特許ウォッチ

公開番号2025154246
公報種別公開特許公報(A)
公開日2025-10-10
出願番号2024057140
出願日2024-03-29
発明の名称浮腫の評価方法、評価装置、学習装置、学習モデル生産方法、学習済みモデル、およびプログラム
出願人グローリー株式会社,学校法人順天堂
代理人個人
主分類G06T 7/00 20170101AFI20251002BHJP(計算;計数)
要約【課題】圧痕性浮腫の評価において、個人の特徴の影響を抑制して精度を向上させることが可能な技術を提供する。
【解決手段】身体の下腿の圧痕性浮腫を評価するための学習モデルの生産方法は、複数の被検者のそれぞれについて、下腿の一部領域に対して所定期間に亘って圧迫を加えた後の圧迫後画像240と当該圧迫を加える前の圧迫前画像230とで構成されるペア画像210を取得するステップ(S11)と、複数の被検者のそれぞれの圧迫後画像240における圧痕強度Dの正解ラベルを取得するステップ(S12)とを備える。当該生産方法は、各被検者のペア画像210と当該各被検者の圧痕強度Dの正解ラベルとを備えて構成される教師データを用いて、学習モデルにおけるペア画像210と圧痕強度Dとの関係を機械学習するステップ(S13)をさらに備える。
【選択図】図5
特許請求の範囲【請求項１】
身体の下腿の圧痕性浮腫を評価するための学習モデルを生産する学習モデル生産方法であって、
ａ）複数の被検者のそれぞれについて、下腿の一部領域に対して所定期間に亘って圧迫を加えた後の圧迫後画像と前記圧迫を加える前の圧迫前画像とで構成されるペア画像を取得するステップと、
ｂ）前記複数の被検者のそれぞれの前記圧迫後画像における圧痕強度の正解ラベルを取得するステップと、
ｃ）各被検者の前記ペア画像と当該各被検者の前記圧痕強度の前記正解ラベルとを備えて構成される教師データを用いて、前記学習モデルにおける前記ペア画像と前記圧痕強度との関係を機械学習するステップと、
を備えることを特徴とする学習モデル生産方法。
続きを表示（約 1,000 文字）【請求項２】
前記圧迫前画像および前記圧迫後画像は、それぞれ、カラー画像であることを特徴とする、請求項１に記載の学習モデル生産方法。
【請求項３】
前記圧迫前画像および前記圧迫後画像は、それぞれ、各画素がＲＧＢ値を有する３チャンネルの画像であり、
前記ペア画像は、６チャンネルの画像であることを特徴とする、請求項２に記載の学習モデル生産方法。
【請求項４】
前記学習モデルは、深層学習モデルであることを特徴とする、請求項１から請求項３のいずれかに記載の学習モデル生産方法。
【請求項５】
前記学習モデルは、深層学習モデルであり、
前記深層学習モデルは、３チャンネルの入力を受け付ける第１の深層学習モデルを含み、且つ、前記第１の深層学習モデルの入力側に更なる畳み込み層が追加された構造を有する第２の深層学習モデルであり、
前記更なる畳み込み層は、６チャンネルから３チャンネルへの変換を伴う畳み込み層であることを特徴とする、請求項３に記載の学習モデル生産方法。
【請求項６】
前記第１の深層学習モデルは、前記教師データとは別の学習用データを用いて予め学習された学習モデルであり、
前記第２の深層学習モデルは、前記教師データを用いたファインチューニングによって、機械学習されることを特徴とする、請求項５に記載の学習モデル生産方法。
【請求項７】
前記正解ラベルは、前記圧痕強度が複数の段階のいずれであるかを示す値であることを特徴とする、請求項１から請求項６のいずれかに記載の学習モデル生産方法。
【請求項８】
請求項１から請求項７のいずれかに記載の学習モデル生産方法を用いて生産された、学習済みモデル。
【請求項９】
請求項１から請求項７のいずれかに記載の学習モデル生産方法をコンピュータに実行させるためのプログラム。
【請求項１０】
身体の下腿の圧痕性浮腫を学習モデルにより評価する評価方法であって、
ａ）評価対象者の下腿の一部領域に対して所定期間に亘って圧迫を加えた後の圧迫後画像と前記圧迫を加える前の圧迫前画像とを取得するステップと、
ｂ）前記圧迫前画像と前記圧迫後画像とで構成されるペア画像を前記学習モデルに入力して前記学習モデルから出力される出力値に基づき、前記評価対象者の圧痕性浮腫の評価値を算出するステップと、
を備えることを特徴とする評価方法。
（【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、浮腫（圧痕性浮腫）を評価する技術およびそれに関連する技術に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
心不全の前兆等として「浮腫」（むくみ）が現れることがあり、心不全等の増悪症候として浮腫を早い段階で検知することが望まれる。当該浮腫としては、たとえば、身体の下腿の前面等を所定期間に亘って指で押し続け（圧迫し続け）当該指を離した後に圧痕が残る「圧痕性浮腫」が評価される。圧痕性浮腫は、客観的に評価されることが望まれる。
【０００３】
このような評価技術として、特許文献１に記載の技術が存在する。特許文献１においては、下腿の圧痕が消失するまでの回復時間あるいは当該圧痕の深さに基づいて、圧痕性浮腫を評価することが記載されている。当該圧痕の有無あるいは深さは、当該圧痕を含む画像を解析することによって検知される。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０２２／０６５３９１号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記特許文献１の技術においては、或る時点での圧痕の状態（有無あるいは深さ等）は当該或る時点の１枚の画像（フレーム画像等）に基づいて検知されている。
【０００６】
被検者の下腿の肌表面の状態（皺の状態等）には個人差が存在する。上記特許文献１の技術のように、或る時点での圧痕の状態が単一の画像のみに基づき検知される場合には、当該個人差（個人の特徴）の影響によって、圧痕の状態が必ずしも適切に検知されないことがある。
【０００７】
そこで、この発明の課題は、圧痕性浮腫の評価において、個人の特徴の影響を抑制して精度を向上させることが可能な技術を提供することにある。
【課題を解決するための手段】
【０００８】
上記課題を解決すべく、本発明に係る学習モデル生産方法は、身体の下腿の圧痕性浮腫を評価するための学習モデルを生産する学習モデル生産方法であって、ａ）複数の被検者のそれぞれについて、下腿の一部領域に対して所定期間に亘って圧迫を加えた後の圧迫後画像と前記圧迫を加える前の圧迫前画像とで構成されるペア画像を取得するステップと、ｂ）前記複数の被検者のそれぞれの前記圧迫後画像における圧痕強度の正解ラベルを取得するステップと、ｃ）各被検者の前記ペア画像と当該各被検者の前記圧痕強度の前記正解ラベルとを備えて構成される教師データを用いて、前記学習モデルにおける前記ペア画像と前記圧痕強度との関係を機械学習するステップと、を備えることを特徴とする。
【０００９】
前記圧迫前画像および前記圧迫後画像は、それぞれ、カラー画像であってもよい。
【００１０】
前記圧迫前画像および前記圧迫後画像は、それぞれ、各画素がＲＧＢ値を有する３チャンネルの画像であり、前記ペア画像は、６チャンネルの画像であってもよい。
（【００１１】以降は省略されています）

関連特許