JP7219953B2 - 学習装置、推定装置、学習方法、推定方法、およびプログラム - Google Patents
学習装置、推定装置、学習方法、推定方法、およびプログラム Download PDFInfo
- Publication number
- JP7219953B2 JP7219953B2 JP2018196026A JP2018196026A JP7219953B2 JP 7219953 B2 JP7219953 B2 JP 7219953B2 JP 2018196026 A JP2018196026 A JP 2018196026A JP 2018196026 A JP2018196026 A JP 2018196026A JP 7219953 B2 JP7219953 B2 JP 7219953B2
- Authority
- JP
- Japan
- Prior art keywords
- bile duct
- duodenal
- papilla
- phata
- image
- 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
Landscapes
- Endoscopes (AREA)
- Image Analysis (AREA)
- Surgical Instruments (AREA)
Description
本発明は、学習装置、推定装置、学習方法、推定方法、およびプログラムに関する。
内視鏡的逆行性胆道膵管造影(ERCP :endoscopic retrograde cholangiopancreatography)とは、特殊な内視鏡を口から挿入して十二指腸まで進めて胆管・膵管の出口(乳頭)から細いチューブを挿入して造影剤を注入し検査をしたり、結石を除去したり、ステントを挿入したりする検査・治療である。
ＥＲＣＰ関連手技は、胆管にカテーテルを挿入するカニュレーションから始まる。カニュレーションで躓くことは、手技時間の延長と偶発症の発生とに繋がるため、カニュレーションは、最も注意を払わなくてはならないファーストステップと言える。
通常の胆管カニュレーションは造影法、ワイヤーガイド法などの基本的な方法で行うが、時に胆管カニュレーションが困難な例に遭遇する場合がある。胆管カニュレーションが困難な例には基本的な方法(基本法)に引き続き、より難易度の高い膵管ガイドワイヤー法、プレカット法などのレスキュー的な方法(レスキュー法)を用いる。
ＥＲＣＰ関連手技は、胆管にカテーテルを挿入するカニュレーションから始まる。カニュレーションで躓くことは、手技時間の延長と偶発症の発生とに繋がるため、カニュレーションは、最も注意を払わなくてはならないファーストステップと言える。
通常の胆管カニュレーションは造影法、ワイヤーガイド法などの基本的な方法で行うが、時に胆管カニュレーションが困難な例に遭遇する場合がある。胆管カニュレーションが困難な例には基本的な方法(基本法)に引き続き、より難易度の高い膵管ガイドワイヤー法、プレカット法などのレスキュー的な方法(レスキュー法)を用いる。
一般的にカニュレーションが困難な例に対するレスキュー法は、基本法よりもＥＲＣＰ後膵炎といった偶発症を起こしやすいとされている。その理由として、以下の（１）と（２）とが原因として考えられている。
（１）レスキュー法の手技そのものが偶発症を引き起こす。
（２）カニュレーションが困難でレスキュー法に至る場合には、すでに基本法をある程度の時間行っているため、総手技時間が長くなり、偶発症を引き起こす。
カニュレーションが困難であるか否かが予想できれば、基本法を短時間であきらめて、早期にレスキュー法を行うことで、偶発症の発生を予防できるとの報告もある。
胆管カニュレーションが困難となる要因として、胆管開口部の十二指腸ファータ乳頭の形状と、内視鏡画面における十二指腸ファータ乳頭の位置、向きとが挙げられる。このため、乳頭の形状と、位置、向きとを評価することで、胆管カニュレーションが困難となるかどうかの予想が可能である。従来は、胆管カニュレーションの予測に基づいて、早期にレスキュー法を行い、手技時間が長くなることによる偶発症の発生を予防する試みを行ってきた。
対象者の状態を判定する技術に関して、対象者の精神又は身体の生理状態を判定する技術が知られている（例えば、特許文献１参照）。この技術は、検査機器の特定操作に対応する「特定操作情報」を検知し、対象者の顔面データの時系列変化を示す「顔面変化情報」を取得し、顔面変化情報を、特異値分解、主成分分析或いは独立成分分析により複数の成分１，２，３，・・・に分解し、複数の成分１，２，３，・・・から、特定操作情報と関連する成分を「判定用成分」として抽出し、判定用成分に基づいて、対象者の不快状態を判定する。
（１）レスキュー法の手技そのものが偶発症を引き起こす。
（２）カニュレーションが困難でレスキュー法に至る場合には、すでに基本法をある程度の時間行っているため、総手技時間が長くなり、偶発症を引き起こす。
カニュレーションが困難であるか否かが予想できれば、基本法を短時間であきらめて、早期にレスキュー法を行うことで、偶発症の発生を予防できるとの報告もある。
胆管カニュレーションが困難となる要因として、胆管開口部の十二指腸ファータ乳頭の形状と、内視鏡画面における十二指腸ファータ乳頭の位置、向きとが挙げられる。このため、乳頭の形状と、位置、向きとを評価することで、胆管カニュレーションが困難となるかどうかの予想が可能である。従来は、胆管カニュレーションの予測に基づいて、早期にレスキュー法を行い、手技時間が長くなることによる偶発症の発生を予防する試みを行ってきた。
対象者の状態を判定する技術に関して、対象者の精神又は身体の生理状態を判定する技術が知られている（例えば、特許文献１参照）。この技術は、検査機器の特定操作に対応する「特定操作情報」を検知し、対象者の顔面データの時系列変化を示す「顔面変化情報」を取得し、顔面変化情報を、特異値分解、主成分分析或いは独立成分分析により複数の成分１，２，３，・・・に分解し、複数の成分１，２，３，・・・から、特定操作情報と関連する成分を「判定用成分」として抽出し、判定用成分に基づいて、対象者の不快状態を判定する。
胆管開口部の十二指腸ファータ乳頭の形状と、内視鏡画面における十二指腸ファータ乳頭の位置、向きとを評価することで、胆管カニュレーションが困難なる例を予測することは、術者の経験値によるものが極めて大きく、術者間、そして術者内でも、同じ予測を行うことは難しい。
本発明は、胆管カニュレーションが困難であるか否かの予測精度を向上できる学習装置、推定装置、学習方法、推定方法、およびプログラムを提供することを目的とする。
本発明は、胆管カニュレーションが困難であるか否かの予測精度を向上できる学習装置、推定装置、学習方法、推定方法、およびプログラムを提供することを目的とする。
本発明の一態様は、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得する取得部と、前記取得部が取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習する学習部と、前記学習部が機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶する記憶部とを備える、学習装置である。
また、本発明の一態様の学習装置において、複数の胆管の十二指腸ファータ乳頭の画像の各々は、前記十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる。
また、本発明の一態様の学習装置において、複数の胆管の十二指腸ファータ乳頭の画像の各々は、前記胆管の開口部の形状が異なる。
また、本発明の一態様の学習装置において、前記取得部は、胆管の十二指腸ファータ乳頭の前記画像と、前記カニュレーション方法を示す情報とに関連付けて、さらに前記画像が得られてから前記胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間を関連付けた情報を取得し、前記学習部は、胆管の十二指腸ファータ乳頭の前記画像に基づいて、前記カニュレーション方法を示す情報と、前記カニュレーション時間とを教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法と、カニュレーション時間情報との関連付けを機械学習する。
また、本発明の一態様は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する取得部と、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得部が取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定する推定部とを備える、推定装置である。
本発明の一態様は、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得するステップと、前記複数取得するステップで取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習するステップと、前記機械学習するステップで機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶するステップとを有する、学習装置が実行する学習方法である。
本発明の一態様は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得するステップと、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得するステップで取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定するステップとを有する、推定装置が実行する推定方法である。
本発明の一態様は、学習装置のコンピュータに、取得部が、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得するステップと、学習部が、複数取得するステップで取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習するステップと、記憶部が、前記機械学習するステップで機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶するステップとを実行させるプログラムである。
本発明の一態様は、推定装置のコンピュータに、取得部が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得するステップと、推定部が、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得するステップで取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定するステップとを実行させるプログラムである。
本発明によれば、胆管カニュレーションが困難であるか否かの予測精度を向上できる学習装置、推定装置、学習方法、推定方法、およびプログラムを提供できる。
以下、実施形態の学習装置、推定装置、学習方法、推定方法、およびプログラムを、図面を参照して説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
（実施形態）
（学習装置）
実施形態に係る学習装置について説明する。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像を示す情報と、胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得する。
胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行う直前に、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる正面視の映像であるのがより好ましい。
複数の胆管の十二指腸ファータ乳頭の画像の各々は、十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる。また、複数の胆管の十二指腸ファータ乳頭の画像の各々は、胆管の開口部の形状が異なる。胆管の開口部の形状は、一例として、分離型と、隔壁型と、共通管型とに分けられ、さらに分離型は、別開口型と、タマネギ型とに分けられる。
（学習装置）
実施形態に係る学習装置について説明する。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像を示す情報と、胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得する。
胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行う直前に、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる正面視の映像であるのがより好ましい。
複数の胆管の十二指腸ファータ乳頭の画像の各々は、十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる。また、複数の胆管の十二指腸ファータ乳頭の画像の各々は、胆管の開口部の形状が異なる。胆管の開口部の形状は、一例として、分離型と、隔壁型と、共通管型とに分けられ、さらに分離型は、別開口型と、タマネギ型とに分けられる。
カニュレーション方法は、得られた胆管の十二指腸ファータ乳頭の画像に基づいて、胆管にカテーテルを挿入した方法である。具体的には、カニュレーション方法には、造影法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とが含まれる。
造影法は、造影用カテーテルを用いた挿管手技である。造影用カテーテルを用いた挿管手技は、内視鏡で観察する十二指腸乳頭部の位置によって、近接法、遠影（見上げ）法、その中間に位置する中間法の三つに分類される。カテーテル操作よりも内視鏡操作を主体とした中間法～近接法による選択的胆管挿管が試みられることが多い。
ワイヤーガイド法は、造影剤の試験注入を行う代わりにガイドワイヤーを先細型カテーテルにみたてた上で、選択的に胆管挿管を試みる方法である。
膵管ガイドワイヤー法は、膵管や膵管口、胆管口をガイドワイヤーにより直線化する。ガイドワイヤーにより膵管口を下方に押し下げる。これは、特に乳頭の可動性が強い症例や乳頭の正面視が困難な症例、胆管狭窄部が長く屈曲している症例で使用されることが多い。
プレカット法は、種々の理由により胆管挿管が困難な症例に対し、直接、十二指腸乳頭部の粘膜を切開し胆管口を開放し深部挿管を行う方法である。プレカットには、ニードル（針状）ナイフを用いる方法と通常のスフィンクテロトームを用いる方法がある。
実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報を教師データとして機械学習し、機械学習することによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量と、カニュレーション方法を示す情報とを関連付ける。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像の特徴量とカニュレーション方法を示す情報とを関連付けて記憶する。
造影法は、造影用カテーテルを用いた挿管手技である。造影用カテーテルを用いた挿管手技は、内視鏡で観察する十二指腸乳頭部の位置によって、近接法、遠影（見上げ）法、その中間に位置する中間法の三つに分類される。カテーテル操作よりも内視鏡操作を主体とした中間法～近接法による選択的胆管挿管が試みられることが多い。
ワイヤーガイド法は、造影剤の試験注入を行う代わりにガイドワイヤーを先細型カテーテルにみたてた上で、選択的に胆管挿管を試みる方法である。
膵管ガイドワイヤー法は、膵管や膵管口、胆管口をガイドワイヤーにより直線化する。ガイドワイヤーにより膵管口を下方に押し下げる。これは、特に乳頭の可動性が強い症例や乳頭の正面視が困難な症例、胆管狭窄部が長く屈曲している症例で使用されることが多い。
プレカット法は、種々の理由により胆管挿管が困難な症例に対し、直接、十二指腸乳頭部の粘膜を切開し胆管口を開放し深部挿管を行う方法である。プレカットには、ニードル（針状）ナイフを用いる方法と通常のスフィンクテロトームを用いる方法がある。
実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報を教師データとして機械学習し、機械学習することによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量と、カニュレーション方法を示す情報とを関連付ける。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像の特徴量とカニュレーション方法を示す情報とを関連付けて記憶する。
図１は、胆管の十二指腸ファータ乳頭の画像の一例を示す図である。図１は、胆管の十二指腸ファータ乳頭の正面視を示す。胆管の十二指腸ファータ乳頭の正面視には、胆管が見られる。
ここで、ＥＲＣＰ関連手技のファーストステップについて説明する。
ファーストステップでは、胆管にカテーテルが挿入される。ファーストステップでは、内視鏡の側面にカメラを備える側視鏡が使用される。
最初に、内視鏡の操作部を操作することによって、胆管の十二指腸ファータ乳頭を正面視する。つまり、カテーテルを胆管方向に向ける。ここでは、内視鏡を上下させたり、左右アングルを調整したり、起立鉗子が調整される。
次に、胆管の方向を予想してカテーテルを進める。造影剤を注入し、胆管の造影を行う。胆管の造影を行った後に、ガイドワイヤーを挿入する。
ここで、ＥＲＣＰ関連手技のファーストステップについて説明する。
ファーストステップでは、胆管にカテーテルが挿入される。ファーストステップでは、内視鏡の側面にカメラを備える側視鏡が使用される。
最初に、内視鏡の操作部を操作することによって、胆管の十二指腸ファータ乳頭を正面視する。つまり、カテーテルを胆管方向に向ける。ここでは、内視鏡を上下させたり、左右アングルを調整したり、起立鉗子が調整される。
次に、胆管の方向を予想してカテーテルを進める。造影剤を注入し、胆管の造影を行う。胆管の造影を行った後に、ガイドワイヤーを挿入する。
（学習装置のハードウェア構成）
図２は、本発明の実施形態に係る学習装置のハードウェア構成の一例を示す図である。学習装置１００について説明する。
（学習装置のハードウェア構成）
学習装置１００は、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８と、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８に格納されるプログラム１０８２とアプリ１０８４とを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００の各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８には、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４と、画像情報１０８６と、カニュレーション方法情報１０８７と、カニュレーション方法推定テーブル１０８８とが格納される。
アプリ１０８４は、学習装置１００に、胆管の十二指腸ファータ乳頭の画像と、胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得させる。
アプリ１０８４は、学習装置１００に、取得させた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習させる。
アプリ１０８４は、機械学習した結果とカニュレーション方法を示す情報とを関連付けて記憶させる。
画像情報１０８６は、胆管の十二指腸ファータ乳頭の画像の画像を複数記憶する。
カニュレーション方法情報１０８７は、画像情報１０８６に含まれる胆管の十二指腸ファータ乳頭の複数の画像の各々と関連付けて、造影法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とのいずれかを記憶する。
図２は、本発明の実施形態に係る学習装置のハードウェア構成の一例を示す図である。学習装置１００について説明する。
（学習装置のハードウェア構成）
学習装置１００は、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８と、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８に格納されるプログラム１０８２とアプリ１０８４とを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００の各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８には、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４と、画像情報１０８６と、カニュレーション方法情報１０８７と、カニュレーション方法推定テーブル１０８８とが格納される。
アプリ１０８４は、学習装置１００に、胆管の十二指腸ファータ乳頭の画像と、胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得させる。
アプリ１０８４は、学習装置１００に、取得させた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習させる。
アプリ１０８４は、機械学習した結果とカニュレーション方法を示す情報とを関連付けて記憶させる。
画像情報１０８６は、胆管の十二指腸ファータ乳頭の画像の画像を複数記憶する。
カニュレーション方法情報１０８７は、画像情報１０８６に含まれる胆管の十二指腸ファータ乳頭の複数の画像の各々と関連付けて、造影法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とのいずれかを記憶する。
（カニュレーション方法推定テーブル）
図３は、カニュレーション方法推定テーブルの一例を示す図である。カニュレーション方法推定テーブル１０８８は、胆管の十二指腸ファータ乳頭の画像の特徴量を示す情報と、カニュレーション方法を示す情報とを関連付けたテーブル形式のデータである。胆管の十二指腸ファータ乳頭の画像の特徴量は、カニュレーション方法毎に、分類された胆管の十二指腸ファータ乳頭の複数の画像をディープラーニングなどの機械学習することによって得られる。
図３に示される例では、胆管の十二指腸ファータ乳頭の画像の特徴量「ＡＡＡ」とカニュレーション方法「造影法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＢＢＢ」とカニュレーション方法「ワイヤーガイド法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＣＣＣ」とカニュレーション方法「膵管ガイドワイヤー法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＤＤＤ」とカニュレーション方法「プレカット法」とが関連付けられている。
図３は、カニュレーション方法推定テーブルの一例を示す図である。カニュレーション方法推定テーブル１０８８は、胆管の十二指腸ファータ乳頭の画像の特徴量を示す情報と、カニュレーション方法を示す情報とを関連付けたテーブル形式のデータである。胆管の十二指腸ファータ乳頭の画像の特徴量は、カニュレーション方法毎に、分類された胆管の十二指腸ファータ乳頭の複数の画像をディープラーニングなどの機械学習することによって得られる。
図３に示される例では、胆管の十二指腸ファータ乳頭の画像の特徴量「ＡＡＡ」とカニュレーション方法「造影法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＢＢＢ」とカニュレーション方法「ワイヤーガイド法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＣＣＣ」とカニュレーション方法「膵管ガイドワイヤー法」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＤＤＤ」とカニュレーション方法「プレカット法」とが関連付けられている。
通信部１０６は、ネットワーク５０に接続された端末装置１０などの外部装置と通信して、データの送受信を行う。具体的には、通信部１０６は、有線で、ネットワーク５０と接続される。また、通信部１０６は、ＬＴＥ等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。内部バス１５０は、ＣＰＵ１０２、メモリ１０４、不揮発性メモリ１０８、通信部１０６を互いに接続する。内部バス１５０に接続される各部は、内部バス１５０を介して互いにデータのやり取りを行うことができるようにされている。
（学習装置の機能構成）
図４は、本発明の実施形態に係る学習装置の機能ブロック図である。
学習装置１００は、不揮発性メモリ１０８からメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４とをＣＰＵ１０２が実行することによって、受付部１５２と、取得部１５４と、学習部１５６と、出力部１５８として機能する。
図４は、本発明の実施形態に係る学習装置の機能ブロック図である。
学習装置１００は、不揮発性メモリ１０８からメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４とをＣＰＵ１０２が実行することによって、受付部１５２と、取得部１５４と、学習部１５６と、出力部１５８として機能する。
（学習装置の各機能構成）
図２及び図４を用いて、学習装置１００の各機能構成について詳細に説明する。なお、以下では、学習装置１００の各機能を説明するにあたって、図４に示されている学習装置１００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２は、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２は、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受け付ける。例えば、端末装置１０は、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を送信する。
学習装置１００の通信部１０６は、端末装置１０が送信した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受信し、受信した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２として機能することによって、通信部１０６が出力した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受け付ける。受付部１５２は、受け付けた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報に含まれる胆管の十二指腸ファータ乳頭の画像を示す情報を、不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を、不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶する。
図２及び図４を用いて、学習装置１００の各機能構成について詳細に説明する。なお、以下では、学習装置１００の各機能を説明するにあたって、図４に示されている学習装置１００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２は、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２は、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受け付ける。例えば、端末装置１０は、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を送信する。
学習装置１００の通信部１０６は、端末装置１０が送信した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受信し、受信した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２として機能することによって、通信部１０６が出力した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報を受け付ける。受付部１５２は、受け付けた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた情報に含まれる胆管の十二指腸ファータ乳頭の画像を示す情報を、不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を、不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶する。
取得部１５４は、不揮発性メモリ１０８の画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を取得し、取得した胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６に出力する。また、取得部１５４は、不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を取得し、取得したカニュレーション方法を示す情報を、学習部１５６に出力する。ここで、取得部１５４が取得した胆管の十二指腸ファータ乳頭の画像を示す情報と、カニュレーション方法を示す情報とは関連付けられている。
学習部１５６は、ＣＰＵ１０２からの命令によって実現される。学習部１５６は、取得部１５４が出力した不揮発性メモリ１０８の画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、不揮発性メモリ１０８のカニュレーション方法情報に記憶されているカニュレーション方法を示す情報を複数取得する。ここで、取得した胆管の十二指腸ファータ乳頭の画像の各々と、カニュレーション方法を示す情報の各々とは関連付けられている。
学習部１５６は、取得した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習する。学習部１５６は、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを、出力部１５８へ出力する。
学習部１５６は、ＣＰＵ１０２からの命令によって実現される。学習部１５６は、取得部１５４が出力した不揮発性メモリ１０８の画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、不揮発性メモリ１０８のカニュレーション方法情報に記憶されているカニュレーション方法を示す情報を複数取得する。ここで、取得した胆管の十二指腸ファータ乳頭の画像の各々と、カニュレーション方法を示す情報の各々とは関連付けられている。
学習部１５６は、取得した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習する。学習部１５６は、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを、出力部１５８へ出力する。
出力部１５８は、ＣＰＵ１０２からの命令によって実現される。出力部１５８は、学習部１５６が出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを関連付けて、不揮発性メモリ１０８のカニュレーション方法推定テーブル１０８８へ記憶する。
(学習装置の動作)
図５は、本発明の実施形態に係る学習装置の動作の一例を示すフローチャートである。
図５では、学習装置１００の胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶した後の動作について説明する。つまり、不揮発性メモリ１０８の画像情報１０８６には胆管の十二指腸ファータ乳頭の画像情報が蓄積され、不揮発性メモリ１０８のカニュレーション方法情報１０８７にはカニュレーション方法を示す情報が蓄積されている。
（ステップＳ１）
学習装置１００において、取得部１５４は、不揮発性メモリ１０８の画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６に出力する。
（ステップＳ２）
学習装置１００において、取得部１５４は、不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を複数取得し、取得した複数のカニュレーション方法を示す情報を、学習部１５６に出力する。
（ステップＳ３）
学習装置１００において、学習部１５６は、取得部１５４が出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とを関連付けて取得する。学習部１５６は、取得した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習する。学習部１５６は、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを、出力部１５８へ出力する。
図５は、本発明の実施形態に係る学習装置の動作の一例を示すフローチャートである。
図５では、学習装置１００の胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶した後の動作について説明する。つまり、不揮発性メモリ１０８の画像情報１０８６には胆管の十二指腸ファータ乳頭の画像情報が蓄積され、不揮発性メモリ１０８のカニュレーション方法情報１０８７にはカニュレーション方法を示す情報が蓄積されている。
（ステップＳ１）
学習装置１００において、取得部１５４は、不揮発性メモリ１０８の画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６に出力する。
（ステップＳ２）
学習装置１００において、取得部１５４は、不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を複数取得し、取得した複数のカニュレーション方法を示す情報を、学習部１５６に出力する。
（ステップＳ３）
学習装置１００において、学習部１５６は、取得部１５４が出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とを関連付けて取得する。学習部１５６は、取得した胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報を教師データとして、機械学習する。学習部１５６は、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを、出力部１５８へ出力する。
（ステップＳ４）
学習装置１００において、出力部１５８は、学習部１５６が出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを関連付ける。
（ステップＳ５）
学習装置１００において、出力部１５８は、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法を示す情報とを関連付けた情報を、不揮発性メモリ１０８のカニュレーション方法推定テーブル１０８８へ記憶する。
図５に示すフローチャートにおいて、ステップＳ１とステップＳ２との順序を入れ替えてもよい。
学習装置１００において、出力部１５８は、学習部１５６が出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを関連付ける。
（ステップＳ５）
学習装置１００において、出力部１５８は、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法を示す情報とを関連付けた情報を、不揮発性メモリ１０８のカニュレーション方法推定テーブル１０８８へ記憶する。
図５に示すフローチャートにおいて、ステップＳ１とステップＳ２との順序を入れ替えてもよい。
前述した実施形態では、学習装置１００が、一台の端末装置１０が送信した胆管の十二指腸ファータ乳頭の画像情報と、カニュレーション方法を示す情報とを関連付けた情報を受信する場合について説明したが、この例に限られない。例えば、学習装置１００が、複数の端末装置が送信した胆管の十二指腸ファータ乳頭の画像情報と、カニュレーション方法を示す情報とを関連付けた情報を受信してもよい。このように構成することによって、学習装置１００は、胆管の十二指腸ファータ乳頭の画像情報と、カニュレーション方法を示す情報とを関連付けた情報を多く取得できるため、機械学習の効果を高めることができる。
前述した実施形態では、学習装置１００が、胆管の十二指腸ファータ乳頭の画像を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を機械学習する場合について説明したが、この限りでない。例えば、学習装置１００が、胆管の十二指腸ファータ乳頭の動画を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の動画を機械学習してもよい。
前述した実施形態では、カニュレーション方法の例として、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とについて説明したが、この例に限られない。例えば、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とに加え、超音波内視鏡ガイド下ランデブー法などの異なる方法を含めてもよい。
前述した実施形態では、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法との各々に、胆管の十二指腸ファータ乳頭の画像の特徴量が関連付けられる場合について説明したが、この例に限られない。例えば、造形法とワイヤーガイド法とを含む基本法と、膵管ガイドワイヤー法とプレカット法とを含むレスキュー法との各々に、胆管の十二指腸ファータ乳頭の画像の特徴量が関連付けられてもよい。
前述した実施形態では、学習装置１００が、胆管の十二指腸ファータ乳頭の画像を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を機械学習する場合について説明したが、この限りでない。例えば、学習装置１００が、胆管の十二指腸ファータ乳頭の動画を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の動画を機械学習してもよい。
前述した実施形態では、カニュレーション方法の例として、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とについて説明したが、この例に限られない。例えば、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法とに加え、超音波内視鏡ガイド下ランデブー法などの異なる方法を含めてもよい。
前述した実施形態では、造形法と、ワイヤーガイド法と、膵管ガイドワイヤー法と、プレカット法との各々に、胆管の十二指腸ファータ乳頭の画像の特徴量が関連付けられる場合について説明したが、この例に限られない。例えば、造形法とワイヤーガイド法とを含む基本法と、膵管ガイドワイヤー法とプレカット法とを含むレスキュー法との各々に、胆管の十二指腸ファータ乳頭の画像の特徴量が関連付けられてもよい。
実施形態の学習装置１００によれば、学習装置１００は、胆管の十二指腸ファータ乳頭の画像と、その胆管の十二指腸ファータ乳頭の画像を使用して、その胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得する取得部１５４と、取得部１５４が複数取得した胆管の十二指腸ファータ乳頭の画像に基づいて、その画像に関連付けられているカニュレーション方法を示す情報を教師データとして、機械学習する学習部１５６と、学習部１５６が機械学習した結果とカニュレーション方法を示す情報とを関連付けて記憶する記憶部とを備える。このように複数取得した胆管の十二指腸ファータ乳頭の画像に基づいて、その画像に関連付けられているカニュレーション方法を示す情報を教師データとして、機械学習できるため、胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを関連付けることができる。胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とを関連付けた情報を使用することによって、胆管カニュレーションが困難であるか否かの予測精度を向上できる。
さらに、複数の胆管の十二指腸ファータ乳頭の画像の各々は、十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の学習の効果を高めることができる。
さらに、複数の胆管の十二指腸ファータ乳頭の画像の各々は、胆管の開口部の形状が異なる。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の学習の効果を高めることができる。
さらに、複数の胆管の十二指腸ファータ乳頭の画像の各々は、十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の学習の効果を高めることができる。
さらに、複数の胆管の十二指腸ファータ乳頭の画像の各々は、胆管の開口部の形状が異なる。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の学習の効果を高めることができる。
（変形例）
変形例に係る学習装置１００ａについて説明する。変形例に係る学習装置１００ａは、胆管の十二指腸ファータ乳頭の画像を示す情報と、カニュレーション方法を示す情報とに加え、胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間情報を複数取得する。
変形例に係る学習装置１００ａは、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして機械学習し、機械学習することによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量と、カニュレーション方法を示す情報とカニュレーション時間情報とを関連付ける。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像の特徴量とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて記憶する。
変形例に係る学習装置１００ａについて説明する。変形例に係る学習装置１００ａは、胆管の十二指腸ファータ乳頭の画像を示す情報と、カニュレーション方法を示す情報とに加え、胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間情報を複数取得する。
変形例に係る学習装置１００ａは、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして機械学習し、機械学習することによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量と、カニュレーション方法を示す情報とカニュレーション時間情報とを関連付ける。実施形態に係る学習装置は、胆管の十二指腸ファータ乳頭の画像の特徴量とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて記憶する。
（学習装置のハードウェア構成）
図６は、本発明の変形例に係る学習装置のハードウェア構成の一例を示す図である。学習装置１００ａについて説明する。
（学習装置のハードウェア構成）
学習装置１００ａは、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８ａと、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８ａに格納されるプログラム１０８２とアプリ１０８４ａとを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００ａの各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８ａには、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４ａと、画像情報１０８６と、カニュレーション方法情報１０８７と、カニュレーション方法推定テーブル１０８８ａと、カニュレーション時間情報１０８９とが格納される。
アプリ１０８４ａは、学習装置１００ａに、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けた情報を複数取得させる。
アプリ１０８４ａは、学習装置１００ａに、取得させた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、機械学習させる。
アプリ１０８４ａは、機械学習した結果とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて記憶させる。
図６は、本発明の変形例に係る学習装置のハードウェア構成の一例を示す図である。学習装置１００ａについて説明する。
（学習装置のハードウェア構成）
学習装置１００ａは、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８ａと、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８ａに格納されるプログラム１０８２とアプリ１０８４ａとを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００ａの各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８ａには、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４ａと、画像情報１０８６と、カニュレーション方法情報１０８７と、カニュレーション方法推定テーブル１０８８ａと、カニュレーション時間情報１０８９とが格納される。
アプリ１０８４ａは、学習装置１００ａに、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けた情報を複数取得させる。
アプリ１０８４ａは、学習装置１００ａに、取得させた胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、機械学習させる。
アプリ１０８４ａは、機械学習した結果とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて記憶させる。
（カニュレーション方法推定テーブル）
図７は、カニュレーション方法推定テーブルの一例を示す図である。カニュレーション方法推定テーブル１０８８ａは、胆管の十二指腸ファータ乳頭の画像の特徴量を示す情報と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けたテーブル形式のデータである。胆管の十二指腸ファータ乳頭の画像の特徴量は、カニュレーション方法とカニュレーション時間情報毎に、分類された胆管の十二指腸ファータ乳頭の複数の画像をディープラーニングなどの機械学習することによって得られる。
図７に示される例では、胆管の十二指腸ファータ乳頭の画像の特徴量「ＡＡＡ」とカニュレーション方法「造影法」とカニュレーション時間情報「Ｔ１」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ａ１Ａ１Ａ１」とカニュレーション方法「造影法」とカニュレーション時間情報「Ｔ２」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＢＢＢ」とカニュレーション方法「ワイヤーガイド法」とカニュレーション時間情報「Ｔ３」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｂ１Ｂ１Ｂ１」とカニュレーション方法「ワイヤーガイド法」とカニュレーション時間情報「Ｔ４」とが関連付けられている。
胆管の十二指腸ファータ乳頭の画像の特徴量「ＣＣＣ」とカニュレーション方法「膵管ガイドワイヤー法」とカニュレーション時間情報「Ｔ５」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｃ１Ｃ１Ｃ１」とカニュレーション方法「膵管ガイドワイヤー法」とカニュレーション時間情報「Ｔ６」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＤＤＤ」とカニュレーション方法「プレカット法」とカニュレーション時間情報「Ｔ７」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｄ１Ｄ１Ｄ１」とカニュレーション方法「プレカット法」とカニュレーション時間情報「Ｔ８」とが関連付けられている。
カニュレーション時間情報１０８９は、画像情報１０８６に含まれる胆管の十二指腸ファータ乳頭の複数の画像の各々と関連付けて、カニュレーション時間情報を記憶する。前述したように、カニュレーション時間情報は、胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでの時間である。
図７は、カニュレーション方法推定テーブルの一例を示す図である。カニュレーション方法推定テーブル１０８８ａは、胆管の十二指腸ファータ乳頭の画像の特徴量を示す情報と、カニュレーション方法を示す情報と、カニュレーション時間情報とを関連付けたテーブル形式のデータである。胆管の十二指腸ファータ乳頭の画像の特徴量は、カニュレーション方法とカニュレーション時間情報毎に、分類された胆管の十二指腸ファータ乳頭の複数の画像をディープラーニングなどの機械学習することによって得られる。
図７に示される例では、胆管の十二指腸ファータ乳頭の画像の特徴量「ＡＡＡ」とカニュレーション方法「造影法」とカニュレーション時間情報「Ｔ１」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ａ１Ａ１Ａ１」とカニュレーション方法「造影法」とカニュレーション時間情報「Ｔ２」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＢＢＢ」とカニュレーション方法「ワイヤーガイド法」とカニュレーション時間情報「Ｔ３」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｂ１Ｂ１Ｂ１」とカニュレーション方法「ワイヤーガイド法」とカニュレーション時間情報「Ｔ４」とが関連付けられている。
胆管の十二指腸ファータ乳頭の画像の特徴量「ＣＣＣ」とカニュレーション方法「膵管ガイドワイヤー法」とカニュレーション時間情報「Ｔ５」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｃ１Ｃ１Ｃ１」とカニュレーション方法「膵管ガイドワイヤー法」とカニュレーション時間情報「Ｔ６」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「ＤＤＤ」とカニュレーション方法「プレカット法」とカニュレーション時間情報「Ｔ７」とが関連付けられている。胆管の十二指腸ファータ乳頭の画像の特徴量「Ｄ１Ｄ１Ｄ１」とカニュレーション方法「プレカット法」とカニュレーション時間情報「Ｔ８」とが関連付けられている。
カニュレーション時間情報１０８９は、画像情報１０８６に含まれる胆管の十二指腸ファータ乳頭の複数の画像の各々と関連付けて、カニュレーション時間情報を記憶する。前述したように、カニュレーション時間情報は、胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでの時間である。
（学習装置の機能構成）
図８は、変形例に係る学習装置の機能ブロック図である。
学習装置１００ａは、不揮発性メモリ１０８ａからメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４ａとをＣＰＵ１０２が実行することによって、受付部１５２ａと取得部１５４ａと学習部１５６ａと出力部１５８ａとして機能する。
図８は、変形例に係る学習装置の機能ブロック図である。
学習装置１００ａは、不揮発性メモリ１０８ａからメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４ａとをＣＰＵ１０２が実行することによって、受付部１５２ａと取得部１５４ａと学習部１５６ａと出力部１５８ａとして機能する。
（学習装置の各機能構成）
図６及び図８を用いて、学習装置１００ａの各機能構成について詳細に説明する。なお、以下では、学習装置１００ａの各機能を説明するにあたって、図８に示されている学習装置１００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２ａは、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２ａは、胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受け付ける。例えば、端末装置１０は、胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を送信する。
学習装置１００の通信部１０６は、端末装置１０が送信した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受信し、受信した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２ａとして機能することによって、通信部１０６が出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受け付ける。受付部１５２ａは、受け付けた胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報に含まれる胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶し、カニュレーション時間情報を不揮発性メモリ１０８のカニュレーション時間情報１０８９に記憶する。
図６及び図８を用いて、学習装置１００ａの各機能構成について詳細に説明する。なお、以下では、学習装置１００ａの各機能を説明するにあたって、図８に示されている学習装置１００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２ａは、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２ａは、胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受け付ける。例えば、端末装置１０は、胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を送信する。
学習装置１００の通信部１０６は、端末装置１０が送信した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受信し、受信した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２ａとして機能することによって、通信部１０６が出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を受け付ける。受付部１５２ａは、受け付けた胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報に含まれる胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８の画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８のカニュレーション方法情報１０８７に記憶し、カニュレーション時間情報を不揮発性メモリ１０８のカニュレーション時間情報１０８９に記憶する。
取得部１５４ａは、不揮発性メモリ１０８ａの画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を取得し、取得した胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６ａに出力する。また、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を取得し、取得したカニュレーション方法を示す情報を、学習部１５６ａに出力する。
また、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション時間情報１０８９に記憶されているカニュレーション時間情報を取得し、取得したカニュレーション時間情報を、学習部１５６ａに出力する。ここで、取得部１５４が取得した胆管の十二指腸ファータ乳頭の画像を示す情報と、カニュレーション方法を示す情報と、カニュレーション時間情報とは関連付けられている。
また、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション時間情報１０８９に記憶されているカニュレーション時間情報を取得し、取得したカニュレーション時間情報を、学習部１５６ａに出力する。ここで、取得部１５４が取得した胆管の十二指腸ファータ乳頭の画像を示す情報と、カニュレーション方法を示す情報と、カニュレーション時間情報とは関連付けられている。
学習部１５６ａは、ＣＰＵ１０２からの命令によって実現される。学習部１５６ａは、取得部１５４ａが出力した不揮発性メモリ１０８ａの画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を複数取得し、不揮発性メモリ１０８ａのカニュレーション時間情報１０８９に記憶されているカニュレーション時間情報を複数取得する。ここで、取得した胆管の十二指腸ファータ乳頭の画像の各々と、カニュレーション方法を示す情報の各々と、カニュレーション時間情報の各々とは関連付けられている。
学習部１５６ａは、取得した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、機械学習する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでのカニュレーション時間情報とを、出力部１５８ａへ出力する。
学習部１５６ａは、取得した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、機械学習する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と胆管の十二指腸ファータ乳頭の画像が得られてから、胆管にカテーテルの挿入が終了するまでのカニュレーション時間情報とを、出力部１５８ａへ出力する。
出力部１５８ａは、ＣＰＵ１０２からの命令によって実現される。出力部１５８ａは、学習部１５６ａが出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法を示す情報と胆管にカテーテルの挿入が終了するまでのカニュレーション時間情報とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と胆管にカテーテルの挿入が終了するまでのカニュレーション時間情報とを関連付けて、不揮発性メモリ１０８ａのカニュレーション方法推定テーブル１０８８ａへ記憶する。
(学習装置の動作)
図９は、変形例に係る学習装置の動作の一例を示すフローチャートである。
図９では、学習装置１００ａの胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８ａの画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶し、カニュレーション時間情報を不揮発性メモリ１０８ａのカニュレーション時間情報１０８９に記憶した後の動作について説明する。つまり、不揮発性メモリ１０８ａの画像情報１０８６には胆管の十二指腸ファータ乳頭の画像情報が蓄積され、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７にはカニュレーション方法を示す情報が蓄積され、不揮発性メモリ１０８ａのカニュレーション時間情報１０８９にはカニュレーション時間情報が蓄積されている。
（ステップＳ１１）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａの画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６ａに出力する。
（ステップＳ１２）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を複数取得し、取得した複数のカニュレーション方法を示す情報を、学習部１５６ａに出力する。
（ステップＳ１３）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション時間情報に記憶されているカニュレーション時間情報を示す情報を複数取得し、取得した複数のカニュレーション時間情報を示す情報を、学習部１５６ａに出力する。
（ステップＳ１４）
学習装置１００ａにおいて、学習部１５６ａは、取得部１５４ａが出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて取得する。学習部１５６ａは、取得した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、胆管の十二指腸ファータ乳頭の画像を機械学習する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と、カニュレーション時間情報とを、出力部１５８ａへ出力する。
図９は、変形例に係る学習装置の動作の一例を示すフローチャートである。
図９では、学習装置１００ａの胆管の十二指腸ファータ乳頭の画像を示す情報を不揮発性メモリ１０８ａの画像情報１０８６に記憶し、カニュレーション方法を示す情報を不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶し、カニュレーション時間情報を不揮発性メモリ１０８ａのカニュレーション時間情報１０８９に記憶した後の動作について説明する。つまり、不揮発性メモリ１０８ａの画像情報１０８６には胆管の十二指腸ファータ乳頭の画像情報が蓄積され、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７にはカニュレーション方法を示す情報が蓄積され、不揮発性メモリ１０８ａのカニュレーション時間情報１０８９にはカニュレーション時間情報が蓄積されている。
（ステップＳ１１）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａの画像情報１０８６に記憶されている胆管の十二指腸ファータ乳頭の画像を示す情報を複数取得し、取得した複数の胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部１５６ａに出力する。
（ステップＳ１２）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション方法情報１０８７に記憶されているカニュレーション方法を示す情報を複数取得し、取得した複数のカニュレーション方法を示す情報を、学習部１５６ａに出力する。
（ステップＳ１３）
学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａのカニュレーション時間情報に記憶されているカニュレーション時間情報を示す情報を複数取得し、取得した複数のカニュレーション時間情報を示す情報を、学習部１５６ａに出力する。
（ステップＳ１４）
学習装置１００ａにおいて、学習部１５６ａは、取得部１５４ａが出力した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けて取得する。学習部１５６ａは、取得した胆管の十二指腸ファータ乳頭の画像とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた複数の情報に基づいて、カニュレーション方法を示す情報とカニュレーション時間情報とを教師データとして、胆管の十二指腸ファータ乳頭の画像を機械学習する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の複数の画像を機械学習することによって得られた胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と、カニュレーション時間情報とを、出力部１５８ａへ出力する。
（ステップＳ１５）
学習装置１００ａにおいて、出力部１５８ａは、学習部１５６ａが出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と、カニュレーション時間情報とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付ける。
（ステップＳ１６）
学習装置１００ａにおいて、出力部１５８ａは、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を、不揮発性メモリ１０８ａのカニュレーション方法推定テーブル１０８８ａへ記憶する。
図９に示すフローチャートにおいて、ステップＳ１１～ステップＳ１３の順序を入れ替えてもよい。
前述した変形例では、造影法に、二種類の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられる場合について説明したが、この例に限られない。例えば、造影法に、一種類の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられてもよいし、三種類以上の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられてもよい。ワイヤーガイド法、膵管ガイドワイヤー法、プレカット法についても同様である。
変形例の学習装置１００ａによれば、取得部１５４ａは、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とに関連付けて、さらに画像が得られてから胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間を関連付けた情報を取得する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報と、カニュレーション時間とを教師データとして、機械学習する。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を導出できる。胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を使用することによって、胆管カニュレーションが困難であるか否かの予測精度を向上できるとともに、カニュレーション時間の予測精度を向上できる。
学習装置１００ａにおいて、出力部１５８ａは、学習部１５６ａが出力した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法と、カニュレーション時間情報とを取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付ける。
（ステップＳ１６）
学習装置１００ａにおいて、出力部１５８ａは、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を、不揮発性メモリ１０８ａのカニュレーション方法推定テーブル１０８８ａへ記憶する。
図９に示すフローチャートにおいて、ステップＳ１１～ステップＳ１３の順序を入れ替えてもよい。
前述した変形例では、造影法に、二種類の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられる場合について説明したが、この例に限られない。例えば、造影法に、一種類の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられてもよいし、三種類以上の十二指腸ファータ乳頭の画像特徴量とカニュレーション時間情報とが関連付けられてもよい。ワイヤーガイド法、膵管ガイドワイヤー法、プレカット法についても同様である。
変形例の学習装置１００ａによれば、取得部１５４ａは、胆管の十二指腸ファータ乳頭の画像と、カニュレーション方法を示す情報とに関連付けて、さらに画像が得られてから胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間を関連付けた情報を取得する。学習部１５６ａは、胆管の十二指腸ファータ乳頭の画像に基づいて、カニュレーション方法を示す情報と、カニュレーション時間とを教師データとして、機械学習する。このように構成することによって、胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を導出できる。胆管の十二指腸ファータ乳頭の画像の特徴量と、その胆管の十二指腸ファータ乳頭の画像で行われたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を使用することによって、胆管カニュレーションが困難であるか否かの予測精度を向上できるとともに、カニュレーション時間の予測精度を向上できる。
（第２の実施形態）
（推定装置）
実施形態に係る推定装置について説明する。実施形態に係る推定装置２００は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する。ここで、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。胆管の十二指腸ファータ乳頭の画像は、カニュレーションを行う直前に、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる正面視の映像であるのが好ましい。
さらに、実施形態に係る推定装置２００は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を求める。実施形態に係る推定装置２００は、前述した学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とを関連付けた情報を取得する。実施形態に係る推定装置２００は、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とを関連付けた情報に基づいて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を推定する。
（推定装置）
実施形態に係る推定装置について説明する。実施形態に係る推定装置２００は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する。ここで、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。胆管の十二指腸ファータ乳頭の画像は、カニュレーションを行う直前に、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる正面視の映像であるのが好ましい。
さらに、実施形態に係る推定装置２００は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を求める。実施形態に係る推定装置２００は、前述した学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とを関連付けた情報を取得する。実施形態に係る推定装置２００は、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とを関連付けた情報に基づいて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を推定する。
（推定装置のハードウェア構成）
図１０は、本発明の実施形態に係る推定装置のハードウェア構成の一例を示す図である。推定装置２００について説明する。
推定装置２００は、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８と、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８に格納されるプログラム２０８２とアプリ２０８４とを実行し、メモリ２０４をワークメモリとして使用して、推定装置２００の各部を制御する。メモリ２０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ２０２のワークメモリとして使用される。
通信部２０６は、ネットワーク５０に接続された端末装置１０、学習装置１００などの外部装置と通信して、データの送受信を行う。具体的には、通信部２０６は、有線で、ネットワーク５０と接続される。また、通信部２０６は、ＬＴＥ等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。内部バス２５０は、ＣＰＵ２０２、メモリ２０４、不揮発性メモリ２０８、通信部２０６を互いに接続する。内部バス２５０に接続される各部は、内部バス２５０を介して互いにデータのやり取りを行うことができるようにされている。
不揮発性メモリ２０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８には、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４と、カニュレーション方法推定テーブル２０８８とが格納される。
アプリ２０８４は、推定装置２００に、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得させる。
アプリ２０８４は、推定装置２００に、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させる。
アプリ２０８４は、推定装置２００に、カニュレーション方法を示す情報を教師データとして機械学習した結果とカニュレーション方法を示す情報とを関連付けた情報を使用して、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させた結果に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定させる。
カニュレーション方法推定テーブル２０８８は、前述したカニュレーション方法推定テーブル１０８８を適用できる。
操作部２１０は、ユーザの操作を受け付ける入力デバイスであり、タッチパネル等のポインティングデバイス、ボタン、ダイヤル、タッチセンサ、タッチパッド等を含む。
表示部２１２は、例えば液晶ディスプレイ等によって構成され、胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法などを表示する。
図１０は、本発明の実施形態に係る推定装置のハードウェア構成の一例を示す図である。推定装置２００について説明する。
推定装置２００は、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８と、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８に格納されるプログラム２０８２とアプリ２０８４とを実行し、メモリ２０４をワークメモリとして使用して、推定装置２００の各部を制御する。メモリ２０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ２０２のワークメモリとして使用される。
通信部２０６は、ネットワーク５０に接続された端末装置１０、学習装置１００などの外部装置と通信して、データの送受信を行う。具体的には、通信部２０６は、有線で、ネットワーク５０と接続される。また、通信部２０６は、ＬＴＥ等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。内部バス２５０は、ＣＰＵ２０２、メモリ２０４、不揮発性メモリ２０８、通信部２０６を互いに接続する。内部バス２５０に接続される各部は、内部バス２５０を介して互いにデータのやり取りを行うことができるようにされている。
不揮発性メモリ２０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８には、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４と、カニュレーション方法推定テーブル２０８８とが格納される。
アプリ２０８４は、推定装置２００に、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得させる。
アプリ２０８４は、推定装置２００に、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させる。
アプリ２０８４は、推定装置２００に、カニュレーション方法を示す情報を教師データとして機械学習した結果とカニュレーション方法を示す情報とを関連付けた情報を使用して、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させた結果に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定させる。
カニュレーション方法推定テーブル２０８８は、前述したカニュレーション方法推定テーブル１０８８を適用できる。
操作部２１０は、ユーザの操作を受け付ける入力デバイスであり、タッチパネル等のポインティングデバイス、ボタン、ダイヤル、タッチセンサ、タッチパッド等を含む。
表示部２１２は、例えば液晶ディスプレイ等によって構成され、胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法などを表示する。
（推定装置の機能構成）
図１１は、本発明の実施形態に係る推定装置の機能ブロック図である。
推定装置２００は、不揮発性メモリ２０８からメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４とをＣＰＵ２０２が実行することによって、受付部２５２と学習部２５４と推定部２５５と出力部２５６として機能する。
図１１は、本発明の実施形態に係る推定装置の機能ブロック図である。
推定装置２００は、不揮発性メモリ２０８からメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４とをＣＰＵ２０２が実行することによって、受付部２５２と学習部２５４と推定部２５５と出力部２５６として機能する。
（推定装置の各機能構成）
図１０及び図１１を用いて、推定装置２００の各機能構成について詳細に説明する。なお、以下では、推定装置２００の各機能を説明するにあたって、図１１に示されている推定装置２００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部２５２は、ＣＰＵ２０２からの命令、及び通信部２０６によって実現される。受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を受け付ける。ここで、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得すると、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部２５４へ出力する。
学習部２５４は、ＣＰＵ２０２からの命令によって実現される。学習部２５４は、受付部２５２が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得すると、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングなどの機械学習を行う。学習部２５４は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングを行うことによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量を、推定部２５５へ出力する。
図１０及び図１１を用いて、推定装置２００の各機能構成について詳細に説明する。なお、以下では、推定装置２００の各機能を説明するにあたって、図１１に示されている推定装置２００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部２５２は、ＣＰＵ２０２からの命令、及び通信部２０６によって実現される。受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を受け付ける。ここで、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報は、胆管カニュレーションを行うときに、胆管の十二指腸ファータ乳頭を内視鏡で観察することによって得られる映像である。受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得すると、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部２５４へ出力する。
学習部２５４は、ＣＰＵ２０２からの命令によって実現される。学習部２５４は、受付部２５２が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得すると、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングなどの機械学習を行う。学習部２５４は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングを行うことによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量を、推定部２５５へ出力する。
推定部２５５は、通信部２０６を介して、学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量とその胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とを関連付けたカニュレーション方法推定テーブル１０８８を取得する。推定部２５５は、カニュレーション方法推定テーブル１０８８を取得すると、不揮発性メモリ２０８のカニュレーション方法推定テーブル２０８８に記憶する。
推定部２５５は、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する。例えば、推定部２５５は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像と特徴量と、カニュレーション方法推定テーブル２０８８に記憶されている複数の十二指腸ファータ乳頭画像特徴量の各々との類似度を導出する。推定部２５５は、導出した類似度に基づいて、類似度が最も高い十二指腸ファータ乳頭画像特徴量に関連付けられているカニュレーション方法を取得する。推定部２５５は、カニュレーション方法を推定すると、カニュレーション方法の推定結果を、出力部２５６へ出力する。
出力部２５６は、ＣＰＵ２０２からの命令によって実現される。出力部２５６は、推定部２５５が出力したカニュレーション方法の推定結果を取得すると、取得したカニュレーション方法の推定結果を、表示部２１２へ出力する。
推定部２５５は、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する。例えば、推定部２５５は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像と特徴量と、カニュレーション方法推定テーブル２０８８に記憶されている複数の十二指腸ファータ乳頭画像特徴量の各々との類似度を導出する。推定部２５５は、導出した類似度に基づいて、類似度が最も高い十二指腸ファータ乳頭画像特徴量に関連付けられているカニュレーション方法を取得する。推定部２５５は、カニュレーション方法を推定すると、カニュレーション方法の推定結果を、出力部２５６へ出力する。
出力部２５６は、ＣＰＵ２０２からの命令によって実現される。出力部２５６は、推定部２５５が出力したカニュレーション方法の推定結果を取得すると、取得したカニュレーション方法の推定結果を、表示部２１２へ出力する。
（推定装置の動作）
図１２は、本発明の実施形態に係る推定装置の動作の一例を示すフローチャートである。図１２は、推定装置２００が、学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とを関連付けたカニュレーション方法推定テーブル１０８８を取得し、カニュレーション方法推定テーブル１０８８を、カニュレーション方法推定テーブル２０８８に記憶した後の動作を示す。
（ステップＳ２１）
推定装置２００の受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得する。受付部２５２は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部２５４へ出力する。
（ステップＳ２２）
推定装置２００の学習部２５４は、受付部２５２が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングなどの機械学習を行う。学習部２５４は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングを行うことによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量を、推定部２５５へ出力する。
図１２は、本発明の実施形態に係る推定装置の動作の一例を示すフローチャートである。図１２は、推定装置２００が、学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とを関連付けたカニュレーション方法推定テーブル１０８８を取得し、カニュレーション方法推定テーブル１０８８を、カニュレーション方法推定テーブル２０８８に記憶した後の動作を示す。
（ステップＳ２１）
推定装置２００の受付部２５２は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得する。受付部２５２は、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を、学習部２５４へ出力する。
（ステップＳ２２）
推定装置２００の学習部２５４は、受付部２５２が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングなどの機械学習を行う。学習部２５４は、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報に対してディープラーニングを行うことによって得られる胆管の十二指腸ファータ乳頭の画像の特徴量を、推定部２５５へ出力する。
（ステップＳ２３）
推定装置２００の推定部２５５は、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する。推定部２５５は、取得したカニュレーション方法を、出力部２５６へ出力する。
（ステップＳ２４）
推定装置２００の出力部２５６は、推定部２５５が出力したカニュレーション方法の推定結果を取得し、取得したカニュレーション方法を、表示部２１２へ出力する。
推定装置２００の推定部２５５は、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する。推定部２５５は、取得したカニュレーション方法を、出力部２５６へ出力する。
（ステップＳ２４）
推定装置２００の出力部２５６は、推定部２５５が出力したカニュレーション方法の推定結果を取得し、取得したカニュレーション方法を、表示部２１２へ出力する。
前述した実施形態では、推定装置２００が、学習装置１００から、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とを関連付けたカニュレーション方法推定テーブル１０８８を取得し、取得したカニュレーション方法推定テーブル１０８８を、カニュレーション方法推定テーブル２０８８に記憶する場合について説明したが、この例に限られない。例えば、推定装置２００が、学習装置１００へ、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を問い合わせるようにしてもよい。学習装置１００は、推定装置２００からの問い合わせに応じて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法を、推定装置２００へ通知する。
前述した実施形態では、推定装置２００が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を導出する。さらに、推定装置２００が、導出したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する場合について説明したが、この例に限られない。
例えば、推定装置２００が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画の特徴量を導出してもよい。さらに、推定装置２００が、導出したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得してもよい。
前述した実施形態では、推定装置２００が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を導出する。さらに、推定装置２００が、導出したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得する場合について説明したが、この例に限られない。
例えば、推定装置２００が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画を機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画の特徴量を導出してもよい。さらに、推定装置２００が、導出したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の動画の特徴量に関連付けられたカニュレーション方法を、カニュレーション方法推定テーブル２０８８から取得してもよい。
実施形態に係る推定装置２００によれば、学習装置１００から取得したカニュレーション方法推定テーブル１０８８に基づいて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法を推定することができる。学習装置１００から取得したカニュレーション方法推定テーブル１０８８に基づいて、未知の胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法を取得できる。このため、術者の経験値によらずにカニュレーションの困難例を予測できる。つまり、どのような経験値の術者でも胆管カニュレーションに関するストラテジーを設定できる。また、ＥＲＣＰ関連手技において、胆管カニュレーションを開始するときに、困難例か否かを判定できる。取得したカニュレーション方法に基づいて、実際にカニュレーションを行うことができるため、困難例の場合には、早期のレスキュー法導入を促すことができる。このように構成することによって、偶発症を予防できる。また、ＥＲＣＰ関連手技に要する時間を短縮できる。
（変形例）
（推定装置）
変形例に係る推定装置について説明する。変形例に係る推定装置２００ａは、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する。
さらに、変形例に係る推定装置２００ａは、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報をディープラーニングなどの機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を求める。
変形例に係る推定装置２００ａは、前述した学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を取得する。
変形例に係る推定装置２００ａは、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とカニュレーション時間情報とを関連付けた情報に基づいて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを推定する。
（推定装置）
変形例に係る推定装置について説明する。変形例に係る推定装置２００ａは、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する。
さらに、変形例に係る推定装置２００ａは、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を示す情報をディープラーニングなどの機械学習することによって、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を求める。
変形例に係る推定装置２００ａは、前述した学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とカニュレーション時間情報とを関連付けた情報を取得する。
変形例に係る推定装置２００ａは、取得した胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とカニュレーション時間情報とを関連付けた情報に基づいて、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを推定する。
（推定装置のハードウェア構成）
図１３は、変形例に係る推定装置のハードウェア構成の一例を示す図である。推定装置２００ａについて説明する。
推定装置２００ａは、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８ａと、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８ａに格納されるプログラム２０８２とアプリ２０８４ａとを実行し、メモリ２０４をワークメモリとして使用して、推定装置２００ａの各部を制御する。
不揮発性メモリ２０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８ａには、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４ａと、カニュレーション方法推定テーブル２０８８ａとが格納される。
アプリ２０８４ａは、推定装置２００ａに、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得させる。
アプリ２０８４ａは、推定装置２００ａに、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させる。
アプリ２０８４ａは、推定装置２００ａに、カニュレーション方法を示す情報を教師データとして機械学習した結果とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を使用して、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させた結果に基づいて、該画像に示される胆管にカテーテルを挿入する方法とカニュレーション時間とを推定させる。
カニュレーション方法推定テーブル２０８８ａは、前述したカニュレーション方法推定テーブル１０８８ａを適用できる。
図１３は、変形例に係る推定装置のハードウェア構成の一例を示す図である。推定装置２００ａについて説明する。
推定装置２００ａは、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８ａと、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８ａに格納されるプログラム２０８２とアプリ２０８４ａとを実行し、メモリ２０４をワークメモリとして使用して、推定装置２００ａの各部を制御する。
不揮発性メモリ２０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８ａには、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４ａと、カニュレーション方法推定テーブル２０８８ａとが格納される。
アプリ２０８４ａは、推定装置２００ａに、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得させる。
アプリ２０８４ａは、推定装置２００ａに、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させる。
アプリ２０８４ａは、推定装置２００ａに、カニュレーション方法を示す情報を教師データとして機械学習した結果とカニュレーション方法を示す情報とカニュレーション時間情報とを関連付けた情報を使用して、取得させたカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を機械学習させた結果に基づいて、該画像に示される胆管にカテーテルを挿入する方法とカニュレーション時間とを推定させる。
カニュレーション方法推定テーブル２０８８ａは、前述したカニュレーション方法推定テーブル１０８８ａを適用できる。
（推定装置の機能構成）
図１４は、変形例に係る推定装置の機能ブロック図である。
推定装置２００ａは、不揮発性メモリ２０８からメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４ａとをＣＰＵ２０２が実行することによって、受付部２５２と学習部２５４と推定部２５５ａと出力部２５６ａとして機能する。
図１４は、変形例に係る推定装置の機能ブロック図である。
推定装置２００ａは、不揮発性メモリ２０８からメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４ａとをＣＰＵ２０２が実行することによって、受付部２５２と学習部２５４と推定部２５５ａと出力部２５６ａとして機能する。
（推定装置の各機能構成）
図１３及び図１４を用いて、推定装置２００ａの各機能構成について詳細に説明する。なお、以下では、推定装置２００ａの各機能を説明するにあたって、図１４に示されている推定装置２００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
推定部２５５ａは、通信部２０６を介して、学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量とその胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とカニュレーション時間情報とを関連付けたカニュレーション方法推定テーブル１０８８ａを取得する。推定部２５５ａは、カニュレーション方法推定テーブル１０８８ａを取得すると、不揮発性メモリ２０８ａのカニュレーション方法推定テーブル２０８８ａに記憶する。
推定部２５５ａは、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを、カニュレーション方法推定テーブル２０８８ａから取得する。推定部２５５ａは、カニュレーション方法とカニュレーション時間とを推定すると、カニュレーション方法とカニュレーション時間との推定結果を、出力部２５６ａへ出力する。
出力部２５６ａは、ＣＰＵ２０２からの命令によって実現される。出力部２５６ａは、推定部２５５ａが出力したカニュレーション方法とカニュレーション時間との推定結果を取得すると、取得したカニュレーション方法の推定結果を、表示部２１２へ出力する。
図１３及び図１４を用いて、推定装置２００ａの各機能構成について詳細に説明する。なお、以下では、推定装置２００ａの各機能を説明するにあたって、図１４に示されている推定装置２００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
推定部２５５ａは、通信部２０６を介して、学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量とその胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とカニュレーション時間情報とを関連付けたカニュレーション方法推定テーブル１０８８ａを取得する。推定部２５５ａは、カニュレーション方法推定テーブル１０８８ａを取得すると、不揮発性メモリ２０８ａのカニュレーション方法推定テーブル２０８８ａに記憶する。
推定部２５５ａは、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得した胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを、カニュレーション方法推定テーブル２０８８ａから取得する。推定部２５５ａは、カニュレーション方法とカニュレーション時間とを推定すると、カニュレーション方法とカニュレーション時間との推定結果を、出力部２５６ａへ出力する。
出力部２５６ａは、ＣＰＵ２０２からの命令によって実現される。出力部２５６ａは、推定部２５５ａが出力したカニュレーション方法とカニュレーション時間との推定結果を取得すると、取得したカニュレーション方法の推定結果を、表示部２１２へ出力する。
（推定装置の動作）
図１５は、変形例に係る推定装置の動作の一例を示すフローチャートである。図１５は、推定装置２００ａが、学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とカニュレーション時間とを関連付けたカニュレーション方法推定テーブル１０８８ａを取得し、カニュレーション方法推定テーブル１０８８ａを、カニュレーション方法推定テーブル２０８８ａに記憶した後の動作を示す。
ステップＳ３１－ステップＳ３２は、図１２を参照して説明したステップＳ２１－ステップＳ２２を適用できる。
（ステップＳ３３）
推定装置２００ａの推定部２５５ａは、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法とカニュレーション時間とを、カニュレーション方法推定テーブル２０８８ａから取得する。推定部２５５ａは、取得したカニュレーション方法とカニュレーション時間とを、出力部２５６ａへ出力する。
（ステップＳ３４）
推定装置２００ａの出力部２５６ａは、推定部２５５ａが出力したカニュレーション方法とカニュレーション時間との推定結果を取得し、取得したカニュレーション方法とカニュレーション時間とを、表示部２１２へ出力する。
図１５は、変形例に係る推定装置の動作の一例を示すフローチャートである。図１５は、推定装置２００ａが、学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とカニュレーション時間とを関連付けたカニュレーション方法推定テーブル１０８８ａを取得し、カニュレーション方法推定テーブル１０８８ａを、カニュレーション方法推定テーブル２０８８ａに記憶した後の動作を示す。
ステップＳ３１－ステップＳ３２は、図１２を参照して説明したステップＳ２１－ステップＳ２２を適用できる。
（ステップＳ３３）
推定装置２００ａの推定部２５５ａは、学習部２５４が出力したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量を取得し、取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法とカニュレーション時間とを、カニュレーション方法推定テーブル２０８８ａから取得する。推定部２５５ａは、取得したカニュレーション方法とカニュレーション時間とを、出力部２５６ａへ出力する。
（ステップＳ３４）
推定装置２００ａの出力部２５６ａは、推定部２５５ａが出力したカニュレーション方法とカニュレーション時間との推定結果を取得し、取得したカニュレーション方法とカニュレーション時間とを、表示部２１２へ出力する。
前述した変形例では、推定装置２００ａが、学習装置１００ａから、胆管の十二指腸ファータ乳頭の画像の特徴量と胆管の十二指腸ファータ乳頭の画像のカニュレーション方法とカニュレーション時間情報とを関連付けたカニュレーション方法推定テーブル１０８８ａを取得し、取得したカニュレーション方法推定テーブル１０８８ａを、カニュレーション方法推定テーブル２０８８ａに記憶する場合について説明したが、この例に限られない。例えば、推定装置２００ａが、学習装置１００ａへ、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを問い合わせるようにしてもよい。学習装置１００ａは、推定装置２００ａからの問い合わせに応じて、カニュレーション方法とカニュレーション時間とが未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連付けられたカニュレーション方法とカニュレーション時間とを、推定装置２００ａへ通知する。
変形例に係る推定装置２００ａによれば、学習装置１００ａから取得したカニュレーション方法推定テーブル１０８８ａに基づいて、カニュレーション方法とカニュレーション時間とが未知である胆管の十二指腸ファータ乳頭の画像の特徴量に関連するカニュレーション方法とカニュレーション時間とを推定することができる。未知の胆管の十二指腸ファータ乳頭の画像が得られたカニュレーション方法とカニュレーション時間とを取得できる。このため、術者の経験値によらずにカニュレーションの困難例とカニュレーションに要する時間とを予測できる。つまり、どのような経験値の術者でも胆管カニュレーションに関するストラテジーを設定できる。また、ＥＲＣＰ関連手技において、胆管カニュレーションを開始するときに、困難例か否かを判定できる。取得したカニュレーション方法とカニュレーション時間とに基づいて、実際にカニュレーションを行うことができるため、困難例の場合には、早期のレスキュー法導入を促すことができる。このように構成することによって、偶発症を予防できる。また、ＥＲＣＰ関連手技に要する時間を短縮できる。
以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
また、上述した学習装置１００、学習装置１００ａ、推定装置２００、推定装置２００ａの機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disk）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
