JP6041331B1 - 情報処理装置と情報処理プログラム並びに情報処理方法 - Google Patents
情報処理装置と情報処理プログラム並びに情報処理方法 Download PDFInfo
- Publication number
- JP6041331B1 JP6041331B1 JP2016035605A JP2016035605A JP6041331B1 JP 6041331 B1 JP6041331 B1 JP 6041331B1 JP 2016035605 A JP2016035605 A JP 2016035605A JP 2016035605 A JP2016035605 A JP 2016035605A JP 6041331 B1 JP6041331 B1 JP 6041331B1
- Authority
- JP
- Japan
- Prior art keywords
- classification
- index
- data
- information
- sample
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/42—Evaluating a particular growth phase or type of persons or animals for laboratory research
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Fuzzy Systems (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図1は、本発明にかかる情報処理装置(以下「本装置」という。)の実施の形態を示すブロック図である。本装置1は、記憶部2と、指標選択部3と、分類判定部4と、を有してなる。指標選択部3は、見本データ抽出部31と、事前確率算出部32と、条件付確率算出部33と、事後確率算出部34と、分類推定部35と、指標決定部36と、を含む。
ここで、特定の事象は、「手術後1年以内に肝癌が再発した」ことをいう。すなわち、分類情報は、「手術後1年以内に肝癌が再発したか否かを示す情報」である。
記憶部2には、複数の見本データが記憶される。各見本データは、見本識別子(見本ID)と関連付けて記憶される。すなわち、本装置1は、見本IDを用いて、見本IDに対応する見本データを、記憶部2から読み出すことができる。見本データに含まれる検査情報は、検査項目を特定する指標識別子(指標ID)と関連付けられて、記憶部2に記憶される。同図は、例えば、見本ID「D1」の見本データにおいて、指標ID「X1」の検査データは「V11」、指標ID「X2」の検査データは「V21」であることを示す。
分類情報「ω1」は、「手術後1年以内に肝癌が再発したことを示す情報」である。分類情報「ω2」は、「手術後1年以内に肝癌が再発しなかったことを示す情報」である。同図は、例えば、見本ID「D1」の見本患者の分類情報が「ω2」、すなわち、同患者は手術後1年以内に肝癌を再発しなかった、ことを示す。各見本患者は、「手術後1年以内に肝癌が再発した」分類(以下「特定分類」という。)と、「手術後1年以内に肝癌が再発しなかった」分類(以下「非特定分類」という。)のいずれかの分類に属する。
同図は、指標ID「X1」の検査項目が2つの区分に分割されていて、各区分を特定する区分識別子(区分ID)が「X1(1)」「X1(2)」であることを示す。同図は、指標ID「X2」の検査項目が3つの区分に分割されていて、各区分を特定する区分IDが「X2(1)」「X2(2)」「X2(3)」であることを示す。同図は、見本ID「Dt1」の訓練データは、指標ID「X1」の検査項目において区分ID「X1(2)」の区分に属し、指標ID「X2」の検査項目において区分ID「X2(2)」の区分に属することを示す。
n1 1(1)+n1 1(2) = n1 2(1)+n1 2(2)+n1 2(3)
次に、本装置1が実行する本方法の実施の形態について説明する。
先ず、本装置1は、指標選択部3を用いて、複数の検査項目の中から、肝癌の再発の予測に適した検査項目を、選択指標として選択する(S1)。
次いで、本装置1は、分類判定部4を用いて、選択指標を用いて入力データの分類を判定、つまり、入力データに対応する対象患者の手術後1年以内の肝癌の再発の有無を予測する(S2)。
図7は、本装置1が指標選択部3を用いて実行する指標の選択処理(S1)の例を示すフローチャートである。
図9は、本装置1が分類判定部4を用いて実行する入力データの分類判定処理(S2)の例を示すフローチャートである。
以上説明した実施の形態によれば、肝癌の再発の予測に用いる検査項目の適否を、事後確率という数値で比較することができる。その結果、本発明によれば、数値に基づいて論理的に肝癌の再発の予測を支援することができる。
入力データが、複数の分類の中の特定分類に属するか否かを、複数の指標の中から選択された選択指標に基づいて判定する情報処理装置であって、
前記複数の指標のそれぞれは、複数の区分を含み、
前記複数の指標の中から前記選択指標を選択する指標選択部と、
前記入力データが該当する前記選択指標に含まれる指標ごとの区分に基づいて、前記入力データが前記特定分類に属するか否かを決定する分類判定部と、
を有してなり、
前記選択指標の選択に用いられる複数の見本データごとの、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本データが前記特定分類に属するか否かを示す分類情報と、が記憶される記憶部、
を備え、
前記指標選択部は、
(a)前記複数の見本データのうち、一部の見本データを訓練データとして抽出し、他の一部の見本データを評価データとして抽出する、見本データ抽出部と、
(b)前記複数の指標のいずれかの組合せで構成される指標群ごとに、
前記訓練データの前記指標情報と、前記訓練データの前記分類情報と、前記評価データの前記指標情報と、を用いて、前記評価データが前記特定分類に属するか否かを推定し、
前記評価データの前記分類情報を用いて、前記推定の当否を判定する、
分類推定部と、
(c)前記指標群ごとの前記推定の当否の判定結果に基づいて、前記選択指標を決定する、指標決定部と、
を備える、
ことを特徴とする情報処理装置。
(特徴2)
前記分類推定部は、
