[发明专利]利用消化器官的内窥镜影像的疾病的诊断支持方法、诊断支持系统、诊断支持程序及存储了该诊断支持程序的计算机可读记录介质

权利要求书

1.一种使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持系统，其特征在于：

使用消化器官的第1内窥镜影像、以及与所述第1内窥镜影像相对应的确诊结果来训练卷积神经网络系统，该确诊结果为与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的信息中至少一者的确诊结果；

所述经过训练的卷积神经网络系统基于所述消化器官的第2内窥镜影像，输出与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的概率中的至少一者；

所述消化器官的部位为小肠，所述内窥镜影像为无线胶囊内窥镜影像，所述经过训练的卷积神经网络程序输出自所述内窥镜影像输入部输入的无线胶囊内窥镜影像的隆起性病变的概率得分。

2.根据权利要求1所述的使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持系统，其特征在于，所述经过训练的卷积神经网络程序将检测出的所述隆起性病变的区域显示在所述第2内窥镜影像内，并且将所述概率得分显示在所述第2内窥镜影像内。

3.根据权利要求1所述的使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持系统，其特征在于，基于所述小肠的所述疾病的阳性或阴性的确诊结果而将所述隆起性病变的区域显示在所述第2内窥镜影像内，

所述经过训练的卷积神经网络程序通过所述第2内窥镜影像内所显示的所述疾病的阳性区域与由所述经过训练的卷积神经网络程序而显示在所述第2内窥镜影像内的所述疾病的阳性区域的重叠，判定所述经过训练的卷积神经网络程序的诊断结果的对错。

4.根据权利要求3所述的使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持系统，其特征在于，当所述重叠为如下情况时，则判定所述经过训练的卷积神经网络程序的诊断正确：

(1)所述重叠是作为所述小肠的所述疾病的阳性或阴性的确诊结果而显示在所述第2内窥镜影像内的所述疾病的阳性区域的80％以上，或

(2)通过所述经过训练的卷积神经网络程序而显示在所述第2内窥镜影像内的所述疾病的阳性区域存在多个时，任一个区域与作为所述疾病的阳性或阴性的确诊结果而显示在所述第2内窥镜影像内的所述疾病的阳性区域重叠。

5.根据权利要求1所述的使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持系统，其特征在于，所述小肠的所述疾病的阳性或阴性的诊断结果是判定所述隆起性病变为息肉、结节、上皮肿瘤、黏膜下肿瘤及静脉结构中的任一者。

6.一种使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持方法，其特征在于：

使用消化器官的第1内窥镜影像、以及与所述第1内窥镜影像相对应的确诊结果来训练卷积神经网络系统，该确诊结果为与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的信息中至少一者的确诊结果；

所述经过训练的卷积神经网络系统基于所述消化器官的第2内窥镜影像，输出与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的概率中的至少一者；

所述消化器官为小肠，所述内窥镜影像为无线胶囊内窥镜影像，所述疾病为出血的有无。

7.一种使用卷积神经网络系统的利用消化器官的内窥镜影像的疾病的诊断支持方法，其特征在于：

使用消化器官的第1内窥镜影像、以及与所述第1内窥镜影像相对应的确诊结果来训练卷积神经网络系统，该确诊结果为与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的信息中至少一者的确诊结果；

所述经过训练的卷积神经网络系统基于所述消化器官的第2内窥镜影像，输出与所述消化器官的所述疾病的阳性或阴性、重症度等级或所述疾病的侵袭深度相对应的概率中的至少一者；

所述消化器官为食道，所述内窥镜影像为非放大内窥镜影像或放大内窥镜影像，所述疾病为扁平上皮癌的侵袭深度。