特許ウォッチ

公開番号2025087996
公報種別公開特許公報(A)
公開日2025-06-11
出願番号2023202369
出願日2023-11-30
発明の名称医用画像の自動選別方法、装置、コンピュータ可読記憶媒体及びプログラム
出願人MedBank株式会社
代理人個人
主分類G06N 20/00 20190101AFI20250604BHJP(計算;計数)
要約【課題】人的要因により、診断に最適な医用画像が選別されないという弊害を回避し、医療従事者の過労に起因する人的要因による見逃し率を低減し、医療従事者の煩雑で反復的な医用画像の診断及び分析作業を軽減する医用画像の自動選別方法、装置、コンピュータ可読記憶媒体及びプログラムを提供する。
【解決手段】方法は、各医用画像が病巣画像情報を含む医用画像セットを取得するステップと、医用画像セットを分類モデルに入力し、分類モデルに基づいて、医用画像セットにおける各医用画像内の病巣の対象カテゴリ及び上記病巣が対象カテゴリに属する確率を表すカテゴリスコアを確定するステップと、医用画像セットにおける各医用画像のカテゴリスコアに基づいて、医用画像セットから対象医用画像を選別するステップと、を含む。
【選択図】図2
特許請求の範囲【請求項１】
医用画像機器に適用され、
各医用画像が病巣画像情報を含む医用画像セットを取得するステップと、
前記医用画像セットを分類モデルに入力し、前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及び前記病巣が対象カテゴリに属する確率を表すカテゴリスコアを確定するステップと、
前記医用画像セットにおける各医用画像のカテゴリスコアに基づいて、前記医用画像セットから対象医用画像を選別するステップと、を含む、ことを特徴とする医用画像の自動選別方法。
続きを表示（約 1,400 文字）【請求項２】
前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及びカテゴリスコアを確定するステップは、
前記分類モデルに基づいて、前記医用画像内の病巣の位置及び範囲を表す病巣提示情報を前記医用画像に表示するステップと、
前記病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを確定するステップと、を含む、ことを特徴とする請求項１に記載の方法。
【請求項３】
前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及びカテゴリスコアを確定するステップは、
Ｓ字型成長曲線に基づいて、前記病巣の対象カテゴリをスコアリングして、前記病巣のカテゴリスコアを生成するステップを含む、ことを特徴とする請求項１又は２に記載の方法。
【請求項４】
１つ又は複数の病巣提示情報ならびに前記１つ又は複数の病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを前記医用画像に表示する、ことを特徴とする請求項３に記載の方法。
【請求項５】
前記分類モデルは、
病巣カテゴリ及び病巣属性がアノテーションされた複数枚の医用画像を含む訓練セットを取得し、
前記訓練セットを用いて、前記医用画像に病巣情報が含まれているか否かを検出する病巣検出モデルを訓練するという方式で得られる、ことを特徴とする請求項１に記載の方法。
【請求項６】
医用画像機器に適用され、
各医用画像が病巣画像情報を含む医用画像セットを取得する取得モジュールと、
前記医用画像セットを分類モデルに入力し、前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及び前記病巣が対象カテゴリに属する確率を表すカテゴリスコアを確定する入力モジュールと、
前記医用画像セットにおける各医用画像のカテゴリスコアに基づいて、前記医用画像セットから対象医用画像を選別する選別モジュールと、を含む、ことを特徴とする医用画像の自動選別装置。
【請求項７】
前記取得モジュールは、具体的には、前記分類モデルに基づいて、前記医用画像内の病巣の位置及び範囲を表す病巣提示情報を前記医用画像に表示し、前記病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを確定する、ことを特徴とする請求項６に記載の装置。
【請求項８】
前記取得モジュールは、具体的には、Ｓ字型成長曲線に基づいて、前記病巣の対象カテゴリをスコアリングして、前記病巣のカテゴリスコアを生成する、ことを特徴とする請求項６又は７に記載の装置。
【請求項９】
１つ又は複数の病巣提示情報ならびに前記１つ又は複数の病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを前記医用画像に表示する、ことを特徴とする請求項８に記載の装置。
【請求項１０】
前記分類モデルは、病巣カテゴリ及び病巣属性がアノテーションされた複数枚の医用画像を含む訓練セットを取得し、前記訓練セットを用いて、前記医用画像に病巣情報が含まれているか否かを検出する病巣検出モデルを訓練するという方式で得られる、ことを特徴とする請求項６に記載の装置。
（【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、医用画像機器の分野に関し、具体的には、医用画像の自動選別方法、装置、コンピュータ可読記憶媒体及びプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
社会の高齢化傾向の加速、重大な疾患の発症率の上昇に伴い、医療検査の品質及びカバーする領域については、臨床上、より高度な要求がなされている。医用画像機器は、非侵襲で、適用性が広く、診断が速く、正確性が高いなどの特徴により、臨床医学の優先的な疾患検査手段となっている。医療資源の不均一な割り当て、関連人材の不足などの要因により、医療機関は、診断効率及び精度を向上させるために、機器のインテリジェント化による機能拡張を緊急に必要としている。
【０００３】
現在、医用画像の選別は完全に手動で行われており、所要時間が長く、主観性が強く、見逃し率が高く、画像診断医が多くの人力と物的資源を反復的な作業に費やしている。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来技術に存在する上記課題を解決するため、本発明は、医用画像の自動選別方法、装置、コンピュータ可読記憶媒体及びプログラムを提供する。
【課題を解決するための手段】
【０００５】
本発明の第１態様に係る医用画像の自動選別方法は、医用画像機器に適用され、各医用画像が病巣画像情報を含む医用画像セットを取得するステップと、前記医用画像セットを分類モデルに入力し、前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及び前記病巣が対象カテゴリに属する確率を表すカテゴリスコアを確定するステップと、前記医用画像セットにおける各医用画像のカテゴリスコアに基づいて、前記医用画像セットから対象医用画像を選別するステップと、を含む。
【０００６】
本発明の第２態様に係る自動選別方法は、前記第一態様において、前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及びカテゴリスコアを確定するステップは、前記分類モデルに基づいて、前記医用画像内の病巣の位置及び範囲を表す病巣提示情報を前記医用画像に表示するステップと、前記病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを確定するステップと、を含む。
【０００７】
本発明の第３態様に係る自動選別方法は、前記第１又は第２態様において、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及びカテゴリスコアを確定するステップは、Ｓ字型成長曲線に基づいて、前記病巣の対象カテゴリをスコアリングして、前記病巣のカテゴリスコアを生成するステップを含む。
【０００８】
本発明の第４態様に係る自動選別方法は、前記第１～第３態様のいずれかにおいて、前記医用画像には、１つ又は複数の病巣提示情報ならびに前記１つ又は複数の病巣提示情報が示す病巣の対象カテゴリ及びカテゴリスコアを表示する。
【０００９】
本発明の第５態様に係る自動選別方法は、前記第１～第４態様のいずれかにおいて、前記分類モデルは、病巣カテゴリ及び病巣属性がアノテーションされた複数枚の医用画像を含む訓練セットを取得し、前記訓練セットを用いて、前記医用画像に病巣情報が含まれているか否かを検出する病巣検出モデルを訓練するという方式で得られる。
【００１０】
本発明の第６態様に係る医用画像の自動選別装置は、医用画像機器に適用され、各医用画像が病巣画像情報を含む医用画像セットを取得する取得モジュールと、前記医用画像セットを分類モデルに入力し、前記分類モデルに基づいて、前記医用画像セットにおける各医用画像内の病巣の対象カテゴリ及び前記病巣が対象カテゴリに属する確率を表すカテゴリスコアを確定する入力モジュールと、前記医用画像セットにおける各医用画像のカテゴリスコアに基づいて、前記医用画像セットから対象医用画像を選別する選別モジュールと、を含む。
（【００１１】以降は省略されています）

関連特許