(b−1)前記訓練データの前記指標情報と前記訓練データの前記分類情報とを用いて、前記特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第1条件付確率と、前記非特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第2条件付確率と、を算出し、
(b−2)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記評価データが前記特定分類に属する第1事後確率を算出し、
(b−3)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類ではない非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記評価データが前記非特定分類に属する第2事後確率を算出し、
(b−4)前記第1事後確率と前記第2事後確率とを比較して、前記評価データが前記特定分類に属するか否かの推定の結果を示す推定情報を出力し、
(b−5)前記評価データの前記推定情報と前記評価データの前記分類情報とを比較して、前記推定の当否の判定結果を示す判定情報を出力し、
前記指標決定部は、
(c−1)前記指標群ごとの前記判定情報のうち、所定の条件を満たす判定情報に対応する指標群を特定し、
(c−2)前記特定された指標群に含まれる指標を前記選択指標として決定する、
特徴1記載の情報処理装置。
(特徴3)
前記分類推定部は、前記第1事前確率と、前記第2事前確率と、を算出する、
特徴2記載の情報処理装置。
(特徴4)
前記見本データ抽出部は、前記複数の見本データの中から複数の前記評価データを抽出し、
前記分類推定部は、前記複数の評価データごとに、前記判定情報を出力し、
前記指標決定部は、前記複数の評価データごとの前記判定情報に基づいて、前記選択指標を決定する、
特徴2または3記載の情報処理装置。
(特徴5)
前記分類推定部は、
前記複数の評価データごとに、前記第1条件付確率と前記第2条件付確率と前記第1事後確率と前記第2事後確率とを算出して、前記推定情報を出力し、
前記複数の評価データごとの前記推定情報に基づいて、前記複数の評価データごとの前記判定情報を出力する、
特徴4記載の情報処理装置。
(特徴6)
前記第1事前確率は、前記第2事前確率と等しい、
特徴2乃至5のいずれかに記載の情報処理装置。
2 記憶部
3 指標選択部
31 見本データ抽出部
32 事前確率算出部
33 条件付確率算出部
34 事後確率算出部
35 分類推定部
36 指標決定部
4 分類判定部
Claims (16)
- 入力データに対応する判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標の中から選択された選択指標に基づいて判定する情報処理装置であって、
前記複数の指標のそれぞれは、複数の区分を含み、
前記複数の指標の中から前記選択指標を選択する指標選択部と、
前記入力データが該当する前記選択指標に含まれる指標ごとの区分に基づいて、前記入力データに対応する前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、
を有してなり、
前記選択指標の選択に用いられる複数の見本対象のそれぞれに対応する複数の見本データごとの、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本データに対応する前記見本対象が前記特定分類に属するか否かを示す分類情報と、が記憶される記憶部、
を備え、
前記指標選択部は、
(a)前記複数の見本データのうち、一部の見本データを訓練データとして抽出し、他の一部の見本データを評価データとして抽出する、見本データ抽出部と、
(b)前記複数の指標のいずれかの組合せで構成される指標群ごとに、
前記訓練データの前記指標情報と、前記訓練データの前記分類情報と、前記評価データの前記指標情報と、を用いて、前記評価データに対応する前記見本対象が前記特定分類に属するか否かを推定し、
前記評価データの前記分類情報を用いて、前記推定の当否を判定する、
分類推定部と、
(c)前記指標群ごとの前記推定の当否の判定結果に基づいて、前記選択指標を決定する、指標決定部と、
を備え、
前記分類推定部は、
(b−1)前記訓練データの前記指標情報と前記訓練データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第1条件付確率と、前記非特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第2条件付確率と、を算出し、
(b−2)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記特定分類に属する第1事後確率を算出し、
(b−3)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類ではない非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記非特定分類に属する第2事後確率を算出し、
(b−4)前記第1事後確率と前記第2事後確率とを比較して、前記評価データに対応する前記見本対象が前記特定分類に属するか否かの推定の結果を示す推定情報を出力し、
(b−5)前記評価データの前記推定情報と前記評価データの前記分類情報とを比較して、前記推定の当否の判定結果を示す判定情報を出力し、
前記指標決定部は、
(c−1)前記指標群ごとの前記判定情報のうち、所定の条件を満たす判定情報に対応する指標群を特定し、
(c−2)前記特定された指標群に含まれる指標を前記選択指標として決定する、
ことを特徴とする情報処理装置。 - 前記分類推定部は、前記第1事前確率と、前記第2事前確率と、を算出する、
請求項1記載の情報処理装置。 - 前記見本データ抽出部は、前記複数の見本データの中から複数の前記評価データを抽出し、
前記分類推定部は、前記複数の評価データごとに、前記判定情報を出力し、
前記指標決定部は、前記複数の評価データごとの前記判定情報に基づいて、前記選択指標を決定する、
請求項1または2記載の情報処理装置。 - 前記分類推定部は、
前記複数の評価データごとに、前記第1条件付確率と前記第2条件付確率と前記第1事後確率と前記第2事後確率とを算出して、前記推定情報を出力し、
