JP7304150B2 - 画像解析装置、画像診断装置、及びｒｏｉ設定プログラム - Google Patents

Description

本発明の実施形態は、画像解析装置、画像診断装置、モデル学習装置、及びＲＯＩ設定プログラムに関する。

超音波診断装置では、例えば、超音波画像内において複数の臓器に設定された関心領域（ＲＯＩ）内の特徴量の関係から、少なくともいずれかの臓器の状態を評価する機能がある。具体的には、肝臓等の複数の臓器を含むＢモード画像において、少なくとも肝臓を含む複数の臓器に設定されたＲＯＩ内の輝度値の関係から、肝炎、及び脂肪肝等の度合いを評価する臨床アプリケーションがある。

上記評価機能を実行する場合、医師等の操作者は、画像中に含まれる臓器の適切な位置に、適切な大きさで、ＲＯＩを設定する必要がある。しかしながら、評価機能を実行する度に、画像中に含まれる臓器に適切にＲＯＩを設定するのは手間がかかる。

特許第５６１９１９１号公報

発明が解決しようとする課題は、医用画像に関心領域を設定する手間を軽減することである。

実施形態によれば、画像解析装置は、設定部を備える。設定部は、予め設定された領域に所定の臓器を含む医用画像データを学習済みモデルに入力し、前記学習済みモデルからの出力結果に基づき、前記医用画像データにおける前記臓器へ関心領域を設定する。

図１は、第１の実施形態に係る画像解析装置が設けられる病院内のシステムの機能構成を示すブロック図である。 図２は、図１に示される画像解析装置の機能構成を表すブロック図である。 図３は、学習済みモデルを生成する医用情報処理システムの構成を表す図である。 図４は、図３で示されるモデル学習装置で入力として扱われる医用画像を表す図である。 図５は、図３で示されるモデル学習装置で正解出力として扱われるＲＯＩの位置情報を表す図である。 図６は、図２で示される処理回路が学習済みモデルを利用したＲＯＩ設定処理を実行する際の動作を表すフローチャートである。 図７は、学習済みモデルに入力されるＢモード画像、及び学習済みモデルから出力される座標情報に基づく点を表す図である。 図８は、２つの円形ＲＯＩが設置されたＢモード画像を表す図である。 図９は、図６で示されるフローチャートの変形例を表す図である。 図１０は、処理回路による円形ＲＯＩの移動を表す図である。 図１１は、第２の実施形態においてモデル学習装置で正解出力として扱われるＲＯＩの位置情報を表す図である。 図１２は、第２の実施形態に係る処理回路が学習済みモデルを利用したＲＯＩ設定処理を実行する際の動作を表すフローチャートである。 図１３は、学習済みモデルに入力されるＢモード画像、及び学習済みモデルから出力される座標情報に基づく点を表す図である。 図１４は、第１円形ＲＯＩが設置されたＢモード画像を表す図である。 図１５は、２つの第２円形ＲＯＩが設置されたＢモード画像を表す図である。 図１６は、第３の実施形態においてモデル学習装置で正解出力として扱われるＲＯＩの位置情報を表す図である。 図１７は、第３の実施形態に係る処理回路が学習済みモデルを利用したＲＯＩ設定処理を実行する際の動作を表すフローチャートである。 図１８は、学習済みモデルに入力されるＢモード画像、及び学習済みモデルから出力される座標情報に基づく点を表す図である。 図１９は、腎臓内に円形ＲＯＩが設置されたＢモード画像を表す図である。 図２０は、２つの円形ＲＯＩが設置されたＢモード画像を表す図である。 図２１は、医用画像診断装置としての超音波診断装置の機能構成を表すブロック図である。

以下、実施の形態について、図面を参照して説明する。

（第１の実施形態）
図１は、第１の実施形態に係る画像解析装置が設けられる病院内のシステムの機能構成の例を示すブロック図である。図１に示されるシステムは、画像解析装置１０、医用画像診断装置２０、医用画像管理システム（ＰＡＣＳ：Picture Archiving and Communication System）３０、及び通信端末４０を具備する。画像解析装置１０、医用画像診断装置２０、医用画像管理システム３０、及び通信端末４０は、ＬＡＮ（Local Area Network）等の病院内ネットワークを介してデータ通信可能に接続されている。このとき、病院内ネットワークへの接続は、有線接続、及び無線接続を問わない。

なお、図１では、画像解析装置１０、医用画像診断装置２０、医用画像管理システム３０、及び通信端末４０が病院内ネットワークに接続される場合を例に示しているが、これに限定されない。セキュリティが確保されるのであれば、接続される回線は病院内ネットワークに限定されない。例えば、ＶＰＮ（Virtual Private Network）等を介し、インターネット等、公衆の通信回線に接続するようにしても構わない。

医用画像診断装置２０は、被検体を撮影することにより医用画像データを発生する装置である。医用画像診断装置２０は、例えば、Ｘ線診断装置、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置、ＰＥＴ（Positron Emission computed Tomography）装置、ＳＰＥＣＴ装置とＸ線ＣＴ装置とが一体化されたＳＰＥＣＴ－ＣＴ装置、ＰＥＴ装置とＸ線ＣＴ装置とが一体化されたＰＥＴ－ＣＴ装置、ＰＥＴ装置とＭＲＩ装置とが一体化されたＰＥＴ－ＭＲＩ装置、又はこれらの装置群等である。

医用画像診断装置２０は、撮像オーダを受信すると、受信した撮像オーダ、及び撮影の対象となる患者に関する患者情報に基づいて患者を撮影し、医用画像データを生成する。医用画像データは、再構成後のデータであってもよいし、再構成前の生データであっても構わない。医用画像診断装置２０は、生成した医用画像データを、例えば、ＤＩＣＯＭ（Digital Imaging and Communication Medicine）規格に則った画像ファイルに変換する。画像ファイルは、医用画像データと、医用画像データに付加される付帯情報を含む。付帯情報は、医用画像データを管理するための情報であり、例えば、検査ＵＩＤ、検査日、検査時刻、及び患者ＩＤ等が含まれる。検査ＵＩＤは、検査を一意に特定可能な識別子である。

医用画像管理システム３０は、医用画像データを管理するシステムである。医用画像管理システム３０で管理される医用画像データには、例えば、医用画像診断装置２０で生成された医用画像データ、及び外部から提供された医用画像データを含む。

