特許7932867IP Force 特許公報全文掲載

ホーム > 特許ランキング > 富士フイルム株式会社 > 特許7932867

技術分野

情報処理装置、情報処理方法、プログラム、学習済みモデルおよび学習モデル生成方法に係り、特に医療画像から臨床パラメータを算出する画像処理技術および機械学習技術

発明が解決しようとする課題[発明の詳細な説明]から抜粋

心電図同期撮影は、心電図非同期撮影に比べて精細な画像が得られるものの、撮影方法が複雑であり、特別な撮影システムが必要となる。また、心電図同期撮影は、心電図非同期撮影に比べて被検者に対する放射線量が増える。放射線量を低減して被検者への負荷を減らす観点から、肺がんや呼吸器疾患のスクリーニングに用いられる通常の胸部ＣＴ画像を用いてＣＡＣスコアを測定することが望ましい。

課題を解決するための手段[発明の詳細な説明]から抜粋

本開示の第１態様に係る情報処理装置は、１つ以上のプロセッサと、１つ以上のプロセッサに実行させるプログラムを記憶する１つ以上の記憶装置と、を備え、プログラムは、入力された第１の画像から第１の画像とは異なる撮影プロトコルにより得られる画像を模した第２の画像を生成するように学習された画像生成モデルを含み、画像生成モデルは、第１の撮影プロトコルにより撮影された訓練画像と、訓練画像の撮影に用いたモダリ・・・　続きを知財ポータルサイト IP Force にログインして見る

発明の効果[発明の詳細な説明]から抜粋

本開示によれば、第１の撮影プロトコルにより撮影された第１の画像を基に、同種のモダリティの第２の撮影プロトコルにより撮影される画像と同等の精度で臨床パラメータを算出することができる。これによりに、第１の撮影プロトコルにより撮影された画像から、第２の撮影プロトコルにより撮影される画像に基づく診断精度と同等の診断精度を達成することができる。第１の撮影プロトコルは、第２の撮影プロトコルよりも簡便な撮影方法とすることができ、第２の撮影プロトコルの撮影に必要なシステムよりも安価なシステムとすることができる。また、第１の撮影プロトコルは、第２の撮影プロトコルよりも被検者にとって低負荷なものとすることができる。

この特許の権利範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 図１は、心臓および冠動脈を模式的に示す説明図である。
【図2】 図２は、心臓を含む胸部領域を撮影したＣＴ画像の例である。
【図3】 図３は、心電図同期ＣＴ画像から測定されたＣＡＣスコアの例を示す説明図である。
【図4】 図４は、図３に示す心電図同期ＣＴ画像と同じ被検者の非心電図同期ＣＴ画像から測定されたＣＡＣスコアの例を示す説明図である。
【図5】 図５は、第１情報処理装置の機能的構成を示すブロック図である。
【図6】 図６は、第１情報処理装置のハードウェア構成の例を示すブロック図である。
【図7】 図７は、第１実施形態に適用される画像生成モデルを生成するための機械学習方法の概要を示す説明図である。
【図8】 図８は、第１実施形態に適用される機械学習装置の機能的構成を示すブロック図である。
【図9】 図９は、第１実施形態に適用される機械学習装置のハードウェア構成の例を示すブロック図である。
【図10】 図１０は、第１実施形態の機械学習方法に用いられる訓練データを生成する処理を行う訓練データ生成装置の機能的構成を示すブロック図である。
【図11】 図１１は、訓練データセットの概念図である。
【図12】 図１２は、機械学習装置が実行する機械学習方法の例を示すフローチャートである。
【図13】 図１３は、情報処理装置が実行する情報処理方法の例を示すフローチャートである。
【図14】 図１４は、第２情報処理装置の機能的構成を示すブロック図である。
【図15】 図１５は、第２情報処理装置のハードウェア構成の例を示すブロック図である。
【図16】 図１６は、第２実施形態に適用される画像生成モデルを生成するための機械学習方法の概要を示す説明図である。
【図17】 図１７は、第２実施形態に適用される機械学習装置の機能的構成を示すブロック図である。
【図18】 図１８は、第２実施形態に適用される機械学習装置のハードウェア構成の例を示すブロック図である。
【図19】 図１９は、第２実施形態の機械学習方法に用いられる訓練データを生成する処理を行う訓練データ生成装置の機能的構成を示すブロック図である。
【図20】 図２０は、第２実施形態に適用される機械学習装置が実行する機械学習方法の例を示すフローチャートである。
【図21】 図２１は、第２情報処理装置が実行する情報処理方法の例を示すフローチャートである。
【図22】 図２２は、第２情報処理装置を用いて非心電図同期ＣＴ画像から算出されたＣＡＣスコアと、心電図同期ＣＴ画像から算出されたＣＡＣスコアとの関係を示すグラフである。
【図23】 図２３は、比較例に係る情報処理装置を用いて非心電図同期ＣＴ画像から算出されたＣＡＣスコアと、心電図同期ＣＴ画像から算出されたＣＡＣスコアとの関係を示すグラフである。
【図24】 図２４は、ＣＡＣスコアの算出に用いられた心電図同期ＣＴ画像、非心電図同期ＣＴ画像および非心電図同期ＣＴ画像から生成された疑似画像のそれぞれの画像例である。

代表図 図1本件の代表的な図

１０、１００ 情報処理装置 １２ データ取得部 １４ 画像生成モデル １５ 解剖学的領域分割部 １６ 臨床パラメータ算出部 １８ 処理結果出力部 ３０、３２ 機械学習装置 ５０、５２ 訓練データ生成装置 １０２ プロセッサ １０４ コンピュータ可読媒体 １０６ 通信インターフェース １０８ 入出力インターフェース １１０ バス １１２ メモリ １１４ ストレージ １２０ 入力画像記憶領域 １２２ 生成画像記憶領域 １２４ 処理結果記憶領域 １２５ 解剖学的領域情報記憶領域 １５０ 解剖学的領域分割プログラム １５２ 入力装置 １５４ 表示装置 １６０ 臨床パラメータ算出プログラム １８０ 処理結果出力プログラム １９０ 表示制御プログラム ２１０ 学習モデル ２２０ 臨床パラメータ算出部 ２３０ 損失算出部 ２３２ モデルパラメータ更新量算出部 ２３４ モデルパラメータ更新部 ３０２ プロセッサ ３０４ コンピュータ可読媒体 ３０６ 通信インターフェース ３０８ 入出力インターフェース ３１０ バス ３１４ ストレージ ３３０ 学習処理プログラム ３４０ 表示制御プログラム ３５２ 入力装置 ３５４ 表示装置 ４００ データ取得プログラム ４２０ 臨床パラメータ算出プログラム ４３０ 損失算出プログラム ４４０ オプティマイザ ４５０ 解剖学的領域分割プログラム ５１０Ａ 解剖学的領域分割部 ５１０Ｂ 解剖学的領域分割部 ５２０ 臨床パラメータ算出部 ５３０ 関連付け処理部 ５５０ 訓練データ保存部 ＡＡｊ 解剖学的領域情報 ＣＰｊ 臨床パラメータ ＣＰｓｊ 臨床パラメータ Ｆ１Ａ 左図 Ｆ１Ｂ 右図 Ｆ２Ａ 画像 Ｆ２Ｂ 画像 Ｆ３Ａ 心電図同期ＣＴ画像 Ｆ４Ａ 非心電図同期ＣＴ画像 Ｆ７Ａ 非心電図同期ＣＴ画像 Ｆ７Ｂ 心電図同期ＣＴ画像 Ｆ７Ｃ 生成画像 Ｆ１６Ａ 非心電図同期ＣＴ画像 Ｆ１６Ｂ 心電図同期ＣＴ画像 Ｆ１６Ｃ 生成画像 Ｆ２４Ａ 左図 Ｆ２４Ｂ 中央図 Ｆ２４Ｃ 右図 ＧＩｊ 心電図同期ＣＴ画像 ＧＴｊ 正解臨床パラメータ ＧＴＳ ＣＡＣスコア ＧＴｓｊ 正解臨床パラメータ ＧＴＳｓ 正解ＣＡＣスコア ＩＭｎｇ 非心電図同期ＣＴ画像 ＩＭｓｙｎ 疑似心電図同期ＣＴ画像 ＮＩｊ 非心電図同期ＣＴ画像 ＰＰｊ 臨床パラメータ ＰＰｓｊ 臨床パラメータ ＰＲＳ ＣＡＣスコア ＰＲＳｓ ＣＡＣスコア ＳＩｊ 生成画像 ＴＩｊ 訓練画像 Ｓ１０２～Ｓ１１２ 機械学習方法のステップ Ｓ２０２～Ｓ２０８ 情報処理方法のステップ

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.