JP7809357B2 - 医用画像の記憶方法、装置、記憶媒体及びプログラム - Google Patents

Description

本発明の開示は、端末の技術分野に関し、特に医用画像の記憶方法、装置、記憶媒体及びプログラムに関する。

社会の高齢化傾向の加速、重大な疾患の発症率の上昇に伴い、医療検査の品質及びカバーする領域については、臨床上、より高度な要求がなされている。医用画像機器は、非侵襲で、感度が高く、適用性が広いなどの特徴により、優先的な臨床診断手段の１つとなっている。

現在、医用画像機器での診断過程において、大量の医用画像が得られる。これらの医用画像をもとに、畳み込みニューラル ネットワーク（CNN）アルゴリズムを介して、病巣部位が認識された画像を得る。医療従事者が前に生成された医用画像を使用しやすくするために、臨床医の要求に合致する医用画像を手動で保存する必要があるが、これは間違いなく医療従事者の作業量を大幅に増加させている。また、臨床医の要求に合致する医用画像を手動で記憶する過程において、画像の認識と画像の記憶媒体保存に時間差があるため、記憶された医用画像と認識された医用画像とは既に大きな差異がある可能性がある。

関連技術に存在する課題を解決するため、本開示は、医用画像の記憶方法、装置、記憶媒体及びプログラムを提供する。

本発明の実施例の第１態様に係る医用画像の記憶方法は、
前記医用画像機器により診断対象部位の医用画像データセットを取得するステップと、前記医用画像データセットの各医用画像に対して病巣を認識するステップと、前記医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶するステップとを含む。

本発明の記憶方法の第２態様は、前記第一態様において、病巣医用画像を取得して記憶するステップは、画像取得命令を受信するステップと、前記画像取得命令に基づいて、前記医用画像データセットから病巣医用画像を取得して記憶するステップとを含む。

本発明の記憶方法の第３態様は、前記第１又は第２態様において、前記医用画像データセットにおいて病巣の認識を確定した後、前記方法は、さらに、病巣医用画像を表示し、かつ表示された前記病巣医用画像に、前記病巣の位置及び種類を表す病巣検出情報を表示するステップを含む。

本発明の記憶方法の第４態様は、前記第１～第３態様の一において、前記医用画像データセットの各医用画像に対して病巣を認識するステップは、病巣認識アルゴリズムを呼び出して、前記医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識するステップを含み、前記病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものであり、前記病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である。

本発明の記憶方法の第５態様は、前記第１～第４態様の一において、前記医用画像における病巣属性を認識した後、前記方法は、さらに、前記医用画像における病巣属性情報に基づいて、前記病巣の病種診断結果を確定して保存するステップを含む。

本発明の実施例の第６態様に係る医用画像の記憶装置は、
前記医用画像機器により診断対象部位の医用画像データセットを取得する取得ユニットと、前記医用画像データセットの各医用画像に対して病巣を認識する認識ユニットと、前記医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶する取得記憶ユニットとを含む。

本発明の記憶装置の第７態様は、前記第６態様において、前記取得記憶ユニットは、画像取得命令を受信し、前記画像取得命令に基づいて、前記医用画像データセットから病巣医用画像を取得して記憶するという方式で、病巣医用画像を取得して記憶する。

本発明の記憶装置の第８態様は、前記第６又は第７態様において、前記医用画像データセットにおいて病巣の認識を確定した後、前記認識ユニットは、さらに、病巣医用画像を表示し、かつ表示された前記病巣医用画像に、前記病巣の位置及び種類を表す病巣検出情報を表示するように適用される。

本発明の記憶装置の第９態様は、前記第６～第８態様の一において、前記認識ユニットは、病巣認識アルゴリズムを呼び出して、前記医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識するという方式で、前記医用画像データセットの各医用画像に対して病巣を認識し、前記病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものであり、前記病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である。

本発明の記憶装置の第１０態様は、前記第６～第９態様の一において、前記医用画像における病巣属性を認識した後、前記取得記憶ユニットは、さらに、前記医用画像における病巣属性情報に基づいて、前記病巣の病種診断結果を確定して保存するように適用される。

本発明の実施例の第１１態様によって提供される医用画像の記憶装置は、
プロセッサと、
プロセッサにより実行可能な命令を記憶するためのメモリとを含み、
前記プロセッサは、第１～第５態様のいずれか１つの方法を実行するように構成される。

本発明の実施例の第１２態様によって提供されるコンピュータ読み取り可能な記憶媒体は、端末のプロセッサにより実行されるとき、端末に第１～第５態様のいずれか１つの方法を実行させる命令が記憶されている。
本発明の実施例の第１３態様によって提供されるプログラムは、コンピュータに、前記第１～第５態様のいずれか１つの方法を実行させる。

本発明に係る技術的解決手段は、以下の有益な効果を含み得る。医用画像機器により診断対象部位の医用画像データセットを取得し、医用画像データセットの各医用画像に対して病巣を認識する。医用画像データセットにおいて病巣の認識を確定すると、病巣医用画像を取得して記憶する。本開示によって、従来の操作において、人的要因により手動で取得して記憶された医用画像が診断に最適な医用画像ではないという弊害を回避している。また、医療従事者の過度な負担により発生する人為的な診断漏れを補い、医療従事者の重複する煩雑な医用画像の診断及び分析作業負担を軽減している。医用画像の診断及び収集の過程を自動化し、専門家でなくても収集できるようにする。

以上の一般的な記述及び後述する詳細については、例示的かつ説明的なものに過ぎず、本発明を限定するものではないことが理解されるべきである。

ここで、図面は明細書に組み込まれて本明細書の一部を構成するものであり、本発明に合致する実施例を示すとともに、明細書と共に本発明の原理を解釈するためのものである。

本願の実施例に係る医用画像の記憶方法の応用場面の概略図である。 例示的な実施例に係る医用画像の記憶方法のフローチャートである。 Ｓ１２の具体的な実施例のフローチャートである。 Ｓ１３の具体的な実施例のフローチャートである。 例示的な実施例に係る医用画像の記憶装置のブロック図である。 例示的な実施例に係る医用画像を記憶するための装置のブロック図である。

以下、例示的な実施例について詳細に説明し、その例を図面に示す。以下において図面に言及する場合、他の方法で説明しない限り、異なる図面における同一の数字は、同一又は類似する要素を示す。以下の例示的な実施例において説明される実施形態は、本開示と一致する全ての実施形態を表すものではない。

図面において、全体を通して同一又は類似する符号は、同一又は類似する部品、或いは同一又は類似する機能を有する部品を示す。説明される実施例は、本発明の一部の実施例であり、全ての実施例ではない。以下、図面を参照しながら説明される実施例は、例示的なものであり、本発明の開示を解釈するためのものであり、本発明を限定するものとして理解してはならない。本開示の実施例に基づいて、当業者が創造的な労力を要さずに得られる他の全ての実施例は、いずれも本発明の保護範囲に属するものである。以下、図面を参照しながら本開示の実施例を詳細に説明する。

本発明の開示の実施例に係る医用画像の記憶方法は、画像を自動的に記憶する場面に適用することができる。

本発明において、医用画像は、超音波画像、核磁気共鳴画像、コンピュータ断層撮影画像などを含んでもよい。開示される以下の実施例において、超音波画像を医用画像として詳細に説明することを理解されたい。

図１は、本願の実施例に係る医用画像の記憶方法の応用場面の概略図である。超音波診断用プローブ１０１と表示端末１０２とは、通信可能に接続される。超音波診断用プローブ１０１は、撮影機能を有し、主に人体又は動物体などの生体における診断対象部位の超音波画像を収集することを担当する。検査部位によって、超音波プローブは、表在超音波、心臓超音波、腹部超音波などに分けられる。超音波診断用プローブ１０１が収集した超音波画像データは、表示端末１０２に送信される。表示端末１０２は、超音波診断用プローブ１０１が収集した超音波画像データを取得し、本願に係る医用画像の記憶方法を行う。具体的には、上記医用画像機器が診断対象部位を走査することに応答して、上記診断対象部位の医用画像データセットを生成するステップと、上記医用画像データセットの各医用画像に対して病巣を認識するステップと、上記医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶するステップと、を含む。

超音波診断用プローブ１０１及び表示端末１０２は、受信ハードウェア及び送信ハードウェアの両方を含む装置、すなわち、双方向通信リンクにおいて双方向通信を実行できる受信ハードウェア及び送信ハードウェアを有する装置であってもよい。このような端末は、単一回路ディスプレイもしくは複数回路ディスプレイを有するセルラーもしくは他の通信装置、又は複数回路ディスプレイがないセルラーもしくは他の通信装置を含んでもよい。

本開示の実施例において、表示端末１０２は、携帯電話、タブレットなどの携帯端末、コンピュータ、キオスク端末などの固定端末、及び各種の仮想端末などを含むが、これらに限定されない。表示端末１０２は、表示装置及びホストを含んでもよく、表示機能を有する。

なお、該医用画像を記憶する場面においては、１つもしくは複数のサーバ、又は／及びサーバにネットワーク接続された１つもしくは複数の端末が含まれてもよく、ここでは具体的に限定しない。サーバは、コンピュータ、ネットワークホスト、単一のネットワークサーバ、複数のネットワークサーバデータセット、又は複数のサーバで構成されるクラウドサーバを含むが、これらに限定されない。

なお、図１に示す医用画像の記憶方法の応用場面の概略図は一例に過ぎず、本願の実施例に記載の応用場面は、本発明の実施例の技術的解決手段をより明確に説明するためのものであり、本発明の実施例に係る技術的解決手段を限定するものではない。当業者であれば分かるとおり、医用画像を記憶する場面の発展と変化及び新しい業務場面の出現に伴い、本発明の実施例に係る技術的解決手段は類似する技術的課題に対して同様に適用される。

図２は、例示的な実施例に係る医用画像の記憶方法のフローチャートであり、図２に示すように、医用画像の記憶方法は、医用画像機器に適用され、以下のステップを含む。

ステップＳ１１では、医用画像機器により診断対象部位の医用画像データセットを取得する。

医用画像機器は、超音波診断用プローブであってもよい。

本開示の実施例において、超音波診断用プローブが診断対象部位を走査するとき、診断対象部位の超音波画像データセットを生成する。いわゆる超音波画像データセットとは、超音波診断用プローブが収集した画像データを指す。該画像データは、リアルタイムで収集された画像データであってもよく、超音波診断用プローブで事前に収集して記憶された画像データであってもよい。医療検査において、超音波診断用プローブが検査する器官部位によって、超音波プローブは、表在超音波、心臓超音波、腹部超音波などに分けられる。

ステップＳ１２では、医用画像データセットの各医用画像に対して病巣を認識する。

本開示においては、超音波画像データセットにおいて病巣の認識を確定した後、病巣医用画像を表示し、かつ表示された病巣医用画像に、病巣の位置及び種類を表す病巣検出情報を表示する。

本開示の実施例においては、医用画像の記憶方法の応用場面において、超音波画像データセットの各超音波画像に対していかなる前処理も行う必要もなく、訓練済みの病巣認識アルゴリズムにより直接的に病巣を認識検出し、病巣認識アルゴリズムが検出結果を出力する。検出結果は、２種類あり得る。１つは、病巣が認識されず、病巣検出情報が表示されない。もう１つは、病巣部位及び病巣属性情報が認識され、病巣の位置データも認識することができる。病巣の位置データは、例えば、枠領域の対角２点の座標、又は枠領域の４点の座標などの領域座標情報である。

病巣を認識するとともに、病巣の位置データ、すなわち病巣の位置領域情報をさらに認識することができる。本開示の実施例において、病巣認識アルゴリズムは、１つのアルゴリズムにより病巣認識及び病巣位置認識を実現できる単独のアルゴリズムであってもよい。病巣認識アルゴリズムは、複合アルゴリズム、すなわち、２つ以上の認識アルゴリズムから複合して形成され、そのうちの一部のアルゴリズムが病巣を認識し、一部のアルゴリズムが病巣位置を認識するものであってもよい。この場合、病巣及び病巣位置を同時に認識してもよく、先に病巣を認識し、病巣が認識された後に病巣位置を認識してもよい。本願における病巣検出アルゴリズムは、Ｙｏｌｏターゲット検出アルゴリズム、ＳＳＤターゲット検出アルゴリズム、Ｆａｓｔｅｒ－ＲＣＮＮターゲット検出アルゴリズムなどのような、本技術分野で知られている画像及び位置を認識するアルゴリズムであってもよい。Ｙｏｌｏターゲット検出アルゴリズムは、ＹｏｌｏＶ１、ＹｏｌｏＶ２、ＹｏｌｏＶ３などの複数のバージョンを含む。ここで、Ｆａｓｔｅｒ－ＲＣＮＮは、Faster Recurrent Convolution Neural Networkを意味し、Ｙｏｌｏは、You Look Only Onceを意味する。

具体的な実施例において、図３は、Ｓ１２の具体的な実施例のフローチャートであり、以下のステップＳ１２１～Ｓ１２３を含む。

ステップＳ１２１では、初期ターゲット認識アルゴリズム及び病巣訓練データセットを取得する。

本開示の実施例において、初期ターゲット検出アルゴリズムは、ＹｏｌｏＶ３ターゲット検出アルゴリズムアルゴリズムであってもよい。病巣訓練データセットは、甲状腺病巣訓練データセット、顎下腺病巣訓練データセット、耳下腺病巣訓練データセットなどの頸部関連の病巣訓練データセットであってもよく、膵臓病巣訓練データセット、尿道膀胱病巣訓練データセットなどの他の検査部位に対応する病巣訓練データセットであってもよい。

１つの病巣訓練データセットは、１つの検査部位のみに対応する病巣訓練データセットであってもよく、複数の異なる検査部位に対応する病巣訓練データセットであってもよい。例えば、１つの病巣訓練データセットは、頸部のみを対象とする病巣訓練データセットであり、複数の頸部画像を含む。複数の頸部画像の中には、頸部の病巣を含む複数の画像もあり、病巣を含まない複数の画像もあり、１枚の頸部画像における病巣の個数は１つ又は複数であってもよい。また、複数の頸部画像は、異なる光源タイプに対応してもよく、異なる種類の頸部の病巣を複数含んでいてもよい。

さらに、１つの病巣訓練データセットが複数の検査部位に対応できる場合、言い換えれば異なる超音波検査シーンに対処する場合、１つの病巣訓練データセットを複数のサブ病巣訓練データセットに分けることができ、例えば腹腔訓練データセットは、肝臓サブ病巣訓練データセット、腎臓サブ病巣訓練データセット、膵臓サブ病巣訓練データセットに分けられる。

本開示の実施例において、病巣訓練データセットを取得した後、病巣訓練データセットに対して画像クリーニング及び画像データラベリングを行う。ここで、超音波画像データラベリングは、経験のある臨床医が超音波画像に対して画像データラベリングすることである。本開示の実施例においては、画像クリーニングをどのように行うかを具体的に限定しないことを理解されたい。超音波画像データセットに対して画像クリーニングを行うことにより、超音波画像データセットの中から重複する超音波画像及び誤った超音波画像を削除し、超音波画像の整合性を保証する。

一例において、クリーニング対象となる超音波画像データセットを取得し、かつ予め設定された粒度の粗い二項分類器に入力して、要件を満たす第１カテゴリの画像データセットを選別する。第１カテゴリの画像データセットを予め設定された粒度の細かい二項分類器に入力して、各クリーニング対象となる画像のカテゴリ予測信頼度を取得する。設定された信頼度閾値及び信頼度閾値に対応する第１画像の数の閾値に基づいて、手動でクリーニングする必要がある画像を選別する。全ての手動クリーニング対象となる画像のカテゴリ予測信頼度と手動クリーニングのフィードバック結果に基づいて、粒度の細かい二項分類器のアルゴリズム正確度を取得する。粒度の細かい二項分類器のアルゴリズム正確度とアルゴリズム最適化回数閾値を最適化条件とし、要件を満たす粒度の細かい二項分類器が得られるまで、全ての手動クリーニング対象となる画像のカテゴリ予測信頼度、手動クリーニングのフィードバック結果及びサンプル画像に基づいて粒度の細かい二項分類器のアルゴリズム最適化を行い、全ての画像のクリーニングを完了する。

ステップＳ１２２では、病巣訓練データセットを用いて初期ターゲット認識アルゴリズムを訓練して、病巣認識アルゴリズムを得る。

病巣訓練データセットの画像を初期ターゲット認識アルゴリズムに入力し、かつアルゴリズムの出力結果を病巣訓練データセットの画像の対応するタグと比較した後、逆伝播し、アルゴリズムの重み及びバイアスパラメータを絶えず調整して、アルゴリズムを絶えず最適化させることにより、初期ターゲット認識アルゴリズムを訓練し、病巣を認識できる病巣認識アルゴリズムを得ることを実現する。

本開示の実施例においては、異なる病巣訓練データセットを用いることにより、異なる病巣認識アルゴリズムを訓練して得ることができる。１つの診断対象部位の１つの病巣訓練データセットを用いて、１つの診断対象部位に対応する病巣認識アルゴリズムを訓練して得ることができる。例えば、頸部の病巣訓練データセットを用いて初期ターゲット認識アルゴリズムを訓練することにより得られるものは、頸部の病巣検出アルゴリズムであり、病巣検出アルゴリズムの精度及び指向性を向上させる。当然ながら、さらに細分化し、頸部の異なる病変に起因する異なる種類の病巣に対して、それぞれ異なる病巣訓練データセットを複数設定してもよく、例えば、頸部ポリープに対応する病巣訓練データセットを用いて、訓練して頸部ポリープのみを対象とする病巣認識アルゴリズムを得て、病巣認識アルゴリズムの特異性と正確性を向上させる。

一方、複数の診断対象部位を対象とする１つの病巣訓練データセットにより、複数の診断対象部位に適用可能な病巣認識アルゴリズムを訓練して得て、病巣認識アルゴリズムの汎用性を向上させてもよい。複数の異なる病巣訓練データセットを用いて初期ターゲット認識アルゴリズムを訓練することでも、複数の診断対象部位に適用可能な病巣認識アルゴリズムを得ることができる。なお、病巣アルゴリズムの正確性は、病巣訓練データセットのサンプルの数と正の相関があり、サンプルの数が多ければ、それに応じて訓練して得られた病巣アルゴリズムの正確性も向上する。

ステップＳ１２３では、訓練済みの病巣認識アルゴリズムを呼び出して、医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識する。

病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものである。病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である。

本開示の実施例においては、超音波診断用プローブにより走査して得られた超音波画像を訓練済みの病巣認識アルゴリズムに入力して、検出結果を得る。

ステップＳ１３では、医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶する。

具体的な実施例において、図４は、Ｓ１３の具体的な実施例のフローチャートであり、以下のステップＳ１３１～Ｓ１３２を含む。

ステップＳ１３１では、画像取得命令を受信する。

画像取得命令とは、超音波画像に病巣が存在することを検出したことを指す。

ステップＳ１３２では、画像取得命令に基づいて、医用画像データセットから病巣医用画像を取得して記憶する。

本開示の実施例において、超音波診断用プローブは、超音波画像に病巣が存在することを検出した場合、表示端末に命令を送信し、超音波画像のうちの、病巣が存在する超音波画像を取得して記憶する必要がある旨を表示端末に通知する。

本開示において、医用画像における病巣属性情報に基づいて、病巣の病種診断結果を確定して保存する。

本開示において、医用画像機器が診断対象部位を走査すると確定したとき、診断対象部位の医用画像データセットを生成する。医用画像データセットの各医用画像に対して病巣を認識する。医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶する。本開示によって、従来の操作において、人的要因により手動で取得して記憶した医用画像が診断に最適な医用画像ではないという弊害を回避している。また、医療従事者の過度な負担により発生する人為的な診断漏れを補い、医療従事者の重複する煩雑な医用画像の診断分析作業を軽減している。医用画像の診断及び収集の過程を自動化し、専門家でなくても収集できるようにする。

同じ構想に基づいて、本開示の実施例は、さらに、医用画像の記憶装置を提供する。

本開示の実施例に係る医用画像の記憶装置は、上記機能を実現するために、各機能を実行する対応するハードウェア構造及び／又はソフトウェアモジュールを含むことが理解されるであろう。本開示の実施例に開示される各例のユニット及びアルゴリズムステップを組み合わせて、本開示の実施例は、ハードウェア又はハードウェアとコンピュータソフトウェアとの組み合わせ形態で実現することができる。ある機能がハードウェアの形態で実行されるか、又はコンピュータソフトウェアでハードウェアを駆動するという形態で実行されるかは、技術的解決手段の特定の適用及び設計上の制約条件により決定される。当業者であれば、各特定の適用に対して異なる方法で説明された機能を実現することができるが、このような実現は、本開示の実施例の技術的解決手段の範囲を超えると考えられるべきではない。

図５は、例示的な実施例に係る医用画像の記憶装置のブロック図である。図５に示すように、該装置２００は、取得ユニット２０１、認識ユニット２０２及び取得記憶ユニット２０３を含む。

取得ユニット２０１は、上記医用画像機器により診断対象部位の医用画像データセットを取得し、認識ユニット２０２は、医用画像データセットの各医用画像に対して病巣を認識し、取得記憶ユニット２０３は、医用画像データセットにおいて病巣の認識を確定すると、病巣が認識された医用画像である病巣医用画像を取得して記憶する。

一実施形態において、取得記憶ユニット２０３は、画像取得命令を受信し、画像取得命令に基づいて、医用画像データセットから病巣医用画像を取得して記憶するという方式で、病巣医用画像を取得して記憶する。

一実施形態において、医用画像データセットにおいて病巣の認識を確定した後、認識ユニット２０２は、さらに、病巣医用画像を表示し、かつ表示された病巣医用画像に、病巣の位置及び種類を表す病巣検出情報を表示するように適用される。

一実施形態において、認識ユニット２０２は、病巣認識アルゴリズムを呼び出して、医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識するという方式で、医用画像データセットの各医用画像に対して病巣を認識し、病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものである。病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である。

一実施形態においては、医用画像における病巣属性を認識した後、取得記憶ユニット２０３は、さらに、医用画像における病巣属性情報に基づいて、病巣の病種診断結果を確定して保存するように適用される。

上記実施例における装置について、各モジュールが操作を実行する具体的な方式は、該方法に関連する実施例において詳細に説明されており、ここで詳細に説明しない。

図６は、例示的な実施例に係る医用画像を記憶するための装置のブロック図である。例えば、装置３００は、携帯電話、コンピュータ、デジタル放送端末、メッセージ送受信機器、ゲーム機、タブレット機器、医療機器、フィットネス機器、パーソナルデジタルアシスタントなどであってもよい。

図６に示すように、装置３００は、処理アセンブリ３０２、メモリ３０４、電源アセンブリ３０６、マルチメディアアセンブリ３０８、音声アセンブリ３１０、入力／出力（Ｉ／Ｏ）インタフェース３１２、センサアセンブリ３１４及び通信アセンブリ３１６のうちの１つ又は複数のアセンブリを含んでもよい。

処理アセンブリ３０２は、一般的に、装置３００の全体的な操作、例えば、表示、通話、データ通信、カメラ操作及び記録操作に関連する操作を制御する。処理アセンブリ３０２は、命令を実行して、上記方法の全部又は一部のステップを完了するように、１つ又は複数のプロセッサ３２０を含んでもよい。また、処理アセンブリ３０２は、処理アセンブリ３０２と他のアセンブリとの間の対話を容易にするように、１つ又は複数のモジュールを含んでもよい。例えば、処理アセンブリ３０２は、マルチメディアアセンブリ３０８と処理アセンブリ３０２との間の対話を容易にするように、マルチメディアモジュールを含んでもよい。

メモリ３０４は、装置３００での操作をサポートするように、様々なデータを記憶するように構成される。これらのデータの例は、装置３００で操作される任意のアプリケーション又は方法に用いられる命令、連絡先データ、電話帳データ、メッセージ、画像、画像などを含む。メモリ３０４は、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、電気的消去可能なプログラマブル・リード・オンリー・メモリ（ＥＥＰＲＯＭ）、消去可能なプログラマブル・リード・オンリー・メモリ（ＥＰＲＯＭ）、プログラマブル・リード・オンリー・メモリ（ＰＲＯＭ）、リード・オンリー・メモリ（ＲＯＭ）、磁気メモリ、フラッシュメモリ、磁気ディスク又は光ディスクなどの任意のタイプの揮発性もしくは不揮発性記憶装置又はそれらの組み合わせで実現できる。

電源アセンブリ３０６は、装置３００の様々なアセンブリに電力を供給する。電源アセンブリ３０６は、電源管理システム、１つ又は複数の電源、及び装置３００のための電力を生成し、管理して割り当てることに関連する他のアセンブリを含んでもよい。

マルチメディアアセンブリ３０８は、上記装置３００とユーザとの間にある出力インタフェースを提供するスクリーンを含む。いくつかの実施例において、スクリーンは、液晶ディスプレイ（ＬＣＤ）及びタッチパネル（ＴＰ）を含んでもよい。スクリーンがタッチパネルを含む場合、スクリーンは、ユーザからの入力信号を受信するように、タッチスクリーンとして実現されてもよい。タッチパネルは、タッチ、スライド及びタッチパネルでのジェスチャを感知するように、１つ又は複数のタッチセンサを含む。上記タッチセンサは、タッチ又はスライド動作の境界を感知することができるだけでなく、タッチ又はスライド操作に関連する持続時間及び圧力を検出することもできる。いくつかの実施例において、マルチメディアアセンブリ３０８は、前面カメラ及び／又は背面カメラを含む。装置３００が操作モード、例えば撮影モード又は画像モードにある場合、前面カメラ及び／又は背面カメラは、外部のマルチメディアデータを受信することができる。各前面カメラ及び背面カメラは、固定された光学レンズシステムであってもよく、焦点距離及び光学ズーム能力を有するものであってもよい。

音声アセンブリ３１０は、音声信号を出力及び／又は入力するように構成される。例えば、音声アセンブリ３１０は、マイクロフォン（ＭＩＣ）を含み、装置３００が操作モード、例えば通話モード、記録モード及び音声認識モードにある場合、マイクロフォンは、外部音声信号を受信するように構成される。受信された音声信号は、さらにメモリ３０４に記憶されてもよく、通信アセンブリ３１６により送信されてもよい。いくつかの実施例において、音声アセンブリ３１０は、さらに、音声信号を出力するためのスピーカを含む。

Ｉ／Ｏインタフェース３１２は、処理アセンブリ３０２と周辺インタフェースモジュールとの間にインタフェースを提供し、上記周辺インタフェースモジュールは、キーボード、クリックホイール、ボタンなどであってもよい。これらのボタンは、ホームボタン、音量ボタン、スタートボタン及びロックボタンを含むが、これらに限定されない。

センサアセンブリ３１４は、装置３００に様々な面の状態評価を提供する１つ又は複数のセンサを含む。例えば、センサアセンブリ３１４は、装置３００のオン／オフ状態、アセンブリの相対位置を検出することができ、例えば、上記アセンブリが装置３００のディスプレイ及びキーパッドであることを検出することができ、また、装置３００又は装置３００の１つのアセンブリの位置変化、ユーザと装置３００との接触の有無、装置３００の方位又は加速／減速及び装置３００の温度変化を検出することもできる。センサアセンブリ３１４は、いかなる物理的な接触もない場合に近傍の物体の存在を検出するように構成された近接センサを含んでもよい。センサアセンブリ３１４は、さらに、撮像アプリケーションにおいて用いられるＣＭＯＳ又はＣＣＤ画像センサなどの光センサを含んでもよい。いくつかの実施形態において、該センサアセンブリ３１４は、さらに、加速度センサ、ジャイロスコープセンサ、磁気センサ、圧力センサ又は温度センサを含んでもよい。

通信アセンブリ３１６は、装置３００と他の機器との間の有線又は無線による通信を容易にするように構成される。装置３００は、通信規格に基づく無線ネットワーク、例えば、ＷｉＦｉ、４Ｇもしくは５Ｇ、又はそれらの組み合わせにアクセスすることができる。例示的な実施例において、通信アセンブリ３１６は、ブロードキャストチャネルを介して外部のブロードキャスト管理システムからのブロードキャスト信号又はブロードキャスト関連情報を受信する。例示的な実施例において、上記通信アセンブリ３１６は、さらに、近距離通信を促進するように、近距離無線通信（ＮＦＣ）モジュールを含む。例えば、ＮＦＣモジュールは、無線周波数認識（ＲＦＩＤ）技術、赤外線データ協会（ＩｒＤＡ）技術、超広帯域（ＵＷＢ）技術、ブルートゥース（ＢＴ：登録商標）技術及び他の技術に基づいて実現されてもよい。

例示的な実施例において、装置３００は、上記方法を実行するために、１つ又は複数の特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、デジタル信号処理装置（ＤＳＰＤ）、プログラマブル・ロジック・デバイス（ＰＬＤ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ又は他の電子素子により実現されてもよい。

例示的な実施例において、命令を含む非一時的なコンピュータ読み取り可能な記憶媒体、例えば命令を含むメモリ３０４がさらに提供され、上記命令は、装置３００のプロセッサ３２０により実行されることで上記方法を完了することができる。例えば、上記非一時的なコンピュータ読み取り可能な記憶媒体は、ＲＯＭ、ランダム・アクセス・メモリ（ＲＡＭ）、ＣＤ－ＲＯＭ、磁気テープ、ハードディスク、フレキシブルディスク及び光データ記憶装置などであってもよい。

本開示において、「複数」とは、２つ以上を指し、他の数量詞は、それに類似することが理解されるであろう。「及び／又は」は、関連する対象の関連関係を説明し、３種類の関係が存在してもよいことを表し、例えば、Ａ及び／又はＢは、Ａが単独で存在し、ＡとＢが同時に存在し、Ｂが単独で存在するという３つの状況を表すことができる。符号「／」は、一般的に前後の関連対象が「又は」の関係であることを示す。単数形の「１種」、「前記」及び「該」は、文脈が他の意味を明確に示していない限り、複数形を含むことも意図する。

さらに、用語「第１」、「第２」などは、様々な情報を説明するためのものであるが、これらの情報は、これらの用語により限定されるものではないことを理解されたい。これらの用語は、同じタイプの情報を互いに区別するためにのみ用いられ、特定の順序又は重要度を示すものではない。実際には、「第１」、「第２」などの表現は、完全に交換して用いられてもよい。例えば、本発明の範囲を逸脱しない限り、第１情報は第２情報と呼ばれてもよく、同様に、第２情報は第１情報と呼ばれてもよい。

さらに、特別な説明がない限り、「接続」は、両者の間に他の部材が存在しない直接的な接続を含み、両者の間に他の素子が存在する間接的な接続も含むことが理解されるであろう。

さらに、本開示の実施例では、図面において特定の順序で操作を説明しているが、所望の結果を得るために、示された特定の順序又は直列順序に従ってこれらの操作を実行すること又は示された全ての操作を実行することを要求していると理解すべきではないことが理解されるであろう。特定の環境において、マルチタスク及び並列処理は、有利であり得る。

当業者であれば、明細書を検討し、本明細書に開示されている発明を実施した後、本開示の他の実施形態を容易に想到することができる。本願は、本開示の任意の変形、用途又は適応的変化を含むことを意図し、これらの変形、用途又は適応的変化は、本開示の一般的な原理に従い、かつ本開示に開示されていない本技術分野における技術常識又は慣用の技術手段を含む。明細書及び実施例は例示的なものに過ぎず、本発明の真の範囲及び精神は、以下の特許請求の範囲により示される。

本発明は、以上の説明及び図面に示した精確な構造に限定されるものではなく、その範囲から逸脱することなく様々な修正及び変更を行うことができることが理解されるべきである。本発明の範囲は、添付した特許請求の範囲のみによって限定される。

１０１ 超音波診断用プローブ
１０２ 表示端末
２００、３００ 装置
２０１ 取得ユニット
２０２ 認識ユニット
２０３ 取得記憶ユニット
３０２ 処理アセンブリ
３０４ メモリ
３０６ 電源アセンブリ
３０８ マルチメディアアセンブリ
３１０ 音声アセンブリ
３１２ インタフェース
３１４ センサアセンブリ
３１６ 通信アセンブリ
３２０ プロセッサ

Claims (13)

1. 医用画像機器に適用され、
   前記医用画像機器により診断対象部位の医用画像データセットを取得するステップと、
   前記医用画像データセットの各医用画像に対して病巣を認識する認識ステップと、
   前記認識ステップにおいて、医用画像データセット内に病巣が認識されると、前記病巣が認識された医用画像である病巣医用画像を取得して記憶するステップと、を含み、
   前記認識ステップは、病巣認識アルゴリズムを呼び出して、前記医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識し、
   前記病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位、並びに、手動で画像クリーニング及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものであり、
   前記画像クリーニングは、前記病巣認識アルゴリズムの最適化を行う工程であり、
   前記画像クリーニングの対象となる画像データセットを取得し、かつ予め設定された粒度の粗い二項分類器に入力し、所定の要件を満たす第１カテゴリの画像データセットを選別し、
   前記第１カテゴリの画像データセットを予め設定された粒度の細かい二項分類器に入力し、前記画像クリーニングの対象となる画像のカテゴリ予測信頼度を取得し、前記粒度の細かい二項分類器のアルゴリズム正確度とアルゴリズム最適化回数閾値を最適化条件とし、要件を満たす粒度の細かい二項分類器が得られるまで、全ての手動クリーニング対象となる画像のカテゴリ予測信頼度、手動クリーニングのフィードバック結果及びサンプル画像に基づいて前記細かい二項分類器を最適化することを特徴とする医用画像の記憶方法。
2. 前記病巣医用画像を取得して記憶するステップは、
   画像取得命令を受信するステップと、
   前記画像取得命令に基づいて、前記医用画像データセットから病巣医用画像を取得して記憶するステップと、を含むことを特徴とする請求項１に記載の方法。
3. 前記医用画像データセットにおいて病巣の認識を確定した後、さらに、
   病巣医用画像を表示し、かつ表示された前記病巣医用画像に、前記病巣の位置及び種類を表す病巣検出情報を表示するステップを含む、ことを特徴とする請求項１又は２に記載の方法。
4. 前記病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である、ことを特徴とする請求項１に記載の方法。
5. 前記医用画像における病巣属性を認識した後、さらに、
   前記医用画像における病巣属性情報に基づいて、前記病巣の病種診断結果を確定して保存するステップを含む、ことを特徴とする請求項１～２、４のいずれか１項に記載の方法。
6. 医用画像機器に適用され、
   前記医用画像機器により診断対象部位の医用画像データセットを取得する取得ユニットと、前記医用画像データセットの各医用画像に対して病巣を認識する認識ユニットと、
   前記認識ユニットにより、前記医用画像データセット内に病巣が認識されると、前記病巣が認識された医用画像である病巣医用画像を取得して記憶する取得記憶ユニットと、を含み、
   前記認識ユニットは、病巣認識アルゴリズムを呼び出して、前記医用画像データセットの各医用画像の病巣部位及び病巣属性情報を認識し、
   前記病巣認識アルゴリズムは、学習の医用画像データセット、病巣部位、並びに、手動で画像クリーニング及び手動で画像データラベリングされた病巣属性情報に基づいて予め訓練することにより得られたものであり、
   前記画像クリーニングは、前記病巣認識アルゴリズムの最適化を行う工程であり、
   前記画像クリーニングの対象となる画像データセットを取得し、かつ予め設定された粒度の粗い二項分類器に入力し、所定の要件を満たす第１カテゴリの画像データセットを選別し、
   前記第１カテゴリの画像データセットを予め設定された粒度の細かい二項分類器に入力し、前記画像クリーニングの対象となる画像のカテゴリ予測信頼度を取得し、前記粒度の細かい二項分類器のアルゴリズム正確度とアルゴリズム最適化回数閾値を最適化条件とし、要件を満たす粒度の細かい二項分類器が得られるまで、全ての手動クリーニング対象となる画像のカテゴリ予測信頼度、手動クリーニングのフィードバック結果及びサンプル画像に基づいて前記細かい二項分類器を最適化することを特徴とする医用画像の記憶装置。
7. 前記取得記憶ユニットは、
   画像取得命令を受信し、
   前記画像取得命令に基づいて、前記医用画像データセットから病巣医用画像を取得して記憶する、という方式で、病巣医用画像を取得して記憶する、ことを特徴とする請求項６に記載の装置。
8. 前記医用画像データセットにおいて病巣の認識を確定した後、前記認識ユニットは、さらに、
   病巣医用画像を表示し、かつ表示された前記病巣医用画像に、前記病巣の位置及び種類を表す病巣検出情報を表示するように適用される、ことを特徴とする請求項６又は７に記載の装置。
9. 前記病巣認識アルゴリズムは、入力が診断対象部位の医用画像であり、出力が病巣部位及び病巣属性情報である、ことを特徴とする請求項６に記載の装置。
10. 前記医用画像における病巣属性を認識した後、前記取得記憶ユニットは、さらに、
    前記医用画像における病巣属性情報に基づいて、前記病巣の病種診断結果を確定して保存するように適用される、ことを特徴とする請求項９に記載の装置。
11. プロセッサと、
    プロセッサにより実行可能な命令を記憶するためのメモリと、を含み、
    前記プロセッサは、請求項１～２、４のいずれか１項に記載の方法を実行するように構成される、ことを特徴とする医用画像の記憶装置。
12. コンピュータ読み取り可能な記憶媒体であって、プロセッサにより実行されるとき、プロセッサに請求項１～２、４のいずれか１項に記載の方法を実行させる命令が記憶されている、ことを特徴とする、コンピュータ読み取り可能な記憶媒体。
13. コンピュータに、請求項１～２、４のいずれか１項に記載のステップ、を実行させるプログラム。