JP7203000B2 - プログラム、情報処理方法及び情報処理装置 - Google Patents

Description

本技術は、プログラム、情報処理方法及び情報処理装置に関する。

内視鏡画像等の医用画像から、学習モデルを使用して病変部位を自動的に検出するコンピュータ支援診断技術が開発されている。病変部位を含む内視鏡画像に正解ラベルが付与された訓練データを用いた機械学習により、学習モデルを生成する手法が知られている（例えば、特許文献１）。

国際公開第２０１７／１７５２８２号

生成された学習モデルは、それ以降に再学習がされる場合があり、再学習された学習モデルは、当初の学習モデルから変更された学習モデルであり、当初の学習モデルとは異なる結果を出力することが想定されるところ、特許文献１に記載の学習モデルは、再学習の前後の学習モデルから出力される結果の差異に関する考慮がされていない。

一つの側面では、診断支援に関する情報を出力する学習モデルが変更された場合であっても、当該学習モデルの変更による影響を把握することができるプログラム等を提供することを目的とする。

本開示の一態様におけるプログラムは、コンピュータに、内視鏡によって撮影された内視鏡画像を取得し、前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力し、前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力する処理を実行させる。

本開示の一態様におけるプログラムは、コンピュータに、内視鏡によって撮影された内視鏡画像を取得し、前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された学習モデルに、取得した前記内視鏡画像を入力し、前記学習モデル上で複数の診断論理を実行させて、出力された複数の診断支援情報を取得し、取得した前記複数の診断支援情報と、複数の学習モデル夫々に関する情報とする前記学習モデル上で実行した複数の診断論理夫々に関する情報とを関連付けて出力する処理を実行させる。

本開示の一態様における情報処理方法は、内視鏡によって撮影された内視鏡画像を取得し、前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力し、前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力する処理をコンピュータに実行させる。

本開示の一態様における情報処理装置は、内視鏡によって撮影された内視鏡画像を取得する取得部と、前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力する入力部と、前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力する出力部とを備える。もしくは１つの学習モデルで複数の診断論理（logic）の診断支援情報を出力し、取得した前記複数の診断支援情報に関する情報とを関連付けて出力する出力部とを備える。

本開示によれば、診断支援に関する情報を出力する学習モデルが変更された場合であっても、当該学習モデルの変更による影響を把握することができるプログラム等を提供することができる。

実施形態１に係る診断支援システムの概要を示す模式図である。 診断支援システムに含まれる内視鏡装置の構成例を示すブロック図である。 診断支援システムに含まれる情報処理装置の構成例を示すブロック図である。 検査結果ＤＢのデータレイアウトを例示する説明図である。 学習モデルの生成処理に関する説明図である。 学習モデル管理ＤＢのデータレイアウトを例示する説明図である。 情報処理装置等の制御部に含まれる機能部を例示する機能ブロック図である。 表示部に出力される画面（診断支援情報の表示画面）の一例を示す説明図である。 情報処理装置の制御部による処理手順の一例を示すフローチャートである。 実施形態２（現在及び過去の内視鏡画像）に係る情報処理装置等の制御部に含まれる機能部を例示する機能ブロック図である。 表示部に出力される画面（結果表示画面）の一例を示す説明図である。 情報処理装置の制御部による処理手順の一例を示すフローチャートである。 実施形態３（学習モデルの選択）に係る情報処理装置等の制御部に含まれる機能部を例示する機能ブロック図である。 表示部に出力される画面（学習モデルの選択画面）の一例を示す説明図である。 情報処理装置の制御部による処理手順の一例を示すフローチャートである。

（実施形態１）
以下、本発明をその実施の形態を示す図面に基づいて詳述する。図１は、実施形態１に係る診断支援システムＳの概要を示す模式図である。診断支援システムＳは、内視鏡装置１０及び、内視鏡装置１０と通信可能に接続される情報処理装置６を含む。

内視鏡装置１０は、内視鏡の撮影素子によって撮影した画像（撮影画像）を内視鏡用プロセッサ２０に伝送し、内視鏡用プロセッサ２０によってガンマ補正、ホワイトバランス補正、シェーディング補正等の各種画像処理を行うことにより、操作者が目視し易い状態にした内視鏡画像を生成する。内視鏡装置１０は、生成した内視鏡画像を情報処理装置６に出力（送信）する。内視鏡装置１０から送信された内視鏡画像を取得した情報処理装置６は、これら内視鏡画像に基づき、種々の情報処理を行い、診断支援に関する情報を出力する。

内視鏡装置１０は、内視鏡用プロセッサ２０と、内視鏡４０と、表示装置５０とを含む。表示装置５０は、たとえば液晶表示装置、または、有機ＥＬ（Electro Luminescence）表示装置である。

表示装置５０はキャスター付きの収容棚１６の上段に設置されている。内視鏡用プロセッサ２０は、収容棚１６の中段に収容されている。収容棚１６は、図示を省略する内視鏡検査用ベッドの近傍に配置される。収容棚１６は内視鏡用プロセッサ２０に接続されたキーボード１５を搭載する、引き出し式の棚を有する。

内視鏡用プロセッサ２０は、略直方体形状であり、一面にタッチパネル２５を備える。タッチパネル２５の下部に、読取部２８が配置されている。読取部２８は、たとえばＵＳＢコネクタ、ＳＤ（Secure Digital）カードスロット、またはＣＤ－ＲＯＭ（Compact Disc Read Only Memory）ドライブ等の、可搬型記録媒体の読み書きを行なう接続用インターフェイスである。

内視鏡４０は、挿入部４４、操作部４３、ユニバーサルコード４９およびスコープコネクタ４８を有する。操作部４３には、制御ボタン４３１が設けられている。挿入部４４は長尺であり、一端が折止部４５を介して操作部４３に接続されている。挿入部４４は、操作部４３側から順に軟性部４４１、湾曲部４４２および先端部４４３を有する。湾曲部４４２は、湾曲ノブ４３３の操作に応じて湾曲する。挿入部４４には、３軸加速度センサ、ジャイロセンサ、地磁気センサ又は磁気コイルセンサ等の物理検出装置が実装され、内視鏡４０が被検者の体内に挿入された際、これら物理検出装置からの検出結果を取得するものであってもよい。

ユニバーサルコード４９は長尺であり、第一端が操作部４３に、第二端がスコープコネクタ４８にそれぞれ接続されている。ユニバーサルコード４９は、軟性である。スコープコネクタ４８は略直方体形状である。スコープコネクタ４８には、送気送水用のチューブを接続する送気送水口金３６（図２参照）が設けられている。

図２は、診断支援システムＳに含まれる内視鏡装置１０の構成例を示すブロック図である。制御部２１は、本実施の形態のプログラムを実行する演算制御装置である。制御部２１には、一または複数のＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）又はマルチコアＣＰＵ等が使用される。制御部２１は、バスを介して内視鏡用プロセッサ２０を構成するハードウェア各部と接続されている。

