JPWO2020003991A1 - 医療画像学習装置、方法及びプログラム - Google Patents
医療画像学習装置、方法及びプログラム Download PDFInfo
- Publication number
- JPWO2020003991A1 JPWO2020003991A1 JP2020527358A JP2020527358A JPWO2020003991A1 JP WO2020003991 A1 JPWO2020003991 A1 JP WO2020003991A1 JP 2020527358 A JP2020527358 A JP 2020527358A JP 2020527358 A JP2020527358 A JP 2020527358A JP WO2020003991 A1 JPWO2020003991 A1 JP WO2020003991A1
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- medical image
- medical
- model
- 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
Links
Images
Classifications
-
- 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
-
- 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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B23/00—Telescopes, e.g. binoculars; Periscopes; Instruments for viewing the inside of hollow bodies; Viewfinders; Optical aiming or sighting devices
- G02B23/24—Instruments or systems for viewing the inside of hollow bodies, e.g. fibrescopes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Instruments For Viewing The Inside Of Hollow Bodies (AREA)
- Endoscopes (AREA)
Abstract
Description
図1は、本発明に係る医療画像学習装置のハードウエア構成の一例を示すブロック図である。
図2は、本発明に係る医療画像学習装置10−1の第1実施形態を示すブロック図であり、図1に示した医療画像学習装置10の主要な機能を示す機能ブロック図である。
図4は、本発明に係る医療画像学習装置10−2の第2実施形態を示すブロック図である。尚、図4に示す医療画像学習装置10−2において、図2に示した第1実施形態の医療画像学習装置10−1と共通する部分には同一の符号を付し、その詳細な説明は省略する。
Y=0.3R+0.59G+0.11B
第1学習部30は、画像処理部50により変換された1つの色チャンネルを有する通常光画像及び特殊光画像(モノクロ画像)を、学習用のデータセットとして取得し、取得したデータセットにより画像認識用の学習モデル(第1モデル)を生成する。
図5は、本発明に係る医療画像学習装置10−3の第3実施形態を示すブロック図である。尚、図5に示す医療画像学習装置10−3において、図2に示した第1実施形態の医療画像学習装置10−1と共通する部分には同一の符号を付し、その詳細な説明は省略する。
図6は、本発明に係る医療画像学習装置10−4の第4実施形態を示すブロック図である。尚、図6に示す医療画像学習装置10−4において、図4に示した第2実施形態の医療画像学習装置10−2と共通する部分には同一の符号を付し、その詳細な説明は省略する。
図7は、本発明に係る医療画像学習方法の実施形態を示すフローチャートであり、図2に示した第1実施形態の医療画像学習装置10−1の各部の処理手順に関して示している。
図8は、図7に示したステップS14の第1変形例を示すステップS14−1を示す図である。
図9は、図7に示したステップS14の第2変形例を示すステップS14−2を示す図である。
図3に示したCNN32は、医療画像に写っている病変の種類を画像認識する学習モデルであるが、医療画像に写っている病変の位置(病変領域)を認識するセグメンテーションを行う学習モデルでもよい。この場合のCNNは、CNNの一種である全層畳み込みネットワーク(FCN:Fully Convolution Network)を適用し、医療画像に写っている病変の位置を画素レベルで把握できるものが好ましい。
12 通信部
14 第1データベース
14A 通常光画像
16 第2データベース
18 操作部
20 CPU
22 RAM
24 ROM
26 表示部
30 第1学習部
32A 入力層
32B 中間層
32C 出力層
34 誤差算出部
36 パラメータ更新部
40 第2学習部
50 画像処理部
60 抽出部
70 第3学習部
S10、S12、S14、S14−1、S14−2、S16、S20、S22、S30、S32 ステップ
Claims (19)
- 通常光で撮像された複数の第1医療画像からなる第1画像群を少なくとも用いて学習することにより画像認識用の第1モデルを生成する第1学習部と、
