特開 2023-120982 血液量推定装置、血液量推定方法、血液量推定プログラム

(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】P2023120982

(43)【公開日】2023-08-30

(54)【発明の名称】血液量推定装置、血液量推定方法、血液量推定プログラム

(51)【国際特許分類】

   G01N 33/49 20060101AFI20230823BHJP

   G01N 33/48 20060101ALI20230823BHJP

   G01N 1/10 20060101ALI20230823BHJP

【ＦＩ】

G01N33/49 K

G01N33/48 S

G01N1/10 V

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022024151

(22)【出願日】2022-02-18

(71)【出願人】

【識別番号】509152079

【氏名又は名称】株式会社ヘルスケアシステムズ

(74)【代理人】

【識別番号】100187322

【弁理士】

【氏名又は名称】前川 直輝

(72)【発明者】

【氏名】林 雅大

(72)【発明者】

【氏名】木村 奈穂子

(72)【発明者】

【氏名】山岸（西脇） 奈菜子

【テーマコード（参考）】

2G045

2G052

【Ｆターム（参考）】

2G045BB31

2G045BB48

2G045CA25

2G045FA19

2G045GC13

2G045HA06

2G052AA30

2G052BA22

2G052GA11

2G052HA02

2G052HC45

(57)【要約】      （修正有）

【課題】種々の要因を加味してより正確に血液量を推定することができる血液量推定装置、血液量推定方法、血液量推定プログラムを提供すること。
【解決手段】濾紙Ｆに血液Ｂが滴下された濾紙血の濾紙血画像Ｉを取得する画像取得部１１と、濾紙血画像Ｉから当該画像に写る血液の血液量を推定することを学習した学習済モデルにより、画像取得部１１にて取得した濾紙血画像Ｉに写る血液Ｂの血液量を推定する血液量推定部１３と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

基材に血液が滴下された血液検体の画像データを取得する画像取得部と、
血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得部にて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定部と、
を備える血液量推定装置。

【請求項2】

前記画像取得部は、血液検体の表面及び裏面それぞれの画像データを取得し、
前記血液量推定部は、血液検体の表面及び裏面それぞれの画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得部にて取得した前記血液検体の表面及び裏面それぞれの画像データに応じた血液量を推定する、
請求項１に記載の血液量推定装置。

【請求項3】

さらに、前記画像取得部にて取得した前記血液検体の画像データをＨＳＶ形式に変換し、ＨＳＶ形式の属性パラメータを含む画像データを生成する画像処理部を備え、
前記血液量推定部は、血液検体のＨＳＶ形式の属性パラメータを含む画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得部にて取得した前記血液検体の画像データから前記画像処理部により生成されたＨＳＶ形式の属性パラメータを含む画像データに応じた血液量を推定する血液量推定部と、
請求項１又は２に記載の血液量推定装置。

【請求項4】

前記画像処理部は、前記ＨＳＶ形式の属性パラメータを含む画像データとして、Ｈ値、Ｓ値、Ｖ値の属性パラメータのうち少なくともいずれか１つを所定の値に調整した画像データを生成する請求項３に記載の血液量推定装置。

【請求項5】

前記画像処理部は、前記ＨＳＶ形式の属性パラメータを含む画像データとして、Ｈ値、Ｓ値、Ｖ値の属性パラメータのうち少なくともいずれか１つを、第１の値に調整した画像データと、前記第１の値と異なる第２の値に調整した画像データと、を生成する請求項３に記載の血液量推定装置。

【請求項6】

コンピュータが、
基材に血液が滴下された血液検体の画像データを取得する画像取得ステップと、
血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得ステップにて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定ステップと、
を実行する血液量推定方法。

【請求項7】

基材に血液が滴下された血液検体の画像データを取得する画像取得ステップと、
血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得ステップにて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定ステップと、
をコンピュータに実行させるための血液量推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、濾紙等の基材に滴下された血液の量を推定する血液量推定装置、血液量推定方法、血液量推定プログラムに関する。

【背景技術】

【0002】

疾患のスクリーニングや診断を行うため、濾紙に血液を滴下して乾燥させた検体を用いる手法がある。濾紙血は、試料としての安定性が高く、飛散の可能性がなく、保管や輸送の点で有用である。例えば、被検者が検査キットを用いて自ら採血した濾紙血を、検査業者に郵送して検査結果を得る、いわゆる郵送検査サービスも行われている。

【0003】

一方で、濾紙に滴下される血液の量は一定ではなく、濾紙血から血液量を正確に測定するのは困難である。そこで、濾紙血（血液サンプル）を撮影した画像から、血液サンプルの被覆率又は被覆面積の近似値を検量線と比較して、濾紙血の容積を推定する方法が知られている（特許文献１参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特表２０１８－５１４７５６号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、血液は、被検者の体質や体調、採血のやり方によって血液の性質（例えば被検者からの血の出方、血液の粘度、血液の色等）が異なり、そのような血液の性質に応じて濾紙上の血液の拡がり方や染み込み度合いは変化する。また、画像の撮影環境によっても濾紙上の血液の見え方は変化する。このような種々の要因から濾紙血を撮影した画像における血液サンプルの被覆率又は被覆面積と血液量は必ずしも相関しないという問題がある。従って、これら種々の要因も加味して、より正確に血液量を推定できる手法が望まれている。

【0006】

そこで本発明の目的とするところは、種々の要因を加味してより正確に血液量を推定することができる血液量推定装置、血液量推定方法、血液量推定プログラムを提供することにある。

【課題を解決するための手段】

【0007】

上記した目的を達成するために、本開示に係る血液量推定装置は、基材に血液が滴下された血液検体の画像データを取得する画像取得部と、血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得部にて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定部と、を備える。

【0008】

また、上記した目的を達成するために、本開示に係る血液量推定方法は、コンピュータが、基材に血液が滴下された血液検体の画像データを取得する画像取得ステップと、血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得ステップにて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定ステップと、を実行する。

【0009】

また、上記した目的を達成するために、本開示に係る血液量推定プログラムは、基材に血液が滴下された血液検体の画像データを取得する画像取得ステップと、血液検体の画像データから当該血液検体の血液量を推定することを学習した学習済モデルにより、前記画像取得ステップにて取得した前記血液検体の画像データに応じた血液量を推定する血液量推定ステップと、をコンピュータに実行させるための血液量推定プログラムである。

【発明の効果】

【0010】

上記手段を用いる本開示の装置、方法、及びプログラムによれば、種々の要因を加味してより正確に血液量を推定することができる。

【図面の簡単な説明】

【0011】

【図1】本発明の一実施形態に係る血液量推定システムの概略構成図である。

【図2】血液量推定装置により実行される血液量推定処理の流れを示したフローチャートである。

【図3】画像処理部により実行される画像処理の流れを示したフローチャートである。

【発明を実施するための形態】

【0012】

以下、本発明の一実施形態を図面に基づき説明する。図１は本発明の一実施形態に係る血液量推定システムの概略構成図であり、同図に基づき本実施形態の構成について説明する。

【0013】

図１に示すように、本実施形態に係る血液量推定システム１は、撮影装置２、血液量推定装置３と、を有している。血液量推定システム１は、撮影装置２により濾紙血を撮影した濾紙血画像から、血液量推定装置３が当該画像に写る血液の量（以下、血液量という）を推定するシステムである。本実施形態において、濾紙血とは、例えば被検者の血液を基材である濾紙に滴下して乾燥させた血液検体である。被検者からの採血は、医療従事者が行っても、被検者が検査キットを用いて自ら行ってもよい。濾紙血は、血液量推定装置３を管理する検査業者に、例えば郵送により送られてくる。

【0014】

撮影装置２は、濾紙血の画像を撮影可能な機器であり、例えばカメラ又はスキャナ等の光学機器や、光学機器が搭載されたパーソナルコンピュータ（以下、ＰＣという）や、スマートフォン、タブレットＰＣ、及び携帯電話のような情報端末である。撮影装置２は、有線、無線、又はインターネット、ＶＰＮ（Virtual Private Network）等の通信網を介して、相互に通信可能に血液量推定装置３と接続されている。

【0015】

本実施形態の撮影装置２は、図１に例を示すように、濾紙血画像Ｉとして、濾紙Ｆの表面の濾紙表面画像Ｉａ及び濾紙Ｆの裏面の濾紙裏面画像Ｉｂを撮影する。なお、血液Ｂが滴下される面が濾紙Ｆの表面であり、表面から染み込んだ血液が裏面に現れる。

【0016】

撮影装置２は撮影した濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂを濾紙血画像Ｉの画像データとして血液量推定装置３に出力可能である。本実施形態の撮影装置２により撮影された濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂの色設定は例えばＲＧＢ形式であるものとして説明するが、濾紙血画像の色設定はこれに限られるものではない。なお、画像データとは、画像そのものに加えて、各種パラメータ等の情報を含むデータである。また、撮影装置２から血液量推定装置３への画像データの出力手段は、有線又は無線による通信であってもよいし、インターネット等の通信網を介した通信であってもよい。

【0017】

血液量推定装置３は、プログラムに基づき濾紙血画像Ｉから血液量の推定処理を実行する１又は複数のコンピュータを有してたＰＣやサーバである。なお血液量推定装置３は、スマートフォン、タブレットＰＣ、及び携帯電話のような情報端末であってもよい。血液量推定装置３は、機能として、画像取得部１１、画像処理部１２、血液量推定部１３、表示部１４を有している。また血液量推定装置３は、濾紙血データベース１５（以下、データベースを「ＤＢ」と記す）、学習部１６を有している。

【0018】

画像取得部１１は、撮影装置２から出力された濾紙血画像Ｉの画像データを取得する機能を有している。具体的には画像取得部１１は濾紙血画像Ｉの画像データとして濾紙表面画像Ｉａと濾紙裏面画像Ｉｂのそれぞれの画像データを取得する。

【0019】

画像処理部１２は、画像取得部１１にて取得された濾紙表面画像Ｉａと濾紙裏面画像Ｉｂの画像データに対して、種々の画像処理を行う機能を有する。具体的には、画像処理部１２は、濾紙表面画像Ｉａと濾紙裏面画像Ｉｂのホワイトバランスの調整処理、所定範囲に切り取るクロップ処理、ＨＳＶ形式に変換する形式変換処理、画像解析処理、等の画像処理を行う。

【0020】

ホワイトバランスの調整処理は、撮影装置２における撮影環境による色のバラツキを抑制し画像の色を揃えるため、所定のホワイトバランス調整を行う。画像処理部１２は、撮影現場における外部環境の違い、例えば照明器具の光の色（昼光色、昼白光、白色、温白色、電球色）や環境光（日差しの差し込み等）に応じたホワイトバランス調整を行う。外部環境の判別は、検査業者の担当者が手動で行ってもよいし、画像データから自動に判別してもよい。

【0021】

クロップ処理は、図１にて濾紙表面画像Ｉａ内及び濾紙裏面画像Ｉｂ内の点線で示すように、血液Ｂが含まれる長方形の所定のクロップ範囲Ｃに画像を切り取る処理を行う。クロップ範囲Ｃは所定の面積に設定されており、画像処理部１２は画像の解像度と当該所定の面積に基づいて、画素数に応じた面積を算出可能である。またクロップ処理を行わない場合には、事前設定のエリア設定による画像抽出を行ってもよい。

【0022】

形式変換処理は、撮影装置２により撮影された濾紙表面画像Ｉａと濾紙裏面画像Ｉｂの画像データに対して、所定の変換演算を行うことでＨＳＶ形式に変換して、Ｈ値（色相）、Ｓ値（彩度）、Ｖ値（明度）の属性パラメータを有する画像データとする。さらに、画像処理部１２は、形式変換処理として、ＨＳＶ形式に変換した濾紙表面画像Ｉａと濾紙裏面画像Ｉｂに対して、ＨＳＶレンジを調整した４つの画像データを生成する。具体的には、画像処理部１２は、Ｈ値、Ｓ値、Ｖ値の３つの要素を用いて４つに分割し、第１ＨＳＶレンジに調整した濾紙表面の第１ＨＳＶ画像データＩａ１及び濾紙裏面の第１ＨＳＶ画像データＩｂ１、第２ＨＳＶレンジに調整した濾紙表面の第２ＨＳＶ画像データＩａ２及び濾紙裏面の第２ＨＳＶ画像データＩｂ２、第３ＨＳＶレンジに調整した濾紙表面の第３ＨＳＶ画像データＩａ３及び濾紙裏面の第３ＨＳＶ画像データＩｂ３、第４ＨＳＶレンジに調整した濾紙表面の第４画像データＩａ４及び濾紙裏面の第４ＨＳＶ画像データＩｂ４を生成する。

【0023】

今回の実施にあたり、Ｈ値・Ｓ値・Ｖ値、それぞれをキーとした学習モデルや、各組み合わせの学習モデル作成による検証を行ったが、最も学習効果が高かったのはＳ値を軸としたものであった。これは、血液は赤色であるが、その見え方（画像の写り方）は、被検者の体質や体調、採血の方法、血液の性質（例えば被検者からの血の出方、血液の粘度、血液の色等）等によって異なる。特に濾紙血の血液Ｂは、被検者によって鮮やかな赤色であったり、くすんだ赤色であったり、主にＳ値（彩度）に変化をもたらす。そのため、本実施形態では血液画像全体からＳ値の平均・標準偏差を計算し学習用データとしている。Ｓ値の変化で個体差を吸収することで、Ｈ値・Ｖ値はある程度類似傾向をとり、結果としてＨ値・Ｖ値を学習用パラメータとして分けることなく学習用データとして活用することができている。本実施形態はパラメータの一例ではあるが、血液においてＨＳＶ変換は効果的であり、Ｓ値による個体差を取り除き学習することで効果を発揮した。また基材の染み込みによる血液推定をするにあたり、表・裏の画像より推定することによって主に血液の粘度の状態が反映されることからも有効であるといえる。

【0024】

また、画像処理部１２は、画像解析処理として、ＨＳＶ変換した濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂの画像データ、及びさらにＨＳＶレンジを調整した画像データに対して、それぞれ２値化処理して血液に相当する範囲の画素数の算出が可能である。また、画像処理部１２は、ＨＳＶ変換した濾紙表面画像Ｉａ内及び濾紙裏面画像Ｉｂの画像データのＳ値の平均値や標準偏差の算出が可能である。つまり、画像処理部１２は、濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂのそれぞれについて、
（１）ＨＳＶ変換した画像データの２値化後の血液範囲の画素数Ｐ、
（２）ＨＳＶ変換した画像データの血液範囲におけるＳ値の平均値Ｓave、
（３）ＨＳＶ変換した画像データの血液範囲におけるＳ値の標準偏差Ｓσ、
（４）第１ＨＳＶレンジに該当する画像データにおける２値化後の血液範囲の画素数Ｐ１、
（５）第２ＨＳＶレンジに該当する画像データにおける２値化後の血液範囲の画素数Ｐ２、
（６）第３ＨＳＶレンジに該当する画像データにおける２値化後の血液範囲の画素数Ｐ３、
（７）第４ＨＳＶレンジに該当する画像データにおける２値化後の血液範囲の画素数Ｐ４、
を算出する。

【0025】

このように、画像処理部１２は濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂに加えて、濾紙表面裏面それぞれの上記（１）～（７）のＨＳＶ形式の属性パラメータを含む画像データを生成して、血液量推定部１３及び濾紙血ＤＢ１５に出力可能である。なお、当該画像データにおける濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂはホワイトバランス調整及びクロップ処理が施された画像である。

【0026】

血液量推定部１３は、濾紙血画像の画像データから当該濾紙血画像に写る血液の血液量を推定することを学習した学習済モデルにより、画像取得部１１にて取得した濾紙血画像Ｉに写る血液Ｂの血液量を推定する機能を有する。具体的には、血液量推定部１３は、画像処理部１２により生成された画像処理後のＨＳＶ形式の属性パラメータを含む画像データに対して、学習済みモデルを用いて濾紙血画像Ｉに写る血液Ｂの血液量を推定する。学習済みモデルは後述する学習部１６にて予め生成される。学習済みモデルは、濾紙表面画像と濾紙裏面画像の濾紙血画像から、当該濾紙血画像に写る血液の血液量を推定することを学習している。さらに学習済みモデルは、画像処理部１２により濾紙血画像をＨＳＶ形式に変換し、ＨＳＶ形式の属性パラメータを含む画像データから、当該濾紙血画像に写る血液量を推定することを学習している。

【0027】

血液量推定部１３にて推定された濾紙血画像Ｉに写る血液Ｂの血液量は表示部１４に出力される。また濾紙血画像Ｉに写る血液Ｂの血液量の情報は、濾紙血ＤＢ１５に記憶されてもよいし、外部の装置に送信されてもよい。

【0028】

なお、血液量推定部１３は、推定した血液量が、検査に必要な所定の血液量（閾値）以上であるか否かの判定処理を行ってもよい。この場合、血液量推定部１３は、推定した血液量が所定の血液量未満である場合は、血液量が不足している旨のアラート情報を生成してもよい。

【0029】

表示部１４は、血液量推定部１３により推定された血液量を出力表示する機能を有する。表示部１４は、例えば血液量推定装置３に接続されたディスプレイやプリンタである。また、表示部１４は血液量推定部１３において生成されたアラート情報を受けて、アラート表示を行ってもよい。

【0030】

濾紙血ＤＢ１５は、画像取得部１１にて取得された濾紙表面画像Ｉａと濾紙裏面画像Ｉｂを含む濾紙血画像Ｉ、画像処理部１２にて画像処理されたＨＳＶ形式の属性パラメータを含む画像データ、学習部１６にて学習済みモデルを生成するための学習用データを記憶する機能を有する。

【0031】

濾紙血ＤＢ１５に記憶される学習用データとしては、学習用の濾紙表面画像と濾紙裏面画像を含む濾紙血画像及び当該濾紙血画像をＨＳＶ形式に変換してＨＳＶ形式の属性パラメータを含む画像データ、及び当該濾紙血画像に写る血液の実際の血液量がそれぞれ紐づけられて複数記憶されている。なお、学習用データとしてのＨＳＶ形式の属性パラメータを含む画像データは、学習用の濾紙血画像に対して画像処理部１２による画像処理と同様の処理が施され、濾紙表面裏面それぞれの上記（１）～（７）の情報が含まれている。

【0032】

学習部１６は、濾紙血ＤＢ１５に記憶された各濾紙血画像に応じた上記（１）～（７）の情報を説明変数とし、各濾紙血画像に応じた血液量を目的変数とした学習用データ（教師データ）を用いて、機械学習（例えばディープラーニング）を行い、血液量推定部１３にて使用する学習済みモデルを生成する。なお、学習部１６では、画像取得部１１にて濾紙血画像Ｉを取得するよりも前に学習済モデルの生成が行われている。

【0033】

このように構成された血液量推定装置３では、撮影装置２にて撮影された濾紙血画像Ｉを取得するごとに、当該濾紙血画像Ｉに写る血液Ｂの血液量を推定し、表示部１４に表示する。

【0034】

ここで図２、図３を参照すると、図２には血液量推定装置３により実行される血液量推定処理の流れを示したフローチャートが示され、図３には画像処理部１２により実行される画像処理の流れを示したフローチャートが示されている。以下これらのフローチャートに沿って、本実施形態に係る血液量推定方法について詳しく説明する。

【0035】

まず、血液量推定装置３は、図２のステップＳ１として、画像取得部１１により、撮影装置２にて撮影された濾紙表面画像Ｉａと濾紙裏面画像Ｉｂの画像データを含む濾紙血画像Ｉの画像データを取得する（画像取得ステップ）。

【0036】

ステップＳ２において、画像処理部１２が、画像取得部１１にて取得した濾紙血画像Ｉに対して、図３で示す画像処理を行う。

【0037】

ステップＳ３において、血液量推定部１３が、画像処理部１２にて画像処理された濾紙血画像Ｉに対して学習済みモデルを用いて当該濾紙血画像Ｉに写る血液Ｂの血液量を推定する（血液量推定ステップ）。なお、血液量推定部１３は、推定された血液量が所定の血液量未満である場合はアラート情報を生成する。

【0038】

ステップＳ４において、表示部１４が、血液量推定部１３において推定された血液量を表示する。なお、表示部１４はアラート情報を取得した場合は、血液量の表示と共にアラート情報を表示する。

【0039】

血液量推定装置３は、撮影装置２により濾紙血画像Ｉが撮影されるごとにステップＳ１～Ｓ４の処理を実行する。

【0040】

次にステップＳ２で実行される画像処理について、図３のフローチャートに沿って説明する。

【0041】

まず、画像処理部１２は、図３のステップＳ１１において、画像取得部１１にて取得した濾紙血画像Ｉ（濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂ）の画像データに対して所定のホワイトバランス調整を行い、濾紙血画像Ｉの色を他の濾紙血画像と揃える。

【0042】

ステップＳ１２において、画像処理部１２は、ホワイトバランス調整後の濾紙血画像Ｉ（濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂ）の画像データに対して、血液Ｂが含まれる所定のクロップ範囲Ｃに切り取る処理（クロップ処理）を行う。

【0043】

ステップＳ１３において、画像処理部１２は、クロップ処理後の濾紙血画像Ｉ（濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂ）の画像データに対して、ＨＳＶ形式に変換処理を行う。

【0044】

ステップＳ１４において、画像処理部１２は、ＨＳＶ形式変換された濾紙血画像Ｉ（濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂ）の画像データに対してＨ値（色相）、Ｓ値（彩度）、Ｖ値（明度）の属性パラメータを第１ＨＳＶレンジから第４ＨＳＶレンジに該当する４つの画像データを生成する。

【0045】

ステップＳ１５において、画像処理部１２は、ＨＳＶ変換した濾紙表面画像Ｉａ及び濾紙裏面画像Ｉｂの画像データ、及びさらにＨＳＶレンジを調整した画像データに対して、それぞれ２値化処理して血液に相当する範囲の画素数を算出する画像解析処理を行う。且つ画像処理部１２は、ＨＳＶ変換した濾紙表面画像Ｉａ内及び濾紙裏面画像Ｉｂの画像データの血液に相当する範囲のＳ値の平均値や標準偏差の算出する画像解析処理を行う。

【0046】

ステップＳ１５において、画像処理部１２は、濾紙表面画像Ｉａ内及び濾紙裏面画像Ｉｂに加えて、画像解析処理を行った属性パラメータ（上記（１）～（７）のＨＳＶ形式の属性パラメータ）を含む画像データを、血液量推定部１３に出力し、当該画像処理ルーチンを終了する。

【0047】

このように、血液量推定装置３は、濾紙血画像から当該濾紙血画像に写る血液の血液量を推定することを学習した学習済みモデルにより、画像取得部１１により取得した濾紙血画像Ｉに写る血液Ｂの血液量を推定している。学習済みモデルを用いることで、濾紙上の血液の拡がり方や染み込み度合い等を含んだ形で血液量が推定される。これにより、種々の要因を加味してより正確に血液量を推定することができる。

【0048】

特に、学習済みモデルは、濾紙表面画像及び濾紙裏面画像のそれぞれの画像データから当該濾紙血画像に写る血液Ｂの血液量を推定することを学習していることで、濾紙Ｆの裏面までの染み込み度合いも含めた血液量の推定が可能となる。これにより、より精度の高い血液量の推定を実現することができる。

【0049】

また、学習済みモデルは画像処理部１２によりＨＳＶ形式に変換され、ＨＳＶ形式の属性パラメータを含めた画像データから濾紙血画像に写る血液の血液量を推定することを学習している。赤色である血液の範囲を推定するには、特に血液の性質に相関するＳ値（彩度）を含むＨＳＶ形式による色の表現が有効であることから、このようにＨＳＶ形式の属性パラメータを含めた画像データに基づく学習を行うことで、より精度の高い血液量の推定を実現することができる。

【0050】

また、本実施形態の画像処理部１２は、ＨＳＶ形式の属性パラメータを含む画像データとして、Ｈ値、Ｓ値、Ｖ値の属性パラメータを所定の値に調整した画像データを生成し、学習済みモデルはこのような画像データを含めた学習を行っている。つまり、濾紙血の血液の範囲が明瞭になるＨ値、Ｓ値、Ｖ値の属性パラメータに調整した画像データに基づく学習を行うことで、より精度の高い血液量の推定を実現することができる。

【0051】

さらに、本実施形態の画像処理部１２は、ＨＳＶ形式の属性パラメータを含む画像データとして、Ｈ値、Ｓ値、Ｖ値の属性パラメータの少なくともＳ値がそれぞれ異なる第１ＨＳＶレンジから第４ＨＳＶレンジの４つ画像データを生成し、学習済みモデルはこのような画像データを含めた学習を行っている。このように複数のＨＳＶレンジの画像データを含めた学習を行うことで、様々な血液の性質に対応したより高精度な血液量の推定を実現することができる。

【0052】

以上で本発明の実施形態の説明を終えるが、本発明の態様はこの実施形態に限定されるものではない。

【0053】

例えば、上記実施形態では、撮影装置２と血液量推定装置３とが別体として相互に通信可能に接続されているが、血液量推定装置の画像取得部として撮影装置を一体に備えていてもよい。また、血液量推定装置が撮影装置にて撮影した画像データを取得する手段は、通信網による接続に限定されず、撮影装置にて撮影した画像データを保存した着脱可能な記憶媒体、例えばＳＤカード、ＵＳＢメモリ等を介してもよい。また、撮影装置２は検査業者の管理下にあるものに限られず、例えば被検者が所有する撮影装置により撮影された濾紙血画像がｅメール等の連絡手段により血液量推定装置に送られてもよい。

【0054】

また、上記実施形態において画像処理部１２は、ＨＳＶ形式に変換した濾紙表面画像Ｉａと濾紙裏面画像Ｉｂに対して、ＨＳＶレンジを調整した４つの画像データを生成しているが、ＨＳＶレンジを調整する画像データの種類は４つに限られるものでない。例えば、ＨＳＶレンジを調整する画像データは１つであってもよいし、複数であってもよい。ただし、ＨＳＶレンジを調整する画像データの種類は、多いほど血液量の推定精度も向上するが、学習用データの種類も増え学習負荷が増加することになることから、ＨＳＶレンジを調整する画像データの種類は４つ程度が適している。

【0055】

また、本実施形態では、濾紙に血液を滴下させた濾紙血を検体としているが、基材はろ紙に限られず他の基材であってもよい。

【符号の説明】

【0056】

１ ：血液量推定システム
２ ：撮影装置
３ ：血液量推定装置
１１ ：画像取得部
１２ ：画像処理部
１３ ：血液量推定部
１４ ：表示部
１５ ：濾紙血データベース
１６ ：学習部

【図1】

【図2】

【図3】