[发明专利]医疗图像处理系统及学习方法

说明书

本发明提供一种在从医疗图像检测关注区域时，无需确定医疗图像的图像特征量而能够确定除关注区域以外的关注区域对象外的医疗图像处理系统及学习方法。有效区域检测部(40)使用有效诊断区域检测用模型(40a)从第1医疗图像(60)检测去除了除观察对象中关注区域以外的关注区域对象外而得的有效诊断区域。有效诊断区域检测用模型(40a)通过使用了包含第1医疗图像(60)及与有效诊断区域相关的有效诊断区域信息(62)的第1学习数据(44a)的学习而获得。关注区域检测部(42)从有效诊断区域检测关注区域。

技术领域

本发明涉及一种使用医疗图像的分析结果的医疗图像处理系统及学习方法。

背景技术

在当前的医疗领域中，如具备光源装置、内窥镜及处理器装置的内窥镜系统等，使用医疗图像的医疗图像处理系统逐渐普及。并且，近年，进行从医疗图像提取存在病变部的可能性的关注区域，并通过对所提取的关注区域进行图像分析，获取与病情相关的诊断信息。

在使用于关注区域的检测的医疗图像中，除了病变等关注区域以外，有时还映入暗部、模糊、残渣、镜面反射等除关注区域以外的关注区域对象外。这种关注区域对象外的存在成为检测关注区域的阻碍，是降低关注区域的检测精度的主要原因之一。相对于此，在专利文献1中，将关注区域对象外与颜色特征、频率成分一同去除之后，根据颜色特征、轮廓、形状、纹理等检测关注区域。并且，在专利文献2中，在将关注区域设为粘膜区域的情况下，使用颜色、边缘的特征量来判别粘膜区域及残渣等非粘膜区域中的任一个。并且，在专利文献3中，从医疗图像去除油光等不适当区域之后，进行相当于关注区域的图像内的异常区域的检测。在专利文献3中，将像素值超过阈值T的区域作为不适当区域来去除。

以往技术文献

专利文献

专利文献1：国际公开第2017/002184号

专利文献2：日本特开2012-143340号公报

专利文献3：国际公开第2018/008593号

发明内容

发明要解决的技术课题

如上所述，在从医疗图像去除关注区域对象外的情况下，如上述专利文献1～3，当使用颜色特征量、像素值等特定图像特征量时，不得不对由观察状态、照明状态等引起的关注区域对象外的变化单独进行处理，从而难以可靠地去除关注区域对象外。因此，如专利文献1～3，不是确定并使用医疗图像的图像特征量，而是确定关注区域对象外且从去除了关注区域对象外的区域检测关注区域，因此要求提高关注区域的检测精度。

本发明的目的在于提供一种在从医疗图像检测关注区域时，无需确定医疗图像的图像特征量而能够确定除关注区域以外的关注区域对象外的医疗图像处理系统及学习方法。

用于解决技术课题的手段

本发明的医疗图像处理系统具备：医疗图像获取部，获取拍摄观察对象而获得的第1医疗图像；有效诊断区域检测部，从第1医疗图像检测去除了除观察对象中关注区域以外的关注区域对象外而得的有效诊断区域；及关注区域检测部，从有效诊断区域检测关注区域，有效诊断区域检测部使用有效诊断区域检测用模型从第1医疗图像检测有效诊断区域，该有效诊断区域检测用模型通过使用了包含第1医疗图像及与有效诊断区域相关的有效诊断区域信息的第1学习数据的学习而获得。

关注区域检测部优选使用关注区域检测用模型从有效诊断区域检测关注区域，该关注区域检测用模型通过使用了包含有效诊断区域及关注区域的第2学习数据的学习而获得。第1医疗图像优选通过拍摄白色光照明的观察对象而获得。优选医疗图像获取部获取与第1医疗图像不同的第2医疗图像，关注区域检测部从第2医疗图像的有效诊断区域检测关注区域。第2医疗图像优选通过拍摄蓝色的窄频带光照明的观察对象而获得。关注区域对象外包含水渍、血渍、暗部、镜面反射、失真、图像模糊、气泡、盖、残渣及残液。