CN118570146A 推定系统、推定方法、推定装置以及程序 （京瓷株式会社）

201980058486.52019.09.10根据输入信息来求得与骨头的骨密度关联的推2所述第1学习完成的参数是基于与所述输入信息对应的第1学习数据和与所述推定值所述第1学习数据包含拍摄到第2人的第2单所述第1训练数据包含所述第2人的骨量或者和3与所述疗法相关的信息包含与钙片、女性荷尔蒙药、维生素药、双膦酸盐药、SERM所述第2学习完成的参数是基于包含第3人的第3图像的第2学习数据和包含所述第3人所述推定系统还具备：显示部，对通过所述推定部而推定的将来的根据具有拍摄到第1人的第1图像的输入信息，基于第1学习完成所述第1学习完成的参数是基于与所述输入信息对应的第1学习数据和与所述推定值所述第1学习完成的参数是基于与所述输入信息对应的第1学习数据和与所述推定值4[0003]本申请主张日本专利申请2018_168502号(2018年9月10日申请)以及日本国申请2018_220401号(2018年11月26日申请)的优先权，为了参照而将该申请的公开整体援引于5[0016]图4是示出学习用图像数据以及基准骨密度被互相建立进行的样子的一个例子的6[0062]实施方式1.[0063]图1是示出本实施方式1涉及的计算机装置1的结构的一个例子的框图。计算机装[0066]根据各种实施方式，至少1个处理器也可以作为单一的集成电路(IC)或作为多个能够通信地连接的集成电路(IC)以及/或者分立电路(discretecircuits)而执行。至少1[0067]在1个实施方式中，处理器例如包括构成为通过执行存储在关联的存储器的指示[0069]存储部20包括ROM(ReadOnlyMemory，只读存储器)以及RAM(RandomAccess存储用于控制推定装置1的控制程序100。控制部10的各种功能通过控制部10的CPU执行存储部20内的控制程序100来实现。也可以说控制程序100是用于使计算机装置1作为推定装置而发挥功能的骨密度推定程序。在本例中，通过控制部10执行存储部20内的控制程序7280例如具备神经网络200。控制程序100也可以说是用于使计算机装置1作为神经网络200及推定用数据120是学习完成的神经网络200在推定骨密度的情况入层210的数据。学习完成的参数110是神经网络200内的已学习的参数。学习完成的参数[0076]输入部50能够接受针对推定装置1的来自用户的输入。输入部50例如具备键盘以8[0082]推定用数据120包括拍摄到骨密度的推定对象的骨头的单纯X射线图像的图像数包括以磷酸钙为主成分的人工骨头或者通过再生医疗等人工制造时将推定用数据120所包括的图像数据表示的单纯X射线图像称为“推定用单纯X射线图对于颈部照射X射线而获得的单纯X射线图像的图像数据，相对于胸部照射X射线而获得的于髋关节照射X射线而获得的单纯X射线图像的图像数据，相对于膝关节照射X射线而获得的单纯X射线图像的图像数据，相对于脚关节照射X射线而获得的单纯X射线图像的图像数得的单纯X射线图像的图像数据，相对于肩关节照射X射线而获得的单纯X射线图像的图像线而获得的单纯X射线图像的图像数据，相对于手部照射X射线而获得的单纯X射线图像的[0085]在学习用数据130所包括的多个学习用图像数据分别表示的多个学习用单纯X射9线而获得的单纯X射线图像的图像数据，相对于胸部照射X射线而获得的单纯X射线图像的射线而获得的单纯X射线图像的图像数据，相对于膝关节照射X射线而获得的单纯X射线图关节照射X射线而获得的单纯X射线图像的图像数据，相对于手关节照射X射线而获得的单于手指照射X射线而获得的单纯X射线图像的图像数据以及相对于颚关节照射X射线而获得[0086]在训练数据140中，对于学习用数据130所包括的多个学包括具有在该学习用图像数据表示的学习用单纯X射线图像中拍摄到的骨头的人的骨头密[0088]在训练数据140中，既可以包括由DEXA装置测定的腰椎的骨密度，也可以包括由[0090]在学习用数据130所包括的多个学习用图像数据表示的多个学习用单纯X射线图所包括的多个学习用图像数据的每一个，与具有在该学习用图像数据表示的学习用单纯X射线图像中拍摄到的骨头的人的基准骨密度建立对应。也可以说针对在神经网络200的学摄该学习用图像数据表示的学习用单纯X射线图像的时期几乎相同的时期，针对与具有在该学习用单纯X射线图像中拍摄到的骨头的人相同的相对于与该学习用图像数据对应的基准骨密度的测定中的对象部位的照射的朝向既可以于与该学习用单纯X射线图像对应的基准骨密度的测定中的对象部位的照射的朝向既可以[0093]此外，在学习用数据130所包括的多个学习用图像数据分别表示的多个学习用单纯X射线图像中，既可以包括拍摄到与推定用单纯X射线图像相同种类的部位的单纯X射线考虑在推定用单纯X射线图像是腰部侧面单纯X射线图像的情况下，在多个学习用单纯X射纯X射线图像的情况下，在多个学习用单纯X射线图像中包括腰部正面单纯X射线图像的情考虑在推定用单纯X射线图像是膝侧面单纯X射线图像的情况下，在多个学习用单纯X射线腰部侧面单纯X射线图像的情况下，在多个学习用单纯X射线图像中包括胸部正面单纯X射所包括的部位(骨头)测定的基准骨密度，也图像是腰部正面单纯X射线图像的情况下，在训练数据140中包括腰椎的基准骨密度的情的部位的朝向相同朝向向对象部位照射X射线而测定的基准骨密度，也可以包括通过从与在推定用单纯X射线图像中拍摄到的部位的朝向不同的朝向向对象部位照射X射线而测定摄装置获得的图像数据的多个像素数据的数量多于(1024×640)个且其像素数据的位数为[0098]对于学习用图像数据以及推定用图像数据，既可以由推定装置1的控制部10根据[0100]图5是用于说明神经网络200的学习的一个例子的图。在控制部10进行神经网络制部10调整神经网络200内的可变的参数110a，以使得针对从神经网络200的输出层230输将构成该学习用图像数据的多个像素数据分别输入到构成输入层210的多个人工神经元。对从输出层230输出的输出数据400的相对于与该学习用图像数据对应的基准骨密度的误体地，在参数110a中包括卷积层240中使用的过滤器系数和全连接层260中使用的加权系学习用数据130而输入到输入层210，并且包括使用基准骨密度作为训练数据140而学习的学习完成的参数110a所包括的过滤器系数的运算，全连接层260进行使用学习完成的参数况下，具有在该推定用图像数据表示的胸部正面单纯X射线图像中拍摄到的胸部的骨头的在该推定用图像数据表示的腰部侧面单纯X射线图像中拍摄到的腰部所包括的腰椎的人的数据表示的膝侧面单纯X射线图像中拍摄到的膝关节的骨头的人的骨头密度的推定值300[0105]从输出层230输出的推定值300可以利用每单位面积的骨矿物质密度(g/cm2)、每定用单纯X射线图像中，既可以包括在其中拍摄到的部位的朝向相同的多个单纯X射线图输出层230输出与各推定用数据120对应的骨密度推定使用如DEXA装置那样的昂贵的装置而简单[0108]此外，通过将为了诊察等而拍摄的单纯X射线图像的图像数据作为推定用图像数将可能变得难以拍摄到骨头的正面单纯X射线图像作为推定用单纯X射线图像或者学习用学习用单纯X射线图像对应的基准骨密度的测定中的对象部位的X射线的照射的朝向互相中拍摄到的部位的部位测定的基准骨密度的情况下，也能够根据推定用单纯X射线图像的装置1获得的骨密度推定值300也可以由其他装置理装置500能够通过通信网络700互相通信。在通信网络700中例如包括无线网络以及有线500发送骨密度推定值300。处理装置500进行使用了通过通信网络700从推定装置1接收的个推定装置1获得的骨密度推定值300。处理装置500的结构既可以与图1所示的推定装置1处理装置500也可以不经由通信网络700与推定装置1直接地通过无线或者图像数据表示的学习用单纯X射线图像中拍摄到的骨头的人的健康状态相关的信息。换言用图像数据表示的学习用单纯X射线图像的被摄体的健康状态相关的信息称为与该学习用肪率。[0123]在学习用数据130中包括学习用图像数据和与其对应的学习用健康关联信息的情况下，与学习用图像数据对应的基准骨密度(构成输入层210的多个人工神经元的一部分输入学习用图像数据，并向该多个人工神经元像数据以及该学习用健康关联信息对应的基准骨密图像数据表示的推定用单纯X射线图像中拍摄到的骨头的人的健康状态相关的信息。换言健康状态相关的信息称为与该推定用图像数据对应的推定用健康关联信息。健康关联信息也可以与学习用健康关联信息同样地包括被检者的体脂率或皮推定用单纯X射线图像组中，例如包括某个人的腰部正面单纯X射线图像以及膝侧面单纯X射线图像。推定用单纯X射线图像组所包括的正面图像以及侧面图像的图像尺寸也可以互[0135]在本例中，在使用推定用数据120来进行骨密度的推定的情况下，相对于输入层[0138]在上述的各例中，与在推定用图像数据表示的X射线图像中拍摄到的骨头的种类数据表示的X射线图像中拍摄到的骨头的种类相应的学习完成的参数110，来推定骨密度。[0141]实施方式2.[0142]图7是示出本实施方式涉及的推定装置1A的结构的一个例子的图。在推定装置1A[0143]第2神经网络900能够基于与输入到第1神经网络200的推定用数据120所包括的推知结果920只要与上述的例子同样地从第2神经网络900的输出层质疏松症的判定部930。判定部930能够对第1神经网络200的推定结果300和第2神经网络[0146]判定部900例如也可以基于特有基准或已经公知的准则等来判定骨质疏松症。具部900也可以在YAM是小于80％的值且感知结果920表示椎体以及大腿骨近位部以外的骨折经网络950针对该推定用图像数据的各像素数据，输出表示该像素数据指示腰椎的L1～L5[0150]第3神经网络950使用与在推定用图像数据表示的X射线图像中拍摄到的骨头的种类相应的学习完成的参数960。第3神经网络950具有分别与多种骨头相应的多个学习完成的骨头进行划分。例如，在输入的推定用图像数据表示的X射线图像中拍摄到腰椎的情况950使用多个学习完成的参数960中的例如通过输入部50从用户指示的学习完成的参数[0151]第3神经网络950也可以将在输入的推定用图像数据表示的X射线图像中拍摄到的骨头划分为埋入有植入体的第1部位、有肿瘤的第2部位以及有骨折的第3部位。在该情况下，第3神经网络950针对推定用图像数据的各像素数据，输出表示该像素数据指示第1部位、第2部位以及第3部位中哪个部位的部位信息。第3神经网络950在像素数据指示第1部[0152]在第3神经网络950的学习中，使用分别表示拍摄到相同种类的骨头的多个X射线经网络950将在输入的推定用图像数据表示的X射线图像中拍摄到的骨头划分为第1部位、网络950基于该推定用图像数据121输出的与该推定用图像数据121的各像素数据相应的部位信息965。第1神经网络200基于与在推定用图像数据121表示的X射线图像中拍摄到的骨中拍摄到的颈椎划分为L1～L5的情况下，第1神经网络200分开地输出L1的骨密度推定值[0154]在第1神经网络200的学习中，使用分别表示拍摄到相同种类的骨头的多个X射线[0155]第1神经网络200使用多个学习完成的参数110中的例如通过输入部50从用户指示表示的X射线图像中拍摄到的骨头的种类，指示第1神经网络200使用的学习完成的参数[0156]在第3神经网络950将在推定用图像数据表示的X射线图像中拍摄到的骨头划分为用图像数据121而输出的与该推定用图像数据121的各像素数据相应的部位信息965。调整部968基于部位信息965来确定推定用图像数据121所包括的第1部分图像数据、第2部分图[0158]调整部968例如将在一般的X射线图像中拍摄到的第1部位的亮度作为第1基准亮图像数据的亮度进行调整。此外，调整部968从第2部分图像数据的亮度中减去第2基准亮据中对第1部分图像数据、第2部分图像数据以及第3部分图像数据的亮度进行了调整的推定用图像数据作为亮度调整后的推定用图像数据而输入到第1神经网络200。第1神经网络位的第2部分图像数据以及表示第3部位的第3部分图像数据的亮度进行调整以使其变小，从而能够正确地推定在推定用图像数据表示的X射线图像中拍摄到的骨头的骨数据的亮度被强制性地设定为零的推定用图像数据作为亮度调整后的推定用图像数据而未例示的无数的例子可解释为在不脱离本公开的范围的情况下进行设想而[0164]实施方式3.有骨折预测部980。骨折预测部980例如能够基于实施方式1涉及的推定装置1的神经网络[0166]此外，运算式990也可以是表示与骨密度关联的推定结果和骨钉埋入后的骨折的未例示的无数的例子可解释为在不脱离本公开的范围的情况下进行设想而[0169]实施方式4.[0171]本公开的推定系统801例如能够根据X射线图像等拍摄到来推定被摄体的将来的骨量。本公开的推定系统801具有终端装置802和推定装置803。另透视拍摄装置、CT(ComputedTomography，计算机断层扫描)、MRI[0174]推定系统801例如可使用于去医院的患者的骨质疏松症等的诊断。本公开的推定[0177]推定装置803能够基于由终端装置802获取到的输入信息I，推定被摄体的将来的[0181]输入部831输入在推定装置803中使用的信息。向输入部831输入例如利用终端装外，学习数据或训练数据只要是输入到推定装置803的输入信息I和与从推定装置803输出的ConvLSTM网络等即可。第2神经网络8322例如只要是利用CNN构成的卷积神经网络等即[0186]第1神经网络8321具有编码部E和解码部D。编码部E能够提取输入信息I的时间变积长短期记忆)层D1。编码部E以及解码部D的每一个也可以具有3个以上的ConvLSTM层E1、[0191]第2神经网络8322具有变换部C。变换部C能够将由第1神经网络8321的解码部D计在近似器832的学习时被与从近似器832的变换部C输出的输出数据进行比较。训练数据是理器、微控制器、面向特定用途的集成电路(ASIC：ApplicationSpecificIntegrated[0196]存储部835例如包括RAM(RandomAccessMemory，随机存取存储器)或ROM(Read_[0197]控制部834的处理器能够按照存储部835的控制程序，执行1个以上的数据计算程序或处理。控制部834的各种功能通过控制部834的CPU执行存储部835内的控制程序来实在能够通过将X射线透视图像、CT(ComputedTomography，计算机断层扫描)图像、MRI[0204]学习数据或训练数据只要是与输入到推定装置803的输入信息I和从推定装置803[0206]在学习数据中包括拍摄到骨头的多个单纯X射线图像的学习用图像数据。在多个[0210]学习数据以及第1输入信息I1也可以使用对表示由单纯X射线拍摄装置(换言之，一般X射线拍摄装置或者伦琴拍摄装置)拍摄的单纯X射线图像的灰阶的图像数据进行压低到8位为止的输入信息来作为第1输入信息I1在学习用图像数据表示的学习用单纯X射线图像中拍摄到的骨头的骨量或骨密度的测定练数据的公知的机器学习而被最优化。近似器832根据输入到编码部