JP2019023621A - 表示制御装置、表示制御方法およびプログラム - Google Patents

表示制御装置、表示制御方法およびプログラム Download PDF

Info

Publication number
JP2019023621A
JP2019023621A JP2018107302A JP2018107302A JP2019023621A JP 2019023621 A JP2019023621 A JP 2019023621A JP 2018107302 A JP2018107302 A JP 2018107302A JP 2018107302 A JP2018107302 A JP 2018107302A JP 2019023621 A JP2019023621 A JP 2019023621A
Authority
JP
Japan
Prior art keywords
protein
effective
image
display
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2018107302A
Other languages
English (en)
Other versions
JP7065422B2 (ja
Inventor
好秀 澤田
Yoshihide Sawada
好秀 澤田
佳州 佐藤
Yoshikuni Sato
佳州 佐藤
透 中田
Toru Nakada
透 中田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JP2019023621A publication Critical patent/JP2019023621A/ja
Application granted granted Critical
Publication of JP7065422B2 publication Critical patent/JP7065422B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44717—Arrangements for investigating the separated zones, e.g. localising zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44756—Apparatus specially adapted therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Electrochemistry (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Controls And Circuits For Display Device (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)
  • Electrochromic Elements, Electrophoresis, Or Variable Reflection Or Absorption Elements (AREA)

Abstract

【課題】電気泳動画像において発現しているたんぱく質を容易に把握することができる表示制御装置を提供する。【解決手段】表示制御装置１００は、メモリ１９０と、回路１１０とを備え、回路１１０は、電気泳動画像Ｅｉをメモリ１９０から取得し、ディスプレイ９１１に、第１の表示画面として、その電気泳動画像Ｅｉを表示させ、ディスプレイ９１１に表示された電気泳動画像Ｅｉにおける第１の画素の選択を受け付け、第１の画素に対応付けられている第１の有効たんぱく質と、複数の画素のうち、第１の画素から第１の距離以下に位置する第２の画素に対応する第２の有効たんぱく質とを取得し、第２の表示画面として、第１の有効たんぱく質と、第２の有効たんぱく質と、電気泳動画像Ｅｉとを、ディスプレイ９１１に表示させる。【選択図】図１

Description

本開示は、たんぱく質に関する表示を制御する表示制御装置、表示制御方法およびプログラムに関する。
近年、二次元電気泳動画像を用いた、疾病に有効なたんぱく質の同定に関する研究が盛んに行われている。二次元電気泳動画像とは、血液などから電荷量と分子量とに基づいてたんぱく質を二次元的に分離することによって得られる画像である。従来の表示制御装置では、疾病を患っている患者の２枚の二次元電気泳動画像をディスプレイに同時に表示する。そして、特許文献１に示されるような位置あわせ技術を利用して、専門家がどのようなたんぱく質が発現しているかを目視で確認する。その後、疾病診断に有効なたんぱく質を選択し、選択されたたんぱく質の発現の有無を確認するバイオマーカーを作成する。すなわち、二次元電気泳動画像はバイオマーカーを作成するために利用される（例えば、非特許文献１参照）。
しかしながら、従来の表示制御装置では、電気泳動画像においてどのようなたんぱく質が発現しているのかを把握することが難しいという問題がある。
そこで、本開示では、電気泳動画像において発現しているたんぱく質を容易に把握することができる表示制御装置などを提供する。
本開示の一態様における表示制御装置は、メモリと、回路とを備え、前記メモリは、複数の画素を有する電気泳動画像と、前記複数の画素のそれぞれが複数の有効たんぱく質に含まれる少なくとも１つの有効タンパク質に対応付けられた有効たんぱく質の情報とを記録し、前記回路は、（ａ１）前記電気泳動画像と、前記有効たんぱく質の情報とを、前記メモリから取得し、（ａ２）ディスプレイに、第１の表示画面として、前記電気泳動画像を表示させ、（ａ３）前記ディスプレイに表示された前記電気泳動画像における前記複数の画素から第１の画素の選択を受け付け、（ａ４）前記有効たんぱく質の情報に基づいて、前記第１の画素に対応付けられている少なくとも１つの第１の有効たんぱく質と、前記複数の画素のうち、前記第１の画素から第１の距離以下に位置する少なくとも１つの第２の画素に対応する、少なくとも１つの第２の有効たんぱく質とを取得し、（ａ５）第２の表示画面として、前記少なくとも１つの第１の有効たんぱく質と、前記少なくとも１つの第２の有効たんぱく質と、前記電気泳動画像とを、前記ディスプレイに表示させる。
なお、包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能な記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。コンピュータ読み取り可能な記録媒体は、例えばＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの不揮発性の記録媒体を含む。
本開示の表示制御装置は、電気泳動画像において発現しているたんぱく質を容易に把握することができる。本開示の一態様における更なる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施形態並びに明細書および図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。
図１は、実施の形態１における表示制御装置の構成の一例を示すブロック図である。 図２は、実施の形態１におけるメモリに保持されている対応付けテーブルの一例を示す図である。 図３Ａは、実施の形態１における第１の表示画面の一例を示す図である。 図３Ｂは、実施の形態１における第１の画素の選択の一例を示す図である。 図４は、実施の形態１における第２の表示画面の一例を示す図である。 図５は、実施の形態１における第２の表示画面の他の例を示す図である。 図６は、実施の形態１における第２の有効たんぱく質の選択の一例を示す図である。 図７は、実施の形態１における少なくとも１つの第５の画素が強調される例を示す図である。 図８は、実施の形態１における回路の処理動作の概要を示すフローチャートである。 図９は、実施の形態２における表示制御装置の機能的な構成の一例を示すブロック図である。 図１０は、実施の形態２における電気泳動画像の模式図である。 図１１は、実施の形態２におけるニューラルネットワークの計算モデルを説明するための概念図である。 図１２は、実施の形態２における、正解ラベルが「敗血症」および「非敗血症」である場合の学習の例を示す図である。 図１３は、実施の形態２における重み画像群を生成する処理の一例を示す図である。 図１４は、実施の形態２における重み画像および有効画像のそれぞれの一例を示す図である。 図１５は、実施の形態２における重み画像の具体的な例を示す図である。 図１６Ａは、実施の形態２における表示処理部によってディスプレイに表示される画面の一例を示す図である。 図１６Ｂは、実施の形態２における表示処理部によってディスプレイに表示される画面の他の例を示す図である。 図１７は、実施の形態２における表示制御装置の全体的な処理動作を示すフローチャートである。 図１８は、実施の形態３における表示制御装置の機能的な構成の一例を示すブロック図である。 図１９は、実施の形態３における除去画像生成部によって生成される除去画像の一例を示す図である。 図２０は、実施の形態３における表示処理部によってディスプレイに表示される画面の一例を示す図である。 図２１は、実施の形態３における表示制御装置の全体的な処理動作を示すフローチャートである。 図２２は、実施の形態４における表示制御装置の機能的な構成の一例を示すブロック図である。 図２３は、実施の形態４における組み合わせたんぱく質を抽出する処理の一例を示す図である。 図２４は、実施の形態４における表示処理部によってディスプレイに表示される画面の一例を示す図である。 図２５は、実施の形態４における表示制御装置の全体的な処理動作を示すフローチャートである。 図２６は、本開示の表示制御装置を実現するためのハードウェア構成を示すブロック図である。 図２７は、本開示の表示制御装置を実現するための他のハードウェア構成を示すブロック図である。
上記問題を解決するために、本開示の一態様における表示制御装置は、メモリと、回路とを備え、前記メモリは、複数の画素を有する電気泳動画像と、前記複数の画素のそれぞれが複数の有効たんぱく質に含まれる少なくとも１つの有効タンパク質に対応付けられた有効たんぱく質の情報とを記録し、前記回路は、（ａ１）前記電気泳動画像と、前記有効たんぱく質の情報とを、前記メモリから取得し、（ａ２）ディスプレイに、第１の表示画面として、前記電気泳動画像を表示させ、（ａ３）前記ディスプレイに表示された前記電気泳動画像における前記複数の画素から第１の画素の選択を受け付け、（ａ４）前記有効たんぱく質の情報に基づいて、前記第１の画素に対応付けられている少なくとも１つの第１の有効たんぱく質と、前記複数の画素のうち、前記第１の画素から第１の距離以下に位置する少なくとも１つの第２の画素に対応する、少なくとも１つの第２の有効たんぱく質とを取得し、（ａ５）第２の表示画面として、前記少なくとも１つの第１の有効たんぱく質と、前記少なくとも１つの第２の有効たんぱく質と、前記電気泳動画像とを、前記ディスプレイに表示させる。
これにより、ユーザは、第１の画素を選択すれば、電気泳動画像においてその第１の画素に対応付けられて発現している第１の有効たんぱく質だけでなく、その第１の画素の近くにある第２の画素に対応付けられて発現している第２の有効たんぱく質も、容易に把握することができる。
例えば、前記回路は、前記（ａ４）において、前記少なくとも１つの第１の有効たんぱく質が、第３の有効たんぱく質及び第４の有効たんぱく質を含む場合、前記第２の表示画面における前記電気泳動画像に、前記第３の有効たんぱく質と対応付けられた少なくとも１つ第３の画素と、前記第４の有効たんぱく質と対応付けられた少なくとも１つ第４の画素とを強調して表示させてもよい。
これにより、ユーザが第１の画素を選択すれば、少なくとも１つの第３の画素と、少なくとも１つの第４の画素とが強調して表示される。したがって、ユーザは、第１の画素を選択すれば、電気泳動画像においてその第１の画素に対応付けられて発現している第３の有効たんぱく質および第４の有効たんぱく質を容易に把握することができる。
また、前記回路は、（ａ６）前記第２の表示画面が表示されているとき、前記少なくとも１つの第１の有効たんぱく質、または前記少なくとも１つの第２の有効たんぱく質のいずれかの選択を受け付け、（ａ７）前記ディスプレイの前記第２の表示画面における前記電気泳動画像に、前記選択を受け付けた有効たんぱく質に対応付けられた少なくとも１つの第５の画素を強調して表示させてもよい。
これにより、ユーザは、有効たんぱく質を選択すれば、電気泳動画像においてその有効たんぱく質に対応付けられた少なくとも１つの第５の画素を容易に把握することができる。
また、前記回路は、前記（ａ２）及び前記（ａ３）の間において、（ａ８）前記第１の表示画面において、前記複数の画素の少なくとも１つの画素を中心とした、前記電気泳動画像の拡大動作または前記電気泳動画像の縮小動作を受け付け、（ａ９）受け付けた前記拡大動作または前記縮小動作に基づいて、前記第１の表示画面における前記電気泳動画像の拡大率を変更し、拡大率が変更された前記電気泳動画像を前記ディスプレイに表示させ、前記（ａ３）において、前記第１の画素の選択を受け付けた後、少なくとも前記（ａ４）及び前記（ａ５）において、前記拡大動作または前記縮小動作に基づく前記電気泳動画像の拡大率を変更しなくてもよい。
これにより、電気泳動画像の拡大または縮小によって、第１の画素の選択を容易に選択することができる。また、その選択後には、電気泳動画像の拡大率が変更されないため、拡大率の変更によって、第１の有効たんぱく質および第２の有効たんぱく質のそれぞれに対応する画素が見え難くなってしまうことを抑えることができる。
また、本開示の一態様における表示制御装置は、メモリと、回路とを備え、前記メモリは、複数の電気泳動画像からなるデータセットを有し、前記回路は、（ｂ１）前記データセットおよびニューラルネットワークを用いて、電気泳動画像と疾病との関係を学習し、（ｂ２）前記関係の学習結果から得られた前記ニューラルネットワークの複数の重みを画像化することによって、少なくとも１つの重み画像からなる重み画像群を生成し、（ｂ３）前記ニューラルネットワークにおける前記データセットに対する疾病の識別率を第１の識別率として算出し、（ｂ４）前記重み画像群を用いて有効画像を生成し、（ｂ５）前記有効画像と前記第１の識別率とを共にディスプレイに表示させ、前記有効画像は複数の画素を含み、前記複数の画素は、画素値ｉを有し有効たんぱく質ｉに対応する画素ｉ、画素値ｊを有する有効たんぱく質ｊに対応する画素ｊ、画素値ｋを有する有効たんぱく質ｋに対応する画素ｋを含み、前記有効たんぱく質ｉ、前記有効たんぱく質ｊ、前記有効たんぱく質ｋのうち、前記有効たんぱく質ｉが前記疾病の識別に最も有効で、前記有効たんぱく質ｋが前記疾病の識別に最も有効でない場合、前記画素値ｉ＞前記画素値ｊ＞前記画素値ｋ、または、前記画素値ｉ＜前記画素値ｊ＜前記画素値ｋである。
これにより、有効画像と第１の識別率とが表示されるため、疾病を有する人の電気泳動画像において顕著に発現しているたんぱく質を容易に把握することができる。
つまり、従来の表示制御装置では、統計情報は利用されないため、患者固有の違いを払拭することができない。加えて、特定のたんぱく質を利用した際の疾病検出精度を定量化できない。したがって、たんぱく質を用いたバイオマーカーを作成しなければ、そのたんぱく質が疾病診断に有用か否かわからない。しかし、本開示の一態様における表示制御装置では、ニューラルネットワークの学習結果から得られる重みを利用することによって、疾病の識別に有効なたんぱく質に対応する画素ほど小さいまたは大きい画素値を有する有効画像が生成される。さらに、そのたんぱく質の有効性が第１の識別率として表示される。したがって、バイオマーカーを作成することなく、個々の患者の違いに関わらない、統計的に疾病の識別に有効なたんぱく質を提示することができる。
例えば、前記（ｂ４）では、前記重み画像群に含まれる前記少なくとも１つの重み画像のそれぞれの同一位置にある画素の画素値を平均化することによって、前記有効画像を生成してもよい。
これにより、複数の重み画像から簡単に有効画像を生成することができる。
また、前記回路は、さらに、（ｂ６）前記有効画像に現れている各スポットに対応付けられたたんぱく質の情報を、リスト化することによって、有効たんぱく質リストを生成し、前記（ｂ５）では、前記有効画像と共に前記有効たんぱく質リストを前記ディスプレイに表示させてもよい。
これにより、ユーザは、有効画像に現れている各スポットに対応付けされたたんぱく質の情報をわざわざ調べることなく、有効たんぱく質リストを見ることによって、その情報を簡単に知ることができる。
また、前記回路は、さらに、（ｂ７）前記有効画像に現れている少なくとも１つのスポットから、何れか１つのスポットを選択することによって、または、前記有効たんぱく質リストから、何れかの１つの情報を選択することによって、選択された前記スポットまたは前記情報に対応する１つのたんぱく質を、選択たんぱく質として選択してもよい。
また、前記回路は、さらに、（ｂ８）前記ニューラルネットワークの複数の重みのうち、前記選択たんぱく質に対応していない少なくとも１つの重みのそれぞれを０に設定することによって、前記ニューラルネットワークを変更し、（ｂ９）前記データセットに含まれる前記複数の電気泳動画像を、変更された前記ニューラルネットワークに入力することによって、変更された前記ニューラルネットワークにおける前記データセットに対する識別率を、第２の識別率として算出し、（ｂ１０）前記第２の識別率を前記ディスプレイに表示させてもよい。
これにより、ユーザは、選択たんぱく質を用いた疾病の識別率を第２の識別率として簡単に知ることができる。
また、前記回路は、さらに、（ｂ１１）前記データセットに含まれる前記複数の電気泳動画像のそれぞれから、前記選択たんぱく質に対応していないスポットを除去することによって、除去画像を生成し、（ｂ１２）複数の前記除去画像を前記ニューラルネットワークに入力することによって、前記ニューラルネットワークにおける複数の前記除去画像に対する識別率を、第２の識別率として算出し、（ｂ１３）前記第２の識別率を前記ディスプレイに表示させてもよい。
これにより、ニューラルネットワークを変更することなく、第２の識別率を算出することができる。
また、前記回路は、さらに、（ｂ１４）前記選択たんぱく質以外のたんぱく質である複数の非選択たんぱく質のそれぞれについて、前記選択たんぱく質のスポットと共に当該非選択たんぱく質のスポットを含む重み画像の枚数を、前記重み画像群から特定し、（ｂ１５）前記重み画像の枚数が多い順で第１番目の非選択たんぱく質から第Ｎ（Ｎは１以上の整数）番目の非選択たんぱく質までのＮ個の非選択たんぱく質を、前記複数の非選択たんぱく質から抽出し、（ｂ１６）抽出された前記Ｎ個の非選択たんぱく質のそれぞれの情報を前記ディスプレイに表示させてもよい。
これにより、ユーザは、選択たんぱく質と組み合わされることによって識別率を向上させるＮ個の非選択たんぱく質（すなわち組み合わせたんぱく質）を、簡単に知ることができる。
なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読取可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
また、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、同じ構成部材については同じ符号を付している。
（実施の形態１）
＜全体構成＞
図１は、本実施の形態における表示制御装置の構成の一例を示すブロック図である。
本実施の形態における表示制御装置１００は、ディスプレイ９１１の表示を制御する装置であって、メモリ１９０と回路１１０とを備える。
メモリ１９０は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）またはＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などからなる。このようなメモリ１９０は、複数の画素を有する電気泳動画像と、その複数の画素のそれぞれと対応付けられている少なくとも１つの有効たんぱく質の情報とを記録している。ここで、電気泳動画像は、上述の二次元電気泳動画像である。また、有効たんぱく質は、疾病の識別に有効なたんぱく質であって、そのたんぱく質によって疾病を例えば７０％の割合で正しく識別することができるたんぱく質である。また、このような有効たんぱく質は、バイオマーカーとして利用可能である。
また、上述の少なくとも１つの有効たんぱく質の情報は、例えば、それらの有効たんぱく質の名称、特徴または性質などを示し、電気泳動画像の画素の位置に対応付けられている。つまり、メモリ１９０は、電気泳動画像の画素のそれぞれについて、その画素に対応する少なくとも１つの有効たんぱく質の情報を示す対応付けテーブルを保持している。
図２に、メモリ１９０に保持されている対応付けテーブルの一例を示す。
例えば、電気泳動画像における位置（ｘ１，ｙ１）の画素には、たんぱく質Ａが対応付けられている。また、電気泳動画像における位置（ｘ１，ｙ２）の画素には、たんぱく質Ａおよびたんぱく質Ｂが対応付けられている。なお、たんぱく質Ａ〜たんぱく質Ｇのそれぞれは、例えばたんぱく質の種類または名称である。このように、対応付けテーブルは、電気泳動画像の画素のそれぞれについて、その画素に対応する少なくとも１つの有効たんぱく質の名称などの情報を示す。
回路１１０は、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）またはプロセッサなどからなる。この回路１１０は、キーボードまたはマウスなどからなる入力デバイス９１２の操作に応じて、メモリ１９０を用いてディスプレイ９１１の表示を制御する。
＜画面表示例＞
本実施の形態における回路１１０は、まず、電気泳動画像と、対応付けテーブルとを、メモリ１９０から取得する。そして、回路１１０は、ディスプレイ９１１に、第１の表示画面として、その電気泳動画像を表示させる。
図３Ａに、第１の表示画面の一例を示す。
回路１１０は、電気泳動画像を第１の表示画面Ｄ１としてディスプレイ９１１に表示させる。
次に、回路１１０は、ディスプレイ９１１に表示された電気泳動画像における第１の画素の選択を受け付ける。
図３Ｂに、第１の画素の選択の一例を示す。
回路１１０は、ユーザによって操作される入力デバイス９１２からの移動信号に基づいて、ディスプレイ９１１に表示されるポインタＰ１を移動させる。そして、回路１１０は、ユーザによって操作される入力デバイス９１２からの選択信号に応じて、ポインタＰ１によって指し示される第１の画素Ｐｉｘ１の選択を受け付ける。
次に、回路１１０は、対応付けテーブルに基づいて、第１の画素Ｐｉｘ１に対応付けられている少なくとも１つの第１の有効たんぱく質と、複数の画素のうち、第１の画素Ｐｉｘ１から第１の距離以下に位置する少なくとも１つの第２の画素Ｐｉｘ２に対応する、少なくとも１つの第２の有効たんぱく質とを取得する。そして、回路１１０は、第２の表示画面として、その少なくとも１つの第１の有効たんぱく質と、少なくとも１つの第２の有効たんぱく質と、電気泳動画像とを、ディスプレイ９１１に表示させる。第１の距離は、例えば、電気泳動画像の幅または高さの１０〜２０％の距離である。
図４に、第２の表示画面の一例を示す。
回路１１０は、第２の表示画面Ｄ２をディスプレイ９１１に表示させるときには、例えば第１の有効たんぱく質の名称「たんぱく質Ａ」と、第２の有効たんぱく質の名称「たんぱく質Ｂ」とをリスト化して表示させる。
これにより、ユーザは、第１の画素Ｐｉｘ１を選択すれば、電気泳動画像においてその第１の画素Ｐｉｘ１に対応付けられて発現している第１の有効たんぱく質だけでなく、その第１の画素Ｐｉｘ１の近くにある第２の画素Ｐｉｘ２に対応付けられて発現している第２の有効たんぱく質も、容易に把握することができる。
また、回路１１０は、少なくとも１つの第１の有効たんぱく質が、第３の有効たんぱく質及び第４の有効たんぱく質を含む場合、第２の表示画面Ｄ２における電気泳動画像に、第３の有効たんぱく質と対応付けられた少なくとも１つ第３の画素と、第４の有効たんぱく質と対応付けられた少なくとも１つ第４の画素とを強調して表示させる。
図５に、第２の表示画面Ｄ２の他の例を示す。
例えば、対応付けテーブルにおいて、第１の画素に対して、名称「たんぱく質Ａ１」および「たんぱく質Ａ２」のそれぞれのたんぱく質が第１の有効たんぱく質として対応付けられている。このような場合、少なくとも１つの第１の有効たんぱく質は、名称「たんぱく質Ａ１」の第３の有効たんぱく質と、名称「たんぱく質Ａ２」の第４の有効たんぱく質を含む。
このとき、回路１１０は、図５に示すように、第２の表示画面Ｄ２における電気泳動画像に、第３のたんぱく質「たんぱく質Ａ１」と対応付けられた少なくとも１つ第３の画素からなる画素群Ｇｐ１と、第４のたんぱく質「たんぱく質Ａ２」と対応付けられた少なくとも１つ第４の画素からなる画素群Ｇｐ２とを強調して表示させる。例えば、回路１１０は、画素群Ｇｐ１および画素群Ｇｐ２を囲む枠Ｆｒ１を表示させることによって、画素群Ｇｐ１および画素群Ｇｐ２を強調する。なお、画素群Ｇｐ１および画素群Ｇｐ２の強調方法は、図５に示す例に限らず、それらの画素群の色を変更したり、それらの画素群の周縁に沿った線を表示したり、それらの画素群を明滅させてもよい。
これにより、ユーザが第１の画素Ｐｉｘ１を選択すれば、画素群Ｇｐ１と画素群Ｇｐ２とが強調して表示される。したがって、ユーザは、第１の画素Ｐｉｘ１を選択すれば、電気泳動画像においてその第１の画素Ｐｉｘ１に対応付けられて発現している第３の有効たんぱく質「たんぱく質Ａ１」および第４の有効たんぱく質「たんぱく質Ａ２」を容易に把握することができる。
また、回路１１０は、第２の表示画面Ｄ２が表示されているとき、少なくとも１つの第１の有効たんぱく質、または少なくとも１つの第２の有効たんぱく質のいずれかの選択を受け付けてもよい。この場合、回路１１０は、ディスプレイ９１１に、第２の表示画面Ｄ２における電気泳動画像に、選択を受け付けた有効たんぱく質に対応付けられた少なくとも１つの第５の画素を強調して表示させる。
図６に、第２の有効たんぱく質の選択の一例を示す。図７に、少なくとも１つの第５の画素が強調される例を示す。
回路１１０は、図６に示すように、ユーザによって操作される入力デバイス９１２からの移動信号に基づいて、ディスプレイ９１１に表示されるポインタＰ１を移動させる。そして、回路１１０は、入力デバイス９１２からの選択信号に応じて、ポインタＰ１によって指し示される第２の有効たんぱく質の名称を受け付ける。例えば、回路１１０は、第２の有効たんぱく質の名称「たんぱく質Ｂ」を受け付ける。
そして、回路１１０は、図７に示すように、ディスプレイ９１１の第２の表示画面Ｄ２における電気泳動画像に、選択を受け付けた有効たんぱく質「たんぱく質Ｂ」に対応付けられた少なくとも１つの第５の画素からなる画素群Ｇｐ３を強調して表示させる。例えば、回路１１０は、画素群Ｇｐ３を囲む枠Ｆｒ２を表示させることによって、画素群Ｇｐ３を強調する。なお、画素群Ｇｐ３の強調方法は、図７に示す例に限らず、その画素群Ｇｐ３の色を変更したり、その画素群Ｇｐ３の周縁に沿った線を表示したり、その画素群Ｇｐ３を明滅させてもよい。
これにより、ユーザは、有効たんぱく質を選択すれば、電気泳動画像においてその有効たんぱく質に対応付けられた画素群を容易に把握することができる。
また、回路１１０は、図３Ａに示す第１の表示画面Ｄ１の表示と、図３Ｂに示す第１の画素の選択の受け付けとの間において、拡大動作または縮小動作を受け付けてもよい。拡大動作は、第１の表示画面Ｄ１において、複数の画素の少なくとも１つの画素を中心とした、電気泳動画像を拡大させる動作である。縮小動作は、その電気泳動画像を縮小させる動作である。この場合、回路１１０は、受け付けた拡大動作または縮小動作に基づいて、第１の表示画面Ｄ１における電気泳動画像の拡大率を変更し、拡大率が変更された電気泳動画像をディスプレイ９１１に表示させる。そして、回路１１０は、第１の画素の選択を受け付けた後、少なくとも、第１の有効たんぱく質および第２の有効たんぱく質の取得と、第２の表示画面Ｄ２の表示とにおいては、その拡大動作または縮小動作に基づく電気泳動画像の拡大率を変更しない。
これにより、電気泳動画像の拡大または縮小によって、第１の画素Ｐｉｘ１の選択を容易に選択することができる。また、その選択後には、電気泳動画像の拡大率が変更されないため、拡大率の変更によって、第１の有効たんぱく質および第２の有効たんぱく質のそれぞれに対応する画素が見え難くなってしまうことを抑えることができる。
図８は、本実施の形態における回路１１０の処理動作の概要を示すフローチャートである。
［ステップＳ１１］
まず、表示制御装置の回路１１０は、電気泳動画像と、少なくとも１つの有効たんぱく質の情報を含む対応付けテーブルとを、メモリ１９０から取得する。
［ステップＳ１２］
次に、回路１１０は、ディスプレイ９１１に、第１の表示画面Ｄ１として、電気泳動画像を表示させる。
［ステップＳ１３］
次に、回路１１０は、ディスプレイ９１１に表示された電気泳動画像における第１の画素の選択を受け付ける。
［ステップＳ１４］
次に、回路１１０は、その少なくとも１つの有効たんぱく質の情報を含む対応付けテーブルに基づいて、第１の画素に対応付けられている少なくとも１つの第１の有効たんぱく質と、複数の画素のうち、第１の画素から第１の距離以下に位置する少なくとも１つの第２の画素に対応する、少なくとも１つの第２の有効たんぱく質とを取得する。
［ステップＳ１５］
そして、回路１１０は、第２の表示画面Ｄ２として、その少なくとも１つの第１の有効たんぱく質と、少なくとも１つの第２の有効たんぱく質と、電気泳動画像とを、ディスプレイ９１１に表示させる。
このような本実施の形態における表示制御装置１００では、電気泳動画像において発現しているたんぱく質を容易に把握することができる。
（実施の形態２）
本実施の形態における表示制御装置は、実施の形態１の表示制御装置１００と同様の機能を有するとともに、血液などから得られた電気泳動画像を有効画像に変換する。有効画像では、疾病の識別に有効なたんぱく質に対応する画素ほど、疾病の識別に有効でないたんぱく質に対応する画素よりも大きい画素値を有する。または、有効画像では、疾病の識別に有効なたんぱく質に対応する画素ほど、疾病の識別に有効でないたんぱく質に対応する画素よりも小さい画素値を有する。
実施の形態１における電気泳動画像は、本実施の形態における有効画像に相当する。つまり、本実施の形態における表示制御装置は、複数の電気泳動画像からなるデータセットとニューラルネットとを用いて、電気泳動画像と疾病との関係を学習し、そのニューラルネットの重みから有効画像を生成する。さらに、本実施の形態における表示制御装置は、そのニューラルネットワークにおけるデータセットに対する疾病の識別率を計算し、その識別率と有効画像とをディスプレイ９１１に表示させる。
＜全体構成＞
図９は、本実施の形態における表示制御装置の機能的な構成の一例を示すブロック図である。図９に示すように、本実施の形態における表示制御装置２００は、メモリ２０１、識別部２０２、重み画像生成部２０３、有効画像生成部２０４、および表示処理部２０５を備える。このような表示制御装置２００は、実施の形態１の入力デバイス９１２に相当する選択部９１３の操作に応じて、ディスプレイ９１１の表示を制御する。
なお、表示制御装置２００のメモリ２０１を除く各構成要素は、例えば、画像プロセッサまたはマイクロプロセッサが所定のプログラムを実行することにより発揮されるソフトウェア機能として実現されてもよい。また、識別部２０２、重み画像生成部２０３、有効画像生成部２０４および表示処理部２０５は、少なくとも１つの回路から構成されていてもよい。
メモリ２０１は、上述の対応付けテーブルと、複数の電気泳動画像Ｅｉからなるデータセットとを有している。具体的には、メモリ２０１は、予め定められた疾病に罹っている少なくとも１人の電気泳動画像Ｅｉと、その疾病に罹っていない少なくとも１人の電気泳動画像Ｅｉとをデータセットとして保存している。
図１０に、電気泳動画像Ｅｉの模式図を示す。
電気泳動画像Ｅｉは、上述の二次元電気泳動画像であって、人（例えば患者）の血液サンプルなどから取得された複数のたんぱく質を電荷量と分子量とで二次元的に分離することで得られる画像である。このような電気泳動画像Ｅｉからは、分離された複数のたんぱく質のそれぞれに対応する蛍光領域または染色領域（以下、スポットという）Ｓｐの位置または濃度（すなわち画素値）によって、患者の状態を取得することができる。すなわち、各患者の電気泳動画像Ｅｉにおいて、特定の位置にある画素に対応するたんぱく質は、全ての患者で同一であり、画素を指定すれば、その画素に対応するたんぱく質は一意に決定される。メモリ２０１に保存されている対応付けテーブルは、実施の形態１と同様、各画素と各たんぱく質との対応付けを示す。また、疾病は、例えば敗血症である。敗血症とは、全身性炎症反応症候群の一種であり、医療現場において早期の発見が必要とされている。なお、本実施の形態では、疾病を敗血症として説明するが、疾病は敗血症以外の病気であってもよい。
識別部２０２は、ニューラルネットワークを有し、データセットおよびそのニューラルネットワークを用いて、電気泳動画像Ｅｉと疾病との関係を学習する。さらに、識別部２０２は、そのニューラルネットワークにおけるデータセットに対する疾病の識別率を第１の識別率として算出する。この識別率は、例えば、データセットに含まれる各電気泳動画像Ｅｉのそれぞれに対する敗血症または非敗血症の識別の正解率である。
重み画像生成部２０３は、上述の関係の学習結果から得られたニューラルネットワークの複数の重みを画像化することによって、少なくとも１つの重み画像からなる重み画像群を生成する。
有効画像生成部２０４は、重み画像群を用いて有効画像を生成する。この有効画像は、それぞれ少なくとも１つのたんぱく質に対応付けられた複数の画素からなり、疾病の識別に有効なたんぱく質に対応する画素ほど、その疾病の識別に有効でないたんぱく質に対応する画素よりも低いまたは高い画素値を有する。
表示処理部２０５は、有効画像と第１の識別率とを共にディスプレイ９１１に表示させる。つまり、表示処理部２０５は、有効画像生成部２０４から有効画像を取得し、識別部２０２から第１の識別率を取得し、その有効画像と第１の識別率とをディスプレイ９１１に表示させる。
選択部９１３は、実施の形態１の入力デバイス９１２に相当し、ユーザによる操作に応じた信号を表示処理部２０５に出力することによって、ディスプレイ９１１の表示を変更させる。
＜識別部による学習＞
上述のように、識別部１０２は、ニューラルネットワークに基づく学習を行う。
図１１は、ニューラルネットワークの計算モデルを説明するための概念図である。ニューラルネットワークは、周知のように、生物のニューラルネットワークを模した計算モデルに従って演算を行う演算装置である。
図１１に示すように、ニューラルネットワーク２１０は、ニューロンに相当する複数のユニット（図１１に示す白丸）を有する。これらの複数のユニットのそれぞれは、入力層２１１、隠れ層２１２、および出力層２１３のうちの何れかの層に配置されている。
隠れ層２１２は、図１１に示す例では、２つの隠れ層２１２ａおよび隠れ層２１２ｂから構成されているが、単一の隠れ層若しくは３以上の隠れ層から構成されてもよい。なお、複数の隠れ層を有するニューラルネットワークは、特に、多層ニューラルネットワーク装置と呼ばれることがある。
ここで、ニューラルネットワーク２１０に含まれる複数の層のうち、入力層２１１に近い層を下位層といい、出力層２１３に近い層を上位層という。ニューラルネットワーク２１０の各ユニットは、下位層に配置された複数のユニットから受信した計算結果を重みに応じて結合（例えば、荷重和演算または重み付け加算）し、その結合の結果を上位層に配置されたユニットに送信する計算要素である。
ニューラルネットワーク２１０の機能は、ニューラルネットワーク２１０が有する層の数、および各層に配置されるユニットの数を表す構成情報と、各ユニットでの荷重和演算に用いられる重みＷ＝［ｗ１，ｗ２，・・・］とで定義される。
図１１に示すように、ニューラルネットワーク２１０における入力層２１１の各ユニット２１５には、入力データＸ＝［ｘ１，ｘ２，・・・］に含まれる要素の値が入力される。例えば、入力データＸが電気泳動画像Ｅｉである場合には、入力層２１１の各ユニットｕ１には、その電気泳動画像Ｅｉの画素値が入力される。つまり、電気泳動画像Ｅｉが１５００×１５００画素からなる場合には、入力層２１１は１５００×１５００個のユニットｕ１を有する。そして、ユニットｕ１には、そのユニットｕ１に対応する画素の画素値が入力される。
これにより、隠れ層２１２の各ユニットｕ２および出力層２１３の各ユニットｕ３において、重みＷ＝［ｗ１，ｗ２，・・・］を用いた荷重和演算がなされる。その結果、出力層２１３からは出力データＹ＝［ｙ１，ｙ２，・・・］が出力される。この出力データＹ＝［ｙ１，ｙ２，・・・］の各要素は、出力層２１３のユニットｕ３による荷重和演算の結果を示す値である。
このようなニューラルネットワーク２１０は、入力データＸを分類する分類問題を解く。より具体的には、ニューラルネットワーク２１０では、出力層２１３の各ユニットｕ３は、入力データＸを分類するための互いに異なる正解ラベルに対応付けられる。重みＷは、入力データＸの各々の要素が入力されたときに、当該入力データＸの正しい正解ラベルに対応する、出力層２１３の各ユニットｕ３の出力値が、１に近づき、他の各ユニットｕ３の出力値が、０に近づくように調整される。
図１２に、正解ラベルが「敗血症」および「非敗血症」である場合の学習の例を示す。
図１２に示すように、ニューラルネットワーク２１０において、出力層２１３の各ユニットｕ３のそれぞれは、正解ラベル「敗血症」および正解ラベル「非敗血症」のうちの何れか一方の正解ラベルに対応付けられる。また、重みＷは、正解ラベル「敗血症」が付与された学習データである電気泳動画像Ｅｉに対して出力データＹ＝［１、０］が得られ、かつ、正解ラベル「非敗血症」が付与された学習データである電気泳動画像Ｅｉに対して出力データＹ＝［０、１］が得られるように調整される。
なお、ニューラルネットワーク２１０に教師付き学習を行う場合、例えば、入力データＸ、重みＷおよび正解ラベルを用いて、正解ラベルと出力データＹとの誤差を表す損失関数を定義し、勾配降下法により当該損失関数を減少させる勾配に沿って重みＷを更新してもよい。
また、ニューラルネットワーク２１０が多層ニューラルネットワーク装置である場合、特に、上述の教師付き学習を行う前に、layer-wise pre-trainingと呼ばれる教師無し学習によって、重みＷを隠れ層ごとに個別に調整してもよい。これにより、その後の教師付き学習によって、より正確な分類ができる重みＷが得られる。
また、ニューラルネットワーク２１０の重みＷの調整には、上述した勾配降下法の他にも、例えば、バックプロパゲーションなどの周知のアルゴリズムが用いられ得る。また、ニューラルネットワーク２１０の学習では、重みＷを調整せずに、ニューラルネットワーク２１０の構成の変更（例えば、ユニットの追加または削除）を行ってもよく、重みＷの調整と構成の変更との両方を行ってもよい。ニューラルネットワーク２１０が多層ニューラルネットワーク装置である場合には、各層で個別に学習を行ってもよい。
＜重み画像と有効画像の生成＞
重み画像生成部２０３は、ニューラルネットワーク２１０の重みＷを画像化することによって複数の重み画像からなる重み画像群を生成する。
図１３に、重み画像群を生成する処理の一例を示す。まず、重み画像生成部２０３は、ニューラルネットワーク２１０の入力層２１１と、入力層２１１と重みで結合している隠れ層２１２ａとを、ニューラルネットワーク２１０より取り出す。
次に、重み画像生成部２０３は、隠れ層２１２ａのユニット毎に重みを分解する。すなわち、重み画像生成部２０３は、隠れ層２１２ａのユニットｕ２１における演算に用いられる複数の重みからなる重み群Ｇｗ１と、隠れ層２１２ａのユニットｕ２２における演算に用いられる複数の重みからなる重み群Ｇｗ２と、隠れ層２１２ａのユニットｕ２３における演算に用いられる複数の重みからなる重み群Ｇｗ３とを生成する。重み群Ｇｗ１は、隠れ層２１２ａのユニットｕ２１と、入力層２１１のユニットｕ１１、ｕ１２、ｕ１３、およびｕ１４とを結合している重みｗ（ｕ２１−ｕ１１）、ｗ（ｕ２１−ｕ１２）、ｗ（ｕ２１−ｕ１３）およびｗ（ｕ２１−ｕ１４）からなる。重み群Ｇｗ２は、隠れ層２１２ａのユニットｕ２２と、入力層２１１のユニットｕ１１、ｕ１２、ｕ１３、およびｕ１４とを結合している重みｗ（ｕ２２−ｕ１１）、ｗ（ｕ２２−ｕ１２）、ｗ（ｕ２２−ｕ１３）およびｗ（ｕ２２−ｕ１４）からなる。重み群Ｇｗ３は、隠れ層２１２ａのユニットｕ２３と、入力層２１１のユニットｕ１１、ｕ１２、ｕ１３、およびｕ１４とを結合している重みｗ（ｕ２３−ｕ１１）、ｗ（ｕ２３−ｕ１２）、ｗ（ｕ２３−ｕ１３）およびｗ（ｕ２３−ｕ１４）からなる。
次に、重み画像生成部２０３は、これらの重み群Ｇｗ１〜Ｇｗ３のそれぞれについて、重み群に含まれる各重みｗを画像中の画素として配置することによって、重み画像を生成する。例えば、入力層２１１におけるユニットｕ１１が画像中の左上の画素に対応し、ユニットｕ１２が画像中の右上の画素値に対応し、ユニットｕ１３が画像中の左下の画素に対応し、ユニットｕ１４が画像中の右下の画素に対応している。
このとき、重み画像生成部２０３は、重み群Ｇｗ１に含まれる各重みｗを、入力層２１１の各ユニットに対応する画素の位置に配置する。つまり、重み画像生成部２０３は、重みｗ（ｕ２１−ｕ１１）、ｗ（ｕ２１−ｕ１２）、ｗ（ｕ２１−ｕ１３）およびｗ（ｕ２１−ｕ１４）を、ユニットｕ１１、ｕ１２、ｕ１３およびｕ１４のそれぞれに対応する画像中の画素の位置に配置する。具体的には、重み画像生成部２０３は、重みｗ（ｕ２１−ｕ１１）、ｗ（ｕ２１−ｕ１２）、ｗ（ｕ２１−ｕ１３）およびｗ（ｕ２１−ｕ１４）のそれぞれを、画像中の左上、右上、左下、および右下に配置する。これにより、二次元上に配置された各重みｗを画素値として有する重み画像が生成される。重み画像生成部２０３は、このように生成された重み画像を保持する。
同様に、重み画像生成部２０３は、重み群Ｇｗ２に含まれる各重みｗを、入力層２１１の各ユニットに対応する画素の位置に配置する。つまり、重み画像生成部２０３は、重みｗ（ｕ２２−ｕ１１）、ｗ（ｕ２２−ｕ１２）、ｗ（ｕ２２−ｕ１３）およびｗ（ｕ２２−ｕ１４）を、ユニットｕ１１、ｕ１２、ｕ１３およびｕ１４のそれぞれに対応する画像中の画素の位置に配置する。具体的には、重み画像生成部２０３は、重みｗ（ｕ２２−ｕ１１）、ｗ（ｕ２２−ｕ１２）、ｗ（ｕ２２−ｕ１３）およびｗ（ｕ２２−ｕ１４）のそれぞれを、画像中の左上、右上、左下、および右下に配置する。これにより、二次元上に配置された各重みｗを画素値として有する重み画像が生成される。重み画像生成部２０３は、このように生成された重み画像を保持する。
同様に、重み画像生成部２０３は、重み群Ｇｗ３に含まれる各重みｗを、入力層２１１の各ユニットに対応する画素の位置に配置する。つまり、重み画像生成部２０３は、重みｗ（ｕ２３−ｕ１１）、ｗ（ｕ２３−ｕ１２）、ｗ（ｕ２３−ｕ１３）およびｗ（ｕ２３−ｕ１４）を、ユニットｕ１１、ｕ１２、ｕ１３およびｕ１４のそれぞれに対応する画像中の画素の位置に配置する。具体的には、重み画像生成部２０３は、重みｗ（ｕ２３−ｕ１１）、ｗ（ｕ２３−ｕ１２）、ｗ（ｕ２３−ｕ１３）およびｗ（ｕ２３−ｕ１４）のそれぞれを、画像中の左上、右上、左下、および右下に配置する。これにより、二次元上に配置された各重みｗを画素値として有する重み画像が生成される。重み画像生成部２０３は、このように生成された重み画像を保持する。
図１１〜図１３に示す例では、説明を簡単にするために、ニューラルネットワーク２１０の入力層２１１は４つのユニットを有しているが、電気泳動画像Ｅｉの画素数に応じた数のユニットを有していてもよい。例えば、入力層２１１は、電気泳動画像Ｅｉの画素数と同一の数のユニットを有する。また、重み画像の生成において、重みｗを画素値としたが、重みｗと画素値とは同一ではなく、重みｗに応じた値を画素値としてもよい。つまり、重みｗを変数とする関数によって算出される値を画素値としてもよい。また、画素値は、輝度または色差であってもよい。
上述のように生成される重み画像では、ニューラルネットワーク２１０が電気泳動画像Ｅｉを用いて疾病の有無を識別する際に有効となるたんぱく質に対応する画素の重みが大きくなる。例えば、その画素の画素値が大きく、具体的には、画素の輝度が大きくなる。逆に、この重み画像では、その疾病の有無を識別する際に有効とはならないたんぱく質に対応する画素の重みが小さくなる。例えば、その画素の画素値が小さく、具体的には、画素の輝度が小さくなる。
有効画像生成部２０４は、このように生成された複数の重み画像の平均を算出することによって有効画像を生成する。
図１４に、重み画像および有効画像のそれぞれの一例を示す。
例えば、図１４に示すように、重み画像生成部２０３は、重みの大きな画素が白く、重みの小さな画素が黒くなるように、重み画像Ｗｉ１〜Ｗｉ３を生成する。具体的には、重み画像生成部２０３は、重み群Ｇｗ１から重み画像ｗｉ１を生成し、重み群Ｇｗ２から重み画像ｗｉ２を生成し、重み群Ｇｗ３から重み画像ｗｉ１を生成する。これらの重み画像Ｗｉ１〜Ｗｉ３では、例えば敗血症などの疾病の有無を識別する際に有効となるたんぱく質に対応する画素の画素値が大きく、有効とはならないたんぱく質に対応する画素の画素値が小さくなっている。つまり、重み画像Ｗｉ１〜Ｗｉ３では、有効たんぱく質に対応するスポットが鮮明に現れている。
有効画像生成部２０４は、これらの重み画像Ｗｉ１〜Ｗｉ３から１枚の有効画像Ｍｉを生成する。本実施の形態においては、有効画像生成部２０４は、重み画像Ｗｉ１〜Ｗｉ３の平均画像を計算することによって有効画像Ｍｉを生成する。つまり、有効画像生成部２０４は、重み画像群に含まれる少なくとも１つの重み画像のそれぞれの同一位置にある画素の画素値を平均化することによって、有効画像Ｍｉを生成する。具体的には、有効画像生成部２０４は、重み画像Ｗｉ１〜Ｗｉ３のそれぞれの同一位置にある複数の画素からなる画素群ごとに、その画素群に含まれる複数の画素の平均を算出することによって、有効画像Ｍｉを生成する。
重み画像Ｗｉ１〜Ｗｉ３のそれぞれは、ニューラルネットワーク２１０の入力層２１１と隠れ層２１２ａとの間の複数の重みｗのうちの一部の重みｗを使って生成されている。したがって、重み画像Ｗｉ１〜Ｗｉ３のそれぞれでは、有効とされるたんぱく質が異なっている場合がある。そのため、ユーザは、有効たんぱく質を見つけるためには、これらの重み画像Ｗｉ１〜Ｗｉ３の全てを視認する必要がある。しかし、本実施の形態であれば、有効画像生成部２０４によって有効画像Ｍｉが生成されるため、ユーザは、その一枚の有効画像Ｍｉから、ニューラルネットワーク２１０によって有効と判断されたたんぱく質を一度に視認することができる。また、有効画像Ｍｉでは、重み画像Ｗｉ１〜Ｗｉ３と同様に、有効たんぱく質に対応するスポットが鮮明に現れている。
図１５に、重み画像の具体的な例を示す。
重み画像では、図１５の（ａ）に示すように、ニューラルネットワーク２１０から抽出された複数の重みが二次元上に配列されている。例えば、それぞれの重みは、０〜２５５までの範囲にある整数値であり、画素値（具体的には輝度値）として用いられる。したがって、重み画像は、図１５の（ｂ）に示すように、その重みが大きいほど明るいまたは白い画素を有し、重みが小さいほど暗いまたは黒い画素を有する。このような重み画像において、周囲の画素よりも明るいまたは白い複数の画素からなる集合が、上述の有効たんぱく質に対応するスポットとして現れる。ニューラルネットワーク２１０から抽出された重みの数が例えば１５００×１５００個のように多い場合には、スポットは、図１５の（ｂ）に示すように複数のブロックの集合として見えることなく、図１５の（ｃ）に示すように、一つの模様のように見える。
＜画面表示例＞
図１６Ａおよび図１６Ｂに、表示処理部２０５によってディスプレイ９１１に表示される画面の一例を示す。
表示処理部２０５は、有効画像生成部２０４から有効画像Ｍｉを取得し、図１６Ａの（ａ）に示すように、その有効画像Ｍｉをディスプレイ９１１に表示させる。その際、表示処理部２０５は、有効画像Ｍｉだけでなく、識別部２０２から取得した第１の識別率もディスプレイ９１１に表示させる。第１の識別率は、例えば「識別率：９８％」として識別率表示欄Ｒ１に記載された状態で表示される。
前述したように、各患者の電気泳動画像Ｅｉにおいて、特定の位置にある画素に対応するたんぱく質は、全ての患者で同一であり、画素を指定すれば、その画素に対応するたんぱく質は一意に決定される。有効画像Ｍｉでも、電気泳動画像Ｅｉと同様に、画素を指定すれば、その画素に対応するたんぱく質は一意に決定される。つまり、有効画像Ｍｉに対しても上述の対応付けテーブルを利用することができる。
そこで、表示処理部２０５は、図１６Ａの（ｂ）に示すように、有効たんぱく質リストＬ１をディスプレイ９１１に表示させてもよい。この有効たんぱく質リストＬ１は、有効画像Ｍｉに現れている各スポットに含まれる画素に対応するたんぱく質の情報（例えば名称）を示す。
つまり、本実施の形態における表示処理部２０５は、有効画像Ｍｉに現れている各スポットに対応付けられたたんぱく質の情報を、リスト化することによって、有効たんぱく質リストＬ１を生成する。そして、表示処理部２０５は、有効画像Ｍｉと共にその有効たんぱく質リストＬ１をディスプレイ９１１に表示させる。例えば、表示処理部２０５は、その有効たんぱく質リストＬ１の生成に、上述の対応付けテーブルを利用する。
これにより、ユーザは、有効画像Ｍｉに現れている各スポットに対応するたんぱく質の情報を別途検索する手間を省くことができる。
また、本実施の形態における表示処理部２０５は、有効画像Ｍｉに現れている少なくとも１つのスポットから、何れか１つのスポットを選択することによって、または、有効たんぱく質リストＬ１から、何れかの１つの情報を選択することによって、選択されたスポットまたは情報に対応する１つの有効たんぱく質を、選択たんぱく質として選択する。
つまり、表示処理部２０５は、図１６Ａの（ｃ）に示すように、ユーザによる選択部９１３の操作に応じて、ディスプレイ９１１に表示されるポインタＰ２を移動させる。そして、表示処理部２０５は、ユーザによる選択部９１３の操作に応じて、ポインタＰ２によって指し示されるたんぱく質の名称を選択してもよい。例えば、たんぱく質の名称として「たんぱく質Ａ」が選択される。これにより、名称「たんぱく質Ａ」のたんぱく質が選択たんぱく質として選択される。このとき、表示処理部２０５は、名称「たんぱく質Ａ」のたんぱく質に対応するスポットＳｐ１以外のスポットを、上述の対応付けテーブルを用いて検索して、有効画像Ｍｉ中から削除する。
また、表示処理部２０５は、図１６Ｂの（ａ）に示すように、ユーザによる選択部９１３の操作に応じて、ディスプレイ９１１に表示されるポインタＰ２を有効画像Ｍｉ上で移動させる。そして、表示処理部２０５は、ユーザによる選択部９１３の操作に応じて、ポインタＰ２によって指し示されるスポットを選択してもよい。例えば、スポットＳｐ２が選択される。これにより、スポットＳｐ２に対応するたんぱく質が選択たんぱく質として選択される。このとき、表示処理部２０５は、その選択されたスポットＳｐ２以外のスポットを、有効画像Ｍｉ中から削除する。さらに、表示処理部２０５は、そのスポットＳｐ２に対応する選択たんぱく質の名称を、上述の対応付けテーブルを用いて検索する。その結果、表示処理部２０５は、スポットＳｐ２に対応する選択たんぱく質の名称として「たんぱく質Ｂ」を見つける。そして、表示処理部２０５は、有効たんぱく質リストＬ１において、「たんぱく質Ｂ」を表示させ、他のたんぱく質の名称を削除する。その結果、有効画像Ｍｉには、スポットＳｐ２が現れ、有効たんぱく質リストＬ１には、名称「たんぱく質Ｂ」が表示される。
これにより、疾病の識別に有効なたんぱく質に対応するスポットの有効画像Ｍｉ上での位置と、そのたんぱく質の情報（すなち名称など）とを関連付けて確認することができる。なお、図１６Ｂの（ａ）に示す、選択たんぱく質の名称の表示形態は一例であり、表示処理部２０５は、異なる表示形態によってその名称を表示しても良い。例えば、表示処理部２０５は、有効画像Ｍｉ上でスポットが選択された際に、有効たんぱく質リストＬ１にある、そのスポットに対応する選択たんぱく質の名称の色またはフォントサイズ等を変更することによって、その名称を強調してもよい。
また、表示処理部２０５は、図１６Ｂの（ｂ）に示すように、検索アイコンＳＩをディスプレイ９１１に表示させてもよい。この場合、検索アイコンＳＩにたんぱく質の名称が入力されると、表示処理部２０５は、その名称に対応するたんぱく質を選択たんぱく質として扱う。つまり、表示処理部２０５は、有効画像Ｍｉの中から、その選択たんぱく質に対応するスポットを、上述の対応付けテーブルを用いて検索し、そのスポット以外のスポットを有効画像Ｍｉから削除する。例えば、検索アイコンＳＩに「たんぱく質Ｂ」が入力されると、名称「たんぱく質Ｂ」の選択たんぱく質に対応するスポットＳｐ２以外のスポットが有効画像Ｍｉから削除される。さらに、表示処理部２０５は、有効たんぱく質リストＬ１において、選択たんぱく質の名称「たんぱく質Ｂ」を表示させ、他のたんぱく質の名称を削除してもよい。これにより、有効画像Ｍｉには、スポットＳｐ２が現れ、有効たんぱく質リストＬ１には、名称「たんぱく質Ｂ」が表示される。
このような表示であっても、図１６Ｂの（ａ）に示す例と同様、疾病の識別に有効なたんぱく質に対応するスポットの有効画像Ｍｉ上での位置と、そのたんぱく質の情報（すなち名称など）とを関連付けて確認することができる。
＜全体動作＞
図１７は、本実施の形態における表示制御装置２００の全体的な処理動作を示すフローチャートである。
［ステップＳ１０１］
まず、表示制御装置２００の識別部２０２は、電気泳動画像Ｅｉのデータセットをメモリ２０１から読み込む。
［ステップＳ１０２］
次に、識別部２０２は、そのデータセットおよびニューラルネットワーク２１０を用いて、電気泳動画像Ｅｉと疾病との関係を学習し、そのニューラルネットワーク２１０におけるデータセットに対する疾病の識別率を第１の識別率として算出する。
［ステップＳ１０３］
その後、重み画像生成部２０３は、ニューラルネットワーク２１０における入力層２１１と隠れ層２１２ａとの間の重み群を画像化することによって、少なくとも１つの重み画像からなる重み画像群を生成する。
［ステップＳ１０４］
次に、有効画像生成部２０４は、重み画像群を平均化することによって有効画像Ｍｉを生成する。
［ステップＳ１０５］
そして、表示処理部２０５は、ステップＳ１０４にて生成された有効画像Ｍｉと、ステップＳ１０２にて算出された第１の識別率とを共にディスプレイ９１１に表示させる。
以上のように、本実施の形態における表示制御装置２００によれば、疾病の識別に有効なたんぱく質を識別率と共に提示することができる。これにより、対象のたんぱくを選択してバイオマーカーを作成する必要なく、たんぱく質の有効性を提示することができる。
（実施の形態３）
実施の形態３における表示制御装置は、実施の形態２の表示制御装置１００の機能を有するとともに、選択たんぱく質のスポットを用いた場合の識別率を第２の識別率として表示する。
＜全体構成＞
図１８は、本実施の形態における表示制御装置３００の機能的な構成の一例を示すブロック図である。なお、図１８に示す表示制御装置３００の各構成要素のうち、実施の形態２と同一の構成要素には、実施の形態２の符号と同一の符号を付し、詳細な説明を省略する。
本実施の形態における表示制御装置３００は、図１８に示すように、実施の形態２の各構成要素を備えるとともに、さらに、除去画像生成部３０１を備えている。なお、識別部２０２、重み画像生成部２０３、有効画像生成部２０４、表示処理部２０５、および除去画像生成部３０１は、少なくとも１つの回路から構成されていてもよい。
除去画像生成部３０１は、メモリ２０１のデータセットに含まれる複数の電気泳動画像Ｅｉのそれぞれから、選択たんぱく質に対応していないスポットを除去することによって、除去画像を生成する。
また、本実施の形態における識別部２０２は、さらに、複数の除去画像をニューラルネットワーク２１０に入力することによって、そのニューラルネットワーク２１０における複数の除去画像に対する識別率を、第２の識別率として算出する。第２の識別率は、選択たんぱく質を用いた識別率である。
表示処理部２０５は、第２の識別率をディスプレイ９１１に表示させる。
＜除去画像の生成例＞
図１９に、除去画像生成部３０１によって生成される除去画像の一例を示す。
除去画像生成部３０１は、図１９に示すように、電気泳動画像Ｅｉ１、Ｅｉ２、Ｅｉ３およびＥｉ４を含むデータセットをメモリ２０１から読み出す。また、除去画像生成部３０１は、ユーザによる選択部９１３の操作に応じて選択された有効たんぱく質である選択たんぱく質の情報（例えば名称）を、表示処理部２０５を介して取得する。次に、除去画像生成部３０１は、その情報と対応付けテーブルとに基づいて、その選択たんぱく質に対応するスポット以外のスポットを、電気泳動画像Ｅｉ１、Ｅｉ２、Ｅｉ３およびＥｉ４のそれぞれから除去する。例えば、選択たんぱく質に対応するスポットは、電気泳動画像Ｅｉ１ではスポットＳｐ１１であり、電気泳動画像Ｅｉ２ではスポットＳｐ１２であり、電気泳動画像Ｅｉ３ではスポットＳｐ１３であり、電気泳動画像Ｅｉ４ではスポットＳｐ１４である。なお、スポットＳｐ１１、Ｓｐ１２、Ｓｐ１３およびＳｐ１４のそれぞれは、電気泳動画像中の同一位置にある。
この場合、除去画像生成部３０１は、電気泳動画像Ｅｉ１からスポットＳｐ１１以外のスポットを除去することによって除去画像Ｅｘ１を生成する。同様に、除去画像生成部３０１は、電気泳動画像Ｅｉ２からスポットＳｐ１２以外のスポットを除去することによって除去画像Ｅｘ２を生成し、電気泳動画像Ｅｉ３からスポットＳｐ１３以外のスポットを除去することによって除去画像Ｅｘ３を生成する。さらに、除去画像生成部３０１は、電気泳動画像Ｅｉ４からスポットＳｐ１４以外のスポットを除去することによって除去画像Ｅｘ４を生成する。
＜画面表示例＞
図２０に、表示処理部２０５によってディスプレイ９１１に表示される画面の一例を示す。
除去画像生成部３０１は、上述のように生成された除去画像Ｅｘ１、Ｅｘ２、Ｅｘ３およびＥｘ４の平均画像を計算することによって除去有効画像Ｍｘを生成する。表示処理部２０５は、図２０の（ａ）に示すように、その除去有効画像Ｍｘをディスプレイ９１１に表示させる。
ここで、識別部２０２は、除去画像Ｅｘ１、Ｅｘ２、Ｅｘ３およびＥｘ４をニューラルネットワーク２１０に入力することによって、そのニューラルネットワーク２１０における上記複数の除去画像に対する識別率を、第２の識別率として算出する。表示処理部２０５は、図２０の（ａ）に示すように、その第２の識別率を除去有効画像Ｍｘとともにディスプレイ９１１に表示させる。第２の識別率は、例えば「８０％」であって、上述の第１の識別率（例えば「９８％」）と対比されるように、識別率表示欄Ｒ２１に記載された状態で表示される。図２０の（ａ）に示す例では、第２の識別率は、分数の分子として表示される。つまり、分数の分子は、選択たんぱく質を用いた場合の識別率である第２の識別率であり、分数の分母は、全ての有効たんぱく質を利用した場合の識別率である第１の識別率である。
なお、第２の識別率は、図２０の（ａ）に示す例に限らず、任意の表示方法で表示されてもよい。例えば、図２０の（ｂ）に示すように、第１の識別率と第２の識別率とは、分数表記ではなく、互いに独立した識別率表示欄Ｒ２１およびＲ２２のそれぞれに表示されてもよい。つまり、選択たんぱく質を用いた場合の識別率である第２の識別率は、識別率表示欄Ｒ２２に例えば「選択識別率：８０％」として表示される。また、全てのたんぱく質を利用した場合の識別率である第１の識別率は、識別率表示欄Ｒ２３に例えば「全体識別率：９８％」として表示される。このように、第１の識別率と第２の識別率とは、独立して併記された状態で表示されてもよい。
また、表示処理部２０５は、図２０の（ｃ）に示すように、第２の識別率を第１の識別率で除算することによって相対識別率を算出し、その相対識別率を除去有効画像Ｍｘとともにディスプレイ９１１に表示させてもよい。例えば、相対識別率は、識別率表示欄Ｒ２４に「相対識別率：８２％」と記載された状態で表示される。
また、表示処理部２０５は、実施の形態１のように、有効たんぱく質リストＬ１もディスプレイ９１１に併せて表示させてもよい。
＜全体動作＞
図２１は、本実施の形態における表示制御装置３００の全体的な処理動作を示すフローチャートである。この図２１のフローチャートによって示される処理動作では、選択たんぱく質を用いた場合の識別率である第２の識別率が表示される。
［ステップＳ１００］
表示制御装置３００は、実施の形態２と同様、図１７に示すステップＳ１０１〜Ｓ１０５の処理を行うことによって、有効画像Ｍｉをディスプレイ９１１に表示させる。
［ステップＳ２０１］
次に、表示制御装置３００の表示処理部２０５は、ユーザによる選択部９１３の操作に応じて、有効画像Ｍｉに現れている各スポットから１つのスポットを選択する。これにより、その１つのスポットに対応する有効たんぱく質が、選択たんぱく質として選択される。つまり、表示処理部２０５は、選択されたスポットの位置と、上述の対応付けテーブルとを参照することによって、そのスポットに対応するたんぱく質を、選択たんぱく質として選択する。
なお、有効画像Ｍｉは、実際にはたんぱく質の画像ではなく、ニューラルネットワーク２１０の重みを画像化することによって得られたものである。しかし、ニューラルネットワーク２１０の各重みはたんぱく質と一対一で対応しているため、有効画像Ｍｉからのスポット（すなわち重み）の選択は、たんぱく質の選択とみなすことが可能である。
また、図１６Ａの（ｃ）に示すように、有効たんぱく質リストＬ１が表示されている場合には、表示処理部２０５は、ユーザによる選択部９１３の操作に応じて、その有効たんぱく質リストＬ１に含まれる名称を選択してもよい。これにより、その名称のたんぱく質が選択たんぱく質として選択される。また、図１６Ｂの（ｂ）に示すように、検索アイコンＳＩが表示されている場合には、表示処理部２０５は、その検索アイコンＳＩに入力される名称に対応するたんぱく質を、選択たんぱく質として選択してもよい。
［ステップＳ２０２］
次に、除去画像生成部３０１は、メモリ２０１のデータセットに含まれる複数の電気泳動画像Ｅｉのそれぞれから、選択たんぱく質以外のたんぱく質のスポットを除去することによって、複数の除去画像からなるデータセットを生成する。即ち、除去画像生成部３０１は、図１９に示すように、電気泳動画像Ｅｉ１からスポットＳｐ１１以外のスポットを除去することによって除去画像Ｅｘ１を生成する。同様に、除去画像生成部３０１は、電気泳動画像Ｅｉ２から除去画像Ｅｘ２を生成し、電気泳動画像Ｅｉ３から除去画像Ｅｘ３し、電気泳動画像Ｅｉ４から除去画像Ｅｘ４を生成する。
［ステップＳ２０３］
次に、識別部２０２は、生成された除去画像のデータセットをニューラルネットワーク２１０に入力する。この際、最急降下法などを用いてニューラルネットワーク２１０の再学習を行ってもよい。
［ステップＳ２０４］
識別部２０２は、ステップＳ２０３の入力によって、そのニューラルネットワーク２１０における除去画像のデータセットに対する識別率を、第２の識別率として算出する。
［ステップＳ２０５］
表示処理部２０５は、ステップＳ１００で算出された第１の識別率と、ステップＳ２０４で算出された第２の識別率とを併せて表示する。
以上のように、実施の形態２における表示制御装置３００は、選択たんぱく質を利用した場合の識別率を表示する。したがって、疾病の識別に有効なたんぱく質が複数ある場合には、それらのたんぱく質を１つずつ選択することによって、最も有効なたんぱく質を確認することができる。一般に、バイオマーカーは１つのたんぱく質の発現量を確認するものである。したがって、バイオマーカーを用いて、最も有効なたんぱく質を確認するためには、複数のたんぱく質のそれぞれに適したバイオマーカーを作成する必要がある。しかし、本実施の形態では、そのようなバイオマーカーを作成することなく、疾病の識別に最も有効なたんぱく質を簡単に確認することができる。
（実施の形態３の変形例）
上記実施の形態では、選択たんぱく質を利用した場合の識別率を第２の識別率として表示するために、除去画像を生成したが、除去画像を生成することなく、その第２の識別率を表示してもよい。例えば、識別部２０２が、ニューラルネットワーク２１０の複数の重みのうち、選択たんぱく質以外のたんぱく質に対応付けられている重みを０にしてもよい。
すなわち、識別部２０２は、ニューラルネットワーク２１０の複数の重みのうち、選択たんぱく質に対応していない少なくとも１つの重みのそれぞれを０に設定することによって、ニューラルネットワーク２１０を変更する。
なお、電気泳動画像Ｅｉの各画素は、上述の対応付けテーブルに示すように、少なくとも１つのたんぱく質に対応付けられている。また、ニューラルネットワーク２１０の入力層２１１に含まれる各ユニットは、電気泳動画像Ｅｉの画素に対応付けられている。したがって、ニューラルネットワーク２１０の入力層２１１に含まれる各ユニットは、少なくとも１つのたんぱく質に対応付けられている。そこで、上述のようにニューラルネットワーク２１０を変更する場合には、識別部２０２は、ニューラルネットワーク２１０の入力層２１１に含まれる複数のユニットのうち、選択たんぱく質に対応付けられていない少なくとも１つのユニットを特定する。そして、識別部２０２は、その特定された少なくとも１つのユニットのそれぞれについて、そのユニットと隠れ層２１２ａのユニットとの間の重みを０に設定する。
さらに、識別部２０２は、メモリ２０１のデータセットに含まれる複数の電気泳動画像Ｅｉを、変更されたニューラルネットワーク２１０に入力することによって、変更されたニューラルネットワーク２１０におけるそのデータセットに対する識別率を、第２の識別率として算出する。表示処理部２０５は、その第２の識別率をディスプレイ９１１に表示させる。
これにより、除去画像生成部３０１を用いることなく、選択たんぱく質を利用した場合の第２の識別率を算出して表示することができる。
（実施の形態４）
実施の形態４における表示制御装置は、第２の識別率よりも高い識別率を得るためのたんぱく質の組み合わせを表示する。この組み合わせは、選択たんぱく質と、その選択たんぱく質以外のたんぱく質との組み合わせである。
＜全体構成＞
図２２は、本実施の形態における表示制御装置４００の機能的な構成の一例を示すブロック図である。なお、図２２に示す表示制御装置４００の各構成要素のうち、実施の形態２または３と同一の構成要素には、実施の形態２または３と同一の符号を付し、詳細な説明を省略する。
本実施の形態における表示制御装置４００は、図２２に示すように、実施の形態３の構成要素を備えるとともに、さらに、組み合わせ計算部４０１を備えている。なお、識別部２０２、重み画像生成部２０３、有効画像生成部２０４、表示処理部２０５、除去画像生成部３０１および組み合わせ計算部４０１は、少なくとも１つの回路から構成されていてもよい。
組み合わせ計算部４０１は、重み画像生成部２０３によって生成された重み画像群を利用して、たんぱく質の組み合わせを見つけ出す。つまり、組み合わせ計算部４０１は、ユーザによる選択部９１３の操作によって選択された有効たんぱく質である選択たんぱく質と組み合わせることで、識別率が第２の識別率よりも向上するたんぱく質を見つけ出す。
具体的には、組み合わせ計算部４０１は、選択たんぱく質以外のたんぱく質である複数の非選択たんぱく質のそれぞれについて、選択たんぱく質のスポットと共に当該非選択たんぱく質のスポットを含む重み画像の枚数を、重み画像群から特定する。つまり、組み合わせ計算部４０１は、その重み画像の枚数をカウントする。そして、組み合わせ計算部４０１は、重み画像の枚数が多い順で第１番目の非選択たんぱく質から第Ｎ（Ｎは１以上の整数）番目の非選択たんぱく質までのＮ個の非選択たんぱく質を、上述の複数の非選択たんぱく質から抽出する。このように抽出されたＮ個の非選択たんぱく質は、選択たんぱく質と組み合わされることで識別率が第２の識別率よりも向上するたんぱく質である。
表示処理部２０５は、抽出されたＮ個の非選択たんぱく質のそれぞれの情報をディスプレイ０１１に表示させる。
以下、選択たんぱく質と組み合わされるＮ個の非選択たんぱく質のそれぞれを、組み合わせたんぱく質という。
＜組み合わせ計算部の処理＞
図２３に、組み合わせたんぱく質を抽出する処理の一例を示す。
組み合わせ計算部４０１は、重み画像生成部２０３によって生成された重み画像群に含まれる重み画像Ｗｉ１、Ｗｉ２、Ｗｉ３およびＷｉ４のそれぞれから、選択たんぱく質に対応するスポットＳｐ３１を選択する。具体的には、組み合わせ計算部４０１は、閾値Ｔｈ以上の重み（すなわち画素値）を有する複数の画素からなるスポットＳｐ３１を選択する。例えば、重みの取り得る範囲が−１から＋１である場合、閾値ＴｈはＴｈ＝０である。もしくは、閾値Ｔｈは、Ｔｈ＝α×ｍａｘＷである。ｍａｘＷは重みの最大値、αはパラメータであり、例えば０．９などである。これにより、重み画像群の中から、選択たんぱく質の重みが大きい画像（すなわちスポットＳｐ３１）を検出することができる。
さらに、組み合わせ計算部４０１は、選択たんぱく質以外の複数の非選択たんぱく質のそれぞれについて、選択たんぱく質のスポットと共にその非選択たんぱく質のスポットを含む重み画像の枚数を、その重み画像群からカウントする。なお、複数の非選択たんぱく質のそれぞれのスポットも、例えば、上述の閾値Ｔｈ以上の重みを有する複数の画素からなる。言い換えれば、組み合わせ計算部４０１は、重み画像群から、選択たんぱく質に対応する重み以外の重みの出現回数をカウントする。
例えば、図２３に示すように、選択たんぱく質に対応するスポットＳｐ３１と同じ重み画像に出現しているスポットＳｐ３２の出現回数は３回であり、スポットＳｐ３３の出現回数は２回であり、スポットＳｐ３４の出現回数は１回である。これらの出現回数は、頻度分布Ｆｄとして表される。
次に、組み合わせ計算部４０１は、上述の頻度分布Ｆｄを用いて、出現回数の多い順で上位にあるＮ個のスポットを選択する。例えば、Ｎ＝１とした場合、頻度分布Ｆｄを利用すると、スポットＳｐ３２が選択される。これによって、複数の非選択たんぱく質の中から、スポットＳｐ３２に対応する非選択たんぱく質が、組み合わせたんぱく質として抽出される。
＜組み合わせを用いた第３の識別率の算出＞
除去画像生成部３０１は、複数の電気泳動画像Ｅｉからなるデータセットをメモリ２０１から読み出す。また、除去画像生成部３０１は、選択たんぱく質の情報（例えば名称）と、Ｎ個の組み合わせたんぱく質の情報とを、組み合わせ計算部４０１から取得する。次に、除去画像生成部３０１は、これらの情報と上述の対応付けテーブルとに基づいて、特定の複数のスポットを除く各スポットを、複数の電気泳動画像Ｅｉのそれぞれから除去する。その特定の複数のスポットは、選択たんぱく質に対応するスポットと、Ｎ個の組み合わせたんぱく質のそれぞれに対応するスポットである。これにより、選択たんぱく質のスポットと、出現回数の多い順で上位にあるＮ個のスポットが残された除去画像のデータセットが生成される。
識別部２０２は、生成された複数の除去画像からなるデータセットをニューラルネットワーク２１０に入力することによって、第３の識別率を算出する。この第３の識別率は、第２の識別率よりも高い。
＜画面表示例＞
図２４に、表示処理部２０５によってディスプレイ９１１に表示される画面の一例を示す。
表示処理部２０５は、選択たんぱく質の情報（例えば名称）と、Ｎ個の組み合わせたんぱく質の情報とを、組み合わせ計算部４０１から取得する。次に、表示処理部２０５は、それらの情報に基づいて、図２４の（ａ）に示すように、選択たんぱく質のスポットＳｐ３１と、Ｎ個（図２４の例では１個）の組み合わせたんぱく質のスポットＳｐ３２が残された組み合わせ有効画像Ｍｚを生成する。つまり、表示処理部２０５は、選択たんぱく質に対応するスポットＳｐ３１と、組み合わせたんぱく質に対応するスポットＳｐ３２とを除く、各スポットを有効画像Ｍｉから除去することによって、組み合わせ有効画像Ｍｚを生成する。
さらに、表示処理部２０５は、識別部２０２から第３の識別率を取得する。そして、表示処理部２０５は、図２４の（ａ）に示すように、組み合わせ有効画像Ｍｚと、第３の識別率とをディスプレイ９１１に表示させる。第３の識別率は、例えば「８５％」であって、上述の第１の識別率（例えば「９８％」）と対比されるように、識別率表示欄Ｒ３に記載された状態で表示される。図２４の（ａ）に示す例では、第３の識別率は、分数の分子として表示される。つまり、分数の分子は、たんぱく質の組み合わせを用いた場合の識別率である第３の識別率であり、分数の分母は、全ての有効たんぱく質を利用した場合の識別率である第１の識別率である。
また、表示処理部２０５は、図２４の（ｂ）に示すように、有効画像Ｍｉからスポットを除去することなく、組み合わせ有効画像Ｍｚを生成してもよい。この場合、表示処理部２０５は、選択たんぱく質のスポットＳｐ３１と、Ｎ個（図２４の例では１個）の組み合わせたんぱく質のスポットＳｐ３２とを連結する線状のオブジェクトJ１を、有効画像Ｍｉに重畳する。これによって、選択たんぱく質のスポットＳｐ３１と、組み合わせたんぱく質のスポットＳｐ３２とが組み合わされていることを示す組み合わせ有効画像Ｍｚが生成される。
なお、選択たんぱく質のスポットと、Ｎ個の組み合わせたんぱく質のスポットとからなる組み合わせの表示形態は、図２４に示す例に限らず、その組み合わせが明示されていれば、どのような表示形態であってもよい。
＜全体動作＞
図２５は、本実施の形態における表示制御装置４００の全体的な処理動作を示すフローチャートである。この図２５のフローチャートによって示される処理動作では、たんぱく質の組み合わせと、その組み合わせを用いた場合の識別率である第３の識別率が表示される。
［ステップＳ１００］
表示制御装置４００は、実施の形態２と同様、図１７に示すステップＳ１０１〜Ｓ１０５の処理を行うことによって、有効画像Ｍｉをディスプレイ９１１に表示させる。
［ステップＳ２０１］
次に、表示制御装置４００の表示処理部２０５は、実施の形態３と同様、ユーザによる選択部９１３の操作に応じて、有効画像Ｍｉに現れている各スポットから１つのスポットを選択する。これにより、その１つのスポットに対応する有効たんぱく質が、選択たんぱく質として選択される。
［ステップＳ３０１］
次に、組み合わせ計算部４０１は、重み画像群に含まれる各重み画像から、選択たんぱく質に対応するスポットを選択する。このスポットは、閾値Ｔｈ以上の重みに相当する画素値を有する複数の画素からなる画像である。
［ステップＳ３０２］
そして、組み合わせ計算部４０１は、選択たんぱく質以外の複数の非選択たんぱく質のそれぞれについて、選択たんぱく質のスポットと共にその非選択たんぱく質のスポットを含む重み画像の枚数を、その重み画像群からカウントする。このようにカウントされる重み画像の枚数は、その非選択たんぱく質のスポットの出現回数である。
［ステップＳ３０３］
次に、組み合わせ計算部４０１は、出現回数の多い順で上位にあるＮ個のスポットを選択する。
［ステップＳ３０４］
その後、除去画像生成部３０１は、その選択たんぱく質のスポットと、Ｎ個の組み合わせたんぱく質のそれぞれのスポットとを除く、各スポットを複数の電気泳動画像Ｅｉのそれぞれから除去する。これにより、選択有効たんぱく質のスポットと、出現回数の多い順で上位にあるＮ個のスポットが残された除去画像のデータセットが生成される。
［ステップＳ２０３］
次に、識別部２０２は、実施の形態３と同様、生成された除去画像のデータセットをニューラルネットワーク２１０に入力する。
［ステップＳ２０４］
識別部２０２は、実施の形態３と同様、ステップＳ２０３の入力によって、そのニューラルネットワーク２１０における除去画像のデータセットに対する識別率を、第３の識別率として算出する。
［ステップＳ２０５］
表示処理部２０５は、ステップＳ１００で算出された第１の識別率と、ステップＳ２０４で算出された第３の識別率とを併せて表示する。
以上のように、本実施の形態では、識別率の向上を図るための組み合わせたんぱく質を、重み画像群を用いて見つけ出す。これは、ニューラルネットワーク２１０の中間層（すなわち隠れ層）の１つ１つのユニットを発火させるために必要なたんぱく質の組み合わせを評価していることと等しい。従って、選択たんぱく質と同時に重みが大きくなるたんぱく質は、中間層のユニットにとって、選択たんぱく質と相関が高いことを意味する。ニューラルネットワーク２１０は、発火した中間層のユニットの組み合わせによって疾病か否かを判断する。そのため、選択たんぱく質と同時に重みが大きくなる回数が多いたんぱく質を、その選択たんぱく質と組み合わせることで、疾病の識別率を向上させることができる。
（その他の実施の形態）
以上、本開示の表示制御装置について、上記各実施の形態を用いて説明したが、本開示はこれら実施の形態に限定されるものではない。
例えば、上記各実施の形態における表示制御装置は、コンピュータを利用して実現されてもよい。
図２６は、本開示の表示制御装置を実現するためのハードウェア構成を示すブロック図である。
表示制御装置１０００は、コンピュータ２０００と、コンピュータ２０００に指示を与えるためのキーボード２０１１およびマウス２０１２と、コンピュータ２０００の演算結果等の情報を提示するためのディスプレイ２０１０と、コンピュータ２０００で実行されるプログラムを読み取るためのＯＤＤ（Ｏｐｔｉｃａｌ Ｄｉｓｋ Ｄｒｉｖｅ）２００８とを含む。
表示制御装置１０００によって実行されるプログラムは、コンピュータで読み取り可能な光記憶媒体２００９に記憶され、ＯＤＤ２００８で読み取られる。または、そのプログラムは、コンピュータネットワークを通じてＮＩＣ２００６で読み取られる。
コンピュータ２０００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２００１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２００４と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２００３と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）２００５と、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃｏｎｔｒｏｌｌｅｒ）２００６と、バス２００７とを含む。
さらに、コンピュータ２０００は、高速演算を行うためのＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２００２を含んでもよい。
ＣＰＵ２００１とＧＰＵ２００２は、ＯＤＤ２００８またはＮＩＣ２００６を介して読み取られたプログラムを実行する。ＲＯＭ２００４は、コンピュータ２０００の動作に必要なプログラムまたはデータを記憶する。ＲＡＭ２００３は、プログラム実行時のパラメータなどのデータを記憶する。ＨＤＤ２００５は、プログラムまたはデータなどを記憶する。ＮＩＣ７０６は、コンピュータネットワークを介して他のコンピュータとの通信を行う。バス２００７は、ＣＰＵ２００１、ＲＯＭ２００４、ＲＡＭ２００３、ＨＤＤ２００５、ＮＩＣ２００６、ディスプレイ２０１０、キーボード２０１１、マウス２０１２及びＯＤＤ２００８を相互に接続する。尚、コンピュータ２０００に接続されているキーボード２１１１、マウス２０１２、及びＯＤＤ２００８は、例えばディスプレイ２０１０がタッチパネルになっている場合及び／またはＮＩＣ２００６を利用する場合には、取り外してもよい。
さらに、表示制御装置１０００の上記各構成要素の一部または全ては、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されていてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に蓄積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。
さらにまた、上記各構成要素の一部または全ては、各装置に着脱可能なＩＣカードまたは単体モジュールから構成されていてもよい。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、またはＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含んでもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有してもよい。
また、本開示は、上記に示す方法であってもよい。また、本開示は、これらの方法をコンピュータにより実現するコンピュータプログラムを含んでもよく、そのコンピュータプログラムからなるデジタル信号を含んでもよい。
さらに、本開示は、上記コンピュータプログラムまたは上記デジタル信号を、コンピュータ読み取り可能な非一時的な記憶媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ，ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、または半導体メモリなどに記憶したものを含んでもよい。また、本開示は、これら非一時的な記憶媒体に記録されている上記デジタル信号を含んでもよい。
また、本開示は、上記コンピュータプログラムまたは上記デジタル信号を、電気通信回線、無線通信回線、有線通信回路、インターネットを代表とするネットワーク、またはデータ放送等を経由して伝送するものでもよい。
また、上記プログラムまたは上記デジタル信号を上記非一時的な記憶媒体に記録して移送することにより、または上記プログラムまたは上記デジタル信号を上記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施してもよい。
図２７は、本開示の表示制御装置を実現するための他のハードウェア構成を示すブロック図である。
本開示では、図２７のように、コンピュータ２０００以外にも別途データサーバ２１０１を構築し、そのデータサーバ２１０１上のメモリ等に保存すべきデータを置き、上記ネットワーク等を経由してその情報をコンピュータ２０００が読み出してもよい。また、データサーバ２１０１から情報を読み出す、コンピュータ２０００は１台である必要はなく、複数であってもよい。その際、各コンピュータ２０００が、表示制御装置１０００の一部の処理を実施してもよい。
また、上記各実施の形態における表示制御装置は、サーバとして構成されていてもよい。この場合には、表示制御装置は、例えばインターネットなどの通信網を介して、入力デバイス９１２または選択部９１３から信号を受信し、その信号に応じてディスプレイ９１１の表示を制御する。
また、本開示において、ユニット、デバイスの全部又は一部、又は図１、図９、図１８、および図２２に示されるブロック図の機能ブロックの全部又は一部は、半導体装置、半導体集積回路（ＩＣ）、又はＬＳＩ（large scale integration）を含む一つ又は一つ以上の電子回路によって実行されてもよい。ＬＳＩ又はＩＣは、一つのチップに集積されてもよいし、複数のチップを組み合わせて構成されてもよい。例えば、記憶素子以外の機能ブロックは、一つのチップに集積されてもよい。ここでは、ＬＳＩやＩＣと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ(very large scale integration)、若しくはＵＬＳＩ(ultra large scale integration) と呼ばれるかもしれない。 ＬＳＩの製造後にプログラムされる、Field Programmable Gate Array (FPGA)、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができるreconfigurable logic deviceも同じ目的で使うことができる。
さらに、ユニット、装置、又は装置の一部の、全部又は一部の機能又は操作は、ソフトウエア処理によって実行することが可能である。この場合、ソフトウエアは一つ又は一つ以上のＲＯＭ、光学ディスク、ハードディスクドライブ、などの非一時的記録媒体に記録され、ソフトウエアが、処理装置（processor）によって実行された場合に、ソフトウエアは、ソフトウエア内の特定の機能を、処理装置（processor）と周辺のデバイスに実行させる。システム又は装置は、ソフトウエアが記録されている一つ又は一つ以上の非一時的記録媒体、処理装置（processor）、及び必要とされるハードウエアデバイス、例えばインターフェース、を備えていても良い。
以上、一つまたは複数の態様における表示制御装置について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
本開示は、識別率に基づいた疾病診断に有効なたんぱく質を提示することができ、例えばバイオマーカー開発またはたんぱく質解析に基づいた診断支援装置などに利用可能である。
１００，２００，３００，４００ 表示制御装置
１１０ 回路
１９０，２０１ メモリ
２０２ 識別部
２０３ 重み画像生成部
２０４ 有効画像生成部
２０５ 表示処理部
３０１ 除去画像生成部
４０１ 組み合わせ計算部
９１１ ディスプレイ
９１２ 入力デバイス
９１３ 選択部
Ｅｉ，Ｅｉ１〜Ｅｉ４ 電気泳動画像
Ｅｘ１〜Ｅｘ４ 除去画像
Ｌ１ 有効たんぱく質リスト
Ｍｉ 有効画像
Ｍｘ 除去有効画像
Ｍｚ 組み合わせ有効画像
Ｗｉ１〜Ｗｉ４ 重み画像

Claims (17)

  1. メモリと、回路とを備え、
    前記メモリは、複数の画素を有する電気泳動画像と、前記複数の画素のそれぞれが複数の有効たんぱく質に含まれる少なくとも１つの有効タンパク質に対応付けられた有効たんぱく質の情報とを記録し、
    前記回路は、
    （ａ１）前記電気泳動画像と、前記有効たんぱく質の情報とを、前記メモリから取得し、
    （ａ２）ディスプレイに、第１の表示画面として、前記電気泳動画像を表示させ、
    （ａ３）前記ディスプレイに表示された前記電気泳動画像における前記複数の画素から第１の画素の選択を受け付け、
    （ａ４）前記有効たんぱく質の情報に基づいて、前記第１の画素に対応付けられている少なくとも１つの第１の有効たんぱく質と、前記複数の画素のうち、前記第１の画素から第１の距離以下に位置する少なくとも１つの第２の画素に対応する、少なくとも１つの第２の有効たんぱく質とを取得し、
    （ａ５）第２の表示画面として、前記少なくとも１つの第１の有効たんぱく質と、前記少なくとも１つの第２の有効たんぱく質と、前記電気泳動画像とを、前記ディスプレイに表示させる、
    表示制御装置。
  2. 前記回路は、
    前記（ａ４）において、前記少なくとも１つの第１の有効たんぱく質が、第３の有効たんぱく質及び第４の有効たんぱく質を含む場合、前記第２の表示画面における前記電気泳動画像に、前記第３の有効たんぱく質と対応付けられた少なくとも１つ第３の画素と、前記第４の有効たんぱく質と対応付けられた少なくとも１つ第４の画素とを強調して表示させる、
    請求項１に記載の表示制御装置。
  3. 前記回路は、
    （ａ６）前記第２の表示画面が表示されているとき、前記少なくとも１つの第１の有効たんぱく質、または前記少なくとも１つの第２の有効たんぱく質のいずれかの選択を受け付け、
    （ａ７）前記ディスプレイの前記第２の表示画面における前記電気泳動画像に、前記選択を受け付けた有効たんぱく質に対応付けられた少なくとも１つの第５の画素を強調して表示させる、
    請求項１に記載の表示制御装置。
  4. 前記回路は、
    前記（ａ２）及び前記（ａ３）の間において、
    （ａ８）前記第１の表示画面において、前記複数の画素の少なくとも１つの画素を中心とした、前記電気泳動画像の拡大動作または前記電気泳動画像の縮小動作を受け付け、
    （ａ９）受け付けた前記拡大動作または前記縮小動作に基づいて、前記第１の表示画面における前記電気泳動画像の拡大率を変更し、拡大率が変更された前記電気泳動画像を前記ディスプレイに表示させ、
    前記（ａ３）において、前記第１の画素の選択を受け付けた後、少なくとも前記（ａ４）及び前記（ａ５）において、前記拡大動作または前記縮小動作に基づく前記電気泳動画像の拡大率を変更しない、
    請求項１に記載の表示制御装置。
  5. メモリと、回路とを備え、
    前記メモリは、複数の電気泳動画像からなるデータセットを有し、
    前記回路は、
    （ｂ１）前記データセットおよびニューラルネットワークを用いて、電気泳動画像と疾病との関係を学習し、
    （ｂ２）前記関係の学習結果から得られた前記ニューラルネットワークの複数の重みを画像化することによって、少なくとも１つの重み画像からなる重み画像群を生成し、
    （ｂ３）前記ニューラルネットワークにおける前記データセットに対する疾病の識別率を第１の識別率として算出し、
    （ｂ４）前記重み画像群を用いて有効画像を生成し、
    （ｂ５）前記有効画像と前記第１の識別率とを共にディスプレイに表示させ、
    前記有効画像は複数の画素を含み、
    前記複数の画素は、画素値ｉを有し有効たんぱく質ｉに対応する画素ｉ、画素値ｊを有する有効たんぱく質ｊに対応する画素ｊ、画素値ｋを有する有効たんぱく質ｋに対応する画素ｋを含み、
    前記有効たんぱく質ｉ、前記有効たんぱく質ｊ、前記有効たんぱく質ｋのうち、前記有効たんぱく質ｉが前記疾病の識別に最も有効で、前記有効たんぱく質ｋが前記疾病の識別に最も有効でない場合、前記画素値ｉ＞前記画素値ｊ＞前記画素値ｋ、または、前記画素値ｉ＜前記画素値ｊ＜前記画素値ｋである、
    表示制御装置。
  6. 前記（ｂ４）では、
    前記重み画像群に含まれる前記少なくとも１つの重み画像のそれぞれの同一位置にある画素の画素値を平均化することによって、前記有効画像を生成する、
    請求項５に記載の表示制御装置。
  7. 前記回路は、さらに、
    （ｂ６）前記有効画像に現れている各スポットに対応付けられたたんぱく質の情報を、リスト化することによって、有効たんぱく質リストを生成し、
    前記（ｂ５）では、
    前記有効画像と共に前記有効たんぱく質リストを前記ディスプレイに表示させる、
    請求項５または６に記載の表示制御装置。
  8. 前記回路は、さらに、
    （ｂ７）前記有効画像に現れている少なくとも１つのスポットから、何れか１つのスポットを選択することによって、または、前記有効たんぱく質リストから、何れかの１つの情報を選択することによって、選択された前記スポットまたは前記情報に対応する１つのたんぱく質を、選択たんぱく質として選択する、
    請求項７に記載の表示制御装置。
  9. 前記回路は、さらに、
    （ｂ８）前記ニューラルネットワークの複数の重みのうち、前記選択たんぱく質に対応していない少なくとも１つの重みのそれぞれを０に設定することによって、前記ニューラルネットワークを変更し、
    （ｂ９）前記データセットに含まれる前記複数の電気泳動画像を、変更された前記ニューラルネットワークに入力することによって、変更された前記ニューラルネットワークにおける前記データセットに対する識別率を、第２の識別率として算出し、
    （ｂ１０）前記第２の識別率を前記ディスプレイに表示させる、
    請求項８に記載の表示制御装置。
  10. 前記回路は、さらに、
    （ｂ１１）前記データセットに含まれる前記複数の電気泳動画像のそれぞれから、前記選択たんぱく質に対応していないスポットを除去することによって、除去画像を生成し、
    （ｂ１２）複数の前記除去画像を前記ニューラルネットワークに入力することによって、前記ニューラルネットワークにおける複数の前記除去画像に対する識別率を、第２の識別率として算出し、
    （ｂ１３）前記第２の識別率を前記ディスプレイに表示させる、
    請求項８に記載の表示制御装置。
  11. 前記回路は、さらに、
    （ｂ１４）前記選択たんぱく質以外のたんぱく質である複数の非選択たんぱく質のそれぞれについて、前記選択たんぱく質のスポットと共に当該非選択たんぱく質のスポットを含む重み画像の枚数を、前記重み画像群から特定し、
    （ｂ１５）前記重み画像の枚数が多い順で第１番目の非選択たんぱく質から第Ｎ（Ｎは１以上の整数）番目の非選択たんぱく質までのＮ個の非選択たんぱく質を、前記複数の非選択たんぱく質から抽出し、
    （ｂ１６）抽出された前記Ｎ個の非選択たんぱく質のそれぞれの情報を前記ディスプレイに表示させる、
    請求項９または１０に記載の表示制御装置。
  12. メモリと回路とを用いてディスプレイの表示を制御する表示制御方法であって、
    前記メモリは、複数の画素を有する電気泳動画像と、前記複数の画素のそれぞれが複数の有効たんぱく質に含まれる少なくとも１つの有効タンパク質に対応付けられた有効たんぱく質の情報とを記録し、
    前記回路は、
    （ａ１）前記電気泳動画像と、前記有効たんぱく質の情報とを、前記メモリから取得し、
    （ａ２）ディスプレイに、第１の表示画面として、前記電気泳動画像を表示させ、
    （ａ３）前記ディスプレイに表示された前記電気泳動画像における前記複数の画素から第１の画素の選択を受け付け、
    （ａ４）前記有効たんぱく質の情報に基づいて、前記第１の画素に対応付けられている少なくとも１つの第１の有効たんぱく質と、前記複数の画素のうち、前記第１の画素から第１の距離以下に位置する少なくとも１つの第２の画素に対応する、少なくとも１つの第２の有効たんぱく質とを取得し、
    （ａ５）第２の表示画面として、前記少なくとも１つの第１の有効たんぱく質と、前記少なくとも１つの第２の有効たんぱく質と、前記電気泳動画像とを、前記ディスプレイに表示させる、
    表示制御方法。
  13. 前記回路は、
    前記（ａ４）において、前記少なくとも１つの第１の有効たんぱく質が、第３の有効たんぱく質及び第４の有効たんぱく質を含む場合、前記第２の表示画面における前記電気泳動画像に、前記第３の有効たんぱく質と対応付けられた少なくとも１つ第３の画素と、前記第４の有効たんぱく質と対応付けられた少なくとも１つ第４の画素とを強調して表示させる、
    請求項１２に記載の表示制御方法。
  14. 前記回路は、
    （ａ６）前記第２の表示画面が表示されているとき、前記少なくとも１つの第１の有効たんぱく質、または前記少なくとも１つの第２の有効たんぱく質のいずれかの選択を受け付け、
    （ａ７）前記ディスプレイの前記第２の表示画面における前記電気泳動画像に、前記選択を受け付けた有効たんぱく質に対応付けられた少なくとも１つの第５の画素を強調して表示させる、
    請求項１２に記載の表示制御方法。
  15. 前記回路は、
    前記（ａ２）及び前記（ａ３）の間において、
    （ａ８）前記第１の表示画面において、前記複数の画素の少なくとも１つの画素を中心とした、前記電気泳動画像の拡大動作または前記電気泳動画像の縮小動作を受け付け、
    （ａ９）受け付けた前記拡大動作または前記縮小動作に基づいて、前記第１の表示画面における前記電気泳動画像の拡大率を変更し、拡大率が変更された前記電気泳動画像を前記ディスプレイに表示させ、
    前記（ａ３）において、前記第１の画素の選択を受け付けた後、少なくとも前記（ａ４）及び前記（ａ５）において、前記拡大動作または前記縮小動作に基づく前記電気泳動画像の拡大率を変更しない、
    請求項１２に記載の表示制御方法。
  16. メモリと回路とを用いてディスプレイの表示を制御する表示制御方法であって、
    前記メモリは、複数の電気泳動画像からなるデータセットを有し、
    前記回路は、
    （ｂ１）前記データセットおよびニューラルネットワークを用いて、電気泳動画像と疾病との関係を学習し、
    （ｂ２）前記関係の学習結果から得られた前記ニューラルネットワークの複数の重みを画像化することによって、少なくとも１つの重み画像からなる重み画像群を生成し、
    （ｂ３）前記ニューラルネットワークにおける前記データセットに対する疾病の識別率を第１の識別率として算出し、
    （ｂ４）前記重み画像群を用いて有効画像を生成し、
    （ｂ５）前記有効画像と前記第１の識別率とを共にディスプレイに表示させ、
    前記有効画像は、複数の画素を含み、
    前記複数の画素は、画素値ｉを有し有効たんぱく質ｉに対応する画素ｉ、画素値ｊを有する有効たんぱく質ｊに対応する画素ｊ、画素値ｋを有する有効たんぱく質ｋに対応する画素ｋを含み、
    前記有効たんぱく質ｉ、前記有効たんぱく質ｊ、前記有効たんぱく質ｋのうち、前記有効たんぱく質ｉが前記疾病の識別に最も有効で、前記有効たんぱく質ｋが前記疾病の識別に最も有効でない場合、前記画素値ｉ＞前記画素値ｊ＞前記画素値ｋ、または、前記画素値ｉ＜前記画素値ｊ＜前記画素値ｋである
    表示制御方法。
  17. 請求項１２〜１６の何れか１項に記載の表示制御方法における、前記回路によって行われる処理を、前記回路であるコンピュータに実行させるためのプログラム。
JP2018107302A 2017-07-21 2018-06-04 表示制御装置、表示制御方法およびプログラム Active JP7065422B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017141423 2017-07-21
JP2017141423 2017-07-21

Publications (2)

Publication Number Publication Date
JP2019023621A true JP2019023621A (ja) 2019-02-14
JP7065422B2 JP7065422B2 (ja) 2022-05-12

Family

ID=65023339

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018107302A Active JP7065422B2 (ja) 2017-07-21 2018-06-04 表示制御装置、表示制御方法およびプログラム

Country Status (2)

Country Link
US (1) US10467750B2 (ja)
JP (1) JP7065422B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033449B (zh) * 2019-04-15 2023-06-27 苏州金唯智生物科技有限公司 电泳图的识别方法、装置、设备及存储介质
CN112270727B (zh) * 2020-10-23 2022-09-23 内蒙古民族大学 基于ai技术绘制毒株蛋白质图像的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6093339A (ja) * 1983-10-27 1985-05-25 Olympus Optical Co Ltd 電気泳動装置
US20030032017A1 (en) * 2001-08-03 2003-02-13 Large Scale Proteomics, Corp. Quantification of low molecular weight and low abundance proteins using high resolution two-dimensional electrophoresis and mass spectrometry
JP2004070530A (ja) * 2002-08-02 2004-03-04 Advance Co Ltd 診断システム
JP2004309250A (ja) * 2003-04-04 2004-11-04 Shimadzu Corp クロマトグラフ用データ処理装置
WO2008007630A1 (fr) * 2006-07-14 2008-01-17 Nec Corporation Méthode et appareil de recherche de protéine
JP2014219317A (ja) * 2013-05-09 2014-11-20 株式会社島津製作所 クロマトグラフ用データ処理装置
JP2017161442A (ja) * 2016-03-11 2017-09-14 株式会社島津製作所 クロマトグラフ質量分析データ処理装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003029304A (ja) 2001-07-13 2003-01-29 Mitsubishi Chemicals Corp 電気泳動画像処理方法，電気泳動画像処理装置，電気泳動画像処理プログラム，電気泳動画像表示方法，電気泳動画像表示装置及び電気泳動画像表示プログラム
JP3642775B2 (ja) 2002-12-17 2005-04-27 川崎重工業株式会社 地中の物体を探知する方法及び装置、並びに移動体
ATE421733T1 (de) * 2004-03-16 2009-02-15 Centre Nat Rech Scient Methode zur identifizierung von unbekannten proteinen mittels zwei-dimensionaler auftrennung und verwendung von markern
JP2005291759A (ja) 2004-03-31 2005-10-20 Michimasa Kishimoto 二次元画像による病症診断システム
JP4712364B2 (ja) 2004-12-07 2011-06-29 株式会社アドバンス 電気泳動装置用泳動槽
JP4139869B2 (ja) 2005-08-31 2008-08-27 国立大学法人岐阜大学 医用画像処理装置
JP5565842B2 (ja) 2011-02-14 2014-08-06 シャープ株式会社 データ解析装置、プログラム、記録媒体、データ解析方法、およびタンパク質解析装置
JP2013221839A (ja) 2012-04-16 2013-10-28 Sharp Corp データ解析装置、プログラム、記録媒体、およびデータ解析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6093339A (ja) * 1983-10-27 1985-05-25 Olympus Optical Co Ltd 電気泳動装置
US20030032017A1 (en) * 2001-08-03 2003-02-13 Large Scale Proteomics, Corp. Quantification of low molecular weight and low abundance proteins using high resolution two-dimensional electrophoresis and mass spectrometry
JP2004070530A (ja) * 2002-08-02 2004-03-04 Advance Co Ltd 診断システム
JP2004309250A (ja) * 2003-04-04 2004-11-04 Shimadzu Corp クロマトグラフ用データ処理装置
WO2008007630A1 (fr) * 2006-07-14 2008-01-17 Nec Corporation Méthode et appareil de recherche de protéine
JP2014219317A (ja) * 2013-05-09 2014-11-20 株式会社島津製作所 クロマトグラフ用データ処理装置
JP2017161442A (ja) * 2016-03-11 2017-09-14 株式会社島津製作所 クロマトグラフ質量分析データ処理装置

Also Published As

Publication number Publication date
US20190026890A1 (en) 2019-01-24
US10467750B2 (en) 2019-11-05
JP7065422B2 (ja) 2022-05-12

Similar Documents

Publication Publication Date Title
Tran et al. Deep learning in cancer diagnosis, prognosis and treatment selection
JP7350878B2 (ja) 画像解析方法、装置、プログラム
Liu et al. HiCNN: a very deep convolutional neural network to better enhance the resolution of Hi-C data
Theodoni et al. Structural attributes and principles of the neocortical connectome in the marmoset monkey
JP2021513435A (ja) 胃腸腫瘍を診断するシステム及び方法
Cifci Deep learning model for diagnosis of corona virus disease from CT images
JP6511986B2 (ja) プログラム生成装置、プログラム生成方法および生成プログラム
Miyazawa et al. Artificial intelligence in food science and nutrition: a narrative review
CN112768089A (zh) 用于预测药物敏感状态的方法、设备和存储介质
JP2006043007A (ja) 診断支援プログラムおよび診断支援装置
JP5637373B2 (ja) 画像の分類方法、外観検査方法および外観検査装置
JP7065422B2 (ja) 表示制御装置、表示制御方法およびプログラム
Liu et al. Dbmf: Dual branch multiscale feature fusion network for polyp segmentation
Ren et al. Recurrence analysis on prostate cancer patients with Gleason score 7 using integrated histopathology whole-slide images and genomic data through deep neural networks
Ahmad et al. Artificial intelligence in inflammatory bowel disease endoscopy: implications for clinical trials
Seraphin et al. Prediction of heart transplant rejection from routine pathology slides with self-supervised deep learning
CN108475425A (zh) 图像处理装置、图像处理方法及图像处理程序
JP2023513022A (ja) 生体試料中のオブジェクトの体系的特性評価
Holzhüter et al. Visualizing uncertainty in biological expression data
Xu et al. Improving artificial intelligence pipeline for liver malignancy diagnosis using ultrasound images and video frames
Zhao et al. Innovative super-resolution in spatial transcriptomics: a transformer model exploiting histology images and spatial gene expression
Wang et al. Accurate estimation of biological age and its application in disease prediction using a multimodal image Transformer system
Koloi et al. Predicting early-stage coronary artery disease using machine learning and routine clinical biomarkers improved by augmented virtual data
AU2022218581A1 (en) Sequencing data-based itd mutation ratio detecting apparatus and method
WO2022195691A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201216

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211130

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220113

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220406

R151 Written notification of patent or utility model registration

Ref document number: 7065422

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151