前記複数の評価データごとの前記推定情報に基づいて、前記複数の評価データごとの前記判定情報を出力する、
請求項3記載の情報処理装置。 - 前記第1事前確率は、前記第2事前確率と等しい、
請求項1乃至4のいずれかに記載の情報処理装置。 - コンピュータを、請求項1乃至5のいずれかに記載の情報処理装置として機能させる、
ことを特徴とする情報処理プログラム。 - 入力データに対応する判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標の中から選択された選択指標に基づいて判定する情報処理装置により実行される情報処理方法であって、
前記複数の指標のそれぞれは、複数の区分を含み、
前記情報処理装置は、
前記複数の指標の中から前記選択指標を選択する指標選択部と、
前記入力データが該当する前記選択指標に含まれる指標ごとの区分に基づいて、前記入力データに対応する前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、
前記選択指標の選択に用いられる複数の見本対象のそれぞれに対応する複数の見本データごとの、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本データに対応する前記見本対象が前記特定分類に属するか否かを示す分類情報と、が記憶される記憶部と、
を備え、
前記情報処理装置が、
(a)前記複数の見本データのうち、一部の見本データを訓練データとして抽出し、他の一部の見本データを評価データとして抽出する、見本データ抽出ステップと、
(b)前記複数の指標のいずれかの組合せで構成される指標群ごとに、
前記訓練データの前記指標情報と、前記訓練データの前記分類情報と、前記評価データの前記指標情報と、を用いて、前記評価データに対応する前記見本対象が前記特定分類に属するか否かを推定し、
前記評価データの前記分類情報を用いて、前記推定の当否を判定する、
分類推定ステップと、
(c)前記指標群ごとの前記推定の当否の判定結果に基づいて、前記選択指標を決定する、指標決定ステップと、
を有してなり、
前記分類推定ステップは、
(b−1)前記訓練データの前記指標情報と前記訓練データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第1条件付確率と、前記非特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第2条件付確率と、を算出するステップと、
(b−2)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記特定分類に属する第1事後確率を算出するステップと、
(b−3)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類ではない非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記非特定分類に属する第2事後確率を算出するステップと、
(b−4)前記第1事後確率と前記第2事後確率とを比較して、前記評価データに対応する前記見本対象が前記特定分類に属するか否かの推定の結果を示す推定情報を出力するステップと、
(b−5)前記評価データの前記推定情報と前記評価データの前記分類情報とを比較して、前記推定の当否の判定結果を示す判定情報を出力するステップと、
を備え、
前記指標決定ステップは、
(c−1)前記指標群ごとの前記判定情報のうち、所定の条件を満たす判定情報に対応する指標群を特定するステップと、
(c−2)前記特定された指標群に含まれる指標を前記選択指標として決定するステップと、
を備える、
ことを特徴とする情報処理方法。 - 入力データに対応する判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標に基づいて判定する情報処理装置であって、
前記複数の指標のそれぞれは、複数の区分を含み、
前記判定対象に対応する入力データと、複数の見本対象のそれぞれに対応する複数の見本データと、が記憶される記憶部と、
前記入力データが該当する前記指標ごとの区分に基づいて、前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、
を有してなり、
前記入力データは、前記入力データが該当する前記複数の指標ごとの区分を示す指標情報、を含み、
前記見本データは、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本対象が前記特定分類に属するか否かを示す分類情報と、を含み、
前記分類判定部は、
前記見本データの前記指標情報と前記見本データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標の区分ごとの第1条件付確率と、前記複数の分類のうち前記特定分類ではない非特定分類が生起したときの前記指標の区分ごとの第2条件付確率と、を算出し、
前記入力データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記判定対象が前記特定分類に属する第1事後確率を算出し、
前記入力データの前記指標情報と、前記複数の分類のうち前記非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記判定対象が前記非特定分類に属する第2事後確率を算出し、
前記第1事後確率と前記第2事後確率とを比較して、前記判定対象が前記特定分類に属するか否かを決定する、
ことを特徴とする情報処理装置。 - 前記複数の指標には、定性的な指標が含まれる、
請求項8記載の情報処理装置。 - 前記複数の指標には、定量的な指標が含まれる、
請求項9記載の情報処理装置。 - 前記複数の指標の中から前記選択指標を選択する指標選択部、
を備え、
前記分類判定部は、前記入力データが該当する前記選択指標ごとの区分に基づいて、前記判定対象が前記特定分類に属するか否かを決定する、
請求項8乃至10のいずれかに記載の情報処理装置。 - 前記指標選択部は、前記第1条件付確率と前記第2条件付確率とを用いて、前記選択指標を選択する、
請求項11記載の情報処理装置。 - 前記指標選択部は、
(a)前記複数の見本データのうち、一部の見本データを訓練データとして抽出し、他の一部の見本データを評価データとして抽出する、見本データ抽出部と、
(b)前記複数の指標のいずれかの組合せで構成される指標群ごとに、
前記訓練データの前記指標情報と、前記訓練データの前記分類情報と、前記評価データの前記指標情報と、を用いて、前記評価データに対応する前記見本対象が前記特定分類に属するか否かを推定し、
前記評価データの前記分類情報を用いて、前記推定の当否を判定する、
分類推定部と、
(c)前記指標群ごとの前記推定の当否の判定結果に基づいて、前記選択指標を決定する、指標決定部と、
を備え、
前記分類推定部は、前記第1条件付確率と前記第2条件付確率とを用いて、前記評価データに対応する前記見本対象が前記特定分類に属するか否かを推定する、
請求項12記載の情報処理装置。 - 前記見本データ抽出部は、前記複数の見本データの中から複数の前記評価データを抽出し、
前記分類推定部は、前記複数の評価データごとに、前記第1条件付確率と前記第2条件付確率とを用いて、前記推定の当否の判定結果を示す判定情報を出力し、
前記指標決定部は、前記複数の評価データごとの前記判定情報に基づいて、前記選択指標を決定する、
請求項13記載の情報処理装置。 - コンピュータを、請求項8乃至14のいずれかに記載の情報処理装置として機能させる、
ことを特徴とする情報処理プログラム。 - 判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標に基づいて判定する情報処理装置により実行される情報処理方法であって、
前記複数の指標のそれぞれは、複数の区分を含み、
前記情報処理装置は、
前記判定対象に対応する入力データと、複数の見本対象のそれぞれに対応
する見本データと、が記憶される記憶部と、
前記入力データが該当する前記指標ごとの区分に基づいて、前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、
を備え、
前記入力データは、前記入力データが該当する前記複数の指標ごとの区分を示す指標情報、を含み、
前記見本データは、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本対象が前記特定分類に属するか否かを示す分類情報と、を含み、
前記情報処理装置が、
前記見本データの前記指標情報と前記見本データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標の区分ごとの第1条件付確率と、前記複数の分類のうち前記特定分類ではない非特定分類が生起したときの前記指標の区分ごとの第2条件付確率と、を算出するステップと、
前記入力データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記判定対象が前記特定分類に属する第1事後確率を算出するステップと、
前記入力データの前記指標情報と、前記複数の分類のうち前記非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記判定対象が前記非特定分類に属する第2事後確率を算出するステップと、
前記第1事後確率と前記第2事後確率とを比較して、前記判定対象が前記特定分類に属するか否かを決定するステップと、
を有してなることを特徴とする情報処理方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016035605A JP6041331B1 (ja) | 2016-02-26 | 2016-02-26 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
JP2016210216A JP6889428B2 (ja) | 2016-02-26 | 2016-10-27 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
US16/079,835 US11461598B2 (en) | 2016-02-26 | 2016-12-26 | Information processing device, information processing program, and information processing method |
PCT/JP2016/088734 WO2017145517A1 (ja) | 2016-02-26 | 2016-12-26 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016035605A JP6041331B1 (ja) | 2016-02-26 | 2016-02-26 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016210216A Division JP6889428B2 (ja) | 2016-02-26 | 2016-10-27 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6041331B1 true JP6041331B1 (ja) | 2016-12-07 |
JP2017151868A JP2017151868A (ja) | 2017-08-31 |
Family
ID=57483260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016035605A Active JP6041331B1 (ja) | 2016-02-26 | 2016-02-26 | 情報処理装置と情報処理プログラム並びに情報処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11461598B2 (ja) |
JP (1) | JP6041331B1 (ja) |
WO (1) | WO2017145517A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742195B (zh) * | 2021-09-18 | 2022-03-29 | 北京航空航天大学 | 一种基于贝叶斯神经网络的系统健康状态预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013532295A (ja) * | 2010-07-09 | 2013-08-15 | ソマロジック・インコーポレーテッド | 肺癌バイオマーカーとその使用 |
US20140274772A1 (en) * | 2013-03-15 | 2014-09-18 | Rush University Medical Center | Biomarker panel for detecting lung cancer |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5063603A (en) * | 1989-11-06 | 1991-11-05 | David Sarnoff Research Center, Inc. | Dynamic method for recognizing objects and image processing system therefor |
WO2005001750A2 (en) * | 2003-06-30 | 2005-01-06 | Honda Motor Co., Ltd. | System and method for face recognition |
CA2748823A1 (en) * | 2009-01-06 | 2010-07-15 | Source Precision Medicine, Inc. D/B/A Source Mdx | Gene expression profiling for the identification, monitoring, and treatment of prostate cancer |
US8458154B2 (en) * | 2009-08-14 | 2013-06-04 | Buzzmetrics, Ltd. | Methods and apparatus to classify text communications |
SG183435A1 (en) | 2010-03-15 | 2012-09-27 | Singapore Health Serv Pte Ltd | Method of predicting the survivability of a patient |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
US9589245B2 (en) * | 2014-04-07 | 2017-03-07 | International Business Machines Corporation | Insider threat prediction |
JP6457329B2 (ja) | 2015-04-30 | 2019-01-23 | 株式会社Soken | 車載センサネットワークシステム |
-
2016
- 2016-02-26 JP JP2016035605A patent/JP6041331B1/ja active Active
- 2016-12-26 US US16/079,835 patent/US11461598B2/en active Active
- 2016-12-26 WO PCT/JP2016/088734 patent/WO2017145517A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013532295A (ja) * | 2010-07-09 | 2013-08-15 | ソマロジック・インコーポレーテッド | 肺癌バイオマーカーとその使用 |
US20140274772A1 (en) * | 2013-03-15 | 2014-09-18 | Rush University Medical Center | Biomarker panel for detecting lung cancer |
Non-Patent Citations (1)
Title |
---|
JPN6016028026; 荻原宏是 他: 'ブール代数に基づく識別とその肝癌診断への応用' 第75回(平成25年)全国大会講演論文集(4) インタフェース コンピュータと人間社会 , 2013, pp. 4-903〜4-904, 情報処理学会 * |
Also Published As
Publication number | Publication date |
---|---|
US11461598B2 (en) | 2022-10-04 |
WO2017145517A1 (ja) | 2017-08-31 |
JP2017151868A (ja) | 2017-08-31 |
US20210182630A1 (en) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Machine learning–based radiomics for molecular subtyping of gliomas | |
Shur et al. | Radiomics in oncology: a practical guide | |
Nair et al. | Radiogenomic models using machine learning techniques to predict EGFR mutations in non-small cell lung cancer | |
Ko et al. | Lung adenocarcinoma: correlation of quantitative CT findings with pathologic findings | |
Jamshidi et al. | Evaluation of cell-free DNA approaches for multi-cancer early detection | |
Fraum et al. | Differentiation of hepatocellular carcinoma from other hepatic malignancies in patients at risk: diagnostic performance of the liver imaging reporting and data system version 2014 | |
Bennani-Baiti et al. | MR imaging for diagnosis of malignancy in mammographic microcalcifications: a systematic review and meta-analysis | |
Bhandari et al. | Noninvasive determination of IDH and 1p19q status of lower-grade gliomas using MRI radiomics: a systematic review | |
Park et al. | Extraprostatic tumor extension: comparison of preoperative multiparametric MRI criteria and histopathologic correlation after radical prostatectomy | |
Guo et al. | Prediction of clinical phenotypes in invasive breast carcinomas from the integration of radiomics and genomics data | |
Chitalia et al. | Imaging phenotypes of breast cancer heterogeneity in preoperative breast dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) scans predict 10-year recurrence | |
Ley et al. | Idiopathic pulmonary fibrosis: CT and risk of death | |
Bismeijer et al. | Radiogenomic analysis of breast cancer by linking MRI phenotypes with tumor gene expression | |
Dyer et al. | Implications of the updated Lung CT Screening Reporting and Data System (Lung-RADS version 1.1) for lung cancer screening | |
Zhao et al. | Comparison of three software systems for semi-automatic volumetry of pulmonary nodules on baseline and follow-up CT examinations | |
Kozikowski et al. | Role of radiomics in the prediction of muscle-invasive bladder cancer: a systematic review and meta-analysis | |
Arasu et al. | Comparison of mammography AI algorithms with a clinical risk model for 5-year breast cancer risk prediction: an observational study | |
Bittermann et al. | Waitlist priority for hepatocellular carcinoma beyond milan criteria: a potentially appropriate decision without a structured approach | |
Yang et al. | Diagnostic accuracy of quantitative diffusion parameters in the pathological grading of hepatocellular carcinoma: a meta‐analysis | |
Buda et al. | Deep radiogenomics of lower-grade gliomas: convolutional neural networks predict tumor genomic subtypes using MR images | |
Karabacak et al. | Deep learning for prediction of isocitrate dehydrogenase mutation in gliomas: a critical approach, systematic review and meta-analysis of the diagnostic test performance using a Bayesian approach | |
Lee et al. | Role of radiologists in the diagnosis of unsuspected Birt-Hogg-Dubé syndrome in a tertiary clinical practice | |
Gao et al. | Radiomics analysis based on ultrasound images to distinguish the tumor stage and pathological grade of bladder cancer | |
Yang et al. | PET/CT radiomic features: a potential biomarker for EGFR mutation status and survival outcome prediction in NSCLC patients treated with TKIs | |
JP6041331B1 (ja) | 情報処理装置と情報処理プログラム並びに情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160916 |
|
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: 20161005 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161101 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6041331 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |