特表 2023-552163 Ｘ線イメージ内における対象病変の大きさの変化を測定する方法及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-12-14

(54)【発明の名称】Ｘ線イメージ内における対象病変の大きさの変化を測定する方法及びシステム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20231207BHJP

   G06T 7/60 20170101ALI20231207BHJP

   G06V 10/70 20220101ALI20231207BHJP

   G06V 20/60 20220101ALI20231207BHJP

   A61B 6/00 20060101ALI20231207BHJP

【ＦＩ】

G06T7/00 616

G06T7/00 350B

G06T7/60 110

G06V10/70

G06V20/60

A61B6/00 350B

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2023532580

(86)(22)【出願日】2022-02-08

(85)【翻訳文提出日】2023-05-29

(86)【国際出願番号】 KR2022001892

(87)【国際公開番号】W WO2022220383

(87)【国際公開日】2022-10-20

(31)【優先権主張番号】10-2021-0047446

(32)【優先日】2021-04-12

(33)【優先権主張国・地域又は機関】KR

(81)【指定国・地域】

(71)【出願人】

【識別番号】522340691

【氏名又は名称】ルニット インコーポレイテッド

【氏名又は名称原語表記】ＬＵＮＩＴ ＩＮＣ．

(74)【代理人】

【識別番号】100121728

【弁理士】

【氏名又は名称】井関 勝守

(74)【代理人】

【識別番号】100165803

【弁理士】

【氏名又は名称】金子 修平

(72)【発明者】

【氏名】キム ミンチョル

(72)【発明者】

【氏名】ナム ゴンヒ

(72)【発明者】

【氏名】コイ タイス

【テーマコード（参考）】

4C093

5L096

【Ｆターム（参考）】

4C093AA26

4C093CA15

4C093DA03

4C093FD03

4C093FF16

4C093FF17

4C093FF23

5L096AA06

5L096BA06

5L096DA01

5L096DA02

5L096EA05

5L096FA02

5L096FA32

5L096FA52

5L096FA64

5L096GA28

5L096GA30

5L096GA34

5L096HA11

5L096KA04

(57)【要約】

【課題】Ｘ線（X-ray）イメージ内における対象病変の大きさの変化を測定する方法を提供する。
【解決手段】本開示は、対象病変を含む第１のＸ線イメージ、及び、対象病変を含む第２のＸ線イメージを受信するステップと、第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域が占める占有率を算出するステップと、算出された占有率に基づいて、対象病変の大きさの変化を測定するステップとを含むことができる。
【選択図】図１

【特許請求の範囲】

【請求項1】

少なくとも一つのコンピューティング装置により遂行される、Ｘ線イメージ内における対象病変の大きさの変化を測定する方法において、
前記対象病変を含む第１のＸ線イメージ、及び、前記対象病変を含む第２のＸ線イメージを受信するステップと、
前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々における基準領域のうち、前記対象病変に対応する領域が占める占有率を算出するステップと、
前記算出された占有率に基づいて、前記対象病変の大きさの変化を測定するステップと、を含む、対象病変の大きさの変化を測定する方法。

【請求項2】

前記算出するステップは、
前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々から、第１の基準領域及び第２の基準領域を決定するステップと、
前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々から、前記対象病変を識別するステップと、
前記第１の基準領域のうち、前記識別された対象病変が占める第１の占有率、及び、前記第２の基準領域のうち、前記識別された対象病変が占める第２の占有率を算出するステップと、を含む、請求項１に記載の対象病変の大きさの変化を測定する方法。

【請求項3】

前記第１の基準領域及び第２の基準領域を決定するステップは、
前記第１のＸ線イメージを基準領域抽出モデルに入力して、前記第１の基準領域を出力するステップと、
前記第２のＸ線イメージを前記基準領域抽出モデルに入力して、前記第２の基準領域を出力するステップであって、前記第２の基準領域は前記第１の基準領域に対応するステップと、を含み、
前記基準領域抽出モデルは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて学習される、請求項２に記載の対象病変の大きさの変化を測定する方法。

【請求項4】

前記算出するステップは、
前記第１の基準領域内において前記対象病変が占める領域のピクセル数を、前記第１の基準領域に対応するピクセル数で割ることで、前記第１の占有率を算出するステップと、
前記第２の基準領域内において前記対象病変が占める領域のピクセル数を、前記第２の基準領域に対応するピクセル数で割ることで、前記第２の占有率を算出するステップと、を含む、請求項２に記載の対象病変の大きさの変化を測定する方法。

【請求項5】

前記第１の基準領域及び第２の基準領域を決定するステップは、
前記第１の基準領域に対するスコア、及び、前記第２の基準領域に対するスコアを決定するステップを含み、
前記対象病変を識別するステップは、
前記第１の基準領域内において前記対象病変に対するスコアを決定するステップと、
前記第２の基準領域内において前記対象病変に対するスコアを決定するステップと、を含み、
前記算出するステップは、
前記第１の基準領域に対するスコア、及び、前記第１の基準領域内において前記対象病変に対するスコアに基づいて、第１の占有率を算出するステップと、
前記第２の基準領域に対するスコア、及び、前記第２の基準領域内において前記対象病変に対するスコアに基づいて、第２の占有率を算出するステップと、を含む、請求項２に記載の対象病変の大きさの変化を測定する方法。

【請求項6】

前記測定するステップは、前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変の大きさの変化有無を判定するステップを含む、請求項２に記載の対象病変の大きさの変化を測定する方法。

【請求項7】

前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変の大きさの変化有無を判定するステップは、
前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変に対する占有率の変化量を算出するステップと、
前記算出された対象病変に対する占有率の変化量と基準数値とを比較して、前記対象病変の大きさの変化有無を判定するステップと、を含む、請求項６に記載の対象病変の大きさの変化を測定する方法。

【請求項8】

前記基準数値は、テストセットに対して算出されたターゲットメトリックと関連した数値、又は、予測正確度と関連した数値に基づいて決定される、請求項７に記載の対象病変の大きさの変化を測定する方法。

【請求項9】

前記基準数値は、第１の基準数値及び第２の基準数値を含み、
前記算出された対象病変に対する占有率の変化量が、前記第１の基準数値に対して同一又は大きい場合、前記対象病変の大きさが増加したと判定され、
前記算出された対象病変に対する占有率の変化量が、前記第１の基準数値に対して小さくて、前記第２の基準数値に対して同一又は大きい場合、前記対象病変の大きさに変化のないと判定され、
前記算出された対象病変に対する占有率の変化量が、前記第２の基準数値に対して小さい場合、前記対象病変の大きさが減少したと判定される、請求項７に記載の対象病変の大きさの変化を測定する方法。

【請求項10】

前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変の大きさの変化有無を判定するステップは、
前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変に対する占有率の変化量を算出するステップと、
前記算出された対象病変に対する占有率の変化量を変化有無判定モデルに入力することで、出力される判定結果に基づいて、前記対象病変の大きさの変化有無を決定するステップと、を含み、
前記変化有無判定モデルは、前記対象病変に対する参照占有率の変化量に関する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習された機械学習モデルを含む、請求項６に記載の対象病変の大きさの変化を測定する方法。

【請求項11】

情報処理システムであって、
一つ以上のインストラクションを保存するメモリと、
前記保存された一つ以上のインストラクションを実行することで、対象病変を含む第１のＸ線イメージ、及び、前記対象病変を含む第２のＸ線イメージを受信し、前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々における基準領域のうち、前記対象病変に対応する領域が占める占有率を算出し、前記算出された占有率に基づいて、前記対象病変の大きさの変化を測定するように構成されるプロセッサと、を含む、情報処理システム。

【請求項12】

前記プロセッサは、前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々から、第１の基準領域及び第２の基準領域を決定し、前記第１のＸ線イメージ及び前記第２のＸ線イメージの各々から、前記対象病変を識別し、前記第１の基準領域のうち、前記識別された対象病変が占める第１の占有率、及び、前記第２の基準領域のうち、前記識別された対象病変が占める第２の占有率を算出するようにさらに構成される、請求項１１に記載の情報処理システム。

【請求項13】

前記プロセッサは、
前記第１のＸ線イメージを基準領域抽出モデルに入力して、前記第１の基準領域を出力し、
前記第２のＸ線イメージを前記基準領域抽出モデルに入力して、前記第２の基準領域（ここで、前記第２の基準領域は前記第１の基準領域に対応する）を出力するようにさらに構成され、
前記基準領域抽出モデルは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて学習される、請求項１２に記載の情報処理システム。

【請求項14】

前記プロセッサは、前記第１の基準領域内において前記対象病変が占める領域のピクセル数を、前記第１の基準領域に対応するピクセル数で割ることで、前記第１の占有率を算出し、前記第２の基準領域内において前記対象病変が占める領域のピクセル数を、前記第２の基準領域に対応するピクセル数で割ることで、前記第２の占有率を算出するようにさらに構成される、請求項１２に記載の情報処理システム。

【請求項15】

前記プロセッサは、前記第１の基準領域に対するスコア、及び、前記第２の基準領域に対するスコアを決定し、前記第１の基準領域内において前記対象病に対するスコアを決定し、前記第２の基準領域内において前記対象病変に対するスコアを決定し、前記第１の基準領域に対するスコア及び前記第１の基準領域内において前記対象病変に対するスコアに基づいて、第１の占有率を算出し、前記第２の基準領域に対するスコア及び前記第２の基準領域内において前記対象病変に対するスコアに基づいて、第２の占有率を算出するようにさらに構成される、請求項１２に記載の情報処理システム。

【請求項16】

前記プロセッサは、前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変の大きさの変化有無を判定するようにさらに構成される、請求項１２に記載の情報処理システム。

【請求項17】

前記プロセッサは、前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変に対する占有率の変化量を算出し、前記算出された対象病変に対する占有率の変化量と基準数値とを比較して、前記対象病変の大きさの変化有無を判定するようにさらに構成される、請求項１６に記載の情報処理システム。

【請求項18】

前記基準数値は、テストセットに対して算出されたターゲットメトリックと関連した数値、又は、予測正確度と関連した数値に基づいて決定される、請求項１７に記載の情報処理システム。

【請求項19】

前記基準数値は、第１の基準数値及び第２の基準数値を含み、
前記算出された対象病変に対する占有率の変化量が、前記第１の基準数値に対して同一又は大きい場合、前記対象病変の大きさが増加したと判定され、
前記算出された対象病変に対する占有率の変化量が、前記第１の基準数値に対して小さくて、前記第２の基準数値に対して同一又は大きい場合、前記対象病変の大きさに変化のないと判定され、
前記算出された対象病変に対する占有率の変化量が、前記第２の基準数値に対して小さい場合、前記対象病変の大きさが減少したと判定される、請求項１７に記載の情報処理システム。

【請求項20】

前記プロセッサは、
前記第１の占有率及び前記第２の占有率に基づいて、前記対象病変に対する占有率の変化量を算出し、前記算出された対象病変に対する占有率の変化量を変化有無判定モデルに入力することで、出力される判定結果に基づいて、前記対象病変の大きさの変化有無を決定するようにさらに構成され、
前記変化有無判定モデルは、前記対象病変に対する参照占有率の変化量に関する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習された機械学習モデルを含む、請求項１６に記載の情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、Ｘ線イメージ内における対象病変の大きさの変化を測定する方法及びシステムに関し、より詳しくは、Ｘ線イメージにおける基準領域のうち、対象病変に対応する領域が占める占有率を算出し、算出された占有率に基づいて、対象病変の大きさの変化を測定する方法及びシステムに関する。

【背景技術】

【0002】

患者が多数のＸ線の写真を撮影するとき、写真内の病変の変化は重要な情報に該当できる。例えば、気胸が発生した患者の場合、手術後の気胸の大きさの変化を観察するために持続的にＸ線を撮影できる。気胸の大きさが小さくなると、治療の経過がよいという意味であり、気胸の大きさが大きくなると、応急状況に該当して他の措置を必要とすることもできる。また、特定の病変がＸ線イメージから観測される場合、当該病変が過去にも持続的に同一の大きさで存在したか、或いは、その大きさが増加／減少したかに関する情報は、特定の病変の治療のために必要な情報であり得る。したがって、時間の経過に伴う病変の大きさの変化に関する情報は、臨床的に非常に重要な情報に該当できる。

【0003】

医者と患者が病変の大きさの変化に関する情報を正確にわかるためには、実際の病変の大きさを認知しなければならない。既存のＣＡＤ（Computer Aided Detection）方式は、病変の存在の有無を知らせるので、医者が患者の映像をより正確かつ迅速に読み出すことができる。患者の位置（撮影環境）によって撮影される病変の領域（例：肺など）が不一定であり、ｐｉｘｅｌ ａｒｒａｙだけが入力される場合にイメージの規格化が困難になり、Ｘ線は基準線がないので、Ｘ線イメージだけでは実際の病変の大きさを計算し難いことができる。これにより、２つのＸ線イメージから病変の大きさを計算して測定した変化量（または、大きさの変化有無）には誤差が発生し得る。

【0004】

既存のＣＡＤ方式を用いて病変の大きさの変化有無を判定する方法としては、２つのＸ線イメージから病変の大きさを絶対的に比較する方法と、Ｘ線イメージをピクセル単位に整列（registration）して病変の大きさを比較する方法とがある。２つのＸ線の写真から病変の大きさを絶対的に比較する一番目の方法によれば、患者の姿勢や映像撮影機器との距離などのような多様な変数により、病変の大きさが映像に異なるように表示される問題点を解決し難いことがある。すなわち、病変の大きさの変化が不正確であり得る。また、Ｘ線イメージをピクセル単位に整列（registration）して病変の大きさを比較する二番目の方法によれば、ピクセル単位の整列（registration）が成功的に行われると仮定する場合、病変の大きさの差をより正確に予測できる。ただし、二番目の方法は、ピクセル単位の整列自体が多い計算量を要求する作業が遂行され、特定の状況（例えば、患者の２つのＸ線イメージの状態が非常に異なって整列し難い状況）、又は、イメージの状態（例えば、イメージの解像度、イメージの保存形態に従う状態）により、２つのＸ線イメージの整列（registration）が実質的に不可能であり得る。また、ピクセル単位の整列は、非常に複雑なアルゴリズムに該当するので、このために要求されるコンピューティングパワーが製品化し難い水準であり、アルゴリズムの開発にも莫大な費用が発生し得る。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】韓国公開特許第１０－２０１７－０１１８５４０号

【発明の概要】

【発明が解決しようとする課題】

【0006】

本開示は、前記のような問題点を解決するための対象病変の大きさの変化を測定する方法及びシステムを提供する。

【課題を解決するための手段】

【0007】

本開示は、方法、装置（システム）又は命令語を保存するコンピュータ読取り可能な保存媒体、コンピュータプログラムを含む多様な方式により具現化できる。

【0008】

本開示の一実施例に係る、少なくとも一つのコンピューティング装置により遂行される、Ｘ線（X-ray）イメージ内における対象病変の大きさの変化を測定する方法は、対象病変を含む第１のＸ線イメージ、及び、対象病変を含む第２のＸ線イメージを受信するステップと、第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域が占める占有率（occupancy）を算出するステップと、算出された占有率に基づいて、対象病変の大きさの変化を測定するステップとを含む。

【0009】

本開示の一実施例において、算出するステップは、第１のＸ線イメージ及び第２のＸ線イメージの各々から、第１の基準領域及び第２の基準領域を決定するステップと、第１のＸ線イメージ及び第２のＸ線イメージの各々から、対象病変を識別するステップと、第１の基準領域のうち、識別された対象病変が占める第１の占有率、及び、第２の基準領域のうち、識別された対象病変が占める第２の占有率を算出するステップとを含む。

【0010】

本開示の一実施例において、第１の基準領域及び第２の基準領域を決定するステップは、第１のＸ線イメージを基準領域抽出モデルに入力して、第１の基準領域を出力するステップと、第２のＸ線イメージを基準領域抽出モデルに入力して、第２の基準領域を出力するステップとを含み、基準領域抽出モデルは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて学習される。ここで、第２の基準領域は第１の基準領域に対応する。

【0011】

本開示の一実施例において、算出するステップは、第１の基準領域内において対象病変が占める領域のピクセル数を、第１の基準領域に対応するピクセル数で割ることで、第１の占有率を算出するステップと、第２の基準領域内において対象病変が占める領域のピクセル数を、第２の基準領域に対応するピクセル数で割ることで、第２の占有率を算出するステップとを含む。

【0012】

本開示の一実施例において、第１の基準領域及び第２の基準領域を決定するステップは、第１の基準領域に対するスコア（score）、及び、第２の基準領域に対するスコアを決定するステップを含み、対象病変を識別するステップは、第１の基準領域内において対象病変に対するスコアを決定するステップと、第２の基準領域内において対象病変に対するスコアを決定するステップとを含み、算出するステップは、第１の基準領域に対するスコア及び第１の基準領域内において対象病変に対するスコアに基づいて、第１の占有率を算出するステップと、第２の基準領域に対するスコア及び第２の基準領域内において対象病変に対するスコアに基づいて、第２の占有率を算出するステップとを含む。

【0013】

本開示の一実施例において、測定するステップは、第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化有無を判定するステップを含む。

【0014】

本開示の一実施例において、第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化有無を判定するステップは、第１の占有率及び第２の占有率に基づいて、対象病変に対する占有率の変化量を算出するステップと、算出された対象病変に対する占有率の変化量と基準数値とを比較して、対象病変の大きさの変化有無を判定するステップとを含む。

【0015】

本開示の一実施例において、基準数値は、テストセットに対して算出されたターゲットメトリックと関連した数値、又は、予測正確度と関連した数値に基づいて決定される。

【0016】

本開示の一実施例において、基準数値は、第１の基準数値及び第２の基準数値を含み、算出された対象病変に対する占有率の変化量が、第１の基準数値に対して同一又は大きい場合、対象病変の大きさが増加したと判定され、算出された対象病変に対する占有率の変化量が、第１の基準数値に対して小さくて、第２の基準数値に対して同一又は大きい場合、対象病変の大きさに変化のないと判定され、算出された対象病変に対する占有率の変化量が、第２の基準数値に対して小さい場合、対象病変の大きさが減少したと判定される。

【0017】

本開示の一実施例において、第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化有無を判定するステップは、第１の占有率及び第２の占有率に基づいて、対象病変に対する占有率の変化量を算出するステップと、算出された対象病変に対する占有率の変化量を変化有無判定モデルに入力することで、出力される判定結果に基づいて、対象病変の大きさの変化有無を決定するステップとを含み、変化有無判定モデルは、対象病変に対する参照占有率の変化量に関する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習される機械学習モデルを含む。

【0018】

本開示の一実施例において、基準領域は、第１のＸ線イメージ及び第２のＸ線イメージの各々の全体領域を複数の領域に分割することにより決定される領域である。

【0019】

本開示の一実施例に係る前述した対象病変の大きさの変化を測定する方法を、コンピュータで実行するためのコンピュータプログラムが提供される。

【0020】

本開示の一実施例に係る情報処理システムは、一つ以上のインストラクション（instructions）を保存するメモリと、保存された一つ以上のインストラクションを実行することで、対象病変を含む第１のＸ線イメージ、及び、対象病変を含む第２のＸ線イメージを受信し、第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域が占める占有率を算出し、算出された占有率に基づいて、対象病変の大きさの変化を測定するように構成されるプロセッサとを含む。

【発明の効果】

【0021】

本開示の一部の実施例において、基準領域に対する対象病変の占有率の変化に基づいて、対象病変の大きさの変化有無が測定されるので、少ない演算量であっても、病変の大きさの変化を正確に測定できる。

【0022】

本開示の一部の実施例において、基準領域に対する対象病変の占有率の変化に基づいて、対象病変の大きさの変化有無が測定されるので、対象病変の大きさの変化を測定する際に、患者の姿勢や映像撮影機器との距離などのような多様な変数に対してあまり影響を受けない。

【0023】

本開示の一部の実施例において、基準領域に対する対象病変の占有率の変化に基づいて、対象病変の大きさの変化有無が判定されるので、別途にイメージの整列が不要になり、過度な開発費用が不要になる。

【0024】

本開示の一部の実施例において、肺の場合、吸気や呼気によって大きさの変化があり得る。このとき、肺内にある対象病変の大きさも共に変化するので、肺の大きさに対する対象病変の大きさの比率は維持できる。したがって、このような比率の変化が対象病変の変化を示すことができる。

【0025】

本開示の一部の実施例において、Ｘ線イメージから全体領域（例えば、肺など）に含まれた複数の病変は各々区分して検出でき、各々の病変に対する占有率及び／又は変化量を算出できるので、各々の病変に対する大きさの変化を測定できる。

【0026】

本開示の効果は、これに制限されず、言及されない他の効果等は、請求範囲の記載から本開示が属する技術分野における通常の知識を有した者（以下、「当業者」という）に明確に理解されるべきである。

【図面の簡単な説明】

【0027】

本開示の実施例等は、以下の添付図面に基づいて説明される。ここで、類似の参照符号は類似の要素を示すが、これに限定されるものではない。

【図1】本開示の一実施例に係る情報処理システムが対象病変の大きさの変化測定結果を提供する例を示す図である。

【図2】本開示の一実施例に係る情報処理システムの内部構成を示すブロック図である。

【図3】本開示の一実施例に係るＸ線イメージ内における対象病変の大きさの変化を測定する方法を示すフローチャートである。

【図4】本開示の一実施例に係るユーザ端末を介して基準領域抽出モデルを学習するためのラベル情報が情報処理システムに提供される例を示す図である。

【図5】本開示の一実施例に係る情報処理システムがＸ線イメージから基準領域を決定し、ユーザ端末を介して出力する例を示す図である。

【図6】本開示の一実施例に係る第１のＸ線イメージから第１の占有率を算出し、第２のＸ線イメージから第２の占有率を算出する例を示す図である。

【図7】本開示の一実施例に係る第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化測定結果を生成する例を示す図である。

【図8】本開示の一実施例に係る胸部Ｘ線イメージ内の対象病変の大きさの変化を測定する例を示す図である。

【図9】本開示の一実施例に係る基準領域における対象病変の占有率を決定し、対象病変の大きさの変化を測定する例を示す図である。

【図10】本開示の一実施例に係る人工神経網モデルの例を示す図である。

【発明を実施するための形態】

【0028】

以下、本開示の実施のための具体的な内容を添付図面に基づいて詳細に説明する。ただし、以下の説明では、本開示の要旨を不要に不明瞭にする恐れがある場合、公知の機能や構成に関する具体的な説明は省略する。

【0029】

添付図面において、同一又は対応する構成要素には同一の参照符号が付与される。また、以下の実施例の説明において、同一又は対応する構成要素について重複する記述は省略され得る。しかしながら、構成要素に関する記述が省略されても、そのような構成要素が、ある実施例に含まれないものと意図してはならない。

【0030】

開示の実施例の利点及び特徴、そして、それらを達成する方法は、添付図面に基づいて、後述する実施例を参照すれば明確になる。しかしながら、本開示は、以下で開示される実施例に限定されず、互いに異なる多様な形態で具現化され得る。但し、本実施例は、本開示が完全になるようにし、本開示が当業者に発明のカテゴリを正確に認識させるために提供されるだけである。

【0031】

本開示で使用される用語について簡略に説明し、開示の実施例について具体的に説明する。本明細書で使用される用語は、本開示での機能を考慮しつつ、可能な限り現在広く使用される一般的な用語を選択したが、これは、関連分野に従事する技術者の意図又は判例、新技術の出現などにより変化し得る。また、特定の場合は、出願人が任意で選定した用語もあり得るが、これらの意味は当該発明の説明の部分において詳細に記載する。よって、本開示で使用される用語は、単純な用語の名称ではなく、その用語が持つ意味と本開示の全般にわたる内容に基づいて定義されるべきである。

【0032】

本開示において、文脈上において明確に特定しない限り、単数の表現は複数の表現を含み、複数の表現は単数の表現を含むことができる。明細書の全般に渡り、ある部分がある構成要素を「含む」とすれば、これは、特に反対の記載がない限り、他の構成要素を排除するものではなく、他の構成要素をさらに含むこともできることを意味する。

【0033】

また、明細書で使用される「モジュール」又は「部」という用語は、ソフトウェアやハードウェア構成要素を意味し、「モジュール」又は「部」はある役割を遂行する。しかしながら、「モジュール」又は「部」はソフトウェアやハードウェアに限定される意味ではない。「モジュール」又は「部」は、アドレッシング可能な保存媒体にあるように構成してもよく、一つ又はそれ以上のプロセッサを再生させるように構成してもよい。したがって、一例として、「モジュール」又は「部」は、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素、タスク構成要素のような構成要素、並びに、プロセス、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバー、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、又は変数のうちの少なくとも一つを含むことができる。構成要素と「モジュール」又は「部」は、内部で提供される機能はさらに小さい数の構成要素及び「モジュール」又は「部」で結合され、または、追加的な構成要素と「モジュール」又は「部」にさらに分離され得る。

【0034】

本開示の一実施例によれば、「モジュール」又は「部」は、プロセッサ及びメモリで具現化され得る。「プロセッサ」は、汎用プロセッサ、中央処理装置（ＣＰＵ）、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、制御器、マイクロ制御器、状態マシンなどを含むように広く解釈されるべきである。いくつかの環境では、「プロセッサ」は、特定用途向け半導体（ＡＳＩＣ）、プログラム可能なロジックデバイス（ＰＬＤ）、フィールドプログラム可能なゲートアレイ（ＦＰＧＡ）等を称することもできる。「プロセッサ」は、例えば、ＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサの組合せ、ＤＳＰコアと結合した一つ以上のマイクロプロセッサの組合せ、若しくは、任意の他のそのような構成等の組合せといった処理デバイスの組合せを称することもできる。また、「メモリ」は、電子情報を保存可能な任意の電子コンポーネントを含むように、広く解釈されるべきである。「メモリ」は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＮＶＲＡＭ（Non-Volatile Random Access Memory）、ＰＲＯＭ（Programmable Read-Only Memory）、ＥＰＲＯＭ（Erasable Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Reda-Only Memory）、フラッシュメモリ、磁気又は光学データストレージ装置、レジスタなどのようなプロセッサで読取り可能な媒体の多様な類型を称することもできる。プロセッサがメモリから情報を読取り／読取ったりメモリに情報を記録できる場合、メモリは、プロセッサと電子通信状態にあると言われる。プロセッサに集積されたメモリは、プロセッサと電子通信状態にある。

【0035】

本開示において、「Ｘ線イメージ」は、Ｘ線を用いて人体の少なくとも一部にＸ線を透過させて撮影する任意の検査装備により撮影した任意のイメージを称することができる。例えば、検査装備は、一般のＸ線撮影器だけでなく、人体の特殊部位に適合するように特殊Ｘ線撮影器（例えば、乳房専用撮影器など）を含むが、これに限定されるものではない。

【0036】

本開示において、「対象病変」は、大きさの変化の測定対象となるデータ／情報、イメージ領域、オブジェクトなどを称することができる。例えば、「対象病変」は、癌や気胸などのようなＸ線イメージを通して検出しようとする対象を含むことができる。

【0037】

本開示において、「ピクセル」は、Ｘ線イメージ内に含まれたピクセルを称することができる。例えば、「ピクセル数」は、Ｘ線イメージ内において特定の領域に該当するピクセルの数を称することができる。このとき、Ｘ線イメージが同一の解像度を有する場合、ピクセル数が多いほど、Ｘ線イメージ内において当該特定の領域の大きさが大きくて、ピクセル数が少ないほど、Ｘ線イメージ内において当該特定の領域の大きさが小さい。

【0038】

本開示において、「人工神経網モデル」は、機械学習モデルの一例であって、与えられた入力に対する解答を推論するのに使用する任意のモデルを含むことができる。一実施例によれば、人工神経網モデルは、入力層（layer）、複数の隠れ層及び出力層を含む人工神経網モデルを含むことができる。ここで、各層は一つ以上のノードを含むことができる。例えば、人工神経網モデルは、Ｘ線イメージから基準領域及び／又は対象病変の領域を決定、識別及び／又は検出するように学習できる。他の例として、人工神経網モデルは、対象病変に対する占有率の変化量（例えば、対象病変に対する第１の占有率及び第２の占有率の差、または、第２の占有率から第１の占有率を除算した数値など）に基づいて、対象病変の大きさの変化に関する情報を出力するように学習できる。また、人工神経網モデルは、人工神経網モデルに含まれた複数のノードと関連した加重値を含むことができる。ここで、加重値は、人工神経網モデルと関連した任意のパラメータを含むことができる。

【0039】

本開示において、「Ａ及びＢの各々」は、Ａに含まれた構成要素（例えば、領域）及びＢに含まれた構成要素を称することができる。例えば、「第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域」は、第１のＸ線イメージにおける基準領域と、第２のＸ線イメージにおける基準領域とを称することができる。他の例として、「第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域」は、第１のＸ線イメージにおける基準領域のうち、対象病変に対応する領域と、第２のＸ線イメージにおける基準領域のうち、対象病変に対応する領域とを称することができる。

【0040】

本開示において、「インストラクション（instruction）」は、機能に基づいて集まる一つ以上の命令語であって、コンピュータプログラムの構成要素であり、プロセッサにより実行されるものを称することができる。

【0041】

本開示において、「ユーザ」は、ユーザ端末を利用する者を称することができる。例えば、ユーザは、アノテーション作業を遂行するアノテータ（annotator）を含むことができる。他の例として、ユーザは、対象病変の大きさの変化測定結果が提供される医者や患者などを含むことができる。また、ユーザはユーザ端末を称することができ、反対に、ユーザ端末はユーザを称することができる。すなわち、ユーザ及びユーザ端末は、本明細書において混用して使用され得る。

【0042】

本開示において、「アノテーション（annotation）」は、アノテーション作業及び／又はアノテーション作業の遂行により決定されたアノテーション情報（例えば、ラベル情報など）を称することができる。本開示において、「アノテーション情報」は、アノテーション作業のための情報及び／又はアノテーション作業により生成された情報（例えば、ラベル情報）を称することができる。

【0043】

本開示において、「全体領域」は、Ｘ線イメージに含まれた撮影対象の領域を称することができる。例えば、全体領域は、Ｘ線イメージから背景領域を除いた個体（例えば、患者）が撮影された領域を称することができる。代替的に、全体領域は、Ｘ線イメージを通して観測しようとするターゲット組織、器官、臓器、器官系などが撮影された領域を称することができる。また、本開示において、「基準領域」は、全体領域の少なくとも一部領域を称することができる。

【0044】

本開示において、「占有率」は、基準領域に対する対象領域の占有の比率を称することができる。例えば、「占有率」は、基準領域の大きさに対する対象病変の領域の大きさの比率により算出できる。他の例として、「占有率」は、基準領域のピクセル数に対する対象病変の領域のピクセル数の比率により算出できる。付加的又は代替的に、「占有率」は、領域の大きさだけでなく、領域の予測スコア（例えば、確率値）に基づいて算出できる。例えば、「占有率」は、基準領域の大きさに対する対象病変の領域の予測スコア（例えば、対象領域に含まれた複数のピクセルの各々の予測スコアの和、平均など）の比率により算出できる。他の例として、「占有率」は、基準領域の予測スコア（例えば、基準領域に含まれた複数のピクセルの各々の予測スコアの和、平均など）に対する対象病変の領域の予測スコア（例えば、対象領域に含まれた複数のピクセルの各々の予測スコアの和、平均など）の比率により算出できる。付加的又は代替的に、「占有率」は、対象病変の大きさだけでなく、対象病変の確率マップ（例えば、ヒートマップ）及び／又は対象病変の状態に基づいて算出できる。

【0045】

図１は、本開示の一実施例に係る情報処理システム１００が対象病変の大きさの変化測定結果１３０を提供する例を示す図である。情報処理システム１００は、対象病変の大きさの変化を測定するのに利用される任意のコンピューティング装置である。ここで、コンピューティング装置は、コンピューティング機能を具備した任意の種類の装置を称することができ、例えば、ノートブック、デスクトップ（desktop）、ラップトップ（laptop）、タブレットコンピュータ（tablet computer）、サーバー、クラウドシステム、ユーザ端末などになり得るが、これに限定されるものではない。図１では、情報処理システム１００を一つのコンピューティング装置として示すが、これに限定されず、情報処理システム１００は、複数のコンピューティング装置を介して情報及び／又はデータを分散処理するように構成できる。

【0046】

情報処理システム１００は、イメージ撮影装置（例えば、Ｘ－ｒａｙ映像撮影装置）、ユーザ端末及び／又は保存システム（または、装置）の各々と連結して通信可能であるように構成できる。ここで、保存システムは、対象病変の大きさの変化を測定するための機械学習モデルと関連した各種データを保存して管理する装置またはクラウドシステムであり得る。データの効率的な管理のために、保存システムは、データベースを用いて各種データを保存して管理できる。ここで、各種データは、機械学習モデルと関連した任意のデータを含むことができ、例えば、Ｘ線イメージ、基準領域に関するラベル情報、テストセット、機械学習モデルなどを含むことのできるが、これに限定されるものではない。

【0047】

対象病変の大きさの変化を測定するために、情報処理システム１００は、Ｘ－ｒａｙイメージ（または、映像）において、基準領域（例えば、肺領域）と基準領域内で観測された対象病変領域とを比較して、基準領域に対する対象病変の占有率を算出できる。すなわち、情報処理システム１００は、撮影時点の差がある複数のＸ線イメージの各々に対して、基準領域に対する対象病変の占有率を算出できる。情報処理システム１００は、対象病変の占有率の変化により、基準領域における対象病変の大きさの変化を測定できる。

【0048】

一実施例において、情報処理システム１００は、イメージ撮影装置、ユーザ端末及び／又は保存システム（または、装置）から対象病変を含む第１のＸ線イメージ１１０及び対象病変を含む第２のＸ線イメージ１２０を受信できる。例えば、情報処理システム１００は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０を順次受信できる。他の例として、情報処理システム１００は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０を同時に受信できる。ここで、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０は、同一の固体／対象を異なる時点で撮影したイメージに該当できる。付加的又は代替的に、情報処理システム１００が受信した第１のＸ線イメージ１１０及び／又は第２のＸ線イメージ１２０は、対象病変を含めないことがある。

【0049】

情報処理システム１００は、受信された第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０に基づいて、対象病変の大きさの変化測定結果１３０を生成及び／又は出力できる。ここで、対象病変の大きさの変化測定結果１３０は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０の各々に含まれた対象病変の絶対大きさ値、占有率、対象病変の大きさの変化有無、変化程度などを含むことができる。

【0050】

情報処理システム１００は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０の各々における基準領域のうち、対象病変に対応する領域が占める占有率を算出できる。このために、情報処理システム１００は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０の各々から第１の基準領域及び第２の基準領域を決定し、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０の各々から対象病変を識別及び／又は検出できる。ここで、基準領域は、第１のＸ線イメージ１１０及び第２のＸ線イメージ１２０の各々の全体領域（例えば、肺領域）を、複数の領域（例えば、左肺や右肺など）に分割することにより決定された領域を称することができる。例えば、情報処理システム１００は、第１のＸ線イメージ１１０を基準領域抽出モデルに入力することで、第１の基準領域（例えば、第１のＸ線イメージにおける左肺領域）を出力し、第２のＸ線イメージ１２０を基準領域抽出モデルに入力することで、第１の基準領域に対応する第２の基準領域（例えば、第２のＸ線イメージにおける左肺領域）を出力できる。このとき、情報処理システム１００及び／又は保存システムは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて学習された基準領域抽出モデルを含むことができる。

【0051】

その後、情報処理システム１００は、第１の基準領域のうち、識別された対象病変が占める第１の占有率、及び、第２の基準領域のうち、識別された対象病変が占める第２の占有率を算出できる。例えば、情報処理システム１００は、第１の基準領域内において対象病変が占める領域のピクセル数を、第１の基準領域に対応するピクセル数で割ることで、第１の占有率を算出し、第２の基準領域内において対象病変が占める領域のピクセル数を、第２の基準領域に対応するピクセル数で割ることで、第２の占有率を算出できる。また他の例として、情報処理システム１００は、第１の基準領域に対するスコア及び対象病変に対するスコアに基づいて、第１の占有率を算出し、第２の基準領域に対するスコア及び対象病変に対するスコアに基づいて、第２の占有率を算出できる。情報処理システム１００は、算出された占有率に基づいて対象病変の大きさの変化を測定できる。例えば、情報処理システム１００は、第１の基準領域のうち、識別された対象病変が占める第１の占有率、及び、第２の基準領域のうち、識別された対象病変が占める第２の占有率に基づいて、対象病変の大きさの変化有無を判定できる。すなわち、情報処理システム１００は、Ｘ線イメージに含まれた対象病変の絶対大きさではなく、占有率の変化に基づいて対象病変の大きさの変化を測定できる。

【0052】

一実施例において、情報処理システム１００は、第１の占有率及び第２の占有率に基づいて、対象病変に対する占有率の変化量を算出し、算出された対象病変に対する占有率の変化量と基準数値とを比較して、対象病変の大きさの変化有無を判定できる。例えば、基準数値は、第１の基準数値及び第２の基準数値を含むことができる。このとき、算出された対象病変に対する占有率の変化量が、第１の基準数値に対して同一又は大きい場合、対象病変の大きさが増加したと判定できる。算出された対象病変に対する占有率の変化量が、第１の基準数値に対して小さくて、第２の基準数値に対して同一又は大きい場合、対象病変の大きさに変化のないと判定できる。算出された対象病変に対する占有率の変化量が、第２の基準数値に対して小さい場合、対象病変の大きさが減少したと判定できる。付加的又は代替的に、基準数値は、テストセットに対して算出されたターゲットメトリックと関連した数値、又は、予測正確度と関連した数値に基づいて決定できる。

【0053】

他の実施例において、情報処理システム１００は、第１の占有率及び第２の占有率に基づいて、対象病変に対する占有率の変化量を算出し、算出された対象病変に対する占有率の変化量を変化有無判定モデルに入力することで、出力される判定結果に基づいて、対象病変の大きさの変化有無を決定できる。このために、情報処理システム１００及び／又は保存システムは、変化有無判定モデルを含むことができ、変化有無判定モデルは、対象病変に対する参照占有率の変化量に対する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習された機械学習モデルを含むことができる。

【0054】

図２は、本開示の一実施例に係る情報処理システム１００の内部構成を示すブロック図である。情報処理システム１００は、メモリ２１０、プロセッサ２２０、通信モジュール２３０及び入出力インタフェース２４０を含むことができる。図２に示すように、情報処理システム１００は、通信モジュール２３０を用いて、ネットワークを介して情報及び／又はデータを通信できるように構成できる。

【0055】

メモリ２１０は、非一時的な任意のコンピュータ読取り可能な記録媒体を含むことができる。一実施例によれば、メモリ２１０は、ＲＡＭ（random access memory）、ＲＯＭ（read only memory）、ディスクドライブ、ＳＳＤ（solid state drive）及びフラッシュメモリ（flash memory）などのような永久的な大容量保存装置（permanent mass storage device）を含むことができる。他の例として、ＲＯＭ、ＳＳＤ、フラッシュメモリ及びディスクドライブなどのような永久的な大容量保存装置は、メモリとは区分される別途の永久保存装置として情報処理システム１００に含まれることができる。また、メモリ２１０には、運営体制と少なくとも一つのプログラムコード（例えば、対象病変の大きさの変化を測定するためのアプリケーション、Ｘ線イメージから基準領域を決定するプログラム、Ｘ線イメージから対象病変を識別するプログラム、対象病変の占有率を算出するプログラム等のためのコードなど）が保存され得る。

【0056】

このようなソフトウェア構成要素は、メモリ２１０とは別途のコンピュータ読取り可能な記録媒体からローディングできる。このような別途のコンピュータ読取り可能な記録媒体は、このような情報処理システム１００に直接連結可能な記録媒体を含むことのできるが、例えば、フロッピードライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ及びメモリカードなどのようなコンピュータ読取り可能な記録媒体を含むことができる。他の例として、ソフトウェア構成要素等は、コンピュータ読取り可能な記録媒体ではなく、通信モジュール２３０を介してメモリ２１０にローディングされることもできる。例えば、少なくとも一つのプログラムは、開発者又はアプリケーションの設置ファイルを配信するファイル配信システムが、通信モジュール２３０を介して提供するファイルにより設置されるコンピュータプログラム（例えば、対象病変の大きさの変化を測定するためのアプリケーション、Ｘ線イメージから基準領域を決定するプログラム、Ｘ線イメージから対象病変を識別するプログラム、対象病変の占有率を算出するプログラム等のためのコードなど）に基づいて、メモリ２１０にローディングされることができる。

【0057】

プロセッサ２２０は、基本的な算術、ロジック及び入出力演算を遂行することで、コンピュータプログラムの命令を処理するように構成できる。命令は、メモリ２１０又は通信モジュール２３０によりユーザ端末（図示せず）又は他の外部システムに提供され得る。例えば、プロセッサ２２０は、メモリ２１０のような記録装置に保存されたプログラムコードによって受信される命令を実行するように構成できる。

【0058】

通信モジュール２３０は、ネットワークを介して、ユーザ端末及び／又は映像撮影装置と情報処理システム１００とが互いに通信するための構成や機能を提供でき、情報処理システム１００が保存装置及び／又は他のシステム（一例として、別途のクラウドシステムなど）と通信するための構成や機能を提供できる。一例として、情報処理システム１００のプロセッサ２２０の制御によって提供される制御信号、命令、データなどが、通信モジュール２３０及びネットワークを経て、ユーザ端末の通信モジュールを介してユーザ端末に提供できる。例えば、情報処理システム１００は、通信モジュール２３０を介して外部装置（例えば、保存装置、映像撮影装置、外部システムなど）から対象病変を含むＸ線イメージ（例えば、対象病変を含む第１のＸ線イメージ、及び、対象病変を含む第２のＸ線イメージなど）を受信できる。付加的に、情報処理システム１００は、通信モジュール２３０を介して対象病変の大きさの変化測定結果をユーザ端末に提供できる。

【0059】

また、情報処理システム１００の入出力インタフェース２４０は、情報処理システム１００と連結するか、或いは、情報処理システム１００が含むことのできる入力又は出力のための装置（図示せず）とのインタフェースのための手段であり得る。図２では、入出力インタフェース２４０がプロセッサ２２０と別途に構成された要素として示したが、これに限定されず、入出力インタフェース２４０がプロセッサ２２０に含まれるように構成されることもできる。情報処理システム１００は、図２に示す構成要素よりも多くの構成要素を含むことができる。しかしながら、大部分の従来技術的構成要素を明確に示す必要はない。

【0060】

情報処理システム１００のプロセッサ２２０は、複数のユーザ端末及び／又は複数の外部システムから受信された情報及び／又はデータを管理、処理及び／又は保存するように構成されることができる。一実施例によれば、プロセッサ２２０は、受信された第１のＸ線イメージ、第２のＸ線イメージなどを保存、処理及び転送できる。例えば、プロセッサ２２０は、第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域の占有率を算出できる。また、プロセッサ２２０は、算出された占有率に基づいて対象病変の大きさの変化を測定し、測定結果情報をユーザ端末に転送できる。

【0061】

図３は、本開示の一実施例に係るＸ線イメージ内における対象病変の大きさの変化を測定する方法３００を示すフローチャートである。一実施例において、対象病変の大きさの変化を測定する方法３００は、プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）により遂行できる。対象病変の大きさの変化を測定する方法３００は、プロセッサが、対象病変を含む第１のＸ線イメージ、及び、対象病変を含む第２のＸ線イメージを受信することにより開始することができる（Ｓ３１０）。

【0062】

プロセッサは、第１のＸ線イメージ及び第２のＸ線イメージの各々における基準領域のうち、対象病変に対応する領域が占める占有率を算出できる（Ｓ３２０）。ここで、基準領域は、第１のＸ線イメージ及び第２のＸ線イメージの各々の全体領域を複数の領域に分割することにより決定された領域を称することができる。一実施例において、プロセッサは、第１のＸ線イメージ及び第２のＸ線イメージの各々から第１の基準領域及び第２の基準領域を決定し、第１のＸ線イメージ及び第２のＸ線イメージの各々から対象病変を識別し、第１の基準領域のうち、識別された対象病変が占める第１の占有率、及び、第２の基準領域のうち、識別された対象病変が占める第２の占有率を算出できる。このために、プロセッサは、第１のＸ線イメージを基準領域抽出モデルに入力して第１の基準領域を出力し、第２のＸ線イメージを基準領域抽出モデルに入力して第２の基準領域を出力できる。ここで、第２の基準領域は第１の基準領域に対応し、基準領域抽出モデルは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて学習されたものであり得る。例えば、プロセッサは、第１の基準領域内において対象病変が占める領域のピクセル数を、第１の基準領域に対応するピクセル数で割ることで、第１の占有率を算出し、第２の基準領域内において対象病変が占める領域のピクセル数を、第２の基準領域に対応するピクセル数で割ることで、第２の占有率を算出できる。

【0063】

プロセッサは、算出された占有率に基づいて対象病変の大きさの変化を測定できる（Ｓ３３０）。一実施例において、プロセッサは、第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化有無を判定できる。例えば、プロセッサは、算出された対象病変に対する占有率の変化量（例：第２の占有率から第１の占有率を除算した数値など）と基準数値とを比較して、対象病変の大きさの変化有無を判定できる。このとき、基準数値は、第１の基準数値及び第２の基準数値を含み、第２の占有率から第１の占有率を除算した数値が、第１の基準数値に対して同一又は大きい場合、対象病変の大きさが増加したと判定できる。第２の占有率から第１の占有率を除算した数値が、第１の基準数値に対して小さくて、第２の基準数値に対して同一又は大きい場合、対象病変の大きさに変化のないと判定できる。第２の占有率から第１の占有率を除算した数値が、第２の基準数値に対して小さい場合、対象病変の大きさが減少したと判定できる。ここで、基準数値は、テストセットに対して算出されたターゲットメトリックと関連した数値、又は、予測正確度と関連した数値に基づいて決定できる。他の例として、プロセッサは、第１の占有率及び第２の占有率間の差を変化有無判定モデルに入力することで、出力される判定結果に基づいて、対象病変の大きさの変化有無を決定できる。ここで、変化有無判定モデルは、参照占有率差に対する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習された機械学習モデルを含むことができる。

【0064】

図４は、本開示の一実施例に係るユーザ端末４２０を介して基準領域抽出モデルを学習するためのラベル情報が情報処理システム１００に提供される例を示す図である。Ｘ線イメージは、目的によって共通的に含まれる領域（例えば、ターゲット組織、器官、器官係、臓器など）を含むことができる。一実施例によれば、胸部Ｘ線イメージの場合、肺領域がイメージ（または、映像）に含まれるように、患者や映像装備の位置を調整して撮影できる。対象病変の大きさの変化を測定するために、Ｘ線イメージ（例えば、過去のＸ線イメージ、現在のＸ線イメージ）に共通的に存在できる領域において基準領域に該当する領域を設定できる。ここで、基準領域は、Ｘ線イメージの各々の全体領域を複数の領域に分割することにより決定された領域であり得る。例えば、胸部Ｘ線イメージから肺領域を読み出すのに使用される６つの独立的な領域（「Ｕｐｐｅｒ Ｒｉｇｈｔ領域」、「Ｕｐｐｅｒ Ｌｅｆｔ領域」、「Ｍｉｄ Ｒｉｇｈｔ領域」、「Ｍｉｄ Ｌｅｆｔ領域」、「Ｌｏｗｅｒ Ｒｉｇｈｔ領域」、「Ｌｏｗｅｒ Ｌｅｆｔ領域」）の少なくとも一つの領域を含む基準領域を設定できる。すなわち、６つの独立的な領域の各々、または、６つの独立的な領域の一部を融合した領域（例：肺の全体領域、肺の左／右領域、肺の上段/中間/下段の領域）が基準領域に該当できる。

【0065】

基準領域に対する対象病変の占有率を算出するために、情報処理システム（例えば、情報処理システムの少なくとも一つのプロセッサ）１００は、基準領域抽出モデルを介してＸ線イメージから基準領域を決定できる。このために、情報処理システム１００は、基準領域抽出モデルを生成／学習できる。一実施例において、情報処理システム１００は、機械学習方式により各々のＸ線イメージから基準領域を検索するアルゴリズムを学習できる。例えば、基準領域抽出モデルは、セグメンテーション（segmentation）人工神経網モデルを称することができる。このように生成／学習された基準領域抽出モデルは、情報処理システム及び／又は保存システムに保存できる。基準領域抽出モデルを生成／学習するために、情報処理システム１００は、ユーザ端末４２０及び／又は保存システム４１０と連結されて通信可能であるように構成できる。

【0066】

一実施例において、基準領域抽出モデルを学習するために、情報処理システム１００は、ユーザ端末４２０を介してアノテーションの対象となる参照Ｘ線イメージを出力できる。ここで、アノテーションの対象となる参照Ｘ線イメージは、保存システム４１０から受信できる。その後、ユーザ（例えば、アノテータなど）は、ユーザ端末４２０を介して出力される参照Ｘ線イメージに含まれた全体領域（例えば、肺領域）を分割した複数の領域（例えば、Ｕｐｐｅｒ Ｒｉｇｈｔ領域、Ｍｉｄ Ｒｉｇｈｔ領域、Ｌｏｗｅｒ Ｒｉｇｈｔ領域、Ｕｐｐｅｒ Ｌｅｆｔ領域、Ｍｉｄ Ｌｅｆｔ領域、Ｌｏｗｅｒ Ｌｅｆｔ領域など）の各々に関するラベル情報（例えば、アノテーション情報）を決定して、情報処理システム１００に提供できる。例えば、ユーザ（例えば、アノテータなど）は、ユーザ端末４２０を介して参照基準領域に関するラベル情報を情報処理システム１００に提供できる。ここで、参照基準領域は、複数の領域のうち、対象病変の大きさの変化を測定しようとする少なくとも一つの領域を含むことができる。情報処理システム１００は、受信された参照Ｘ線イメージ及び参照基準領域に関するラベル情報を利用して、基準領域抽出モデルを生成及び／又は学習できる。

【0067】

情報処理システム１００は、基準領域抽出モデルの学習資料として使用するために、複数の胸部Ｘ線イメージを学習イメージとしてユーザ端末４２０に提供できる。ユーザは、ユーザ端末４２０を介して、複数の胸部Ｘ線イメージに含まれた肺の６つの領域に対するアノテーションを遂行し、アノテーション結果として、肺の６つの領域に関するラベル情報を含む複数の学習イメージを情報処理システム１００に提供できる。例えば、複数の学習イメージは、肺の６つの領域に関するラベル情報を含む学習イメージ４３０を含むことができる。情報処理システム１００は、ラベル情報を含む学習イメージ４３０が含まれた複数の学習イメージに基づいて、胸部Ｘ線イメージから肺の６つの領域の各々を決定するモデルを生成／学習できる。付加的又は代替的に、情報処理システム１００は、学習イメージ及びラベル情報に基づいて、胸部Ｘ線イメージから基準領域を決定するモデルを生成及び／又は学習できる。ここで、基準領域は、肺の６つの領域の少なくとも一つの領域を含むことができる。

【0068】

一実施例において、情報処理システム１００は、一つのＸ線イメージが入力されるアルゴリズムを学習し、肺の６つの領域に関するラベル情報（すなわち、アノテーション情報）との損失（loss）を最小化する方式により学習できる。例えば、情報処理システム１００は、Ｘ線イメージにおいて肺の６つの領域に関するラベル情報を用いて、イメージの各ピクセルが各領域に該当する確率を計算できる。このとき、各領域の左／右を区分するために、イメージがフリップ（flip）していないと仮定し得る。また、ノイズを除去するために、基準値（threshold）を設定して、当該値よりも低い値をクリッピング（clipping）することができる。

【0069】

図４では、一つのユーザ端末４２０が示されているが、これに限定されず、複数のユーザ端末４２０が情報処理システム１００と連結されて通信されるように構成できる。また、図４では、保存システム４１０が一つの装置として示されているが、これに限定されず、複数の保存装置から構成されたり、クラウド（cloud）を支援するシステムから構成されたりできる。また、図４では、基準領域抽出モデルを生成／学習するシステムの各々の構成要素は、機能的に区分される機能要素を示すものであって、複数の構成要素が実際の物理的環境で互いに統合される形態で具現化され得る。図４では、情報処理システム１００及び保存システム４１０が別途のシステムとして示されているが、これに限定されず、一つのシステムとして統合して構成されることもできる。

【0070】

図５は、本開示の一実施例に係る情報処理システム１００がＸ線イメージから基準領域を決定し、ユーザ端末５２０を介して出力する例を示す図である。対象病変の大きさの変化を測定するために、情報処理システム（例えば、情報処理システムの少なくとも一つのプロセッサ）１００は、Ｘ線イメージから基準領域を決定できる。ここで、基準領域は、Ｘ線イメージの全体領域を複数の領域に分割することにより決定できる。一実施例において、情報処理システム１００は、第１のＸ線イメージ及び第２のＸ線イメージの各々から第１の基準領域及び第２の基準領域を決定できる。一実施例において、情報処理システム１００は、第１のＸ線イメージを基準領域抽出モデルに入力して第１の基準領域を出力し、第２のＸ線イメージを基準領域抽出モデルに入力して第２の基準領域を出力できる。ここで、第２の基準領域は、第１の基準領域に対応できる。例えば、第１のＸ線イメージにおいて左肺に該当する領域が第１の基準領域に該当する場合、第２のＸ線イメージにおいても左肺に該当する領域が第２の基準領域に該当できる。

【0071】

情報処理システム１００は、対象病変の大きさの変化を測定する対象Ｘ線イメージ（例えば、第１のＸ線イメージ及び第２のＸ線イメージ）を受信できる。例えば、情報処理システム１００は、保存システム５１０、ユーザ端末５２０及び／又は映像撮影装置から対象Ｘ線イメージを受信できる。情報処理システム１００は、受信された対象Ｘ線イメージから基準領域を決定できる。例えば、情報処理システム１００は、対象Ｘ線イメージに含まれた全体領域を複数の領域に分割することにより基準領域を決定できる。図に示すように、情報処理システム１００は、対象Ｘ線イメージに含まれた肺領域を６つの領域（例えば、「Ｕｐｐｅｒ Ｒｉｇｈｔ領域」、「Ｕｐｐｅｒ Ｌｅｆｔ領域」、「Ｍｉｄ Ｒｉｇｈｔ領域」、「Ｍｉｄ Ｌｅｆｔ領域」、「Ｌｏｗｅｒ Ｒｉｇｈｔ領域」、「Ｌｏｗｅｒ Ｌｅｆｔ領域」）に分割することにより基準領域を決定できる。ここで、基準領域は、複数の領域の少なくとも一部を含むことができる。一実施例によれば、対象Ｘ線イメージに含まれた組織（例えば、肺）領域は複数の領域に分割でき、分割された複数の領域の任意の組合せが基準領域として決定され得る。このとき、このような複数の領域の組合せである基準領域内の病変の大きさの比率が算出されることで、占有率を算出できる。例えば、基準領域は、「Ｕｐｐｅｒ Ｒｉｇｈｔ領域」、「Ｍｉｄ Ｒｉｇｈｔ領域」、「Ｌｏｗｅｒ Ｒｉｇｈｔ領域」を含む右肺領域として決定され得る。

【0072】

図５では、情報処理システム１００が、肺の複数の領域が表示されたＸ線イメージ５３０をユーザ端末５２０を介して出力しているが、これに限定されるものではない。例えば、情報処理システム１００が全体領域を複数の領域に分割して基準領域を決定し、対象病変の大きさの変化を測定する過程を全部遂行した後、大きさの変化測定結果だけをユーザ端末５２０を介して出力できる。このとき、情報処理システム１００は、別途に肺の複数の領域又は基準領域が表示されたＸ線イメージを、ユーザ端末５２０を介して出力しないこともできる。

【0073】

また、図５では、一つのユーザ端末５２０が示されているが、これに限定されず、複数のユーザ端末５２０が情報処理システム１００と連結されて通信されるように構成できる。また、図５では、保存システム５１０が一つの装置として示されているが、これに限定されず、複数の保存装置から構成されたり、クラウド（cloud）を支援するシステムとして構成されたりできる。また、図５では、基準領域抽出モデルを生成／学習するシステムの各々の構成要素は、機能的に区分される機能要素を示すものであって、複数の構成要素が実際の物理的環境で互いに統合される形態で具現化できる。図５では、情報処理システム１００及び保存システム５１０が別途のシステムとして示されているが、これに限定されず、一つのシステムとして統合して構成されることもできる。

【0074】

図６は、本開示の一実施例に係る第１のＸ線イメージ６２０から第１の占有率６２８を算出し、第２のＸ線イメージ６３０から第２の占有率６３８を算出する例を示す図である。プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）６１０は、対象病変を含む第１のＸ線イメージ６２０、及び、対象病変を含む第２のＸ線イメージ６３０を受信して、第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０の各々における基準領域のうち、対象病変に対応する領域が占める占有率を算出できる。ここで、占有率は、基準領域の大きさ（例：ピクセル数など）に対する基準領域内に位置した病変の大きさ（例：ピクセル数など）を称することができる。例えば、左肺が基準領域に該当する場合、左肺に対する対象病変の占有率は、Ｘ線イメージ内における左肺の大きさ（例：ピクセル数など）に対する左肺に位置した対象病変の大きさ（例：ピクセル数など）を称することができる。

【0075】

一実施例において、プロセッサ６１０は、第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０の各々から第１の基準領域６２６及び第２の基準領域６３６を決定し、第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０の各々から対象病変を識別できる。その後、プロセッサ６１０は、第１の基準領域６２６ののうち、識別された対象病変が占める第１の占有率６２８、及び、第２の基準領域６３６のうち、識別された対象病変が占める第２の占有率６３８を算出できる。例えば、次の数１及び数２の式に示すように、プロセッサ６１０は、第１のＸ線イメージ６２０における対象病変が占める領域６２２のピクセル数を、第１の基準領域６２６に対応するピクセル数で割ることにより、第１の占有率６２８を算出し、第２のＸ線イメージ６３０における対象病変が占める領域６３２のピクセル数を、第２の基準領域６３６に対応するピクセル数で割ることにより、第２の占有率６３８を算出できる。

【0076】

【数1】

【0077】

【数2】

【0078】

前記のように算出された占有率により、プロセッサは、Ｘ線イメージの大きさや患者の位置に無関係に、２つのＸ線イメージ内における対象病変の大きさを比較でき、対象病変の大きさの変化をより正確に計算できる。

【0079】

図に示すように、プロセッサは、第１の胸部Ｘ線イメージ６２０を受信して、第１の胸部Ｘ線イメージ６２０に含まれた肺領域（すなわち、全体領域）６２４を決定し、決定された肺領域６２４のうち、左肺領域に該当する第１の基準領域６２６を決定できる。また、プロセッサは、第１の胸部Ｘ線イメージ６２０に含まれた対象病変領域６２２を識別できる。ここで、対象病変領域は、基準領域における対象病変が占める領域を称することができる。その後、プロセッサは、対象病変領域６２２のピクセル数を、第１の基準領域６２６のピクセル数で割ることにより、第１の占有率６２８を算出できる。同様に、プロセッサは、第２の胸部Ｘ線イメージ６３０を受信して、第２の胸部Ｘ線イメージ６３０に含まれた肺領域６３４を決定し、決定された肺領域６３４のうち、左肺領域に該当する第２の基準領域６３６を決定できる。また、プロセッサは、第２の胸部Ｘ線イメージ６３０に含まれた対象病変領域６３２を識別できる。その後、プロセッサは、対象病変領域６３２のピクセル数を、第２の基準領域６３６のピクセル数で割ることにより、第２の占有率６３８を算出できる。

【0080】

図６では、プロセッサが第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０を各々受信して、占有率を算出する例を示しているが、これに限定されるものではない。例えば、プロセッサが、第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０を同時に受信して、占有率を算出できる。代替的に、プロセッサが、第１のＸ線イメージ６２０及び第２のＸ線イメージ６３０を順次受信して、占有率を算出できる。

【0081】

図７は、本開示の一実施例に係る第１の占有率６２８及び第２の占有率６３８に基づいて、対象病変の大きさの変化測定結果７２０を生成する例を示す図である。プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、算出された占有率に基づいて対象病変の大きさの変化を測定できる。例えば、図に示すように、プロセッサに含まれた変化測定部７１０が、前述したように算出された第１の占有率６２８及び第２の占有率６３８を受信して、対象病変の大きさの変化を測定し、対象病変の大きさの変化測定結果７２０を生成できる。対象病変の大きさの変化測定結果７２０は、第１の占有率情報、第２の占有率情報、対象病変の占有率の変化量情報及び／又は対象病変の大きさの変化に関する情報（例えば、増加、減少、無変化など）を含むことができる。ここで、対象病変の占有率の変化量情報は、次の数３の式のように算出できる。

【0082】

【数3】

【0083】

ユーザは、数値的に表現される対象病変の占有率の変化量だけでなく、当該対象病変の変化有無に関する情報（例えば、増加、減少、無変化の可否に関する情報）を必要とする。一実施例において、変化測定部７１０は、第１の占有率６２８及び第２の占有率６３８に基づいて、対象病変の大きさの変化有無を判定できる。例えば、変化測定部７１０は、第２の占有率６３８から第１の占有率６２８を除算した数値と基準数値とを比較して、対象病変の大きさの変化有無を判定できる。すなわち、変化測定部７１０は、ヒューリスティック（heuristic）な基準数値に基づいて、対象病変の大きさの変化有無を判定できる。一例として、基準数値は、第１の基準数値（ｔ１）及び第２の基準数値（ｔ２）を含み、第２の占有率６３８から第１の占有率６２８を除算した数値（すなわち、対象病変の占有率の変化量）が、第１の基準数値（ｔ１）に対して同一又は大きい場合、対象病変の大きさが増加したと判定できる。第２の占有率６３８から第１の占有率６２８を除算した数値が、第１の基準数値（ｔ１）に対して小さくて、第２の基準数値（ｔ２）に対して同一又は大きい場合、対象病変の大きさに変化のないと判定できる。第２の占有率６３８から第１の占有率６２８を除算した数値が、第２の基準数値（ｔ２）に対して小さい場合、対象病変の大きさが減少したと判定できる。すなわち、若干の変化は変化のないと仮定し得る。これは、Ｘ線イメージが完全に正確な情報に該当しないこともあるからである。

【0084】

一実施例において、基準数値（threshold）は、テストセットに対して算出されたターゲットメトリック（metric）と関連した数値、又は、予測正確度と関連した数値に基づいて決定できる。すなわち、第１の基準数値（ｔ１）、第２の基準数値（ｔ２）を設定するために、プロセッサは、テストセットを受信し、受信されたテストセットに対して特定メトリック（例えば、ａｕｃ、ａｃｃｕｒａｃｙなど）が高い基準数値を獲得できる。例えば、プロセッサは任意に基準数値を検索できる。代替的に、ＡＵＣ（Area Under Curve）メトリックにおいて作動地点（operating point）のあるカーブが存在するため、特定の基準数値の敏感度（sensitivity）及び／又は特定性（specificity）を算出できる。このような点に鑑みて、プロセッサは、敏感度及び／又は特定性が最大となる地点を検索して、基準数値として設定できる。このような方式により、プロセッサは、増加及び無変化間の第１の基準数値と、減少及び無変化間の第２の基準数値とを設定できる。

【0085】

他の例として、変化測定部７１０は、第１の占有率６２８及び第２の占有率６３８間の差を変化有無判定モデルに入力することで、出力される判定結果に基づいて、対象病変の大きさの変化有無を決定できる。ここで、第１の占有率６２８及び第２の占有率６３８間の差は、第２の占有率６３８から第１の占有率６２８を除算した値（すなわち、対象病変に対する占有率の変化量）を称することができる。また、変化有無判定モデルは、参照占有率差（または、対象病変に対する参照占有率の変化量）に対する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように学習された機械学習モデルを含むことができる。変化有無判定モデルを生成／学習するために、ユーザのアノテーション作業が必要になり得る。例えば、プロセッサは、参照占有率の変化量及び対象病変の大きさの変化有無に対するユーザのラベル情報（増加、減少、無変化）を受信して、占有率の変化量を入力することにより、対象病変の増加、減少、無変化の一つを出力する機械学習モデルを生成／学習できる。変化測定部７１０は、生成／学習された機械学習モデル（例えば、変化有無判定モデル）を用いて、対象病変の大きさの変化有無を決定できる。

【0086】

図８は、本開示の一実施例に係る胸部Ｘ線イメージ８１０、８２０内の対象病変の大きさの変化を測定する例を示す図である。プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、Ｘ線イメージ内において全体領域（例えば、肺）の大きさ及び／又は基準領域（例えば、右肺）の大きさを測定できる。また、プロセッサは、ＣＡＤ（Computer Aided Detection）方式又は既存のアルゴリズムにより、対象病変の大きさ及び位置を測定できる。

【0087】

図８の表８３０に示すように、第１の胸部Ｘ線イメージ８１０上の右肺領域（ｌｕｎｇ＿ａｒｅａ１）の大きさは１１３８９．０として測定され、第２の胸部Ｘ線イメージ８２０上の右肺領域（ｌｕｎｇ＿ａｒｅａ２）の大きさは１２０７６．０として測定される。すなわち、同一の個体／対象の肺を撮影したＸ線イメージに該当しても、イメージの大きさ、個体／対象の位置及び／又は状態により、肺領域の大きさが異なるように測定され得る。また、第１の胸部Ｘ線イメージ８１０上で、右肺領域内における対象領域（ａｒｅａ１）の大きさは約１７３９．８５７８として測定され、第２の胸部Ｘ線イメージ８２０上で、右肺領域内における対象領域（ａｒｅａ２）の大きさは約１５５３．８６６６として測定される。これにより、第１の占有率は１７３９．８５７８／１１３８９．０であって、約０．１５２７７として算出され、第２の占有率は１５５３．８６６６／１２０７６であって、約０．１２８６７として算出される。対象病変の占有率の変化量（ｃｈａｎｇｅ＿ｒａｔｉｏ）は０．１２８６７－０．１５２７７であって、約－０．０２４１として算出される。

【0088】

一実施例において、プロセッサは、算出された占有率の変化量の約－０．０２４１を基準数値と比較して、対象病変の大きさの変化有無を判定できる。例えば、算出された占有率の変化量が、基準数値（例えば、第２の基準数値）に対して小さい場合、プロセッサは、対象病変の大きさが減少したと判定できる。代替的に、算出された占有率の変化量が、第１の基準数値に対して大きくて、第２の基準数値に対して小さい場合、プロセッサは、対象病変の大きさに変化のないと判定できる。他の例として、プロセッサは、算出された占有率の変化量（例えば、第１の占有率及び第２の占有率間の差）を変化有無判定モデルに入力することで、出力される判定結果に基づいて、対象病変の大きさの変化有無を決定できる。

【0089】

肺の場合、吸気や呼気によってＸ線イメージ上で大きさの変化があり得る。このとき、肺内にある対象病変の大きさも共に変化するので、肺の大きさに対する対象病変の大きさの比率（すなわち、占有率）は維持できる。したがって、このような比率の変化が対象病変の実質的な変化を示すことができる。また、肺に含まれた複数の病変は各々区分して検出でき、各々の病変に対する占有率及び／又は占有率の変化量を算出できるので、各々の病変に対する大きさの変化を測定できる。

【0090】

図９は、本開示の一実施例に係る基準領域における対象病変の占有率を決定し、対象病変の大きさの変化を測定する例を示す図である。プロセッサは、第１の基準領域９１０に対するスコア（例えば、第１の基準領域の大きさ、ピクセル数など）、第２の基準領域９２０に対するスコア（例えば、第２の基準領域の大きさ、ピクセル数など）、第１の基準領域内において対象病変９１２に対するスコア及び／又は第２の基準領域内において対象病変９２２に対するスコアを決定（または、算出）できる。その後、プロセッサは、Ｃｈａｎｇｅ Ａｌｇｏｒｉｔｈｍ（９００）を用いて、第１の基準領域９１０に対するスコア、第２の基準領域９２０に対するスコア、第１の基準領域内において対象病変９１２に対するスコア、及び、第２の基準領域内において対象病変９２２に対するスコアに基づいて、変化スコア（change score）を算出できる。

【0091】

例えば、プロセッサは、基準領域抽出モデルを用いて、第１のＸ線イメージ（ｔ１時間に撮影される）、及び、第２のＸ線イメージ（ｔ２時間に撮影され、ｔ１と異なる）の各々に対して、基準領域９１０、９２０を決定し、基準領域に対するスコアを決定できる。また、プロセッサは、対象病変検出モデルやセグメンテーションモデルなどを用いて、第１の基準領域内において対象病変９１２に対するスコアを決定できる。このために、プロセッサは、第１の基準領域に含まれた複数のピクセルの各々に対する対象病変予測スコア（または、ヒートマップ値）を算出できる。同様に、プロセッサは、対象病変検出モデルやセグメンテーションモデルなどを用いて、第２の基準領域に含まれた複数のピクセルの各々に対する対象病変予測スコアを算出することで、第２の基準領域内において対象病変９２２に対するスコアを決定できる。

【0092】

一実施例において、プロセッサは、基準領域内における対象病変領域に含まれた複数のピクセルの各々に対するヒートマップ値（例えば、対象病変予測スコアに基づいて決定されたヒートマップ値）を決定し、次の数４の式に示すように、各々の基準領域内において対象病変に対するスコアを算出できる。

【0093】

【数4】

【0094】

ここで、heat mapは対象病変領域に対するヒートマップ値を示し、ｆ（ｘ）はｘ値に対する任意の関数を示し、output_scoreは対象病変に対するスコアを示す。例えば、ｆ（heat map）は、対象病変領域に含まれた複数のピクセルの各々に対するヒートマップ値の和を示す。他の例として、ｆ（heat map）は、対象病変領域に含まれた複数のピクセルの各々に対するヒートマップ値の平均値を示す。

【0095】

また、プロセッサは、算出されたスコアに基づいて、次の数５の式のように、変化スコア（change score）を算出できる。プロセッサは、算出されたスコアに基づいて、対象病変の大きさの変化有無及び／又は大きさの変化量を決定できる。

【0096】

【数5】

【0097】

ここで、output_score_t1は第１の基準領域内において対象病変に対するスコア、area_t1は第１の基準領域に対するスコア、output_score_t2は第２の基準領域内において対象病変に対するスコア、area_t2は第２の基準領域に対するスコアを示し、ｇ（ｘ，ｙ，ｚ，ｒ）はｘ，ｙ，ｚ，ｒに基づいて第１の占有率及び第２の占有率を算出して、対象病変の大きさの変化スコアを算出する任意の関数を示すことができる。

【0098】

一実施例において、プロセッサは、第１の基準領域９１０に対するスコア、及び、第１の基準領域内において対象病変９１２に対するスコアに基づいて第１の占有率を算出し、第２の基準領域９２０に対するスコア、及び、第２の基準領域内において対象病変９２２に対するスコアに基づいて第２の占有率を算出できる。例えば、プロセッサは、次の数６及び数７の式を用いて、第１の占有率及び第２の占有率を算出できる。

【0099】

【数6】

【0100】

【数7】

【0101】

【0102】

その後、プロセッサは、第１の占有率及び第２の占有率に基づいて、対象病変の大きさの変化有無を判定できる。すなわち、プロセッサは、第１の占有率及び第２の占有率に基づいて、change score（例えば、変化スコア、占有率の変化量など）を算出し、算出されたchange scoreに基づいて、対象病変の大きさの変化有無及び／又は変化程度を判定できる。例えば、プロセッサは、次の数８の式を用いて、change scoreを算出できる。

【0103】

【数8】

【0104】

他の例として、プロセッサは、次の数９の式を用いて、change scoreを算出できる。

【0105】

【数9】

【0106】

また他の例として、プロセッサは、次の数１０の式を用いて、change scoreを算出できる。

【0107】

【数10】

【0108】

【0109】

図９では、対象病変に対するスコアを算出する例示として、基準領域内における対象病変に対するヒートマップを示しているが、これに限定されるものではない。例えば、対象病変に対するスコアを算出するために、基準領域に含まれた複数のピクセルの各々の対象病変に対する予測値、確率マップなどが用いられる。

【0110】

図１０は、本開示の一実施例に係る人工神経網モデル１０００の例を示す図である。人工神経網モデル１０００は、機械学習モデルの一例として、機械学習（Machine Learning）技術及び認知科学において、生物学的神経網の構造に基づいて具現化した統計学的学習アルゴリズム、又は、そのアルゴリズムを実行する構造であり得る。

【0111】

一実施例によれば、人工神経網モデル１０００は、生物学的神経網のように、シナプスの結合によりネットワークを形成した人工ニューロンであるノード（Node）等がシナプスの加重値を繰り返し調整して、特定の入力に対応した正しい出力及び推論された出力間の誤差が減少するように学習することで、問題解決能力を持つ機械学習モデルを示すことができる。例えば、人工神経網モデル１０００は、機械学習やディープラーニングなどの人工知能学習法に使用される任意の確率モデル、ニューラルネットワークモデルなどを含むことができる。

【0112】

一実施例によれば、人工神経網モデル１０００は、入力されるＸ線イメージから基準領域を決定するように構成された人工神経網モデルを含むことができる。付加的又は代替的に、人工神経網モデル１０００は、入力されるＸ線イメージから対象病変を識別する人工神経網モデルを含むことができる。付加的又は代替的に、第１の占有率及び第２の占有率間の差（例えば、対象病変に対する占有率の変化量）を入力して、対象病変の大きさの変化有無に対する判定結果（例えば、対象病変の増加、減少、無変化の可否）を出力するように構成された人工神経網モデルを含むことができる。

【0113】

人工神経網モデル１０００は、多層のノード等及びこれら間の連結により構成された多層パーセプトロン（multilayer perceptron、MLP）で具現化される。本実施例に係る人工神経網モデル１０００は、ＭＬＰを含む多様な人工神経網モデル構造の一つを用いて具現化できる。図１０に示すように、人工神経網モデル１０００は、外部から入力信号又はデータ１０１０を受信する入力層１０２０と、入力データに対応する出力信号又はデータ１０５０を出力する出力層１０４０と、入力層１０２０及び出力層１０４０間に位置し、入力層１０２０から信号を受信して特性を抽出して、出力層１０４０に伝達するｎ個（ここで、ｎは正の整数）の隠れ層１０３０＿１乃至１０３０＿ｎとからなる。ここで、出力層１０４０は、隠れ層１０３０＿１乃至１０３０＿ｎから信号を受信して外部に出力する。

【0114】

人工神経網モデル１１０の学習方法には、教師信号（正解）の入力によって問題の解決に最適化するように学習する教師あり学習（Supervised Learning）方法と、教師信号を必要としない教師なし学習（Unsupervised Learning）方法とがある。一実施例において、情報処理システムは、Ｘ線イメージから基準領域を出力するように、人工神経網モデル１０００の教師あり学習及び／又は教師なし学習を行うことができる。例えば、情報処理システムは、複数の参照Ｘ線イメージ及び参照基準領域に関するラベル情報を用いて、Ｘ線イメージから基準領域を出力するように、人工神経網モデル１０００の教師あり学習を行うことができる。付加的又は代替的に、情報処理システムは、Ｘ線イメージの全体領域（例えば、肺領域）を複数の領域に分割することにより基準領域を決定して出力するように、人工神経網モデル１０００の教師あり学習及び／又は教師なし学習を行うことができる。他の実施例において、情報処理システムは、第１の占有率及び第２の占有率間の差を変化有無判定モデルに入力することで、対象病変の大きさの変化有無に対する判定結果を出力するように、人工神経網モデル１０００の教師あり学習及び／又は教師なし学習を行うことができる。例えば、情報処理システムは、参照占有率差（例えば、対象病変に対する参照占有率の変化量）に対する入力値に基づいて、参照対象病変の大きさの変化有無に対する判定結果を出力するように、人工神経網モデル１０００の教師あり学習を行うことができる。

【0115】

このように学習された人工神経網モデル１０００は、情報処理システムのメモリ（図示せず）に保存でき、通信モジュール及び／又はメモリから受信されたデータの入力に応じて、Ｘ線イメージから基準領域及び／又は対象病変領域を決定し、基準領域及び／又は対象病変領域を出力できる。付加的又は代替的に、人工神経網モデル１０００は、複数のＸ線イメージにおける対象病変の占有率差（例えば、対象病変に対する占有率の変化量）に対する入力に応じて、対象病変の大きさの変化有無を判定し、対象病変の大きさの変化有無に対する判定結果を出力できる。

【0116】

一実施例によれば、基準領域を決定する機械学習モデル、すなわち、人工神経網モデル１０００の入力変数は、一つ以上のＸ線イメージであり得る。例えば、人工神経網モデル１０００の入力層１０２０に入力される入力変数は、一つ以上のＸ線イメージを一つのベクトルデータ要素として構成した、イメージベクトル１０１０になり得る。イメージの入力に応じて、人工神経網モデル１０００の出力層１０４０から出力される出力変数は、Ｘ線イメージにおける基準領域及び／又は対象病変領域を示したり特徴化したりするベクトル１０５０になり得る。付加的に、人工神経網モデル１０００の出力層１０４０は、Ｘ線イメージの全体領域を分割した複数の領域を示したり特徴化したりするベクトルを出力するように構成できる。このとき、基準領域は、複数の領域の少なくとも一つを含む領域であり得る。本開示において、人工神経網モデル１０００の出力変数は、以上で説明された類型に限定されず、Ｘ線イメージにおける基準領域及び／又は対象病変領域を示す任意の情報／データを含むことができる。

【0117】

他の実施例において、対象病変の大きさの変化有無を判定する機械学習モデル、すなわち、人工神経網モデル１０００の入力変数は、対象病変に対する第１の占有率及び第２の占有率間の差（例えば、第２の占有率から第１の占有率を除算した数値、対象病変に対する占有率の変化量）であり得る。例えば、人工神経網モデル１０００の入力層１０２０に入力される入力変数は、第１の占有率及び第２の占有率間の差を一つのベクトルデータ要素として構成した、数値ベクトル１０１０になり得る。第１の占有率及び第２の有率間の差の入力に応じて、人工神経網モデル１０００の出力層１０４０から出力される出力変数は、対象病変の大きさの変化有無に対する判定結果を示したり特徴化したりするベクトル１０５０になり得る。本開示において、人工神経網モデル１０００の出力変数は、以上で説明された類型に限定されず、対象病変の大きさの変化有無に対する判定結果を示す任意の情報／データを含むことができる。さらに、人工神経網モデル１０００の出力層１０４０は、出力された基準領域、対象病変領域及び対象病変の大きさの変化有無に対する判定結果に関する信頼度及び／又は正確度を示すベクトルを出力するように構成できる。

【0118】

このように、人工神経網モデル１０００の入力層１０２０及び出力層１０４０に複数の入力変数と対応する複数の出力変数が各々マッチングされ、入力層１０２０、隠れ層１０３０＿１乃至１０３０＿ｎ及び出力層１０４０に含まれたノード等間のシナプス値が調整されることで、特定の入力に対応した正しい出力を抽出できるように学習できる。このような学習過程により、人工神経網モデル１０００の入力変数の隠れ特性を把握でき、入力変数に基づいて計算された出力変数及び目標出力間の誤差が低減するように、人工神経網モデル１０００のノード等間のシナプス値（又は加重値）を調整できる。このように学習された人工神経網モデル１０００を用いて、入力されたＸ線イメージに応じて、Ｘ線イメージから基準領域及び／又は対象病変領域に関する情報（例えば、位置、大きさ、ピクセル数など）を出力できる。付加的に、人工神経網モデル１０００を用いて、入力された対象病変に対する占有率の変化量（例えば、対象病変に対する第１の占有率及び第２の占有率の差）に応じて、対象病変の大きさの変化有無に対する判定結果を出力できる。

【0119】

本開示の前述した説明は、当業者らが本開示を施行又は利用することを可能にするために提供できる。本開示の多様な修正例が当業者らに容易に自明であり、本願に定義された一般の原理らは、本開示の趣旨又は範囲から逸脱せず、多様な変形例に適用できる。したがって、本開示は、本願に説明された例等に制限されるように意図するものではなく、本願に開示された原理等及び新規な特徴等と一貫する最広義の範囲が付与されるように意図することができる。

【0120】

前述した実施例が一つ以上の独立型コンピュータシステムで現在開示された主題の態様を活用するものとして記述されたが、本開示はこれに限定されず、ネットワークや分散コンピューティング環境のような任意のコンピューティング環境と連係して具現されてもよい。ひいては、本開示で主題の様相は複数のプロセッシングチップや装置で具現されてもよく、ストレージは複数の装置にわたって類似するように影響を受けることになってもよい。このような装置はＰＣ、ネットワークサーバー、および携帯用装置を含んでもよい。

【0121】

本明細書では本開示が一部の実施例と関連して説明されたが、本開示の発明が属する技術分野の通常の技術者が理解できる本開示の範囲を逸脱しない範囲で多様な変形および変更がなされ得る。また、そのような変形および変更は本明細書に添付された特許請求の範囲内に属するものと考えられるべきである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【国際調査報告】