前記第1モデルを元に、特殊光で撮像された複数の第2医療画像からなる第2画像群を用いて学習することにより、前記第2医療画像に対する画像認識を行う第2モデルを生成する第2学習部と、
を備えた医療画像学習装置。 - 前記第1学習部は、前記第2医療画像も用いて前記第1モデルを生成する請求項1に記載の医療画像学習装置。
- 複数の色チャンネルを有する前記第1医療画像を、1つの色チャンネルを有する前記第1医療画像に変換する画像処理部を備え、
前記第1学習部は、前記変換された1つの色チャンネルを有する前記第1画像群を用いて学習する請求項1に記載の医療画像学習装置。 - 前記画像処理部は、前記複数の色チャンネルを有する前記第1医療画像を、輝度信号のみの前記第1医療画像に変換することで、前記1つの色チャンネルを有する前記第1医療画像とする請求項3に記載の医療画像学習装置。
- 複数の色チャンネルを有する前記第1医療画像及び前記第2医療画像を、それぞれ1つの色チャンネルを有する前記第1医療画像及び前記第2医療画像に変換する画像処理部を備え、
前記第1学習部は、前記変換された1つの色チャンネルを有する前記第1画像群及び前記第2画像群を用いて学習する請求項2に記載の医療画像学習装置。 - 前記画像処理部は、前記複数の色チャンネルを有する前記第1医療画像及び前記第2医療画像を、輝度信号のみの前記第1医療画像及び前記第2医療画像に変換することで、前記1つの色チャンネルを有する前記第1医療画像及び前記第2医療画像とする請求項5に記載の医療画像学習装置。
- 複数の色チャンネルを有する前記第1医療画像から、1つの色チャンネルを有する前記第1医療画像を抽出する抽出部を備え、
前記第1学習部は、前記抽出された1つの色チャンネルを有する前記第1画像群を用いて学習する請求項1に記載の医療画像学習装置。 - 複数の色チャンネルを有する前記第1医療画像及び前記第2医療画像から、1つの色チャンネルを有する前記第1医療画像及び前記第2医療画像をそれぞれ抽出する抽出部を備え、
前記第1学習部は、前記抽出された1つの色チャンネルを有する前記第1画像群及び前記第2画像群を用いて学習する請求項2に記載の医療画像学習装置。 - 前記複数の色チャンネルは、3原色の3チャンネル、又は輝度信号及び2つの色差信号の3チャンネルである請求項3から8のいずれか1項に記載の医療画像学習装置。
- 前記第1モデルを元に、前記第1画像群を用いて学習することにより、前記第1医療画像に対する画像認識を行う第3モデルを生成する第3学習部と、
を備えた請求項3から9のいずれか1項に記載の医療画像学習装置。 - 前記第1医療画像及び前記第2医療画像は、それぞれ内視鏡装置により撮像された画像である請求項1から10のいずれか1項に記載の医療画像学習装置。
- 前記第1モデル及び前記第2モデルが、畳み込みニューラルネットワークで構成される請求項1から11のいずれか1項に記載の医療画像学習装置。
- 通常光で撮像された複数の第1医療画像からなる第1画像群及び特殊光で撮像された複数の第2医療画像からなる第2画像群を準備するステップと、
第1学習部が、前記第1画像群を少なくとも用いて学習することにより画像認識用の第1モデルを生成するステップと、
第2学習部が、前記第1モデルを元に前記第2画像群を用いて学習することにより、前記第2医療画像に対する画像認識を行う第2モデルを生成するステップと、
を含む医療画像学習方法。 - 画像処理部が、複数の色チャンネルを有する前記第1医療画像を、1つの色チャンネルを有する前記第1医療画像に変換するステップを含み、
前記第1モデルを生成するステップは、前記変換された1つの色チャンネルを有する前記第1画像群を用いて学習する請求項13に記載の医療画像学習方法。 - 画像処理部が、複数の色チャンネルを有する前記第1医療画像及び前記第2医療画像を、1つの色チャンネルを有する前記第1医療画像及び前記第2医療画像に変換するステップを含み、
前記第1モデルを生成するステップは、前記変換された1つの色チャンネルを有する前記第1画像群及び前記第2画像群を用いて学習する請求項13に記載の医療画像学習方法。 - 抽出部が、複数の色チャンネルを有する前記第1医療画像から、1つの色チャンネルを有する前記第1医療画像を抽出するステップを含み、
前記第1モデルを生成するステップは、前記抽出された1つの色チャンネルを有する前記第1画像群を用いて学習する請求項13に記載の医療画像学習方法。 - 抽出部が、複数の色チャンネルを有する前記第1医療画像及び前記第2医療画像から、1つの色チャンネルを有する前記第1医療画像及び前記第2医療画像をそれぞれ抽出するステップを含み、
前記第1モデルを生成するステップは、前記抽出された1つの色チャンネルを有する前記第1画像群及び前記第2画像群を用いて学習する請求項13に記載の医療画像学習方法。 - 通常光で撮像された複数の第1医療画像からなる第1画像群及び特殊光で撮像された複数の第2医療画像からなる第2画像群をそれぞれ取得する機能と、
前記第1画像群を少なくとも用いて学習することにより画像認識用の第1モデルを生成する機能と、
前記第1モデルを元に、前記第2画像群を用いて学習することにより、前記第2医療画像に対する画像認識を行う第2モデルを生成する機能と、
をコンピュータに実現させる医療画像学習プログラム。 - 非一時的かつコンピュータ読取可能な記録媒体であって、前記記録媒体に格納された指令がコンピュータによって読み取られた場合に、
通常光で撮像された複数の第1医療画像からなる第1画像群及び特殊光で撮像された複数の第2医療画像からなる第2画像群をそれぞれ取得する機能と、
