[發明專利]圖像診斷裝置、圖像處理方法和存儲介質

有效

• 申請號: 202010153069.3
• 申請日: 2020-03-06
• 公開（公告）號: CN111657858B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 荻野昌宏;金子幸生;黎子盛;五月女悅久
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B6/00;A61B8/08
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 曾賢偉;范勝杰

本發明利用DL得到以更高精度表示醫學妥當性高的診斷預測結果的預測模型。圖像診斷裝置具備：觀測部，其收集檢查對象的圖像信號；圖像處理部，其根據圖像信號生成第一圖像數據，進行該第一圖像數據的圖像處理。圖像處理部具備：特征量提取部(220)，其從第一圖像數據提取第一特征量；特征量變換部(230)，其將第一特征量變換為通過第二圖像數據提取的第二特征量；識別部(240)，其使用變換后的第二特征量，計算規定的參數值。特征量提取部(220)包含使用第一圖像數據與第一特征量的多個組合進行學習所得到的預測模型，特征量變換部(230)包含使用第一特征量與第二特征量的多個組合進行學習所得到的特征量變換模型。

技術領域

本發明涉及磁共振成像(以下稱為MRI)裝置、CT裝置、超聲波拍攝裝置等圖像診斷裝置，尤其涉及用于使用圖像診斷裝置進行高水準診斷的圖像處理。

背景技術

近年來，作為基于AI(人工智能)的圖像診斷輔助技術，提出了利用深度學習(DL)預測有無疾病(例如腫瘤)和惡性度(等級)的方法。在DL中，一般利用以將圖像分類為多個類別的方式進行了學習的卷積神經網絡(CNN)。

作為利用DL預測腫瘤的等級的方法的一個例子，在非專利文獻1中，提示了以下的預測模型，即，根據通過動態噪造影MRI(DCE-MRI)拍攝所得的圖像數據和病理圖像數據分別取得多個圖像特征量，生成組合各特征量所得的映圖，根據上述映圖，分析與用于計算前列腺癌的階段的格里森評分(GS：Gleason?score)信息的相關性，推定針對新輸入圖像的GS。

另外，在專利文獻1中，公開了以下的方法，即提取MRI圖像的多個圖像特征量，提示按照每個特征量排列的映圖圖像。通過分析多個特征量與多個病情(惡性度等)的相關性而生成該映圖圖像，能夠根據被檢驗者的MRI圖像將病情的信息關聯起來。

但是，為了利用非專利文獻1的技術得到診斷結果，除了基于圖像診斷裝置的檢查以外，還必須進行取得檢查部位的病理圖像的病理檢查。在病理檢查中，使用針等采集患者的微小組織，因此對患者產生的身體負擔大，希望一種不進行病理檢查就能夠判斷有無腫瘤和等級的技術。從其他方面說，通過具有真正能夠正確地判斷應該進行病理檢查的對象的技術，從而能夠提供最優的醫療。

另外，在利用了專利文獻1的技術的情況下，根據大量數據的分析而導出圖像的特征量與病情的相關性，難以表示從醫學觀點出發的妥當性。即，在實際的醫療現場使用的情況下，處理內容的黑匣子化有可能成為問題。

作為不進行病理診斷而根據圖像診斷裝置的圖像對通過病理診斷就能夠判斷的腫瘤的性質進行預測、提示的方法，在非專利文獻2中，公開了以下的方法，即，通過對圖像診斷裝置圖像與病理診斷結果(意見、文本信息)的組合進行多種學習，根據圖像診斷裝置圖像的輸入，來預測病理圖像意見。

現有技術文獻

專利文獻

專利文獻1：美國專利申請公開第2014/0375671號說明書

非專利文獻

非專利文獻1：Asha?Singanamalli及其他著，“Identifying?in?vivo?DCE?MRImarkers?associated?with?microvessel?architecture?and?gleason?grades?ofprostate?cancer.”，磁共振雜志(Journal?of?Magnetic?Resonance)，2015年，43，p.149～158

非專利文獻2：Elizabeth?S.Burnside及其他著，“Using?computer?extractedimage?phenotypes?from?tumors?on?breast?magnetic?resonance?imaging?to?predictbreast?cancer?pathologic?stage.”，癌癥(Cancer)，2016，p.748～757