JP2023159199A - データ処理装置、データ処理方法、およびデータ処理プログラム - Google Patents

Abstract

【課題】複数の要素の組み合わせによるデータ群の分析を容易にすること。【解決手段】データ処理装置は、分析対象ごとに因子と目的変数とを有する分析対象データ群を記憶する記憶部と、前記分析対象ごとに、第１因子を変調し第１変調結果を出力する第１変調部と、前記分析対象ごとに、第２因子を変調し第２変調結果を出力する第２変調部と、前記第１因子に対応する第１軸と、前記第２因子に対応する第２軸と、により規定される座標空間に、前記分析対象ごとに、前記第１変調部からの第１変調結果および前記第２変調部からの第２変調結果である座標点を付与し、かつ、前記座標点に対応する前記分析対象の目的変数に関する情報を前記座標点に付与した第１画像データを生成する生成部と、を有することを特徴とする。【選択図】図１

Description

本発明は、データを処理するデータ処理装置、データ処理方法、およびデータ処理プログラムに関する。

疾病に罹患している患者について、患者と疾病固有の生体情報（血液、遺伝子情報など）を用いて分類し、個別の医療行為を施せるようにすることを、医学用語で患者層別化と呼ぶ。患者層別化により、医師は個々の患者に薬剤を投与すべきか否かを、素早く正確に判断することが可能になる。従って、患者層別化は患者個人の迅速な回復に貢献すると共に加速度的に増大する医療費の削減につながり、個人と社会全体の利益の双方に資するものである。

Subrahmanyam, Priyanka B., et al. "Distinct predictive biomarker candidates for response to anti-CTLA-4 and anti-PD-1 immunotherapy in melanoma patients." Journal for immunotherapy of cancer 6.1 (2018): 18.

非特許文献１は、皮膚がん患者（メラノーマ）を免疫細胞の特性によって層別化する手法を提供した。その際、Ｔａｂｌｅ３に示させる４０種類の免疫細胞の分布を、ｖｉＳＮＥ法により画像として可視化し（Ｆｉｇ．１ｂ，ｃ）する。薬剤が効果を示した患者群（奏効群）と示せなかった患者群（非奏効群）について、画像を目視比較することによって層別化因子を特定した。

非特許文献１の手法は、煩雑な目視確認作業であるが故に、因子の特定に至らない可能性がある。また、複数因子の組み合わせにより、奏効群と非奏効群が層別化される薬剤の場合において、非特許文献１のＦｉｇ．１ｃに示される可視化画像から目視で組み合わせを見いだすことは著しく困難である。

本発明は、複数の要素の組み合わせによるデータ群の分析を容易にすることを目的とする。

本願において開示される発明の一側面となるデータ処理装置は、分析対象ごとに因子と目的変数とを有する分析対象データ群を記憶する記憶部と、前記分析対象ごとに、第１因子を変調し第１変調結果を出力する第１変調部と、前記分析対象ごとに、第２因子を変調し第２変調結果を出力する第２変調部と、前記第１因子に対応する第１軸と、前記第２因子に対応する第２軸と、により規定される座標空間に、前記分析対象ごとに、前記第１変調部からの第１変調結果および前記第２変調部からの第２変調結果である座標点を付与し、かつ、前記座標点に対応する前記分析対象の目的変数に関する情報を前記座標点に付与した第１画像データを生成する生成部と、を有することを特徴とする。

本発明の代表的な実施の形態によれば、複数の要素の組み合わせによるデータ群の分析を容易にすることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

図１は、実施例１にかかるデータ群の分析の一例を示す説明図である。 図２は、データ処理装置のハードウェア構成例を示すブロック図である。 図３は、分析対象ＤＢの一例を示す説明図である。 図４は、パターンテーブルの一例を示す説明図である。 図５は、画像処理回路の回路構成例を示すブロック図である。 図６は、図５に示したコントローラの構成例を示すブロック図である。 図７は、制御信号の一例を示す説明図である。 図８は、データ処理装置の出力デバイスに表示される入出力画面の一例を示す説明図である。 図９は、Ｘ軸変調ユニット、Ｙ軸変調ユニット、およびイメージジェネレータによる画像データ生成処理の詳細な処理手順例を示すフローチャートである。 図１０は、分析支援処理手順例を示すフローチャートである。 図１１は、一次元配列の一例を示す説明図である。 図１２は、実施例２にかかる分析対象ＤＢの一例を示す説明図である。 図１３は、実施例２にかかるデータ処理装置の出力デバイスに表示される入出力画面の一例を示す説明図である。

以下、実施例１にかかるデータ処理装置、分析方法、および分析プログラムの一例について添付図面を参照して説明する。また、実施例１では、分析対象となるデータ群は、たとえば、５０人の患者の各々について、薬剤が投与された患者の表面抗原を持つ１００種類の免疫細胞（因子群）の細胞数を示す分析対象データと薬剤投与の薬効を示す正解データとの組み合わせである分析対象データセットの集合である。なお、患者の人数や免疫細胞の種類の数は一例である。

＜分析の一例＞
図１は、実施例１にかかるデータ群の分析の一例を示す説明図である。データ処理装置１００は、数式立案ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）１０１と、識別器１０２と、を有する。数式立案ＡＩ１０１は、たとえば、数式１１１，１１２を立案する強化学習型のＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）である。識別器１０２は、Ｘ軸とＹ軸とで張られる座標空間１１０上の座標値を入力し、予測精度を数式立案ＡＩ１０１への報酬として出力するＡＩである。データ処理装置１００のユーザ１０３は、たとえば、医師や学者、研究者でもよく、データ処理装置１００による分析サービスを提供する事業者でもよい。

（１）ユーザ１０３は、患者ごとのデータ群を記憶する分析対象ＤＢ１０４から分析対象データ群を選択して数式立案ＡＩ１０１に読み込ませる。分析対象データは、患者ごとの上述した１００種類の免疫細胞の細胞数と薬効との組み合わせである。

数式立案ＡＩ１０１は、要素群１０５から２以上の因子および因子を変調する変調方法を選択する。数式立案ＡＩ１０１は、たとえば、Ｘ軸の因子として｛ｘ１、ｘ２｝を選択し、Ｙ軸の因子として｛ｙ１、ｙ２｝を選択する。また、変調方法とは、因子を非演算子とする演算子である。

（２）数式立案ＡＩ１０１は、選択された因子｛ｘ１、ｘ２｝、｛ｙ１、ｙ２｝と選択された変調方法とを組み合わせて、Ｘ軸の数式１１１と、Ｙ軸の数式１１２と、を立案する。そして、数式立案ＡＩ１０１は、患者の因子｛ｘ１、ｘ２｝で特定される細胞数をＸ軸の数式１１１に代入してＸ座標値を算出し、患者の因子｛ｙ１、ｙ２｝の特徴量である細胞数をＹ軸の数式１１２に代入してＹ座標値を算出し、座標空間１１０にプロットする。Ｘ座標値およびＹ座標値の算出は、患者ごとに実行される。

座標空間１１０には、患者の座標値がプロットされている。黒丸●は、投与された薬剤が薬効を示している患者（奏功）を特定する座標値であり、黒四角■は、投与された薬剤が薬効を示していない患者（非奏功）を特定する座標値である。座標空間１１０にプロットされた座標値を、「患者データ」と称す。

（３）データ処理装置１００は、患者データの座標値を識別器１０２に入力する。

（４）識別器１０２は、奏功の患者データと非奏功の患者データとを分類する識別境界線１１３の予測精度を算出する。そして、識別器１０２は、算出した予測精度を、強化学習における報酬として数式立案ＡＩ１０１に出力する。

（５）また、データ処理装置１００は、（３）とは別に、患者データがプロットされた座標空間１１０である画像データＩを数式立案ＡＩ１０１に入力する。

（６）数式立案ＡＩ１０１は、（４）で入力された報酬を用いて、座標空間１１０の画像データＩについて強化学習型のＣＮＮによる畳み込み演算を実行して、次に採りうる行動として、数式１１１、１１２を構成する因子や変調方法を再選択する。このあと、データ処理装置１００は、（２）～（６）を繰り返し実行する。

このように、数式立案ＡＩ１０１が画像データＩを参照しながら数式１１１，１１２を解くことで、奏功の患者データと非奏功の患者データとを高精度に分類する画像データＩを生成する。これにより、ユーザは、最終的に得られた画像データＩを用いて、奏功の患者データと非奏功の患者データとを分類する高精度な識別境界線１１３を容易に設定することができる。

＜データ処理装置１００のハードウェア構成例＞
図２は、データ処理装置１００のハードウェア構成例を示すブロック図である。データ処理装置１００は、プロセッサ２０１と、記憶デバイス２０２と、入力デバイス２０３と、出力デバイス２０４と、通信インターフェース（通信ＩＦ）２０５と、画像処理回路２０７と、を有する。プロセッサ２０１、記憶デバイス２０２、入力デバイス２０３、出力デバイス２０４、通信ＩＦ２０５および画像処理回路２０７は、バス２０６により接続される。

プロセッサ２０１は、データ処理装置１００を制御する。記憶デバイス２０２は、プロセッサ２０１の作業エリアとなる。また、記憶デバイス２０２は、各種プログラムやデータ、分析対象ＤＢを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス２０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス２０３は、データを入力する。入力デバイス２０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス２０４は、データを出力する。出力デバイス２０４としては、たとえば、ディスプレイ、プリンタがある。通信ＩＦ２０５は、ネットワークと接続し、データを送受信する。

画像処理回路２０７は、層別化画像処理を実行する回路構成である。画像処理回路２０７は、パターンテーブル２０８を参照して、図１に示した（１）～（６）の処理を実行する。パターンテーブル２０８は、たとえば、画像処理回路２０７内の図示しない記憶領域に記憶されている。なお、画像処理回路２０７は、回路構成により実現されるが、記憶デバイス２０２に記憶されたプログラムをプロセッサ２０１に実行させることにより実現されてもよい。

＜分析対象ＤＢ１０４＞
図３は、分析対象ＤＢ１０４の一例を示す説明図である。分析対象ＤＢ１０４は、フィールドとして、患者ＩＤ３０１と、目的変数３０２と、因子群３０３と、を有する。同一行における各フィールドの値の組み合わせが、１人の患者の分析対象データセットとなる。

患者ＩＤ３０１は、分析対象の一例である患者を他の患者と区別するための識別情報であり、患者ＩＤ３０１の値は、たとえば、１～５０で表現される。目的変数３０２は、薬効、すなわち、薬の投与が奏功か非奏功かを示し、目的変数３０２の値は、「１」が奏功、「０」が非奏功を示す。因子群３０３は、１００種類の因子の集合である。因子群３０３の各因子は、免疫細胞を示す。因子の値は、免疫細胞の細胞数を示す。たとえば、「ＣＤ４＋」という因子の患者ＩＤ３０１が「１」の細胞数は、「３７２」である。すなわち、分析対象ＤＢ１０４の各エントリは、因子群３０３で特定される患者に薬を投与した場合の薬効（奏功または非奏功）を示す。

また、因子群３０３の各因子には、変調方法３０４が関連付けられている。変調方法３０４とは、因子の値を非演算子とする演算子である。演算子には、単項演算子や多項演算子が含まれる。単項演算子には、たとえば、恒等写像、符号反転、対数、平方根、シグモイド、裁定関数が含まれる。多項演算子には、たとえば、四則演算子が含まれる。

＜パターンテーブル２０８＞
図４は、パターンテーブル２０８の一例を示す説明図である。パターンテーブル２０８は、数式１１１、１１２を立案し、座標空間１１０に座標値をプロットするための制御信号の生成に用いられる要素群を規定したテーブルである。パターンテーブル２０８の内容は、あらかじめ設定される。

パターンテーブル２０８は、フィールドとして、制御ＩＤ４０１と、要素番号列４０２と、を有する。制御ＩＤ４０１は、要素番号列４０２の中のいずれかの要素番号（１～１００）の値である要素（ＣＤ４＋、ＣＤ８＋、無変調、符号反転など）を選択する選択主体を一意に特定する識別情報である。便宜的に、制御ＩＤ４０１の値５１３～５１８は、後述する図５のＸ軸変調ユニット５１０内のモジュールに付与された符号とする。同様に、制御ＩＤ４０１の値５２３～５２８は、後述する図５のＹ軸変調ユニット５２０内のモジュールに付与された符号とする。要素番号列４０２は、制御ＩＤ４０１で特定されるモジュールが選択可能な要素に対応する要素番号の集合である。

制御ＩＤ４０１の値が「５１３」、「５１４」、「５２３」、「５２４」の各モジュールは、１００個の要素である因子（免疫細胞）から、データ処理装置１００であらかじめ設定された最大選択数（たとえば、２個）分の因子を選択することになる。制御ＩＤ４０１の値が「５１５」～「５１８」、「５２５」～「５２８」の各モジュールは、７個または４個の要素である複数の演算子（無変調、符号反転など）からいずれか１つの演算子を選択することになる。なお、図４では、パターンテーブル２０８の要素は、因子の種類と変調方法の種類を含むが、因子の種類のみでもよく、変調方法の種類のみでもよい。

＜画像処理回路２０７の構成例＞
図５は、画像処理回路２０７の回路構成例を示すブロック図である。画像処理回路２０７は、データメモリ５００、Ｘ軸変調ユニット５１０、Ｙ軸変調ユニット５２０、イメージジェネレータ５３０、エバリュエータ５４０、コントローラ５５０、パターンテーブル２０８を有する。

データメモリ５００には、記憶デバイス２０２から分析対象ＤＢ１０４の全エントリ、すなわち、各患者の分析対象データセットが書き込まれる。

Ｘ軸変調ユニット５１０は、図１に示した数式立案ＡＩ１０１の一部を構成する。Ｘ軸変調ユニット５１０は、Ｘ軸の数式１１１における因子および変調方法を設定する。Ｘ軸変調ユニット５１０は、Ｘ軸データロードモジュール５１１，５１２と、マルチオペレータ５１７と、モジュレータ５１８と、を有する。

Ｘ軸データロードモジュール５１１は、マルチプレクサ５１３と、モジュレータ５１５と、を有する。マルチプレクサ５１３は、コントローラから出力されてくる制御信号から因子ｘ１を選択する。マルチプレクサ５１３は、ユーザから選択された因子ｘ１の選択を受け付けてもよい。

モジュレータ５１５は、コントローラ５５０から出力されてくる制御信号から、変調方法ｏｐｘ１を選択する。モジュレータ５１５は、変調方法ｏｐｘ１を因子ｘ１の全症例に適用する。症例とは、因子ｘ１における患者の細胞数である。たとえば、因子ｘ１が「ＣＤ４＋」である場合、因子ｘ１は、５０人の患者の細胞数の配列を示すｘ１＝（３７２，…，１２８，１２）というベクトルである。

変調方法ｏｐｘ１としては、たとえば、無変調、符号反転、対数変換（例．ｌｏｇ_１０）、絶対値変換、冪乗が適用される。実施例１では、冪乗として０より大きく１ではない乗数（たとえば、１／２、２、３）が組み込まれている。なお、変調方法ｏｐｘ１による変調後の因子ｘ１を信号ｘ１´とする。たとえば、変調方法ｏｐｘ１が「ｌｏｇ_１０」であれば、信号ｘ１´は、ｘ１´＝ｌｏｇ_１０ｘ１となる。

Ｘ軸データロードモジュール５１２は、マルチプレクサ５１４と、モジュレータ５１６と、を有する。マルチプレクサ５１４が因子ｘ２（ｘ１と同一因子でもよい）を選択し、モジュレータ５１５が変調方法ｏｐｘ２を選択する点を除いて、Ｘ軸データロードモジュール５１１と同一構成であるため、説明を省略する。なお、変調方法ｏｐｘ２による変調後の因子ｘ２を信号ｘ２´とする。

なお、実施例１では、Ｘ軸の因子の最大選択数を２個とする。このため、図５において説明の理解の容易のため、画像処理回路２０７に２つのＸ軸データロードモジュール５１１，５１２を実装したが、最大選択数が３個以上であれば、Ｘ軸データロードモジュール５１１，５１２が交互に実行されてもよく、また、最大選択数と同数のデータロードモジュールが実装されてもよい。また、１つのＸ軸データロードモジュール５１１で、Ｘ軸の選択可能な複数の因子および複数の演算子を選択してもよい。

マルチオペレータ５１７は、コントローラ５５０からの制御信号から四則演算子やｍａｘ関数、ｍｉｎ関数などの多項演算子を変調方法ｏｐｘａとして選択する。マルチオペレータ５１７は、各Ｘ軸データロードモジュール５１１，５１２から出力された信号ｘ１´，ｘ２´を、選択した変調方法ｏｐｘａで合成する。変調方法ｏｐｘａでの合成後の信号を信号ｘとする。たとえば、変調方法ｏｐｘａが「＋」であれば、信号ｘは、ｘ＝ｘ１´＋ｘ２´となる。

モジュレータ５１８は、マルチオペレータ５１７により合成された信号ｘを変調方法ｏｐｘｂで変調して信号ｘ´とする。信号ｘ´は、Ｘ軸の数式１１１に因子ｘ１が代入されて計算された患者データのＸ軸座標値である。モジュレータ５１８は、Ｘ軸の数式１１１および信号ｘ´を、データメモリ５００に保存するとともにイメージジェネレータ５３０に出力する。変調方法ｏｐｘｂとしては、たとえば、無変調、符号反転、対数変換（例．ｌｏｇ_１０）、絶対値変換、冪乗が適用される。実施例１では、冪乗として０より大きく１ではない乗数（たとえば、１／２、２、３）が組み込まれている。たとえば、変調方法ｏｐｘｂがべき乗数「２」であれば、信号ｘ´は、ｘ´＝ｘ^２となる。

Ｙ軸変調ユニット５２０は、図１に示した数式立案ＡＩ１０１の一部を構成する。Ｙ軸変調ユニット５２０は、Ｙ軸の数式１１２における因子および変調方法を設定する。Ｙ軸変調ユニット５２０は、Ｙ軸データロードモジュール５２１，５２２と、マルチオペレータ５２７と、モジュレータ５２８と、を有する。

Ｙ軸変調ユニット５２０は、因子ｘ１、ｘ２の代わりに因子ｙ１、ｙ２（ｙ１と同一因子でもよい）を選択し、変調方法ｏｐｘ１、ｏｐｘ２、ｏｐｘａ、ｏｐｘｂの代わりに変調方法ｏｐｙ１（変調後の信号はｙ１´）、ｏｐｙ２（変調後の信号はｙ２´）、ｏｐｙａ（変調後の信号はｙ）、ｏｐｙｂ（変調後の信号はｙ´）を選択し、Ｘ軸の数式１１１の代わりにＹ軸の数式１１２を生成する点を除いて、Ｘ軸変調ユニット５１０と同一構成であるため、説明を省略する。

なお、上述したＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０は、制御信号ａ（ｔ）を用いて因子ｘ１，ｘ２，ｙ１，ｙ２の各細胞数を代入しながら数式１１１，１１２を立案して座標値（患者データ）を求めたが、先に制御信号ａ（ｔ）を用いて数式１１１，１１２を立案し、立案した数式１１１，１１２に因子ｘ１，ｘ２，ｙ１，ｙ２の各細胞数を代入することにより座標値（患者データ）を求めてもよい。

イメージジェネレータ５３０は、図１に示した数式立案ＡＩ１０１の一部を構成する。イメージジェネレータ５３０は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０から出力された信号ｘ´，ｙ´を受信する。信号ｘ´は、症例ごとにＸ軸の数式１１１から算出されたｘ座標値の集合（一次元ベクトル）であり、信号ｙ´は、症例ごとにＹ軸の数式１１２から算出されたｙ座標値の集合（一次元ベクトル）である。イメージジェネレータ５３０は、信号ｘ´，ｙ´内の同一位置の座標値を座標空間１１０にプロットすることで、患者データがプロットされた座標空間１１０の画像データＩを構成するピクセルとして描画する。

その際、イメージジェネレータ５３０は、データメモリ５００上の目的変数３０２を参照することで、各ピクセルのカラーを決定する。たとえば、イメージジェネレータ５３０は、図１の黒丸●で示した奏功群を赤色、黒四角■で示した非奏効群を青色で描画することにより、画像データＩを生成する。イメージジェネレータ５３０は、生成された画像データＩをデータメモリ５００に保存するとともにコントローラ５５０に出力する。

エバリュエータ５４０は、図１に示した識別器１０２を有する。エバリュエータ５４０は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０から出力された信号ｘ´，ｙ´と、データメモリ５００からの目的変数３０２と、を取得する。エバリュエータ５４０は、目的変数３０２の種類に応じて、タイムステップｔ（ｔは１以上の整数）の統計量ｒ（ｔ）を計算する。

具体的には、たとえば、エバリュエータ５４０は識別器１０２を実行することで、患者ごとの奏効と非奏効を予測する予測精度を示す統計量ｒ（ｔ）を計算する。統計量ｒ（ｔ）は、たとえば、ＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ ｔｈｅ Ｃｕｒｖｅ）であり、強化学習の報酬に相当する。

エバリュエータ５４０には、識別器１０２と、回帰の計算ユニットとしてロジスティック回帰、線形回帰、ニューラルネットワーク、勾配ｂｏｏｓｔｉｎｇと、が搭載されている。エバリュエータ５４０は、統計量ｒ（ｔ）をデータメモリ５００に保存するとともにコントローラ５５０に出力する。

また、エバリュエータ５４０は、統計量ｒ（ｔ）が所定のしきい値、たとえば、０．５以下であれば、停止信号Ｋ（ｔ）を、Ｋ（ｔ）＝１に設定し、そうでなければ、Ｋ（ｔ）＝０に設定する。停止信号Ｋ（ｔ）は、画像データＩの生成を継続判定するための信号である。Ｋ（ｔ）＝１の場合、画像データＩの生成は停止され、Ｋ（ｔ）＝０の場合、画像データＩの生成は継続される。

コントローラ５５０は、図１に示した数式立案ＡＩ１０１の一部を構成する。コントローラ５５０は、強化学習型のＣＮＮである。コントローラ５５０は、イメージジェネレータで生成されたタイムステップｔの画像データＩ（以下、画像データＩ（ｔ））を取得する。また、コントローラ５５０は、エバリュエータ５４０からの統計量ｒ（ｔ）を強化学習の報酬として取得する。

そして、コントローラ５５０は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御する。具体的には、たとえば、コントローラ５５０は、イメージジェネレータ５３０から画像データＩ（ｔ）が入力されると、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御する制御信号ａ（ｔ）を生成し、つぎのタイムステップ（ｔ＋１）での画像データＩ（ｔ＋１）の生成を制御する。

＜コントローラ５５０の構成＞
図６は、図５に示したコントローラ５５０の構成例を示すブロック図である。コントローラ５５０は、ネットワークユニット６００と、リプレイメモリ６２０と、学習パラメータ更新ユニット６３０と、を有する。ネットワークユニット６００は、Ｑ＊ネットワーク６０１と、Ｑネットワーク６０２と、ランダムユニット６０３とを有する。

Ｑ＊ネットワーク６０１およびＱネットワーク６０２は、価値を最大化するような行動である制御信号ａ（ｔ）を学習する同一構成の行動価値関数である。この場合の価値とは、制御信号ａ（ｔ）で規定される行動をとる（数式１１１，１１２を立案する）ことにより、最終的に画像データＩ（ｔ）において奏功の患者データ群と非奏功の患者データ群との識別がうまくいくかをあらわす指標値である。

すなわち、Ｑ＊ネットワーク６０１およびＱネットワーク６０２は、ある状態（画像データＩ（ｔ））において、ある行動（制御信号ａ（ｔ））を取ったときのパターンテーブル２０８内の要素群における各価値の中の最大値を選択する。換言すれば、その行動（制御信号ａ（ｔ））によって価値の高い状態（画像データＩ（ｔ＋１））に遷移できるような行動（制御信号ａ（ｔ））は、つぎの行動（制御信号ａ（ｔ＋１））と同じくらいの価値を有する。

具体的には、たとえば、Ｑ＊ネットワーク６０１は、画像データＩ（ｔ）を入力とし、学習パラメータθ＊に基づいて制御信号ａ（ｔ）における各要素（因子および変調方法）の価値を示す一次元配列を出力とする深層強化学習ＤＱＮ（Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋ）である。

Ｑネットワーク６０２は、Ｑ＊ネットワーク６０１と同一構成の深層強化学習ＤＱＮであり、学習パラメータをθとし、画像データＩ（ｔ）の生成元となる要素（因子と変調方法の組み合わせ）の価値を求める。Ｑ＊ネットワーク６０１は、Ｑネットワーク６０２で求められた画像データＩ（ｔ）の価値が一番高かった行動、すなわち、パターンテーブル２０８内の要素を選択する。

ランダムユニット６０３は、画像データＩ（ｔ）の生成を継続するか否かを判定するしきい値となる０以上１以下の乱数値を出力する。学習パラメータ更新ユニット６３０は、勾配算出ユニット６３１を有する。学習パラメータ更新ユニット６３０は、勾配算出ユニット６３１を用いて統計量ｒ（ｔ）を報酬として考慮した勾配ｇを算出し、勾配ｇを学習パラメータθに加算することにより、学習パラメータθを更新する。

リプレイメモリ６２０は、データパックＤ（ｔ）を格納する。データパックＤ（ｔ）は、タイムステップｔにおける、統計量ｒ（ｔ）、画像データＩ（ｔ），Ｉ（ｔ＋１）、制御信号ａ（ｔ）および停止信号Ｋ（ｔ）を含む。データパックＤ（ｔ）により、タイムステップｔの状態（画像データＩ（ｔ））において行動（制御信号ａ（ｔ））を取った場合に生成されるタイムステップｔ＋１の状態が画像データＩ（ｔ＋１）で、行動（制御信号ａ（ｔ））を取った場合に得られる報酬が統計量ｒ（ｔ）で、つぎのタイムステップｔ＝ｔ＋１で画像データＩ（ｔ），Ｉ（ｔ＋１）の生成を継続すべきか（停止信号Ｋ（ｔ））が特定される。

Ｑ＊ネットワーク６０１の構成例を具体的に説明する。Ｑ＊ネットワーク６０１は、たとえば、８４×８４ピクセルのカラーの画像データＩ（ｔ）を入力とした場合を例に説明する。Ｑ＊ネットワーク６０１の構成例を説明する。第１層は畳み込みネットワーク（カーネル：８×８ピクセル、ストライド：４、アクチベーション関数：ＲｅＬＵ）である。第２層は畳み込みネットワーク（カーネル：４×４ピクセル、ストライド：２、アクチベーション関数：ＲｅＬＵ）である。

第３層は全結合ネットワーク（ニューロン数：２５６、アクチベーション関数：ＲｅＬＵ）である。また、出力層は全結合ネットワークであり、パターンテーブル２０８の要素列に対応する１次元配列ｚ（ｔ）を出力信号として出力する。出力信号の１次元配列ｚ（ｔ）の内訳を説明する。

１次元配列ｚ（ｔ）は、マルチプレクサ５１３：１００要素、マルチプレクサ５１４：１００要素、モジュレータ５１５：７要素、モジュレータ５１６：７要素、マルチオペレータ５１７：４要素、モジュレータ５１８：７要素、マルチプレクサ５２３：１００要素、マルチプレクサ５２４：１００要素、モジュレータ５２５：７要素、モジュレータ５２６：７要素、マルチオペレータ５２７：４要素、モジュレータ５２８：７要素（合計で４５０要素）の順で、パターンテーブル２０８の各要素に１対１に対応する値を有する。すなわち、１次元配列ｚ（ｔ）は、４５０個の要素に対応する値を持つ配列である（図１１を参照）。

＜制御信号ａ（ｔ）＞
図７は、制御信号ａ（ｔ）の一例を示す説明図である。制御信号ａ（ｔ）は、制御ＩＤ４０１と、行動７０１と、を有する。行動７０１は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０による因子または変調方法の選択を示す。制御ＩＤ４０１で指定された各モジュール５１３～５１８，５２３～５２８は、行動７０１にしたがって因子または変調方法を選択する。たとえば、制御ＩＤ４０１が「５１３」であるマルチプレクサ５１３は、因子ｘ１として免疫細胞「ＣＤ４＋」を選択する。したがって、マルチプレクサ５１３は、データメモリ５００内の分析対象ＤＢ１０４からＣＤ４＋の列の細胞数（３７２、…、１２８、１２）を読み出す。

また、制御ＩＤ４０１が「５１５」であるモジュレータ５１５は、変調方法（演算子ｏｐｘ１）として「無変調」を選択する。したがって、モジュレータ５１８は、データメモリ５００内の分析対象ＤＢ１０４から因子ｘ１として読み出されたＣＤ４＋の列の細胞数（３７２、…、１２８、１２）を、信号ｘ１´とする。

また、制御ＩＤ４０１が「５２４」であるマルチプレクサ５２４は、行動７０１が空欄であるため、因子ｙ２を選択しない。また、制御ＩＤ４０１が「５２５」であるモジュレータ５２５は、変調方法ｏｐｙ１として「１／２」（平方根、１／２乗）を選択する。したがって、モジュレータ５２８は、データメモリ５００内の分析対象ＤＢ１０４から因子ｙ１として読み出されたＣＤ４＋の列の細胞数（３７２、…、１２８、１２）を当該細胞数の平方根（√３７２、…、√１２８、√１２）に変換し、信号ｙ１´とする。

図７に示した制御信号ａ（ｔ）が与えられた場合に生成されるＸ軸の数式１１１およびＹ軸の数式１１２は、図７に示した通りである。数式１１１，１１２の「ＣＤ４＋」には、図３に示した患者ＩＤ３０１ごとの「ＣＤ４＋」の値（３７２，…，１２８，１２）が代入され、数式１１１の「ＣＤ８＋」には、図３に示した患者ＩＤ３０１ごとの「ＣＤ８＋」の値（３０３，…，３９０，１８０）が代入される。なお、ｔ＝１のときの制御信号ａ（ｔ）は、パターンテーブル２０８からランダムに設定されてもよく、後述する図８でユーザ１０３により設定されてもよい。

＜入出力画面例＞
図８は、データ処理装置１００の出力デバイス２０４に表示される入出力画面の一例を示す説明図である。入出力画面８００は、ロードボタン８１０と、開始ボタン８２０と、因子数入力領域８３０と、単項演算子入力領域８４０と、多項演算子入力領域８５０と、目標尺度入力領域８６０と、画像表示領域８７０と、数式表示領域８８０と、を含む。

ロードボタン８１０は、押下により分析対象ＤＢ１０４のエントリをデータメモリ５００にロードするためのボタンである。開始ボタン８２０は、押下により層別化画像生成を開始するためのボタンである。

因子数入力領域８３０は、Ｘ軸因子数入力領域８３１と、Ｙ軸因子数入力領域８３２と、を有する。Ｘ軸因子数入力領域８３１には、Ｘ軸の因子数が入力可能である。Ｘ軸因子数入力領域８３１が空欄の場合、１以上最大因子数（本例では２）以下の数値が自動的に設定される。Ｙ軸因子数入力領域８３２には、Ｙ軸の因子数が入力可能である。Ｙ軸因子数入力領域８３２が空欄の場合、１以上最大因子数（本例では２）以下の数値が自動的に設定される。なお、最大因子数は、図示しない設定画面で変更可能である。

単項演算子入力領域８４０は、Ｘ軸単項演算子入力領域８４１と、Ｙ軸単項演算子入力領域８４２と、を含む。Ｘ軸単項演算子入力領域８４１には、モジュレータ５１５，５１６，５１８の各々について、Ｘ軸における変調方法の一つである単項演算子の追加入力が可能である。同様に、Ｙ軸単項演算子入力領域８４２には、モジュレータ５２５，５２６，５２８の各々について、Ｙ軸における変調方法の一つである単項演算子の追加入力が可能である。

Ｘ軸単項演算子入力領域８４１およびＹ軸単項演算子入力領域８４２のいずれについても、追加入力可能な単項演算子として、たとえば、パターンテーブル２０８に未登録な三角関数が追加入力可能である。追加入力されない場合は、パターンテーブル２０８に登録されている単項演算子（無変調、符号反転、絶対値、対数、べき乗数（１／２、２、３））が適用される。

多項演算子入力領域８５０は、Ｘ軸多項演算子入力領域８５１と、Ｙ軸多項演算子入力領域８５２と、を含む。Ｘ軸多項演算子入力領域８５１には、マルチオペレータ５１７について、Ｘ軸における変調方法の一つである多項演算子の追加入力が可能である。同様に、Ｙ軸多項演算子入力領域８５２には、マルチオペレータ５２７について、Ｙ軸における変調方法の一つである多項演算子の追加入力が可能である。追加入力可能な多項演算子としては、たとえば、パターンテーブル２０８に未登録なｍａｘ関数やｍｉｎ関数が追加入力可能である。追加入力されない場合は、パターンテーブル２０８に登録されている多項演算子（＋、－、×、／）が適用される。

目標尺度入力領域８６０は、統計量入力領域８６１と、目標値入力領域８６２とを含む。統計量入力領域８６１には、学習パラメータ更新ユニット６３０に算出させる統計量の種類が入力可能である。具体的には、たとえば、ＡＵＣのような奏効と非奏功の良し悪しを判断する統計量が選択可能である。目標値入力領域８６２には、統計量入力領域８６１に入力された統計量の目標値が入力可能である（図８では、例として「０．８」）。

画像表示領域８７０には、イメージジェネレータによって生成された画像データＩが表示される。たとえば、黒丸●で示した奏功群は赤色、黒四角■で示した非奏効群は青色で描画される。識別境界線１１３は、識別器１０２によって算出される。数式表示領域８８０には、Ｘ軸の数式１１１とＹ軸の数式１１２とが表示される。

なお、入出力画面８００は、たとえば、データ処理装置１００の出力デバイス２０４の一例であるディスプレイに表示される。また、入出力画面８００は、データ処理装置１００の通信ＩＦ２０５から、入出力画面８００に関する情報を、通信ＩＦ２０５と通信可能に接続される他のコンピュータに送信することにより、当該他のコンピュータのディスプレイに表示されてもよい。

＜画像データ生成処理＞
図９は、Ｘ軸変調ユニット５１０、Ｙ軸変調ユニット５２０、およびイメージジェネレータ５３０による画像データ生成処理の詳細な処理手順例を示すフローチャートである。まず、Ｘ軸変調ユニット５１０内のＸ軸データロードモジュール５１１，５１２が処理を実行する（ステップＳ９０１）。具体的には、たとえば、Ｘ軸データロードモジュール５１１に内蔵されたマルチプレクサ５１３は、コントローラ５５０からの制御信号ａ（ｔ）により、データメモリ５００に格納された因子群３０３の中から１つの因子ｘ１を選択する。

つぎに、モジュレータ５１５は、制御信号ａ（ｔ）が指定した変調方法を因子ｘ１の全症例（因子ｘ１の各細胞数）に適用し、信号ｘ１´を生成する。なお、モジュレータ５１５は、選択された因子ｘ１に変調方法３０４が設定されている場合、当該変調方法３０４を優先適用してもよい。たとえば、因子ｘ１として、ＭＩＰ－１βが選ばれていれば、因子ｘ１はｌｏｇ_１０により変調される。また、因子ｘ１として、ＣＴＬＡ－４が選ばれていれば、因子ｘ１はｌｏｇ_１０または平方根（１／２乗）のいずれかにより変調される。

なお、Ｘ軸単項演算子入力領域８４１に単項演算子（たとえば、三角関数）が入力されていれば、モジュレータ５１５は、Ｘ軸単項演算子入力領域８４１に入力された単項演算子を優先的に適用してもよい。ステップＳ９０１では、Ｘ軸データロードモジュール５１１について説明したが、もう１つのＸ軸データロードモジュール５１２についても同様である。

マルチオペレータ５１７は、制御信号ａ（ｔ）に従って、Ｘ軸データロードモジュール５１１から出力された変調後の信号ｘ１´と、Ｘ軸データロードモジュール５１２から出力された変調後の信号ｘ２´を合成して信号ｘとする（ステップＳ９０２）。制御信号ａ（ｔ）で指定された変調方法が、加算（＋）である場合、マルチオペレータ５１７は、信号ｘ１´と信号ｘ２´とを加算する（ｘ＝ｘ１´＋ｘ２´）。

また、Ｘ軸多項演算子入力領域８５１に多項演算子（たとえば、ｍａｘ関数）が入力されていれば、マルチオペレータ５１７は、信号ｘ１´と信号ｘ２´とのうち大きい方を信号ｘとして選択する。信号ｘ１´および信号ｘ２´は、変調された患者数（５０症例）分の値を持つ一次元ベクトルであるため、信号ｘ１´と信号ｘ２´と比較する場合は、最大値どうしを比較して大きい方を信号ｘとしてもよい。また、マルチオペレータ５１７は、合計値どうしを比較して大きい方を信号ｘとしてもよい。

また、マルチオペレータ５１７は、信号ｘ１´および信号ｘ２´の同一患者どうしの値を比較して、大きい値の個数が多い方を信号ｘとしてもよい。同様に、マルチオペレータ５１７は、多項演算子がｍｉｎ関数であれば、信号ｘ１´と信号ｘ２´と比較する場合は、最小値どうしを比較して小さい方を信号ｘとしてもよい。また、マルチオペレータ５１７は、合計値どうしを比較して小さい方を信号ｘとしてもよい。また、マルチオペレータ５１７は、信号ｘ１´および信号ｘ２´の同一患者どうしの値を比較して、小さい値の個数が多い方を信号ｘとしてもよい。

モジュレータ５１８は、制御信号ａ（ｔ）に従って、マルチオペレータ５１７により合成された信号ｘを変調して，Ｘ軸の数式１１１で算出された患者データごとの因子ｘ１のＸ軸座標値である信号ｘ´を出力して、データメモリ５００に保存するとともにイメージジェネレータ５３０に出力する（ステップＳ９０３）。制御信号ａ（ｔ）で指定された変調方法ｏｐｘｂが、符号反転である場合、モジュレータ５１８は、信号ｘの符号を反転する。

なお、Ｘ軸単項演算子入力領域８４１に単項演算子（たとえば、三角関数）が入力されていれば、モジュレータ５１８は、信号ｘに、Ｘ軸単項演算子入力領域８４１に入力された単項演算子を優先的に適用してもよい。

Ｙ軸変調ユニット５２０内のＹ軸データロードモジュール５２１，５２２が処理を実行する（ステップＳ９０４）。データロードモジュール５２１に内蔵されたマルチプレクサ５２３は、制御信号ａ（ｔ）により、データメモリ５００に格納された因子群３０３の中から１つの因子ｙ１を選択する。

つぎに、モジュレータ５２５は、制御信号ａ（ｔ）が指定された変調方法を因子ｙ１の全症例（因子ｙ１の各細胞数）に適用し、信号ｙ１´を生成する。なお、モジュレータ５２５は、選択された因子ｙ１に変調方法３０４が設定されている場合、当該変調方法３０４を優先適用してもよい。たとえば、因子ｙ１として、ＭＩＰ－１βが選ばれていれば、因子ｙ１は、ｌｏｇ_１０により変調される。また、因子ｙ１として、ＣＴＬＡ－４が選ばれていれば、因子ｙ１は、ｌｏｇ_１０または平方根（１／２乗）のいずれかにより変調される。

なお、Ｙ軸単項演算子入力領域８４２に単項演算子（たとえば、三角関数）が入力されていれば、モジュレータ５２５は、Ｙ軸単項演算子入力領域８４２に入力された単項演算子を優先的に適用してもよい。ステップＳ９０４では、Ｙ軸データロードモジュール５２１について説明したが、Ｙ軸データロードモジュール５２２についても同様である。

マルチオペレータ５２７は、制御信号ａ（ｔ）に従って、Ｙ軸データロードモジュール５２１から出力された変調後の信号ｙ１´と、Ｙ軸データロードモジュール５２２から出力された信号ｙ２´を合成して信号ｙとする（ステップＳ９０５）。制御信号ａ（ｔ）で指定された変調方法が、減算（－）である場合、マルチオペレータ５１７は、信号ｙ１´から信号ｙ２´を減算する（ｙ＝ｙ１´－ｙ２´）。

また、Ｙ軸多項演算子入力領域８５２に多項演算子（たとえば、ｍａｘ関数）が入力されていれば、マルチオペレータ５２７は、信号ｙ１´と信号ｙ２´とのうち大きい方を信号ｙとして選択する。信号ｙ１´および信号ｙ２´は、変調された患者数（５０症例）分の値を持つ一次元ベクトルであるため、信号ｙ１´と信号ｙ２´と比較する場合は、合計値どうしを比較して大きい方を信号ｙとしてもよい。

また、信号ｙ１´および信号ｙ２´の同一患者どうしの値を比較して、大きい値の個数が多い方を信号ｙとしてもよい。同様に、多項演算子がｍｉｎ関数であれば、信号ｙ１´と信号ｙ２´と比較する場合は、合計値どうしを比較して小さい方を信号ｙとしてもよい。また、信号ｙ１´および信号ｙ２´の同一患者どうしの値を比較して、小さい値の個数が多い方を信号ｙとしてもよい。

モジュレータ５２８は、制御信号ａ（ｔ）に従って、マルチオペレータ５２７により合成された信号ｙを変調して信号ｙ´とし、データメモリ５００に保存するとともにイメージジェネレータ５３０に出力する（ステップＳ９０６）。制御信号ａ（ｔ）で指定された変調方法ｏｐｙｂが、符号反転である場合、モジュレータ５２８は、信号ｙの符号を反転する。

なお、Ｙ軸単項演算子入力領域８４２に単項演算子（たとえば、三角関数）が入力されていれば、モジュレータ５２８は、信号ｙに、Ｙ軸単項演算子入力領域８４２に入力された単項演算子を優先的に適用してもよい。

イメージジェネレータ５３０は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０から出力された信号ｘ´、ｙ´に基づいて、座標空間１１０に患者データごとの座標値をプロットし、画像データＩ（ｔ）を生成する（ステップＳ９０７）。その際、イメージジェネレータ５３０は、データメモリ５００上の目的変数３０２を参照することで、各ピクセルのカラーを決定する。

＜分析処理手順例＞
図１０は、分析支援処理手順例を示すフローチャートである。なお、処理開始前において、図８の入出力画面８００のロードボタン８１０の押下により分析対象ＤＢ１０４のエントリがデータメモリ５００にロードされているものとする。

［Ｓ１００１］
データ処理装置１００は、初期化を実行する（ステップＳ１００１）。具体的には、たとえば、データ処理装置１００は、計算ステップｍをｍ＝１に設定する。また、データ処理装置１００は、Ｑ＊ネットワーク６０１の学習パラメータθ＊をランダムな重みで初期化する。また、データ処理装置１００は、Ｑネットワーク６０２の学習パラメータθをランダムな重みで初期化する。

［Ｓ１００２］
データ処理装置１００は、コントローラ５５０を初期化する（ステップＳ１００２）。具体的には、たとえば、データ処理装置１００は、タイプステップｔをｔ＝１に設定する。コントローラ５５０はパターンテーブル２０８の要素を用いて、制御信号ａ（ｔ）をランダムに設定する。

［Ｓ１００３］
つぎに、データ処理装置１００は、図９に示した、タイムステップｔにおける画像データ生成処理（以下、画像データＩ（ｔ）生成処理）をサブルーチンとして実行する（ステップＳ１００３）。画像データＩ（ｔ）生成処理（ステップＳ１００３）は、制御信号ａ（ｔ）をＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０に与えることにより、イメージジェネレータ５３０から画像データＩ（ｔ）を生成する。

［Ｓ１００４］
コントローラ５５０は、ステップＳ１００２で生成されたタイムステップｔの制御信号ａ（ｔ）を更新する（ステップＳ１００４）。具体的には、たとえば、ランダムユニット６０３は、乱数値を出力する。コントローラ５５０は、ランダムユニット６０３が出力した乱数値がｅ（たとえば、ｅ＝０．５）以上であれば、パターンテーブル２０８からランダムに１つの要素を選択し、選択した要素で制御信号ａ（ｔ）を更新する。

たとえば、パターンテーブル２０８からランダムに選択された要素が、制御ＩＤ４０１が「５１３」で要素番号９９の「ＣＴＬＡ－４」であれば、コントローラ５５０は、図７の制御信号ａ（ｔ）の制御ＩＤ４０１が「５１３」が示す行動７０１の値「ＣＤ４＋」を「ＣＴＬＡ－４」に変更する。

たとえば、パターンテーブル２０８からランダムに選択された要素が、制御ＩＤ４０１が「５１５」で要素番号２の「符号反転」であれば、コントローラ５５０は、図７の制御信号ａ（ｔ）の制御ＩＤ４０１が「５１５」が示す行動７０１の値「無変調」を「符号反転」に変更する。なお、ランダムに選択される要素は、１つに限らず２以上でもよい。

一方、ランダムユニット６０３が出力した乱数値がｅ未満であれば、コントローラ５５０は、ネットワークユニット６００内のＱ＊ネットワーク６０１に、画像データＩ（ｔ）生成処理（ステップＳ１００３）で生成された画像データＩ（ｔ）を入力し、１次元配列ｚ（ｔ）を計算する。

＜一次元配列ｚ（ｔ）＞
図１１は、一次元配列ｚ（ｔ）の一例を示す説明図である。一次元配列ｚ（ｔ）は、パターンテーブル２０８の４５０個の要素群に対応する４５０個の数値の配列である。数値の大きさは、その要素の選択価値を示す。配列番号は、各数値の配列位置を示し、パターンテーブル２０８の全要素の配列に対応する。たとえば、配列番号１～１００が、制御ＩＤ４０１：５１３の要素番号１～１００に対応する。配列番号１０１～２００が、制御ＩＤ４０１：５１４の要素番号１～１００に対応する。

図示はしないが、配列番号２０１～２０７は、制御ＩＤ４０１：５１５の要素番号１～７に対応し、配列番号２０８～２１４は、制御ＩＤ４０１：５１６の要素番号１～７に対応し、配列番号２１５～２１８は、制御ＩＤ４０１：５１７の要素番号１～４に対応し、配列番号２１９～２２５は、制御ＩＤ４０１：５１８の要素番号１～７に対応し、配列番号２２６～３２５は、制御ＩＤ４０１：５２３の要素番号１～１００に対応し、配列番号３２６～４２５は、制御ＩＤ４０１：５２４の要素番号１～１００に対応し、配列番号４２６～４３２は、制御ＩＤ４０１：５２５の要素番号１～７に対応し、配列番号４３３～４３９は、制御ＩＤ４０１：５２６の要素番号１～７に対応し、配列番号４４０～４４３は、制御ＩＤ４０１：５２７の要素番号１～４に対応する。

このように、制御ＩＤ４０１順の要素順に配列番号が順次昇順に割り当てられ、配列番号４４４～４５０が、最後の制御ＩＤ４０１：５２８の要素番号１～７に対応する。

コントローラ５５０は、１次元配列ｚ（ｔ）において、最大値となった要素に対応するパターンテーブル２０８の要素を１つ選択し、制御信号ａ（ｔ）を更新する。たとえば、図１１では、最大値は配列番号２００の「０．９」である。配列番号２００は、制御ＩＤ４０１：５１４および要素番号１００に対応する。

パターンテーブル２０８において、制御ＩＤ４０１：５１４および要素番号１００に対応する要素は、「ＭＩＰ－１β」である。コントローラ５５０は、図７の制御信号ａ（ｔ）の制御ＩＤ４０１が「５１４」が示す行動７０１の値「ＣＤ８＋」を、最大値に対応する「ＭＩＰ－１β」に変更する。このように、最大値となった要素に変更することにより、変更後の制御信号ａ（ｔ）の価値を高めることができ、コントローラ５５０がより好適な行動を取ることで、イメージジェネレータ５３０は、座標値（患者データ）の座標空間１１０上の配置がより識別や回帰分析に適した画像データＩ（ｔ）を生成することができる。

また、最大値となった要素が複数存在する場合には、コントローラ５５０は、そのすべてを選択してもよく、その中からランダムに１つ選択してもよい。また、最大値となった要素だけではなく、コントローラ５５０は、数値の大きさが上位ｎ位（ｎは１以上の任意の整数）までの要素を選択してもよい。この場合も、コントローラ５５０は、上位ｎ位までの要素をすべて選択してもよく、その中からランダムに１つ選択してもよい。

また、コントローラ５５０は、数値の大きさがしきい値以上の要素を選択してもよい。この場合も、コントローラ５５０は、しきい値以上の要素をすべて選択してもよく、その中からランダムに１つ選択してもよい。また、コントローラ５５０は、タイムステップｔ－１の一次元配列ｚ（ｔ－１）を逐次保持しておき、一次元配列ｚ（ｔ－１）の各要素の数値よりも大きい要素を一次元配列ｚ（ｔ）から選択してもよい。この場合も、コントローラ５５０は、一次元配列ｚ（ｔ－１）の各要素の数値よりも大きい要素をすべて選択してもよく、その中からランダムに１つ選択してもよい。このように、一次元配列ｚ（ｔ）の生成を繰り返すほど、要素の価値が向上する。

［Ｓ１００５］
図１０に戻り、エバリュエータ５４０は、タイムステップｔの統計量ｒ（ｔ）の計算を実行する（ステップＳ１００５）。具体的には、たとえば、エバリュエータ５４０は、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０から出力された信号ｘ´、ｙ´と、データメモリ５００からロードした目的変数３０２の種類と、に基づいて、統計量ｒ（ｔ）を計算する。

より具体的には、エバリュエータ５４０は、識別器１０２を実行することで、患者ごとの奏効と非奏効を予測し、統計量ｒ（ｔ）を計算する。エバリュエータ５４０は、統計量ｒ（ｔ）をデータメモリ５００に保存するとともにコントローラ５５０に出力する。また、エバリュエータ５４０は、統計量ｒ（ｔ）が０．５以下であれば、現在の制御信号ａ（ｔ）で指定可能な要素群では、奏功および非奏功を識別しやすい画像データＩ（ｔ）を生成できないと判断して、停止信号Ｋ（ｔ）をＫ（ｔ）＝１（停止）に設定する。統計量ｒ（ｔ）が０．５以下でなければ、エバリュエータ５４０は、停止信号Ｋ（ｔ）をＫ（ｔ）＝０（継続）に設定する。

［Ｓ１００６］
つぎに、データ処理装置１００は、図９に示した、タイムステップｔ＋１における画像データ生成処理（以下、画像データＩ（ｔ＋１）生成処理）をサブルーチンとして実行する（ステップＳ１００６）。画像データＩ（ｔ＋１）生成処理（ステップＳ１００６）は、ステップＳ１００４で更新された制御信号ａ（ｔ）またはステップＳ１００８：Ｙｅｓでつぎのタイムステップｔ＋１に更新されたタイムステップｔでステップＳ１００４により更新された制御信号ａ（ｔ）を、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０に与えることにより、イメージジェネレータ５３０から画像データＩ（ｔ＋１）を生成する。

［Ｓ１００７］
つぎに、ネットワークユニット６００は、統計量ｒ（ｔ）、制御信号ａ（ｔ）、画像データＩ（ｔ）、画像データＩ（ｔ＋１）、および停止信号Ｋ（ｔ）を１組のデータとしたデータパックＤ（ｔ）を、リプレイメモリ６２０に保存する（ステップＳ１００７）。

［Ｓ１００８］
そして、Ｋ（ｔ）＝０、でかつ、タイムステップｔが所定の回数Ｔ未満であれば（ステップＳ１００８：Ｙｅｓ）、画像データＩ（ｔ）の生成を継続することになるため、ｔ＝ｔ＋１としてタイムステップｔを更新し、ステップＳ１００４に戻る。一方、Ｋ（ｔ）＝１またはタイムステップｔが所定の回数Ｔ以上であれば（ステップＳ１００８：Ｎｏ）、ステップＳ１００９に移行する。実施例１では、Ｔ＝１００とする。

［Ｓ１００９］
学習パラメータ更新ユニット６３０は、リプレイメモリ６２０からランダムにＪ個のデータパックＤ（１），…，Ｄ（ｊ），…，Ｄ（Ｊ）（ｊ＝１，…，Ｊ）（以下、データパック群Ｄｓ）をロードし、下記式（１）により教師信号ｙ（ｊ）を更新する（ステップＳ１００９）。なお、実施例１ではＪの上限を１００とする。

上記式（１）において、γは割引率であり、実施例１では、γ＝０．９９８とする。上記式（１）における計算処理ｍａｘＱ（Ｉ（ｊ＋１）；θ）は、ネットワークユニット６００内のＱネットワーク６０２に画像データＩ（ｊ＋１）を入力し、Ｑネットワーク６０２が学習パラメータθを適用して算出した１次元配列ｚ（ｊ）の中から最大値、すなわち、最大の行動価値を出力する処理である。たとえば、図１１の１次元配列ｚ（ｔ）が１次元配列ｚ（ｊ）である場合、計算処理ｍａｘＱ（Ｉ（ｊ＋１）；θ）は、配列番号２００の値「０．９」を最大の行動価値として出力する。

［Ｓ１０１０］
つぎに、学習パラメータ更新ユニット６３０は、学習計算を実行する（ステップＳ１０１０）。具体的には、たとえば、勾配算出ユニット６３１は、下記式（２）を用いて学習パラメータθについて勾配ｇを出力し、勾配ｇを学習パラメータθに加算することで学習パラメータθを更新する。

勾配ｇは、上記式（２）の右辺第２項である。これにより、Ｑネットワーク６０２は、報酬である統計量ｒ（ｔ）が考慮された更新後の学習パラメータθにより、統計量ｒ（ｔ）、すなわち、患者の奏功および非奏功の予測精度が高くなるような行動７０１を示す制御信号ａ（ｔ）を生成することができる。

また、学習計算（ステップＳ１０１０）において、学習パラメータ更新ユニット６３０は、Ｑネットワーク６０２の更新後の学習パラメータθを、Ｑ＊ネットワーク６０１の学習パラメータθ＊に上書きする。すなわち、学習パラメータθ＊が、更新後の学習パラメータθと同一の値となる。これにより、Ｑ＊ネットワーク６０１は、行動価値、すなわち、座標空間１１０の患者データの配置が奏功および非奏功を識別しやすくなるような行動７０１を特定することができる。

［Ｓ１０１１］
つぎに、データ処理装置１００は、統計量ｒ（ｔ）が目標値入力領域８６２に入力した目標値を下回り、かつ、計算ステップｍが所定の回数Ｍ未満であれば（ステップＳ１０１１：Ｙｅｓ）、データ処理装置１００による分析を継続するため、ステップＳ３０２に戻り、計算ステップｍをｍ＝ｍ＋１として更新する。実施例１では、Ｍ＝１００万回とする。

一方、データ処理装置１００は、統計量ｒ（ｔ）が目標値入力領域８６２に入力した目標値以上、または、計算ステップｍが所定の回数Ｍに到達した場合（ステップＳ１０１１：Ｎｏ）、ステップＳ１０１２に移行する。

［Ｓ１０１２］
つぎに、データ処理装置１００は、データメモリ５００から、データパック群Ｄｓのうち、統計量ｒ（ｋ）が目標値以上となったタイムステップｋのデータパックＤ（ｋ）を記憶デバイス２０２に保存する（ステップＳ１０１２）。統計量ｒ（ｋ）が目標値以上となったタイムステップｋのデータパックＤ（ｋ）が存在しない場合、データパックＤ（ｋ）を記憶デバイス２０２に保存しない。また、データ処理装置１００は、統計量ｒ（ｋ）が目標値以上となったタイムステップｋのデータパックＤ（ｋ）が存在しない場合、データパック群Ｄｓのうち、統計量ｒ（ｋ）が最大となるタイムステップｋのデータパックＤ（ｋ）を記憶デバイス２０２に保存してもよい。

［Ｓ１０１３］
つぎに、データ処理装置１００は、分析結果を表示する（ステップＳ１０１３）。具体的には、たとえば、データ処理装置１００は、記憶デバイス２０２に保存されたデータパックＤ（ｋ）をロードし、データパックＤ（ｋ）内の制御信号ａ（ｋ）を用いてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０に数式立案を実行させ、立案した数式１１１，１１２を数式表示領域８８０に表示する。

また、データ処理装置１００は、データパックＤ（ｋ）内の画像データＩ（ｋ）および統計量ｒ（ｋ）を画像表示領域８７０に表示する。また、データ処理装置１００は、識別器１０２から計算された識別境界線１１３を画像表示領域８７０に表示する。なお、記憶デバイス２０２にデータパックＤ（ｋ）が保存されていない場合、データ処理装置１００は、分析失敗を示す分析結果を表示してもよい。これにより、一連の処理が終了する（ステップＳ１０１４）。

このように、実施例１によれば、複数因子の組み合わせによるデータ群の識別を自動で高速に実現することができる。

実施例２は、実施例１において、目的変数３０２が量的変数である場合の例である。実施例２では、実施例１との相違点を中心に説明するため、実施例１と同一構成には同一符号を付し、その説明を省略する。

＜分析対象ＤＢ１０４＞
図１２は、実施例２にかかる分析対象ＤＢ１０４の一例を示す説明図である。分析対象ＤＢ１２００は、目的変数３０２に替え、フィールドとして量的変数である目的変数１２０２を有する。目的変数１２０２には、値として、各患者の腫瘍の大きさ（長軸）がｍｍ単位で格納されている。

＜入出力画面例＞
図１３は、実施例２にかかるデータ処理装置１００の出力デバイス２０４に表示される入出力画面の一例を示す説明図である。目的変数３０２が量的変数であるため、入出力画面１３００において、統計量入力領域８６１には、統計量ｒとして、決定係数（ｒ^２）や平均２乗誤差が選択可能である。また、目標値入力領域８６２には、統計量入力領域８６１に入力された統計量の目標値として、目標精度が入力可能である（図８では、例として「０．９０」）。

また、イメージジェネレータ５３０は、データメモリ５００上の目的変数１２０２を参照することで、座標空間１１０上にプロットされた患者データである各ピクセルの輝度値を目的変数１２０２の大きさに合わせて濃淡を決定する。目的変数１２０２の値が大きくなるほど、当該患者データを示すピクセルは明るく描画される。

一方で、目的変数１２０２の値が小さくなるほど、当該患者データを示すピクセルは暗く描画される。イメージジェネレータ５３０は、生成された画像データＩ（ｔ）をデータメモリ５００に保存するとともにコントローラ５５０に出力する。また、イメージジェネレータ５３０は、画像データＩ（ｔ）の患者データを参照して、回帰直線１３０１を生成する。このように、実施例２によれば、データ処理装置１００を回帰分析にも適用することができる。

また、実施例１および実施例２では、分析対象データとして患者の免疫細胞数を用いた例としたが、分析対象データは、このような生体情報に限られず、たとえば、株式にも適用可能である。たとえば、分析対象を会社の銘柄とし、患者ＩＤ３０１を銘柄のＩＤとし、因子群３０３を、その会社の純利益、従業員数、売上高などの会社情報にすればよい。また、実施例１の場合、目的変数３０２は、当該銘柄の上昇または下降や、また、購入可否とすればよい。また、実施例２の場合、目的変数３０２（量的変数）は、当該銘柄の株価とすればよい。

また、上述した実施例１および実施例２にかかるデータ処理装置１００は、下記（１）～（１３）のように構成することもできる。

（１）たとえば、データ処理装置１００は、記憶部と、Ｘ軸変調ユニット５１０と、Ｙ軸変調ユニット５２０と、イメージジェネレータ５３０と、を有する。記憶部の一例であるデータメモリ５００は、分析対象ごとに因子３０３と目的変数３０２とを有する分析対象データ群（分析対象ＤＢ１０４）を記憶する。Ｘ軸変調ユニット５１０は、分析対象ごとに、第１因子（ｘ１，ｘ２）を変調し第１変調結果（患者データのＸ座標値）を出力する。Ｙ軸変調ユニット５２０は、分析対象ごとに、第２因子（ｙ１，ｙ２）を変調し第２変調結果（患者データのＹ座標値）を出力する。イメージジェネレータ５３０は、第１因子に対応するＸ軸と、第２因子に対応するＹ軸と、により規定される座標空間１１０に、分析対象ごとに、Ｘ軸変調ユニット５１０からの第１変調結果およびＹ軸変調ユニット５２０からの第２変調結果である座標点（患者データ）を付与し、かつ、座標点に対応する分析対象の目的変数３０２に関する情報（たとえば、ピクセルカラー）を座標点に付与した画像データＩ（ｔ）を生成する。

これにより、第１画像データＩ（ｔ）を参照することにより、ユーザは、複数因子の組み合わせによる患者データ群の識別や回帰分析を容易に行うことができる。

（２）また、上記（１）において、記憶部は、因子の種類と因子の変調方法の種類とのうち少なくとも一方の要素の種類を含むパターンテーブル２０８を記憶し、データ処理装置１００は、コントローラ５５０を有する。コントローラ５５０は、パターンテーブル２０８を用いて、Ｘ軸変調ユニット５１０が第１要素を選択し、かつ、Ｙ軸変調ユニット５２０が第２要素を選択する制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御する。

これにより、コントローラ５５０は、パターンテーブル２０８が記憶する要素に応じて、Ｘ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御して、数式１１１，１１２を立案し、座標値（患者データ）を出力することができる。したがって、イメージジェネレータ５３０は、座標値（患者データ）を座標空間１１０にプロットして画像データＩ（ｔ）を生成することができる。

（３）また、上記（２）において、パターンテーブル２０８は、因子の種類を含み、コントローラ５５０は、パターンテーブル２０８を用いて、Ｘ軸変調ユニット５１０が第１因子を選択し、かつ、Ｙ軸変調ユニット５２０が第２因子を選択する制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御してもよい。

これにより、パターンテーブル２０８が、ＣＤ４＋、ＣＤ８＋、…、ＣＴＬＡ－４，ＭＩＰ－１βのような因子の種類を記憶し、変調方法の種類を記憶していない場合であっても、コントローラ５５０は、所定のまたはユーザ１０３に指定された変調方法が規定された制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御することができる。

（４）また、上記（２）において、パターンテーブル２０８は、変調方法の種類を含み、コントローラ５５０は、パターンテーブル２０８を用いて、Ｘ軸変調ユニット５１０が第１変調方法を選択し、かつ、Ｙ軸変調ユニット５２０が第２変調方法を選択する制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御してもよい。

これにより、パターンテーブル２０８が、無変調、符号反転、対数変換、絶対値変換、冪乗、四則演算のような変調方法を記憶し、因子の種類を記憶していない場合であっても、コントローラ５５０は、所定のまたはユーザ１０３に指定された因子が規定された制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御することができる。

（５）また、上記（２）において、パターンテーブル２０８は、因子の種類と因子の変調方法の種類とを含み、コントローラ５５０は、パターンテーブル２０８を用いて、Ｘ軸変調ユニット５１０が第１因子または第１変調方法の少なくとも一方の要素を選択し、かつ、Ｙ軸変調ユニット５２０が第２因子または第２変調方法の少なくとも一方の要素を選択する制御信号ａ（ｔ）を生成し、制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御してもよい。

これにより、コントローラ５５０は、因子および変調方法を組み合わせた制御信号ａ（ｔ）を網羅的に生成することができ、画像データＩ（ｔ）の生成パターンの増加を図ることができる。

（６）また、上記（２）において、コントローラ５５０は、パターンテーブル２０８を参照して制御信号ａ（ｔ）の一部の要素を更新して、更新後の制御信号ａ（ｔ）によりＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御し、イメージジェネレータ５３０は、コントローラ５５０によって更新後の制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０が制御されたことにより、画像データＩ（ｔ＋１）を生成してもよい。

これにより、イメージジェネレータ５３０は、更新後の制御信号ａ（ｔ）による価値の行動が反映された画像データＩ（ｔ＋１）を生成することができ、コントローラ５５０は、このような画像データＩ（ｔ＋１）という状態において次の行動を取ることができる。

（７）また、上記（６）において、コントローラ５５０は、画像データＩ（ｔ＋１）を第１状態、制御信号ａ（ｔ）に含まれる第１要素群を第１行動とし、学習パラメータθ＊に基づいて第１状態において第１行動を取った場合のパターンテーブル２０８内の各要素の価値を示す一次元配列ｚ（ｔ）を出力するＱ＊ネットワーク６０１を有し、パターンテーブル２０８内の各要素の価値を示す一次元配列ｚ（ｔ）のうち特定の価値（例：０．９）に対応する制御信号ａ（ｔ）内の要素（例：制御ＩＤ：５１４の「ＣＤ８＋」）を、パターンテーブル２０８内の特定の価値（例：０．９）に対応する特定の要素（例：要素番号１００の「ＭＩＰ－１β」）に更新し、更新後の制御信号ａ（ｔ）に基づいてＸ軸変調ユニット５１０およびＹ軸変調ユニット５２０を制御してもよい。

これにより、イメージジェネレータ５３０は、更新後の制御信号ａ（ｔ）による特定の価値の行動が反映された画像データＩ（ｔ＋１）を生成することができ、コントローラ５５０は、このような画像データＩ（ｔ＋１）という状態において次の行動を取ることができる。

（８）また、上記（７）において、特定の価値は、パターンテーブル２０８内の各要素の価値を示す一次元配列ｚ（ｔ）の中で最大値を示す価値としてもよい。

これにより、イメージジェネレータ５３０は、更新後の制御信号ａ（ｔ）による価値が最大の行動が反映された画像データＩ（ｔ＋１）を生成することができ、コントローラ５５０は、このような画像データＩ（ｔ＋１）という状態において次の行動を取ることができる。したがって、イメージジェネレータ５３０は、行動を最大化する画像データＩ（ｔ）を生成することができ、複数因子の組み合わせによる患者データ群の識別や回帰分析が容易になり、データ処理の自動化および高速化を実現することができる。

（９）また、上記（７）において、データ処理装置１００は、第１変調結果（患者データのＸ座標値）、第２変調結果（患者データのＹ座標値）、および目的変数３０２に関する情報（たとえば、ピクセルカラー）に基づいて、目的変数３０２を評価するエバリュエータ５４０を有する。コントローラ５５０は、入力画像データを第２状態、更新後の制御信号ａ（ｔ）に含まれる第２要素群を第２行動とし、学習パラメータθに基づいて第２状態において第２行動を取った場合のパターンテーブル２０８内の各要素の価値を示す一次元配列ｚ（ｔ）を出力するＱネットワーク６０２を有する。コントローラ５５０は、Ｑネットワーク６０２に画像データＩ（ｔ＋１）が入力された場合の出力結果に、エバリュエータ５４０による評価結果である統計量ｒ（ｊ）を報酬として加算することにより第１行動の価値を教師データｙ（ｊ）として算出し、教師データｙ（ｊ）と、Ｑネットワーク６０２に画像データＩ（ｔ）が入力された場合の出力結果と、に基づいて、学習パラメータθを更新し、更新後の学習パラメータθにより学習パラメータθ＊を更新してもよい。

これにより、Ｑ＊ネットワーク６０１の最適化を図ることができ、Ｑ＊ネットワーク６０１が出力する一次元配列ｚ（ｔ）から、より価値が高い要素を特定することができる。したがって、複数の要素の組み合わせによる患者データ群の識別や回帰分析が容易になり、データ処理の自動化および高速化を実現することができる。

（１０）また、上記（１）において、データ処理装置１００は、エバリュエータ５４０と、出力部（出力デバイス２０４または通信ＩＦ２０５）と、を有する。エバリュエータ５４０は、第１変調結果（患者データのＸ座標値）、第２変調結果（患者データのＹ座標値）、および目的変数３０２に関する情報（たとえば、ピクセルカラー）に基づいて、目的変数３０２を評価するエバリュエータ５４０を有する。出力部は、エバリュエータ５４０による評価結果である統計量ｒ（ｊ）が、たとえば、目標値入力領域８６２に入力された目標値以上である場合、画像データＩ（ｊ）を表示可能に出力してもよい。

これにより、データ処理装置１００は、ユーザ１０３が必要とする画像データＩ（ｊ）に絞り込むことができる。

（１１）また、上記（１０）において、目的変数３０２は、分析対象データ群を分類する情報であり、イメージジェネレータ５３０は、座標点を目的変数３０２で識別する識別境界線１１３を生成し、出力部は、識別境界線１１３を画像データＩ（ｊ）に表示可能に出力してもよい。これにより、ユーザは、目的変数３０２別の座標点群を識別する境界を視認することができる。

（１２）また、上記（１１）において、因子３０３は、生体情報であり、目的変数３０２は、薬効を示す情報としてもよい。これにより、ユーザは、薬が効いた患者データ群（奏功群）と薬が効かなかった患者データ群とを識別境界線１１３で容易に層別化することができる。

（１３）また、上記（１１）において、目的変数３０２は、量的変数であり、イメージジェネレータ５３０は、座標点と目的変数３０２とに基づく回帰直線１３０１を生成し、出力部は、回帰直線１３０１を画像データＩ（ｊ）に表示可能に出力してもよい。これにより、データ処理装置１００は、回帰分析にも適用することができる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１００ データ処理装置
１０２ 識別器
１０４、１２００ 分析対象ＤＢ
１１０ 座標空間
１１１ Ｘ軸の数式
１１２ Ｙ軸の数式
１１３ 識別境界線
２０１ プロセッサ
２０２ 記憶デバイス
２０４ 出力デバイス
２０７ 画像処理回路
２０８ パターンテーブル
３０２ 目的変数
３０３ 因子
３０４ 変調方法
５００ データメモリ
５１０ Ｘ軸変調ユニット
５１１、５１２ Ｙ軸データロードモジュール
５１３、５１４ マルチプレクサ
５１５，５１６，５１８ モジュレータ
５１７ マルチオペレータ
５２０ Ｙ軸変調ユニット
５２１、５２２ Ｙ軸データロードモジュール
５２３、５２４ マルチプレクサ
５２５，５２６，５２８ モジュレータ
５２７ マルチオペレータ
５３０ イメージジェネレータ
５４０ エバリュエータ
５５０ コントローラ
６００ ネットワークユニット
６０１ Ｑ＊ネットワーク
６０２ Ｑネットワーク
６３０ 学習パラメータ更新ユニット
６３１ 勾配算出ユニット
８００、１３００ 入出力画面
１３０１ 回帰直線
ａ 制御信号
Ｉ 画像データ

Claims (15)

1. 分析対象ごとに因子と目的変数とを有する分析対象データ群を記憶する記憶部と、
   前記分析対象ごとに、第１因子を変調し第１変調結果を出力する第１変調部と、
   前記分析対象ごとに、第２因子を変調し第２変調結果を出力する第２変調部と、
   前記第１因子に対応する第１軸と、前記第２因子に対応する第２軸と、により規定される座標空間に、前記分析対象ごとに、前記第１変調部からの第１変調結果および前記第２変調部からの第２変調結果である座標点を付与し、かつ、前記座標点に対応する前記分析対象の目的変数に関する情報を前記座標点に付与した第１画像データを生成する生成部と、
   を有することを特徴とするデータ処理装置。
2. 請求項１に記載のデータ処理装置であって、
   前記記憶部は、前記因子の種類と前記因子の変調方法の種類とのうち少なくとも一方の要素の種類を含むパターン情報を記憶し、
   前記パターン情報を用いて、前記第１変調部が第１要素を選択し、かつ、前記第２変調部が第２要素を選択する制御信号を生成し、前記制御信号に基づいて前記第１変調部および前記第２変調部を制御する制御部、
   を有することを特徴とするデータ処理装置。
3. 請求項２に記載のデータ処理装置であって、
   前記パターン情報は、前記因子の種類を含み、
   前記制御部は、前記パターン情報を用いて、前記第１変調部が第１因子を選択し、かつ、前記第２変調部が第２因子を選択する制御信号を生成し、前記制御信号に基づいて前記第１変調部および前記第２変調部を制御する、
   ことを特徴とするデータ処理装置。
4. 請求項２に記載のデータ処理装置であって、
   前記パターン情報は、前記変調方法の種類を含み、
   前記制御部は、前記パターン情報を用いて、前記第１変調部が第１変調方法を選択し、かつ、前記第２変調部が第２変調方法を選択する制御信号を生成し、前記制御信号に基づいて前記第１変調部および前記第２変調部を制御する、
   ことを特徴とするデータ処理装置。
5. 請求項２に記載のデータ処理装置であって、
   前記パターン情報は、前記因子の種類と前記因子の変調方法の種類とを含み、
   前記制御部は、前記パターン情報を用いて、前記第１変調部が第１因子または第１変調方法の少なくとも一方の要素を選択し、かつ、前記第２変調部が第２因子または第２変調方法の少なくとも一方の要素を選択する制御信号を生成し、前記制御信号に基づいて前記第１変調部および前記第２変調部を制御する、
   ことを特徴とするデータ処理装置。
6. 請求項２に記載のデータ処理装置であって、
   前記制御部は、前記パターン情報を参照して前記制御信号の一部の要素を更新して、更新後の制御信号により前記第１変調部および前記第２変調部を制御し、
   前記生成部は、前記制御部によって前記更新後の制御信号に基づいて前記第１変調部および前記第２変調部が制御されたことにより、第２画像データを生成する、
   ことを特徴とするデータ処理装置。
7. 請求項６に記載のデータ処理装置であって、
   前記制御部は、前記第１画像データを第１状態、前記制御信号に含まれる第１要素群を第１行動とし、第１学習パラメータに基づいて前記第１状態において前記第１行動を取った場合の前記パターン情報内の各要素の価値を出力する第１行動価値関数を有し、前記パターン情報内の各要素の価値のうち前記第１行動価値関数から出力された特定の価値に対応する前記制御信号内の要素を、前記パターン情報内の前記特定の価値に対応する特定の要素に更新し、更新後の制御信号に基づいて前記第１変調部および前記第２変調部を制御する、
   ことを特徴とするデータ処理装置。
8. 請求項７に記載のデータ処理装置であって、
   前記特定の価値は、前記パターン情報内の各要素の価値の中で最大値を示す価値である、
   ことを特徴とするデータ処理装置。
9. 請求項７に記載のデータ処理装置であって、
   前記第１変調結果、前記第２変調結果、および前記目的変数に関する情報に基づいて、前記目的変数を評価する評価部を有し、
   前記制御部は、入力画像データを第２状態、前記更新後の制御信号に含まれる第２要素群を第２行動とし、第２学習パラメータに基づいて前記第２状態において前記第２行動を取った場合の前記パターン情報内の各要素の価値を出力する第２行動価値関数を有し、前記第２行動価値関数に前記第２画像データが入力された場合の出力結果に、前記評価部による評価結果を報酬として加算することにより前記第１行動の価値を教師データとして算出し、前記教師データと、前記第２行動価値関数に前記第１画像データが入力された場合の出力結果と、に基づいて、前記第２学習パラメータを更新し、更新後の第２学習パラメータにより前記第１学習パラメータを更新する、
   ことを特徴とするデータ処理装置。
10. 請求項１に記載のデータ処理装置であって、
    前記第１変調結果、前記第２変調結果、および前記目的変数に関する情報に基づいて、前記目的変数を評価する評価部と、
    前記評価部による評価結果が目標値以上である場合、前記第１画像データを表示可能に出力する出力部と、
    を有することを特徴とするデータ処理装置。
11. 請求項１０に記載のデータ処理装置であって、
    前記目的変数は、前記分析対象データ群を分類する情報であり、
    前記生成部は、前記座標点を前記目的変数で識別する識別境界線を生成し、
    前記出力部は、前記識別境界線を前記第１画像データに表示可能に出力する、
    ことを特徴とするデータ処理装置。
12. 請求項１１に記載のデータ処理装置であって、
    前記因子は、生体情報であり、前記目的変数は、薬効を示す情報である、
    ことを特徴とするデータ処理装置。
13. 請求項１１に記載のデータ処理装置であって、
    前記目的変数は、量的変数であり、
    前記生成部は、前記座標点と前記目的変数とに基づく回帰直線を生成し、
    前記出力部は、前記回帰直線を前記第１画像データに表示可能に出力する、
    ことを特徴とするデータ処理装置。
14. 分析対象ごとに因子と目的変数とを有する分析対象データ群を記憶する記憶部にアクセス可能なデータ処理装置が実行するデータ処理方法であって、
    前記データ処理装置は、
    前記分析対象ごとに、第１因子を変調し第１変調結果を出力する第１変調処理と、
    前記分析対象ごとに、第２因子を変調し第２変調結果を出力する第２変調処理と、
    前記第１因子に対応する第１軸と、前記第２因子に対応する第２軸と、により規定される座標空間に、前記分析対象ごとに、前記第１変調処理による第１変調結果および前記第２変調処理による第２変調結果である座標点を付与し、かつ、前記座標点に対応する前記分析対象の目的変数に関する情報を前記座標点に付与した画像データを生成する生成処理と、
    を実行することを特徴とするデータ処理方法。
15. 分析対象ごとに因子と目的変数とを有する分析対象データ群を記憶する記憶部にアクセス可能なプロセッサに、
    前記分析対象ごとに、第１因子を変調し第１変調結果を出力する第１変調処理と、
    前記分析対象ごとに、第２因子を変調し第２変調結果を出力する第２変調処理と、
    前記第１因子に対応する第１軸と、前記第２因子に対応する第２軸と、により規定される座標空間に、前記分析対象ごとに、前記第１変調処理による第１変調結果および前記第２変調処理による第２変調結果である座標点を付与し、かつ、前記座標点に対応する前記分析対象の目的変数に関する情報を前記座標点に付与した画像データを生成する生成処理と、
    を実行させることを特徴とするデータ処理プログラム。

Images