TOP
|
特許
|
意匠
|
商標
特許ウォッチ
Twitter
他の特許を見る
10個以上の画像は省略されています。
公開番号
2025041396
公報種別
公開特許公報(A)
公開日
2025-03-26
出願番号
2023148664
出願日
2023-09-13
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 20060101AFI20250318BHJP(医学または獣医学;衛生学)
要約
【課題】医用画像からの病変領域の検出精度を向上させる。
【解決手段】コンピュータは、第1断層画像群ごとに第1画像特徴量を算出し、複数の第1断層画像群に含まれる断層画像を、第1画像特徴量の範囲に応じて複数の第2断層画像群に分類し、複数の病変識別モデルを、それぞれ複数の第2断層画像群のうち互いに異なる1つを学習データとして用いた機械学習によって生成する。また、コンピュータは、複数の第1断層画像に基づいて第2画像特徴量を算出し、複数の第1断層画像を複数の病変識別モデルのそれぞれに入力することで、複数の病変識別モデルのそれぞれから、複数の第1断層画像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取得し、複数の第1断層画像に含まれる単位画像領域のそれぞれについて、複数の病変識別モデルのそれぞれから取得した確率を第2画像特徴量に基づいて統合する。
【選択図】図1
特許請求の範囲
【請求項1】
コンピュータが、
複数の第1の人体のそれぞれの内部を撮影して得られた複数の第1断層画像群に基づいて、前記第1断層画像群ごとに第1画像特徴量を算出し、
前記複数の第1断層画像群に含まれる断層画像を、前記第1画像特徴量の範囲に応じて複数の第2断層画像群に分類し、
識別対象の断層画像に含まれる単位画像領域ごとに特定の病変の領域か否かを識別する複数の第1病変識別モデルを、それぞれ前記複数の第2断層画像群のうち互いに異なる1つを学習データとして用いた機械学習によって生成する、学習処理と、
第2の人体の内部を撮影して得られた複数の第1断層画像に基づいて、前記第1画像特徴量と同じ種類の第2画像特徴量を算出し、
前記複数の第1断層画像を前記複数の第1病変識別モデルのそれぞれに入力することで、前記複数の第1病変識別モデルのそれぞれから、前記複数の第1断層画像に含まれる前記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取得し、
前記複数の第1断層画像に含まれる前記単位画像領域のそれぞれについて、前記複数の第1病変識別モデルのそれぞれから取得した前記確率を前記第2画像特徴量に基づいて統合して統合値を算出し、
前記統合値に基づいて前記複数の第1断層画像のそれぞれから前記特定の病変の領域を検出する、病変検出処理と、
を実行する病変検出方法。
続きを表示(約 2,400 文字)
【請求項2】
前記複数の第2断層画像群は、前記第1画像特徴量が第1の閾値以上である前記第1断層画像群を含む前記第2断層画像群と、前記第1画像特徴量が、前記第1の閾値より低い第2の閾値以下である前記第1断層画像群を含む前記第2断層画像群とを含む、
請求項1記載の病変検出方法。
【請求項3】
前記第1画像特徴量は、前記第1断層画像群に含まれる各断層画像の画像領域のうち、特定の臓器の領域の画素情報に基づいて算出され、
前記第2画像特徴量は、前記複数の第1断層画像の画像領域のうち、前記特定の臓器の領域の画素情報に基づいて算出される、
請求項1記載の病変検出方法。
【請求項4】
前記第1画像特徴量は、前記第1断層画像群に含まれる各断層画像の画像領域のうち、前記特定の臓器の領域における輝度の平均を示す第1平均値であり、
前記第2画像特徴量は、前記複数の第1断層画像の画像領域のうち、前記特定の臓器の領域における輝度の平均を示す第2平均値である、
請求項3記載の病変検出方法。
【請求項5】
前記統合値の算出では、前記複数の第1病変識別モデルのそれぞれから取得した前記確率に対して重み付け加算を行うことで前記統合値を算出し、
前記第2平均値が低いほど、前記複数の第1病変識別モデルのうち、前記第1平均値が低い前記第2断層画像群を用いて生成された第1病変識別モデルからの前記確率に対して、高い重み係数が設定される、
請求項4記載の病変検出方法。
【請求項6】
前記学習処理は、
前記複数の第1断層画像群を、医学的所見が異なる複数の第3断層画像群に分類し、
前記識別対象の断層画像に含まれる前記単位画像領域ごとに前記特定の病変の領域か否かを識別する複数の第2病変識別モデルを、それぞれ前記複数の第3断層画像群のうち互いに異なる1つを学習データとして用いた機械学習によって生成する、
処理を含み、
前記病変検出処理は、
前記複数の第1断層画像を前記複数の第2病変識別モデルのそれぞれに入力することで、前記複数の第2病変識別モデルのそれぞれから、前記複数の第1断層画像に含まれる前記単位画像領域ごとに前記確率を取得する、
処理を含み、
前記統合値の算出では、
前記複数の第1断層画像に含まれる前記単位画像領域のそれぞれについて、前記複数の第1病変識別モデルのそれぞれと前記複数の第2病変識別モデルのそれぞれとから取得した前記確率を、前記第2画像特徴量に基づいて統合して前記統合値を算出する、
請求項1記載の病変検出方法。
【請求項7】
前記複数の第1断層画像を前記複数の第3断層画像群に分類する処理では、前記複数の第1断層画像を、正常所見の断層画像を含む前記第3断層画像群と、異常所見の断層画像を含む前記第3断層画像群とに分類し、
前記学習処理は、
前記識別対象の断層画像に含まれる前記単位画像領域ごとに前記特定の病変の領域か否かを識別する第3病変識別モデルを、前記正常所見の断層画像のうち、前記第1画像特徴量が第1の範囲に含まれる断層画像を学習データとして用いた機械学習によって生成し、
前記識別対象の断層画像に含まれる前記単位画像領域ごとに前記特定の病変の領域か否かを識別する第4病変識別モデルを、前記異常所見の断層画像のうち、前記第1画像特徴量が第2の範囲に含まれる断層画像を学習データとして用いた機械学習によって生成する、
処理を含み、
前記病変検出処理は、
前記複数の第1断層画像を前記第3病変識別モデルと前記第4病変識別モデルとに入力することで、前記第3病変識別モデルおよび前記第4病変識別モデルのそれぞれから、前記複数の第1断層画像に含まれる前記単位画像領域ごとに前記確率を取得する、
処理を含み、
前記統合値の算出では、
前記複数の第1断層画像に含まれる前記単位画像領域のそれぞれについて、前記複数の第1病変識別モデルのそれぞれと、前記複数の第2病変識別モデルのそれぞれと、前記第3病変識別モデルと、前記第4病変識別モデルとから取得した前記確率を、前記第2画像特徴量に基づいて統合して前記統合値を算出する、
請求項6記載の病変検出方法。
【請求項8】
コンピュータに、
複数の第1の人体のそれぞれの内部を撮影して得られた複数の第1断層画像群に基づいて、前記第1断層画像群ごとに第1画像特徴量を算出し、
前記複数の第1断層画像群に含まれる断層画像を、前記第1画像特徴量の範囲に応じて複数の第2断層画像群に分類し、
識別対象の断層画像に含まれる単位画像領域ごとに特定の病変の領域か否かを識別する複数の第1病変識別モデルを、それぞれ前記複数の第2断層画像群のうち互いに異なる1つを学習データとして用いた機械学習によって生成する、学習処理と、
第2の人体の内部を撮影して得られた複数の第1断層画像に基づいて、前記第1画像特徴量と同じ種類の第2画像特徴量を算出し、
前記複数の第1断層画像を前記複数の第1病変識別モデルのそれぞれに入力することで、前記複数の第1病変識別モデルのそれぞれから、前記複数の第1断層画像に含まれる前記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取得し、
前記複数の第1断層画像に含まれる前記単位画像領域のそれぞれについて、前記複数の第1病変識別モデルのそれぞれから取得した前記確率を前記第2画像特徴量に基づいて統合して統合値を算出し、
前記統合値に基づいて前記複数の第1断層画像のそれぞれから前記特定の病変の領域を検出する、病変検出処理と、
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 2,200 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、機械学習によって作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、複数の訓練された機械学習モデルを備える病変検出および分類の人工知能パイプラインが提案されている。
【先行技術文献】
【特許文献】
【0004】
米国特許出願公開第2022/0270254号明細書
【発明の概要】
【発明が解決しようとする課題】
【0005】
ところで、学習済みモデルを用いた病変領域の検出処理では、病変領域と病変でない正常領域との間の画素値(例えば輝度値)の差が大きいほど、検出精度を高めることが可能である。しかし、実際に撮影された医用画像では、病変領域と正常領域との間の画素値の差が小さい場合が多く、このために検出精度を高めることが難しい場合がある。また、臓器内に蓄積された脂肪など、画素値に影響を与え得る医学的な事象が発生している場合には、通常より病変領域と正常領域との間の画素値の差が小さくなることがある。さらに、場合によってはこれらの間での画素値の大小関係が逆転することもある。
【0006】
1つの側面では、本発明は、医用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、学習処理および病変検出処理を実行する病変検出方法が提供される。学習処理では、コンピュータは、複数の第1の人体のそれぞれの内部を撮影して得られた複数の第1断層画像群に基づいて、第1断層画像群ごとに第1画像特徴量を算出し、複数の第1断層画像群に含まれる断層画像を、第1画像特徴量の範囲に応じて複数の第2断層画像群に分類し、識別対象の断層画像に含まれる単位画像領域ごとに特定の病変の領域か否かを識別する複数の第1病変識別モデルを、それぞれ複数の第2断層画像群のうち互いに異なる1つを学習データとして用いた機械学習によって生成する。病変検出処理では、コンピュータは、第2の人体の内部を撮影して得られた複数の第1断層画像に基づいて、第1画像特徴量と同じ種類の第2画像特徴量を算出し、複数の第1断層画像を複数の第1病変識別モデルのそれぞれに入力することで、複数の第1病変識別モデルのそれぞれから、複数の第1断層画像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取得し、複数の第1断層画像に含まれる単位画像領域のそれぞれについて、複数の第1病変識別モデルのそれぞれから取得した確率を第2画像特徴量に基づいて統合して統合値を算出し、統合値に基づいて複数の第1断層画像のそれぞれから特定の病変の領域を検出する。
【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、医用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情報処理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。
病変領域の検出のための機械学習モデルの例を示す図である。
診断支援装置が備える処理機能の構成例を示す図である。
学習データセットのデータ構成例を示す図である。
病変識別モデルの生成処理を説明するための図である。
病変識別モデルを用いた病変検出処理を説明するための図である。
画像特徴量と重み係数との対応関係を示す重みテーブルの例である。
モデル生成処理の手順を示すフローチャートの例である。
病変検出処理の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の画面表示例を示す図である。
第3の実施の形態に係る診断支援装置が備える処理機能の構成例を示す図である。
病変識別モデルの生成処理を説明するための図である。
画像特徴量と重み係数との対応関係を示す重みテーブルの例である。
モデル生成処理の手順を示すフローチャートの例である。
病変検出処理の手順を示すフローチャートの例である。
第4の実施の形態に係る診断支援装置のモデル生成処理を説明するための図である。
画像特徴量と重み係数との対応関係を示す重みテーブルの例である。
モデル生成処理の手順を示すフローチャートの例である。
病変検出処理の手順を示すフローチャートの例である。
画像特徴量と重み係数との対応関係を示す重みテーブルの例である。
【発明を実施するための形態】
(【0011】以降は省略されています)
この特許をJ-PlatPatで参照する
関連特許
富士通株式会社
電源装置
17日前
富士通株式会社
画像生成方法
23日前
富士通株式会社
冷却モジュール
25日前
富士通株式会社
車線区分装置及び方法
3日前
富士通株式会社
評価プログラム、方法、及び装置
23日前
富士通株式会社
情報処理装置,プログラムおよび制御方法
3日前
富士通株式会社
予測プログラム、予測方法及び情報処理装置
18日前
富士通株式会社
分子動力学計算プログラム、方法、及び装置
3日前
富士通株式会社
方策学習装置、方策学習方法及び通信システム
18日前
富士通株式会社
プログラム、情報処理方法および情報処理装置
23日前
富士通株式会社
プログラム、データ処理装置及びデータ処理方法
25日前
富士通株式会社
情報処理装置、手続きプログラムおよび手続き方法
24日前
富士通株式会社
情報処理プログラム、情報処理方法及び情報処理装置
24日前
富士通株式会社
医薬品管理装置、医薬品管理方法、医薬品管理プログラム
4日前
富士通株式会社
タスク制御プログラム、情報処理装置及びタスク制御方法
3日前
富士通株式会社
情報処理プログラム、情報処理方法及び情報処理システム
23日前
富士通株式会社
情報処理プログラム、情報処理方法、および情報処理装置
19日前
富士通株式会社
業務管理プログラム、業務管理方法、および情報処理装置
10日前
富士通株式会社
情報処理プログラム、情報処理方法、および情報処理装置
4日前
富士通株式会社
期待値算出システム、期待値算出装置、及び期待値算出方法
19日前
富士通株式会社
ニューロモルフィックコンピューティング回路、及び、制御方法
26日前
富士通株式会社
歩行訓練支援プログラム、歩行訓練支援方法、および情報処理装置
5日前
富士通株式会社
量子計算支援プログラム、量子計算支援方法、および情報処理装置
11日前
富士通株式会社
エレベータ管理プログラム、エレベータ管理方法、エレベータ管理装置
20日前
富士通株式会社
リソース割当て装置、リソース割当て方法、およびリソース割当てプログラム
17日前
富士通株式会社
基底エネルギー算出プログラム、基底エネルギー算出装置、および基底エネルギー算出方法
12日前
富士通株式会社
サイドリンクリソースの再選択方法及び装置
4日前
富士通株式会社
基地局、移動局、通信システム、及び通信方法
16日前
富士通株式会社
画像解析のための、コンピュータにより実施される方法、データ処理装置、及びコンピュータプログラム
26日前
富士通株式会社
ワイヤーハーネス製造図設計支援プログラム、ワイヤーハーネス製造図設計支援方法、および情報処理装置
3日前
個人
健康器具
2か月前
個人
歯茎みが品
3か月前
個人
歯の掃除具
5か月前
個人
鼾防止用具
2か月前
個人
乗馬テラピー
6か月前
個人
身体牽引装置
6か月前
続きを見る
他の特許を見る