JP3228085U - 肝腫瘍知能分析装置 - Google Patents
肝腫瘍知能分析装置 Download PDFInfo
- Publication number
- JP3228085U JP3228085U JP2020000960U JP2020000960U JP3228085U JP 3228085 U JP3228085 U JP 3228085U JP 2020000960 U JP2020000960 U JP 2020000960U JP 2020000960 U JP2020000960 U JP 2020000960U JP 3228085 U JP3228085 U JP 3228085U
- Authority
- JP
- Japan
- Prior art keywords
- liver tumor
- liver
- tumor
- benign
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
Abstract
【課題】超音波検知走査画像に基づいて、医者や超音波検査技師が肝腫瘍の良性や悪性のリスクを判読でき、肝腫瘍類型診断の参考にできる肝腫瘍知能分析装置を提供する。【解決手段】互いに連接される超音波検知モジュール1と、機械学習アルゴリズムがロードされた肝腫瘍の良性や悪性のリスクを判断する分析モジュール2と、が含まれ、分析モジュールには、互いに連接された画像採集ユニットや参考貯蓄ユニット、制御ユニット、肝腫瘍マーキングユニット、分類ユニット、対比ユニット及び肝腫瘍の良性や悪性のリスク予測報告生成ユニットが、含まれる。肝腫瘍知能分析装置は、豊富経験を有する腹部エコー検査専門医者が、マーキングした肝腫瘍像点部位を有する超音波画像に基づいて、それらのエクスペリエンスデータのパラメーター及び係数を利用して、機械学習アルゴリズムで、正確さが86%にもなる推定モデルをセットアップする。【選択図】図1
Description
本考案は、肝腫瘍知能分析装置に関し、特に、超音波検知モジュールと機械学習アルゴリズムがロードされた分析モジュールとを利用して、肝腫瘍の良性や悪性のリスクを判断するものに関し、更に特に、超音波検知走査画像に基づいて、医者や超音波検査技師は、当該肝腫瘍知能分析装置を利用して、直ちに、肝腫瘍の良性や悪性のリスクを判読でき、医者に肝腫瘍類型の診断参考になるものに関する。
肝癌が、地球全体の癌死因の第四位になり、また、台湾人の十大癌死因の第二位になる。肝癌は、アジアにおいて、殆どB型やC型肝炎ウイルスやアフラトキシンによるものであり、欧米諸国において、殆どC型肝炎ウイルスによるものであり、それから、脂肪性肝炎や糖尿病及び高トリグリセリドによる肝癌の生成も、多くなる。
外科手術は、目前において、もっとも直接的な肝癌治療方法であるが、肝癌の早期診断や術後患者の関連予後指標も、重大の課題になる。早期確定診断された肝癌病者は、一般として、より多い治療選択があり、治療の効能は、よく、患者の生存率によって反応される。そのため、定期検査と早期診断早期治療は、患者の生存品質や生存期の延長にとって、極めて重要である。
早期診断は、採血して、肝機能やB型C型肝炎ウイルス及びαフェトプロテインを検査する他に、研究によれば、腹部エコー検査が、肝病の重要検査の一つであり、また、台湾の国立台湾大学の名誉教授許金川教授の初年研究によれば、1/3の小型肝癌病者について、肝癌指数-αフェトプロテインを採血検査しても、正常であるため、それとともに、超音波検査を行わないと、早期に肝癌を発見できなく、そして、腹部エコー検査は、検査特性が、快速と便利且つ放射線無しであるから、肝癌スクリーニングのキーツールとなる。
肝癌診断は、その他の癌と異なり、その確定診断が、病理切片を必要としなく、直接に、例えば、腹部エコー検査(abdominal ultrasound, US)やコンピューター断層撮影(computed tomography, CT)及び磁気共鳴断層撮影(magnetic resonance imaging, MRI)等の画像検査を利用して、確定診断でき、また、その感度(sensitivity)や特異度(specificity)は、それぞれ、0.78〜0.73と0.89〜0.93で、0.84〜0.83と0.99〜0.91であって、そして、0.83と0.88である。
超音波検査は、便利性を有するが、制限があり、例えば、操作者の経験や病者の肥満度、肝纖維化或いは肝硬変の有無等の因子が、超音波の正確さに影響を与えるため、超音波検査に基づいて、悪性腫瘍と疑う場合、二番目の画像検査を行い、例えば、CTやMRIを、確定診断の補助とするが、この二つの検査は、医療費が高くて検査スケジュールが遅いだけでなく、CT検査により、より多い放射線被曝のリスクがある。
上記のように、関連技術分野において、人工知能分析技術を必要とし、補助超音波検知は、有効的に肝腫瘍の良性や悪性を分析できる装置であり、磁気共鳴断層撮影結像及び/或いはコンピューター断層撮影と比較しても、本肝腫瘍知能分析装置によって、超音波画像分析の正確さが、高くなり、また、CTとMRIの正確さに相当し、これにより、医者が、超音波検査を利用することにより、快速的に、正確な肝腫瘍類型を診断できる。
本考案者は、上記欠点を解消するため、慎重に研究し、また、学理を活用して、有効に上記欠点を解消でき、設計が合理である本考案を提案する。
本考案の主な目的は、従来の技術の上記らの問題を解消できる超音波検知モジュールと、機械学習アルゴリズムがロードされた分析モジュールを提供し、肝腫瘍性質を判断でき、その正確さが、CTやMRIの正確さに類似する86%に達し、そのため、医者が、放射線無し且つ安全的な超音波検査で、快速的に正確な肝腫瘍類型を診断できる。
本考案は、上記目的を達成するための肝腫瘍知能分析装置であり、超音波プローブを有し、超音波を発射し、被験者の外部において、肝臓に対応する部位を走査して、当該被験者の標的肝腫瘍超音波画像を取得する、超音波検知モジュールと、当該超音波検知モジュールに連接される、分析モジュールとが、含まれ、当該分析モジュールが、画像採集ユニットを利用して、当該超音波検知モジュールによって結像された当該被験者の標的肝腫瘍超音波画像を獲得し、また、参考貯蓄ユニットに、良性と悪性の肝腫瘍超音波画像が含まれる複数の参考肝腫瘍超音波画像を貯蓄し、当該分析モジュールには、プログラムが貯蓄され、当該プログラムは、制御ユニットによって実行される時、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供する。
当該プログラムには、経験則に基づいて格別な規則をセットアップし、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する肝腫瘍マーキングユニットと、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、機械学習アルゴリズムによって、推定モデルをセットアップする分類ユニットと、当該標的肝腫瘍超音波画像に対して当該推定モデルで分析させて、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供する対比ユニットと、が含まれる。
本考案の実施例によれば、当該画像採集ユニットは、デジタル ビジュアル インターフェース(Digital Visual Interface, DVI)である。
本考案の実施例によれば、当該制御ユニットは、中央処理装置(Central Processing Unit, CPU)である。
本考案の実施例によれば、当該肝腫瘍マーキングユニットは、エクスペリエンスデータに合わせた係数及び/或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像がマーキングされる。
本考案の実施例によれば、当該肝腫瘍類型には、良性腫瘍と悪性腫瘍が含まれる。
本考案の実施例によれば、当該分析モジュールは、更に、肝腫瘍の良性や悪性のリスクの予測報告生成ユニットがあり、当該制御ユニットに連接され、当該制御ユニットにより、当該対比ユニットによって生成された、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測とを、当該肝腫瘍の良性や悪性のリスクの予測報告生成ユニットに入力し、医者の判断に助ける肝腫瘍性質診断報告を作製する。
以下、図面を参照しながら、本考案の特徴や技術内容について、詳しく説明するが、それらの図面等は、参考や説明のためであり、本考案は、それによって制限されることが無い。
図1は、本考案に係る肝腫瘍知能分析装置のより良い実施例のブロック概念図である。図1のように、本考案は、肝腫瘍知能分析装置であり、超音波検知モジュール1と、分析モジュール2とから構成される。
上記の超音波検知モジュール1は、超音波プローブ11が含まれる。
当該分析モジュール2は、当該超音波検知モジュール1に連接され、画像採集ユニット21や参考貯蓄ユニット22、制御ユニット23、肝腫瘍マーキングユニット24、分類ユニット25、対比ユニット26及び肝腫瘍の良性や悪性のリスク予測報告生成ユニット27が含まれる。その中、当該制御ユニット23は、中央処理装置(Central Processing Unit, CPU)であり、当該画像採集ユニット21や当該参考貯蓄ユニット22、当該肝腫瘍マーキングユニット24、当該分類ユニット25、当該対比ユニット26及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット27が稼働する時の演算、制御、処理、符号化、復号化及び各種駆動指令の指示を行う。上記らの装置により、新規の肝腫瘍知能分析装置が構成される。
本考案によれば、本考案に係る肝腫瘍知能分析装置が、コンピューターによって実行されることができ、それから、当該制御ユニット23は、コンピューターの中央処理装置であり、当該肝腫瘍マーキングユニット24や当該分類ユニット25、当該対比ユニット26及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット27は、コンピューターのプログラムであって、ハードディスクやメモリーに貯蓄され、当該画像採集ユニット21は、コンピューターのデジタル ビジュアル インターフェース(Digital Visual Interface, DVI)であり、当該参考貯蓄ユニット22は、ハードディスクであり、更に、出力と操作のためのスクリーンやマウス及びキーボードがある。また、本考案に係る肝腫瘍知能分析装置は、サーバーにも実行されることができる。
本考案によると、当該超音波検知モジュール1の超音波プローブ11から超音波を発射し、被験者の外部において、肝臓に対応する部位を走査して、当該被験者の複数の肝腫瘍超音波画像を取得し、走査期間においても、医者が、標的肝腫瘍超音波画像として、少なくとも一枚の不審な腫瘍超音波画像を選別することができる。
当該分析モジュール2は、当該画像採集ユニット21を利用して、当該超音波検知モジュール1によって結像された当該被験者の標的肝腫瘍超音波画像を獲得し、また、当該参考貯蓄ユニット22に、良性と悪性の肝腫瘍超音波画像が含まれる、複数の参考肝腫瘍超音波画像が貯蓄される。当該分析モジュール2には、プログラムが貯蓄され、当該プログラムは、当該制御ユニット23によって実行される時、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供し、当該プログラムには、当該肝腫瘍マーキングユニット24と当該分類ユニット25、当該対比ユニット26及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット27が含まれる。
当該肝腫瘍マーキングユニット24は、エクスペリエンスデータに合わせた係数及び/或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する。例えば、当該肝腫瘍マーキングユニット24は、医者の経験に従ってマーキングすることができる。当該分類ユニット25は、更に、当該らの腫瘍像点部位を有する肝腫瘍超音波画像を利用して、機械学習アルゴリズムで、推定モデルをセットアップする。当該対比ユニット26は、当該標的肝腫瘍超音波画像に対して、当該推定モデルで分析して、当該被験者の肝腫瘍性質を判断する臨床スタッフに、提供し、そして、当該被験者の肝腫瘍の良性や悪性のリスク発生確率を予測する。最後に、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット27に、当該対比ユニット26によって生成された臨床スタッフの当該被験者の肝腫瘍類型に対する判断と、当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測が入力されて、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット27によって、医者の判断に助ける肝腫瘍性質診断報告を作製する。
これにより、本考案に係る肝腫瘍知能分析装置は、豊富経験を有する腹部エコー検査専門医者が、マーキングした肝腫瘍像点部位を有する超音波画像に基づいて、それらのエクスペリエンスデータのパラメーター及び係数を利用して、機械学習アルゴリズムで、正確さが86%にもなる推定モデルをセットアップする。これにより、超音波検知走査画像に基づいて、医者や超音波検査技師は、肝腫瘍知能分析装置を利用して、直ちに、肝腫瘍の良性や悪性のリスクを判読でき、医者に肝腫瘍類型の診断参考になる。
以上のように、本考案に係る肝腫瘍知能分析装置は、有効的に従来の諸欠点を解消でき、超音波検知モジュールと機械学習アルゴリズムがロードされた分析モジュールを利用して、肝腫瘍の良性や悪性のリスクを判断し、また、エクスペリエンスデータに合わせた係数及び/或いはパラメーターに基づいて、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングし、機械学習アルゴリズムで、正確さが86%になる推定モデルをセットアップでき、そのため、医者が、放射線無し且つ安全的な超音波検査で、快速的に正確な肝腫瘍類型を診断できるから、本考案は、より進歩的かつより実用的で、法に従って実用新案登録請求を出願する。
以上は、ただ、本考案のより良い実施例であり、本考案は、それによって制限されることが無く、本考案に係わる実用新案登録請求の範囲や明細書の内容に基づいて行った等価の変更や修正は、全てが、本考案の実用新案登録請求の範囲内に含まれる。
1 超音波検知モジュール
11 超音波プローブ
2 分析モジュール
21 画像採集ユニット
22 参考貯蓄ユニット
23 制御ユニット
24 肝腫瘍マーキングユニット
25 分類ユニット
26 対比ユニット
27 肝腫瘍の良性や悪性のリスク予測報告生成ユニット
11 超音波プローブ
2 分析モジュール
21 画像採集ユニット
22 参考貯蓄ユニット
23 制御ユニット
24 肝腫瘍マーキングユニット
25 分類ユニット
26 対比ユニット
27 肝腫瘍の良性や悪性のリスク予測報告生成ユニット
Claims (6)
- 超音波プローブを有し、超音波を発射し、被験者の外部において、肝臓に対応する部位を走査して、当該被験者の標的肝腫瘍超音波画像を取得する、超音波検知モジュールと、
当該超音波検知モジュールに連接される、分析モジュールとが、含まれ、
当該分析モジュールが、画像採集ユニットを利用して、当該超音波検知モジュールによって結像された当該被験者の標的肝腫瘍超音波画像を獲得し、また、参考貯蓄ユニットに、良性と悪性の肝腫瘍超音波画像が含まれる複数の参考肝腫瘍超音波画像を貯蓄し、そして、当該分析モジュールには、プログラムが貯蓄され、当該プログラムは、制御ユニットによって実行される時、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供し、当該プログラムには、経験則に基づいて格別な規則をセットアップし、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する肝腫瘍マーキングユニットと、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、機械学習アルゴリズムによって、推定モデルをセットアップする分類ユニットと、当該標的肝腫瘍超音波画像に対して当該推定モデルで分析させて、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供する対比ユニットと、が含まれる、
ことを特徴とする肝腫瘍知能分析装置。 - 当該画像採集ユニットは、デジタル ビジュアル インターフェースである、ことを特徴とする請求項1に記載の肝腫瘍知能分析装置。
- 当該制御ユニットは、中央処理装置である、ことを特徴とする請求項1に記載の肝腫瘍知能分析装置。
- 当該肝腫瘍マーキングユニットは、エクスペリエンスデータに合わせた係数及び/或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングする、ことを特徴とする請求項1に記載の肝腫瘍知能分析装置。
- 当該肝腫瘍類型には、良性腫瘍と悪性腫瘍が含まれる、ことを特徴とする請求項1に記載の肝腫瘍知能分析装置。
- 当該分析モジュールは、更に、肝腫瘍の良性や悪性のリスクの予測報告生成ユニットがあり、当該制御ユニットに連接され、当該制御ユニットにより、当該対比ユニットによって生成された、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍良惡生リスク発生確率の予測を、当該肝腫瘍の良性や悪性のリスクの予測報告生成ユニットに入力し、肝腫瘍性質診断報告を作製する、ことを特徴とする請求項1に記載の肝腫瘍知能分析装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108215416 | 2019-11-21 | ||
TW108215416U TWM594253U (zh) | 2019-11-21 | 2019-11-21 | 肝腫瘤智慧分析裝置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP3228085U true JP3228085U (ja) | 2020-10-08 |
Family
ID=71134008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020000960U Active JP3228085U (ja) | 2019-11-21 | 2020-03-18 | 肝腫瘍知能分析装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP3228085U (ja) |
CN (1) | CN212853503U (ja) |
TW (1) | TWM594253U (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927179A (zh) * | 2019-11-21 | 2021-06-08 | 粘晓菁 | 肝肿瘤智慧分析方法 |
CN112562815B (zh) * | 2020-11-13 | 2024-06-21 | 郑天颖 | 在影像学申请阶段申明影像评价方案的***及方法 |
CN112450982B (zh) * | 2020-12-09 | 2023-03-28 | 上海市闵行区中心医院 | 一种通过b超表现预测***癌的定性和数据评分*** |
-
2019
- 2019-11-21 TW TW108215416U patent/TWM594253U/zh unknown
-
2020
- 2020-03-18 JP JP2020000960U patent/JP3228085U/ja active Active
- 2020-03-20 CN CN202020357928.6U patent/CN212853503U/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN212853503U (zh) | 2021-04-02 |
TWM594253U (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ather et al. | Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications | |
Han et al. | Noninvasive diagnosis of nonalcoholic fatty liver disease and quantification of liver fat with radiofrequency ultrasound data using one-dimensional convolutional neural networks | |
TWI810498B (zh) | 肝腫瘤智慧分析裝置 | |
La Salvia et al. | Deep learning and lung ultrasound for Covid-19 pneumonia detection and severity classification | |
US20210153838A1 (en) | Method and Apparatus of Intelligent Analysis for Liver Tumor | |
JP3228085U (ja) | 肝腫瘍知能分析装置 | |
JP4469594B2 (ja) | 疾患関連組織変化を測定するシステム | |
CN111657858B (zh) | 图像诊断装置、图像处理方法和存储介质 | |
CN110292396B (zh) | 定量成像的预测使用 | |
WO2019102829A1 (ja) | 画像解析方法、画像解析装置、画像解析システム、画像解析プログラム、記録媒体 | |
JP2007524461A (ja) | ***撮像の自動診断及び決定支援システム及び方法 | |
US11559273B2 (en) | Mammography apparatus and program | |
US20230386033A1 (en) | Image Processing Apparatus, Image Processing Method, and Program | |
Khanna | A Review of AI Devices in Cancer Radiology for Breast and Lung Imaging and Diagnosis | |
CN115516498A (zh) | 由非侵入性放射学成像对肝病严重程度自动分类 | |
CN111265234A (zh) | 一种肺部纵膈***的性质判定方法及*** | |
Iacob et al. | Evaluating the role of breast ultrasound in early detection of breast cancer in low-and middle-income countries: A comprehensive narrative review | |
JP7236109B2 (ja) | 肝腫瘍知能分析装置およびその作動方法 | |
KR20220100830A (ko) | 복수의 질환을 분석하기 위한 의료 영상 처리 장치 및 방법 | |
US20130071334A1 (en) | Method and system for identifying, assessing, and managing cancer disease | |
EP4211647A1 (en) | Method for biomarker estimation | |
Caban et al. | Monitoring pulmonary fibrosis by fusing clinical, physiological, and computed tomography features | |
US20190076027A1 (en) | Processing apparatus and processing method concerning medical images | |
WO2023199957A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US20230326580A1 (en) | Information processing apparatus, information processing method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200403 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200706 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 3228085 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |