[發明專利]圖像解析裝置及圖像解析方法

在審

• 申請號: 201880096075.0
• 申請日: 2018-07-31
• 公開（公告）號: CN112513926A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 大澤健郎
• 申請（專利權）人: 奧林巴斯株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08;A61B1/045;G01N21/27
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 孫明浩;崔成哲

第1局部區域類別計算部(22a)計算輸入圖像的第1局部區域類別。圖像類別計算部(24)根據第1局部區域類別，計算圖像類別。圖像類別輸出部(26)輸出圖像類別。第2局部區域類別計算部(22b)計算輸入圖像的第2局部區域類別。局部區域類別輸出部(28)輸出第2局部區域類別。

技術領域

本發明涉及對輸入圖像進行解析的技術。

背景技術

已知有一種圖像解析技術，該圖像解析技術對被攝體圖像局部地進行解析，按照圖像內的多個局部區域中的每個局部區域來判定是異常區域還是并非異常的正常區域(參照專利文獻1、非專利文獻1)。在該圖像解析技術中，基于每個局部區域的解析結果，判定圖像整體是包括異常區域的異常圖像還是不包括異常區域的正常圖像。通過像這樣確定異常圖像，并將確定出的異常圖像提示給圖像的觀察者，能夠支援觀察者的有效觀察。

提供了一種使用神經網絡而對圖像內的多個局部區域分別進行類別分類的圖像解析技術(參照非專利文獻2)。在該圖像解析技術中，按照每個局部區域，估計多個類別分別對應的概率，確定概率最高的類別，將其決定為局部區域類別。準備大量的輸入圖像與將輸入圖像分割而得到的多個局部區域的正確類別的數據集，通過監督學習神經網絡的參數(權重和偏置)，從而取得高精度地估計局部區域類別的參數。

現有技術文獻

專利文獻

專利文獻1：日本特開2010-203949號公報

非專利文獻

非專利文獻1：Yun Liu，Krishna Gadepalli，Mohammad Norouzi，George E.Dahl，Timo Kohlberger，Aleksey Boyko，Subhashini Venugopalan，Aleksei Timofeev，PhilipQ.Nelson，Greg S.Corrado，Jason D.Hipp，Lily Peng，and Martin C.Stumpe，DetectingCancer Metastases on Gigapixel Pathology Images，arXiv：1703.02442v2[cs.CV]8Mar 2017

非專利文獻2：Liang-Chieh Chen，George Papandreou，Iasonas Kokkinos，KevinMurphy，Alan L.Yuille，SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONALNETS AND FULLY CONNECTED CRFS，arXiv：1412.7062v4[cs.CV]7Jun 2016

發明內容

發明要解決的問題

根據上述的判定方法，只要在圖像內的多個局部區域中存在1個被分類為異常區域的局部區域，則該圖像被判定為異常圖像，如果1個被分類為異常區域的局部區域也不存在，則該圖像被判定為正常圖像。在由病理醫生進行病理診斷時，如果能夠將包括病變的圖像提示為異常圖像，則有助于病理醫生的有效診斷。

在這樣的圖像解析處理中，將包括病變的圖像誤判定為正常圖像會產生病理醫生看漏的可能性，因此是不允許的。因此，需要有效學習大量的病理圖像，預先取得提高了局部區域的各類別的估計精度的神經網絡的參數(權重和偏置)。但是，實際上，實現100％的類別估計精度是不容易的，也可能產生表示是病變的類別的概率與表示是非病變的類別的概率成為大致相同的值的事態。

另外，作為用于不將包括病變的圖像誤判定為正常圖像的方法，在決定局部區域類別時，考慮使表示是病變的類別的概率比計算值高。通過進行提高處理，容易將表示是病變的類別確定為概率最高的類別，結果是，能夠降低將包括病變的圖像誤判定為正常圖像的可能性。