KR20220156050A - 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램 - Google Patents

정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20220156050A
KR20220156050A KR1020227036206A KR20227036206A KR20220156050A KR 20220156050 A KR20220156050 A KR 20220156050A KR 1020227036206 A KR1020227036206 A KR 1020227036206A KR 20227036206 A KR20227036206 A KR 20227036206A KR 20220156050 A KR20220156050 A KR 20220156050A
Authority
KR
South Korea
Prior art keywords
data
monitor
medical image
omission
unit
Prior art date
Application number
KR1020227036206A
Other languages
English (en)
Inventor
마사후미 히가시
유 카토
Original Assignee
에이조 가부시키가이샤
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 에이조 가부시키가이샤 filed Critical 에이조 가부시키가이샤
Publication of KR20220156050A publication Critical patent/KR20220156050A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • 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
    • 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
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0091—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for mammography
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10116—X-ray 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30068—Mammography; Breast
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)

Abstract

(과제) 의료 화상 중의 병변이 빠뜨려지는 것을 억제할 수 있는 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램을 제공하는 것을 목적으로 하고 있다.
(해결 수단) 데이터 취득부와, 데이터 연산부를 구비하고, 상기 데이터 취득부는 의료 화상 데이터와 추가 데이터를 취득하고, 상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며, 상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고, 상기 환경 데이터는 상기 모니터의 주위 환경을 나타내는 데이터이며, 상기 데이터 연산부는 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 정보 처리 장치가 제공된다.

Description

정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램
본 발명은 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램에 관한 것이다.
영상의학 전문의는, 유방 촬영술(Mammography) 화상 등의 의료 화상을 이용하여 병변의 유무 등의 판정을 실시한다. 여기에서, 병변의 유무 등의 판정은 영상의학 전문의에 의해 주의 깊게 실시되지만, 한편 다수의 영상의학 전문의는 의료 화상을 영상 판독해야 할 경우가 있어 병변을 빠뜨릴(못 보고 지나칠) 가능성이 적지 않게 존재하고 있다. 예를 들면, 특허문헌1에는 잠재적인 병변이 시각적으로 관찰할 수 없는 유방 촬영술 화상에 대해 컴퓨터 화상 분석에 의해, 병변이 물리적으로 존재할지 등의 리스크를 산출하는 기술이 개시되어 있다.
미국 특허출원 공개 제2017/0249739호 명세서
예를 들면, 영상의학 전문의가 사용하는 모니터나 영상의학 전문의가 영상 판독하는 환경과 같은 요인에 따라, 의료 화상의 보이는 방식은 일치하지 않을 수 있다. 그리고, 이러한 요인에 따라 산출되는 리스크는 변동해야 한다. 그러나, 특허문헌 1에 기재된 기술은 상술한 리스크를 산출함으로써 해당 요인을 가미하지 않았기 때문에 산출된 리스크가 실제와 괴리되어 의료 화상 중의 병변을 빠뜨릴 가능성이 높아진다.
본 발명은 이러한 사정을 감안하여 실시된 것이며, 의료 화상 중의 병변을 빠뜨리는 것을 억제할 수 있는 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램을 제공하는 것을 목적으로 하고 있다.
본 발명에 의하면, 데이터 취득부와, 데이터 연산부를 구비하고, 상기 데이터 취득부는 의료 화상 데이터와 추가 데이터를 취득하고, 상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며, 상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고, 상기 환경 데이터는 상기 모니터의 주위 환경을 나타내는 데이터이며, 상기 데이터 연산부는 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 정보 처리 장치가 제공된다.
본 발명에 의하면, 데이터 연산부가 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터(빠뜨림 억제 데이터)를 산출할 수 있다. 빠뜨림 억제 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하는 추가 데이터에 기초하고 있기 때문에, 빠뜨림 억제 데이터는 상술한 바와 같은 요인이 가미되어 있고, 그 결과, 의료 화상 중의 병변이 빠뜨려지는 것을 억제할 수 있다.
이하, 본 발명의 여러가지 실시 형태를 예시한다. 이하에 나타내는 실시 형태는 서로 조합 가능하다.
바람직하게는, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터 내의 영역 중, 병변을 빠뜨리기 쉬운 영역을 나타내는 화상 데이터를 포함하는 정보 처리 장치가 제공된다.
바람직하게는, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변을 빠뜨릴 가능성을 나타내는 스코어 데이터를 포함하는 정보 처리 장치가 제공된다.
바람직하게는, 상기 빠뜨림 억제 데이터는 위치 데이터를 포함하고, 상기 위치 데이터는 상기 의료 화상 데이터 내의 영역 중, 병변을 빠뜨리기 쉬운 영역의 위치를 특정하는 데이터인 정보 처리 장치가 제공된다.
바람직하게는, 상기 모니터 관련 데이터는 모니터 설정값, 모니터 스펙, 뷰어 설정값 및 모니터 측정 값 중의 적어도 1개를 포함하고, 상기 모니터 설정값은 상기 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이며, 상기 모니터 스펙은 상기 모니터가 미리 갖는 특성을 나타내고, 상기 뷰어 설정값은 상기 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이고, 또한 상기 표시부에 화상을 표시시키기 위한 어플리케이션의 설정값이며, 상기 모니터 측정 값은 상기 표시부의 휘도 또는 색도의 측정값인, 정보 처리 장치가 제공된다.
바람직하게는, 상기 환경 데이터는 조도값 및 거리 측정값 중의 적어도 1개를 포함하고, 상기 조도값은 상기 표시부의 주위에 있어서의 조도를 나타내는 값이며, 상기 거리 측정값은 상기 모니터와 인체 사이의 거리를 나타내는 값인, 정보 처리 장치가 제공된다.
바람직하게는, 상기 데이터 연산부는 상기 의료 화상 데이터 및 상기 추가 데이터를 입력하여 확률을 출력하는 학습 모델에 기초하여 상기 확률을 산출하고, 상기 확률은 병변이 빠뜨려지기 쉬운지 아닌지를 나타내는 값이며, 상기 데이터 연산부는 상기 확률에 기초하여 상기 빠뜨림 억제 데이터를 생성하는, 정보 처리 장치가 제공된다.
또한, 본 발명의 실시 형태의 다른 관점에 의하면, 취득 스텝과, 연산 스텝을 구비하는 정보 처리 방법으로서, 상기 취득 스텝에서는 의료 화상 데이터와 추가 데이터를 취득하고, 상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며, 상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고, 상기 환경 데이터는 상기 모니터의 주위환경을 나타내는 데이터이며, 상기 연산 스텝은 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 방법이 제공된다.
또한, 본 발명의 실시 형태의 다른 관점에 의하면, 컴퓨터에, 취득 스텝과 연산 스텝을 구비하는 정보 처리 방법을 실행시키는 컴퓨터 프로그램으로서, 상기 취득 스텝에서는 의료 화상 데이터와 추가 데이터를 취득하고, 상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며, 상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고, 상기 환경 데이터는 상기 모니터의 주위 환경을 나타내는 데이터이며, 상기 연산 스텝은 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고, 상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인 프로그램이 제공된다.
도 1은 제1실시 형태의 기능 블록도이다. 도 1은 정보 처리 시스템(100)의 운용 단계에서의 각종 데이터의 흐름을 모식적으로 나타내고 있다.
도 2는 도 1에 나타내는 운용 단계에서의 데이터 연산부(4)의 상세한 기능 블록도이다.
도 3은 정보 처리 장치(1)의 학습 단계의 각종 데이터의 흐름을 모식적으로 나타내고 있다.
도 4는 도 3에 나타내는 학습 단계에서의 데이터 연산부(4)의 상세한 기능 블록도이다.
도 5는 의료 화상 데이터(d2)의 예를 나타내는 모식도이다.
도 6은 확률 맵(d21)의 예를 나타내는 모식도이다.
도 7은 후보 화소 맵(d22)의 예를 나타내는 모식도이다.
도 8은 빠뜨림 영역 맵(d23)의 예를 나타내는 모식도이다.
도 9는 빠뜨림 억제 데이터(d10)의 예를 나타내는 모식도이다.
도 10은 제1실시 형태에 따른 정보 처리 장치(1)의 변형예1이다. 도 10은 변형예1에 따른 정보 처리 시스템(100)의 운용 단계에서의 각종 데이터의 흐름을 모식적으로 나타내고 있다.
도 11에서, 도 11A는 스코어링하기 위한 라인L을 모식적으로 나타낸 빠뜨림 영역 맵(d23)이다. 도 11B는 라인L 상의 각 화소의 위치를 횡축으로 하고 라인L 상의 각 화소의 확률P를 종축으로 한 그래프를 나타내고 있다.
도 12에서, 도 12는 변형예4에 따른 데이터 연산부(4) 및 변형예4에 따른 모니터(21)의 기능 블록도이다.
도 13은 제2실시 형태의 기능 블록도이다. 도 13은 모니터(21)(정보 처리 장치)의 운용 단계에서의 각종 데이터의 흐름을 모식적으로 나타내고 있다.
이하, 도면을 이용하여 본 발명의 실시 형태에 대해 설명한다. 이하에 나타내는 실시 형태 중에서 예시하는 각종 특징사항은 서로 조합 가능하다. 또한, 각 특징사항에 대해 독립적으로 발명이 성립한다.
1. 제1실시 형태
제1실시 형태의 정보 처리 시스템(100)은 도 1에 나타낸 바와 같이, 정보 처리 장치(1)와 모니터(21)를 구비하고 있다. 정보 처리 장치(1)는 처리부(Ct)와, 출력부(5)와, 기억부(6)를 구비하고 있다. 처리부(Ct)는 데이터 취득부(2)와, 전처리부(3)와, 데이터 연산부(4)를 구비하고 있다. 도 2에 나타낸 바와 같이, 데이터 연산부(4)는 확률 산출부(4A)와, 후처리부(4B)와, 생성부(4C)를 구비하고 있다. 또한, 후처리부(4B)는 후보 화소 추출부(4B1)와, 영역 형성부(4B2)를 구비하고 있다.
상기의 각 구성 요소는 소프트웨어에 의해 실현해도 되고, 하드웨어에 의해 실현해도 된다. 소프트웨어에 의해 실현할 경우, CPU가 컴퓨터 프로그램을 실행함으로써 각종 기능을 실현할 수 있다. 프로그램은 내장의 기억부에 격납해도 되고, 컴퓨터 판독 가능한 비일시적인 기록 매체에 격납해도 된다. 또한, 외부의 기억부에 격납된 프로그램을 판독하여 소위 클라우드 컴퓨팅에 의해 실현해도 된다. 하드웨어에 의해 실현할 경우, ASIC, FPGA 또는 DRP 등 여러가지 회로에 의해 실현할 수 있다. 제1실시 형태에서는, 여러가지 정보나 이것을 포함하는 개념을 다루지만, 이들은 0 또는 1로 구성되는 2진수의 비트 집합체로서 신호값의 고저에 의해 나타내어지고, 상기의 소프트웨어 또는 하드웨어의 양태에 의해 통신이나 연산이 실행될 수 있는 것이다.
모니터(21)는 표시부(22)와, 데이터 취득부(23)와, 출력부(24)와, 기억부(25)와, 광 센서(26)를 구비하고 있다. 데이터 취득부(23)는 정보 처리 장치(1)에 의해 처리된 화상 데이터 등을 취득하고 표시부(22)는 취득된 화상 데이터를 표시한다. 표시부(22)는 예를 들면 LCD모니터, CRT모니터, 유기EL 모니터 등으로 구성할 수 있다.
1-1. 데이터 개요
정보 처리 장치(1)의 처리부(Ct)는 학습 단계 및 운용 단계에서, 의료 화상 데이터(d1)와 추가 데이터를 취득하고 빠뜨림 억제 데이터(d10)를 생성 가능하도록 구성되어 있다. 빠뜨림 억제 데이터(d10)는 의료 화상 데이터 내의 영역 중, 영상의학 전문의가 병변을 빠뜨리기 쉬운 영역(도 9의 빠뜨림 영역(Rg1)∼빠뜨림 영역(Rg3)에 상당)을 나타내는 화상 데이터를 포함한다. 즉, 빠뜨림 억제 데이터(d10)는 영상의학 전문의가 영상 판독할 때에 병변을 빠뜨리기 쉬운 개소가 나타내어져 있는 화상 데이터를 포함한다. 영상의학 전문의는 이 빠뜨림 억제 데이터(d10)를 활용하여 영상 판독을 실시함으로써, 특히 주의 깊게 정찰해야 할 개소를 판단할 수 있고, 집중력을 절약하면서 영상 판독할 수 있다. 그리고, 정보 처리 장치(1)는 영상 판독 시의 영상의학 전문의의 주의력의 저하를 억제하고 그 결과 의료 화상 중의 병변을 빠뜨리는 것을 억제할 수 있다.
한편, 제1실시 형태에서, 빠뜨림 억제 데이터(d10)는 병변을 빠뜨리기 쉬운 영역 자체를 강조하는 화상 데이터이지만, 이것에 한정되는 것이 아니다. 빠뜨림 억제 데이터(d10)는 예를 들면 병변을 빠뜨리기 쉬운 영역의 주변을 강조 선으로 둘러싼 것과 같은 화상 데이터이어도 된다. 즉, 강조되는 영역은 병변을 빠뜨리기 쉬운 영역 자체일 필요는 없고 병변을 빠뜨리기 쉬운 영역보다 넓어도 된다.
여기에서, 정보 처리 장치(1) 및 모니터(21)에서 사용되는 각종 데이터에 대해 설명한다.
1-1-1. 의료 화상 데이터(d1, d2)
의료 화상 데이터(d1)는 예를 들면 유방 촬영술 화상 데이터, 초음파 화상 데이터, MRI화상 데이터, CT화상 데이터, 흉부 X선 화상 데이터 및 Angio화상 데이터 등을 사용할 수 있다. 제1실시 형태에서, 의료 화상 데이터(d1)는 유방 촬영술 화상 데이터이다(도 5 참조). 유방 촬영술 화상은 다수의 화소로 구성된 디지털 화상이다. 각 화소는 화소값을 갖는다. 유방 촬영술 화상에는 도 4에 나타낸 바와 같이 통상 대흉근 영역(G)과 유방 영역(B)이 포함되어 있다. 대흉근 영역(G)은 대흉근에 상당하는 영역이고 유방 영역(B)은 유방 전체에 상당하는 영역이다. 유방 영역(B)에는 유선 영역(R)이 포함되어 있다. 유선 영역(R)은 유방 영역(B)보다 좁은 영역이다. 유선 영역(R)에는 유선 화소와 지방 화소가 포함되어 있다. 유선 화소는 유선에 상당하는 화소이고 지방 화소는 지방에 상당하는 화소이며 유선 영역(R) 내의 유선 화소 이외의 화소이다. 유선 영역(R)은 유선 화소를 대체적으로 둘러싼 영역이다.
처리부(Ct)의 전처리부(3)에서, 의료 화상 데이터(d1)는 의료 화상 데이터(d2)로 변환된다. 의료 화상 데이터(d2)는 예를 들면 화상 사이즈나 윈도우 레벨이 변환된 것이다.
1-1-2. 추가 데이터
추가 데이터는 모니터 관련 데이터(d3) 및 환경 데이터(d4) 중의 적어도 1개를 포함한다. 제1실시 형태에서, 추가 데이터는 모니터 관련 데이터(d3) 및 환경 데이터(d4)를 모두 포함한다. 정보 처리 장치(1)는 학습 단계에서 의료 화상 데이터(d1)뿐만 아니라 추가 데이터를 이용한 처리를 실시함으로써, 정보 처리 장치(1)는 영상의학 전문의의 영상 판독 환경에 더 적합한 기계학습을 하게 된다. 즉, 정보 처리 장치(1)는 영상 판독 환경을 가미하면서 영상의학 전문의가 병변을 빠뜨리기 쉬운 개소를 더 적절하게 기계학습할 수 있다.
한편, 정보 처리 장치가 기계학습에 의하지 않고 병변을 빠뜨리기 쉬운 개소를 화상 데이터의 각 화소의 휘도에 기초하여 산출하는 수단도 고려할 수 있다. 그러나, 이러한 수단은 예를 들면 휘도가 높은 영역만에 대해 병변을 빠뜨리기 쉽다고 판정되어 버릴 가능성이 있다. 병변을 빠뜨리기 쉬운 모든 개소가 휘도가 높은 영역에 존재한다고는 할 수 없다. 정보 처리 장치(1)는 화상 데이터의 휘도와 같은 빠뜨림 요인뿐만 아니라, 영상의학 전문의의 경험적인 빠뜨림 요인도 가미한 학습이 가능하다.
1-1-2-1. 모니터 관련 데이터(d3)
모니터 관련 데이터(d3)는 모니터(21)의 표시부(22)에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이다. 그리고, 모니터 관련 데이터(d3)는 모니터 설정값, 모니터 스펙 및 뷰어(viewer) 설정값 중의 적어도 1개를 포함한다. 제1실시 형태에서, 모니터 관련 데이터(d3)는 모니터 설정값, 모니터 스펙 및 뷰어 설정값의 3개를 포함한다.
<모니터 설정값>
모니터 설정값은 표시부(22)에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이다.
모니터 설정값에는 예를 들면 브라이트니스(brightness)의 설정값, 게인(Gain)의 설정값, 콘트라스트의 설정값, 콘트라스트 비의 설정값, 색온도의 설정값, 색조(Hue)의 설정값, 색의 선명도(Saturation)의 설정값, 샤프니스의 설정값 등을 이용할 수 있다. 모니터 설정값은 이 설정값 중의 적어도 1개를 포함한다.
브라이트니스의 설정값은 화상 전체의 밝기에 관한 설정값이다. 한편, 브라이트니스의 설정값은 화상 전체의 밝기에 관한 설정값뿐만 아니라, 영상의학 전문의에 의해 정해지는 일부의 영역(관심 영역)의 밝기에 관한 설정값을 포함하고 있어도 된다.
게인(Gain)의 설정값은 적, 록 및 청 각각의 휘도의 설정값이다.
콘트라스트 비의 설정값은 화면의 흰 부분의 휘도와 검은 부분의 휘도의 차를 비율로 나타낸 설정값이다. 한편, 콘트라스트 비의 설정값은 백을 표시한 휘도와 흑을 표시한 휘도의 차를 비율로 나타낸 설정값이어도 된다.
색조(Hue)의 설정값은 화상의 색조에 관한 설정값이다.
샤프니스의 설정값은 화상의 윤곽의 조정에 관한 설정값이다.
<모니터 스펙>
모니터 스펙은 모니터(21)가 미리 갖는 특성을 나타내고 있다.
모니터 스펙에는 예를 들면 모니터(21)의 글레어 특성 및 해상도 등을 이용할 수 있다. 모니터 스펙은 글레어 특성 및 해상도 중의 적어도 1개를 포함한다. 글레어 특성은 모니터(21)의 표시부(22)가 LCD모니터일 경우에, 표시부(22)가 글레어 액정으로 구성되어 있는지 아니면 논 글레어 액정으로 구성되어 있는지를 나타내는 특성이다.
<뷰어 설정값>
뷰어 설정값은 표시부(22)에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이다. 또한, 뷰어 설정값은 표시부(22)에 화상을 표시시키기 위한 어플리케이션의 설정값이다. 이 어플리케이션은 예를 들면, 정보 처리 장치(1)에 미리 격납되어 있다.
뷰어 설정값은 예를 들면 흑백 반전 처리의 설정값, 마스킹 처리의 설정값, 감마 변경 처리의 설정값, 등배 처리의 설정값, 의사(疑似) 컬러 처리의 설정값, 샤프화 처리의 설정값 및 콘트라스트 확장 처리의 설정값 등을 이용할 수 있다. 뷰어 설정값은 이들의 설정값 중의 적어도 1개를 포함한다.
흑백반전 처리는 화상 중의 백과 흑을 반전시키는 화상 처리이다.
마스킹 처리는 의료 화상 데이터 중 특정의 부분만을 추출하는 화상 처리이다.
감마 전환은 감마 특성을 보정하기 위한 감마 값을 전환하는 화상 처리이다.
등배(等倍) 처리는 미리 정해진 범위의 화소를 등배로 하는 화상 처리이다.
의사 컬러 처리는 의사적으로 화상에 색을 가하는 화상 처리이다.
샤프화 처리는 희미한 화상을 선명하게 하는 화상 처리이다.
콘트라스트 확장 처리는 화상에 따라서 브라이트니스, 게인 및 감마 값 등을 보정하는 화상 처리이다.
한편, 제1실시 형태에서, 뷰어 설정값은 정보 처리 장치(1)의 어플리케이션에서 이용할 수 있는 설정값인 것으로서 설명했지만, 이것에 한정되는 것이 아니다. 모니터(21)가 이러한 어플리케이션을 구비하고, 모니터(21)가 해당 어플리케이션을 이용하여 설정값을 결정하는 형태이어도 된다.
1-1-2-2. 환경 데이터(d4)
환경 데이터(d4)는 모니터(21)의 주위 환경을 나타내는 데이터이다.
제1실시 형태에서, 환경 데이터(d4)는 조도값을 포함한다.
조도값은 표시부(22)의 주위의 조도를 나타내는 값이다. 즉, 조도값은 모니터(21)가 배치되어 있는 공간의 조도에 대응하고 있다. 제1실시 형태에서, 조도값은 모니터(21)의 광 센서(26)를 이용하여 취득할 수 있다.
1-2. 정보 처리 장치(1)의 구성 설명
정보 처리 장치(1)는 처리부(Ct)와, 출력부(5)와, 기억부(6)를 구비하고 있다.
제1실시 형태에서는 운용 단계 및 학습 단계의 두 단계에서, 정보 처리 장치(1)로 각종 데이터가 처리되는 것으로서 설명한다. 한편, 학습 단계에서는 운용 단계에서 이용되는 정보 처리 장치보다 연산 능력이 높은 정보 처리 장치를 이용해도 된다.
1-2-1. 처리부(Ct)
처리부(Ct)는 데이터 취득부(2)와, 전처리부(3)와, 데이터 연산부(4)를 구비하고 있다.
1-2-1-1. 데이터 취득부(2)
도 1에 나타낸 바와 같이, 데이터 취득부(2)는 운용 단계에서 기억부(6)로부터 의료 화상 데이터(d1) 및 모니터 관련 데이터(d3)(모니터 스펙 및 뷰어 설정값)을 취득 가능하도록 구성되어 있다. 데이터 취득부(2)는 운용 단계에서, 모니터(21)로부터 모니터 관련 데이터(d3)(모니터 설정값) 및 환경 데이터(d4)(조도값)를 취득 가능하도록 구성되어 있다.
또한, 도 3에 나타낸 바와 같이, 데이터 취득부(2)는 학습 단계에서 의료 화상 데이터(d1), 모니터 관련 데이터(d3)(모니터 스펙, 뷰어 설정값 및 모니터 설정값) 및 환경 데이터(d4)(조도값)를 취득 가능하도록 구성되어 있다.
1-2-1-2. 전처리부(3)
전처리부(3)는 의료 화상 데이터(d1)에 대해 여러가지 전처리를 실시한다. 전처리는 의료 화상 데이터(d1)를 데이터 연산부(4)에서의 처리에 적합한 상태로 하기 위해 하는 처리이다. 전처리부(3)는 의료 화상 데이터(d1)로부터 의료 화상 데이터(d2)로 변환된다. 전처리부(3)는 예를 들면 사이즈 맞춤 처리와, 윈도우 레벨 조정 처리와, 노이즈 제거 처리 등을 실시한다. 전처리부(3)의 이들의 처리의 일부 또는 전부는 불필요할 경우에는 생략 가능하다.
사이즈 맞춤 처리에서는, 의료 화상 데이터(d1)의 사이즈 맞춤을 실시한다. 의료 화상 데이터(d1)는 촬상 기자재나 설정에 의해 해상도가 다르다. 이는 1화소당의 실제 사이즈가 입력 화상에 따라 다른 것을 나타낸다. 사이즈 맞춤부는 1화소당의 사이즈 차이에 의한 검출 정밀도의 불균일을 없애기 위해, 1화소를 미리 정해진 사이즈로 되도록 리사이즈를 실시한다.
윈도우 레벨 조정 처리에서는, 의료 화상 데이터(d1)의 윈도우 레벨 조정을 실시한다. 윈도우 레벨 조정은 폭넓은 레인지의 계조값을 가진 화상의 어떤 특정의 계조 영역의 콘트라스트를 향상시키는 처리이다. 윈도우 레벨 조정을 실시함으로써 의료 화상 데이터(d1)의 시인성을 향상시킬 수 있다.
노이즈 제거 처리는 의료 화상 데이터(d1)의 노이즈 제거를 실시한다. 의료 화상 데이터(d1) 중에는 영상의학 전문의가 병변을 빠뜨리기 쉬운 영역을 해석·추출하는 정밀도를 저하시키는 노이즈(예를 들면, 인공적으로 첨부된 라벨)가 존재하고 있을 경우가 있다. 따라서, 노이즈 제거 처리에서는 이러한 노이즈를 제거한다.
1-2-1-3. 데이터 연산부(4)
데이터 연산부(4)는 확률 산출부(4A)와, 후처리부(4B)와, 생성부(4C)와, 오차 산출부(4D)를 구비하고 있다.
<확률 산출부(4A)>
확률 산출부(4A)는 의료 화상 데이터(d2) 중의 각 화소px에 대해 확률P를 각각 산출한다. 여기에서, 확률P는 해당 확률P에 대응하는 부분(화소)이 영상의학 전문의에 의해 병변이 빠뜨려지기 쉬운지 아닌지를 나타내는 값이다. 구체적으로는, 확률 산출부(4A)는 도 6에 나타낸 바와 같이, 확률P가 화소px마다에 특정된 확률 맵(d21)을 생성한다. 제1실시 형태에서, 확률 맵의 범위는 의료 화상 데이터(d2)의 전체 영역에 걸쳐 있다. 확률P는 예를 들면 0~1의 범위의 값으로 표현된다. 확률P의 값이 클수록, 영상의학 전문의에 의해 병변이 빠뜨려지기 쉬운 부분(화소)일 확률이 높게 된다.
확률P는 의료 화상 데이터(d2)　및 추가 데이터를 입력하여 확률P를 출력하는 학습 모델에 기초하여 산출할 수 있다. 제1실시 형태에서, 데이터 연산부(4)(확률 산출부(4A))의 학습 모델(기계학습 모델)에는 합성곱 뉴럴 네트워크(convolutional neural network)의 일종인 완전 합성곱 네트워크 FCN(Fully Convolutional Network)을 이용할 수 있다. 한편, 도 2에 있어서의 운용 단계에서는, 데이터 연산부(4)의 학습은 완료되어 있지만, 한편, 도 4의 학습 단계에서는 데이터 연산부(4)는 학습 중이다. 즉, 운용 단계에서는, 확률 산출부(4A)의 뉴럴 네트워크의 필터의 가중 계수는 이미 확정되어 있고, 학습 단계에서는, 확률 산출부(4A)의 뉴럴 네트워크의 필터의 가중 계수는 확정되지 않고 적당히 갱신된다.
<후처리부(4B)>
후처리부(4B)는 확률P에 기초하여 빠뜨림 영역(Rg)을 추출한다. 빠뜨림 영역(Rg)은 도 8에 나타낸 바와 같이, 영상의학 전문의가 병변을 빠뜨리기 쉬운 영역을 나타내고 있다. 제1실시 형태에서, 빠뜨림 영역(Rg)은 3개의 빠뜨림 영역(Rg1)~영역(Rg3)을 포함하고 있다. 후처리부(4B)는 후보 화소 추출부(4B1)와 영역 형성부(4B2)를 구비한다.
· 후보 화소 추출부(4B1)
후보 화소 추출부(4B1)는 확률 맵(d21)에 대해 역치 처리를 실시한다. 구체적으로는, 후보 화소 추출부(4B1)는 확률 맵(d21)에 있어서의 화소의 확률P가 역치Th 이상의 것을 후보 화소로서 추출하고, 도 7에 나타내는 후보 화소 맵(d22)을 생성하여 영역 형성부(4B2)에 출력한다. 제1실시 형태에서, 역치Th는 미리 정해진 값이다. 역치Th는 고정된 값이어도 되고, 사용자가 적당히 변경 가능한 값이어도 된다. 후보 화소 맵(d22)의 각 화소의 위치는 확률 맵(d21)의 각 화소의 위치와 대응하고 있다. 후보 화소 맵(d22)에 있어서, 화소의 확률P가 역치Th이상의 경우에는, 해당 화소에 할당되는 값이 예를 들면 1이 되고, 화소의 확률P가 역치Th미만의 경우에는, 해당 화소에 할당되는 값이 예를 들면 0으로 된다. 도 7에서는, 화소에 할당되는 값이 1의 경우에는 화소는 흑점(黑點)으로 나타내어지고, 화소에 할당되는 값이 0의 경우에는 화소는 백점(白點)으로 나타내어져 있다. 흑점이 후보 화소이다.
· 영역 형성부(4B2)
영역 형성부(4B2)는 후보 화소 맵(d22)에 대해 결손 영역 빈자리 메우기 처리를 실시하여 빠뜨림 영역(Rg)을 형성한다. 구체적으로는, 도 7에 나타낸 바와 같이, 후보 화소가 집중하고 있는 영역 중에는, 비후보 화소(px1)가 존재할 경우가 있다. 비후보 화소(px1)가 존재하면, 빠뜨림 영역(Rg)의 형상이 번잡화하여 빠뜨림 영역이 특정되기 어려워진다. 그 때문에, 영역 형성부(4B2)는 비후보 화소(px1)(결손 영역)에 대응하는 빈자리를 메우도록, 닫힌 영역(빠뜨림 영역(Rg1)∼빠뜨림 영역(Rg3))을 형성한다. 결손 영역 빈자리 메우기 처리는 예를 들면 열 및 행 각각의 시점·종점의 사이의 빈자리를 메움으로써 실시할 수 있다. 이로 인해, 영역 형성부(4B2)는 도 8에 나타내는 바와 같은 빠뜨림 영역 맵(d23)을 생성할 수 있다.
<생성부(4C)>
생성부(4C)는 의료 화상 데이터(d2)와 빠뜨림 영역 맵(d23)에 기초하여, 도 9에 나타내는 빠뜨림 억제 데이터(d10)를 생성한다. 구체적으로는, 생성부(4C)는 의료 화상 데이터(d2) 상에 빠뜨림 영역 맵(d23)의 빠뜨림 영역(Rg)을 중첩함으로써 빠뜨림 억제 데이터(d10)를 생성할 수 있다.
<오차 산출부(4D)>
오차 산출부(4D)는 도 4에 나타낸 바와 같이, 정답 빠뜨림 억제 데이터(d11)와, 생성부(4C)가 생성하는 빠뜨림 억제 데이터(d10)를 비교한다. 즉, 오차 산출부(4D)는 정답으로 되는 빠뜨림 영역과, 산출된 빠뜨림 영역의 오차를 산출한다. 여기에서, 정답 빠뜨림 억제 데이터(d11)는 영상의학 전문의에 의해 빠뜨리기 쉬운 영역이 나타내어진 의료 화상 데이터이다. 즉, 정답 빠뜨림 억제 데이터(d11)는 영상의학 전문의가 대응하는 의료 화상을 육안으로 보아 빠뜨리기 쉬운 영역이 강조된 의료 화상 데이터이다. 오차 산출부(4D)는 산출한 오차를 확률 산출부(4A)에 출력한다. 확률 산출부(4A)는 이 오차에 기초하여 필터의 가중 계수를 갱신한다.
1-2-2. 출력부(5)
출력부(5)는 생성부(4C)에서 생성된 빠뜨림 억제 데이터(d10)를 모니터(21)에 출력 가능하도록 구성되어 있다.
1-2-3. 기억부(6)
기억부(6)는 각종 데이터를 기억하는 기능을 갖는다. 도 1에 나타낸 바와 같이, 기억부(6)에는 운용 단계에서 이용되는 의료 화상 데이터(d1)나 모니터 관련 데이터(d3)(모니터 스펙 및 뷰어 설정값)가 미리 격납된다. 또한, 도 3에 나타낸 바와 같이, 기억부(6)에는 학습 단계에서 이용되는 의료 화상 데이터(d1), 모니터 관련 데이터(d3)(모니터 설정값, 모니터 스펙 및 뷰어 설정값) 및 환경 데이터(d4)(조도값)가 미리 격납된다. 기억부(6)에 격납되어 있는 각종 데이터는 처리부(Ct)에서 읽어내어진다.
1-3. 모니터(21)의 구성 설명
모니터(21)는 표시부(22)와, 데이터 취득부(23)와, 출력부(24)와, 기억부(25)와, 광 센서(26)를 구비하고 있다.
1-3-1. 표시부(22)
표시부(22)는 데이터 취득부(23)가 취득한 데이터를 표시하는 기능을 갖는다. 구체적으로는, 표시부(22)에는 빠뜨림 억제 데이터(d10)를 표시 가능하다. 영상의학 전문의는 도 9에 나타내는 빠뜨림 억제 데이터(d10)를 표시부(22)에 표시하여 영상 판독한다. 여기에서, 빠뜨림 억제 데이터(d10)는 모니터 관련 데이터(d3) 및 환경 데이터(d4)에 기초하고 있다. 그 때문에, 빠뜨림 억제 데이터(d10)는 영상의학 전문의가 사용하는 모니터나 영상의학 전문의가 영상 판독하는 환경과 같은 요인을 가미하게 되고, 그 결과, 제1실시 형태에 따른 정보 처리 장치(1)는 의료 화상 중의 병변이 빠뜨려지는 것을 억제할 수 있다. 또한, 영상의학 전문의는 도 9에 나타내는 빠뜨림 억제 데이터(d10)를 표시부(22)로 영상 판독함으로써, 의료 화상 데이터(d2) 중 특히 주의 깊게 정찰해야 할 영역을 판단할 수 있고, 집중력을 절약하면서 영상 판독할 수 있다.
1-3-2. 데이터 취득부(23)
데이터 취득부(23)는 출력부(5)에서 출력되는 빠뜨림 억제 데이터(d10)를 취득 가능하도록 구성되어 있다.
1-3-3. 출력부(24)
출력부(24)는 기억부(25)에 격납되어 있는 각종 데이터를 정보 처리 장치(1)에 출력 가능하도록 구성되어 있다.
1-3-4. 기억부(25)
기억부(25)는 기억부(6)와 마찬가지로 각종 데이터를 기억하는 기능을 갖는다. 기억부(25)에는 모니터 관련 데이터(d3)(모니터 설정값) 및 광 센서(26)로 취득된 환경 데이터(d4)(조도값) 등이 격납된다.
1-3-5. 광 센서(26)
광 센서(26)는 모니터(21)(표시부(22))의 주위의 빛의 조도값(환경 데이터(d4))를 취득하도록 구성되어 있다.
1-4. 동작 설명
1-4-1. 학습 단계
정보 처리 장치(1)의 학습 단계에서의 동작에 대해 도 3 및 도 4를 참조하여 설명한다.
제1실시 형태의 정보 처리 방법(학습 단계)은 취득 스텝과 연산 스텝을 구비하고 있다.
연산 스텝은 전처리 스텝과, 확률 맵 생성 스텝(학습 스텝)과, 후보 화소 생성 스텝과, 빠뜨림 영역 맵 생성 스텝과, 빠뜨림 억제 데이터 생성 스텝을 구비하고 있다.
취득 스텝에 있어서, 데이터 취득부(2)는 의료 화상 데이터(d1)와, 모니터 관련 데이터(d3)(모니터 설정값, 모니터 스펙 및 뷰어 설정값)와, 환경 데이터(d4)와, 정답 빠뜨림 억제 데이터(d11)를 취득한다.
전처리 스텝에 있어서, 전처리부(3)는 의료 화상 데이터(d1)의 사이즈 등을 변경하여 의료 화상 데이터(d2)를 생성한다. 확률 맵 생성 스텝에 있어서, 확률 산출부(4A)는 의료 화상 데이터(d2)와, 모니터 관련 데이터(d3)와 환경 데이터(d4)에 기초하여 확률 맵(d21)을 생성한다. 이 확률 맵 생성 스텝은 기계 학습이 실시되는 스텝이기 때문에 학습 스텝이라고도 할 수 있다. 확률 맵 생성 스텝(학습 스텝)에 있어서, 확률 산출부(4A)에는 오차 산출부(4D)에서 산출되는 오차가 입력된다. 이 오차는 후술하는 빠뜨림 억제 데이터 생성 스텝에서 취득되는 빠뜨림 억제 데이터(d10)와, 정답 빠뜨림 억제 데이터(d11)의 차에 대응하고 있다. 따라서, 확률 산출부(4A)의 필터의 가중 계수가 적당히 갱신되어 확률 산출부(4A)의 출력의 정밀도가 상승한다. 즉, 확률 맵 생성 스텝(학습 스텝)에서는, 확률 산출부(4A)는 입력(의료 화상 데이터 및 추가 데이터)과 출력(확률)의 관계를 학습하는 과정에서 필터의 가중 계수를 적당히 갱신한다. 즉, 필터의 가중 계수는 보다 영상의학 전문의의 경험을 반영한 값으로 갱신되어 간다. 그리고, 확률 맵(d21) 및 빠뜨림 억제 데이터(d10)는 보다 정답 빠뜨림 억제 데이터(d11)에 근접해 간다.
후보 화소 생성 스텝에 있어서, 후보 화소 추출부(4B1)는 확률 맵(d21)에 대해 역치 처리를 실시하여 후보 화소 맵(d22)을 생성한다. 빠뜨림 영역 맵 생성 스텝에서, 영역 형성부(4B2)는 후보 화소 맵(d22)에 대해 결손 영역 빈자리 메우기 처리를 실시하여 빠뜨림 영역(Rg)을 형성하고 빠뜨림 영역 맵(d23)을 생성한다. 빠뜨림 억제 데이터 생성 스텝에 있어서, 생성부(4C)는 의료 화상 데이터(d2)와 빠뜨림 영역 맵(d23)에 기초하여 빠뜨림 억제 데이터(d10)를 생성한다.
1-4-2. 운용 단계
운용 단계에서의 동작에 대해 도 1 및 도 2에 기초하여 설명한다. 운용 단계에서의 동작은 학습 단계에 있어서의 동작과 다른 부분을 중심으로 설명한다.
제1실시 형태의 정보 처리 방법(운용 단계)은 취득 스텝과, 연산 스텝과, 출력 스텝을 구비하고 있다.
연산 스텝은 전처리 스텝과, 확률 맵 생성 스텝과, 후보 화소생성 스텝과, 빠뜨림 영역 맵 생성 스텝과, 빠뜨림 억제 데이터 생성 스텝을 구비하고 있다.
취득 스텝에 있어서, 데이터 취득부(2)는 정답 빠뜨림 억제 데이터를 취득하지 않는다.
운용 단계에서는, 확률 산출부(4A)의 필터의 가중 계수가 확정되어 있다. 즉, 확률 산출부(4A)에서는 오차를 산출하지 않기 때문에, 확률 산출부(4A)는 오차 산출부(4D)로부터 오차를 취득하지 않는다.
출력 스텝에서는, 빠뜨림 억제 데이터(d10)가 모니터(21)의 표시부(22)에 출력된다. 따라서, 영상의학 전문의가 빠뜨림 영역(Rg)의 위치를 파악할 수 있다. 한편, 제1실시 형태에서, 빠뜨림 억제 데이터(d10)는 화상 데이터인 것으로서 설명하고 있지만, 이것에 한정되는 것이 아니고 음성 데이터이어도 된다. 예를 들면, 출력 스텝에 있어서 빠뜨림 영역(Rg)의 위치가 모니터(21)의 스피커로부터 출력되는 형태이어도 되고, 영상의학 전문의가 빠뜨림 영역(Rg)의 위치를 대체적으로 파악할 수 있다.
1-5. 변형예
1-5-1. 변형예1: 주파수 데이터 생성부(7)
정보 처리 장치(1)는 도 10에 나타낸 바와 같이, 주파수 데이터 생성부(7)를 더 구비하고 있어도 된다. 주파수 데이터 생성부(7)는 의료 화상 데이터(d2)의 주파수 성분에 관한 데이터를 취득하는 처리를 실시한다. 예를 들면, 주파수 데이터 생성부(7)는 의료 화상 데이터(d2)를 푸리에 변환한 화상 데이터를 생성할 수 있다. 또한, 주파수 데이터 생성부(7)는 의료 화상 데이터(d2)에 있어서의 특정한 주파수를 추출하는 필터링 처리를 실시하고, 에지가 추출된 화상 데이터를 생성할 수도 있다. 데이터 연산부(4)가 의료 화상 데이터(d2) 등의 이외에, 주파수 성분에 관한 데이터도 학습함으로써, 정보 처리 장치(1)가 보다 적절한 빠뜨림 억제 데이터(d10)를 생성하는 효과를 기대할 수 있다. 화상의 주파수 성분의 정보는 화상의 보이는 방식과 관련이 있다고 여겨지기 때문이다.
또한, 제1실시 형태에서, 환경 데이터(d4)는 조도값 이외에 거리 측정값을 가져도 된다. 구체적으로는, 도 10에 나타낸 바와 같이, 모니터(21)는 거리 측정 센서(27)를 구비하고 있어도 된다. 거리 측정 센서(27)는 거리 측정값을 취득 가능하도록 구성되어 있다. 여기에서, 거리 측정값은 모니터(21)와 인체 사이의 거리를 나타내는 값이다. 데이터 연산부(4)가 주파수 성분에 관한 데이터 이외에 거리 측정값도 학습함으로써, 정보 처리 장치(1)가 보다 적절한 빠뜨림 억제 데이터(d10)를 생성하는 효과를 기대할 수 있다. 모니터(21)와 인체 사이의 거리는 화상의 보이는 방식과 관련이 있다고 여겨지기 때문이다.
1-5-2. 변형예2: 스코어
제1실시 형태에서는, 빠뜨림 억제 데이터(d10)가 병변을 빠뜨리기 쉬운 영역(Rg)이 강조된 화상 데이터이었다. 즉, 제1실시 형태에서는, 빠뜨림 억제 데이터(d10)가 병변을 빠뜨리기 쉬운 영역(Rg)의 위치를 특정한 데이터였다. 한편, 빠뜨림 억제 데이터(d10)의 양태는 영역(Rg)의 위치를 특정하는 것에 한정되지 않는다. 빠뜨림 억제 데이터(d10)는 의료 화상 데이터 중의 병변을 빠뜨릴 가능성을 나타내는 스코어(스코어 데이터)이어도 된다. 생성부(4C)가 이 스코어를 산출한다. 또한, 이 스코어는 표시부(22)에 표시되는 양태이어도 되고, 음성으로 출력되는 양태이어도 된다. 이 스코어가 높을 수록, 화상 중에 병변을 빠뜨리기 쉬운 영역이 존재하게 된다. 이 스코어는 모니터 관련 데이터(d3) 및 환경 데이터(d4)에 기초하고 있기 때문에, 영상의학 전문의가 사용하는 모니터나 영상의학 전문의가 영상 판독하는 환경과 같은 요인을 가미하게 된다. 그 결과, 변형예 2에서도, 제1실시 형태와 마찬가지로 의료 화상 중의 병변이 빠뜨려지는 것을 억제할 수 있다. 또한, 영상의학 전문의는 이 스코어를 참고로 하면서 영상 판독함으로써 집중력을 절약할 수 있다.
한편, 특허문헌 1에 기재된 기술은 병변이 물리적으로 존재하는지 등의 리스크를 산출하는 기술이다. 그 때문에, 산출된 리스크가 비교적 작은(병변이 존재할 가능성이 작은) 것을 이유로, 영상의학 전문의가 해이해져서 영상 판독 시의 영상의학 전문의의 주의력이 저하되고, 그 결과, 의료 화상 중의 병변이 빠뜨려질 가능성이 있다. 그것에 대해 변형예2는 이 스코어의 대소는 병변이 실제로 존재하는지 아닌지에 관계가 없기 때문에, 영상의학 전문의는 설사 이 스코어가 낮아도 의료 화상 데이터를 주의 깊게 볼 필요가 있다. 즉, 변형예2에서는, 설사 이 스코어가 낮아도 영상의학 전문의의 주의력의 저하는 회피된다.
1-5-2-1. 스코어 산출 방법1
스코어는 유선 영역(R)의 면적으로 빠뜨림 영역(Rg)의 면적을 나눔으로써 산출할 수 있다. 일반적으로, 유선 영역(R)은 휘도가 높고, 병변이 빠뜨려지기 쉬운 영역이라고 여겨진다. 그 때문에, 많은 빠뜨림 영역(Rg)이 유선 영역(R)에 포함될 가능성이 높다. 따라서, 빠뜨림 영역(Rg)의 면적과 스코어가 유선 영역(R)의 면적의 비율에 기초하여 산출되어 있으면, 해당 스코어는 의료 화상 데이터 중의 병변을 빠뜨릴 가능성을 반영하게 된다.
유선 영역(R)의 면적의 산출 방법은 특별히 한정되는 것이 아니다. 예를 들면, 정보 처리 장치(1)가 각 화소의 휘도에 기초하여 각 화소가 유선 화소인지 아닌지를 판정하고 유선 화소의 총수를 산출하고 이 총수를 유선 영역(R)의 면적으로 할 수 있다.
또한, 빠뜨림 영역(Rg)의 면적은 빠뜨림 영역(Rg)에 포함되는 화소의 총수로 할 수 있다.
1-5-2-2. 스코어 산출 방법 2
제1실시 형태에서, 빠뜨림 영역(Rg)은 3개의 빠뜨림 영역(Rg1)∼빠뜨림 영역(Rg3)을 포함하고 있었다. 스코어는 이 영역(Rg1)~영역(Rg3) 중, 면적이 최대인 것의 면적에 기초하여 산출되어도 된다. 빠뜨림 영역의 면적이 클수록 병변이 빠뜨려지기 쉽다고 여겨진다. 스코어가 빠뜨림 영역(Rg) 중의 최대의 영역의 면적에 기초하여 산출되어 있으면, 해당 스코어는 의료 화상 데이터 중의 병변을 빠뜨릴 가능성을 반영하게 된다.
1-5-2-3. 스코어 산출 방법3
스코어는 빠뜨림 영역(Rg1)~영역(Rg3) 중, 특정 방향의 폭의 최대치에 기초하여 산출되어도 된다. 여기에서는, 특정 방향이 좌우 방향인 것으로 한다. 도 11A에 나타낸 바와 같이, 좌우 방향에서의 폭이 최대로 되는 것은 빠뜨림 영역(Rg3)의 라인L의 위치이다. 즉, 스코어는 라인L의 폭(길이)에 기초하여 산출되어도 된다.
또한, 스코어는, 도 11A에 나타내는 그래프에 있어서의 라인L의 끝점(端点)과, 도 11B에 나타내는 그래프에 있어서의 화소L2의 좌표를 잇는 선의 기울기(S2)에 기초하여 산출되어도 된다.
여기에서, 화소L2은 라인L 상의 화소 중, 확률P가 역치P2보다 큰 화소이다. 이 기울기(S2)가 클수록 그래프의 전체 형상이 위로 볼록하게 되는 경향이 있다. 그 때문에, 이 기울기(S2)가 클수록, 빠뜨림 영역(Rg)의 전체 화소의 확률P가 더 높은 값에 분포되게 된다.
스코어가 상술한 폭이나 기울기(S2)에 기초하여 산출되어 있으면, 해당 스코어는 의료 화상 데이터 중의 병변을 빠뜨릴 가능성을 반영하게 된다.
1-5-3. 변형예3: 모니터 측정값을 취득
제1실시 형태에서, 모니터 설정값이 브라이트니스의 설정값을 이용할 수 있는 것으로서 설명했지만, 이것에 한정되는 것이 아니다. 모니터 관련 데이터(d3)는 모니터 측정값을 포함하고 있어도 된다. 더 구체적으로는, 모니터 관련 데이터(d3)는 모니터 설정값, 모니터 스펙, 뷰어 설정값 및 모니터 측정값 중의 적어도 1개를 포함하고 있어도 된다.
모니터 측정값은 예를 들면 휘도값 또는 색도값이다. 모니터(21)가 표시부(22)의 휘도를 측정하는 광 센서(미도시)를 구비함으로써, 정보 처리 장치(1)는 모니터 설정값에 있어서의 브라이트니스의 설정값의 대신에 이 광 센서로 취득한 휘도값을 이용할 수 있다.
1-5-4. 변형예4: 모니터(21)에서 시각적 처리를 실시
제1실시 형태는 정보 처리 장치(1)가 빠뜨림 영역(Rg1)~영역(Rg3)을 특정하기 위한 시각적인 처리를 실시하는 형태이었지만, 이것에 한정되는 것이 아니다. 도 12에 나타낸 바와 같이, 모니터(21)가 빠뜨림 영역을 특정하기 위한 시각적인 처리를 실시해도 된다. 도 12에 나타내는 변형예4에서, 데이터 연산부(4)는 생성부(4C)를 구비하지 않고, 또한, 데이터 연산부(4)는 영역 형성부(4B2)의 대신에 위치 특정부 (4B3)를 구비한다. 또한, 모니터(21)는 휘도 조정부(28)를 구비한다.
위치 특정부(4B3)는 빠뜨림 영역의 위치를 특정하는 위치 데이터(빠뜨림 억제 데이터(d10))를 생성한다. 예를 들면, 위치 특정부(4B3)는 영역 형성부(4B2)와 동일하게 결손 영역 빈자리 메우기 처리를 실시할 수 있고, 위치 특정부(4B3)는 후보 화소 맵(d22)에서 특정되어 있는 후보 화소의 위치 데이터와, 결손 영역 빈자리 메우기 처리에서 보충한 화소의 위치 데이터를 갖는 위치 데이터(빠뜨림 억제 데이터(d10))를 생성한다. 즉, 이 생성된 위치 데이터(빠뜨림 억제 데이터(d10))는 의료 화상 데이터(d2)의 영역 중, 병변을 빠뜨리기 쉬운 영역의 위치를 특정하는 위치 데이터이다. 위치 특정부(4B3)는 이 생성한 위치 데이터를 출력부(5)에 출력한다.
휘도 조정부(28)는 이 위치 데이터와 의료 화상 데이터(d2)에 기초하여, 의료 화상 데이터(d2)에 있어서의 병변을 빠뜨리기 쉬운 화소(영역)를 강조한다. 구체적으로는, 휘도 조정부(28)는 모니터(21)가 의료 화상 데이터(d2)를 표시할 때에, 이 위치 데이터에 대응하는 화소의 휘도값을 크게 하는 기능을 갖는다. 즉, 위치 데이터에 대응하는 화소의 휘도값은 의료 화상 데이터(d2)에 있어서의 휘도값으로부터 해당 휘도값보다 큰 휘도값으로 조정된다. 한편, 휘도 조정부(28)는 이 위치 데이터에 대응하는 화소의 주변의 화소의 휘도값을 상대적으로 작게 함으로써 병변을 빠뜨리기 쉬운 화소를 강조해도 된다.
2. 제2실시 형태
제2실시 형태는 제1실시 형태와 공통되는 구성에 대해서는 설명을 적당히 생략하고 다른 구성을 중심으로 설명한다.
제1실시 형태는 정보 처리 장치(1)가 데이터 연산부(4)를 갖는 형태이었지만, 이것에 한정되는 것이 아니다. 제2실시 형태에서는, 도 13에 나타낸 바와 같이, 모니터(21)가 처리부(Ct)(데이터 연산부(4))를 구비하고 있다. 즉, 제2실시 형태에서는, 모니터(21)가 빠뜨림 억제 데이터(d10)를 산출하는 정보 처리 장치로서 기능한다. 제2실시 형태도, 제1실시 형태의 효과와 동일한 효과를 갖는다.
1: 정보 처리 장치
2: 데이터 취득부
3: 전처리부
4: 데이터 연산부
4A: 확률 산출부
4B: 후처리부
4B1: 후보 화소 추출부
4B2: 영역 형성부
4B3: 위치 특정부
4C: 생성부
4D: 오차 산출부
5: 출력부
6: 기억부
7: 주파수 데이터 생성부
21: 모니터
22: 표시부
23: 데이터 취득부
24: 출력부
25: 기억부
26: 광센서
27: 거리 측정 센서
100: 정보 처리 시스템
Ct: 처리부
B: 유방 영역
G: 대흉근 영역
R: 유선 영역
Rg: 빠뜨림 영역
Rg1: 빠뜨림 영역
Rg2: 빠뜨림 영역
Rg3: 빠뜨림 영역
d1: 의료 화상 데이터(전처리 전)
d2: 의료 화상 데이터(전처리 후)
d3: 모니터 관련 데이터
d4: 환경 데이터
d10: 빠뜨림 억제 데이터
d11: 정답 빠뜨림 억제 데이터
d21: 확률 맵
d22: 후보 화소 맵
d23: 영역 맵

Claims (9)

  1. 데이터 취득부와, 데이터 연산부를 구비하고,
    상기 데이터 취득부는 의료 화상 데이터와 추가 데이터를 취득하고,
    상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며,
    상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고,
    상기 환경 데이터는 상기 모니터의 주위 환경을 나타내는 데이터이며,
    상기 데이터 연산부는 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고,
    상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 정보 처리 장치.
  2. 제1항에 있어서,
    상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터 내의 영역 중, 병변을 빠뜨리기 쉬운 영역을 나타내는 화상 데이터를 포함하는, 정보 처리 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변을 빠뜨릴 가능성을 나타내는 스코어 데이터를 포함하는, 정보 처리 장치.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 빠뜨림 억제 데이터는 위치 데이터를 포함하고,
    상기 위치 데이터는 상기 의료 화상 데이터 내의 영역 중, 병변을 빠뜨리기 쉬운 영역의 위치를 특정하는 데이터인, 정보 처리 장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 모니터 관련 데이터는 모니터 설정값, 모니터 스펙, 뷰어 설정값 및 모니터 측정 값 중의 적어도 1개를 포함하고,
    상기 모니터 설정값은 상기 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이며,
    상기 모니터 스펙은 상기 모니터가 미리 갖는 특성을 나타내고,
    상기 뷰어 설정값은 상기 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 설정값이고, 또한 상기 표시부에 화상을 표시시키기 위한 어플리케이션의 설정값이며,
    상기 모니터 측정 값은 상기 표시부의 휘도 또는 색도의 측정값인, 정보 처리 장치.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 환경 데이터는 조도값 및 거리 측정값 중의 적어도 1개를 포함하고,
    상기 조도값은 상기 표시부의 주위에 있어서의 조도를 나타내는 값이며,
    상기 거리 측정값은 상기 모니터와 인체 사이의 거리를 나타내는 값인, 정보 처리 장치.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 데이터 연산부는 상기 의료 화상 데이터 및 상기 추가 데이터를 입력하여 확률을 출력하는 학습 모델에 기초하여 상기 확률을 산출하고,
    상기 확률은 병변이 빠뜨려지기 쉬운지 아닌지를 나타내는 값이며,
    상기 데이터 연산부는 상기 확률에 기초하여 상기 빠뜨림 억제 데이터를 생성하는, 정보 처리 장치.
  8. 취득 스텝과, 연산 스텝을 구비하는 정보 처리 방법으로서,
    상기 취득 스텝에서는 의료 화상 데이터와 추가 데이터를 취득하고,
    상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며,
    상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고,
    상기 환경 데이터는 상기 모니터의 주위환경을 나타내는 데이터이며,
    상기 연산 스텝은 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고,
    상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 방법.
  9. 컴퓨터에, 취득 스텝과 연산 스텝을 구비하는 정보 처리 방법을 실행시키는 컴퓨터 프로그램으로서,
    상기 취득 스텝에서는 의료 화상 데이터와 추가 데이터를 취득하고,
    상기 추가 데이터는 모니터 관련 데이터 및 환경 데이터 중의 적어도 1개를 포함하며,
    상기 모니터 관련 데이터는 모니터의 표시부에 표시되는 화상의 보이는 방식을 정하기 위한 데이터이고,
    상기 환경 데이터는 상기 모니터의 주위 환경을 나타내는 데이터이며,
    상기 연산 스텝은 상기 의료 화상 데이터 및 상기 추가 데이터에 기초하여 빠뜨림 억제 데이터를 산출하고,
    상기 빠뜨림 억제 데이터는 상기 의료 화상 데이터에 있어서의 병변의 빠뜨림을 억제시키는 데이터인, 프로그램.
KR1020227036206A 2020-04-14 2021-03-18 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램 KR20220156050A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020072381A JP7237883B2 (ja) 2020-04-14 2020-04-14 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
JPJP-P-2020-072381 2020-04-14
PCT/JP2021/010960 WO2021210334A1 (ja) 2020-04-14 2021-03-18 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

Publications (1)

Publication Number Publication Date
KR20220156050A true KR20220156050A (ko) 2022-11-24

Family

ID=78083565

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227036206A KR20220156050A (ko) 2020-04-14 2021-03-18 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램

Country Status (6)

Country Link
US (1) US20230143350A1 (ko)
EP (1) EP4105882A4 (ko)
JP (1) JP7237883B2 (ko)
KR (1) KR20220156050A (ko)
CN (1) CN115297764A (ko)
WO (1) WO2021210334A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170249739A1 (en) 2016-02-26 2017-08-31 Biomediq A/S Computer analysis of mammograms

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008058519A (ja) * 2006-08-30 2008-03-13 Matsushita Electric Ind Co Ltd 調整機能つき投写型表示装置
JP5223545B2 (ja) * 2008-09-04 2013-06-26 コニカミノルタエムジー株式会社 画像診断支援システム
JP2012100899A (ja) * 2010-11-11 2012-05-31 Toshiba Corp 医用画像生成装置
JP6743588B2 (ja) * 2015-10-27 2020-08-19 コニカミノルタ株式会社 医用画像システム及びプログラム
WO2020039968A1 (ja) * 2018-08-20 2020-02-27 富士フイルム株式会社 医療画像処理システム
CN112654283A (zh) * 2018-09-11 2021-04-13 富士胶片株式会社 医疗图像处理装置、医疗图像处理方法及程序、内窥镜系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170249739A1 (en) 2016-02-26 2017-08-31 Biomediq A/S Computer analysis of mammograms

Also Published As

Publication number Publication date
EP4105882A1 (en) 2022-12-21
JP7237883B2 (ja) 2023-03-13
WO2021210334A1 (ja) 2021-10-21
CN115297764A (zh) 2022-11-04
US20230143350A1 (en) 2023-05-11
JP2021170174A (ja) 2021-10-28
EP4105882A4 (en) 2023-08-09

Similar Documents

Publication Publication Date Title
US9002127B2 (en) Image dynamic range compression system, method and program
US20180342079A1 (en) Image processing apparatus, image processing method, and computer readable recording medium
JP6215057B2 (ja) 可視化装置、可視化プログラムおよび可視化方法
JP5653104B2 (ja) 画像処理装置、画像処理方法、およびプログラム
US11406340B2 (en) Method for converting tone of chest X-ray image, storage medium, image tone conversion apparatus, server apparatus, and conversion method
CN104240271A (zh) 医用图像处理装置
JP2010197597A (ja) 表示制御装置、及び表示制御方法
CN113487473B (zh) 一种添加图像水印的方法、装置、电子设备及存储介质
JP2009181324A (ja) 画像変換方法およびプログラム
WO2009122724A1 (ja) 画像処理装置および方法並びにプログラム
JP2018102586A (ja) 眼底画像処理装置
US20200214658A1 (en) Image processing apparatus, image processing method, and computer-readable medium
KR20220156050A (ko) 정보 처리 장치, 정보 처리 방법 및 컴퓨터 프로그램
EP1481632B1 (en) Ophtalmologic image processing apparatus
JP2015093131A (ja) Ｘ線画像処理装置、ｘ線画像処理方法、及びプログラム
US10497103B2 (en) Information processing apparatus, information processing system, information processing method, and recording medium
EP3624047B1 (en) Deconvolution apparatus and method using a local signal-to-noise ratio
KR102521889B1 (ko) 화상처리장치, 화상처리방법 및 화상처리 프로그램을 기록한 기록 매체
JP6866181B2 (ja) 画像処理装置、その制御方法、画像処理装置を備える表示装置、プログラム、および記憶媒体
US20200242743A1 (en) Brightness and contrast optimization of images in real time
JP2004101937A (ja) フォント最適化方法およびフォント最適化装置ならびにフォント最適化処理プログラム
JP2019016222A (ja) 画像処理装置およびその制御方法
JP7329964B2 (ja) 画像処理装置および画像処理方法およびプログラム
US20240013361A1 (en) Image processing device and method for image processing
JP2009070103A (ja) 画像処理装置および画像処理方法

Legal Events

Date Code Title Description
A201 Request for examination