学习用数据集的生成方法、机器学习模型、图像处理装置、学习用数据集生成装置、机器学习装置、图像诊断系统及程序制造方法及图纸

本公开提供一种学习用数据集的生成方法、机器学习模型、图像处理装置、学习用数据集生成装置、机器学习装置、图像诊断系统及程序。本公开的学习用数据集的生成方法使计算机执行：取得步骤，取得通过针对第1医用图像数据的预定的图像变换处理而生成的第2医用图像数据；以及输出步骤，生成所述第2医用图像数据和作为所述第1医用图像数据的基准真值标签的第1基准真值标签的配对作为学习用数据集。

【技术实现步骤摘要】

本公开涉及学习用数据集的生成方法、机器学习模型、图像处理装置、学习用数据集生成装置、机器学习装置、图像诊断系统及程序。

技术介绍

1、近年来，在医疗领域中，尝试想要将实施机器学习后的机器学习模型用于图像诊断等的支援。机器学习是指，使用大量的数据而使机器学习数据的模式、相关性，进行识别、辨识、检测、预测等等。

2、在专利文献1中公开了一种图像处理装置，通过将由取得部取得的第1放射线图像输入到使用包括相加高频分量衰减后的噪声而得到的放射线图像的学习数据进行学习得到的学习完毕模型，从而生成与第1放射线图像相比降低了噪声的第2放射线图像。

3、现有技术文献

4、专利文献1：日本特开2022-39989号公报

技术实现思路

1、为了通过机器学习来制作精度高的机器学习模型(识别器)，重要的是用于学习的学习用数据的数量以及与学习用数据对应的基准真值标签(ground truth label)的质量。

2、根据机器学习模型的用途等，有时难以准备大量的学习用数据。另外，即使能够准本文档来自技高网...

【技术保护点】

1.一种学习用数据集的生成方法，使计算机执行：

2.根据权利要求1所述的学习用数据集的生成方法，其中，

3.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

4.根据权利要求3所述的学习用数据集的生成方法，其中，

5.根据权利要求3所述的学习用数据集的生成方法，其中，

6.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

7.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

8.根据权利要求1所述的学习用数据集的生成方法，其中，

9.一种机器学习模型，使计算机执行：...

【技术特征摘要】

1.一种学习用数据集的生成方法，使计算机执行：

2.根据权利要求1所述的学习用数据集的生成方法，其中，

3.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

4.根据权利要求3所述的学习用数据集的生成方法，其中，

5.根据权利要求3所述的学习用数据集的生成方法，其中，

6.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

7.根据权利要求1或者2所述的学习用数据集的生成方法，其中，

8.根据权利要求1所述的学习用数据集的生...

【专利技术属性】
技术研发人员：金子志行，松本洋日，武田义浩，
申请(专利权)人：柯尼卡美能达株式会社，
类型：发明
国别省市：