また、上述した学習装置１００、学習装置１００ａ、推定装置２００、推定装置２００ａの機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disk）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
１０…端末装置、５０…ネットワーク、１００、１００ａ…学習装置、１０２…ＣＰＵ、１０４…メモリ、１０６…通信部、１０８、１０８ａ…不揮発性メモリ、１０８２…プログラム、１０８４、１０８４ａ…アプリ、１０８６…画像情報、１０８７…カニュレーション方法情報、１０８８、１０８８ａ…カニュレーション方法推定テーブル、１５２、１５２ａ…受付部、１５４、１５４ａ…取得部、１５６、１５６ａ…学習部、１５８、１５８ａ…出力部、２００、２００ａ…推定装置、２０２…ＣＰＵ、２０４…メモリ、２０６…通信部、２０８、２０８ａ…不揮発性メモリ、２０８２…プログラム、２０８４、２０８４ａ…アプリ、２０８８、２０８８ａ…カニュレーション方法推定テーブル、２５２、…受付部、２５４…学習部、２５５、２５５ａ…推定部、２５６、２５６ａ…出力部
Claims (9)
- 胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得する取得部と、
前記取得部が取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習する学習部と、
前記学習部が機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶する記憶部と
を備える、学習装置。 - 複数の胆管の十二指腸ファータ乳頭の画像の各々は、前記十二指腸ファータ乳頭の向きと、位置とのいずれが一方又は両方が、少なくとも異なる、請求項１に記載の学習装置。
- 複数の胆管の十二指腸ファータ乳頭の画像の各々は、前記胆管の開口部の形状が異なる、請求項１又は請求項２に記載の学習装置。
- 前記取得部は、胆管の十二指腸ファータ乳頭の前記画像と、前記カニュレーション方法を示す情報とに関連付けて、さらに前記画像が得られてから前記胆管にカテーテルの挿入が終了するまでの時間であるカニュレーション時間を関連付けた情報を取得し、
前記学習部は、胆管の十二指腸ファータ乳頭の前記画像に基づいて、前記カニュレーション方法を示す情報と、前記カニュレーション時間とを教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法と、カニュレーション時間情報との関連付けを機械学習する、請求項１から請求項３のいずれか一項に記載の学習装置。 - カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得する取得部と、
胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得部が取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定する推定部と
を備える、推定装置。 - 胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得するステップと、
前記複数取得するステップで取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習するステップと、
前記機械学習するステップで機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶するステップと
を有する、学習装置が実行する学習方法。 - カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得するステップと、
胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得するステップで取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定するステップと
を有する、推定装置が実行する推定方法。 - 学習装置のコンピュータに、
取得部が、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた情報を複数取得するステップと、
学習部が、複数取得するステップで取得した胆管の十二指腸ファータ乳頭の複数の前記画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法との関連付けを機械学習するステップと、
記憶部が、前記機械学習するステップで機械学習した胆管の十二指腸ファータ乳頭の前記画像の前記特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われた前記カニュレーション方法を示す情報とを関連付けた情報を記憶するステップと
を実行させるプログラム。 - 推定装置のコンピュータに、
取得部が、カニュレーション方法が未知である胆管の十二指腸ファータ乳頭の画像を取得するステップと、
推定部が、胆管の十二指腸ファータ乳頭の画像と、前記胆管にカテーテルを挿入した方法であるカニュレーション方法を示す情報とを関連付けた複数の情報から取得された胆管の十二指腸ファータ乳頭の複数の画像に基づいて、前記カニュレーション方法を示す情報を教師データとして、胆管の十二指腸ファータ乳頭の画像の特徴量と、胆管の十二指腸ファータ乳頭の前記画像で行われたカニュレーション方法を示す情報との関連付けを機械学習した結果を使用して、前記取得するステップで取得したカニュレーション方法が未知である胆管の十二指腸ファータ乳頭の前記画像に基づいて、該画像に示される胆管にカテーテルを挿入する方法を推定するステップと
を実行させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018196026A JP7219953B2 (ja) | 2018-10-17 | 2018-10-17 | 学習装置、推定装置、学習方法、推定方法、およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018196026A JP7219953B2 (ja) | 2018-10-17 | 2018-10-17 | 学習装置、推定装置、学習方法、推定方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020062218A JP2020062218A (ja) | 2020-04-23 |
| JP7219953B2 true JP7219953B2 (ja) | 2023-02-09 |
Family
ID=70387895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018196026A Active JP7219953B2 (ja) | 2018-10-17 | 2018-10-17 | 学習装置、推定装置、学習方法、推定方法、およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7219953B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118541760A (zh) * | 2021-12-10 | 2024-08-23 | 曾稼志 | 气管插管影像的处理方法与系统以及气管插管的成效评量方法 |
| CN114176775B (zh) * | 2022-02-16 | 2022-05-10 | 武汉大学 | Ercp选择性胆管插管的校验方法、装置、设备及介质 |
| CN114209289A (zh) * | 2022-02-22 | 2022-03-22 | 武汉大学 | 自动评估方法、装置、电子设备及存储介质 |
| WO2024095675A1 (ja) * | 2022-11-04 | 2024-05-10 | 富士フイルム株式会社 | 医療支援装置、内視鏡、医療支援方法、及びプログラム |
| WO2024095674A1 (ja) * | 2022-11-04 | 2024-05-10 | 富士フイルム株式会社 | 医療支援装置、内視鏡、医療支援方法、及びプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008017997A (ja) | 2006-07-12 | 2008-01-31 | Hitachi Medical Corp | 手術支援ナビゲーションシステム |
| JP2008212671A (ja) | 2007-03-01 | 2008-09-18 | Olympus Medical Systems Corp | 処置システム |
| JP2018094032A (ja) | 2016-12-12 | 2018-06-21 | ダイキン工業株式会社 | 不快判定装置 |
-
2018
- 2018-10-17 JP JP2018196026A patent/JP7219953B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008017997A (ja) | 2006-07-12 | 2008-01-31 | Hitachi Medical Corp | 手術支援ナビゲーションシステム |
| JP2008212671A (ja) | 2007-03-01 | 2008-09-18 | Olympus Medical Systems Corp | 処置システム |
| JP2018094032A (ja) | 2016-12-12 | 2018-06-21 | ダイキン工業株式会社 | 不快判定装置 |
Non-Patent Citations (1)
| Title |
|---|
| 今津 博雄，ＥＲＣＰのカニュレーションのコツ，日本消化器内視鏡学会雑誌，日本消化器内視鏡学会，2011年05月18日，５３巻２号，p.319-327 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020062218A (ja) | 2020-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7219953B2 (ja) | 学習装置、推定装置、学習方法、推定方法、およびプログラム | |
| CN107680684B (zh) | 用于获取信息的方法及装置 | |
| KR101495193B1 (ko) | 진단 지원 장치, 진단 지원 시스템, 진단 지원 장치의 제어 방법, 및 비일시적 컴퓨터 판독가능한 저장 매체 | |
| CN109887596A (zh) | 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备 | |
| JP7442444B2 (ja) | 装置の拡張現実起動 | |
| Moreno-Betancur | The target trial: a powerful device beyond well-defined interventions | |
| KR20150130476A (ko) | 컴퓨터 애플리케이션에 대한 언어 번역 현지화를 위한 기법 | |
| US11102381B1 (en) | Methods, systems and controllers for facilitating cleaning of an imaging element of an imaging device | |
| JP2022019753A5 (ja) | ||
| KR102294618B1 (ko) | 전자 차트 관리 장치, 전자 차트 관리 방법 및 기록 매체 | |
| WO2020015368A1 (zh) | 一种图像处理方法及装置 | |
| Saa et al. | Hidden conditional random fields for classification of imaginary motor tasks from EEG data | |
| CN105389083A (zh) | 大字体实现方法和装置、智能终端 | |
| JP2024053118A (ja) | 推定システム、推定装置、制御プログラム | |
| WO2023095208A1 (ja) | 内視鏡挿入ガイド装置、内視鏡挿入ガイド方法、内視鏡情報取得方法、ガイドサーバ装置、および画像推論モデル学習方法 | |
| GB2562855A (en) | System, apparatus, and methods for achieving flow state using biofeedback | |
| WO2020050109A1 (ja) | 表示装置、情報端末、個人情報の保護方法、およびプログラムとそれを記録する記録媒体 | |
| US12082889B2 (en) | Generating interactive zones for interventional medical devices | |
| JP7183451B2 (ja) | 頸部超音波検査を支援するためのシステム、デバイス、及び方法 | |
| KR20220103656A (ko) | 인공지능 기반의 수술 동영상 분석과 수술 비교 평가를 위한 장치 및 방법 | |
| CN113192606A (zh) | 医疗数据处理方法及装置、电子设备和存储介质 | |
| JP7055629B2 (ja) | 医用画像処理装置、医用画像診断装置、及び医用画像処理プログラム | |
| KR20160035888A (ko) | 내시경 장비를 이용한 진단 보조 장치 및 방법 | |
| Mandai et al. | Efficacy and safety of short-type single balloon enteroscopy-assisted peroral direct cholangioscopy using an ultra-slim endoscope in patients with surgically altered anatomy | |
| US20160364080A1 (en) | Method and system for correcting target-inaccurate input applied to an input device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210922 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220729 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220928 |
|
| 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: 20230117 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230123 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7219953 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |