JP2020139842A - 情報処理装置、情報処理方法および情報処理システム - Google Patents

Abstract

【課題】生体領域が写る識別用の画像データに基づく識別処理の精度を向上させることが可能な技術が提供されることが望まれる。【解決手段】第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行う識別部と、を備える、情報処理装置が提供される。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法および情報処理システムに関する。

近年、生体領域が写る識別用の画像データと識別器とに基づいて識別処理を行う技術が知られている。例えば、識別処理は、生体領域に病変が有るかを示す診断情報であり得る。ここで、画像データと識別器とに基づいて識別処理を行う技術が開示されている（例えば、特許文献１参照）。かかる技術では、識別器によって利用されるデータ（モデルデータ）が、学習用の画像データに基づいて生成される。

特開２０１５−１１６３１９号公報

しかし、生体領域が写る識別用の画像データに基づく識別処理の精度を向上させることが可能な技術が提供されることが望まれる。

本開示によれば、第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行う識別部と、を備える、情報処理装置が提供される。

本開示によれば、プロセッサが、第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得することと、前記プロセッサが、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行うことと、を含む、情報処理方法が提供される。

本開示によれば、第１の生体領域を撮像する撮像部と、前記撮像部により撮像された前記第１の生体領域の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記画像データとに基づいて識別処理を行う識別部と、を備える、情報処理装置を有する、情報処理システムが提供される。

本開示によれば、医用画像撮像装置と、前記医用画像撮像装置により撮像される対象物に対応する画像データの処理に使われるソフトウェアとを含んで構成される情報処理システムであって、前記ソフトウェアは、第１の生体領域に対応する第１の画像データと、前記第１の生体領域の第１の部位情報に対応する識別器とに基づいた識別処理を情報処理装置に実行させる、情報処理システムが提供される。

本開示の実施形態に係る情報処理システムの構成例を示す図である。 本開示の実施形態に係るＬＩＳの機能構成例を示す図である。 本開示の実施形態に係る解析サーバの機能構成例を示す図である。 部位別データ保持部によって記憶される部位別データの例を示す図である。 検体受付処理の流れを示すフローチャートである。 読み取り対象のスライドの例を示す図である。 データ登録処理の流れを示すフローチャートである。 モデル生成処理の流れを示すフローチャートである。 表示処理の流れを示すフローチャートである。 識別処理の流れを示すフローチャートである。 変形例２に係る情報処理システムの構成例を示す図である。 変形例２に係るＬＩＳの機能構成例を示す図である。 変形例２に係る部位別データ保持部によって記憶される部位別データの例を示す図である。 本開示の実施形態に係る解析サーバのハードウェア構成例を示すブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書および図面において、実質的に同一または類似の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一または類似の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、類似する構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

なお、説明は以下の順序で行うものとする。
０．概要
１．実施形態の詳細
１．１．情報処理システムの構成例
１．２．ＬＩＳの機能構成例
１．３．解析サーバの機能構成例
１．４．システムが有する機能の詳細
１．４．１．検体受付処理
１．４．２．データ登録処理
１．４．３．モデル生成処理
１．４．４．表示処理
１．４．５．識別処理
２．変形例
３．ハードウェア構成例
４．むすび

＜０．概要＞
近年、標本をスキャナによって読み込んでデジタル画像（画像データ）を生成し、生成した画像データをディスプレイによって表示し、表示した画像データを医師に観察させる技術的方法論としてデジタルパソロジー（Ｄｉｇｉｔａｌ ｐａｔｈｏｌｏｇｙ）が知られている。かかるデジタルパソロジーによれば、被験者から離れた遠隔地に存在する医師による診断が可能となるため、地方における医師不足の問題が解消され得るとも言われている。

さらに、画像データに対する診断結果を正解データとし、当該画像データと当該正解データとに基づいて（Ｄｅｅｐ Ｌｅａｒｎｉｎｇなどを用いて）教師あり学習を行うことによって、識別器によって利用されるデータ（以下、「モデルデータ」とも言う。）が生成され得る。このようにして生成されたモデルデータを用いれば、識別器は、新たに入力された画像データに基づいて自動的に診断を行うことが可能となる。したがって、より高い精度で自動的に診断を行うことを可能とするための研究が進められている。例えば、病変が写る画像データと当該病変の種類（正解）とを提供し、当該画像データに基づいてどの程度正解通りに診断を行うことが可能であるかを競い合うコンペティションが開催されている。

かかる自動的な診断を臨床に活かすためには、生体領域の如何なる部位が写る画像データが得られたとしても、当該画像データに対する診断が可能であることが望まれる。しかしながら、現状では１つの部位に特化したモデルデータの生成に関する研究しか行われていない。例えば、１つの部位が写る画像データのみに対する学習によって得られたモデルデータを用いて、他の部位が写る画像データに基づく診断を行ったとしても、部位ごとに構成が異なるために診断の正答率は向上しない。

あるいは、複数の部位それぞれが写る画像データに基づいて学習を行う手法も想定される。これによって、複数の部位に対応する１つのモデルデータが生成される。しかし、かかる手法では、１つの部位が写る画像データを用いて学習を行う場合と比較して、学習に必要なデータセットが膨大となってしまうために、学習のために莫大な時間を要してしまうことが予想される（あるいは、学習に必要なハードウェアリソースが膨大になってしまうことが予想される）。

そこで、本開示の実施形態においては、生体領域が写る識別用の画像データに基づく識別処理の精度を向上させることが可能な技術について主に提案する。より具体的に、本開示の実施形態においては、識別器に利用されるモデルデータの生成に必要なリソース（時間またはハードウェアリソース）を低減しつつ、識別用の画像データに基づく識別処理の精度を向上させることが可能な技術について提案する。

以上、本開示の実施形態の概要について説明した。

＜１．実施形態の詳細＞
［１．１．情報処理システムの構成例］
続いて、図面を参照しながら、本開示の実施形態に係る情報処理システムの構成例について説明する。図１は、本開示の実施形態に係る情報処理システムの構成例を示す図である。図１に示したように、本開示の実施形態に係る情報処理システム１Ａは、ＬＩＳ（Ｌａｂｏｒａｔｏｒｙ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｒｖｅｒ）１０（他の情報処理装置）、解析サーバ２０（情報処理装置）、スキャナ３０（読み取り装置）、ネットワーク７１、ネットワーク７２、スキャンデータ保持部４０およびモデル保持部５０を有する。ＬＩＳ１０と解析サーバ２０とは、ネットワーク７１を介して互いに通信可能に構成されている。解析サーバ２０とスキャナ３０とは、ネットワーク７２を介して互いに通信可能に構成されている。

ＬＩＳ１０は、例えば、コンピュータによって構成される。例えば、ＬＩＳ１０は、技師８１および医師８２によって利用される。本開示の実施形態では、技師８１による各種の操作が、ＬＩＳ１０に対して直接的に入力される場合を主に想定する。しかし、技師８１による各種の操作は、ＬＩＳ１０に対して図示しない端末を介して入力されてもよい。また、本開示の実施形態では、技師８１への各種の提示情報が、ＬＩＳ１０から直接的に出力される場合を主に想定する。しかし、技師８１への各種の提示情報は、ＬＩＳ１０から図示しない端末を介して出力されてもよい。

同様に、本開示の実施形態では、医師８２による各種の操作が、ＬＩＳ１０に対して直接的に入力される場合を主に想定する。しかし、医師８２による各種の操作は、ＬＩＳ１０に対して図示しない端末を介して入力されてもよい。また、本開示の実施形態では、医師８２への各種の提示情報が、ＬＩＳ１０から直接的に出力される場合を主に想定する。しかし、医師８２への各種の提示情報は、ＬＩＳ１０から図示しない端末を介して出力されてもよい。

スキャナ３０は、生体領域に対する読み取りを行う。これによって、スキャナ３０は、生体領域が写る画像データを含んだスキャンデータを生成する。後にも説明するように、生体領域は、検体から得られる標本に相当し得る。例えば、スキャナ３０は、イメージセンサを有しており、イメージセンサによって標本を撮像することによって、標本が写る画像データを含んだスキャンデータを生成する。スキャナ３０の読み取り方式は特定のタイプに限定されない。例えば、スキャナ３０の読み取り方式は、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）タイプであってもよいし、ＣＩＳ（Ｃｏｎｔａｃｔ Ｉｍａｇｅ Ｓｅｎｓｏｒ）タイプであってもよい。

ここで、ＣＣＤタイプは、標本からの反射光をミラーに反射および集約させてからレンズを介して送られた光をＣＣＤセンサによって読み取り、ＣＣＤセンサによって読み取った光を画像データに変換するタイプに相当し得る。一方、ＣＩＳ方式は、ＲＧＢ三色のＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）を光源に使用し、光源から標本にあてた光が反射した結果をフォトセンサによって読み取り、読み取った結果を画像データに変換するタイプに相当し得る。

解析サーバ２０は、例えば、コンピュータによって構成される。例えば、解析サーバ２０は、スキャンデータ保持部４０およびモデル保持部５０と接続されている。なお、本開示の実施形態では、スキャンデータ保持部４０およびモデル保持部５０が、解析サーバ２０の外部に存在する場合を主に想定する。しかし、スキャンデータ保持部４０およびモデル保持部５０の少なくともいずれか一方は、解析サーバ２０の内部に組み込まれていてもよい。

スキャンデータ保持部４０は、メモリによって構成されており、スキャナ３０によって生成されたスキャンデータをＮ個（ただし、Ｎは２以上の整数）記憶している。

モデル保持部５０は、メモリによって構成されており、学習器と識別器とモデルデータ（以下、単に「モデル」とも言う。）との組み合わせを、Ｎ個（ただし、Ｎは２以上の整数）記憶する。ここで、学習器および識別器は、部位ごとに設けられている。また、モデルデータは、学習器によって生成され、識別器によって利用される。部位の具体的な例としては、後にも説明するように、胃、大腸および肝臓などが挙げられる。しかし、部位はこれらの例に限定されない。

例えば、部位を示す情報（部位情報）は、生体領域を臨床上意味のある所定の単位に分類した情報であってよい。そして、臨床上意味のある単位は、器官系であってもよいし、器官であってもよいし、組織であってもよいし、疾病コードであってもよい。疾病コードは、世界保健機関（ＷＨＯ）によって作成されたＩＣＤ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｄｉｓｅａｓｅｓ ａｎｄ Ｒｅｌａｔｅｄ Ｈｅａｌｔｈ Ｐｒｏｂｌｅｍｓ）であってもよい。

なお、本開示の実施形態では、学習器および識別器それぞれが、ニューラルネットワークによって実現される場合を主に想定する。かかる場合、モデルデータは、ニューラルネットワークの各ニューロンの重みに相当し得る。しかし、学習器および識別器それぞれは、ニューラルネットワーク以外によって実現されてもよい。ランダムフォレストによって実現されてもよいし、サポートベクタマシンによって実現されてもよいし、アダブーストによって実現されてもよい。

また、本開示の実施形態では、ＬＩＳ１０と解析サーバ２０とスキャナ３０とが別々の装置として存在する場合を主に想定する。しかし、ＬＩＳ１０、解析サーバ２０およびスキャナ３０の一部または全部は、１つの装置として存在してもよい。あるいは、ＬＩＳ１０、解析サーバ２０およびスキャナ３０のいずれかが有する機能の一部は、他の装置に組み込まれていてもよい。例えば、後の変形例において説明するように、解析サーバ２０が有する一部の機能（例えば、部位情報に基づく学習器および識別器の選択）は、解析サーバ２０の代わりにＬＩＳ１０が有してもよい。

以上、本開示の実施形態に係る情報処理システム１Ａの構成例について説明した。

［１．２．ＬＩＳの機能構成例］
続いて、本開示の実施形態に係るＬＩＳ１０の機能構成例について説明する。図２は、本開示の実施形態に係るＬＩＳ１０の機能構成例を示す図である。図２に示したように、ＬＩＳ１０は、部位情報入力部１１１、標本番号割り当て部１１２、登録要求送信部１１３、識別対象入力部１２１、識別要求生成部１２２、識別要求送信部１２３、識別結果受信部１３１、表示制御部１３２および記憶部１４０を有している。

標本番号割り当て部１１２、識別要求生成部１２２および表示制御部１３２は、例えば、１または複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；中央演算処理装置）などといった処理装置によって構成されていてよい。かかる処理装置は、電子回路によって構成されてよい。標本番号割り当て部１１２、識別要求生成部１２２および表示制御部１３２は、かかる処理装置によってプログラム（ソフトウェア）が実行されることによって実現され得る。

標本番号割り当て部１１２は、後に説明するラベル発行装置に接続されている。なお、本開示の実施形態では、ラベル発行装置がＬＩＳ１０の外部に存在する場合を主に想定する。しかし、ラベル発行装置は、ＬＩＳ１０の内部に存在していてもよい。また、表示制御部１３２は、後に説明する表示装置に接続されている。なお、本開示の実施形態では、表示装置がＬＩＳ１０の外部に存在する場合を主に想定する。しかし、表示装置は、ＬＩＳ１０の内部に存在していてもよい。表示装置は、ディスプレイによって実現されてよく、ディスプレイは、液晶ディスプレイであってもよいし、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイであってもよいし、他のディスプレイであってもよい。

部位情報入力部１１１は、技師８１による部位情報の入力を受け付ける機能を有する。また、識別対象入力部１２１は、医師８２による識別対象の入力を受け付ける機能を有する。本開示の実施形態においては、部位情報入力部１１１および識別対象入力部１２１が共通のハードウェアによって実現される場合を主に想定する。しかし、部位情報入力部１１１および識別対象入力部１２１は、別々のハードウェアによって実現されてもよい。具体的に、部位情報入力部１１１および識別対象入力部１２１は、マウスおよびキーボードを含んでもよいし、タッチパネルを含んでもよいし、音声を検出するマイクロフォンを含んでもよいし、視線を検出するイメージセンサを含んでもよい。

記憶部１４０は、メモリを含んで構成され、処理装置によって実行されるプログラムを記憶したり、プログラムの実行に必要なデータを記憶したりする記録媒体である。また、記憶部１４０は、処理装置による演算のためにデータを一時的に記憶する。記憶部１４０は、磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または、光磁気記憶デバイスなどにより構成される。

登録要求送信部１１３、識別要求送信部１２３および識別結果受信部１３１は、通信回路を含んで構成される。登録要求送信部１１３は、解析サーバ２０に対してネットワーク７１を介して後に説明する登録要求を送信する機能を有する。識別要求送信部１２３は、解析サーバ２０に対してネットワーク７１を介して後に説明する識別要求を送信する機能を有する。識別結果受信部１３１は、解析サーバ２０からネットワーク７１を介して後に説明する識別結果を受信する機能を有する。

以上、本開示の実施形態に係るＬＩＳ１０の機能構成例について説明した。

［１．３．解析サーバの機能構成例］
続いて、本開示の実施形態に係る解析サーバ２０の機能構成例について説明する。図３は、本開示の実施形態に係る解析サーバ２０の機能構成例を示す図である。図３に示したように、解析サーバ２０は、登録要求受信部２１１、スキャンデータ受信部２１２、スキャンデータ登録処理部２１３、記憶部２２０、識別要求受信部２４１、識別用データ取得部２４２、識別部２４３、出力部２４４、識別結果送信部２４５、学習用データ取得部２３１および学習部２３２を有している。

スキャンデータ登録処理部２１３、識別用データ取得部２４２、識別部２４３、出力部２４４、学習用データ取得部２３１および学習部２３２は、例えば、１または複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；中央演算処理装置）などといった処理装置によって構成されていてよい。かかる処理装置は、電子回路によって構成されてよい。スキャンデータ登録処理部２１３、識別用データ取得部２４２、識別部２４３、出力部２４４、学習用データ取得部２３１および学習部２３２は、かかる処理装置によってプログラム（ソフトウェア）が実行されることによって実現され得る。

スキャンデータ登録処理部２１３および学習用データ取得部２３１は、スキャンデータ保持部４０に接続されている。また、識別部２４３および学習部２３２は、モデル保持部５０に接続されている。また、識別用データ取得部２４２および学習用データ取得部２３１は、後に説明する部位別データ保持部２２１に接続されている。

記憶部２２０は、メモリを含んで構成され、処理装置によって実行されるプログラムを記憶したり、プログラムの実行に必要なデータを記憶したりする記録媒体である。記憶部２２０は、プログラムの実行に必要なデータの例として、部位別データを記憶する（すなわち、記憶部２２０は、部位別データ保持部２２１を有する）。また、記憶部２２０は、処理装置による演算のためにデータを一時的に記憶する。記憶部２２０は、磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または、光磁気記憶デバイスなどにより構成される。

図４は、部位別データ保持部２２１によって記憶される部位別データの例を示す図である。図４を参照すると、（部位別データ保持部２２１によって記憶される）部位別データには３つのエントリ（３行のデータ）が登録されている。しかし、部位別データに登録されるエントリの数は限定されない。各エントリは、部位情報、スキャンデータ保存場所、学習器情報（学習器を識別するための情報）、モデル情報（モデルを識別するための情報）および識別器情報（識別器を識別するための情報）が対応付けられて構成されている。

図３に戻って説明を続ける。登録要求受信部２１１、スキャンデータ受信部２１２、識別要求受信部２４１および識別結果送信部２４５は、通信回路を含んで構成される。登録要求受信部２１１は、解析サーバ２０からネットワーク７１を介して後に説明する登録要求を受信する機能を有する。スキャンデータ受信部２１２は、スキャナ３０からネットワーク７２を介してスキャンデータを受信する。識別要求受信部２４１は、解析サーバ２０からネットワーク７１を介して後に説明する識別要求を受信する機能を有する。識別結果送信部２４５は、解析サーバ２０に対してネットワーク７１を介して後に説明する識別結果を送信する機能を有する。

以上、本開示の実施形態に係る解析サーバ２０の機能構成例について説明した。

［１．４．システムが有する機能の詳細］
続いて、本開示の実施形態に係る情報処理システム１Ａが有する機能の詳細について説明する。まず、本開示の実施形態に係る情報処理システム１Ａによって検体受付処理が実行される。そこで、検体受付処理について説明する。

（１．４．１．検体受付処理）
図５は、検体受付処理の流れを示すフローチャートである。まず、技師が検体を入手し、検体の部位情報をＬＩＳ１０に入力すると、図５に示すように、ＬＩＳ１０において、部位情報入力部１１１は、検体の部位情報の入力を受け付ける（Ｓ１１）。技師は、検体に対して処理を施すと、検体から標本を得る。そして、標本番号割り当て部１１２は、検体から得られる標本に標本番号を割り当てる（Ｓ１２）。ここで、標本番号は、標本を一意に識別するための情報（標本情報）であってよく、標本番号割り当て部１１２は、空いている任意の標本番号を標本に割り当てればよい。

ラベル発行装置は、標本番号に対応する２次元バーコードを生成し、当該２次元バーコードが付されたラベルを発行（印刷）する（Ｓ１３）。技師は、ラベル発行装置によって発行されたラベルをスライド（ガラススライド）に貼り付ける。

なお、ここでは、標本番号を示す文字の代わりに、標本番号に対応する２次元バーコードがスライドに貼り付けられる場合を主に想定する。しかし、２次元バーコードの代わりに他のコード（例えば、１次元バーコードなど）がスライドに貼り付けられてもよい。このように標本番号を示す文字の代わりに標本番号に対応するコードがスライドに貼り付けられることによって、スキャナ３０による標本番号の可読性が高められる。

あるいは、標本番号を示す文字が付されたラベルが発行されてもよい。すなわち、ラベルに付される標本番号の形式は限定されない。また、ここでは標本番号に対応する２次元バーコードがラベルに付される場合を主に想定する。しかし、標本番号に対応する２次元バーコードに加えて、他の情報がラベルに付されてもよい。この場合にも、ラベルに付される当該他の情報の形式は限定されない。

例えば、当該他の情報の形式は、当該他の情報に対応するコード（例えば、１次元バーコードまたは２次元バーコードなど）であってもよいし、当該他の情報を示す文字であってもよい。当該他の情報は、部位情報入力部１１１によって入力が受け付けられた部位情報を含んでもよい。さらに、技師は、ラベルが貼り付けられたスライドの上に標本を載せる。ラベルが貼り付けられ、標本が載せられたスライドは、スキャナ３０による読み取り対象になる。

図６は、読み取り対象のスライドの例を示す図である。図６に示すように、スライド４４１には、標本番号に対応する２次元バーコードが付されたラベル４４３が貼り付けられている。また、スライド４４１には、標本４４２が載せられている。読み取り対象のスライドを技師がスキャナ３０に読み取らせると、スキャナ３０によってスキャンデータが生成される。スキャンデータには、標本の画像データと標本番号に対応する２次元バーコードの画像データとが含まれる。なお、上記したように、部位情報もラベルに付される場合には、スキャンデータには、部位情報の画像データも含まれる。スキャンデータは、スキャナ３０からネットワーク７２を介して解析サーバ２０に送信される。

図５に戻って説明を続ける。登録要求送信部１１３は、部位情報入力部１１１によって入力が受け付けられた部位情報部位情報と、標本番号割り当て部１１２によって割り当てられた標本番号とを含んだ登録要求を、ネットワーク７１を介して解析サーバ２０に送信する（Ｓ１４）。なお、上記したように、標本番号に加えて部位情報もラベルに付される場合、登録要求送信部１１３は、登録要求を解析サーバ２０に送信しなくてもよい。

以上、検体受付処理について説明した。続いて、本開示の実施形態に係る情報処理システム１Ａによってデータ登録処理が実行される。そこで、データ登録処理について説明する。

（１．４．２．データ登録処理）
図７は、データ登録処理の流れを示すフローチャートである。解析サーバ２０において、登録要求受信部２１１は、部位情報と標本番号とを含んだ登録要求を、ネットワーク７１を介してＬＩＳ１０から受信する（Ｓ２１）。そして、スキャンデータ受信部２１２は、スキャナ３０からネットワーク７２を介してスキャンデータを受信する（Ｓ２２）。スキャンデータ登録処理部２１３は、スキャンデータに含まれる標本番号に対応する２次元バーコードの画像データから標本番号を認識する（Ｓ２３）。

スキャンデータ登録処理部２１３は、スキャンデータから認識した標本番号と一致する標本番号とともにＬＩＳ１０から受信された部位情報を特定する（Ｓ２４）。より具体的に、スキャンデータ登録処理部２１３は、スキャンデータから認識した標本番号と一致する標本番号が含まれた登録要求が受信された場合、当該登録要求に含まれる部位情報を特定する。なお、上記したように、スキャンデータに部位情報の画像データが含まれている場合、スキャンデータ登録処理部２１３は、当該部位情報の画像データから部位情報を認識してもよい。また、標本番号および部位情報の少なくともいずれか一方は、解析サーバ２０の代わりにスキャナ３０によってスキャンデータから認識されてもよい。

続いて、スキャンデータ登録処理部２１３は、部位別データ保持部２２１（図４）を参照して、特定した部位情報に対応するスキャンデータ保存場所にスキャンデータを保存する（Ｓ２５）。

以上、データ登録処理について説明した。続いて、本開示の実施形態に係る情報処理システム１Ａによってモデル生成処理が実行される。そこで、モデル生成処理について説明する。

（１．４．３．モデル生成処理）
図８は、モデル生成処理の流れを示すフローチャートである。なお、ここでは、所定のタイミングが検出された場合に（例えば、定期的に、または、医師による指示がＬＩＳ１０に入力された場合に）、部位別データ保持部２２１（図４）に登録されている全部の部位情報それぞれに対応するモデル生成が順次に行われる場合を主に想定する。しかし、部位別データ保持部２２１に登録されている全部の部位情報それぞれに対応するモデル生成がされなくてもよい。例えば、医師によって入力された部位情報に対応するモデル生成のみが行われてもよい。また、上記モデル生成処理は同一システムでモデルを生成する例であるが、このシステム以外で部位別に作成されたモデルが利用されてもよい。

解析サーバ２０において、学習用データ取得部２３１は、所定のタイミングを検出すると、部位別データ保持部２２１から１つのエントリを取得する（Ｓ３１）。１つのエントリには、部位情報、スキャンデータ保存場所、学習器情報、モデル情報および識別器情報が含まれる。学習部２３２は、取得された１つのエントリに基づいて、部位情報に対応するモデルの精度が十分であるか否かを判定する（Ｓ３２）。より具体的に、学習部２３２は、取得された１つのエントリに基づいて、部位情報に対応するモデルが既にモデル保持部５０に存在する場合、モデルの精度に基づいて、モデルを新たに生成するか否かを判定する。

ここで、モデルの精度はどのようにして判定されてもよい。例えば、学習部２３２は、部位情報に対応するモデルに基づいて、部位情報に対応する識別器に評価用データに対する識別を実行させた場合、識別結果の正答率に基づいてモデルの精度を判定してもよい。そして、モデルの精度が十分であるか否かは、モデルの精度が閾値よりも高いか否かによって判定されればよい。学習部２３２は、部位情報に対応するモデルの精度が十分であると判定した場合（Ｓ３２において「Ｙｅｓ」）、Ｓ３６に動作を移行させる。

一方、学習部２３２は、部位情報に対応するモデルの精度が十分ではないと判定した場合（Ｓ３２において「Ｎｏ」）、スキャンデータ保存場所から（標本の画像データを含んだ）スキャンデータを取得する（Ｓ３３）。標本の画像データは、第２の生体領域が写る学習用の画像データに相当し得る。また、部位情報は、第２の生体領域の第２の部位情報に相当し得る。

学習部２３２は、取得された１つのエントリに基づいて、部位情報に対応する学習器を選択する。そして、学習部２３２は、標本の画像データと選択した学習器とに基づいて、（学習を行うことによって）部位情報に対応するモデルを生成する。より具体的に、学習用データ取得部２３１は、標本の画像データに正解データが対応付けられている場合には、当該正解データを取得し、学習部２３２は、標本の画像データと選択した学習器と正解データとに基づいて、（学習を行うことによって）モデルを生成する（Ｓ３４）。

このように、部位ごとに用意された学習器によってモデルが生成されれば、複数の部位に対応する１つのモデルが生成される場合と比較して、識別器に利用されるモデルの生成に必要なリソース（時間またはハードウェアリソース）を低減することが可能となる。

学習部２３２は、生成したモデルに基づいて、モデル保持部５０に新規登録または更新を行う（Ｓ３５）。より具体的に、学習部２３２は、部位情報に対応するモデルがモデル保持部５０に存在していない場合には、生成したモデルをモデル保持部５０における部位情報に対応付けて新規に登録する。一方、学習部２３２は、部位情報に対応するモデルがモデル保持部５０に既に存在している場合には、モデル保持部５０における部位情報に既に対応付けられているモデルを、生成したモデルで更新する。

部位別データ保持部２２１（図４）に登録されている全部または一部の部位情報それぞれに対応するモデル生成が終了していない場合には（Ｓ３６において「Ｎｏ」）、学習用データ取得部２３１によって、部位別データ保持部２２１（図４）から次のエントリが取得され（Ｓ３１）、Ｓ３２に動作が移行される。一方、部位別データ保持部２２１（図４）に登録されている全部の部位情報それぞれに対応するモデル生成が終了した場合には（Ｓ３６において「Ｙｅｓ」）、モデル生成処理が終了される。

以上、モデル生成処理について説明した。続いて、本開示の実施形態に係る情報処理システム１Ａによって表示処理が実行される。そこで、表示処理について説明する。

（１．４．４．表示処理）
図９は、表示処理の流れを示すフローチャートである。まず、医師によって識別対象（標本）に対応する標本番号と当該標本の部位情報とがＬＩＳ１０に入力される。そして、識別対象入力部１２１は、標本番号と部位情報との入力を受け付ける。識別要求生成部１２２は、識別対象入力部１２１によって入力が受け付けられた標本番号と部位情報とを含んだ識別要求を生成する。そして、識別要求送信部１２３は、識別対象（標本）に対応する標本番号と部位情報とを含んだ識別要求を、ネットワーク７１を介して解析サーバ２０に送信する（Ｓ４１）。

なお、ここでは、医師によって標本番号と部位情報との双方がＬＩＳ１０に入力される場合を想定する。しかし、解析サーバ２０において、標本番号と当該標本の部位情報との対応付けを把握できる状態であれば、医師によって部位情報は入力されなくてもよく、識別要求には、標本番号が含まれなくてもよい。また、標本番号と部位情報とは、ＬＩＳ１０を介さずに解析サーバ２０に入力されてもよい。続いて、解析サーバ２０によって識別要求に応じた識別処理が行われる。かかる識別処理については、図１０を参照しながら後に説明する。

識別結果受信部１３１は、識別要求に応じた識別結果、識別に利用されたモデル情報（識別に利用されたモデルを識別するための情報）、および、識別に利用された識別器情報（識別に利用された識別器を識別するための情報）を、ネットワーク７１を介して解析サーバ２０から受信する（Ｓ４２）。表示制御部１３２は、識別結果受信部１３１によって受信された、識別結果、モデル情報、および、識別器情報が、表示装置によって表示されるように表示装置を制御する（Ｓ４３）。

なお、解析サーバ２０からモデル生成に利用された学習器情報（学習器に関する情報）が受信された場合には、学習器情報も表示装置によって表示されるように表示装置を制御してよい。これによって、医師は、どのような学習器がモデル生成に利用されたかを把握することが可能となる。識別結果については、図１０を参照しながら後に説明する。

以上、表示処理について説明した。続いて、本開示の実施形態に係る情報処理システム１Ａによって実行される識別処理について説明する。

（１．４．５．識別処理）
図１０は、識別処理の流れを示すフローチャートである。まず、識別要求受信部２４１は、識別対象（標本）に対応する標本番号と部位情報とを含んだ識別要求を、ネットワーク７１を介してＬＩＳ１０から受信する（Ｓ５１）。識別用データ取得部２４２は、受信された部位情報を取得する。部位別データ保持部２２１（図４）に基づいて、部位情報に対応する識別器とモデルとを選択する（Ｓ５２）。また、識別用データ取得部２４２は、部位別データ保持部２２１（図４）に基づいて、部位情報に対応するスキャンデータ保存場所からスキャンデータを取得し、受信された標本番号に対応する標本の画像データをスキャンデータから取得する（Ｓ５３）。

より具体的に、識別用データ取得部２４２は、受信された標本番号と一致する標本番号が認識されるスキャンデータから標本の画像データを取得する。標本の画像データは、第１の生体領域が写る識別用の画像データに相当し得る。また、部位情報は、第１の生体領域の第１の部位情報に相当し得る。

識別部２４３は、受信された部位情報に対応する識別器を、モデル保持部５０に存在する識別器から選択する。そして、識別部２４３は、標本の画像データと選択した識別器とに基づいて識別処理を行う。このように、部位ごとに用意された識別器が識別処理に利用されれば、生体領域が写る識別用の画像データに基づく識別処理の精度を向上させることが可能となる。より具体的には、識別部２４３は、標本の画像データと選択した識別器と選択したモデルとに基づいて識別処理を行う（Ｓ５４）。

ここで、識別結果は特に限定されない。例えば、識別結果は、生体領域（第１の生体領域）に対応する診断結果を含んでもよいし、生体領域に対応する解析結果を含んでもよいし、診断結果および解析結果の双方を含んでもよい。また、診断結果も限定されない。例えば、診断結果は、生体領域を身体に有する被験者が癌を患っているか否かに関する情報を含んでよい。また、診断結果は、癌に関する情報（癌のサブタイプ、癌のステージ、癌細胞の分化度など）を含んでもよい。分化度は、どのような薬（抗癌剤など）が効きやすいかなどといった情報を予測するために利用され得る。

解析結果も限定されない。例えば、解析結果は、生体領域における病変の有無、生体領域に病変が含まれている確率、病変の位置および病変の種類の少なくともいずれか一つを含んでもよい。

続いて、出力部２４４は、識別処理によって得られた識別結果、識別に利用されたモデル情報、および、識別に利用された識別器情報を出力する。識別結果送信部２４５は、識別結果、モデル情報および識別器情報を、ネットワーク７１を介してＬＩＳ１０に返信する（Ｓ５５）。なお、出力部２４４は、識別器によって利用されるモデルの生成に利用された学習器情報（学習器に関する情報）を出力してもよい。かかる場合には、識別結果送信部２４５は、識別結果、モデル情報および識別器情報に追加して、学習器情報を、ネットワーク７１を介してＬＩＳ１０に返信してもよい。

以上、識別処理について説明した。

以上、本開示の実施形態に係る情報処理システム１Ａが有する機能の詳細について説明した。

＜２．変形例＞
続いて、各種の変形例について説明する。

まず、変形例１について説明する。上記では、部位情報に対して、学習器、識別器およびモデルが対応付けられる場合を想定した。しかし、部位情報と他の情報との組み合わせに対して、学習器、識別器およびモデルが対応付けられる場合も想定される。例えば、細胞がどの染色試薬に対してどの程度発現しているかに応じて、細胞に対してどのような薬が効きやすいかが変化することが想定される。したがって、部位情報と染色情報（染色試薬の種類を示す情報）との組み合わせに対して、学習器、識別器およびモデルが対応付けられてもよい。部位情報と染色情報との組み合わせは、どのような組み合わせであってもよい。

一例として、「胃」を示す部位情報と「ＨＥ（ヘマトキシリン・エオジン）染色」を示す染色情報との組み合わせが想定される。また、「胃」を示す部位情報と「免疫組織染色＝ＩＨＣ（Ｉｍｍｕｎｏｈｉｓｔｏｃｈｅｍｉｓｔｒｙ）」を示す染色情報との組み合わせが想定される。免疫組織染色（ＩＨＣ）は、エストロゲン受容体（ＥＲ：Ｅｓｔｒｏｇｅｎ Ｒｅｃｅｐｔｏｒ）の免疫組織染色（ＩＨＣ）を含んでもよいし、プロゲステロン受容体（ＰＲ：Ｐｒｏｇｅｓｔｅｒｏｎｅ Ｒｅｃｅｐｔｏｒ）の免疫組織染色（ＩＨＣ）を含んでもよい。

このとき、モデル保持部５０は、部位情報と染色情報とに対応して、学習器、識別器およびモデルを記憶する。そして、部位別データ保持部２２１は、部位情報および染色情報の組み合わせに対応して、スキャンデータ保存場所、学習器情報、モデル情報および識別器情報を記憶する。

そして、モデル生成処理において、学習用データ取得部２３１は、部位別データ保持部２２１から、部位情報（第２の部位情報）に加えて染色情報（第２の染色情報）を取得する。学習部２３２は、部位別データ保持部２２１を参照して、部位情報（第２の部位情報）および染色情報（第２の染色情報）に対応する学習器を選択する。学習部２３２は、選択した学習器とスキャンデータから取得される標本の画像データ（学習用の画像データ）とに基づいてモデルを生成する。

また、識別処理において、識別用データ取得部２４２は、ＬＩＳ１０から受信された識別要求から、部位情報（第１の部位情報）に加えて染色情報（第１の染色情報）を取得する。識別部２４３は、部位別データ保持部２２１を参照して、部位情報（第１の部位情報）と染色情報（第１の染色情報）とに対応する識別器を選択する。識別部２４３は、選択した識別器とスキャンデータから取得される標本の画像データ（識別用の画像データ）とに基づいて識別処理を行う。

続いて、変形例２について説明する。図１１は、変形例２に係る情報処理システムの構成例を示す図である。上記では、図１に示すように、情報処理システム１Ａが、１台の解析サーバ２０を有し、１台の解析サーバ２０が、全部の部位情報それぞれに対応するモデル生成および識別処理を実行する場合を想定した。一方、変形例２においては、図１１に示すように、情報処理システム１Ｂが、複数の解析サーバ２０（解析サーバ２０−１〜２０−Ｎ）を有し、複数の解析サーバ２０それぞれが、１つの部位情報に対応するモデル生成および識別処理を実行する場合を想定する。

したがって、変形例２においては、図１１に示すように、解析サーバ２０−１に、スキャンデータ１およびモデル保持部５０−１（学習器１、識別器１、モデル１）が接続され、解析サーバ２０−２に、スキャンデータ２およびモデル保持部５０−２（学習器２、識別器２、モデル２）が接続され、・・・、解析サーバ２０−Ｎに、スキャンデータＮおよびモデル保持部５０−Ｎ（学習器Ｎ、識別器Ｎ、モデルＮ）が接続される。また、部位別データ保持部１４１（図１２）が記憶される。

図１２は、変形例２に係るＬＩＳ１０の機能構成例を示す図である。図１２に示すように、複数の解析サーバ２０それぞれが、部位別データ保持部１４１を有する。図１３は、変形例２に係る部位別データ保持部１４１によって記憶される部位別データの例を示す図である。図１３を参照すると、各エントリは、部位情報および解析サーバが対応付けられて構成されている。ＬＩＳ１０は、部位別データ保持部１４１を参照すれば、部位情報に対応するモデル生成および識別処理が、どの解析サーバ２０によって実行されるかを把握することが可能となる。すなわち、ＬＩＳ１０は、部位別データ保持部１４１を参照すれば、登録要求および識別要求を送信すべき解析サーバ２０を選択することが可能となる。

以上、各種の変形例について説明した。

＜３．ハードウェア構成例＞
次に、図１４を参照して、本開示の実施形態に係る解析サーバ２０のハードウェア構成例について説明する。図１４は、本開示の実施形態に係る解析サーバ２０のハードウェア構成例を示すブロック図である。なお、解析サーバ２０は、必ずしも図１４に示したハードウェア構成の全部を有している必要はなく、解析サーバ２０の中に、図１４に示したハードウェア構成の一部は存在しなくてもよい。また、ＬＩＳ１０のハードウェア構成も、解析サーバ２０のハードウェア構成と同様に実現されてよい。

図１４に示すように、解析サーバ２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）９０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０３、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０５を含む。また、解析サーバ２０は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、解析サーバ２０は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。解析サーバ２０は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）またはＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）と呼ばれるような処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、解析サーバ２０内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一時的に記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、ボタンなど、ユーザによって操作される装置である。入力装置９１５は、マウス、キーボード、タッチパネル、スイッチおよびレバーなどを含んでもよい。また、入力装置９１５は、ユーザの音声を検出するマイクロフォンを含んでもよい。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、解析サーバ２０の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、解析サーバ２０に対して各種のデータを入力したり処理動作を指示したりする。また、後述する撮像装置９３３も、ユーザの手の動き、ユーザの指などを撮像することによって、入力装置として機能し得る。このとき、手の動きや指の向きに応じてポインティング位置が決定されてよい。

出力装置９１７は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどの表示装置、スピーカおよびヘッドホンなどの音出力装置などであり得る。また、出力装置９１７は、ＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）、プロジェクタ、ホログラム、プリンタ装置などを含んでもよい。出力装置９１７は、解析サーバ２０の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音として出力したりする。また、出力装置９１７は、周囲を明るくするためライトなどを含んでもよい。

ストレージ装置９１９は、解析サーバ２０の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、解析サーバ２０に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を解析サーバ２０に直接接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポートなどであり得る。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、解析サーバ２０と外部接続機器９２９との間で各種のデータが交換され得る。

通信装置９２５は、例えば、ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カードなどであり得る。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続されるネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などである。

撮像装置９３３は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）またはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。

センサ９３５は、例えば、測距センサ、加速度センサ、ジャイロセンサ、地磁気センサ、振動センサ、光センサ、音センサなどの各種のセンサである。センサ９３５は、例えば解析サーバ２０の筐体の姿勢など、解析サーバ２０自体の状態に関する情報や、解析サーバ２０の周辺の明るさや騒音など、解析サーバ２０の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）信号を受信して装置の緯度、経度および高度を測定するＧＰＳセンサを含んでもよい。

＜４．むすび＞
本開示の実施形態によれば、第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行う識別部と、を備える、情報処理装置が提供される。このように、部位ごとに用意された識別器が識別処理に利用されれば、生体領域が写る識別用の画像データに基づく識別処理の精度を向上させることが可能となる。

また、前記情報処理装置は、第２の生体領域が写る学習用の画像データと前記第２の生体領域の第２の部位情報とを取得する学習用データ取得部と、前記複数の部位情報それぞれに対応付けられた学習器から、前記第２の部位情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて、前記複数の部位情報それぞれに対応付けられたモデルデータのうち、前記第２の部位情報に対応するモデルデータを生成する学習部と、を備えてよい。このように、部位ごとに用意された学習器によってモデルが生成されれば、複数の部位に対応する１つのモデルが生成される場合と比較して、識別器に利用されるモデルの生成に必要なリソース（時間またはハードウェアリソース）を低減することが可能となる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記では、ＬＩＳ１０、解析サーバ２０、スキャナ３０、ネットワーク７１、ネットワーク７２、スキャンデータ保持部４０およびモデル保持部５０を有する情報処理システムについて主に説明した。しかし、これらの一部を有する情報処理システムも提供され得る。例えば、ＬＩＳ１０、解析サーバ２０およびスキャナ３０の一部または全部を有する情報処理システムも提供され得る。このとき、情報処理システムは、装置全体（ハードウェアとソフトウェアとの組み合わせ）同士の組み合わせでなくてもよい。

例えば、ＬＩＳ１０、解析サーバ２０およびスキャナ３０のうち、第１の装置（ハードウェアとソフトウェアとの組み合わせ）と、第２の装置のソフトウェアとを有する情報処理システムも提供され得る。一例として、スキャナ３０（ハードウェアとソフトウェアとの組み合わせ）と、解析サーバ２０のソフトウェアとを有する情報処理システムも提供され得る。このように、本開示の実施形態によれば、ＬＩＳ１０、解析サーバ２０およびスキャナ３０から任意に選択された複数の構成を含んだ情報処理システムも提供され得る。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏し得る。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、
複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行う識別部と、
を備える、情報処理装置。
（２）
前記情報処理装置は、前記識別処理によって得られた識別結果を出力する出力部を備える、
前記（１）に記載の情報処理装置。
（３）
前記識別結果は、前記第１の生体領域に対応する診断結果および解析結果の少なくともいずれか一方を含む、
前記（２）に記載の情報処理装置。
（４）
前記診断結果は、前記第１の生体領域を身体に有する被験者が疾患を有するか否かに関する情報を含む、
前記（３）に記載の情報処理装置。
（５）
前記解析結果は、前記第１の生体領域における病変の有無、前記第１の生体領域に病変が含まれている確率、前記病変の位置および前記病変の種類の少なくともいずれか一つを含む、
前記（３）または（４）に記載の情報処理装置。
（６）
前記出力部は、前記識別器によって利用されるモデルデータの生成に利用された学習器に関する情報を出力する、
前記（２）〜（５）のいずれか一項に記載の情報処理装置。
（７）
前記識別用データ取得部は、第１の染色情報を取得し、
前記識別部は、部位情報と染色情報との複数の組み合わせそれぞれに対応付けられた識別器から、前記第１の部位情報および第１の染色情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて前記識別処理を行う、
前記（２）〜（５）のいずれか一項に記載の情報処理装置。
（８）
前記識別用データ取得部は、読み取り装置から前記識別用の画像データを含んだスキャンデータが取得された場合、前記スキャンデータに基づいて前記識別用の画像データを取得する、
前記（１）〜（７）のいずれか一項に記載の情報処理装置。
（９）
前記読み取り装置から前記第１の部位情報を含んだ前記スキャンデータが取得された場合、前記スキャンデータに基づいて前記第１の部位情報が認識される、
前記（８）に記載の情報処理装置。
（１０）
前記読み取り装置から第１の標本情報を含んだ前記スキャンデータが取得された場合、前記スキャンデータから前記第１の標本情報が認識され、前記第１の標本情報に対応する前記第１の部位情報が他の情報処理装置から取得される、
前記（８）に記載の情報処理装置。
（１１）
前記識別器は、ニューラルネットワーク、ランダムフォレスト、サポートベクタマシンまたはアダブーストによって実現される、
前記（１）〜（１０）のいずれか一項に記載の情報処理装置。
（１２）
前記第１の部位情報は、前記第１の生体領域を臨床上意味のある所定の単位に分類した情報である、
前記（１）〜（１１）のいずれか一項に記載の情報処理装置。
（１３）
前記単位は、器官系、器官、組織および疾病コードのいずれかである、
前記（１２）に記載の情報処理装置。
（１４）
前記情報処理装置は、
第２の生体領域が写る学習用の画像データと前記第２の生体領域の第２の部位情報とを取得する学習用データ取得部と、
前記複数の部位情報それぞれに対応付けられた学習器から、前記第２の部位情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて、前記複数の部位情報それぞれに対応付けられたモデルデータのうち、前記第２の部位情報に対応するモデルデータを生成する学習部と、
を備える、前記（１）〜（１３）のいずれか一項に記載の情報処理装置。
（１５）
前記学習用データ取得部は、前記学習用の画像データに対応する正解データを取得し、
前記学習部は、前記学習器と前記学習用の画像データと前記正解データとに基づいて、前記モデルデータを生成する、
前記（１４）に記載の情報処理装置。
（１６）
前記学習用データ取得部は、第２の染色情報を取得し、
前記学習部は、前記第２の部位情報および第２の染色情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて前記モデルデータを生成する、
前記（１４）または（１５）に記載の情報処理装置。
（１７）
前記学習部は、前記第２の部位情報に対応するモデルデータが既に存在する場合、前記モデルデータの精度に基づいて、前記モデルデータを新たに生成するか否かを判定する、
前記（１４）〜（１６）のいずれか一項に記載の情報処理装置。
（１８）
プロセッサが、第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得することと、
前記プロセッサが、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行うことと、
を含む、情報処理方法。
（１９）
第１の生体領域を撮像する撮像部と、
前記撮像部により撮像された前記第１の生体領域の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、
複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記画像データとに基づいて識別処理を行う識別部と、
を備える、情報処理装置を有する、
情報処理システム。
（２０）
医用画像撮像装置と、前記医用画像撮像装置により撮像される対象物に対応する画像データの処理に使われるソフトウェアとを含んで構成される情報処理システムであって、
前記ソフトウェアは、
第１の生体領域に対応する第１の画像データと、前記第１の生体領域の第１の部位情報に対応する識別器とに基づいた識別処理を情報処理装置に実行させる、
情報処理システム。
（２１）
第２の生体領域が写る学習用の画像データと前記第２の生体領域の第２の部位情報とを取得する学習用データ取得部と、
複数の部位情報それぞれに対応付けられた学習器から、前記第２の部位情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて、前記複数の部位情報それぞれに対応付けられたモデルデータのうち、前記第２の部位情報に対応するモデルデータを生成する学習部と、
を備える、情報処理装置。
（２２）
前記学習用データ取得部は、前記学習用の画像データに対応する正解データを取得し、
前記学習部は、前記学習器と前記学習用の画像データと前記正解データとに基づいて、前記モデルデータを生成する、
前記（２１）に記載の情報処理装置。
（２３）
前記学習用データ取得部は、第２の染色情報を取得し、
前記学習部は、前記第２の部位情報および第２の染色情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて前記モデルデータを生成する、
前記（２１）または（２２）に記載の情報処理装置。
（２４）
前記学習部は、前記第２の部位情報に対応するモデルデータが既に存在する場合、前記モデルデータの精度に基づいて、前記モデルデータを新たに生成するか否かを判定する、
前記（２１）〜（２３）のいずれか一項に記載の情報処理装置。

１Ａ、１Ｂ 情報処理システム
１０ ＬＩＳ
１１１ 部位情報入力部
１１２ 標本番号割り当て部
１１３ 登録要求送信部
１２１ 識別対象入力部
１２２ 識別要求生成部
１２３ 識別要求送信部
１３１ 識別結果受信部
１３２ 表示制御部
１４０ 記憶部
１４１ 部位別データ保持部
２０ 解析サーバ
２１１ 登録要求受信部
２１２ スキャンデータ受信部
２１３ スキャンデータ登録処理部
２２０ 記憶部
２２１ 部位別データ保持部
２３１ 学習用データ取得部
２３２ 学習部
２４１ 識別要求受信部
２４２ 識別用データ取得部
２４３ 識別部
２４４ 出力部
２４５ 識別結果送信部
３０ スキャナ
４０ スキャンデータ保持部
４４１ スライド
４４２ 標本
４４３ ラベル
５０ モデル保持部
７１ ネットワーク
７２ ネットワーク

Claims (20)

1. 第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、
   複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行う識別部と、
   を備える、情報処理装置。
2. 前記情報処理装置は、前記識別処理によって得られた識別結果を出力する出力部を備える、
   請求項１に記載の情報処理装置。
3. 前記識別結果は、前記第１の生体領域に対応する診断結果および解析結果の少なくともいずれか一方を含む、
   請求項２に記載の情報処理装置。
4. 前記診断結果は、前記第１の生体領域を身体に有する被験者が疾患を有するか否かに関する情報を含む、
   請求項３に記載の情報処理装置。
5. 前記解析結果は、前記第１の生体領域における病変の有無、前記第１の生体領域に病変が含まれている確率、前記病変の位置および前記病変の種類の少なくともいずれか一つを含む、
   請求項３に記載の情報処理装置。
6. 前記出力部は、前記識別器によって利用されるモデルデータの生成に利用された学習器に関する情報を出力する、
   請求項２に記載の情報処理装置。
7. 前記識別用データ取得部は、第１の染色情報を取得し、
   前記識別部は、部位情報と染色情報との複数の組み合わせそれぞれに対応付けられた識別器から、前記第１の部位情報および第１の染色情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて前記識別処理を行う、
   請求項２に記載の情報処理装置。
8. 前記識別用データ取得部は、読み取り装置から前記識別用の画像データを含んだスキャンデータが取得された場合、前記スキャンデータに基づいて前記識別用の画像データを取得する、
   請求項１に記載の情報処理装置。
9. 前記読み取り装置から前記第１の部位情報を含んだ前記スキャンデータが取得された場合、前記スキャンデータに基づいて前記第１の部位情報が認識される、
   請求項８に記載の情報処理装置。
10. 前記読み取り装置から第１の標本情報を含んだ前記スキャンデータが取得された場合、前記スキャンデータから前記第１の標本情報が認識され、前記第１の標本情報に対応する前記第１の部位情報が他の情報処理装置から取得される、
    請求項８に記載の情報処理装置。
11. 前記識別器は、ニューラルネットワーク、ランダムフォレスト、サポートベクタマシンまたはアダブーストによって実現される、
    請求項１に記載の情報処理装置。
12. 前記第１の部位情報は、前記第１の生体領域を臨床上意味のある所定の単位に分類した情報である、
    請求項１に記載の情報処理装置。
13. 前記単位は、器官系、器官、組織および疾病コードのいずれかである、
    請求項１２に記載の情報処理装置。
14. 前記情報処理装置は、
    第２の生体領域が写る学習用の画像データと前記第２の生体領域の第２の部位情報とを取得する学習用データ取得部と、
    前記複数の部位情報それぞれに対応付けられた学習器から、前記第２の部位情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて、前記複数の部位情報それぞれに対応付けられたモデルデータのうち、前記第２の部位情報に対応するモデルデータを生成する学習部と、
    を備える、請求項１に記載の情報処理装置。
15. 前記学習用データ取得部は、前記学習用の画像データに対応する正解データを取得し、
    前記学習部は、前記学習器と前記学習用の画像データと前記正解データとに基づいて、前記モデルデータを生成する、
    請求項１４に記載の情報処理装置。
16. 前記学習用データ取得部は、第２の染色情報を取得し、
    前記学習部は、前記第２の部位情報および第２の染色情報に対応する学習器を選択し、前記学習器と前記学習用の画像データとに基づいて前記モデルデータを生成する、
    請求項１４に記載の情報処理装置。
17. 前記学習部は、前記第２の部位情報に対応するモデルデータが既に存在する場合、前記モデルデータの精度に基づいて、前記モデルデータを新たに生成するか否かを判定する、
    請求項１４に記載の情報処理装置。
18. プロセッサが、第１の生体領域が写る識別用の画像データと前記第１の生体領域の第１の部位情報とを取得することと、
    前記プロセッサが、複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記識別用の画像データとに基づいて識別処理を行うことと、
    を含む、情報処理方法。
19. 第１の生体領域を撮像する撮像部と、
    前記撮像部により撮像された前記第１の生体領域の画像データと前記第１の生体領域の第１の部位情報とを取得する識別用データ取得部と、
    複数の部位情報それぞれに対応付けられた識別器から、前記第１の部位情報に対応する識別器を選択し、前記識別器と前記画像データとに基づいて識別処理を行う識別部と、
    を備える、情報処理装置を有する、
    情報処理システム。
20. 医用画像撮像装置と、前記医用画像撮像装置により撮像される対象物に対応する画像データの処理に使われるソフトウェアとを含んで構成される情報処理システムであって、
    前記ソフトウェアは、
    第１の生体領域に対応する第１の画像データと、前記第１の生体領域の第１の部位情報に対応する識別器とに基づいた識別処理を情報処理装置に実行させる、
    情報処理システム。
    
    

Images