前記第1画像群を少なくとも用いて学習することにより画像認識用の第1モデルを生成する機能と、
前記第1モデルを元に、前記第2画像群を用いて学習することにより、前記第2医療画像に対する画像認識を行う第2モデルを生成する機能と、
を含む医療画像学習機能をコンピュータに実行させる記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018123442 | 2018-06-28 | ||
JP2018123442 | 2018-06-28 | ||
PCT/JP2019/022909 WO2020003991A1 (ja) | 2018-06-28 | 2019-06-10 | 医療画像学習装置、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020003991A1 true JPWO2020003991A1 (ja) | 2021-06-24 |
JP7187557B2 JP7187557B2 (ja) | 2022-12-12 |
Family
ID=68986566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527358A Active JP7187557B2 (ja) | 2018-06-28 | 2019-06-10 | 医療画像学習装置、方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7187557B2 (ja) |
WO (1) | WO2020003991A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021140602A1 (ja) * | 2020-01-09 | 2021-07-15 | オリンパス株式会社 | 画像処理システム、学習装置及び学習方法 |
WO2021140601A1 (ja) * | 2020-01-09 | 2021-07-15 | オリンパス株式会社 | 画像処理システム、内視鏡システム及び画像処理方法 |
JP7429715B2 (ja) * | 2020-01-09 | 2024-02-08 | オリンパス株式会社 | 画像処理システム、内視鏡システム、画像処理システムの作動方法及びプログラム |
JP7331913B2 (ja) * | 2020-02-07 | 2023-08-23 | カシオ計算機株式会社 | 識別装置、識別器学習方法及びプログラム |
US20230112628A1 (en) * | 2020-02-18 | 2023-04-13 | Sony Olympus Medical Solutions Inc. | Learning device and medical image processing device |
JPWO2022071264A1 (ja) * | 2020-09-29 | 2022-04-07 | ||
WO2024009631A1 (ja) * | 2022-07-06 | 2024-01-11 | 富士フイルム株式会社 | 画像処理装置及び画像処理装置の作動方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003033324A (ja) * | 1991-03-11 | 2003-02-04 | Olympus Optical Co Ltd | 内視鏡装置 |
JP2005065976A (ja) * | 2003-08-22 | 2005-03-17 | Olympus Corp | 内視鏡装置 |
WO2017175282A1 (ja) * | 2016-04-04 | 2017-10-12 | オリンパス株式会社 | 学習方法、画像認識装置およびプログラム |
JP2017221486A (ja) * | 2016-06-16 | 2017-12-21 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び医療用観察システム |
-
2019
- 2019-06-10 JP JP2020527358A patent/JP7187557B2/ja active Active
- 2019-06-10 WO PCT/JP2019/022909 patent/WO2020003991A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003033324A (ja) * | 1991-03-11 | 2003-02-04 | Olympus Optical Co Ltd | 内視鏡装置 |
JP2005065976A (ja) * | 2003-08-22 | 2005-03-17 | Olympus Corp | 内視鏡装置 |
WO2017175282A1 (ja) * | 2016-04-04 | 2017-10-12 | オリンパス株式会社 | 学習方法、画像認識装置およびプログラム |
JP2017221486A (ja) * | 2016-06-16 | 2017-12-21 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び医療用観察システム |
Non-Patent Citations (1)
Title |
---|
SONOYAMA SHOJI,ET AL.: "Transfer Learning for Bag-of-Visual words approach to NBI endoscopic image classification", 2015 37TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY, JPN6019031987, 5 November 2015 (2015-11-05), pages 785 - 788, ISSN: 0004660119 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020003991A1 (ja) | 2020-01-02 |
JP7187557B2 (ja) | 2022-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7187557B2 (ja) | 医療画像学習装置、方法及びプログラム | |
Anubala et al. | Performance Analysis of Hookworm Detection using Deep Convolutional Neural Network | |
AU2018282455B2 (en) | Diagnosis assisting device, and image processing method in diagnosis assisting device | |
Sinthanayothin | Image analysis for automatic diagnosis of diabetic retinopathy | |
US8027533B2 (en) | Method of automated image color calibration | |
JP7005767B2 (ja) | 内視鏡画像認識装置、内視鏡画像学習装置、内視鏡画像学習方法及びプログラム | |
US11948080B2 (en) | Image processing method and image processing apparatus | |
US20210133473A1 (en) | Learning apparatus and learning method | |
CN103400146B (zh) | 基于颜色建模的中医面色识别方法 | |
Xiao et al. | Retinal hemorrhage detection by rule-based and machine learning approach | |
Zhang et al. | Computerized facial diagnosis using both color and texture features | |
US20220351483A1 (en) | Image processing system, endoscope system, image processing method, and storage medium | |
CN109242792B (zh) | 一种基于白色物体的白平衡校对方法 | |
Wang et al. | Facial image medical analysis system using quantitative chromatic feature | |
CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
CN113450305A (zh) | 医疗图像的处理方法、系统、设备及可读存储介质 | |
JP7087390B2 (ja) | 診断支援装置、画像処理方法及びプログラム | |
WO2022228396A1 (zh) | 内窥镜多光谱图像处理系统及处理和训练方法 | |
CN116012895A (zh) | 一种手掌特征识别设备及其识别方法、存储介质 | |
Reza et al. | Automatic detection of optic disc in fundus images by curve operator | |
Jodas et al. | Deep Learning Semantic Segmentation Models for Detecting the Tree Crown Foliage. | |
JP7291389B2 (ja) | 対象識別方法、情報処理装置、情報処理プログラム、および照明装置 | |
Maglogiannis et al. | Utilizing artificial intelligence for the characterization of dermatological images | |
CN110807739A (zh) | 一种面向目标检测的图像颜色特征处理方法、系统、装置和存储介质 | |
WO2022044425A1 (ja) | 学習装置、学習方法、プログラム、学習済みモデル、及び内視鏡システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220812 |
|
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: 20221118 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7187557 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |