WO2022158059A1 - 情報処理装置、情報処理方法およびプログラム - Google Patents

情報処理装置、情報処理方法およびプログラム Download PDF

Info

Publication number
WO2022158059A1
WO2022158059A1 PCT/JP2021/038179 JP2021038179W WO2022158059A1 WO 2022158059 A1 WO2022158059 A1 WO 2022158059A1 JP 2021038179 W JP2021038179 W JP 2021038179W WO 2022158059 A1 WO2022158059 A1 WO 2022158059A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical device
state
appearance
data
information processing
Prior art date
Application number
PCT/JP2021/038179
Other languages
English (en)
French (fr)
Inventor
祥平 鈴木
Original Assignee
株式会社カネカ
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 株式会社カネカ filed Critical 株式会社カネカ
Priority to JP2022576974A priority Critical patent/JPWO2022158059A1/ja
Publication of WO2022158059A1 publication Critical patent/WO2022158059A1/ja
Priority to US18/354,830 priority patent/US20230360788A1/en

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
    • 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
    • G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—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
    • G06T2207/20—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
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • 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

Definitions

  • the present invention relates to an information processing device, an information processing method, and a program.
  • the present invention relates to, for example, technology for maintenance of medical equipment.
  • Patent Literature 1 discloses a test information processing apparatus that processes information about tests using medical equipment that is repeatedly used by cleaning, and a device that can communicate with the test information processing apparatus and reads identification information of the medical equipment.
  • a reading device a maintenance information processing device that processes information on cleaning of medical equipment, information on maintenance of medical equipment, and information on failure of medical equipment, and a maintenance information processing device that can communicate with the maintenance information processing equipment and reads identification information of the medical equipment.
  • a failure prediction system is described that includes a second reader and an information management device.
  • the information management device is communicable with the inspection information processing device and the maintenance information processing device, and stores information on inspection, information on cleaning, information on maintenance, information on failure, and medical device management information including the type of medical device. is linked to the identification information of the medical device and managed.
  • the information management apparatus includes a failure prediction unit that performs machine learning on inspection information, cleaning information, maintenance information, failure information, and medical equipment management information, and predicts the possibility of medical equipment failure.
  • condition information related to medical equipment installed in a medical facility is collected, maintenance work contents of the medical equipment are determined based on the collected condition information, and information about the determined maintenance work contents is provided.
  • a maintenance management method that can be provided to a person in charge of maintenance of medical equipment is described.
  • the maintenance management method acquires condition information related to a medical device identified by designated device identification information, compares the acquired condition information with predetermined reference information, and determines the content of maintenance work according to the comparison result. is determined, and information on the content of the maintenance work identified by the determined work identification information can be provided to the person in charge of maintenance of the medical device identified by the device identification information.
  • the predetermined reference information is updated based on the condition information at the time of failure of the medical device and the condition information at the time of failure of other medical devices of the same series as the medical device.
  • the present invention has been made in view of the above points, and one object of the present invention is to provide an information processing apparatus, an information processing method, and a program capable of accurately determining the state of a medical device. be.
  • the present invention has been made to solve the above problems, and one aspect of the present invention is an appearance data acquisition unit that acquires appearance data indicating the appearance of a medical device, and a device corresponding to the appearance of the medical device. a state analysis unit that analyzes the state of the medical device indicated by the appearance data using medical device state model data that indicates the state of the medical device, and outputs medical device state information that indicates the analyzed state of the medical device. and a state output unit.
  • Another aspect of the present invention is an information processing method in an information processing apparatus, comprising: an appearance data acquisition step of acquiring appearance data representing an appearance of a medical device; a state analysis step of analyzing the state of the medical device indicated by the appearance data using medical device state data indicating the state; and a state output step of outputting medical device state information indicating the analyzed state of the medical device. It is an information processing method.
  • the state of medical equipment can be accurately determined.
  • FIG. 4 is a table illustrating the correspondence relationship between the part to be analyzed and the outer shape according to the present embodiment; 4 is a table illustrating correspondence relationships between shapes and states of medical devices according to the present embodiment. 4 is a table illustrating correspondence relationships between combinations of shapes and colors and states of medical devices according to the present embodiment. 4 is a table illustrating correspondence relationships between diameter distributions and states of the medical device according to the present embodiment. 4 is a table illustrating correspondence relationships between lengths and states of medical devices according to the present embodiment. It is a table
  • 4 is a table
  • 4 is a table exemplifying correspondence relationships between states of medical devices and guidance information according to the present embodiment.
  • 4 is a table illustrating the frequency of abnormalities for each part according to the embodiment;
  • It is a table
  • FIG. 1 is a schematic block diagram showing a functional configuration example of an information processing system 1 according to this embodiment.
  • the information processing system 1 includes an information processing device 10 and an imaging unit 20 .
  • the information processing device 10 acquires appearance data indicating the appearance of the medical device.
  • image data is input from the imaging unit 20 as appearance data.
  • medical device state model data indicating the relationship between the appearance of the medical device Md and the state of the medical device Md is set.
  • the information processing apparatus 10 uses the medical device state model data to analyze the state of the medical device Md indicated by the acquired appearance data.
  • the information processing apparatus 10 outputs medical device state information indicating the analyzed state of the medical device Md.
  • the information processing apparatus 10 may be configured as a general-purpose device such as a personal computer (PC), workstation, or server device, or may be configured as a dedicated device.
  • the photographing unit 20 photographs the appearance of the medical device as a subject.
  • the imaging unit 20 generates appearance data representing the photographed appearance, and outputs the generated appearance data to the information processing device 10 .
  • the imaging unit 20 may be, for example, a camera, a scanner, or the like.
  • the camera may be either a video camera that shoots moving images or a still camera that shoots still images.
  • a camera includes an imaging element in which a plurality of light receiving elements for detecting visible light, infrared rays, or ultraviolet rays emitted from the surface of an object are arranged in a two-dimensional plane for each pixel.
  • the camera may be a stereoscopic camera that captures the three-dimensional shape of the subject.
  • the three-dimensional shape may be represented by point cloud data indicating coordinate points distributed on the surface of the subject in the three-dimensional space, or by pixel values of each pixel on the two-dimensional plane and It may be expressed using a distance or parallax from a point on the object surface.
  • the scanner may be a three-dimensional scanner or a CT (Computed Tomography) scanner.
  • a three-dimensional scanner comprises a light source that irradiates a subject with incident waves of visible light, infrared rays, or ultraviolet rays, an imaging device that includes an array of multiple light receiving elements that detect reflected waves from the surface of the subject, and a light reception processing unit (not shown).
  • the light reception processing unit determines the distance to a point on the surface of the object corresponding to each pixel based on the phase difference between the detected reflected wave and the known incident wave.
  • the light reception processing unit identifies the position of the point based on the distance determined for each pixel and the position of that pixel. can do.
  • a set of positions specified for each pixel represents the shape of the object surface.
  • a CT scanner includes a radiation source that irradiates an object with X-rays as an incident wave, an X-ray sensor that consists of an array of multiple detection elements that detect transmitted waves transmitted from the object, and a detection processing unit.
  • the detection processing unit combines the intensity of the transmitted wave detected by each detection element and the known intensity of the incident wave to calculate the X-ray absorption amount for each site on the surface or inside the object.
  • the detection processing unit can generate an image representing the surface and internal structure of the subject using the pixel gradation corresponding to the amount of absorption for each part.
  • X-rays have relatively high permeability to organic substances such as polymer processed materials and living organisms, but have low permeability to metal materials.
  • Metal materials used in medical equipment include, for example, stainless steel and nickel-titanium alloys. For this reason, the appearance of devices that have members made of metal materials, even when they are used for diagnosis or treatment, or when living tissue is attached, can be improved by using a CT scanner. can be obtained.
  • appearance means appearance or appearance that can be visually recognized, and includes the concept that observation from the outside is not necessarily required.
  • the photographing unit 20 may be integrated with other equipment whose main function is not photographing.
  • the imaging unit 20 may be, for example, a microscope equipped with a camera or scanner, a magnifying glass, or an endoscope.
  • the imaging unit 20 may include, for example, an optical filter typified by a polarizing plate or a bandpass filter.
  • the photographing unit 20 may calculate shape characteristic values indicating characteristics of the whole or a part of the subject, and include the calculated shape characteristic values in the appearance data. Examples of shape characteristic values will be described later.
  • medical devices mainly refer to devices used in contact with a part of the living body for treatment, diagnosis, nursing care, or rehabilitation of humans and other animals.
  • the condition of such medical devices is reflected in their appearance.
  • a medical device may be, for example, any device such as a catheter, a guide wire, a cannula, an endoscope, forceps, a scalpel, and the like.
  • Such medical devices tend to become significantly damaged due to repeated use and deterioration over time, and eventually become unsuitable for treatment, diagnosis, nursing care, or rehabilitation.
  • a lot of experience is required to accurately judge the condition by visual inspection. In other words, it may be difficult for an inexperienced user of the medical device to correctly judge the condition just by visually observing the appearance.
  • a user for example, a medical worker, a patient, or a close relative of a patient
  • the medical device state information indicating the state of the medical device Md analyzed from the appearance data. You can know the state. The user is encouraged to continue using a normal medical device Md and avoid using a medical device Md that is damaged or has signs of damage.
  • Information processing apparatus 10 includes control unit 120 , storage unit 140 , input/output unit 150 , display unit 160 , and operation unit 170 .
  • the control unit 120 includes a processor such as a CPU (Central Processing Unit).
  • the processor implements the functions of the information processing apparatus 10 by executing processes indicated by commands written in a predetermined program stored in advance in the storage unit 140 .
  • executing a process indicated by an instruction written in a program may be referred to as "executing the program", "executing the program", or the like.
  • Control unit 120 for example, executes programs to implement functions of appearance data acquisition unit 122 , state analysis unit 124 , state output unit 128 , abnormality analysis unit 130 , and state learning unit 132 .
  • a functional configuration example of the control unit 120 will be described later. Note that the control unit 120 may be implemented using a dedicated member.
  • the storage unit 140 stores various data used for processing executed by the control unit 120 .
  • the storage unit 140 stores various data acquired by the control unit 120 .
  • the storage unit 140 includes storage media such as RAM (Random Access Memory) and ROM (Read Only Memory).
  • the input/output unit 150 inputs or outputs various data wirelessly or by wire with other devices.
  • the input/output unit 150 may be connected to other devices via a network.
  • the input/output unit 150 may include, for example, one or both of an input/output interface and a communication interface.
  • the display unit 160 displays display information based on various display data input from the control unit 120 .
  • the display unit 160 may be, for example, a liquid crystal display, an organic electroluminescence display, or the like.
  • the operating unit 170 accepts an operation for itself, generates an operation signal indicating various information instructed according to the accepted operation, and outputs the generated operation signal to the control unit 120 .
  • the operation unit 170 may include general-purpose members such as a touch sensor, mouse, and keyboard, or may include dedicated members such as buttons and knobs. When operation unit 170 includes a touch sensor, the touch sensor may be integrated with the display forming display unit 160 to form a single touch panel.
  • the appearance data acquisition unit 122 acquires appearance data from the imaging unit 20 .
  • Appearance data acquisition section 122 stores the acquired appearance data in storage section 140 .
  • Appearance data may be input from another device via the input/output unit 150 instead of the image capturing unit 20 .
  • Appearance data is not limited to image data representing a photographed image, and may be image data representing an image synthesized using computer graphics.
  • Appearance data may indicate the three-dimensional shape of the medical device that is the subject.
  • a three-dimensional shape may have a significantly different shape when viewed from different viewpoints. Therefore, the appearance data acquisition unit 122 may perform a known viewpoint rendering process on the acquired appearance data, and determine an image of a part representing a plane having a predetermined outline as a reference plane as an analysis target. For example, when the subject represented in the image is a catheter, guide wire, outer tube, or endoscope, the appearance data acquisition unit 122 obtains a side image including the distal end parallel to the longitudinal direction. It is defined as an analysis target (see Fig. 2).
  • the external appearance data acquiring unit 122 determines, as the analysis target, the main surface on which the connecting portion that constitutes the forceps and the pair of distal end portions that are connected using the connecting portion appear.
  • the appearance data acquiring unit 122 determines one or both side surfaces of the blade that constitutes the scalpel as an analysis target.
  • the appearance data acquisition unit 122 collates a reference plane image representing a predetermined reference plane to be analyzed with a viewpoint image observed for each viewpoint, and compares the reference plane image and the viewpoint image. The process of calculating the index value indicating the degree of matching is repeated.
  • the appearance data acquisition unit 122 can search for a viewpoint that provides a viewpoint image that best matches the reference plane image by determining the viewpoint that gives the highest degree of matching with the calculated index value.
  • reference plane data indicating an image of a predetermined reference plane for each type of medical device may be set in advance.
  • Appearance data acquisition section 122 stores image data representing an image of a part to be analyzed in storage section 140 as appearance data.
  • the image to be analyzed may be a two-dimensional image or a three-dimensional image.
  • the state analysis unit 124 reads the appearance data newly stored in the storage unit 140, and uses medical device state model data set in advance in the storage unit 140 to display the read appearance data in the appearance data. Analyze the status of the medical device For example, the state analysis unit 124 determines an input value based on appearance data, and determines the state of the medical device using an output value calculated using a machine learning model for the determined input value. The state analysis unit 124 determines, for example, the signal value for each pixel indicated by the appearance data as the input value to be input to the machine learning model. As a machine learning model, for example, CNN (Convolutional Neural Network) can be used.
  • the medical device state model data is data indicating the state of the medical device corresponding to the appearance of the medical device.
  • the medical device state model data may include parameters indicating the correspondence between the appearance of the medical device and the state of the medical device.
  • the state analysis unit 124 uses the parameters indicated by the medical device state model data as parameters (in this application, sometimes referred to as “model parameters”) for arithmetic processing based on the machine learning model.
  • the state analysis unit 124 determines the state of the medical device, for example, normal, signs of abnormality (in this application, it may be simply referred to as "signs"), or abnormal. Therefore, in the state analysis unit 124, a step-by-step value range divided into individual steps among the value ranges that can be taken as an output value is set. For example, the graded range is set to 0.6 or more and 1 or less for abnormal, 0.3 or more and less than 0.6 for symptoms, and 0 or more and less than 0.3 for normal. Keep The state analysis unit 124 can specify the stepwise value range including the calculated output value and determine the degree of abnormality for the specified stepwise value range.
  • the degree of abnormality to be determined is not limited to the three stages of normality, symptom, and abnormality, and may be two stages, or may be subdivided into four or more stages.
  • the state analysis unit 124 may employ the calculated output value as the degree of abnormality.
  • the state analysis unit 124 stores medical device state information indicating the determined state in the storage unit 140 .
  • the state analysis unit 124 may determine the type of abnormality for all or part of the medical device as the characteristic of the abnormality (in this application, it may be referred to as "abnormality characteristic").
  • Types of abnormalities include, for example, tension, compression, bending, twisting, shearing, crushing, denting, chipping, swelling, constriction, wear, scratches, corrosion, melting, dissolution, burning, missing components, adhesion of foreign matter, etc.
  • types of abnormalities that can occur may differ depending on the type or location of the medical device. This is because conditions such as individual material, shape, direction of force applied during use, interference between members, and exposure to drugs or living organisms are different.
  • types of anomalies for catheters include tip wear, crushing, tubing tension, bending, kinking, shearing, scratching, melting, and the like.
  • types of anomalies to guidewires include tension, bending, kinking, constriction, wear, scratches, corrosion, and the like.
  • candidates for types of abnormalities to be determined may be associated in advance with determination items that are either the type of medical device or the site, or a combination thereof.
  • the state analysis unit 124 can determine the type of abnormality according to the determination unit of either the type of the medical device or the site, or a determination unit that is a combination thereof.
  • the number of sites used as a determination unit for one medical device may be two or more.
  • the state analysis unit 124 may determine the degree of abnormality for each candidate for the type of abnormality.
  • the state analysis unit 124 may analyze a plurality of types of abnormality as candidates for one medical device or site.
  • the state analysis unit 124 may set a machine learning model so that an output value for an input value can be calculated for each determination unit.
  • the state analysis unit 124 determines appearance characteristics (in the present application, may be referred to as “appearance characteristics”) of the whole or a part of the medical device indicated by the appearance data, and stores the determined appearance characteristics in appearance characteristic information. You may analyze the state of a medical device for it. The medical device status obtained from the analysis may include anomalous characteristics. The medical device state model data may include model parameters that indicate the correspondence between the appearance characteristic information and the abnormal characteristic information. The state analysis unit 124, for example, uses a characteristic value indicating the shape, color, or dimension of the entire medical device or a part of the medical device, or a combination of these characteristic values, as an appearance characteristic. It is defined as the appearance characteristic value shown.
  • a portion of the medical device indicated by the appearance data may be a predetermined member essential for the function of the medical device, or may be a joint formed by joining a plurality of predetermined members to each other. There may be. Since the positional relationship of the joint portion changes as a plurality of members come into contact with each other due to use, deformation and friction tend to become more pronounced than other portions. Deformation can result in changes in shape, dimensions, or both. Friction can cause a change in color tone.
  • the characteristic value that indicates the shape corresponds to the above shape characteristic value.
  • the shape characteristic value for example, the diameter, diameter distribution, etc. at a predetermined reference position can be used for a longitudinal member such as a tube of a catheter or a guide wire.
  • the reference position may be, for example, a portion in contact with another member (eg, distal end, proximal end, etc.), or a portion whose shape changes significantly with use.
  • diameter distribution is meant the longitudinal distribution of diameters.
  • a representative value such as an average value or a mode value of color signal values for each pixel included in a portion representing an individual member can be used as a numerical value indicating a color.
  • a characteristic value indicating a dimension in the present application, it may be referred to as a "dimensional characteristic value"
  • the length in the longitudinal direction of a longitudinal member can be used.
  • the state analysis unit 124 may adopt a part of the shape characteristic values indicated in the appearance data as one or both of the shape characteristic value and the dimension characteristic value indicating the appearance characteristics.
  • the state analysis unit 124 uses the determined appearance characteristic value as an input value instead of the signal value for each pixel or together with the signal value, and uses the model parameters indicated by the medical device state model data based on the machine learning model to obtain the output value. Calculate The state analysis unit 124 estimates abnormal characteristic information based on the calculated output value.
  • the state output unit 128 reads the medical device state information newly stored in the storage unit 140 and outputs the read medical device state information to the display unit 160 .
  • the display unit 160 displays medical device status information input from the status output unit 128 .
  • the state output unit 128 generates display data indicating any one of characters, graphics, symbols, or patterns indicating the state of the medical device indicated in the read medical device state information, or a predetermined combination. Display data is output to the display unit 160 .
  • the abnormality analysis unit 130 reads out the medical device status information accumulated in the storage unit 140, and either or a combination (in this application, , sometimes referred to as a “counting unit”) is specified as an item to be analyzed.
  • the abnormality analysis unit 130 determines the number of cases counted for each item as the frequency (abnormality analysis).
  • the abnormality analysis unit 130 stores abnormality analysis information indicating the counted frequency in the storage unit 140 .
  • the abnormality analysis unit 130 may use all of the medical device status information accumulated in the storage unit 140 in counting the frequency, or may use only part of it.
  • the abnormality analysis unit 130 uses the medical device status information generated within a predetermined period (for example, one month to one year) up to that point (current time) for abnormality analysis, and uses the medical device status information for other periods. You don't have to use it.
  • a larger coefficient is set in advance for a point in time closer to the current point in time.
  • the occurrence frequency may be determined by adding each count unit indicated by the information. As a result, the frequency in which the state occurring closer to the present time in the abnormality analysis is emphasized can be obtained.
  • the abnormality analysis unit 130 may start (trigger) counting the frequency when an operation signal indicating an abnormality analysis instruction is input from the operation unit 170 or from another device via the input/output unit 150. .
  • the abnormality analysis unit 130 may output the abnormality analysis information to the display unit 160 for display.
  • the abnormality analysis section 130 may output the abnormality analysis information via the input/output section 150 to another device that is the input source of the operation signal.
  • the frequency may be represented by the number of cases or the cumulative value of the coefficient, or may be represented by a normalized value normalized so as to fall within a predetermined value range (for example, 0 or more and 1 or less) for each counting unit. .
  • the frequency for each count unit may be represented by the frequency of abnormality among the frequencies of the states of individual medical devices.
  • FIG. 10 exemplifies abnormality analysis information.
  • the illustrated abnormality analysis information indicates frequency 71, frequency 72, and frequency 73 for each of site 71, site 72, and site 73 as counting units. Therefore, a user who comes into contact with the abnormality analysis information can grasp the parts where abnormalities frequently occur. Further, the abnormality analysis information may be associated with medical device state information indicating the state of the medical device. Such abnormality analysis information is useful for analysis of abnormality, maintenance management and development of medical equipment.
  • the state learning unit 132 acquires training data including a plurality of data sets including appearance data representing the appearance of an existing medical device and state data representing the state of the medical device in association with each other, and uses the acquired training data. Generate medical device condition model data. The state learning unit 132 determines an input value based on the appearance data, and the output value calculated for each determination unit using a machine learning model for the input value is state data corresponding to training data for each data set. The model parameters are determined so that the entire training data approximates the target value representing the indicated state as much as possible (model learning).
  • the model parameters in CNN include the convolution coefficient for the input value from the previous layer to the node belonging to the convolution layer and the fully connected layer, the bias value and activation function parameters for the node, and the parameters of the layer immediately before the convolution layer. Includes whether or not to refer to the input value from the node.
  • the state learning unit 132 successively until convergence so that the difference between the output value for each determination unit calculated using the machine learning model for the input value and the target value becomes smaller. update the model parameters to .
  • the amount of change in the model parameters before and after the update or the amount of change in the magnitude of the difference before and after the update is less than a predetermined convergence determination threshold, it can be determined that the model parameters have converged.
  • Error functions such as the sum of squared differences (SSD) and cross entropy error can be used as the index value of the magnitude of the difference. Any method such as steepest descent, stochastic optimization, back-propagation, or the like may be used to determine the model parameters.
  • the state learning unit 132 stores data indicating the calculated model parameters in the storage unit 140 as medical device state model data.
  • the state learning unit 132 can use the same method as the state analysis unit 124 as a method of determining input values from appearance data.
  • the state learning unit 132 determines a set value corresponding to the degree of abnormality for each determination unit as an output value representing the state indicated by the state data. For example, when the degree of abnormality is determined in two stages of "normal” and “abnormal", the state learning unit 132 sets the output values for the determination of "normal” and "abnormal” to 0 and 1, respectively. stipulated. When the degree of abnormality is determined in three stages of "normal,” “symptom,” and “abnormal,” state learning unit 132 outputs values for the determinations of "normal,” “symptom,” and “abnormal.” are defined as 0, 0.45 and 1, respectively.
  • a value of 0.45 corresponds to the median value of the graded range given for "symptoms". Note that when the degree of abnormality is determined in four stages, the state learning unit 132 sets the output values for the determinations of “normal” and “abnormal” to 0 and 1, respectively. The output value for a stage is set to the median value of the tiered range for that intermediate stage.
  • the machine learning model is not limited to a CNN (Convolutional Neural Network), and may be an RNN (Recurrent Neural Network) or a ResNet (Residual Network).
  • Machine learning models are not limited to neural networks, and may be mathematical models such as decision trees, regression trees, and SVMs (Support Vector Machines).
  • the state learning unit 132 may acquire training data from another device and calculate model parameters using the acquired training data.
  • 3 to 6 exemplify shape, color and size, or any combination thereof, as appearance characteristics to be analyzed.
  • the appearance characteristic value indicating the appearance characteristic may be explicitly given as an input value to the machine learning model, or may be given as appearance data indicating an image of the whole or a part of the medical device as a subject having the appearance characteristic. may be given as an input value.
  • Appearance characteristic values indicated by the appearance data may be used as input values, or appearance characteristic values of a predetermined medical device or region may be determined from an image indicated by the appearance data. Therefore, the medical device state model data implicitly indicates the correspondence relationship illustrated below.
  • FIG. 3 illustrates correspondence between shapes and states.
  • the states of normal, symptom, and abnormal are given to shape 01, shape 02, and shape 03, respectively.
  • 01, 02, 03, etc. are codes for identifying individual pieces of information and do not represent numerical values.
  • FIG. 4 illustrates correspondence relationships between combinations of shapes and colors and states. In the example shown in FIG. 4, the states of normal, symptom, and abnormal are given to the shape/color 11, the shape/color 12, and the shape/color 13, respectively.
  • FIG. 5 illustrates the correspondence between diameter distribution and state. In the example shown in FIG. 5, the states of normal, symptom, and abnormal are given to the diameter distribution 21, the diameter distribution 22, and the diameter distribution 23, respectively.
  • FIG. 6 illustrates the correspondence between lengths and states. In the example shown in FIG. 6, the states are given as normal, symptom, and abnormal for length 31, length 32, and length 33, respectively.
  • the state analysis unit 124 may analyze the surface shape as the appearance characteristic instead of or together with the shape, color and size as the properties of the medical device, or any combination thereof.
  • the surface shape means surface irregularities (eg, embossing), perforations (eg, through-holes in balloon catheters, etc.), or their distribution.
  • Surface topography can exhibit wear, scratch, corrosion, melting, dissolution, and other types of anomalies that can impair device functionality. Also, this type of abnormality tends to occur more markedly at some sites than at others.
  • the guide wire has a knotted surface shape on the surface. This is because the guide wire is formed by arranging and twisting a plurality of fine wires in parallel.
  • the state analysis unit 124 processes appearance data indicating an image taken using X-rays while the medical device to be analyzed is in use. , its state can be analyzed.
  • the surface shape can also be regarded as a combination of the three-dimensional shape of the surface and the pattern applied to the surface.
  • a pattern corresponds to a distribution of color tones. Color tone includes lightness (brightness) and saturation (hue) as elements.
  • the state analysis unit 124 may analyze a pattern represented in a two-dimensional space instead of a surface shape represented in a three-dimensional space as appearance characteristics. The state analysis unit 124 may calculate an appearance characteristic value indicating the periodicity of the pattern and use the calculated appearance characteristic value as an input value.
  • FIG. 7 illustrates the correspondence between surface shape and state.
  • the states of normal, symptom, and abnormal are given to each of surface shape 41, surface shape 42, and surface shape 43, respectively.
  • FIG. 8 exemplifies correspondence relationships between combinations of patterns and colors and states.
  • patterns 51, 52, and 53 are given normal, symptom, and abnormal states, respectively.
  • the status output unit 128 may specify guidance information corresponding to the status of the medical device indicated by the read medical device status information, associate the specified guidance information with the medical device status information, and output the information to the display unit 160 .
  • the storage unit 140 stores in advance guidance data indicating guidance information regarding handling of the medical device for each state of the medical device. For example, in the example shown in FIG. 9, guidance information 61, guidance information 62, and guidance information 63 are provided for each of normal, symptom, and abnormality as states corresponding to length 31, length 32, and length 33, respectively. is given. Therefore, when the medical device to be analyzed has the appearance characteristic of length 33, the state analysis unit 124 determines that the state of the medical device is abnormal. The state output unit 128 associates the medical device state information indicating an abnormality with the guidance information 63 and outputs the information to the display unit 160 or another device.
  • Guidance information may include, for example, information indicating usage for the determined state (in this application, this may be referred to as usage information).
  • Usage information includes information indicating how to use the medical device to eliminate or reduce the anomaly. More specifically, the usage information includes, for example, any one or any combination of the part to be held, the operation amount, the operation direction, the timing, and the like.
  • the usage information may also include information indicating usage of the medical device that is likely to cause or promote the disorder. As a result, users who come into contact with the usage information are encouraged to recognize the usage of medical devices that tend to cause or promote abnormalities, and to adopt the usage of medical devices to eliminate or reduce the abnormalities. .
  • This embodiment can be applied to education, training, etc. for measures using medical equipment such as surgery.
  • the guidance information may include, for example, maintenance management information (maintenance information) for the determined state.
  • the maintenance management information includes measures to eliminate or reduce the abnormality, measures to delay the progress of the abnormality, or any combination of the type, location, and degree of the abnormality that has been determined. , or information indicating measures to prohibit the use of the medical device. More specifically, for example, replacement of parts, cleaning, polishing, surface treatment, disposal, requesting measures to a predetermined business such as the distributor, manufacturer, maintenance and management company of the medical device, etc., or either
  • a combination of Guidance information may be expressed using any one of characters, symbols, patterns, images, etc., or any combination thereof.
  • the images may be still images, moving images, or a combination thereof.
  • the use of medical devices is often limited to one time only and may be discarded after use (disposable).
  • the mode of reuse include the case where the product is reused as it is, the case where it becomes possible by the user's routine measures such as cleaning and disinfection, and the case where some of the members are collected and used as a new product.
  • the mode of reuse may differ depending on the type and member of the medical device.
  • the state analysis unit 124 may use the appearance data to analyze the reusability of the medical device represented by the appearance data.
  • Reusability means whether or not reusability is possible or the degree of reusability.
  • the degree of reusability the magnitude of the load required for reuse may be used.
  • the reusability determination unit may be the entire medical device or a portion thereof.
  • the state analysis unit 124 may analyze the reusability when determining that the state of the whole or part of the medical device is abnormal, and may not analyze it when determining that the state is normal.
  • the state analysis unit 124 calculates an output value indicating the degree of reusability using a machine learning model for an input value determined based on appearance data using a method similar to the analysis of abnormal characteristics, Reusability can be determined based on the calculated output value.
  • the state analysis unit 124 stores information indicating the determined reusability (in this application, may be referred to as “reusability information”) in the storage unit 140 by including it in the medical device state information.
  • the status output unit 128 may output the display data indicating the reusability information to the display unit 160 or may output it to another device via the input/output unit 150 . It is possible to assist the user who comes into contact with the reusability information to determine the reusability.
  • the state learning unit 132 performs model learning using the same method as the model parameter used to analyze the abnormal characteristics, using the reusability of the whole or a part of the medical device as a determination unit, so that it can be reused. Model parameters can be obtained to determine probabilities.
  • state learning unit 132 includes an output value indicating reusability in association with appearance data in a data set included in the training data.
  • the state learning unit 132 can determine an output value according to the degree of reusability using the same method as for the degree of abnormality.
