特許ウォッチ

公開番号2025106149
公報種別公開特許公報(A)
公開日2025-07-14
出願番号2024135513
出願日2024-08-15
発明の名称眼症状の検出装置及び検出方法
出願人宏碁智醫股ふん有限公司,國立臺灣大學醫學院附設醫院
代理人個人,個人,個人
主分類A61B 3/14 20060101AFI20250707BHJP(医学または獣医学;衛生学)
要約【課題】本発明は、眼症状の検出装置および検出方法を提供する。
【解決手段】本発明の眼症状の検出方法は、第1タグに対応する第1眼底画像を受信して、第1眼底画像の一部をマスキングしてマスキング眼底画像を生成すること、機械学習モデルに第1眼底画像を入力して第1予測結果を生成し、機械学習モデルにマスキング眼底画像を入力して第2予測結果を生成すること、第1予測結果、第2予測結果及び第1タグに基づいて機械学習モデルを更新して機械学習モデルをトレーニングすること、及び第2眼底画像を受信し、第2眼底画像をトレーニングされた機械学習モデルに入力し、眼症状の第3予測結果を生成して、第3予測結果を出力することを含む。
【選択図】図4
特許請求の範囲【請求項１】
送受信機と、
機械学習モデルが保存された記憶媒体と、
前記記憶媒体および前記送受信機に結合されるプロセッサと、を備え、
前記プロセッサは、
前記送受信機を介して第１タグに対応する第１眼底画像を受信して、前記第１眼底画像の一部をマスキングしてマスキング眼底画像を生成し、
前記機械学習モデルに前記第１眼底画像を入力して第１予測結果を生成して、前記機械学習モデルに前記マスキング眼底画像を入力して第２予測結果を生成し、
前記第１予測結果、前記第２予測結果および前記第１タグに基づいて前記機械学習モデルを更新して前記機械学習モデルをトレーニングし、
前記送受信機を介して第２眼底画像を受信して、トレーニングされた前記機械学習モデルに前記第２眼底画像を入力して眼症状の第３予測結果を生成し、前記送受信機を介して前記第３予測結果を出力することを実行するように構成される、
眼症状の検出装置。
続きを表示（約 1,100 文字）【請求項２】
前記プロセッサは、損失関数に基づいて前記機械学習モデルを更新することをさらに実行するように構成され、前記損失関数には、前記マスキング眼底画像と前記第１タグに関連付けられた第１関数及び前記マスキング眼底画像と前記第１眼底画像に関連付けられた第２関数の合計が含まれる、請求項１に記載の眼症状の検出装置。
【請求項３】
前記第１関数は、前記マスキング眼底画像の前記第２予測結果と前記第１タグとの間のバイナリクロスエントロピーを含む、請求項２に記載の眼症状の検出装置。
【請求項４】
前記第２関数は、前記マスキング眼底画像の前記第２予測結果と前記第１眼底画像の前記第１予測結果との間の平均二乗誤差と重みとの積を含む、請求項２に記載の眼症状の検出装置。
【請求項５】
前記機械学習モデルのトレーニングプロセスは、複数のインデックスにそれぞれ対応する複数の反復を含み、前記複数の反復のうちの第１反復は、前記複数のインデックスのうちの第１インデックスに従って前記重みを更新し、そのうち前記第１インデックスと前記第１反復とは対応すること、及び更新された前記重みに基づいて前記機械学習モデルを更新することを含む、請求項４に記載の眼症状の検出装置。
【請求項６】
前記重みと前記第１インデックスは比例する、請求項５に記載の眼症状の検出装置。
【請求項７】
前記機械学習モデルはディープニューラルネットワークを含む、請求項１に記載の眼症状の検出装置。
【請求項８】
前記ディープニューラルネットワークは特徴抽出ブロック、空間的注意力ブロック及び密集ブロックを含み、前記空間的注意力ブロックは前記特徴抽出ブロックと前記密集ブロックの間に位置する、請求項７に記載の眼症状の検出装置。
【請求項９】
前記プロセッサは、
前記第１眼底画像に対して前処理を実行して、前処理された前記第１眼底画像を前記機械学習モデルに入力して前記第１予測結果を生成すること、
前記マスキング眼底画像に対して前処理を実行して、前処理された前記マスキング眼底画像を前記機械学習モデルに入力して前記第２予測結果を生成すること、をさらに実行するように構成される、請求項１に記載の眼症状の検出装置。
