CN118570146A 推定系統、推定方法、推定裝置以及程序 （京瓷株式會社）

201980058486.52019.09.10根據輸入信息來求得與骨頭的骨密度關聯的推2所述第1學習完成的參數是基于與所述輸入信息對應的第1學習數據和與所述推定值所述第1學習數據包含拍攝到第2人的第2單所述第1訓練數據包含所述第2人的骨量或者和3與所述療法相關的信息包含與鈣片、女性荷爾蒙藥、維生素藥、雙膦酸鹽藥、SERM所述第2學習完成的參數是基于包含第3人的第3圖像的第2學習數據和包含所述第3人所述推定系統還具備：顯示部，對通過所述推定部而推定的將來的根據具有拍攝到第1人的第1圖像的輸入信息，基于第1學習完成所述第1學習完成的參數是基于與所述輸入信息對應的第1學習數據和與所述推定值所述第1學習完成的參數是基于與所述輸入信息對應的第1學習數據和與所述推定值4[0003]本申請主張日本專利申請2018_168502號(2018年9月10日申請)以及日本國申請2018_220401號(2018年11月26日申請)的優先權，為了參照而將該申請的公開整體援引于5[0016]圖4是示出學習用圖像數據以及基準骨密度被互相建立進行的樣子的一個例子的6[0062]實施方式1.[0063]圖1是示出本實施方式1涉及的計算機裝置1的結構的一個例子的框圖。計算機裝[0066]根據各種實施方式，至少1個處理器也可以作為單一的集成電路(IC)或作為多個能夠通信地連接的集成電路(IC)以及/或者分立電路(discretecircuits)而執行。至少1[0067]在1個實施方式中，處理器例如包括構成為通過執行存儲在關聯的存儲器的指示[0069]存儲部20包括ROM(ReadOnlyMemory，只讀存儲器)以及RAM(RandomAccess存儲用于控制推定裝置1的控制程序100。控制部10的各種功能通過控制部10的CPU執行存儲部20內的控制程序100來實現。也可以說控制程序100是用于使計算機裝置1作為推定裝置而發揮功能的骨密度推定程序。在本例中，通過控制部10執行存儲部20內的控制程序7280例如具備神經網絡200。控制程序100也可以說是用于使計算機裝置1作為神經網絡200及推定用數據120是學習完成的神經網絡200在推定骨密度的情況入層210的數據。學習完成的參數110是神經網絡200內的已學習的參數。學習完成的參數[0076]輸入部50能夠接受針對推定裝置1的來自用戶的輸入。輸入部50例如具備鍵盤以8[0082]推定用數據120包括拍攝到骨密度的推定對象的骨頭的單純X射線圖像的圖像數包括以磷酸鈣為主成分的人工骨頭或者通過再生醫療等人工制造時將推定用數據120所包括的圖像數據表示的單純X射線圖像稱為“推定用單純X射線圖對于頸部照射X射線而獲得的單純X射線圖像的圖像數據，相對于胸部照射X射線而獲得的于髖關節照射X射線而獲得的單純X射線圖像的圖像數據，相對于膝關節照射X射線而獲得的單純X射線圖像的圖像數據，相對于腳關節照射X射線而獲得的單純X射線圖像的圖像數得的單純X射線圖像的圖像數據，相對于肩關節照射X射線而獲得的單純X射線圖像的圖像線而獲得的單純X射線圖像的圖像數據，相對于手部照射X射線而獲得的單純X射線圖像的[0085]在學習用數據130所包括的多個學習用圖像數據分別表示的多個學習用單純X射9線而獲得的單純X射線圖像的圖像數據，相對于胸部照射X射線而獲得的單純X射線圖像的射線而獲得的單純X射線圖像的圖像數據，相對于膝關節照射X射線而獲得的單純X射線圖關節照射X射線而獲得的單純X射線圖像的圖像數據，相對于手關節照射X射線而獲得的單于手指照射X射線而獲得的單純X射線圖像的圖像數據以及相對于顎關節照射X射線而獲得[0086]在訓練數據140中，對于學習用數據130所包括的多個學包括具有在該學習用圖像數據表示的學習用單純X射線圖像中拍攝到的骨頭的人的骨頭密[0088]在訓練數據140中，既可以包括由DEXA裝置測定的腰椎的骨密度，也可以包括由[0090]在學習用數據130所包括的多個學習用圖像數據表示的多個學習用單純X射線圖所包括的多個學習用圖像數據的每一個，與具有在該學習用圖像數據表示的學習用單純X射線圖像中拍攝到的骨頭的人的基準骨密度建立對應。也可以說針對在神經網絡200的學攝該學習用圖像數據表示的學習用單純X射線圖像的時期幾乎相同的時期，針對與具有在該學習用單純X射線圖像中拍攝到的骨頭的人相同的相對于與該學習用圖像數據對應的基準骨密度的測定中的對象部位的照射的朝向既可以于與該學習用單純X射線圖像對應的基準骨密度的測定中的對象部位的照射的朝向既可以[0093]此外，在學習用數據130所包括的多個學習用圖像數據分別表示的多個學習用單純X射線圖像中，既可以包括拍攝到與推定用單純X射線圖像相同種類的部位的單純X射線考慮在推定用單純X射線圖像是腰部側面單純X射線圖像的情況下，在多個學習用單純X射純X射線圖像的情況下，在多個學習用單純X射線圖像中包括腰部正面單純X射線圖像的情考慮在推定用單純X射線圖像是膝側面單純X射線圖像的情況下，在多個學習用單純X射線腰部側面單純X射線圖像的情況下，在多個學習用單純X射線圖像中包括胸部正面單純X射所包括的部位(骨頭)測定的基準骨密度，也圖像是腰部正面單純X射線圖像的情況下，在訓練數據140中包括腰椎的基準骨密度的情的部位的朝向相同朝向向對象部位照射X射線而測定的基準骨密度，也可以包括通過從與在推定用單純X射線圖像中拍攝到的部位的朝向不同的朝向向對象部位照射X射線而測定攝裝置獲得的圖像數據的多個像素數據的數量多于(1024×640)個且其像素數據的位數為[0098]對于學習用圖像數據以及推定用圖像數據，既可以由推定裝置1的控制部10根據[0100]圖5是用于說明神經網絡200的學習的一個例子的圖。在控制部10進行神經網絡制部10調整神經網絡200內的可變的參數110a，以使得針對從神經網絡200的輸出層230輸將構成該學習用圖像數據的多個像素數據分別輸入到構成輸入層210的多個人工神經元。對從輸出層230輸出的輸出數據400的相對于與該學習用圖像數據對應的基準骨密度的誤體地，在參數110a中包括卷積層240中使用的過濾器系數和全連接層260中使用的加權系學習用數據130而輸入到輸入層210，并且包括使用基準骨密度作為訓練數據140而學習的學習完成的參數110a所包括的過濾器系數的運算，全連接層260進行使用學習完成的參數況下，具有在該推定用圖像數據表示的胸部正面單純X射線圖像中拍攝到的胸部的骨頭的在該推定用圖像數據表示的腰部側面單純X射線圖像中拍攝到的腰部所包括的腰椎的人的數據表示的膝側面單純X射線圖像中拍攝到的膝關節的骨頭的人的骨頭密度的推定值300[0105]從輸出層230輸出的推定值300可以利用每單位面積的骨礦物質密度(g/cm2)、每定用單純X射線圖像中，既可以包括在其中拍攝到的部位的朝向相同的多個單純X射線圖輸出層230輸出與各推定用數據120對應的骨密度推定使用如DEXA裝置那樣的昂貴的裝置而簡單[0108]此外，通過將為了診察等而拍攝的單純X射線圖像的圖像數據作為推定用圖像數將可能變得難以拍攝到骨頭的正面單純X射線圖像作為推定用單純X射線圖像或者學習用學習用單純X射線圖像對應的基準骨密度的測定中的對象部位的X射線的照射的朝向互相中拍攝到的部位的部位測定的基準骨密度的情況下，也能夠根據推定用單純X射線圖像的裝置1獲得的骨密度推定值300也可以由其他裝置理裝置500能夠通過通信網絡700互相通信。在通信網絡700中例如包括無線網絡以及有線500發送骨密度推定值300。處理裝置500進行使用了通過通信網絡700從推定裝置1接收的個推定裝置1獲得的骨密度推定值300。處理裝置500的結構既可以與圖1所示的推定裝置1處理裝置500也可以不經由通信網絡700與推定裝置1直接地通過無線或者圖像數據表示的學習用單純X射線圖像中拍攝到的骨頭的人的健康狀態相關的信息。換言用圖像數據表示的學習用單純X射線圖像的被攝體的健康狀態相關的信息稱為與該學習用肪率。[0123]在學習用數據130中包括學習用圖像數據和與其對應的學習用健康關聯信息的情況下，與學習用圖像數據對應的基準骨密度(構成輸入層210的多個人工神經元的一部分輸入學習用圖像數據，并向該多個人工神經元像數據以及該學習用健康關聯信息對應的基準骨密圖像數據表示的推定用單純X射線圖像中拍攝到的骨頭的人的健康狀態相關的信息。換言健康狀態相關的信息稱為與該推定用圖像數據對應的推定用健康關聯信息。健康關聯信息也可以與學習用健康關聯信息同樣地包括被檢者的體脂率或皮推定用單純X射線圖像組中，例如包括某個人的腰部正面單純X射線圖像以及膝側面單純X射線圖像。推定用單純X射線圖像組所包括的正面圖像以及側面圖像的圖像尺寸也可以互[0135]在本例中，在使用推定用數據120來進行骨密度的推定的情況下，相對于輸入層[0138]在上述的各例中，與在推定用圖像數據表示的X射線圖像中拍攝到的骨頭的種類數據表示的X射線圖像中拍攝到的骨頭的種類相應的學習完成的參數110，來推定骨密度。[0141]實施方式2.[0142]圖7是示出本實施方式涉及的推定裝置1A的結構的一個例子的圖。在推定裝置1A[0143]第2神經網絡900能夠基于與輸入到第1神經網絡200的推定用數據120所包括的推知結果920只要與上述的例子同樣地從第2神經網絡900的輸出層質疏松癥的判定部930。判定部930能夠對第1神經網絡200的推定結果300和第2神經網絡[0146]判定部900例如也可以基于特有基準或已經公知的準則等來判定骨質疏松癥。具部900也可以在YAM是小于80％的值且感知結果920表示椎體以及大腿骨近位部以外的骨折經網絡950針對該推定用圖像數據的各像素數據，輸出表示該像素數據指示腰椎的L1～L5[0150]第3神經網絡950使用與在推定用圖像數據表示的X射線圖像中拍攝到的骨頭的種類相應的學習完成的參數960。第3神經網絡950具有分別與多種骨頭相應的多個學習完成的骨頭進行劃分。例如，在輸入的推定用圖像數據表示的X射線圖像中拍攝到腰椎的情況950使用多個學習完成的參數960中的例如通過輸入部50從用戶指示的學習完成的參數[0151]第3神經網絡950也可以將在輸入的推定用圖像數據表示的X射線圖像中拍攝到的骨頭劃分為埋入有植入體的第1部位、有腫瘤的第2部位以及有骨折的第3部位。在該情況下，第3神經網絡950針對推定用圖像數據的各像素數據，輸出表示該像素數據指示第1部位、第2部位以及第3部位中哪個部位的部位信息。第3神經網絡950在像素數據指示第1部[0152]在第3神經網絡950的學習中，使用分別表示拍攝到相同種類的骨頭的多個X射線經網絡950將在輸入的推定用圖像數據表示的X射線圖像中拍攝到的骨頭劃分為第1部位、網絡950基于該推定用圖像數據121輸出的與該推定用圖像數據121的各像素數據相應的部位信息965。第1神經網絡200基于與在推定用圖像數據121表示的X射線圖像中拍攝到的骨中拍攝到的頸椎劃分為L1～L5的情況下，第1神經網絡200分開地輸出L1的骨密度推定值[0154]在第1神經網絡200的學習中，使用分別表示拍攝到相同種類的骨頭的多個X射線[0155]第1神經網絡200使用多個學習完成的參數110中的例如通過輸入部50從用戶指示表示的X射線圖像中拍攝到的骨頭的種類，指示第1神經網絡200使用的學習完成的參數[0156]在第3神經網絡950將在推定用圖像數據表示的X射線圖像中拍攝到的骨頭劃分為用圖像數據121而輸出的與該推定用圖像數據121的各像素數據相應的部位信息965。調整部968基于部位信息965來確定推定用圖像數據121所包括的第1部分圖像數據、第2部分圖[0158]調整部968例如將在一般的X射線圖像中拍攝到的第1部位的亮度作為第1基準亮圖像數據的亮度進行調整。此外，調整部968從第2部分圖像數據的亮度中減去第2基準亮據中對第1部分圖像數據、第2部分圖像數據以及第3部分圖像數據的亮度進行了調整的推定用圖像數據作為亮度調整后的推定用圖像數據而輸入到第1神經網絡200。第1神經網絡位的第2部分圖像數據以及表示第3部位的第3部分圖像數據的亮度進行調整以使其變小，從而能夠正確地推定在推定用圖像數據表示的X射線圖像中拍攝到的骨頭的骨數據的亮度被強制性地設定為零的推定用圖像數據作為亮度調整后的推定用圖像數據而未例示的無數的例子可解釋為在不脫離本公開的范圍的情況下進行設想而[0164]實施方式3.有骨折預測部980。骨折預測部980例如能夠基于實施方式1涉及的推定裝置1的神經網絡[0166]此外，運算式990也可以是表示與骨密度關聯的推定結果和骨釘埋入后的骨折的未例示的無數的例子可解釋為在不脫離本公開的范圍的情況下進行設想而[0169]實施方式4.[0171]本公開的推定系統801例如能夠根據X射線圖像等拍攝到來推定被攝體的將來的骨量。本公開的推定系統801具有終端裝置802和推定裝置803。另透視拍攝裝置、CT(ComputedTomography，計算機斷層掃描)、MRI[0174]推定系統801例如可使用于去醫院的患者的骨質疏松癥等的診斷。本公開的推定[0177]推定裝置803能夠基于由終端裝置802獲取到的輸入信息I，推定被攝體的將來的[0181]輸入部831輸入在推定裝置803中使用的信息。向輸入部831輸入例如利用終端裝外，學習數據或訓練數據只要是輸入到推定裝置803的輸入信息I和與從推定裝置803輸出的ConvLSTM網絡等即可。第2神經網絡8322例如只要是利用CNN構成的卷積神經網絡等即[0186]第1神經網絡8321具有編碼部E和解碼部D。編碼部E能夠提取輸入信息I的時間變積長短期記憶)層D1。編碼部E以及解碼部D的每一個也可以具有3個以上的ConvLSTM層E1、[0191]第2神經網絡8322具有變換部C。變換部C能夠將由第1神經網絡8321的解碼部D計在近似器832的學習時被與從近似器832的變換部C輸出的輸出數據進行比較。訓練數據是理器、微控制器、面向特定用途的集成電路(ASIC：ApplicationSpecificIntegrated[0196]存儲部835例如包括RAM(RandomAccessMemory，隨機存取存儲器)或ROM(Read_[0197]控制部834的處理器能夠按照存儲部835的控制程序，執行1個以上的數據計算程序或處理。控制部834的各種功能通過控制部834的CPU執行存儲部835內的控制程序來實在能夠通過將X射線透視圖像、CT(ComputedTomography，計算機斷層掃描)圖像、MRI[0204]學習數據或訓練數據只要是與輸入到推定裝置803的輸入信息I和從推定裝置803[0206]在學習數據中包括拍攝到骨頭的多個單純X射線圖像的學習用圖像數據。在多個[0210]學習數據以及第1輸入信息I1也可以使用對表示由單純X射線拍攝裝置(換言之，一般X射線拍攝裝置或者倫琴拍攝裝置)拍攝的單純X射線圖像的灰階的圖像數據進行壓低到8位為止的輸入信息來作為第1輸入信息I1在學習用圖像數據表示的學習用單純X射線圖像中拍攝到的骨頭的骨量或骨密度的測定練數據的公知的機器學習而被最優化。近似器832根據輸入到編碼部