特許ウォッチ

公開番号2024008099
公報種別公開特許公報(A)
公開日2024-01-19
出願番号2022109664
出願日2022-07-07
発明の名称体液量推定装置、体液量推定方法及びプログラム
出願人日本電気株式会社
代理人個人
主分類G16H 30/40 20180101AFI20240112BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】患者の顔画像から患者の体液量を推定する。
【解決手段】体液量装置100は、事前学習部1、転移学習部2及び推定部3を有する。事前学習部1は、複数の患者の顔画像を撮像したときの体液量を示す情報を教師情報として事前学習する。転移学習部2は、事前学習の後、特定の1人の患者の複数の顔画像を、さらに転移学習して学習済みモデルを構築する。推定部3は、特定の1人の顔画像を前記学習済みモデルに入力して、特定の1人の顔画像を撮像した時点での体液量を推定する。
【選択図】図1
特許請求の範囲【請求項１】
複数の患者の顔画像を、前記複数の患者の顔画像を撮像したときの体液量を示す情報を教師情報として事前学習する事前学習部と、
前記事前学習の後、特定の１人の患者の複数の顔画像を、さらに転移学習して学習済みモデルを構築する転移学習部と、
前記特定の１人の患者の顔画像を前記学習済みモデルに入力して、前記特定の１人の患者の顔画像を撮像した時点での前記特定の１人の患者の体液量を推定する推定部と、を備える、
体液量推定装置。
続きを表示（約 1,600 文字）【請求項２】
前記複数の患者の顔画像を撮像したときの体液量を示す情報は、前記複数の患者の顔画像の浮腫の有無を示す情報と、前記複数の患者の体重を示す情報と、を含み、
前記推定部は、前記特定の１人の患者の顔画像を前記学習済みモデルに入力して、前記特定の１人の患者の顔画像を撮像した時点での前記特定の１人の患者の浮腫の有無と体重とを推定する、
請求項１に記載の体液量推定装置。
【請求項３】
前記推定部は、
予め設定された前記特定の１人の患者の標準体液量に対して、前記特定の１人の患者の浮腫の有無の推定結果に基づいて前記特定の１人の患者の体液量が変化したか否かを検出し、
前記体重の推定結果から、前記標準体液量に対する前記特定の１人の患者の体液量の差分を取得する、
請求項２に記載の体液量推定装置。
【請求項４】
前記複数の患者の顔画像の浮腫の有無を示す情報は、浮腫の有無を表すラベル情報であり、
前記事前学習部は、前記浮腫の有無を表すラベル情報が同じ顔画像の特徴量を、前記体重を示す情報が類似しているほど近づけるように事前学習を行う、
請求項２又は３に記載の体液量推定装置。
【請求項５】
前記事前学習部は、WeightSupMoCo（Weight-Aware Supervised Momentum Contrast）によって事前学習を行う、
請求項２又は３のいずれか一項に記載の体液量推定装置。
【請求項６】
前記複数の患者及び前記特定の１人の患者は、透析を受ける患者であって、
前記複数の患者のそれぞれ及び前記特定の１人の患者の、浮腫が無い場合に対応する透析後の体重は、浮腫が有る場合に対応する透析前の前記複数の患者のそれぞれ及び前記特定の１人の患者の体重から、透析によって除去された体液量を除算した値である、
請求項２又は３に記載の体液量推定装置。
【請求項７】
前記複数の患者及び前記特定の１人の患者は、透析を受ける患者であって、
前記複数の患者のそれぞれ及び前記特定の１人の患者の、浮腫が有る場合に対応する透析前の体重は、浮腫が無い場合に対応する透析後の前記複数の患者のそれぞれ及び前記特定の１人の患者の体重に、透析によって除去された体液量を加算した値である、
請求項２又は３に記載の体液量推定装置。
【請求項８】
前記複数の患者及び前記特定の１人の患者は、透析を受ける患者であって、
前記複数の患者のそれぞれ及び前記特定の１人の患者の、浮腫が有る場合に対応する透析前の体重は、予め定めた前記複数の患者のそれぞれ及び前記特定の１人の患者の標準体重に、透析によって除去された体液量を加算した値である、
請求項２又は３に記載の体液量推定装置。
【請求項９】
事前学習で用いる前記複数の患者の顔画像、前記複数の患者の顔画像を撮像したときの体液量を示す情報と、前記転移学習で用いる前記特定の１人の患者の複数の顔画像と、が格納された記憶部を更に備え、
前記事前学習部は、前記記憶部から、前記複数の患者の顔画像、前記複数の患者の顔画像を撮像したときの体液量を示す情報を読み込んで事前学習を行い、
前記転移学習部は、前記記憶部から、前記特定の１人の患者の複数の顔画像を読み込んで転移学習を行う、
請求項１又は２に記載の体液量推定装置。
【請求項１０】
撮像部を更に備え、
前記撮像部によって撮像された前記特定の１人の患者の顔画像が、前記推定部に入力される、
請求項１又は２に記載の体液量推定装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、体液量推定装置、体液量推定方法及びプログラムに関する。
続きを表示（約 3,000 文字）【背景技術】
【０００２】
近年、人の外観、例えば顔の画像などから人の健康状態や疾患の有無を判断する手法の開発が進展している（特許文献１～３）。一般に、人の健康状態に応じて、顔や下肢などに形態の変化が生じることが知られている。身体の容量の増加は浮腫として検出され、容量の減少は皮膚の張りの減少として検出される。浮腫は、主に組織の間隙に過剰な水分が貯留して体液量が増加した状態のことを指し、中枢性疾患、呼吸・循環器疾患、腎疾患、整形外科疾患、代謝性疾患、悪性腫瘍など、様々な原因により発生する。また、皮膚の張りの減少は体内の水分の減少により発生し、脱水症、熱中症など様々な状態で発生する。
【０００３】
例えば、腎機能の低下により体内の老廃物や水分を除去できない場合には浮腫が生じるので、現状では透析治療によって、体内の余分な水分の除去が行われる。したがって、透析患者にとって体内の水分（すなわち、体液量）を望ましい範囲内に保つことは重要であり、そのために日常生活において水分や塩分の摂取を制限する必要がある。
【０００４】
体重の変化には、体液量、脂肪量及び筋肉量の変化などの要因が考えられる。透析は４時間程度で行われ、透析中に脂肪量や筋肉量の変化は起こらないと考えられるため、透析による体重の変化は体液量の変化を反映していると考えられる。また、慢性心不全の高齢患者においても、運動による筋肉量の増加や、食事量が増えて脂肪が増えることは考えにくいため、体重の変化は体液量の変化を表していると考え得る。さらに、脱水症においても、短時間で脂肪量及び筋肉量は変化しないため、体重の変化は体液量の変化を表していると考え得る。
【０００５】
浮腫を伴う疾患を有する患者の状態を把握するため、患者の浮腫の度合い、すなわち体液量を測定することが求められる。一般的な浮腫推定技術として、例えば、医療スタッフによるピッティングテストによって浮腫の度合いを測定する手法が提案されている（非特許文献１）。この手法では、下肢のピッティングテスト時に画像を撮影し、その画像からサポートベクターマシン（Support Vector Machine：SVM）又は畳み込みニューラルネットワーク（Convolutional Neural Network：CNN）によって、下肢などの末梢性浮腫の度合いを推定する。
【０００６】
また、Short-Wave Infrared（ＳＷＩＲ）カメラを用いて、患者の手足などの末梢部位を撮影した画像に基づいて浮腫の度合いを測定する手法（非特許文献２）が提案されている。この手法では、浮腫が有る場合に、ＳＷＩＲカメラの特定のスペクトル領域において水、コラーゲン及び脂質の吸収係数が大きくなる性質を利用し、スペクトル成分から浮腫レベルを推定することができる。
【先行技術文献】
【特許文献】
【０００７】
特表２０２２－５１２０４４号公報
特開２０２０－１９９０７２号公報
特開２００５－６５８１２号公報
【非特許文献】
【０００８】
J. Chen et.al, “Camera-Based Peripheral Edema Measurement Using Machine Learning,” in Proc. IEEE Int. Conf. Healthcare Informatics (ICHI), 2018, pp. 115-122.
A. G. Smith et.al, “Objective determination of peripheral edema in heart failure patients using short-wave infrared molecular chemical imaging,” Journal of Biomedical Optics, vol. 26, no. 10, pp. 105002, 2021.
Kaiming He et al., “Momentum Contrast for Unsupervised Visual Representation Learning”, in Proc. IEEE/CVF conf. computer vision and pattern recognition (CVPR), 2020, pp. 9729-9738.
T. Chen, S. Kornblith, M. Norouzi, and G. Hinton,”A simple framework for contrastive learning of visual representations,” Proc. Int. conf. machine learning (ICML), 2020, pp. 1597-1607.
P. Khosla et al., “Supervised Contrastive Learning”, in Proc. Advances in Neural Information Processing Systems (NeurIPS), vol. 33, pp. 18661-18673, 2020.
B. Dufumier et al., “Contrastive Learning with Continuous Proxy Meta-Data for 3D MRI Classification”, in Int. Conf. Medical Image Computing and Computer-Assisted Intervention (MICCAI), 2021, pp. 58-68.
D. P. Kingma and J. Ba, “ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION,” arXiv preprint arXiv:1412.6980, 2014.
J. Deng, W. Dong, R. Socher, L. Li, et al., ”Imagenet: A Large-Scale Hierarchical Image Database,” Proc. IEEE/CVF conf. computer vision and pattern recognition (CVPR), 2009, pp. 248-255.
【発明の概要】
【発明が解決しようとする課題】
【０００９】
上記したように、患者の浮腫の度合い、すなわち体液量を日常的に管理するには、患者自身が体液量を測定し、測定結果に応じて、水分の摂取量を管理することが望ましい。しかし、上述した体液量を測定する手法は、専門的な医療スタッフが行わなければならず、また、特殊なカメラなどの特定の機材が必要であるといった制約が有る。
【００１０】
一方、患者が日常生活において水分や塩分の摂取を自律的に制限するには、患者が体液量を日常的に測定できる手法の確立が求められる。
（【００１１】以降は省略されています）

関連特許