JP7340086B2 - 痛み推定装置及びプログラム - Google Patents

痛み推定装置及びプログラム Download PDF

Info

Publication number
JP7340086B2
JP7340086B2 JP2022500184A JP2022500184A JP7340086B2 JP 7340086 B2 JP7340086 B2 JP 7340086B2 JP 2022500184 A JP2022500184 A JP 2022500184A JP 2022500184 A JP2022500184 A JP 2022500184A JP 7340086 B2 JP7340086 B2 JP 7340086B2
Authority
JP
Japan
Prior art keywords
information
estimation
pain
subject
endoscopy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022500184A
Other languages
English (en)
Other versions
JPWO2021161514A1 (ja
JPWO2021161514A5 (ja
Inventor
晃一 高山
浩正 藤田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Original Assignee
Olympus Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Olympus Corp filed Critical Olympus Corp
Publication of JPWO2021161514A1 publication Critical patent/JPWO2021161514A1/ja
Publication of JPWO2021161514A5 publication Critical patent/JPWO2021161514A5/ja
Application granted granted Critical
Publication of JP7340086B2 publication Critical patent/JP7340086B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4824—Touch or pain perception evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/005—Flexible endoscopes
    • A61B1/009—Flexible endoscopes with bending or curvature detection of the insertion part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0266—Operational features for monitoring or limiting apparatus function

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pain & Pain Management (AREA)
  • Radiology & Medical Imaging (AREA)
  • Optics & Photonics (AREA)
  • Hospice & Palliative Care (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Endoscopes (AREA)

