特許ウォッチ

公開番号2025135263
公報種別公開特許公報(A)
公開日2025-09-18
出願番号2024033022
出願日2024-03-05
発明の名称医療画像処理装置、階層型ニューラルネットワーク、医療画像処理方法及びプログラム
出願人富士フイルム株式会社
代理人個人,個人,個人,個人,個人
主分類G06T 7/00 20170101AFI20250910BHJP(計算;計数)
要約【課題】高精度かつリアルタイム処理可能な注目領域検出とクラス分類とを実現する医療画像処理装置、階層型ニューラルネットワーク、医療画像処理方法及びプログラムを提供する。
【解決手段】医療画像処理装置は、医療画像を取得し、階層型ニューラルネットワークの特徴抽出ネットワークで医療画像を処理することで医療画像から第1の特徴量及び第1の特徴量より解像度が相対的に高い第2の特徴量を抽出し、第1の特徴量を階層型ニューラルネットワークの第1のサブネットワークで処理することで医療画像に含まれる注目領域を検出し、第2の特徴量を階層型ニューラルネットワークの第2のサブネットワークで処理することで注目領域を分類する。
【選択図】図3
特許請求の範囲【請求項１】
医療画像を取得する１つ以上のプロセッサと、
前記１つ以上のプロセッサに実行させるプログラムが記憶される１つ以上のメモリと、
を備え、
前記１つ以上のプロセッサは、
特徴抽出ネットワークと第１のサブネットワーク及び第２のサブネットワークとを含む階層型ニューラルネットワークの前記特徴抽出ネットワークで前記医療画像を処理することで、前記医療画像から第１の特徴量及び前記第１の特徴量より解像度が相対的に高い第２の特徴量を抽出し、
前記第１の特徴量を前記階層型ニューラルネットワークの前記第１のサブネットワークで処理することで前記医療画像に含まれる注目領域を検出し、
前記第２の特徴量を前記階層型ニューラルネットワークの前記第２のサブネットワークで処理することで前記注目領域を分類する、
医療画像処理装置。
続きを表示（約 1,200 文字）【請求項２】
前記第２の特徴量は、前記特徴抽出ネットワークで前記医療画像から前記第１の特徴量を抽出する過程の中間特徴量である、
請求項１に記載の医療画像処理装置。
【請求項３】
前記１つ以上のプロセッサは、第１のデータセットを使用して前記第１のサブネットワークを学習させ、第２のデータセットを使用して前記第２のサブネットワークを学習させ、
前記第１のデータセットは、第１の医療画像と前記第１の医療画像に含まれる注目領域の位置情報との組を含み、
前記第２のデータセットは、第２の医療画像と前記第２の医療画像に含まれる注目領域の位置情報及び分類クラスラベルとの組を含む、
請求項１に記載の医療画像処理装置。
【請求項４】
前記１つ以上のプロセッサは、
前記第１のデータセットを使用して前記特徴抽出ネットワーク及び前記第１のサブネットワークを学習させ、
前記学習させた前記特徴抽出ネットワーク及び前記学習させた前記第１のサブネットワークに基づいて前記第２のデータセットを使用して前記第２のサブネットワークを学習させる、
請求項３に記載の医療画像処理装置。
【請求項５】
前記１つ以上のプロセッサは、
前記第１のデータセットを使用して前記特徴抽出ネットワーク及び前記第１のサブネットワークを学習させる前に、前記第１のデータセット及び前記第２のデータセットとは異なる第３のデータセットを使用して前記特徴抽出ネットワークを事前に学習させる、
請求項４に記載の医療画像処理装置。
【請求項６】
前記１つ以上のプロセッサは、
前記注目領域の位置情報を前記分類の結果に応じた態様で報知する、
請求項１に記載の医療画像処理装置。
【請求項７】
前記１つ以上のプロセッサは、
前記位置情報に基づく情報を前記医療画像に付与してディスプレイに表示させる、
請求項６に記載の医療画像処理装置。
【請求項８】
前記１つ以上のプロセッサは、前記分類の結果が特定のクラスである場合に前記注目領域の位置情報を非報知とする、
請求項６に記載の医療画像処理装置。
【請求項９】
前記分類のクラスは悪性度を含み、
前記１つ以上のプロセッサは、前記悪性度が相対的に低い場合に非報知とする、
請求項８に記載の医療画像処理装置。
【請求項１０】
前記１つ以上のプロセッサは、
前記注目領域の検出結果に応じて前記第２の特徴量の一部を切り出し、
前記切り出した前記第２の特徴量を前記第２のサブネットワークで処理する、
請求項１から９のいずれか１項に記載の医療画像処理装置。
（【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】
本発明は医療画像処理装置、階層型ニューラルネットワーク、医療画像処理方法及びプログラムに係り、特に医療画像から注目領域を検出し、分類する技術に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
内視鏡及び超音波診断装置などの医療画像診断装置で撮像された医療画像から病変などの注目領域を検出し、同時に注目領域を病種などのクラスに分類する機能が知られている。このような機能は、注目領域を含む画像と注目領域の位置情報及び分類クラス情報とを用いて、ニューラルネットワーク（Neural Network：ＮＮ）を学習することで実現することができる（特許文献１、２参照）。
【０００３】
推論時は入力画像に対してＮＮ処理によって段階的に解像度を小さくしながら特徴抽出を行い、得られた特徴量から領域検出と分類を行う。分類タスクでは、このように低解像度化された特徴量に対して、検出領域に対応する一部の箇所を切り出してから分類処理が行われる。そのため、分類タスクにおける処理対象は特徴解像度が小さく、病変分類のように仔細な構造を評価する必要がある場合においては精度低下を招く。特に、リアルタイム処理を想定したモデルにおいては高速処理のために積極的に低解像度化を進める必要があるため、この問題は顕著となる。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０２０／２０３５５２号
国際公開第２０１９／１４２２４３号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
このような問題を解決する方法として、検出領域を入力画像から切り出して、切り出し画像を用いて分類タスクを学習するという方法が考えられる。しかしながら、高解像度な入力画像から改めてＮＮ処理による特徴抽出を行うのは非効率的であり、リアルタイム処理が困難となりかねない。
【０００６】
本発明はこのような事情に鑑みてなされたもので、高精度かつリアルタイム処理可能な注目領域検出とクラス分類とを実現する医療画像処理装置、階層型ニューラルネットワーク、医療画像処理方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
上記目的を達成するために、本開示の第１態様に係る医療画像処理装置は、医療画像を取得する１つ以上のプロセッサと、１つ以上のプロセッサに実行させるプログラムが記憶される１つ以上のメモリと、を備え、１つ以上のプロセッサは、特徴抽出ネットワークと第１のサブネットワーク及び第２のサブネットワークとを含む階層型ニューラルネットワークの特徴抽出ネットワークで医療画像を処理することで、医療画像から第１の特徴量及び第１の特徴量より解像度が相対的に高い第２の特徴量を抽出し、第１の特徴量を階層型ニューラルネットワークの第１のサブネットワークで処理することで医療画像に含まれる注目領域を検出し、第２の特徴量を階層型ニューラルネットワークの第２のサブネットワークで処理することで注目領域を分類する医療画像処理装置である。
【０００８】
本開示の第２態様に係る医療画像処理装置は、第１態様に係る医療画像処理装置において、第２の特徴量は、特徴抽出ネットワークで医療画像から第１の特徴量を抽出する過程の中間特徴量であることが好ましい。
【０００９】
本開示の第３態様に係る医療画像処理装置は、第１態様又は第２態様に係る医療画像処理装置において、１つ以上のプロセッサは、第１のデータセットを使用して第１のサブネットワークを学習させ、第２のデータセットを使用して第２のサブネットワークを学習させ、第１のデータセットは、第１の医療画像と第１の医療画像に含まれる注目領域の位置情報との組を含み、第２のデータセットは、第２の医療画像と第２の医療画像に含まれる注目領域の位置情報及び分類クラスラベルとの組を含むことが好ましい。
【００１０】
本開示の第４態様に係る医療画像処理装置は、第３態様に係る医療画像処理装置において、１つ以上のプロセッサは、第１のデータセットを使用して特徴抽出ネットワーク及び第１のサブネットワークを学習させ、学習させた特徴抽出ネットワーク及び学習させた第１のサブネットワークに基づいて第２のデータセットを使用して第２のサブネットワークを学習させることが好ましい。
（【００１１】以降は省略されています）

関連特許