特許ウォッチ

公開番号2025084125
公報種別公開特許公報(A)
公開日2025-06-02
出願番号2024202827
出願日2024-11-20
発明の名称内視鏡映像で病変を探知する方法及びこれを実行する人工ニューラルネットワークモデルを学習させる方法及びコンピューティング装置
出願人メディンテックインコーポレイテッド,MEDINTECH INC.
代理人弁理士法人IPX
主分類A61B 1/045 20060101AFI20250526BHJP(医学または獣医学;衛生学)
要約【課題】少なくとも一つのプロセッサを含むコンピューティング装置によって行われる、内視鏡映像で病変を探知する人工ニューラルネットワークモデルを学習させる方法を提供する。
【解決手段】前記方法は、内視鏡映像が撮影される部位の特性及び病変の特性によって前記内視鏡映像に基づいて前記病変に対するラベルを含む学習データを生成する段階と、前記学習データに基づいて内視鏡映像で前記病変を探知するように人工ニューラルネットワークモデルを学習させる段階と、を含む。
【選択図】図1
特許請求の範囲【請求項１】
少なくとも一つのプロセッサを含むコンピューティング装置によって実行される、内視鏡映像で病変を探知する人工ニューラルネットワークモデルを学習させる方法であって、
内視鏡映像が撮影される部位の特性及び病変の特性によって前記内視鏡映像に基づいて前記病変に対するラベルを含む学習データを生成する段階と、
前記学習データに基づいて内視鏡映像で前記病変を探知するように人工ニューラルネットワークモデルを学習させる段階と、
を含む、方法。
続きを表示（約 830 文字）【請求項２】
前記学習データは、病変を含む病変学習データと病変を含まない正常学習データとを特定の割合で含み、
前記病変の臨床的特性によって前記の割合が決定される、請求項１に記載の方法。
【請求項３】
前記病変の臨床的特性は、病変の発現頻度又は前記病変の種類を含む、請求項２に記載の方法。
【請求項４】
前記病変学習データは、前記病変のイメージ的特性を維持する増強技法によって生成される、請求項２に記載の方法。
【請求項５】
前記学習データは、学習用データ、検証用データ及び評価用データを含み、
前記学習データを獲得した患者情報に基づいて前記学習用データ、前記検証用データ及び前記評価用データが構成される、請求項１に記載の方法。
【請求項６】
前記人工ニューラルネットワークモデルを学習させる段階は、
前記病変の臨床的特性を反映して前記人工ニューラルネットワークモデルの推論結果を決定するように加重値を付与する段階を含む、請求項１に記載の方法。
【請求項７】
前記加重値を付与する段階は、
判読難易度が高い病変を含む学習データに高い加重値を付与する段階を含む、請求項６に記載の方法。
【請求項８】
前記人工ニューラルネットワークモデルの損失関数の種類は、前記病変の臨床的特性又は前記病変のイメージ的特性によって決定される、請求項１に記載の方法。
【請求項９】
前記人工ニューラルネットワークモデルの損失関数は、ＤｉｓｔａｎｃｅＩｏＵ（ＤＩｏＵ）構造の損失関数を含む、請求項８に記載の方法。
【請求項１０】
前記人工ニューラルネットワークモデルは、前記学習データに基づいて内視鏡映像で病変を含まない映像を探知するように学習される、請求項１に記載の方法。
（【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】
本開示は内視鏡映像で病変を探知する人工ニューラルネットワークモデルを学習させ、これを用いて内視鏡映像で病変を探知する技術に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
内視鏡は手術を行うか又は剖検せずにスコープを身体に挿入して臓器を観察する医療器具を通称する。内視鏡は、人体の内部にスコープを挿入し、光を照射して、内壁の表面で反射された光を可視化する。目的及び身体部位によって内視鏡の種類が区分され、大別して、内視鏡管が金属で形成された硬性内視鏡（ＲｉｇｉｄＥｎｄｏｓｃｏｐｅ）と、消化器内視鏡として代表される軟性内視鏡（ｆｌｅｘｉｂｌｅｅｎｄｏｓｃｏｐｅ）とに区分されることができる。
【０００３】
軟性内視鏡が挿入される消化器の内部は非常に軟弱な組職であり、非定型の形態を有する。また、患者によって消化器の内部の形態が異なるので、経験が多い医療陣と言っても内視鏡挿入の過程が容易でないことがある。このような状況で、医療陣は、内視鏡を安全に挿入し、病変を探索するために神経を集中しなければならないので、内視鏡施術を繰り返し行う場合、医療陣の疲労度が非常に増加する。
【０００４】
したがって、医療陣の便宜性のために、内視鏡映像で病変を探索する技術が研究されている。特に、映像で多様な特徴を検出する客体認識モデルが内視鏡映像の分野にも活発に適用されている。客体認識人工ニューラルネットワークモデルは、客体があり得る領域を早く捜し出す領域提案（ＲｅｇｉｏｎＰｒｏｐｏｓａｌ）動作と、特定の物体に対してどの物体であるかを分類（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）する動作とを実行するように学習される。
【０００５】
一方、内視鏡映像は、狭い管形態の消化器の内部を撮影する環境の特性の上、内視鏡映像が多様な種類のノイズを含み、スコープの動きによってイメージの形態が大きく変わるという特徴がある。また、認識の対象となる病変の形態が非常に多様なので、これを検出する人工ニューラルネットワークモデルの敏感度及び正確度を高めることが難しい実情である。
【先行技術文献】
【特許文献】
【０００６】
韓国特許第１０－２３４４５８５号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００７】
本開示は前述した背景技術に対応して案出されたものであり、内視鏡映像が撮影される部位の特性及び病変の特性を考慮して人工ニューラルネットワークモデルの学習データを備えて内視鏡映像で病変を探知する方法及びこれを実行する人工ニューラルネットワークモデルを学習させる方法及びコンピューティング装置に関する。
【０００８】
ただし、本開示で解決しようとする課題は以上で言及した課題に限定されず、言及しなかった他の課題は下の記載から明らかに理解可能であろう。
【課題を解決するための手段】
【０００９】
前述したような課題を実現するための本開示の一実施例によって、コンピューティング装置によって行われる内視鏡映像で病変を探知する人工ニューラルネットワークモデルを学習させる方法が開示される。前記方法は、内視鏡映像が撮影される部位の特性及び病変の特性によって前記内視鏡映像に基づいて前記病変に対するラベルを含む学習データを生成する段階と、前記学習データに基づいて内視鏡映像で前記病変を探知するように人工ニューラルネットワークモデルを学習させる段階と、を含む。
【００１０】
代案として、前記学習データは、病変を含む病変学習データと病変を含まない正常学習データとを特定の割合で含み、前記病変の臨床的特性によって前記割合を決定することができる。
（【００１１】以降は省略されています）

関連特許