Description

本発明は、内視鏡検査時に用いられる痛み推定装置及びプログラムに関する。
医療分野の内視鏡検査においては、内視鏡に設けられた細長な挿入部を患者等の被検者の体内の深部へ挿入するための挿入操作が行われる。また、医療分野の内視鏡検査においては、内視鏡の挿入部の挿入操作に資する情報の取得に係る提案が従来行われている。
具体的には、例えば、国際公開第２０１８／１３５０１８号には、内視鏡の挿入部の挿入操作に資する情報として、被検者の体内に挿入されている当該挿入部に掛かる力を算出するための方法が開示されている。
ここで、医療分野の内視鏡検査においては、内視鏡の挿入部が挿入されている（内視鏡検査を受けている）被検者の痛みの程度を推定するための方法についての検討が行われている。
しかし、国際公開第２０１８／１３５０１８号には、被検者の体内に挿入されている挿入部に掛かる力から当該被検者の痛みの程度を推定するための具体的な方法について開示されていない。そのため、国際公開第２０１８／１３５０１８号に開示された構成によれば、例えば、内視鏡の挿入部の挿入操作を行う術者等のユーザが被検者の痛みの程度を把握できないことに起因し、当該ユーザに対して過度な負担を強いてしまう場合がある、という課題が生じている。
本発明は、前述した事情に鑑みてなされたものであり、内視鏡の挿入時の挿入操作を行うユーザの負担を軽減可能な痛み推定装置及びプログラムを提供することを目的としている。
本発明の一実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者に係る推定用被検者情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡により前記被検者の体内を撮像して得られた内視鏡画像に係る推定用内視鏡画像情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡に対して気体を供給するための動作を行う送気部の動作状態に係る推定用送気情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記内視鏡に対して気体を供給するための動作を行う送気部の動作状態に係る推定用送気情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記挿入部に設けられた剛性可変部の動作に係る推定用剛性可変部動作情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記挿入部に設けられた剛性可変部の動作に係る推定用剛性可変部動作情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡の使用回数に係る推定用使用回数情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記内視鏡の使用回数に係る推定用使用回数情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記挿入部の剛性に係る推定用挿入部剛性情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記挿入部の剛性に係る推定用挿入部剛性情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の他の実施の形態の痛み推定装置は、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者への前記挿入部の挿入長に係る推定用挿入長情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、前記被検者への前記挿入部の挿入長に係る推定用挿入長情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、を有する。
本発明の一実施形態のプログラムは、コンピュータに、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者に係る推定用被検者情報と、を含む推定用検査状況情報を取得するための処理と、前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成する処理と、を実行させる。
実施形態に係る痛み推定装置を含む内視鏡システムの要部の構成を示す図。 実施形態に係る内視鏡システムの具体的な構成を説明するためのブロック図。 実施形態に係る痛み推定装置の処理に用いられる推定モデルの一例を示す模式図。
以下、本発明の実施形態について、図面を参照しつつ説明を行う。
内視鏡システム１は、例えば、図１に示すように、内視鏡１０と、本体装置２０と、挿入形状観測装置３０と、操作力量計測装置４０と、入力装置５０と、表示装置６０と、を有して構成されている。図１は、実施形態に係る痛み推定装置を含む内視鏡システムの要部の構成を示す図である。
内視鏡１０は、患者等の被検者の体内に挿入される挿入部１１と、挿入部１１の基端側に設けられた操作部１６と、操作部１６から延設されたユニバーサルコード１７と、を有して構成されている。また、内視鏡１０は、ユニバーサルコード１７の端部に設けられたスコープコネクタ（不図示）を介し、本体装置２０に対して着脱自在に接続されるように構成されている。また、挿入部１１、操作部１６及びユニバーサルコード１７の内部には、本体装置２０から供給される照明光を伝送するためのライトガイド１１０（図１では不図示）が設けられている。
挿入部１１は、可撓性及び細長形状を有して構成されている。また、挿入部１１は、硬質の先端部１２と、湾曲自在に形成された湾曲部１３と、可撓性を有する長尺な可撓管部１４と、を先端側から順に設けて構成されている。また、先端部１２、湾曲部１３及び可撓管部１４の内部には、本体装置２０から供給されるコイル駆動信号に応じた磁界を発生する複数のソースコイル１８が挿入部１１の長手方向に沿って所定の間隔で配置されている。また、挿入部１１の内部には、本体装置２０から供給される気体を流通させて先端部１２の前方へ吐出するための管路として形成された送気チャンネル１２０（図１では不図示）が設けられている。また、挿入部１１の少なくとも一部の範囲に設けられた剛性可変範囲の内部には、本体装置２０の制御に応じて当該剛性可変範囲の曲げ剛性を変化させることができるように構成された剛性可変機構１３０（図１では不図示）が、挿入部１１の長手方向に沿って設けられている。なお、以降においては、説明の便宜上、「曲げ剛性」を単に「剛性」として適宜略記するものとする。
先端部１２には、挿入部１１の内部に設けられたライトガイド１１０により伝送された照明光を被写体へ出射するための照明窓（不図示）が設けられている。また、先端部１２には、本体装置２０から供給される撮像制御信号に応じた動作を行うとともに、照明窓を経て出射される照明光により照明された被写体を撮像して撮像信号を出力するように構成された撮像部１４０（図１では不図示）が設けられている。
湾曲部１３は、操作部１６に設けられたアングルノブ（不図示）の操作に応じて湾曲することができるように構成されている。
操作部１６は、ユーザが把持して操作することが可能な形状を具備して構成されている。また、操作部１６には、挿入部１１の長手軸に対して交差する上下左右の４方向に湾曲部１３を湾曲させるための操作を行うことができるように構成されたアングルノブが設けられている。また、操作部１６には、ユーザの入力操作に応じた指示を行うことが可能な１つ以上のスコープスイッチ（不図示）が設けられている。
本体装置２０は、１つ以上のプロセッサ２０Ｐと、非一過性の記憶媒体２０Ｍと、を有して構成されている。また、本体装置２０は、ユニバーサルコード１７を介し、内視鏡１０に対して着脱自在に接続されるように構成されている。また、本体装置２０は、挿入形状観測装置３０、入力装置５０及び表示装置６０の各部に対して着脱自在に接続されるように構成されている。また、本体装置２０は、入力装置５０からの指示に応じた動作を行うように構成されている。また、本体装置２０は、内視鏡１０から出力される撮像信号に基づいて内視鏡画像を生成するとともに、当該生成した内視鏡画像を表示装置６０に表示させるための動作を行うように構成されている。また、本体装置２０は、内視鏡１０の動作を制御するための様々な制御信号を生成して出力するように構成されている。また、本体装置２０は、痛み推定装置としての機能を具備し、内視鏡検査を受けている被検者の痛みの程度を推定して推定結果を取得するとともに、当該取得した推定結果を示す痛みレベル情報を生成するための処理を行うように構成されている。また、本体装置２０は、前述のように生成した痛みレベル情報を表示装置６０に表示させるための動作を行うことができるように構成されている。
挿入形状観測装置３０は、挿入部１１に設けられたソースコイル１８各々から発せられる磁界を検出するとともに、当該検出した磁界の強度に基づいて複数のソースコイル１８各々の位置を取得するように構成されている。また、挿入形状観測装置３０は、前述のように取得した複数のソースコイル１８各々の位置を示す挿入位置情報を生成して本体装置２０へ出力するように構成されている。