  • FIG. 11 illustrates the correspondence between surface shape and reusability.
  • the states of normal, symptom, abnormality 1, and abnormality 2 are given to each of the surface shape 81, the surface shape 82, the surface shape 83, and the surface shape 84, respectively.
  • Abnormality 2 is more severe in degree of abnormality than Abnormality 1 .
  • the reusability is given as ⁇ , ⁇ , ⁇ , and ⁇ for normal, symptom, abnormality 1, and abnormality 2, respectively.
  • ⁇ , ⁇ , and ⁇ indicate reusable, conditionally reusable, and non-reusable, respectively.
  • Conditions for reusability include, for example, cases where it can be used by taking special measures that involve a load exceeding daily measures, cases where it can be used by replacing some parts, maintenance contractors, etc. There are conditions such as when it is possible to use it by requesting a prescribed contractor to take measures. Information indicating these conditions may be included in the guidance information.
  • operation unit 170 or another device may generate an operation signal indicating the state of the determination unit determined by the user according to the received operation, and output the operation signal to state learning unit 132 .
  • the state learning unit 132 receives an operation signal indicating the state of a unit of determination from another device via the operation unit 170 or the input/output unit 150, and obtains state data indicating the state of the unit of determination and information about medical conditions to be determined.
  • a data set in which appearance data representing the appearance of the device is associated may be added to the training data.
  • the state learning unit 132 may perform model learning (transfer learning) on the training data to which the data set is newly added to update the model parameters.
  • the state learning unit 132 stores the medical device state model data indicating the updated model parameters in the storage unit 140 instead of the existing medical device state model data.
  • the user who determines the reusability may think that the displayed reusability information is different from the reusability determined by themselves.
  • the operation unit 170 or other device generates an operation signal indicating reusability information in which all or part of the medical device determined by the user is used as a determination unit in response to an operation received from the user, and performs state learning. You may output to the part 132.
  • FIG. The state learning unit 132 receives an operation signal indicating the reusability information from another device via the operation unit 170 or the input/output unit 150, and acquires state data indicating the reusability of the determination unit and the determination unit 132.
  • a data set associated with appearance data representing the appearance of the target medical device may be added to the training data.
  • the state learning unit 132 may perform model learning on the training data to which the data set is newly added to update the model parameters.
  • the state learning unit 132 stores the medical device state model data indicating the updated model parameters in the storage unit 140 instead of the existing medical device state model data.
  • FIG. 12 is a flow chart showing a first example of the medical device status information providing process according to this embodiment.
  • the appearance data acquisition unit 122 of the information processing apparatus 10 acquires appearance data indicating the appearance of the medical device.
  • the state analysis unit 124 analyzes the appearance characteristics of the medical device using the acquired appearance data.
  • the state analysis unit 124 estimates the state of the medical device using a machine learning model for the analyzed appearance characteristics.
  • the state output unit 128 identifies guidance information corresponding to the estimated state of the medical device.
  • Step S110 The state output unit 128 associates the medical device state information indicating the estimated state of the medical device with the identified guidance information, and outputs the information to the display unit 160 of the own device or another device, which is the output destination device. After that, the process of FIG. 12 ends.
  • FIG. 13 is a flowchart showing an example of abnormality analysis processing according to this embodiment.
  • the abnormality analysis unit 130 of the information processing device 10 waits for input of an operation signal indicating an abnormality analysis instruction from the operation unit 170 of the own device or from another device. The process proceeds to S124.
  • the abnormality analysis unit 130 sets a predetermined initial value (initialization).
  • the anomaly analysis unit sets zero as the initial value of the frequency for each count unit.
  • Step S126 The abnormality analysis unit 130 identifies, as a counting unit, either a part (or the entire medical device) or a state, or a combination thereof, from the medical device state information within a predetermined analysis period.
  • Step S128 The abnormality analysis unit 130 adds a predetermined increment (for example, 1) to the frequency of the specified counting unit, thereby accumulating (incrementing) the frequency.
  • Step S130 The abnormality analysis unit 130 determines whether or not there is unprocessed medical device status information within a predetermined analysis period. When it is determined that there is (step S130 YES), the process proceeds to step S132. When it is determined that there is no (step S130 NO), the process proceeds to step S134.
  • Step S132 The abnormality analysis unit 130 changes the medical device status information to be processed to unprocessed medical device status information. After that, the abnormality analysis unit 130 executes the processes of steps S126 and S128 for the changed medical device status information.
  • Step S134 The abnormality analysis unit 130 sends the abnormality analysis information indicating the frequency for each count unit to the display unit 160 of the own device, which is the input source of the abnormality analysis instruction, or to another device via the input/output unit 150. Output.
  • FIG. 14 is a flowchart showing an example of model learning processing according to this embodiment.
  • the state learning unit 132 collects appearance data indicating the appearance of the medical device and state data indicating the state of the medical device.
  • the state learning unit 132 configures a data set by associating state data indicating the state of the medical device whose appearance the appearance data indicates with each collected appearance data.
  • State learning unit 132 configures training data including a plurality of configured data sets.
  • the state learning unit 132 sets initial values of model parameters of the machine learning model.
  • the initial value may be any predetermined value, or may be an existing model parameter value.
  • Step S206 State learning unit 132 determines an input value to the machine learning model from the appearance data for each data set, and the calculated value calculated using the machine learning model for the determined input value is the data set recursively update the model parameters of the machine learning model so as to approximate the output value representing the state indicated by the state data of .
  • Step S208 The state learning unit 132 determines whether or not the updated model parameters have converged. When it is determined that convergence has occurred (step S208 YES), the process proceeds to step S210. When it is determined that it has not converged (step S208 NO), the process of step S206 is repeated.
  • Step S210 The state learning unit 132 determines the model parameters obtained at that time as model parameters to be used for estimating the state of the medical device, and stores medical device state model data indicating the determined model parameters in the storage unit 140. do.
  • FIG. 15 is a flow chart showing a second example of the medical device status information providing process according to this embodiment.
  • the processing shown in FIG. 15 includes the processing of steps S102-S108 and the processing of steps S142-S148. Since steps S102 to S108 are the same as the processing shown in FIG. 12, the description thereof will be used. After the process of step S106 ends, the process proceeds to step S142.
  • Step S142 The state analysis unit 124 estimates the reusability of the whole or part of the medical device using a machine learning model for the analyzed appearance characteristics. After that, the process proceeds to step S108. After completing the process of step S108, the process proceeds to step S144.
  • Step S144 The state output unit 128 associates the specified guidance information including the reusability information indicating the estimated reusability with the medical device state information indicating the estimated state of the medical device, and outputs the output destination. Output to the display unit 160 of the own device or other device.
  • Step S146 The state learning unit 132 waits for input of an operation signal indicating the possibility of reusability determined by the user from the operation unit 170 of its own device or another device.
  • Step S148 The state learning unit 132 determines an output value indicating the reusability transmitted by the input operation signal, and associates the state data indicating the determined output value with the appearance data obtained by analyzing the appearance characteristics. form a dataset.
  • the state learning unit 132 updates model parameters of the machine learning model using training data including the formed dataset. After that, the process of FIG. 15 ends.
  • FIG. 15 shows a case where the processes of steps S106, S142, and S108 are executed in that order, it is not limited to this.
  • the process of step S142 may be performed before step S106 or after step S108.
  • the information processing apparatus 10 includes the appearance data acquisition section 122, the state analysis section 124, and the state output section 128.
  • the appearance data acquisition unit 122 acquires appearance data indicating the appearance of the medical device.
  • the state analysis unit 124 analyzes the state of the medical device indicated by the appearance data using the medical device state model data representing the state of the medical device corresponding to the appearance of the medical device.
  • the state output unit 128 outputs medical device state information indicating the analyzed state of the medical device. According to this configuration, the state corresponding to the appearance of the medical device is determined. Unlike visual judgment, an objective and stable judgment is made. By avoiding the use of damaged or other abnormal medical devices, the risk of abnormalities can be reduced.
  • Appearance data may be data indicating the three-dimensional shape of the medical device.
  • Appearance data acquisition section 122 may determine a part representing a predetermined outer shape from the three-dimensional shape indicated by the appearance data as a state analysis target. According to this configuration, the portion representing the outer shape to be analyzed is fixed. In general, the three-dimensional shape is observed differently depending on the position of the viewpoint, but by making the part constant, it is possible to improve and stabilize the determination accuracy of the state of the medical device based on the appearance.
  • the medical device state model data includes, as the appearance of the medical device, appearance characteristic information indicating at least one of the shape, color, and size of at least a part of the device, and as the state of the medical device, the abnormality of the medical device. data indicating a correspondence relationship with abnormality information indicating at least one of the type and degree of
  • the state analysis unit 124 may analyze, as the state of the medical device, the abnormal characteristics of the medical device according to the appearance characteristics of the medical device based on the appearance data. According to this configuration, the abnormality characteristics are analyzed according to the appearance characteristics determined based on the appearance data. Therefore, the user can learn the characteristics of the analyzed abnormality, and can take measures according to the learned characteristics of the abnormality.
  • Appearance characteristics may include at least one of shape, color, and dimensions at joints between multiple members forming the medical device.
  • the state analysis unit 124 may analyze the characteristics of the abnormality according to the property. According to this configuration, the characteristics of the abnormality corresponding to the properties of the joint determined based on the appearance data are analyzed.
  • Appearance characteristics may include the diameter of a given member of the medical device.
  • the state analysis unit 124 may analyze the characteristics of the abnormality according to the diameter distribution. According to this configuration, the characteristic of abnormality according to the diameter distribution of the predetermined member determined based on the appearance data is analyzed.
  • Appearance characteristics may include the length of a given member of the medical device.
  • the state analysis unit 124 may analyze the characteristics of the abnormality according to the length. According to this configuration, the abnormality characteristic corresponding to the length of the predetermined member determined based on the appearance data is analyzed.
  • Appearance characteristics may include surface topography of a given member of the medical device.
  • the state analysis unit 124 may analyze the characteristics of the abnormality in the surface shape. According to this configuration, the abnormality characteristic corresponding to the surface shape of the predetermined member determined based on the appearance data is analyzed.
  • Appearance characteristics may include textures on the surface of a given member of the medical device.
  • the state analysis unit 124 may analyze the abnormal characteristics according to the pattern. According to this configuration, the abnormality characteristic corresponding to the surface pattern of the predetermined member determined based on the appearance data is analyzed.
  • a given member may comprise a metallic material.
  • Appearance data acquisition unit 122 may acquire image data representing an image captured using an X-ray sensor as the appearance data. Since X-rays pass through organic compounds but not through metals, the captured image captures the appearance of a given member, and does not capture images of other members made of polymer compounds and biological tissues. According to this configuration, the state of the medical device can be analyzed based on the external appearance of the predetermined member having the metal material even when the medical device is in use.
  • the state output unit 128 may determine guidance information according to the analyzed state of the medical device from preset guidance information regarding the handling of the medical device for each state of the medical device. According to this configuration, guidance information is determined according to the state of the medical device. A user who comes into contact with fixed guidance information is prompted to handle the information indicated in the guidance information. In addition, it is possible to train inexperienced users on how to handle medical equipment.
  • the information processing apparatus 10 may include an abnormality analysis unit 130 that analyzes the frequency of abnormality for each counting unit that is at least one item of the site and state of the medical device. According to this configuration, the frequency of occurrence of anomalies is analyzed for each count unit. A user who comes into contact with the analyzed frequency can know one or both of the sites where abnormalities frequently occur and the types of abnormalities. As a result, the user can use the acquired information for maintenance and development of medical equipment.
  • the medical device condition model data may include the reusability of the medical device as the condition of the medical device.
  • the condition analysis unit 124 may analyze the reusability of the medical device indicated by the appearance data. According to this configuration, the reusability of the medical device corresponding to the appearance of the medical device is determined. An objective and robust determination of reusability is made. By avoiding the use of non-reusable medical devices, it is possible to avoid the use of non-reusable medical devices while seeking to reduce the economic efficiency and environmental impact of reuse.
  • the information processing apparatus 10 includes a state learning unit that generates medical device state model data using training data including a data set in which appearance data indicating the appearance of the medical device and state data indicating the state of the medical device are associated with each other. 132, may also be provided. According to this configuration, it is possible to generate the medical device state model data using the appearance data acquired by the own device and the training data including the state data corresponding to the appearance data. Since the medical device state model data corresponding to the usage environment of the own device can be obtained, the state of the medical device can be estimated more accurately.
  • the state learning unit 132 may include in the training data a data set that associates the appearance data acquired by the appearance data acquisition unit 122 with the state data acquired from the output destination device that outputs the medical device state information.
  • the medical device state data is updated using a data set in which the state data indicating the state of the medical device determined by the user of the output destination device is associated with the appearance data to be analyzed.
  • the medical device status data is updated so that the correspondence relationship between the appearance and status of the medical device matches the appearance shown in the appearance data and the status determined by the user. Therefore, the estimated state can be brought closer to the state determined by the user.
  • the information processing device 10 may function as a server device that receives appearance data from each of one or more imaging units 20 via the input/output unit 150 and processes the received appearance data.
  • the status output unit 128 may output medical device status information to other devices via the input/output unit 150 instead of the display unit 160 or together with the display unit 160 .
  • the other device can be, for example, the terminal device of the user of the medical device to be analyzed.
  • the terminal device can be, for example, information equipment such as a personal computer, a tablet terminal device, a multifunctional mobile phone, and the like.
  • the storage unit 140 may store in advance user data indicating the imaging unit 20 as the transmission source of the appearance data and the other device as the output destination of the medical device status information.
  • the state output unit 128 can refer to the user data and specify the other device corresponding to the transmission source of the appearance data as the output destination of the medical device state information.
  • the input/output unit 150 may be connected to the photographing unit 20 or other devices via a network so that various data can be transmitted and received.
  • the information processing device 10 may include an imaging unit 20 and may be configured as a single information processing device or information processing system 1 .
  • one or both of the display unit 160 and the operation unit 170 may be omitted.
  • One or both of the display unit 160 and the operation unit 170 may be separate from the information processing device 10 and may be connected wirelessly or by wire via the input/output unit 150 .
  • control unit 120 one or both of abnormality analysis unit 130 and state learning unit 132 may be omitted.
  • part or all of the information processing device 10 in the above-described embodiment may be implemented as an integrated circuit such as LSI (Large Scale Integration).
  • LSI Large Scale Integration
  • Each functional block of the information processing device 10 may be individually processorized, or part or all of them may be integrated and processorized.
  • the method of circuit integration is not limited to LSI, but may be realized by a dedicated circuit or a general-purpose processor.
  • an integrated circuit based on this technology may be used.
  • the state corresponding to the appearance of the medical device is determined. Unlike visual judgment, an objective and stable judgment is made. By avoiding the use of damaged or other abnormal medical devices, the risk of abnormalities can be reduced.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

外観データ取得部は医療機器の外観を示す外観データを取得し、状態解析部は医療機器の外観に対応する当該医療機器の状態を示す医療機器状態モデルデータを用いて、前記外観データが示す医療機器の状態を解析し、状態出力部は解析された医療機器の状態を示す医療機器状態情報を出力する。本実施形態は、情報処理装置、情報処理方法およびプログラムのいずれの形態でも実施することができる。本実施形態によれば、医療機器の状態を的確に判定することができる。

Description

情報処理装置、情報処理方法およびプログラム
　本発明は、情報処理装置、情報処理方法およびプログラムに関する。本発明は、例えば、医療機器の維持管理のための技術に関する。
　本願は、２０２１年１月２１日に日本に出願された特願２０２１－００７８９３号について優先権を主張し、それらの内容をここに援用する。
　病院等の医療施設では、治療、診断、介護、リハビリテーション（リハビリ）、などの医療行為に際して種々の機器が用いられる。特に、人体などの生体に直接または間接的に作用する機器に対しては、機能や安全性を担保するうえで、その状態を管理することが重要である。このことにより、医療行為の有効性と生体の保護が図られる。従来から、医療機器の状態を定める手法について種々の手法が提案されている。
　例えば、特許文献１には、クリーニングを行うことにより繰り返し使用する医療機器を用いた検査に関する情報を処理する検査情報処理装置と、検査情報処理装置と通信可能であり医療機器の識別情報を読み取る第１読み取り装置と、医療機器のクリーニングに関する情報、医療機器のメンテナンスに関する情報、医療機器の故障に関する情報を処理するメンテナンス情報処理装置と、メンテナンス情報処理装置と通信可能であり医療機器の識別情報を読み取る第２読み取り装置と、情報管理装置、とを備える故障予測システムについて記載されている。情報管理装置は、検査情報処理装置およびメンテナンス情報処理装置と通信可能であり、検査に関する情報、クリーニングに関する情報、メンテナンスに関する情報、および故障に関する情報、並びに、医療機器の形式等を含む医療機器管理情報を医療機器の識別情報と紐付けて管理する。情報管理装置は、検査に関する情報、クリーニングに関する情報、メンテナンスに関する情報、故障に関する情報、および医療機器管理情報を機械学習し、医療機器の故障可能性を予測する故障予測部を備える。
　特許文献２には、医療施設に設置された医療機器に係る条件情報を収集し、収集された条件情報に基づいて、医療機器の保守作業内容を決定し、決定された保守作業内容に関する情報を医療機器の保守担当者に提供可能とする保守管理方法について記載されている。当該保守管理方法は、指定された機器識別情報により識別される医療機器に係る条件情報を取得し、取得された条件情報を所定の基準情報を比較し、比較結果に応じて定まる保守作業の内容を識別する作業識別情報を決定し、決定された作業識別情報により識別される保守作業の内容に関する情報を機器識別情報により識別される医療機器の保守担当者に提供可能とする。所定の基準情報は、医療機器の故障発生時における条件情報および医療機器と同系列の他医療機器の故障発生時における条件情報に基づいて更新される。
特許第６５３１２１３号公報 特開２００５－１２２７０７号公報
　しかしながら、医療機器の状態を目視により判定することは、必ずしも容易ではない。的確な判断がなされるまでに長年の経験や勘を要することがある。例えば、医療機器の損傷には種々の態様が存在する。損傷の態様ごとに使用可能性の有無、損傷の原因となった行為、使用可能とするための措置が異なりうる。医療機器の使用者は、損傷に至る前に兆候を把握したいと考えることがある。
　本発明は上記の点に鑑みてなされたものであり、本発明の課題の一つは、医療機器の状態を的確に判定することができる情報処理装置、情報処理方法およびプログラムを提供することである。
（１）本発明は上記の課題を解決するためになされたものであり、本発明の一態様は、医療機器の外観を示す外観データを取得する外観データ取得部と、医療機器の外観に対応する当該医療機器の状態を示す医療機器状態モデルデータを用いて、前記外観データが示す医療機器の状態を解析する状態解析部と、解析された医療機器の状態を示す医療機器状態情報を出力する状態出力部と、を備える情報処理装置である。
（２）本発明の他の態様は、情報処理装置における情報処理方法であって、医療機器の外観を示す外観データを取得する外観データ取得ステップと、医療機器の外観に対応する当該医療機器の状態を示す医療機器状態データを用いて、前記外観データが示す医療機器の状態を解析する状態解析ステップと、解析された医療機器の状態を示す医療機器状態情報を出力する状態出力ステップと、有する情報処理方法である。
　本発明によれば、医療機器の状態を的確に判定することができる。
本実施形態に係る情報処理システムの機能構成例を示す概略ブロック図である。 本実施形態に係る解析対象の部位と外形の対応関係を例示する表である。 本実施形態に係る医療機器の形状と状態との対応関係を例示する表である。 本実施形態に係る医療機器の形状と色彩の組み合わせと状態との対応関係を例示する表である。 本実施形態に係る医療機器の径分布と状態との対応関係を例示する表である。 本実施形態に係る医療機器の長さと状態との対応関係を例示する表である。 本実施形態に係る表面形状と状態との対応関係を例示する表である。 本実施形態に係る模様と色彩の組み合わせと状態との対応関係を例示する表である。 本実施形態に係る医療機器の状態と案内情報との対応関係を例示する表である。 本実施形態に係る部位ごとの異常の頻度を例示する表である。 本実施形態に係る表面形状と再使用可能性との対応関係を例示する表である。 本実施形態に係る医療機器状態情報提供処理の第１例を示すフローチャートである。 本実施形態に係る異常解析処理の例を示すフローチャートである。 本実施形態に係るモデル学習処理の例を示すフローチャートである。 本実施形態に係る医療機器状態情報提供処理の第２例を示すフローチャートである。
　以下、図面を参照しながら本発明の実施形態について説明する。まず、本実施形態の概要について説明する。図１は、本実施形態に係る情報処理システム１の機能構成例を示す概略ブロック図である。情報処理システム１は、情報処理装置１０と撮影部２０を含んで構成される。
　情報処理装置１０は、医療機器の外観を示す外観を示す外観データを取得する。図１に示す例では、外観データとして、撮影部２０から画像データが入力される。情報処理装置１０には、医療機器Ｍｄの外観と、その医療機器Ｍｄの状態との関連を示す医療機器状態モデルデータを設定しておく。情報処理装置１０は、医療機器状態モデルデータを用いて、取得した外観データが示す医療機器Ｍｄの状態を解析する。情報処理装置１０は、解析された医療機器Ｍｄの状態を示す医療機器状態情報を出力する。情報処理装置１０は、パーソナルコンピュータ（ＰＣ：Personal Computer）、ワークステーション、サーバ装置などの汎用の機器として構成されてもよいし、専用の機器として構成されてもよい。
　撮影部２０は、被写体として医療機器の外観を撮影する。撮影部２０は、撮影した外観を示す外観データを生成し、生成した外観データを情報処理装置１０に出力する。撮影部２０は、例えば、カメラ、スキャナ、などのいずれであってもよい。カメラは、動画を撮影するビデオカメラ、静止画を撮影するスチルカメラのいずれであってもよい。カメラは、画素ごとに被写体表面から放射される可視光線、赤外線、または紫外線を検出する複数の受光素子を二次元平面に配列してなる撮像素子を備える。カメラは、被写体の三次元形状を撮影する立体カメラであってもよい。三次元形状は、三次元空間内における被写体の表面上に分布する座標点を示す点群データで示されてもよいし、二次元平面上の画素ごとの画素値と、個々の画素に対応する被写体表面上の点からの距離もしくは視差を用いて表されてもよい。　
　スキャナは、三次元スキャナ、ＣＴ（Computed Tomography）スキャナのいずれであってもよい。三次元スキャナは、可視光線、赤外線または紫外線を入射波として被写体に照射する光源と、被写体表面からの反射波を検出する複数の受光素子を配列してなる撮像素子と、受光処理部を備える（図示せず）。受光処理部は、検出した反射波と既知の入射波の位相差に基づいて画素ごとに対応する被写体の表面上の点までの距離を定める。撮像素子の位置は撮像素子の光軸を基準とする相対的な方向に依存するため、受光処理部は、画素ごとに定めた距離と、その画素の位置に基づいて、その点の位置を特定することができる。画素ごとに特定された位置の集合により被写体表面の形状が表される。
　ＣＴスキャナは、Ｘ線を被写体に入射波として照射する線源と、被写体から透過した透過波を検出する複数の検出素子を配列してなるＸ線センサと、検出処理部を備える。検出処理部は、検出素子ごとに検出した透過波の強度と既知の入射波の強度を連立して、被写体表面または内部における部位ごとのＸ線の吸収量を算出する。検出処理部は、部位ごとの吸収量に対応する画素の階調を用いて被写体の表面ならびに内部の構造を表す画像を生成することができる。Ｘ線は高分子加工物などの有機物や生体に対する透過性が相対的に高い反面、金属材料に対する透過性が低い。医療機器に用いられる金属材料には、例えば、ステンレス、ニッケルチタン合金などがある。そのため、金属材料を原料として構成される部材を備える機器に対しては、ＣＴスキャナを用いることで診断または治療に用いられている状態や生体組織が付着されている状態であっても、その外観を表す画像を取得することができる。
　なお、本願では、外観とは視認して把握できる姿もしくは見かけを意味し、外部からの観察を必ずしも要しないという概念を含む。撮影部２０は、撮影を主機能としない他の機器と一体化して構成されてもよい。撮影部２０は、例えば、カメラもしくはスキャナを実装した顕微鏡、拡大鏡または内視鏡であってもよい。撮影部２０は、例えば、偏光板またはバンドパスフィルタに代表される光学フィルタを備えていてもよい。撮影部２０は、被写体の全体または一部の部位の特性を示す形状特性値を算出し、算出した形状特性値を外観データに含めてもよい。形状特性値の例については、後述する。
　本願では、医療機器とは、主に人間やその他の動物に対する治療、診断、介護またはリハビリにおいて生体の一部に接触して用いられる機器を指す。かかる医療機器の状態は、外観に表れる。医療機器は、例えば、カテーテル、ガイドワイヤ、外套管、内視鏡、鉗子、メス、などのいずれかの器材であってもよい。かかる医療機器は、使用の繰り返しや経年劣化により損傷が著しくなり、最終的には、治療、診断、介護またはリハビリに適さなくなる傾向がある。他方、目視による外観による状態の判断を正確に行うには、多くの経験が要求される。言い換えれば、経験の浅い医療機器の使用者が外観を目視しただけでは、その状態を正しく判断することが困難なことがある。本実施形態によれば、外観データから解析された医療機器Ｍｄの状態を示す医療機器状態情報に接することで、使用者（例えば、医療従事者、患者もしくは患者の近親者）は医療機器Ｍｄの状態を知得することができる。使用者には、正常な医療機器Ｍｄの使用継続が促され、損傷またはその兆候が表れた医療機器Ｍｄの使用が回避される。
　次に、情報処理装置１０の構成例について説明する。情報処理装置１０は、制御部１２０、記憶部１４０、入出力部１５０、表示部１６０、および操作部１７０を含んで構成される。
　制御部１２０は、ＣＰＵ（Central Processing Unit）などのプロセッサを含んで構成される。プロセッサは、記憶部１４０に予め記憶させた所定のプログラムに記述された命令に示される処理を実行して、情報処理装置１０の機能を発揮する。本願では、プログラムに記述された命令に示される処理を実行することを、「プログラムの実行」、「プログラムを実行する」などと呼ぶことがある。制御部１２０は、例えば、プログラムを実行して外観データ取得部１２２、状態解析部１２４、状態出力部１２８、異常解析部１３０、および、状態学習部１３２の機能を実現する。制御部１２０の機能構成例については、後述する。なお、制御部１２０は、専用の部材を用いて実現されてもよい。
　記憶部１４０は、制御部１２０が実行する処理に用いる各種のデータを記憶する。記憶部１４０は、制御部１２０が取得した各種のデータを記憶する。記憶部１４０は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）などの記憶媒体を含んで構成される。
　入出力部１５０は、他の機器と無線または有線を用いて各種のデータの入力または出力する。入出力部１５０は、他の機器とネットワークを経由して接続してもよい。入出力部１５０は、例えば、入出力インタフェース、通信インタフェースなどのいずれか、または両者を含んで構成されてもよい。
　表示部１６０は、制御部１２０から入力される各種の表示データに基づく表示情報を表示する。表示部１６０は、例えば、液晶ディスプレイ、有機エレクトロルミネッセンスディスプレイ、などのいずれであってもよい。
　操作部１７０は、自部に対する操作を受け付け、受け付けた操作に応じて指示される各種の情報を示す操作信号を生成し、生成した操作信号を制御部１２０に出力する。操作部１７０は、タッチセンサ、マウス、キーボードなどの汎用の部材を含んで構成されてもよいし、ボタン、つまみなどの専用の部材を含んで構成されてもよい。操作部１７０がタッチセンサを含む場合には、タッチセンサを、表示部１６０をなすディスプレイと一体化して単一のタッチパネルとして構成されてもよい。
　次に、制御部１２０の機能構成例について説明する。外観データ取得部１２２は、撮影部２０から外観データを取得する。外観データ取得部１２２は、取得した外観データを記憶部１４０に記憶する。外観データは、撮影部２０に代えて、入出力部１５０を経由して他の機器から外観データが入力されてもよい。外観データは、撮影された画像を示す画像データに限られず、コンピュータグラフィクスを用いて合成された画像を示す画像データであってもよい。
　外観データは、被写体となる医療機器の三次元形状を示すことがある。三次元形状は、視点により観察される形状が顕著に異なることがある。そこで、外観データ取得部１２２は、取得した外観データに対して公知の視点レンダリング処理を行い、所定の外形を有する面を基準面として表す部位の画像を解析対象として定めてもよい。例えば、外観データ取得部１２２は、画像に表された被写体が、カテーテル、ガイドワイヤ、外套管または内視鏡である場合には、それぞれ長手方向に平行であって先端部を含む側面の画像を解析対象として定める（図２参照）。被写体が鉗子である場合には、外観データ取得部１２２は、鉗子を構成する結合部と、その結合部を用いて結合される一対の先端部が表れる主面を解析対象として定める。被写体がメスである場合には、外観データ取得部１２２は、メスを構成する刃の一方または両方の側面を解析対象として定める。
　外観データ取得部１２２は、例えば、視点レンダリング処理において、予め定めた解析対象の基準面を表す基準面画像と、視点ごとに観察される視点画像とを照合し、基準面画像と視点画像との合致度を示す指標値を算出する処理を繰り返す。外観データ取得部１２２は、算出した指標値が最も高い合致度を与える視点を定めることで、基準面画像と最も合致する視点画像を与える視点を探索することができる。記憶部１４０には、医療機器の種類ごとに予め定めた基準面の画像を示す基準面データを予め設定しておいてもよい。外観データ取得部１２２は、解析対象とする部位の画像を示す画像データを外観データとして記憶部１４０に記憶する。解析対象の画像は、二次元画像でもよいし、三次元画像でもよい。
　状態解析部１２４は、記憶部１４０に新たに記憶された外観データを読み出し、読み出した外観データに対して、予め記憶部１４０に設定しておいた医療機器状態モデルデータを用いて外観データに表される医療機器の状態を解析する。状態解析部１２４は、例えば、外観データに基づいて入力値を定め、定めた入力値に対して機械学習モデルを用いて算出される出力値を用いて医療機器の状態を定める。状態解析部１２４は、例えば、外観データが示す画素ごとの信号値を機械学習モデルに入力される入力値として定める。機械学習モデルとして、例えば、ＣＮＮ（Convolutional Neural Network）が利用可能である。医療機器状態モデルデータは、医療機器の外観に対応する当該医療機器の状態を示すデータである。医療機器状態モデルデータは、医療機器の外観と当該医療機器の状態との対応関係を示すパラメータを含んで構成されてもよい。状態解析部１２４は、医療機器状態モデルデータで示されるパラメータを、機械学習モデルに基づく演算処理のパラメータ（本願では、「モデルパラメータ」と呼ぶことがある）として用いる。
　状態解析部１２４は、医療機器の状態として、例えば、正常、異常の兆候（本願では、単に「兆候」と呼ぶことがある）、異常のいずれかを判定する。そこで、状態解析部１２４には、出力値として取りうる値域のうち個々の段階に区分された段階ごとの段階別値域を設定しておく。段階別値域として、例えば、異常に対しては、０．６以上１以下、兆候に対しては、０．３以上０．６未満、正常に対しては、０以上０．３未満と設定しておく。状態解析部１２４は、算出した出力値を含む段階別値域を特定し、特定した段階別値域に対する異常の程度を定めることができる。なお、判定される異常の程度は、正常、兆候および異常の３段階に限られず、２段階であってもよいし、４段階以上に細分化されてもよい。状態解析部１２４は、異常の程度として、算出された出力値が採用されてもよい。状態解析部１２４は、定めた状態を示す医療機器状態情報を記憶部１４０に記憶する。
　状態解析部１２４は、異常の特性（本願では、「異常特性」と呼ぶことがある）として医療機器の全体または一部の部位に対する異常の種類を判定してもよい。異常の種類には、例えば、引張、圧縮、曲げ、ねじれ、せん断、つぶれ、へこみ、欠け、膨れ、くびれ、摩耗、傷、腐食、溶融、溶解、焼け、構成部品の欠落、異物等の付着などがある。発生しうる異常の種類は、医療機器の種類または部位により異なることがある。これは、個々の材質、形状、使用時にかかる力の方向、部材同士の干渉、薬剤または生体への曝露などの条件が異なるためである。例えば、カテーテルに対する異常の種類としては、先端部の摩耗、つぶれ、管部の引張、曲げ、ねじれ、せん断、傷、溶融、などがある。ガイドワイヤに対する異常の種類としては、引張、曲げ、ねじれ、くびれ、摩耗、傷、腐食、などがある。
　そこで、医療機器状態モデルデータにおいて、判定対象とする異常の種類の候補が医療機器の種類と部位のいずれか、または、それらの組み合わせである判定項目と予め関連付けられてもよい。かかる医療機器状態モデルデータを用いることで、状態解析部１２４は、医療機器の種類と部位のいずれかの判定単位、または組み合わせとする判定単位に応じた異常の種類を判定することができる。１台の医療機器に対して判定単位とする部位の個数は、２個以上となってもよい。状態解析部１２４は、個々の異常の種類の候補に対して、その異常の程度を判定してもよい。状態解析部１２４は、１個の医療機器または部位に対して、複数の異常の種類を候補として解析してもよい。状態解析部１２４は、入力値に対する出力値を判定単位ごとに算出できるように機械学習モデルを設定しておけばよい。
　状態解析部１２４は、外観データが示す医療機器の全体または一部の部位における外観の特性（本願では、「外観特性」と呼ぶことがある）を定め、定めた外観特性を示す外観特性情報に対して医療機器の状態を解析してもよい。解析により得られる医療機器の状態に、異常特性が含まれうる。医療機器状態モデルデータは、外観特性情報と異常特性情報との対応関係を示すモデルパラメータを含んで構成されればよい。状態解析部１２４は、例えば、医療機器の全体または一部の部位における形状、色彩ならびに寸法のいずれかの性状を示す特性値か、または、それらの特性値のいずれかの組み合わせを、外観特性を示す外観特性値として定める。
　外観データに示される医療機器の一部の部位は、医療機器の機能の発揮に必須となる所定の部材であってもよいし、所定の複数の部材が互いに接合して形成された接合部であってもよい。接合部は、使用により複数の部材が相互に接触しながら位置関係が変化するため、他の部位よりも変形や摩擦が著しくなりがちである。変形により形状と寸法のいずれか、または両者に変化が生じうる。摩擦により色調に変化が生じうる。
　形状を示す特性値は、上記の形状特性値に相当する。形状特性値として、例えば、カテーテルの管部、ガイドワイヤなどの長手形状の部材に対しては、所定の基準位置における径、径分布などが利用できる。基準位置は、例えば、他の部材（例えば、先端部、基端部など）に接する部分、その他、使用に伴い形状変化が著しい部分が適用されうる。径分布とは、径の長手方向の分布を意味する。色彩を示す数値として、個々の部材を表す部分に含まれる画素ごとの色信号値の平均値、最頻値などの代表値が利用できる。寸法を示す特性値（本願では、「寸法特性値」と呼ぶことがある）として、例えば、長手形状の部材に対する長手方向の長さが利用できる。状態解析部１２４は、外観データに示される形状特性値の一部を、外観特性を示す形状特性値と寸法特性値の一方または両方として採用してもよい。
　状態解析部１２４は、画素ごとの信号値に代え、または信号値とともに、定めた外観特性値を入力値として、機械学習モデルに基づいて医療機器状態モデルデータで示されるモデルパラメータを用いて出力値を算出する。状態解析部１２４は、算出される出力値に基づいて異常特性情報を推定する。
　状態出力部１２８は、記憶部１４０に新たに記憶された医療機器状態情報を読み出し、読み出した医療機器状態情報を表示部１６０に出力する。表示部１６０は、状態出力部１２８から入力される医療機器状態情報を表示する。ここで、状態出力部１２８は、読み出した医療機器状態情報に示される医療機器の状態を示す文字、図形、記号、または模様のいずれか、または所定の組み合わせを示す表示データを生成し、生成した表示データを表示部１６０に出力する。
　異常解析部１３０は、記憶部１４０に蓄積された医療機器状態情報を読み出し、読み出した個々の医療機器状態情報が示す医療機器の部位と状態（異常特性）のいずれか、またはその組合せ（本願では、「計数単位」と呼ぶことがある）を解析対象項目として特定する。異常解析部１３０は、項目ごとに計数した件数を頻度として定める（異常解析）。異常解析部１３０は、計数した頻度を示す異常解析情報を記憶部１４０に記憶する。異常解析部１３０は、頻度の計数において、記憶部１４０に蓄積された全ての医療機器状態情報を用いてもよいが、その一部のみを用いてもよい。異常解析部１３０は、その時点（現時点）までの所定の期間内（例えば、１か月から１年）に生成された医療機器状態情報を異常解析に用い、その他の期間における医療機器状態情報を用いなくてもよい。異常解析部１３０には、予め現時点に近い時点ほど大きい係数を設定しておき、個々の医療機器状態情報に対して、その時点に対応する係数を特定し、特定した係数を、その医療機器状態情報が示す計数単位ごとに加算して発生頻度として定めてもよい。これにより、異常解析において現時点に近い時点に生じた状態ほど重視された頻度が求まる。
　なお、異常解析部１３０は、操作部１７０から、または、他機器から入出力部１５０を経由して異常解析指示を示す操作信号が入力されるとき頻度の計数を開始（トリガ）してもよい。
　異常解析部１３０は、異常解析情報を表示部１６０に出力し、表示させてもよい。異常解析部１３０は、操作信号の入力元である他機器に入出力部１５０を経由して異常解析情報を出力してもよい。
　頻度は、件数または係数の累積値で表されてもよいし、計数単位ごとに所定の値域（例えば、０以上１以下）内に収まるように正規化された正規化値で表されてもよい。また、計数単位ごとの頻度は、個々の医療機器の状態の頻度のうち、異常の頻度で代表されてもよい。
　図１０は、異常解析情報を例示する。例示される、異常解析情報は、計数単位として部位７１、部位７２、部位７３のそれぞれについて、頻度７１、頻度７２、頻度７３を示す。よって、異常解析情報に接した利用者は、異常が頻繁に生ずる部位を把握することができる。また、異常解析情報には、医療機器の状態を示す医療機器状態情報を関連付けられてもよい。かかる異常解析情報は、異常の分析、ひいては医療機器の維持管理、開発などに有用である。
　状態学習部１３２は、既存の医療機器の外観を示す外観データと当該医療機器の状態を示す状態データを対応付けて含むデータセットを複数個含む訓練データを取得し、取得した訓練データを用いて医療機器状態モデルデータを生成する。状態学習部１３２は、外観データに基づいて入力値を定め、入力値に対して機械学習モデルを用いて判定単位ごとに算出される出力値が、データセットごとの訓練データに対応する状態データで示される状態を表す目標値に、訓練データ全体として極力近似するようにモデルパラメータを定める（モデル学習）。例えば、ＣＮＮにおけるモデルパラメータには、畳み込み層と全結合層に属するノードへの直前の層からの入力値に対する畳み込み係数、そのノードに対するバイアス値と活性化関数のパラメータ、畳み込み層の直前の層のノードからの入力値の参照の要否が含まれる。
　モデル学習において、状態学習部１３２は、入力値に対して機械学習モデルを用いて算出される判定単位ごとの出力値と目標値との差の大きさがより小さくなるように、収束するまで逐次にモデルパラメータを更新する。更新前後のモデルパラメータの変化量、または更新前後の差の大きさの変化量が、所定の収束判定閾値未満となるとき、モデルパラメータが収束したと判定することができる。差の大きさの指標値として、例えば、平均二乗誤差（ＳＳＤ：Sum of Squared Differences）、交差エントロピー誤差（cross entropy error）などの誤差関数を用いることができる。モデルパラメータを定める手法は、最急降下法（steepest descent）、確率的最適化（stochastic optimization）、逆誤差伝播法（back-propagation）、などのいずれの手法でもよい。状態学習部１３２は、算出したモデルパラメータを示すデータを医療機器状態モデルデータとして記憶部１４０に記憶する。
　状態学習部１３２は、外観データから入力値を定める手法として、状態解析部１２４と同様の手法を用いることができる。状態学習部１３２は、状態データで示される状態を表す出力値として、判定単位ごとの異常の程度に対応する設定値に定める。例えば、異常の程度が、「正常」と「異常」の２段階で判定される場合には、状態学習部１３２は、「正常」、「異常」との判定に対する出力値を、それぞれ０、１と定める。異常の程度が、「正常」、「兆候」、「異常」の３段階で判定される場合には、状態学習部１３２は、「正常」、「兆候」、「異常」との判定に対する出力値を、それぞれ０、０．４５、１と定める。０．４５との値は、「兆候」に対して与えられる段階別値域の中央値に相当する。なお、異常の程度が４段階で判定される場合には、状態学習部１３２は、「正常」、「異常」との判定に対する出力値を、それぞれ０、１と定め、それらの判定以外の中間段階に対する出力値を、その中間段階に対する段階別値域の中央値に定める。
　なお、本実施形態では、機械学習モデルは、ＣＮＮ（Convolutional Neural Network）に限られず、ＲＮＮ（Recurrent Neural Network）、ＲｅｓＮｅｔ（Residual Network）のいずれであってもよい。機械学習モデルは、ニューラルネットワークに限らず、決定木、回帰木、ＳＶＭ（Support Vector Machine）などの数理モデルであってもよい。
　状態学習部１３２は、他の機器から訓練データを取得し、取得した訓練データを用いてモデルパラメータを算出してもよい。
　次に、医療機器状態モデルデータで示される外観と状態との対応関係の例について説明する。図３から図６は、解析対象とする外観特性として形状、色彩および寸法のいずれか、または、それらのいずれかの組み合わせを例示する。外観特性を示す外観特性値は、機械学習モデルへの入力値として明示的に与えられてもよいし、その外観特性を有する被写体となる医療機器の全体または一部の部位の画像を示す外観データが入力値として与えられてもよい。入力値には、外観データに示される外観特性値が用いられてもよいし、外観データに示される画像から所定の医療機器または部位の外観特性値を定めてもよい。従って、医療機器状態モデルデータでは、次に例示される対応関係が暗示的に示される。
　図３は、形状と状態との対応関係を例示する。図３に示す例では、形状０１、形状０２、形状０３のそれぞれに対して、状態が正常、兆候、異常と与えられる。ここで、０１、０２、０３等は、個々の情報を識別するための符号であって、数値を示すものではない。
　図４は、形状と色彩の組み合わせと状態との対応関係を例示する。図４に示す例では、形状・色彩１１、形状・色彩１２、形状・色彩１３のそれぞれに対して、状態が正常、兆候、異常と与えられる。
　図５は、径分布と状態との対応関係を例示する。図５に示す例では、径分布２１、径分布２２、径分布２３のそれぞれに対して、状態が正常、兆候、異常と与えられる。
　図６は、長さと状態との対応関係を例示する。図６に示す例では、長さ３１、長さ３２、長さ３３のそれぞれに対して、状態が正常、兆候、異常と与えられる。
　状態解析部１２４は、医療機器の性状としての状、色彩および寸法のいずれか、もしくは、それらのいずれかの組み合わせに代え、または、これらとともに、外観特性として表面形状を解析してもよい。医療機器の性状には、表面形状とは、表面に表れた凹凸（例えば、エンボス加工）、穿孔（例えば、バルーンカテーテルなどの貫通孔）、または、それらの分布を意味する。表面形状は、摩耗、傷、腐食、溶融、溶解、などの種類の異常を表すことがあり、かかる異常は機器の機能を損なう原因となりうる。また、この種の異常は、一部の部位において他の部位よりも顕著に生ずる傾向がある。表面形状として、例えば、ガイドワイヤは、表面に縄目模様の表面形状を有する。ガイドワイヤは、複数本の微細な線材を並列して撚り合わせてなるためである。鉗子には、一対の先端部が互いに相対する面（相対面）において、それぞれの先端部の長手方向に対して平行に複数の微細な溝が刻まれている。金属を素材として構成される部材に対しては、状態解析部１２４は、解析対象の医療機器が使用されている段階で、Ｘ線を用いて撮影された画像を示す外観データを処理することにより、その状態を解析することができる。
　なお、表面形状は、表面の立体的形状と表面に付された模様との組み合わせとみなすこともできる。模様は、色調の分布に相当する。色調は、明度（明るさ）と彩度（色合い）を要素として含む。状態解析部１２４は、外観特性として、三次元空間において表現される表面形状に代え、二次元空間において表現される模様を解析してもよい。状態解析部１２４は、それらの模様の周期性を示す外観特性値を算出し、算出した外観特性値を入力値として用いてもよい。
　図７は、表面形状と状態との対応関係を例示する。図７に示す例では、表面形状４１、表面形状４２、表面形状４３のそれぞれに対して、状態が正常、兆候、異常と与えられる。
　図８は、模様と色彩の組み合わせと状態との対応関係を例示する。図８に示す例では、模様５１、模様５２、模様５３のそれぞれに対して、状態が正常、兆候、異常と与えられる。
　状態出力部１２８は、読み出した医療機器状態情報に示される医療機器の状態に対応する案内情報を特定し、特定した案内情報を医療機器状態情報と関連付けて表示部１６０に出力してもよい。記憶部１４０には、医療機器の状態ごとに、当該医療機器の取り扱いに関する案内情報を示す案内データを予め記憶させておく。例えば、図９に示す例では、長さ３１、長さ３２、長さ３３のそれぞれに対応する状態として、正常、兆候、異常のそれぞれに対して、案内情報６１、案内情報６２、案内情報６３が与えられる。従って、解析対象となる医療機器が長さ３３とする外観特性を有す場合には、状態解析部１２４は当該医療機器の状態を異常と判定する。状態出力部１２８は、異常を示す医療機器状態情報と案内情報６３とを関連付けて表示部１６０または他機器に出力する。
　案内情報には、例えば、判定された状態に対する使用法を示す情報（本願では、使用法情報と呼ぶことがある）が含まれてもよい。使用法情報には、異常を解消もしくは低減させるための医療機器の使用法を示す情報が含まれる。より具体的には、使用法情報には、例えば、保持すべき部位、操作量、操作方向、タイミングなどのいずれか、またはいずれかの組合せが含まれる。使用法情報には、さらに異常を発生もしくは促進しがちな医療機器の使用法を示す情報が含まれてもよい。これにより、使用法情報に接した使用者は、異常を発生もしくは促進しがちな医療機器の使用法を認識し、異常を解消もしくは低減させるための医療機器の使用法を採用することが促される。本実施形態は、手術などの医療機器を用いた措置に対する教育、訓練などに応用することができる。
　なお、案内情報には、例えば、判定された状態に対する維持管理情報（メンテナンス情報）が含まれてもよい。維持管理情報には、判定された異常の種類、部位、程度のいずれか、またはいずれかの組み合わせに対して、その異常を解消もしくは低減させるための措置、その異常の進行を遅滞させるための措置、または当該医療機器の使用を禁止するための措置を示す情報が含まれる。より具体的には、例えば、部材の交換、洗浄、研磨、表面加工、廃棄、当該医療機器の販売業者、製造業者、維持管理業者など所定の業者への措置依頼などのいずれか、またはいずれかの組合せが挙げられる。
　案内情報は、文字、記号、模様、画像などのいずれか、または、いずれかの組み合わせを用いて表現されてもよい。画像は、静止画像、動画像のいずれか、または、それらの組み合わせでもよい。
　医療機器の使用は生体に対する衛生や安全性を担保するために、しばしば１回のみに限定され、使用後に廃棄されることがある（ディスポーザブル（disposable））。しかしながら、環境問題の深刻化、公衆衛生への関心の高まり、医療費の削減、諸外国法令との差などの状況により、複数回にわたる再使用が図られることがある。再使用の態様には、そのまま、または洗浄ならびに消毒など使用者の日常的な措置により可能となる場合、一部の部材を回収のうえ新たな製品として用いられる場合、などがある。再使用の態様は、医療機器の種類や部材により異なりうる。
　そこで、状態解析部１２４は、外観データを用いて、その外観データに表された医療機器の再使用可能性を解析してもよい。再使用可能性は、再使用が可能であるか否か、または、その程度を意味する。再使用可能性の程度として、再使用に要する負荷の大きさが用いられてもよい。再使用に要する負荷として、労力、費用、時間などのいずれか、または、いずれかの組み合わせが用いられてもよい。再使用可能性の判定単位は、医療機器の全体でもよいし、その一部であってもよい。状態解析部１２４は、再使用可能性を、医療機器の全体もしくは一部の部位の状態を異常と判定する場合に解析し、正常と判定する場合に解析しなくてもよい。
　状態解析部１２４は、異常特性の解析と同様の手法を用いて、外観データに基づいて定めた入力値に対して機械学習モデルを用いて再使用可能性の程度を示す出力値を算出し、算出した出力値に基づいて再使用可能性を定めることができる。状態解析部１２４は、定めた再使用可能性を示す情報（本願では、「再使用可能性情報」と呼ぶことがある）を医療機器状態情報に含めて記憶部１４０に記憶する。状態出力部１２８は、再使用可能性情報を示す表示データを表示部１６０に出力してもよいし、入出力部１５０を経由して他機器に出力してもよい。再使用可能性情報に接した使用者に対して再使用可能性の判断を支援することができる。
　状態学習部１３２は、異常特性の解析に用いられるモデルパラメータと同様の手法を用いて、医療機器の全体または一部の部位の再使用可能性を判定単位としてモデル学習を行うことで、再使用可能性を判定するためのモデルパラメータを取得することができる。状態学習部１３２は、モデル学習に用いられる訓練データを構成する際、その訓練データに含めるデータセットに、外観データと対応付けて再使用可能性を示す出力値を含める。状態学習部１３２は、異常の程度と同様の手法を用いて、再使用可能性の程度に応じた出力値を定めることができる。
　図１１は、表面形状と再使用可能性との対応関係を例示する。図１１に示す例では、表面形状８１、表面形状８２、表面形状８３、表面形状８４のそれぞれに対して、状態は、正常、兆候、異常１、異常２と与えられる。異常２の方が、異常１よりも異常の程度が著しい。正常、兆候、異常１、異常２のそれぞれに対して、再使用可能性は、○、○、△、×と与えられる。○、△、×は、それぞれ再使用可、条件付再使用可、再使用不可を示す。再使用可とする条件には、例えば、日常的な措置を超える負荷を伴う特別な措置を施せば使用可能となる場合、一部の部材を交換すれば使用可能となる場合、維持管理業者など所定の業者に措置を依頼すれば使用可能となる場合、などの条件がある。これらの条件を示す情報が、案内情報に含まれてもよい。
　なお、医療機器の取り扱いに習熟した使用者は、出力先となる表示部１６０または他機器に表示される医療機器状態情報に示される状態が、自身で判断された状態と異なると考えることがある。そこで、操作部１７０または他機器は、受け付けた操作に応じて、使用者が判断した判定単位の状態を示す操作信号を生成して状態学習部１３２に出力してもよい。状態学習部１３２には、操作部１７０または入出力部１５０を経由して他機器から判定単位の状態を示す操作信号が入力され、その判定単位の状態を示す状態データと、判定対象とした医療機器の外観を示す外観データを対応付けてなるデータセットを訓練データに加えてもよい。状態学習部１３２は、新たにデータセットが加わった訓練データに対してモデル学習（転移学習）を行ってモデルパラメータを更新してもよい。状態学習部１３２は、既存の医療機器状態モデルデータに代えて、更新されたモデルパラメータを示す医療機器状態モデルデータを記憶部１４０に記憶する。
　再使用可能性を判断する使用者（再使用判断担当者）は、表示される再使用可能性情報が、自身で判断された再使用可能性とは異なると考えることがある。操作部１７０または他機器は、使用者から受け付けた操作に応じて、使用者が判断した医療機器の全部または一部を判定単位とする再使用可能性情報を示す操作信号を生成して状態学習部１３２に出力してもよい。状態学習部１３２には、操作部１７０または入出力部１５０を経由して他機器から再使用可能性情報を示す操作信号が入力され、その判定単位の再使用可能性を示す状態データと、判定対象とした医療機器の外観を示す外観データを対応付けてなるデータセットを訓練データに加えてもよい。状態学習部１３２は、新たにデータセットが加わった訓練データに対してモデル学習を行ってモデルパラメータを更新してもよい。状態学習部１３２は、既存の医療機器状態モデルデータに代えて、更新されたモデルパラメータを示す医療機器状態モデルデータを記憶部１４０に記憶する。
　次に、本実施形態に係る情報処理の例について説明する。図１２は、本実施形態に係る医療機器状態情報提供処理の第１例を示すフローチャートである。
（ステップＳ１０２）情報処理装置１０の外観データ取得部１２２は、医療機器の外観を示す外観データを取得する。
（ステップＳ１０４）状態解析部１２４は、取得された外観データを用いて医療機器の外観特性を解析する。
（ステップＳ１０６）状態解析部１２４は、解析した外観特性に対して機械学習モデルを用いて医療機器の状態を推定する。
（ステップＳ１０８）状態出力部１２８は、推定された医療機器の状態に対応する案内情報を特定する。
（ステップＳ１１０）状態出力部１２８は、推定された医療機器の状態を示す医療機器状態情報と特定した案内情報を対応付けて出力先機器である自装置の表示部１６０または他機器に出力する。その後、図１２の処理を終了する。
　次に、本実施形態に係る情報処理の例について説明する。図１３は、本実施形態に係る異常解析処理の例を示すフローチャートである。
（ステップＳ１２２）情報処理装置１０の異常解析部１３０は、自装置の操作部１７０から、または、他機器から異常解析指示を示す操作信号の入力を待ち受け、当該操作信号が入力されるとき、ステップＳ１２４の処理に進む。
（ステップＳ１２４）異常解析部１３０は、所定の初期値を設定する（初期化）。異常解析部は、計数単位ごとの頻度の初期値としてゼロを設定する。
（ステップＳ１２６）異常解析部１３０は、所定の解析期間内の医療機器状態情報から計数単位とする部位（もしくは医療機器全体）、状態のいずれか、または組み合わせを計数単位として特定する。
（ステップＳ１２８）異常解析部１３０は特定した計数単位についての頻度に所定の増分（例えば、１）を加算することにより、その頻度を累積する（インクリメント）。
（ステップＳ１３０）異常解析部１３０は、所定の解析期間内に未処理の医療機器状態情報の有無を判定する。あると判定するとき（ステップＳ１３０　ＹＥＳ）、ステップＳ１３２の処理に進む。ないと判定するとき（ステップＳ１３０　ＮＯ）、ステップＳ１３４の処理に進む。
（ステップＳ１３２）異常解析部１３０は、処理対象の医療機器状態情報を未処理の医療機器状態情報に変更する。その後、異常解析部１３０は、変更後の医療機器状態情報についてステップＳ１２６、Ｓ１２８の処理を実行する。
（ステップＳ１３４）異常解析部１３０は、計数単位ごとの頻度を示す異常解析情報を異常解析指示の入力元となる自装置の表示部１６０に、または、入出力部１５０を経由して他機器に出力する。
　図１４は、本実施形態に係るモデル学習処理の例を示すフローチャートである。
（ステップＳ２０２）状態学習部１３２は、医療機器の外観を示す外観データと医療機器の状態を示す状態データを収集する。状態学習部１３２は、収集した外観データごとに、その外観データが外観を示す医療機器の状態を示す状態データを対応付けてデータセットを構成する。状態学習部１３２は、構成したデータセットを複数組含む訓練データを構成する。
（ステップＳ２０４）状態学習部１３２は、機械学習モデルのモデルパラメータの初期値を設定する。初期値は、予め定めた任意の値であってもよいし、既存のモデルパラメータの値であってもよい。
（ステップＳ２０６）状態学習部１３２は、データセットごとの外観データから機械学習モデルへの入力値を定め、定めた入力値に対して機械学習モデルを用いて算出される演算値が、そのデータセットの状態データで示される状態を表す出力値により近似するように再帰的に機械学習モデルのモデルパラメータを更新する。
（ステップＳ２０８）状態学習部１３２は、更新されるモデルパラメータが収束したか否かを判定する。収束したと判定するとき（ステップＳ２０８　ＹＥＳ）、ステップＳ２１０の処理に進む。収束していないと判定するとき（ステップＳ２０８　ＮＯ）、ステップＳ２０６の処理を繰り返す。
（ステップＳ２１０）状態学習部１３２は、その時点において得られたモデルパラメータを医療機器の状態の推定に用いるモデルパラメータとして確定し、確定したモデルパラメータを示す医療機器状態モデルデータを記憶部１４０に記憶する。
　図１５は、本実施形態に係る医療機器状態情報提供処理の第２例を示すフローチャートである。図１５に示す処理は、ステップＳ１０２－Ｓ１０８の処理と、ステップＳ１４２－Ｓ１４８の処理を含む。ステップＳ１０２－Ｓ１０８については、図１２に示す処理と同様であるため、その説明を援用する。ステップＳ１０６の処理の終了後、ステップＳ１４２の処理に進む。
（ステップＳ１４２）状態解析部１２４は、解析した外観特性に対して機械学習モデルを用いて医療機器の全体または一部に対する再利用可能性を推定する。その後、ステップＳ１０８の処理に進む。ステップＳ１０８の処理の終了後、ステップＳ１４４の処理に進む。
（ステップＳ１４４）状態出力部１２８は、推定された医療機器の状態を示す医療機器状態情報に推定した再利用可能性を示す再利用可能性情報を含め、特定した案内情報を対応付けて出力先機器である自装置の表示部１６０または他機器に出力する。
（ステップＳ１４６）状態学習部１３２は、自装置の操作部１７０または他機器から使用者が判断した再使用可能性を示す操作信号の入力を待ち受ける。
（ステップＳ１４８）状態学習部１３２は、入力される操作信号により伝達される再使用可能性を示す出力値を定め、定めた出力値を示す状態データを、外観特性を解析した外観データと対応付けてデータセットを形成する。状態学習部１３２は、形成したデータセットを含む訓練データを用いて機械学習モデルのモデルパラメータを更新する。その後、図１５の処理を終了する。
　なお、図１５は、ステップＳ１０６、Ｓ１４２、Ｓ１０８の処理をその順序で実行する場合を示すが、これには限られない。ステップＳ１４２の処理は、ステップＳ１０６の前に実行されてもよいし、ステップＳ１０８の後に実行されてもよい。
　以上に説明したように、本実施形態に係る情報処理装置１０は、外観データ取得部１２２と、状態解析部１２４と、状態出力部１２８とを備える。外観データ取得部１２２は、医療機器の外観を示す外観データを取得する。状態解析部１２４は医療機器の外観に対応する当該医療機器の状態を示す医療機器状態モデルデータを用いて、前記外観データが示す医療機器の状態を解析する。状態出力部１２８は解析された医療機器の状態を示す医療機器状態情報を出力する。
　この構成によれば、医療機器の外観に対応した状態が判定される。目視による判定とは異なり、客観的かつ安定した状態の判定がなされる。破損そのほかの異常が生じた医療機器の使用が回避されることで、異常によるリスクを低減することができる。
　外観データは、医療機器の三次元形状を示すデータであってもよい。外観データ取得部１２２は、外観データが示す三次元形状から所定の外形を表す部位を状態の解析対象として定めてもよい。
　この構成によれば、解析対象とする外形を表す部位が一定に定まる。一般に三次元形状は視点の位置により観測される外形が異なるが、部位を一定とすることで、外観に基づく医療機器の状態の判定精度を向上ならびに安定化することができる。
　医療機器状態モデルデータは、医療機器の外観として、少なくとも一部の部位における形状、色彩および寸法の少なくとも一つである外観特性を示す外観特性情報と、医療機器の状態として、当該医療機器の異常の種類と程度の少なくとも一方の特性を示す異常情報との対応関係を示すデータであってもよい。
　状態解析部１２４は、外観データに基づく医療機器の外観特性に応じた当該医療機器の異常の特性を、医療機器の状態として解析してもよい。
　この構成によれば、外観データに基づいて定まる外観特性に応じた異常の特性が解析される。そのため、使用者は解析された異常の特性を知得することができ、知得した異常の特性に応じた措置を講ずることができる。
　外観特性は、医療機器をなす複数の部材間の接合部における形状、色調および寸法の少なくとも一つの性状を含んでもよい。状態解析部１２４は、当該性状に応じた異常の特性を解析してもよい。
　この構成によれば、外観データに基づいて定まる接合部における性状に応じた異常の特性が解析される。
　外観特性は、医療機器の所定の部材の径を含んでもよい。状態解析部１２４は、径の分布に応じた異常の特性を解析してもよい。
　この構成によれば、外観データに基づいて定まる所定の部材の径の分布に応じた異常の特性が解析される。
　外観特性は、医療機器の所定の部材の長さを含んでもよい。状態解析部１２４は、長さに応じた異常の特性を解析してもよい。
　この構成によれば、外観データに基づいて定まる所定の部材の長さに応じた異常の特性が解析される。
　外観特性は、医療機器の所定の部材の表面形状を含んでもよい。状態解析部１２４は、表面形状に前記異常の特性を解析してもよい。
　この構成によれば、外観データに基づいて定まる所定の部材の表面形状に応じた異常の特性が解析される。
　外観特性は、医療機器の所定の部材の表面の模様を含んでもよい。状態解析部１２４は、模様に応じた異常の特性を解析してもよい。
　この構成によれば、外観データに基づいて定まる所定の部材の表面の模様に応じた異常の特性が解析される。
　所定の部材は金属材料を有してもよい。外観データ取得部１２２は、外観データとしてＸ線センサを用いて撮影された画像を示す画像データを取得してもよい。
　Ｘ線は有機化合物を透過し、金属を透過しないため、撮像された画像には所定の部材の外観が捕捉され、高分子化合物で構成された他の部材や生体組織の像が捕捉されない。この構成によれば、医療機器の使用時においても金属材料を有する所定の部材の外観に基づいて、その状態が解析される。
　状態出力部１２８は、医療機器の状態ごとの前記医療機器の取り扱いに関する予め設定された案内情報から、解析された医療機器の状態に応じた案内情報を定めてもよい。
　この構成によれば、医療機器の状態に応じた案内情報が定まる。定まった案内情報に接した使用者には、案内情報に示される取り扱いが促される。また、使用経験が乏しい使用者に対して医療機器の取り扱いについて訓練を施すことができる。　
　情報処理装置１０は、医療機器の部位と状態の少なくとも一方の項目である計数単位ごとに異常の頻度を解析する異常解析部１３０を備えてもよい。
　この構成によれば、計数単位ごとに発生した異常の頻度が解析される。解析された頻度に接した使用者は、異常が頻発する部位、異常の種類の一方または両方を知得することができる。ひいては、使用者は知得された情報を医療機器の維持管理または開発に役立てることができる。
　医療機器状態モデルデータは、医療機器の状態として、当該医療機器の再使用可能性を含んでもよい。状態解析部１２４は、外観データが示す医療機器の再使用可能性を解析してもよい。
　この構成によれば、医療機器の外観に対応した医療機器の再使用可能性が判定される。客観的かつ安定した再使用可能性の判定がなされる。再使用できない医療機器の使用が回避されることで、再使用による経済性や環境負荷の低減を追求しながら再使用できない医療機器の使用を回避することができる。
　情報処理装置１０は、医療機器の外観を示す外観データと当該医療機器の状態を示す状態データとを対応付けたデータセットを含む訓練データを用いて、医療機器状態モデルデータを生成する状態学習部１３２、をさらに備えてもよい。
　この構成によれば、自装置が取得した外観データと当該外観データに対応する状態データを含む訓練データを用いて医療機器状態モデルデータを生成することができる。自装置の使用環境に応じた医療機器状態モデルデータが得られるため、より的確に医療機器の状態を推定できる。
　状態学習部１３２は、外観データ取得部１２２が取得した外観データと医療機器状態情報を出力した出力先機器から取得される状態データとを対応付けたデータセットを訓練データに含めてもよい。
　この構成によれば、出力先機器を使用する使用者が判断した医療機器の状態を示す状態データが解析対象とした外観データと対応付けたデータセットを用いて、医療機器状態データが更新される。医療機器の外観と状態の対応関係が、外観データに示す外観と使用者が判断した状態に適合するように医療機器状態データが更新される。そのため、使用者の判断した状態に、推定される状態を近づけることができる。
　以上、図面を参照してこの発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
　例えば、情報処理装置１０は、１個または複数の撮影部２０のそれぞれから入出力部１５０を経由して外観データを受信し、受信した外観データを処理対象とするサーバ装置として機能してもよい。状態出力部１２８は、表示部１６０に代えて、または表示部１６０とともに、入出力部１５０を経由して他機器に医療機器状態情報を出力してもよい。他機器は、例えば、解析対象の医療機器の使用者の端末装置でありうる。端末装置は、例えば、パーソナルコンピュータ、タブレット端末装置、多機能携帯電話機、などの情報機器となりうる。記憶部１４０には、外観データの送信元とする撮影部２０と医療機器状態情報の出力先とする他機器を示す使用者データを予め記憶しておいてもよい。状態出力部１２８は、使用者データを参照して、外観データの送信元に対応する他機器を医療機器状態情報の出力先として特定することができる。入出力部１５０は、撮影部２０または他機器とネットワークを用いて各種のデータを送受信可能に接続してもよい。
　情報処理装置１０は、撮影部２０を備え、単一の情報処理装置または情報処理システム１として構成されてもよい。情報処理装置１０において、表示部１６０と操作部１７０の一方または両方が省略されてもよい。表示部１６０と操作部１７０の一方または両方は、情報処理装置１０と別体であり、入出力部１５０を経由して無線または有線で接続されてもよい。
　制御部１２０において、異常解析部１３０と状態学習部１３２の一方または両方が省略されてもよい。
　また、上述した実施形態における情報処理装置１０の一部、または全部を、ＬＳＩ（Large Scale integration）等の集積回路として実現してもよい。情報処理装置１０の各機能ブロックは個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。
　上記各態様の情報処理装置、情報処理方法およびプログラムによれば、医療機器の外観に対応した状態が判定される。目視による判定とは異なり、客観的かつ安定した状態の判定がなされる。破損そのほかの異常が生じた医療機器の使用が回避されることで、異常によるリスクを低減することができる。
１０…情報処理装置、２０…撮影部、１２０…制御部、１２２…外観データ取得部、１２４…状態解析部、１２８…状態出力部、１３０…異常解析部、１３２…状態学習部、１４０…記憶部、１５０…入出力部、１６０…表示部、１７０…操作部

