WO2018179419A1 - コンピュータシステム、動物診断方法及びプログラム - Google Patents
コンピュータシステム、動物診断方法及びプログラム Download PDFInfo
- Publication number
- WO2018179419A1 WO2018179419A1 PCT/JP2017/013819 JP2017013819W WO2018179419A1 WO 2018179419 A1 WO2018179419 A1 WO 2018179419A1 JP 2017013819 W JP2017013819 W JP 2017013819W WO 2018179419 A1 WO2018179419 A1 WO 2018179419A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- animal
- image
- acquired
- computer system
- image analysis
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
Definitions
- FIG. 1 is a diagram showing an outline of the animal diagnosis system 1.
- FIG. 2 is an overall configuration diagram of the animal diagnosis system 1.
- FIG. 3 is a functional block diagram of the computer 10.
- FIG. 4 is a flowchart showing a learning process executed by the computer 10.
- FIG. 5 is a flowchart showing animal diagnosis processing executed by the computer 10.
- FIG. 6 is a diagram illustrating a first animal image and a second animal image that the computer 10 collates.
- the computer 10 acquires a plurality of first animal images accompanied by time-series changes of animals (step S01).
- the computer 10 acquires any one or a combination of X-ray images, infrared images, and visible light images as the first animal image.
- the computer 10 acquires the first animal image described above captured by the various imaging devices described above.
- the first animal image is not limited to the image described above, and may be other images.
- the computer 10 may machine-learn in advance either or both of a feature point or feature amount of a second animal image, which will be described later, as teacher data, and perform image analysis of the first animal image based on the learning result. Further, the computer 10 may perform image analysis on an image marked (enclosed) with respect to the first animal image by a terminal device or the like (not shown). The mark means to enclose each specific part of the image.
- the computer 10 acquires a plurality of second animal images accompanied by a time-series change of another past animal (step S03).
- the computer 10 acquires the second animal image from another computer or database not shown. At this time, the computer 10 acquires one or a plurality of second animal images.
- the computer 10 performs image analysis on the acquired second animal image (step S04).
- the computer 10 performs image analysis by analyzing either or both of the feature points and feature amounts of the second animal image.
- the computer 10 executes image analysis similar to the image analysis of the first animal image described above. That is, the computer 10 analyzes the feature point of the second animal image when analyzing the feature point with respect to the first animal image, and analyzes the feature amount with respect to the first animal image.
- the feature point and the feature amount of the second animal image are analyzed.
- the computer 10 may perform image analysis on an image marked on the second animal image by a terminal device (not shown) or the like.
- the computer 10 diagnoses an animal based on the collation result (step S06). For example, the computer 10 calculates the similarity between the first animal image and the second animal image based on the collation result, and diagnoses the animal.
- Step S13 the learning module 41 learns by associating the second animal image with the diagnosis result (step S13).
- step S13 the learning module 41 learns the second animal image acquired by the animal image acquisition module 20 and the diagnosis result acquired by the diagnosis result acquisition module 21 in association with each other.
- the learning module 41 learns by associating at least one of the above-described animal X-ray image, infrared image, or visible light image with a diagnosis result.
- the learning performed by the learning module 41 is machine learning that repeatedly learns from data and finds a pattern hidden in the learning.
- the analysis module 40 performs image analysis on the marked image. That is, one or both of the feature point and the feature amount of the marked part are extracted.
- the analysis module 40 may extract the area, shape, etc. of the marked part as a feature point or feature amount.
- the means and functions described above are realized by a computer (including a CPU, an information processing apparatus, and various terminals) reading and executing a predetermined program.
- the program is provided, for example, in a form (SaaS: Software as a Service) provided from a computer via a network.
- the program is provided in a form recorded on a computer-readable recording medium such as a flexible disk, CD (CD-ROM, etc.), DVD (DVD-ROM, DVD-RAM, etc.).
- the computer reads the program from the recording medium, transfers it to the internal storage device or the external storage device, stores it, and executes it.
- the program may be recorded in advance in a storage device (recording medium) such as a magnetic disk, an optical disk, or a magneto-optical disk, and provided from the storage device to a computer via a communication line.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
【課題】時系列の複数の画像データを組み合わせ、従来の単体の画像解析による診断よりも、さらに診断の精度を向上させたコンピュータシステム、動物診断方法及びプログラムを提供することを目的とする。 【解決手段】動物を診断するコンピュータシステムは、前記動物の時系列の変化を伴う複数枚の第１動物画像を取得し、取得した前記第１動物画像を画像解析し、過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得し、取得した前記第２動物画像を画像解析し、前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合し、照合した結果に基づいて、前記動物を診断する。
Description
本発明は、動物を診断するコンピュータシステム、動物診断方法及びプログラムに関する。
近年、画像解析により動物を診断することが知られている（非特許文献１参照）。このような診断は、可視光画像、赤外線画像、レントゲン画像又は超音波画像等を用いて画像解析を行うことにより、妊娠や疾病を診断する。
ｈｔｔｐ：／／ｗｗｗ．ｋａｃｈｉｋｕｋａｎｓｅｎ．ｏｒｇ／ｋａｉｈｏ２／ＰＤＦ／１－３－１１７．ｐｄｆ
しかしながら、非特許文献１の構成では、取得できた画像データのみで病気や症状を判定するものであり、複数の画像データを解析して、予測を行うものではなかった。
本発明は、時系列の複数の画像データを組み合わせ、従来の単体の画像解析による診断よりも、さらに診断の精度を向上させたコンピュータシステム、動物診断方法及びプログラムを提供することを目的とする。
本発明では、以下のような解決手段を提供する。
本発明は、動物を診断するコンピュータシステムであって、
前記動物の時系列の変化を伴う複数枚の第１動物画像を取得する第１画像取得手段と、
取得した前記第１動物画像を画像解析する第１画像解析手段と、
過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得する第２画像取得手段と、
取得した前記第２動物画像を画像解析する第２画像解析手段と、
前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合する照合手段と、
照合した結果に基づいて、前記動物を診断する診断手段と、
を備えることを特徴とするコンピュータシステムを提供する。
前記動物の時系列の変化を伴う複数枚の第１動物画像を取得する第１画像取得手段と、
取得した前記第１動物画像を画像解析する第１画像解析手段と、
過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得する第２画像取得手段と、
取得した前記第２動物画像を画像解析する第２画像解析手段と、
前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合する照合手段と、
照合した結果に基づいて、前記動物を診断する診断手段と、
を備えることを特徴とするコンピュータシステムを提供する。
本発明によれば、動物を診断するコンピュータシステムは、前記動物の時系列の変化を伴う複数枚の第１動物画像を取得し、取得した前記第１動物画像を画像解析し、過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得し、取得した前記第２動物画像を画像解析し、前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合し、照合した結果に基づいて、前記動物を診断する。
本発明は、コンピュータシステムのカテゴリであるが、動物診断方法及びプログラム等の他のカテゴリにおいても、そのカテゴリに応じた同様の作用・効果を発揮する。
本発明によれば、時系列の複数の画像データを組み合わせ、従来の単体の画像解析による診断よりも、さらに診断の精度を向上させたコンピュータシステム、動物診断方法及びプログラムを提供することが可能となる。
以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。
［動物診断システム１の概要］
本発明の好適な実施形態の概要について、図１に基づいて説明する。図１は、本発明の好適な実施形態である動物診断システム１の概要を説明するための図である。動物診断システム１は、コンピュータ１０から構成され、動物を診断するコンピュータシステムである。動物診断システム１が診断する動物とは、例えば、牛、鶏、馬、豚、家畜、養殖魚等である。
本発明の好適な実施形態の概要について、図１に基づいて説明する。図１は、本発明の好適な実施形態である動物診断システム１の概要を説明するための図である。動物診断システム１は、コンピュータ１０から構成され、動物を診断するコンピュータシステムである。動物診断システム１が診断する動物とは、例えば、牛、鶏、馬、豚、家畜、養殖魚等である。
なお、以下において、動物診断システム１は、牛の目の画像を取得し、この牛の目の画像に対してマークされた画像について画像解析し、牛の結膜炎の診断をするものとして説明する。
コンピュータ１０は、図示していない赤外線カメラ、可視光カメラ、Ｘ線カメラ、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、超音波カメラ等の各種撮像装置等や、動物の歩数データ、疾病や発情の履歴データ（畜産カルテ）、血液検査、ＢＣＳ（Ｂｏｄｙ Ｃｏｎｄｉｔｉｏｎ Ｓｃｏｒｅ）等を記憶又は計測する各種装置に接続された計算装置である。
はじめに、コンピュータ１０は、動物の時系列の変化を伴う複数枚の第１動物画像を取得する（ステップＳ０１）。コンピュータ１０は、第１動物画像として、レントゲン画像、赤外線画像又は可視光画像のいずれか又は複数の組み合わせを取得する。コンピュータ１０は、上述した各種撮像装置が撮像した上述した第１動物画像を取得する。なお、第１動物画像は、上述した画像に限らず、その他の画像であってもよい。
コンピュータ１０は、取得した第１動物画像を画像解析する（ステップＳ０２）。コンピュータ１０は、第１動物画像の特徴点又は特徴量のいずれか又は双方を解析することにより、画像解析を実行する。特徴点とは、画像に映っている何かであり具体的には、形状、色、輝度、輪郭等である。特徴量とは、画像データから算出した各種数値（画素値の平均、分散、ヒストグラム）等の統計的な数値である。
なお、コンピュータ１０は、後述する第２動物画像の特徴点又は特徴量のいずれか又は双方を教師データとして予め機械学習し、この学習結果に基づいて、第１動物画像を画像解析しもよい。また、コンピュータ１０は、図示していない端末装置等により、第１動物画像に対してマークされた（囲まれた）画像について画像解析を行ってもよい。マークとは、画像の特定部位毎等に囲みを付けることを意味する。
コンピュータ１０は、過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得する（ステップＳ０３）。コンピュータ１０は、図示していない他のコンピュータやデータベース等から、第２動物画像を取得する。このとき、コンピュータ１０は、一又は複数の第２動物画像を取得する。
コンピュータ１０は、取得した第２動物画像を画像解析する（ステップＳ０４）。コンピュータ１０は、第２動物画像の特徴点又は特徴量のいずれか又は双方を解析することにより、画像解析を実行する。このとき、コンピュータ１０は、上述した第１動物画像の画像解析と同様の画像解析を実行する。すなわち、コンピュータ１０は、第１動物画像に対して、特徴点を解析した場合、第２動物画像の特徴点を解析し、第１動物画像に対して、特徴量を解析した場合、第２動物画像の特徴量を解析し、第１動物画像に対して、特徴点及び特徴量を解析した場合、第２動物画像の特徴点及び特徴量を解析する。
なお、コンピュータ１０は、図示していない端末装置等により、第２動物画像に対してマークされた画像について画像解析を行ってもよい。
コンピュータ１０は、第１動物画像の画像解析の結果と、第２動物画像の画像解析の結果とを照合する（ステップＳ０５）。コンピュータ１０は、第１動物画像から解析した特徴点又は特徴量のいずれか又は双方と、第２動物画像から解析した特徴点又は特徴量のいずれか又は双方とを照合する。
コンピュータ１０は、照合した結果に基づいて、動物を診断する（ステップＳ０６）。コンピュータ１０は、例えば、照合した結果に基づいて、第１動物画像と、第２動物画像との間の類似度を算出し、動物を診断する。
なお、コンピュータ１０は、照合した結果に基づいて、動物の罹患に関するリスクを診断してもよい。罹患に関するリスクとは、例えば診断した病気に何パーセント程度、その動物が罹患しているかの数字を示す。
以上が、動物診断システム１の概要である。
［動物診断システム１のシステム構成］
図２に基づいて、本発明の好適な実施形態である動物診断システム１のシステム構成について説明する。図２は、本発明の好適な実施形態である動物診断システム１のシステム構成を示す図である。動物診断システム１は、コンピュータ１０、公衆回線網（インターネット網や、第３、第４世代通信網等）５から構成され、動物を診断するコンピュータシステムである。
図２に基づいて、本発明の好適な実施形態である動物診断システム１のシステム構成について説明する。図２は、本発明の好適な実施形態である動物診断システム１のシステム構成を示す図である。動物診断システム１は、コンピュータ１０、公衆回線網（インターネット網や、第３、第４世代通信網等）５から構成され、動物を診断するコンピュータシステムである。
コンピュータ１０は、後述の機能を備えた上述した計算装置である。
［各機能の説明］
図３に基づいて、本発明の好適な実施形態である動物診断システム１の機能について説明する。図３は、コンピュータ１０の機能ブロック図を示す図である。
図３に基づいて、本発明の好適な実施形態である動物診断システム１の機能について説明する。図３は、コンピュータ１０の機能ブロック図を示す図である。
コンピュータ１０は、制御部１１として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等を備え、通信部１２として、他の機器と通信可能にするためのデバイス、例えば、ＩＥＥＥ８０２．１１に準拠したＷｉＦｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）対応デバイスを備える。また、コンピュータ１０は、記憶部１３として、ハードディスクや半導体メモリ、記録媒体、メモリカード等によるデータのストレージ部を備える。また、コンピュータ１０は、処理部１４として、画像処理、状態診断、学習処理等の各種処理を実行するためのデバイス等を備える。
コンピュータ１０において、制御部１１が所定のプログラムを読み込むことにより、通信部１２と協働して、動物画像取得モジュール２０、診断結果取得モジュール２１を実現する。また、コンピュータ１０において、制御部１１が所定のプログラムを読み込むことにより、記憶部１３と協働して、記憶モジュール３０を実現する。また、コンピュータ１０において、制御部１１が所定のプログラムを読み込むことにより、処理部１４と協働して解析モジュール４０、学習モジュール４１、照合モジュール４２、診断モジュール４３を実現する。
［学習処理］
図４に基づいて、動物診断システム１が実行する学習処理について説明する。図４は、コンピュータ１０が実行する学習処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。
図４に基づいて、動物診断システム１が実行する学習処理について説明する。図４は、コンピュータ１０が実行する学習処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。
動物画像取得モジュール２０は、既知の第２動物画像を取得する（ステップＳ１０）。第２動物画像は、動物の時系列の変化を伴う複数枚の画像を一の画像としたものである。ステップＳ１０において、動物画像取得モジュール２０が取得する第２動物画像とは、例えば、動物のレントゲン画像、赤外線画像又は可視光画像の少なくとも一つである。動物画像取得モジュール２０は、第２動物画像を、対応する撮像装置から取得してもよいし、図示してないコンピュータ等を介して取得してもよいし、このコンピュータ等に記憶されたデータベース等から、第２動物画像を取得してもよい。以下の説明において、動物画像取得モジュール２０は、第２動物画像として、牛の目の画像を取得したものとして説明する。
解析モジュール４０は、取得した第２動物画像から特徴点又は特徴量のいずれか又は双方を画像解析する（ステップＳ１１）。特徴点とは、第２動物画像に映っている何かであり、具体的には、画像に映っている物体等の形状、輝度、色、輪郭等である。また、特徴量とは、第２動物画像から算出した各種数値（画素値の平均、分散、ヒストグラム）等の統計的な数値である。ステップＳ１１において、解析モジュール４０は、第２動物画像を画像解析することにより、特徴点や特徴量を抽出する。具体的には、解析モジュール４０は、第２動物画像に対して、画像マッチング技術、ブロブ解析等を実行することにより、画像解析を行う。また、解析モジュール４０は、第２動物画像に対して、所定の計算を実行することにより、特徴量を抽出する。
診断結果取得モジュール２１は、今回取得した第２動物画像に該当する動物の診断結果を取得する（ステップＳ１２）。ステップＳ１２において、診断結果取得モジュール２１は、取得した第２動物画像に紐付けられたこの動物に対する診断結果を取得する。診断結果取得モジュール２１は、この診断結果を、図示してないコンピュータ等を介して取得してもよいし、このコンピュータ等に記憶されたデータベース等から取得する。本実施形態における診断結果とは、例えば、病名の特定、症状の特定、必要な処置の特定等である。
学習モジュール４１は、第２動物画像と、診断結果とを対応付けて学習する（ステップＳ１３）。ステップＳ１３において、学習モジュール４１は、動物画像取得モジュール２０が取得した第２動物画像と、診断結果取得モジュール２１が取得した診断結果とを対応付けて学習する。学習モジュール４１は、上述した動物のレントゲン画像、赤外線画像又は可視光画像の少なくとも一つを診断結果と対応付けて学習する。学習モジュール４１が実行する学習とは、データから反復的に学習し、そこに潜むパターンを見つけ出す機械学習である。
なお、上述したステップＳ１１乃至Ｓ１３の処理において、解析モジュール４０が特徴点又は特徴量のいずれか又は双方を抽出する代わりに、図示していない作業従事者が保有する端末装置等により、対象箇所をマークした（囲った）第２動物画像に基づいて、学習モジュール４１は、第２動物画像と診断結果とを対応付けて学習してもよい。この場合、解析モジュール４０は、マークされた第２動物画像と、診断結果とを対応付けて学習する。
第２動物画像における各画像の其々は、上述した端末装置等により、マークを付与される。解析モジュール４０は、このマークされた画像について画像解析する。すなわち、マークされた部位の特徴点又は特徴量のいずれか又は双方を抽出する。なお、解析モジュール４０は、このマークされた部位の面積や、形状等を特徴点や特徴量として抽出してもよい。
記憶モジュール３０は、学習した結果を、学習結果として記憶する（ステップＳ１４）。
動物診断システム１は、上述した学習処理を、十分な回数実行し、学習した結果を記憶する。
以上が、学習処理である。
［動物診断処理］
図５に基づいて、動物診断システム１が実行する動物診断処理について説明する。図５は、コンピュータ１０が実行する動物診断処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。なお、以下の説明において、動物診断システム１は、牛の目の画像に基づいて牛の結膜炎を診断するものとして説明する。
図５に基づいて、動物診断システム１が実行する動物診断処理について説明する。図５は、コンピュータ１０が実行する動物診断処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。なお、以下の説明において、動物診断システム１は、牛の目の画像に基づいて牛の結膜炎を診断するものとして説明する。
動物画像取得モジュール２０は、第１動物画像を取得する（ステップＳ２０）。第１動物画像とは、動物の時系列の変化に伴う複数枚の画像を一の画像としたものである。ステップＳ２０において、動物画像取得モジュール２０が取得する第１動物画像とは、例えば、動物のレントゲン画像、赤外線画像又は可視光画像の少なくとも一つである。動物画像取得モジュール２０は、第１動物画像を、対応する撮像装置から取得してもよいし、図示してないコンピュータ等を介して取得してもよいし、このコンピュータ等に記憶されたデータベース等から、第１動物画像を取得してもよい。具体的には、動物の以前からの画像（例えば、図示していないコンピュータ等に記憶しておいた画像）と、今回撮像装置等により撮像した画像とを、時系列の変化に沿ってまとめた一の画像を第１動物画像として取得する。以下の説明において、動物画像取得モジュール２０は、第１動物画像として、牛の目の画像を取得したものとして説明する。
解析モジュール４０は、取得した第１動物画像から特徴点又は特徴量のいずれか又は双方を画像解析する（ステップＳ２１）。特徴点及び特徴量は、上述した通りである。解析モジュール４０は、上述したステップＳ１１と同様に、第１動物画像の特徴点や特徴量を抽出する。このとき、解析モジュール４０は、マーク（囲み）された第１動物画像について画像解析する。マークされた第１動物画像とは、画像の特定部位毎等に囲った画像である。このマークは、図示していない端末装置等により付与されたり、自動的に付与される。解析モジュール４０は、マークされた領域内の画像色素の違い等に基づいて、特徴点や特徴量の抽出を行う。
動物画像取得モジュール２０は、第２動物画像を取得する（ステップＳ２２）。ステップＳ２２において、動物画像取得モジュール２０は、上述したステップＳ１４の処理により、記憶モジュール３０が記憶した学習結果を第２動物画像として取得する。このとき、動物画像取得モジュール２０が取得する第２動物画像には、マークが付与されている。
なお、動物画像取得モジュール２０は、学習結果ではなく、過去の別の動物の時系列の変化を伴う複数枚の画像を第２動物画像として取得してもよい。また、動物画像取得モジュール２０は、マークが付与されていない状態の第２動物画像を取得してもよい。
解析モジュール４０は、取得した第２動物画像から特徴点又は特徴量のいずれか又は双方を画像解析する（ステップＳ２３）。ステップＳ２３の処理は、上述したステップＳ１１及びステップＳ２１の処理と同様に、第２動物画像の特徴点や特徴量を抽出する。
照合モジュール４２は、第１動物画像の画像解析の結果と、第２動物画像の画像解析の結果とを照合する（ステップＳ２４）。ステップＳ２４において、照合モジュール４２は、第１動物画像から抽出した特徴点又は特徴量のいずれか又は双方と、第２動物画像から解析した特徴点のいずれか又は双方とを照合する。このとき、照合モジュール４２は、第１動物画像から特徴点を抽出した場合、第１動物画像の特徴点と、第２動物画像の特徴点とを照合する。同様に、第１動物画像から特徴量を抽出した場合、第１動物画像の特徴点と、第２動物画像の特徴量とを照合し、第１動物画像から特徴点及び特徴量を抽出した場合、第１動物画像の特徴点及び特徴量と、第２動物画像の特徴点及び特徴量とを照合する。具体的な照合の方法については、後述する。
図６に基づいて、照合モジュール４２が照合する第１動物画像と、第２動物画像とについて説明する。図６は、照合モジュール４２が照合する第１動物画像と、第２動物画像とを示す図である。図６において、照合モジュール４２は、第１動物画像表示領域１００に、第１動物画像（第１の牛の目の画像２００、第２の牛の目の画像２１０、第３の牛の目の画像２２０）を並べ、第２動物画像表示領域１１０に、第２動物画像（第４の牛の目の画像３００、第５の牛の目の画像３１０）を並べて照合する。第１の牛の目の画像２００、第２の牛の目の画像２１０、第３の牛の目の画像２２０は、この順番にある動物の時系列の変化を示す。また、第４の牛の目の画像３００、第５の牛の目の画像３１０は、第１動物画像とは異なる過去の別の動物の時系列の変化を示す。ここで、第５の牛の目の画像３１０は、結膜炎を発症した状態の牛の目の画像である。照合モジュール４２は、第４の牛の目の画像３００から第５の牛の目の画像３１０への変化を、特徴点や特徴量として、第１動物画像と照合する。このとき、照合モジュール４２は、第１動物画像における変化と、第２動物画像における変化との間に類似点がどの程度存在するかの類似度をスコアとして判断する。このスコアは、例えば、変化の類似点が多い程、高スコアとして判断し、変化の類似点が少ない程、低スコアとして判断する。照合モジュール４２は、第１動物画像の変化を、特徴点や特徴量として照合し、第２の動物画像における結膜炎が発症した状態の牛の目の画像との類似点が高スコアであるか否かを判断することにより、この動物が結膜炎を発症しているか否かを判断する。
なお、照合モジュール４２が照合する第１動物画像及び第２動物画像の数は、上述した数に限らず、適宜変更可能である。また、照合モジュール４２は、第１動物画像及び第２動物画像に加え、さらに多くの動物画像を照合してもよい。
診断モジュール４３は、照合した結果に基づいて、動物を診断する（ステップＳ２５）。ステップＳ２５において、診断モジュール４３は、照合モジュール４２が算出した類似度に基づいて、動物を診断する。例えば、診断モジュール４３は、照合した結果、類似度が所定の値以上のスコアであった場合、第２動物画像に対して行われた診断結果と同様の診断結果を、この動物に対して診断する。このとき、診断モジュール４３は、病名や処置そのものを診断結果として診断してもよいし、動物の罹患に関するリスクを診断してもよい。罹患に関するリスクとは、例えば、診断した病名に罹患している確率が何パーセント程度であるか、将来の該当する病名に罹患する確率が何パーセント程度であるか等である。
なお、診断モジュール４３は、照合した結果、類似度が所定の値よりも小さいスコアであった場合、他の第２動物画像をさらに照合することにより、その他の診断結果を、この動物に対して診断する。
上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、コンピュータからネットワーク経由で提供される（ＳａａＳ：ソフトウェア・アズ・ア・サービス）形態で提供される。また、プログラムは、例えば、フレキシブルディスク、ＣＤ（ＣＤ－ＲＯＭなど）、ＤＶＤ（ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭなど）等のコンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記憶装置又は外部記憶装置に転送し記憶して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記憶装置（記録媒体）に予め記録しておき、その記憶装置から通信回線を介してコンピュータに提供するようにしてもよい。
以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
１ 動物診断システム１０ コンピュータ
Claims (11)
- 動物を診断するコンピュータシステムであって、
前記動物の時系列の変化を伴う複数枚の第１動物画像を取得する第１画像取得手段と、
取得した前記第１動物画像を画像解析する第１画像解析手段と、
過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得する第２画像取得手段と、
取得した前記第２動物画像を画像解析する第２画像解析手段と、
前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合する照合手段と、
照合した結果に基づいて、前記動物を診断する診断手段と、
を備えることを特徴とするコンピュータシステム。 - 前記照合手段は、前記第１動物画像の特徴点と、前記第２動物画像の特徴点とを照合する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記照合手段は、前記第１動物画像の特徴量と、前記第２動物画像の特徴量とを照合する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記診断手段は、照合した結果に基づいて、前記第１動物画像と、前記第２動物画像との間の類似度を算出し、診断する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記診断手段は、照合した結果に基づいて、前記動物の病状に関するリスクを診断する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記第１画像解析手段は、既知の第２動物画像の特徴点を教師データとして機械学習し、取得した前記第１動物画像を画像解析する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記第１画像解析手段は、既知の第２動物画像の特徴量を教師データとして機械学習し、取得した前記第１動物画像を画像解析する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記第１画像解析手段は、取得した前記第１動物画像に対してマークされた画像について画像解析する、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 前記第１動物画像は、牛の目の画像であって、
前記第１画像解析手段は、取得した前記牛の目の画像に対してマークされた画像について画像解析し、
前記診断手段は、前記牛の結膜炎の診断をする、
ことを特徴とする請求項１に記載のコンピュータシステム。 - 動物を診断するコンピュータシステムが実行する動物診断方法であって、
前記動物の時系列の変化を伴う複数枚の第１動物画像を取得するステップと、
取得した前記第１動物画像を画像解析するステップと、
過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得するステップと、
取得した前記第２動物画像を画像解析するステップと、
前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合するステップと、
照合した結果に基づいて、前記動物を診断するステップと、
を備えることを特徴とする動物診断方法。 - 動物を診断するコンピュータシステムに、
前記動物の時系列の変化を伴う複数枚の第１動物画像を取得するステップ、
取得した前記第１動物画像を画像解析するステップ、
過去の別の動物の時系列の変化を伴う複数枚の第２動物画像を取得するステップ、
取得した前記第２動物画像を画像解析するステップ、
前記第１動物画像の画像解析の結果と、前記第２動物画像の画像解析の結果とを照合するステップ、
照合した結果に基づいて、前記動物を診断するステップ、
を実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2017/013819 WO2018179419A1 (ja) | 2017-03-31 | 2017-03-31 | コンピュータシステム、動物診断方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2017/013819 WO2018179419A1 (ja) | 2017-03-31 | 2017-03-31 | コンピュータシステム、動物診断方法及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2018179419A1 true WO2018179419A1 (ja) | 2018-10-04 |
Family
ID=63674830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2017/013819 WO2018179419A1 (ja) | 2017-03-31 | 2017-03-31 | コンピュータシステム、動物診断方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2018179419A1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012088881A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Hoso Kyokai <Nhk> | 人物動作検出装置およびそのプログラム |
| JP2014223063A (ja) * | 2013-04-23 | 2014-12-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | ペット健康診断装置、ペット健康診断方法及びプログラム |
| JP2016042264A (ja) * | 2014-08-15 | 2016-03-31 | ソニー株式会社 | 画像処理装置、画像処理プログラム及び画像処理方法 |
-
2017
- 2017-03-31 WO PCT/JP2017/013819 patent/WO2018179419A1/ja active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012088881A (ja) * | 2010-10-19 | 2012-05-10 | Nippon Hoso Kyokai <Nhk> | 人物動作検出装置およびそのプログラム |
| JP2014223063A (ja) * | 2013-04-23 | 2014-12-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | ペット健康診断装置、ペット健康診断方法及びプログラム |
| JP2016042264A (ja) * | 2014-08-15 | 2016-03-31 | ソニー株式会社 | 画像処理装置、画像処理プログラム及び画像処理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102243830B1 (ko) | 통합 의료 진단 서비스 제공 시스템 및 그 방법 | |
| JP6433632B1 (ja) | コンピュータシステム、被験者診断支援方法及びプログラム | |
| KR101822404B1 (ko) | Dnn 학습을 이용한 세포이상 여부 진단시스템 | |
| US9265441B2 (en) | Assessment of traumatic brain injury | |
| US8189879B2 (en) | System and method for animal identification using IRIS images | |
| US11107215B2 (en) | Medical image diagnosis assistant apparatus and method for generating evaluation scores for plurality of medical image diagnosis algorithms | |
| RU2011116406A (ru) | Система и способ для объединения клинических признаков и признаков изображений для диагностики с применением компьютера | |
| Lu et al. | An automatic ear base temperature extraction method for top view piglet thermal image | |
| US20070127781A1 (en) | Animal eye biometrics | |
| JP2014223063A (ja) | ペット健康診断装置、ペット健康診断方法及びプログラム | |
| US20230100365A1 (en) | Automatic classification of healthy and disease conditions from images or digital standard 12-lead ECGs | |
| CN111192660A (zh) | 一种影像报告分析方法、设备及计算机存储介质 | |
| JP6618631B2 (ja) | コンピュータシステム、動物の診断方法及びプログラム | |
| Broomé et al. | Sharing pain: Using pain domain transfer for video recognition of low grade orthopedic pain in horses | |
| WO2018179219A1 (ja) | コンピュータシステム、動物診断方法及びプログラム | |
| JP6900345B2 (ja) | 診断支援装置、診断支援システム、表示制御装置、診断支援方法、及び診断支援プログラム | |
| WO2018179419A1 (ja) | コンピュータシステム、動物診断方法及びプログラム | |
| Bustamin et al. | A portable cattle tagging based on muzzle pattern | |
| US11742072B2 (en) | Medical image diagnosis assistance apparatus and method using plurality of medical image diagnosis algorithms for endoscopic images | |
| Yang et al. | Automated recognition and classification of cat pain through deep learning | |
| Gao et al. | UD-YOLOv5s: Recognition of cattle regurgitation behavior based on upper and lower jaw skeleton feature extraction | |
| CN113270168A (zh) | 一种提高医学图像处理能力的方法及系统 | |
| Broomé et al. | Sharing pain: Using domain transfer between pain types for recognition of sparse pain expressions in horses | |
| Yoon et al. | Deep learning framework for bovine iris segmentation | |
| CN116168332B (zh) | 跛行检测方法、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17902627 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 17902627 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: JP |