特開 2022-155770 画像識別プログラム、画像識別方法、画像識別装置および情報処理システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022155770

(43)【公開日】2022-10-14

(54)【発明の名称】画像識別プログラム、画像識別方法、画像識別装置および情報処理システム

(51)【国際特許分類】

   A61B 6/03 20060101AFI20221006BHJP

   G06T 7/00 20170101ALI20221006BHJP

   G06T 7/11 20170101ALI20221006BHJP

【ＦＩ】

A61B6/03 360J

G06T7/00 612

G06T7/11

G06T7/00 350B

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2021059162

(22)【出願日】2021-03-31

(71)【出願人】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】110002918

【氏名又は名称】特許業務法人扶桑国際特許事務所

(72)【発明者】

【氏名】宮▲崎▼ 信浩

(72)【発明者】

【氏名】武部 浩明

(72)【発明者】

【氏名】馬場 孝之

(72)【発明者】

【氏名】嶋田 雅彦

(72)【発明者】

【氏名】中川 真智子

(72)【発明者】

【氏名】岩村 尚

【テーマコード（参考）】

4C093

5L096

【Ｆターム（参考）】

4C093AA22

4C093CA35

4C093FD03

4C093FF16

4C093FF19

5L096BA13

5L096CA04

5L096FA02

5L096KA04

(57)【要約】

【課題】肺野領域の識別精度を向上させる。
【解決手段】画像識別装置１は、人体の胸部の断面を撮影した撮影画像１１のデータに基づいて肺野条件で生成された画像１２ａおよび縦隔条件で生成された画像１２ｂを取得し、画像１２ａと画像１２ｂとに基づいて撮影画像１１における肺野領域を識別する。肺野条件で生成された画像１２ａでは、陰影と胸壁についての画像上の特徴が似ていることから、肺野領域の境界付近に陰影が存在する場合に、その領域を誤って胸壁と判定することがある。一方、縦隔条件で生成された画像１２ｂでは肺野領域の境界を正確に識別しやすいので、画像１２ａ，１２ｂを両方用いることで、肺野領域の識別精度を向上させることができる。
【選択図】図１

【特許請求の範囲】

【請求項1】

コンピュータに、
人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、
前記第１の画像と前記第２の画像とに基づいて前記撮影画像における肺野領域を識別する、
処理を実行させる画像識別プログラム。

【請求項2】

前記肺野領域の識別は、あらかじめ生成された学習モデルを用いて実行され、
前記学習モデルは、人体の胸部の断面を撮影した複数の学習用撮影画像のデータのそれぞれに基づき、肺野条件で生成された画像と縦隔条件で生成された画像とを含む画像ペアを前記学習用撮影画像ごとに取得し、前記画像ペアのそれぞれを学習用データとして用い、前記画像ペアのそれぞれに対応する前記学習用撮影画像における肺野領域を示す情報を正解データとして用いて学習することによって生成される、
請求項１記載の画像識別プログラム。

【請求項3】

コンピュータが、
人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、
前記第１の画像と前記第２の画像とに基づいて前記撮影画像における肺野領域を識別する、
画像識別方法。

【請求項4】

人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、
前記第１の画像と前記第２の画像とに基づいて前記撮影画像における肺野領域を識別する、処理部、
を有する画像識別装置。

【請求項5】

人体の胸部の断面を撮影した複数の学習用撮影画像のデータのそれぞれに基づき、肺野条件で生成された画像と縦隔条件で生成された画像とを含む画像ペアを前記学習用撮影画像ごとに取得し、前記画像ペアのそれぞれを学習用データとして用い、前記画像ペアのそれぞれに対応する前記学習用撮影画像における肺野領域を示す情報を正解データとして用いた学習により、肺野領域を識別する学習モデルを生成する学習処理部と、
人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、前記第１の画像と前記第２の画像とを前記学習モデルに入力することで、前記撮影画像における肺野領域を識別する画像識別部と、
を有する情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、画像識別プログラム、画像識別方法、画像識別装置および情報処理システムに関する。

【背景技術】

【0002】

肺などの各種疾患の診断には、ＣＴ（Computed Tomography）画像などの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】

そのような支援技術の一例として、胸部のＣＴ画像から肺野領域を識別する技術がある。例えば、ＣＴ画像をＣＴ値により二値化して空気領域と軟部組織領域とに分け、空気領域に基づいてロスト肺野領域を抽出し、ロスト肺野領域も含めて肺野領域全体の抽出を行う抽出方法が提案されている。また、ＣＴ画像から二値化の基準値が異なる複数の二値化画像を生成し、これらの二値化画像に基づいて肺野に対応する領域を切り出す画像解析装置も提案されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００８－２５３２９３号公報

【特許文献2】国際公開第２０１９／１０２８２９号

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、ＣＴ画像には各種の生成方法が存在するが、その１つとして肺野条件による生成方法がある。肺野条件で生成されたＣＴ画像は、肺野領域内の病変や血管が強調表現されることから、肺疾患の診断において広く用いられている。

【0006】

しかし、肺野条件で生成されたＣＴ画像では、陰影と胸壁についての画像上の特徴が類似することから、陰影が肺野領域の境界付近に存在する場合に境界を正確に判別しにくい場合がある。このため、肺野条件で生成されたＣＴ画像からコンピュータ技術によって肺野領域を識別すると、肺野領域の境界を正確に識別できない場合があるという問題がある。

【0007】

１つの側面では、本発明は、肺野領域の識別精度が向上した画像識別プログラム、画像識別方法、画像識別装置および情報処理システ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】

【0008】

１つの案では、コンピュータに、人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、第１の画像と第２の画像とに基づいて撮影画像における肺野領域を識別する、処理を実行させる画像識別プログラムが提供される。

【0009】

また、１つの案では、上記の画像識別プログラムに基づく処理と同様の処理をコンピュータが実行する画像識別方法が提供される。
さらに、１つの案では、上記の画像識別プログラムに基づく処理と同様の処理を実行する画像識別装置が提供される。

【0010】

また、１つの案では、次のような学習処理部と画像識別部とを有する情報処理システムが提供される。この情報処理システムにおいて、学習処理部は、人体の胸部の断面を撮影した複数の学習用撮影画像のデータのそれぞれに基づき、肺野条件で生成された画像と縦隔条件で生成された画像とを含む画像ペアを学習用撮影画像ごとに取得し、画像ペアのそれぞれを学習用データとして用い、画像ペアのそれぞれに対応する学習用撮影画像における肺野領域を示す情報を正解データとして用いた学習により、肺野領域を識別する学習モデルを生成する。画像識別部は、人体の胸部の断面を撮影した撮影画像のデータに基づいて肺野条件で生成された第１の画像および縦隔条件で生成された第２の画像を取得し、第１の画像と第２の画像とを学習モデルに入力することで、撮影画像における肺野領域を識別する。

【発明の効果】

【0011】

１つの側面では、肺野領域の識別精度が向上する。

【図面の簡単な説明】

【0012】

【図1】第１の実施の形態に係る画像識別装置の構成例および処理例を示す図である。

【図2】第２の実施の形態に係る診断支援処理システムの構成例を示す図である。

【図3】画像識別装置のハードウェア構成例を示す図である。

【図4】ＣＴ画像の階調の調整方法を示す図である。

【図5】肺野領域識別処理の比較例を示す図である。

【図6】肺野条件で生成されたＣＴ画像を用いた場合の問題点を示す図である。

【図7】診断支援システムの各装置が備える処理機能の構成例を示す図である。

【図8】識別器の学習に用いられる学習データについて示す図である。

【図9】識別器の学習処理手順を示すフローチャートの例である。

【図10】肺野領域の識別処理について示す図である。

【図11】画像識別処理の手順を示すフローチャートの例である。

【発明を実施するための形態】

【0013】

以下、本発明の実施の形態について図面を参照して説明する。
〔第１の実施の形態〕
図１は、第１の実施の形態に係る画像識別装置の構成例および処理例を示す図である。図１に示す画像識別装置１は、人体の胸部を撮影した撮影画像１１から肺野領域を識別する情報処理装置である。本実施の形態では、例として、撮影画像１１は人体の胸部の断面を撮影して得られたスライス画像であるとする。

【0014】

この画像識別装置１は、処理部２を有する。処理部２は、例えば、プロセッサとして実現される。
処理部２は、撮影画像１１のデータに基づいて肺野条件で生成された画像１２ａと、撮影画像１１のデータに基づいて縦隔条件で生成された画像１２ｂとを取得する（ステップＳ１）。処理部２は、取得した画像１２ａ，１２ｂに基づいて、撮影画像１１における肺野領域を識別する（ステップＳ２）。図１では例として、肺野領域の識別結果として肺野識別画像１３を示している。肺野識別画像１３では、肺野領域が白色で表され、肺野外の領域が黒色で表されている。

【0015】

このような処理により、肺野領域の識別精度が向上する。特に、肺野領域の境界の識別精度を向上させることができる。
肺野条件で生成された画像では、陰影（特に浸潤影）と胸壁についての画像上の特徴が類似する場合がある。このため、肺野条件で生成された画像だけを用いて識別を行ったとすると、肺野領域の境界付近に陰影が存在する場合に、その領域を胸壁と区別できず、誤って肺野外の領域と識別してしまうことがある。

【0016】

一方、縦隔条件で生成された画像では、浸潤影と胸壁との間の胸膜が黒く表現されることから、肺野条件と比較して肺野領域の境界を正確に識別しやすい。そこで、上記の画像識別装置１は、肺野条件で生成された画像１２ａに加えて縦隔条件で生成された画像１２ｂも用いて、肺野領域を識別する。これにより、肺野領域の境界付近に陰影が存在する場合でも、その陰影を胸壁と誤って識別する可能性が低減される。その結果、肺野領域の境界を精度よく識別できるようになる。

【0017】

〔第２の実施の形態〕
図２は、第２の実施の形態に係る診断支援処理システムの構成例を示す図である。図２に示す診断支援システムは、ＣＴ撮影による画像診断を支援するシステムであり、学習処理装置１００、画像識別装置２００およびＣＴ装置３００を含む。なお、画像識別装置２００は、図１に示した画像識別装置１の一例である。

【0018】

ＣＴ装置３００は、人体のＸ線ＣＴ画像を撮影する。本実施の形態では、ＣＴ装置３００は、胸部領域におけるアキシャル断面のＣＴスライス画像を、人体の高さ方向（アキシャル断面に垂直な方向）に対する位置を所定間隔で変えながら所定枚数撮影する。

【0019】

画像識別装置２００は、ＣＴ装置３００によって撮影された各スライス画像から肺野領域を識別する。肺野領域の識別結果は、病変判定などの様々な診断支援のための利用可能である。

【0020】

学習処理装置１００は、画像識別装置２００による肺野領域の識別処理で利用される学習モデルを、機械学習によって生成する。学習処理装置１００によって生成された学習モデルのデータは、例えばネットワークを介して、あるいは可搬型の記録媒体を介して画像識別装置２００に読み込まれる。

【0021】

図３は、画像識別装置のハードウェア構成例を示す図である。画像識別装置２００は、例えば、図３に示すようなハードウェア構成のコンピュータとして実現される。図３に示すように、画像識別装置２００は、プロセッサ２０１、ＲＡＭ（Random Access Memory）２０２、ＨＤＤ（Hard Disk Drive）２０３、ＧＰＵ（Graphics Processing Unit）２０４、入力インタフェース（Ｉ／Ｆ）２０５、読み取り装置２０６および通信インタフェース（Ｉ／Ｆ）２０７を有する。

