JP6667572B2 - クラウド型医療画像分析のためのシステムおよび方法 - Google Patents

Description

本発明は、クラウド型医療画像分析のためのシステムおよび方法に関する。

一般的に、医療分野では、通常、コンピュータ支援検出（computer-aided detection, CADe）モジュールを使用して疑わしい病変を検出し、コンピュータ支援診断（computer-aided diagnosis, CADx）モジュールを使用して病変の特性を判断する。しかしながら、ＣＡＤｅモジュールおよびＣＡＤｘモジュールを実行するには、通常、非常に大きな計算負荷を必要とするため、ＣＡＤｅモジュールおよびＣＡＤｘモジュールを使用して診断結果を取得したい場合、通常、多くの計算資源と時間が必要になる。実行環境に関しては、異なるＣＡＤｅまたはＣＡＤｘ技術には異なるソフトウェアおよびハードウェア要求が必要になるため、ＣＡＤｅモジュールおよびＣＡＤｘモジュールの実行は、特定のソフトウェアおよびハードウェア要求を満たしていなければならない。

本発明は、医療画像の特徴値をクラウド型医療分析プラットフォームに送信して、クラウドコンピューティング方法で計算を行い、データの送信量およびＣＡＤｅモジュールおよびＣＡＤｘモジュールの計算時間を減らすことのできるクラウド型医療画像分析のためのシステムおよび方法を提供する。ユーザーの実行環境は、ＣＡＤｅおよびＣＡＤｘモジュールのソフトウェアおよびハードウェア要求に制限されない。

本発明は、クラウド型医療画像分析のためのシステムを提供する。クラウド型医療画像分析のためのシステムは、クラウド型医療分析プラットフォームおよび電子デバイスを有する。電子デバイスは、医療画像を取得し、医療画像を定量化して第１の特徴値を取得し、第１の特徴値をクラウド型医療分析プラットフォームに送信し、クラウド型医療分析プラットフォームは、第１の特徴値を分析モジュールに入力して分析結果を取得し、分析結果を電子デバイスに送信する。分析モジュールは、自己学習モデルを採用し、このモデルは、ディープニューラルネットワーク、畳み込みニューラルネットワーク）、ディープコンフィデンスネットワーク、および再帰型ニューラルネットワーク等のディープラーニングモデルであってもよく、分析モジュールは、複数のトレーニング画像を介してトレーニングされる。ディープラーニングモデルは、複数の処理層における線形または非線形変換を介して、データ特性を表示するのに十分なデータから特徴を自動的に抽出し、各連続した処理層の入力は、１つまたは複数の前処理層の出力を採用する。自己学習は誤差補正法であり、自己学習は教師あり学習、教師なし学習、または半教師あり学習を採用することができる。

本発明は、クラウド型医療画像分析のための方法を提供する。この方法は、クラウド型医療分析プラットフォームおよび電子デバイスを有するクラウド型医療画像分析のためのシステムに使用される。この方法は、電子デバイスを介して医療画像を取得することと；電子デバイスを介して医療画像を定量化し、第１の特徴値を取得することと；電子デバイスを介して第１の特徴値をクラウド型医療分析プラットフォームに送信することと；クラウド型医療分析プラットフォームを介して第１の特徴値を分析モジュールに入力し、分析結果を取得することと；クラウド型医療分析プラットフォームを介して分析結果を電子デバイスに送信することとを含み、分析モジュールは、自己学習モデル（例えば、ディープラーニングモデル）を採用し、分析モジュールは、複数のトレーニング画像を介してトレーニングされる。

以上のように、本発明のクラウド型医療画像分析のためのシステムおよび方法は、電子デバイスを介して、医療画像に基づいて特徴値を生成することができる。クラウド型医療分析プラットフォームは、特徴値に基づいてＣＡＤｅモジュールおよび／またはＣＡＤｘモジュールの機能を実行し、腫瘍の位置および／または腫瘍の診断結果を電子デバイスに返送する。クラウド型医療分析プラットフォームは、電子デバイスからのフィードバックに基づく自己学習メカニズムを有して、クラウド型医療分析プラットフォームを最適化することもできる。この方法により、電子デバイスは、ＣＡＤｅモジュールおよび／またはＣＡＤｘモジュールのステップの全てを実際に実行する必要がないため、電子デバイスの計算負荷を有効に減らすことができる。また、電子デバイスは、分析のためにクラウド型医療分析プラットフォームに特徴値を送信するだけであるため、クラウド型医療分析プラットフォームに完全な医療画像を送信する必要がない。その結果、データの送信量を有効に減らすことができ、システムの応答時間を減らすことができる。実行環境に関しては、電子デバイスをＣＡＤｅモジュールおよび／またはＣＡＤｘモジュールのソフトウェアおよびハードウェア要求に制限する必要がない。

本発明の上記および他の目的、特徴、および利点をより分かり易くするため、図面と併せた幾つかの実施形態を以下に説明する。

添付図面は、本発明の原理がさらに理解されるために含まれており、本明細書に組み込まれ、且つその一部を構成するものである。図面は、本発明の実施形態を例示しており、説明とともに、本発明の原理を説明する役割を果たしている。

本発明の１つの実施形態に係るクラウド型医療画像分析のためのシステムの概略図である。 本発明の１つの実施形態に係る電子デバイスのブロック図である。 本発明の１つの実施形態に係るクラウド型医療分析プラットフォームのブロック図である。 本発明の１つの実施形態に係るクラウド型医療画像分析のための方法のフローチャートである。

図１は、本発明の１つの実施形態に係るクラウド型医療画像分析のためのシステムの概略図である。図１を参照すると、クラウド型医療画像分析のためのシステム１０００は、電子デバイス１００と、クラウド型医療分析プラットフォーム１２０とを含むことができる。電子デバイス１００およびクラウド型医療分析プラットフォーム１２０は、有線または無線ネットワークを介して通信することができる。言及すべきこととして、本発明では、電子デバイス１００およびクラウド型医療分析プラットフォーム１２０の地理的位置は限定されない。つまり、電子デバイス１００およびクラウド型医療分析プラットフォーム１２０を同じ地域（領域）に配置されて動作してよい。あるいは、電子デバイス１００およびクラウド型医療分析プラットフォーム１２０を異なる地域（領域）にされて動作してもよい。例えば、電子デバイス１００を第１国家（例えば、台湾）で動作し、クラウド型医療分析プラットフォーム１２０を第２国家（例えば、アメリカ）で動作してもよい。

図２は、本発明の１つの実施形態に係る電子デバイスのブロック図である。図２を参照すると、電子デバイス１００は、処理ユニット２０と、通信ユニット２２と、保存ユニット２４とを含む。詳しく説明すると、通信ユニット２２および保存ユニット２４は、処理ユニット２０に結合される。電子デバイス１００は、例えば、携帯電話、タブレットＰＣ、ノート型パソコン、またはロボット等の電子デバイスであるが、本発明はこれに限定されない。

処理ユニット２０は、中央処理装置（central processing unit, CPU）、プログラマブルマイクロプロセッサ、デジタル信号プロセッサ（digital signal processor, DSP）、プログラマブルコントローラ、特定用途向け集積回路（application-specific integrated circuit, ASIC）、あるいは一般用途または特殊用途の他の類似するデバイスまたはその組み合わせであってもよい。

通信ユニット２２は、ＧＳＭ（登録商標）（global system for mobile communication）、ＰＨＳ（登録商標）（personal handy-phone system）、符号分割多元接続（code division multiple access, CDMA）システム、Ｗ−ＣＤＭＡ（登録商標）（wideband code division multiple access）システム、ＬＴＥ（登録商標）（long term evolution）システム、ＷｉＭＡＸ（登録商標）（worldwide interoperability for microwave access）システム、Ｗｉ−Ｆｉ（登録商標）（wireless fidelity）システム、またはブルートゥース信号送信デバイス（ブルートゥースは登録商標）であってもよい。

保存ユニット２４は、任意の種類の固定されたまたは移動可能なランダムアクセスメモリ（random access memory RAM）、読み取り専用メモリ（read-only memory ROM）、フラッシュメモリ、類似するデバイス、またはその組み合わせであってもよい。

本実施形態において、電子デバイス１００の保存ユニット２４に複数のコードスニペットが保存される。コードスニペットは、インストールされた後、処理ユニット２０により実行される。例えば、保存ユニット２４は、画像入力モジュール２４ａと特徴値取得モジュール２４ｂとを含み、これらのモジュールを介してクラウド型医療画像分析のためのシステム１０００に適用される電子デバイス１００の様々な動作が実行される。各モジュールは、１つまたは複数のコードスニペットによって形成される。しかしながら、本発明はこれに限定されず、電子デバイス１００の様々な動作を他のハードウェア形式で実施してもよい。

言及すべきこととして、電子デバイス１００は、画像取得（取込）装置２００に接続されてよく、画像取得装置２００は、例えば、患者を走査して医療画像を取得するための超音波走査装置、磁気共鳴画像（magnetic resonance imaging MRI）装置、デジタル乳房トモシンセシス（digital breast tomosynthesis DBT）装置、携帯型超音波スキャナ、または自動乳房超音波検査システム（automated breast ultrasound system ABUS）である。しかしながら、別の実施形態において、画像取得装置２００は、電子デバイス１００に直接統合されてもよく、電子デバイス１００は、例えば、超音波走査装置、ＭＲＩ装置、ＤＢＴ装置、携帯型超音波スキャナ、またはＡＢＵＳの形態で直接実装されてよく、電子デバイス１００は、患者を直接走査して医療画像を取得することができる。別の実施形態において、電子デバイス１００は、別の方法で医療画像を取得してもよく、本発明は、電子デバイス１００を用いて医療画像を取得する方法を限定しない。

保存ユニット２４の画像入力モジュール２４ａを使用して、少なくとも１セグメントの医療画像を取得する。本実施形態において、医療画像は、乳房画像であり、乳房画像は、特に画像取得装置２００で取得した自動乳房超音波（ＡＢＵＳ）、デジタル乳房トモシンセシス（ＤＢＴ）、または磁気共鳴画像（ＭＲＩ）等の乳房領域の二次元または三次元の医療画像であってもよい。スクリーニングの間、三次元画像技術は、より信頼できる発癌リスクの乳房密度評価を提供することができるが、本発明の実施形態は、三次元画像のみに限定されない。別の実施形態において、画像入力モジュール２４ａは、保存ユニット２４あるいは通信ユニット２２（Ｗｉ−Ｆｉまたはイーサネット（登録商標）等）、医療画像スキャナ（ＡＢＵＳスキャナまたはＭＲＩスキャナ等）、または保存デバイス（ＤＶＤ、フラッシュドライブ、またはハードディスク等）を介して医療画像を取得することもできる。

図３は、本発明の１つの実施形態に係るクラウド型医療分析プラットフォームのブロック図である。図３を参照すると、本実施形態のクラウド型医療分析プラットフォーム１２０は、処理ユニット３０と、通信ユニット３２と、保存ユニット３４とを含む。詳しく説明すると、通信ユニット３２および保存ユニット３４は、処理ユニット３０に結合される。処理ユニット３０、通信ユニット３２、および保存ユニット３４は、それぞれ処理ユニット２０、通信ユニット２２、および保存ユニット２４と類似するデバイスであるため、ここでは繰り返し説明しない。また、クラウド型医療分析プラットフォーム１２０は、例えば、携帯電話、タブレットＰＣ、ノート型パソコン、ロボット、またはサーバー等であるが、本発明はこれに限定されない。本実施形態において、クラウド型医療分析プラットフォーム１２０は、電子デバイス１００より優れた計算能力を有するサーバーであってもよい。

本実施形態において、クラウド型医療分析プラットフォーム１２０の保存ユニット３４には複数のコードスニペットが保存され、コードスニペットは、インストールされた後、処理ユニット３０により実行される。例えば、保存ユニット３４は、ＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂを有する分析モジュール３６を含み、処理ユニット３０は、分析モジュール３６のＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂを操作し、クラウド型医療画像分析のためのシステム１０００に適用されるクラウド型医療分析プラットフォーム１２０の様々な動作をそれぞれ実行する。各モジュールは、１つまたは複数のコードスニペットによって形成される。しかしながら、本発明はこれに限定されず、他のハードウェア形式でクラウド型医療分析プラットフォーム１２０の様々な動作を実施してもよい。

図４は、本発明の１つの実施形態に係るクラウド型医療画像分析のための方法のフローチャートである。

図１〜図４の全てを参照すると、図４のクラウド型医療画像分析のための方法は、図１のクラウド型医療画像分析のためのシステム１００に適用することができる。ステップＳ４０１において、電子デバイス１００の画像入力モジュール２４ａは、医療画像を取得することができる。本実施形態において、医療画像は、超音波画像である。しかしながら、別の実施形態において、医療画像は、実際の応用要求に基づく別の種類の画像であってもよい。

次に、ステップＳ４０３において、電子デバイス１００は、特徴値取得モジュール２４ｂを介して医療画像を定量化し、特徴値（第１の特徴値とも称す）を取得することができる。

例えば電子デバイス１００が医療画像を取得した後、特徴値取得モジュール２４ｂは、例えば医療画像に対して前処理（例えば、組織クラスタリングまたは画素クラスタリング）を行い、前処理の後に医療画像の特徴を定量化してよい。詳しく説明すると、医療画像の特徴は、例えば、テクスチャー、明度、または形状である。しかしながら、本発明には、前処理の形態および医療画像の特徴を限定する意図はない。別の実施形態において、ＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂが領域別アルゴリズムを使用して操作された場合、特徴値取得モジュール２４ｂは、対応してウォーターシェッドアルゴリズムを使用して医療画像を切断し、複数の領域を有する医療画像を生成することができ、そして特徴値取得モジュール２４ｂは、それらの領域の医療画像を定量化して、対応する特徴値を生成することができる。別の実施形態において、ＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂが画素別アルゴリズムを使用して操作された場合、特徴値取得モジュール２４ｂは、対応して医療画像の各画素を定量化し、対応する特徴値を生成することができる。

次に、ステップＳ４０５において、電子デバイス１００は、第１の特徴値をクラウド型医療分析プラットフォーム１２０に送信する。ステップＳ４０７において、クラウド型医療分析プラットフォーム１２０は、第１の特徴値を分析モジュール３６のＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂのうちの１つに入力して、分析結果を取得する。最後に、ステップＳ４０９において、クラウド型医療分析プラットフォーム１２０は、分析結果を電子デバイス１００に送信する。

言及すべきこととして、本発明の１つの実施形態において、分析モジュール３６のＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂは、それぞれ自己学習モデル（例えば、ディープラーニングモデルであるが、これに限定されない）を使用して実装することができ、ディープラーニングモデルは、複数のトレーニング画像を介してトレーニングすることができる。１つの実施形態において、ディープラーニングモデルは、多重解像度畳み込みニューラルネットワークを採用する。一般的に、ディープラーニングモデルは、複数の畳み込み層、複数のプーリング層、および複数の全結合層等の複数の層を含む。複数の層の操作の間、処理時間を有効に減らすためには、多くの場合、より優れた計算能力を有するデバイスによる実行が必要である。そのため、クラウド型医療分析プラットフォーム１２０の計算能力が電子デバイス１００の計算能力よりも優れている時は、ディープラーニングモデルを使用するクラウド型医療分析プラットフォーム１２０により、ＣＡＤｅモジュール３６ａまたはＣＡＤｘモジュール３６ｂの機能を実行することができる。さらに、電子デバイス１００は、分析のために特徴値のみをクラウド型医療分析プラットフォーム１２０に送信するため、クラウド型医療分析プラットフォーム１２０に完全な医療画像を送信する必要がない。その結果、データの送信量を有効に減らすことができ、システムのパフォーマンスを上げることができる。

詳しく説明すると、１つの実施形態において、まず、分析モジュール３６のディープラーニングモデル中の層の一部分を電子デバイス１００で実行してもよい。例えば、ステップＳ４０３において、電子デバイス１００の特徴値取得モジュール２４ｂは、医療画像をディープラーニングモデル中の層の一部分に入力して、第１の特徴値を取得することができる。クラウド型医療分析プラットフォーム１２０が第１の特徴値を取得した後、ステップＳ４０７において、第１の特徴値をディープラーニングモデル中の層の別の部分に入力して、分析結果を取得することができる。この方法により、ディープラーニングモデルの動作効率を上げることができ、クラウド型医療画像分析のためのシステム１０００をより柔軟にすることができる。

言及すべきこととして、本発明では、分析モジュール３６のＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂの実装方法を限定しないため、別の実施形態において、ＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂは、実際の応用要求に応じて、それぞれ機械学習アルゴリズム（例えば、論理回帰またはサポートベクターマシンを使用して実装し、複数のトレーニング画像でトレーニングしてもよい。

以下、クラウド型医療画像分析のためのシステム１０００の操作方法をより明確に説明するため、複数の実施形態を提供する。

［第１の実施形態］

図１〜図３の全てを参照すると、本発明の第１の実施形態において、電子デバイス１００は、画像入力モジュール２４ａを介して医療画像を取得することができる。次に、電子デバイス１００は、第１の特徴値の生成方法により、医療画像に基づいて特徴値を取得することができる。特徴値を取得した後、電子デバイス１００は、有線または無線の方法を介して、特徴値をクラウド型医療分析プラットフォーム１２０に送信することができる。クラウド型医療分析プラットフォーム１２０は、受信した特徴値を分析モジュール３６のＣＡＤｅモジュール３６ａに入力して、分析結果を生成する。詳しく説明すると、ＣＡＤｅモジュール３６ａは、特徴値に基づいて医療画像中の腫瘍の位置を決定し、対応する分析結果を生成するために使用される。つまり、ＣＡＤｅモジュール３６ａによって生成された分析結果は、医療画像中の腫瘍の位置を表示するために使用される。

次に、クラウド型医療分析プラットフォーム１２０は、分析結果を電子デバイス１００に送信することができる。電子デバイス１００は、そのヒューマンマシンディスプレイインタフェース（例えば、タッチ表示画面（図示せず））を介して表示してよく、ユーザー（例えば、医者）は、医療画像中の腫瘍の位置を知ることができる。

しかしながら、言及すべきこととして、電子デバイス１００は、分析結果に基づいて、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを送信してもよい。クラウド型医療分析プラットフォーム１２０は、フィードバックメッセージおよび医療画像の第１の特徴値を使用して、ＣＡＤｅモジュール３６ａを自己学習させる。例えば、分析結果において、腫瘍位置を誤判断する、あるいは腫瘍位置を見逃す可能性があり、電子デバイス１００のユーザー（例えば、医者）は、フィードバックメッセージに誤判断した腫瘍位置を追加して、見逃した腫瘍位置を丸で囲むことができ、クラウド型医学分析プラットフォーム１２０は、フィードバックメッセージに基づいて、ＣＡＤｅモジュール３６ａを自己学習させることができる。

つまり、第１の実施形態において、電子デバイス１００は、特徴値を取得することができる。クラウド型医療分析プラットフォーム１２０は、電子デバイス１００によって送信された特徴値に基づいて、ＣＡＤｅモジュール３６ａを操作し、分析結果を生成する。電子デバイス１００のユーザーは、分析結果に基づいて、医療画像中の腫瘍の位置を知ることができ、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを提供して、ＣＡＤｅモジュール３６ａを自己学習させることができる。

［第２実施形態］

図１〜図３の全てを参照すると、本発明の第２の実施形態において、電子デバイス１００は、画像入力モジュール２４ａを介して医療画像を取得することができる。詳しく説明すると、第２の実施形態の医療画像は、腫瘍領域の医療画像である。例えば、電子デバイス１００は、第１の実施形態で返送された分析結果により腫瘍の位置を学習することができ、腫瘍の位置に基づいて第１実施形態の医療画像を切断し、腫瘍領域の医療画像を第２の実施形態の医療用画像として取り込むことができる。

第２の実施形態の医療画像を取得した後、電子デバイス１００は、第１の特徴値の生成方法により、医療画像に基づいて特徴値を取得し、特徴値をクラウド型医療分析プラットフォーム１２０に送信することができる。クラウド型医療分析プラットフォーム１２０は、受信した特徴値を分析モジュール３６のＣＡＤｘモジュール３６ｂに入力して、分析結果を生成する。詳しく説明すると、ＣＡＤｘモジュール３６ｂは、特徴値に基づいて、医療画像中の腫瘍が良性であるか悪性であるかを判断し、対応する分析結果を生成するために使用される。つまり、ＣＡＤｘモジュール３６ｂによって生成された分析結果は、第２の実施形態の医療画像中の腫瘍が良性であるか悪性であるかを表示するために使用される。

次に、クラウド型医療分析プラットフォーム１２０は、分析結果を電子デバイス１００に送信することができる。電子デバイス１００は、そのヒューマンマシンディスプレイインタフェース（例えば、タッチ表示画面（図示せず））を介して分析結果を表示してよく、ユーザー（例えば、医者）は、医療画像中の腫瘍が良性であるか悪性であるかを知ることができる。

しかしながら、言及すべきこととして、電子デバイス１００は、分析結果に基づいて、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを送信してもよい。クラウド型医療分析プラットフォーム１２０は、フィードバックメッセージおよび医療画像の第１の特徴値を使用して、ＣＡＤｘモジュール３６ｂを自己学習させる。例えば、分析結果において、悪性の腫瘍を良性として誤判断する、あるいは良性の腫瘍を悪性として誤判断する可能性がある。電子デバイス１００のユーザー（例えば、医者）は、フィードバックメッセージに正しい判断結果を追加することができ、クラウド型医療分析プラットフォーム１２０は、フィードバックメッセージに基づいて、ＣＡＤｘモジュール３６ｂを自己学習させることができる。

つまり、第２の実施形態において、電子デバイス１００は、特徴値を取得することができる。クラウド型医療分析プラットフォーム１２０は、電子デバイス１００によって送信された特徴値に基づいて、ＣＡＤｘモジュール３６ｂを操作し、分析結果を生成する。電子デバイス１００のユーザー（例えば、医者）は、分析結果に基づいて、医療画像中の腫瘍が良性であるか、悪性であるかを知ることができ、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを提供して、ＣＡＤｘモジュール３６ｂを自己学習させることができる。

［第３実施形態］

図１〜図３の全てを参照すると、本発明の第３実施形態において、電子デバイス１００は、画像入力モジュール２４ａを介して医療画像を取得することができ、医療画像は、例えば、第１の実施形態の医療画像である。医療画像を取得した後、電子デバイス１００は、第１の特徴値の生成方法により、医療画像に基づいて特徴値を取得することができる。特徴値を取得した後、電子デバイス１００は、特徴値をクラウド型医療分析プラットフォーム１２０に送信することができる。クラウド型医療分析プラットフォーム１２０は、受信した特徴値を分析モジュール３６のＣＡＤｅモジュール３６ａに入力して、医療画像中の腫瘍の位置を決定する。

例えば、ＣＡＤｅモジュール３６ａが領域別アルゴリズムを使用して操作を行う場合、ＣＡＤｅモジュール３６ａは、電子デバイス１００から取得した特徴値を使用して、特徴値に対応する医療画像中の腫瘍の位置を決定することができる。ＣＡＤｅモジュール３６ａが画素別アルゴリズムを使用して演算を行う場合、ＣＡＤｅモジュール３６ａは、電子デバイス１００から取得した特徴値を使用して、特徴値に対応する医療画像中の各画素が腫瘍であるかを決定し、腫瘍と思われる画素によって形成された領域の位置を腫瘍の位置として判断する。

医療画像中の腫瘍の位置が決定された場合、医療画像において腫瘍が存在する。この時、ＣＡＤｅモジュール３６ａは、受信した特徴値に基づいて、第２の特徴値を生成する。詳しく説明すると、第２の特徴値は、例えば、電子デバイス１００からＣＡＤｅモジュール３６ａが受信した特徴値、または別のプロセスから生成された特徴値と同じであるが、本発明はこれに限定されない。

次に、ＣＡＤｅモジュール３６ａは、第２の特徴値をＣＡＤｘモジュール３６ｂに送信する。ＣＡＤｘモジュール３６ｂは、第２の特徴値に基づいて分析結果を生成する。詳しく説明すると、ＣＡＤｘモジュール３６ｂは、第２特徴値に基づいて医療画像中の腫瘍が良性であるか、悪性であるかを決定し、対応する分析結果を生成するために使用される。つまり、ＣＡＤｘモジュール３６ｂによって生成された分析結果は、医療画像中の腫瘍が良性であるか、悪性であるかを表示するために使用される。

次に、クラウド型医療分析プラットフォーム１２０は、電子デバイス１００に分析結果を送信することができる。電子デバイス１００は、そのヒューマンマシンディスプレイインタフェース（例えば、タッチ表示画面（図示せず））を介して分析結果を表示してもよく、ユーザー（例えば、医者）は、医療画像中の腫瘍が良性であるか、悪性であるかを知ることができる。

同様に、電子デバイス１００は、分析結果に基づいて、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを送信してもよく、クラウド型医療分析プラットフォーム１２０は、フィードバックメッセージおよび医療画像の第２の特徴値に基づいて、ＣＡＤｘモジュール３６ｂを自己学習させる。

つまり、第３の実施形態において、電子デバイス１００は、特徴値を取得することができる。クラウド型医療分析プラットフォーム１２０は、電子デバイス１００によって送信された特徴値に基づいて、ＣＡＤｅモジュール３６ａおよびＣＡＤｘモジュール３６ｂをそれぞれ操作し、分析結果を生成する。電子デバイス１００のユーザー（例えば、医者）は、分析結果に基づいて、医療画像中の腫瘍が良性であるか、悪性であるかを知ることができ、クラウド型医療分析プラットフォーム１２０にフィードバックメッセージを提供して、ＣＡＤｘモジュール３６ｂを自己学習させることができる。

以上のように、本発明のクラウド型医療画像分析のためのシステムおよび方法は、電子デバイスを介して、医療画像に基づいて特徴値を生成することができる。クラウド型医療分析プラットフォームは、特徴値に基づいてＣＡＤｅモジュールおよび／またはＣＡＤｘモジュールの機能を実行し、腫瘍の位置および／または腫瘍の診断結果を電子デバイスに返送する。クラウド型医療分析プラットフォームは、電子デバイスからのフィードバックに基づく自己学習メカニズムをも有し、クラウド型医療分析プラットフォームを最適化することもできる。この方法により、電子デバイスは、ＣＡＤｅモジュールおよび／またはＣＡＤｘモジュールを実際に操作する必要がないため、電子デバイスの計算負荷を有効に減らすことができる。また、電子デバイスは、クラウド型医療分析プラットフォームに特徴値のみを送信して分析することができるため、電子デバイスは、クラウド型医療分析プラットフォームに完全な医療画像を送信する必要がない。その結果、データの送信量を有効に減らすことができ、システムの応答時間を減らすことができる。

以上のごとく、本発明を実施形態により開示したが、本発明を限定するためのものではなく、当業者であれば容易に理解できるように、本発明の技術思想の範囲内において、適当な変更ならびに修正が当然なされうるものであるから、その特許権保護の範囲は、特許請求の範囲および、それと均等な領域を基準として定めなければならない。

本発明のクラウド型医療画像分析のためのシステムおよび方法は、医療分野に応用することができる。

１０００ クラウド型医療画像分析のためのシステム
１００ 電子デバイス
１２０ クラウド型医療分析プラットフォーム
２００ 画像取得装置
２０、３０ 処理ユニット
２２、３２ 通信ユニット
２４、３４ 保存ユニット
２４ａ 画像入力モジュール
２４ｂ 特徴値取得モジュール
３６ 分析モジュール
３６ａ ＣＡＤｅモジュール
３６ｂ ＣＡＤｘモジュール
Ｓ４０１〜４０９ ステップ

Claims (14)

1. 分析モジュールを有するクラウド型医療分析プラットフォームと、
   電子デバイスと、
   を含み、
   前記電子デバイスが、医療画像を取得し、前記医療画像を定量化して第１の特徴値を取得し、前記第１の特徴値を前記クラウド型医療分析プラットフォームに送信し、
   前記クラウド型医療分析プラットフォームが、前記第１の特徴値を前記分析モジュールに入力して分析結果を取得し、前記分析結果を前記電子デバイスに送信し、
   前記分析モジュールが、自己学習モデルを使用し、且つ複数のトレーニング画像を介してトレーニングされ、
   前記分析モジュールが、コンピュータ支援検出モジュールおよびコンピュータ支援診断モジュールを含み、
   前記コンピュータ支援検出モジュールが、前記第１の特徴値に基づいて第２の特徴値を取得し、
   前記コンピュータ支援診断モジュールが、前記第２の特徴値に基づいて前記分析結果を生成し、
   前記分析結果が、前記医療画像中の診断の提案を示すために使用されるクラウド型医療用画像分析のためのシステム。
2. 前記分析モジュールは、ディープラーニングモデルを含み、
   前記電子デバイスにより前記医療画像を定量化して前記第１の特徴値を取得する操作において、前記電子デバイスは、前記医療画像を前記ディープラーニングモデル中の層の一部分に入力して、前記第１の特徴値を取得し、
   前記クラウド型医療分析プラットフォームにより前記第１の特徴値を前記分析モジュールに入力して前記分析結果を取得する操作において、前記クラウド型医療分析プラットフォームは、前記第１の特徴値を前記ディープラーニングモデル中の前記層の別の部分に入力して、前記分析結果を取得する、請求項１に記載のシステム。
3. 前記分析モジュールが、ディープラーニングモデルを含み、前記ディープラーニングモデルが、多重解像度畳み込みニューラルネットワークを採用する、請求項１に記載のシステム。
4. 前記分析モジュールが、コンピュータ支援検出モジュールを含み、
   前記分析結果が、前記医療画像中の腫瘍の位置を示すために使用され、前記腫瘍の前記位置が、前記コンピュータ援助検出モジュールによって決定される、請求項１に記載のシステム。
5. 前記分析モジュールが、コンピュータ支援診断モジュールを含み、
   前記分析結果が、前記医療画像中の腫瘍が良性であるか、悪性であるかを示すために使用され、前記腫瘍が良性であるか、悪性であるかが前記コンピュータ支援診断モジュールによって決定される、請求項１に記載のシステム。
6. 前記分析結果が、前記医療画像中の腫瘍が良性であるか、悪性であるかを示すために使用される、請求項１に記載のシステム。
7. 前記電子デバイスが、前記分析結果に基づいて、前記クラウド型医療分析プラットフォームにフィードバックメッセージを送信し、
   前記クラウド型医療分析プラットフォームが、前記フィードバックメッセージおよび前記医療画像の前記第１の特徴値を使用して、前記分析モジュールを自己学習させる、請求項１に記載のシステム。
8. クラウド型医療分析プラットフォームおよび電子デバイスを有するクラウド型医療画像分析のためのシステムに使用され、前記クラウド型医療分析プラットフォームは、分析モジュールを有し、
   前記電子デバイスを介して医療画像を取得することと、
   前記電子デバイスを介して前記医療画像を定量化し、第１の特徴値を取得することと、
   前記電子デバイスを介して前記第１の特徴値を前記クラウド型医療分析プラットフォームに送信することと、
   前記クラウド型医療分析プラットフォームを介して前記第１の特徴値を前記分析モジュールに入力し、分析結果を取得することと、
   前記クラウド型医療分析プラットフォームを介して前記分析結果を前記電子デバイスに送信することと、
   を含み、
   前記分析モジュールが、自己学習モデルを使用し、且つ複数のトレーニング画像を介してトレーニングされ、
   前記分析モジュールが、コンピュータ支援検出モジュールおよびコンピュータ支援診断モジュールを含み、
   前記コンピュータ支援検出モジュールが、前記第１の特徴値に基づいて第２の特徴値を取得し、
   前記コンピュータ支援診断モジュールが、前記第２の特徴値に基づいて前記分析結果を生成し、
   前記分析結果が、前記医療画像中の診断の提案を示すために使用されるクラウド型医療画像分析のための方法。
9. 前記分析モジュールが、ディープラーニングモデルを含み、
   前記医療画像を定量化して前記第１の特徴値を取得することが、前記電子デバイスを介して前記医療画像を前記ディープラーニングモデル中の層の一部分に入力し、前記第１の特徴値を取得することを含み、
   前記第１の特徴値を前記分析モジュールに入力して前記分析結果を取得することが、前記クラウド型医療分析プラットフォームを介して前記第１の特徴値を前記ディープラーニングモデル中の前記層の別の部分に入力し、前記分析結果を取得することを含む、請求項８に記載の方法。
10. 前記分析モジュールが、ディープラーニングモデルを含み、前記ディープラーニングモデルが、多重解像度畳み込みニューラルネットワークを採用する、請求項８に記載の方法。
11. 前記分析モジュールが、コンピュータ支援検出モジュールを含み、
    前記分析結果が、前記医療画像中の腫瘍の位置を示すために使用され、前記腫瘍の前記位置が、前記コンピュータ支援検出モジュールによって決定される、請求項８に記載の方法。
12. 前記分析モジュールが、コンピュータ支援診断モジュールを含み、
    前記分析結果が、前記医療画像中の腫瘍が良性であるか、悪性であるかを示すために使用され、前記腫瘍が良性であるか、悪性であるかが、前記コンピュータ支援診断モジュールによって決定される、請求項８に記載の方法。
13. 前記分析結果が、前記医療画像中の腫瘍が良性であるか、悪性であるかを示すために使用される、請求項８に記載の方法。
14. 前記分析結果に基づいて、前記電子デバイスを介して前記クラウド型医療分析プラットフォームにフィードバックメッセージを送信することと、
    前記クラウド型医療分析プラットフォームを介して、前記フィードバックメッセージおよび前記医療画像の前記第１の特徴値を使用して、前記分析モジュールを自己学習させることと、
    をさらに含む、請求項８に記載の方法。
    

Images