特許ウォッチ

公開番号2024077825
公報種別公開特許公報(A)
公開日2024-06-10
出願番号2022190010
出願日2022-11-29
発明の名称病変検出方法および病変検出プログラム
出願人富士通株式会社
代理人弁理士法人扶桑国際特許事務所
主分類A61B 6/03 20060101AFI20240603BHJP(医学または獣医学;衛生学)
要約【課題】断層画像からの病変領域の検出精度を向上させる。
【解決手段】病変検出装置は、人体の内部を撮影した複数の断層画像を基に生成された三次元のボリュームデータから特定の病変の領域を検出する第1の病変検出処理を利用して、複数の断層画像のそれぞれに含まれる単位画像領域ごとに特定の病変の領域である確率を算出する。病変検出装置は、複数の断層画像のうち一の断層画像と、一の断層画像に含まれる単位画像領域ごとに算出された確率とに基づいて、一の断層画像から特定の病変の領域を検出する第2の病変検出処理を実行する。
【選択図】図8
特許請求の範囲【請求項１】
コンピュータが、
人体の内部を撮影した複数の断層画像を基に生成された三次元のボリュームデータから特定の病変の領域を検出する第１の病変検出処理を利用して、前記複数の断層画像のそれぞれに含まれる単位画像領域ごとに前記特定の病変の領域である確率を算出し、
前記複数の断層画像のうち一の断層画像と、前記一の断層画像に含まれる前記単位画像領域ごとに算出された前記確率とに基づいて、前記一の断層画像から前記特定の病変の領域を検出する第２の病変検出処理を実行する、
病変検出方法。
続きを表示（約 830 文字）【請求項２】
前記算出では、前記単位画像領域ごとの前記確率を、前記病変検出処理の途中で出力される処理結果から取得する、
請求項１記載の病変検出方法。
【請求項３】
前記算出では、三次元空間の画像データを有する入力ボリュームデータから前記特定の病変の領域を検出する第１の機械学習モデルに対して、前記生成されたボリュームデータを入力することで、前記単位画像領域ごとに前記確率を算出する、
請求項１記載の病変検出方法。
【請求項４】
前記第１の機械学習モデルはニューラルネットワークを含み、
前記単位画像領域ごとの前記確率は、前記ニューラルネットワークの出力層から出力される、
請求項３記載の病変検出方法。
【請求項５】
前記第２の病変検出処理では、
二次元空間の画像データを有する入力画像と、前記入力画像に含まれる前記単位画像領域のそれぞれに対応する、前記特定の病変の領域である前記確率とが入力されると、前記入力画像に含まれる前記単位画像領域のそれぞれが前記特定の病変の領域であるか否かを示す情報を出力する第２の機械学習モデルを用いて、前記一の断層画像から前記特定の病変の領域を検出する、
請求項１記載の病変検出方法。
【請求項６】
コンピュータに、
人体の内部を撮影した複数の断層画像を基に生成された三次元のボリュームデータから特定の病変の領域を検出する第１の病変検出処理を利用して、前記複数の断層画像のそれぞれに含まれる単位画像領域ごとに前記特定の病変の領域である確率を算出し、
前記複数の断層画像のうち一の断層画像と、前記一の断層画像に含まれる前記単位画像領域ごとに算出された前記確率とに基づいて、前記一の断層画像から前記特定の病変の領域を検出する第２の病変検出処理を実行する、
処理を実行させる病変検出プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、病変検出方法および病変検出プログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
各種疾患の診断には、ＣＴ（Computed Tomography）やＭＲＩ（Magnetic Resonance Imaging）などによる医用画像が広く用いられている。医用画像を用いた画像診断では、医師は多数の画像を読影しなければならず、医師の負担が大きい。そのため、医師の診断作業をコンピュータによって何らかの形で支援する技術が求められている。
【０００３】
そのような技術の例として、機械学習によって生成された学習済みモデルを用いて、医用画像から病変領域を検出する技術がある。例えば、複数の異なる断面方向の断層画像を取得し、各断層画像について各画素の病変の種類を特定する一次分類処理を、機械学習によって生成された判別器を用いて実行し、各断層画像で共通する画素について一次分類処理の結果を評価する画像処理装置が提案されている。また、３Ｄ画像ボリュームのＮ個の異なる平面にしたがってＮ個の異なるＣＮＮ（Convolutional Neural Network）を結合する複合計算システムにおいて、２Ｄ画像を解析してセグメント化するために、知られているＣＮＮの使用を３Ｄ画像に拡張することが提案されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０１８－１７５２１７号公報
国際公開第２０１９／１３７９９７号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところで、二次元の断層画像を入力として、断層画像上の単位画像領域ごとに特定の病変か否かを判定して病変領域を検出する処理では、病変の形状によっては病変領域を正しく検出できない場合がある。例えば、検出対象の病変の断層画像における像の形状が、検出対象でない他の病変の断層画像における像の形状と類似している場合に、前者の像の領域が病変領域として正しく検出されない場合がある。
【０００６】
１つの側面では、本発明は、断層画像からの病変領域の検出精度を向上させることが可能な病変検出方法および病変検出プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
１つの案では、コンピュータが、人体の内部を撮影した複数の断層画像を基に生成された三次元のボリュームデータから特定の病変の領域を検出する第１の病変検出処理を利用して、複数の断層画像のそれぞれに含まれる単位画像領域ごとに特定の病変の領域である確率を算出し、複数の断層画像のうち一の断層画像と、一の断層画像に含まれる単位画像領域ごとに算出された確率とに基づいて、一の断層画像から特定の病変の領域を検出する第２の病変検出処理を実行する、病変検出方法が提供される。
【０００８】
また、１つの案では、上記の病変検出方法と同様の処理をコンピュータに実行させる病変検出プログラムが提供される。
【発明の効果】
【０００９】
１つの側面では、断層画像からの病変領域の検出精度が向上する。
【図面の簡単な説明】
【００１０】
第１の実施の形態に係る病変検出装置の構成例および処理例を示す図である。
第２の実施の形態に係る診断支援システムの構成例を示す図である。
病変検出装置のハードウェア構成例を示す図である。
病変領域の検出のための機械学習モデルの第１の例を示す図である。
病変形状の例を示す図である。
断層画像上の病変形状の例を示す図である。
病変領域の検出のための機械学習モデルの第２の例を示す図である。
第２の実施の形態における病変検出処理の概要を示す図である。
第２の実施の形態における２Ｄセグメンテーションモデルの学習処理の概要を示す図である。
学習処理装置および病変検出装置が備える処理機能の構成例を示す図である。
学習処理装置の処理手順を示すフローチャートの例である。
病変検出装置の処理手順を示すフローチャートの例である。
病変領域の検出結果を示す表示画像の例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許