【0022】

プロセッサ２０１は、画像識別装置２００全体を統括的に制御する。プロセッサ２０１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）またはＰＬＤ（Programmable Logic Device）である。また、プロセッサ２０１は、ＣＰＵ、ＭＰＵ、ＤＳＰ、ＡＳＩＣ、ＰＬＤのうちの２以上の要素の組み合わせであってもよい。

【0023】

ＲＡＭ２０２は、画像識別装置２００の主記憶装置として使用される。ＲＡＭ２０２には、プロセッサ２０１に実行させるＯＳ（Operating System）プログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、ＲＡＭ２０２には、プロセッサ２０１による処理に必要な各種データが格納される。

【0024】

ＨＤＤ２０３は、画像識別装置２００の補助記憶装置として使用される。ＨＤＤ２０３には、ＯＳプログラム、アプリケーションプログラム、および各種データが格納される。なお、補助記憶装置としては、ＳＳＤ（Solid State Drive）などの他の種類の不揮発性記憶装置を使用することもできる。

【0025】

ＧＰＵ２０４には、表示装置２０４ａが接続されている。ＧＰＵ２０４は、プロセッサ２０１からの命令にしたがって、画像を表示装置２０４ａに表示させる。表示装置としては、液晶ディスプレイや有機ＥＬ（Electroluminescence）ディスプレイなどがある。

【0026】

入力インタフェース２０５には、入力装置２０５ａが接続されている。入力インタフェース２０５は、入力装置２０５ａから出力される信号をプロセッサ２０１に送信する。入力装置２０５ａとしては、キーボードやポインティングデバイスなどがある。ポインティングデバイスとしては、マウス、タッチパネル、タブレット、タッチパッド、トラックボールなどがある。

【0027】

読み取り装置２０６には、可搬型記録媒体２０６ａが脱着される。読み取り装置２０６は、可搬型記録媒体２０６ａに記録されたデータを読み取ってプロセッサ２０１に送信する。可搬型記録媒体２０６ａとしては、光ディスク、半導体メモリなどがある。

【0028】

通信インタフェース２０７は、ネットワークを介して、ＣＴ装置３００などの他の装置との間でデータの送受信を行う。
以上のようなハードウェア構成によって、画像識別装置２００の処理機能を実現することができる。なお、学習処理装置１００も、図３に示すようなハードウェア構成のコンピュータとして実現可能である。

【0029】

ところで、ＣＴ装置３００によって撮影された元のＣＴ撮影画像は、各画素がＣＴ値によって表現されている。このようなＣＴ撮影画像を各種の診断に活用する場合には、目的に応じて利用するＣＴ値の範囲を限定し、限定した範囲の中で白黒の濃淡を付けるように階調が調整される。

【0030】

図４は、ＣＴ画像の階調の調整方法を示す図である。図４に示すように、ＣＴ画像についての階調パラメータとしては、一般的にＷＷ（Window Width）とＷＬ（Window Level）とが用いられる。ＷＷは、画像表示に用いられるＣＴ値の範囲の大きさを決定する。ＷＬは、ＷＷが示す範囲の中央値を決定する。表示用の画像生成時においては、元のＣＴ撮影画像のＣＴ値のうち、ＷＷとＷＬとによって決定された利用範囲内のＣＴ値が、例えば２５６階調（０～２５５）の輝度値に割り当てられる。また、利用範囲外のＣＴ値はすべて０に変換される。これによって、白黒画像（グレースケール画像）が生成される。

【0031】

代表的な階調の設定条件として、肺野条件と縦隔条件がある。肺野条件では、例えばＷＬ＝－５５０～－７００，ＷＷ＝１０００～１５００に設定される。肺野条件で生成されたＣＴ画像では、肺野領域内に存在する血管や病変が強調して表現される。このため、一般的に肺疾患の診断には、肺の陰影を確認可能な肺野条件が用いられることが多い。縦隔条件では、例えばＷＬ＝２０～６０，ＷＷ＝３００～４００に設定される。縦隔条件で生成されたＣＴ画像では、心臓や食道などの臓器が集中している縦隔（両肺に挟まれた空間）が強調して表現される。

【0032】

次に、図５、図６を用いて、ＣＴ画像を用いた肺野領域識別処理の比較例について説明する。
図５は、肺野領域識別処理の比較例を示す図である。図５に示す比較例では、ＣＴ画像５１が肺野領域識別器５２に入力されることで、ＣＴ画像５１における肺野領域が特定される。図５の例では、肺野領域識別器５２により、ＣＴ画像５１の画素ごとに、右肺、左肺、肺野外のいずれの領域であるかが識別される。図５の肺野識別画像５３では、各画素がこれらのいずれの領域であるかを示す識別値を有している。また、肺野領域識別器５２は、例えば、多数のＣＴ画像を教師画像として用いた機械学習によって生成される。

【0033】

ここで、上記のように、肺疾患の診断では一般的に、肺野条件で生成されたＣＴ画像が用いられる。このため、図５のような肺野領域の識別時においても、入力されるＣＴ画像５１として肺野条件で生成されたＣＴ画像を用いることが考えられる。この場合、学習時に用いられる教師画像についても、肺野条件で生成されたＣＴ画像が用いられることになる。

【0034】

ところが、肺野条件で生成されたＣＴ画像を用いて識別を行うと、次の図６で説明するように、肺野領域の境界を正確に識別できない場合があるという問題がある。
図６は、肺野条件で生成されたＣＴ画像を用いた場合の問題点を示す図である。図６では、肺野条件で生成されたＣＴ画像６１を用いた識別処理によって得られた肺野識別画像６２の一例を示している。

【0035】

しかしながら、肺野条件で生成されたＣＴ画像では、陰影（特に浸潤影）と胸壁についての画像上の特徴が類似する場合がある。このため、肺野領域の境界付近に浸潤影が存在する場合には、その領域を胸壁と区別できず、誤って肺野外の領域と識別してしまうことがある。

【0036】

図６に示す肺野識別画像６２では、領域６３内の肺野の境界付近において、本来は浸潤影が写っている領域が、識別処理によって誤って肺野外の領域と識別されている。このように、肺野領域の識別器に対する入力画像やその学習のための教師画像として、肺野条件で生成されたＣＴ画像を用いた場合、浸潤影と胸壁とを正確に識別できず、その結果として肺野領域の境界の識別精度が低下するという問題がある。

【0037】

ここで、肺野領域の境界付近における浸潤影と胸壁とは、縦隔条件で生成されたＣＴ画像を用いた方が見分けやすいという医学的知見がある。縦隔条件で生成されたＣＴ画像では、浸潤影と胸壁との間の胸膜が黒く表現されることから、肺野条件と比較して肺野領域の境界を正確に識別可能である。

【0038】

そこで、本実施の形態に係る診断支援システムでは、肺野領域の識別器に対する入力画像やその学習のための教師画像として、肺野条件で生成されたＣＴ画像と縦隔条件で生成されたＣＴ画像の両方が用いられる。これにより、肺野領域の識別、特にその境界部分の識別を正確に実行できるようにする。

【0039】

図７は、診断支援システムの各装置が備える処理機能の構成例を示す図である。
まず、学習処理装置１００は、識別器学習部１１０と記憶部１２０を備える。
識別器学習部１１０の処理は、例えば、学習処理装置１００が備えるプロセッサが所定のプログラムを実行することで実現される。識別器学習部１１０は、複数の教師データセット１３０を学習データとして用いて、画像内の肺野領域を識別する識別器を学習する。後述するように、教師データセット１３０のそれぞれには、肺野条件で生成されたＣＴ画像、縦隔条件で生成されたＣＴ画像、および正解ラベル画像が含まれる。

【0040】

記憶部１２０は、学習処理装置１００が備える記憶装置の記憶領域として実現される。記憶部１２０には、識別器学習部１１０による学習によって生成された識別器を示す学習モデル１２１のデータが記憶される。例えば、ＣＮＮ（Convolutional Neural Network）を用いた深層学習が実行される場合、学習モデル１２１のデータとしては、モデルのネットワーク構造を示すデータやネットワーク上のノード間に設定される重み係数などが記憶される。

【0041】

一方、画像識別装置２００は、記憶部２１０、画像生成部２２０、肺野領域識別部２３０および病変判定部２４０を備える。
記憶部２１０は、ＲＡＭ１０２やＨＤＤ１０３などの画像識別装置２００が備える記憶装置の記憶領域として実現される。記憶部２１０には、学習処理装置１００によって生成された学習モデル１２１のデータが記憶される。学習モデル１２１のデータは、学習処理装置１００からネットワークや可搬型記録媒体を介して画像識別装置２００に入力され、記憶部２１０に格納される。

【0042】

画像生成部２２０、肺野領域識別部２３０および病変判定部２４０の処理は、例えば、プロセッサ２０１が所定のプログラムを実行することで実現される。また、これらの各処理機能は個別のプログラムによって実現されてもよい。例えば、画像生成部２２０の処理がＣＴ画像のビューアプログラムによって実現され、肺野領域識別部２３０および病変判定部２４０の処理が病変解析プログラムによって実現されてもよい。

【0043】

画像生成部２２０は、ＣＴ装置３００によって撮影対象者の胸部領域が撮影されたＣＴ撮影画像（スライス画像）を取得し、ＣＴ撮影画像を基に肺野条件によるＣＴ画像と縦隔条件によるＣＴ画像とを生成する。

【0044】

肺野領域識別部２３０は、学習モデル１２１によって表される識別器として動作する。肺野領域識別部２３０は、肺野条件で生成されたＣＴ画像と縦隔条件で生成されたＣＴ画像の入力を受けて、ＣＴ画像から肺野領域を識別する。

【0045】

病変判定部２４０は、肺野領域の識別結果を用いた処理機能の一例であり、ＣＴ画像における肺野領域の画像情報に基づいて病変の判定を行う。例えば、病変判定部２４０は、肺野条件で生成されたＣＴ画像における肺野領域内の画像から、所定の単位領域ごとに陰影の種別を識別する。

【0046】

図８は、識別器の学習に用いられる学習データについて示す図である。識別器の学習の際には、多数の教師データセット１３０が用意される。教師データセット１３０のそれぞれは、肺野条件で生成された教師画像１３１と、縦隔条件で生成された教師画像１３２と、正解ラベル画像１３３とを含む。教師画像１３１，１３２は、ともに元のＣＴ撮影画像に基づいて生成されたＣＴ画像であり、ともに同じ画素数を有する。正解ラベル画像１３３は、教師画像１３１，１３２と同じ画素数を有し、画素ごとに右肺、左肺、肺野外のいずれかを示すラベルが対応付けられている。

【0047】

識別器学習部１１０は、教師画像１３１，１３２を教師データとして、識別器を実現するネットワーク１１１に入力する。また、識別器学習部１１０は、例えば、正解ラベル画像１３３に基づいてラベル別の正解画像を生成する。図８に示す右肺画像１４１、左肺画像１４２、肺野外画像１４３は、このような正解画像の例である。右肺画像１４１は、正解ラベル画像１３３の画素のうち、右肺領域の画素の値を１とし、その他の画素の値を０としたものである。左肺画像１４２は、正解ラベル画像１３３の画素のうち、左肺領域の画素の値を１とし、その他の画素の値を０としたものである。肺野外画像１４３は、正解ラベル画像１３３の画素のうち、肺野外領域の画素の値を１とし、その他の画素の値を０としたものである。なお、図８では、右肺画像１４１、左肺画像１４２、肺野外画像１４３における画素値「０」の記載を省略している。

【0048】

識別器学習部１１０は、このような右肺画像１４１、左肺画像１４２、肺野外画像１４３を、ネットワーク１１１の出力層に対して正解ラベルとして与え、識別器の学習を行う。

【0049】

図９は、識別器の学習処理手順を示すフローチャートの例である。図９では例として、学習処理装置１００に対して、ＣＴ撮影画像と、これに対応する正解ラベル画像との画像ペアが複数組入力され、これらの画像ペアに基づいて学習処理装置１００において教師データセット１３０が生成されるものとする。