通信端末４０は、医療スタッフがＬＡＮに接続されているシステム及び装置等へアクセスするための端末、例えば、ビューワである。なお、図１では、通信端末４０が医用画像管理システム３０に属さず、画像解析装置１０に直接接続されていない場合を示しているが、これに限定されない。通信端末４０は、医療スタッフが使用可能であれば、医用画像管理システム３０に属していても構わないし、画像解析装置１０に直接接続されていても構わない。

画像解析装置１０は、医用画像データを解析する装置である。例えば、画像解析装置１０は、医用画像診断装置２０で生成された医用画像データ、又は医用画像管理システム３０で管理されている医用画像データに関心領域（ＲＯＩ）を設定し、設定したＲＯＩ内の特徴量に基づいて患者の状態を評価する。

図２は、図１に示される画像解析装置１０の機能構成の例を表すブロック図である。図２に示される画像解析装置１０は、処理回路１１、メモリ１２、及び通信インタフェース１３を有する。処理回路１１、メモリ１２、及び通信インタフェース１３は、例えば、バスを介して互いに通信可能に接続されている。

処理回路１１は、画像解析装置１０の中枢として機能するプロセッサである。処理回路１１は、メモリ１２等に記憶されているプログラムを実行することにより、当該プログラムに対応する機能を実現する。

メモリ１２は、種々の情報を記憶するＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、及び集積回路記憶装置等の記憶装置である。また、メモリ１２は、ＣＤ－ＲＯＭドライブ、ＤＶＤドライブ、及びフラッシュメモリ等の可搬性記憶媒体との間で種々の情報を読み書きする駆動装置等であってもよい。なお、メモリ１２は、必ずしも単一の記憶装置により実現される必要は無い。例えば、メモリ１２は、複数の記憶装置により実現されても構わない。また、メモリ１２は、画像解析装置１０にネットワークを介して接続された他のコンピュータ内にあってもよい。

メモリ１２は、本実施形態に係るＲＯＩ設定プログラム、及び状態評価プログラム等を記憶している。なお、これらのプログラムは、例えば、メモリ１２に予め記憶されていてもよい。また、例えば、非一過性の記憶媒体に記憶されて配布され、非一過性の記憶媒体から読み出されてメモリ１２にインストールされてもよい。

また、メモリ１２は、例えば、機械学習により生成された識別器としての学習済みモデル１２１を記憶している。学習済みモデル１２１は、計算モデルの一例である。本実施形態において、学習済みモデルとは、モデル学習プログラムに従って機械学習モデルに機械学習を行わせることで生成されるモデルを表す。学習済みモデル１２１は、例えば、医用画像に基づいてＲＯＩを設定するためのモデルであり、以下のように生成されて画像解析装置１０のメモリ１２に記憶される。

図３は、学習済みモデル１２１を生成する医用情報処理システムの構成例を表す模式図である。図３に示される医用情報処理システムは、画像解析装置１０、学習データ保管装置５０、及びモデル学習装置６０を有する。画像解析装置１０、学習データ保管装置５０、及びモデル学習装置６０は、例えば、ケーブル又は通信ネットワークを介して通信可能に接続されている。

学習データ保管装置５０は、複数の学習サンプルを含む学習データを記憶する。例えば、学習データ保管装置５０は、大容量記憶装置が内蔵されたコンピュータである。また、学習データ保管装置５０は、コンピュータにケーブルや通信ネットワークを介して通信可能に接続された大容量記憶装置であってもよい。当該記憶装置としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、集積回路記憶装置等が適宜利用可能である。

モデル学習装置６０は、学習データ保管装置５０に記憶された学習データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることで、学習済みモデル１２１を生成する。本実施形態において、機械学習のアルゴリズムとして、判別分析、ロジスティック回帰、サポートベクターマシン、ニューラルネットワーク、Randomized Trees、又は部分空間法等が挙げられる。モデル学習装置６０は、例えば、ＣＰＵ（Central Processing Unit）及びＧＰＵ（Graphics Processing Unit）等のプロセッサを有するワークステーション等のコンピュータである。

学習済みモデル１２１の画像解析装置１０への供給は、画像解析装置１０の製造以降の如何なる時点で行われてもよい。例えば、製造から医用施設等への据付の間の任意の時点でもよいし、メンテナンス時でもよい。供給された学習済みモデル１２１は、画像解析装置１０のメモリ１２に記憶される。

本実施形態に係る学習済みモデル１２１は、例えば、複数の臓器が表された領域を含む医用画像データを入力としてＲＯＩを設置する位置を出力する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数及びパラメータの組合せにより定義される。本実施形態に係る学習済みモデル１２１は、上記の要請を満たす如何なるパラメータ付き合成関数であってもよい。

パラメータ付き合成関数は、パラメータをどのように選ぶかで、関数としての形を変える。例えば、学習済みモデル１２１が、層状に並べた隣接層間のみ結合した構造を持ち、情報が入力層側から出力層側に一方向に伝播するネットワーク、すなわち、順伝播型の多層化ネットワークである場合、構成するパラメータを適切に設定することで、出力層から好ましい結果を出力することが可能な関数を定義することができる。

パラメータは、学習データと誤差関数とを用いた学習を実行することで設定される。学習データは、例えば、所定の入力ｘ_ｎ、この入力に対する望ましい結果（正解出力）ｄ_ｎを出力とした学習サンプル（ｘ_ｎ，ｄ_ｎ）の集合Ｄ（ｎ＝１，・・・，Ｓ）である。誤差関数は、ｘ_ｎを入力した多層化ネットワークからの出力と正解出力ｄ_ｎとの近さを表す関数である。パラメータは、学習サンプル毎に、例えば、誤差関数を極小にする値が決定される。なお、パラメータを決定する際の計算量を抑制するため、誤差逆伝播法が用いられてもよい。

より具体的には、本実施形態に係るモデル学習装置６０は、例えば、予め設定された領域に所定の臓器を含む医用画像データを入力、この医用画像データに含まれる臓器に対して設定されるＲＯＩの位置情報を正解出力とした学習データに基づいて機械学習を実施する。

図４は、図３で示されるモデル学習装置６０で入力として扱われる医用画像データに基づく医用画像の例を表す図である。図４に示される医用画像では、画面の左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれている。なお、医用画像に含まれる臓器の種類、及び配置は、学習データの入力で共通していれば、図４で記載されるものに限定されない。例えば、肝臓と脾臓とでもよく、また、肝臓、腎臓、及び脾臓であってもよい。

