JP2908553B2 - 免疫学的反応パターンの判定装置 - Google Patents
免疫学的反応パターンの判定装置Info
- Publication number
- JP2908553B2 JP2908553B2 JP28441790A JP28441790A JP2908553B2 JP 2908553 B2 JP2908553 B2 JP 2908553B2 JP 28441790 A JP28441790 A JP 28441790A JP 28441790 A JP28441790 A JP 28441790A JP 2908553 B2 JP2908553 B2 JP 2908553B2
- Authority
- JP
- Japan
- Prior art keywords
- determination
- network
- reaction pattern
- update
- result
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は臨床検査などにおいて被検液中の免疫学的反
応パターンを陽性、陰性、その他の属性に自動判定する
免疫学的パターンの判定装置に関するものである。
応パターンを陽性、陰性、その他の属性に自動判定する
免疫学的パターンの判定装置に関するものである。
被検液中の反応パターンの陽性、陰性、その他の属性
の判定を行うため、反応パターンを光学的に測定し、属
性判定のためのパラメータを求め、そのパラメータを予
め設定されているしきい値と比較して、その属性を判定
する免疫学的パターンの判定装置が従来から知られてい
る。
の判定を行うため、反応パターンを光学的に測定し、属
性判定のためのパラメータを求め、そのパラメータを予
め設定されているしきい値と比較して、その属性を判定
する免疫学的パターンの判定装置が従来から知られてい
る。
このような免疫学的パターンの判定装置においては、
予め設定するしきい値を膨大な実験データから適切に設
定する必要があり、またしきい値設定後もさまざまな理
由でしきい値を再変更する必要があった。
予め設定するしきい値を膨大な実験データから適切に設
定する必要があり、またしきい値設定後もさまざまな理
由でしきい値を再変更する必要があった。
そこで、本願人はしきい値の設定に関し、特願平１−
212005号においてしきい値を目視判定結果と比較演算す
る方法を、また特願平１−212006号においてしきい値設
定用標準サンプルを利用する方法をそれぞれ開示してい
る。
212005号においてしきい値を目視判定結果と比較演算す
る方法を、また特願平１−212006号においてしきい値設
定用標準サンプルを利用する方法をそれぞれ開示してい
る。
しかしながら、特願平１−212005号に開示された方法
では、複数のパターンのパラメータを求め、求めたパラ
メータと目視判定者の登録判定結果との比較演算によ
り、一致する場合はその結果を判定結果とし、一致しな
い場合は比較演算処理によりしきい値を求め、これに従
って自動再判定を行い、その結果により判定結果に矛盾
が生じないように目視判定者が判定をし直す操作を繰り
返す必要があった。従って、目視判定者は直接しきい値
を数値として試行錯誤で変更することからは解放される
が、依然として繰り返し操作を強いられる問題があっ
た。
では、複数のパターンのパラメータを求め、求めたパラ
メータと目視判定者の登録判定結果との比較演算によ
り、一致する場合はその結果を判定結果とし、一致しな
い場合は比較演算処理によりしきい値を求め、これに従
って自動再判定を行い、その結果により判定結果に矛盾
が生じないように目視判定者が判定をし直す操作を繰り
返す必要があった。従って、目視判定者は直接しきい値
を数値として試行錯誤で変更することからは解放される
が、依然として繰り返し操作を強いられる問題があっ
た。
一方、特願平１−212006号に開示された方法では、標
準サンプルを使用する必要があるが、光学的に経時変化
のないしきい値設定用サンプルを長期間保存することは
困難であるとともに、分析項目や属性に応じて多数の標
準サンプル保管することはユーザにとって非常に面倒な
問題があった。また、目視判定者が直接しきい値を微調
整することはないが、判定装置としてもデータ処理装置
の内部で、常にしきい値の管理を行わねばならないとい
う問題もあった。
準サンプルを使用する必要があるが、光学的に経時変化
のないしきい値設定用サンプルを長期間保存することは
困難であるとともに、分析項目や属性に応じて多数の標
準サンプル保管することはユーザにとって非常に面倒な
問題があった。また、目視判定者が直接しきい値を微調
整することはないが、判定装置としてもデータ処理装置
の内部で、常にしきい値の管理を行わねばならないとい
う問題もあった。
さらに、上述したように、しきい値を設定し、パター
ンのパラメータとしきい値の比較により属性を決定する
方法では、しきい値とパターン属性の相関が取れないた
め設定後にしきい値を変更することが非常に困難となる
問題があった。
ンのパラメータとしきい値の比較により属性を決定する
方法では、しきい値とパターン属性の相関が取れないた
め設定後にしきい値を変更することが非常に困難となる
問題があった。
つまり、従来のパターン判定方法では、固定されたし
きい値と固定されたアルゴリズムにより反応パターンを
判定しているため、目視判定者の過去の経験やカンがア
ルゴリズムに反映されていない部分では、目視判定と自
動判定の不一致が生じてしまう問題があった。また、し
きい値の変更のために種々の提案がなされているが、特
に被検液の濃度が変化したり、試薬が変わったり、目視
判定者が変わった場合自動判定データと目視判定データ
との相関を取り直さなければならず、判定のためのしき
い値の変更のみで判定基準を変更し、自動判定を目視判
定に近づけることが非常に難しい問題もあった。
きい値と固定されたアルゴリズムにより反応パターンを
判定しているため、目視判定者の過去の経験やカンがア
ルゴリズムに反映されていない部分では、目視判定と自
動判定の不一致が生じてしまう問題があった。また、し
きい値の変更のために種々の提案がなされているが、特
に被検液の濃度が変化したり、試薬が変わったり、目視
判定者が変わった場合自動判定データと目視判定データ
との相関を取り直さなければならず、判定のためのしき
い値の変更のみで判定基準を変更し、自動判定を目視判
定に近づけることが非常に難しい問題もあった。
さらに、判定のためのパラメータの数を増やすと複数
個のしきい値が必要となるため、これらが互いに関連し
あっている場合にはしきい値の決定に多大な問題を要
し、試行錯誤的な判定実験をせざるを得ない問題があっ
た。
個のしきい値が必要となるため、これらが互いに関連し
あっている場合にはしきい値の決定に多大な問題を要
し、試行錯誤的な判定実験をせざるを得ない問題があっ
た。
本発明の目的は上述した課題を解消して、目視判定者
の定量化できない判定基準をしきい値ではなくニューラ
ルネットワーク中に記憶させることにより、判定の際の
客観性を高め常に信頼性の高い免疫学的反応パターンの
判定装置を提供しようとするものである。
の定量化できない判定基準をしきい値ではなくニューラ
ルネットワーク中に記憶させることにより、判定の際の
客観性を高め常に信頼性の高い免疫学的反応パターンの
判定装置を提供しようとするものである。
本発明の免疫学的反応パターンの判定装置は、免疫学
的反応による反応パターンの陽性、陰性、その他の属性
を判定する判定装置において、反応パターン像に基づき
反応パターンのパラメータを演算する手段と、演算した
パラメータを入力信号として反応パターンの自動判定を
行う現状判定ネットワークからなる判定手段と、自動判
定結果が目視判定の結果と異なっていた場合に、現状判
定ネットワークの更新を行うか否かを選択する手段と、
ネットワーク更新の選択に基づき、目視判定結果を教師
信号として学習更新ネットワークにより更新すべきネッ
トワークを作成し、判定用ネットワークを作成した更新
すべきネットワークに更新する手段とからなることを特
徴とするものである。
的反応による反応パターンの陽性、陰性、その他の属性
を判定する判定装置において、反応パターン像に基づき
反応パターンのパラメータを演算する手段と、演算した
パラメータを入力信号として反応パターンの自動判定を
行う現状判定ネットワークからなる判定手段と、自動判
定結果が目視判定の結果と異なっていた場合に、現状判
定ネットワークの更新を行うか否かを選択する手段と、
ネットワーク更新の選択に基づき、目視判定結果を教師
信号として学習更新ネットワークにより更新すべきネッ
トワークを作成し、判定用ネットワークを作成した更新
すべきネットワークに更新する手段とからなることを特
徴とするものである。
上述した構成において、現状判定ネットワークと学習
更新ネットワークとからなるニューラルネットワークを
設け、自動判定結果と目視判定結果とが不一致の場合、
目視判定者の判定結果を常に教師信号としてニューラル
ネットワークが学習を行い、ネットワークを更新するか
否かを選択できるため、判定のためのアルゴリズム開発
やしきい値の設定が不要であり、継続的に反応パターン
の自動判定が目視判定に近づき、判定の信頼性が非常に
高くなる。
更新ネットワークとからなるニューラルネットワークを
設け、自動判定結果と目視判定結果とが不一致の場合、
目視判定者の判定結果を常に教師信号としてニューラル
ネットワークが学習を行い、ネットワークを更新するか
否かを選択できるため、判定のためのアルゴリズム開発
やしきい値の設定が不要であり、継続的に反応パターン
の自動判定が目視判定に近づき、判定の信頼性が非常に
高くなる。
第１図は本発明の判定装置の一例の構成を示す図であ
る。第１図に示す例において、免疫学的反応後の反応パ
ターン１をTVカメラ等の撮像装置２により光学的に測定
した後、パラメータ演算処理部３で撮像した反応パター
ン像をもとに反応パターンの複数個のパラメータを計算
する。パラメータの一例としては、被検液を保持するウ
ェルの中心部と周辺部との光透過率の比等がある。
る。第１図に示す例において、免疫学的反応後の反応パ
ターン１をTVカメラ等の撮像装置２により光学的に測定
した後、パラメータ演算処理部３で撮像した反応パター
ン像をもとに反応パターンの複数個のパラメータを計算
する。パラメータの一例としては、被検液を保持するウ
ェルの中心部と周辺部との光透過率の比等がある。
次に、計算したパラメータを入力信号として、現状判
定ネットワーク４により反応パターンを自動判定し、図
示しない入力装置により入力した目視判定の結果５と自
動判定の結果とを結果比較部６において比較する。
定ネットワーク４により反応パターンを自動判定し、図
示しない入力装置により入力した目視判定の結果５と自
動判定の結果とを結果比較部６において比較する。
結果比較部６における判定結果が一致した場合には、
これを判定結果として出力する。また、判定結果が一致
しなかった場合には、現状判定ネットワーク４を更新す
るか否かの判断を更新判断部７において行う。この更新
判断部７における判断は、データ処理装置で自動的に行
っても良いし、目視判定者自らの判断によっても良い。
これを判定結果として出力する。また、判定結果が一致
しなかった場合には、現状判定ネットワーク４を更新す
るか否かの判断を更新判断部７において行う。この更新
判断部７における判断は、データ処理装置で自動的に行
っても良いし、目視判定者自らの判断によっても良い。
更新判断部７において、現状判定ネットワーク４の更
新を決定した場合は、学習指令が更新判断部７から学習
更新ネットワーク８に供給される。学習指令を受けた学
習更新ネットワーク８は、反応パターンのパラメータを
入力とし、目視判定者の判定を教師信号として、学習を
開始する。その後、学習更新ネットワーク８が形成され
た時点で、この学習更新ネットワーク８を現状判定ネッ
トワーク４に置き換える。なお、学習更新ネットワーク
８の構成は現状判定ネットワーク４の構成と同一の構成
とする必要がある。
新を決定した場合は、学習指令が更新判断部７から学習
更新ネットワーク８に供給される。学習指令を受けた学
習更新ネットワーク８は、反応パターンのパラメータを
入力とし、目視判定者の判定を教師信号として、学習を
開始する。その後、学習更新ネットワーク８が形成され
た時点で、この学習更新ネットワーク８を現状判定ネッ
トワーク４に置き換える。なお、学習更新ネットワーク
８の構成は現状判定ネットワーク４の構成と同一の構成
とする必要がある。
第２図は本発明の判定装置のニューラルネットワーク
と学習方式のさらに詳細な構成の一例を示す図である。
第２図において、反応パターンは画像情報データとして
処理され、属性の分類に用いられる４つのパラメータP
1,P2,P3,P4に数値化される。現状判定ネットワーク４の
一例としては、４つのノードのある入力層と６つのノー
ドのかくれ層と３つの属性ノードの出力層とからなる３
層の階層型ネットワークが用いられる。もちろん、現状
判定ネットワーク４としては、教師信号による学習法則
が決定されているニューラルネットワークであれば、他
の構造のものでも使用することができる。
と学習方式のさらに詳細な構成の一例を示す図である。
第２図において、反応パターンは画像情報データとして
処理され、属性の分類に用いられる４つのパラメータP
1,P2,P3,P4に数値化される。現状判定ネットワーク４の
一例としては、４つのノードのある入力層と６つのノー
ドのかくれ層と３つの属性ノードの出力層とからなる３
層の階層型ネットワークが用いられる。もちろん、現状
判定ネットワーク４としては、教師信号による学習法則
が決定されているニューラルネットワークであれば、他
の構造のものでも使用することができる。
現状判定ネットワーク４では、パラメータP1,P2,P3,P
4に基づき３つの属性A,B,Cのいずれかに反応パターンが
分類判定される。これと同時に、目視判定者は反応パタ
ーンを目視により判定し、A,B,Cのいずれかの属性に決
定する。その後、結果比較部６で判定結果を比較し、自
動判定の結果が目視判定の結果と一致した場合は、現状
判定ネットワーク４は更新せずに判定を終了する。
4に基づき３つの属性A,B,Cのいずれかに反応パターンが
分類判定される。これと同時に、目視判定者は反応パタ
ーンを目視により判定し、A,B,Cのいずれかの属性に決
定する。その後、結果比較部６で判定結果を比較し、自
動判定の結果が目視判定の結果と一致した場合は、現状
判定ネットワーク４は更新せずに判定を終了する。
一方、自動判定の結果と目視判定の結果が異なってい
た場合には、目視判定者に図示しないCRT等の表示装置
により現状判定ネットワーク４を改良するかどうかを問
い合わせ、改良して更新する場合は目視判定者の図示し
ない入力装置へのキー入力により、学習を開始する。こ
の場合、学習更新ネットワーク８は、目視判定者による
判定結果を教師信号とし逆方向伝播学習アルゴリズムに
より学習し、学習後の学習更新ネットワーク８を現状判
定ネットワーク４と置き換えて更新する。
た場合には、目視判定者に図示しないCRT等の表示装置
により現状判定ネットワーク４を改良するかどうかを問
い合わせ、改良して更新する場合は目視判定者の図示し
ない入力装置へのキー入力により、学習を開始する。こ
の場合、学習更新ネットワーク８は、目視判定者による
判定結果を教師信号とし逆方向伝播学習アルゴリズムに
より学習し、学習後の学習更新ネットワーク８を現状判
定ネットワーク４と置き換えて更新する。
一般に、階層型のニューラルネットワークでは学習が
必ず集束するかどうか不明であり、学習時間も長くなる
可能性がある。本発明では、集束上の問題がある場合、
学習更新ネットワーク８を更新せずに現状判定ネットワ
ーク４を引き続き使用することも可能であり、判定装置
としてより信頼性の高いものとなっている。
必ず集束するかどうか不明であり、学習時間も長くなる
可能性がある。本発明では、集束上の問題がある場合、
学習更新ネットワーク８を更新せずに現状判定ネットワ
ーク４を引き続き使用することも可能であり、判定装置
としてより信頼性の高いものとなっている。
本発明は上述した実施例にのみ限定されるものではな
く、幾多の変形、変更が可能である。例えば、上述した
実施例では４つのパラメータに基づいて反応パターンの
判定を実施した例を示したが、このパラメータの数はこ
れに限定されるものでないことは明らかである。
く、幾多の変形、変更が可能である。例えば、上述した
実施例では４つのパラメータに基づいて反応パターンの
判定を実施した例を示したが、このパラメータの数はこ
れに限定されるものでないことは明らかである。
以上詳細に説明したところから明らかなように、本発
明によれば以下のような効果を得ることができる。
明によれば以下のような効果を得ることができる。
（１）ニューラルネットワークにより反応パターンを判
定しているため、目視判定者によるしきい値の操作が不
要となる。
定しているため、目視判定者によるしきい値の操作が不
要となる。
（２）判定をアルゴリズムでなくニューラルネットワー
クで行っているため、学習機能を持たせることにより判
定性能が継続的に改善される。
クで行っているため、学習機能を持たせることにより判
定性能が継続的に改善される。
（３）学習により、判定のためのネットワークを更新す
るかどうかを決定する選択部を設けているため、ネット
ワークの集束性に関する問題も解決され、判定の信頼性
が高くなる。
るかどうかを決定する選択部を設けているため、ネット
ワークの集束性に関する問題も解決され、判定の信頼性
が高くなる。
第１図は本発明の判定装置の一例の構成を示す図、 第２図は本発明の判定装置のニューラルネットワークと
学習方式のさらに詳細な構成の一例を示す図である。 １……反応パターン、２……撮像装置 ３……パラメータ演算処理部 ４……現状判定ネットワーク ５……目視判定の結果 ６……結果比較部、７……更新判断部 ８……学習更新ネットワーク
学習方式のさらに詳細な構成の一例を示す図である。 １……反応パターン、２……撮像装置 ３……パラメータ演算処理部 ４……現状判定ネットワーク ５……目視判定の結果 ６……結果比較部、７……更新判断部 ８……学習更新ネットワーク
Claims (1)
- 【請求項１】免疫学的反応による反応パターンの陽性、
陰性、その他の属性を判定する判定装置において、反応
パターン像に基づき反応パターンのパラメータを演算す
る手段と、演算したパラメータを入力信号として反応パ
ターンの自動判定を行う現状判定ネットワークからなる
判定手段と、自動判定結果が目視判定の結果と異なって
いた場合に、現状判定ネットワークの更新を行うか否か
を選択する手段と、ネットワーク更新の選択に基づき、
目視判定結果を教師信号として学習更新ネットワークに
より更新すべきネットワークを作成し、判定用ネットワ
ークを作成した更新すべきネットワークに更新する手段
とからなることを特徴とする免疫学的反応パターンの判
定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28441790A JP2908553B2 (ja) | 1990-10-24 | 1990-10-24 | 免疫学的反応パターンの判定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28441790A JP2908553B2 (ja) | 1990-10-24 | 1990-10-24 | 免疫学的反応パターンの判定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04160343A JPH04160343A (ja) | 1992-06-03 |
| JP2908553B2 true JP2908553B2 (ja) | 1999-06-21 |
Family
ID=17678288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28441790A Expired - Fee Related JP2908553B2 (ja) | 1990-10-24 | 1990-10-24 | 免疫学的反応パターンの判定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2908553B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2675485B2 (ja) * | 1992-05-25 | 1997-11-12 | 三洋電機株式会社 | 免疫測定装置 |
| JP7137801B2 (ja) * | 2018-09-06 | 2022-09-15 | 株式会社安藤・間 | 土壌改質判定装置、及び異物除去方法 |
-
1990
- 1990-10-24 JP JP28441790A patent/JP2908553B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04160343A (ja) | 1992-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0334113A2 (en) | Expert system inference engine | |
| US5487130A (en) | Fuzzy rule acquisition method and apparatus for fuzzy inference system and fuzzy inference system using the apparatus | |
| JP2018116693A5 (ja) | ||
| Fenoeux et al. | Induction of decision trees from partially classified data using belief functions | |
| WO2020129235A1 (ja) | 画像認識装置及び方法 | |
| JP2908553B2 (ja) | 免疫学的反応パターンの判定装置 | |
| KR20190023749A (ko) | 사용자 감성 인식 장치 및 방법 | |
| McAulay et al. | Improving learning of genetic rule-based classifier systems | |
| US5506936A (en) | Fuzzy inference system and a pattern input type membership value generator | |
| Ebert | Fuzzy classification for software criticality analysis | |
| Petrou | Learning in pattern recognition | |
| Koza | Simultaneous discovery of detectors and a way of using the detectors via genetic programming | |
| Kitamura et al. | An expert system for industrial machine vision | |
| EP0715256B1 (en) | Rule verifying apparatus and method for fuzzy inference | |
| Stotts et al. | New developments in fuzzy logic computers | |
| Booker | Plausible reasoning in classification problem solving | |
| Gorodetskiy et al. | Principles of forming the language of sensation for decision making in the central nervous system of SEMS | |
| JPH0581025A (ja) | 知識ベースコンピユータシステム | |
| Petrou | Learning in pattern recognition: Some thoughts | |
| KR100197715B1 (ko) | 퍼지원리를 이용한 세정도 판별방법 | |
| JP2020204581A (ja) | 画面編集プログラム、画面編集装置及び学習済みモデルの生成方法 | |
| JPH07160659A (ja) | 学習方式 | |
| JP3292495B2 (ja) | ニューロ・ファジィ融合システム | |
| JPH0581028A (ja) | フアジイ推論の曖昧さ管理方式 | |
| Arvay et al. | Heuristic adaptation of rate-based process models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |