JP5340204B2 - 推論装置、その制御方法およびプログラム - Google Patents
推論装置、その制御方法およびプログラム Download PDFInfo
- Publication number
- JP5340204B2 JP5340204B2 JP2010044633A JP2010044633A JP5340204B2 JP 5340204 B2 JP5340204 B2 JP 5340204B2 JP 2010044633 A JP2010044633 A JP 2010044633A JP 2010044633 A JP2010044633 A JP 2010044633A JP 5340204 B2 JP5340204 B2 JP 5340204B2
- Authority
- JP
- Japan
- Prior art keywords
- inference
- class
- case
- characteristic value
- similar
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Description
実施形態1に係る推論装置は、未知事例の特性値を取得して当該未知事例が属するクラスの推論を行う。なお、以下の説明では、推論装置を用いて、肺の異常陰影に係る複数の読影所見を未知事例の特性値として取得し、そのクラスとして異常陰影の種別を推論する場合を例として説明する。もちろん、推論対象はこれに限定されるものではなく、以下に示す特性値やクラスなどは、何れも推論装置の処理の工程を説明するための一例に過ぎない。
ここで、V1・V2はV1とV2のベクトルの内積を示し、|V1||V2|はV1、V2それぞれのベクトルの大きさを示す。Sim(V1、 V2)は、1に近いほど二つのベクトルが類似していることを示す。従って、V1、V2をそれぞれ未知事例の特性値(第2特性値)、既知事例の特性値(第1特性値)とすれば、未知事例と既知事例の特性値の類似度を計算することができる。
第1実施形態におけるクラス取得部108は、ステップS3030において、類似事例の推論クラスの算出処理を行っていた。ステップS3010における未知事例に関する推論の処理パラメータ(推論アルゴリズムやその他のパラメータ)をユーザが選択可能な構成の場合には、類似事例に関する推論も、上記のように未知事例と同一の処理パラメータで実行することが望ましい。
第1実施形態では、説明を簡潔にするために、有無で表現可能な読影所見を特性値として用いる場合を例としていたが、事例に関する何れの情報を特性値として用いてもよい。上記の例のように肺の異常陰影の種別を推論する場合であれば、例えば、複数の離散的な値をとる所見(例えば腫瘤の形状が円形,線状,分葉状,不整形など)を特性値として用いてもよい。また、腫瘤のサイズのように数値情報として入力する所見を用いてもよい。また、医用画像に画像処理を施すことで異常陰影に関して画像特徴量を取得し、これを特性値として用いてもよい。また、事例に関する臨床データなど(血液検査の結果や年齢や性別など)を特性値として用いてもよい。
実施形態1では、類似度が高い既知事例を類似事例として取得する方法を例に述べた。しかし、類似事例の取得方法はこれに限らず、他の方法であってもよい。本実施形態に係る推論装置は、類似事例として未知事例の推論クラスと一致する推論クラスを有する既知事例を取得する。また、推論クラスが正解である類似事例と不正解である類似事例の各々を区別して類似事例の取得を実行する。
実施形態1では、未知事例および類似事例の推論結果であるクラスを提示情報として表示する方法を例に述べた。しかし、使用する推論手段によっては推論結果の推論確率を計算することができるものもあり、この場合その推論確率を基にした提示情報を取得してもよい。なお、本実施形態に係る推論装置の構成は、実施形態1における図1と同様である。また、ソフトウェアの実行によって推論装置100を実現するコンピュータの基本構成は、実施形態1における図2と同様である。ただし、提示部110の処理の一部のみが実施形態1とは異なっている。また、推論装置100が行う全体の処理を説明するフローチャートについても、実施形態1における図3と同様である。ただし、ステップS3040の処理の一部のみが、実施形態1とは異なっている。以下、本実施形態に係る推論装置について、実施形態1との相違部分について説明する。
実施形態3では、提示情報としてグラフを表示する方法を述べた。しかし、提示情報はグラフ単独でなくてもよい。例えば、実施形態1における提示情報の一例である図4を同時に表示してもよい。
実施形態3では、クラスが3つの場合についてグラフを作成する方法を述べた。しかし、クラスの数はいくつであってもよい。この場合、クラスが2つの場合には、直線状で表示してもよい。また、クラスが3つ以上の場合には、超平面、4つ以上の場合には、超立方体の形で表してもよい。なお、実施形態1で述べた変形例は、本実施形態においても適用可能である。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
Claims (12)
- 複数の既知事例の各々について、所定パラメータにより定まる第1特性値と該既知事例の属する正解クラスとを格納する格納手段と、
未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により前記未知事例が属する推論クラスを推論する第1推論手段と、
前記第2特性値と前記格納された第1特性値との間の類似度を算出し、前記算出した類似度の高い順に、前記複数の既知事例から所定数の既知事例を類似事例として選択する選択手段と、
前記所定数の類似事例の各々の第1特性値から該選択された類似事例の各々が属する推論クラスを推論する第2推論手段と、
前記類似事例が属する推論クラスの各々が、前記格納された、前記類似事例に対応する正解クラスと一致するか否かを判断する判断手段と、
前記類似事例の正解クラスと一致したか否かの判断に依存して、前記第1推論手段により推論された前記未知事例の属する推論クラスの信頼度を算出する算出手段と
を備えることを特徴とする推論装置。 - 前記算出手段で算出された信頼度を表示する表示手段をさらに備えることを特徴とする請求項1に記載の推論装置。
- 前記所定数の類似事例の各々について、前記算出した類似度、前記推論した推論クラス、および前記正解クラスと一致するか否かの判断結果を表示する表示手段をさらに備えることを特徴とする請求項1に記載の推論装置。
- 前記所定数の類似事例について、前記第2推論手段で推論された推論クラスが、前記未知事例の前記推論クラスと一致する類似事例を表示する表示手段をさらに備えることを特徴とする請求項1に記載の推論装置。
- 前記所定数の類似事例の各々について、前記第2推論手段で推論された推論クラスが、前記格納された正解クラスと一致する類似事例と、前記格納された正解クラスとは一致しない類似事例とを区別して表示する表示手段をさらに備えることを特徴とする請求項1に記載の推論装置。
- 前記格納手段は、前記複数の既知事例の各々について、事前に推論された推論クラスをさらに格納し、
前記第2推論手段は、前記選択された既知事例に対する推論クラスとして、前記事前に推論された推論クラスを用いることを特徴とする請求項1に記載の推論装置。 - 複数の既知事例の各々について、所定パラメータにより定まる第1特性値と、予め定められた複数の推論クラスと、該複数の推論クラスの各々に対する確からしさを示す推論確率とを格納する格納手段と、
未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により複数の推論クラスを推論し、前記複数の推論クラスの各々に対する確からしさを示す推論確率を計算する第1推論手段と、
前記第2特性値と前記格納された第1特性値との間の類似度を算出し、前記算出した類似度の高い順に、前記複数の既知事例から所定数の既知事例を類似事例として選択する選択手段と、
前記推論された複数の推論クラスの各々について座標軸を設定することで座標系を構成し、前記未知事例の推論確率と前記選択された類似事例の各々の推論確率とを該座標系に表示する表示手段と
を備えることを特徴とする推論装置。 - 推論装置を制御する方法であって、
格納手段が、複数の既知事例の各々について、所定パラメータにより定まる第1特性値と該既知事例の属する正解クラスとを格納する格納工程と、
第1推論手段が、未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により前記未知事例が属する推論クラスを推論する第1推論工程と、
選択手段が、前記第2特性値と前記格納された第1特性値との間の類似度を算出し、前記算出した類似度の高い順に、前記複数の既知事例から所定数の既知事例を類似事例として選択する選択工程と、
第2推論手段が、前記所定数の類似事例の各々の第1特性値から該選択された類似事例の各々が属する推論クラスを推論する第2推論工程と、
判断手段が、前記類似事例が属する推論クラスの各々が、前記格納された、前記類似事例に対応する正解クラスと一致するか否かを判断する判断工程と、
算出手段が、前記類似事例の正解クラスと一致したか否かの判断に依存して、前記第1推論工程において推論された前記未知事例の属する推論クラスの信頼度を算出する算出工程と
を有することを特徴とする方法。 - 推論装置を制御する方法であって、
格納手段が、複数の既知事例の各々について、所定パラメータにより定まる第1特性値と、予め定められた複数の推論クラスと、該複数の推論クラスの各々に対する確からしさを示す推論確率とを格納する格納工程と、
第1推論手段が、未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により複数の推論クラスを推論し、前記複数の推論クラスの各々に対する確からしさを示す推論確率を計算する第1推論工程と、
選択手段が、前記第2特性値と前記格納された第1特性値との間の類似度を算出し、前記算出した類似度の高い順に、前記複数の既知事例から所定数の既知事例を類似事例として選択する選択工程と、
表示手段が、前記推論された複数の推論クラスの各々について座標軸を設定することで座標系を構成し、前記未知事例の推論確率と前記選択された類似事例の各々の推論確率とを該座標系に表示する表示工程と
を有することを特徴とする方法。 - 複数の既知事例の各々に関連付けて、所定パラメータにより定まる第1特性値と該既知事例の属する正解クラスとを含む情報を格納する格納手段と、
未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により前記未知事例が属する推論クラスを推論する推論手段と、
前記第2特性値と前記第1特性値との間の類似度を算出し、所定数の既知事例を類似事例として選択する選択手段と、
前記類似事例が属する推論クラスの各々が前記類似事例に対応する正解クラスと一致するか否かを判断する判断手段と、
前記類似事例の正解クラスと一致したか否かの判断に依存して、前記推論手段により推論された前記未知事例の属する推論クラスの信頼度を算出する算出手段と
を備えることを特徴とする推論装置。 - 推論装置を制御する方法であって、
格納手段が、複数の既知事例の各々に関連付けて、所定パラメータにより定まる第1特性値と該既知事例の属する正解クラスとを含む情報を格納する格納工程と、
推論手段が、未知事例の前記所定パラメータにより定まる第2特性値を取得し、該取得した第2特性値により前記未知事例が属する推論クラスを推論する推論工程と、
選択手段が、前記第2特性値と前記第1特性値との間の類似度を算出し、所定数の既知事例を類似事例として選択する選択工程と、
判断手段が、前記類似事例が属する推論クラスの各々が、前記類似事例に対応する正解クラスと一致するか否かを判断する判断工程と、
算出手段が、前記類似事例の正解クラスと一致したか否かの判断に依存して、前記推論工程において推論された前記未知事例の属する推論クラスの信頼度を算出する算出工程と
を有することを特徴とする方法。 - 請求項8、9及び11の何れか1項に記載の方法における各工程をコンピュータに実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010044633A JP5340204B2 (ja) | 2010-03-01 | 2010-03-01 | 推論装置、その制御方法およびプログラム |
US13/012,354 US20110213748A1 (en) | 2010-03-01 | 2011-01-24 | Inference apparatus and inference method for the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010044633A JP5340204B2 (ja) | 2010-03-01 | 2010-03-01 | 推論装置、その制御方法およびプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2011180845A JP2011180845A (ja) | 2011-09-15 |
JP2011180845A5 JP2011180845A5 (ja) | 2013-02-28 |
JP5340204B2 true JP5340204B2 (ja) | 2013-11-13 |
Family
ID=44505841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010044633A Active JP5340204B2 (ja) | 2010-03-01 | 2010-03-01 | 推論装置、その制御方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20110213748A1 (ja) |
JP (1) | JP5340204B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5546230B2 (ja) * | 2009-12-10 | 2014-07-09 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP5728212B2 (ja) | 2010-11-30 | 2015-06-03 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、およびプログラム |
EP2506173B1 (en) | 2011-03-28 | 2020-01-01 | Canon Kabushiki Kaisha | Medical diagnosis support apparatus and medical diagnosis support method |
JP5967968B2 (ja) | 2012-02-14 | 2016-08-10 | キヤノン株式会社 | 医療診断支援システム、医療診断支援装置、情報処理方法、及びプログラム |
JP5668090B2 (ja) | 2013-01-09 | 2015-02-12 | キヤノン株式会社 | 医療診断支援装置及び医療診断支援方法 |
JP6397277B2 (ja) | 2014-09-05 | 2018-09-26 | キヤノン株式会社 | 読影レポート作成のための支援装置およびその制御方法 |
JP6532287B2 (ja) | 2015-05-14 | 2019-06-19 | キヤノン株式会社 | 医療診断支援装置、情報処理方法及びプログラム |
JP6074455B2 (ja) | 2015-05-14 | 2017-02-01 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、プログラム、及び診断支援システム |
JP6862286B2 (ja) * | 2017-05-31 | 2021-04-21 | キヤノン株式会社 | 情報処理装置、情報処理方法、情報処理システム及びプログラム |
JP7224757B2 (ja) | 2017-10-13 | 2023-02-20 | キヤノン株式会社 | 診断支援装置、情報処理方法、診断支援システム及びプログラム |
JP7058988B2 (ja) * | 2017-11-30 | 2022-04-25 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07160662A (ja) * | 1993-12-02 | 1995-06-23 | Hitachi Ltd | ニューラルネットワークの予測結果における信頼度算出方法 |
US5819007A (en) * | 1996-03-15 | 1998-10-06 | Siemens Medical Systems, Inc. | Feature-based expert system classifier |
US6804661B2 (en) * | 1997-04-24 | 2004-10-12 | Bright Ideas, L.L.C. | Drug profiling apparatus and method |
US6901156B2 (en) * | 2000-02-04 | 2005-05-31 | Arch Development Corporation | Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images |
JP4021179B2 (ja) * | 2000-11-29 | 2007-12-12 | 富士通株式会社 | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
US6925199B2 (en) * | 2000-11-29 | 2005-08-02 | Fujitsu Limited | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method |
US7107254B1 (en) * | 2001-05-07 | 2006-09-12 | Microsoft Corporation | Probablistic models and methods for combining multiple content classifiers |
JP2003323601A (ja) * | 2002-05-01 | 2003-11-14 | Fujitsu Ltd | 信頼性尺度付き予測装置 |
US7349917B2 (en) * | 2002-10-01 | 2008-03-25 | Hewlett-Packard Development Company, L.P. | Hierarchical categorization method and system with automatic local selection of classifiers |
US7646902B2 (en) * | 2005-02-08 | 2010-01-12 | Regents Of The University Of Michigan | Computerized detection of breast cancer on digital tomosynthesis mammograms |
US7577709B1 (en) * | 2005-02-17 | 2009-08-18 | Aol Llc | Reliability measure for a classifier |
KR100738080B1 (ko) * | 2005-11-08 | 2007-07-12 | 삼성전자주식회사 | 성별을 이용한 얼굴 인식 방법 및 장치 |
US8296247B2 (en) * | 2007-03-23 | 2012-10-23 | Three Palm Software | Combination machine learning algorithms for computer-aided detection, review and diagnosis |
WO2008124466A1 (en) * | 2007-04-04 | 2008-10-16 | Washington State University Research Foundation | Urotensin 2 and its receptor as candidate genes for beef marbling score, ribeye area and fatty acid composition |
US8131039B2 (en) * | 2007-09-26 | 2012-03-06 | Siemens Medical Solutions Usa, Inc. | System and method for multiple-instance learning for computer aided diagnosis |
WO2009052375A1 (en) * | 2007-10-19 | 2009-04-23 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
JP5087756B2 (ja) * | 2008-03-26 | 2012-12-05 | 富士通株式会社 | 化合物の予測信頼性評価システム |
JP5274180B2 (ja) * | 2008-09-25 | 2013-08-28 | キヤノン株式会社 | 画像処理装置、画像処理方法、コンピュータプログラム及び記憶媒体 |
US8311969B2 (en) * | 2009-01-09 | 2012-11-13 | International Business Machines Corporation | Method and system for reducing false positives in the classification of data |
-
2010
- 2010-03-01 JP JP2010044633A patent/JP5340204B2/ja active Active
-
2011
- 2011-01-24 US US13/012,354 patent/US20110213748A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20110213748A1 (en) | 2011-09-01 |
JP2011180845A (ja) | 2011-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5340204B2 (ja) | 推論装置、その制御方法およびプログラム | |
US10861606B2 (en) | Medical diagnosis support apparatus and medical diagnosis support method | |
JP5875285B2 (ja) | 医療診断支援装置、情報処理方法及びプログラム | |
JP5728212B2 (ja) | 診断支援装置、診断支援装置の制御方法、およびプログラム | |
JP7224757B2 (ja) | 診断支援装置、情報処理方法、診断支援システム及びプログラム | |
CN111512322B (zh) | 使用神经网络 | |
US11854694B2 (en) | Relevance feedback to improve the performance of clustering model that clusters patients with similar profiles together | |
CN109074869B (zh) | 医疗诊断支持装置、信息处理方法以及医疗诊断支持系统 | |
US20140037160A1 (en) | Image Processing Apparatus | |
GB2541649A (en) | User feedback for machine learning | |
JP6362061B2 (ja) | 診断支援システム、その作動方法、およびプログラム | |
JP5995415B2 (ja) | 医療診断支援装置、情報処理方法及びプログラム | |
JP6448588B2 (ja) | 医療診断支援装置、医療診断支援システム、情報処理方法及びプログラム | |
JP5785631B2 (ja) | 情報処理装置及びその制御方法、コンピュータプログラム | |
JP6220435B2 (ja) | 診断支援装置及びその制御方法 | |
JP2017153691A (ja) | 診断支援装置、診断支援装置の制御方法及びプログラム | |
JP6316325B2 (ja) | 情報処理装置、情報処理装置の作動方法及び情報処理システム | |
CN107533581B (zh) | 引导结构化报告 | |
JP6625155B2 (ja) | 情報処理装置、情報処理装置の作動方法及びプログラム | |
JP7408324B2 (ja) | 診断支援装置、診断支援システム、診断支援方法およびプログラム | |
CN113711318A (zh) | 启用ai的回声确认工作流程环境 | |
JP2018183601A (ja) | 診断支援システム、その作動方法、診断支援装置、およびプログラム | |
US20130204636A1 (en) | Association of processing workflow guidelines of a control and processing program for medical examination systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130524 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130620 |
|
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: 20130708 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130806 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5340204 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |