特許ウォッチ

公開番号2024159925
公報種別公開特許公報(A)
公開日2024-11-08
出願番号2024147068,2020047157
出願日2024-08-29,2020-03-18
発明の名称眼科情報処理装置、眼科装置、眼科情報処理装置の作動方法、及びプログラム
出願人株式会社トプコン,国立大学法人東北大学,国立研究開発法人理化学研究所
代理人個人
主分類A61B 3/10 20060101AFI20241031BHJP(医学または獣医学;衛生学)
要約【課題】被検眼の疾患に対して適切な治療を早期に施すための新たな技術を提供する。
【解決手段】眼科情報処理装置は、取得部と、複数の推定器と、分類器とを含む。取得部は、互いに断面方向が異なる被検眼の複数の画像を取得する。複数の推定器は、複数の画像の種別毎に機械学習により得られた複数の学習済みモデルのそれぞれを用いて、特徴量又は被検眼が加齢黄斑変性を伴う眼である確信度を表す確信度情報を画像の種別毎に出力する。分類器は、機械学習により得られた分類モデルを用いて、複数の推定器から出力された複数の特徴量又は複数の確信度情報から被検眼が加齢黄斑変性を伴う眼であるか否かを推定するための推定情報を出力する。
【選択図】図3
特許請求の範囲【請求項１】
互いに断面方向が異なる被検眼の複数の画像を取得する取得部と、
前記複数の画像の種別毎に機械学習により得られた複数の学習済みモデルのそれぞれを用いて、特徴量又は前記被検眼が加齢黄斑変性を伴う眼である確信度を表す確信度情報を画像の種別毎に出力する複数の推定器と、
機械学習により得られた分類モデルを用いて、前記複数の推定器から出力された複数の特徴量又は複数の確信度情報から前記被検眼が加齢黄斑変性を伴う眼であるか否かを推定するための推定情報を出力する分類器と、
を含む、眼科情報処理装置。
続きを表示（約 1,200 文字）【請求項２】
前記複数の学習済みモデルにより得られた特徴量を用いて教師あり機械学習により得られた分類用学習済みモデルを用いて、前記複数の画像から網膜色素上皮層の形態に基づく分類結果を推定するための分類情報を出力する病態推定部を含む
ことを特徴とする請求項１に記載の眼科情報処理装置。
【請求項３】
互いに断面方向が異なる被検眼の複数の画像を取得する取得部と、
前記複数の画像の種別毎に機械学習により得られた複数の学習済みモデルのそれぞれを用いて、特徴量又は前記被検眼が糖尿病網膜症を伴う眼である確信度を表す確信度情報を画像の種別毎に出力する複数の推定器と、
機械学習により得られた分類モデルを用いて、前記複数の推定器から出力された複数の特徴量又は複数の確信度情報から前記被検眼が糖尿病網膜症を伴う眼であるか否かを推定するための推定情報を出力する分類器と、
を含む、眼科情報処理装置。
【請求項４】
前記複数の学習済みモデルにより得られた特徴量を用いて教師あり機械学習により得られた分類用学習済みモデルを用いて、前記複数の画像から毛細血管瘤、出血、白斑、新生血管、及び出血領域の少なくとも１つの形態又は分布に基づく分類結果を推定するための分類情報を出力する病態推定部を含む
ことを特徴とする請求項３に記載の眼科情報処理装置。
【請求項５】
前記複数の学習済みモデルにより得られた特徴量を用いて教師あり機械学習により前記分類用学習済みモデルを生成する第１学習部を含む
ことを特徴とする請求項２又は請求項４に記載の眼科情報処理装置。
【請求項６】
前記複数の画像は、前記被検眼の眼底の断層像又は正面画像を含み、
ことを特徴とする請求項１～請求項５のいずれか一項に記載の眼科情報処理装置。
【請求項７】
前記複数の画像の種別毎に、教師あり機械学習により前記複数の学習済みモデルを生成する第２学習部を含む
ことを特徴とする請求項１～請求項６のいずれか一項に記載の眼科情報処理装置。
【請求項８】
前記被検眼の３次元ＯＣＴデータに基づいて、前記複数の画像の少なくとも１つを生成する画像生成部を含む
ことを特徴とする請求項１～請求項７のいずれか一項に記載の眼科情報処理装置。
【請求項９】
前記被検眼に対して光コヒーレンストモグラフィを実行するＯＣＴ部と、
前記ＯＣＴ部により取得された３次元データに基づいて前記複数の画像の少なくとも１つを生成する画像生成部と、
請求項１～請求項８のいずれか一項に記載の眼科情報処理装置と、
を含む、眼科装置。
【請求項１０】
前記被検眼に対して光コヒーレンストモグラフィを実行するＯＣＴ部と、
請求項８に記載の眼科情報処理装置と、
を含む、眼科装置。
（【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】
本発明は、眼科情報処理装置、眼科装置、眼科情報処理装置の作動方法、及びプログラムに関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
近年、深層学習を代表とする機械学習の手法の急速な進歩により、様々な分野で人工知能技術の実用化が進んでいる。特に、医療分野においては、深層学習により診断画像における疾患部位又は組織の態様等の検出精度が向上し、正確、且つ、高精度な医療診断を迅速に行うことができるようになっている。
【０００３】
例えば、特許文献１には、過去の時系列の複数の眼底像における特徴点を教師データとして機械学習し、得られた学習済みモデルを用いて、新たに取得された時系列の複数の眼底像から緑内障の診断を行う手法が開示されている。例えば、特許文献２には、ニューラルネットワークを用いて、視神経乳頭の形状に応じた緑内障の病態分類を行う手法が開示されている。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０１８／２１１６８８号
特開２０１９－５３１９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
例えば、緑内障、加齢黄斑変性、又は糖尿病網膜症等の眼底疾患は、スクリーニング等により早期に発見できた場合であっても、適切な治療を施さなければ症状が進行する疾患である。この場合、疾患の病態を適切に把握することで、疾患に対して適切な治療を施すことができる。
【０００６】
このように、高精度、且つ、早期に眼底疾患を発見しつつ、発見された眼底疾患の病態を高精度に特定することが求められる。これは、眼底疾患だけではなく被検眼の疾患全般についても同様である。
【０００７】
本発明は、このような事情を鑑みてなされたものであり、その目的は、被検眼の疾患に対して適切な治療を早期に施すための新たな技術を提供することにある。
【課題を解決するための手段】
【０００８】
いくつかの実施形態の第１態様は、互いに断面方向が異なる被検眼の複数の画像を取得する取得部と、前記複数の画像の種別毎に機械学習により得られた複数の学習済みモデルを用いて、前記複数の画像から前記被検眼が疾患を伴う眼であるか否かを推定するための推定情報を出力する疾患推定部と、を含む、眼科情報処理装置である。
【０００９】
いくつかの実施形態の第２態様では、第１態様において、前記疾患推定部は、前記複数の画像の種別毎に前記複数の学習済みモデルのそれぞれを用いて、特徴量又は前記被検眼が疾患を伴う眼である確信度を表す確信度情報を出力する複数の推定器と、機械学習により得られた分類モデルを用いて、前記複数の推定器から出力された複数の特徴量又は複数の確信度情報から前記推定情報を出力する分類器と、を含む。
【００１０】
いくつかの実施形態の第３態様では、第１態様又は第２態様において、前記複数の画像は、前記被検眼の眼底の断層像又は正面画像を含み、前記疾患は、眼底疾患である。
（【００１１】以降は省略されています）

関連特許