[发明专利]运动器官疾病预测装置、方法及存储介质、学习装置、方法及存储介质及学习完成神经网络

说明书

本发明的课题在于使得在运动器官疾病预测装置、方法及程序、学习装置、方法及程序以及学习完成神经网络中能够以高精度预测运动器官的疾病。本发明的运动器官疾病预测装置具备至少一个处理器，处理器根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出被摄体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息。处理器根据对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息来导出发生与对象骨有关的运动器官疾病的概率。

技术领域

本发明涉及一种运动器官疾病预测装置、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

与骨、关节及肌肉等运动器官有关的骨折及脱臼等疾病导致患者卧床不起的状态。尤其，股关节的脱臼以及股骨及椎骨的骨折导致患者卧床不起的可能性高。已知卧床不起的情况下的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。

例如，在专利文献1中提出了以下方法：根据放射线图像获取骨量和骨结构，并使用神经网络计算未来的骨折风险。并且，在专利文献2中提出了以下方法：使用神经网络，根据放射线图像推算骨密度，并使用推算结果和表示骨折概率的算术表达式来进行骨折预测。并且，在专利文献3中提出了以下方法：按放射线图像的每个像素计算骨盐量及肌肉量，根据骨盐量及肌肉量来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。

专利文献1：日本特表平09-508813号公报

专利文献2：日本再公表2020-054738号公报

专利文献3：国际公开第2020/166561号说明书

然而，期望以进一步高精度预测运动器官的疾病。

发明内容

本发明是鉴于上述情况而完成的，其目的在于能够以高精度预测运动器官的疾病。

根据本发明的运动器官疾病预测装置具备至少一个处理器，

处理器根据通过利用能量分布不同的放射线拍摄包含骨部及软部的被摄体而获取的第1放射线图像及第2放射线图像来导出被摄体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息，

根据对象骨的骨盐量、对象骨周围的肌肉量、对象骨的形状信息及与对象骨相邻的骨的形状信息来导出发生与对象骨相关的运动器官疾病的概率。

另外，在根据本发明的运动器官疾病预测装置中，处理器可以作为学习完成神经网络发挥作用，该学习完成神经网络将人体中所包含的骨之中对象骨的骨盐量、对象骨周围的肌肉量、表示对象骨的形状的形状信息及表示与对象骨相邻的骨的形状的形状信息以及表示发生与对象骨相关的运动器官疾病的概率的正解数据用作教师数据(teachingdata)进行了机器学习。

另外，在根据本发明的运动器官疾病预测装置中，处理器可以将导出的运动器官疾病的发生概率显示于显示器。

并且，在根据本发明的运动器官疾病预测装置中，处理器可以显示表示骨盐量及肌肉量中的至少一个与运动器官疾病的发生概率的关系的图表，

在图表上还显示表示导出的运动器官疾病的发生概率的标绘图(plot)和表示使发生概率或骨盐量及肌肉量中的至少一个改变而得的值的标绘图。

并且，在根据本发明的运动器官疾病预测装置中，改变而得的值可以为骨盐量及肌肉量中的至少一个的目标值或运动器官疾病的发生概率的目标值。

并且，在根据本发明的运动器官疾病预测装置中，处理器还可以显示用于使骨盐量及肌肉量中的至少一个达到目标值的医疗干预的选项或用于使运动器官疾病达到目标值的医疗干预的选项。