特許ウォッチ

公開番号2025106758
公報種別公開特許公報(A)
公開日2025-07-16
出願番号2024000354
出願日2024-01-04
発明の名称ラベル生成方法及び装置、学習済みモデル生成方法、機械学習装置、画像処理方法及び装置、並びにプログラム
出願人富士フイルム株式会社
代理人個人,個人,個人,個人,個人
主分類G16H 50/20 20180101AFI20250709BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】医用画像における疾患の位置及び重症度に沿った確信度の情報を提供するためのラベル生成方法及び装置、学習済みモデル生成方法、機械学習装置、画像処理方法及び装置、並びにプログラムを提供する。
【解決手段】1つ以上の第1プロセッサが、第1医用画像から第1分割単位で1つ以上の疾患の候補位置を取得するステップと、疾患の位置が不定な、又は疾患の位置が第2分割単位で特定される診断情報を取得するステップと、診断情報を疾患の重症度に応じた確信度ラベルに変換するステップと、第1医用画像から取得された疾患の候補位置に対して確信度ラベルに応じた疾患の確信度を対応付けるステップと、対応付けによって生成された疾患の位置及び確信度の正解ラベルを取得するステップと、を実行する。
【選択図】図3
特許請求の範囲【請求項１】
１つ以上の第１プロセッサが、
第１医用画像から第１分割単位で１つ以上の疾患の候補位置を取得するステップと、
前記第１医用画像に対する診断情報であって、前記疾患の位置が不定な、又は前記疾患の位置が第２分割単位で特定される前記診断情報を取得するステップと、
前記診断情報を前記疾患の重症度に応じた確信度ラベルに変換するステップと、
前記第１医用画像から取得された前記疾患の候補位置に対して前記確信度ラベルに応じた前記疾患の確信度を対応付けるステップと、
前記対応付けによって生成された前記第１医用画像に対する前記疾患の位置及び確信度の正解ラベルを取得するステップと、
を実行する、ラベル生成方法。
続きを表示（約 1,400 文字）【請求項２】
前記正解ラベルを取得するステップでは、
前記１つ以上の前記第１プロセッサが、前記第１分割単位又は前記第２分割単位で前記疾患の位置及び前記確信度の前記正解ラベルを取得する、
請求項１に記載のラベル生成方法。
【請求項３】
前記１つ以上の前記第１プロセッサが、
前記第１医用画像から解剖構造情報を取得するステップを更に実行し、
前記疾患の候補位置に対して前記疾患の確信度を対応付けるステップでは、
前記疾患の位置が、前記解剖構造情報から特定される所望の解剖構造内に位置するよう制約する、
請求項１に記載のラベル生成方法。
【請求項４】
前記診断情報は、３次元検査画像であって、
前記診断情報を前記確信度ラベルに変換するステップは、
前記３次元検査画像から解剖構造を認識するステップと、
前記３次元検査画像から疾患の位置を認識するステップと、
前記認識した前記解剖構造及び前記疾患の位置から、前記解剖構造ごとに前記疾患の前記確信度ラベルを算出するステップと、を含む、
請求項１に記載のラベル生成方法。
【請求項５】
前記診断情報は、喀痰検査の検査結果を含む喀痰検査情報であって、
前記診断情報を前記疾患の確信度ラベルに変換するステップは、
前記喀痰検査において集菌された菌量に基づいて前記疾患の確信度ラベルを算出するステップを含む、
請求項１に記載のラベル生成方法。
【請求項６】
前記１つ以上の前記疾患の候補位置を取得するステップでは、
事前学習済みの第１機械学習モデルを用いて前記疾患の顕著性マップを算出する、
請求項１に記載のラベル生成方法。
【請求項７】
前記疾患の候補位置に対して前記疾患の確信度を対応付けるステップでは、
前記顕著性マップの値により前記確信度ラベルに重み付けする、
請求項６に記載のラベル生成方法。
【請求項８】
前記診断情報は、前記疾患の位置が前記第２分割単位で特定される情報であり、
前記１つ以上の前記第１プロセッサが、
前記第１医用画像から第３分割単位で解剖構造情報を取得するステップと、
前記第１分割単位の前記疾患の候補位置を前記第３分割単位の前記疾患の候補位置に変換するステップと、
前記診断情報から変換された前記第２分割単位の確信度ラベルを前記第３分割単位の確信度ラベルに変換するステップと、を更に実行し、
前記疾患の候補位置に対して前記疾患の確信度を対応付けるステップでは、前記第３分割単位の前記疾患の候補位置に対して前記第３分割単位の確信度ラベルに応じた前記疾患の確信度を対応付けし、
前記正解ラベルを取得するステップでは、前記第３分割単位で前記疾患の位置及び確信度の正解ラベルを取得する、
請求項１に記載のラベル生成方法。
【請求項９】
前記第１医用画像は、胸部Ｘ線画像、コンピュータ断層撮影画像、又は磁気共鳴画像である、
請求項１に記載のラベル生成方法。
【請求項１０】
前記疾患として、胸水、気胸、及び肺結核のうち少なくとも１つを対象とする、
請求項１に記載のラベル生成方法。
（【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、ラベル生成方法及び装置、学習済みモデル生成方法、機械学習装置、画像処理方法及び装置、並びにプログラムに係り、特に、医用画像診断支援に寄与する情報処理技術に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
特許文献１には、ニューラルネットワークを用いた消化器官の内視鏡画像による疾患の診断支援方法が記載されている。特許文献１に記載の方法は、消化器官の第１の内視鏡画像と、第１の内視鏡画像に対応する、消化器官の疾患の陽性若しくは陰性、過去の疾患、重症度のレベル、又は、撮像された部位に対応する情報の少なくとも１つの確定診断結果と、を用いてニューラルネットワークを訓練し、訓練されたニューラルネットワークは、消化器官の第２の内視鏡画像に基いて、当該消化器官の疾患の陽性及び／又は陰性の確率、過去の疾患の確率、疾患の重症度のレベル、又は、撮像された部位に対応する情報の少なくとも１つを出力することを特徴とする。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０１８／２２５４４８号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
［課題１：疾患の重症度を推定する重要性］
機械学習を用いて医用画像から疾患の位置を推定する場合、一般に専門医が医用画像に対して疾患の有無や位置をアノテーションした訓練データ（学習データ）を用いる。この訓練データを用いて訓練された機械学習モデルは、入力された画像から疾患の位置及びその確信度を推定するが、この場合の確信度は疾患の重症度に沿ったものではなく、疾患種類別の各疾患パターンの出現頻度に依存することが多い。例えば、胸部Ｘ線画像から胸水を検出するモデルの場合、少量の胸水でも、典型的な例では確信度のスコアが高くなる。
【０００５】
そのため、このようなモデルを用いて疾患の位置と確信度とを含めて医師に提供するような読影支援システムにおいては、重症度が低い（軽度の）疾患の位置を確信度が高い情報として提供することになり、疾患の重症度（グレーディング）を重視する医師の直感にそぐわない情報を提供することになる。かかる課題に対して、できる限り医師の直感に合った診断支援情報を提供するシステムが望まれる。
【０００６】
［課題２：疾患の重症度を示す情報と疾患位置の情報とを組み合わせる重要性］
疾患の重症度を重視する医師の直感的な理解に適合するよう、疾患の重症度に沿った確信度の情報を提供し得る読影支援システムを実現するために、機械学習を用いて医用画像から疾患の位置及び重症度に沿った確信度を推定する機械学習モデルを生成することが考えられる。このような、機械学習モデルを生成するには、訓練用の医用画像と、その医用画像における疾患の位置及び確信度の正解を示すラベルのデータ、すなわち、正解データと、のペアのデータを多数組用意する必要がある。
【０００７】
疾患の重症度に応じた確信度の正解ラベルを生成する場合に、疾患の重症度を示す情報として診断情報を利用することが考えられる。診断情報は、確定診断検査によって得られる情報（以後、確定診断検査情報と称する。）を含む。特許文献１では、第１の内視鏡画像に対する確定診断結果である重症度のレベルを用いてニューラルネットワークを訓練することを述べているが、特許文献１における確定診断結果は、「咽頭」や「食道」などの解剖学的な撮影部位の情報が含まれるデータであることが前提である。
【０００８】
しかしながら、診断情報の中には疾患位置が明示されていないデータも存在する。例えば、喀痰検査情報は、肺内から排出された総菌量を計測した計測値であるため、肺のどこに（どの位置に）疾患が存在するかまでは特定できない。このような疾患位置が不定なデータを用いて学習した場合の機械学習モデルは、疾患の重症度を推定することは可能であるが、その疾患の位置までを同定するのは容易でない。診断情報のうち、疾患位置が不定なデータについては、特許文献１の技術を適用することができない。
【０００９】
あるいはまた、疾患位置が記録されている診断情報の場合であっても、その位置情報の領域分割粒度が所望の粒度ではないデータがあり得る。例えば、診断情報として、臓器の部位の名称など、解剖構造による領域分割の単位で疾患の位置が記録されているデータが存在する一方で、機械学習モデルによって実現したいタスクは、入力された医用画像から画素単位で疾患の位置と確信度を推定する処理であり、位置の領域分割粒度が異なる場合があり得る。このような場合においても、特許文献１の技術を適用することはできず、目標のタスクを実現する機械学習モデルを生成することが困難である。
【００１０】
本開示はこのような事情に鑑みてなされたものであり、医用画像における疾患の位置及び重症度に応じた確信度を機械学習させ、できる限り医師の直感に合った情報を提供することを目的の１つとする。この目的に関連して、本開示は医用画像から疾患の位置及び重症度に応じた確信度を推定する機械学習モデルの生成に寄与し得る正解ラベルを効率的に生成できるラベル生成方法及び装置並びにプログラムを提供することを目的の１つとする。
（【００１１】以降は省略されています）

関連特許