运动器官疾病预测装置、方法及存储介质、学习装置、方法及存储介质及学习完成神经网络制造方法及图纸

本发明专利技术的课题在于使得在运动器官疾病预测装置、方法及程序、学习装置、方法及程序以及学习完成神经网络中能够以高精度预测运动器官的疾病。本发明专利技术的运动器官疾病预测装置具备至少一个处理器，处理器根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出被摄体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息。处理器根据对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息来导出发生与对象骨有关的运动器官疾病的概率。病的概率。病的概率。

【技术实现步骤摘要】
运动器官疾病预测装置、方法及存储介质、学习装置、方法及存储介质及学习完成神经网络


[0001]本专利技术涉及一种运动器官疾病预测装置、方法及程序、学习装置、方法及程序以及学习完成神经网络。

技术介绍

[0002]与骨、关节及肌肉等运动器官有关的骨折及脱臼等疾病导致患者卧床不起的状态。尤其，股关节的脱臼以及股骨及椎骨的骨折导致患者卧床不起的可能性高。已知卧床不起的情况下的5年生存率低于癌症的5年生存率。因此，提出了用于评价运动器官的疾病，尤其骨折风险的各种方法。
[0003]例如，在专利文献1中提出了以下方法：根据放射线图像获取骨量和骨结构，并使用神经网络计算未来的骨折风险。并且，在专利文献2中提出了以下方法：使用神经网络，根据放射线图像推算骨密度，并使用推算结果和表示骨折概率的算术表达式来进行骨折预测。并且，在专利文献3中提出了以下方法：按放射线图像的每个像素计算骨盐量及肌肉量，根据骨盐量及肌肉量来计算与被摄体有关的统计值，并根据统计值来评价骨折风险。
[0004]专利文献1：日本特表平09
‑
508813号公报
[0005]专利文献2：日本再公表2020
‑
054738号公报
[0006]专利文献3：国际公开第2020/166561号说明书
[0007]然而，期望以进一步高精度预测运动器官的疾病。

技术实现思路

[0008]本专利技术是鉴于上述情况而完成的，其目的在于能够以高精度预测运动器官的疾病。
[0009]根据本专利技术的运动器官疾病预测装置具备至少一个处理器，
[0010]处理器根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出被摄体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息，
[0011]根据对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息来导出发生与对象骨相关的运动器官疾病的概率。
[0012]另外，在根据本专利技术的运动器官疾病预测装置中，处理器可以作为学习完成神经网络发挥作用，该学习完成神经网络将人体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息以及表示发生与对象骨相关的运动器官疾病的概率的正解数据用作教师数据(teaching data)进行了机器学习。
[0013]另外，在根据本专利技术的运动器官疾病预测装置中，处理器可以将导出的运动器官
疾病的发生概率显示于显示器。
[0014]并且，在根据本专利技术的运动器官疾病预测装置中，处理器可以显示表示骨盐量及肌肉量中的至少一个与运动器官疾病的发生概率的关系的图表，
[0015]在图表上还显示表示导出的运动器官疾病的发生概率的标绘图(plot)和表示使发生概率或骨盐量及肌肉量中的至少一个改变而得的值的标绘图。
[0016]并且，在根据本专利技术的运动器官疾病预测装置中，改变而得的值可以为骨盐量及肌肉量中的至少一个的目标值或运动器官疾病的发生概率的目标值。
[0017]并且，在根据本专利技术的运动器官疾病预测装置中，处理器还可以显示用于使骨盐量及肌肉量中的至少一个达到目标值的医疗干预的选项或用于使运动器官疾病达到目标值的医疗干预的选项。
[0018]并且，在根据本专利技术的运动器官疾病预测装置中，医疗干预可以为用于锻炼与对象骨相关的肌肉的运动方法。
[0019]并且，在根据本专利技术的运动器官疾病预测装置中，对象骨可以为股骨。
[0020]并且，在根据本专利技术的运动器官疾病预测装置中，对象骨可以为椎骨。
[0021]并且，在根据本专利技术的运动器官疾病预测装置中，运动器官疾病可以为骨折及脱臼中的至少一个。
[0022]根据本专利技术的学习装置具备至少一个处理器，
[0023]处理器通过将人体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息以及表示发生与对象骨相关的运动器官疾病的概率的正解数据用作教师数据对神经网络进行机器学习，来构建如下学习完成神经网络，该学习完成神经网络若输入对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息，则输出发生运动器官疾病的概率。
[0024]在根据本专利技术的运动器官疾病预测方法中，根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出被摄体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息，
[0025]根据对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息来导出发生与对象骨相关的运动器官疾病的概率。
[0026]在根据本专利技术的学习方法中，通过将人体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息以及表示发生与对象骨相关的运动器官疾病的概率的正解数据用作教师数据对神经网络进行机器学习，来构建如下学习完成神经网络，该学习完成神经网络若输入对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息，则输出发生运动器官疾病的概率。
[0027]另外，可以将根据本专利技术的运动器官疾病预测方法及学习方法作为用于使计算机执行的程序来提供。
[0028]在根据本专利技术的学习完成神经网络中，若输入人体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形
状的形状信息，则输出发生与对象骨相关的运动器官疾病的概率。
[0029]专利技术效果
[0030]根据本专利技术，能够以高精度预测运动器官的疾病。
附图说明
[0031]图1是表示适用了根据本专利技术的实施方式的运动器官疾病预测装置及学习装置的放射线图像摄影系统的结构的概略框图。
[0032]图2是表示根据本专利技术的实施方式的运动器官疾病预测装置及学习装置的概略结构的图。
[0033]图3是表示根据本专利技术的实施方式的运动器官疾病预测装置及学习装置的功能性结构的图。
[0034]图4是表示信息导出部的功能性结构的图。
[0035]图5是表示骨部图像的图。
[0036]图6是表示软部图像的图。
[0037]图7是表示分割(segmentation)的结果的图。
[0038]图8是用于说明包含股骨的关节部分的区域及包含骨盆的关节部分的区域的设定的图。
[0039]图9是表示对象骨的形状信息及与对象骨相邻的骨的形状信息的图。
[0040]图10是表示骨部与软部的对比度相对于被摄体的体厚的关系的图。
[0041]图11是表示查找本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动器官疾病预测装置，其具备至少一个处理器，所述处理器根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出所述被摄体中所包含的骨之中对象骨的骨盐量、所述对象骨周围的肌肉量、表示所述对象骨的形状的形状信息及表示与所述对象骨相邻的骨的形状的形状信息，根据所述对象骨的骨盐量、所述对象骨周围的肌肉量、所述对象骨的形状信息及与所述对象骨相邻的骨的形状信息来导出发生与所述对象骨相关的运动器官疾病的概率。2.根据权利要求1所述的运动器官疾病预测装置，其中，所述处理器作为学习完成神经网络发挥作用，所述学习完成神经网络将人体中所包含的骨之中所述对象骨的骨盐量、所述对象骨周围的肌肉量、表示所述对象骨的形状的形状信息及表示与所述对象骨相邻的骨的形状的形状信息以及表示发生与所述对象骨有关的运动器官疾病的概率的正解数据用作教师数据而进行了机器学习。3.根据权利要求1或2所述的运动器官疾病预测装置，其中，所述处理器将所导出的所述运动器官疾病的发生概率显示于显示器。4.根据权利要求3所述的运动器官疾病预测装置，其中，所述处理器显示表示骨盐量及肌肉量中的至少一个与运动器官疾病的发生概率的关系的图表，在所述图表上还显示表示所导出的所述运动器官疾病的发生概率的标绘图和表示使发生概率或骨盐量及肌肉量中的至少一个改变而得的值的标绘图。5.根据权利要求4所述的运动器官疾病预测装置，其中，改变而得的所述值为所述骨盐量及所述肌肉量中的至少一个的目标值或所述运动器官疾病的发生概率的目标值。6.根据权利要求5所述的运动器官疾病预测装置，其中，所述处理器还显示用于使所述骨盐量及所述肌肉量中的至少一个达到所述目标值的医疗干预的选项或用于使所述运动器官疾病达到所述目标值的医疗干预的选项。7.根据权利要求6所述的运动器官疾病预测装置，其中，所述医疗干预为用于锻炼与所述对象骨相关的肌肉的运动方法。8.根据权利要求1或2所述的运动器官疾病预测装置，其中，所述对象骨为股骨。9.根据权利要求1或2所述的运动器官疾病预测装置，其中，所述对象骨为椎骨。10.根据权利要求1或2所述的运动器官疾病预测装置，其中，所述运动器官疾病为骨折及脱臼中的至少一种。11.一种学习装置，其具备至少一个处理器，所述处理器通过将人体中所包含的骨之中对象骨的骨盐量、所述对象骨周围的肌肉量、表示所述对象骨的形状的形状信息及表示与所述对象骨相邻的骨的形状的形状信息以及表示发生与所述对象骨相关的运动器官疾病的概率的正解数据用作教师数据对神经网络进行机器学习，来构建如下学习完成神经网络，该学习完成神经网络若输入所述对象骨的骨盐量、所...

【专利技术属性】
技术研发人员：川村隆浩，
申请(专利权)人：富士胶片株式会社，
类型：发明
国别省市：