[发明专利]异常检测方法、异常检测程序、异常检测装置、服务器装置以及信息处理方法

说明书

计算机取得胸部X线图像(S50)，在取得的胸部X线图像中，使用模型检测边界线(S100)，模型在检测前使用机器学习构建而成，基于边界线，在取得的胸部X线图像中设定包含与心脏重叠的第1肺区域和与肝脏重叠的第2肺区域中的至少一方的第3肺区域(S200)，提取表示第3肺区域所包含的区域内存在的至少一个肺血管的粗细和密度中的至少一方的血管指标(S500)，基于血管指标和基准指标，判定第3肺区域所包含的区域是否为异常状态，基准指标使用了预先使用提取血管指标的方法从正常状态的胸部X线图像的与第3肺区域所包含的区域相当的区域提取出的指标(S700)，在判定为第3肺区域所包含的区域是异常状态时，输出表示判定的信息。

技术领域

本公开涉及医用图像的处理技术，更详细而言是涉及胸部X线(X射线)图像中的异常状态的检测技术。

背景技术

近年来，开发了检测医用图像中的病变区域并推定所见、病名的装置和/或软件等。使用这种装置和/或软件的诊断被称为计算机辅助诊断(CAD)。可期待CAD能够减轻医生(医师)的读片(射线图判读)工作的负担。

在诊断胸部疾病的方法中，使用胸部X线图像的诊断方法是最普遍的。这是因为拍摄胸部X线图像的设备价格低，普及率高，胸部拍摄的成本也低。

胸部X线图像的CAD技术的例子包括：对表示病变的图像进行机器学习而检测病变区域的技术(参照非专利文献1)；使用对胸部进行连续拍摄所得到的多个帧图像来检测异常区域的技术(参照专利文献1)。

专利文献1公开如下技术：将多个帧图像的每一个中的肺区域分割为多个小区域，对在多个帧图像之间对应的每个小区域进行图像解析，按每个小区域判定换气的状态是否异常，按每个小区域判定血流的状态是否异常。

现有技术文献

非专利文献

非专利文献1：X.Wang,Y.Peng,L.Lu,Z.Lu,M.Bagheri,R.Summers,Chest X-Ray8:Hospital-Scale Chest X-ray Database and Benchmarks on Weakly-SupervisedClassification and Localization of Common Thorax Diseases,CVPR2017.

非专利文献2：O.Ronneberger,P.Fischer,and T.Brox,U-Net:ConvolutionalNetworks for Biomedical Image Segmentation,Medical Image Computing andComputer-Assisted Intervention(MICCAI),Springer,LNCS,Vol.9351:234-241,2015.

非专利文献3：J.Long,E.Shelhamer,T.Darrell,Fully Convolutional Networksfor Semantic Segmentation,In CVPR,2015.

非专利文献4：Jinwon An,Sungzoon Cho,Variational Autoencoder basedAnomaly Detection using Reconstruction P robability,December 27,2015SNU DataMining Center 2015-2Special Lecture on IE.

非专利文献5：“医用画像における円形·線状パターン検出のためのフィルタバンク構築(用于医用图像中的圆形/线状图案检测的滤波器组构建)”电子情报通信学会论文志D-II Vol.J87-D-II No.1pp175-185.

专利文献

专利文献1:国际公开第2009/090894号

发明内容