JP5533662B2 - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JP5533662B2 JP5533662B2 JP2010535738A JP2010535738A JP5533662B2 JP 5533662 B2 JP5533662 B2 JP 5533662B2 JP 2010535738 A JP2010535738 A JP 2010535738A JP 2010535738 A JP2010535738 A JP 2010535738A JP 5533662 B2 JP5533662 B2 JP 5533662B2
- Authority
- JP
- Japan
- Prior art keywords
- discriminator
- new
- classifier
- information processing
- existing
- 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.)
- Expired - Fee Related
Links
- 230000010365 information processing Effects 0.000 title claims description 38
- 238000000034 method Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 52
- 238000012545 processing Methods 0.000 description 42
- 238000006243 chemical reaction Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
- A61B8/565—Details of data transmission or power supply involving data transmission via a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本発明は、情報処理装置に関する。
様々な分野で、ユーザの意思決定をサポートするシステムが利用されている。例えば、生活習慣、症状等の複数の問診項目に対する回答を、学習データとして予めデータベースにしておき、このデータベースに基づいて別のユーザの回答から予測される症状や生活習慣を判定して出力するシステムが開示されている（例えば、特許文献１参照）。
また、医療の分野では、Ｘ線画像を画像処理する際、Ｘ線撮影が行われた撮影部位や撮影方向によって、適切な画像処理の種類やパラメータがあるため、Ｘ線画像の撮影部位や撮影方向をまず特定する必要がある。そこで、機械学習の手法によって識別器を構成し、当該識別器によりＸ線画像の撮影部位や撮影方向を判別し、判別された撮影部位及び／又は撮影方向に応じた画像処理を選択することが行われている。
上記のような識別器の多くは、予めメーカにより初期設定された汎用的なデータを学習データとして学習が行われる。そのため、識別器を使用する医療機関で収集されるデータの傾向によっては、最適な判別結果が得られない場合もあった。これに対し、個々の医療機関用に識別器をカスタマイズするため、初期設定の学習データではなく、医療機関で収集されたデータを学習データとして学習が可能な識別器もある。
しかしながら、識別器のカスタマイズが常に良好な判別結果をもたらすとは限らない。例えば、医療機関により収集された学習データの数が少ない場合や、学習データの傾向が一定にならない場合、かえって元の識別器より判別精度が低下する場合がある。そのため、カスタマイズしたからといってすぐにそのカスタマイズされた識別器に切り替えるのは好ましくない。
本発明の課題は、一定の評価が得られた識別器に切り替えることである。
請求項１に記載の発明によれば、
初期設定の汎用的な学習データを用いた学習により構成された既存の識別器と、
医療機関で収集されたカスタマイズ用の学習データを用いた学習により新規の識別器を一又は複数構成し、前記既存の識別器及び前記新規の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択して、前記既存の識別器を選択された識別器に切り替える制御手段と、
を備える情報処理装置が提供される。
初期設定の汎用的な学習データを用いた学習により構成された既存の識別器と、
医療機関で収集されたカスタマイズ用の学習データを用いた学習により新規の識別器を一又は複数構成し、前記既存の識別器及び前記新規の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択して、前記既存の識別器を選択された識別器に切り替える制御手段と、
を備える情報処理装置が提供される。
請求項２に記載の発明によれば、
前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なる構成方法を設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置が提供される。
前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なる構成方法を設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置が提供される。
請求項３に記載の発明によれば、
前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なるパラメータを設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置が提供される。
前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なるパラメータを設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置が提供される。
請求項４に記載の発明によれば、
前記制御手段は、前記初期設定の汎用的な学習データを用いて、前記既存の識別器とは異なる構成方法又は異なるパラメータの設定により第２の新規の識別器を一又は複数構成し、この初期設定の汎用的な学習データを用いて構成された第２の新規の識別器、前記医療機関で収集されたカスタマイズ用の学習データを用いて構成された新規の識別器及び前記既存の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択する請求項１〜３の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、前記初期設定の汎用的な学習データを用いて、前記既存の識別器とは異なる構成方法又は異なるパラメータの設定により第２の新規の識別器を一又は複数構成し、この初期設定の汎用的な学習データを用いて構成された第２の新規の識別器、前記医療機関で収集されたカスタマイズ用の学習データを用いて構成された新規の識別器及び前記既存の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択する請求項１〜３の何れか一項に記載の情報処理装置が提供される。
請求項５に記載の発明によれば、
前記制御手段は、前記算出された判別精度の情報を表示手段に表示する請求項１〜４の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、前記算出された判別精度の情報を表示手段に表示する請求項１〜４の何れか一項に記載の情報処理装置が提供される。
請求項６に記載の発明によれば、
前記制御手段は、ユーザにより新たな識別器を構成することが指示されると、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記新規の識別器の構成を行う請求項１〜５の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、ユーザにより新たな識別器を構成することが指示されると、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記新規の識別器の構成を行う請求項１〜５の何れか一項に記載の情報処理装置が提供される。
本発明によれば、切り替えの候補として既存の識別器及び新規の識別器を用意し、これら識別器のうち、判別精度が最大となる評価が得られた識別器に切り替えることができる。よって、識別器のカスタマイズにより判別精度が低下することを防ぐことができ、安定した判別結果を得ることができる。
以下、図面を参照して本発明の実施の形態について説明する。
本実施形態では、医用画像を処理する医用画像システムにおいて、識別器により医用画像が属するクラス（撮影部位毎のクラス）を判別する情報処理装置の例を説明する。
本実施形態では、医用画像を処理する医用画像システムにおいて、識別器により医用画像が属するクラス（撮影部位毎のクラス）を判別する情報処理装置の例を説明する。
図１は、本実施形態に係る情報処理装置３を含む医用画像システム１のシステム構成を示す図である。図２は、医用画像システム１が小規模の医療施設に用いられたときの各装置の配置例を示している。
医用画像システム１は、開業医やクリニックのように比較的小規模の医療施設用に構築され、患者の検査撮影を行ってその医用画像を生成、管理する。医用画像は患者情報により管理されるが、この医用画像と患者情報の対応関係は医師により決定され、決定された対応関係の情報は医師の操作により医用画像システム１に入力される。医用画像システム１は入力に応じて医用画像と患者情報とを対応付けて記憶する。総合病院のように大規模な医療施設用に構築された医用画像システムでは、患者情報や検査情報が含まれるオーダ情報が発行され、このオーダ情報によって医用画像が管理されている。この点が小規模の医療施設用の医用画像システム１とは異なる。大規模な医療施設用の医用画像システムでは、オーダ情報によって医用画像の撮影部位及び撮影方向を容易に判別することができるが、小規模の医療施設用の医用画像システム１でオーダー情報が得られない場合は、医師自身が医用画像の撮影部位や撮影方向を特定する必要がある。医用画像システム１では、このような医師の負担を軽減するため、撮影部位や撮影方向を識別器により判定することが行われる。
医用画像システム１は、図１に示すように超音波診断装置２ａ、内視鏡装置２ｂ、ＣＲ（Computed Radiography）装置２ｃを含んで構成されている。超音波診断装置２ａ、内視鏡装置２ｂ、ＣＲ装置２ｃは、医用画像を生成する画像生成装置の１種である。
また、医用画像システム１は、図１に示すように情報処理装置３、受付装置４を含んで構成されている。情報処理装置３は、医師の常駐場所である診察室に設けられたＷＳ（ワークステーション）であることが好ましい、
また、医用画像システム１は、図１に示すように情報処理装置３、受付装置４を含んで構成されている。情報処理装置３は、医師の常駐場所である診察室に設けられたＷＳ（ワークステーション）であることが好ましい、
超音波診断装置２ａ、内視鏡装置２ｂ、ＣＲ装置２ｃ、情報処理装置３、受付装置４は、図示しないスイッチングハブ等を介してネットワーク５に接続されている。ネットワーク５は、例えばＬＡＮ（Local Area Network）である。通信規格としては、一般に医療関連のデータを扱う通信規格であるＤＩＣＯＭ（Digital Imaging and Communication in Medicine）が用いられている。
次に、上記医用画像システム１を構成する各装置を説明する。
超音波診断装置２ａは、超音波を照射し、その反射波に基づいて医用画像を生成する。
超音波診断装置２ａには変換装置２１が接続され、この変換装置２１を介してネットワーク５に接続されている。変換装置２１は、アナログ信号からデジタル信号への変換を行うとともに、医用画像がＤＩＣＯＭに準拠しない形式である場合にその形式をＤＩＣＯＭに準拠する形式に変換する。また、変換装置２１は医用画像システム１において医用画像を個々に特定するためのＵＩＤ（ユニークＩＤ）を医用画像に付加する。ＵＩＤは、例えば超音波診断装置２ａ固有の装置ＩＤ、撮影日時を組み合わせて作成される。
超音波診断装置２ａは、超音波を照射し、その反射波に基づいて医用画像を生成する。
超音波診断装置２ａには変換装置２１が接続され、この変換装置２１を介してネットワーク５に接続されている。変換装置２１は、アナログ信号からデジタル信号への変換を行うとともに、医用画像がＤＩＣＯＭに準拠しない形式である場合にその形式をＤＩＣＯＭに準拠する形式に変換する。また、変換装置２１は医用画像システム１において医用画像を個々に特定するためのＵＩＤ（ユニークＩＤ）を医用画像に付加する。ＵＩＤは、例えば超音波診断装置２ａ固有の装置ＩＤ、撮影日時を組み合わせて作成される。
内視鏡装置２ｂは、管の先端部に設けられた小型の撮影装置を備え、当該撮影装置によって撮影を行い、医用画像を生成する。
ＣＲ装置２ｃはＸ線を照射するＸ線源、Ｘ線を検出するＸ線検出器等を備えて構成されている。Ｘ線検出器は、Ｘ線エネルギーを蓄積する揮尽性蛍光体プレートが内蔵されたカセッテであってもよいし、ＦＰＤ（Flat Panel Detector）であってもよい。ＦＰＤはマトリクス状にＸ線検出素子、光電変換素子が配置されてなり、Ｘ線検出素子によって検出されたＸ線を光電変換素子が光電変換して医用画像を生成する。カセッテを用いる場合、ＣＲ装置２ｃ内に読取部が設けられる。読取部は揮尽性蛍光体プレートに励起光を照射し、揮尽性蛍光体プレートから発光される輝尽光を光電変換して医用画像を生成する。
ＣＲ装置２ｃはＸ線を照射するＸ線源、Ｘ線を検出するＸ線検出器等を備えて構成されている。Ｘ線検出器は、Ｘ線エネルギーを蓄積する揮尽性蛍光体プレートが内蔵されたカセッテであってもよいし、ＦＰＤ（Flat Panel Detector）であってもよい。ＦＰＤはマトリクス状にＸ線検出素子、光電変換素子が配置されてなり、Ｘ線検出素子によって検出されたＸ線を光電変換素子が光電変換して医用画像を生成する。カセッテを用いる場合、ＣＲ装置２ｃ内に読取部が設けられる。読取部は揮尽性蛍光体プレートに励起光を照射し、揮尽性蛍光体プレートから発光される輝尽光を光電変換して医用画像を生成する。
内視鏡装置２ｂ、ＣＲ装置２ｃは、それぞれが生成した医用画像にＵＩＤを付与する。ＵＩＤは、それぞれ医用画像の生成を行った内視鏡装置２ｂの装置ＩＤ又は超音波診断装置２ａの装置ＩＤに、撮影日時を組合せて作成される。
情報処理装置３は、例えば医用画像、患者情報、電子カルテ情報の情報処理を行い、医師の診察に必要な情報を表示したり、医用画像に画像処理を施したりする。
図３は、情報処理装置３の機能的構成を示す図である。
図３に示すように、情報処理装置３は、制御部３１、操作部３２、表示部３３、通信部３４、記憶部３５、画像処理部３６を備えて構成されている。
図３は、情報処理装置３の機能的構成を示す図である。
図３に示すように、情報処理装置３は、制御部３１、操作部３２、表示部３３、通信部３４、記憶部３５、画像処理部３６を備えて構成されている。
制御部３１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）を備えて構成されている。制御部３１は、記憶部３５に記憶されている各種プログラムを読み出してＲＡＭに展開し、展開されたプログラムに従って各種演算を行ったり、各構成部を集中制御したりする。
また、制御部３１は、入力データが属するクラスを判別する識別器３ａを構成する。識別器３ａは医用画像を入力データとして、当該医用画像の撮影部位のクラスを判別し、その判別結果を出力する。制御部３１は制御手段であり、初期設定の学習データを用いた学習により構成された既存の識別器に対し、新たに設定された学習データを用いた学習により新規の識別器を一又は複数構成する。そして、制御部３１は既存の識別器及び新規の識別器のうち最も判別精度が優れた識別器を選択して、既存の識別器から選択された識別器に切り替える。
操作部３２は、例えばキーボードやマウスを備え、ユーザの操作に応じた操作信号を生成して制御部３１に出力する。なお、操作部３２と表示部３３のディスプレイが一体化したタッチパネルを用いてもよい。
表示部３３はディスプレイを備え、制御部３１の表示制御に従ってディスプレイに医用画像や各種操作画面を表示する。
通信部３４は通信用のインターフェイスを備え、ネットワーク５上の外部装置と通信を行う。例えば、ＣＲ装置２ｃから医用画像を受信する。
表示部３３はディスプレイを備え、制御部３１の表示制御に従ってディスプレイに医用画像や各種操作画面を表示する。
通信部３４は通信用のインターフェイスを備え、ネットワーク５上の外部装置と通信を行う。例えば、ＣＲ装置２ｃから医用画像を受信する。
記憶部３５は制御部３１で用いられるプログラム、プログラムの実行に必要なパラメータ、ファイルを記憶している。記憶部３５としては、ハードディスクや半導体の不揮発性メモリを用いることができる。
記憶部３５は、ＣＲ装置２ｃのように医療機関内の画像生成装置によって生成された医用画像のデータベースを記憶している。このデータベースは、例えば医用画像、当該医用画像に付与されたＵＩＤ、当該医用画像に対応付けられた患者情報からなる。
記憶部３５は、ＣＲ装置２ｃのように医療機関内の画像生成装置によって生成された医用画像のデータベースを記憶している。このデータベースは、例えば医用画像、当該医用画像に付与されたＵＩＤ、当該医用画像に対応付けられた患者情報からなる。
記憶部３５は、医用画像の撮影部位（例えば、胸部、腹部、頭部）毎に、それぞれの撮影部位に特化した画像処理の種類とパラメータの情報を記憶している。撮影部位に特化した画像処理のパラメータとは、撮影部位に応じて適切な処理結果が得られるように設計されたパラメータをいう。例えば、記憶部３５は胸部に対し、階調変換処理のパラメータ１、周波数強調処理のパラメータ２の情報を記憶し、腹部に対しては階調変換処理のパラメータ１、周波数強調処理のパラメータ３を記憶している。また、記憶部３５は汎用の画像処理の種類とパラメータの情報とを記憶している。汎用の画像処理のパラメータとは、撮影部位に関係なくどの撮影部位の医用画像にも適用できるように設計されたパラメータをいう。
画像処理部３６は、医用画像に各種画像処理を施す。画像処理は画像処理用のプログラムを記憶部３５に記憶しておき、当該プログラムとＣＰＵとの協働によるソフトウェア処理として実現することとしてもよい。また、画像処理回路のようにハードウェアによって各種画像処理を実現することとしてもよい。
画像処理としては、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大縮小処理、表示位置調整処理、白黒反転処理が挙げられる。
このような画像処理のパラメータとしては、階調変換処理に用いられる階調変換曲線（出力画素値が目標階調となるように、入力画素値と出力画素値の関係を定めた曲線）、階調変換処理に用いられる正規化曲線の傾き（Ｇ値；コントラストを示す値）、正規化曲線のｙ切片（Ｓ値；濃度補正値）、周波数強調処理時の強調度、拡大縮小処理時の拡大率（縮小率）が挙げられる。
このような画像処理のパラメータとしては、階調変換処理に用いられる階調変換曲線（出力画素値が目標階調となるように、入力画素値と出力画素値の関係を定めた曲線）、階調変換処理に用いられる正規化曲線の傾き（Ｇ値；コントラストを示す値）、正規化曲線のｙ切片（Ｓ値；濃度補正値）、周波数強調処理時の強調度、拡大縮小処理時の拡大率（縮小率）が挙げられる。
受付装置４は、例えば来院した患者の受付登録、会計計算、保険点数計算を行う。
次に、上記医用画像システム１による処理の流れを、医師や患者のワークフローとともに説明する。
図２に示すように、入口１０付近には患者の受付１１と待合室１２がある。受付１１には受付装置４が配置されている。一方、診察室１３には情報処理装置３、超音波診断装置２ａが配置され、Ｘ線撮影室１５にはＣＲ装置２ｃが配置されている。また、検査室１６には内視鏡装置２ｂが配置されている。
図２に示すように、入口１０付近には患者の受付１１と待合室１２がある。受付１１には受付装置４が配置されている。一方、診察室１３には情報処理装置３、超音波診断装置２ａが配置され、Ｘ線撮影室１５にはＣＲ装置２ｃが配置されている。また、検査室１６には内視鏡装置２ｂが配置されている。
患者が来院すると、受付１１では受付担当者が来院した患者に、各患者を識別するための受付番号が印刷された受付番号札を付与する。受付担当者は患者の氏名や年齢、住所等の患者情報と、当該患者に付与された受付番号を受付装置４に入力する。受付装置４では、患者情報がデータベース化されて保存されるとともに、受付番号順に患者の氏名等を並べた患者リストが作成される。患者リストは情報処理装置３に送信される。
受付番号が付与された患者は受付順に診察室１３に移動し、医師による診察を受ける。医師は診察によって検査撮影が必要と判断すると、情報処理装置３において患者リストを表示するよう操作する。情報処理装置３では操作に応じて患者リストの表示が行われるので、医師は患者リストの中から撮影対象の患者の選択操作を行う。その後、医師は患者を例えばＣＲ装置２ｃまで案内し、撮影部位、撮影方向を設定すると、ＣＲ装置２ｃにおいて撮影の指示操作を行う。ＣＲ装置２ｃでは撮影の後、医用画像が生成され、当該医用画像にＵＩＤが付されて情報処理装置３に送信される。撮影終了後、医師と患者は診察室１３に戻る。
情報処理装置３では、識別器３ａにより医用画像の撮影部位及び撮影方向の組合せの判別が行われる。例えば、制御部３１により医用画像の特徴量が算出され、当該特徴量が入力データとして識別器３ａに入力される。医用画像の特徴量としては、画素値の平均値、標準偏差、分散、エッジ情報、高次自己相関関数、濃度勾配情報が挙げられる。識別器３ａではこれら特徴量から、胸部、腹部、足のように、撮影部位が判別される。撮影部位に応じた画像処理のパラメータが記憶部３５に記憶されているので、画像処理部３６により当該パラメータを用いた画像処理が施される。
画像処理が施されると、情報処理装置３ではビューア画面の表示が行われ、このビューア画面上に画像処理された医用画像と識別器３ａによる撮影部位の判別結果とが表示される。
図４は、ビューア画面Ｄ１の一例を示している。
図４に示すように、ビューア画面Ｄ１には患者情報欄ｄ１、画像表示欄ｄ２、画像調整欄ｄ３が表示されている。患者情報欄ｄ１は、医用画像が表示されている患者の患者情報の表示欄である。画像表示欄ｄ２は、検査撮影によって得られた医用画像の表示欄である。画像調整欄ｄ３は、表示された医用画像に施す画像処理のパラメータを操作するのに用いられる操作ボタンの表示欄である。
図４は、ビューア画面Ｄ１の一例を示している。
図４に示すように、ビューア画面Ｄ１には患者情報欄ｄ１、画像表示欄ｄ２、画像調整欄ｄ３が表示されている。患者情報欄ｄ１は、医用画像が表示されている患者の患者情報の表示欄である。画像表示欄ｄ２は、検査撮影によって得られた医用画像の表示欄である。画像調整欄ｄ３は、表示された医用画像に施す画像処理のパラメータを操作するのに用いられる操作ボタンの表示欄である。
画像表示欄ｄ２は、表示された医用画像の撮影部位の情報ｄ２１を含む。この撮影部位は、識別器３ａによって判別された結果である。患者情報欄ｄ１に表示された患者情報と、画像表示欄ｄ２に表示された医用画像が対応し、画像表示欄ｄ２に表示された撮影部位が正しければ、医師はＯＫボタンｄ２２を操作すればよい。また、対応関係や撮影部位が誤っている場合、医師はＮＧボタンｄ２３を操作すればよい。
ＯＫボタンｄ２２が操作された場合、情報処理装置３では医用画像、患者情報、医用画像に付与されたＵＩＤ等が制御部３１によりデータベース化され、記憶部３５に記憶される。ＮＧボタンｄ２３が操作された場合、制御部３１の表示制御により撮影部位を修正操作できる修正画面が表示されるので、医師は目視により判断した撮影部位をこの修正画面において入力する。情報処理装置３では画像処理部３６により入力された撮影部位に応じたパラメータで画像処理が再度行われ、画像処理された医用画像により上記ビューア画面の表示が行われる。
このように、識別器３ａは医用画像の撮影部位を判別するために用いられ、医師が撮影部位を特定する作業を補助している。識別器３ａは、初期設定の学習データを用いて学習を繰り返すことにより構成される。そのような機械学習の手法としては、例えばAdaBoost(又はその多値化であるAdaBoostMlt)、人工ニューラルネットワーク、サポートベクトルマシンの他、混合分布によるクラスタリングを利用した方法としてＥＭ（Expectation-Maximization）アルゴリズム、ベイズ学習（例えば、変分ベイズ法）が挙げられるが、これらに限定されない。
識別器３ａは初期使用時、初期設定の学習データを用いた学習により構成されている。初期設定の学習データとしては、データの傾向に偏りが無い、汎用的なデータが大量に用いられている。情報処理装置３では、初期設定の学習データではなく、医療機関で収集されたデータを学習データとして用いて新規の識別器３ａを構成し、既存の識別器３ａを新規の識別器３ａに切り替えて識別器３ａをカスタマイズすることが可能である。
図５を参照して、識別器３ａを切り替える際に情報処理装置３によって実行される処理を説明する。
図５を参照して、識別器３ａを切り替える際に情報処理装置３によって実行される処理を説明する。
図５に示すように、まず制御部３１は識別器３ａの新規構成が指示されたか否かを判断し（ステップＳ１）、新規構成が指示されると（ステップＳ１；Ｙ）、以降の処理を開始する。例えば、上述のビューア画面Ｄ１において「再学習」のような操作ボタンを設け、この操作ボタンがユーザによって操作された場合、制御部３１はユーザにより識別器３ａの新規構成が指示されたと判断する。
次に、制御部３１は、カスタマイズ用に新たに設定された学習データを用いて識別器３ａの学習を実行し、一又は複数の新規の識別器３ａを構成する（ステップＳ２）。新たに設定されたカスタマイズ用の学習データは、医療機関で撮影され、記憶部３５に記憶された医用画像の中からユーザにより指定された医用画像であってもよい。特にユーザの指定がない場合には、医療機関で撮影され、記憶部３５に記憶された医用画像の中から制御部３１によって抽出された任意の医用画像であってもよい。例えば、制御部３１は過去３ヶ月分の医用画像を抽出する。
制御部３１は、初期設定の学習データからカスタマイズ用の学習データに変更するのみで、既存の識別器３ａと同じ機械学習の手法により新規の識別器３ａを構成してもよい。また、学習データを変更するだけではなく、機械学習の手法も変更して一又は複数の新規の識別器３ａを構成することとしてもよい。さらに、同じ機械学習の手法であっても、識別器３ａにおけるパラメータの設定を変更して一又は複数の新規の識別器３ａを構成することとしてもよい。例えば、複数の弱識別器を線形結合して識別器３ａを構成するAdaBoostの場合、弱識別器の数をパラメータとして変更する。このように、機械学習の手法、パラメータの設定を変更することにより、切り替えの候補としての新規の識別器３ａを一又は複数用意することができる。
さらに、制御部３１は初期設定の学習データを用いて、既存の識別器３ａと異なる機械学習の手法及び／又はパラメータの設定に変更することにより、新規の識別器３ａを一又は複数構成し、上記切り替えの候補に加えることとしてもよい。
図６は、既存の識別器３ａと新規の識別器３ａの一例を示している。
図６に示すように、既存の識別器Ａは、初期設定の学習データを用いてAdaBoostの手法により構成された識別器である。これに対し、既存の識別器Ａと同じ初期設定の学習データを用いてサポートベクトルマシンの手法により、新規の識別器Ｂが構成される。また、カスタマイズ用の学習データを用いてAdaBoostの手法により、新規の識別器Ｃが構成される。新規の識別器Ｃのパラメータの設定は既存の識別器Ａとは異なっている。同様にカスタマイズ用の学習データを用いて、混合正規分布モデルを使用した変分ベイズ法により、新規の識別器Ｄが構成される。その結果、切り替えの候補として既存の識別器Ａも加えて４つの識別器Ａ〜Ｄが用意されたことになる。ここでアルゴリズムを変えた例を示したが、同一アルゴリズムでパラメータを変更したものでも良い。
図６に示すように、既存の識別器Ａは、初期設定の学習データを用いてAdaBoostの手法により構成された識別器である。これに対し、既存の識別器Ａと同じ初期設定の学習データを用いてサポートベクトルマシンの手法により、新規の識別器Ｂが構成される。また、カスタマイズ用の学習データを用いてAdaBoostの手法により、新規の識別器Ｃが構成される。新規の識別器Ｃのパラメータの設定は既存の識別器Ａとは異なっている。同様にカスタマイズ用の学習データを用いて、混合正規分布モデルを使用した変分ベイズ法により、新規の識別器Ｄが構成される。その結果、切り替えの候補として既存の識別器Ａも加えて４つの識別器Ａ〜Ｄが用意されたことになる。ここでアルゴリズムを変えた例を示したが、同一アルゴリズムでパラメータを変更したものでも良い。
次に、撮影部位を判別する対象である医用画像の特徴量を、既存の識別器３ａ及び新規の識別器３ａに入力し、それぞれの識別器３ａによって撮影部位のクラスの判別を実施する（ステップＳ３）。制御部３１は、既存の識別器３ａ及び新規の識別器３ａそれぞれによる判別結果を、記憶部３５に保存しておく。次に判別結果の出力が行われるが、現段階ではまだ既存の識別器３ａからの切り替えが行われていない。よって、制御部３１はビューア画面に表示する判別結果、或いは画像処理部３６に出力する判別結果として、各識別器３ａの判別結果のうち、既存の識別器３ａによる判別結果を採用し、出力する（ステップＳ４）。
このように、各識別器３ａによる撮影部位のクラス判別を、実際に医療機関で撮影された医用画像を対象に所定の医用画像の数だけ実施する。例えば、５００枚のように所定の医用画像数まで判別が実施されたと制御部３１が判断した場合（ステップＳ５；Ｙ）、制御部３１は各識別器３ａの判別精度を算出して、表示部３３に表示する（ステップＳ６）。
図４に示したように、識別器３ａによって判別された撮影部位が誤っている場合、ＮＧボタンｄ２３が操作される。よって、制御部３１はＮＧボタンｄ２３が操作されていない場合を正答した場合とし、全体の判別回数に対する正答回数を判別精度（正答率、単位％）として求める。例えば、５００枚の医用画像に対し判別が実施されたうち、ＮＧボタンｄ２３が操作された回数が１２５回であった場合、正答は３７５回である。よって、判別精度は、３７５／５００＝７５％である。
図７に、判別精度の表示画面例を示す。
図７に示すように、表示画面Ｄ２には切り替えの候補である４つの識別器Ａ〜Ｄに対して求められた判別精度ｄ４が表示されている。また、表示画面Ｄ２には現在使用している識別器が識別器Ａであり、切り替える識別器を指定するよう促すメッセージと、切り替えを指示するための切替ボタンｄ６が表示されている。指定は、各識別器Ａ〜Ｄに隣接して設けられているボックスｄ５に、ユーザがチェックマークを入力することによりすることができる。表示画面Ｄ２には、特にユーザの指定が無ければ、判別精度が最大である識別器Ｃに切り替えることを通知するメッセージも表示されている。
図７に示すように、表示画面Ｄ２には切り替えの候補である４つの識別器Ａ〜Ｄに対して求められた判別精度ｄ４が表示されている。また、表示画面Ｄ２には現在使用している識別器が識別器Ａであり、切り替える識別器を指定するよう促すメッセージと、切り替えを指示するための切替ボタンｄ６が表示されている。指定は、各識別器Ａ〜Ｄに隣接して設けられているボックスｄ５に、ユーザがチェックマークを入力することによりすることができる。表示画面Ｄ２には、特にユーザの指定が無ければ、判別精度が最大である識別器Ｃに切り替えることを通知するメッセージも表示されている。
次いで、制御部３１は切り替える識別器３ａがユーザにより指定されたか否かを判断する（ステップＳ７）。ユーザにより切り替える識別器３ａが指定された場合（ステップＳ７；Ｙ）、制御部３１は、既存の識別器３ａをユーザにより指定された識別器３ａに切り替える（ステップＳ８）。一方、特にユーザの指定が無い場合（ステップＳ７；Ｎ）、制御部３１は切り替えの候補である複数の識別器３ａ（既存及び新規の識別器３ａ）のうち、最も判別精度の優れた識別器３ａを選択する。図７に示す識別器Ａ〜Ｄの例では、判別精度が最大である識別器Ｃが最も判別精度が優れた識別器として選択される。そして、制御部３１は既存の識別器３ａから当該選択された識別器３ａに切り替える（ステップＳ９）。切り替え後、撮影部位の判別は切り替えられた識別器３ａによって実施される。
以上のように、本実施形態によれば、制御部３１が新たに設定された学習データを用いた学習により新規の識別器を一又は複数構成し、初期設定の学習データを用いた学習により構成された既存の識別器と、この既存の識別器及び新規の識別器の判別精度をそれぞれ算出する。また制御部３１は、既存の識別器及び新規の識別器のうち最も判別精度が優れた識別器を選択し、既存の識別器を選択された識別器に切り替える。これにより、切り替えの候補である複数の識別器の中から判別精度が最大となる評価が得られた識別器に切り替えることができる。よって、識別器のカスタマイズにより判別精度が低下することを防ぐことができ、安定した判別結果を得ることができる。
また、制御部３１は、初期設定の学習データを用いて、既存の識別器とは異なる構成方法及び／又は異なるパラメータの設定により新規の識別器を構成し、当該新規の識別器を切り替えの候補に加える。これにより、多様な識別器３ａを切り替えの候補とすることができる。
また、制御部３１は算出された判別精度の情報を表示部３３に表示する。判別精度の情報により、ユーザは切り替え候補のうち、どの識別器３ａがどの程度の判別精度を有するのか、容易に把握することができる。また、ユーザは判別精度を、切り替える識別器３ａを選択する際の目安とすることができる。
また、制御部３１は切り替え候補のうち、切り替える識別器３ａがユーザにより選択された場合には当該選択された識別器３ａに切り替える。これにより、ユーザが任意に識別器３ａを選択することができる。
また、識別器３ａの新規構成は、ユーザにより指示があったときに行われる。これにより、ユーザの意図するタイミングで識別器３ａの切り替えが可能となる。例えば、最近撮影方法を変更し、医用画像の傾向が変わったことから、現在の医用画像の傾向に識別器３ａを合わせたいとユーザが考えたタイミングで、キャリブレーションを行うように識別器３ａのカスタマイズを行うことができる。
なお、上述の実施形態は本発明の好適な一例であり、これに限定されない。
例えば、撮影方向や医用画像の撮影が行われた画像生成装置によっても、医用画像の特徴は異なってくるので、適する画像処理の種類、パラメータが異なってくる。よって、撮影部位毎のクラスではなく、撮影方向毎のクラスの判別の場合に本発明を適用してもよいし、撮影部位及び撮影方向の組合せ毎のクラスの判別の場合に適用してもよい。或いは、画像生成装置毎のクラスの判別の場合にも適用可能である。
例えば、撮影方向や医用画像の撮影が行われた画像生成装置によっても、医用画像の特徴は異なってくるので、適する画像処理の種類、パラメータが異なってくる。よって、撮影部位毎のクラスではなく、撮影方向毎のクラスの判別の場合に本発明を適用してもよいし、撮影部位及び撮影方向の組合せ毎のクラスの判別の場合に適用してもよい。或いは、画像生成装置毎のクラスの判別の場合にも適用可能である。
また、医用画像に限らず、画像一般について識別器による判別を行う場合にも本発明を適用することができる。
また、医師の操作負担を軽減するため、次に行われるであろう医師の入力操作を予測する目的で識別器３ａを作成する場合も本発明を適用することができる。この場合、医師の一連の入力操作の情報を学習データとして識別器３ａが作成され、医師が行った入力操作の情報を入力データとして、識別器３ａが次に医師が行う入力操作を判別し、その判別結果を医師の操作候補として出力する。
また、上述の情報処理装置３に用いられるプログラムのコンピュータ読み取り可能な媒体としては、ＲＯＭ、フラッシュメモリ等の不揮発性メモリ、ＣＤ-ＲＯＭ等の可搬型記録媒体を適用することが可能である。また、当該プログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も適用可能である。
識別器により判別を行う情報処理装置に利用することができる。
１ 医用画像システム
２ａ 超音波診断装置
２ｂ 内視鏡装置
２ｃ ＣＲ装置
３ 情報処理装置
３１ 制御部
３ａ 識別器
３２ 操作部
３３ 表示部
３５ 記憶部
３６ 画像処理部
４ 受付装置
２ａ 超音波診断装置
２ｂ 内視鏡装置
２ｃ ＣＲ装置
３ 情報処理装置
３１ 制御部
３ａ 識別器
３２ 操作部
３３ 表示部
３５ 記憶部
３６ 画像処理部
４ 受付装置
Claims (6)
- 初期設定の汎用的な学習データを用いた学習により構成された既存の識別器と、
医療機関で収集されたカスタマイズ用の学習データを用いた学習により新規の識別器を一又は複数構成し、前記既存の識別器及び前記新規の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択して、前記既存の識別器を選択された識別器に切り替える制御手段と、
を備える情報処理装置。 - 前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なる構成方法を設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置。
- 前記制御手段は、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記既存の識別器とは異なるパラメータを設定することにより、前記新規の識別器を一又は複数構成する請求項１に記載の情報処理装置。
- 前記制御手段は、前記初期設定の汎用的な学習データを用いて、前記既存の識別器とは異なる構成方法又は異なるパラメータの設定により第２の新規の識別器を一又は複数構成し、この初期設定の汎用的な学習データを用いて構成された第２の新規の識別器、前記医療機関で収集されたカスタマイズ用の学習データを用いて構成された新規の識別器及び前記既存の識別器の判別精度をそれぞれ算出し、最も判別精度に優れた識別器を選択する請求項１〜３の何れか一項に記載の情報処理装置。
- 前記制御手段は、前記算出された判別精度の情報を表示手段に表示する請求項１〜４の何れか一項に記載の情報処理装置。
- 前記制御手段は、ユーザにより新たな識別器を構成することが指示されると、前記医療機関で収集されたカスタマイズ用の学習データを用いて、前記新規の識別器の構成を行う請求項１〜５の何れか一項に記載の情報処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010535738A JP5533662B2 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008279298 | 2008-10-30 | ||
| JP2008279298 | 2008-10-30 | ||
| JP2010535738A JP5533662B2 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
| PCT/JP2009/067214 WO2010050334A1 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2010050334A1 JPWO2010050334A1 (ja) | 2012-03-29 |
| JP5533662B2 true JP5533662B2 (ja) | 2014-06-25 |
Family
ID=42128700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010535738A Expired - Fee Related JP5533662B2 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP5533662B2 (ja) |
| WO (1) | WO2010050334A1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11449991B2 (en) | 2018-03-08 | 2022-09-20 | Konica Minolta, Inc. | Image processing method, image processing apparatus, and storage medium |
| US11610676B2 (en) | 2017-12-15 | 2023-03-21 | Konica Minolta, Inc. | Information processing device and information processing method |
| US11967424B2 (en) | 2020-02-17 | 2024-04-23 | Konica Minolta, Inc. | Information processing apparatus, information processing method, and recording medium |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5832726B2 (ja) * | 2010-06-25 | 2015-12-16 | コニカミノルタ株式会社 | オーダシステム及びプログラム |
| CN103870798B (zh) | 2012-12-18 | 2017-05-24 | 佳能株式会社 | 对象检测方法、对象检测设备以及图像拾取设备 |
| JP6701979B2 (ja) | 2016-06-01 | 2020-05-27 | 富士通株式会社 | 学習モデル差分提供プログラム、学習モデル差分提供方法、および学習モデル差分提供システム |
| JP6660900B2 (ja) * | 2017-03-06 | 2020-03-11 | Kddi株式会社 | モデル統合装置、モデル統合システム、方法およびプログラム |
| WO2019021445A1 (ja) * | 2017-07-28 | 2019-01-31 | 株式会社オプティム | 判定システム、方法及びプログラム |
| JP7056259B2 (ja) * | 2018-03-14 | 2022-04-19 | オムロン株式会社 | 検査システム、識別システム、及び識別器評価装置 |
| JP7154492B2 (ja) * | 2018-05-31 | 2022-10-18 | 株式会社ジェイマックシステム | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム |
| EP3815610A4 (en) | 2018-06-28 | 2021-09-15 | FUJIFILM Corporation | MEDICAL IMAGE PROCESSING DEVICE AND METHOD, AUTOMATIC LEARNING SYSTEM, PROGRAM AND STORAGE MEDIA |
| JP7463052B2 (ja) * | 2018-09-19 | 2024-04-08 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
| JP7224857B2 (ja) * | 2018-11-02 | 2023-02-20 | キヤノン株式会社 | 放射線撮影システム、放射線撮影方法、制御装置及びプログラム |
| JP6852141B2 (ja) | 2018-11-29 | 2021-03-31 | キヤノン株式会社 | 情報処理装置、撮像装置、情報処理装置の制御方法、および、プログラム |
| WO2020178945A1 (ja) * | 2019-03-04 | 2020-09-10 | Ｓｐｐテクノロジーズ株式会社 | 基板処理装置のプロセス判定装置、基板処理システム、基板処理装置のプロセス判定方法及び学習モデル群 |
| JP7433782B2 (ja) * | 2019-06-14 | 2024-02-20 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| JP2021074360A (ja) * | 2019-11-12 | 2021-05-20 | 株式会社日立製作所 | 医用画像処理装置及び医用画像処理方法、医用画像処理プログラム |
| WO2021192133A1 (ja) * | 2020-03-26 | 2021-09-30 | 日本電気株式会社 | 物体認識装置、物体認識方法、及び、記録媒体 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6355106B2 (ja) * | 1980-03-27 | 1988-11-01 | Nesutaa Inc | |
| JPH07160660A (ja) * | 1993-12-02 | 1995-06-23 | Sankyo Seiki Mfg Co Ltd | ニューラルネットワークシステム |
| JPH09154832A (ja) * | 1995-12-12 | 1997-06-17 | Kao Corp | 皮膚表面形態判定方法及び装置 |
| JPH10283460A (ja) * | 1997-04-04 | 1998-10-23 | Minolta Co Ltd | 画像処理装置 |
| JP2982814B2 (ja) * | 1988-10-11 | 1999-11-29 | 工業技術院長 | 適応学習型汎用画像計測方法 |
| JP3053512B2 (ja) * | 1993-09-22 | 2000-06-19 | 三菱電機株式会社 | 画像処理装置 |
| JP2000207530A (ja) * | 1999-01-12 | 2000-07-28 | Kowa Co | 医用画像ファイリング装置 |
| JP2002150260A (ja) * | 2000-11-09 | 2002-05-24 | Mitsubishi Corp | 多角的アルゴリズム運用システム、処理システム、ニューラルネットワーク処理方法、及び記録媒体 |
| JP2003044853A (ja) * | 2001-05-22 | 2003-02-14 | Matsushita Electric Ind Co Ltd | 顔検出装置、顔向き検出装置、部分画像抽出装置及びそれらの方法 |
| JP2003529131A (ja) * | 1999-10-27 | 2003-09-30 | バイオウルフ テクノロジーズ エルエルスィー | 生物学的システムにおいてパターンを同定するための方法およびデバイスならびにその使用方法 |
| JP3567282B2 (ja) * | 1993-12-02 | 2004-09-22 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | タイヤ圧測定装置 |
| JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
| JP2006039658A (ja) * | 2004-07-22 | 2006-02-09 | Hitachi Software Eng Co Ltd | 画像分類学習処理システム及び画像識別処理システム |
| JP3751914B2 (ja) * | 2002-07-15 | 2006-03-08 | 三菱スペース・ソフトウエア株式会社 | 医用画像処理方法及びその装置 |
| JP2006202276A (ja) * | 2004-12-22 | 2006-08-03 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
| WO2007029467A1 (ja) * | 2005-09-05 | 2007-03-15 | Konica Minolta Medical & Graphic, Inc. | 画像処理方法及び画像処理装置 |
| WO2007052502A1 (ja) * | 2005-10-31 | 2007-05-10 | Konica Minolta Medical & Graphic, Inc. | 診断システム及び制御方法 |
| JP2008011900A (ja) * | 2006-07-03 | 2008-01-24 | Fujifilm Corp | 画像種類判別装置および方法並びにプログラム |
-
2009
- 2009-10-02 JP JP2010535738A patent/JP5533662B2/ja not_active Expired - Fee Related
- 2009-10-02 WO PCT/JP2009/067214 patent/WO2010050334A1/ja active Application Filing
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6355106B2 (ja) * | 1980-03-27 | 1988-11-01 | Nesutaa Inc | |
| JP2982814B2 (ja) * | 1988-10-11 | 1999-11-29 | 工業技術院長 | 適応学習型汎用画像計測方法 |
| JP3053512B2 (ja) * | 1993-09-22 | 2000-06-19 | 三菱電機株式会社 | 画像処理装置 |
| JP3567282B2 (ja) * | 1993-12-02 | 2004-09-22 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | タイヤ圧測定装置 |
| JPH07160660A (ja) * | 1993-12-02 | 1995-06-23 | Sankyo Seiki Mfg Co Ltd | ニューラルネットワークシステム |
| JPH09154832A (ja) * | 1995-12-12 | 1997-06-17 | Kao Corp | 皮膚表面形態判定方法及び装置 |
| JPH10283460A (ja) * | 1997-04-04 | 1998-10-23 | Minolta Co Ltd | 画像処理装置 |
| JP2000207530A (ja) * | 1999-01-12 | 2000-07-28 | Kowa Co | 医用画像ファイリング装置 |
| JP2003529131A (ja) * | 1999-10-27 | 2003-09-30 | バイオウルフ テクノロジーズ エルエルスィー | 生物学的システムにおいてパターンを同定するための方法およびデバイスならびにその使用方法 |
| JP2002150260A (ja) * | 2000-11-09 | 2002-05-24 | Mitsubishi Corp | 多角的アルゴリズム運用システム、処理システム、ニューラルネットワーク処理方法、及び記録媒体 |
| JP2003044853A (ja) * | 2001-05-22 | 2003-02-14 | Matsushita Electric Ind Co Ltd | 顔検出装置、顔向き検出装置、部分画像抽出装置及びそれらの方法 |
| JP3751914B2 (ja) * | 2002-07-15 | 2006-03-08 | 三菱スペース・ソフトウエア株式会社 | 医用画像処理方法及びその装置 |
| JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
| JP2006039658A (ja) * | 2004-07-22 | 2006-02-09 | Hitachi Software Eng Co Ltd | 画像分類学習処理システム及び画像識別処理システム |
| JP2006202276A (ja) * | 2004-12-22 | 2006-08-03 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
| WO2007029467A1 (ja) * | 2005-09-05 | 2007-03-15 | Konica Minolta Medical & Graphic, Inc. | 画像処理方法及び画像処理装置 |
| WO2007052502A1 (ja) * | 2005-10-31 | 2007-05-10 | Konica Minolta Medical & Graphic, Inc. | 診断システム及び制御方法 |
| JP2008011900A (ja) * | 2006-07-03 | 2008-01-24 | Fujifilm Corp | 画像種類判別装置および方法並びにプログラム |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11610676B2 (en) | 2017-12-15 | 2023-03-21 | Konica Minolta, Inc. | Information processing device and information processing method |
| US11449991B2 (en) | 2018-03-08 | 2022-09-20 | Konica Minolta, Inc. | Image processing method, image processing apparatus, and storage medium |
| US11967424B2 (en) | 2020-02-17 | 2024-04-23 | Konica Minolta, Inc. | Information processing apparatus, information processing method, and recording medium |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2010050334A1 (ja) | 2010-05-06 |
| JPWO2010050334A1 (ja) | 2012-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5533662B2 (ja) | 情報処理装置 | |
| WO2010050333A1 (ja) | 情報処理装置 | |
| JP6930411B2 (ja) | 情報処理装置及び情報処理方法 | |
| WO2009104459A1 (ja) | 小規模施設用診断支援装置及びプログラム | |
| JP2008006169A (ja) | 小規模施設用医用画像表示システム | |
| CN109741812A (zh) | 发送医学图像的方法以及执行所述方法的医学成像设备 | |
| JP5223872B2 (ja) | 医用画像管理装置 | |
| JP2004073454A (ja) | 医用画像撮影装置、医用画像撮影方法及びプログラム | |
| JP2010108388A (ja) | 情報処理装置 | |
| JP2008188214A (ja) | 医用画像表示システム | |
| JP4727476B2 (ja) | 医用画像情報の処理装置および確認作業支援プログラム | |
| JP5125128B2 (ja) | 医用画像管理システム、データ管理方法 | |
| JP2010086449A (ja) | 情報処理装置 | |
| CN106889998B (zh) | 用于运行医学成像医疗器械的方法和医学成像医疗器械 | |
| JP2004321457A (ja) | 画像処理条件決定方法および画像処理条件決定装置 | |
| JP4992914B2 (ja) | 小規模診断システム及び表示制御方法 | |
| JP5167647B2 (ja) | 診断システム | |
| JP2006102044A (ja) | 医用画像処理システム及び医用画像処理方法 | |
| JP2014121346A (ja) | 医用画像処理装置及びプログラム | |
| JP2007275117A (ja) | 放射線画像読取装置 | |
| JP2007260062A (ja) | 医用画像情報の処理装置および確認作業支援プログラム | |
| WO2009104528A1 (ja) | 医用画像管理装置 | |
| JP7351151B2 (ja) | 医用画像管理装置、医用画像管理方法及びプログラム | |
| JP7276020B2 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
| JP2007259920A (ja) | 小規模診断システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121001 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20130416 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130716 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130822 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140401 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5533662 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140414 |
|
| LAPS | Cancellation because of no payment of annual fees |