特許ウォッチ

公開番号2025027364
公報種別公開特許公報(A)
公開日2025-02-27
出願番号2023132113
出願日2023-08-14
発明の名称データ処理装置、及び、データ処理方法
出願人キヤノンメディカルシステムズ株式会社
代理人弁理士法人東京国際特許事務所
主分類G06V 10/774 20220101AFI20250219BHJP(計算;計数)
要約【課題】機械学習のための訓練データ、例えば、セグメンテーション用の機械学習モデルを生成するための膨大な数の訓練データを、低コストで生成できるようにする。
【解決手段】一実施形態のデータ処理装置は、第1人工データを生成する第1生成部と、第2人工データを生成する第2生成部と、前記第1人工データと前記第2人工データとを混合して混合データを生成すると共に、前記第1人工データと前記第2人工データとが混合された領域に関する混合領域情報を生成する第3生成部と、を備える。
【選択図】図9
特許請求の範囲【請求項１】
第１人工データを生成する第１生成部と、
第２人工データを生成する第２生成部と、
前記第１人工データと前記第２人工データとを混合して混合データを生成すると共に、前記第１人工データと前記第２人工データとが混合された領域に関する混合領域情報を生成する第３生成部と、
を備える、データ処理装置。
続きを表示（約 1,300 文字）【請求項２】
前記混合データと前記混合領域情報は、機械学習モデルを学習させるための訓練データである、
請求項１に記載のデータ処理装置。
【請求項３】
前記第1の人工データは第１人工画像であり、前記第２人工データは第２人工画像であり、前記混合データは、前記第１人工画像と前記第２人工画像が混合された混合人工画像である、
請求項１に記載のデータ処理装置。
【請求項４】
前記第１生成部と前記第２生成部は、人工データ又は人工画像を生成可能な、機械学習に基づく生成モデルであり、前記第１生成部と前記第２生成部は、（ａ）前記生成モデルの種類、（ｂ）前記生成モデルの内部でも用いられる生成パラメータ、及び、（ｃ）前記生成モデルに入力される生成用疑似乱数系列、の少なくとも１つが異なる、
請求項１に記載のデータ処理装置。
【請求項５】
前記第１生成部が生成する前記第１人工画像は、セグメンテーション対象画像の背景を模擬した背景人工画像であり、
前記第２生成部が生成する前記第２人工画像は、前記セグメンテーション対象画像の中のセグメンテーション対象領域の画像を模擬した人工画像であり、
前記第３生成部は、前記背景人工画像と前記模擬した人工画像とが混合された混合人工画像を前記混合データとして生成すると共に、前記セグメンテーション対象領域に対応する特定領域人工画像を前記混合領域情報として生成する、
請求項３に記載のデータ処理装置。
【請求項６】
前記第２人工画像は、透過率情報によって前記セグメンテーション対象領域と、それ以外の領域とが識別できるように生成された特定領域人工画像である、
請求項５に記載のデータ処理装置。
【請求項７】
前記第３生成部は、前記第１人工画像、前記第２人工画像、及び前記第２人工画像に対して規定されたセグメンテーション対象領域に対応する領域情報を用いて、前記第１人工画像と、前記領域情報が付加された前記第２人工画像とを混合して前記混合人工画像を生成する、
請求項５に記載のデータ処理装置。
【請求項８】
前記背景人工画像と、セグメンテーション対象領域の画像を模擬した前記人工画像とは、互いに統計的性質が異なるように生成される、
請求項５に記載のデータ処理装置。
【請求項９】
前記混合人工画像が入力されたとき、前記混合人工画像の中の前記第２人工画像に対応する領域がセグメンテーションされるように学習された第１の学習済みモデル、
をさらに備える請求項３に記載のデータ処理装置。
【請求項１０】
第１の学習済みモデルを生成する第１モデル生成部、をさらに備え、
前記第1モデル生成部は、前記第３生成部が生成した複数の前記混合データと複数の前記混合領域情報とを訓練データとする機械学習によって、前記第１の学習済みモデルを生成する、
請求項１に記載のデータ処理装置。
（【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】
本明細書及び図面に開示の実施形態は、データ処理装置、及び、データ処理方法に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
近年、医用画像処理を含む各種の画像処理や、医用データを含む各種のデータ処理において、ＡＩ（Artificial Intelligence）技術、特に、機械学習を用いた技術の応用が広がっている。
【０００３】
機械学習の応用例として、セグメンテーションと呼ばれる技術が知られている。セグメンテーションは、例えば、画像の中の特定の領域を識別又は検出したり、或いは、画像を幾つかの領域に分割したりする技術である。
【０００４】
セグメンテーションの医用分野への応用としては、医用画像の中から所望の臓器を検出したり、腫瘍領域を検出したりする技術が知られている。例えば、セグメンテーション技術を用いて、脳を撮像したＭＲ（Magnetic Resonance）画像やＣＴ（Computed Tomography）画像等の医用画像に対して、脳の領域を白質（White Matter）、灰白質（Gray Matter）、脳脊髄液（CSF）等の脳組織毎の領域に分割することができる。また、セグメンテーション技術を用いて、患者の脳を撮像した医用画像に対して、腫瘍の疑いのある領域を検出したり、胸部を撮像した医用画像から心臓の領域を検出したりすることもできる。
【０００５】
機械学習では、多数の訓練データを用いた学習によって学習済みモデルが生成される。例えば、画像のセグメンテーションを機械学習で行おうとする場合、所望のセグメンテーションを行うためのアノテーションが付与された実画像を、訓練データとして多数用意する必要がある。実画像にアノテーションを付与するとは、例えば、実画像の中の特定の領域を抽出して、抽出した領域が何の領域であるのかを示す情報を実画像に付与したり、実画像を性質の異なる複数の領域に分割したりすることである。
【０００６】
データ（例えば、実画像）にアノテーションを付与する処理は、正解データを付与する処理、或いは、ラベリングする処理、とほぼ同義の処理であり、これらの処理は、通常、人的作業によって行われる。このため、訓練データとして、アノテーションが付与された実画像（或いは、アノテーションが付与されたデータ）を多数用意するには、多くの時間とコストを必要とすることになる。
【先行技術文献】
【特許文献】
【０００７】
特開２０２２－０７４０８８号公報
【非特許文献】
【０００８】
Takeshima H. Deep Learning and Its Application to Function Approximation for MR in Medicine: An Overview. Magn Reson Med Sci doi: 10.2463/mrms.rev.2121-0040
【発明の概要】
【発明が解決しようとする課題】
【０００９】
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、機械学習のための訓練データ、例えば、セグメンテーション用の機械学習モデルを生成するための膨大な数の訓練データを、低コストで生成できるようにすることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を、他の課題として位置づけることもできる。
【課題を解決するための手段】
【００１０】
一実施形態のデータ処理装置は、第１人工データを生成する第１生成部と、第２人工データを生成する第２生成部と、前記第１人工データと前記第２人工データとを混合して混合データを生成すると共に、前記第１人工データと前記第２人工データとが混合された領域に関する混合領域情報を生成する第３生成部と、を備える。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許