特開 2025-57968 診断装置、診断方法、診断モデル及びプログラム

(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】P2025057968

(43)【公開日】2025-04-09

(54)【発明の名称】診断装置、診断方法、診断モデル及びプログラム

(51)【国際特許分類】

   A61B 5/346 20210101AFI20250402BHJP

   G06N 3/04 20230101ALI20250402BHJP

【ＦＩ】

A61B5/346

G06N3/04

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023167833

(22)【出願日】2023-09-28

(71)【出願人】

【識別番号】505155528

【氏名又は名称】公立大学法人横浜市立大学

(71)【出願人】

【識別番号】504182255

【氏名又は名称】国立大学法人横浜国立大学

(71)【出願人】

【識別番号】000112602

【氏名又は名称】フクダ電子株式会社

(74)【代理人】

【識別番号】110003281

【氏名又は名称】弁理士法人大塚国際特許事務所

(72)【発明者】

【氏名】岡田 興造

(72)【発明者】

【氏名】濱上 知樹

(72)【発明者】

【氏名】鈴木 敦士

(72)【発明者】

【氏名】杉山 尚汰

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA02

4C127GG13

4C127GG16

(57)【要約】

【課題】誘導の種類が特定されていない心電図画像からでも心筋梗塞の発生部位を推定可能にする。
【解決手段】被検者が心筋梗塞を有するかどうかを診断するための診断装置は、被検者の複数の心電図画像を診断モデルに入力することによって、被検者が心筋梗塞を有するかどうかを診断する診断部を含む。診断モデルは、複数の心電図画像のそれぞれを複数のパッチに変換する入力層と、入力層によって変換された複数のパッチをクラストークン及び複数のセグメントトークンに符号化するエンコーダと、エンコーダによって符号化された複数のセグメントトークンに基づいて１つのセグメントトークンを生成するプーリング層と、エンコーダによって符号化されたクラストークンと、プーリング層によって生成された１つのセグメントトークンとに基づいて、被検者が心筋梗塞を有するかどうかの診断結果を出力する出力層と、を含む。
【選択図】図３

【特許請求の範囲】

【請求項1】

被検者が心筋梗塞を有するかどうかを診断するための診断装置であって、
前記被検者の複数の心電図画像を診断モデルに入力することによって、前記被検者が心筋梗塞を有するかどうかを診断する診断手段を備え、
前記診断モデルは、
前記複数の心電図画像のそれぞれを複数のパッチに変換する入力層と、
前記入力層によって変換された前記複数のパッチをクラストークン及び複数のセグメントトークンに符号化するエンコーダと、
前記エンコーダによって符号化された前記複数のセグメントトークンに基づいて１つのセグメントトークンを生成するプーリング層と、
前記エンコーダによって符号化された前記クラストークンと、前記プーリング層によって生成された前記１つのセグメントトークンとに基づいて、前記被検者が心筋梗塞を有するかどうかの診断結果を出力する出力層と、を含む、診断装置。

【請求項2】

前記プーリング層は、前記複数のセグメントトークンを平均することによって前記１つのセグメントトークンを生成する、請求項１に記載の診断装置。

【請求項3】

前記複数のパッチは、互いに重複する部分を含む、請求項１に記載の診断装置。

【請求項4】

前記診断手段は、特定の部位において心筋梗塞が発生しているかどうかを診断する、請求項１に記載の診断装置。

【請求項5】

コンピュータを、請求項１乃至４のいずれか１項に記載の診断装置が有する各手段として機能させるためのプログラム。

【請求項6】

被検者が心筋梗塞を有するかどうかを診断するための診断方法であって、
診断手段が、前記被検者の複数の心電図画像を診断モデルに入力することによって、前記被検者が心筋梗塞を有するかどうかを診断する診断工程を備え、
前記診断モデルは、
前記複数の心電図画像のそれぞれを複数のパッチに変換する入力層と、
前記入力層によって変換された前記複数のパッチを、クラストークン及び複数のセグメントトークンに符号化するエンコーダと、
前記エンコーダによって符号化された前記複数のセグメントトークンに基づいて１つのセグメントトークンを生成するプーリング層と、
前記エンコーダによって符号化された前記クラストークンと、前記プーリング層によって生成された前記１つのセグメントトークンとに基づいて、前記被検者が心筋梗塞を有するかどうかの診断結果を出力する出力層と、を含む、診断方法。

【請求項7】

被検者が心筋梗塞を有するかどうかを診断するための診断モデルであって、
複数の心電図画像のそれぞれを複数のパッチに変換する入力層と、
前記入力層によって変換された前記複数のパッチを、クラストークン及び複数のセグメントトークンに符号化するエンコーダと、
前記エンコーダによって符号化された前記複数のセグメントトークンに基づいて１つのセグメントトークンを生成するプーリング層と、
前記エンコーダによって符号化された前記クラストークンと、前記プーリング層によって生成された前記１つのセグメントトークンとに基づいて、前記被検者が心筋梗塞を有するかどうかの診断結果を出力する出力層と、を含む、診断モデル。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、診断装置、診断方法、診断モデル及びプログラムに関する。

【背景技術】

【0002】

近年、ＡＩ技術の実用化が急速に進み、心電図波形を時系列データまたは画像として取扱い、機械学習や深層学習のモデルを用いて自動解析する手法が提案されている。特許文献１には、心電図における複数種の波形情報と誘導間の関係を効率的に深層学習させることを可能とする心電図解析用データの生成手法が提案されている。特許文献２には、波形画像領域及びリズム画像領域を有する２次元画像を表すデータを心電図解析用データとして生成する手法が提案されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１３０７７２号公報

【特許文献2】特開２０２２－０５４２０２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

既存の手法では、入力データとして使用される心電図画像の各波形が誘導の種類が特定されている。しかし、心筋梗塞の診断に使用される心電図画像のすべてに誘導の種類が特定されているとは限らない。本発明の一部の側面は、誘導の種類が特定されていない心電図画像からでも心筋梗塞の発生部位を推定可能にするための技術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】

【0005】

一部の実施形態によれば、被検者が心筋梗塞を有するかどうかを診断するための診断装置であって、前記被検者の複数の心電図画像を診断モデルに入力することによって、前記被検者が心筋梗塞を有するかどうかを診断する診断手段を備え、前記診断モデルは、前記複数の心電図画像のそれぞれを複数のパッチに変換する入力層と、前記入力層によって変換された前記複数のパッチをクラストークン及び複数のセグメントトークンに符号化するエンコーダと、前記エンコーダによって符号化された前記複数のセグメントトークンに基づいて１つのセグメントトークンを生成するプーリング層と、前記エンコーダによって符号化された前記クラストークンと、前記プーリング層によって生成された前記１つのセグメントトークンとに基づいて、前記被検者が心筋梗塞を有するかどうかの診断結果を出力する出力層と、を含む、診断装置が提供される。

【発明の効果】

【0006】

一部の実施形態によれば、誘導の種類が特定されていない心電図画像からでも心筋梗塞の発生部位を推定可能になる。

【図面の簡単な説明】

【0007】

【図1】一部の実施形態に係る診断装置のハードウェア構成例を説明するブロック図。

【図2】一部の実施形態に係る診断装置の動作例を説明するフロー図。

【図3】一部の実施形態に係る誘導推定モデル例を説明する模式図。

【図4】一部の実施形態に係るパッチの生成方法例を説明する模式図。

【発明を実施するための形態】

【0008】

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものでなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴が任意に組み合わされてもよい。また、同一若しくは同様の構成には同一の参照番号を付し、重複した説明は省略する。

【0009】

図１を参照して、一部の実施形態に係る診断装置１００の構成について説明する。後述するように、診断装置１００は、被検者の心電図画像に基づいて、被検者が心筋梗塞を有するかどうかを診断する機能を有してもよい。さらに、診断装置１００は、被検者が心臓のどの部位に心筋梗塞を有するかを診断する機能を有してもよい。心電図画像とは、心電計によって計測された波形を表す画像のことであってもよい。

【0010】

診断装置１００は、図１に示す構成要素を備えてもよい。プロセッサ１０１は、診断装置１００の全体的な動作を制御する装置である。プロセッサ１０１は、例えばＣＰＵ（中央処理装置）として機能する。メモリ１０２は、診断装置１００の動作に必要なプログラム及び一時データを記憶する装置である。メモリ１０２は、例えばＲＡＭ（ランダムアクセスメモリ）やＲＯＭ（リードオンリメモリ）によって構成される。診断装置１００の動作は、例えばメモリ１０２に格納されたプログラムをプロセッサ１０１が実行することによって行われてもよい。これにかえて、診断装置１００の動作の一部又は全部は、ＡＳＩＣ（特定用途向け集積回路）やＦＰＧＡ（フィールドプログラマブルゲートアレイ）のような専用回路によって実行されてもよい。さらに、プロセッサ１０１は、ＧＰＵ（グラフィカルプロセッシングユニット）を含んでもよい。

【0011】

入力装置１０３は、診断装置１００のユーザ（例えば、医師。以下、診断装置１００のユーザを単にユーザと表す）からの入力を取得するための装置である。入力装置１０３は、例えばキーボードやマウスによって構成される。出力装置１０４は、ユーザへの出力を行うための装置である。出力装置１０４は、例えばディスプレイやスピーカによって構成される。

【0012】

通信装置１０５は、診断装置１００が他の装置と通信するための装置である。他の装置は、ネットワーク（例えば、インターネットやローカルエリアネットワーク）に接続されたコンピュータであってもよい。例えば、通信装置１０５は、他の装置（例えば、心電計や画像サーバ）から解析対象の心電図画像を取得するために使用されてもよい。

【0013】

記憶装置１０６は、診断装置１００の動作に使用されるデータを記憶する装置である。記憶装置１０６は、例えばハードディスクドライブ（ＨＤＤ）やソリッドステートドライブ（ＳＳＤ）又はＤＶＤ（デジタル多目的ディスク）のような記憶媒体によって構成される。記憶装置１０６は、心筋梗塞の診断に使用される学習済みモデルを記憶してもよい。

【0014】

図２～図４を参照して、被検者が心筋梗塞を有するかどうかを診断するための動作例について説明する。図２は動作の全体的な流れを説明し、図３～図４は動作の詳細について説明する。

【0015】

Ｓ２０１で、診断装置１００は、被検者が心筋梗塞を有するかどうかを診断するための診断モデル３００を機械学習によって生成し、後続の処理のためにこの診断モデル３００を記憶装置１０６に記憶する。図３を参照して、診断モデル３００の構造の例について説明する。

【0016】

診断モデル３００は、入力データとして被検者の心電図画像セット３１０を取得し、この被検者が心筋梗塞を有するかどうかの診断結果を出力する。ある被検者の心電図画像セット３１０とは、この被検者について同じ時間に測定された心電図波形を表す複数の心電図画像３１１ａ～３１１ｎによって構成される集合のことであってもよい。心電図画像セット３１０は、１つ以上の心電図画像３１１ａ～３１１ｎを含む。心電図画像３１１ａ～３１１ｎを総称して心電図画像３１１と表す。心電図画像３１１に関する以下の説明は、心電図画像３１１ａ～３１１ｎの何れにも当てはまる。

【0017】

心電図画像３１１は、どのように生成された画像であってもよい。例えば、心電図画像３１１は、心電計から出力された画像であってもよい。これに代えて、心電図画像３１１は、心電図波形が記録された紙をカメラやスキャナで画像化したものであってもよい。これに代えて、心電図画像３１１は、心電計のディスプレイに表示された心電図波形をカメラで画像化したものであってもよい。

【0018】

診断モデル３００は、特定の手法で生成される波形の個数に応じた心電図画像３１１を１回の診断処理で入力可能なように構成される。例えば、診断モデル３００が標準１２誘導心電図について構成される場合に、診断モデル３００は、最大で１２個の心電図画像３１１を１回の診断処理で入力可能であってもよい。別の例で、診断モデル３００が導出１８誘導心電図について構成される場合に、診断モデル３００は、最大で１８個の心電図画像３１１を１回の診断処理で入力可能であってもよい。

【0019】

診断モデル３００に入力される心電図画像セット３１０は、特定の手法のすべての心電図画像３１１（例えば、標準１２誘導心電図であれば１２誘導に対応する１２個の心電図画像３１１）を含んでもよいし、その一部の心電図画像３１１のみを含んでもよい。心電図画像セット３１０が一部の心電図画像３１１を含まない場合に、ダミーの心電図画像（例えば、基線のみの心電図画像）が診断モデル３００に入力されてもよい。

【0020】

診断モデル３００は、入力層３２０ａ～３２０ｎと、エンコーダ３３０と、プーリング層３４０と、出力層３５０とを含んでもよい。診断モデル３００は、ＶｉＴ（Vision Transformer）で使用されるモデルに、プーリング層３４０及び線形層３５１を追加し、エンコーダ３３０が複数のセグメントトークン３３１ａ～３３１ｎをさらに出力するように変更したものであってもよい。

【0021】

入力層３２０ａ～３２０ｎの個数は、特定の手法で生成される波形の個数に対応する。例えば、診断モデル３００が標準１２誘導心電図について構成される場合に、入力層３２０ａ～３２０ｎの個数は１２個である。入力層３２０ａ～３２０ｎを総称して入力層３２０と表す。入力層３２０に関する以下の説明は、入力層３２０ａ～３２０ｎの何れにも当てはまる。

【0022】

それぞれの入力層３２０には、別個の心電図画像３１１が入力される。例えば、入力層３２０ａに心電図画像３１１ａが入力され、入力層３２０ｎに心電図画像３１１ｎが入力される。各入力層３２０に入力される心電図画像３１１の誘導の種類は、心電図画像セット３１０ごとに異なってもよい。例えば、ある１つの心電図画像セット３１０について、入力層３２０ａに第Ｉ誘導の心電図画像３１１が入力され、別の心電図画像セット３１０について、入力層３２０ａに第ＩＩ誘導の心電図画像３１１が入力されてもよい。このような誘導の入力のばらつきは、エンコーダ３３０及びプーリング層３４０によって吸収されうる。

【0023】

入力層３２０は、入力された心電図画像３１１を複数のパッチに変換する。パッチとは、心電図画像３１１の一部を抽出した画像であってもよい。さらに、入力層３２０は、パッチをベクトルに変換してもよい。入力層３２０の構成は、ＶｉＴの入力層と同じであってもよい。

【0024】

図４を参照して、複数のパッチの生成方法について説明する。図４（ａ）の方法では、診断装置１００は、１つの心電図画像３１１を、漏れも重複もないように複数のパッチ４０１に分割する。図４（ｂ）の方法では、診断装置１００は、１つの心電図画像３１１を、漏れがないが、互いに重複するように複数のパッチ４０２に分割する。

【0025】

エンコーダ３３０は、入力層３２０ａ～３２０ｎによって変換された複数のパッチをクラストークン３２２及び複数のセグメントトークン３３１ａ～３３１ｎに符号化する。エンコーダ３３０は、入力層３２０ａ～３２０ｎと同数のセグメントトークン３３１ａ～３３１ｎを生成する。複数の心電図画像３１１ａ～３１１ｎに含まれる情報がクラストークン３２２に凝縮されるように診断モデル３００（特に、エンコーダ３３０）が学習される。また、心電図画像３１１ａに含まれる情報がセグメントトークン３３１ａに凝縮されるように診断モデル３００（特に、エンコーダ３３０）が学習される。他のセグメントトークン（例えば、セグメントトークン３３１ｎ）についても同様である。

【0026】

エンコーダ３３０は、ＶｉＴのエンコーダと同じであってもよい。ＶｉＴのエンコーダは、入力クラストークンを変換することによって出力クラストークンを生成する。そこで、診断モデル３００のエンコーダ３３０にもクラストークン３２２が入力されてもよい。クラストークン３２２は、入力層３２０から出力されるピッチを表すベクトルと同じ次元のベクトルであってもよい。クラストークン３２２の初期値はランダムに設定されてもよい。

【0027】

セグメントトークン３３１ａもクラストークンと同様に、エンコーダ３３０に入力されたセグメントトークン３２１ａを変換することによって生成されてもよい。セグメントトークン３３１ａも、入力層３２０から出力されるピッチを表すベクトルと同じ次元のベクトルであってもよい。セグメントトークン３２１ａの初期値はランダムに設定されてもよい。エンコーダに入力されたセグメントトークン３２１ａは、エンコーダ３３０内でクラストークン３２２と同様に（すなわち、ＶｉＴのエンコーダのクラストークンと同様に）処理されてもよい。後述するように、エンコーダ３３０から出力されるクラストークン３３２は直接、出力層３５０に供給され、エンコーダ３３０から出力されるセグメントトークン３３１ａは、プーリング層３４０を介して出力層３５０に供給される。この相違によって、クラストークン３３２には、複数の心電図画像３１１ａ～３１１ｎに含まれる情報がクラストークン３２２に凝縮されるようになり、セグメントトークン３３１ａには、個別の心電図画像３１１ａに含まれる情報がクラストークン３２２に凝縮されるようになる。上述のセグメントトークン３２１ａ及び３３１ａに関する説明は、他のセグメントトークン（例えば、セグメントトークン３２１ｎ及び３３１ｎ）にも同様に当てはまる。

【0028】

プーリング層３４０は、エンコーダ３３０によって符号化された複数のセグメントトークン３３１ａ～３３１ｎに基づいて１つのセグメントトークン３４１を生成する。例えば、プーリング層３４０は、最大値プーリングを行ってもよいし、平均値プーリングを行ってもよい。具体的に、プーリング層３４０は、複数のセグメントトークン３３１ａ～３３１ｎを平均することによってセグメントトークン３４１を生成してもよい。プーリング層３４０から出力されるセグメントトークン３４１は、複数の心電図画像３１１ａ～３１１ｎに含まれる情報を個別に凝縮したセグメントトークン３３１ａ～３３１ｎを統合した情報を表す。

【0029】

出力層３５０は、エンコーダ３３０によって符号化されたクラストークン３３２と、プーリング層３４０によって生成された１つのセグメントトークン３４１とに基づいて、被検者が心筋梗塞を有するかどうかの診断結果を出力する。出力層３５０は、線形層３５１と分類器３５２とを含んでもよい。線形層３５１は、クラストークン３３２及びセグメントトークン３４１を線形変換することによって、１つのベクトルを生成する。分類器３５２は、このベクトルに基づいて、被検者が心筋梗塞を有するかどうかの診断結果を出力する。分類器３５２は、ＶｉＴの分類器（例えば、ＭＬＰ Ｈｅａｄ）と同様であってもよい。

【0030】

診断装置１００は、診断モデル３００をＶｉＴのモデルと同様にして学習させうる。機械学習の正解データとして、被検者が心筋梗塞を有するかどうかの２値情報を使用した場合に、診断モデル３００は、被検者が心筋梗塞を有するかどうかを診断結果として出力する。これに代えて、診断装置１００は、心臓の特定の部位において心筋梗塞が発生しているかどうかを推定するように診断モデル３００を学習してもよい。この場合に、心筋梗塞が発生している部位（例えば、心臓の前壁や下壁）が機械学習の正解データとして使用されてもよい。