Claims (16)

  1. 　医療機器の外観を示す外観データを取得する外観データ取得部と、
    　医療機器の外観に対応する当該医療機器の状態を示す医療機器状態モデルデータを用いて、前記外観データが示す医療機器の状態を解析する状態解析部と、
    　解析された医療機器の状態を示す医療機器状態情報を出力する状態出力部と、を備える
    　情報処理装置。
  2. 　前記外観データは、前記医療機器の三次元形状を示し、
    　前記外観データ取得部は、前記三次元形状から所定の外形を表す部位を前記状態の解析対象として定める
    　請求項１に記載の情報処理装置。
  3. 　前記医療機器状態モデルデータは、
    　前記医療機器の外観として、少なくとも一部の部位における形状、色彩および寸法の少なくとも一つである外観特性を示す外観特性情報と、
    　前記医療機器の状態として、当該医療機器の異常の種類と程度の少なくとも一方の特性を示す異常情報との対応関係を示し、
    　前記状態解析部は、
    　前記外観データに基づく前記医療機器の外観特性に応じた当該医療機器の異常の特性を、前記医療機器の状態として解析する
    　請求項１または請求項２に記載の情報処理装置。
  4. 　前記外観特性は、前記医療機器をなす複数の部材間の接合部における形状、色調および寸法の少なくとも一つの性状を含み、
    　前記状態解析部は、前記性状に応じた前記異常の特性を解析する
    　請求項３に記載の情報処理装置。
  5. 　前記外観特性は、前記医療機器の所定の部材の径を含み、
    　前記状態解析部は、前記径の分布に応じた前記異常の特性を解析する
    　請求項３または請求項４に記載の情報処理装置。
  6. 　前記外観特性は、前記医療機器の所定の部材の長さを含み、
    　前記状態解析部は、前記長さに応じた前記異常の特性を解析する
    　請求項３から請求項５のいずれか一項に記載の情報処理装置。
  7. 　前記外観特性は、前記医療機器の所定の部材の表面形状を含み、
    　前記状態解析部は、前記表面形状に応じた前記異常の特性を解析する
    　請求項３から請求項６のいずれか一項に記載の情報処理装置。
  8. 　前記外観特性は、前記医療機器の所定の部材の表面の模様を含み、
    　前記状態解析部は、前記模様に応じた前記異常の特性を解析する
    　請求項３から請求項７のいずれか一項に記載の情報処理装置。
  9. 　前記所定の部材は金属材料を有し、
    　前記外観データ取得部は、前記外観データとしてＸ線センサを用いて撮影された画像を示す画像データを取得する
    　請求項７または請求項８に記載の情報処理装置。
  10. 　前記状態出力部は、
    　前記医療機器の状態ごとの前記医療機器の取り扱いに関する予め設定された案内情報から、解析された前記医療機器の状態に応じた前記案内情報を定める
    　請求項１から請求項９のいずれか一項に記載の情報処理装置。
  11. 　前記医療機器の部位と状態の少なくとも一方の項目ごとの異常の頻度を解析する異常解析部を、さらに備える
    　請求項１から請求項１０のいずれか一項に記載の情報処理装置。
  12. 　前記医療機器状態モデルデータは、
    　前記医療機器の状態として、当該医療機器の再使用可能性を含み、
    　前記状態解析部は、
    　前記外観データが示す医療機器の再使用可能性を解析する
    　請求項１から請求項１１のいずれか一項に記載の情報処理装置。
  13. 　医療機器の外観を示す外観データと当該医療機器の状態を示す状態データとを対応付けたデータセットを含む訓練データを用いて、前記医療機器状態モデルデータを生成する状態学習部、をさらに備える
    　請求項１から請求項１２のいずれか一項に記載の情報処理装置。
  14. 　前記状態学習部は、
    　前記外観データ取得部が取得した外観データと、前記医療機器状態情報を出力した出力先機器から取得される状態データとを対応付けたデータセットを前記訓練データに含める
    　請求項１３に記載の情報処理装置。
  15. 　コンピュータに、
    　請求項１から請求項１４のいずれか一項に記載の情報処理装置として機能させるためのプログラム。
  16. 　情報処理装置における情報処理方法であって、
    　医療機器の外観を示す外観データを取得する外観データ取得ステップと、
    　医療機器の外観に対応する当該医療機器の状態を示す医療機器状態データを用いて、前記外観データが示す医療機器の状態を解析する状態解析ステップと、
    　解析された医療機器の状態を示す医療機器状態情報を出力する状態出力ステップと、有する
    　情報処理方法。
PCT/JP2021/038179 2021-01-21 2021-10-15 情報処理装置、情報処理方法およびプログラム WO2022158059A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022576974A JPWO2022158059A1 (ja) 2021-01-21 2021-10-15
US18/354,830 US20230360788A1 (en) 2021-01-21 2023-07-19 Information processing system, information processing method, and non-transitory computer readable medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-007893 2021-01-21
JP2021007893 2021-01-21

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/354,830 Continuation US20230360788A1 (en) 2021-01-21 2023-07-19 Information processing system, information processing method, and non-transitory computer readable medium

Publications (1)

Publication Number Publication Date
WO2022158059A1 true WO2022158059A1 (ja) 2022-07-28

Family

ID=82548687

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/038179 WO2022158059A1 (ja) 2021-01-21 2021-10-15 情報処理装置、情報処理方法およびプログラム

Country Status (3)

Country Link
US (1) US20230360788A1 (ja)
JP (1) JPWO2022158059A1 (ja)
WO (1) WO2022158059A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011086219A (ja) * 2009-10-19 2011-04-28 J Morita Tokyo Mfg Corp 歯科用機器の保守情報及び資材発注情報通知装置
JP6584721B1 (ja) * 2018-07-23 2019-10-02 三菱電機株式会社 情報処理装置、情報処理システム、方法、及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011086219A (ja) * 2009-10-19 2011-04-28 J Morita Tokyo Mfg Corp 歯科用機器の保守情報及び資材発注情報通知装置
JP6584721B1 (ja) * 2018-07-23 2019-10-02 三菱電機株式会社 情報処理装置、情報処理システム、方法、及びプログラム

Also Published As

Publication number Publication date
US20230360788A1 (en) 2023-11-09
JPWO2022158059A1 (ja) 2022-07-28

Similar Documents

Publication Publication Date Title
US11314983B2 (en) Method for analyzing an image of a dental arch
US20190362851A1 (en) Computer-Aided Multiple Standard-Based Functional Evaluation and Medical Reporting System
US20190026599A1 (en) Method for analyzing an image of a dental arch
US20210358124A1 (en) Method for analyzing an image of a dental arch
US11786148B2 (en) Autonomous diagnosis of ear diseases from biomarker data
KR102267197B1 (ko) 디지털 치아 영상에 치아 진료 데이터를 기록 및 표시하는 방법 및 장치
US11049248B2 (en) Method for analyzing an image of a dental arch
US10755409B2 (en) Method for analyzing an image of a dental arch
DE102020214808A1 (de) Verfahren zum Betrieb eines Reinigungssystems einer medizinischen Bildgebungseinrichtung, Bildgebungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
US20200005936A1 (en) Surgical instrument set and instrument management system
US20230360787A1 (en) Systems and methods for identifying the nature of defects in medical scopes, and determining servicing and/or future use of the scopes
CN105902253A (zh) 一种内窥镜插入控制方法及系统
US20240041569A1 (en) Method for analyzing an image of a dental arch
US20150130841A1 (en) Methods and computing devices to measure musculoskeletal movement deficiencies
Gillmann et al. How to deal with uncertainty in machine learning for medical imaging?
WO2022158059A1 (ja) 情報処理装置、情報処理方法およびプログラム
JP6490501B2 (ja) 眼科検査システム
NL1032488C2 (nl) Inrichting en werkwijze voor het positioneren van opneemmiddelen voor het opnemen van beelden ten opzichte van een object.
KR101992919B1 (ko) 관절 검진 시스템
US20220215547A1 (en) Method for analyzing an image of a dental arch
JP2016144535A (ja) 骨間距離測定装置、骨間距離測定方法、コンピュータを骨間距離測定装置として機能させるためのプログラム及び該プログラムを記憶した記録媒体
Jusufi et al. Visualization of spiral drawing data of patients with Parkinson's disease
JP6446333B2 (ja) 眼科検査システム及び管理装置
US20230343448A1 (en) System and method for traceability and hygiene compliance management reprocessing of reusable medical devices and environments
JP2021101900A (ja) 学習データ作成装置、方法及びプログラム並びに医療画像認識装置

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: 21921162

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022576974

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21921162

Country of ref document: EP

Kind code of ref document: A1