操作力量計測装置４０は、例えば、内視鏡１０を操作するユーザの手または腕において発生した筋電位を計測可能な筋電センサを有して構成されている。また、操作力量計測装置４０は、内視鏡１０を操作するユーザが挿入部１１に対して加えた操作力量に応じて発生する電圧値を計測するとともに、当該計測した電圧値を示す操作力量情報を生成して本体装置２０へ出力するように構成されている。
なお、本実施形態においては、例えば、操作力量計測装置４０が、内視鏡１０の操作を行うことが可能な図示しないロボットが挿入部１１に対して加えた操作力量に応じて発生する電圧値等を計測した計測結果を取得するとともに、当該取得した計測結果を示す操作力量情報を生成して本体装置２０へ出力するように構成されていてもよい。
入力装置５０は、例えば、マウス、キーボード及びタッチパネル等のような、ユーザにより操作される１つ以上の入力インターフェースを有して構成されている。また、入力装置５０は、ユーザの操作に応じて入力された情報及び指示を本体装置２０へ出力することができるように構成されている。
表示装置６０は、例えば、液晶モニタ等を有して構成されている。また、表示装置６０は、本体装置２０から出力される内視鏡画像等を画面上に表示することができるように構成されている。
内視鏡１０は、図２に示すように、ソースコイル１８と、ライトガイド１１０と、送気チャンネル１２０と、剛性可変機構１３０と、撮像部１４０と、を有して構成されている。図２は、実施形態に係る内視鏡システムの具体的な構成を説明するためのブロック図である。
撮像部１４０は、例えば、照明光により照明された被写体からの戻り光が入射される観察窓と、当該戻り光を撮像して撮像信号を出力するカラーＣＣＤ等のイメージセンサと、を有して構成されている。
本体装置２０は、図２に示すように、光源部２１０と、送気部２２０と、剛性制御部２３０と、画像処理部２４０と、コイル駆動信号生成部２５０と、表示制御部２６０と、システム制御部２７０と、を有して構成されている。
光源部２１０は、例えば、１つ以上のＬＥＤまたは１つ以上のランプを光源として有して構成されている。また、光源部２１０は、挿入部１１が挿入される被検者の体内を照明するための照明光を発生するとともに、当該照明光を内視鏡１０へ供給することができるように構成されている。また、光源部２１０は、システム制御部２７０から供給されるシステム制御信号に応じて照明光の光量を変化させることができるように構成されている。
送気部２２０は、例えば、送気用のポンプ及びボンベ等を有して構成されている。また、送気部２２０は、システム制御部２７０から供給されるシステム制御信号に応じ、ボンベ内に貯留されている気体を送気チャンネル１２０に供給するための動作を行うように構成されている。
剛性制御部２３０は、例えば、剛性制御回路等を有して構成されている。また、剛性制御部２３０は、システム制御部２７０から供給されるシステム制御信号に応じて剛性可変機構１３０の駆動状態を制御することにより、挿入部１１の剛性可変範囲における剛性の大きさを設定するための動作を行うように構成されている。
画像処理部２４０は、例えば、画像処理回路を有して構成されている。また、画像処理部２４０は、内視鏡１０から出力される撮像信号に対して所定の処理を施すことにより内視鏡画像を生成するとともに、当該生成した内視鏡画像を表示制御部２６０及びシステム制御部２７０へ出力するように構成されている。
コイル駆動信号生成部２５０は、例えば、ドライブ回路を有して構成されている。また、コイル駆動信号生成部２５０は、システム制御部２７０から供給されるシステム制御信号に応じ、ソースコイル１８を駆動させるためのコイル駆動信号を生成して出力するように構成されている。
表示制御部２６０は、画像処理部２４０から出力される内視鏡画像を含む表示画像を生成するための処理を行うとともに、当該生成した表示画像を表示装置６０に表示させるための処理を行うように構成されている。また、表示制御部２６０は、システム制御部２７０から出力される痛みレベル情報を表示装置６０に表示させるための処理を行うように構成されている。表示装置６０に表示された痛みレベル情報等の各種情報は、ユーザである医師、またはユーザ以外の医療従事者である看護師等に伝達される。
システム制御部２７０は、操作部１６及び入力装置５０からの指示等に応じた動作を行わせるためのシステム制御信号を生成して出力するように構成されている。また、システム制御部２７０は、情報取得部２７１と、痛み推定処理部２７２と、を有して構成されている。
情報取得部２７１は、挿入形状観測装置３０から出力される挿入位置情報に基づき、被検者の体内に挿入されている挿入部１１の挿入状況を示す情報に相当する挿入状況情報（推定用挿入状況情報）を取得するための処理を行うように構成されている。
具体的には、情報取得部２７１は、例えば、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値（後述）に基づき、挿入部１１に設けられた複数のソースコイル１８各々の位置に対応する複数の曲率を算出して算出結果を取得するともに、当該取得した算出結果を含む挿入状況情報を生成するように構成されている。すなわち、情報取得部２７１は、一の内視鏡検査を受けている被検者の体内に挿入されている挿入部１１の挿入形状に係る情報（推定用挿入形状情報）を得るための処理として、挿入部１１の複数の位置各々に対応する複数の曲率を算出する処理を行うように構成されている。
痛み推定処理部２７２は、情報取得部２７１により生成された挿入状況情報に基づき、被検者の痛みの程度を推定した推定結果を取得するための処理を行うように構成されている。被検者の痛みの程度の推定結果は、例えば、所定の複数の痛みレベルのうちの一の痛みレベルとして取得される。また、痛み推定処理部２７２は、前述のように取得した推定結果を示す痛みレベル情報（痛み情報）を生成するとともに、当該生成した痛みレベル情報を表示制御部２６０へ出力するように構成されている。
ここで、本実施形態における痛み推定処理部２７２の構成の具体例について説明する。
痛み推定処理部２７２は、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＰを用いた処理を行うことにより、情報取得部２７１により生成された挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
前述の推定器ＣＬＰの作成時においては、例えば、情報取得部２７１により生成されるものと同様の挿入状況情報と、当該挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＰは、例えば、事前収集対象である事前収集用挿入形状情報と、当該事前収集用挿入形状に対応する被検者の痛みの程度を示す事前収集用痛み情報とを含む事前収集情報を教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、例えば、内視鏡検査中の被検者において実際に発生した痛みの程度に応じて当該被検者により押下される複数のスイッチを有する押しボタンスイッチの押下状態等のような、当該被検者の主観的な評価基準に基づいて痛みの程度を評価した評価結果に応じたラベルを挿入状況情報に付与するための作業が行われる。または、前述の教師データの作成時においては、例えば、内視鏡検査中の被検者から発せられた脳波を測定する脳波計により得られた波形の分析結果、及び、当該被検者において発生した筋電位を測定する筋電センサにより得られた波形の分析結果等のような、当該被検者とは異なる専門家等の人物の客観的な評価基準に基づいて痛みの程度を評価した評価結果に応じたラベルを挿入状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＰによれば、例えば、情報取得部２７１により生成された挿入状況情報に含まれる複数の曲率を入力データとしてニューラルネットワークの入力層に入力することにより、当該挿入状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＰを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された挿入状況情報を、当該一の内視鏡検査よりも前に得られた当該挿入状況情報と同様の情報を用いた機械学習により作成された推定モデルに相当する推定器ＣＬＰに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態においては、本体装置２０の少なくとも一部の機能が、プロセッサ２０Ｐにより実現されるようにすればよい。また、本実施形態においては、本体装置２０の少なくとも一部が、個々の電子回路として構成されていてもよく、または、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路における回路ブロックとして構成されていてもよい。また、本実施形態に係る構成を適宜変形することにより、例えば、コンピュータが、本体装置２０の少なくとも一部の機能を実行させるためのプログラムをメモリ等の記憶媒体２０Ｍから読み込むとともに、当該読み込んだプログラムに応じた動作を行うようにしてもよい。
挿入形状観測装置３０は、図２に示すように、受信アンテナ３１０と、挿入位置情報取得部３２０と、を有して構成されている。
受信アンテナ３１０は、例えば、複数のソースコイル１８各々から発せられる磁界を３次元的に検出するための複数のコイルを有して構成されている。また、受信アンテナ３１０は、複数のソースコイル１８各々から発せられる磁界を検出するとともに、当該検出した磁界の強度に応じた磁界検出信号を生成して挿入位置情報取得部３２０へ出力するように構成されている。
挿入位置情報取得部３２０は、受信アンテナ３１０から出力される磁界検出信号に基づき、複数のソースコイル１８各々の位置を取得するように構成されている。また、挿入位置情報取得部３２０は、前述のように取得した複数のソースコイル１８各々の位置を示す挿入位置情報を生成してシステム制御部２７０へ出力するように構成されている。
具体的には、挿入位置情報取得部３２０は、複数のソースコイル１８各々の位置として、例えば、挿入部１１が挿入される被検者の所定の位置（肛門等）が原点または基準点となるように仮想的に設定された空間座標系における複数の３次元座標値を取得する。また、挿入位置情報取得部３２０は、前述のように取得した複数の３次元座標値を含む挿入位置情報を生成してシステム制御部２７０へ出力する。
本実施形態においては、挿入形状観測装置３０の少なくとも一部が、電子回路として構成されていてもよく、または、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路における回路ブロックとして構成されていてもよい。また、本実施形態においては、例えば、挿入形状観測装置３０が１つ以上のプロセッサ（ＣＰＵ等）を具備して構成されていてもよい。
続いて、本実施形態の作用について説明する。
術者等のユーザは、内視鏡システム１の各部を接続して電源を投入した後、例えば、被検体の肛門または直腸付近に先端部１２が位置するように挿入部１１を配置する。
情報取得部２７１は、挿入形状観測装置３０から出力される挿入位置情報に基づき、挿入部１１に設けられた複数のソースコイル１８各々の位置に対応する複数の曲率の算出結果を含む挿入状況情報を生成するための処理を行う。
痛み推定処理部２７２は、情報取得部２７１により生成された挿入状況情報に含まれる複数の曲率を推定器ＣＬＰに入力して処理を行うことにより、当該挿入状況情報に応じた被検者の痛みレベルの推定結果を取得するとともに、当該取得した推定結果を示す痛みレベル情報を生成する。そして、痛み推定処理部２７２は、前述のように生成した痛みレベル情報を表示制御部２６０へ出力する。
具体的には、痛み推定処理部２７２は、被検者の痛みの程度を、例えば、当該被検者において発生している痛みが比較的大きい場合に相当する痛みレベルＰＨと、当該被検者において発生している痛みが比較的小さい場合に相当する痛みレベルＰＬと、当該被検者において発生している痛みがない場合に相当する痛みレベルＰＮと、のうちのいずれか一の痛みレベルとして推定した推定結果を取得する。
表示制御部２６０は、痛み推定処理部２７２から出力される痛みレベル情報を表示装置６０に表示させるための処理を行う。
具体的には、表示制御部２６０は、例えば、痛み推定処理部２７２から出力される痛みレベル情報により示される痛みレベルがＰＨである場合には、被検者において発生している痛みが大きいことを示す文字列を生成するとともに、当該生成した文字列を表示装置６０に表示させるための処理を行う。また、表示制御部２６０は、例えば、痛み推定処理部２７２から出力される痛みレベル情報により示される痛みレベルがＰＬである場合には、被検者において発生している痛みが小さいことを示す文字列を生成するとともに、当該生成した文字列を表示装置６０に表示させるための処理を行う。また、表示制御部２６０は、例えば、痛み推定処理部２７２から出力される痛みレベル情報により示される痛みレベルがＰＮである場合には、被検者において発生している痛みがないことを示す文字列を生成するとともに、当該生成した文字列を表示装置６０に表示させるための処理を行う。
以上に述べたように、本実施形態によれば、内視鏡検査を受けている被検者において発生した痛みの程度を推定することができるとともに、当該被検者の痛みの程度を示す情報をユーザに提示することができる。そのため、本実施形態によれば、内視鏡の挿入部の挿入操作を行うユーザの負担を軽減することができる。
本実施形態によれば、例えば、情報取得部２７１が、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づき、内視鏡検査中の被検者に挿入されている挿入部１１の挿入形状を２次元的に示す挿入形状画像を生成するとともに、当該生成した挿入形状画像を含む挿入状況情報を生成するための処理を行うものであってもよい。換言すると、本実施形態においては、情報取得部２７１が、挿入部１１の挿入形状に係る情報を得るための処理として、挿入部１１の挿入形状を２次元的に示す挿入形状画像を生成する処理を行うように構成されていてもよい。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＱを用いた処理を行うことにより、情報取得部２７１により生成された挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＱの作成時においては、例えば、情報取得部２７１により生成されるものと同様の挿入状況情報と、当該挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを挿入状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＱによれば、例えば、情報取得部２７１により生成された挿入状況情報に含まれる挿入形状画像の各画素の画素値等の多次元データを取得し、当該多次元データを入力データとしてニューラルネットワークの入力層に入力することにより、当該挿入状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＱを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された挿入状況情報を、当該一の内視鏡検査よりも前に得られた当該挿入状況情報と同様の情報を用いた機械学習により作成された推定モデルに相当する推定器ＣＬＱに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、内視鏡検査において挿入部１１に対して加えられた力量に係る情報である推定用操作力量情報を挿入状況情報として取得してもよい。例えば、操作力量計測装置４０から出力される一の電圧値を一定時間続けて記録することにより複数の電圧値を有する時系列データを推定用操作力量情報として取得するとともに、当該取得した時系列データを含む挿入状況情報を取得するための処理を行うものであってもよい。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＷを用いた処理を行うことにより、情報取得部２７１により生成された挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＷの作成時においては、例えば、情報取得部２７１により生成されるものと同様の挿入状況情報と、当該挿入状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＷは、例えば、事前収集対象である事前収集用操作力量情報と、当該事前収集用操作力量情報に対応する被検者の痛みの程度を示す事前収集用痛み情報とを含む事前収集情報を教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＷによれば、例えば、情報取得部２７１により生成された挿入状況情報の時系列データに含まれる複数の電圧値を入力データとしてニューラルネットワークの入力層に入力することにより、当該挿入状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＷを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された挿入状況情報を、当該一の内視鏡検査よりも前に得られた当該挿入状況情報と同様の情報を用いた機械学習により作成された推定モデルに相当する推定器ＣＬＷに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、入力装置５０において入力された情報を検出して得られた被検者に係る情報に相当する被検者情報（推定用被検者情報）と、を含む検査状況情報（推定用検査状況情報）を取得するための処理を行うものであってもよい。なお、前述の被検者情報には、例えば、内視鏡検査を受ける被検者の性別を示す情報、当該被検者の年齢を示す情報、当該被検者の体型を示す情報、当該被検者における腸管の癒着の有無を示す情報、及び、当該被検者における鎮静剤の使用の有無を示す情報等のうちのいずれか１つの情報が含まれている。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＲを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＲの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＲは、例えば、事前収集用被検者情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＲによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの被検者情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＲを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＲに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、画像処理部２４０から出力される内視鏡画像に係る推定用内視鏡画像情報とを含む検査状況情報を取得するための処理を行うものであってもよい。推定用内視鏡画像情報は、例えば、画像処理部２４０から出力される内視鏡画像に対して解析処理を施して得られた解析結果を示す解析情報であってもよい。なお、前述の解析情報には、例えば、内視鏡検査中の（挿入部１１が挿入されている）被検者の腸壁から先端部１２の先端面までの距離が０または略０である状態に相当する過接近状態の発生の有無を示す情報、及び、当該被検者の腸管における憩室の有無を示す情報等のうちのいずれか１つの情報が含まれていればよい。また、前述の過接近状態の発生の有無は、例えば、画像処理部２４０から出力される内視鏡画像全域における赤色の領域が占める割合に基づいて検出することができる。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＳを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＳの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＳは、例えば、事前収集用内視鏡画像情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＳによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの解析情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＳを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＳに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、送気部２２０の動作状態を検出して得られた検出結果を示す送気情報（推定用送気情報）と、を含む検査状況情報を生成するための処理を行うものであってもよい。なお、前述の送気情報には、例えば、送気部２２０から送気チャンネル１２０に対する気体の供給が一定時間以上続けて行われているか否かを示す情報が含まれていればよい。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＴを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＴの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＴは、例えば、事前収集用送気情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＴによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの送気情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＴを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＴに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、剛性制御部２３０の動作状態を検出して得られた検出結果を示す剛性制御情報（推定用剛性可変部動作情報）と、を含む検査状況情報を生成するための処理を行うものであってもよい。剛性制御情報は、言い換えると、挿入部１１に設けられた剛性可変部の動作に係る情報である。なお、前述の剛性制御情報には、例えば、剛性制御部２３０により設定されている剛性の大きさの設定値を示す情報が含まれていればよい。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＵを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＵの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＵは、例えば、事前収集用剛性可変部動作情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＵによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの剛性制御情報に応じた値（剛性の大きさの設定値）と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＵを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＵに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、入力装置５０において入力された情報を検出して得られた内視鏡１０の使用回数を示す情報に相当する内視鏡情報（推定用使用回数情報）と、を含む検査状況情報を生成するための処理を行うものであってもよい。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＶを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＶの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＶは、例えば、事前収集用使用回数情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＶによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの内視鏡情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＶを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＶに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、挿入部１１の剛性を示す挿入部剛性情報（推定用挿入部剛性情報）と、を含む検査状況情報を生成するための処理を行うものであってもよい。なお、挿入部剛性情報は、挿入部１１の材質や長さ等によって予め定まっている剛性の大きさを示す情報である。すなわち、挿入部剛性情報は、挿入部１１の材質や長さ等によって予め定まっている設計値を示す情報であり、ユーザの操作や剛性制御部２３０の動作状態によって剛性の大きさが変更される剛性制御情報とは異なる。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＹを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＹの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＹは、例えば、事前収集用挿入部剛性情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＹによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの挿入部剛性情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＹを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＹに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、一の内視鏡検査における検査状況を示す情報として、挿入形状観測装置３０から出力される挿入位置情報に含まれる複数の３次元座標値に基づいて生成した挿入状況情報と、被検者へ挿入された挿入部１１の挿入長を示す挿入長情報（推定用挿入長情報）と、を含む検査状況情報を生成するための処理を行うものであってもよい。なお、挿入長情報は、挿入形状観測装置３０により取得され、システム制御部２７０の情報取得部２７１に入力される。また、挿入長情報は、言い換えると、挿入部１１の先端部１２が腸管のどこの部位（例えば、Ｓ状結腸、脾湾曲部）に位置しているかを示唆する情報である。
そして、前述のような場合においては、痛み推定処理部２７２が、入力層と、隠れ層と、出力層と、を含む多層のニューラルネットワークにおける各結合係数（重み）をディープラーニング等の学習手法で学習させることにより作成された推定器ＣＬＸを用いた処理を行うことにより、情報取得部２７１により生成された検査状況情報に含まれる各情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されていればよい。
前述の推定器ＣＬＸの作成時においては、例えば、情報取得部２７１により生成されるものと同様の検査状況情報と、当該検査状況情報に対応する被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルに分類した分類結果を示すラベルと、を含む教師データを用いた機械学習が行われる。言い換えると、推定器ＣＬＸは、例えば、事前収集用挿入長情報と事前収集用痛み情報との関係を含む情報と、事前収集用挿入形状情報と事前収集用痛み情報との関係を含む事前収集情報とを教師データとして機械学習を行うことで作成する。また、前述の所定の複数の痛みレベル各々は、例えば、大、小及び無しのような多段階のレベルとして設定されている。また、前述の教師データの作成時においては、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した評価結果に応じたラベルを検査状況情報に付与するための作業が行われる。
そのため、前述の推定器ＣＬＸによれば、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの挿入長情報に応じた値と、を併せて入力データとしてニューラルネットワークの入力層に入力することにより、当該検査状況情報に対応する被検者の痛みレベルとして推定され得るレベル各々に対応する複数の尤度を当該ニューラルネットワークの出力層から出力される出力データとして取得することができる。また、前述の推定器ＣＬＸを用いた処理によれば、例えば、ニューラルネットワークの出力層から出力される出力データに含まれる複数の尤度の中で最も高い一の尤度に対応する一の痛みレベルを、被検者の痛みレベルの推定結果として得ることができる。
すなわち、以上に述べた処理によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された検査状況情報を、当該一の内視鏡検査よりも前に得られた当該検査状況情報と同様の情報を用いた機械学習により作成されているとともに推定器ＣＬＰとは異なる推定モデルとして作成された推定器ＣＬＸに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
本実施形態によれば、例えば、情報取得部２７１が、挿入形状観測装置３０から出力される挿入位置情報に基づいて取得した複数の曲率と、操作力量計測装置４０から出力される操作力量情報に基づいて取得した時系列データと、を含む挿入状況情報を生成するための処理を行うように構成されていてもよい。換言すると、本実施形態においては、情報取得部２７１が、一の内視鏡検査を受けている被検者の体内に挿入されている挿入部１１の挿入状況を示す情報として、挿入部１１の挿入形状に係る情報、及び、当該一の内視鏡検査において挿入部１１に対して加えられた力量に応じて得られた情報のうちの少なくとも一方を含む挿入状況情報を生成するための処理を行うように構成されていればよい。また、前述のような場合において、例えば、痛み推定処理部２７２が、情報取得部２７１により生成された挿入状況情報に含まれる複数の曲率を推定器ＣＬＰに入力して得られた出力データと、当該挿入状況情報に含まれる時系列データを推定器ＣＬＷに入力して得られた出力データと、に基づいて被検者の痛みレベルを推定して推定結果を得るような処理を行うように構成されていてもよい。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みレベルの推定結果に応じて生成した痛みレベル情報を表示制御部２６０へ出力するものに限らず、例えば、当該痛みレベル情報を図示しないスピーカへ出力するようにしてもよい。そして、このような場合においては、例えば、痛み推定処理部２７２により生成された痛みレベル情報に応じて異なる警告音または音声をスピーカから出力させることができる。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みレベルの推定結果に応じて生成した痛みレベル情報を表示制御部２６０へ出力するものに限らず、例えば、当該痛みレベル情報を図示しないランプへ出力するようにしてもよい。そして、このような場合においては、例えば、痛み推定処理部２７２により生成された痛みレベル情報に応じて異なる点滅間隔でランプを発光させることができる。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を示す痛みレベル情報を生成して表示制御部２６０へ出力するものに限らず、例えば、当該推定結果に応じてユーザによる挿入部１１の挿入操作をガイドするための操作ガイド情報をさらに生成するとともに、当該操作ガイド情報を表示制御部２６０へ出力するようにしてもよい。
具体的には、痛み推定処理部２７２は、例えば、被検者の痛みレベルの推定結果として痛みレベルＰＨを得た場合には、挿入部１１の一時停止を促す操作ガイド情報を生成するとともに、当該操作ガイド情報を表示制御部２６０へ出力する。また、痛み推定処理部２７２は、例えば、被検者の痛みレベルの推定結果として痛みレベルＰＬを得た場合には、挿入部１１の挿入速度及び挿入力量等の調整を促す操作ガイド情報を生成するとともに、当該操作ガイド情報を表示制御部２６０へ出力する。また、痛み推定処理部２７２は、例えば、被検者の痛みレベルの推定結果として痛みレベルＰＮを得た場合には、挿入部１１の挿入速度及び挿入力量等の維持を促す操作ガイド情報を生成するとともに、当該操作ガイド情報を表示制御部２６０へ出力する。また、痛み推定処理部２７２は、例えば、被検者の痛みレベルの推定結果として痛みレベルＰＯを得た場合には、痛みレベルＰＯよりも小さい痛みを示す痛みレベルに変化するように、ユーザによる現在の挿入部１１の挿入操作とは異なる挿入操作を促す操作ガイド情報を生成するとともに、当該操作ガイド情報を表示制御部２６０へ出力する。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みレベルの推定結果に応じて生成した操作ガイド情報を表示制御部２６０へ出力するものに限らず、例えば、当該操作ガイド情報を図示しないスピーカへ出力するようにしてもよい。そして、このような場合においては、例えば、痛み推定処理部２７２により生成された操作ガイド情報に応じた操作を促す音声をスピーカから出力させることができる。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みレベルの推定結果に応じて生成した操作ガイド情報を表示制御部２６０へ出力するものに限らず、例えば、当該操作ガイド情報を図示しないランプへ出力するようにしてもよい。そして、このような場合においては、例えば、痛み推定処理部２７２により生成された操作ガイド情報に応じた操作を促す点灯状態でランプを発光させることができる。
本実施形態によれば、痛み推定処理部２７２が、被検者の痛みレベルの推定結果に応じて生成した痛みレベル情報や操作ガイド情報を表示制御部２６０に出力するものに限らず、挿入部１１の挿入動作を自動で行うように構成された自動挿入装置の制御に痛みレベル情報や操作ガイド情報を用いてもよい。このような場合においては、例えば、被検者の痛みレベルの推定結果として痛みレベルＰＰを得た場合には、痛みレベルＰＰよりも小さい痛みを示す痛みレベルに変化するように、自動挿入装置による現在の挿入部１１の挿入動作とは異なる挿入動作を促す操作ガイド情報を生成するとともに、当該操作ガイド情報を自動挿入装置へ出力する。
本実施形態によれば、痛み推定処理部２７２が、機械学習により作成された推定モデルを用いて被検者の痛みレベルの推定に係る処理を行うものに限らず、例えば、多項式により表される推定モデルを用いて当該被検者の痛みレベルの推定に係る処理を行うものであってもよい。このような場合の例について、以下に説明する。
痛み推定処理部２７２は、例えば、情報取得部２７１により生成された挿入状況情報に含まれる複数の曲率を下記数式（１）のような多項式により表される推定モデルに適用することにより痛み値Ｐａを算出するとともに、当該算出した痛み値Ｐａの大きさに応じて被検者の痛みレベルを推定した推定結果を取得する。なお、下記数式（１）において、Ａ1、Ａ2、Ａ3、…、Ａs、Ａs+1は近似パラメータを表し、Ｘ1、Ｘ2、Ｘ3、…、Ｘsは情報取得部２７１により生成された挿入状況情報に含まれるｓ個の曲率を表すものとする。

