。
ここで、肺の解析処理は、医用画像Ｇ０からの肺の抽出、病変候補の検出および病変の絞り込み等の複数の実行単位からなり、それぞれの実行単位に分割することが可能である。図５は解析処理の実行単位を模式的に示す図である。なお、図５においては、肺の解析処理に含まれる肺気腫検出処理４０、肺結節検出処理４１およびすりガラス影検出処理４２を模式的に示す。図５に示す肺気腫検出処理４０は、医用画像Ｇ０から肺を抽出するための肺抽出単位５０、抽出された肺から肺気腫候補を検出するための肺気腫候補検出単位５１Ａ、および肺気腫候補が肺気腫であるか否かを判別するための肺気腫判別単位５２Ａの３つの実行単位に分割される。また、肺結節検出処理４１は、肺抽出単位５０、抽出された肺から肺結節候補を検出するための肺結節候補検出単位５１Ｂ、および肺結節候補が肺結節であるか否かを判別するための肺結節判別単位５２Ｂの３つの実行単位に分割される。また、すりガラス影検出処理４２は、肺抽出単位５０、抽出された肺からすりガラス影候補を検出するためのすりガラス影候補検出単位５１Ｃ、およびすりガラス影候補がすりガラス影であるか否かを判別するためのすりガラス影判別単位５２Ｃの３つの実行単位に分割される。なお、図５において、各実行単位は左側から処理順序に従って並べられている。
実行特性取得部２４は、選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得する。ここで、リソースとは、医用画像解析装置３が有するＣＰＵ１１およびメモリ１２およびストレージ１３である。なお、医療機関Ｂｋに応じて、利用可能なリソースの量が支払う料金に応じて予め定められている。本実施形態においては、医用画像解析装置３における使用可能なメモリ１２の容量が、利用料金に応じて予め定められているものとする。
本実施形態において、実行特性は、解析処理の実行単位が処理を行う際に要する処理時間とメモリ使用量との関係を規定したものである。実行特性は解析処理の実行単位毎に予め生成されてストレージ１３に記憶されている。図６は実行特性の生成を模式的に示す図である。なお、本実施形態においては、実行特性取得部２４が実行特性を生成するものとするが、実行特性取得部２４とは別の手段を設けて実行特性を生成してもよい。本実施形態においては、図６に示すように、実行特性を生成するための複数のサンプル画像Ｓｋが用意される。実行特性取得部２４は、各サンプル画像Ｓｋに対して実行単位により処理を実行し、処理時間およびメモリ使用量を計測する。処理時間およびメモリ使用量はサンプル画像Ｓｋに応じて変化する。
このため、実行特性取得部２４は、複数のサンプル画像Ｓｋについて実行単位が処理を行った場合の処理時間およびメモリ使用量についての頻度を表すヒストグラムＨ１，Ｈ２を生成する。そして、実行特性取得部２４は、処理時間についてのヒストグラムＨ１の平均値Ｈ１ｍおよびメモリ使用量についてのヒストグラムＨ２の平均値Ｈ２ｍをそれぞれ算出し、処理時間についての平均値Ｈ１ｍおよびメモリ使用量についての平均値Ｈ２ｍをその解析処理の実行単位についての実行特性として生成する。実行特性を模式的に示すと、横軸を処理時間の平均値Ｈ１ｍ、縦軸をメモリ使用量の平均値Ｈ２ｍとする矩形となる。生成された実行特性は解析処理の実行単位と対応づけられてストレージ１３に記憶される。
割り当て決定部２５は、取得した実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する。以下、割り当ての決定について説明する。本実施形態においては、図７に示すように、４つの解析処理６１～６４が選択されているものとする。図７に示すように、解析処理６１は実行単位Ｕ１，Ｕ２，Ｕ３からなり、解析処理６２は実行単位Ｕ１，Ｕ２，Ｕ４からなり、解析処理６３は実行単位Ｕ１，Ｕ５，Ｕ６からなり、解析処理６４は実行単位Ｕ１，Ｕ５，Ｕ７からなるものとする。なお、図７において、各実行単位は左側から処理順序に従って並べられている。
割り当て決定部２５は、解析処理６１～６４に共通の実行単位を特定する。図７に示すように、すべての解析処理６１～６４に共通の実行単位は実行単位Ｕ１となる。また、解析処理６１，６２に共通の実行単位は実行単位Ｕ２となる。また、解析処理６３，６４に共通の実行単位は実行単位Ｕ５となる。次に割り当て決定部２５は、実行単位の処理順序を特定する。例えば、実行単位Ｕ２と実行単位Ｕ３，Ｕ４とでは、実行単位Ｕ２を実行しないと実行単位Ｕ３，Ｕ４を実行することはできない。また、実行単位Ｕ５と実行単位Ｕ６，Ｕ７とでは、実行単位Ｕ５を実行しないと実行単位Ｕ６，Ｕ７を実行することはできない。一方、実行単位Ｕ２と実行単位Ｕ５とは並列に処理を行うことが可能である。また、実行単位Ｕ３，Ｕ４，Ｕ６，Ｕ７も並列に処理を行うことが可能である。このため、割り当て決定部２５は、選択された解析処理６１～６４における各実行単位の処理順序を考慮して、図８に示すように、各実行単位の処理順序を特定する。
次に、割り当て決定部２５は、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する。このために、割り当て決定部２５は、実行単位についての処理待ち行列を生成する。図９は処理待ち行列を示す図である。なお、図９に示す処理待ち行列Ｍ０においては、各実行単位を実行特性を反映させたサイズの矩形で表し、横軸が処理の順序を定めているものとする。割り当て決定部２５は、処理待ち行列Ｍ０を参照して、予め定められた容量のリソースに実行単位を割り当てる。
本実施形態において、割り当て決定部２５は、処理時間を最小にするための、予め定められたリソースに対する複数の実行単位の割り当てを決定する。ここで、図９に示すように、処理待ち行列Ｍ０においては、実行単位の処理順序は、Ｕ１，Ｕ２，Ｕ３，Ｕ４…であるため、リソースを最大限に使用しつつ処理時間が最小となるように、複数の実行単位を割り当てる。図１０は実行単位の割り当て結果を示す図である。なお、図１０において、縦軸はリソースであり、本実施形態においては解析を依頼した医療機関Ｂｋが利用可能なリソース、すなわちメモリの容量を表している。また、縦軸には利用可能なメモリの容量の最大値ｍａｘを示している。
解析実行部２６は、割り当て決定部２５が決定した割り当てに従って、選択された解析処理により医用画像Ｇ０の解析を実行する。図１０に示す割り当てに従うと、解析実行部２６は、まずすべての解析処理６１～６４に共通の実行単位Ｕ１を実行し、実行単位Ｕ１の処理が終了すると、解析処理６１，６２に共通の実行単位Ｕ２と解析処理６３，６４に共通の実行単位Ｕ５とを並列に実行する。これは、リソースが実行単位Ｕ２および実行単位Ｕ５を同時に実行可能な容量を有するからである。実行単位Ｕ２と実行単位Ｕ５とでは、実行単位Ｕ５の処理が先に終了する。このため、実行単位Ｕ５の処理が終了すると、解析実行部２６は、解析処理６３において実行単位Ｕ５の後に行われる実行単位Ｕ６を実行する。また、実行単位Ｕ２，Ｕ６が実行されていてもリソースには空きがあるため、解析実行部２６は、解析処理６４において実行単位Ｕ５の後に行われる実行単位Ｕ７を実行する。実行単位Ｕ２の処理が終了すると、解析実行部２６は、解析処理６１において実行単位Ｕ２の後に行われる実行単位Ｕ３を実行する。この状態においては実行単位Ｕ７は実行中であり、実行単位Ｕ３および実行単位Ｕ７の実行中は、実行単位Ｕ４を実行可能なリソースの空きがない。このため、解析実行部２６は、解析処理６２において実行単位Ｕ２の後に実行される実行単位Ｕ４は実行しない。実行単位Ｕ７の処理が終了すると、実行単位Ｕ４を実行可能なリソースの空きが生じるため、解析実行部２６は、実行単位Ｕ４を実行する。
割り当て情報生成部２７は、決定された割り当てを表す割り当て情報を生成する。割り当て情報は、割り当て決定部２５が決定した図１０に示す割り当て結果を表す画像である。なお、割り当て情報生成部２７は、処理待ち行列を処理待ち情報として生成してもよい。処理待ち情報は、図９に示す処理待ち行列Ｍ０を表す画像である。
出力部２８は、例えば通信インターフェース等からなり、割り当て情報生成部２７が生成した割り当て情報を、ネットワーク４を介して医用画像Ｇ０の解析を依頼した医師の端末装置２に送信する。なお、出力部２８は、処理待ち情報が生成されていれば、処理待ち情報も端末装置２に送信する。これにより、医師の端末装置２の表示部は、図１０に示す割り当て結果を表す割り当て情報が表示される。なお、出力部２８は解析実行部２６による医用画像Ｇ０の解析が終了すると、解析結果を端末装置２に送信する。解析結果は、医用画像Ｇ０における異常部位の位置を表す情報である。この情報を用いることにより、端末装置２には、図１１に示すように異常部位が特定された医用画像Ｇ０が表示される。図１１に示すように、医用画像Ｇ０において異常部位Ｃ１が検出されている。
なお、本実施形態では、画像取得部２１と出力部２８とを別個に設けているが、画像取得部２１が出力部２８の機能を備えるものであってもよく、出力部２８が画像取得部２１の機能を備えるものであってもよい。
次いで、本実施形態において行われる処理について説明する。図１２は本実施形態において行われる処理を示すフローチャートである。画像取得部２１が、医療機関Ｂｋの端末装置２から送信された解析対象の医用画像Ｇ０を取得する（ステップＳＴ１）。次いで、部位認識部２２が、医用画像Ｇ０に含まれる被検体の部位を認識する（ステップＳＴ２）。次に、解析処理選択部２３が、部位認識部２２による部位認識結果に基づいて、ストレージ１３に記憶された複数の解析処理から、医用画像Ｇ０を解析するための１以上の解析処理を選択する（ステップＳＴ３）。
続いて、実行特性取得部２４が、選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性としてストレージ１３から取得する（ステップＳＴ４）。そして、割り当て決定部２５が、取得した実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する（ステップＳＴ５）。また、割り当て情報生成部２７が、決定された割り当てを表す割り当て情報を生成し（ステップＳＴ６）、出力部２８が割り当て情報を端末装置２に送信する（ステップＳＴ７）。一方、解析実行部２６が、決定された割り当てに従って、選択された解析処理により医用画像Ｇ０の解析を実行する（ステップＳＴ８）。なお、ステップＳＴ８の処理をステップＳＴ６，ＳＴ７の処理よりも先に行ってもよく、ステップＳＴ８の処理とステップＳＴ６，ＳＴ７の処理とを並列に行ってもよい。そして、出力部２８が解析結果を端末装置２に送信し（ステップＳＴ９）、処理を終了する。
このように、本実施形態によれば、医用画像Ｇ０に含まれる部位を認識し、認識された部位に基づいて複数の解析処理から１以上の解析処理を選択する。そして、選択された解析処理に含まれる複数の実行単位のそれぞれについての、リソースの使用量および処理時間を実行特性として取得する。そして、実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定し、決定された割り当てに従って、選択された解析処理により医用画像の解析を実行する。このため、本実施形態によれば、リソースの無駄が少なくなるように、実行単位をリソースに割り当てることができる。したがって、本実施形態によれば、リソースを無駄なく利用できる。
また、割り当て結果を表す割り当て情報を生成し、端末装置２に送信することにより、端末装置２においては、実行単位がどのようにリソースに割り当てられて解析処理が実行されているかを認識することができる。また、医療機関Ｂｋにおいては、割り当て情報を確認することにより、リソースを増やしたり減らしたりする検討を行うことができ、その結果、その医療機関が行う解析処理に適したリソースの容量を容易に決定することができる。
なお、上記実施形態においては、決定された割り当てに従って解析を実行しているが、割り当て決定部２５は、少なくとも１つの実行単位による処理が完了した際に、処理が完了した実行単位以外の未実行の実行単位についての実行特性、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、未実行の実行単位の予め定められたリソースへの割り当てを再度決定するようにしてもよい。この場合、解析実行部２６は、再度の決定に従って、未実行の実行単位による処理を実行する。以下これを他の実施形態として説明する。
図１３は、他の実施形態における実行単位の割り当てを説明するための図である。図１３においては、処理待ち行列と割り当てとを上下で対応づけて示している。なお、他の実施形態においては、図１３に示すような実行特性を有する７つの実行単位Ｕ１１～Ｕ１７の割り当てを行うものとする。まず、割り当て決定部２５は、実行単位Ｕ１１～Ｕ１７についての処理待ち行列Ｍ１０を生成し、処理待ち行列Ｍ１０に従って、実行単位Ｕ１１～Ｕ１７をリソースに割り当てる。割り当て結果Ｒ１０を処理待ち行列Ｍ１０の下方に示す。なお、割り当て結果Ｒ１０においては、実行単位Ｕ１５～Ｕ１７の図示を省略している。また、割り当て結果Ｒ１０の横軸において、現在の処理時刻が初期の処理時刻ｔ０であることを矢印にて示している。割り当て結果Ｒ１０においては、実行単位Ｕ１１と実行単位Ｕ１３とが並列に実行され、実行単位Ｕ１１および実行単位Ｕ１３の終了後、実行単位Ｕ１２と実行単位Ｕ１４とが並列に実行される。解析実行部２６は、割り当て結果Ｒ１０に従って解析処理を実行する。これにより、解析実行部２６は、まず実行単位Ｕ１１および実行単位Ｕ１３を実行する。
実行単位Ｕ１１および実行単位Ｕ１３が実行されることにより、割り当て決定部２５は、処理待ち行列Ｍ１０から実行単位Ｕ１１および実行単位Ｕ１３を削除して、処理待ち行列Ｍ１１を生成する。一方、解析実行部２６による解析処理において、実行単位Ｕ１３の処理が予定よりも早い時刻ｔ１において終了したとする。図１３においては、処理が終了した実行単位Ｕ１３に斜線を付与している。割り当て決定部２５は、実行単位Ｕ１３が終了した後のリソースの容量に基づいて、処理待ち行列Ｍ１１を参照して実行単位の割り当てを再度決定する。これにより得られる割り当て結果Ｒ１１においては、実行単位Ｕ１３の終了後、実行単位Ｕ１２および実行単位Ｕ１５が実行単位Ｕ１４よりも先に行われることとなる。なお、割り当て結果Ｒ１１においては、実行単位Ｕ１６，Ｕ１７を省略している。これにより、解析実行部２６は引き続き実行単位Ｕ１１を実行し、実行単位Ｕ１３の終了後に実行単位Ｕ１２および実行単位Ｕ１５を実行する。
実行単位Ｕ１２および実行単位Ｕ１５が実行されることにより、割り当て決定部２５は、処理待ち行列Ｍ１１から実行単位Ｕ１２および実行単位Ｕ１５を削除して、処理待ち行列Ｍ１２を生成する。一方、解析実行部２６による解析処理において、実行単位Ｕ１１が予定よりも時間を要し、実行単位Ｕ１５と同時に時刻ｔ２において処理が終了したとする。図１３においては、処理が終了した実行単位Ｕ１１，Ｕ１３，Ｕ１５に斜線を付与している。割り当て決定部２５は、実行単位Ｕ１１，Ｕ１５が終了した後のリソースの容量に基づいて、処理待ち行列Ｍ１２を参照して実行単位の割り当てを再度決定する。これにより得られる割り当て結果Ｒ１２においては、実行単位Ｕ１１，Ｕ１５の終了後、リソース上における実行単位Ｕ１２および実行単位Ｕ１４の実行領域が変更され、実行単位Ｕ１６および実行単位Ｕ１７が割り当てられる。これにより、解析実行部２６は引き続き実行単位Ｕ１２を実行し、実行単位Ｕ１１，Ｕ１５の終了後に実行単位Ｕ１４および実行単位Ｕ１６を実行する。さらに、実行単位Ｕ１２および実行単位Ｕ１６が終了すると、実行単位Ｕ１７を実行する。
このように、実行単位の割り当てを再度決定することにより、実行単位の処理の終了が早まったり遅くなったりしても、空いているリソースに対して効率よく実行単位を割り当てることができる。
また、上記実施形態においては、１つの医用画像Ｇ０に対して解析処理を行っているが、複数の医用画像に対して解析処理を行う場合にも本開示を適用できる。例えば、ＣＴ装置により取得した脳のＣＴの医用画像Ｇ１、ＭＲＩ装置により取得した脳のＭＲＩの医用画像Ｇ２およびＣＴ装置により取得した胸部のＣＴの医用画像Ｇ３の３つの医用画像Ｇ１～Ｇ３を解析する場合を考える。
この場合、図１４に示すように、脳のＣＴの医用画像Ｇ１に対してＣＴ用の脳梗塞検出処理７１およびＣＴ用の脳出血検出処理７２が選択され、脳のＭＲＩの医用画像Ｇ２に対してＭＲＩ用の脳梗塞検出処理７３およびＭＲＩ用の脳出血検出処理７４が選択され、胸部のＣＴの医用画像Ｇ３に対してＣＴ用の肺解析処理７５およびＣＴ用の心臓解析処理７６が選択されたものとする。
また、図１４に示すように、ＣＴ用の脳梗塞検出処理７１は実行単位Ｕ２１，Ｕ２２，Ｕ２３からなり、ＣＴ用の脳出血検出処理７２は実行単位Ｕ２１，Ｕ２２，Ｕ２４からなるものとする。また、ＭＲＩ用の脳梗塞検出処理７３は実行単位Ｕ２５，Ｕ２６，Ｕ２７からなり、ＭＲＩ用の脳出血検出処理７４は実行単位Ｕ２５，Ｕ２６，Ｕ２８からなるものとする。また、肺解析処理７５は実行単位Ｕ２９，Ｕ３０からなり、心臓解析処理７６は実行単位Ｕ３１，Ｕ３２からなるものとする。
このような場合、６つの解析処理を行う必要があるが、上記実施形態と同様に、割り当て決定部２５が、各解析処理に共通の実行単位を特定する。図１４に示すように、ＣＴ用の脳梗塞検出処理７１およびＣＴ用の脳出血検出処理７２に共通の実行単位は実行単位Ｕ２１，Ｕ２２である。また、ＭＲＩ用の脳梗塞検出処理７３およびＭＲＩ用の脳出血検出処理７４に共通の実行単位は実行単位Ｕ２５，Ｕ２６である。
また、割り当て決定部２５は、各実行単位の処理順序を考慮して、図１５に示すように、各実行単位の処理順序を特定する。すなわち、ＣＴ用の脳梗塞検出処理７１およびＣＴ用の脳出血検出処理７２に関して、割り当て決定部２５は、実行単位Ｕ２１および実行単位Ｕ２２の順で処理を実行し、実行単位Ｕ２２の終了後、実行単位Ｕ２３と実行単位Ｕ２４とを並列に実行するように、各実行単位の処理順序を特定する。また、ＭＲＩ用の脳梗塞検出処理７３およびＭＲＩ用の脳出血検出処理７４に関して、割り当て決定部２５は、実行単位Ｕ２５および実行単位Ｕ２６の順で処理を実行し、実行単位Ｕ２６の終了後、実行単位Ｕ２７と実行単位Ｕ２８とを並列に実行するように、各実行単位の処理順序を特定する。また、肺解析処理７５に関して、割り当て決定部２５は、実行単位Ｕ２９および実行単位Ｕ３０の順で処理を実行するように、各実行単位の処理順序を特定する。また、心臓解析処理７６に関して、割り当て決定部２５は、実行単位Ｕ３１および実行単位Ｕ３２の順で処理を実行するように、各実行単位の処理順序を特定する。
さらに、割り当て決定部２５は、選択された解析処理に共通の実行単位、および複数の実行単位の処理順序に基づいて、予め定められたリソースに対する複数の実行単位の割り当てを決定する。図１６は実行単位の割り当て結果を示す図である。そして、解析実行部２６は、割り当て決定部２５が決定した割り当てに従って、選択された解析処理により医用画像Ｇ１～Ｇ３を解析する。
また、上記実施形態においては、解析処理を最小の実行単位に分割しているが、これに限定されるものではない。複数の最小の実行単位が１つの実行単位となるように解析処理を分割してもよい。
また、上記実施形態においては、複数の解析処理から２以上の解析処理を選択しているが、選択される解析処理は１つのみであってもよい。この場合、１つの解析処理に含まれる実行単位の割り当てが決定されて、解析処理が行われる。
また、上記実施形態においては、医用画像解析装置３をクラウド側に置かれるものとしているが、医療機関Ｂｋ内において端末装置２を用いて医用画像Ｇ０の解析を行う場合がある。この場合、端末装置２に医用画像解析装置３を内包するようにしてもよい。これにより、医療機関Ｂｋの端末装置２において、端末装置２が有するリソースを効率よく利用して医用画像Ｇ０の解析を行うことができる。
また、上記各実施形態において、例えば、画像取得部２１、部位認識部２２、解析処理選択部２３、実行特性取得部２４、割り当て決定部２５、解析実行部２６、割り当て情報生成部２７および出力部２８といった各種の処理を実行する処理部（Processing Unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（Processor）を用いることができる。上記各種のプロセッサには、上述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device :PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせまたはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（Circuitry）を用いることができる。
１ 医用画像解析システム
２ 端末装置
３ 医用画像解析装置
４ ネットワーク
５ 医療情報システム
６ ネットワーク
７ モダリティ
８ 画像データベース
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ 表示部
１５ 入力部
２１ 画像取得部
２２ 部位認識部
２３ 解析処理選択部
２４ 実行特性取得部
２５ 割り当て決定部
２６ 解析実行部
２７ 割り当て情報生成部
２８ 出力部
４０ 肺気腫検出処理
４１ 肺結節検出処理
４２ すりガラス影検出処理
５０ 肺抽出単位
５１Ａ 肺気腫候補検出単位
５１Ｂ 肺結節候補検出単位
５１Ｃ すりガラス影候補検出単位
５２Ａ 肺気腫判別単位
５２Ｂ 肺結節判別単位
５２Ｃ すりガラス影判別単位
６１～６４，７１～７６ 解析処理
Ｂｋ 医療機関
Ｇ０，Ｇ１～Ｇ３ 医用画像
Ｍ０，Ｍ１０，Ｍ１１，Ｍ１２ 処理待ち行列
Ｈ１，Ｈ２ ヒストグラム
Ｒ１０～Ｒ１２ 割り当て結果
Ｓｋ 画像
Ｕ１～Ｕ７、Ｕ１１～Ｕ１７，Ｕ２１～Ｕ３２ 実行単位

Claims (10)

  1. 医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて前記医用画像を解析する医用画像解析装置であって、
    少なくとも１つの前記医用画像を取得する画像取得部と、
    前記少なくとも１つの医用画像に含まれる部位を認識する部位認識部と、
    認識された前記部位に基づいて、前記少なくとも１つの医用画像を解析するための１以上の解析処理を、前記複数の解析処理から選択する解析処理選択部と、
    前記選択された解析処理に含まれる複数の実行単位のそれぞれについての、前記リソースの使用量および処理時間を実行特性として取得する実行特性取得部と、
    前記実行特性、前記選択された解析処理に共通の実行単位、および前記複数の実行単位の処理順序に基づいて、前記予め定められたリソースに対する前記複数の実行単位の割り当てを決定する割り当て決定部と、
    前記決定された割り当てに従って、前記選択された解析処理により前記少なくとも１つの医用画像の解析を実行する解析実行部とを備えた医用画像解析装置。
  2. 前記割り当て決定部は、処理時間を最小にするための前記予め定められたリソースに対する前記複数の実行単位の割り当てを決定する請求項１に記載の医用画像解析装置。
  3. 前記割り当て決定部は、少なくとも１つの前記実行単位による処理が完了した際に、該処理が完了した実行単位以外の未実行の実行単位についての前記実行特性、前記選択された解析処理に共通の実行単位、および前記複数の実行単位の処理順序に基づいて、前記未実行の実行単位の前記予め定められたリソースへの割り当てを再度決定し、
    前記解析実行部は、前記再度の決定に従って、前記未実行の実行単位による処理を実行する請求項２に記載の医用画像解析装置。
  4. 前記複数の実行単位のそれぞれについての前記実行特性を記憶する記憶部をさらに備え、
    前記実行特性取得部は、前記記憶部から前記実行特性を取得する請求項１から３のいずれか１項に記載の医用画像解析装置。
  5. 前記決定された割り当てを表す割り当て情報を生成する割り当て情報生成部をさらに備えた請求項１から４のいずれか１項に記載の医用画像解析装置。
  6. 前記割り当て情報生成部は、処理時間とリソースの使用量との関係を規定する座標面上に、前記処理時間と前記リソースの使用量との関係を規定する矩形領域により表した前記実行特性を、前記決定された割り当てに従って配置することにより、前記割り当て情報を生成する請求項５に記載の医用画像解析装置。
  7. 前記割り当て情報生成部は、処理時間とリソースの使用量との関係を規定する座標面上に、前記処理時間と前記リソースの使用量との関係を規定する矩形領域により表した未処理の前記実行特性を、前記決定された割り当てに従って時間軸上に配置した処理待ち情報をさらに生成する請求項５または６に記載の医用画像解析装置。
  8. 前記割り当て情報を出力する出力部をさらに備えた請求項５から７のいずれか１項に記載の医用画像解析装置。
  9. 医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて前記医用画像を解析する医用画像解析方法であって、
    少なくとも１つの前記医用画像を取得し、
    前記少なくとも１つの医用画像に含まれる部位を認識し、
    認識された前記部位に基づいて、前記少なくとも１つの医用画像を解析するための１以上の解析処理を、前記複数の解析処理から選択し、
    前記選択された解析処理に含まれる複数の実行単位のそれぞれについての、前記リソースの使用量および処理時間を実行特性として取得し、
    前記実行特性、前記選択された解析処理に共通の実行単位、および前記複数の実行単位の処理順序に基づいて、前記予め定められたリソースに対する前記複数の実行単位の割り当てを決定し、
    前記決定された割り当てに従って、前記選択された解析処理により前記少なくとも１つの医用画像の解析を実行する医用画像解析方法。
  10. 医用画像を解析するための複数の解析処理であって、それぞれが１以上の実行単位を含む複数の解析処理により、予め定められたリソースを用いて前記医用画像を解析する医用画像解析方法をコンピュータに実行させるための医用画像解析プログラムであって、
    少なくとも１つの前記医用画像を取得する手順と、
    前記少なくとも１つの医用画像に含まれる部位を認識する手順と、
    認識された前記部位に基づいて、前記少なくとも１つの医用画像を解析するための１以上の解析処理を、前記複数の解析処理から選択する手順と、
    前記選択された解析処理に含まれる複数の実行単位のそれぞれについての、前記リソースの使用量および処理時間を実行特性として取得する手順と、
    前記実行特性、前記選択された解析処理に共通の実行単位、および前記複数の実行単位の処理順序に基づいて、前記予め定められたリソースに対する前記複数の実行単位の割り当てを決定する手順と、
    前記決定された割り当てに従って、前記選択された解析処理により前記少なくとも１つの医用画像の解析を実行する手順とをコンピュータに実行させる医用画像解析プログラム。
JP2020569386A 2019-01-30 2019-11-12 医用画像解析装置、方法およびプログラム Active JP7105927B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019014455 2019-01-30
JP2019014455 2019-01-30
PCT/JP2019/044388 WO2020158100A1 (ja) 2019-01-30 2019-11-12 医用画像解析装置、方法およびプログラム

Publications (2)

Publication Number Publication Date
JPWO2020158100A1 JPWO2020158100A1 (ja) 2021-11-11
JP7105927B2 true JP7105927B2 (ja) 2022-07-25

Family

ID=71842068

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020569386A Active JP7105927B2 (ja) 2019-01-30 2019-11-12 医用画像解析装置、方法およびプログラム

Country Status (4)

Country Link
US (1) US20210342195A1 (ja)
JP (1) JP7105927B2 (ja)
DE (1) DE112019006773T5 (ja)
WO (1) WO2020158100A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022054439A1 (ja) 2020-09-08 2022-03-17 富士フイルム株式会社 医用画像処理システム、医用画像処理方法、情報処理装置およびプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011025056A (ja) 2009-03-31 2011-02-10 Fujifilm Corp 画像処理装置および方法並びにプログラム
JP2013037453A (ja) 2011-08-05 2013-02-21 Toshiba Corp 医用画像処理システムおよび画像診断装置
JP2017016541A (ja) 2015-07-06 2017-01-19 富士通株式会社 情報処理装置、並列計算機システム、ジョブスケジュール設定プログラムおよびジョブスケジュール設定方法
US20180088979A1 (en) 2016-09-23 2018-03-29 Ati Technologies Ulc Virtual machine liveliness detection

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5324934B2 (ja) 2009-01-16 2013-10-23 株式会社ソニー・コンピュータエンタテインメント 情報処理装置および情報処理方法
JP6613763B2 (ja) 2015-09-29 2019-12-04 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011025056A (ja) 2009-03-31 2011-02-10 Fujifilm Corp 画像処理装置および方法並びにプログラム
JP2013037453A (ja) 2011-08-05 2013-02-21 Toshiba Corp 医用画像処理システムおよび画像診断装置
JP2017016541A (ja) 2015-07-06 2017-01-19 富士通株式会社 情報処理装置、並列計算機システム、ジョブスケジュール設定プログラムおよびジョブスケジュール設定方法
US20180088979A1 (en) 2016-09-23 2018-03-29 Ati Technologies Ulc Virtual machine liveliness detection

Also Published As

Publication number Publication date
WO2020158100A1 (ja) 2020-08-06
DE112019006773T5 (de) 2021-11-04
JPWO2020158100A1 (ja) 2021-11-11
US20210342195A1 (en) 2021-11-04
CN113365557A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
US20170011185A1 (en) Artificial neural network and a method for the classification of medical image data records
RU2449371C2 (ru) Устойчивая к ошибкам функциональная визуализация
Blanc et al. Artificial intelligence solution to classify pulmonary nodules on CT
Teodoro et al. High-throughput analysis of large microscopy image datasets on CPU-GPU cluster platforms
US20090136096A1 (en) Systems, methods and apparatus for segmentation of data involving a hierarchical mesh
US20110292056A1 (en) Programming and multiprocessing environment for computerized recognition
WO2010148330A1 (en) Systems for computer aided lung nodule detection in chest tomosynthesis imaging
JP7105927B2 (ja) 医用画像解析装置、方法およびプログラム
US20080075345A1 (en) Method and System For Lymph Node Segmentation In Computed Tomography Images
Meng et al. Carpal bone segmentation using fully convolutional neural network
JP2019180749A (ja) 画像処理プログラム、画像処理装置、および画像処理方法
US11075004B2 (en) Discrimination result providing apparatus, operating method of discrimination result providing apparatus, discrimination result providing program, and discrimination result providing system
CN110910342A (zh) 通过使用深度学习来分析骨骼创伤
JP2023516651A (ja) 訓練データにおける欠落したアノテーションに対処するためのクラス別損失関数
Droste et al. Discovering salient anatomical landmarks by predicting human gaze
CN113365557B (zh) 医用图像分析装置、方法及计算机可读存储介质
JP2017189394A (ja) 情報処理装置および情報処理システム
KR102558096B1 (ko) 흉부 방사선 영상 특징을 활용한 비전 변환기 기반의 감염병 중증도 정량화 방법 및 그 장치
Leal et al. Automated lesion detection of breast cancer in [18F] FDG PET/CT using a novel AI-Based workflow
US11295451B2 (en) Robust pulmonary lobe segmentation
CN112633405A (zh) 模型训练方法、医学影像分析方法及装置、设备、介质
WO2021197176A1 (en) Systems and methods for tumor characterization
Mahalakshmi et al. A novel approach to find tumor in MRI brain images using image segmentation techniques
JP7204781B2 (ja) 画像処理装置、方法及びプログラム
WO2022070574A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210628

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210628

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: 20220621

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220712

R150 Certificate of patent or registration of utility model

Ref document number: 7105927

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150