【0050】

識別器学習部１１０は、まず、ステップＳ１１～Ｓ１３の処理を、ＣＴ撮影画像のそれぞれについて実行する。
［ステップＳ１１］識別器学習部１１０は、ＣＴ撮影画像と、これに対応する正解ラベル画像とを取得する。前述のように、ＣＴ撮影画像には、画素ごとにＣＴ値が対応付けられている。また、正解ラベル画像には、画素ごとに右肺、左肺、肺野外のいずれかを示すラベルが対応付けられている。

【0051】

［ステップＳ１２］識別器学習部１１０は、ＣＴ撮影画像のデータに基づいて、肺野条件によるＣＴ画像と、縦隔条件によるＣＴ画像とを生成する。これにより、肺野条件および縦隔条件によりそれぞれ生成されたＣＴ画像と、正解ラベル画像とを含む教師データセット１３０が生成される。

【0052】

［ステップＳ１３］識別器学習部１１０は、さらに、正解ラベル画像に基づいてラベル別の正解画像（右肺画像、左肺画像、肺野外画像）を生成する。
［ステップＳ１４］識別器学習部１１０は、識別器のネットワーク（ＣＮＮ）を設定する。識別器学習部１１０は、設定されたネットワークに対し、教師データとして肺野条件および縦隔条件によりそれぞれ生成されたＣＴ画像を入力し、正解データとしてラベル別の正解画像を入力することにより、識別器の学習を実行する。

【0053】

［ステップＳ１５］識別器学習部１１０は、ステップＳ１４の学習によって生成された学習モデル１２１のデータを、記憶部１２０に格納する。この後、生成された学習モデル１２１のデータは、画像識別装置２００に受け渡されて、画像識別装置２００の記憶部２１０に格納される。

【0054】

以上の処理によれば、肺野条件で生成されたＣＴ画像と縦隔条件で生成されたＣＴ画像とを学習データとして用いた学習により、肺野領域を識別する識別器の学習モデル１２１が生成される。これにより、肺野領域を高精度に識別可能な識別器を生成することができる。特に、肺野領域の境界付近に浸潤影が存在する場合でも、浸潤影を胸壁と誤って識別せずに、肺野領域の境界を精度よく識別できるような識別器を生成可能になる。

【0055】

図１０は、肺野領域の識別処理について示す図である。識別処理の実行時には、ＣＴ装置３００によって撮影されたＣＴ撮影画像のデータに基づいて、肺野条件によるＣＴ画像２５１と縦隔条件によるＣＴ画像２５２が生成される。そして、生成されたＣＴ画像２５１，２５２が、学習モデル１２１に基づく識別器２３１に入力される。

【0056】

識別器２３１は、入力画像の画素ごとに、右肺である確率と、左肺である確率と、肺野外である確率とを算出する。図１０に示す画像２６１，２６２，２６３は、それぞれ画素ごとに右肺である確率、左肺である確率、肺野外である確率をプロットした画像である。なお、図１０では例として、画像２６１～２６３の画素のうち画素Ｐ１～Ｐ３についてのみ、算出された確率の値を記載している。

【0057】

肺野領域識別部２３０は、このような画像２６１～２６３（確率の配列）を基に、例えば、出力データとして右肺画像２７１、左肺画像２７２、肺野外画像２７３を生成する。右肺画像２７１は、右肺領域の画素の値が１に設定された画像であり、左肺画像２７２は、左肺領域の画素の値が１に設定された画像であり、肺野外画像２７３は、肺野外領域の画素の値が１に設定された画像である。

【0058】

すなわち、ある画素について、画像２６１～２６３のうち画像２６１での確率値が最大である場合には、右肺画像２７１の画素値が１に設定され、左肺画像２７２および肺野外画像２７３の画素値が０に設定される。また、画像２６１～２６３のうち画像２６２での確率値が最大である場合には、左肺画像２７２の画素値が１に設定され、右肺画像２７１および肺野外画像２７３の画素値が０に設定される。また、画像２６１～２６３のうち画像２６３での確率値が最大である場合には、肺野外画像２７３の画素値が１に設定され、右肺画像２７１および左肺画像２７２の画素値が０に設定される。

【0059】

なお、肺野領域識別部２３０はさらに、右肺画像２７１、左肺画像２７２、肺野外画像２７３に基づいて（または、画像２６１～２６３に基づいて）、画素ごとに右肺、左肺、肺野外のいずれかを示す識別値が対応付けられた肺野識別画像を生成して、出力データとして出力してもよい。

【0060】

図１１は、画像識別処理の手順を示すフローチャートの例である。
［ステップＳ２１］画像識別装置２００において、画像生成部２２０は、ＣＴ装置３００によって撮影されたＣＴ撮影画像を取得する。

【0061】

［ステップＳ２２］画像生成部２２０は、ＣＴ撮影画像のデータに基づいて、肺野条件によるＣＴ画像と、縦隔条件によるＣＴ画像とを生成する。
［ステップＳ２３］肺野領域識別部２３０は、記憶部２１０に記憶された学習モデル１２１に基づいて、肺野条件および縦隔条件でそれぞれ生成されたＣＴ画像から肺野領域を識別する。具体的には、前述のように、識別結果を示す情報として右肺画像、左肺画像、肺野外画像が生成される。あるいは、識別結果を示す情報として、肺野識別画像が生成されてもよい。

【0062】

［ステップＳ２４］病変判定部２４０は、肺野領域識別部２３０による識別結果に基づいて、所定の病変判定処理を実行する。例えば、肺野領域識別部２３０は、肺野条件で生成されたＣＴ画像を同一の大きさの単位領域に分割し、単位領域のうち、肺野領域に含まれる単位領域のそれぞれについて、陰影の種別を識別する。具体的な例としては、陰影の種別として、すりガラス影、浸潤影、蜂巣肺、肺気腫、その他の陰影のいずれであるかが識別される。

【0063】

以上の処理によれば、肺野条件で生成されたＣＴ画像と縦隔条件で生成されたＣＴ画像の両方が、入力画像として識別器に入力される。これにより、肺野領域の識別精度、特に、肺野領域の境界の識別精度を向上させることができる。例えば、肺野領域の境界付近に浸潤影が存在する場合でも、浸潤影を胸壁と誤って識別せずに、肺野領域の境界を精度よく識別できるようになる。

【0064】

なお、上記の第２の実施の形態では、識別器の学習処理機能と、学習結果を用いた識別器による識別処理機能とがそれぞれ別の情報処理装置に搭載されていたが、これらは同じ情報処理装置に搭載されていてもよい。例えば、図７に示した識別器学習部１１０が画像識別装置２００に搭載されていてもよい。

【0065】

なお、上記の各実施の形態に示した装置（例えば、画像識別装置１、学習処理装置１００、画像識別装置２００）の処理機能は、コンピュータによって実現することができる。その場合、各装置が有すべき機能の処理内容を記述したプログラムが提供され、そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、磁気記憶装置、光ディスク、半導体メモリなどがある。磁気記憶装置には、ハードディスク装置（ＨＤＤ）、磁気テープなどがある。光ディスクには、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク（Blu-ray Disc：ＢＤ、登録商標）などがある。

【0066】

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ、ＣＤなどの可搬型記録媒体が販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

【0067】

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムまたはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムにしたがった処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムにしたがった処理を実行することもできる。また、コンピュータは、ネットワークを介して接続されたサーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムにしたがった処理を実行することもできる。

【符号の説明】

【0068】

１ 画像識別装置
２ 処理部
１１ 撮影画像
１２ａ，１２ｂ 画像
１３ 肺野識別画像
Ｓ１，Ｓ２ ステップ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】