用于确定受试者中是否发生宫颈癌的方法和设备技术

提供了用于确定受试者中是否发生宫颈癌的方法和设备。详细地，该设备获取受试者的宫颈图像，基于宫颈癌的机器学习模型，通过使用宫颈图像作为输入以生成关于受试者是否发生宫颈癌的分析信息，提供所生成的分析信息以允许设备的用户或远程站点的另一用户根据分析信息读取是否发生宫颈癌，获取并存储针对分析信息的评估信息作为读取的结果，并且输出评估信息。

Methods and equipment for determining whether cervical cancer occurs in subjects

【技术实现步骤摘要】
【国外来华专利技术】用于确定受试者中是否发生宫颈癌的方法和设备
本专利技术涉及用于确定受试者中是否发生宫颈癌的方法和设备。详细地，根据本专利技术的设备获取受试者的宫颈图像；基于宫颈癌的机器学习模型，通过使用受试者的宫颈图像作为输入以生成关于受试者中是否发生宫颈癌的分析信息；提供已生成的分析信息以允许设备的用户或远程站点的另一用户根据分析信息读取是否发生宫颈癌；获取并存储针对分析信息的评估信息作为读取的结果；并且输出评估信息。此外，根据本专利技术的设备可以基于评估信息重新训练机器学习模型。
技术介绍
宫颈癌是韩国妇女最害怕的癌症，因为由于子宫切除术，癌症可能会影响怀孕和分娩，还会使妇女感到失落。根据韩国卫生福利部2013年的统计，韩国宫颈癌患者人数为26207人，是女性癌症患者中的第四位。宫颈癌是在韩国建议筛查的七种主要癌症之一，并且由于1999年国家癌症筛查计划包含宫颈癌，早期诊断的比例正在增加。最近，称为宫颈癌0期的宫颈上皮内瘤变(癌前期)正在增加，因此建议有性经历的妇女每年接受一次检查。从关于筛查的市场情况看，自2016年以来，筛查目标的年龄从30岁降至20岁，因为宫颈上皮内瘤变的年轻女性比例正在增加。特别地，与其它癌症不同，可以收到宫颈抹片成本300％的医疗保险福利。然而，由于宫颈抹片的假阴性率(即误诊率)已达到55％，因此还建议阴道镜伴随宫颈抹片。截至2013年，世界宫颈癌筛查市场约为6.86万亿韩元，其中，阴道镜检查占30％，达到约2万亿韩元。图1是示意性示出了为了诊断宫颈癌而通常进行的宫颈抹片和阴道镜检查的概念图。参考图1的下部，通过插入女性受试者阴道的某个摄像装置(例如阴道镜)获取宫颈的图像、分析所获取的图像以及利用分析的结果，有可能减少宫颈癌筛查的误诊率。然而，当使用传统的阴道镜时，医务人员鉴于教育知识和经验从宫颈图像检查是否发生宫颈癌。这种方法往往是重复性和模糊性的，即使对于有经验的医生来说，这可能需要很长时间且降低准确性。作为协助医生进行重复性诊断活动的技术，已经在各个领域开发了临床决策支持系统(CDSS)以提高医生做出确定的效率并防止医疗护理中可能出现的错误。因此，预计全球CDSS市场将从2014年约4.2万亿韩元大幅增长至2020年约24万亿韩元(年均增长25％)。本专利技术旨在提供用于确定宫颈癌是否发生的方法和设备，该方法和设备通过作为专门用于宫颈癌的CDSS的计算设备而提高宫颈癌筛查的效率并防止误诊以允许医务人员更快速和更准确地诊断宫颈癌。
技术实现思路
1.技术问题本专利技术的技术目的是通过在妇产科门诊等中拍摄的宫颈的高分辨率图像快速且准确地读取是否存在宫颈癌病变。2.技术方案用于实现如上所述的本专利技术目的并且用于实现下面所述的本专利技术特性效果的本专利技术特性配置如下。根据本专利技术的一个方面，一种通过计算设备确定受试者中是否发生宫颈癌的方法包括以下步骤：(a)获取受试者的宫颈图像或允许与计算设备互连的另一设备获取宫颈图像；(b)通过使用所获取的宫颈图像作为输入，基于宫颈癌的机器学习模型，生成关于受试者中是否发生宫颈癌的分析信息或者允许另一设备生成分析信息；(c)提供所生成的分析信息或允许另一设备提供所生成的分析信息，以允许计算设备的用户或远程站点的另一用户根据分析信息读取受试者中是否发生宫颈癌；以及(d)进行(i)获取并存储针对分析信息的评估信息或允许另一设备获取并存储评估信息作为步骤(c)的结果的过程，和(ii)输出评估信息或允许另一设备输出评估信息的过程。该方法可以进一步包括以下步骤：(e)基于评估信息重新训练机器学习模型或允许另一设备重新训练机器学习模型。根据本专利技术的另一方面，还提供了一种记录在非临时性机器可读介质上的计算机程序，其包括为计算设备进行上述方法而实施的指令。根据本专利技术的又另一方面，一种用于确定受试者中是否发生宫颈癌的计算设备包括：通信单元，其配置成获取受试者宫颈图像；以及处理器，其配置成基于宫颈癌的机器学习模型，通过使用所获取的宫颈图像作为输入以通过通信单元生成关于受试者中是否发生宫颈癌的分析信息或允许与计算设备互连的另一设备生成分析信息，其中，所述处理器提供所生成的分析信息或允许另一设备提供所生成的分析信息，以允许计算设备的用户或远程站点的另一用户根据分析信息读取受试者中是否发生宫颈癌，以及进行(i)获取并存储针对分析信息的评估信息或允许另一设备获取并存储评估信息作为读取的结果的过程，和(ii)输出评估信息或允许另一设备输出评估信息的过程。计算设备的处理器基于评估信息重新训练机器学习模型。3.有益效果根据本专利技术，与医务人员基于教育知识和经验直接观察通过阴道镜获取的宫颈图像并单独检查宫颈状态的传统方法相比，可以更快速和准确地确定是否发生宫颈癌。另外，根据本专利技术，通过利用机器学习，特别是高级人工智能如深度学习技术，可以防止错误，即医务人员的误诊。另外，根据本专利技术，通过即使在远离拍摄宫颈图像地方的远程站点也能够确定宫颈癌，因此可以促进医疗领域的分工。另外，根据本专利技术，通过基于本专利技术方法的重新训练，可以连续提高确定性能。附图说明被包括以提供对本专利技术的进一步理解并被并入以及构成本申请的一部分的附图示出了本专利技术的实施方式，并且与说明书一起用于向本领域技术人员解释本专利技术的原理。本专利技术所属领域的技术人员(以下称为本领域技术人员)可以基于这些图获得其它附图，而不用做任何创造性的工作。图1是示意性示出了为了诊断宫颈癌而通常进行的宫颈抹片和阴道镜检查的概念图。图2示出和说明了本专利技术中使用的机器学习模型中的卷积神经网络(CNN)的主要概念。图3是示意性示出了根据本专利技术的进行确定受试者中是否发生宫颈癌的方法的计算设备的示例配置的概念图。图4是说明根据本专利技术确定宫颈癌是否发生的方法的流程图。图5A至5E说明了根据本专利技术确定宫颈癌是否发生的方法的每个步骤处提供的用户界面(UI)。具体实施方式本专利技术的以下详细描述涉及附图，其举例说明可实践本专利技术的特定实施方式，以便进一步阐明本专利技术的目的、技术方案和优点。将足够详细地描述这些实施方式以使本领域技术人员能够实践本专利技术。在本专利技术的具体实施方式和权利要求书中，术语“学习”是指根据过程进行机器学习，并且本领域技术人员可以理解的是，该术语不旨在指示心理行为，如人类教育活动。另外，贯穿本专利技术的说明书和权利要求书，术语“包含”及其变型不旨在排除其它技术特征、附加物、元件或步骤。本专利技术其它目的、优点和特征对于本领域技术人员而言从该说明书以及部分地从本专利技术的实践中将变得显而易见。以下实施例和图是作为说明提供的，并不意图限制本专利技术。而且，本专利技术涵盖本文所示的实施方式的所有可能的组合。应该理解的是，本专利技术的各种实施方式虽然不同，但并不一定是相互排斥的。例如，与一种实施方式结合的本文所述的特定特征、结构或特性可以在其它实施方式内实现而不偏离本专利技术的精神和范围。另外，应该理解的是，在不脱离本专利技术的精神和范围的情况下，可以修改每个公开实施方式内的各个元件的位置或布置。因此，下面的详细描述不应被视为具有限制意义，并且本专利技术的范围仅由所附权利要求书适当解释以及权利要求书所授权的等同物的全部范围来限定。在附图中，贯穿几个视图，相同的附图标记指示相同或相似的元件。除非本文另有指示或者与上下文明显矛盾，否则以单本文档来自技高网...

【技术保护点】
1.一种通过计算设备确定受试者中是否已发生宫颈癌的方法，该方法包括以下步骤：(a)获取受试者的宫颈图像或允许与所述计算设备互连的另一设备获取所述宫颈图像；(b)通过使用所获取的宫颈图像作为输入，基于宫颈癌的机器学习模型，生成关于所述受试者中是否已发生宫颈癌的分析信息或者允许所述另一设备生成所述分析信息；(c)提供所生成的分析信息或允许所述另一设备提供所生成的分析信息，以允许所述计算设备的用户或远程站点的另一用户根据所述分析信息读取所述受试者中是否已发生宫颈癌；以及(d)进行：(i)获取并存储针对所述分析信息的评估信息或允许所述另一设备获取并存储所述评估信息作为步骤(c)的结果的过程，和(ii)输出所述评估信息或允许所述另一设备输出所述评估信息的过程。

【技术特征摘要】
【国外来华专利技术】1.一种通过计算设备确定受试者中是否已发生宫颈癌的方法，该方法包括以下步骤：(a)获取受试者的宫颈图像或允许与所述计算设备互连的另一设备获取所述宫颈图像；(b)通过使用所获取的宫颈图像作为输入，基于宫颈癌的机器学习模型，生成关于所述受试者中是否已发生宫颈癌的分析信息或者允许所述另一设备生成所述分析信息；(c)提供所生成的分析信息或允许所述另一设备提供所生成的分析信息，以允许所述计算设备的用户或远程站点的另一用户根据所述分析信息读取所述受试者中是否已发生宫颈癌；以及(d)进行：(i)获取并存储针对所述分析信息的评估信息或允许所述另一设备获取并存储所述评估信息作为步骤(c)的结果的过程，和(ii)输出所述评估信息或允许所述另一设备输出所述评估信息的过程。2.根据权利要求1所述的方法，其进一步包括以下步骤：(e)基于所述评估信息重新训练机器学习模型或允许所述另一设备重新训练所述机器学习模型。3.根据权利要求1所述的方法，其中，在步骤(b)中，所述分析信息包括关于所述受试者对于宫颈癌是否为阴性、非典型、阳性或恶性的分类信息。4.根据权利要求1所述的方法，其进一步包括在步骤(b)之前预处理所述宫颈图像或允许所述另一设备预处理所述宫颈图像的步骤(b0)。5.根据权利要求1所述的方法，其中，所述机器学习模型包括卷积神经网络(CNN)模型和支持向量机(SVM)模型，并且其中，步骤(b)包括以下步骤：(b1)基于所述CNN模型从所述宫颈图像中提取特征或者允许所述另一设备提取所述特征；以及(b2)基于所述SVM模型，通过使用所述特征来对所述宫颈图像进行分类，从而生成分类信息或允许所述另一...

【专利技术属性】
技术研发人员：郑载训，崔成源，
申请(专利权)人：韩国宝之铂株式会社，
类型：发明
国别省市：韩国,KR