骨疾病预测装置、方法及程序、学习装置、方法及程序、以及学习完成神经网络与流程

本发明涉及一种骨疾病预测装置、方法及程序、学习装置、方法及程序以及学习完成神经网络。

背景技术：

1、与骨骼、关节及肌肉等运动器官有关的骨折及脱臼等疾病会导致患者卧床不起的状态。尤其是股骨及椎骨的骨折很可能使患者卧床不起。已知卧床不起时的5年生存率低于癌症的5年生存率。因此，提出了用于评价运动器官的疾病，尤其骨折风险的各种方法。

2、例如，在日本特开2019-202035号公报中，提出了如下方法：从放射线图像获取表示椎骨的骨矿物质含量的骨矿物质信息，并从脊柱的排列及骨矿物质信息导出骨折风险。并且，在国际公开第2020/166561号说明书中，提出了如下方法：按放射线图像的每个像素计算骨矿物质含量及肌肉量，基于骨矿物质含量及肌肉量计算与被摄体有关的统计值，并根据统计值来评价骨折风险。

技术实现思路

1、发明要解决的技术课题

2、另一方面，通过发现早期的骨折或癌症的早期骨转移等骨疾病的征兆，并早期进行治疗，能够防止骨疾病加重。骨疾病的早期征兆能够通过获取mri(magnetic resonanceimaging：磁共振成像)图像来进行确认。在此，对于骨疾病，首先使用被摄体的单纯放射线图像进行诊断，在发现骨骼形态异常的情况下，进行使用mri图像的详细检查。然而，早期阶段的骨疾病不显现骨骼的形态变化或者即使显现也是微小的变化，因此在单纯放射线图像中，很难确定早期阶段的骨疾病。

3、本发明是鉴于上述情况而完成的，其目的在于能够使用单纯放射线图像确定早期阶段的骨疾病。

4、用于解决技术课题的手段

5、基于本发明的骨疾病预测装置具备至少1个处理器，

6、处理器进行如下处理：

7、获取通过利用能量分布不同的放射线对包含骨部及软部的被摄体进行拍摄而获取的第1放射线图像及第2放射线图像；

8、通过对第1放射线图像及第2放射线图像进行加权减法运算，导出表示被摄体的骨部组织的骨部图像及表示被摄体的软组织的软部图像；

9、从骨部图像导出被摄体的对象骨区域中的每个像素的骨矿物质含量；

10、获取软部图像中的与对象骨区域对应的对应区域的每个像素的像素值；及

11、根据对象骨区域中的每个像素的骨矿物质含量及对应区域中的每个像素的像素值，导出对象骨的骨折概率。

12、另外，在基于本发明的骨疾病预测装置中，处理器可以作为将从人体的骨部图像导出的对象骨区域的每个像素的骨矿物质含量及从人体的软部图像导出的与对象骨区域对应的对应区域的每个像素的像素值、以及表示对象骨的骨折概率的正解数据用作教师数据而进行了机器学习的学习完成神经网络发挥作用。

13、并且，在基于本发明的骨疾病预测装置中，处理器除了对象骨区域中的每个像素的骨矿物质含量及对应区域中的每个像素的像素值以外，还可以根据第1放射线图像或第2放射线图像导出骨折概率。

14、并且，在基于本发明的骨疾病预测装置中，处理器可以作为将人体的单纯放射线图像、从人体的骨部图像导出的对象骨的每个像素的骨矿物质含量及从人体的软部图像导出的与对象骨对应的对应区域的每个像素的像素值、以及表示骨折概率的正解数据用作教师数据而进行了机器学习的学习完成神经网络发挥作用。

15、并且，在基于本发明的骨疾病预测装置中，处理器可以将骨折概率显示于显示器上。

16、并且，在基于本发明的骨疾病预测装置中，对象骨可以为股骨。

17、并且，在基于本发明的骨疾病预测装置中，对象骨可以为椎骨。

18、并且，在基于本发明的骨疾病预测装置中，处理器可以导出相互关联最小的骨部图像及软部图像。

19、在这种情况下，处理器以骨部图像及软部图像中的特定的频率成分的相关最小的方式，导出骨部图像及软部图像。

20、基于本发明的学习装置具备至少1个处理器，

21、处理器将从人体的骨部图像导出的对象骨的每个像素的骨矿物质含量及从人体的软部图像导出的与对象骨对应的对应区域的每个像素的像素值、以及表示对象骨的骨折概率的正解数据用作教师数据而对神经网络进行机器学习，由此构建出如下学习完成神经网络，该学习完成神经网络根据从对象被摄体的骨部图像导出的对象骨区域中的每个像素的骨矿物质含量及从对象被摄体的软部图像导出的与对象骨区域对应的对应区域中的每个像素的像素值，导出对象被摄体的对象骨的骨折概率。

22、另外，在基于本发明的学习装置中，处理器可以还将人体的单纯放射线图像用作教师数据而对神经网络进行机器学习。

23、基于本发明的第1学习完成神经网络中，当输入从对象被摄体的骨部图像导出的对象骨区域中的每个像素的骨矿物质含量及从对象被摄体的软部图像导出的与对象骨区域对应的对应区域中的每个像素的像素值时，导出对象被摄体的对象骨的骨折概率。

24、基于本发明的第2学习完成神经网络中，根据对象被摄体的单纯放射线图像、从对象被摄体的骨部图像导出的对象骨区域中的每个像素的骨矿物质含量及从对象被摄体的软部图像导出的与对象骨区域对应的对应区域中的每个像素的像素值，导出对象被摄体的对象骨的骨折概率。

25、基于本发明的骨疾病预测方法，该方法具体如下：

26、获取通过利用能量分布不同的放射线对包含骨部及软部的被摄体进行拍摄而获取的第1放射线图像及第2放射线图像；

27、通过对第1放射线图像及第2放射线图像进行加权减法运算，导出表示被摄体的骨部组织的骨部图像及表示被摄体的软组织的软部图像；

28、从骨部图像导出被摄体的对象骨区域中的每个像素的骨矿物质含量；

29、获取软部图像中的与对象骨区域对应的对应区域的每个像素的像素值；及

30、根据对象骨区域中的每个像素的骨矿物质含量及对应区域中的每个像素的像素值，导出对象骨的骨折概率。

31、基于本发明的学习方法，该方法具体如下：将从人体的骨部图像导出的对象骨的每个像素的骨矿物质含量及从人体的软部图像导出的与对象骨对应的对应区域的每个像素的像素值、以及表示对象骨的骨折概率的正解数据用作教师数据而对神经网络进行机器学习，由此构件出如下学习完成神经网络，该学习完成神经网络根据从对象被摄体的骨部图像导出的对象骨区域中的每个像素的骨矿物质含量及从对象被摄体的软部图像导出的与对象骨区域对应的对应区域中的每个像素的像素值，导出对象被摄体的对象骨的骨折概率。

32、另外，可以将基于本发明的骨疾病预测方法及学习方法作为用于使计算机执行的程序来提供。

33、发明效果

34、根据本发明，能够使用单纯放射线图像确定早期阶段的骨疾病。

技术特征：

1.一种骨疾病预测装置，其具备至少1个处理器，

2.根据权利要求1所述的骨疾病预测装置，其中，

3.根据权利要求1所述的骨疾病预测装置，其中，

4.根据权利要求3所述的骨疾病预测装置，其中，

5.根据权利要求1所述的骨疾病预测装置，其中，

6.根据权利要求1所述的骨疾病预测装置，其中，

7.根据权利要求1所述的骨疾病预测装置，其中，

8.根据权利要求1所述的骨疾病预测装置，其中，

9.根据权利要求8所述的骨疾病预测装置，其中，

10.一种学习装置，其具备至少1个处理器，

11.根据权利要求10所述的学习装置，其中，

12.一种学习完成神经网络，其中，

13.一种学习完成神经网络，其中，

14.一种骨疾病预测方法，该方法具体如下：

15.一种学习方法，该方法具体如下：

16.一种骨疾病预测程序，其使计算机执行如下步骤：

17.一种学习程序，其使计算机执行如下步骤：

技术总结
处理器进行如下处理：获取通过利用能量分布不同的放射线对包含骨部及软部的被摄体进行拍摄而获取的第1放射线图像及第2放射线图像；通过对第1放射线图像及第2放射线图像进行加权减法运算，导出表示被摄体的骨部组织的骨部图像及表示被摄体的软组织的软部图像；从骨部图像导出被摄体的对象骨区域中的每个像素的骨矿物质含量；获取与软部图像中的对象骨区域对应的对应区域的每个像素的像素值；及根据对象骨区域中的每个像素的骨矿物质含量及对应区域中的每个像素的像素值，导出对象骨的骨折概率。

技术研发人员：川村隆浩
受保护的技术使用者：富士胶片株式会社
技术研发日：
技术公布日：2024/5/16