Figure 0007340086000001

上記数式（１）の近似パラメータＡ1、Ａ2、Ａ3、…、Ａs、Ａs+1は、例えば、下記数式（２）により示される行列式に係る演算を行うことにより算出することができる。なお、下記数式（２）において、Ｐ１、Ｐ２、Ｐ３、…、Ｐｍは、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した値に相当する既知のｍ個の痛み値を表すものとする。また、下記数式（２）において、Ｘ1m、Ｘ2m、Ｘ3m、…、Ｘsmは、痛み値Ｐｍに応じて取得された既知のｓ個の曲率を表すものとする。

Figure 0007340086000002

すなわち、以上に述べた例によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された挿入状況情報を、当該一の内視鏡検査よりも前に得られた当該挿入状況情報と同様の情報を用いて作成された推定モデルに相当する上記（１）の多項式に適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
以上に述べたような多項式により表される推定モデルによれば、機械学習により作成された推定モデルと同様の作用効果を得ることができる。
なお、痛み推定処理部２７２の処理に用いられる推定モデルは、上記数式（１）のような１次の多項式として作成されたものに限らず、例えば、情報取得部２７１により生成された挿入状況情報に含まれる複数の曲率を適用可能な２次以上の次数を有する多項式として作成されるものであってもよい。
また、痛み推定処理部２７２の処理に用いられる推定モデルは、上記数式（１）のような多項式として作成されたものに限らず、例えば、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率と、当該検査状況情報のうちの被検者情報に応じた値と、を併せて適用可能な多項式として作成されるものであってもよい。
本実施形態によれば、痛み推定処理部２７２が、機械学習により作成された推定モデルを用いて被検者の痛みレベルの推定に係る処理を行うものに限らず、例えば、統計的手法を用いて取得された推定モデルを用いて当該被検者の痛みレベルの推定に係る処理を行うものであってもよい。このような場合の例について、以下に説明する。なお、以下に述べる推定モデルの作成に係る処理は、痛み推定処理部２７２において行われるものに限らず、コンピュータ等のような本体装置２０とは異なる装置において行われるものであってもよい。
痛み推定処理部２７２は、例えば、内視鏡検査を受けた被検者の主観的な評価基準、または、当該被検者とは異なる専門家等の人物の客観的な評価基準のいずれかに基づいて痛みの程度を評価した値に相当するｐ（ｐ≧２）個の痛み値各々に対応するｑ（ｑ≧２）個の曲率を並べることにより行列Ｃを生成するとともに、当該生成した行列Ｃに対して下記数式（３）に示すような特異値分解を施す。なお、下記数式（３）において、Ｖは左特異ベクトルを表し、Ｓは特異値行列を表し、ＵTは右特異ベクトルの転置行列を表すものとする。

Figure 0007340086000003

痛み推定処理部２７２は、上記数式（３）に示される特異値分解を行って得られたｑ行１列の左特異ベクトルＶに含まれるｑ個の成分の中で最も大きな値を第１成分Ｖｘとして取得するとともに、当該左特異ベクトルＶに含まれる各要素の中で２番目に大きな値を第２成分Ｖｙとして取得する。すなわち、第１成分Ｖｘは、ｐ個の痛み値各々の評価において最も大きな影響を及ぼしたと推定される成分として取得される。また、第２成分Ｖｙは、ｐ個の痛み値各々の評価において２番目に大きな影響を及ぼしたと推定される成分として取得される。
痛み推定処理部２７２は、ｐ個の痛み値のうちの一の痛み値Ｐｘに対応するｑ個の曲率の中から、第１成分Ｖｘに相当する曲率Ｃｘと、第２成分Ｖｙに相当する曲率Ｃｙと、をそれぞれ取得する。すなわち、曲率Ｃｘ及び曲率Ｃｙは、第１成分Ｖｘ及び第２成分Ｖｙにより規定される２次元座標系における座標値（Ｃｘ，Ｃｙ）として表すことができる。
痛み推定処理部２７２は、痛み値Ｐｘに対応する座標値（Ｃｘ，Ｃｙ）を取得するための処理をｐ個の痛み値各々に対して行うことにより、例えば、図３のように表される推定モデルＣＭＡを作成する。図３は、実施形態に係る痛み推定装置の処理に用いられる推定モデルの一例を示す模式図である。
痛み推定処理部２７２は、情報取得部２７１により生成された検査状況情報のうちの挿入状況情報に含まれる複数の曲率の中から、第１成分Ｖｘ及び第２成分Ｖｙに対応する２つの曲率を取得し、当該取得した２つの曲率（による座標値）を推定モデルＣＭＡに適用した状態でｋ近傍法等によるクラスタリング処理を行うことにより、被検者の痛みレベルの推定結果を取得する。
すなわち、以上に述べた例によれば、痛み推定処理部２７２は、一の内視鏡検査において情報取得部２７１により生成された挿入状況情報を、当該一の内視鏡検査よりも前に得られた当該挿入状況情報と同様の情報を用いて作成された推定モデルＣＭＡに適用して処理を行うことにより、当該一の内視鏡検査における被検者の痛みの程度を所定の複数の痛みレベルのうちの一の痛みレベルとして推定した推定結果を得るように構成されている。
以上に述べたような統計的手法を用いて取得された推定モデルによれば、機械学習により作成された推定モデルと同様の作用効果を得ることができる。
なお、本発明は、上述した実施形態に限定されるものではなく、発明の趣旨を逸脱しない範囲内において種々の変更、組み合わせや応用が可能であることは勿論である。

Claims (11)

  1. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者に係る推定用被検者情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  2. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡により前記被検者の体内を撮像して得られた内視鏡画像に係る推定用内視鏡画像情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  3. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡に対して気体を供給するための動作を行う送気部の動作状態に係る推定用送気情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記内視鏡に対して気体を供給するための動作を行う送気部の動作状態に係る推定用送気情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  4. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記挿入部に設けられた剛性可変部の動作に係る推定用剛性可変部動作情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記挿入部に設けられた剛性可変部の動作に係る推定用剛性可変部動作情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  5. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記内視鏡の使用回数に係る推定用使用回数情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記内視鏡の使用回数に係る推定用使用回数情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  6. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記挿入部の剛性に係る推定用挿入部剛性情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記挿入部の剛性に係る推定用挿入部剛性情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  7. 内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者への前記挿入部の挿入長に係る推定用挿入長情報と、を含む推定用検査状況情報を取得するための処理を行うように構成された情報取得部と、
    前記被検者への前記挿入部の挿入長に係る推定用挿入長情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成するように構成された痛み推定処理部と、
    を有することを特徴とする痛み推定装置。
  8. 前記情報取得部は、前記推定用挿入形状情報を取得するための処理として、前記挿入部の複数の位置各々に対応する複数の曲率を算出する処理を行うように構成されている
    ことを特徴とする請求項１～７のいずれか1項に記載の痛み推定装置。
  9. 前記情報取得部は、前記推定用挿入形状情報を取得するための処理として、前記挿入部の挿入形状を示す挿入形状画像を生成する処理を行う構成されている
    ことを特徴とする請求項１～７のいずれか1項に記載の痛み推定装置。
  10. 前記痛み推定処理部は、生成された前記痛み情報に応じて前記挿入部の挿入操作をガイドするための操作ガイド情報を生成する
    ことを特徴とする請求項１～７のいずれか1項に記載の痛み推定装置。
  11. コンピュータに、内視鏡検査において、被検者の体内に挿入されている内視鏡の挿入部の挿入形状に係る推定用挿入形状情報、及び、前記内視鏡検査における前記挿入部に対して加えられた力量に係る推定用操作力量情報のうちの少なくとも一方を含む推定用挿入状況情報と、前記被検者に係る推定用被検者情報と、を含む推定用検査状況情報を取得するための処理と、
    前記被検者に係る推定用被検者情報と、前記推定用挿入状況情報とを含んだ前記推定用検査状況情報に基づき、前記被検者の痛みに係る痛み情報を生成する処理と、
    を実行させるプログラム。
JP2022500184A 2020-02-14 2020-02-14 痛み推定装置及びプログラム Active JP7340086B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/005815 WO2021161514A1 (ja) 2020-02-14 2020-02-14 痛み推定装置及び痛み推定方法

Publications (3)

Publication Number Publication Date
JPWO2021161514A1 JPWO2021161514A1 (ja) 2021-08-19
JPWO2021161514A5 JPWO2021161514A5 (ja) 2022-10-04
JP7340086B2 true JP7340086B2 (ja) 2023-09-06

Family

ID=77292722

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022500184A Active JP7340086B2 (ja) 2020-02-14 2020-02-14 痛み推定装置及びプログラム

Country Status (4)

Country Link
US (1) US20220378368A1 (ja)
JP (1) JP7340086B2 (ja)
CN (1) CN115103620A (ja)
WO (1) WO2021161514A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015196075A (ja) 2014-04-03 2015-11-09 学校法人産業医科大学 内視鏡用訓練装置および内視鏡用訓練プログラム
WO2018134898A1 (ja) 2017-01-17 2018-07-26 オリンパス株式会社 可撓性管状システム及び力覚情報算出方法
JP2019005038A (ja) 2017-06-22 2019-01-17 オリンパス株式会社 内視鏡システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015196075A (ja) 2014-04-03 2015-11-09 学校法人産業医科大学 内視鏡用訓練装置および内視鏡用訓練プログラム
WO2018134898A1 (ja) 2017-01-17 2018-07-26 オリンパス株式会社 可撓性管状システム及び力覚情報算出方法
JP2019005038A (ja) 2017-06-22 2019-01-17 オリンパス株式会社 内視鏡システム

Also Published As

Publication number Publication date
JPWO2021161514A1 (ja) 2021-08-19
WO2021161514A1 (ja) 2021-08-19
US20220378368A1 (en) 2022-12-01
CN115103620A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
US8251890B2 (en) Endoscope insertion shape analysis system and biological observation system
US20220361733A1 (en) Endoscopic examination supporting apparatus, endoscopic examination supporting method, and non-transitory recording medium recording program
US11553834B2 (en) Force estimation system and force information calculation method
WO2004023986A1 (ja) 医療処置システム、内視鏡システム、内視鏡挿入動作プログラム及び内視鏡装置
US20180184884A1 (en) Flexible tube insertion apparatus and method of operating thereof
KR20220143817A (ko) 로봇 기관지경 검사용 시스템 및 방법
WO2018235185A1 (ja) 挿入支援装置、挿入支援方法、及び挿入支援装置を含む内視鏡装置
JP7245360B2 (ja) 学習モデルの生成方法、プログラム、手技支援システム、情報処理装置、情報処理方法及び内視鏡用プロセッサ
US20220398771A1 (en) Luminal structure calculation apparatus, creation method for luminal structure information, and non-transitory recording medium recording luminal structure information creation program
US20200129043A1 (en) Tubular insertion device and operation support method
CN111801042B (zh) 应力估算系统、应力估算装置、内窥镜系统和应力估算方法
CN113365545A (zh) 图像记录装置、图像记录方法和图像记录程序
US11896198B2 (en) Flexible portion shape estimating device and endoscope system having the same
US20220409030A1 (en) Processing device, endoscope system, and method for processing captured image
US20220218180A1 (en) Endoscope insertion control device, endoscope insertion control method, and non-transitory recording medium in which endoscope insertion control program is recorded
US8795157B1 (en) Method and system for navigating within a colon
US20230380662A1 (en) Systems and methods for responsive insertion and retraction of robotic endoscope
JP7340086B2 (ja) 痛み推定装置及びプログラム
JP2016049353A (ja) 内視鏡挿入状態観測装置
US20220031147A1 (en) Monitoring system and evaluation method for insertion operation of endoscope
WO2023175732A1 (ja) 内視鏡検査支援システム、内視鏡検査支援方法および記憶媒体
CN117257467B (zh) 一种内镜操作力确定装置、计算机设备和可读存储介质
WO2024029502A1 (ja) 内視鏡検査支援装置、内視鏡検査支援方法、及び、記録媒体
JP2021141969A (ja) 内視鏡装置
JP2004167276A (ja) 内視鏡シミュレータシステム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220808

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220808

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230606

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230719

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230801

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230802

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: 20230815

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230825

R151 Written notification of patent or utility model registration

Ref document number: 7340086

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151