医用图像处理装置和方法、机器学习系统、程序以及存储介质制造方法及图纸

本发明专利技术提供一种医用图像处理装置和方法、机器学习系统及程序，可抑制通信量，从而能够减轻通过机器学习装置进行的再学习或追加学习的处理的负担。医用图像处理装置(13)具备：学习器(26)，其基于输入的医用图像，进行第一计算机辅助诊断装置的追加学习；评价部，其将通过追加学习而获得的第二计算机辅助诊断装置与第一计算机辅助诊断装置进行比较，评价是否追加学习的学习差分信息有助于提高第一计算机辅助诊断装置的性能；通信判定部，其基于评价结果，判定是否需要进行学习差分信息的通信；以及通信部(34)，其根据通信判定部的判定结果，输出学习差分信息。输出学习差分信息。输出学习差分信息。

【技术实现步骤摘要】
【国外来华专利技术】医用图像处理装置和方法、机器学习系统、程序以及存储介质


[0001]本专利技术涉及一种医用图像处理装置和方法、机器学习系统及程序，特别是涉及应用于计算机辅助诊断(CAD：Computer-Aided Diagnosis)的机器学习技术。

技术介绍

[0002]在医疗现场中，内窥镜诊断、超声波诊断、X射线图像诊断、或CT(Computerized Tomography)图像诊断等医用图像诊断的重要性很高。例如，如专利文献1-3中所记载的那样，在使用计算机分析医用图像来辅助诊断的CAD系统中，使用利用了机器学习的图像识别方法。
[0003]在专利文献1中，记载有一种医用图像系统，其具备进行判别医用图像的摄影部位的类别分类的辨别器，辨别器使用机器学习的方法来构成。专利文献1中记载的医用图像系统具备将现有的辨别器与一个以上的新辨别器的性能进行比较，并切换到判别精度最高的辨别器的结构。“辨别器”与识别器含义相同。
[0004]在专利文献2中，记载有一种CAD系统，该CAD系统自动检测医用图像中的问题部位，并将检测到的问题部位与标记一起显示。专利文献2中记载的CAD系统包括学习引擎，且进行改善用于检测问题部位的处理的分类模型等知识库的机器学习。
[0005]在专利文献3中，记载有一种诊断支援装置，其具有使用包含医用图像的病例数据更新诊断知识的功能和使用诊断知识辨别病例数据的功能。专利文献3中的“诊断支援装置”可理解为与CAD装置对应的用语。
[0006]现有技术文献
[0007]专利文献<br/>[0008]专利文献1：国际公开第2010/05034号
[0009]专利文献2：日本特表2007-528746号公报
[0010]专利文献3：日本特开2015-116319号公报

技术实现思路

[0011]专利技术要解决的技术课题
[0012]在以深度学习为首的图像的机器学习装置中，为了通过机器学习装置制作识别处理部，需要收集学习用数据。但是，在学习中需要大量优质的学习用数据。因此，在医用图像的情况下，例如，在医院内各设置一个或多个边缘设备，边缘设备具有图像存储部，该图像存储部预先存储在医院内新制作的医用图像作为用于学习的数据，并且构建从多个医院的各边缘设备分散并收集学习数据的系统。即，基于在多个边缘设备的每一个中新获取的医用图像制作学习用数据，并将在各边缘设备制作的学习用数据发送到医院外的设施等进行汇总。
[0013]而且，在医院外系统评价如此收集到的大量的学习用数据的精度，通过教师图像制作部制作教师数据，并使用机器学习装置制作CAD模块。CAD模块可以是用于CAD系统的识
别处理部的程序模块。CAD模块可以用“CAD装置”、“识别模型”、或“识别器”等用语替换。
[0014]在如上所说明的结构的情况下，为了在机器学习装置中实施一次性再学习或追加学习从各个具有图像存储部的边缘设备收集到的学习用图像的学习处理，需要大量的处理能力和时间。另外，经由通信线路从各边缘设备向医院外的系统传送的学习用数据的通信量也变得庞大。
[0015]本专利技术是鉴于上述情况而完成的，其目的在于提供一种可抑制通信量，从而能够减轻通过机器学习装置进行的再学习或追加学习的处理的负担的医用图像处理装置和方法、机器学习系统及程序。
[0016]用于解决技术课题的手段
[0017]为了解决课题，提供以下专利技术方面。
[0018]方面1所涉及的医用图像处理装置具备：学习器，其基于输入的医用图像，进行第一计算机辅助诊断装置的追加学习；评价部，其将通过使用了学习器的追加学习而获得的第二计算机辅助诊断装置与第一计算机辅助诊断装置进行比较，评价是否追加学习的学习差分信息有助于提高第一计算机辅助诊断装置的性能；通信判定部，其基于评价部的评价结果，判定是否需要进行学习差分信息的通信；以及通信部，其根据通信判定部的判定结果，输出学习差分信息。
[0019]根据方面1，通过在医用图像处理装置中搭载学习器，使用输入的医用图像在医用图像处理装置的内部进行第一计算机辅助诊断装置的追加学习，并评价追加学习的效果，能够有选择地对作为可有助于提高第一计算机辅助诊断装置的性能的优质的学习用数据的学习差分信息进行通信。根据方面1，可避免通过通信输出无助于提高性能的数据或有助的程度极小的数据。由此，可减少无谓的信号处理，从而能够减少通信量。
[0020]另外，可减轻接收从方面1所涉及的医用图像处理装置输出的学习差分信息并收集数据的外部信息处理装置中的学习用数据制作处理的负担，从而能够使在外部装置中进行的再学习或追加学习的处理轻量化。
[0021]“追加学习”是指为了更新通过已实施的学习获得的计算机辅助诊断的性能而追加进行的学习。“追加学习”可以通过批量学习(batch learning)实施，也可以通过在线学习(online learning)实施。在线学习与按序学习含义相同。
[0022]医用图像处理装置可以构成为单一的装置，也可以组合多个装置来构成。例如，医用图像处理装置可使用一台或多台计算机来实现。“装置”包括“系统”和“模块”的概念。“数据”包括“信息”和“信号”的概念。
[0023]在“医用图像”中，可能有内窥镜图像、CT图像、X射线图像、超声波诊断图像、MRI(Magnetic Resonance Imaging)图像、PET(Positron Emission Tomography)图像、SPECT(Single Photon Emission Computed Tomography)图像、或眼底图像等各种类型的图像。
[0024]方面2可以是如下的结构：在方面1的医用图像处理装置中，还具备输出医用图像的特征量信息的特征量提取部、和基于特征量信息进行识别处理的识别处理部，学习器基于特征量信息和识别处理部的识别结果进行追加学习。
[0025]“识别”这一用语包括辨别、判别、推论、推定、检测、及区域提取等概念。“识别处理部”包括识别器、辨别器、判别器、检测器、及识别模型等概念。“识别模型”是通过机器学习获得了一定的识别性能的已学习模型。识别模型也可以理解为进行识别处理的程序模块。
[0026]方面3可以是如下的结构：在方面1或方面2的医用图像处理装置中，还具备预先存储第一计算机辅助诊断装置的参数信息的第一信息存储部。
[0027]方面4可以是如下的结构：在方面1至方面3中任一方面的医用图像处理装置中，学习差分信息包括表示第一计算机辅助诊断装置的参数信息与第二计算机辅助诊断装置的参数信息之间的差分的参数差分信息。
[0028]根据方面4，可进一步减少通信量。
[0029]方面5可以是如下的结构：在方面1至方面3中任一方面的医用图像处理装置中，学习差分信息包括第二计算机辅助诊断装置的参数信息。
[0030]方面6可以是如下的结构：在方面2的医用图像处理装置中，学习差分信息包括特征量信息。
[0031]通过使本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种医用图像处理装置，其中，该医用图像处理装置具备：学习器，其基于所输入的医用图像，进行第一计算机辅助诊断装置的追加学习；评价部，其将通过使用了所述学习器的所述追加学习而获得的第二计算机辅助诊断装置与所述第一计算机辅助诊断装置进行比较，评价所述追加学习的学习差分信息是否有助于提高所述第一计算机辅助诊断装置的性能；通信判定部，其基于所述评价部的评价结果，判定是否需要进行所述学习差分信息的通信；以及通信部，其根据所述通信判定部的判定结果，输出所述学习差分信息。2.根据权利要求1所述的医用图像处理装置，其中，该医用图像处理装置还具备：特征量提取部，其输出所述医用图像的特征量信息；以及识别处理部，其基于所述特征量信息，进行识别处理，所述学习器基于所述特征量信息和所述识别处理部的识别结果进行所述追加学习。3.根据权利要求1或2所述的医用图像处理装置，其中，该医用图像处理装置还具备第一信息存储部，该第一信息存储部存储有所述第一计算机辅助诊断装置的参数信息。4.根据权利要求1至3中任意一项所述的医用图像处理装置，其中，所述学习差分信息包含参数差分信息，所述参数差分信息表示所述第一计算机辅助诊断装置的参数信息与所述第二计算机辅助诊断装置的参数信息之间的差分。5.根据权利要求1至3中任意一项所述的医用图像处理装置，其中，所述学习差分信息包含所述第二计算机辅助诊断装置的参数信息。6.根据权利要求2所述的医用图像处理装置，其中，所述学习差分信息包含所述特征量信息。7.根据权利要求1至6中任意一项所述的医用图像处理装置，其中，所述学习差分信息包含提供于所述追加学习的所述医用图像。8.根据权利要求1至7中任意一项所述的医用图像处理装置，其中，所述第一计算机辅助诊断装置是通过预先使用第一学习用数据集进行机器学习而制作的第一识别器，所述第二计算机辅助诊断装置是所述第一识别器的参数被变更后的第二识别器。9.一种机器学习系统，其中，该机器学习系统具备：根据权利要求1至8中任意一项所述的医用图像处理装置；以及信息处理装置，其接收从所述通信部输出的所述学习差分信息，并收集包含所述学习差分信息的学习用数据。10.根据权利要求9所述的机器学习系统，其中，...

【专利技术属性】
技术研发人员：川原岬，三浦悟朗，内藤慧，加门骏平，大酒正明，
申请(专利权)人：富士胶片株式会社，
类型：发明
国别省市：