JP7443929B2 - 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 - Google Patents
医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 Download PDFInfo
- Publication number
- JP7443929B2 JP7443929B2 JP2020090518A JP2020090518A JP7443929B2 JP 7443929 B2 JP7443929 B2 JP 7443929B2 JP 2020090518 A JP2020090518 A JP 2020090518A JP 2020090518 A JP2020090518 A JP 2020090518A JP 7443929 B2 JP7443929 B2 JP 7443929B2
- Authority
- JP
- Japan
- Prior art keywords
- medical
- medical images
- diagnosis
- difficulty level
- medical 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
- 238000003745 diagnosis Methods 0.000 title claims description 169
- 238000000034 method Methods 0.000 title claims description 55
- 230000003902 lesion Effects 0.000 claims description 36
- 206010028980 Neoplasm Diseases 0.000 claims description 19
- 201000011510 cancer Diseases 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000036210 malignancy Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012285 ultrasound imaging Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 description 89
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000009607 mammography Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000000188 diaphragm Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Description
図1は、医療診断支援システムの全体構成を示す図である。
図2は、情報処理装置の概略構成を示すブロック図である。
図3は、情報処理装置の機能構成を示すブロック図である。
<特定処理について>
図4は、情報処理装置100において実行される特定処理の手順を示すフローチャートである。図5は、情報処理装置によって出力される情報の表示形態の一例を示す図である。図6~図9は、情報処理装置によって出力される情報の表示形態の他の例を示す図である。図4のフローチャートに示される情報処理装置100の処理は、情報処理装置100のストレージ140にプログラムとして記憶されており、CPU110が各部を制御することにより実行される。
情報処理装置100は、まず、1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する。たとえば、情報処理装置100は、複数の対象者各々を撮影装置200によって撮影することによって取得された複数の医用画像に関する医用画像情報を取得する。対象者を撮影する撮影装置200は、同じであってもよく、異なっていてもよい。
情報処理装置100は、ステップS101の処理において取得された複数の医用画像情報を、予め機械学習された識別器に入力して、各医用画像情報に対応する医用画像の診断の難易度を特定する。たとえば、識別器は、後述するような学習方法によって、予め多数準備された過去の複数の被検者の医用画像に関する医用画像情報と、各医用画像情報に対応する医用画像の診断の難易度に関する情報とを有する教師データを用いて機械学習される。具体的には、識別器は、過去の複数の被検者の医用画像に関する医用画像情報を入力データとし、各医用画像情報に対応する医用画像の診断の難易度に関する情報を出力データとして機械学習される。これにより、情報処理装置100は、対象者の医用画像について取得された医用画像情報を識別器に入力することによって、対象者の医用画像の診断の難易度を特定することができる。
情報処理装置100は、ステップS102の処理における識別器による出力に基づいて、対象者の医用画像の診断の難易度の特定結果を生成する。
情報処理装置100は、ステップS103の処理において生成された特定結果をソートして出力する。たとえば、情報処理装置100は、ステップS102の処理において特定された診断の難易度がもっとも高い医用画像から順に、医用画像を表示部160に表示する。あるいは、情報処理装置100は、たとえば、ステップS102の処理において特定された診断の難易度が最も低い医用画像から順に、医用画像を表示部160に表示する。表示部160には、複数の医用画像がソートされた順(以下、ソート順という。)に並んで表示されていてもよく、あるいは、ソート順に医用画像が1つずつ表示されるようになっていてもよい。情報処理装置100は、図5~図9に示すような画面を表示部160に表示することによって特定結果を出力する(エンド)。
次に、識別器において用いられる学習済みモデルの機械学習方法について説明する。
学習器は、教師データである学習サンプルデータを読み込む。最初であれば1組目の学習サンプルデータを読み込み、i回目であれば、i組目の学習サンプルデータを読み込む。
学習器は、読み込んだ学習サンプルデータのうち入力データをニューラルネットワークに入力する。
学習器は、ニューラルネットワークの推定結果を、正解データと比較する。
学習器は、比較結果に基づいてパラメータを調整する。学習器は、たとえば、バックプロパゲーション(Back-propagation、誤差逆伝搬法)に基づく処理を実行することにより、比較結果の差異が小さくなるようにパラメータを調整する。
学習器は、1~i組目まで全データの処理が完了すれば(YES)、処理をステップS116に進め、完了していなければ(NO)、処理をステップS111に戻し、次の学習サンプルデータを読み込み、ステップS111以下の処理を繰り返す。
学習器は、学習を継続するか否かを判定し、継続する場合(YES)、処理をステップS111に戻し、ステップS111~S115において再度1組目~i組目までの処理を実行し、継続しない場合(NO)、処理をステップS117に進める。
学習器は、これまでの処理で構築された学習済みモデルを記憶して終了する(エンド)。記憶先には、情報処理装置100の内部メモリが含まれる。上述の図4の処理では、このようにして生成された学習済みモデルを用いて医用画像の診断の難易度が特定される。
変形例として、情報処理装置100が、特定部112により特定された医用画像の診断の難易度を修正可能な例を説明する。
ステップS201、S202の処理は、図4のステップS101、S102の処理と同様であるため、重複する説明を省略する。
情報処理装置100は、ステップS202で特定された医用画像の診断の難易度の修正が必要であるか否かを判断する。たとえば、情報処理装置100は、修正に関する指示をユーザーから受け付けた場合に、診断の難易度の修正が必要であると判断し、修正に関する指示をユーザーから受け付けない場合に、診断の難易度の修正が不要であると判断する。
ステップS202で特定された医用画像の診断の難易度の修正が不要であると判断された場合(ステップS203:NO)、情報処理装置100は、ステップS202の処理における識別器による出力に基づいて、対象者の医用画像の診断の難易度の特定結果を生成する(ステップS206)。この後、情報処理装置100は、この特定結果をソートして出力し(ステップS207)、処理を終了する(エンド)。
110 CPU、
111 取得部、
112 特定部、
113 制御部、
114 修正部、
120 ROM、
130 RAM、
140 ストレージ、
150 通信インターフェース、
160 表示部、
170 操作受付部、
200 撮影装置、
300 サーバー。
Claims (27)
- 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、
を備え、
前記制御部は、予測された前記医用画像の読影者の疲労状態に応じて前記複数の医用画像のソート順を変更する医療診断支援装置。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、
を備え、
前記制御部は、各読影者が抱えるタスクに応じて前記複数の医用画像のソート順を変更する医療診断支援装置。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、
を備え、
前記制御部は、前記医用画像の読影者の読影能力に応じて前記複数の医用画像のソート順を変更する医療診断支援装置。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像を第1のソート順にソートして出力部に出力させる制御部と、
を備え、
前記制御部は、前記出力部に出力させる前記複数の医用画像を、自動で、前記第1のソート順から、前記診断の難易度に基づく第2のソート順に変更可能である医療診断支援装置。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、
を備え、
前記制御部は、読影の時間帯に応じて前記複数の医用画像のソート順を変更する医療診断支援装置。 - 前記医用画像は、X線撮影装置、超音波撮影装置、MRIおよびPETの少なくともいずれかによって取得された画像である請求項1~5のいずれかに記載の医療診断支援装置。
- 前記制御部は、さらに、前記医用画像情報に関連する関連情報を前記出力部に出力させる請求項1~6のいずれかに記載の医療診断支援装置。
- 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にテキストを付して前記出力部に出力させる請求項1~7のいずれかに記載の医療診断支援装置。
- 前記テキストは、前記医用画像の診断の難易度に関する情報を含む請求項8に記載の医療診断支援装置。
- 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にマークを付して前記出力部に出力させる請求項1~9のいずれかに記載の医療診断支援装置。
- 前記マークは、前記特定部により診断の難易度が高いと特定された一部の前記医用画像に付される請求項10に記載の医療診断支援装置。
- 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像に前記医用画像の解析結果を付して前記出力部に出力させる請求項1~11のいずれかに記載の医療診断支援装置。
- 前記識別器は、前記医用画像情報を入力データとし、前記医用画像の診断の難易度を出力データとして機械学習される請求項1~12のいずれかに記載の医療診断支援装置。
- 前記出力データとしての前記診断の難易度は、医師による判断の難易度である請求項13に記載の医療診断支援装置。
- 前記出力データとしての前記診断の難易度は、前記医用画像情報に対するカテゴリー分類の結果に基づいて取得される請求項13または14に記載の医療診断支援装置。
- 前記出力データとしての前記診断の難易度は、前記医用画像情報における病変候補領域の悪性確信度に基づいて取得される請求項13または14に記載の医療診断支援装置。
- 前記特定部により特定された前記医用画像の診断の難易度を修正する修正部をさらに有し、
前記識別器は、前記修正部により修正された前記医用画像の診断の難易度を出力データとして機械学習される請求項13~16のいずれかに記載の医療診断支援装置。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有する処理をコンピューターに実行させ、
前記ステップ(c)では、予測された前記医用画像の読影者の疲労状態に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援プログラム。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有する処理をコンピューターに実行させ、
前記ステップ(c)では、各読影者が抱えるタスクに応じて前記複数の医用画像のソート順を変更して出力する医療診断支援プログラム。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有する処理をコンピューターに実行させ、
前記ステップ(c)では、前記医用画像の読影者の読影能力に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援プログラム。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像を第1のソート順にソートして出力するステップ(c)と、
出力させる前記複数の医用画像を、自動で、前記第1のソート順から、前記診断の難易度に基づく第2のソート順に変更して出力するステップ(d)と、
を有する処理をコンピューターに実行させるための医療診断支援プログラム。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有する処理をコンピューターに実行させ、
前記ステップ(c)では、読影の時間帯に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援プログラム。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有し、
前記ステップ(c)では、予測された前記医用画像の読影者の疲労状態に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援方法。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有し、
前記ステップ(c)では、各読影者が抱えるタスクに応じて前記複数の医用画像のソート順を変更して出力する医療診断支援方法。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有し、
前記ステップ(c)では、前記医用画像の読影者の読影能力に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援方法。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像を第1のソート順にソートして出力するステップ(c)と、
前記複数の医用画像を、自動で、前記第1のソート順から、前記診断の難易度に基づく第2のソート順に変更して出力するステップ(d)と、
を有する医療診断支援方法。 - 1または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ(a)と、
学習済みの識別器を用いて、前記ステップ(a)において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ(b)と、
前記ステップ(b)において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ(c)と、
を有し、
前記ステップ(c)では、読影の時間帯に応じて前記複数の医用画像のソート順を変更して出力する医療診断支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020090518A JP7443929B2 (ja) | 2020-05-25 | 2020-05-25 | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020090518A JP7443929B2 (ja) | 2020-05-25 | 2020-05-25 | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021185924A JP2021185924A (ja) | 2021-12-13 |
JP7443929B2 true JP7443929B2 (ja) | 2024-03-06 |
Family
ID=78850260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020090518A Active JP7443929B2 (ja) | 2020-05-25 | 2020-05-25 | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7443929B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023182785A1 (ko) * | 2022-03-21 | 2023-09-28 | 주식회사 타이로스코프 | 학습된 모델을 이용한 질병 진단 방법 및 이를 수행하는 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004216008A (ja) | 2003-01-17 | 2004-08-05 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2007151645A (ja) | 2005-12-01 | 2007-06-21 | Konica Minolta Medical & Graphic Inc | 医用画像診断支援システム |
WO2009081643A1 (ja) | 2007-12-25 | 2009-07-02 | Canon Kabushiki Kaisha | 医用画像処理装置、医用画像処理方法ならびにプログラム |
JP2017515574A (ja) | 2014-05-12 | 2017-06-15 | コーニンクレッカ フィリップス エヌ ヴェKonink | 症例の難しさに基づくコンピュータ支援患者層別化のための方法及びシステム |
JP2019107084A (ja) | 2017-12-15 | 2019-07-04 | キヤノン株式会社 | 医用画像装置及び医用画像の表示方法 |
JP2019526869A (ja) | 2016-08-11 | 2019-09-19 | コイオス メディカル,インコーポレイテッド | Cadシステム推薦に関する確信レベル指標を提供するためのcadシステムパーソナライゼーションの方法及び手段 |
-
2020
- 2020-05-25 JP JP2020090518A patent/JP7443929B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004216008A (ja) | 2003-01-17 | 2004-08-05 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2007151645A (ja) | 2005-12-01 | 2007-06-21 | Konica Minolta Medical & Graphic Inc | 医用画像診断支援システム |
WO2009081643A1 (ja) | 2007-12-25 | 2009-07-02 | Canon Kabushiki Kaisha | 医用画像処理装置、医用画像処理方法ならびにプログラム |
JP2017515574A (ja) | 2014-05-12 | 2017-06-15 | コーニンクレッカ フィリップス エヌ ヴェKonink | 症例の難しさに基づくコンピュータ支援患者層別化のための方法及びシステム |
JP2019526869A (ja) | 2016-08-11 | 2019-09-19 | コイオス メディカル,インコーポレイテッド | Cadシステム推薦に関する確信レベル指標を提供するためのcadシステムパーソナライゼーションの方法及び手段 |
JP2019107084A (ja) | 2017-12-15 | 2019-07-04 | キヤノン株式会社 | 医用画像装置及び医用画像の表示方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021185924A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10937164B2 (en) | Medical evaluation machine learning workflows and processes | |
US11101032B2 (en) | Searching a medical reference image | |
CN109074869B (zh) | 医疗诊断支持装置、信息处理方法以及医疗诊断支持系统 | |
US20190088359A1 (en) | System and Method for Automated Analysis in Medical Imaging Applications | |
US10993653B1 (en) | Machine learning based non-invasive diagnosis of thyroid disease | |
JP2022505205A (ja) | 腸の病理学のための画像スコアリング | |
CN106462661B (zh) | 用于自动选择针对医学研究的悬挂协议的系统和相关方法 | |
US20220246301A1 (en) | Medical machine learning system | |
CN112529834A (zh) | 病理图像模式在3d图像数据中的空间分布 | |
US20220375610A1 (en) | Multi-Variable Heatmaps for Computer-Aided Diagnostic Models | |
JP2007151645A (ja) | 医用画像診断支援システム | |
CN109741812A (zh) | 发送医学图像的方法以及执行所述方法的医学成像设备 | |
US20190148015A1 (en) | Medical information processing device and program | |
US11238974B2 (en) | Information processing apparatus, information processing method, and storage medium storing program | |
JP2024009342A (ja) | 文書作成支援装置、方法およびプログラム | |
WO2024074921A1 (en) | Distinguishing a disease state from a non-disease state in an image | |
CN111226287B (zh) | 用于分析医学成像数据集的方法、系统、程序产品和介质 | |
JP7443929B2 (ja) | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 | |
WO2019146358A1 (ja) | 学習システム、方法及びプログラム | |
WO2019235335A1 (ja) | 診断支援システム、診断支援方法及び診断支援プログラム | |
CN115482936A (zh) | 用于评估医学图像数据的方法和设备 | |
WO2022091868A1 (ja) | 情報処理装置、情報表示装置、情報処理方法、情報処理システム及びプログラム | |
EP3975194A1 (en) | Device at the point of imaging for integrating training of ai algorithms into the clinical workflow | |
US11288800B1 (en) | Attribution methodologies for neural networks designed for computer-aided diagnostic processes | |
CN110709888B (zh) | 信息处理装置和用于控制信息处理装置的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231102 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240205 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7443929 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |