一种检查结果估计装置,具备:信号获取部,其获取心电信号;估计部,其使用将学习用心电信号作为输入数据并将心脏超声波检查结果作为训练数据来进行机器学习所得到的学习完毕模型,来估计与由所述信号获取部获取到的心电信号相应的心脏超声波检查结果;以及输出部,其输出由所述估计部估计出的所述心脏超声波检查结果。检查结果。检查结果。
【技术实现步骤摘要】
【国外来华专利技术】检查结果估计装置、程序以及程序存储介质
[0001]本专利技术涉及一种估计心脏超声波检查结果的检查结果估计装置、程序以及程序存储介质。
技术介绍
[0002]以往,已知有使用心电图的检查。心电图是通过体表的电极来检测并调查心脏的电活动的检查,用于发现心律不齐、缺血性心脏病、心肌病等所有的心脏疾病及观察其经过。并且,心电图检查并非侵入性的检查,而是在哪里都能够简便且廉价地进行检查的检查。据此,心电图检查在健康诊断中也作为筛选检查而被便利地使用。然而,心电图的读图需要许多经验,即使是熟练的医生,也难以仅根据心电图来诊断(确定诊断)全部心脏病。
[0003]因此,为了进行确定诊断,需要利用心脏超声波检查来进行详查。在此,心脏超声波检查是指利用将超声波照到身体的内部的构造而反弹回的反射波来获取图像的检查。如果利用心脏超声波检查,则能够发现出现在高血压、心力衰竭、心肌壁障碍(心肌病)等患者中的心脏瓣的异常、先天异常(心室、心房之间的孔等)、心壁、心房或心室的扩大等心脏的结构性异常。另外,在心脏超声波检查中,还能够测定心脏每一次搏动送出的血液的量等。心脏超声波检查对于掌握心脏的结构性异常、心脏的血液的流量等而言是有用的,以及与心电图同样地对于被检者而言是非侵入性的,因此成为经常用于心脏病的诊断的检查法之一。
[0004]然而,即使在持有心脏超声波检查装置的情况下,为了描绘出适当的图像,也需要熟练的医生或技师。因此,在医疗资源稀缺地区存在没有循环器官专业医生的情况、没有能够进行超声波检查的技师的情况,即使准备心脏超声波检查装置,也有可能无法接受适当的医疗。
[0005]根据上述的情况,开始开发根据心电图自动地判定疾病的系统,例如,开始了将心电图与机器学习(深度学习)组合的研究。关于这样的研究,例如被日本特表2019
‑
514635号公报、日本特表2018
‑
503885号公报、“古林
せなみ
、今井健、石原三四郎、藤生克仁、大江和彦著、深層学習
を
用
いた
心電図波形
の
正常異常判定
に
関
する
研究、人工知能学会研究会資料、2018年3月15日、vol.5、no.5、p.1
‑
5”以及“Goto S,Kimura M,Katsumata Y,Goto S,Kamatani T,Ichihara G,Ko S,Sasaki J,Fukuda K,Sano M.,Artificial intelligence to predict needs for urgent revascularization from 12
‑
leads electrocardiography in emergency patients.PLoS One(米),2019,14(1),e0210103”公开。
技术实现思路
[0006]专利技术要解决的问题
[0007]如上所述,开始了将心电图(心电信号)与机器学习组合的研究,但在以往的研究中,基于学习的时间点的医疗技术来估计有无特定的疾病、在存在该特定的疾病的情况下
判定(估计)是否为重症。然而,医疗技术日新月异,治疗方法的判断基准日新月异,以提供更好的医疗。例如,虽然仅以主动脉瓣狭窄症为例,但在以前的临床中基于重症度来进行适合手术的判断,而在最近的临床中,适合手术的判断并非仅依赖于重症度(例如,“泉知里、他33名、2020年改訂版弁膜症治療
のガイドライン
(日本循環器学会、日本胸部外科学会、日本血管外科学会、日本心臓血管外科学会合同
ガイドライン
)、2013年3月13日”)。具体而言,存在以下情况:若心脏的射血分数(心脏送出血液的量除以舒张期的左心室容量来计算得到)低,则难以产生主动脉瓣中的跨瓣压差,因此即使不是重症的主动脉瓣狭窄症也适合手术。因此,对于医生而言,即使使用了基于上述的研究的装置,也仅能够知晓基于比较老旧的医疗技术的估计结果,存在难以进行确定诊断这一问题点。因此,期望即使在不使用心脏超声波检查装置的情况下也能够估计能够应对医疗技术的变化的检查结果的检查结果估计装置、程序以及程序存储介质。
[0008]本公开是为了解决上述那样的问题而完成的,其目的在于提供一种即使在不使用心脏超声波检查装置的情况下也能够估计能够应对医疗技术的变化的检查结果的检查结果估计装置、程序以及程序存储介质。
[0009]用于解决问题的方案
[0010]为了达成上述的目的,下面公开的第一方面的检查结果估计装置具备:信号获取部,其获取心电信号;估计部,其使用将学习用心电信号作为输入数据并将心脏超声波检查结果作为训练数据进行机器学习所得到的学习完毕模型,来估计与由信号获取部获取到的心电信号相应的心脏超声波检查结果;以及输出部,其输出由估计部估计出的心脏超声波检查结果。
[0011]第二方面的程序用于使计算机执行以下处理:获取心电信号;使用将学习用心电信号作为输入数据并将心脏超声波检查结果作为训练数据进行机器学习所得到的学习完毕模型,来估计与心电信号相应的心脏超声波检查结果;以及输出所估计出的心脏超声波检查结果。
[0012]第三方面的程序存储介质是存储程序并且能够由计算机读取的存储介质,程序用于使计算机执行以下处理:获取心电信号;使用将学习用心电信号作为输入数据并将心脏超声波检查结果作为训练数据进行机器学习所得到的学习完毕模型,来估计与心电信号相应的心脏超声波检查结果;以及输出所估计出的心脏超声波检查结果。
[0013]专利技术的效果
[0014]根据上述第一局面~第三局面的结构,即使在不使用心脏超声波检查装置的情况、没有能够处理心脏超声波检查装置的专业医生、技师的情况下,也能够向医生提供心脏超声波检查结果。而且,医生通过确认心脏超声波检查结果,能够掌握心脏的结构性异常、心脏的血液的流量等。因此,与基于比较老旧的医疗技术而仅输出疾病的重症度的以往的装置不同,医生能够基于诊断时的最新的医疗技术和心脏超声波检查结果(心脏的结构性异常、心脏的血液的流量等)来适当地进行诊察。即,能够提供一种即使在不使用心脏超声波检查装置的情况下也能够估计能够应对医疗技术的变化的检查结果的检查结果估计装置、程序以及程序存储介质。
附图说明
[0015]图1是用于说明一个实施方式中的检查结果估计系统的处理的概要的图。
[0016]图2是示出一个实施方式中的检查结果估计系统的整体的结构的框图。
[0017]图3是示出一个实施方式中的心电图检查装置的结构的框图。
[0018]图4的(a)是用于说明一个实施方式中的心电图检查的肢体导联的图。图4的(b)是用于说明一个实施方式中的心电图检查的胸导联的图。
[0019]图5是一个实施方式中的机器学习装置的控制部的功能框图。
[0020]图6是用于说明一个实施方式中的心电信号的波形的例子的图本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种检查结果估计装置,具备:信号获取部,其获取心电信号;估计部,其使用将学习用心电信号作为输入数据并将心脏超声波检查结果作为训练数据进行机器学习所得到的学习完毕模型,来估计与由所述信号获取部获取到的心电信号相应的心脏超声波检查结果;以及输出部,其输出由所述估计部估计出的所述心脏超声波检查结果。2.根据权利要求1所述的检查结果估计装置,其中,所述心脏超声波检查结果包含心脏的部位的尺寸、心脏内的血液的流量、心脏内的血液的流速以及心脏内的血液的压力中的至少一个项目。3.根据权利要求1或2所述的检查结果估计装置,其中,所述输出部将记载有所述心脏超声波检查结果中所包含的多个项目的报告显示于显示部。4.根据权利要求1~3中的任一项所述的检查结果估计装置,其中,所述信号获取部获取包含从心电图图像数据转换来的数值数据的心电信号。5.根据权利要求1~4中的任一项所述的检查结果估计装置,其中,所述输出部输出包含数值数据的所述心脏超声波检查结果。6.根据权利要求1~5中的任一项所述的检查结果估计装置,其中,所述估计部使用所述学习完毕模型,来估计与由...
【专利技术属性】
技术研发人员:中山雅文,
申请(专利权)人:A三日本合同会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。