【0031】

Ｓ２０２で、診断装置１００は、心筋梗塞の診断対象の被検者の心電図画像セット３１０を取得する。心筋梗塞の診断対象の被検者が複数存在する場合に、診断装置１００は、被検者ごとに、Ｓ２０２～Ｓ２０４の工程を実行してもよい。心電図画像セット３１０は、どのように特定されてもよい。例えば、ユーザは、心電図画像セット３１０を明示的に指定してもよい。例えば、ユーザは、心電図画像セット３１０が記憶されているフォルダのパスを診断装置１００の入力装置１０３に入力してもよい。これに代えて、ユーザは、心電図画像セット３１０を特定するための情報を用いて心電図画像セット３１０を指定してもよい。例えば、ユーザは、心電図検査が行われた検査のＩＤを診断装置１００の入力装置１０３に入力してもよい。

【0032】

Ｓ２０３で、診断装置１００は、複数の心電図画像３１１ａ～３１１ｎを診断モデル３００に入力することによって、被検者が心筋梗塞を有するかどうかを診断する。さらに、診断装置１００は、特定の部位において心筋梗塞が発生しているかどうかを診断してもよい。

【0033】

診断装置１００は、個別の誘導の心電図画像３１１をどの入力層３２０に入力してもよい。例えば、診断装置１００は、第Ｉ誘導の心電図画像３１１を入力層３２０ａに入力してもよいし、他の入力層（例えば、入力層３２０ｎ）に入力してもよい。そのため、診断装置１００は、心電図画像セット３１０に含まれる各心電図画像３１１がどの誘導の波形を表すかを特定する必要はない。上述したように、誘導の入力位置のばらつきは、エンコーダ３３０及びプーリング層３４０によって吸収されうる。

【0034】

また、Ｓ２０３においても、診断モデル３００に入力される心電図画像セット３１０は、特定の手法のすべての心電図画像３１１（例えば、標準１２誘導心電図であれば１２誘導に対応する１２個の心電図画像３１１）を含んでもよいし、その一部の心電図画像３１１のみを含んでもよい。心電図画像セット３１０が一部の心電図画像３１１を含まない場合に、ダミーの心電図画像（例えば、基線のみの心電図画像）が診断モデル３００に入力されてもよい。

【0035】

Ｓ２０４で、診断装置１００は、Ｓ２０３の推定結果をユーザに向けて表示する。例えば、診断装置１００は、心臓の特定の部位（例えば、前壁、下壁など）で心筋梗塞が発生していると推定したならば、この特定の部位で心筋梗塞が発生していることをユーザに向けて表示してもよい。これに代えて、診断装置１００は、心臓の何れの部位においても心筋梗塞が発生していないと推定したならば、被検者の心臓が正常であることをユーザに向けて表示してもよい。診断装置１００は、Ｓ２０３の推定結果を、出力装置１０４に表示してもよいし、他のようにして出力してもよい。例えば、診断装置１００は、Ｓ２０３の推定結果を、後から参照可能なように記憶装置１０６に記憶してもよいし、他の装置へ送信してもよい。

【0036】

上述の方法では、同一の診断装置１００が診断モデルの学習（Ｓ２０１）と診断モデルを使用した推定（Ｓ２０２～Ｓ２０４）とを行う。これに代えて、診断モデルの学習（Ｓ２０１）と診断モデルを使用した推定（Ｓ２０２～Ｓ２０４）とは、別個の装置によって実行されてもよい。具体的に、診断装置１００は、学習用の装置によって生成された診断モデルを取得し、この診断モデルを使用してＳ２０２～Ｓ２０４の動作を実行してもよい。

【0037】

上述の方法によれば、誘導の種類が特定されていない心電図画像からでも心筋梗塞の発生部位を推定可能になる。

【符号の説明】

【0038】

１００ 診断装置、３００ 診断モデル

【図1】

【図2】

【図3】

【図4】