主記憶装置２２は、例えば、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の記憶装置である。主記憶装置２２には、制御部２１が行なう処理の途中で必要な情報および制御部２１で実行中のプログラムが一時的に保存される。補助記憶装置２３は、例えば、ＳＲＡＭ、フラッシュメモリまたはハードディスク等の記憶装置であり、主記憶装置２２よりも大容量の記憶装置である。補助記憶装置２３には、例えば、取得した撮影画像、生成した内視鏡画像が、中間データとして保存されるものであってもよい。

通信部２４は、有線又は無線によりネットワークを介して情報処理装置と通信するための通信モジュール又は通信インターフェイスであり、例えばｗｉｆｉ（登録商標）、 Ｂｌｕｅｔｏｏｔｈ（登録商標）等の狭域無線通信モジュール、又は４Ｇ、ＬＴＥ等の広域無線通信モジュールである。タッチパネル２５は、液晶表示パネル等の表示部と、表示部に積層された入力部を含む。

表示装置Ｉ／Ｆ２６は、内視鏡用プロセッサ２０と表示装置５０とを接続するインターフェイスである。入力装置Ｉ／Ｆ２７は、内視鏡用プロセッサ２０とキーボード１５等の入力装置とを接続するインターフェイスである。

光源３３は、たとえば白色ＬＥＤ、キセノンランプ等の高輝度の白色光源である。光源３３は、図示を省略するドライバを介してバスに接続されている。光源３３の点灯、消灯および明るさの変更は、制御部２１により制御される。光源３３から照射した照明光は、光コネクタ３１２に入射する。光コネクタ３１２は、スコープコネクタ４８と係合し、内視鏡４０に照明光を供給する。

ポンプ３４は、内視鏡４０の送気・送水機能用の圧力を発生させる。ポンプ３４は、図示を省略するドライバを介してバスに接続されている。ポンプ３４のオン、オフおよび圧力の変更は、制御部２１により制御される。ポンプ３４は、送水タンク３５を介して、スコープコネクタ４８に設けられた送気送水口金３６に接続される。

内視鏡用プロセッサ２０に接続された内視鏡４０の機能の概略を説明する。スコープコネクタ４８、ユニバーサルコード４９、操作部４３および挿入部４４の内部に、ファイバーバンドル、ケーブル束、送気チューブおよび送水チューブ等が挿通されている。光源３３から出射した照明光は、光コネクタ３１２およびファイバーバンドルを介して、先端部４４３に設けられた照明窓から放射される。照明光により照らされた範囲を、先端部４４３に設けられた撮像素子で撮影する。撮像素子からケーブル束および電気コネクタ３１１を介して内視鏡用プロセッサ２０に撮影画像が伝送される。

内視鏡用プロセッサ２０の制御部２１は、主記憶装置２２に記憶されているプログラムを実行することにより、画像処理部２１１として機能する。画像処理部２１１は、内視鏡４０から出力された画像（撮影画像）をガンマ補正、ホワイトバランス補正、シェーディング補正等の各種画像処理を行い、内視鏡画像として出力する。

図３は、診断支援システムＳに含まれる情報処理装置６の構成例を示すブロック図である。情報処理装置６は、制御部６２、通信部６１、記憶部６３及び入出力Ｉ／Ｆ６４を含む。情報処理装置６は、例えばサーバ装置、パーソナルコンピュータ等である。サーバ装置は、単体のサーバ装置のみならず、複数台のコンピュータによって構成されるクラウドサーバ装置、又は仮想サーバ装置を含む。情報処理装置６は、内視鏡用プロセッサ２０からアクセス可能な外部ネットワーク上に位置するクラウドサーバとして設けられているものであってもよい。

制御部６２は、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の計時機能を備えた演算処理装置を有し、記憶部６３に記憶されたプログラムＰを読み出して実行することにより、情報処理装置６に係る種々の情報処理、制御処理等を行う。又は、制御部６２は量子コンピュータ用チップで構成されており、情報処理装置６は量子コンピュータであってもよい。

記憶部６３は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の揮発性記憶領域及び、ＥＥＰＲＯＭ又はハードディスク等の不揮発性記憶領域を含む。記憶部６３には、プログラムＰ及び処理時に参照するデータがあらかじめ記憶してある。記憶部６３に記憶されたプログラムＰは、情報処理装置６が読み取り可能な記録媒体６３２から読み出されたプログラムＰを記憶したものであってもよい。また、図示しない通信網に接続されている図示しない外部コンピュータからプログラムＰをダウンロードし、記憶部６３に記憶させたものであってもよい。記憶部６３には、後述する複数の学習モデル９１夫々を構成する実体ファイル（ニューラルネットワーク（ＮＮ）のインスタンスファイル）が保存されている。これら実体ファイルは、プログラムＰの一部位として構成されるものであってもよい。記憶部６３には、後述する検査結果ＤＢ６３１(DataBase)、学習モデル管理ＤＢ６３０が記憶されているものであってもよい。

通信部６１は、有線又は無線により、内視鏡装置１０と通信するための通信モジュール又は通信インターフェイスであり、例えばｗｉｆｉ（登録商標）、 Ｂｌｕｅｔｏｏｔｈ（登録商標）等の狭域無線通信モジュール、又は４Ｇ、ＬＴＥ等の広域無線通信モジュールである。

入出力Ｉ／Ｆ６４は、例えば、ＵＳＢ又はＤＳＵＢ等の通信規格に準拠したものであり、入出力Ｉ／Ｆ６４に接続された外部機器とシリアル通信するための通信インターフェイスである。入出力Ｉ／Ｆ６４には、例えばディプレイ等の表示部７、キーボード等の入力部８が接続されており、制御部６２は、入力部８から入力された実行コマンド又はイベントに基づき行った情報処理の結果を表示部７に出力する。

図４は、検査結果ＤＢ６３１のデータレイアウトを例示する説明図である。検査結果ＤＢ６３１は、情報処理装置６の記憶部６３に記憶されており、情報処理装置６に実装されているＲＤＢＭＳ（Relational DataBase Management System）等のデータベース管理ソフトウェアにより構成される。情報処理装置６は、内視鏡用プロセッサ２０が出力した内視鏡画像、検査日時及び被検者の属性情報を取得し、検査結果ＤＢ６３１に登録するものであってもよい。

検査結果ＤＢ６３１は、例えば、被検者マスタテーブル及び画像テーブルを含み、被検者マスタテーブルと画像テーブルとは、両テーブルに共に含まれる項目（メタデータ）である被検者ＩＤにより、関連付けが設定されている。

被検者マスタテーブルは、管理項目（メタデータ）として、例えば、被検者ＩＤ、性別、生年月日、年齢を含む。被検者ＩＤの項目（フィールド）には、内視鏡検査を受けた被検者を一意に特定するためにＩＤ情報が格納される。性別及び生年月日の項目（フィールド）には、当該被検者ＩＤの性別及び生年月日の生体属性が格納され、年齢の項目（フィールド）には、生年月日により算出される現時点における年齢が格納される。これら、性別、年齢は、被検者の生体情報として、被検者マスタテーブルにより管理される。

画像テーブルは、管理項目（メタデータ）として、例えば、被検者ＩＤ、検査日時、内視鏡画像を含む。被検者ＩＤの項目（フィールド）には、被検者マスタテーブルに管理される被検者の生体属性と関連付けをするためのものであり、当該被検者夫々のＩＤの値が格納される。検査日時の項目（フィールド）には、当該被検者ＩＤの被検者が内視鏡検査を受けた日時が格納される。内視鏡画像の項目（フィールド）には、当該被検者ＩＤの内視鏡画像がオブジェクトデータとして格納される。内視鏡画像は、１フレームによる静止画又は、数フレームによる動画であってもよい。内視鏡画像の項目（フィールド）には、ファイルとして保存されている当該内視鏡画像の保存場所（ファイルパス）を示す情報が格納されるものであってもよい。

図５は、学習モデル９１の生成処理に関する説明図である。学習モデル９１の生成処理に関する説明図である。情報処理装置６は、内視鏡画像を問題データとし、病変の有無、病変の症状の種類、病変の症状のステージ及び病変の場所等の少なくとも１つを含む診断支援情報を回答データとする訓練データに基づき学習することで、内視鏡画像を入力し、病変の有無等を含む診断支援情報を出力とするニューラルネットワークを構築（生成）する。内視鏡画像には、例えば病変が疑われる体内部位が含まれる。病変の有無、症状の種類、症状のステージ及び、病変の場所は、内視鏡画像に含まれる体内部位に関する病変の有無、症状の種類、症状のステージ及び、病変の場所に関する情報である。

訓練データを用いて学習されたニューラルネットワーク（学習モデル９１）は、人工知能ソフトウェアの一部であるプログラムモジュールとして利用が想定される。学習モデル９１は、上述のごとく制御部６２（ＣＰＵ等）及び記憶部６３を備える情報処理装置６にて用いられるものであり、このように演算処理能力を有する情報処理装置６にて実行されることにより、ニューラルネットワークシステムが構成される。すなわち、情報処理装置６の制御部６２が、記憶部６３に記憶された学習モデル９１からの指令に従って、入力層に入力された内視鏡画像の特徴量を抽出する演算を行い、出力層から病変の有無等を含む診断支援情報を出力するように動作する。

入力層は、内視鏡画像の画素値の入力を受け付ける複数のニューロンを有し、入力された画素値及び距離情報を中間層に受け渡す。中間層は、内視鏡画像の画像特徴量を抽出する複数のニューロンを有し、抽出した画像特徴量を出力層に受け渡す。出力層は、病変の有無及び症状のステージに関する情報を出力する一又は複数のニューロンを有し、中間層から出力された画像特徴量に基づいて、病変の有無及び症状のステージに関する情報を出力する。例えば学習モデル９１がＣＮＮ（Convolutional Neural Network）である場合、中間層は、入力層から入力された各画素の画素値を畳み込むコンボリューション層と、コンボリューション層で畳み込んだ画素値をマッピング（圧縮）するプーリング層とが交互に連結された構成を有し、内視鏡画像の画素情報を圧縮しながら最終的に内視鏡画像の特徴量を抽出する。出力層は、当該内視鏡画像に含まれる体内部位における病変の有無等のに関する情報を出力する一又は複数のニューロンを有し、中間層から出力された画像特徴量等に基づいて、病変の有無等のに関する情報を出力する。出力された病変の有無等に関する情報は、内視鏡を操作する医師等により診断支援情報として用いられる情報である。

本実施形態では、学習モデル９１に入力されるデータは、内視鏡画像であるとして説明しているがこれに限定されない。学習モデル９１に入力されるデータは、内視鏡の撮像素子が撮像した撮影画像（生画像）であってもよい。すなわち、学習モデル９１は、撮影画像が入力されることにより、病変の有無等に関する情報を出力するものであってもよい。

本実施形態では学習モデル９１がＣＮＮ等のニューラルネットワーク（ＮＮ）であるとして説明するが、学習モデル９１は、ＮＮに限定されず、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、回帰木など、他の学習アルゴリズムで構築された学習モデル９１であってもよい。又は、ＣＮＮの代わりに、ＲＣＮＮ（Regions with Convolutional Neural Network）、Ｆａｓｔ ＲＣＮＮ、Ｆａｓｔｅｒ ＲＣＮＮまたはＳＳＤ（Single Shot Multibook Detector）、ＹＯＬＯ（You Only Look Once）等の、任意の物体検出アルゴリズムを使用しても良い。

情報処理装置６は、出力層から出力された値を、問題データ（内視鏡画像）に対し、ラベル付けされた情報（病変の有無、症状の種類及び症状のステージ）、すなわち正解値（回答データ）と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いるパラメータを最適化する。当該パラメータは、例えばニューロン間の重み（結合係数）、各ニューロンで用いられる活性化関数の係数などである。パラメータの最適化の方法は特に限定されないが、例えば情報処理装置６は、誤差逆伝播法を用いて各種パラメータの最適化を行う。情報処理装置６は、訓練データに含まれる内視鏡画像について上記の処理を行い、学習モデル９１を生成し、生成した学習モデル９１を記憶部６３に記憶する。

訓練データとして用いられる内視鏡画像（問題データ）と、これら情報に相関を有する病変の有無等に関する情報（回答データ）は、各医療機関において行われた内視鏡検査の結果データとして大量に保存されており、これら結果データを用いることにより、学習モデル９１を学習するための訓練データを大量に生成することができる。

内視鏡画像を入力することにより、病変の有無等を出力する学習モデル９１は、例えば、異なる訓練データを用いて学習させることにより、複数個、生成される。上述のとおり、訓練データを構成する内視鏡画像（問題データ）及び、病変の有無等に関する情報（回答データ）によるデータセットは、各医療機関において日々、蓄積されていく。蓄積されたデータセットにより、最新の訓練データを構成し、当該最新の訓練データによって、既に存在している（生成されている）学習モデル９１が、再学習される場合がある。このような再学習により、例えば同一の層構成及び活性化関数を用いたニューラルネットワークであっても、訓練データが異なるものとなるため、出力結果が若干異なる複数の学習モデル９１が、生成されるものとなる。すなわち、訓練データが、例えば一か月程度での周期にて更新される場合、当該更新時点に応じた複数の訓練データが、バージョン違いとして構成されるものとなる。このようにバージョン違いとして構成された訓練データ夫々を用いて学習させることにより、当該バージョンに対応した複数の学習モデル９１を生成することができる。

複数の学習モデル９１を生成するにあたり、同一の層構成及び活性化関数を用いたニューラルネットワークに異なる訓練データを用いて学習するとしたが、これに限定されない。同一の訓練データを用いて、層構成又は活性化関数等の構成形態を異ならせたニューラルネットワークに学習させ、複数の学習モデル９１を生成するものであってもよい。又は、異なる訓練データを用いて、層構成又は活性化関数等の構成形態を異ならせたニューラルネットワークに学習させ、複数の学習モデル９１を生成するものであってもよい。

図６は、学習モデル管理ＤＢ６３０のデータレイアウトを例示する説明図である。学習モデル管理ＤＢ６３０は、管理項目（メタデータ）として、例えば、学習モデル名、バージョン番号、適用日、変更点、累計使用回数を含む。

学習モデル名の項目（フィールド）には、例えば、複数の学習モデル９１夫々を識別するためのモデル名が格納される。バージョン番号の項目（フィールド）には、例えば、学習モデル９１を生成するために用いられた訓練データのバージョン番号が、格納される。又は、学習モデル９１自体のバージョン番号が、格納されるものであってもよい。

適用日の項目（フィールド）には、例えば、生成された学習モデル９１が診断支援システムＳに適用され（組み込まれ）、診断支援システムＳにおいて当該学習モデル９１の利用が可能となった日が格納される。医師等の内視鏡の操作者は、学習モデル９１夫々の適用日を参照することにより、今日に至るまでの学習モデル９１の適用期間を把握することができる。

変更点の項目（フィールド）には、例えば、前バージョンの学習モデル９１と比較した変更点に関する事項が格納される。医師等の内視鏡の操作者は、変更点を参照することにより、複数の学習モデル９１における沿革に関する事項を把握することができる。

累計使用回数の項目（フィールド）には、例えば、現時点までにおける学習モデル９１毎の累計使用回数が格納される。医師等の内視鏡の操作者は、累計使用回数を参照することにより、複数の学習モデル９１夫々における使用実績又は人気度を把握することができる。

図７は、情報処理装置６等の制御部６２に含まれる機能部を例示する機能ブロック図である。内視鏡用プロセッサ２０（内視鏡装置１０）の制御部２１は、主記憶装置２２に記憶されているプログラムを実行することにより、画像処理部２１１として機能する。情報処理装置６の制御部６２は、記憶部６３に記憶されているプログラムＰを実行することにより、取得部６２１、出力部６２２として機能する。また、制御部６２は、記憶部６３に記憶されているプログラムＰを実行することにより、又は複数の学習モデル９１夫々（ＮＮ－１、ＮＮ－２～ＮＮ－５）を構成する実体ファイル夫々を読み出すことにより、複数の学習モデル９１として機能する。

画像処理部２１１は、内視鏡から出力された画像（撮影画像）をガンマ補正、ホワイトバランス補正、シェーディング補正等の各種画像処理を行い、内視鏡画像として出力する。画像処理部２１１は、生成した内視鏡画像を情報処理装置６に出力（送信）する。画像処理部２１１は、更にキーボード１５から入力された被検者ＩＤを情報処理装置６に出力するものであってもよい。

取得部６２１は、内視鏡用プロセッサ２０が出力した内視鏡画像を取得し、取得した内視鏡画像を複数の学習モデル９１夫々に出力する。取得部６２１は、被検者ＩＤを内視鏡用プロセッサ２０から取得した場合、当該被検者ＩＤと内視鏡画像とを関連付けて、検査日時に関する情報と共に検査結果ＤＢ６３１に登録するものであってもよい。

複数の学習モデル９１夫々は、互いに並列となるように接続されている。従って、取得部６２１から出力された内視鏡画像が並列に接続された学習モデル９１夫々に分岐されて入力されるデータフロー・トポロジーが、形成される。複数の学習モデル９１は、学習モデル管理ＤＢ６３０において登録及び管理されている学習モデル９１であり、同一の内視鏡画像が入力されることにより、内視鏡画像における病変の有無等を含む同種の診断支援情報を出力する。複数の学習モデル９１は、例えば異なる訓練データによって学習されており、同一の内視鏡画像を入力した場合であっても、異なる演算結果（病変の有無等）を出力する場合がある。複数の学習モデル９１夫々は、取得部６２１から出力された内視鏡画像を入力層に入力し、出力層から出力された病変の有無等を含む診断支援情報を出力部６２２に出力する。

出力部６２２は、複数の学習モデル９１夫々から出力された診断支援情報を取得すると共に、学習モデル管理ＤＢ６３０を参照し、診断支援情報を出力した学習モデル９１夫々に関する変更点等の管理情報を取得する。出力部６２２は、取得した病変の有無等を含む診断支援情報と、当該診断支援情報を出力した学習モデル９１とを関連付け、更に学習モデル９１夫々における管理情報を付随させて、診断支援情報の表示画面を構成するための画面データを生成する。出力部６２２は、生成した診断支援情報の表示画面を構成するための画面データを表示部７に出力させ、当該表示部７に診断支援情報の表示画面を表示させる。出力部６２２は、生成した診断支援情報の表示画面を構成するための画面データを内視鏡装置に出力し、内視鏡装置に接続されている表示装置に当該表示画面を表示させるものであってもよい。

本実施形態において、一連の処理における各機能部を、内視鏡用プロセッサ２０の制御部２１による機能部夫々と、情報処理装置６の制御部６２による機能部夫々とに分けて説明したが、これら機能部の分担は一例であり、これに限定されない。内視鏡用プロセッサ２０の制御部２１は、学習モデル９１も含め、情報処理装置６の制御部６２によって行われる全ての機能部として、機能するものであってもよい。すなわち、内視鏡用プロセッサ２０が、実質的に情報処理装置６を含むものであってもよい。または、内視鏡用プロセッサ２０の制御部２１は、撮像素子が撮像した撮影画像を出力するのみであり、情報処理装置６の制御部６２は、以降の処理を行う全ての機能部として機能するものであってもよい。または、内視鏡用プロセッサ２０の制御部２１と、情報処理装置６の制御部６２とは、例えばプロセス間通信を行うことにより、協働して一連の処理における各機能部として機能するものであってもよい。

図８は、表示部に出力される画面（診断支援情報の表示画面）の一例を示す説明図である。情報処理装置６は、出力部６２２から出力された診断支援情報の表示画面を構成するための画面データにより、診断支援情報の表示画面を表示部７にて表示する。

診断支援情報の表示画面は、学習モデル９１夫々に関する情報（管理情報）を表示する領域と、入力された内視鏡画像及び、当該内視鏡画像に基づく診断支援情報を表示する領域とを含む。

学習モデル９１の領域には、学習モデル名を示す表示フィールド、バージョンを示す表示フィールド、適用日を示す表示フィールド、変更点を示す表示フィールドが配置されている。これら表示フィールド夫々は、内視鏡画像が入力された学習モデル９１の個数に応じて生成され、本実施形態では、一例として５つの学習モデル９１を用いて、当該表示フィールド夫々を列挙して診断支援情報の表示画面を構成している。これら表示フィールド夫々にて表示されている内容は、学習モデル管理ＤＢ６３０に登録されている学習モデル９１夫々の管理情報である。

内視鏡画像の領域には、内視鏡画像を表示する表示フィールド、学習モデル９１夫々による出力結果（診断支援情報）を表示する表示フィールドが、列挙して配置されている。診断支援情報の表示画面において、被検者ＩＤ等の被検者に関する情報及び、検査日時に関する情報が、含まれるものであってもよい。

同一の内視鏡画像に対する複数の学習モデル９１による出力結果（病変の有無等の診断支援情報）を、横並びにして表示することにより、医師等の内視鏡の操作者に対し、多面的な診断支援情報を提供することができる。複数の学習モデル９１が、例えば異なる時点にて構成された訓練データにより学習されたものである場合、学習モデル９１夫々における時系列の変化に応じた複数の診断支援情報を、医師等に提供することができる。

これら複数の学習モデル９１を論理的に並列に接続するデータフロー・トポロジーを構成することにより、内視鏡装置から出力された内視鏡画像を分岐して学習モデル９１夫々に効率的に入力することができる。従って、これら複数の学習モデル９１夫々に、個別に内視鏡画像を入力する場合と比較して、内視鏡画像を入力するための処理工数を低減することができ、診断支援システムＳに含まれる（診断支援システムＳにて適用されている）学習モデル９１の個数が多数となる場合であっても、効率的に対応することができる。

図９は、情報処理装置６の制御部６２による処理手順の一例を示すフローチャートである。情報処理装置６は、例えば、自装置に接続されている入力部８からの入力内容に基づき、当該フローチャートの処理を開始する。

情報処理装置６の制御部６２は、内視鏡プロセッサから出力された内視鏡画像を取得する（Ｓ１０１）。制御部６２が内視鏡プロセッサから取得する内視鏡画像は、静止画又は動画であってもよい。制御部６２は、内視鏡画像の取得に併せて、被検者ＩＤ等の被検者の属性情報を取得するものであってもよい。

情報処理装置６の制御部６２は、内視鏡画像を複数の学習モデル９１に入力する（Ｓ１０２）。複数の学習モデル９１夫々は、内視鏡画像が入力されることにより、病変の有無等を含む同種の診断支援情報を出力するように学習されている。制御部６２は、内視鏡プロセッサから取得した内視鏡画像を、これら複数の学習モデル９１夫々に入力する。

情報処理装置６の制御部６２は、複数の学習モデル９１夫々から、内視鏡画像に含まれる病変の有無等の診断支援情報を取得する（Ｓ１０３）。内視鏡画像が入力された複数の学習モデル９１夫々は、病変の有無等を含む同種の診断支援情報を出力する。制御部６２は、複数の学習モデル９１夫々から出力された当該診断支援情報夫々を取得する。

情報処理装置６の制御部６２は、診断支援情報と学習モデル９１夫々に関する情報とを関連付けて出力する（Ｓ１０４）。制御部６２は、記憶部６３に記憶されている学習モデル管理ＤＢ６３０を参照し、学習モデル９１夫々のバージョン番号等の管理情報を取得する。制御部６２は、学習モデル管理ＤＢ６３０を参照して取得した学習モデル９１夫々の管理情報と、学習モデル９１夫々が出力した診断支援情報夫々とを関連付けて、例えば一覧形式の表示画面となる画面データを表示部７に出力する。

本実施形態によれば、同種の診断支援情報を出力する複数の学習モデル９１に、内視鏡画像を入力することにより、複数の学習モデル９１夫々から出力される複数の診断支援情報を取得するため、同一の内視鏡画像に対し、複数の学習モデル９１毎の診断支援情報を取得することができる。取得した診断支援情報夫々は、当該診断支援情報を出力したいずれかの学習モデル９１に関する情報と関連付けて出力されるため、医師等の内視鏡４０の操作者は、診断支援情報と学習モデル９１とが関連付けられた出力結果を参照することにより、学習モデルの変更による影響を容易に把握することができる。

本実施形態によれば、複数の学習モデル９１夫々に関する情報は、複数の学習モデル９１同士における、例えば診断閾値、検出重み付け係数又は訓練データ等の差異に関する情報を含む。従って、医師等の内視鏡４０の操作者は、診断支援情報と学習モデル９１とが関連付けられた出力結果を参照することにより、学習モデル９１の変更内容及び当該変更内容による診断支援情報への影響を容易に把握することがきる。

本実施形態によれば、複数の学習モデル９１の内の少なくとも２つの学習モデル９１は、同じ層構成のニューラルネットワークに対し異なる訓練データにて学習させて生成する。従って、例えば、いずれかの学習モデル９１が再学習された場合、再学習前の学習モデル９１が出力した診断支援情報と、再学習後の学習モデル９１が出力した診断支援情報との差異に関する情報を医師等に効率的に提供することができる。

本実施形態において、情報処理装置６の制御部６２は、複数の学習モデル９１に、取得した内視鏡画像を入力し、複数の学習モデル９１夫々から出力された複数の診断支援情報を取得し、取得した複数の診断支援情報と、複数の学習モデル９１夫々に関する情報とを関連付けて出力するとしたが、これに限定されない。情報処理装置６の制御部６２は、単一の学習モデル９１に、取得した前記内視鏡画像を入力し、単一の学習モデル９１上で複数の診断論理を順次に実行させて、出力された複数の診断支援情報を取得し、学習モデル９１上で実行した複数の診断論理夫々に関する情報を、複数の学習モデル９１夫々に関する情報とし、取得した複数の診断支援情報と、複数の学習モデル９１夫々に関する情報とを関連付けて出力するものであってもよい。学習モデル９１上で実行した複数の診断論理夫々に関する情報は、複数の学習モデル９１夫々に関する情報と同義であり、情報処理装置６の制御部６２は、学習モデル９１上で実行した複数の診断論理夫々に関する情報と、取得した複数の診断支援情報とを関連付けて出力するものであってもよい。

この場合、単一の学習モデル９１に対し、例えば、学習前の設定１のＸＸ月ＸＸ日ＸＸ時ＸＸ分ＸＸ秒のネットワーク設定状態（各ノードの接続状態、設定値）、学習後の直後の設定２（設定１よりも以降の時点）のＹＹ月ＹＹ日ＹＹ時ＹＹ分ＹＹ秒のネットワーク設定状態、及び学習後の更に後の設定３（設定２より以降の時点）のＺＺ月ＺＺ日ＺＺ時ＺＺ分ＺＺ秒のネットワーク設定状態を、学習モデル９１（ニューラルネットワーク）から参照（アクセス）可能な記憶部６３等の所定の記憶領域に全部記憶しておき、又は学習モデル９１内のデータとして全部記憶しておき、時系列で設定１から３を切換えて判定結果を出力させ、当該判定結果夫々を取得するものであってよい。当該複数の設定に基づき、複数の診断論理が、単一の学習モデル９１上にて実行されるものとなる。

このように単一（同一）の学習モデル９１に対し、異なる複数の設定（設定１から３）を時系列で切替え可能とすることにより、当該異なる複数の設定夫々により実行される複数の診断論理夫々に基づいた判定結果を、単一（同一）の学習モデル９１から順次に取得することができる。従って、少ないハードウェア、すなわち制御部６２の処理能力又は記憶部６３の記憶容量等のハードウェアリソースが増大することを抑制しつつ、１個のニューラルネットワーク（学習モデル９１）で複数のニューラルネットワーク（学習モデル９１）相当の働きをさせることができる。

（実施形態２）
図１０は、実施形態２（現在及び過去の内視鏡画像）に係る情報処理装置６等の制御部６２に含まれる機能部を例示する機能ブロック図である。実施形態２の情報処理装置６は、所定期間を経て撮影された同じ被検者の複数の内視鏡画像を、複数の学習モデル９１に入力する点で実施形態１と異なる。

内視鏡用プロセッサ２０（内視鏡装置１０）の制御部２１は、キーボード１５又はタッチパネル２５から入力された被検者ＩＤを、実施形態１と同様に内視鏡画像と共に情報処理装置６に出力する。

取得部６２１は、内視鏡用プロセッサ２０が出力した被検者ＩＤ及び内視鏡画像を取得する。取得部６２１は、取得した被検者ＩＤを検索条件（抽出条件）として、検査結果ＤＢ６３１から、当該被検者ＩＤによる過去の内視鏡画像を検索（抽出）し、取得する。取得部６２１は、内視鏡用プロセッサ２０から取得した内視鏡画像（現在の内視鏡画像）と、検査結果ＤＢ６３１から取得した当該現在の内視鏡画像の被検者と同じ被検者の過去の内視鏡画像とを、実施形態１と同様に複数の学習モデル９１夫々に入力する。

複数の学習モデル９１夫々は、取得部６２１から出力された同一の被検者の現在及び過去の内視鏡画像夫々を入力層に入力し、出力層から出力される現在及び過去の内視鏡画像夫々に含まれる病変の有無等に関する診断支援情報夫々を、出力部６２２に出力する。

出力部６２２は、複数の学習モデル９１夫々から出力された現在及び過去の内視鏡画像夫々に対する診断支援情報夫々を取得すると共に、実施形態１と同様に学習モデル９１夫々に関する変更点等の管理情報を取得する。

出力部６２２は、現在及び過去の内視鏡画像夫々に対し、実施形態１と同様に診断支援情報と、当該診断支援情報を出力した学習モデル９１とを関連付け、更に学習モデル９１夫々における管理情報を付随させて、診断支援情報の表示画面を構成するための画面データを生成する。出力部６２２は、実施形態１と同様に当該画面データを表示部７に出力する。

図１１は、表示部に出力される画面（結果表示画面）の一例を示す説明図である。情報処理装置６は、出力部６２２から出力された診断支援情報の表示画面を構成するための画面データにより、診断支援情報の表示画面を表示部７にて表示する。診断支援情報の表示画面は、実施形態１と同様に学習モデル９１夫々に関する情報（管理情報）を表示する領域と、入力された内視鏡画像及び、当該内視鏡画像に基づく診断支援情報を表示する領域とを含む。

内視鏡画像の領域は、現在及び過去の内視鏡画像夫々の個数に応じて、例えば複数列により構成されるものであってもよい。内視鏡画像の領域には、内視鏡画像を表示する表示フィールドに加え、当該内視鏡画像を撮影した日時を表示する表示フィールドが列挙して配置されている。このように現在及び過去の内視鏡画像夫々と、当該内視鏡画像を撮影した日時とを表示すると共に、各内視鏡画像に対する複数の学習モデル９１夫々から出力された診断支援情報夫々をマトリックス形態にて表示することにより、医師等に効率的に診断支援情報を提供することができる。

過去の内視鏡画像を用いて最新の学習モデル９１が出力する診断支援情報を取得すると共に、現時点の内視鏡画像を用いて過去の学習モデル９１が出力する診断支援情報を取得することができ、所定期間を経て撮像された複数の内視鏡画像と、適用時期に応じて時系列に変化する複数の学習モデル９１により、いわいるクロスサーチを行うことができる。当該クロスサーチにより、時系列にて異なる内視鏡画像夫々及び学習モデル９１夫々を用いた複数の診断支援情報を、医師等に効率的に提供することができる。

図１２は、情報処理装置６の制御部６２による処理手順の一例を示すフローチャートである。情報処理装置６は、例えば、自装置に接続されている入力部８からの入力内容に基づき、当該フローチャートの処理を開始する。

内視鏡プロセッサの制御部６２は、被検者ＩＤを取得する（Ｓ２０１）。制御部６２は、内視鏡プロセッサから出力された被検者ＩＤを取得する。

内視鏡プロセッサの制御部６２は、内視鏡画像（現在の内視鏡画像に相当）を取得する（Ｓ２０２）。制御部６２は、実施形態１と同様に内視鏡プロセッサから出力された内視鏡画像（現在の内視鏡画像に相当）を取得する。制御部６２は、取得した被検者ＩＤ及び現在の内視鏡画像を関連付けて、結果結果ＤＢに登録するものであってもよい。

内視鏡プロセッサの制御部６２は、過去の内視鏡画像を取得する（Ｓ２０３）。制御部６２は、取得した被検者ＩＤに基づいて、検査結果ＤＢ６３１から当該被検者ＩＤの過去の内視鏡画像を取得する。

内視鏡プロセッサの制御部６２は、現在及び過去の内視鏡画像を複数の学習モデル９１に入力する（Ｓ２０４）。制御部６２は、取得した現在及び過去の内視鏡画像を、実施形態１と同様に複数の学習モデル９１夫々に入力する。

内視鏡プロセッサの制御部６２は、診断支援情報を取得する（Ｓ２０５）。制御部６２は、複数の学習モデル９１夫々から出力された現在及び過去の内視鏡画像による診断支援情報夫々を取得する。

内視鏡プロセッサの制御部６２は、診断支援情報と学習モデル９１夫々に関する情報とを関連付けて出力する（Ｓ２０６）。制御部６２は、実施形態１と同様に学習モデル管理ＤＢ６３０から取得した学習モデル９１夫々の管理情報と、学習モデル９１夫々が出力した現在及び過去の内視鏡画像に対する診断支援情報夫々とを関連付けて、例えばマトリックス形式の表示画面となる画面データを表示部７に出力する。