【請求項１０】
前記プロセッサは、プリセット領域に基づいて前記第１眼底画像の一部をマスキングして前記マスキング眼底画像を生成することをさらに実行するように構成される、請求項１に記載の眼症状の検出装置。
（【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、画像データ処理技術に関し、特に眼症状検出装置および検出方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
人工知能（ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）モデルを使用して眼底画像（ｆｕｎｄｕｓｉｍａｇｅ）の検査を支援することは、近年、スマート医療分野の応用と発展において注目されている項目である。人工知能モデルは入力された眼底画像を分析して、被験者の目に疾患があるかどうかを検査できる。一般的に、人工知能モデルの入力データは眼底画像全体である。しかし、実務的に、医師が眼底画像を検査するときには眼底画像全体を見るのではなく、眼底画像の特定の部分だけを観察して、被験者の目に疾患があるかどうかを判断する。たとえば、近視性黄斑変性症（ｍｙｏｐｉｃＭａｃｕｌａｒｄｅｇｅｎｅｒａｔｉｏｎ，ＭＭＤ）の場合、医師は眼底画像の黄斑部領域により、被験者に脈絡膜新生血管（ｃｈｏｒｏｉｄａｌｎｅｏｖａｓｃｕｌａｒｉｚａｔｉｏｎ，ＣＮＶ）を患っているかを判断する。これより黄斑部領域以外の画像は人工知能モデルの判定結果に悪影響を与える可能性があることがわかる。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
本発明は、医師が眼底画像に基づいて被験者が眼部疾患に罹患している危険性があるかどうかを判定するのを支援できる眼症状の検出装置および検出方法を提供する。
【課題を解決するための手段】
【０００４】
本発明の眼症状の検出装置は、プロセッサ、記憶媒体、送受信機を備える。記憶媒体には機械学習モデルが保存される。プロセッサは記憶媒体および送受信機に結合され、送受信機を介して第１タグに対応する第１眼底画像を受信して、第１眼底画像の一部をマスキングしてマスキング眼底画像を生成し、機械学習モデルに第１眼底画像を入力して第１予測結果を生成して、機械学習モデルにマスキング眼底画像を入力して第２予測結果を生成し、第１予測結果、第２予測結果、および第１タグに基づいて機械学習モデルを更新して機械学習モデルをトレーニングし、また送受信機を介して第２眼底画像を受信して、トレーニングされた機械学習モデルに第２眼底画像を入力して眼症状の第３予測結果を生成し、送受信機を介して第３予測結果を出力することを実行するように構成される。
【０００５】
本発明の一実施形態では、前記プロセッサは、損失関数に基づいて機械学習モデルを更新することを実行するように構成され、そのうち損失関数には、マスキング眼底画像と第１タグに関連付けられた第１関数及びマスキング眼底画像と第１眼底画像に関連付けられた第２関数の合計が含まれる。
【０００６】
本発明の一実施形態では、前記第１関数は、マスキング眼底画像の第２予測結果と第１タグとの間のバイナリクロスエントロピーを含む。
【０００７】
本発明の一実施形態では、前記第２関数は、マスキング眼底画像の第２予測結果と第１眼底画像の第１予測結果との間の平均二乗誤差と重みとの積を含む。
【０００８】
本発明の一実施形態では、前記機械学習モデルのトレーニングプロセスは、複数のインデックスにそれぞれ対応する複数の反復を含み、複数の反復のうちの第１反復は、複数のインデックスのうちの第１インデックスに従って重みを更新し、そのうち第１インデックスと第１反復とは対応すること、及び更新された重みに基づいて機械学習モデルを更新することを含む。
【０００９】
本発明の一実施形態では、前記重みと第１インデックスは比例する。
【００１０】
本発明の一実施形態では、前記機械学習モデルはディープニューラルネットワークを含む。
（【００１１】以降は省略されています）

関連特許