JP7387573B2 - 情報処理システム、情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理システム、情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7387573B2 JP7387573B2 JP2020169032A JP2020169032A JP7387573B2 JP 7387573 B2 JP7387573 B2 JP 7387573B2 JP 2020169032 A JP2020169032 A JP 2020169032A JP 2020169032 A JP2020169032 A JP 2020169032A JP 7387573 B2 JP7387573 B2 JP 7387573B2
- Authority
- JP
- Japan
- Prior art keywords
- inference
- trained
- trained model
- information processing
- unit
- 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
- 230000010365 information processing Effects 0.000 title claims description 65
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 description 27
- 238000012545 processing Methods 0.000 description 23
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000002059 diagnostic imaging Methods 0.000 description 10
- 230000003902 lesion Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0013—Medical image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- High Energy & Nuclear Physics (AREA)
- Multimedia (AREA)
Description
図1は、本発明の情報処理システムの構成を示す。
上述の実施形態において、選択部210は、推論に関する情報とクラス階層との適合度を算出し、適合度が所定の値よりも大きい学習済みモデルから、推論部206による推論処理を行う学習済みモデルを選択することを説明した。
上述の実施形態において選択部210は、推論に関する情報とクラス階層に対応するクラスとの適合度を算出し、該適合度が所定の値よりも大きい学習済みモデルのうち、最も下位もしくは最も上位のクラス階層に対応する学習済みモデルを選択することを説明した。本実施形態においては、選択部210は適合度が所定の値よりも大きい学習済みモデルのうち、最も上位のクラス階層に対応する学習済みモデルと、最も下位のクラス階層に対応する学習済みモデルと、該最も上位のクラス階層と、該最も下位のクラス階層との間に他のクラス階層が記憶部204に記憶されている場合には、間の他のクラス階層からもさらに学習済みモデルを選択する。以下、図6を用いて本実施形態について説明をする。
上述までの実施形態は、階層関係にある複数の学習済みモデルが選択部210によって選択される構成について説明をしたが、本実施形態では、選択部210によって階層関係にある複数の学習済みモデルが複数選択される場合について説明をする。
本実施形態ではさらに、所定の値よりも大きい学習済みモデルの中から選択された最も下位の階層に対応する学習済みモデルが、複数の学習済みモデルと階層関係にある学習済みモデルであった場合における選択部210による学習済みモデルの選択について説明をする。
上記実施例の機能を実現するコンピュータプログラムを、ネットワーク又は記憶媒体(図示しない。)を介してコンピュータに供給し、当該コンピュータプログラムを実行させることができる。上述した情報処理方法をコンピュータに実行させるためのコンピュータプログラムである。つまり、コンピュータプログラムは、コンピュータで情報処理装置の機能を実現するためのプログラムである。記憶媒体は、当該コンピュータプログラムを記憶している。
204 記憶部
206 推論部
208 取得部
210 選択部
212 通知部
Claims (18)
- 医用画像データを第一のクラス階層に属するクラスに分類する第一の学習済みモデルと、該医用画像データを該第一のクラス階層より下位のクラス階層である第二のクラス階層に属するクラスに分類する第二の学習済みモデルと、を含む複数の学習済みモデルを記憶する記憶部と、
推論に関する情報を取得する取得部と、
前記取得部によって取得された推論に関する情報に基づいて、階層関係にある複数の学習済みモデルを選択する選択部と、
前記選択部によって選択された前記複数の学習済みモデルを通知する通知部と、
を有することを特徴とする情報処理装置。 - 前記推論に関する情報が、推論対象、推論目的、クラスを示す情報のうち、すくなくともひとつであることを特徴とする請求項1に記載の情報処理装置。
- 前記選択部によって選択された前記階層関係にある複数の学習済みモデルを用いて推論を行う推論部を有することを特徴とする請求項1または2に記載の情報処理装置。
- 前記推論部は、前記選択部によって選択された前記階層関係にある複数の学習済みモデルのうち、より上位の階層に属するクラスに分類する学習済みモデルから、順に推論を行うことを特徴とする請求項3に記載の情報処理装置。
- 前記選択部は、前記推論に関する情報から、各クラス階層に対応する学習済みモデルとの適合度を算出し、算出された適合度に応じて前記複数の学習済みモデルを選択することを特徴とする請求項1乃至4のいずれか一項に記載の情報処理装置。
- 前記選択部は、前記各クラス階層に対応する学習済みモデルとの適合度が所定値より大きい学習済みモデルから複数の学習済みモデルを選択することを特徴とする請求項5に記載の情報処理装置。
- 前記選択部は、前記各クラス階層に対応する学習済みモデルとの適合度が所定値より大きい学習済みモデルのうち、最も下位のクラス階層に対応する学習済みモデルと、該最も下位のクラス階層に対応する学習済みモデルと前記階層関係にあるより上位のクラス階層にある学習済みモデルを選択することを特徴とする請求項6に記載の情報処理装置。
- 前記選択部は、前記各クラス階層に対応する学習済みモデルとの適合度が所定値より大きい学習済みモデルのうち、最も上位のクラス階層に対応する学習済みモデルと、該最も上位のクラス階層に対応する学習済みモデルと前記階層の関係にあるより下位のクラス階層に対応する学習済みモデルを選択することを特徴とする請求項6または7に記載の情報処理装置。
- 前記選択部は、前記各階層に対応する学習済みモデルとの適合度が所定値より大きい学習済みモデルのうち、最も上位の階層に対応する学習済みモデルと、最も下位の階層に対応する学習済みモデルを選択し、該最も上位の階層と該最も下位の階層との間に階層がある場合には、該階層に対応する学習済みモデルをさらに選択することを特徴とする請求項6乃至8のいずれか一項に記載の情報処理装置。
- 前記取得部は、さらに前記学習済みモデルの選択情報を取得し、
前記選択情報に基づいて、階層関係にある複数の学習済みモデルを選択することを特徴とする請求項1乃至9のいずれか一項に記載の情報処理装置。 - 前記選択部は、前記第一のクラス階層に対応するクラスと、前記第二のクラス階層に対応するクラスとを分類するクラスとして有する学習済みモデルを用いて前記適合度を算出することを特徴とする請求項5に記載の情報処理装置。
- 推論に関する情報を取得する取得ステップと、
前記取得ステップによって取得された推論に関する情報に基づいて、医用画像データを第一のクラス階層に属するクラスに分類する第一の学習済みモデルと、該医用画像データを該第一のクラス階層より下位のクラス階層である第二のクラス階層に属するクラスに分類する第二の学習済みモデルと、を含む複数の学習済みモデルを記憶する記憶部から、階層関係にある複数の学習済みモデルを選択する選択ステップと、
前記選択ステップによって選択された前記複数の学習済みモデルを通知する通知ステップと、
を有することを特徴とする情報処理方法。 - 選択ステップによって選択された前記階層関係にある複数の学習済みモデルのうち、より上位の階層に属するクラスに分類する学習済みモデルから、順に推論を行う推論ステップをさらに有することを特徴とする請求項12に記載の情報処理方法。
- 請求項12または13に記載の情報処理方法をコンピュータに実行させるためのプログラム。
- 医用画像データを第一のクラス階層に属するクラスに分類する第一の学習済みモデルと、該医用画像データを該第一のクラス階層より下位のクラス階層である第二のクラス階層に属するクラスに分類する第二の学習済みモデルと、を含む複数の学習済みモデルを記憶する記憶部を有する情報処理装置と、該情報処理装置とネットワークを介して通信可能な情報端末とを備える情報処理システムであって、
前記情報処理装置は、
推論に関する情報を取得する取得部と、
前記取得部によって取得された推論に関する情報に基づいて、階層関係にある複数の学習済みモデルを選択する選択部と、
前記選択部によって選択された前記複数の学習済みモデルを前記情報端末に対して通知する通知部と、
を有することを特徴とする情報処理システム。 - 前記情報端末は、前記通知部によって通知された複数の学習済みモデルを表示する表示部と、
前記通知された複数の学習済みモデルに基づいて、推論を行う学習済みモデルを選択する操作を行う操作部と、をさらに有することを特徴とする請求項15に記載の情報処理システム。 - 前記情報処理装置における前記取得部は、前記操作部によって選択された学習済みモデルの選択情報を取得し、前記選択情報に基づいて階層関係にある複数の学習済みモデルを選択することを特徴とする請求項16に記載の情報処理システム。
- 前記情報処理装置は、選択された前記階層関係にある複数の学習済みモデルを用いて推論を行う推論部をさらに有し、
前記推論部は、選択された前記階層関係にある複数の学習済みモデルのうち、より上位の階層に属するクラスに分類する学習済みモデルから、順に推論を行うことを特徴とする請求項15乃至17のいずれか一項に記載の情報処理システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020169032A JP7387573B2 (ja) | 2020-10-06 | 2020-10-06 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
US17/493,362 US20220108124A1 (en) | 2020-10-06 | 2021-10-04 | Information processing system, information processing apparatus, information processing method, and non-transitory storage medium |
JP2023194422A JP2024009090A (ja) | 2020-10-06 | 2023-11-15 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020169032A JP7387573B2 (ja) | 2020-10-06 | 2020-10-06 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023194422A Division JP2024009090A (ja) | 2020-10-06 | 2023-11-15 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022061192A JP2022061192A (ja) | 2022-04-18 |
JP7387573B2 true JP7387573B2 (ja) | 2023-11-28 |
Family
ID=80931425
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020169032A Active JP7387573B2 (ja) | 2020-10-06 | 2020-10-06 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
JP2023194422A Pending JP2024009090A (ja) | 2020-10-06 | 2023-11-15 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023194422A Pending JP2024009090A (ja) | 2020-10-06 | 2023-11-15 | 情報処理システム、情報処理装置、情報処理方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220108124A1 (ja) |
JP (2) | JP7387573B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016151639A1 (ja) | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 人数予測システム、人数予測方法および人数予測プログラム |
JP2019075159A (ja) | 2014-03-28 | 2019-05-16 | 日本電気株式会社 | 学習モデル選択システム、学習モデル選択方法およびプログラム |
JP2020068881A (ja) | 2018-10-29 | 2020-05-07 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10679753B2 (en) * | 2017-02-20 | 2020-06-09 | General Electric Company | Methods and systems for hierarchical machine learning models for medical imaging |
EP3776555A2 (en) * | 2018-04-13 | 2021-02-17 | Grail, Inc. | Multi-assay prediction model for cancer detection |
US20200012890A1 (en) * | 2018-07-06 | 2020-01-09 | Capital One Services, Llc | Systems and methods for data stream simulation |
JP7246912B2 (ja) * | 2018-12-18 | 2023-03-28 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置及び医用情報処理システム |
US11250569B2 (en) * | 2019-11-04 | 2022-02-15 | GE Precision Healthcare LLC | Systems and methods for functional imaging follow-up evaluation using deep neural network |
US10963788B1 (en) * | 2019-12-05 | 2021-03-30 | Sas Institute Inc. | Analytic system for interactive graphical model selection |
US11521372B2 (en) * | 2020-03-20 | 2022-12-06 | Accenture Global Solutions Limited | Utilizing machine learning models, position based extraction, and automated data labeling to process image-based documents |
US11379978B2 (en) * | 2020-07-14 | 2022-07-05 | Canon Medical Systems Corporation | Model training apparatus and method |
-
2020
- 2020-10-06 JP JP2020169032A patent/JP7387573B2/ja active Active
-
2021
- 2021-10-04 US US17/493,362 patent/US20220108124A1/en active Pending
-
2023
- 2023-11-15 JP JP2023194422A patent/JP2024009090A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019075159A (ja) | 2014-03-28 | 2019-05-16 | 日本電気株式会社 | 学習モデル選択システム、学習モデル選択方法およびプログラム |
WO2016151639A1 (ja) | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 人数予測システム、人数予測方法および人数予測プログラム |
JP2020068881A (ja) | 2018-10-29 | 2020-05-07 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20220108124A1 (en) | 2022-04-07 |
JP2024009090A (ja) | 2024-01-19 |
JP2022061192A (ja) | 2022-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nazir et al. | Survey of explainable artificial intelligence techniques for biomedical imaging with deep neural networks | |
US10452957B2 (en) | Image classification apparatus, method, and program | |
US10733727B2 (en) | Application of deep learning for medical imaging evaluation | |
WO2018222755A1 (en) | Automated lesion detection, segmentation, and longitudinal identification | |
US20170004619A1 (en) | System and method for automatic pulmonary embolism detection | |
US20200401854A1 (en) | Method and system for image segmentation and identification | |
US10706534B2 (en) | Method and apparatus for classifying a data point in imaging data | |
CN106408610A (zh) | 用边缘空间深度神经网络进行解剖对象检测的方法和系统 | |
JP2022553906A (ja) | 疾患検出モデルを開発するためのシステム、方法、プログラム | |
EP3893198A1 (en) | Method and system for computer aided detection of abnormalities in image data | |
Ullah et al. | Explainable artificial intelligence approach in combating real-time surveillance of COVID19 pandemic from CT scan and X-ray images using ensemble model | |
CN115115570A (zh) | 医学图像分析方法和装置、计算机设备及存储介质 | |
Farhangi et al. | Automatic lung nodule detection in thoracic CT scans using dilated slice‐wise convolutions | |
Pham et al. | Chest x-rays abnormalities localization and classification using an ensemble framework of deep convolutional neural networks | |
Yang et al. | 3D multi‐view squeeze‐and‐excitation convolutional neural network for lung nodule classification | |
JP7387573B2 (ja) | 情報処理システム、情報処理装置、情報処理方法及びプログラム | |
CN111436212A (zh) | 用于医学成像评估的深度学习的应用 | |
AU2019204365B1 (en) | Method and System for Image Segmentation and Identification | |
JP2022061191A (ja) | 情報処理装置、情報処理方法、プログラム及び情報処理システム | |
Mayats-Alpay | Deep learning methods for automatic classification of medical images and disease detection based on chest X-Ray images | |
Zhang et al. | Coronary R-CNN: vessel-wise method for coronary artery lesion detection and analysis in coronary CT angiography | |
JP2022070462A (ja) | 情報処理システム、情報処理装置、情報処理方法及びプログラム | |
He et al. | Cancer detection for small-size and ambiguous tumors based on semantic FPN and transformer | |
JP2023019699A (ja) | 情報処理システム、情報処理方法、情報端末及びプログラム | |
EP4339961A1 (en) | Methods and systems for providing a template data structure for a medical report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230323 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230323 |
|
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: 20230728 |
|
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: 20231017 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231115 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7387573 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |