JPWO2020090246A1 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

情報処理装置、情報処理方法、及びプログラム Download PDF

Info

Publication number
JPWO2020090246A1
JPWO2020090246A1 JP2020554802A JP2020554802A JPWO2020090246A1 JP WO2020090246 A1 JPWO2020090246 A1 JP WO2020090246A1 JP 2020554802 A JP2020554802 A JP 2020554802A JP 2020554802 A JP2020554802 A JP 2020554802A JP WO2020090246 A1 JPWO2020090246 A1 JP WO2020090246A1
Authority
JP
Japan
Prior art keywords
subject
group
information representing
physique
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.)
Granted
Application number
JP2020554802A
Other languages
English (en)
Other versions
JP6968298B2 (ja
Inventor
健太 山田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
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 JPWO2020090246A1 publication Critical patent/JPWO2020090246A1/ja
Application granted granted Critical
Publication of JP6968298B2 publication Critical patent/JP6968298B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • 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
    • 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
    • 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
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/06—Children, e.g. for attention deficit diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06T2207/30008—Bone
    • 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
    • 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
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)

Abstract

被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、抽出した前記被検体の体格を表す情報を用いて、前記被検体が分類されるグループを特定し、前記グループ毎の学習用データを用いた機械学習によって前記グループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する前記学習済みモデルに対して前記被検体を撮影して得られた医用画像を表す画像データを入力し、前記入力により前記学習済みモデルから出力された前記医用画像から抽出された領域を表す情報を取得する。

Description

本開示は、情報処理装置、情報処理方法、及びプログラムに関する。
入力画像に含まれる顔を、検出すべき顔の傾きを変えながら検出する顔検出方法が開示されている（特開２００７−１２８１２７号公報参照）。この顔検出方法では、検出すべき顔の傾きに応じて、第１の検出処理及び第２の検出処理の何れかの検出処理によって顔検出を行う。
また、入力画像の種類に応じた顔検出手法を用いて、入力画像から顔を検出する画像処理装置が開示されている（特開２００９−７００９９号公報参照）。
医用画像から対象とする領域を精度良く抽出することができると、医師が診断を行ううえで好ましい。しかしながら、特開２００７−１２８１２７号公報及び特開２００９−７００９９号公報に記載の技術では、医用画像から対象とする領域を精度良く抽出することはできない。
本開示は、医用画像から対象とする領域を精度良く抽出することができる情報処理装置、情報処理方法、及びプログラムを提供することを目的とする。
本開示の情報処理装置は、被検体を撮影して得られた画像から被検体の体格を表す情報を抽出する抽出部と、抽出部により抽出された被検体の体格を表す情報を用いて、被検体が分類されるグループを特定する特定部と、グループ毎の学習用データを用いた機械学習によってグループ毎に予め得られた学習済みモデルのうち、特定部により特定されたグループに対応する学習済みモデルに対して被検体を撮影して得られた医用画像を表す画像データを入力する入力部と、入力部による入力により学習済みモデルから出力された医用画像から抽出された領域を表す情報を取得する取得部と、を備える。
被検体の体格を表す情報は、被検体の骨格であってもよい。
また、被検体の体格を表す情報は、被検体の体表であってもよい。
また、被検体の体格を表す情報の抽出に用いられる画像は、医用画像であってもよい。
また、グループは、被検体の年齢、性別、人種、又は種族によって被検体が分類されるグループであってもよい。
本開示の情報処理方法では、被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、抽出した被検体の体格を表す情報を用いて、被検体が分類されるグループを特定し、グループ毎の学習用データを用いた機械学習によってグループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する学習済みモデルに対して被検体を撮影して得られた医用画像を表す画像データを入力し、入力により学習済みモデルから出力された医用画像から抽出された領域を表す情報を取得する処理をコンピュータが実行する。
また、本開示のプログラムは、被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、抽出した被検体の体格を表す情報を用いて、被検体が分類されるグループを特定し、グループ毎の学習用データを用いた機械学習によってグループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する学習済みモデルに対して被検体を撮影して得られた医用画像を表す画像データを入力し、入力により学習済みモデルから出力された医用画像から抽出された領域を表す情報を取得する処理をコンピュータに実行させる。
本開示の非一時的記録媒体は、被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、抽出した被検体の体格を表す情報を用いて、被検体が分類されるグループを特定し、グループ毎の学習用データを用いた機械学習によってグループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する学習済みモデルに対して被検体を撮影して得られた医用画像を表す画像データを入力し、入力により学習済みモデルから出力された医用画像から抽出された領域を表す情報を取得する処理をコンピュータに実行させるプログラムを記録している。
また、本開示の情報処理装置は、メモリと、メモリに接続されたプロセッサと、を備え、プロセッサは、被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、抽出した被検体の体格を表す情報を用いて、被検体が分類されるグループを特定し、グループ毎の学習用データを用いた機械学習によってグループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する学習済みモデルに対して被検体を撮影して得られた医用画像を表す画像データを入力し、入力により学習済みモデルから出力された医用画像から抽出された領域を表す情報を取得するように構成されている。
本開示によれば、医用画像から対象とする領域を精度良く抽出することができる。
実施形態に係る診断支援システムの構成の一例を示すブロック図である。 実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。 実施形態に係る学習済みモデルの一例を示す図である。 実施形態に係る情報処理装置の機能的な構成の一例を示すブロック図である。 実施形態に係る診断支援処理の一例を示すフローチャートである。
以下、図面を参照して、本開示の実施形態例を詳細に説明する。
まず、図１を参照して、本実施形態に係る診断支援システム１０の構成を説明する。図１に示すように、診断支援システム１０は、画像管理装置１２及び情報処理装置１４を含む。画像管理装置１２及び情報処理装置１４は、各々ネットワークＮに接続され、ネットワークＮを介した通信が可能とされる。画像管理装置１２は、ＣＴ（Computed Tomography）及びＭＲＩ（Magnetic Resonance Imaging）等の医用画像を撮影する撮影装置により被検体を撮影して得られた医用画像を表す画像データ（以下、「医用画像データ」という）を記憶する。画像管理装置１２の例としては、ＰＡＣＳ（Picture Archiving and Communication System）等が挙げられる。情報処理装置１４は、画像管理装置１２に記憶された医用画像データを用いて診断の支援を行う。情報処理装置１４の例としては、パーソナルコンピュータ及びサーバコンピュータ等の情報処理装置が挙げられる。
次に、図２を参照して、本実施形態に係る情報処理装置１４のハードウェア構成を説明する。図２に示すように、情報処理装置１４は、ＣＰＵ（Central Processing Unit）２０、一時記憶領域としてのメモリ２１、及び不揮発性の記憶部２２を含む。また、情報処理装置１４は、液晶ディスプレイ等の表示部２３、キーボード、マウス等の入力部２４、及びネットワークＮに接続されるネットワークＩ／Ｆ（InterFace）２５を含む。ＣＰＵ２０、メモリ２１、記憶部２２、表示部２３、入力部２４、及びネットワークＩ／Ｆ２５は、バス２６に接続される。
記憶部２２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、及びフラッシュメモリ等の非一時的記録媒体であってよい。記憶部２２には、情報処理プログラム３０が記憶される。ＣＰＵ２０は、記憶部２２から情報処理プログラム３０を読み出してからメモリ２１に展開し、展開した情報処理プログラム３０をロードして実行する。
また、記憶部２２には、複数（本実施形態では、２つ）の学習済みモデル３２が記憶される。図３を参照して、学習済みモデル３２について説明する。図３に示すように、本実施形態では、学習済みモデル３２の一例として入力層、複数の中間層、及び出力層を含むニューラルネットワークを適用した形態例を説明する。
本実施形態では、学習済みモデル３２は、被検体が分類されるグループ毎に記憶部２２に記憶される。詳細には、被検体の年齢によって分類される小児のグループに対応する学習済みモデル３２と、成人のグループに対応する学習済みモデル３２とが記憶部２２に記憶される。なお、ここでいう小児とは、予め定められた年齢未満の子供を意味し、成人とは、予め定められた年齢以上の人を意味する。また、小児と成人との境界の年齢は、特に限定されず、例えば、１５歳としてもよいし、１８歳としてもよい。また、被検体を分類するグループの数は２つに限定されず、３つ以上としてもよい。
学習済みモデル３２には、入力データの一例として、ＣＴにより被検体を撮影して得られた医用画像データが入力される。また、学習済みモデル３２からは、出力データの一例として、入力の医用画像データが示す医用画像から抽出された領域を表す情報が出力される。本実施形態では、学習済みモデル３２は、入力の医用画像データが示す医用画像における肺領域を抽出し、抽出した肺領域を予め定められた色（例えば、赤色）で塗りつぶした画像を表す画像データを出力する。図３では、抽出された肺領域を斜線の領域で示している。
なお、本実施形態では、学習済みモデル３２が左右両方の肺領域を抽出する場合について説明するが、これに限定されない。学習済みモデル３２が左右の何れか一方の肺領域を抽出してもよいし、肺以外の領域を抽出してもよいし、複数種類の領域を抽出してもよい。学習済みモデル３２が抽出する領域の例としては、各種臓器領域、骨の領域、血管の領域、及び皮下脂肪の領域等が挙げられる。
学習済みモデル３２は、複数組の医用画像データ及び医用画像データにおける肺領域を表す情報を学習用データ（教師データとも称される）として前述したグループ毎に機械学習を行うことによって予め得られたモデルである。すなわち、小児のグループに対応する学習済みモデル３２は、小児に分類される被検体を撮影して得られた医用画像データ及び医用画像データにおける肺領域を表す情報を学習用データとして用いた機械学習によって予め得られたモデルである。また、成人のグループに対応する学習済みモデル３２は、成人に分類される被検体を撮影して得られた医用画像データ及び医用画像データにおける肺領域を表す情報を学習用データとして用いた機械学習によって予め得られたモデルである。なお、この際の機械学習に用いられる手法の例としては、誤差逆伝播法等が挙げられる。
次に、図４を参照して、本実施形態に係る情報処理装置１４の機能的な構成について説明する。図４に示すように、情報処理装置１４は、抽出部４０、特定部４２、入力部４４、取得部４６、及び出力部４８を含む。ＣＰＵ２０が情報処理プログラム３０を実行することで、抽出部４０、特定部４２、入力部４４、取得部４６、及び出力部４８として機能する。
抽出部４０は、後述する入力部４４により画像管理装置１２から取得された医用画像データが示す医用画像から、被検体の体格を表す情報を抽出する。本実施形態では、抽出部４０は、医用画像に対して画像解析処理を行うことによって、被検体の体格を表す情報として被検体の骨格を抽出する。詳細には、例えば、骨の領域は他の領域に比べてＣＴ画像の信号値が高いため、抽出部４０は、医用画像から信号値が閾値以上の領域を抽出することによって、被検体の骨格を抽出する。この際、抽出部４０は、抽出した骨格における椎骨及び骨盤の特徴を識別し、かつ頭部、胸部、腹部、及び下肢等の部位を識別する。
特定部４２は、抽出部４０により抽出された被検体の体格を表す情報を用いて、被検体が分類されるグループを特定する。本実施形態では、特定部４２は、抽出部４０により抽出された被検体の骨格を用いて、その被検体が分類されるグループが小児であるか、又は成人であるかを特定する。詳細には、例えば、特定部４２は、被検体の骨格について、全身における頭部の割合から、その被検体が分類されるグループが小児であるか、又は成人であるかを特定する。なお、全身における頭部の割合は、幼児から小学生までは１５％〜２５％程度であり、高校生以上では１５％未満となる場合が多い。そこで、例えば、１５％を閾値とすることで、被検体が分類されるグループを特定することができる。
入力部４４は、画像管理装置１２から医用画像データを取得し、取得した医用画像データを、記憶部２２に記憶された学習済みモデル３２のうち、特定部４２により特定されたグループに対応する学習済みモデル３２に入力する。取得部４６は、入力部４４による入力に対応して学習済みモデル３２から出力された医用画像から抽出された領域を表す情報を取得する。
出力部４８は、取得部４６により取得された医用画像から抽出された領域を表す情報を表示部２３に出力する。この出力により、表示部２３には、例えば、肺領域が予め定められた色で塗りつぶされた画像が表示される。ユーザは、表示部２３に表示された画像を用いて、被検体の診断を行う。なお、出力部４８は、取得部４６により取得された医用画像から抽出された領域を表す情報を記憶部２２に出力（記憶）してもよいし、画像管理装置１２に出力（送信）してもよい。
次に、図５を参照して、本実施形態に係る情報処理装置１４の作用を説明する。ＣＰＵ２０が情報処理プログラム３０を実行することによって、図５に示す診断支援処理が実行される。図５に示す診断支援処理は、例えば、ユーザにより入力部２４を介して、診断支援処理の実行指示が入力された場合に実行される。
図５のステップＳ１０で、入力部４４は、画像管理装置１２から医用画像データを取得する。ステップＳ１２で、抽出部４０は、前述したように、ステップＳ１０の処理により取得された医用画像データが示す医用画像から、被検体の体格を表す情報を抽出する。ステップＳ１４で、特定部４２は、前述したように、ステップＳ１２の処理により抽出された被検体の体格を表す情報を用いて、被検体が分類されるグループを特定する。
ステップＳ１６で、入力部４４は、ステップＳ１０で取得した医用画像データを、記憶部２２に記憶された学習済みモデル３２のうち、ステップＳ１４の処理により特定されたグループに対応する学習済みモデル３２に入力する。ステップＳ１８で、取得部４６は、ステップＳ１６の処理による入力に対応して学習済みモデル３２から出力された医用画像から抽出された領域を表す情報を取得する。
ステップＳ２０で、出力部４８は、前述したように、ステップＳ１８の処理により取得された医用画像から抽出された領域を表す情報を表示部２３に出力する。ステップＳ２０の処理が終了すると、診断支援処理が終了する。
以上説明したように、本実施形態によれば、被検体の体格を表す情報を用いて被検体が分類されるグループを特定し、特定したグループに対応する学習済みモデル３２に対して被検体を撮影して得られた医用画像を表す画像データを入力する。そして、学習済みモデル３２から出力された医用画像から抽出された領域を表す情報を取得する。
被検体を撮影して得られた医用画像は、小児であるか、又は成人であるかによって、撮影時の放射線量、臓器の大きさ、及び脂肪の量等が異なる。詳細には、小児の方が成人よりも撮影時の放射線量が少ない、臓器が小さい、及び脂肪が小さい等の特徴がある。従って、本実施形態のように、小児に対応する学習済みモデル３２と成人に対応する学習済みモデル３２とを使い分けることによって、医用画像から対象とする領域を精度良く抽出することができる。
また、本実施形態によれば、被検体を撮影して得られた医用画像から被検体の体格を表す情報を抽出し、抽出した情報を用いて被検体が分類されるグループを特定している。従って、被検体の体格を抽出するための専用の画像が不要となり、またユーザがグループを設定することなくグループを特定することができる結果、被検体が分類されるグループを効率的に特定することができる。
なお、上記実施形態では、被検体の体格を表す情報として、被検体の骨格を適用した場合について説明したが、これに限定されない。例えば、被検体の体格を表す情報として、被検体の体表を適用する形態としてもよい。この場合、特定部４２が、抽出された被検体の体表から被検体の腹囲長及び肩幅等を導出し、導出した被検体の腹囲長及び肩幅等の体格から、被検体が分類されるグループを特定する形態が例示される。この場合、例えば、性別の特定のための閾値としてメタボリックシンドロームの判定基準を適用することができる。
また、上記実施形態では、被検体が分類されるグループとして、被検体の年齢によって被検体が分類されるグループ（上記実施形態では、小児及び成人）を適用した場合について説明したが、これに限定されない。例えば、被検体が分類されるグループとして、被検体の性別によって分類されるグループを適用する形態としてもよいし、被検体の人種によって分類されるグループを適用する形態としてもよい。また、例えば、被検体が分類されるグループとして、人、犬、及び猫等の被検体の種族によって分類されるグループを適用する形態としてもよい。また、以上の例の複数の組み合わせによって被検体を分類してもよい。この場合、被検体を「小児・男性」、「小児・女性」、「成人・男性」、及び「成人・女性」のように、被検体の年齢及び性別の組み合わせによって分類されるグループに分類する形態が例示される。
例えば、骨盤の中央の孔の形状は、男性では三角形に近く、女性では円形に近い。従って、骨盤の中央の孔の形状から被検体の性別を特定することができる。また、骨の総数、尾の骨の有無、及び歯の数等から、被検体が人であるか、又は人以外であるかを特定することができる。
また、上記実施形態では、医用画像から被検体の体格を表す情報を抽出する場合について説明したが、これに限定されない。例えば、医用以外の撮影装置により撮影された画像から被検体の体格を表す情報を抽出する形態としてもよい。この場合、デジタルカメラにより被検体を撮影して得られた画像に対して画像解析処理を行うことによって、画像から被検体の体表を抽出する形態が例示される。
また、上記実施形態において、全グループ共通の汎用の学習済みモデル３２を予め用意しておき、医用画像から被検体が分類されるグループを特定できなかった場合に、汎用の学習済みモデル３２を用いる形態としてもよい。
また、上記実施形態において、例えば、抽出部４０、特定部４２、入力部４４、取得部４６、及び出力部４８といった各種の処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field-Programmable Gate Array）等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）等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等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等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み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理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）等に代表されるように、複数の処理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、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
更に、これらの各種のプロセッサのハードウェア的な構造としては、より詳細には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）を用いることができる。
また、上記実施形態では、情報処理プログラム３０が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。情報処理プログラム３０は、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disc Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、情報処理プログラム３０は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
本願は２０１８年１０月２９日出願の日本出願第２０１８−２０２９４９号の優先権を主張すると共に、その全文を参照により本明細書に援用する。

Claims (7)

  1. 被検体を撮影して得られた画像から被検体の体格を表す情報を抽出する抽出部と、
    前記抽出部により抽出された前記被検体の体格を表す情報を用いて、前記被検体が分類されるグループを特定する特定部と、
    前記グループ毎の学習用データを用いた機械学習によって前記グループ毎に予め得られた学習済みモデルのうち、前記特定部により特定されたグループに対応する前記学習済みモデルに対して前記被検体を撮影して得られた医用画像を表す画像データを入力する入力部と、
    前記入力部による入力により前記学習済みモデルから出力された前記医用画像から抽出された領域を表す情報を取得する取得部と、
    を備えた情報処理装置。
  2. 前記被検体の体格を表す情報は、前記被検体の骨格である、
    請求項１に記載の情報処理装置。
  3. 前記被検体の体格を表す情報は、前記被検体の体表である、
    請求項１に記載の情報処理装置。
  4. 前記被検体の体格を表す情報の抽出に用いられる前記画像は、前記医用画像である、
    請求項１から請求項３の何れか１項に記載の情報処理装置。
  5. 前記グループは、前記被検体の年齢、性別、人種、又は種族によって前記被検体が分類されるグループである、
    請求項１から請求項４の何れか１項に記載の情報処理装置。
  6. 被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、
    抽出した前記被検体の体格を表す情報を用いて、前記被検体が分類されるグループを特定し、
    前記グループ毎の学習用データを用いた機械学習によって前記グループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する前記学習済みモデルに対して前記被検体を撮影して得られた医用画像を表す画像データを入力し、
    前記入力により前記学習済みモデルから出力された前記医用画像から抽出された領域を表す情報を取得する、
    処理をコンピュータが実行する情報処理方法。
  7. 被検体を撮影して得られた画像から被検体の体格を表す情報を抽出し、
    抽出した前記被検体の体格を表す情報を用いて、前記被検体が分類されるグループを特定し、
    前記グループ毎の学習用データを用いた機械学習によって前記グループ毎に予め得られた学習済みモデルのうち、特定したグループに対応する前記学習済みモデルに対して前記被検体を撮影して得られた医用画像を表す画像データを入力し、
    前記入力により前記学習済みモデルから出力された前記医用画像から抽出された領域を表す情報を取得する、
    処理をコンピュータに実行させるプログラム。
JP2020554802A 2018-10-29 2019-09-12 情報処理装置、情報処理方法、及びプログラム Active JP6968298B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018202949 2018-10-29
JP2018202949 2018-10-29
PCT/JP2019/035852 WO2020090246A1 (ja) 2018-10-29 2019-09-12 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
JPWO2020090246A1 true JPWO2020090246A1 (ja) 2021-10-21
JP6968298B2 JP6968298B2 (ja) 2021-11-17

Family

ID=70463035

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020554802A Active JP6968298B2 (ja) 2018-10-29 2019-09-12 情報処理装置、情報処理方法、及びプログラム

Country Status (5)

Country Link
US (1) US11925481B2 (ja)
JP (1) JP6968298B2 (ja)
CN (1) CN112970043B (ja)
DE (1) DE112019005378T5 (ja)
WO (1) WO2020090246A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004267450A (ja) * 2003-03-07 2004-09-30 Canon Inc 画像処理装置
JP2006175036A (ja) * 2004-12-22 2006-07-06 Fuji Photo Film Co Ltd 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム
JP2007105164A (ja) * 2005-10-12 2007-04-26 Hitachi Medical Corp 医用画像診断支援装置
JP2014023640A (ja) * 2012-07-25 2014-02-06 Konica Minolta Inc 画像処理装置及びプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007048172A (ja) * 2005-08-12 2007-02-22 Fuji Xerox Co Ltd 情報分類装置
JP4619927B2 (ja) 2005-11-01 2011-01-26 富士フイルム株式会社 顔検出方法および装置並びにプログラム
JP2009070099A (ja) * 2007-09-12 2009-04-02 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP6040640B2 (ja) 2012-08-29 2016-12-07 株式会社バッファロー 画像処理装置及びプログラム
US11406333B2 (en) * 2016-05-09 2022-08-09 Canon Medical Systems Corporation Medical image diagnosis apparatus and management apparatus
US10540764B2 (en) * 2016-05-09 2020-01-21 Canon Medical Systems Corporation Medical image capturing apparatus and method
JP2018134051A (ja) * 2017-02-23 2018-08-30 大学共同利用機関法人情報・システム研究機構 情報処理装置、情報処理方法及び情報処理プログラム
JP6932554B2 (ja) 2017-05-31 2021-09-08 株式会社シマノ 自転車用ドライブユニット
CN107622281B (zh) * 2017-09-20 2021-02-05 Oppo广东移动通信有限公司 图像分类方法、装置、存储介质及移动终端
JP7187244B2 (ja) * 2018-10-10 2022-12-12 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理システム及び医用画像処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004267450A (ja) * 2003-03-07 2004-09-30 Canon Inc 画像処理装置
JP2006175036A (ja) * 2004-12-22 2006-07-06 Fuji Photo Film Co Ltd 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム
JP2007105164A (ja) * 2005-10-12 2007-04-26 Hitachi Medical Corp 医用画像診断支援装置
JP2014023640A (ja) * 2012-07-25 2014-02-06 Konica Minolta Inc 画像処理装置及びプログラム

Also Published As

Publication number Publication date
US11925481B2 (en) 2024-03-12
DE112019005378T5 (de) 2021-07-15
CN112970043B (zh) 2024-05-14
WO2020090246A1 (ja) 2020-05-07
JP6968298B2 (ja) 2021-11-17
CN112970043A (zh) 2021-06-15
US20210248742A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
US11580642B2 (en) Disease region extraction apparatus, disease region extraction method, and disease region extraction program
US20230298759A1 (en) Information processing apparatus, information processing method, and program
US11978208B2 (en) Trained model, learning method, learning program, medical information acquisition device, medical information acquisition method, and medical information acquisition program
US11244455B2 (en) Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program
US11334990B2 (en) Information processing apparatus, information processing method, and program
JP6843785B2 (ja) 診断支援システム、診断支援方法、及びプログラム
JP6968298B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US11494913B2 (en) Medical care support device, medical care support method, and medical care support program
US11443430B2 (en) Diagnosis support device, diagnosis support method, and diagnosis support program
US11455728B2 (en) Diagnosis support device, diagnosis support method, and diagnosis support program
US11176413B2 (en) Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program
US20240037739A1 (en) Image processing apparatus, image processing method, and image processing program
US11749400B2 (en) Medical care support device, medical care support method, and medical care support program
US20240037738A1 (en) Image processing apparatus, image processing method, and image processing program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210423

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: 20211005

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211026

R150 Certificate of patent or registration of utility model

Ref document number: 6968298

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150