本実施形態によれば、内視鏡画像は、所定期間を経て撮影された同一の被検者の複数の内視鏡画像を含むため、これら複数の内視鏡画像に対する複数の学習モデル９１による診断支援情報を取得することができる。従って、例えば、過去に撮影された内視鏡画像を、複数の学習モデル９１に含まれる最新の学習モデルに入力することが可能となり、医師等に更に適切な診断支援情報を提供することができる。

（実施形態３）
図１３は、実施形態３（学習モデル９１の選択）に係る情報処理装置６等の制御部６２に含まれる機能部を例示する機能ブロック図である。実施形態３の情報処理装置６は、診断支援情報を取得するために用いる学習モデル９１を選択する操作を受付ける点で実施形態１と異なる。

情報処理装置６の制御部６２は、記憶部６３に記憶されているプログラムＰを実行することにより、実施形態１と同様に取得部６２１、出力部６２２として機能し、更に選択受付部６２３として機能する。

選択受付部６２３は、記憶部６３に記憶されている学習モデル管理ＤＢ６３０を参照し、学習モデル９１夫々のバージョン番号等の管理情報を取得する。選択受付部６２３は、取得した学習モデル９１夫々の管理情報に基づき、使用する学習モデル９１の選択を受付けるための選択画面（使用する学習モデル９１の選択画面）を構成する画面データを生成し、表示部７に出力する。選択受付部６２３は、当該選択画面上にて、医師等による学習モデル９１の選択を受付け、例えば、選択された学習モデル９１を区別化するためのフラグ情報（要否フラグ）を生成し、診断支援システムＳにて適用されている複数の学習モデル９１において、選択された学習モデル９１のみを有効とするように設定する。

取得部６２１は、実施形態１と同様に内視鏡用プロセッサ２０が出力した内視鏡画像を取得し、取得した内視鏡画像を選択された学習モデル９１夫々に出力する。実施形態１と同様に選択された学習モデル９１夫々は、内視鏡画像を取得し、診断支援情報を出力する。又は、取得部６２１は、内視鏡画像を複数の学習モデル９１の全てに出力するものとし、選択受付部６２３による設定に基づき、選択された学習モデル９１（有効な学習モデル９１）のみが、当該内視鏡画像を取得して、診断支援情報を出力するものであってもよい。

出力部６２２は、実施形態１と同様に、選択された学習モデル９１夫々から出力された診断支援情報を取得すると共に、学習モデル管理ＤＢ６３０から選択された学習モデル９１夫々の管理情報を取得し、診断支援情報の表示画面を構成するための画面データを生成し、表示部７に出力する。

図１４は、表示部に出力される画面（学習モデル９１の選択画面）の一例を示す説明図である。情報処理装置６は、選択受付部６２３から出力された使用する学習モデル９１の選択画面を構成するための画面データにより、使用する学習モデル９１の選択画面を表示部７にて表示する。

使用する学習モデル９１の選択画面は、学習モデル名を示す表示フィールド、バージョンを示す表示フィールド、適用日を示す表示フィールド、変更点を示す表示フィールド、累計使用回数を示す表示フィールド及び、学習モデル９１を使用するか否かの選択操作の入力を受付ける入力フィールドが配置されている。

これら表示フィールド夫々は、内視鏡画像が入力された学習モデル９１の個数に応じて生成され、本実施形態では、一例として５つの学習モデル９１を用いて、当該表示フィールド夫々を列挙して、使用する学習モデル９１の選択画面を構成している。これら表示フィールド夫々にて表示されている内容は、学習モデル管理ＤＢ６３０に登録されている学習モデル９１夫々の管理情報である。

表示フィールド夫々にて表示されている内容に基づき、医師等は、使用を希望する学習モデル９１夫々の沿革を把握することができ、更に累計使用回数を参照することにより、学習モデル９１夫々の使用実績又は人気度を把握することができる。従って、診断の種類又は被検者に応じた適切な学習モデル９１を選択するための情報を、医師等に対し効率的に提供することができる。

選択操作の入力フィールドは、例えばトルグスイッチ、ラジオボタン又はプルダウン等を用いた選択操作の入力を受付ける操作入力部を含み、当該入力部の入力内容に応じて、使用される学習モデル９１が選択（特定）される。本実施形態では、一例としてトルグスイッチにより操作入力部が構成され、複数の学習モデル９１において、３つの学習モデル９１（ＮＮ－２，ＮＮ－３，ＮＮ－５）が選択されている。

医師等により、使用する学習モデル９１の選択画面にて入力された内容（複数の学習モデル９１の選択）は、選択受付部６２３によって受付けられて、上述のとおり、選択された学習モデル９１が有効となるように設定される。

診断支援システムＳにて適用されている複数の学習モデル９１を使用するあたり、学習モデル９１夫々の適用日、変更点等の沿革に関する情報及び、累計使用回数を医師等に提供することにより、医師等による学習モデル９１の選択を支援することができる。選択された学習モデル９１が出力した診断支援情報を表示することにより、医師等に対し当該診断支援情報を効率的に提供することができる。

図１５は、情報処理装置６の制御部６２による処理手順の一例を示すフローチャートである。情報処理装置６は、例えば、自装置に接続されている入力部８からの入力内容に基づき、当該フローチャートの処理を開始する。

内視鏡プロセッサの制御部６２は、学習モデル９１に関する情報を取得する（Ｓ３０１）。制御部６２は、学習モデル管理ＤＢ６３０をから学習モデル９１夫々のバージョン番号等の管理情報を取得する。

内視鏡プロセッサの制御部６２は、学習モデル９１の選択画面を表示する（Ｓ３０２）。制御部６２は、取得した学習モデル９１夫々の管理情報に基づき、使用する学習モデル９１の選択画面を構成する画面データを生成し、表示部７にて当該選択画面を表示する。

内視鏡プロセッサの制御部６２は、学習モデル９１の選択を受付ける（Ｓ３０３）。制御部６２は、使用する学習モデル９１の選択画面にて入力された内容に基づき、学習モデル９１の選択を受付ける。

内視鏡プロセッサの制御部６２は、内視鏡画像を取得する（Ｓ３０４）。制御部６２は、実施形態１と同様に内視鏡画像を取得する。制御部６２は、実施形態２と同様に現在及び過去の内視鏡画像夫々を取得するものであってもよい。

内視鏡プロセッサの制御部６２は、内視鏡画像を複数の学習モデル９１の内の選択された学習モデル９１に入力する（Ｓ３０５）。制御部６２は、取得した内視鏡画像を、複数の学習モデル９１の内の選択された学習モデル９１に入力する。

内視鏡プロセッサの制御部６２は、診断支援情報を取得する（Ｓ３０６）。制御部６２は、選択された学習モデル９１が出力した診断支援情報を取得する。

内視鏡プロセッサの制御部６２は、診断支援情報と選択された学習モデル９１夫々に関する情報とを関連付けて出力する（Ｓ３０７）。制御部６２は、実施形態１と同様に、診断支援情報と選択された学習モデル９１夫々に関する情報とを関連付けて、例えば一覧形式の表示画面となるが画面データを表示部７に出力する。制御部６２は、実施形態２と同様に現在及び過去の内視鏡画像を取得した場合、選択された学習モデル９１夫々が出力した現在及び過去の内視鏡画像に対する診断支援情報夫々とを関連付けて、例えばマトリックス形式の表示画面となるが画面データを表示部７に出力する。

本実施形態によれば、複数の学習モデル９１の内のいずれかの学習モデル９１を選択する操作を受付けるため、医師等が、診断支援情報を取得するために用いることを要する単一又は複数の学習モデル９１を選択することができる。選択された学習モデル９１から出力された診断支援情報と、選択された学習モデル９１に関する情報とを関連付けて出力するため、医師等の選択に基づいた学習モデル９１によって出力された診断支援情報を、当該医師等に効率的に提供することができる。

本実施形態によれば、複数の学習モデル９１の内のいずれかの学習モデル９１を選択する操作を受付けるにあたり、複数の学習モデル９１夫々の累計使用回数に関する情報を表示する。従って、学習モデル９１を選択する医師等に対し、当該学習モデル９１夫々の累計使用回数に関する情報を提供し、どの学習モデル９１を用いるかの判断を支援するための情報を医師等に効率的に提供することができる。

今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。各実施例にて記載されている技術的特徴は互いに組み合わせることができ、本発明の範囲は、特許請求の範囲内での全ての変更及び特許請求の範囲と均等の範囲が含まれることが意図される。

Ｓ 診断支援システム
１０ 内視鏡装置
１５ キーボード
１６ 収容棚
２０ 内視鏡用プロセッサ
２１ 制御部
２１１ 画像処理部
２２ 主記憶装置
２３ 補助記憶装置
２４ 通信部
２５ タッチパネル
２６ 表示装置Ｉ／Ｆ
２７ 入力装置Ｉ／Ｆ
２８ 読取部
３１ 内視鏡用コネクタ
３１１電気コネクタ
３１２光コネクタ
３３ 光源
３４ ポンプ
３５ 送水タンク
３６ 送気送水口金
４０ 内視鏡
４３ 操作部
４３１制御ボタン
４３３湾曲ノブ
４４ 挿入部
４４１軟性部
４４２湾曲部
４４３先端部
４５ 折止部
４８ スコープコネクタ
４９ ユニバーサルコード
５０ 表示装置
６ 情報処理装置
６１ 通信部
６２ 制御部
６２１ 取得部
６２２ 出力部
６２３ 選択受付部
６３ 記憶部
６３０ 学習モデル管理ＤＢ
６３１ 検査結果ＤＢ
６３２ 記録媒体
Ｐ プログラム
６４ 入出力Ｉ／Ｆ
７ 表示部
８ 入力部
９１ 学習モデル

Claims (9)

1. コンピュータに、
   内視鏡によって撮影された内視鏡画像を取得し、
   前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力し、
   前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力し、
   前記内視鏡画像は、前記内視鏡により所定期間を経て撮影した複数の内視鏡画像を含み、
   前記複数の内視鏡画像夫々を、前記複数の学習モデル夫々に入力し、
   前記複数の学習モデル夫々から出力された前記複数の内視鏡画像毎の複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の内視鏡画像の撮影時点に関する情報とを関連付けて出力する
   処理を実行させるプログラム。
2. コンピュータに、
   内視鏡によって撮影された内視鏡画像を取得し、
   前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された学習モデルに、取得した前記内視鏡画像を入力し、
   前記学習モデル上で複数の診断論理を実行させて、出力された複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、複数の学習モデル夫々に関する情報とする前記学習モデル上で実行した複数の診断論理夫々に関する情報とを関連付けて出力し、
   前記内視鏡画像は、前記内視鏡により所定期間を経て撮影した複数の内視鏡画像を含み、
   前記複数の内視鏡画像夫々を、前記複数の学習モデル夫々に入力し、
   前記複数の学習モデル夫々から出力された前記複数の内視鏡画像毎の複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の内視鏡画像の撮影時点に関する情報とを関連付けて出力する
   処理を実行させるプログラム。
3. 前記複数の学習モデル夫々に関する情報は、前記複数の学習モデル同士における差異に関する情報を含む
   請求項１又は請求項２に記載のプログラム。
4. 前記複数の学習モデルの内の少なくとも２つの学習モデルは、同じ層構成のニューラルネットワークから成り、
   前記２つの学習モデルを学習するための夫々の訓練データは、異なるものである
   請求項１から請求項３のいずれか１項に記載のプログラム。
5. 前記複数の学習モデルの内のいずれかの学習モデルを選択する操作を受付け、
   前記選択された学習モデルから出力された診断支援情報を取得し、
   取得した前記診断支援情報と、前記選択された学習モデルに関する情報とを関連付けて出力する
   請求項１から請求項４のいずれか１項に記載のプログラム。
6. 前記複数の学習モデルの内のいずれかの学習モデルを選択する操作を受付けるにあたり、
   前記複数の学習モデル夫々の累計使用回数に関する情報を表示する
   請求項５に記載のプログラム。
7. 前記複数の学習モデル夫々から出力される前記内視鏡画像に含まれる病変に関する診断支援情報は、前記内視鏡画像に含まれる病変の有無、病変の症状の種類、病変の症状のステージ及び、病変の位置の少なくとも１つを含む同種の情報である
   請求項１から請求項６のいずれか１項に記載のプログラム。
8. 内視鏡によって撮影された内視鏡画像を取得し、
   前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力し、
   前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力し、
   前記内視鏡画像は、前記内視鏡により所定期間を経て撮影した複数の内視鏡画像を含み、
   前記複数の内視鏡画像夫々を、前記複数の学習モデル夫々に入力し、
   前記複数の学習モデル夫々から出力された前記複数の内視鏡画像毎の複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の内視鏡画像の撮影時点に関する情報とを関連付けて出力する
   処理をコンピュータに実行させる情報処理方法。
9. 内視鏡によって撮影された内視鏡画像を取得する取得部と、
   前記内視鏡画像に含まれる病変に関する診断支援情報を出力するように学習された複数の学習モデルに、取得した前記内視鏡画像を入力する入力部と、
   前記複数の学習モデル夫々から出力された複数の診断支援情報を取得し、取得した前記複数の診断支援情報と、前記複数の学習モデル夫々に関する情報とを関連付けて出力する出力部とを備え、
   前記内視鏡画像は、前記内視鏡により所定期間を経て撮影した複数の内視鏡画像を含み、
   前記複数の内視鏡画像夫々を、前記複数の学習モデル夫々に入力し、
   前記複数の学習モデル夫々から出力された前記複数の内視鏡画像毎の複数の診断支援情報を取得し、
   取得した前記複数の診断支援情報と、前記複数の内視鏡画像の撮影時点に関する情報とを関連付けて出力する
   情報処理装置。

Images