信息处理装置、信息处理方法及程序

技术领域

本发明涉及一种信息处理装置、信息处理方法及程序。

背景技术

公开了一种脸部检测方法，其针对包括在输入图像中的脸部，一边改变应检测脸部的倾斜度，一边进行检测(参考日本特开2007-128127号公报)。在该脸部检测方法中，根据应检测脸部的倾斜度，通过第1检测处理及第2检测处理中的任一种检测处理而进行脸部检测。

并且，公开了一种图像处理装置，其使用与输入图像的类型对应的脸部检测方法从输入图像中检测脸部(参考日本特开2009-070099号公报)。

发明内容

发明要解决的技术课题

若能够从医学图像中高精度地提取目标区域，则在医生进行诊断的方面是优选的。然而，在日本特开2007-128127号公报及日本特开2009-070099号公报中记载的技术中，无法从医学图像中高精度地提取目标区域。

本发明的目的在于提供一种能够从医学图像中高精度地提取目标区域的信息处理装置、信息处理方法及程序。

用于解决技术课题的手段

本发明的信息处理装置具备：提取部，从通过拍摄受检体而得到的图像中获取表示受检体的体格的信息；确定部，使用由提取部提取的表示受检体的体格的信息来确定受检体被分类的组；输入部，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与由确定部确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据；及获取部，获取表示从通过输入部的输入而从学习完毕模型输出的医学图像中提取的区域的信息。

表示受检体的体格的信息可以是受检体的骨骼。

并且，表示受检体的体格的信息可以是受检体的体表。

并且，用于提取表示受检体的体格的信息的图像可以是医学图像。

并且，组可以是根据受检体的年龄、性别、人种或种族来分类受检体的组。

在本发明的信息处理方法中，由计算机执行如下处理：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。

并且，本发明的程序使计算机执行如下处理：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。

本发明的非临时记录介质记录使计算机执行如下处理的程序：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。

并且，本发明的信息处理装置具有存储器和连接于存储器的处理器，处理器构成为如下：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。

发明效果

根据本发明，能够从医学图像中高精度地提取目标区域。

附图说明

图1是表示实施方式所涉及的诊断支持系统的结构的一例的框图。

图2是表示实施方式所涉及的信息处理装置的硬件结构的一例的框图。

图3是表示实施方式所涉及的学习完毕模型的一例的图。

图4是表示实施方式所涉及的信息处理装置的功能结构的一例的框图。

图5是表示实施方式所涉及的诊断支持处理的一例的流程图。

具体实施方式

以下，参考附图对本发明的实施方式例进行详细说明。

首先，参考图1对本实施方式所涉及的诊断支持系统10的结构进行说明。如图1所示，诊断支持系统10包括图像管理装置12及信息处理装置14。图像管理装置12及信息处理装置14连接于各网络N，可以经由网络N进行通信。图像管理装置12存储图像数据(以下，称为“医学图像数据”)，该图像数据表示通过由CT(Computed Tomography：电子计算机断层扫描)及MRI(Mag netic Resonance Imaging：核磁共振成像)等拍摄医学图像的摄影装置来拍摄受检体而得到的医学图像。作为图像管理装置12的示例，可以举出PACS(PictureArchiving and Communication System：图片存档及通信系统)等。信息处理装置14使用存储在图像管理装置12中的医学图像数据来支持诊断。作为信息处理装置14的示例，可以举出个人电脑及服务器计算机等信息处理装置。

接着，参考图2对本实施方式所涉及的信息处理装置14的硬件结构进行说明。如图2所示，信息处理装置14包括CPU(Central Processing Unit：中央处理器)20、作为临时存储区域的存储器21及非易失性存储部22。并且，信息处理装置14包括液晶显示器等显示部23，键盘、鼠标等输入部24，以及连接于网络N的网络I/F(Inter Face：接口)25。CPU20、存储器21、存储部22、显示部23、输入部24及网络I/F25连接于总线26。

存储部22可以是HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid State Drive：固态驱动器)及闪存等非暂时性记录介质。在存储部22中存储信息处理程序30。CPU20从存储部22读取信息处理程序30之后，将其扩展到存储器21，下载并执行所扩展的信息处理程序30。

并且，在存储部22中存储多个(本实施方式中为两个)学习完毕模型32。参考图3对学习完毕模型32进行说明。如图3所示，在本实施方式中，作为学习完毕模型32的一例，对适用包括输入层、多个中间层及输出层的神经网络的方式例进行说明。

在本实施方式中，学习完毕模型32针对受检体被分类的每个组存储于存储部22。具体而言，根据受检体的年龄被分类的与儿童组对应的学习完毕模型32和与成人组对应的学习完毕模型32存储于存储部22。另外，在此所谓的儿童是指小于预先确定的年龄的孩子，成人是指预先确定的年龄以上的人。并且，儿童与成人的边界年龄不受特别的限定，例如可以设为15岁，也可以设为18岁。并且，将受检体进行分类的组数并不限定于两个，也可以是三个以上。

作为输入数据的一例，通过由CT拍摄受检体而得到的医学图像数据输入到学习完毕模型32。并且，从学习完毕模型32输出表示从所输入的医学图像数据表示的医学图像中提取的区域的信息来作为输出数据的一例。在本实施方式中，学习完毕模型32提取所输入的医学图像数据表示的医学图像中的肺区域，并输出表示用预先确定的颜色(例如红色)填满所提取的肺区域的图像的图像数据。在图3中，用斜线区域来示出所提取的肺区域。

另外，在本实施方式中，对学习完毕模型32提取左右两个肺区域的情况进行说明，但是并不限定于此。学习完毕模型32可以提取左右任一个肺区域，也可以提取除了肺以外的区域，也可以提取多种类型的区域。作为学习完毕模型32提取的区域的示例，可以举出各种器官区域、骨骼区域、血管区域及皮下脂肪区域等。

学习完毕模型32是通过将多组医学图像数据及医学图像数据中的表示肺区域的信息作为学习用数据(也称为教师数据)针对前述每个组进行机器学习而预先得到的模型。即，与儿童组对应的学习完毕模型32是通过将拍摄分类为儿童的受检体而得到的医学图像数据及医学图像数据中的表示肺区域的信息用作学习用数据的机器学习而预先得到的模型。并且，与成人组对应的学习完毕模型32是通过将拍摄分类为成人的受检体而得到的医学图像数据及医学图像数据中的表示肺区域的信息用作学习用数据的机器学习而预先得到的模型。另外，作为用于此时的机器学习的方法例，可以举出误差反向传播方法等。

接着，参考图4对本实施方式所涉及的信息处理装置14的功能结构进行说明。如图4所示，信息处理装置14包括提取部40、确定部42、输入部44、获取部46及输出部48。CPU20通过执行信息处理程序30，作为提取部40、确定部42、输入部44、获取部46及输出部48而发挥功能。

提取部40从由后述输入部44从图像管理装置12获取的医学图像数据所表示的医学图像中，提取表示受检体的体格的信息。在本实施方式中，提取部40通过对医学图像进行图像分析处理而提取受检体的骨骼作为表示受检体的体格的信息。具体而言，例如，与其他区域相比，骨骼区域的CT图像的信号值高，因此提取部40通过从医学图像中提取信号值为阈值以上的区域而提取受检体的骨骼。此时，提取部40识别所提取的骨骼中的椎骨及骨盆的特征，并且识别头部、胸部、腹部及下肢等部位。

确定部42使用由提取部40提取的表示受检体的体格的信息来确定受检体被分类的组。在本实施方式中，确定部42使用由提取部40提取的受检体的骨骼来确定该受检体被分类的组是儿童还是成人。具体而言，例如，确定部42根据全身中的头部比例对受检体的骨骼确定该受检体被分类的组是儿童还是成人。另外，关于全身中的头部比例，多数情况下，从婴儿至小学生为15％～25％左右，高中生以上小于15％。因此，例如，通过将15％设为阈值，能够确定受检体被分类的组。

输入部44从图像管理装置12获取医学图像数据，并将所获取的医学图像数据输入到存储在存储部22中的学习完毕模型32中、与由确定部42确定的组对应的学习完毕模型32。获取部46获取表示与输入部44的输入对应地从学习完毕模型32输出的医学图像中提取的区域的信息。

输出部48将表示从由获取部46获取的医学图像中提取的区域的信息输出到显示部23。通过该输出，在显示部23上例如显示肺区域被预先确定的颜色填满的图像。用户使用显示于显示部23上的图像来诊断受检体。另外，输出部48可以将表示从由获取部46获取的医学图像中提取的区域的信息输出(存储)到存储部22，也可以输出(发送)到图像管理装置12。

接着，参考图5对本实施方式所涉及的信息处理装置14的作用进行说明。CPU20通过执行信息处理程序30来执行图5所示的诊断支持处理。图5所示的诊断支持处理例如在用户经由输入部24输入了诊断支持处理的执行指示时被执行。

在图5的步骤S10中，输入部44从图像管理装置12中获取医学图像数据。在步骤S12中，如上所述，提取部40从通过步骤S10的处理而获取的医学图像数据所表示的医学图像中，提取表示受检体的体格的信息。在步骤S14中，如上所述，确定部42使用通过步骤S12的处理而提取的表示受检体的体格的信息来确定受检体被分类的组。

在步骤S16中，输入部44将在步骤S10中获取的医学图像数据输入到存储在存储部22中的学习完毕模型32中、与通过步骤S14的处理而确定的组对应的学习完毕模型32。在步骤S18中，获取部46获取表示从与基于步骤S16的处理的输入对应地从学习完毕模型32输出的医学图像中提取的区域的信息。

在步骤S20中，如上所述，输出部48将从通过步骤S18的处理而获取的医学图像中提取的区域的信息输出到显示部23。若步骤S20的处理结束，则诊断支持处理结束。

如以上说明，根据本实施方式，使用表示受检体的体格的信息来确定受检体被分类的组，对与所确定的组对应的学习完毕模型32输入表示通过拍摄受检体而得到的医学图像的图像数据。然后，获取表示从学习完毕模型32输出的医学图像中提取的区域的信息。

关于通过拍摄受检体而得到的医学图像，根据是儿童还是成人，拍摄时的放射线量、器官的大小及脂肪量等不同。具体而言，具有如下特征：与成人相比，儿童在拍摄时放射线量少、器官小以及脂肪小等。从而，如本实施方式那样，通过分开使用与儿童对应的学习完毕模型32和与成人对应的学习完毕模型32，能够从医学图像中高精度地提取目标区域。

并且，根据本实施方式，从通过拍摄受检体而得到的医学图像中提取表示受检体的体格的信息，并使用所提取的信息来确定受检体被分类的组。从而，不需要用于提取受检体的体格的专用图像，并且用户无需设定组便能够确定组，其结果，能够有效地确定受检体被分类的组。

另外，在上述实施方式中，对作为表示受检体的体格的信息而适用受检体的骨骼的情况进行了说明，但是并不限定于此。例如，也可以设为如下方式：作为表示受检体的体格的信息而适用受检体的体表。在该情况下，例示出如下方式：确定部42从所提取的受检体的体表中导出受检体的腹围及肩宽等，并根据所导出的受检体的腹围及肩宽等体格来确定受检体被分类的组。在该情况下，例如作为用于确定性别的阈值，能够适用代谢综合症的判定基准。

并且，在上述实施方式中，对作为受检体被分类的组而适用根据受检体的年龄来分类受检体的组(上述实施方式作为儿童及成人)的情况进行了说明，但是并不限定于此。例如，作为受检体被分类的组，可以设为适用根据受检体的性别来分类的组的方式，也可以设为适用根据受检体的人种来分类的组的方式。并且，例如可以设为如下方式：作为受检体被分类的组而适用根据人、狗及猫等受检体的种族来分类的组。并且，可以通过以上示例的多种组合将受检体进行分类。在该情况下，例示出如下方式：如“儿童/男性”、“儿童/女性”、“成人/男性”、及“成人/女性”那样，将受检体分类成通过受检体的年龄及性别的组合而分类的组。

例如，关于骨盆中央的孔形状，对男性而言接近三角形，对女性而言接近圆形。从而，能够根据骨盆中央的孔形状来确定受检体的性别。并且，能够根据骨骼总数、有无尾骨及牙齿数量等来确定受检体是人还是非人。

并且，在上述实施方式中，对从医学图像中获取表示受检体的体格的信息的情况进行了说明，但是并不限定于此。例如，可以设为如下方式：从由非医学摄影装置拍摄的图像中，提取表示受检体的体格的信息。在该情况下，例示出如下方式：对通过由数码相机拍摄受检体而得到的图像进行图像分析处理，由此从图像中提取受检体的体表。

并且，在上述实施方式中，可以设为如下方式：预先准备所有组共同通用的学习完毕模型32，在未能够从医学图像中确定受检体被分类的组的情况下，使用通用的学习完毕模型32。

并且，在上述各实施方式中，例如，作为提取40、确定部42、输入部44、获取部46及输出部48等执行各种处理的处理部(processing unit)的硬件结构，能够使用以下所示各种处理器(processor)。在上述各种处理器中，如上所述，除了执行软件(程序)而作为各种处理部发挥功能的通用的处理器即CPU以外，还包括FPGA(Field Programmable GateArray：现场可编程门阵列)等在制造之后可以变更电路结构的处理器即可编程逻辑器件(Programmable Logic Device：PLD)、ASIC(Application Specific Integrated Circuit：专用集成电路)等具有为了执行特定处理而专门设计的电路结构的处理器，即专用电路等。

一个处理部可以由这些各种处理器中的一个构成，也可以由相同类型或不同类型的两个以上处理器的组合(例如多个FPGA的组合或CPU和FPGA的组合)来构成。并且，可以由一个处理器构成多个处理部。

作为由一个处理器构成多个处理部的示例，第一，有如下方式：以客户端、服务器等的计算机为代表，由一个以上CPU和软件的组合来构成一个处理器，该处理器作为多个处理部发挥功能。第二，有如下方式：以片上系统(Systemon Chip：SoC)等为代表，使用由一个IC(Integrated Circuit：集成电路)芯片实现包括多个处理部的整体系统的功能的处理器。如此，各种处理部使用一个以上上述各种处理器构成为硬件结构。

此外，作为这些各种处理器的硬件结构，更具体而言，能够使用将半导体元件等电路元件经过组合的电路(circuitry)。

并且，在上述实施方式中，对信息处理程序30预先存储(安装)在存储部22中的方式进行了说明，但是并不限定于此。信息处理程序30可以以记录在CD-ROM(Compact DiscRead Only Memory：光盘只读存储器)、DVD-ROM(Digital Versatile Disc Read OnlyMemory：数字多功能光盘只读存储器)及USB(Universal Serial Bus：通用串行总线)存储器等记录介质中的方式被提供。并且，信息处理程序30可以设为经由网络从外部装置下载的方式。

本申请主张基于2018年10月29日申请的日本专利申请第2018-202949号的优先权，将其全文通过参考而援用于本说明书。