ホーム > 特許ランキング > 国立大学法人 東京大学
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024085845
(43)【公開日】2024-06-27
(54)【発明の名称】情報処理装置、情報処理方法及びプログラム
(51)【国際特許分類】
A61B 8/14 20060101AFI20240620BHJP
A61B 8/06 20060101ALI20240620BHJP
G16H 30/00 20180101ALI20240620BHJP
G06T 7/00 20170101ALI20240620BHJP
G06N 20/00 20190101ALI20240620BHJP
【ＦＩ】
A61B8/14
A61B8/06
G16H30/00
G06T7/00 350B
G06T7/00 614
G06N20/00
【審査請求】未請求
【請求項の数】14
【出願形態】ＯＬ
(21)【出願番号】P 2022200608
(22)【出願日】2022-12-15
(71)【出願人】
【識別番号】504137912
【氏名又は名称】国立大学法人 東京大学
(74)【代理人】
【識別番号】110002789
【氏名又は名称】弁理士法人ＩＰＸ
(72)【発明者】
【氏名】長谷川 潔
(72)【発明者】
【氏名】三原 裕一郎
(72)【発明者】
【氏名】唐子 顕児
(72)【発明者】
【氏名】神子（▲高▼山） 真秀
(72)【発明者】
【氏名】佐々木 脩
(72)【発明者】
【氏名】伊藤 橋司
(72)【発明者】
【氏名】陳 ▲ゆ▼
【テーマコード（参考）】
4C601
5L096
5L099
【Ｆターム（参考）】
4C601DD09
4C601DD14
4C601DD15
4C601DE06
4C601EE09
4C601JB34
4C601JC05
4C601JC06
4C601JC20
4C601JC37
4C601KK24
5L096BA06
5L096BA13
5L096CA18
5L096DA01
5L096GA08
5L096HA01
5L096JA11
5L096KA04
5L099AA26
(57)【要約】 （修正有）
【課題】検査及び／又は手術の際に医師は造影エコー法で撮像された画像等を目視しながら病変のある、なしを判断したり、病変がある場合はその病変を切除したりする。しかし、病変が小さかったり、脈管に近かったりすると病変としての判定が困難な場合がある。
【解決手段】情報処理装置が提供される。この情報処理装置は、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得する。第１の超音波の画像の画像領域の特徴量と第２の超音波の画像の画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する。
【選択図】図１
【解決手段】情報処理装置が提供される。この情報処理装置は、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得する。第１の超音波の画像の画像領域の特徴量と第２の超音波の画像の画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する。
【選択図】図１
【特許請求の範囲】
【請求項1】
情報処理装置であって、
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理装置。
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理装置。
【請求項2】
請求項１に記載の情報処理装置において、
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき前記画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、前記画像領域を病変が存在する画像領域として画像領域の情報を出力する、
情報処理装置。
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき前記画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、前記画像領域を病変が存在する画像領域として画像領域の情報を出力する、
情報処理装置。
【請求項3】
請求項１に記載の情報処理装置において、
前記特徴量は画素値である、
情報処理装置。
前記特徴量は画素値である、
情報処理装置。
【請求項4】
請求項１に記載の情報処理装置において、
病変が存在する画像領域の情報として前記画像領域を示す情報を前記第１の超音波の画像と第２の超音波の画像との何れか又は双方に重畳して表示する、
情報処理装置。
病変が存在する画像領域の情報として前記画像領域を示す情報を前記第１の超音波の画像と第２の超音波の画像との何れか又は双方に重畳して表示する、
情報処理装置。
【請求項5】
請求項１に記載の情報処理装置において、
前記第１の超音波の画像と前記第２の超音波の画像とを学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とを入力データ、前記第１の超音波の画像と前記第２の超音波の画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記第１の超音波の画像の前記学習済みモデルから出力された画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理装置。
前記第１の超音波の画像と前記第２の超音波の画像とを学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とを入力データ、前記第１の超音波の画像と前記第２の超音波の画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記第１の超音波の画像の前記学習済みモデルから出力された画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理装置。
【請求項6】
情報処理装置であって、
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、
生成した画像を学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記学習済みモデルから出力された画像領域の情報を出力する、
情報処理装置。
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、
生成した画像を学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記学習済みモデルから出力された画像領域の情報を出力する、
情報処理装置。
【請求項7】
請求項６に記載の情報処理装置において、
前記第１の超音波の画像の特徴量と前記第２の超音波の画像の特徴量とに基づいて画像を生成する、
情報処理装置。
前記第１の超音波の画像の特徴量と前記第２の超音波の画像の特徴量とに基づいて画像を生成する、
情報処理装置。
【請求項8】
請求項７に記載の情報処理装置において、
前記特徴量は画素値である、
情報処理装置。
前記特徴量は画素値である、
情報処理装置。
【請求項9】
請求項８に記載の情報処理装置において、
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて前記第１の超音波の画像と前記第２の超音波の画像との濃淡の差を示す画像を生成する、
情報処理装置。
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて前記第１の超音波の画像と前記第２の超音波の画像との濃淡の差を示す画像を生成する、
情報処理装置。
【請求項10】
請求項６に記載の情報処理装置において、
前記第１の超音波の画像、又は前記第２の超音波の画像、又は生成した画像に重畳して前記画像領域の情報を表示する、
情報処理装置。
前記第１の超音波の画像、又は前記第２の超音波の画像、又は生成した画像に重畳して前記画像領域の情報を表示する、
情報処理装置。
【請求項11】
請求項１に記載の情報処理装置において、
前記第１の超音波の画像は、造影なしの超音波画像であり、
前記第２の超音波の画像は、造影ありの超音波画像である、
情報処理装置。
前記第１の超音波の画像は、造影なしの超音波画像であり、
前記第２の超音波の画像は、造影ありの超音波画像である、
情報処理装置。
【請求項12】
情報処理方法であって、
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理方法。
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、
情報処理方法。
【請求項13】
情報処理方法であって、
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、
生成した画像を学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記学習済みモデルから出力された画像領域の情報を出力する、
情報処理方法。
同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、
前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、
生成した画像を学習済みモデルに入力し、
前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、
前記学習済みモデルから出力された画像領域の情報を出力する、
情報処理方法。
【請求項14】
プログラムであって、
コンピュータを、
請求項１から請求項１１までの何れか１項に記載の情報処理装置として機能させるためのプログラム。
コンピュータを、
請求項１から請求項１１までの何れか１項に記載の情報処理装置として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法及びプログラムに関する。
【背景技術】
【0002】
検査及び／又は手術の際に超音波を用いて臓器、又は甲状腺、又は乳腺等に病変が存在するか否か確認する方法がある。
特許文献１には造影エコー法に関する技術が開示されている。
特許文献１には造影エコー法に関する技術が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２２－０７４９２１号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
検査及び／又は手術の際に医師は造影エコー法で撮像された画像等を目視しながら病変のある、なしを判断したり、病変がある場合はその病変を切除したりする。しかし、病変が小さかったり、脈管に近かったりすると病変としての判定が困難な場合がある。
【課題を解決するための手段】
【0005】
本発明の一態様によれば、情報処理装置が提供される。この情報処理装置は、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得する。第１の超音波の画像の画像領域の特徴量と第２の超音波の画像の画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する。
【図面の簡単な説明】
【0006】
【発明を実施するための形態】
【0007】
（実施形態１）
以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。特に、本明細書において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、本実施形態においては様々な情報を取り扱うが、これら情報は、０又は１で構成される２進数のビット集合体として信号値の高低によって表されるか、信号値の物理的な数値によって表されるか、又は量子的な重ね合わせによって表されるかによらず、広義の回路上で通信及び演算が実行されうる。
以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。特に、本明細書において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、本実施形態においては様々な情報を取り扱うが、これら情報は、０又は１で構成される２進数のビット集合体として信号値の高低によって表されるか、信号値の物理的な数値によって表されるか、又は量子的な重ね合わせによって表されるかによらず、広義の回路上で通信及び演算が実行されうる。
【0008】
また、広義の回路とは、回路（Ｃｉｒｃｕｉｔ）、回路類（Ｃｉｒｃｕｉｔｒｙ）、プロセッサ（Ｐｒｏｃｅｓｓｏｒ）、及びメモリ（Ｍｅｍｏｒｙ）等を少なくとも適当に組み合わせることによって実現される回路である。すなわち、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等を含むものである。
【0009】
また、実施形態中に登場するソフトウェアを実現するためのプログラムは、サーバーからダウンロード可能な態様で実施してもよいし、クラウドコンピュータ上でプログラムの実行がなされてもよいし、不揮発性又は揮発性の非一時的な記憶媒体に記憶させて頒布されてもよい。
【0010】
１．システム構成
図１は、情報処理システム１０００のシステム構成の一例を示す図である。図１に示されるように、情報処理システム１０００は、システム構成として、サーバー装置１００と、超音波診断装置１２０と、を含む。サーバー装置１００と、超音波診断装置１２０と、ネットワーク１５０を介して通信可能に接続されている。
図１は、情報処理システム１０００のシステム構成の一例を示す図である。図１に示されるように、情報処理システム１０００は、システム構成として、サーバー装置１００と、超音波診断装置１２０と、を含む。サーバー装置１００と、超音波診断装置１２０と、ネットワーク１５０を介して通信可能に接続されている。
【0011】
超音波診断装置１２０は、検査室及び／又は手術室において、患者等に対して超音波を発信し、臓器や組織からはねかえってくる反射を受信し、受信した超音波信号を処理し、画像化を行い、表示する処理を実行する。
【0012】
サーバー装置１００は、超音波診断装置１２０から送信された超音波画像に関して実施形態に係る処理を実行する装置である。サーバー装置１００で実行された結果は、超音波診断装置１２０で表示されてもよいし、情報処理システム１０００に含まれる不図示のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）のディスプレイ等に表示されてもよい。
超音波診断装置１２０は、サーバー装置１００の処理の実行結果等を表示する装置である。
超音波診断装置１２０は、サーバー装置１００の処理の実行結果等を表示する装置である。
【0013】
なお、図１では説明の簡略化のため情報処理システム１０００において超音波診断装置１２０は１台しか図示していないが、情報処理システム１０００には複数の超音波診断装置１２０が含まれていてもよい。また、以下に示す実施形態等の処理はサーバー装置１００が実行するものとして説明を行うが、サーバー装置１００の替わりに、ＰＣ、又はクラウドシステム、又は超音波診断装置１２０等が実施形態に係る処理を実行してもよい。
【0014】
２．ハードウェア構成
（１）サーバー装置１００のハードウェア構成
図２は、サーバー装置１００のハードウェア構成の一例を示す図である。サーバー装置１００は、ハードウェア構成として、少なくとも、制御部２１０と、記憶部２２０と、通信部２３０と、を含む。制御部２１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等であって、サーバー装置１００の全体を制御する。記憶部２２０は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓａｔｅ Ｄｒｉｖｅ）等の何れか、又はこれらの任意の組み合わせであって、プログラム及び制御部２１０がプログラムに基づき処理を実行する際に利用するデータ等を記憶する。制御部２１０が、記憶部２２０に記憶されているプログラムに基づき、処理を実行することによって、サーバー装置１００の機能等が実現される。通信部２３０は、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等であって、サーバー装置１００をネットワーク１５０に接続し、他の装置との通信を司る。
（１）サーバー装置１００のハードウェア構成
図２は、サーバー装置１００のハードウェア構成の一例を示す図である。サーバー装置１００は、ハードウェア構成として、少なくとも、制御部２１０と、記憶部２２０と、通信部２３０と、を含む。制御部２１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等であって、サーバー装置１００の全体を制御する。記憶部２２０は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓａｔｅ Ｄｒｉｖｅ）等の何れか、又はこれらの任意の組み合わせであって、プログラム及び制御部２１０がプログラムに基づき処理を実行する際に利用するデータ等を記憶する。制御部２１０が、記憶部２２０に記憶されているプログラムに基づき、処理を実行することによって、サーバー装置１００の機能等が実現される。通信部２３０は、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等であって、サーバー装置１００をネットワーク１５０に接続し、他の装置との通信を司る。
【0015】
なお、実施形態１では、制御部２１０がプログラムに基づき処理を実行する際に利用するデータを記憶部２２０に記憶するものとして説明するが、サーバー装置１００が通信可能な他の装置の記憶部等に記憶するようにしてもよい。また、図２では、制御部２１０を１つとして説明しているが、複数の制御部が記憶部等に記憶されているプログラムに基づき処理を実行するようにしてもよい。
【0016】
（２）超音波診断装置１２０のハードウェア構成
図３は、超音波診断装置１２０のハードウェア構成の一例を示す図である。超音波診断装置１２０は、ハードウェア構成として、少なくとも、制御部３１０と、記憶部３２０と、入力部３３０と、出力部３４０と、通信部３５０と、を含む。制御部３１０は、ＣＰＵ等であって、超音波診断装置１２０の全体を制御する。記憶部３２０は、ＨＤＤ、ＲＯＭ、ＲＡＭ、ＳＳＤの何れか、又はこれらの任意の組み合わせであって、プログラム、制御部３１０がプログラムに基づき処理を実行する際に利用するデータ等を記憶させる。制御部３１０が、記憶部３２０に記憶されているプログラムに基づき、処理を実行することによって、超音波診断装置１２０の機能が実現される。入力部３３０は、ボタンやトラックボール等であって、ユーザーの操作情報等を制御部３１０に入力する。出力部３４０は、ディスプレイ等であって、制御部３１０の情報処理の結果や他の装置等から受信したデータ等を表示する。通信部３５０は、ＮＩＣ等であって、超音波診断装置１２０をネットワーク１５０に接続し、他の装置との通信を司る。超音波診断装置１２０は、図３に示すハードウェア構成以外に超音波の送信、受信を担うプローブ等を有していてもよい。
図３は、超音波診断装置１２０のハードウェア構成の一例を示す図である。超音波診断装置１２０は、ハードウェア構成として、少なくとも、制御部３１０と、記憶部３２０と、入力部３３０と、出力部３４０と、通信部３５０と、を含む。制御部３１０は、ＣＰＵ等であって、超音波診断装置１２０の全体を制御する。記憶部３２０は、ＨＤＤ、ＲＯＭ、ＲＡＭ、ＳＳＤの何れか、又はこれらの任意の組み合わせであって、プログラム、制御部３１０がプログラムに基づき処理を実行する際に利用するデータ等を記憶させる。制御部３１０が、記憶部３２０に記憶されているプログラムに基づき、処理を実行することによって、超音波診断装置１２０の機能が実現される。入力部３３０は、ボタンやトラックボール等であって、ユーザーの操作情報等を制御部３１０に入力する。出力部３４０は、ディスプレイ等であって、制御部３１０の情報処理の結果や他の装置等から受信したデータ等を表示する。通信部３５０は、ＮＩＣ等であって、超音波診断装置１２０をネットワーク１５０に接続し、他の装置との通信を司る。超音波診断装置１２０は、図３に示すハードウェア構成以外に超音波の送信、受信を担うプローブ等を有していてもよい。
【0017】
本実施形態の超音波診断装置１２０は、同じ被写体（患者）の同じ診断部位又は手術部位等の造影なしの超音波画像と造影ありの超音波画像（以下、造影超音波画像という）とを合わせて一つの画像を同時に生成し、生成した画像を超音波診断装置１２０に送信するものとして説明を行う。図４は、造影なしの超音波画像と、造影超音波画像と、が合わさった画像の一例を示す図である。図４の画像の左半分が造影なしの超音波画像であり、図４の画像の右半分が造影超音波画像である。診断部位や手術部位としては、例えば、血管、甲状腺、乳腺、肩、肝臓、腎臓、心臓、卵巣、胎盤、胎児、指関節等がある。本実施形態の超音波画像は、超音波診断用の造影剤が投与され、撮像された画像を例に説明する。
【0018】
３．情報処理
以下、実施形態１に係る情報処理を説明する。
（１）超音波画像記憶処理
図５は、超音波画像を記憶する情報処理の一例を示すアクティビティ図である。
アクティビティＡ４０１において、制御部２１０は、超音波診断装置１２０からの超音波画像の受信を待機する。制御部２１０は、超音波画像を受信した場合、アクティビティＡ４０２に進み、超音波画像を受信しない場合、アクティビティＡ４０１の処理を繰り返す。
アクティビティＡ４０２において、制御部２１０は、受信した超音波画像を記憶部２２０等に記憶する。制御部２１０は、図４に示されるような超音波画像を受信し、画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分け、それぞれ同じ被写体（患者）の同じ診断部位又は手術部位等の画像であることを示す情報と共に、関連付けて記憶部２２０等に記憶する。なお、このことは実施形態１の処理を限定するものではなく、制御部２１０は、図４に示したような超音波画像を記憶部２２０等に一旦記憶し、記憶部２２０から超音波画像を取得して処理を実行する際に、画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分けて処理を行うようにしてもよい。
以下、実施形態１に係る情報処理を説明する。
（１）超音波画像記憶処理
図５は、超音波画像を記憶する情報処理の一例を示すアクティビティ図である。
アクティビティＡ４０１において、制御部２１０は、超音波診断装置１２０からの超音波画像の受信を待機する。制御部２１０は、超音波画像を受信した場合、アクティビティＡ４０２に進み、超音波画像を受信しない場合、アクティビティＡ４０１の処理を繰り返す。
アクティビティＡ４０２において、制御部２１０は、受信した超音波画像を記憶部２２０等に記憶する。制御部２１０は、図４に示されるような超音波画像を受信し、画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分け、それぞれ同じ被写体（患者）の同じ診断部位又は手術部位等の画像であることを示す情報と共に、関連付けて記憶部２２０等に記憶する。なお、このことは実施形態１の処理を限定するものではなく、制御部２１０は、図４に示したような超音波画像を記憶部２２０等に一旦記憶し、記憶部２２０から超音波画像を取得して処理を実行する際に、画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分けて処理を行うようにしてもよい。
【0019】
サーバー装置１００は、起動中、図５に示される処理を繰り返し実行する。超音波診断装置１２０は、超音波画像が撮像されると、時系列的に連続した超音波画像（すなわち、動画）をサーバー装置１００に送信する。したがって、サーバー装置１００は、超音波診断装置１２０から送信される動画を記憶部２２０等に記憶することになる。
なお、以下に示す実施形態等では、サーバー装置１００は、超音波診断装置１２０から受信した超音波画像を記憶部２２０等に記憶した後、以下に示す情報処理を実行するよう説明を行う。しかし、サーバー装置１００は、記憶部２２０等に記憶する前に、超音波診断装置１２０から受信した所定のデータから超音波画像を取得し、以下に示す情報処理を実行するようにしてもよい。超音波診断装置１２０から受信した所定のデータから超音波画像を取得した場合は、制御部２１０は、上述したように画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分ける処理を実行した後、以下の示す処理を実行する。
なお、以下に示す実施形態等では、サーバー装置１００は、超音波診断装置１２０から受信した超音波画像を記憶部２２０等に記憶した後、以下に示す情報処理を実行するよう説明を行う。しかし、サーバー装置１００は、記憶部２２０等に記憶する前に、超音波診断装置１２０から受信した所定のデータから超音波画像を取得し、以下に示す情報処理を実行するようにしてもよい。超音波診断装置１２０から受信した所定のデータから超音波画像を取得した場合は、制御部２１０は、上述したように画像の左半分の造影なしの超音波画像と、画像の右半分の造影超音波画像と、に分ける処理を実行した後、以下の示す処理を実行する。
【0020】
（２）情報処理
（処理の概要）
図４を用いて実施形態１のメインの情報処理の概要を説明する。制御部２１０は、記憶部２２０等から同じ被写体（患者）の同じ診断部位又は手術部位等を撮像し、生成された、造影なしの超音波画像と、造影超音波画像と、を取得する。造影なしの超音波画像は、第１の超音波の画像の一例である。造影超音波画像は、第２の超音波画像の一例である。制御部２１０は、造影なしの超音波画像と造影超音波画像とを学習済みモデルに入力する。ここで、学習済みモデルは、造影なしの超音波画像と造影超音波画像とを入力データ、造影なしの超音波画像と造影超音波画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルである。制御部２１０は、学習済みモデルから出力された画像領域の特徴量に基づき病変が存在する画像領域の情報を出力する。このような処理を行うことによって、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
（処理の概要）
図４を用いて実施形態１のメインの情報処理の概要を説明する。制御部２１０は、記憶部２２０等から同じ被写体（患者）の同じ診断部位又は手術部位等を撮像し、生成された、造影なしの超音波画像と、造影超音波画像と、を取得する。造影なしの超音波画像は、第１の超音波の画像の一例である。造影超音波画像は、第２の超音波画像の一例である。制御部２１０は、造影なしの超音波画像と造影超音波画像とを学習済みモデルに入力する。ここで、学習済みモデルは、造影なしの超音波画像と造影超音波画像とを入力データ、造影なしの超音波画像と造影超音波画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルである。制御部２１０は、学習済みモデルから出力された画像領域の特徴量に基づき病変が存在する画像領域の情報を出力する。このような処理を行うことによって、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
【0021】
（処理の詳細）
図６は、メインの情報処理の一例を示すアクティビティ図である。
アクティビティＡ５０１において、制御部２１０は、記憶部２２０又は超音波診断装置１２０から受信したデータ等から超音波画像（フレーム）を取得する。図７は、取得された超音波画像のうち、造影なしの超音波画像６００の一例を示す図である。図８は、取得された超音波画像のうち、造影超音波画像７００の一例を示す図である。
図６は、メインの情報処理の一例を示すアクティビティ図である。
アクティビティＡ５０１において、制御部２１０は、記憶部２２０又は超音波診断装置１２０から受信したデータ等から超音波画像（フレーム）を取得する。図７は、取得された超音波画像のうち、造影なしの超音波画像６００の一例を示す図である。図８は、取得された超音波画像のうち、造影超音波画像７００の一例を示す図である。
【0022】
アクティビティＡ５０２において、制御部２１０は、取得した造影なしの超音波画像６００及び造影超音波画像７００を学習済みモデルに入力する。上述したように、学習済みモデルは、造影なしの超音波画像と造影超音波画像とを入力データ、造影なしの超音波画像と造影超音波画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルである。
アクティビティＡ５０３において、制御部２１０は、学習済みモデルから出力された画像領域（局所領域）を取得する。
アクティビティＡ５０３において、制御部２１０は、学習済みモデルから出力された画像領域（局所領域）を取得する。
【0023】
アクティビティＡ５０４において、制御部２１０は、取得した画像領域の特徴量に基づき病変が存在する画像領域の情報を出力する。具体的に説明すると、制御部２１０は、学習済みモデルから出力された画像領域の特徴量に基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。より具体的に説明すると、制御部２１０は、学習済みモデルから出力された画像領域に対応する造影なしの超音波画像の特徴量と学習済みモデルから出力された画像領域に対応する造影超音波画像の特徴量とに基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。ここで、画像の特徴量の一例は、画素値（０～２５５の整数で表される白黒の濃淡）である。なお、病変の一例としては、腫瘍が存在するがこれに限定されるものではない。また、実施形態等では診断部位又は手術部位として肝臓を例に説明するがこれに限定されるものではない。例えば、乳腺、甲状腺等であってもよい。
【0024】
図９は、学習済みモデルから出力される画像領域の概念を示す図である。図９の例では、学習済みモデルから画像領域として、画像領域８１０、画像領域８２０、画像領域８３０が出力された例が示されている。
制御部２１０は、造影なしの超音波画像の画像領域８１０の画素値がそれぞれどれだけ含まれているかを求める。同様に、制御部２１０は、造影超音波画像の画像領域８１０の画素値がどれだけ含まれているかを求める。そして、制御部２１０は、造影なしの超音波画像の最多の画素値の値（Ｐａ）と、造影超音波画像の最多の画素値の値（Ｐｂ）とを比較する。制御部２１０は、Ｐａ<Ｐｂとなっている場合、病変がある画像領域ではないとして出力対象から除外する。一方、制御部２１０は、Ｐａ<Ｐｂとなっていない場合、病変がある画像領域であるとして出力対象から除外しない。制御部２１０は、画像領域８２０、画像領域８３０に対しても同様の処理を実行する。制御部２１０は、上述した処理を実行し、出力対象として除外されなかった、すなわち、病変が存在すると判定された画像領域の情報を出力する。
制御部２１０は、造影なしの超音波画像の画像領域８１０の画素値がそれぞれどれだけ含まれているかを求める。同様に、制御部２１０は、造影超音波画像の画像領域８１０の画素値がどれだけ含まれているかを求める。そして、制御部２１０は、造影なしの超音波画像の最多の画素値の値（Ｐａ）と、造影超音波画像の最多の画素値の値（Ｐｂ）とを比較する。制御部２１０は、Ｐａ<Ｐｂとなっている場合、病変がある画像領域ではないとして出力対象から除外する。一方、制御部２１０は、Ｐａ<Ｐｂとなっていない場合、病変がある画像領域であるとして出力対象から除外しない。制御部２１０は、画像領域８２０、画像領域８３０に対しても同様の処理を実行する。制御部２１０は、上述した処理を実行し、出力対象として除外されなかった、すなわち、病変が存在すると判定された画像領域の情報を出力する。
【0025】
図１０は、出力された病変が存在する画像領域の情報の一例を示す図である。図１０の例では、画像領域８１０、画像領域８２０、画像領域８３０のうち、画像領域８１０が病変が存在する画像領域の情報として出力されている。ここで、図１０の例では、病変が存在する画像領域の情報を造影超音波画像に重畳して表示する例を示している。しかし、制御部２１０は、病変が存在する画像領域の情報として画像領域を示す情報を造影なしの超音波画像と造影超音波画像との何れか又は双方に重畳して表示してもよい。また、病変が存在する画像領域の情報としては、病変が存在する画像領域を示す色であってもよいし、病変が存在する画像領域を示す円や矩形等のオブジェクトであってもよい。
制御部２１０は、図１０に示されるような画面を超音波診断装置１２０の出力部３４０に表示するようにしてもよいし、不図示のＰＣ等の装置のディスプレイに表示するようにしてもよい。
制御部２１０は、図１０に示されるような画面を超音波診断装置１２０の出力部３４０に表示するようにしてもよいし、不図示のＰＣ等の装置のディスプレイに表示するようにしてもよい。
【0026】
実施形態１によれば、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
【0027】
（変形例１）
実施形態１の変形例を説明する。
実施形態１では制御部２１０は、学習済みモデルを用いて画像領域（局所領域）を取得した。しかし、変形例１の制御部２１０は、例えば超音波診断装置１２０の出力部３４０等に表示された造影なしの超音波画像及び／又は造影超音波画像の領域を選択する選択操作等に基づいて画像領域（局所領域）を取得するようにしてもよい。制御部２１０は、取得した画像領域の特徴量に基づき病変が存在する画像領域の情報を出力する。具体的に説明すると、制御部２１０は、取得した画像領域の特徴量に基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。より具体的に説明すると、制御部２１０は、取得した画像領域に対応する造影なしの超音波画像の特徴量と取得した画像領域に対応する造影超音波画像の特徴量とに基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。ここで、画像の特徴量の一例は、画素値（０～２５５の整数で表される白黒の濃淡）である。
実施形態１の変形例を説明する。
実施形態１では制御部２１０は、学習済みモデルを用いて画像領域（局所領域）を取得した。しかし、変形例１の制御部２１０は、例えば超音波診断装置１２０の出力部３４０等に表示された造影なしの超音波画像及び／又は造影超音波画像の領域を選択する選択操作等に基づいて画像領域（局所領域）を取得するようにしてもよい。制御部２１０は、取得した画像領域の特徴量に基づき病変が存在する画像領域の情報を出力する。具体的に説明すると、制御部２１０は、取得した画像領域の特徴量に基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。より具体的に説明すると、制御部２１０は、取得した画像領域に対応する造影なしの超音波画像の特徴量と取得した画像領域に対応する造影超音波画像の特徴量とに基づき画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、画像領域を病変が存在する画像領域として出力する。ここで、画像の特徴量の一例は、画素値（０～２５５の整数で表される白黒の濃淡）である。
【0028】
変形例１によれば、医師等が画面等を介して選択した選択操作に基づき取得した画像領域の特徴量に基づき病変が存在する画像領域の情報を出力することができる。すなわち、変形例１によれば、学習済みモデルを用いることなく病変が存在する画像領域を提示することができる。
【0029】
（変形例２）
実施形態１の変形例を説明する。
変形例２の制御部２１０は、同じ被写体を撮像した造影なしの超音波画像と造影超音波画像とを取得する。制御部２１０は、造影なしの超音波画像と造影超音波画像とに基づいて画像を生成する。制御部２１０は、生成した画像を学習済みモデルに入力する。ここで、変形例２の学習済みモデルは、造影なしの超音波画像と造影超音波画像とに基づいて生成された画像を入力データ、画像における病変が存在する画像領域を出力データとして学習された学習済みモデルである。制御部２１０は、学習済みモデルから出力された画像領域の情報を出力する。このような処理を行うことによっても、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
実施形態１の変形例を説明する。
変形例２の制御部２１０は、同じ被写体を撮像した造影なしの超音波画像と造影超音波画像とを取得する。制御部２１０は、造影なしの超音波画像と造影超音波画像とに基づいて画像を生成する。制御部２１０は、生成した画像を学習済みモデルに入力する。ここで、変形例２の学習済みモデルは、造影なしの超音波画像と造影超音波画像とに基づいて生成された画像を入力データ、画像における病変が存在する画像領域を出力データとして学習された学習済みモデルである。制御部２１０は、学習済みモデルから出力された画像領域の情報を出力する。このような処理を行うことによっても、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
【0030】
図１１は、変形例２のメインの情報処理の一例を示すアクティビティ図である。
アクティビティＡ１００１において、制御部２１０は、記憶部２２０又は超音波診断装置１２０から受信したデータ等から超音波画像（フレーム）を取得する。制御部２１０は、図７に示されるような造影なしの超音波画像及び図８に示されるような造影超音波画像を取得する。
アクティビティＡ１００１において、制御部２１０は、記憶部２２０又は超音波診断装置１２０から受信したデータ等から超音波画像（フレーム）を取得する。制御部２１０は、図７に示されるような造影なしの超音波画像及び図８に示されるような造影超音波画像を取得する。
【0031】
アクティビティＡ１００２において、制御部２１０は、アクティビティＡ１００１で取得した造影なしの超音波画像の特徴量とアクティビティＡ１００１で取得した造影超音波画像の特徴量とに基づいて画像を生成する。ここで、画像の特徴量の一例は、画素値（０～２５５の整数で表される白黒の濃淡）である。より具体的に説明すると、制御部２１０は、造影なしの超音波画像と造影超音波画像とに基づいて造影なしの超音波画像と造影超音波画像との濃淡の差を示す画像を生成する。
図１２は、画像の生成を説明するための図である。制御部２１０は、造影なしの超音波画像１１１０と造影超音波画像１１２０とから、造影なしの超音波画像１１１０と造影超音波画像１１２０との濃淡の差を示す画像１１３０を生成する。
図１２は、画像の生成を説明するための図である。制御部２１０は、造影なしの超音波画像１１１０と造影超音波画像１１２０とから、造影なしの超音波画像１１１０と造影超音波画像１１２０との濃淡の差を示す画像１１３０を生成する。
【0032】
アクティビティＡ１００３において、制御部２１０は、アクティビティＡ１００２で生成した画像を、学習済みモデルに入力する。ここで、学習済みモデルは、上述したように、造影なしの超音波画像と造影超音波画像とに基づいて生成された画像を入力データ、画像における病変が存在する画像領域を出力データとして学習された学習済みモデルである。
アクティビティＡ１００４において、制御部２１０は、学習済みモデルから出力された画像領域（局所領域）を取得する。
アクティビティＡ１００４において、制御部２１０は、学習済みモデルから出力された画像領域（局所領域）を取得する。
【0033】
アクティビティＡ１００５において、制御部２１０は、取得した画像領域の情報を出力する。
図１３は、出力された病変が存在する画像領域の情報の一例を示す図である。図１３の例では、病変が存在する画像領域の情報を生成した画像に重畳して表示する例を示している。しかし、制御部２１０は、造影なしの超音波画像、又は造影超音波画像、又は生成した画像に重畳して画像領域の情報を表示してもよい。実施形態１と同様、病変が存在する画像領域の情報としては、病変が存在する画像領域を示す色であってもよいし、病変が存在する画像領域を示す円や矩形等のオブジェクトであってもよい。
制御部２１０は、図１３に示されるような画面を超音波診断装置１２０の出力部３４０に表示するようにしてもよいし、不図示のＰＣ等の装置のディスプレイに表示するようにしてもよい。
図１３は、出力された病変が存在する画像領域の情報の一例を示す図である。図１３の例では、病変が存在する画像領域の情報を生成した画像に重畳して表示する例を示している。しかし、制御部２１０は、造影なしの超音波画像、又は造影超音波画像、又は生成した画像に重畳して画像領域の情報を表示してもよい。実施形態１と同様、病変が存在する画像領域の情報としては、病変が存在する画像領域を示す色であってもよいし、病変が存在する画像領域を示す円や矩形等のオブジェクトであってもよい。
制御部２１０は、図１３に示されるような画面を超音波診断装置１２０の出力部３４０に表示するようにしてもよいし、不図示のＰＣ等の装置のディスプレイに表示するようにしてもよい。
【0034】
変形例２によっても、病変が小さかったり、脈管に近かったりした場合でも、病変が存在する画像領域を提示することができる。また、制御部２１０が処理を行うことにより、画像を人がみて判断するより速やかに候補領域を判断し、提示することができる。
【0035】
さらに、次に記載の各態様で提供されてもよい。
【0036】
（１）情報処理装置であって、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、情報処理装置。
【0037】
（２）上記（１）に記載の情報処理装置において、前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき前記画像領域に病変が存在するか否かを判定し、病変が存在すると判定した場合、前記画像領域を病変が存在する画像領域として画像領域の情報を出力する、情報処理装置。
【0038】
（３）上記（１）又は（２）に記載の情報処理装置において、前記特徴量は画素値である、情報処理装置。
【0039】
（４）上記（１）から（３）までの何れか１つに記載の情報処理装置において、病変が存在する画像領域の情報として前記画像領域を示す情報を前記第１の超音波の画像と第２の超音波の画像との何れか又は双方に重畳して表示する、情報処理装置。
【0040】
（５）前記第１の超音波の画像と前記第２の超音波の画像とを学習済みモデルに入力し、前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とを入力データ、前記第１の超音波の画像と前記第２の超音波の画像との何れか又は双方における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、前記第１の超音波の画像の前記学習済みモデルから出力された画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、情報処理装置。
【0041】
（６）情報処理装置であって、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、生成した画像を学習済みモデルに入力し、前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、前記学習済みモデルから出力された画像領域の情報を出力する、情報処理装置。
【0042】
（７）上記（６）に記載の情報処理装置において、前記第１の超音波の画像の特徴量と前記第２の超音波の画像の特徴量とに基づいて画像を生成する、情報処理装置。
【0043】
（８）上記（７）に記載の情報処理装置において、前記特徴量は画素値である、情報処理装置。
【0044】
（９）上記（８）に記載の情報処理装置において、前記第１の超音波の画像と前記第２の超音波の画像とに基づいて前記第１の超音波の画像と前記第２の超音波の画像との濃淡の差を示す画像を生成する、情報処理装置。
【0045】
（１０）上記（６）から（９）までの何れか１つに記載の情報処理装置において、前記第１の超音波の画像、又は前記第２の超音波の画像、又は生成した画像に重畳して前記画像領域の情報を表示する、情報処理装置。
【0046】
（１１）上記（１）から（１０）までの何れか１つに記載の情報処理装置において、前記第１の超音波の画像は、造影なしの超音波画像であり、前記第２の超音波の画像は、造影ありの超音波画像である、情報処理装置。
【0047】
（１２）情報処理方法であって、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、前記第１の超音波の画像の画像領域の特徴量と前記第２の超音波の画像の前記画像領域の特徴量とに基づき病変が存在する画像領域の情報を出力する、情報処理方法。
【0048】
（１３）情報処理方法であって、同じ被写体を撮像した第１の超音波の画像と第２の超音波の画像とを取得し、前記第１の超音波の画像と前記第２の超音波の画像とに基づいて画像を生成し、生成した画像を学習済みモデルに入力し、前記学習済みモデルは、第１の超音波の画像と第２の超音波の画像とに基づいて生成された画像を入力データ、前記画像における病変が存在する画像領域を出力データとして学習された学習済みモデルであり、前記学習済みモデルから出力された画像領域の情報を出力する、情報処理方法。
【0049】
（１４）プログラムであって、コンピュータを、上記（１）から（１１）までの何れか１つに記載の情報処理装置として機能させるためのプログラム。
もちろん、この限りではない。
もちろん、この限りではない。
【0050】
最後に、本発明に係る種々の実施形態を説明したが、これらは、例として提示したものであり、発明の範囲を限定することは意図していない。新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。実施形態やその変形は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
【符号の説明】
【0051】
１００ ：サーバー装置
１２０ ：超音波診断装置
１５０ ：ネットワーク
２１０ ：制御部
２２０ ：記憶部
２３０ ：通信部
３１０ ：制御部
３２０ ：記憶部
３３０ ：入力部
３４０ ：出力部
３５０ ：通信部
６００ ：超音波画像
７００ ：造影超音波画像
８１０ ：画像領域
８２０ ：画像領域
８３０ ：画像領域
１０００ ：情報処理システム
１１１０ ：超音波画像
１１２０ ：造影超音波画像
１１３０ ：画像
１２０ ：超音波診断装置
１５０ ：ネットワーク
２１０ ：制御部
２２０ ：記憶部
２３０ ：通信部
３１０ ：制御部
３２０ ：記憶部
３３０ ：入力部
３４０ ：出力部
３５０ ：通信部
６００ ：超音波画像
７００ ：造影超音波画像
８１０ ：画像領域
８２０ ：画像領域
８３０ ：画像領域
１０００ ：情報処理システム
１１１０ ：超音波画像
１１２０ ：造影超音波画像
１１３０ ：画像
【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】