図５は、図３で示されるモデル学習装置６０で正解出力として扱われるＲＯＩの位置情報の例を表す図である。図５では、図４に示される画像に対し、８個の点の座標がＲＯＩの位置情報として設定される。図５において、点Ｐ１～Ｐ４は、肝臓内の領域の適当な位置に置かれた円形ＲＯＩが内接する正方形の各頂点である。また、点Ｐ５～Ｐ８は、腎臓内の領域の適当な位置に置かれた円形ＲＯＩが内接する正方形の各頂点である。なお、ＲＯＩの位置情報は、ＲＯＩの位置が特定でき、学習データの正解出力で共通していれば、円形ＲＯＩが内接する正方形の各頂点の座標に限定されない。例えば、円形ＲＯＩの中心座標、及び半径であっても構わない。また、円形ＲＯＩが外接する正方形の各頂点の座標であっても構わない。

モデル学習装置６０は、学習データに基づき、例えば、入力された医用画像データに基づいてＲＯＩの位置を決定する学習済みモデル１２１を生成する。

図２に示される通信インタフェース１３は、病院内ネットワークを介して接続された医用画像診断装置２０、及び医用画像管理システム３０との間でデータ通信を行う。通信インタフェース１３は、例えば、予め設定されている既知の規格、例えば、ＤＩＣＯＭに準拠してデータ通信を行う。

なお、画像解析装置１０は、入力インタフェースを有していてもよい。入力インタフェースは、ユーザから各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路１１へ出力する。入力インタフェースは、例えば、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド、及び操作面へ触れることで指示が入力されるタッチパネル等の入力機器に接続されている。また、入力インタフェースに接続される入力機器は、ネットワーク等を介して接続された他のコンピュータに設けられた入力機器でもよい。

また、画像解析装置１０は、ディスプレイを有していてもよい。ディスプレイは、処理回路１１からの指示に従って種々の情報を表示する。また、ディスプレイは、ユーザからの各種操作を受け付けるためのＧＵＩ（Graphical User Interface）等を表示してもよい。ディスプレイは、例えば、ＣＲＴ（Cathode Ray Tube）ディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、及びプラズマディスプレイ等、任意のディスプレイが適宜利用可能である。

図２に示される処理回路１１は、メモリ１２に記憶されているＲＯＩ設定プログラム、及び状態評価プログラム等を実行することで、当該プログラムに対応する機能を実現する。例えば、処理回路１１は、ＲＯＩ設定プログラムを実行することで、ＲＯＩ設定機能１１１を有する。また、処理回路１１は、状態評価プログラムを実行することで、解析機能１１２、及び表示制御機能１１３を有する。なお、本実施形態では、単一のプロセッサによってＲＯＩ設定機能１１１、解析機能１１２、及び表示制御機能１１３が実現される場合を説明するが、これに限定されない。例えば、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することによりＲＯＩ設定機能１１１、解析機能１１２、及び表示制御機能１１３を実現しても構わない。

ＲＯＩ設定機能１１１は、医用画像データを入力として学習済みモデル１２１を用い、医用画像データに対するＲＯＩを設定する機能であり、設定部の一例である。具体的には、例えば、ＲＯＩ設定機能１１１において処理回路１１は、操作者により指定された医用画像データを、メモリ１２に記憶されている学習済みモデル１２１に入力する。医用画像データには、例えば、超音波画像データ、ＣＴ（Computed Tomography）画像データ、Ｘ線画像データ、ＭＲＩ（Magnetic Resonance Imaging）画像データ、及びＰＥＴ（Positron Emission computed Tomography）画像データ等が含まれる。処理回路１１は、学習済みモデル１２１から出力される、医用画像データについてのＲＯＩの位置情報に基づき、医用画像データについてのＲＯＩを設定する。

解析機能１１２は、ＲＯＩ内の特徴量の関係から、医用画像データに含まれる少なくともいずれかの臓器の状態を評価する機能である。

表示制御機能１１３は、評価した臓器の状態に関する表示を制御する機能である。具体的には、例えば、表示制御機能１１３において処理回路１１は、解析機能１１２により評価された臓器の状態を表示するための画像データを生成する。また、処理回路１１は、識別理由の変更を指示するためのＧＵＩを表示する。

次に、以上のように構成された画像解析装置１０によるＲＯＩ設定動作を、処理回路１１の処理手順に従って説明する。
図６は、図２で示される処理回路１１が学習済みモデル１２１を利用したＲＯＩ設定処理を実行する際の動作の例を表すフローチャートである。なお、図６の説明では、医用画像データが超音波診断装置により生成されるＢモード画像データである場合を例に説明する。このとき、学習済みモデル１２１は、Ｂモード画像データを入力とし、このＢモード画像データに基づくＢモード画像上でＲＯＩを規定する位置情報を正解出力とする学習データに基づいて生成されたものとする。入力として利用されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。また、Ｂモード画像上でＲＯＩを規定する位置情報は、肝臓及び腎臓内の領域の適当な位置に置かれた円形ＲＯＩが内接する正方形の各頂点の座標として表される。

まず、通信端末４０を操作する操作者から、Ｂモード画像データが指定され、指定されたＢモード画像データについて、例えば、肝臓の状態を評価するアプリケーションの起動指示が入力される。起動指示が入力されると、画像解析装置１０の処理回路１１は、ＲＯＩ設定プログラムをメモリ１２から読み出し、読み出したＲＯＩ設定プログラムを実行する。処理回路１１がＲＯＩ設定プログラムを実行すると、図６に示される処理が開始される。

図６において、処理回路１１は、ＲＯＩ設定機能１１１を実行する。ＲＯＩ設定機能１１１を実行すると処理回路１１は、操作者により指定されたＢモード画像データを、医用画像診断装置２０、又は医用画像管理システム３０から読み出し、読み出した学習済みモデル１２１に入力する（ステップＳ６１）。学習済みモデル１２１からは、入力されたＢモード画像データに基づく８点の座標がＲＯＩの位置情報として出力される（ステップＳ６２）。

図７は、学習済みモデル１２１に入力されるＢモード画像データに基づくＢモード画像の例、及び学習済みモデル１２１から出力される座標情報に基づく点の例を表す図である。図７の左図は、例えば、コンベックスプローブを使用して取得され、学習済みモデル１２１に入力されるＢモード画像を表す。図７に示されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。図７の右図は、学習済みモデル１２１から出力される座標情報に基づく点Ｐ９～Ｐ１６を表す。

学習済みモデル１２１から点Ｐ９～Ｐ１６についての座標情報が出力されると、処理回路１１は、これらの座標情報に基づき円形ＲＯＩを生成し、生成した円形ＲＯＩを、Ｂモード画像上に設置する（ステップＳ６３）。具体的には、例えば、処理回路１１は、点Ｐ９～点Ｐ１２を一つの群と見なし、点Ｐ９～点Ｐ１２の座標情報に基づき、点Ｐ９～点Ｐ１２を頂点とする正方形を生成する。処理回路１１は、生成した正方形に内接する円を生成し、この円を肝臓についての円形ＲＯＩＣ１とする。処理回路１１は、生成した円形ＲＯＩＣ１を、Ｂモード画像上の対応する位置に設置する。

また、処理回路１１は、点Ｐ１３～点Ｐ１６を一つの群と見なし、点Ｐ１３～点Ｐ１６の座標情報に基づき、点Ｐ１３～点Ｐ１６を頂点とする正方形を生成する。処理回路１１は、生成した正方形に内接する円を生成し、この円を腎臓についての円形ＲＯＩＣ２とする。処理回路１１は、生成した円形ＲＯＩＣ２を、Ｂモード画像上の対応する位置に設置する。

図８は、円形ＲＯＩＣ１，Ｃ２が設置されたＢモード画像の例を表す図である。図８によれば、点Ｐ９～Ｐ１２から生成された円形ＲＯＩＣ１が肝臓に設置され、点Ｐ１３～Ｐ１６から生成された円形ＲＯＩＣ２が腎臓に設置されている。円形ＲＯＩＣ１を肝臓に設置し、円形ＲＯＩＣ２を腎臓に設置すると、処理回路１１は、図６に示される処理を終了させる。

処理回路１１は、例えば、図６に示されるＲＯＩ設定処理が終了すると、解析機能１１２を実行する。解析機能１１２を実行すると処理回路１１は、円形ＲＯＩＣ１，Ｃ２内の各画素の輝度値を取得する。処理回路１１は、円形ＲＯＩＣ１内の輝度値と、円形ＲＯＩＣ２内の輝度値との関係から、Ｂモード画像に含まれる肝臓の状態、例えば、肝炎及び脂肪肝等の度合いを評価する。例えば、処理回路１１は、円形ＲＯＩＣ１内の各画素の輝度値の合計値と、円形ＲＯＩＣ２内の各画素の輝度値の合計値とを比較することで、肝炎及び脂肪肝等の度合いを評価する。

処理回路１１は、Ｂモード画像に含まれる肝臓の状態を評価すると、表示制御機能１１３を実行する。表示制御機能１１３を実行すると処理回路１１は、評価結果を表示するための画像データを生成する。処理回路１１は、生成した画像データを通信端末４０へ出力する。

以上のように、本実施形態では、処理回路１１は、ＲＯＩ設定機能１１１において、医用画像データを学習済みモデル１２１へ入力することで、医用画像データに含まれる臓器にＲＯＩを設置するようにしている。これにより、実際の検査において、臓器の状態を評価するアプリケーションを起動すると、臓器内の適切な位置に、適切な大きさのＲＯＩが設置された状態で医用画像が表示されるようになる。

（変形例１）
臓器内に設置したＲＯＩに血管等の構造物が含まれていると、解析機能１１２による臓器の評価が正しくなされない場合がある。臓器内に設置したＲＯＩから正確な特徴量が取得できないからである。そこで、変形例１では、ＲＯＩ設定処理において、臓器内の構造物も考慮してＲＯＩを設置する場合を説明する。

図９は、図６で示されるフローチャートの変形例を表す。なお、図９の説明においても、図６の説明と同様に、医用画像データが超音波診断装置により生成されるＢモード画像データである場合を例に説明する。

図９において、処理回路１１は、図６に示されるステップＳ６１～Ｓ６３と同様の処理を経て、Ｂモード画像上に円形ＲＯＩＣ１，Ｃ２を設置する。続いて、処理回路１１は、円形ＲＯＩＣ１内の輝度値の分布と、円形ＲＯＩＣ２内の輝度値の分布とが一様であるか否かを判断する（ステップＳ９１）。

具体的には、例えば、処理回路１１は、肝臓に設置された円形ＲＯＩＣ１内の各画素の輝度値を取得し、取得した各画素の輝度値に基づき、円形ＲＯＩＣ１内の輝度値の分布を表す指標値を算出する。処理回路１１は、算出した指標値に基づき、円形ＲＯＩＣ１内で所定の輝度値が一様に分布しているか否かを判断する。

また、例えば、処理回路１１は、腎臓に設置された円形ＲＯＩＣ２内の各画素の輝度値を取得し、取得した各画素の輝度値に基づき、円形ＲＯＩＣ２内の輝度値の分布を表す指標値を算出する。処理回路１１は、算出した指標値に基づき、円形ＲＯＩＣ２内で所定の輝度値が一様に分布しているか否かを判断する。円形ＲＯＩＣ１内と、円形ＲＯＩＣ２内との両方で、輝度値の分布が一様である場合（ステップＳ９１のＹｅｓ）、処理回路１１は、処理を終了させる。

円形ＲＯＩＣ１内と、円形ＲＯＩＣ２内とのうち、少なくともいずれか一方で輝度値の分布が一様でない場合（ステップＳ９１のＮｏ）、処理回路１１は、輝度値の分布が一様でない判断した少なくとも一方の円形ＲＯＩを予め設定した量だけ移動させる（ステップＳ９２）。このとき、処理回路１１は、体表からの深さが維持されるように円形ＲＯＩを移動させる。Ｂモード画像において、体表からの深さに応じて反射波の減衰が変化するからである。

図１０は、処理回路１１が円形ＲＯＩを移動させる例を表す概略図である。図１０は、例えば、コンベックスプローブを使用して取得されるＢモード画像上での円形ＲＯＩの移動を表している。図１０において、円形ＲＯＩが移動する方向は、円弧状の平面波の波形に沿った方向となる。なお、Ｂモード画像が、例えば、リニアプローブを使用して取得される場合、円形ＲＯＩが移動する方向は、直線状の平面波の波形に沿った方向となる。すなわち、円形ＲＯＩが移動する方向は、水平方向となる。

なお、円形ＲＯＩ内の輝度分布を一様とするための動作は、円形ＲＯＩの移動に限定されない。処理回路１１は、円形ＲＯＩを小さくするようにしてもよい。

処理回路１１は、ステップＳ９１において、円形ＲＯＩＣ１内と、円形ＲＯＩＣ２内との両方で輝度値の分布が一様となるまでステップＳ９１，Ｓ９２を繰り返す。

以上のように、変形例１では、処理回路１１は、ＲＯＩ設定機能１１１において、円形ＲＯＩＣ１，Ｃ２内の輝度分布が一様となるまで円形ＲＯＩＣ１，Ｃ２の位置を微調整するようにしている。これにより、設置される円形ＲＯＩＣ１，Ｃ２内には構造物が含まれなくなり、解析機能１１２による臓器の評価が正しくなされるようになる。

（第２の実施形態）
第１の実施形態では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像を入力とし、８点の座標情報を正解出力とした学習データに基づいて生成された学習済みモデル１２１を使用する場合を例に説明した。第２の実施形態では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像を入力とし、４点の座標情報を正解出力とした学習データに基づいて生成された学習済みモデル１２１を使用する。

図１１は、第２の実施形態においてモデル学習装置６０で正解出力として扱われるＲＯＩの位置情報の例を表す図である。図１１では、図４に示される、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像に対し、４点の座標がＲＯＩの位置情報として設定される。図１１において、点Ｐ１７～Ｐ２０は、２つの臓器、すなわち、肝臓及び腎臓をまたがるように置かれた第１円形ＲＯＩが内接する正方形の各頂点である。なお、ＲＯＩの位置情報は、学習データの正解出力で共通していれば、第１円形ＲＯＩが内接する正方形の各頂点の座標に限定されない。例えば、第１円形ＲＯＩの中心座標、及び半径であっても構わない。

モデル学習装置６０は、学習データに基づき、例えば、入力された医用画像データに基づいて第１円形ＲＯＩの位置を決定する学習済みモデル１２１を生成する。

第２の実施形態に係る処理回路１１は、メモリ１２に記憶されているＲＯＩ設定プログラム、及び状態評価プログラム等を実行することで、当該プログラムに対応する機能を実現する。例えば、処理回路１１は、ＲＯＩ設定プログラム、及び状態評価プログラム等を実行することで、ＲＯＩ設定機能１１１、解析機能１１２、及び表示制御機能１１３を有する。

ＲＯＩ設定機能１１１は、医用画像データを入力として学習済みモデル１２１を用い、医用画像データに対するＲＯＩを設定する機能であり、設定部の一例である。具体的には、例えば、ＲＯＩ設定機能１１１において処理回路１１は、操作者により指定された医用画像データを、メモリ１２に記憶されている学習済みモデル１２１に入力する。処理回路１１は、学習済みモデル１２１から出力される、医用画像データについての第１円形ＲＯＩの位置情報に基づき、医用画像データに含まれる複数の臓器についてのＲＯＩを設定する。

次に、第２の実施形態における画像解析装置１０によるＲＯＩ設定動作を、処理回路１１の処理手順に従って説明する。
図１２は、第２の実施形態に係る処理回路１１が学習済みモデル１２１を利用したＲＯＩ設定処理を実行する際の動作の例を表すフローチャートである。なお、図１２の説明では、医用画像データが超音波診断装置により生成されるＢモード画像データである場合を例に説明する。このとき、学習済みモデル１２１は、Ｂモード画像データを入力とし、このＢモード画像データに基づくＢモード画像上で第１円形ＲＯＩを規定する位置情報を正解出力とする学習データに基づいて生成されたものとする。入力として利用されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。

図１２において、図６に示されるステップＳ６１と同様の手順でＢモード画像データを学習済みモデル１２１に入力すると、学習済みモデル１２１から、入力されたＢモード画像データに基づく４点の座標が第１円形ＲＯＩの位置情報として出力される（ステップＳ１２１）。

図１３は、学習済みモデル１２１に入力されるＢモード画像データに基づくＢモード画像の例、及び学習済みモデル１２１から出力される座標情報に基づく点の例を表す図である。図１３の左図は、例えば、コンベックスプローブを使用して取得され、学習済みモデル１２１に入力されるＢモード画像を表す。図１３に示されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。図１３の右図は、学習済みモデル１２１から出力される座標情報に基づく点Ｐ２１～Ｐ２４を表す。

学習済みモデル１２１から点Ｐ２１～Ｐ２４についての座標情報が出力されると、処理回路１１は、これらの座標情報に基づき第１円形ＲＯＩを生成し、生成した第１円形ＲＯＩを、Ｂモード画像上に設置する（ステップＳ１２２）。具体的には、例えば、処理回路１１は、点Ｐ２１～点Ｐ２４の座標情報に基づき、点Ｐ２１～点Ｐ２４を頂点とする正方形を生成する。処理回路１１は、生成した正方形に内接する円を生成し、この円を肝臓及び腎臓をまたがる第１円形ＲＯＩＣ３とする。処理回路１１は、生成した第１円形ＲＯＩＣ３を、Ｂモード画像上の対応する位置に設置する。

図１４は、第１円形ＲＯＩＣ３が設置されたＢモード画像の例を表す図である。図１４によれば、点Ｐ２１～Ｐ２４から生成された第１円形ＲＯＩＣ３が肝臓及び腎臓にまたがって設置されている。

第１円形ＲＯＩＣ３を肝臓及び腎臓にまたがって設置すると、処理回路１１は、第１円形ＲＯＩＣ３に基づいて第２円形ＲＯＩを生成し、生成した第２円形ＲＯＩを、画像上に設置する（ステップＳ１２３）。具体的には、例えば、処理回路１１は、第１円形ＲＯＩＣ３に内接し、かつ、以下の条件を満たすように、第２円形ＲＯＩＣ４，Ｃ５を生成する。条件とは、例えば、肝臓と腎臓との境界領域近傍に設けられること、大きさが等しいこと、設置される深さが等しいことである。処理回路１１は、生成した第２円形ＲＯＩＣ４，Ｃ５を、Ｂモード画像上の対応する位置に設置する。

図１５は、第２円形ＲＯＩＣ４，Ｃ５が設置されたＢモード画像の例を表す図である。図１５によれば、第２円形ＲＯＩＣ４は、第１円形ＲＯＩＣ３に内接し、肝臓内の肝臓と腎臓との境界領域近傍に設けられている。また、第２円形ＲＯＩＣ５は、第１円形ＲＯＩＣ３に内接し、腎臓内の肝臓と腎臓との境界領域近傍に設けられている。また、第２円形ＲＯＩＣ４，Ｃ５は、大きさが等しく、同一の深さの領域に設置されている。

なお、Ｂモード画像が、例えば、リニアプローブを使用して取得される場合、平面波は円弧状ではなく、直線状となる。この場合、第２円形ＲＯＩＣ４，Ｃ５は、この直線状の平面波を考慮した同一の深さで設けられることになる。

以上のように、第２の実施形態では、処理回路１１は、ＲＯＩ設定機能１１１において、医用画像データを学習済みモデル１２１へ入力することで、医用画像データに含まれる臓器をまたぐ第１円形ＲＯＩＣ３を設置する。そして、処理回路１１は、第１円形ＲＯＩＣ３に基づき、第２円形ＲＯＩＣ４，Ｃ５を臓器毎に設置するようにしている。これにより、肝臓内に設置するＲＯＩを機械学習で推定することが困難である場合であっても、臓器内の適切な位置に、適切な大きさのＲＯＩを設置することが可能となる。

なお、処理回路１１は、ステップＳ１２３で設定された第２円形ＲＯＩＣ４，Ｃ５の位置を、図９のステップＳ９１，Ｓ９２と同様に、第２円形ＲＯＩＣ４，Ｃ５内の特徴量が一様になるまで、同一深さを維持して微調整してもよい。

（第３の実施形態）
第２の実施形態では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像を入力とし、肝臓及び腎臓にまたがる領域を規定する４点の座標情報を正解出力とした学習データに基づいて生成された学習済みモデル１２１を使用する場合を例に説明した。第３の実施形態では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像を入力とし、腎臓内の４点の座標情報を正解出力とした学習データに基づいて生成された学習済みモデル１２１を使用する。

図１６は、第３の実施形態においてモデル学習装置６０で正解出力として扱われるＲＯＩの位置情報の例を表す図である。図１６では、図４に示される、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像に対し、４点の座標が腎臓内のＲＯＩの位置情報として設定される。図１６において、点Ｐ２５～Ｐ２８は、腎臓に置かれた円形ＲＯＩが内接する正方形の各頂点である。なお、ＲＯＩの位置情報は、学習データの正解出力で共通していれば、円形ＲＯＩが内接する正方形の各頂点の座標に限定されない。例えば、円形ＲＯＩの中心座標、及び半径であっても構わない。

モデル学習装置６０は、学習データに基づき、例えば、入力された医用画像データに基づいてＲＯＩの位置を決定する学習済みモデル１２１を生成する。

第３の実施形態に係る処理回路１１は、メモリ１２に記憶されているＲＯＩ設定プログラム、及び状態評価プログラム等を実行することで、当該プログラムに対応する機能を実現する。例えば、処理回路１１は、ＲＯＩ設定プログラム、及び状態評価プログラム等を実行することで、ＲＯＩ設定機能１１１、解析機能１１２、及び表示制御機能１１３を有する。

ＲＯＩ設定機能１１１は、医用画像データを入力として学習済みモデル１２１を用い、医用画像データに対するＲＯＩを設定する機能であり、設定部の一例である。具体的には、例えば、ＲＯＩ設定機能１１１において処理回路１１は、操作者により指定された医用画像データを、メモリ１２に記憶されている学習済みモデル１２１に入力する。処理回路１１は、学習済みモデル１２１から出力される腎臓内のＲＯＩの位置情報に基づき、医用画像データに含まれる複数の臓器についてのＲＯＩを設定する。

次に、第３の実施形態における画像解析装置１０によるＲＯＩ設定動作を、処理回路１１の処理手順に従って説明する。
図１７は、第３の実施形態に係る処理回路１１が学習済みモデル１２１を利用したＲＯＩ設定処理を実行する際の動作の例を表すフローチャートである。なお、図１７の説明では、医用画像データが超音波診断装置により生成されるＢモード画像データである場合を例に説明する。このとき、学習済みモデル１２１は、Ｂモード画像データを入力とし、このＢモード画像データに基づくＢモード画像上で腎臓内のＲＯＩを規定する位置情報を正解出力とする学習データに基づいて生成されたものとする。入力として利用されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。

図１７において、図６に示されるステップＳ６１と同様の手順でＢモード画像データを学習済みモデル１２１に入力すると、学習済みモデル１２１から、入力されたＢモード画像データに基づく４点の座標が腎臓内のＲＯＩの位置情報として出力される（ステップＳ１７１）。

図１８は、学習済みモデル１２１に入力されるＢモード画像データに基づくＢモード画像の例、及び学習済みモデル１２１から出力される座標情報に基づく点の例を表す図である。図１８の左図は、例えば、コンベックスプローブを使用して取得され、学習済みモデル１２１に入力されるＢモード画像を表す。図１８に示されるＢモード画像では、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる。図１８の右図は、学習済みモデル１２１から出力される座標情報に基づく点Ｐ２９～Ｐ３２を表す。

学習済みモデル１２１から点Ｐ２９～Ｐ３２についての座標情報が出力されると、処理回路１１は、これらの座標情報に基づき円形ＲＯＩを生成し、生成した円形ＲＯＩを、Ｂモード画像上に設置する（ステップＳ１７２）。具体的には、例えば、処理回路１１は、点Ｐ２９～点Ｐ３２の座標情報に基づき、点Ｐ２９～点Ｐ３２を頂点とする正方形を生成する。処理回路１１は、生成した正方形に内接する円を生成し、この円を腎臓の円形ＲＯＩＣ６とする。処理回路１１は、生成した円形ＲＯＩＣ６を、Ｂモード画像上の対応する位置に設置する。

図１９は、円形ＲＯＩＣ６が設置されたＢモード画像の例を表す図である。図１９によれば、点Ｐ２９～Ｐ３２から生成された円形ＲＯＩＣ６が腎臓内に設置されている。

円形ＲＯＩＣ６を設置すると、処理回路１１は、円形ＲＯＩＣ６と対応する円形ＲＯＩを生成し、生成した円形ＲＯＩを、Ｂモード画像上に設置する（ステップＳ１７３）。具体的には、例えば、処理回路１１は、円形ＲＯＩＣ６と対応する円形ＲＯＩＣ７を、以下の条件を満たすように円形ＲＯＩＣ６を移動させることで生成する。条件とは、例えば、肝臓と腎臓との境界領域近傍に設けられること、大きさが等しいこと、設置される深さが等しいこと、円形ＲＯＩ内の特徴量が一様であることである。処理回路１１は、生成した円形ＲＯＩＣ７を、Ｂモード画像上の対応する位置に設置する。

図２０は、円形ＲＯＩＣ６，Ｃ７が設置されたＢモード画像の例を表す図である。図２０によれば、円形ＲＯＩＣ６は、腎臓内の肝臓と腎臓との境界領域近傍に設けられている。また、円形ＲＯＩＣ７は、肝臓内の肝臓と腎臓との境界領域近傍に設けられている。また、円形ＲＯＩＣ６，Ｃ７は、大きさが等しく、同一の深さの領域に設置されている。

なお、Ｂモード画像が、例えば、リニアプローブを使用して取得される場合、平面波は円弧状ではなく、直線状となる。この場合、円形ＲＯＩＣ７は、円形ＲＯＩＣ６に基づき、この直線状の平面波を考慮した同一の深さで設けられることになる。

以上のように、第３の実施形態では、処理回路１１は、ＲＯＩ設定機能１１１において、医用画像データを学習済みモデル１２１へ入力することで、医用画像データに含まれる腎臓内の円形ＲＯＩＣ６を設置する。そして、処理回路１１は、円形ＲＯＩＣ６に基づき、肝臓内に円形ＲＯＩＣ７を設置するようにしている。これにより、肝臓内に構造物が存在する場合であっても、肝臓内の構造物を避けて臓器内の適切な位置に、適切な大きさのＲＯＩを設置することが可能となる。

なお、上記実施形態では、医用画像データが超音波診断装置により生成されるＢモード画像データである場合を例に説明したが、医用画像データは、超音波診断装置により生成されるカラードプラ画像データであってもよい。

また、上記実施形態では、医用画像データが超音波診断装置により生成される２次元Ｂモード画像データである場合を例に説明したが、医用画像データは、超音波診断装置により生成される３次元Ｂモード画像データ、又は３次元カラードプラ画像データであってもよい。

また、上記実施形態では、医用画像データに含まれる臓器に対して設定されるＲＯＩの位置情報を正解出力とした学習データに基づいて機械学習を実施する場合を例に説明した。しかしながら、正解出力はこれに限定されない。適当なＲＯＩが設置された医用画像を正解出力としても構わない。

また、上記実施形態では、予め設定された領域に所定の臓器を含む医用画像データを入力とする場合を例に説明した。しかしながら、これに限定されない。処理回路１１が、例えば、複数の医用画像データから、予め設定された領域に所定の臓器を含む医用画像データを選択する前処理機能を有していても構わない。前処理機能は、例えば、メモリ１２に記憶される、前処理用の学習済みモデルを利用することにより実現される。前処理用の学習済みモデルは、例えば、複数の医用画像データを入力とし、予め設定された領域に所定の臓器を含む医用画像データを正解出力とした学習データに基づいて生成される。

処理回路１１は、前処理機能を実行することで、複数の医用画像データを前処理用の学習済みモデルに入力し、当該学習済みモデルから出力される、予め設定された領域に所定の臓器を含む医用画像データを取得する。すなわち、例えば、処理回路１１は、複数の医用画像データから、左上の領域に肝臓が含まれ、右下の領域に腎臓が含まれる医用画像データを抽出する。

また、上記実施形態では、画像解析装置１０が医用画像診断装置２０と別々の装置として構成される場合を例に説明した。しかしながら、これに限定されない。画像解析装置１０が有する処理回路１１が実行するＲＯＩ設定機能１１１、及び解析機能１１２は、医用画像診断装置で実行されても構わない。

図２１は、ＲＯＩ設定機能１１１、及び解析機能１１２を含む、医用画像診断装置としての超音波診断装置２０Ａの機能構成の例を表すブロック図である。図２１によれば、超音波診断装置２０Ａは、装置本体２１、及び超音波プローブ２２を有する。超音波プローブ２２は、被検体Ｐに対して超音波を放射し、放射した超音波の反射波を受信する。

装置本体２１は、内部記憶回路２１１、及び処理回路２１２等を有する。内部記憶回路２１１は、種々の情報を記憶するＲＯＭ、ＲＡＭ、ＨＤＤ、ＳＳＤ、及び集積回路記憶装置等の記憶装置であり、例えば、所定のプログラム、及び機械学習により生成された識別器としての学習済みモデル１２１等を記憶している。

処理回路２１２は、例えば、超音波診断装置２０Ａの中枢として機能するプロセッサである。処理回路２１２は、内部記憶回路２１１に記憶されているプログラムを実行することで、超音波プローブ２２で受信された反射波に基づく超音波画像データを生成する。また、処理回路２１２は、内部記憶回路２１１に記憶されているプログラムを実行することで、例えば、ＲＯＩ設定機能１１１、及び解析機能１１２等の機能を実現する。

また、上記実施形態では、モデル学習装置６０が、学習データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることで、学習済みモデル１２１を生成する場合を例に説明した。しかしながら、これに限定されない。学習済みモデル１２１を生成するモデル生成機能は、画像解析装置１０の処理回路１１が有してもよいし、超音波診断装置２０Ａの処理回路２１２が有してもよい。

以上説明した少なくとも１つの実施形態によれば、ＲＯＩの位置決定の手間を短縮でき、操作性を向上させることができる。また、医者の経験に依らない診断が可能になる。

実施形態の説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（central processing unit）、ＧＰＵ(Graphics Processing Unit)、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。なお、上記各実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、上記各実施形態における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０…画像解析装置
１１…処理回路
１２…メモリ
１３…通信インタフェース
２０…医用画像診断装置
２０Ａ…超音波診断装置
２１…装置本体
２２…超音波プローブ
３０…医用画像管理システム
４０…通信端末
５０…学習データ保管装置
６０…モデル学習装置
１１１…ＲＯＩ設定機能
１１２…解析機能
１１３…表示制御機能
１２１…学習済みモデル
２１１…内部記憶回路
２１２…処理回路

Claims (21)

1. 第１臓器及び第２臓器を含む第１医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記第１医用画像データにおける第１関心領域及び第２関心領域を規定する位置情報に基づき、前記第１医用画像データにおける前記第１臓器に前記第１関心領域を設定し、前記第２臓器に前記第２関心領域を設定する設定部、
   を具備し、
   前記設定部は、前記第１関心領域における輝度値の分布と、前記第２関心領域における輝度値の分布とが一様となるように、前記第１関心領域及び前記第２関心領域の少なくともいずれかの位置を調整する、
   画像解析装置。
2. 前記学習済みモデルは、前記第１臓器及び前記第２臓器を含む第２医用画像データを入力とし、前記第２医用画像データにおける複数の関心領域を規定する位置情報を正解出力とする学習データに基づき生成される、
   請求項１記載の画像解析装置。
3. 前記設定部は、前記位置情報として前記学習済みモデルから出力された座標情報に基づき、前記第１関心領域及び前記第２関心領域を設定する、
   請求項１記載の画像解析装置。
4. 前記設定部は、前記座標情報として前記学習済みモデルから出力された、前記第１関心領域を規定する第１座標情報と、前記第２関心領域を規定する第２座標情報とに基づき、前記第１関心領域及び前記第２関心領域を設定する、
   請求項３記載の画像解析装置。
5. 前記設定部は、前記第１医用画像データにおける被検体の体表からの深さを維持する方向に前記位置を調整する、
   請求項１記載の画像解析装置。
6. 第１臓器及び第２臓器を含む第１医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記第１医用画像データにおける第１関心領域を規定する位置情報に基づき、前記第１医用画像データにおける前記第１臓器及び前記第２臓器をまたぐように前記第１関心領域を設定する設定部、
   を具備し、
   前記設定部は、前記第１医用画像データにおける被検体の体表からの深さが等しくなるように、前記第１関心領域の内部において、前記第１臓器及び前記第２臓器のそれぞれに第２関心領域を設定する、
   画像解析装置。
7. 前記学習済みモデルは、前記第１臓器及び前記第２臓器を含む第２医用画像データを入力とし、前記第２医用画像データにおける関心領域を規定する位置情報を正解出力とする学習データに基づき生成される、
   請求項６記載の画像解析装置。
8. 前記設定部は、前記第１医用画像データにおける前記第１臓器と前記第２臓器との境界領域近傍かつ前記第１関心領域の内部において、前記第１臓器及び前記第２臓器のそれぞれに前記第２関心領域を設定する、
   請求項６記載の画像解析装置。
9. 前記設定部は、前記第２関心領域のそれぞれの大きさが等しくなるように、前記第２関心領域のそれぞれを設定する、
   請求項６記載の画像解析装置。
10. 前記設定部は、前記第２関心領域のそれぞれにおける輝度値の分布が一様となるように、前記第２関心領域のそれぞれの位置を調整する、
    請求項６記載の画像解析装置。
11. 第１臓器及び第２臓器を含む第１医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記第１医用画像データにおける第１関心領域を規定する位置情報に基づき、前記第１医用画像データにおける前記第１臓器に前記第１関心領域を設定する設定部、
    を具備し、
    前記設定部は、前記第１医用画像データにおける被検体の体表からの深さが前記第１関心領域と等しくなるように、前記第１医用画像データにおける前記第２臓器に第２関心領域を設定する、
    画像解析装置。
12. 前記学習済みモデルは、前記第１臓器及び前記第２臓器を含む第２医用画像データを入力とし、前記第２医用画像データにおける関心領域を規定する位置情報を正解出力とする学習データに基づき生成される、
    請求項１１記載の画像解析装置。
13. 前記設定部は、前記第１医用画像データにおける前記第１臓器と前記第２臓器との境界領域近傍において、前記第１医用画像データにおける前記第２臓器に前記第２関心領域を設定する、
    請求項１１記載の画像解析装置。
14. 前記設定部は、前記第１関心領域及び前記第２関心領域の大きさが等しくなるように、前記第１関心領域及び前記第２関心領域を設定する、
    請求項１１記載の画像解析装置。
15. 前記設定部は、前記第１関心領域における輝度値の分布と、前記第２関心領域における輝度値の分布とが一様となるように、前記第１関心領域及び前記第２関心領域の少なくともいずれかの位置を調整する、
    請求項１１記載の画像解析装置。
16. 複数の医用画像データから、前記第１医用画像データを選択する前処理部をさらに具備する、
    請求項１乃至１５のいずれか１項記載の画像解析装置。
17. 第１臓器及び第２臓器を含む医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記医用画像データにおける第１関心領域及び第２関心領域を規定する位置情報に基づき、前記医用画像データにおける前記第１臓器に前記第１関心領域を設定し、前記第２臓器に前記第２関心領域を設定する設定部、
    を具備し、
    前記設定部は、前記第１関心領域における輝度値の分布と、前記第２関心領域における輝度値の分布とが一様となるように、前記第１関心領域及び前記第２関心領域の少なくともいずれかの位置を調整する、
    画像診断装置。
18. 第１臓器及び第２臓器を含む医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記医用画像データにおける第１関心領域を規定する位置情報に基づき、前記医用画像データにおける前記第１臓器及び前記第２臓器をまたぐように前記第１関心領域を設定する設定部、
    を具備し、
    前記設定部は、前記医用画像データにおける被検体の体表からの深さが等しくなるように、前記第１関心領域の内部において、前記第１臓器及び前記第２臓器のそれぞれに第２関心領域を設定する、
    画像診断装置。
19. 超音波を放射し、放射した超音波の反射波を受信する超音波プローブをさらに具備し、
    前記医用画像データは、前記反射波に基づき生成される超音波画像データである、
    請求項１７又は１８記載の画像診断装置。
20. 第１臓器及び第２臓器を含む医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記医用画像データにおける第１関心領域及び第２関心領域を規定する位置情報に基づき、前記医用画像データにおける前記第１臓器に前記第１関心領域を設定し、前記第２臓器に前記第２関心領域を設定する処理をプロセッサに実行させ、
    前記処理は、前記第１関心領域における輝度値の分布と、前記第２関心領域における輝度値の分布とが一様となるように、前記第１関心領域及び前記第２関心領域の少なくともいずれかの位置を調整する、
    ＲＯＩ設定プログラム。
21. 第１臓器及び第２臓器を含む医用画像データを学習済みモデルに入力し、前記学習済みモデルから出力された、前記医用画像データにおける第１関心領域を規定する位置情報に基づき、前記医用画像データにおける前記第１臓器及び前記第２臓器をまたぐように前記第１関心領域を設定する処理をプロセッサに実行させ、
    前記処理は、前記医用画像データにおける被検体の体表からの深さが等しくなるように、前記第１関心領域の内部において、前記第１臓器及び前記第２臓器のそれぞれに第２関心領域を設定する、
    ＲＯＩ設定プログラム。

Images