特許ウォッチ

公開番号2025122481
公報種別公開特許公報(A)
公開日2025-08-21
出願番号2024018009
出願日2024-02-08
発明の名称情報処理装置、情報処理方法およびプログラム
出願人キヤノン株式会社
代理人弁理士法人秀和特許事務所
主分類G06V 10/82 20220101AFI20250814BHJP(計算;計数)
要約【課題】解析対象の画像が入力される機械学習モデルにおいて、解析処理の精度低下を低減する。
【解決手段】本開示に係る情報処理装置は、被検体の第1および第2の軸に沿った第1および第2の断層画像群を取得する画像取得手段と、前記第1および前記第2の断層画像群に対して、解析対象物に関する特徴量の解析性能を示す第1および第2のマップを取得するマップ取得手段と、前記第1および前記第2の断層画像群を含む空間座標ごとに、前記第1のマップと前記第2のマップとを比較する比較手段と、前記第1および第2の断層画像群を第1および第2の機械学習モデルに入力し、出力される特徴量を第1および第2の解析データ群として取得する解析データ取得手段と、前記第1および前記第2の解析データ群を統合して前記比較手段による比較結果に基づく統合データを取得する統合データ取得手段とを備える。
【選択図】図1
特許請求の範囲【請求項１】
被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得する画像取得手段と、
前記第１の断層画像群に対して、解析対象物に関する特徴量の解析性能を示す第１のマップを取得し、前記第２の断層画像群に対して、前記解析対象物に関する特徴量の解析性能を示す第２のマップを取得するマップ取得手段と、
前記第１の断層画像群と前記第２の断層画像群を含む空間座標ごとに、前記第１のマップと前記第２のマップとを比較する比較手段と、
前記第１の断層画像群を、前記解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得する解析データ取得手段と、
前記第１の解析データ群と前記第２の解析データ群を統合して前記比較手段による比較結果に基づく統合データを取得する統合データ取得手段と、
を備えることを特徴とする情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記第１の機械学習モデルと前記第２の機械学習モデルは、前記被検体の断層画像に対するパディング処理と畳み込み処理とを実行することを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記統合データ取得手段は、前記比較結果に基づいて前記第１の解析データ群と前記第２の解析データ群を統合することにより、前記比較結果に基づく統合データを取得することを特徴とする請求項１または２に記載の情報処理装置。
【請求項４】
前記画像取得手段は、前記第１の断層画像群と前記第２の断層画像群を、同一の３次元画像から取得することを特徴とする請求項１または２に記載の情報処理装置。
【請求項５】
前記画像取得手段は、前記第１の断層画像群と前記第２の断層画像群を、前記被検体を撮像した異なる３次元画像から取得することを特徴とする請求項１または２に記載の情報処理装置。
【請求項６】
前記第１の機械学習モデルと前記第２の機械学習モデルとは、同一の機械学習モデルであることを特徴とする請求項１または２に記載の情報処理装置。
【請求項７】
前記第１の機械学習モデルは、前記第１の断層画像群に対して前記解析対象物に関する特徴量の解析性能が高くなるように訓練されており、
前記第２の機械学習モデルは、前記第２の断層画像群に対して前記解析対象物に関する特徴量の解析性能が高くなるように訓練されている、
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項８】
前記解析データ取得手段は、前記比較結果に基づいて、前記統合データ取得手段が前記第１の解析データ群と前記第２の解析データ群の統合に使用しない、前記第２の解析データ群の一部を取得しないことを特徴とする請求項１または２に記載の情報処理装置。
【請求項９】
前記第２の解析データ群の前記一部は、前記空間座標のうち、前記第２のマップが示す解析性能よりも前記第１のマップが示す解析性能の方が高い空間座標に対応する前記第２の解析データ群のデータであることを特徴とする請求項８に記載の情報処理装置。
【請求項１０】
前記第１の解析データ群と前記第２の解析データ群は、前記第１の断層画像群と前記第２の断層画像群における前記解析対象物の特徴量に関する異常らしさの程度の分布を示すデータ群であることを特徴とする請求項１または２に記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置、情報処理方法およびプログラムに関する。
続きを表示（約 4,600 文字）【背景技術】
【０００２】
近年、画像分類、物体検出、セマンティックセグメンテーション等を行う画像処理分野のアプリケーションにおいて、畳み込みニューラルネットワーク（ＣＮＮ；ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）が採用されている。ＣＮＮは、畳み込み処理を繰り返し実行する深層学習技術の一種であり、例えば、非特許文献１、２において画像処理を精度よく行うことができる。
【先行技術文献】
【非特許文献】
【０００３】
ＫａｉｍｉｎｇＨｅ, ＸｉａｎｇｙｕＺｈａｎｇ, ＳｈａｏｑｉｎｇＲｅｎ, ＪｉａｎＳｕｎ, "ＤｅｅｐＲｅｓｉｄｕａｌＬｅａｒｎｉｎｇｆｏｒＩｍａｇｅＲｅｃｏｇｎｉｔｉｏｎ", <ｈｔｔｐｓ://ａｒｘｉｖ.ｏｒｇ/ａｂｓ/１５１２.０３３８５>（２０１５年１２月１０日公開）
ＪｏｎａｔｈａｎＬｏｎｇ, ＥｖａｎＳｈｅｌｈａｍｅｒ, ＴｒｅｖｏｒＤａｒｒｅｌｌ, "ＦｕｌｌｙＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋｓｆｏｒＳｅｍａｎｔｉｃＳｅｇｍｅｎｔａｔｉｏｎ", <ｈｔｔｐｓ://ａｒｘｉｖ.ｏｒｇ/ａｂｓ/１４１１.４０３８>（２０１４年１１月１４日公開）
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、多くのＣＮＮに含まれるパディング処理（入力画像の周囲を所定の値で補うことで出力画像のサイズを調整する処理）に起因する課題が生じる。例えば、ＣＮＮにおいて、画像の中央に存在する分類対象や検出対象に対しては精度よく処理できるが、画像の辺縁領域に存在する分類対象や検出対象に対しては精度が低下するという課題がある。これは、パディング処理等において精度の向上に貢献しないデータが生成され、生成されたデータが畳み込み処理の結果に取り込まれることが原因である。
【０００５】
本開示の技術は、上記に鑑みてなされたものであり、解析対象の画像が入力される機械学習モデルにおいて、解析処理の精度低下を低減することを目的とする。
【課題を解決するための手段】
【０００６】
本開示に係る情報処理装置は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得する画像取得手段と、前記第１の断層画像群に対して、解析対象物に関する特徴量の解析性能を示す第１のマップを取得し、前記第２の断層画像群に対して、前記解析対象物に関する特徴量の解析性能を示す第２のマップを取得するマップ取得手段と、前記第１の断層画像群と前記第２の断層画像群を含む空間座標ごとに、前記第１のマップと前記第２のマップとを比較する比較手段と、前記第１の断層画像群を、前記解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得する解析データ取得手段と、前記第１の解析データ群と前記第２の解析データ群を統合して前記比較手段による比較結果に基づく統合データを取得する統合データ取得手段と、を備えることを特徴とする情報処理装置を含む。また、本開示に係る情報処理装
置は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得する画像取得手段と、前記第１の断層画像群に対応する、解析対象物に関する特徴量の解析性能を示す第１のマップを取得し、前記第２の断層画像群に対応する、前記解析対象物に関する特徴量の解析性能を示す第２のマップを取得するマップ取得手段と、前記第１の断層画像群と前記第２の断層画像群を含む空間座標ごとに、前記第１のマップと前記第２のマップとを比較する比較手段と、前記第１の断層画像群を、前記解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得する解析データ取得手段と、前記第１のマップの解析性能と前記第２のマップの解析性能を用いて、前記第１の解析データ群の特徴量と前記第２の解析データ群の特徴量を調整して、調整された前記第１の解析データ群と前記第２の解析データ群を統合して前記比較手段による比較結果に基づく統合データを取得する統合データ取得手段と、を備えることを特徴とする情報処理装置を含む。また、本開示に係る情報処理装置は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得する画像取得手段と、前記第１の断層画像群を、解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得する解析データ取得手段と、前記第１の断層画像群と前記第２の断層画像群を含む空間座標のうち所定の領域に対応する空間座標の前記第１の解析データ群の特徴量を前記第２の解析データ群の特徴量で置換することで、前記第１の解析データ群と前記第２の解析データ群を統合して統合データを取得する統合データ取得手段と、を備えることを特徴とする情報処理装置を含む。
【０００７】
また、本開示に係る情報処理方法は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得するステップと、前記第１の断層画像群に対応する、解析対象物に関する特徴量の解析性能を示す第１のマップを取得し、前記第２の断層画像群に対応する、前記解析対象物に関する特徴量の解析性能を示す第２のマップを取得するステップと、前記第１の断層画像群と前記第２の断層画像群を含む空間座標ごとに、前記第１のマップと前記第２のマップとを比較するステップと、前記第１の断層画像群を、前記解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得するステップと、前記第１の解析データ群と前記第２の解析データ群を統合して前記第１のマップと前記第２のマップの比較結果に基づく統合データを取得するステップと、を含むことを特徴とする情報処理方法を含む。また、本開示に係る情報処理方法は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得するステップと、前記第１の断層画像群に対応する、解析対象物に関する特徴量の解析性能を示す第１のマップを取得し、前記第２の断層画像群に対応する、前記解析対象物に関する特徴量の解析性能を示す第２のマップを取得するステップと、前記第１の断層画像群と前記第２の断層画像群を含む空間座標ごとに、前記第１のマップと前記第２のマップとを比較するステップと、前記第１の断層画像群を、前記解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得するステップと、前記第１のマップの解析性能と前記第２のマップの解析性能を用いて、前記第１の解析データ群の
特徴量と前記第２の解析データ群の特徴量を調整して、調整された前記第１の解析データ群と前記第２の解析データ群を統合して前記第１のマップと前記第２のマップの比較結果に基づく統合データを取得するステップと、を含むことを特徴とする情報処理方法を含む。また、本開示に係る情報処理方法は、被検体の第１の軸に沿った第１の断層画像群と、前記被検体の第２の軸に沿った第２の断層画像群とを取得するステップと、前記第１の断層画像群を、解析対象物に関する特徴量を出力する第１の機械学習モデルに入力し、前記第１の機械学習モデルから出力される特徴量を第１の解析データ群として取得し、前記第２の断層画像群を、前記解析対象物に関する特徴量を出力する第２の機械学習モデルに入力し、前記第２の機械学習モデルから出力される特徴量を第２の解析データ群として取得するステップと、前記第１の断層画像群と前記第２の断層画像群を含む空間座標のうち所定の領域に対応する空間座標の前記第１の解析データ群の特徴量を前記第２の解析データ群の特徴量で置換することで、前記第１の解析データ群と前記第２の解析データ群を統合して統合データを取得するステップと、を含むことを特徴とする情報処理方法を含む。
【発明の効果】
【０００８】
本開示の技術によれば、解析対象の画像が入力される機械学習モデルにおいて、解析処理の精度低下を低減することができる。
【図面の簡単な説明】
【０００９】
第１実施形態に係る情報処理装置の構成の一例を示す図
断層画像と異常尤度マップの関係を示す図
パディング処理の画像への影響範囲を説明する図
出力テンソルに対するパディング処理の画像への影響を説明する図
出力テンソルに対するパディング処理の画像への影響を説明する別の図
解析性能マップを設定する処理の一例を示すフローチャート
第１実施形態における統合解析データの生成処理を示すフローチャート
第１実施形態における画像データの処理を模式的に説明する図
第１実施形態における解析性能の分布を模式的に説明する図
一変形例における解析性能の分布を模式的に説明する図
一変形例における統合解析データの生成処理を示すフローチャート
【発明を実施するための形態】
【００１０】
以下、本開示の実施形態について図面を用いて説明する。なお、本開示は以下の実施形態に限定されるものではなく、その要旨を逸脱しない範囲において適宜変更可能である。また、以下で説明する図面において、同じ機能を有する構成には、同一の符号が付され、その説明は省略または簡略化される場合がある。
（【００１１】以降は省略されています）

関連特許