特開 2024-70853 副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法

(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】P2024070853

(43)【公開日】2024-05-23

(54)【発明の名称】副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法

(51)【国際特許分類】

   A61B 6/03 20060101AFI20240516BHJP

【ＦＩ】

A61B6/03 360T

A61B6/03 360J

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023192646

(22)【出願日】2023-11-11

(31)【優先権主張番号】P 2022181463

(32)【優先日】2022-11-12

(33)【優先権主張国・地域又は機関】JP

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和４年度、国立研究開発法人日本医療研究開発機構（ＡＭＥＤ）、橋渡し研究プログラム、「鼻および副鼻腔疾患のＡＩによるＣＴ画像診断支援システム開発」委託研究開発、産業技術力強化法第１７条の適用を受ける特許出願

(71)【出願人】

【識別番号】504145320

【氏名又は名称】国立大学法人福井大学

(74)【代理人】

【識別番号】100180758

【弁理士】

【氏名又は名称】荒木 利之

(72)【発明者】

【氏名】坂下 雅文

(72)【発明者】

【氏名】張 潮

(72)【発明者】

【氏名】藤枝 重治

(72)【発明者】

【氏名】扇 和弘

(72)【発明者】

【氏名】吉田 寿人

(72)【発明者】

【氏名】足立 直人

【テーマコード（参考）】

4C093

【Ｆターム（参考）】

4C093AA22

4C093CA39

4C093DA04

4C093FD03

4C093FD09

4C093FD12

4C093FF16

4C093FF17

4C093FF27

4C093FF42

4C093FG13

(57)【要約】      （修正有）

【課題】ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画化の学習を効率化し、複数の副鼻腔疾患の診断を支援する副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法を提供する。
【解決手段】情報処理装置１は、副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画のアノテーションが付与されたＣＴ画像を用いて学習した区画学習結果情報１１４に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する副鼻腔区画特定手段１０４と、複数の区画のそれぞれについて生じている炎症を推定する区画内炎症推定手段１０５と、複数の区画の炎症の組み合わせについて、炎症疾患関連付情報１１７との類似度に基づいて、副鼻腔の疾患候補を判定する副鼻腔疾患候補判定手段１０６とを有する。
【選択図】図２

【特許請求の範囲】

【請求項1】

コンピュータを、
副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定手段と、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定手段と、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定手段として動作させる副鼻腔疾患判定補助プログラム。

【請求項2】

前記複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像は、
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションが補間されることで生成される請求項１に記載の副鼻腔疾患判定補助プログラム。

【請求項3】

前記推定手段は、前記複数断面のＣＴ画像のうち前記複数の区画のそれぞれに対応する領域に含まれる画素のパラメータの統計値に基づいて炎症を推定する請求項１又は２に記載の副鼻腔疾患判定補助プログラム。

【請求項4】

前記判定手段は、前記複数の区画を次元とする空間において、前記複数の区画の炎症の組み合わせと、前記関連付情報中の疾患毎の前記複数の区画の炎症の組み合わせとの距離に基づいて類似度を算出する請求項１又は２に記載の副鼻腔疾患判定補助プログラム。

【請求項5】

コンピュータを、
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間手段として機能させる副鼻腔疾患判定学習プログラム。

【請求項6】

前記補間手段によって副鼻腔の区画のアノテーションが付与された各断面のＣＴ画像を用いて学習し、第１の学習結果を生成する学習手段としてさらに機能させる請求項５に記載の副鼻腔疾患判定学習プログラム。

【請求項7】

副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定手段と、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定手段と、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定手段とを有する情報処理装置。

【請求項8】

予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間手段とを有する情報処理装置。

【請求項9】

副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定ステップと、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定ステップと、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定ステップとを有する副鼻腔疾患判定補助方法。

【請求項10】

予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間ステップを有する副鼻腔疾患判定学習方法。

【請求項11】

前記推定手段は、前記複数の区画の前記ＣＴ画像が予め定めた特徴を有する場合に当該予め定めた特徴に対する重み付けを行い、
前記判定手段は、前記複数の区画の炎症及び前記予め定めた特徴に対する重み付けの組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症及び予め定めた特徴に対する重み付けの組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する請求項１又は２に記載の副鼻腔疾患判定補助プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法に関する。

【背景技術】

【0002】

従来の技術として、鼻及び副鼻腔疾患の診断を支援する情報処理装置が提案されている（例えば、特許文献１参照）。

【0003】

特許文献１に開示された情報処理装置は、上顎洞、前頭洞、篩骨洞及び蝶形骨洞を含むＣＴ画像を取得する工程と、前記ＣＴ画像について、上顎洞、前頭洞、前篩骨洞、後篩骨洞、及び蝶形骨洞の領域を５つに区画化する区画化工程と、前記区画化された５つ領域の大きさと、前記５つの領域の内部にできたものの領域大きさとの関係をそれぞれ数値化し、一方の上顎洞周辺の骨と他方の上顎洞周辺の骨との差を数値化し、前記区画化された５つ領域のそれぞれについて、濃淡を数値化する数値化工程と、前記ＣＴ画像に対応する問診データと、前記数値化工程により数値化されたものと、前記ＣＴ画像に対応する鼻及び副鼻腔疾患のデータとを教師データとして、ＣＴ画像と鼻及び副鼻腔疾患との関係を学習させる学習工程とを実行する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２１－１４５８８１号

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、上記した特許文献１の情報処理装置は、ＣＴ画像から副鼻腔の各区画を特定し、各区画の領域にできたものの領域の大きさを数値化して、当該数値から鼻及び副鼻腔疾患の診断を支援するものの、区画化の学習を効率化する方法や、数値と複数の副鼻腔疾患との関連性について具体的方法が示されたものではない。

【0006】

本発明の目的は、ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画化の学習を効率化し、複数の副鼻腔疾患の診断を支援する副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法を提供することにある。

【課題を解決するための手段】

【0007】

本発明の一態様は、上記目的を達成するため、以下の副鼻腔疾患判定補助プログラム、副鼻腔疾患判定学習プログラム、情報処理装置、副鼻腔疾患判定補助方法及び副鼻腔疾患判定学習方法を提供する。

【0008】

［１］コンピュータを、
副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定手段と、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定手段と、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定手段として動作させる副鼻腔疾患判定補助プログラム。
［２］
前記複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像は、
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションが補間されることで生成される前記［１］に記載の副鼻腔疾患判定補助プログラム。
なお、上記の「予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果」とは、具体的に、区画モデルから、学習手段への入力となる任意の２つの断面と同じ方向の断面を抽出し、２つの断面に付与されたアノテーションと同一又は類似の形状となる区画モデル中の断面の位置を特定し、かつ２つの断面に挟まれた位置にある補間対象となる断面に対応する位置の区画モデル中の断面位置の形状が補完対象となる断面のアノテーションの形状と同一又は類似の形状となるように学習することで得られた学習結果である。
［３］
前記推定手段は、前記複数断面のＣＴ画像のうち前記複数の区画のそれぞれに対応する領域に含まれる画素のパラメータの統計値に基づいて炎症を推定する前記［１］又は［２］に記載の副鼻腔疾患判定補助プログラム。
［４］
前記判定手段は、前記複数の区画を次元とする空間において、前記複数の区画の炎症の組み合わせと、前記関連付情報中の疾患毎の前記複数の区画の炎症の組み合わせとの距離に基づいて類似度を算出する前記［１］又は［２］に記載の副鼻腔疾患判定補助プログラム。
［５］
コンピュータを、
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間手段として機能させる副鼻腔疾患判定学習プログラム。
［６］
前記補間手段によって副鼻腔の区画のアノテーションが付与された各断面のＣＴ画像を用いて学習し、第１の学習結果を生成する学習手段としてさらに機能させる前記［５］に記載の副鼻腔疾患判定学習プログラム。
［７］
副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定手段と、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定手段と、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定手段とを有する情報処理装置。
［８］
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間手段とを有する情報処理装置。
［９］
副鼻腔を含む複数断面のＣＴ画像であって、当該複数断面のそれぞれについて副鼻腔の区画に該当する領域のアノテーションが付与されたＣＴ画像を用いて学習した第１の学習結果に基づいて、患者の複数断面のＣＴ画像のそれぞれについて副鼻腔の複数の区画を特定する特定ステップと、
前記複数断面のＣＴ画像から、前記複数の区画のそれぞれについて生じている炎症を推定する推定ステップと、
前記複数の区画の炎症の組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症の組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する判定ステップとを有する副鼻腔疾患判定補助方法。
［１０］
予め用意した副鼻腔の区画モデルに基づき、副鼻腔を含むＣＴ画像に対し副鼻腔の単一又は複数の区画に該当する領域をアノテーションするよう学習した第２の学習結果を用いて、副鼻腔を含む複数断面のＣＴ画像について、前記複数断面のうちの一部のＣＴ画像に区画のアノテーションが付与されている状態で、当該区画のアノテーションが付与されている断面のＣＴ画像間の区画のアノテーションが付与されていない断面のＣＴ画像に対し、当該区画のアノテーションが付与されている断面と前記第２の学習結果を用いて区画のアノテーションを補間する補間ステップを有する副鼻腔疾患判定学習方法。
［１１］前記推定手段は、前記複数の区画の前記ＣＴ画像が予め定めた特徴を有する場合に当該予め定めた特徴に対する重み付けを行い、
前記判定手段は、前記複数の区画の炎症及び前記予め定めた特徴に対する重み付けの組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症及び予め定めた特徴に対する重み付けの組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定する前記［１］又は［２］に記載の副鼻腔疾患判定補助プログラム。

【発明の効果】

【0009】

請求項１、７、９に係る発明によれば、ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画化の学習を効率化し、複数の副鼻腔疾患の診断を支援することができる。
請求項２に係る発明によれば、ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画化の学習を効率化することができる。
請求項３に係る発明によれば、複数断面のＣＴ画像のうち複数の区画のそれぞれに対応する領域に含まれる画素のパラメータの統計値に基づいて炎症を推定することができる。
請求項４に係る発明によれば、複数の区画数の空間において、複数の区画の炎症の組み合わせと、関連付情報中の疾患毎の複数の区画の炎症の組み合わせとの距離に基づいて類似度を算出することができる。
請求項５、８、１０に係る発明によれば、ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画化の学習を効率化することができる。
請求項６に係る発明によれば、補間手段によって副鼻腔の区画のアノテーションが付与された各断面のＣＴ画像を用いて学習し、第１の学習結果を生成することができる。
請求項１１に係る発明によれば、複数の区画のＣＴ画像が予め定めた特徴を有する場合に当該予め定めた特徴に対する重み付けを行い、複数の区画の炎症及び予め定めた特徴に対する重み付けの組み合わせについて、副鼻腔の複数の疾患と副鼻腔の複数の区画の炎症及び予め定めた特徴に対する重み付けの組み合わせとを予め関連付けた関連付情報との類似度に基づいて、副鼻腔の疾患候補を判定することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、実施の形態に係る副鼻腔疾患判定補助システムの構成の一例を示す概略図である。

【図2】図２は、実施の形態に係る情報処理装置の構成例を示すブロック図である。

【図3】図３は、副鼻腔の各区画を定義する境界を示す表である。

【図4】図４は、ＣＴ画像中の副鼻腔の各区画を説明するための図である。

【図5】図５は、アノテーション補間学習動作を説明するための概略図である。

【図6】図６は、副鼻腔区画特定学習動作を説明するための概略図である。

【図7】図７は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図8】図８は、各区画の炎症と各疾患を関連づける炎症疾患関連付情報の内容を示す表である。

【図9】図９は、アノテーション補間学習動作を説明するためのフローチャートである。

【図10】図１０は、副鼻腔区画特定学習動作を説明するためのフローチャートである。

【図11】図１１は、疾患判定動作を説明するためのフローチャートである。

【図12】図１２（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図13】図１３（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図14】図１４は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図15】図１５は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図16】図１６（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図17】図１７（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【図18】図１８は、各区画の炎症と各疾患を関連づける炎症疾患関連付情報の内容を示す表である。

【図19】図１９は、疾患判定動作を説明するためのフローチャートである。

【発明を実施するための形態】

【0011】

［第１の実施の形態］
（副鼻腔疾患判定補助システムの構成）
図１は、第１の実施の形態に係る副鼻腔疾患判定補助システムの構成の一例を示す概略図である。

【0012】

この副鼻腔疾患判定補助システムは、副鼻腔の疾患判定の補助動作を実行する情報処理装置１と、当該動作の学習のために用いる情報を格納する学習用データベース（ＤＢ）２と、情報処理装置１と通信して上記の動作を医師６等の操作に基づいて実行させる端末３と、放射線等を利用して患者７の副鼻腔を含む範囲を走査しコンピュータを用いて処理することで内部構造を画像（以降「ＣＴ画像」と言う。）として構成するＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）４とをネットワーク５を介して互いに通信可能に接続することで構成される。なお、情報処理装置１、学習用ＤＢ２、端末３は、それぞれ別の構成としたが、全て又は一部を組み合わせて一体に構成してもよい。また、各構成を複数の装置に分割して構成してもよい。また、情報処理装置１、学習用ＤＢ２、端末３は、それぞれ異なる拠点に設置されるものであってもよく、遠隔地における診断の補助に用いるものであってもよい。

【0013】

情報処理装置１は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）又はサーバ型等の情報処理装置であり、外部の要求に応じて動作するものであって、本体内に情報を処理するための機能を有するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やフラッシュメモリ等の電子部品を備える。

【0014】

学習用ＤＢ２は、１人に対して複数断面からなるＣＴ画像を複数人含むＣＴ画像情報２００と、ＣＴ画像情報２００の人物の副鼻腔の各区画の３Ｄモデルを含む３Ｄモデル情報２０１とを格納し、情報処理装置１の要求に応じてこれらの情報を情報処理装置１に送信する。ＣＴ画像情報２００と３Ｄモデル情報２０１は、予め用意しておくものとする。ＣＴ画像情報２００は、任意の患者の頭部を予め撮影することで用意する。３Ｄモデル情報２０１は、区画モデルの一例であり、任意の患者の複数のＣＴ画像情報から副鼻腔の３Ｄモデルをトレースすることで生成するものであり、特定の患者の３Ｄモデルを採用してもよいし、一般的な複数人のＣＴ画像情報の平均値から求めた一般的な３Ｄモデルを採用してもよい。また、３Ｄモデルは、公知の副鼻腔の３Ｄモデルを用いるものであってもよい。なお、３Ｄモデル情報２０１は、３Ｄのモデルに限らず副鼻腔の形状を定義できるものであれば後述するように断面の集合であってもよい。

【0015】

端末３は、ＰＣ、タブレット端末、スマートフォン等の情報処理装置であり、医師６又は医師６の作業を補助する者により操作されるものであって、本体内に情報を処理するための機能を有するＣＰＵやフラッシュメモリ等の電子部品を備え、さらにＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）等の表示部やキーボード、マウス等の操作部を有する。端末３は、情報処理装置１に要求を送信し、情報処理装置１を動作させ、動作結果としての情報を受信して表示部に表示する。

【0016】

ＣＴ４は、放射線を利用して患者７の体内の状態を断層像として描写するコンピュータ断層診断装置であり、撮影結果としてのＣＴ画像を生成し、情報処理装置１に送信する。撮影範囲は、少なくとも患者７の副鼻腔を含むものであり、断面の方向は矢状断、水平断、冠状断から１以上の断面が選択されるものとする。

【0017】

（情報処理装置の構成）
図２は、第１の実施の形態に係る情報処理装置１の構成例を示すブロック図である。

【0018】

情報処理装置１は、ＣＰＵ等から構成され、各部を制御するとともに、各種のプログラムを実行する制御部１０と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部１１と、ネットワーク５を介して外部と通信する通信部１２とを備える。

【0019】

制御部１０は、後述する学習プログラム１１０、判定補助プログラム１１１を実行することで、学習用情報取得手段１００、アノテーション受付手段１０１、アノテーション補間手段１０２、学習手段１０３、副鼻腔区画特定手段１０４、区画内炎症推定手段１０５、副鼻腔疾患候補判定手段１０６等として機能する。

【0020】

学習用情報取得手段１００は、学習手段１０３が学習に用いる情報として、通信部１２を介して学習用ＤＢ２からＣＴ画像情報２００及び３Ｄモデル情報２０１を取得する。

【0021】

アノテーション受付手段１０１は、ＣＴ画像情報２００に対する副鼻腔の各区画のアノテーションを端末３から受け付ける。アノテーションは、医師６等が端末３を操作することで付与される。また、アノテーションは、後述するアノテーション補間学習動作では、ある人物の複数断面のＣＴ画像のうち学習に用いる全ての断面に付与され、後述するアノテーション補間動作では、ある人物の複数断面のＣＴ画像のうち一部の断面に付与される。

【0022】

アノテーション補間手段１０２は、ある人物の複数断面のＣＴ画像のうち一部の断面にアノテーションが付与された状態で、３Ｄモデル情報２０１に基づいて、アノテーションが付与された断面間に含まれる断面のＣＴ画像に対してアノテーションを補間し、アノテーション済ＣＴ画像情報１１３を生成する。アノテーション補間手段１０２は、当該補間動作を、第２の学習結果としての補間学習結果情報１１２を用いて行う。

【0023】

学習手段１０３は、上記補間動作のための学習を行い、補間学習結果情報１１２を生成する。また、学習手段１０３は、後述する区画特定動作のための学習を行い、第１の学習結果としての区画学習結果情報１１４を生成する。学習方法の詳細については後述する。いずれの学習についても、学習手段１０３はＵＮｅｔ、ＰＳＰＮｅｔ（Ｐｙｒａｍｉｄ Ｓｃｅｎｅ Ｐａｒｓｉｎｇ Ｎｅｔｗｏｒｋ）、ＨＲＮｅｔ（Ｈｉｇｈ Ｒｅｓｏｌｕｔｉｏｎ Ｎｅｔｗｏｒｋ）等のニューラルネットワークを用いる。

【0024】

副鼻腔区画特定手段１０４は、通信部１２を介してＣＴ４から患者７のＣＴ画像を取得して患者ＣＴ画像情報１１５として記憶部１１に格納するとともに、区画学習結果情報１１４を用いて、患者ＣＴ画像情報１１５のうち副鼻腔の各区画に対応する領域を特定する。

【0025】

区画内炎症推定手段１０５は、患者ＣＴ画像情報１１５の副鼻腔の区画に対応する領域が特定されると、一例として、当該領域の濃淡から炎症の度合いを推定し、各区画の炎症のパターンを炎症パターン情報１１６として記憶部１１に格納する。

【0026】

副鼻腔疾患候補判定手段１０６は、予め炎症パターンと疾患とを関連付けた炎症疾患関連付情報１１７を参照し、患者７の炎症パターン情報１１６と類似する疾患を疾患候補として判定し、疾患候補情報１１８を生成する。

【0027】

記憶部１１は、制御部１０を上述した各手段１００－１０６として動作させる学習プログラム１１０及び判定補助プログラム１１１、補間学習結果情報１１２、アノテーション済ＣＴ画像情報１１３、区画学習結果情報１１４、患者ＣＴ画像情報１１５、炎症パターン情報１１６、炎症疾患関連付情報１１７、疾患候補情報１１８等を記憶する。

【0028】

次に、本願明細書で用いる副鼻腔の区画の定義について説明する。

【0029】

図３は、副鼻腔の各区画を定義する境界を示す表である。また、図４は、ＣＴ画像中の副鼻腔の各区画を説明するための図である。

【0030】

副鼻腔は、前頭洞、前篩骨洞、後篩骨洞、蝶形骨洞、上顎洞の区画に分けることができ、ＣＴ画像のうち矢状断、冠状断、水平断のそれぞれについてこれらの区画は図３に示すように上下前後の境界により、上下内外の境界により、前後内外下の境界により特定される。

【0031】

図４は、矢状断による人体頭部のＣＴ画像であり、図４（ａ）は人体頭部の左右方向における中心付近の断面を、図４（ｂ）は人体の左右方向における中心から２ｃｍ程度外側であって眼球中心を通る断面である。図４（ａ）における区画Ａ１は前頭洞、区画Ａ２は前篩骨洞、区画Ａ３は後篩骨洞、区画Ａ４は蝶形洞であり、ＣＴ画像中の実線が図３に示した境界に対応する。また、前篩骨洞の区画Ａ２と後篩骨洞の区画Ａ３とを分ける境界Ｂ１（「第３基板」と呼ぶ場合がある。）は、鼻堤と蝶形骨洞前壁の間であって、人体の前後方向の中間地点に設定され、発明者らは当該位置に境界Ｂ１を設定することで副鼻腔疾患の判定が良好に行えることを発見した。また、図４（ｂ）における区画Ａ５は上顎洞である。

【0032】

（情報処理装置の動作）
次に、本実施の形態の作用を、（１）アノテーション補間学習動作、（２）副鼻腔区画特定学習動作、（３）疾患判定補助動作に分けて説明する。

【0033】

（１）アノテーション補間学習動作
まず、入力されたＣＴ画像に対して上記した副鼻腔の区画を特定するには区画を特定するための学習が必要である。当該学習には、ＣＴ画像に対して予め各区画に対応する画像上の領域指定のアノテーションが付与されたデータが必要となるが、ＣＴ画像に対してアノテーションを付与する作業は医師６又は他の人物の作業が必要となる。まず、区画特定学習に十分な数のＣＴ画像の全てに対して人手による作業を行うことなく、人手によりアノテーションが付与された断面以外の断面にアノテーションを補間して付与するための学習動作（アノテーション補間学習動作）について説明する。

【0034】

図９は、アノテーション補間学習動作を説明するためのフローチャートである。

【0035】

まず、医師６等は、端末３を操作して情報処理装置１にアクセスする。情報処理装置１は、端末３の要求に応じて動作し、以降のアノテーション補間学習動作を行う。

【0036】

情報処理装置１の学習用情報取得手段１００は、通信部１２を介して学習用ＤＢ２からＣＴ画像情報２００及び３Ｄモデル情報２０１を取得する（Ｓ１）。

【0037】

次に、学習用情報取得手段１００は、取得したＣＴ画像情報２００の内容を端末３の表示部に表示処理する。なお、ＣＴ画像情報２００は、複数断面のＣＴ画像（矢状断、冠状断、水平断）を含み、例えば、一方向の断面の数は１５０である。一方向の断面のうち、アノテーションを付与する断面の数は、一例として２９であり、当該２９の断面は１５０のうちから等間隔で選択されることが望ましい。断面の方向の数は一方向でもよいが、複数方向を採用することで疾患候補の判定精度が向上する。学習用情報取得手段１００は、当該２９の断面を端末３の表示部に表示する。

【0038】

医師６等は、端末３の表示部に表示された画像を確認しつつ、当該２９の断面に対し、操作部を操作して副鼻腔の各区画のアノテーションを付与する。具体的には、ＣＴ画像中の各区画に対応する領域を指定し、当該領域が副鼻腔のいずれの区画であるかをアノテーションの情報として付与する。

【0039】

次に、アノテーション受付手段１０１は、ＣＴ画像情報２００のうち上記２９の断面に対する副鼻腔の各区画のアノテーションを端末３から受け付ける（Ｓ２）。

【0040】

次に、学習手段１０３は、アノテーションが付与された２９の断面の画像と、３Ｄモデル情報２０１を入力とし、補間動作のための学習を行い（Ｓ３）、補間学習結果情報１１２を生成する（Ｓ４）。具体的な学習動作は以下のとおりである。

【0041】

図５は、アノテーション補間学習動作を説明するための概略図である。

【0042】

学習手段１０３は、アノテーション１０１ａが付与された断面２００ａ及びアノテーション１０１ｃが付与された断面２００ｃと、３Ｄモデル情報２０１のうち当該断面２００ａ及び断面２００ｃに含まれる区画の３Ｄモデルとを入力とした場合に、出力が断面２００ｂに付与されたアノテーション１０１ｂとなるように学習する。この学習により、補間学習結果情報１１２が生成される。具体的には、３Ｄモデルから、入力となる断面２００ａ及び断面２００ｃと同じ方向の断面を抽出し、断面２００ａ及び断面２００ｃに付与されたアノテーション１０１ａ及び１０１ｃと同一又は類似の形状となる３Ｄモデル中の断面の位置を特定し、かつ出力となる３Ｄモデル中の断面位置の形状が断面２００ｂのアノテーションの形状と同一又は類似の形状となるように学習する。なお、このように３Ｄモデルを使用するため、３Ｄモデルではなく領域ラベル付きの断面の集合を用いるものであってもよいが、複数断面に対応する場合は３Ｄモデルを用いる方が任意の方向の断面を選択できるため合理的であり好ましい。また、３Ｄモデルから得られる断面の間隔はＣＴ画像の断面間隔より密のものを用いることが望ましいが、同一間隔でもあってもよい。

【0043】

次に、この補間学習結果情報１１２を用いてアノテーション補間を行う動作について説明する。図１０は、アノテーション補間動作を説明するためのフローチャートである。

【0044】

まず、医師６等は、同様に端末３を操作して情報処理装置１にアクセスする。情報処理装置１は、端末３の要求に応じて動作し、以降のアノテーション補間動作を行う。

【0045】

また、情報処理装置１の学習用情報取得手段１００は、同様に、通信部１２を介して学習用ＤＢ２からＣＴ画像情報２００及び３Ｄモデル情報２０１を取得する（Ｓ１０）。

【0046】

次に、学習用情報取得手段１００は、取得したＣＴ画像情報２００の内容を端末３の表示部に表示処理する。アノテーションを付与する断面の数は、一例として２９であり、学習用情報取得手段１００は、当該２９の断面のうち、２以上の断面、例えば、５の断面（等間隔で選択されることが好ましい）を端末３の表示部に表示する（アノテーションが付与された５の断面間にアノテーションが付与されていない６の断面が存在する場合。）。

【0047】

医師６等は、端末３の表示部に表示された画像を確認しつつ、当該５の断面に対して、操作部を操作して副鼻腔の各区画のアノテーションを付与する。

【0048】

次に、アノテーション受付手段１０１は、ＣＴ画像情報２００のうち上記５の断面に対する副鼻腔の各区画のアノテーションを端末３から受け付ける（Ｓ１１）。

【0049】

次に、アノテーション補間手段１０２は、補間学習結果情報１１２を用い、上記５の断面にアノテーションが付与された状態で、３Ｄモデル情報２０１に基づいて、アノテーションが付与された断面間に含まれる断面のＣＴ画像に対してアノテーションを補間し、アノテーション済ＣＴ画像情報１１３を生成する（Ｓ１２）。図５を用いて説明するならば、アノテーション補間手段１０２は、アノテーション１０１ａが付与された断面２００ａ及びアノテーション１０１ｃが付与された断面２００ｃと、３Ｄモデル情報２０１のうち当該断面２００ａ及び断面２００ｃに含まれる区画の３Ｄモデルとを入力とし、断面２００ｂに付与すべきアノテーション１０２ｂを出力し、断面２００ｂに対してアノテーションを付与する。このように断面２９のうち５の断面だけ人手で付与すれば、残りの２４の断面にはアノテーションが自動で付与されるので、学習の材料として必要な数の断面について、人手によって全てアノテーションすることが不要となり、少ない枚数のアノテーションで足り、アノテーションの工程数を減少することができる。

【0050】

次に、生成されたアノテーション済ＣＴ画像情報１１３を用いて副鼻腔区画を特定するための学習方法について説明する。

【0051】

（２）副鼻腔区画特定学習動作
図６は、副鼻腔区画特定学習動作を説明するための概略図である。

【0052】

学習手段１０３は、アノテーション済ＣＴ画像情報１１３を用いて断面２００ａ、２００ｂ、２００ｃ…に対するアノテーション１０１ａ、１０２ｂ、１０１ｃ…に該当する区画特定動作のための教師あり学習を行い、区画学習結果情報１１４を生成する。

【0053】

次に、上記動作で得た区画学習結果情報１１４を用いて以降の疾患判定補助動作を行う。

【0054】

（３）疾患判定補助動作
図１１は、疾患判定動作を説明するためのフローチャートである。

【0055】

まず、医師６等は、ＣＴ４を操作し、副鼻腔の疾患診断対象となる患者７のＣＴ画像を撮影する。撮影の結果生成されるＣＴ画像情報は、複数断面のＣＴ画像（矢状断、冠状断、水平断）を含み、例えば、一方向の断面の数は１５０である。次に、医師６等は、撮影したＣＴ画像から疾患候補を得るべく端末３を操作し、情報処理装置１にアクセスする。

【0056】

情報処理装置１の副鼻腔区画特定手段１０４は、端末３からの要求に応じて、通信部１２を介してＣＴ４から患者７のＣＴ画像を取得して患者ＣＴ画像情報１１５として記憶部１１に格納する（Ｓ２０）。患者ＣＴ画像情報１１５の断面の数は一方向について、例えば、２９であるが、断面の数を増やすことで疾患判定の精度が向上する。また、副鼻腔区画特定手段１０４は、区画学習結果情報１１４を用いて、患者ＣＴ画像情報１１５のうち各区画に対応する領域を特定する（Ｓ２１）。

【0057】

次に、区画内炎症推定手段１０５は、患者ＣＴ画像情報１１５の区画が特定されると、当該区画の炎症の度合いを推定し（Ｓ２２）、各区画の炎症のパターンを炎症パターン情報１１６として記憶部１１に格納する（Ｓ２３）。

【0058】

区画内炎症推定手段１０５は、ステップＳ２３において具体的に、炎症の度合いをＣＴ画像の区画に対応する領域の陰影（画像の濃淡）から推定する。当該陰影は、骨壁にある粘膜が浮腫状に膨隆して副鼻腔を充満している場合や、粘膜が炎症を起こして分泌物が過多になって副鼻腔に充満している場合、又は両者が混在している場合に現れる。

【0059】

一例として、区画内炎症推定手段１０５は、各区画に対応する領域の画素の濃淡値（０～２５５）を基に陰影を数値化する。次に、区画内炎症推定手段１０５は、領域毎の画素の平均値を計算する。次に、区画内炎症推定手段１０５は、３つの区分を予め用意し（例えば、０～ｔ１、ｔ１～ｔ２、ｔ２～２５５）、それぞれＬｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅの０（炎症なし）、１（部分的な炎症）、２（１００％炎症）に対応させる。どの区分に入るかによって、ＬＭの値が決定される。なお、ｔ１、ｔ２の値は予め定めるものとし、医師６等によって定められるものであってもよい。また、区画内炎症推定手段１０５は、画素の濃淡値に限らずＣＴ画像情報から得られる任意のパラメータ（輝度、勾配、顕著性等）を用いることができる。また、パラメータは画素に限らず、複数の画素、任意の形状の領域、画素の分布等から得るものであってもよい。

【0060】

副鼻腔疾患候補判定手段１０６は、予め炎症パターンと疾患とを関連付けた炎症疾患関連付情報１１７を参照し、患者７の炎症パターン情報１１６と類似する疾患を疾患候補として判定し、疾患候補情報１１８を生成する（Ｓ２４～Ｓ２７）。詳しくは後述する。

【0061】

図７は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。また、図８は、各区画の炎症と各疾患を関連づける炎症疾患関連付情報１１７の内容を示す表である。

【0062】

図７に示すように、例えば、Ｂは、歯性上顎洞炎に見られる炎症のパターンであり、区画Ａ１、Ａ２、Ａ５に陰影が認められるケースが多い。

【0063】

また、Ｃは、好酸球性副鼻腔炎に見られる炎症のパターンであり、区画Ａ１～Ａ４に陰影が認められるケースが多い。

【0064】

また、Ｄは、副鼻腔真菌症に見られる炎症のパターンであり、区画Ａ５に陰影が認められるケースが多い。特に当該陰影は、副鼻腔粘膜の炎症に真菌感染が関与することで、真菌が増殖した塊がＣＴ画像上では白く高輝度になるため、あたかも骨に含まれるカルシウムの様に見えることから石灰化病変と呼ばれる。そのため、ＣＴにおいて副鼻腔に石灰化病変がみられた場合には真菌感染の典型的所見ととらえられる。また、真菌感染による副鼻腔炎は無症状で長期間の炎症状態を保つため、感染した副鼻腔の骨が全体的に肥厚する。そのため、ＣＴにおいて一つの副鼻腔が全周性に骨肥厚を呈した場合は真菌感染の典型的所見ととらえられる。

【0065】

また、Ｆは、内反性乳頭腫に見られる炎症のパターンであり、区画Ａ２、Ａ５に陰影が認められるケースが多い。特に内反性乳頭腫は、その発生部位の骨が肥厚するという特徴的所見がある。そのため、上顎洞の内腔の壁を見て骨の厚みが増している部分があれば腫瘍の基部であることが疑われ、内反性乳頭腫の典型的所見ととらえる。

【0066】

また、Ｇは、上顎癌に見られる炎症のパターンであり、区画Ａ５に陰影が認められるケースが多い。特に上顎癌は、腫瘍が増大することにより進展方向の骨を融解する特徴的所見がある。そのため、上顎洞の内腔の壁を見て骨の連続性が途絶える（骨融解）部分があれば、上顎癌の典型的所見ととらえる。

【0067】

なお、上記Ｂ～Ｇのケースは、いずれも各疾患の一例であり、示した区画以外の他の区画に陰影が認められる場合もある。

【0068】

ここで、上記各疾患の特徴を炎症の度合い（Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅ）によりスコア化して、各区画の炎症と各疾患を関連づけたものが、図８に示す、炎症疾患関連付情報１１７である。なお、ここでスコア化の際に石灰化、骨肥厚、骨欠損は考慮していないが、これらを考慮してスコア化してもよい。また、図示した炎症疾患関連付情報１１７は、スコアの一例であり、実際は各疾患に対して複数のスコアが用意される。また、複数のスコアは、スコアを、区画を次元とした空間として捉えた場合に、当該空間において疾患毎にクラスタリングされるものとし、各クラスターが重なる部分については複数疾患が候補として挙げられるものとする。

【0069】

副鼻腔疾患候補判定手段１０６は、具体的に、患者７の炎症パターン情報１１６がいずれの疾患の特徴に近いかを、炎症疾患関連付情報１１７の各疾患の炎症パターンとの距離（例えば、マンハッタン距離）によって求め（Ｓ２４）、予め定めた距離以内の距離にある場合（Ｓ２５；Ｙｅｓ）、当該疾患を疾患候補とする（Ｓ２６）。なお、副鼻腔疾患候補判定手段１０６が用いる「予め定めた距離」は、人為的に決定するものであってもよいし、疾患毎に平均、分散等の統計値から求めるものであってもよいし、学習により得るものであってもよい。また、当該予め定めた距離に含まれる疾患が複数であってもよく、この場合複数の疾患を疾患候補とする。このように、「予め定めた距離」を大きく設定すると、複数の疾患が疾患候補となり、可能性のある疾患を医師６に疾患候補として提示でき、医師６が当該疾患候補から可能性のある候補を検証することができ、「予め定めた距離」を小さく設定すると、疾患候補を絞り込むこととなり、可能性の高い疾患を医師６に疾患候補として提示できる。また、各疾患に対する炎症パターンがある傾向を持たず、曖昧な場合であっても「予め定めた距離」を当該曖昧さにあわせて（大きく）調整して設定することで、疾患候補を適切に（可能性のある疾患を排除せずに、かつ、可能性の低い疾患を排除して）結果として得ることができる。このように設定する「予め定めた距離」を疾患候補選定の基準として有しているので、副鼻腔の各区画の炎症パターンに曖昧さのある副鼻腔疾患に対しても、本発明により効果的な診断の支援が実現できる。

【0070】

なお、いずれの炎症パターンとも類似しない場合（Ｓ２５；Ｎｏ）、慢性副鼻腔炎を疾患候補とする（Ｓ２７）（除外診断）。

【0071】

また、副鼻腔疾患候補判定手段１０６は、疾患候補情報１１８に基づいて疾患候補を端末３の表示部に表示処理する。医師６等は、端末３の表示部に表示された疾患候補を確認し、患者７の疾患を診断する。

【0072】

（第１の実施の形態の効果）
上記した第１の実施の形態によれば、ＣＴ画像から副鼻腔疾患の診断を支援する方法において、区画特定の学習に用いるＣＴ画像に対しアノテーションを補間する学習をし、アノテーションを補間することでアノテーション済ＣＴ画像情報１１３を生成したため、すべてのＣＴ画像に人手でアノテーションを付与するのに比べて作業減となり、区画化の学習を効率化することができる。

【0073】

また、副鼻腔の各区画の炎症パターンと複数の副鼻腔疾患を関連付けた炎症疾患関連付情報１１７を準備し、当該炎症疾患関連付情報１１７と患者７の炎症パターンとの類似度を算出するようにしたため、複数の副鼻腔疾患の診断を支援することができる。

【0074】

［第２の実施の形態］
第２の実施の形態は、ＣＴ画像の特徴（眼窩上顎骨肥厚、上顎洞石灰化病変、篩骨蝶型洞骨肥厚、蝶型洞石灰化病変、上顎脳幹ＣＴ値比、上顎骨融解）を追加して第１の実施の形態の炎症パターン情報１１６及び炎症疾患関連付情報１１７を拡張した点と、ＣＴスコアを３段階から６段階に変更した点で第１の実施の形態と異なる。第１の実施の形態の（１）アノテーション補間学習動作、（２）副鼻腔区画特定学習動作は同様に行い、（３）疾患判定補助動作の代わりに以下の（４）疾患判定補助動作を行う。

【0075】

（４）疾患判定補助動作
図１９は、疾患判定動作を説明するためのフローチャートである。なお、図１１と同様の動作については説明を省略する。

【0076】

区画内炎症推定手段１０５は、ステップＳ２３において具体的に、炎症の度合いをＣＴ画像の区画に対応する領域の陰影（画像の濃淡）から推定する。当該陰影は、骨壁にある粘膜が浮腫状に膨隆して副鼻腔を充満している場合や、粘膜が炎症を起こして分泌物が過多になって副鼻腔に充満している場合、又は両者が混在している場合に現れる。

【0077】

一例として、区画内炎症推定手段１０５は、各区画に対応する領域の画素の濃淡値（０～２５５）を基に陰影を数値化する。次に、区画内炎症推定手段１０５は、領域毎の画素の平均値を計算する。次に、区画内炎症推定手段１０５は、Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅ（３つの区分）を拡張した６つの区分からなるＭｏｄｉｆｉｅｄ Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅを予め用意し（例えば、０、１～２５、２６～５０、５１～７５、７６～９９、１００％）、それぞれＬｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅの０（炎症なし）、１、２、３、４（部分的な炎症）、５（１００％炎症）に対応させる。どの区分に入るかによって、ＭＬＭの値が決定される。また、区画内炎症推定手段１０５は、画素の濃淡値に限らずＣＴ画像情報から得られる任意のパラメータ（輝度、勾配、顕著性等）を用いることができる。また、パラメータは画素に限らず、複数の画素、任意の形状の領域、画素の分布等から得るものであってもよい。なお、６段階に限らず、１～９９％の範囲を任意の複数段階で定義してもよい。また、段階は、判定精度が向上するものであれば、必ずしも均等に分けられていなくともよい。

【0078】

区画内炎症推定手段１０５が区画の炎症の度合いを推定し（Ｓ２２）、各区画の炎症のパターンを炎症パターン情報１１６Ａとして記憶部１１に格納した後（Ｓ２３）、副鼻腔疾患候補判定手段１０６は、ＣＴ画像の特徴を確認し（Ｓ３０）、以下に説明する予め定めた特徴に一致するか確認する（Ｓ３１）。一致する場合（Ｓ３１；Ｙｅｓ）、炎症パターン情報１１６Ａの項目として予め用意された特徴（眼窩上顎骨肥厚、上顎洞石灰化病変、篩骨蝶型洞骨肥厚、蝶型洞石灰化病変、上顎脳幹ＣＴ値比、上顎骨融解）に対して重み付けを行う（程度に応じてスコアの値を大きくする。）（Ｓ３２）。

【0079】

（眼窩上顎骨肥厚）
図１２（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0080】

図１２（ｂ）は、例えば、真菌症（上顎洞）に見られるＣＴ画像の特徴であり、区画Ａ５の周囲の骨幅ｄ２が、図１２（ａ）に示す正常時のＣＴ画像の区画Ａ５の周囲の骨幅ｄ１に比べて大きいケースが多い。

【0081】

副鼻腔疾患候補判定手段１０６は、ｄ２がｄ１の１．２倍以上である場合、炎症パターン情報１１６Ａの眼窩上顎骨肥厚の重み付けを大きくする。具体的に、ｄ２とｄ１の比が１．２以上の場合、スコアを１に、１．２未満の場合、スコアを０にする。

【0082】

（篩骨蝶型洞骨肥厚）
図１３（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0083】

図１３（ｂ）は、例えば、真菌症（蝶型洞）に見られるＣＴ画像の特徴であり、区画Ａ３、Ａ４の間の骨幅ｄ４が、図１３（ａ）に示す正常時のＣＴ画像の区画Ａ３、Ａ４の間の骨幅ｄ３に比べて大きいケースが多い。

【0084】

副鼻腔疾患候補判定手段１０６は、ｄ４がｄ３の１．２倍以上である場合、炎症パターン情報１１６Ａの篩骨蝶型洞骨肥厚の重み付けを大きくする。具体的に、ｄ４とｄ３の比が１．２以上の場合、スコアを１に、１．２未満の場合、スコアを０にする。

【0085】

（上顎洞石灰化病変）
図１４は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0086】

図１４は、例えば、真菌症（上顎洞）に見られるＣＴ画像の特徴であり、区画Ａ５内の印影１０５_１と石灰化部１０５_２のＣＴ画像上の輝度の比が１０以上である場合、炎症パターン情報１１６Ａの上顎洞石灰化病変の重み付けを大きくする。具体的に、輝度の比が１０以上の場合、スコアを１に、１０未満の場合、スコアを０にする。

【0087】

（蝶型洞石灰化病変）
図１５は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0088】

図１５は、例えば、真菌症（蝶型洞）に見られるＣＴ画像の特徴であり、区画Ａ４内の印影１０５_３と石灰化部１０５_４のＣＴ画像上の輝度の比が１０以上である場合、炎症パターン情報１１６Ａの蝶型洞石灰化病変の重み付けを大きくする。具体的に、輝度の比が１０以上の場合、スコアを１に、１０未満の場合、スコアを０にする。

【0089】

（上顎脳幹ＣＴ値比）
図１６（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0090】

図１６（ａ）は、例えば、内反性乳頭腫に見られるＣＴ画像の特徴であり、区画Ａ５内の印影１０５_５と、図１６（ｂ）の脳幹部１０５_６の輝度の比が１．５以上である場合、炎症パターン情報１１６Ａの上顎脳幹ＣＴ値比の重み付けを大きくする。具体的に、輝度の比が１．５以上の場合、スコアを１に、１．５未満の場合、スコアを０にする。

【0091】

（上顎骨融解）
図１７（ａ）及び（ｂ）は、各疾患と各区画のＣＴ画像上の陰影との関係を示す概略図である。

【0092】

図１７（ｂ）は、例えば、上顎癌に見られるＣＴ画像の特徴であり、区画Ａ５の内側壁を走査し（点線部）、図１７（ａ）のようにすべて走査すること（１０５_７）ができず、一部が走査され（１０５_８）、走査できない部分１０５_９がある場合は、「骨融解」があり、炎症パターン情報１１６Ａの上顎骨融解の重み付けを大きくする。具体的に、骨融解が検出される場合、スコアを１に、骨融解が検出されない場合、スコアを０にする。

【0093】

副鼻腔疾患候補判定手段１０６は、予め炎症パターンと疾患とを関連付けた炎症疾患関連付情報１１７Ａを参照し、患者７の炎症パターン情報１１６Ａと類似する疾患を疾患候補として判定し、疾患候補情報１１８を生成する（Ｓ２４～Ｓ２７）。

【0094】

図１８は、各区画の炎症と各疾患を関連づける炎症疾患関連付情報１１７Ａの内容を示す表である。

【0095】

炎症疾患関連付情報１１７Ａは、第１の実施の形態の炎症疾患関連付情報１１７のＣＴスコア（陰影濃度の重症度分類）を０，１，２の３段階（Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅ）から、０，１，２，３，４，５の６段階（Ｍｏｄｉｆｉｅｄ Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅ）に変更するとともに、上述したＣＴ画像の特徴（眼窩上顎骨肥厚、上顎洞石灰化病変、篩骨蝶型洞骨肥厚、蝶型洞石灰化病変、上顎脳幹ＣＴ値比、上顎骨融解）を数値に変換して追加したものである。

【0096】

（第２の実施の形態の効果）
上記した第２の実施の形態によれば、ＣＴ画像の特徴（眼窩上顎骨肥厚、上顎洞石灰化病変、篩骨蝶型洞骨肥厚、蝶型洞石灰化病変、上顎脳幹ＣＴ値比、上顎骨融解）を追加して炎症パターン情報１１６Ａ及び炎症疾患関連付情報１１７Ａを拡張し、第１の実施の形態に比べて高精度に複数の副鼻腔疾患の診断を支援することができる。

【0097】

また、ＣＴスコアを６段階のＭｏｄｉｆｉｅｄ Ｌｕｎｄ－Ｍａｃｋａｙ ｓｃｏｒｅに変更したため、０％、１００％、それ以外の３段階だった場合に比べて、炎症疾患関連付情報１１７Ａの各疾患の炎症パターンとの距離の解像度が向上し、判定精度が向上する。

【0098】

［他の実施の形態］
なお、本発明は、上記実施の形態に限定されず、本発明の趣旨を逸脱しない範囲で種々な変形が可能である。

【0099】

例えば、炎症の度合いのスコア化に際し、石灰化、骨肥厚、骨欠損を考慮してスコア化してもよいし、これらを判別できるよう画像解析等を行ってもよい。石灰化、骨肥厚、骨欠損を判別することで、スコアだけでは区別できない疾患を図７に示した疾患毎に現れる石灰化、骨肥厚、骨欠損の特徴に基づいて区別することができる。

【0100】

上記実施の形態では制御部１０の各手段１００～１０６の機能をプログラムで実現したが、各手段の全て又は一部をＡＳＩＣ等のハードウエアによって実現してもよい。また、上記実施の形態で用いたプログラムをＣＤ－ＲＯＭ等の記録媒体に記憶して提供することもできる。また、上記実施の形態で説明した上記ステップの入れ替え、削除、追加等は本発明の要旨を変更しない範囲内で可能である。

【符号の説明】

【0101】

１ ：情報処理装置
３ ：端末
５ ：ネットワーク
６ ：医師
７ ：患者
１０ ：制御部
１１ ：記憶部
１２ ：通信部
１００ ：学習用情報取得手段
１０１ ：アノテーション受付手段
１０２ ：アノテーション補間手段
１０３ ：学習手段
１０４ ：副鼻腔区画特定手段
１０５ ：区画内炎症推定手段
１０６ ：副鼻腔疾患候補判定手段
１１０ ：学習プログラム
１１１ ：判定補助プログラム
１１２ ：補間学習結果情報
１１３ ：アノテーション済ＣＴ画像情報
１１４ ：区画学習結果情報
１１５ ：患者ＣＴ画像情報
１１６、１１６Ａ：炎症パターン情報
１１７、１１７Ａ：炎症疾患関連付情報
１１８ ：疾患候補情報
２００ ：ＣＴ画像情報
２０１ ：３Ｄモデル情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】