[发明专利]图像处理装置、学习装置、图像处理方法、识别基准的生成方法、学习方法和记录有程序的计算机可读取的记录介质

说明书

本发明提供能够捕捉医疗图像特有的特征的图像处理装置、学习装置、图像处理方法、识别基准的生成方法、学习方法和程序。学习装置1包括：预先学习部61，其基于相似图像组进行预先学习，所述相似图像组的特性与在作为学习对象的对象图像组中映现的被摄体的形状、在所述对象图像组中映现的被摄体的组织结构和拍摄得到所述对象图像组的设备的摄像系统这3个特性中的至少1个特性相似；和正式学习部62，其基于预先学习部61的预先学习结果和对象图像组，进行正式学习。

技术领域

本发明涉及生成识别器的图像处理装置、学习装置、图像处理方法、识别基准的生成方法、学习方法和程序，所述识别器用于根据活体内医疗图像识别活体是否正常。

背景技术

近年来，在使用大容量的数据进行识别器的学习的学习装置中，为了避免在少量数据集的学习中出现过度拟合(Overfitting)，已知一种这样的学习方法，即，在使用Imagenet等大量的普通物体图像数据集进行识别器的预先学习之后，使用少量数据集进行正式学习(参考非专利文献1)。

现有技术文献

非专利文献

非专利文献1：Pulkit Agrawal,et.al“Analyzing the Performance ofMultilayer Neural Networks for Object Recognition”,arXiv:1407.1610V2,arXiv.org,(22,Sep,2014)

发明内容

发明要解决的技术问题

在医疗领域中，也是可以考虑在进行上述预先学习之后进行正式学习。但是，在如上述现有技术那样使用普通物体图像数据集进行的预先学习中，因为普通物体图像数据和医疗图像数据各自的特征不同，所以存在不能捕捉医疗图像数据特有的特征，预先学习不充分这样的问题。

本发明就是鉴于上述的问题而完成的，目的在于提供一种能够捕捉医疗图像数据特有的特征的图像处理装置、学习装置、图像处理方法、识别基准的生成方法、学习方法和程序。

用于解决技术问题的技术手段

为了解决上述的技术问题，达到本发明的目的，本发明的图像处理装置的特征在于：包括识别部，该识别部输出基于正式学习结果对作为识别对象的图像组进行识别而得到的识别结果，其中，所述正式学习结果是基于预先学习的结果和作为学习对象的对象图像组进行正式学习而得到的，所述预先学习的结果是基于相似图像组进行预先学习而得到的，所述相似图像组的特性与在所述对象图像组中映现的被摄体的形状、在所述对象图像组中映现的被摄体的组织结构和拍摄得到所述对象图像组的设备的摄像系统这3个特性中的至少1个特性相似。

本发明的学习装置的特征在于，包括：预先学习部，其基于相似图像组进行预先学习，所述相似图像组的特性与在作为学习对象的对象图像组中映现的被摄体的形状、在所述对象图像组中映现的被摄体的组织结构和拍摄得到所述对象图像组的设备的摄像系统这3个特性中的至少1个特性相似；和正式学习部，其基于所述预先学习部的预先学习结果和所述对象图像组，进行正式学习。

本发明的图像处理方法是图像处理装置执行的图像处理方法，其特征在于：包括识别步骤，输出基于正式学习结果对作为识别对象的图像组进行识别而得到的识别结果，其中，所述正式学习结果是基于预先学习的结果和作为学习对象的对象图像组进行正式学习而得到的，所述预先学习的结果是基于相似图像组进行预先学习而得到的，所述相似图像组的特性与在所述对象图像组中映现的被摄体的形状、在所述对象图像组中映现的被摄体的组织结构和拍摄得到所述对象图像组的设备的摄像系统这3个特性中的至少1个特性相似。