JPWO2019054045A1 - 医療画像処理装置、医療画像処理方法及び医療画像処理プログラム - Google Patents

医療画像処理装置、医療画像処理方法及び医療画像処理プログラム Download PDF

Info

Publication number
JPWO2019054045A1
JPWO2019054045A1 JP2019541932A JP2019541932A JPWO2019054045A1 JP WO2019054045 A1 JPWO2019054045 A1 JP WO2019054045A1 JP 2019541932 A JP2019541932 A JP 2019541932A JP 2019541932 A JP2019541932 A JP 2019541932A JP WO2019054045 A1 JPWO2019054045 A1 JP WO2019054045A1
Authority
JP
Japan
Prior art keywords
recognizer
medical image
image processing
recognition
certainty
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.)
Granted
Application number
JP2019541932A
Other languages
English (en)
Other versions
JP6890184B2 (ja
Inventor
正明 大酒
正明 大酒
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.)
Fujifilm Corp
Original Assignee
Fujifilm 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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of JPWO2019054045A1 publication Critical patent/JPWO2019054045A1/ja
Application granted granted Critical
Publication of JP6890184B2 publication Critical patent/JP6890184B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • A61B1/04—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 combined with photographic or television appliances
    • A61B1/045—Control thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • 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

Abstract

画像の認識処理の高速化及び認識精度の向上を図ることができる医療画像処理装置、医療画像処理方法及び医療画像処理プログラムを提供する。医療画像処理装置は、医療画像の認識を行う第１の認識器（４１）と、第１の認識器（４１）よりも認識精度が高い第２の認識器（４２）と、第１の認識器（４１）による認識結果の確信度を判定する認識確信度判定器（４３）とを備え、認識確信度判定器（４３）による判定結果に応じて第２の認識器（４２）による医療画像の認識処理を実行させる。画像の認識処理の負荷が小さい第１の認識器（４１）を使用することにより画像の認識処理の高速化を図り、かつ第１の認識器（４１）を使用すると、認識結果の確信度が低くなる場合には、画像の認識精度の高い第２の認識器（４２）を使用することにより認識精度の向上を図るようにしている。

Description

本発明は医療画像処理装置、医療画像処理方法及び医療画像処理プログラムに係り、特に認識器を使用して医療画像の認識処理を行う技術に関する。
医療分野においては、内視鏡システムを用いた検査が行われている。近年においては、画像解析によって画像に含まれる病変の認識を行うシステムが知られている。例えば、学習によって画像から特徴量を算出し、画像の認識処理を行う畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）が知られている（非特許文献１）。
このＣＮＮは、画像とフィルタとの畳み込み演算を行う畳み込み層を含む複数の層構造になっており、層の段数によって画像の認識精度が向上することが知られている（非特許文献２）。
従来、この種の情報処理装置として、画像を解析して得られた特徴量から、複数のクラスのうち認識対象の画像が各クラスに属する確率を推定値として出力し、推定値に基づいて画像が属するクラスを認識し、また、各クラスの推定値を用いて認識結果に対する確信度を算出する装置が提案されている（特許文献１）。
特許文献１に記載の情報処理装置は、例えば、医療画像を画像解析し、その医療画像を撮影部位（胸部、腹部、足）の３クラスのいずれかのクラスに分類し、分類結果（認識結果）に対する確信度を算出している。
また、特許文献１に記載の情報処理装置は、算出した確信度の値に基づいて確信度が高いか低いかを判定し、確信度が低いと判定された場合、クラスの認識結果とともに確信度が低いことを警告する警告情報を表示手段に表示させている。
A. Krizhevsky, I. Sutskever, and G. Hinton. ImageNet classification with deep convolutional neural networks. In NIPS, 2012 K Simonyan, A Zisserman. Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv preprint arXiv:1409.1556
国際公開第２０１０／０５０３３３号
内視鏡装置に代表されるように、画像から病変位置、種類を認識し、認識結果をリアルタイムで表示することが必要とされる場合がある。このようなリアルタイムで表示が必要な場合、認識器による画像の認識処理は高速でなければならない。
しかしながら、画像の認識処理が高速の認識器は、画像の認識精度が低くなるという問題がある。例えば、ＣＮＮの場合、高速化のために複数の層構造の層の段数を少なくする必要があるが、画像の認識精度が低くなるという問題がある。一方、画像の認識精度を上げるために、層構造の段数を増加させると、計算量が増加し、認識器での演算の負荷が増大し、認識処理が遅延するといった問題が発生する。
一方、特許文献１に記載の情報処理装置は、認識器により医療画像が属するクラスを認識し、クラスの認識結果を表示するとともに、認識結果に対する確信度を算出し、確信度が低い場合には、警告情報を表示させるにとどまる。
したがって、特許文献１に記載の情報処理装置において、画像の認識の処理が高速の認識器（画像の認識精度が低い認識器）を適用すると、認識結果の確信度が低くなり、警告情報が頻繁に表示されることになるという問題がある。
一方、特許文献１に記載の情報処理装置において、画像の認識の処理が低速の認識器（画像の認識精度が高い認識器）を適用すると、認識結果の確信度が向上するものの、演算の負荷が増大し、認識結果をリアルタイムで表示することができなくなるという問題がある。
本発明はこのような事情に鑑みてなされたもので、画像の認識処理の高速化及び認識精度の向上を図ることができる医療画像処理装置、医療画像処理方法及び医療画像処理プログラムを提供することを目的とする。
上記目的を達成するために本発明の一の態様に係る医療画像処理装置は、被写体像を含む医療画像を取得する医療画像取得部と、医療画像の認識を行う第１の認識器と、医療画像の認識を行う第２の認識器であって、第１の認識器よりも認識精度が高い第２の認識器と、第１の認識器による認識結果の確信度を判定する認識確信度判定器と、認識確信度判定器による判定結果に応じて第２の認識器による医療画像の認識処理を実行させる制御部と、を備える。
本発明の一の態様によれば、医療画像の認識を行う第１の認識器であって、画像の認識処理の負荷が小さい第１の認識器を使用することにより画像の認識処理の高速化を図り、かつ第１の認識器を使用すると、認識結果の確信度が低くなる場合には、画像の認識精度の高い（認識処理の負荷が大きい）第２の認識器を使用することにより認識精度の向上を図るようにしている。
本発明の他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、それぞれ層構造を有することが好ましい。
本発明の更に他の態様に係る医療画像処理装置において、第２の認識器は、第１の認識器よりも層構造を構成する層の段数が多いことが好ましい。第２の認識器は、第１の認識器よりも層構造を構成する層の段数が多いため、画像の認識処理は、第１の認識器よりも演算負荷が大きく、画像の認識処理が低速になるが、第１の認識器よりも画像の認識精度が高く、認識結果の確信度を向上させることができる。
本発明の更に他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、層構造を構成する層に少なくとも１つのフィルタを有することが好ましい。
本発明の更に他の態様に係る医療画像処理装置において、第２の認識器は、第１の認識器よりも層構造を構成する層であって、フィルタを有する層が多いことが好ましい。
本発明の更に他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、それぞれ畳み込みニューラルネットワークであることが好ましい。
それぞれ畳み込みニューラルネットワークである第１の認識器及び第２の認識器は、フィルタを有する層の数（段数）が異なり、第１の認識器は、フィルタを有する層の数が少ないため、畳み込み演算の処理時間が短く（演算負荷が小さく）なり、画像の認識処理の高速化が可能であり、リアルタイムに画像の認識結果を確認する場合に有効である。一方、第２の認識器は、フィルタを有する層の数が多いため、畳み込み演算の処理時間が長く（演算負荷が大きく）なり、画像の認識処理が低速になるものの、画像の認識結果の確信度が高いため、第１の認識器では、確信度が低くなる場合には、第１の認識器よりも認識精度の高い第２の認識器によって認識し直すことで、認識の修正を行うことができる。
本発明の更に他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、それぞれ医療画像から病変候補の位置を検出することが好ましい。これにより、医療画像の中のどの領域に病変候補があるかを表示部に表示させることが可能である。
本発明の更に他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、それぞれ医療画像を病変に関する複数のカテゴリのうちのいずれかのカテゴリに分類することが好ましい。
本発明の更に他の態様に係る医療画像処理装置において、第１の認識器及び第２の認識器は、医療画像上の複数の病変領域を、それぞれ病変に関する複数のカテゴリのうちのいずれかのカテゴリに分類することが好ましい。病変に関する複数のカテゴリとしては、例えば、「腫瘍性」、「非腫瘍性」、「その他」等のカテゴリが該当する。
本発明の更に他の態様に係る医療画像処理装置において、複数のカテゴリは、病変の種類に関する複数のカテゴリ、病変の病期ステージに関する複数のカテゴリ、又は病変の種類と病期ステージとを組合せた複数のカテゴリであることが好ましい。例えば、病変の病期ステージに関する複数のカテゴリは、病変の進行程度等を示すステージI,II,III,IV等である。
本発明の更に他の態様に係る医療画像処理装置において、制御部は、医療画像に対する第１の認識器及び第２の認識器の少なくとも一方の認識結果を、表示部に表示させることが好ましい。第１の認識器による認識結果の確信度が高い場合、第２の認識器による認識処理は実行されないため、第１の認識器の認識結果が表示部に表示されることになる。一方、第１の認識器による認識結果の確信度が低い場合、第２の認識器による認識処理が実行されるため、第２の認識器の認識結果のみを表示部に表示してもよいし、第１の認識器及び第２の認識器の各認識結果をそれぞれ表示器に表示してもよい。
本発明の更に他の態様に係る医療画像処理装置において、制御部は、第２の認識器が医療画像の認識に使用された場合、第２の認識器が使用されたことを示す情報を、表示部に表示させることが好ましい。例えば、ユーザは、認識結果の表示が遅れた場合、通常の認識器（第１の認識器）とは異なる認識器（演算負荷が大きく、処理時間の長い第２の認識器）が使用された結果、認識結果の表示が遅れたと把握することができ、また、通常の認識器では、認識結果の確信度が低くなる病変であることを確認することができる。
本発明の更に他の態様に係る医療画像処理装置において、制御部は、第２の認識器が医療画像の認識に使用される場合、第２の認識器による認識処理の開始から終了までの期間、第２の認識器による認識処理中であることを示す情報を、表示部に表示させることが好ましい。第２の認識器による認識処理が行われる場合、第１の認識器よりも多くの処理時間を要し、認識結果が表示されるまでの待ち時間が長くなるが、その期間に第２の認識器による認識処理中であることを示す情報が表示されることで、ユーザは、少なくとも認識処理が継続して行われていることを確認することができる。
本発明の更に他の態様に係る医療画像処理装置において、医療画像に対する第１の認識器及び第２の認識器の少なくとも一方の認識結果を記録する記録部を有することが好ましい。
本発明の更に他の態様に係る医療画像処理装置において、医療画像のカテゴリを手動で選択する分類選択部を有し、認識確信度判定器は、医療画像に対する第２の認識器によるカテゴリ分類の確信度を判定し、制御部は、医療画像に対するカテゴリ分類の確信度が低い場合、医療画像のカテゴリの選択に使用するカテゴリ選択メニューを表示部に表示させ、カテゴリ選択メニューを使用した分類選択部による医療画像のカテゴリの選択を受け付けることが好ましい。
第２の認識器による認識処理が行われる場合でも、第２の認識器による認識結果（カテゴリ分類）の確信度が低くなる場合がある。この場合、確信度の低いカテゴリ分類をユーザに提示すると、誤ったカテゴリ分類を提示するおそれが高くなる。そこで、表示部にカテゴリ選択メニューを表示し、ユーザによるカテゴリ分類の選択を受け付けるようにしている。
本発明の更に他の態様に係る医療画像処理装置において、制御部は、医療画像に対する第２の認識器によるカテゴリ認識結果に基づいて複数のカテゴリのカテゴリ優先度を決定し、カテゴリ優先度に応じてカテゴリ選択メニューにおける複数のカテゴリの表示順を変更することが好ましい。これにより、ユーザにより選択される可能性の高いカテゴリ分類を上位に表示させることができ、ユーザによるカテゴリ分類の選択をしやすくしている。
本発明の更に他の態様に係る医療画像処理装置において、制御部は、分類選択部により医療画像のカテゴリが決定されると、分類選択部により医療画像のカテゴリが決定されたことを示す情報を表示部に表示させることが好ましい。これにより、医療画像のカテゴリ分類が、医療画像処理装置により自動的に行われたものか、又はユーザにより選択されたものかを確認することができる。
本発明の更に他の態様に係る医療画像処理方法は、被写体像を含む医療画像を取得するステップと、第１の認識器を使用して医療画像の認識を行うステップと、第１の認識器による認識結果の確信度を判定するステップと、確信度の判定結果に応じて第１の認識器よりも認識精度が高い第２の認識器を使用して医療画像の認識を行うステップと、を含む。
本発明の更に他の態様に係る医療画像処理方法において、第１の認識器による医療画像の認識結果の確信度が基準値以上の場合には、第１の認識器の認識結果を表示部に表示させ、第１の認識器による医療画像の認識結果の確信度が基準値未満の場合には、第２の認識器の認識結果を表示部に表示させることが好ましい。
本発明の更に他の態様に係る医療画像処理プログラムは、被写体像を含む医療画像を取得する機能と、第１の認識器を使用して医療画像の認識を行う機能と、第１の認識器による認識結果の確信度を判定する機能と、確信度の判定結果に応じて第１の認識器よりも認識精度が高い第２の認識器を使用して医療画像の認識を行う機能と、をコンピュータに実行させる。
本発明の更に他の態様に係る医療画像処理プログラムにおいて、第１の認識器による医療画像の認識結果の確信度が基準値以上の場合には、第１の認識器の認識結果を表示部に表示させ、第１の認識器による医療画像の認識結果の確信度が基準値未満の場合には、第２の認識器の認識結果を表示部に表示させることが好ましい。
本発明によれば、医療画像の認識を行う第１の認識器と第１の認識器よりも認識精度が高い第２の認識器とを使用することにより、第１の認識器による画像の認識処理の高速化を図るとともに、第２の認識器による認識精度の向上を図ることができる。
内視鏡システムの全体構成を示す概略図である。 医療画像処理装置の機能を示す機能ブロック図である。 第１の認識器に適用されるＣＮＮの代表的な構成例を示す模式図である。 動画像に対する第１の認識器、第２の認識器、認識確信度判定器、及び情報表示制御部の作用を説明するために用いた図である。 医療画像処理装置により表示部に表示される情報の実施形態を示す図である。 医療画像処理装置により表示部に表示される画像及び情報の他の実施形態を示す図である。 医療画像処理方法の実施形態を示すフローチャートである。
以下、添付図面に従って本発明に係る医療画像処理装置、医療画像処理方法及び医療画像処理プログラムの好ましい実施形態について説明する。
［内視鏡システムの全体構成］
図１は、本発明に係る医療画像処理装置を含む内視鏡システム９の全体構成を示す概略図である。図１に示すように、内視鏡システム９は、電子内視鏡である内視鏡１０と、光源装置１１と、プロセッサ装置１２と、表示装置１３と、医療画像処理装置１４と、操作部１５と、表示部１６と、を備える。
内視鏡１０は、本発明の医療装置に相当するものであり、例えば軟性内視鏡である。この内視鏡１０は、被検体内に挿入され且つ先端と基端とを有する挿入部２０と、挿入部２０の基端側に連設され且つ術者が把持して各種操作を行う手元操作部２１と、手元操作部２１に連設されたユニバーサルコード２２と、を有する。
挿入部２０は、全体が細径で長尺状に形成されている。挿入部２０は、その基端側から先端側に向けて順に可撓性を有する軟性部２５と、手元操作部２１の操作により湾曲可能な湾曲部２６と、不図示の撮影光学系及び撮像素子２８等が内蔵される先端部２７と、が連設されて構成される。
撮像素子２８は、ＣＭＯＳ（complementary metal oxide semiconductor）型又はＣＣＤ（charge coupled device）型の撮像素子である。撮像素子２８の撮像面には、先端部２７の先端面に開口された不図示の観察窓、及びこの観察窓の後方に配置された不図示の撮影光学系等を介して、被観察部位の像光が入射する。撮像素子２８は、その撮像面に入射した被観察部位の像光を撮像（電気信号に変換）して、撮像信号を出力する。
手元操作部２１には、術者によって操作される各種操作部材が設けられている。具体的に、手元操作部２１には、湾曲部２６の湾曲操作に用いられる２種類の湾曲操作ノブ２９と、送気送水操作用の送気送水ボタン３０と、吸引操作用の吸引ボタン３１と、が設けられている。また、手元操作部２１には、被観察部位の静止画像３９の撮影指示を行うための静止画像撮影指示部３２と、挿入部２０内を挿通している処置具挿通路（不図示）内に処置具（不図示）を挿入する処置具導入口３３と、が設けられている。
ユニバーサルコード２２は、内視鏡１０を光源装置１１に接続するための接続コードである。このユニバーサルコード２２は、挿入部２０内を挿通しているライトガイド３５、信号ケーブル３６、及び流体チューブ（不図示）を内包している。また、ユニバーサルコード２２の端部には、光源装置１１に接続されるコネクタ３７Ａと、このコネクタ３７Ａから分岐され且つプロセッサ装置１２に接続されるコネクタ３７Ｂと、が設けられている。
コネクタ３７Ａを光源装置１１に接続することで、ライトガイド３５及び流体チューブ（不図示）が光源装置１１に挿入される。これにより、ライトガイド３５及び流体チューブ（不図示）を介して、光源装置１１から内視鏡１０に対して必要な照明光と水と気体とが供給される。その結果、先端部２７の先端面の照明窓（不図示）から被観察部位に向けて照明光が照射される。また、前述の送気送水ボタン３０の押下操作に応じて、先端部２７の先端面の送気送水ノズル（不図示）から先端面の観察窓（不図示）に向けて気体又は水が噴射される。
コネクタ３７Ｂをプロセッサ装置１２に接続することで、信号ケーブル３６とプロセッサ装置１２とが電気的に接続される。これにより、信号ケーブル３６を介して、内視鏡１０の撮像素子２８からプロセッサ装置１２へ被観察部位の撮像信号が出力されると共に、プロセッサ装置１２から内視鏡１０へ制御信号が出力される。
尚、本実施形態では、内視鏡１０として軟性内視鏡を例に挙げて説明を行ったが、例えば硬性内視鏡等の被観察部位の動画撮影を可能な各種の電子内視鏡を用いてもよい。
光源装置１１は、コネクタ３７Ａを介して、内視鏡１０のライトガイド３５へ照明光を供給する。照明光は、白色光（白色の波長帯域の光又は複数の波長帯域の光）、或いは１又は複数の特定の波長帯域の光、或いはこれらの組み合わせなど観察目的に応じた各種波長帯域の光が選択される。尚、特定の波長帯域は、白色の波長帯域よりも狭い帯域である。
特定の波長帯域の第１例は、例えば可視域の青色帯域又は緑色帯域である。この第１例の波長帯域は、３９０ｎｍ以上４５０ｎｍ以下又は５３０ｎｍ以上５５０ｎｍ以下の波長帯域を含み、且つ第１例の光は、３９０ｎｍ以上４５０ｎｍ以下又は５３０ｎｍ以上５５０ｎｍ以下の波長帯域内にピーク波長を有する。
特定の波長帯域の第２例は、例えば可視域の赤色帯域である。この第２例の波長帯域は、５８５ｎｍ以上６１５ｎｍ以下又は６１０ｎｍ以上７３０ｎｍ以下の波長帯域を含み、且つ第２例の光は、５８５ｎｍ以上６１５ｎｍ以下又は６１０ｎｍ以上７３０ｎｍ以下の波長帯域内にピーク波長を有する。
特定の波長帯域の第３例は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域を含み、且つ第３例の光は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域にピーク波長を有する。この第３例の波長帯域は、４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、又は６００ｎｍ以上７５０ｎｍ以下の波長帯域を含み、且つ第３例の光は、上記４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、又は６００ｎｍ以上７５０ｎｍ以下の波長帯域にピーク波長を有する。
特定の波長帯域の第４例は、生体内の蛍光物質が発する蛍光の観察（蛍光観察）に用いられ且つこの蛍光物質を励起させる励起光の波長帯域（３９０ｎｍから４７０ｎｍ）である。
特定の波長帯域の第５例は、赤外光の波長帯域である。この第５例の波長帯域は、７９０ｎｍ以上８２０ｎｍ以下又は９０５ｎｍ以上９７０ｎｍ以下の波長帯域を含み、且つ第５例の光は、７９０ｎｍ以上８２０ｎｍ以下又は９０５ｎｍ以上９７０ｎｍ以下の波長帯域にピーク波長を有する。
プロセッサ装置１２は、コネクタ３７Ｂ及び信号ケーブル３６を介して、内視鏡１０の動作を制御する。また、プロセッサ装置１２は、コネクタ３７Ｂ及び信号ケーブル３６を介して内視鏡１０の撮像素子２８から取得した撮像信号に基づき、被観察部位の動画像３８を生成する。更に、プロセッサ装置１２は、内視鏡１０の手元操作部２１にて静止画像撮影指示部３２が操作された場合、動画像３８の生成と並行して、撮像素子２８から取得した撮像信号に基づき被観察部位の静止画像３９を生成する。この静止画像３９は、動画像３８よりも高解像度に生成されていてもよい。
動画像３８及び静止画像３９は、被検体内、即ち生体内を撮影した生体内画像である。更に動画像３８及び静止画像３９が、上述の特定の波長帯域の光（特殊光）により得られた画像である場合、両者は特殊光画像である。そして、プロセッサ装置１２は、生成した動画像３８及び静止画像３９を、表示装置１３と医療画像処理装置１４とにそれぞれ出力する。
尚、プロセッサ装置１２は、上述の白色光により得られた通常光画像に基づいて、上述の特定の波長帯域の情報を有する特殊光画像を生成（取得）してもよい。この場合、プロセッサ装置１２は、特殊光画像取得部として機能する。そして、プロセッサ装置１２は、特定の波長帯域の信号を、通常光画像に含まれる赤、緑、及び青［ＲＧＢ（Red,Green,Blue）］あるいはシアン、マゼンタ、及びイエロー［ＣＭＹ（Cyan，Magenta，Yellow）］の色情報に基づく演算を行うことで得る。
また、プロセッサ装置１２は、例えば、上述の白色光により得られた通常光画像と、上述の特定の波長帯域の光（特殊光）により得られた特殊光画像との少なくとも一方に基づいて、公知の酸素飽和度画像等の特徴量画像を生成してもよい。この場合、プロセッサ装置１２は、特徴量画像生成部として機能する。尚、上記の生体内画像、通常画像、特殊光画像、及び特徴量画像を含む動画像３８又は静止画像３９は、いずれも画像による診断、検査の目的でヒトの人体を撮影し、又は計測した結果を画像化した医療画像である。
表示装置１３は、プロセッサ装置１２に接続されており、このプロセッサ装置１２から入力された動画像３８及び静止画像３９を表示する。ユーザ（医師）は、表示装置１３に表示される動画像３８を確認しながら、挿入部２０の進退操作等を行い、被観察部位に病変等を発見した場合には静止画像撮影指示部３２を操作して被観察部位の静止画撮影を実行し、また、診断、生検等を行う。
［医療画像処理装置］
医療画像処理装置１４は、本実施形態では、例えばパーソナルコンピュータが用いられる。また、操作部１５はパーソナルコンピュータに有線接続又は無線接続されるキーボード及びマウス等が用いられ、表示部１６はパーソナルコンピュータに接続可能な液晶モニタ等の各種モニタが用いられる。
また、医療画像処理装置１４として、ワークステーション（サーバ）等の診断支援装置を用いてよく、この場合、操作部１５及び表示部１６はそれぞれワークステーションに接続した複数の端末ごとに設けられる。更に、医療画像処理装置１４として、例えば医療レポート等の作成支援を行う診療業務支援装置を用いてもよい。
医療画像処理装置１４は、主として動画像３８又は静止画像３９（医療画像）の認識を行い、医療画像のカテゴリ分類を行う部分であり、医療画像の取得及び記憶と、医療画像の再生制御と、認識結果（カテゴリ分類）の表示とを行う。操作部１５は、医療画像処理装置１４に対する操作指示の入力に用いられる。表示部１６は、医療画像処理装置１４の制御の下、動画像３８又は静止画像３９の表示、医療画像のカテゴリ分類等の認識結果の表示、後述するカテゴリ選択メニューの表示等を行う。また、表示部１６は、操作部１５と協働し、医療画像のカテゴリを手動で選択する分類選択部として機能するユーザインターフェースの一部を担う。
＜医療画像処理装置の機能＞
図２は、医療画像処理装置１４の機能を示す機能ブロック図である。図２に示すように、動画像３８又は静止画像３９の表示、医療画像の認識、認識結果の表示等を含む医療画像処理装置１４の各種制御を実行するハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウェア（プログラム）を実行して各種の制御部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：ＰＬＤ）、ＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路などが含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されていてもよいし、同種又は異種の２つ以上のプロセッサ（例えば、複数のＦＰＧＡ、あるいはＣＰＵとＦＰＧＡの組み合わせ）で構成されてもよい。また、複数の制御部を１つのプロセッサで構成してもよい。複数の制御部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組合せで１つのプロセッサを構成し、このプロセッサが複数の制御部として機能する形態がある。第２に、システムオンチップ（System On Chip：ＳｏＣ）などに代表されるように、複数の制御部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の制御部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。
医療画像処理装置１４のプロセッサ（不図示）に相当する制御部４４は、記憶部４７に記憶されたプログラム（医療画像処理プログラム）５１に基づき、医療画像取得部４０、第１の認識器４１、第２の認識器４２、認識確信度判定器４３、及び表示制御部４５を統括制御し、また、これらの各部の一部として機能する。
記憶部４７は、第１の認識器４１及び第２の認識器４２の少なくとも一方の認識結果を記録する記録部、及び撮影された動画像３８及び静止画像３９を記憶する画像記憶部５０として機能し、また、記憶部４７には、プログラム５１及び医療画像処理装置１４の各種制御に係る情報等が記憶される。
尚、本実施形態では、記憶部４７が医療画像処理装置１４内に設けられているが、記憶部４７はインターネット上のサーバ或いはデータベース内に設けられていてもよい。このため、本発明の医療画像処理装置には、複数の装置で構成される医療画像処理システムも含まれる。
医療画像取得部４０は、プロセッサ装置１２（図１）に有線接続又は無線接続された不図示の画像入出力インターフェースを用いて、プロセッサ装置１２から被写体像を含む医療画像（本例では、内視鏡１０により撮影される動画像３８）を取得する。また、内視鏡１０にて動画像３８の撮影途中に既述の静止画像３９の撮影が行われた場合、医療画像取得部４０は、プロセッサ装置１２から動画像３８及び静止画像３９を取得する。そして、医療画像取得部４０は、取得した動画像３８及び静止画像３９を記憶部４７内の画像記憶部５０に記憶させる。図中の符号３８ａは、動画像３８を構成する複数のフレーム画像である。
尚、医療画像取得部４０は、プロセッサ装置１２から動画像３８及び静止画像３９を直接取得する代わりに、メモリーカード等の各種情報記憶媒体を介して動画像３８及び静止画像３９を取得してもよい。また、医療画像取得部４０は、インターネット上のサーバ或いはデータベース等にアップロードされた動画像３８及び静止画像３９をインターネット経由で取得してもよい。
また、医療画像取得部４０は、動画像３８及び静止画像３９として、既述の特定の波長帯域の情報を有する特殊光画像を取得する場合には、特殊光画像取得部として機能する。
更にまた、医療画像取得部４０は、プロセッサ装置１２等から入力される動画像３８の全てを画像記憶部５０に記憶させる必要はなく、例えば、静止画像撮影指示部３２の操作に応じて被観察部位の静止画撮影が行われた場合、その前後の一分間（撮影前一分間から撮影後一分間）の動画像３８を画像記憶部５０に記憶させてもよい。
第１の認識器４１は、体腔の観察中に撮影された画像（動画像３８及び静止画像３９）の認識を行う部分であり、本例では、学習によって画像から特徴量を算出し、画像の認識処理を行う畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）、を含み、画像内の色情報、画素値の勾配等で特徴量を算出する。算出された特徴量を用いて画像上の病変（病変候補）を検出し、または例えば、「腫瘍性」、「非腫瘍性」、「その他」といった病変に関する複数のカテゴリのうちのいずれのカテゴリに医療画像が属するかのカテゴリ分類等の第１の認識結果を得る。
図３は、第１の認識器４１に適用されるＣＮＮの代表的な構成例を示す模式図である。
図３に示すように、ＣＮＮは、入力層４１Ａと、畳み込み層とプーリング層から構成された複数セット、及び全結合層を有する中間層４１Ｂと、出力層４１Ｃとを備え、各層は複数の「ノード」が「エッジ」で結ばれる構造となっている。
入力層４１Ａには、認識処理の対象である画像が入力される。
中間層４１Ｂは、畳み込み層とプーリング層とを１セットとする複数セットと、全結合層とを有し、入力層から入力した画像から特徴を抽出する。畳み込み層は、前の層で近くにあるノードにフィルタ処理し（フィルタを使用した畳み込み演算を行い）、「特徴マップ」を取得する。プーリング層は、畳み込み層から出力された特徴マップを縮小して新たな特徴マップとする。「畳み込み層」は、画像からのエッジ抽出等の特徴抽出の役割を担い、「プーリング層」は抽出された特徴が、平行移動などによる影響を受けないようにロバスト性を与える役割を担う。
尚、中間層４１Ｂには、畳み込み層とプーリング層とを１セットとする場合に限らず、畳み込み層が連続する場合や正規化層も含まれる。また、各畳み込み層にて使用されるフィルタのパラメータは、予め多数の学習データにより自動的に学習されている。
出力層４１Ｃは、中間層４１Ｂにより抽出された特徴に基づき画像の分類ごとの認識結果を出力する。本例では、画像を「腫瘍性」、「非腫瘍性」、「その他」の３つのカテゴリに分類しており、認識結果は、「腫瘍性」、「非腫瘍性」及び「その他」に対応する３つのスコア（３つのスコアの合計は１００％）として出力される。
図２に戻って、第２の認識器４２は、第１の認識器４１と同様の構成を有し、撮影された画像の認識処理を行い、カテゴリ分類等の第２の認識結果を得るが、第１の認識器４１よりも画像の認識精度が高く、その一方、第１の認識器４１よりも認識処理の演算負荷が大きく、画像の認識処理の時間が長くなる点で相違する。
具体的には、第２の認識器４２は、層構造を有するＣＮＮの層の段数が、第１の認識器４１よりも多く、特に中間層におけるフィルタを有する畳み込み層の数が、第１の認識器４１よりも多い。尚、第２の認識器４２は、第１の認識器４１の一部を共通に使用し、例えば、第１の認識器４１の中間層４１Ｂのある「特徴マップ」を入力するものも含む。この場合、第２の認識器４２の中間層における畳み込み層の数は、第１の認識器４１のある「特徴マップ」以降の中間層における畳み込み層の数よりも多いことになる。
認識確信度判定器４３は、第１の認識器４１による認識結果の確信度を判定する部分であり、第１の認識器４１による認識結果（例えば病変らしさのスコア）から確信度を算出し、本例では、確信度が、「高い」か「低い」かを判定する。尚、病変らしさのスコアそのものが確信度であってもよい。
具体的には、認識確信度判定器４３は、第１の認識器４１による認識結果（本例では、３つのスコア）を入力し、３つのスコアのうちの最大のスコアが、他のスコアに対して差が大きい場合、最大のスコアを有するカテゴリに画像を分類する、カテゴリ分類の確信度は「高い」と判定する。反対に、それぞれのカテゴリのスコアの差が小さい場合、最大のスコアを有するカテゴリに画像を分類する、カテゴリ分類の確信度は「低い」と判定する。
例えば、「腫瘍性」のスコア（確信度）が80％、「非腫瘍性」のスコアが15％、「その他」のスコアが5％であった場合は、「腫瘍性」のスコアが突出しているため、認識対象の画像を「腫瘍性」に分類するカテゴリ分類の確信度は、「高い」と判定する。もし、「腫瘍性」のスコアが33％、「非腫瘍性」のスコアが30％、「その他」のスコアが37％であった場合、これらのスコアのうちの最大の「その他」のスコア37％は、他のカテゴリのスコア30％、33％（特に２番目に大きいスコア33％）との差が小さいため、認識対象の画像を「その他」に分類するカテゴリ分類の確信度は、「低い」と判定する。
尚、確信度が「高い」か「低い」かの判定結果は、最大のスコアと２番目に大きいスコアとの差が、第1基準値以上か否かにより決定し、又は最大のスコアと２番目に大きいスコアとの比が、第２基準値以上か否かにより決定することができる。また、第１基準値又は第２基準値（以下、単に「基準値」という）は、予め設定された固定値でもよいし、ユーザにより設定した値でもよい。
また、認識確信度判定器４３は、第１の認識器４１による認識結果の確信度の判定と同様に、第２の認識器４２による認識結果の確信度の判定を行うことができる。この場合、第２の認識器４２は、第１の認識器４１よりも画像の認識精度が高いため、第２の認識器４２により得られた認識結果の確信度を判定する際の基準値は、第１の認識器４１により得られた認識結果の確信度を判定する際の基準値よりも小さくしてもよい。
制御部４４は、認識確信度判定器４３による判定結果に応じて第２の認識器４２による医療画像の認識処理を実行させる。即ち、認識確信度判定器４３により第１の認識器４１による認識結果の確信度が「低い」と判定された場合、制御部４４は、確信度が「低い」と判定された医療画像に対し、第２の認識器４２による認識処理を行わせる。
即ち、制御部４４は、第１の認識器４１による画像の認識処理を先行して行わせ、認識確信度判定器４３により第１の認識器４１による画像の認識結果の確信度が「低い」と判定されると、第２の認識器４２による画像の認識処理を行わせる。
また、制御部４４は、第２の認識器４２による画像の認識結果の確信度が「低い」と判定されると、ユーザがカテゴリの選択に使用するカテゴリ選択メニュー等を表示部１６に表示させ、カテゴリ選択メニューを使用した医療画像のカテゴリの選択を受け付ける。尚、ユーザにより行われる医療画像のカテゴリ分類の詳細については後述する。
また、制御部４４は、医療画像に対する第１の認識器４１及び第２の認識器４２の少なくとも一方の認識結果を、医療画像に関連付けて記録部（記憶部４７又は画像ファイルのヘッダ部等）に記録することが好ましい。
表示制御部４５は、表示部１６による表示を制御する。この表示制御部４５は、画像表示制御部４５Ａ及び情報表示制御部４５Ｂとして機能する。
画像表示制御部４５Ａは、撮影中の動画像３８及び静止画像３９を表示部１６に表示させ、又は画像記憶部５０内のフォルダごとに記憶された動画像３８（静止画像３９も可）を表示部１６で再生させる表示制御を行う。
情報表示制御部４５Ｂは、第１の認識器４１及び第２の認識器４２による第１、第２の認識結果のうちの少なくとも一方の認識結果等の画像以外の必要な情報を、表示部１６に表示させる制御部として機能する。
図４は、動画像３８に対する第１の認識器４１、第２の認識器４２、認識確信度判定器４３、及び情報表示制御部４５Ｂの作用を説明するために用いた図である。
図４において、内視鏡システム９により撮影される動画像３８は、医療画像取得部４０を介して第１の認識器４１及び第２の認識器４２に入力される。
第１の認識器４１は、特徴抽出部及び認識処理部を有し、入力する動画像３８を構成するフレーム画像３８ａ（又は一定間隔置きのフレーム画像３８ａ）毎に画像認識を行い、第１の認識結果（「腫瘍性」、「非腫瘍性」及び「その他」を示す３つの第１のスコア）を認識確信度判定器４３に出力する。
認識確信度判定器４３は、入力する３つの第１のスコアに基づいて３つの第１のスコアのうちの最大スコアにより特定されるカテゴリ分類の確信度を判定する。
図４において、画面１７Ａ、１７Ｂ及び１７Ｃは、表示部１６の異なる時刻の画面を示し、画面１７Ａ、１７Ｂ及び１７Ｃには、動画像３８の撮影開始時点からの経過時間を示す時刻「00:04:21」、「00:04:23」及び「00:04:32」に撮影された画像等が表示されている。
図４に示す例では、認識確信度判定器４３は、時刻「00:04:21」及び「00:04:32」に撮影されたフレーム画像３８ａに対する第１のスコアの最大スコアにより特定されるカテゴリ分類の確信度をそれぞれ「高い」と判定し、時刻「00:04:23」に撮影された画像に対する第１のスコアの最大スコアにより特定されるカテゴリ分類の確信度を「低い」と判定している。
情報表示制御部４５Ｂは、画面１７Ａ、１７Ｂ及び１７Ｃの右側の領域に各種の情報（本例では、撮影時刻、カテゴリ分類、及び認識結果等）を表示させる。第１の認識結果に基づく時刻「00:04:21」、「00:04:23」及び「00:04:32」に撮影された画像のカテゴリ分類は、それぞれ「腫瘍性」、「腫瘍性」、「その他」であるため、画面１７Ａ、１７Ｂ及び１７Ｃには、それぞれ「腫瘍性」、「腫瘍性」、「その他」が表示される。また、情報表示制御部４５Ｂにより、カテゴリ分類の下側には棒グラフで表現された認識結果が表示される。
更に、第１の認識器４１及び第２の認識器４２は、それぞれ医療画像から病変候補の位置を検出する機能を有し、情報表示制御部４５Ｂは、第１の認識器４１及び第２の認識器４２により検出された病変候補の位置に基づいて、その病変候補を示す指標１８Ａ，１８Ｂ、１８Ｃを画像上に重ねて表示させることができる。
第２の認識器４２は、特徴抽出部及び認識処理部を有し、入力する動画像３８を構成するフレーム画像３８ａであって、第１の認識器４１の第１の認識結果に基づく認識確信度判定器４３による確信度の判定結果（確信度が「低い」との判定結果）に応じたフレーム画像３８ａに対し、そのフレーム画像３８ａの認識処理を行い、第２の認識結果を出力する。
図４に示す例では、認識確信度判定器４３は、時刻「00:04:23」に撮影されたフレーム画像３８ａに対する第１のスコアの最大スコアにより特定されるカテゴリ分類の確信度を「低い」と判定するため、第２の認識器４２は、時刻「00:04:23」に撮影されたフレーム画像３８ａの認識処理を行い、第２の認識結果を出力する。
本例では、時刻「00:04:23」に撮影されたフレーム画像３８ａに対する第１の認識器４１による第１の認識結果と、第２の認識器４２による第２の認識結果とは異なり、第１の認識結果では、画像のカテゴリ分類が「腫瘍性」になっているが、第２の認識結果では、画像のカテゴリ分類が「非腫瘍性」に変更（修正）されている。
また、第２の認識器４２によるカテゴリ分類の修正内容は、時刻「00:04:32」に撮影された画像を表示する画面１７Ｃ上に表示される。即ち、制御部４４又は情報表示制御部４５Ｂは、表示部１６の画面１７Ｃの時刻「00:04:32」の上側の領域に、時刻「00:04:23」及び取り消し線付きの「腫瘍性」と、修正した「非腫瘍性」とを表示させる。
この表示形態によれば、ユーザは、時刻「00:04:23」に撮影されたフレーム画像３８ａのカテゴリ分類が、「腫瘍性」から「非腫瘍性」に変更されたことが分かる。また、ユーザは、時刻「00:04:23」に撮影されたフレーム画像３８ａに対して、第２の認識器４２が使用されたことも分かる。即ち、制御部４４又は情報表示制御部４５Ｂは、第２の認識器４２が医療画像の認識に使用された場合、２つの認識結果（第１、第２の認識結果や第１の認識結果の修正内容）を表示することで、間接的に第２の認識器４２が使用されたことを示す情報を表示することになる。
更に、時刻「00:04:23」に撮影されたフレーム画像３８ａに対する第１の認識器４１による第１の認識結果の確信度は、「低い」と判定され、第２の認識器４２による同じフレーム画像３８ａの認識処理が開始される。第２の認識器４２による認識処理が行われる場合、第２の認識器４２は、第１の認識器４１よりも多くの処理時間を要し、第１の認識器４１が略リアルタイムで第１の認識結果を取得するのに対し、第２の認識器４２が第２の認識結果を取得するまでには、ある程度の時間を要する。
制御部４４又は情報表示制御部４５Ｂは、第２の認識器４２が画像の認識処理を行う場合、認識処理の開始から終了までの期間、第２の認識器４２による認識処理中であることを示す情報を表示部１６に表示させる。
図４に示す例では、表示部１６の画面１７Ｂにおいて、第２の認識器４２による認識処理中であることを示す情報１９が表示されている。ユーザは、この情報１９により少なくとも認識処理が継続して行われていることを確認することができ、また、現在の認識結果の確信度が「低い」ことも確認することができる。
この医療画像処理装置１４によれば、動画像を認識対象とする場合のようにリアルタイムで認識結果の取得又は表示が必要な場合であっても、高速に動作可能な第１の認識器４１が略リアルタイムで第１の認識結果を取得すること（画像の認識処理の高速化）が可能であり、一方、第１の認識器４１では確信度の高い認識結果が得られない場合には、画像の認識処理が遅いが、認識精度の高い第２の認識器４２を使用するため、画像のカテゴリ分類の確信度を向上させることができる。
図５は、医療画像処理装置１４により表示部１６に表示される情報の実施形態を示す図である。医療画像処理装置１４は、医療画像のカテゴリ分類、カテゴリ分類の確信度等を表示部１６の画面に表示させることができる。
図５に示す画面には、診察番号「003」の患者の複数の医療画像（内視鏡による観察中に撮影された複数の静止画像）を特定する識別情報（No.1,No.2,No.3,…）に関連付けて、カテゴリ分類の確信度と、カテゴリ分類と、選択肢の表示を指示する情報「選択肢を表示する」とが表示されている。
カテゴリ分類の確信度を示す欄には、認識確信度判定器４３により判定された判定結果（「高い」又は「低い」）が表示され、カテゴリの欄には、第１の認識器４１及び第２の認識器４２による認識されたカテゴリ分類（「腫瘍性」、「非腫瘍性」、「その他」）の他、カテゴリ選択メニュー用の「ウインドウ」が表示される。
図５に示す例では、「No.1」,「No.2」,「No.4」の画像に対する「腫瘍性」、「非腫瘍性」及び「その他」のカテゴリ分類の確信度が高くなっている。
「No.3」の画像に対する第１の認識器４１による第１の認識結果「腫瘍性」のカテゴリ分類の確信度は低く、第２の認識器４２による第２の認識結果「非腫瘍性」のカテゴリ分類の確信度は高くなっている。即ち、「No.3」の画像は、第１の認識器４１及び第２の認識器４２によりそれぞれ認識処理が行われ、第１の認識結果「腫瘍性」が、第２の認識結果「非腫瘍性」に変更されている。
一方、「No.5」の画像に対する第１の認識器４１及び第２の認識器４２の第１、第２の認識結果に基づくカテゴリ分類の確信度はいずれも低くなっており、この場合、カテゴリの欄には、カテゴリ分類を手動で選択する分類選択部として機能するカテゴリ選択メニュー用の「ウインドウ」が表示される。
ユーザは、操作部１５として機能するマウスを操作し、「ウインドウ」にカーソルを合わせてクリックすることで、プルダウンメニューとしてカテゴリ選択メニューを表示させることができる。
カテゴリ選択メニューを表示させる場合、制御部４４は、画像に対する第２の認識器４２によるカテゴリ認識結果に基づいて複数のカテゴリのカテゴリ優先度を決定し、カテゴリ優先度に応じてカテゴリ選択メニューにおける複数のカテゴリの表示順を変更して、表示部１６に表示させることが好ましい。
図５に示すカテゴリ選択メニューでは、「腫瘍性」、「非腫瘍性」及び「その他」に対応する３つのスコアのうち、スコアの高い順に「非腫瘍性」、「その他」及び「腫瘍性」が表示されている。
ユーザは、このカテゴリ選択メニューからNo.5の画像のカテゴリ分類を選択することができる。ユーザにより選択されたカテゴリ分類は、No.5の画像のカテゴリ分類とされ、「ウインドウ」には選択されたカテゴリ分類が表示されることになる。
また、カテゴリの欄にカテゴリ分類が「ウインドウ」で表示されている場合、ユーザは、その画像のカテゴリ分類がユーザにより決定されたものであることが分かる。即ち、カテゴリ分類が表示された「ウインドウ」は、画像のカテゴリ分類がユーザにより決定されたことを示す情報となる。
尚、自動的にカテゴリ分類が決定された画像であっても、「選択肢を表示する」のアイコンボタンをクリックすることで、カテゴリの欄にカテゴリ選択メニュー用の「ウインドウ」を表示させることができ、カテゴリ選択メニューを使用してユーザが手動でカテゴリ分類を変更することができる。
また、カテゴリ分類の確信度が高い画像（「No.1」「No.2」,「No.4」の画像）に対し、カテゴリ分類の確信度が低い画像（「No.3」,「No.5」の画像）を識別可能に表示することが好ましい。図５に示す例では、確信度が低い「No.3」,「No.5」の画像の位置に「カーソル」を表示している。「カーソル」が表示されている確信度が低い「No.3」,「No.5」の画像については、第２の認識器４２による認識処理が行われるため、「カーソル」は、第２の認識器４２が使用されたことを示す情報となる。尚、「カーソル」の表示に代えて、例えば、色分けにより識別可能に表示するようにしてもよい。
更に、画像を特定する識別情報（No.1,No.2,No.3,…）をクリックすることで、識別情報に対応する画像を、表示部１６の画面を切り替えて拡大表示し、又は別ウインドウで拡大表示することができる。
図６は、医療画像処理装置１４により表示部１６に表示される画像及び情報の他の実施形態を示す図であり、１つの医療画像上で複数の病変領域が検出された場合、及びカテゴリ分類として病期ステージを含む場合の表示形態に関して示している。
図６に示すように複数の病変領域６１、６２が検出された場合、第１の認識器４１又は第２の認識器４２は、病変領域６１、６２毎に認識処理を行い、認識結果（病変領域別の病変のカテゴリ分類）を出力する。
図６に示す実施形態では、第１の認識器４１又は第２の認識器４２は、病変の種類に関する複数のカテゴリ（例えば、「腫瘍性」、「非腫瘍性」及び「その他」等）における分類と、病変の病期ステージに関する複数のカテゴリにおける分類とを行うことができるものとする。病変の病期ステージに関する複数のカテゴリは、病変の進行程度等を示すステージI,II,III,IV等である。
制御部４４又は情報表示制御部４５Ｂは、第１の認識器４１又は第２の認識器４２による病変領域６１、６２毎の認識結果（病変領域毎のカテゴリ分類）に基づいて、表示部１６の画面上の病変領域６１、６２の近傍に、カテゴリ分類を表示させる。
図６に示す例では、病変領域６１の近傍に「腫瘍性」、「ステージII」が表示され、病変領域６２の近傍に「腫瘍性」、「ステージI」が表示されている。
尚、図６に示す例では、病変領域６１、６２毎の病変に関するカテゴリ分類は同一であり、病期ステージのカテゴリ分類が異なっているが、例えば、複数の病変領域の病変に関するカテゴリ分類が異なる場合、病期ステージが同一の場合、又は病期ステージによる分類がない病変に関するカテゴリ分類等が存在し得る。
［医療画像処理］
図７は、本発明に係る医療画像処理方法の実施形態を示すフローチャートであり、医療画像処理装置１４の各部の処理手順に関して示している。
図７において、医療画像取得部４０は、プロセッサ装置１２又は画像記憶部５０から認識処理の対象である医療画像を取得する。取得した医療画像は、第１の認識器４１に入力される（ステップＳ１０）。
第１の認識器４１は、ステップＳ１０で取得した医療画像の認識処理を実行し、認識結果（第１の認識結果）を取得する（ステップＳ１２）。第１の認識器４１が、医療画像を病変に関する複数のカテゴリ（例えば、「腫瘍性」、「非腫瘍性」及び「その他」）のうちのいずれかのカテゴリに分類するが、認識結果は、「腫瘍性」、「非腫瘍性」及び「その他」に対応する３つのスコアとして出力される。
認識確信度判定器４３は、第１の認識結果に基づいて、認識結果より特定される医療画像のカテゴリ分類の確信度を判定する（ステップＳ１４）。具体的には、認識確信度判定器４３は、第１の認識器４１による第１の認識結果（本例では、３つのスコア）を入力し、３つのスコアのうちの最大のスコアが、他のスコアに対して差が基準値以上の場合、最大のスコアを有するカテゴリに画像を分類し、カテゴリ分類の確信度は「高い」と判定する。反対に、それぞれのカテゴリのスコアの差が基準値未満の場合、最大のスコアを有するカテゴリに画像を分類し、カテゴリ分類の確信度は「低い」と判定する。
ステップＳ１４において、第１の認識器４１による画像の第１の認識結果の確信度が「低い」と判定されると、ステップＳ１６に遷移する。
ステップＳ１６では、第１の認識器４１よりも認識精度の高い第２の認識器４２が使用され、第２の認識器４２は、ステップＳ１０で入力された医療画像の認識処理を実行し、認識結果（第２の認識結果）を取得する。
一方、ステップＳ１４において、第１の認識器４１による画像の第１の認識結果の確信度が「高い」と判定されると、ステップＳ１８に遷移する。
ステップＳ１８において、第１の認識器４１による画像の第１の認識結果の確信度が「高い」と判定された場合、制御部４４又は情報表示制御部４５Ｂは、第１の認識結果を表示部１６に表示させる。一方、第１の認識器４１による画像の第１の認識結果の確信度が「低い」と判定され、第２の認識器４２による第２の認識結果が取得された場合には、第１の認識結果に代えて、又は第１の認識結果と共に第２の認識結果を表示部１６に表示させる。
続いて、制御部４４は、医療画像のカテゴリ分類の画像処理を終了させるか否かを判別し、画像処理を終了させない場合（「No」の場合）には、ステップＳ１０に遷移させ、次の医療画像を認識処理の対象として、ステップＳ１０からステップＳ２０を繰り返し実行させる。
一方、画像処理を終了させる場合（「Yes」の場合）には、制御部４４は、医療画像処理方法における処理を終了させる。尚、制御部４４は、認識処理の対象である医療画像の全ての認識処理が終了した場合、画像処理を終了させる。
［その他］
上記実施形態の医療画像処理装置１４の第１の認識器４１及び第２の認識器４２として、段数が異なる層構造を有するＣＮＮを適用した場合について説明したが、これに限らず、ＣＮＮとは異なる他の方法により医療画像の認識を行うものでもよいし、例えば、第１の認識器４１は、ＣＮＮとは異なる他の方法により医療画像の認識を行うものとし、第２の認識器４２は、ＣＮＮにより医療画像の認識を行うものとしてもよい。
医療画像を認識する他の方法としては、例えば医療画像を複数の矩形領域に分割し、分割した各矩形領域を局所領域として設定する。そして、医療画像の局所領域ごとに局所領域内の画素の特徴量を算出し、特定の色相、形状等を有する病変候補を抽出し、抽出した病変候補の画像（画像の特徴量）と、予め準備されたカテゴリ分類毎に標準の病変画像（病変画像の特徴量）とのマッチングにより、医療画像のカテゴリ分類を行うことが考えられる。
上記実施形態では、プロセッサ装置１２と医療画像処理装置１４とが別体に設けられているが、プロセッサ装置１２と医療画像処理装置１４とが一体化されていてもよい。即ち、プロセッサ装置１２に、医療画像処理装置１４としての機能を設けてもよい。
上記実施形態では、内視鏡１０により撮影された医療画像をカテゴリ分類の認識対象としたが、例えば超音波診断装置、Ｘ線画像診断システム、デジタルマンモグラフィ、ＣＴ（Computed Tomography）装置、及びＭＲＩ（Magnetic Resonance Imaging）装置等により取得される医療画像をカテゴリ分類の認識対象としてよい。
［付記］
本明細書では以下に示す発明を含む多様な技術思想の開示を含んでいる。
［付記Ａ１］
本発明に係る医療画像処理装置において、更に、医療画像解析処理部を有し、医療画像解析処理部は、医療画像の画素の特徴量に基づいて、注目すべき領域である注目領域を検出し、医療画像解析結果取得部は、医療画像解析処理部の解析結果を取得する医療画像処理装置。
［付記Ａ２］
本発明に係る医療画像処理装置において、更に、医療画像解析処理部を有し、医療画像解析処理部は、医療画像の画素の特徴量に基づいて、注目すべき対象の有無を検出し、医療画像解析結果取得部は、医療画像解析処理部の解析結果を取得する医療画像処理装置。
［付記Ａ３］
付記Ａ１又は付記Ａ２に係る医療画像処理装置において、医療画像解析結果取得部は、医療画像の解析結果を記録する記録装置から取得し、解析結果は、医療画像に含まれる注目すべき領域である注目領域と、注目すべき対象の有無のいずれか、もしくは両方である医療画像処理装置。
［付記Ｂ１］
付記Ａ１から付記Ａ３のいずれか１つに記載の医療画像処理装置において、医療画像は、白色帯域の光、又は白色帯域の光として複数の波長帯域の光を照射して得た通常光画像である医療画像処理装置。
［付記Ｂ２］
付記Ｂ１に係る医療画像処理装置において、医療画像は、特定の波長帯域の光を照射して得た画像であることを特徴とし、特定の波長帯域は、白色の波長帯域よりも狭い帯域である医療画像処理装置。
［付記Ｂ３］
付記Ｂ２に係る医療画像処理装置において、特定の波長帯域は、可視域の青色もしくは、緑色帯域である医療画像処理装置。
［付記Ｂ４］
付記Ｂ３に係る医療画像処理装置において、特定の波長帯域は、３９０ｎｍ以上４５０ｎｍ以下または５３０ｎｍ以上５５０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、３９０ｎｍ以上４５０ｎｍ以下または５３０ｎｍ以上５５０ｎｍ以下の波長帯域内にピーク波長を有する医療画像処理装置。
［付記Ｂ５］
付記Ｂ２に係る医療画像処理装置において、特定の波長帯域は、可視域の赤色帯域である医療画像処理装置。
［付記Ｂ６］
付記Ｂ５に係る医療画像処理装置において、特定の波長帯域は、５８５ｎｍ以上６１５ｎｍ以下または６１０ｎｍ以上７３０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、５８５ｎｍ以上６１５ｎｍ以下または６１０ｎｍ以上７３０ｎｍ以下の波長帯域内にピーク波長を有する医療画像処理装置。
［付記Ｂ７］
付記Ｂ２に係る医療画像処理装置において、特定の波長帯域は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域を含み、かつ、特定の波長帯域の光は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域にピーク波長を有する医療画像処理装置。
［付記Ｂ８］
付記Ｂ７に係る医療画像処理装置において、特定の波長帯域は、４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、または、６００ｎｍ以上７５０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、または、６００ｎｍ以上７５０ｎｍ以下の波長帯域にピーク波長を有する医療画像処理装置。
［付記Ｂ９］
付記Ｂ２に係る医療画像処理装置において、医療画像は生体内を写した生体内画像であり、生体内画像は、生体内の蛍光物質が発する蛍光の情報を有する医療画像処理装置。
［付記Ｂ１０］
付記Ｂ９に係る医療画像処理装置において、蛍光は、ピークが３９０ｎｍから４７０ｎｍである励起光を生体内に照射して得る医療画像処理装置。
［付記Ｂ１１］
付記Ｂ２に係る医療画像処理装置において、医療画像は生体内を写した生体内画像であり、特定の波長帯域は、赤外光の波長帯域である医療画像処理装置。
［付記Ｂ１２］
付記Ｂ１１に係る医療画像処理装置において、特定の波長帯域は、７９０ｎｍ以上８２０ｎｍ以下または９０５ｎｍ以上９７０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、７９０ｎｍ以上８２０ｎｍ以下または９０５ｎｍ以上９７０ｎｍ以下の波長帯域にピーク波長を有する医療画像処理装置。
［付記Ｂ１３］
付記Ａ１から付記Ａ３のいずれか１つに記載の医療画像処理装置において、医療画像取得部は、白色帯域の光、又は白色帯域の光として複数の波長帯域の光を照射して得る通常光画像に基づいて、特定の波長帯域の情報を有する特殊光画像を取得する特殊光画像取得部を備え、医療画像は特殊光画像である医療画像処理装置。
［付記Ｂ１４］
付記Ｂ１３に係る医療画像処理装置において、特定の波長帯域の信号は、通常光画像に含まれる赤、緑、及び青あるいはシアン、マゼンタ、及びイエローの色情報に基づく演算により得る医療画像処理装置。
［付記Ｂ１５］
付記Ａ１から付記Ａ３のいずれか１つに記載の医療画像処理装置において、白色帯域の光、又は白色帯域の光として複数の波長帯域の光を照射して得る通常光画像と、特定の波長帯域の光を照射して得る特殊光画像との少なくとも一方に基づく演算によって、特徴量画像を生成する特徴量画像生成部を備え、医療画像は特徴量画像である医療画像処理装置。
［付記Ｃ１］
上記各付記のいずれか１つに記載の医療画像処理装置と、白色の波長帯域の光、または、特定の波長帯域の光の少なくともいずれかを照射して画像を取得する内視鏡と、を備える内視鏡装置。
［付記Ｃ２］
上記各付記のいずれか１つに記載の医療画像処理装置を備える診断支援装置。
［付記Ｃ３］
上記各付記のいずれか１つに記載の医療画像処理装置を備える医療業務支援装置。
９ 内視鏡システム
１０ 内視鏡
１１ 光源装置
１２ プロセッサ装置
１３ 表示装置
１４ 医療画像処理装置
１５ 操作部
１６ 表示部
１７Ａ、１７Ｂ、１７Ｃ 画面
１８Ａ、１８Ｂ、１８Ｃ 指標
１９ 情報
２０ 挿入部
２１ 手元操作部
２２ ユニバーサルコード
２５ 軟性部
２６ 湾曲部
２７ 先端部
２８ 撮像素子
２９ 湾曲操作ノブ
３０ 送気送水ボタン
３１ 吸引ボタン
３２ 静止画像撮影指示部
３３ 処置具導入口
３５ ライトガイド
３６ 信号ケーブル
３７Ａ、３７Ｂ コネクタ
３８ 動画像
３８ａ フレーム画像
３９ 静止画像
４０ 医療画像取得部
４１ 第１の認識器
４１Ａ 入力層
４１Ｂ 中間層
４１Ｃ 出力層
４２ 第２の認識器
４３ 認識確信度判定器
４４ 制御部
４５ 表示制御部
４５Ａ 画像表示制御部
４５Ｂ 情報表示制御部
４７ 記憶部
５０ 画像記憶部
５１ プログラム
６１、６２ 病変領域
Ｓ１０〜Ｓ２０ ステップ

Claims (21)

  1. 被写体像を含む医療画像を取得する医療画像取得部と、
    前記医療画像の認識を行う第１の認識器と、
    前記医療画像の認識を行う第２の認識器であって、前記第１の認識器よりも認識精度が高い第２の認識器と、
    前記第１の認識器による認識結果の確信度を判定する認識確信度判定器と、
    前記認識確信度判定器による判定結果に応じて前記第２の認識器による前記医療画像の認識処理を実行させる制御部と、
    を備えた医療画像処理装置。
  2. 前記第１の認識器及び前記第２の認識器は、それぞれ層構造を有する請求項１に記載の医療画像処理装置。
  3. 前記第２の認識器は、前記第１の認識器よりも前記層構造を構成する層の段数が多い請求項２に記載の医療画像処理装置。
  4. 前記第１の認識器及び前記第２の認識器は、前記層構造を構成する層に少なくとも１つのフィルタを有する請求項２又は３に記載の医療画像処理装置。
  5. 前記第２の認識器は、前記第１の認識器よりも前記層構造を構成する層であって、フィルタを有する層が多い請求項４に記載の医療画像処理装置。
  6. 前記第１の認識器及び前記第２の認識器は、それぞれ畳み込みニューラルネットワークである請求項１から５のいずれか１項に記載の医療画像処理装置。
  7. 前記第１の認識器及び前記第２の認識器は、それぞれ前記医療画像から病変候補の位置を検出する請求項１から６のいずれか１項に記載の医療画像処理装置。
  8. 前記第１の認識器及び前記第２の認識器は、それぞれ前記医療画像を病変に関する複数のカテゴリのうちのいずれかのカテゴリに分類する請求項１から７のいずれか１項に記載の医療画像処理装置。
  9. 前記第１の認識器及び前記第２の認識器は、前記医療画像上の複数の病変領域を、それぞれ病変に関する複数のカテゴリのうちのいずれかのカテゴリに分類する請求項１から７のいずれか１項に記載の医療画像処理装置。
  10. 前記複数のカテゴリは、病変の種類に関する複数のカテゴリ、病変の病期ステージに関する複数のカテゴリ、又は病変の種類と病期ステージとを組合せた複数のカテゴリである請求項８又は９に記載の医療画像処理装置。
  11. 前記制御部は、前記医療画像に対する前記第１の認識器及び前記第２の認識器の少なくとも一方の認識結果を、表示部に表示させる請求項１から１０のいずれか１項に記載の医療画像処理装置。
  12. 前記制御部は、前記第２の認識器が前記医療画像の認識に使用された場合、前記第２の認識器が使用されたことを示す情報を、前記表示部に表示させる請求項１１に記載の医療画像処理装置。
  13. 前記制御部は、前記第２の認識器が前記医療画像の認識に使用される場合、前記第２の認識器による認識処理の開始から終了までの期間、前記第２の認識器による認識処理中であることを示す情報を、前記表示部に表示させる請求項１１又は１２に記載の医療画像処理装置。
  14. 前記医療画像に対する前記第１の認識器及び前記第２の認識器の少なくとも一方の認識結果を記録する記録部を有する請求項１から１３のいずれか１項に記載の医療画像処理装置。
  15. 前記医療画像のカテゴリを手動で選択する分類選択部を有し、
    前記認識確信度判定器は、前記医療画像に対する前記第２の認識器によるカテゴリ分類の確信度を判定し、
    前記制御部は、前記医療画像に対する前記カテゴリ分類の確信度が低い場合、前記医療画像のカテゴリの選択に使用するカテゴリ選択メニューを表示部に表示させ、前記カテゴリ選択メニューを使用した前記分類選択部による前記医療画像のカテゴリの選択を受け付ける請求項１０に記載の医療画像処理装置。
  16. 前記制御部は、前記医療画像に対する前記第２の認識器によるカテゴリ認識結果に基づいて前記複数のカテゴリのカテゴリ優先度を決定し、前記カテゴリ優先度に応じて前記カテゴリ選択メニューにおける前記複数のカテゴリの表示順を変更する請求項１５に記載の医療画像処理装置。
  17. 前記制御部は、前記分類選択部により前記医療画像のカテゴリが決定されると、前記分類選択部により前記医療画像のカテゴリが決定されたことを示す情報を前記表示部に表示させる請求項１５又は１６に記載の医療画像処理装置。
  18. 被写体像を含む医療画像を取得するステップと、
    第１の認識器を使用して前記医療画像の認識を行うステップと、
    前記第１の認識器による認識結果の確信度を判定するステップと、
    前記確信度の判定結果に応じて前記第１の認識器よりも認識精度が高い第２の認識器を使用して前記医療画像の認識を行うステップと、
    を含む医療画像処理方法。
  19. 前記第１の認識器による前記医療画像の認識結果の確信度が基準値以上の場合には、前記第１の認識器の認識結果を表示部に表示させ、前記第１の認識器による前記医療画像の認識結果の確信度が基準値未満の場合には、前記第２の認識器の認識結果を前記表示部に表示させる請求項１８に記載の医療画像処理方法。
  20. 被写体像を含む医療画像を取得する機能と、
    第１の認識器を使用して前記医療画像の認識を行う機能と、
    前記第１の認識器による認識結果の確信度を判定する機能と、
    前記確信度の判定結果に応じて前記第１の認識器よりも認識精度が高い第２の認識器を使用して前記医療画像の認識を行う機能と、
    をコンピュータに実行させる医療画像処理プログラム。
  21. 前記第１の認識器による前記医療画像の認識結果の確信度が基準値以上の場合には、前記第１の認識器の認識結果を表示部に表示させ、前記第１の認識器による前記医療画像の認識結果の確信度が基準値未満の場合には、前記第２の認識器の認識結果を前記表示部に表示させる請求項２０に記載の医療画像処理プログラム。
JP2019541932A 2017-09-15 2018-07-18 医療画像処理装置及び医療画像処理プログラム Active JP6890184B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017177491 2017-09-15
JP2017177491 2017-09-15
PCT/JP2018/026945 WO2019054045A1 (ja) 2017-09-15 2018-07-18 医療画像処理装置、医療画像処理方法及び医療画像処理プログラム

Publications (2)

Publication Number Publication Date
JPWO2019054045A1 true JPWO2019054045A1 (ja) 2020-10-29
JP6890184B2 JP6890184B2 (ja) 2021-06-18

Family

ID=65722623

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019541932A Active JP6890184B2 (ja) 2017-09-15 2018-07-18 医療画像処理装置及び医療画像処理プログラム

Country Status (3)

Country Link
US (2) US11222243B2 (ja)
JP (1) JP6890184B2 (ja)
WO (1) WO2019054045A1 (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109427060A (zh) * 2018-10-30 2019-03-05 腾讯科技（深圳）有限公司 一种影像识别的方法、装置、终端设备和医疗系统
EP3660741B1 (en) * 2018-11-29 2022-05-04 Koninklijke Philips N.V. Feature identification in medical imaging
JP7252035B2 (ja) * 2019-03-28 2023-04-04 京セラ株式会社 疾患推定システム
JP7127779B2 (ja) * 2019-04-23 2022-08-30 学校法人慈恵大学 診断支援システム、及び診断支援用プログラム
EP3998931A4 (en) * 2019-07-16 2023-04-19 Docbot, Inc. REAL-TIME DEPLOYMENT OF MACHINE LEARNING SYSTEMS
CN113168699B (zh) 2019-07-18 2023-07-25 Hoya株式会社 计算机程序、信息处理方法以及内窥镜用处理器
WO2021071497A1 (en) * 2019-10-10 2021-04-15 Google Llc Camera synchronization and image tagging for face authentication
WO2021152784A1 (ja) * 2020-01-30 2021-08-05 株式会社インキュビット 手術支援システム
US11538135B2 (en) * 2020-02-25 2022-12-27 Raytheon Company Automatic multi-image 3D ground control point extraction
WO2021181564A1 (ja) * 2020-03-11 2021-09-16 オリンパス株式会社 処理システム、画像処理方法及び学習方法
CN115397304A (zh) 2020-04-08 2022-11-25 富士胶片株式会社 医疗图像处理系统、识别处理用处理器装置及医疗图像处理系统的工作方法
US20230281968A1 (en) * 2020-07-30 2023-09-07 Anaut Inc. Recording Medium, Method for Generating Learning Model, Surgical Support Device and Information Processing Method
KR102505791B1 (ko) * 2021-01-11 2023-03-03 한림대학교 산학협력단 실시간 영상을 통해 획득되는 병변 판단 시스템의 제어 방법, 장치 및 프로그램
WO2022163514A1 (ja) * 2021-01-27 2022-08-04 富士フイルム株式会社 医療画像処理装置、方法及びプログラム
CN113011418B (zh) * 2021-02-09 2024-02-23 杭州海康慧影科技有限公司 确定图像中待处理区域的方法、装置、设备
WO2022250031A1 (ja) * 2021-05-24 2022-12-01 アナウト株式会社 情報処理装置、情報処理方法、及びコンピュータプログラム
TWI832057B (zh) * 2021-05-27 2024-02-11 宏碁股份有限公司 醫療影像判讀方法與系統
WO2023058388A1 (ja) * 2021-10-04 2023-04-13 富士フイルム株式会社 情報処理装置、情報処理方法、内視鏡システム及びレポート作成支援装置
CN117956939A (zh) * 2021-11-04 2024-04-30 阿瑙特株式会社 计算机程序、学习模型的生成方法、以及信息处理装置
WO2023100475A1 (ja) * 2021-11-30 2023-06-08 富士フイルム株式会社 医療画像処理装置及びその作動方法
TWI825643B (zh) * 2022-03-30 2023-12-11 緯創資通股份有限公司 醫療輔助資訊產生方法與醫療輔助資訊產生系統

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017055412A1 (en) * 2015-09-30 2017-04-06 Siemens Healthcare Gmbh Method and system for classification of endoscopic images using deep decision networks

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7130446B2 (en) * 2001-12-03 2006-10-31 Microsoft Corporation Automatic detection and tracking of multiple individuals using multiple cues
US7783094B2 (en) * 2005-06-02 2010-08-24 The Medipattern Corporation System and method of computer-aided detection
US20090099862A1 (en) * 2007-10-16 2009-04-16 Heuristic Analytics, Llc. System, method and computer program product for providing health care services performance analytics
JPWO2010050333A1 (ja) 2008-10-30 2012-03-29 コニカミノルタエムジー株式会社 情報処理装置
US11664114B2 (en) * 2017-05-25 2023-05-30 Enlitic, Inc. Medical scan assisted review system
JP6719421B2 (ja) * 2017-06-20 2020-07-08 富士フイルム株式会社 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017055412A1 (en) * 2015-09-30 2017-04-06 Siemens Healthcare Gmbh Method and system for classification of endoscopic images using deep decision networks

Also Published As

Publication number Publication date
US20220092362A1 (en) 2022-03-24
US11222243B2 (en) 2022-01-11
WO2019054045A1 (ja) 2019-03-21
US20200193236A1 (en) 2020-06-18
JP6890184B2 (ja) 2021-06-18
US11734820B2 (en) 2023-08-22

Similar Documents

Publication Publication Date Title
JP6890184B2 (ja) 医療画像処理装置及び医療画像処理プログラム
US11600385B2 (en) Medical image processing device, endoscope system, diagnosis support method, and program
JP7308258B2 (ja) 医療画像処理装置及び医療画像処理装置の作動方法
US20210097331A1 (en) Medical image processing apparatus, medical image processing system, medical image processing method, and program
JP7166430B2 (ja) 医用画像処理装置、プロセッサ装置、内視鏡システム、医用画像処理装置の作動方法及びプログラム
US11449988B2 (en) Medical image processing apparatus
JP7326308B2 (ja) 医療画像処理装置及び医療画像処理装置の作動方法、内視鏡システム、プロセッサ装置、診断支援装置並びにプログラム
US20210366593A1 (en) Medical image processing apparatus and medical image processing method
JP7289373B2 (ja) 医療画像処理装置、内視鏡システム、診断支援方法及びプログラム
CN113498323A (zh) 医用图像处理装置、处理器装置、内窥镜系统、医用图像处理方法、及程序
US20200184644A1 (en) Medical image processing device and medical image processing method
JP7289241B2 (ja) ファイリング装置、ファイリング方法及びプログラム
JP6840263B2 (ja) 内視鏡システム及びプログラム
WO2019088008A1 (ja) 画像処理装置、画像処理方法、プログラム、及び内視鏡システム
US20210201080A1 (en) Learning data creation apparatus, method, program, and medical image recognition apparatus
US20230206445A1 (en) Learning apparatus, learning method, program, trained model, and endoscope system

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200511

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201020

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201202

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: 20210513

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210524

R150 Certificate of patent or registration of utility model

Ref document number: 6890184

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250