JP6889428B2 - 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
- JP6889428B2 JP6889428B2 JP2016210216A JP2016210216A JP6889428B2 JP 6889428 B2 JP6889428 B2 JP 6889428B2 JP 2016210216 A JP2016210216 A JP 2016210216A JP 2016210216 A JP2016210216 A JP 2016210216A JP 6889428 B2 JP6889428 B2 JP 6889428B2
- Authority
- JP
- Japan
- Prior art keywords
- index
- classification
- specific
- belongs
- information
- 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
- 230000010365 information processing Effects 0.000 title claims description 77
- 238000003672 processing method Methods 0.000 title claims description 14
- 238000011156 evaluation Methods 0.000 claims description 86
- 238000012549 training Methods 0.000 claims description 45
- 239000000284 extract Substances 0.000 claims description 13
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 description 51
- 238000012360 testing method Methods 0.000 description 34
- 201000007270 liver cancer Diseases 0.000 description 23
- 208000014018 liver neoplasm Diseases 0.000 description 23
- 238000001356 surgical procedure Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 11
- 201000011510 cancer Diseases 0.000 description 7
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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 (19)
- 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、複数の指標のいずれかの組合せで構成される指標群に基づいて判定する情報処理装置であって、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
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、
前記入力データが属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、前記入力データが属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、前記見本データが属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情報で示される前記入力データが属する前記指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記入力データが属する前記指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を算出し、
前記第1条件付確率と、前記第2条件付確率と、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し、
前記特定条件付確率は、前記特定分類に属する前記見本データのうち、前記入力データが属する前記指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記入力データが属する前記指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
ことを特徴とする情報処理装置。 - 前記分類判定部は、
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、
請求項1記載の情報処理装置。 - 前記指標群の中から選択指標群を選択する指標選択部、
を備え、
前記分類判定部は、前記入力データが属する前記選択指標群を構成する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1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、前記選択指標群を選択する、
請求項3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、前記選択指標群を決定する、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4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、前記選択指標群を決定する、
請求項5記載の情報処理装置。 - コンピュータを、請求項1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、複数の指標のいずれかの組合せで構成される指標群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、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
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、
前記入力データが属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、前記入力データが属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、前記見本データが属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情報で示される前記入力データが属する前記指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記入力データが属する前記指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を算出するステップと、
前記第1条件付確率と、前記第2条件付確率と、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、
を有してなり、
前記特定条件付確率は、前記特定分類に属する前記見本データのうち、前記入力データが属する前記指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記入力データが属する前記指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
ことを特徴とする情報処理方法。 - 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判定するために用いられる選択指標群を、複数の指標のいずれかの組合せで構成される指標群の中から選択する情報処理装置であって、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
前記指標群の中から前記選択指標群を選択する指標選択部と、
前記選択指標群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、前記見本データが属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、
を有してなり、
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、前記選択指標群を決定する、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情報で示される前記評価データが属する前記指標群に含まれる指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記評価データが属する前記指標群に含まれる指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を算出し、
(b−2)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、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、前記選択指標群として決定し、
前記特定条件付確率は、前記特定分類に属する前記見本データのうち、前記評価データが属する前記指標ごとの区分に属する前記見本データの数と、前記評価データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記評価データが属する前記指標ごとの区分に属する前記見本データの数と、前記評価データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
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9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9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、前記選択指標群を決定する、
請求項9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12記載の情報処理装置。 - コンピュータを、請求項9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判定するために用いられる選択指標の組合せで構成される選択指標群を、複数の指標の中から選択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、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
前記情報処理装置は、
前記複数の指標のいずれかの組合せで構成される指標群の中から前記選択指標群を選択する指標選択部と、
前記選択指標群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、前記見本データが属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、
前記指標選択部が、
(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情報で示される前記評価データが属する前記指標群に含まれる指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記評価データが属する前記指標群に含まれる指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を算出するステップと、
(b−2)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、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、前記選択指標群として決定するステップと、
を備え、
前記特定条件付確率は、前記特定分類に属する前記見本データのうち、前記評価データが属する前記指標ごとの区分に属する前記見本データの数と、前記評価データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記評価データが属する前記指標ごとの区分に属する前記見本データの数と、前記評価データが属する前記指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
ことを特徴とする情報処理方法。 - 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、複数の選択指標の組合せで構成される選択指標群に基づいて判定する情報処理装置であって、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
前記判定対象に対応する入力データが記憶される記憶部と、
前記入力データが属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、前記入力データが属する前記複数の選択指標ごとの区分を示す指標情報、を含み、
前記記憶部は、前記特定分類が生起したときの前記指標情報で示される前記入力データが属する前記選択指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記入力データが属する前記選択指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を記憶し、
前記分類判定部は、
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し、
前記特定条件付確率は、前記特定分類に属する見本データのうち、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
ことを特徴とする情報処理装置。 - 前記選択指標群は、複数の指標のいずれかの組合せで構成される指標群の中から請求項9記載の情報処理装置により選択される、
請求項16記載の情報処理装置。 - コンピュータを、請求項16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、複数の選択指標の組合せで構成される選択指標群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、
前記複数の指標は、定量的な指標と、定性的な指標と、を含み、
前記定量的な指標のそれぞれは、前記指標が取り得る値が互いに排反事象となるように複数に分割されたときの前記排反事象それぞれを特定する複数の区分を含み、前記定性的な指標のそれぞれは、前記指標が取り得る値それぞれを特定する複数の区分を含み、
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が記憶される記憶部と、
前記入力データが属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、前記入力データが属する前記複数の選択指標ごとの区分を示す指標情報、を含み、
前記記憶部は、前記特定分類が生起したときの前記指標情報で示される前記入力データが属する前記選択指標の区分ごとの特定条件付確率の積で算出される第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情報で示される前記入力データが属する前記選択指標の区分ごとの非特定条件付確率の積で算出される第2条件付確率と、を記憶し、
前記分類判定部が、
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、
を備え、
前記特定条件付確率は、前記特定分類に属する前記見本データのうち、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出され、
前記非特定条件付確率は、前記非特定分類に属する前記見本データのうち、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数と、前記入力データが属する前記選択指標ごとの区分に属する前記見本データの数の全指標についての総和と、に基づいて算出される、
ことを特徴とする情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 |
Applications Claiming Priority (2)
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 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016035605A Division 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 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017151952A JP2017151952A (ja) | 2017-08-31 |
JP2017151952A5 JP2017151952A5 (ja) | 2019-06-27 |
JP6889428B2 true JP6889428B2 (ja) | 2021-06-18 |
Family
ID=59739065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016210216A Active 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6889428B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5414416B2 (ja) * | 2008-09-24 | 2014-02-12 | キヤノン株式会社 | 情報処理装置及び方法 |
EP2534597B1 (en) * | 2010-03-15 | 2018-10-17 | Singapore Health Services Pte Ltd | Method of predicting the survivability of a patient |
CA2801110C (en) * | 2010-07-09 | 2021-10-05 | Somalogic, Inc. | Lung cancer biomarkers and uses thereof |
-
2016
- 2016-10-27 JP JP2016210216A patent/JP6889428B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017151952A (ja) | 2017-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Machine learning–based radiomics for molecular subtyping of gliomas | |
Jamshidi et al. | Evaluation of cell-free DNA approaches for multi-cancer early detection | |
Biasci et al. | A blood-based prognostic biomarker in IBD | |
Nair et al. | Radiogenomic models using machine learning techniques to predict EGFR mutations in non-small cell lung cancer | |
Shur et al. | Radiomics in oncology: a practical guide | |
Gevaert et al. | Non–small cell lung cancer: identifying prognostic imaging biomarkers by leveraging public gene expression microarray data—methods and preliminary results | |
Kozikowski et al. | Role of radiomics in the prediction of muscle-invasive bladder cancer: a systematic review and meta-analysis | |
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 | |
US20190355438A1 (en) | Inferring selection in white blood cell matched cell-free dna variants and/or in rna variants | |
CA3037366A1 (en) | Noninvasive prenatal screening using dynamic iterative depth optimization | |
Ebner et al. | Meta-analysis of the radiological and clinical features of Usual Interstitial Pneumonia (UIP) and Nonspecific Interstitial Pneumonia (NSIP) | |
US20190073445A1 (en) | Identifying false positive variants using a significance model | |
KR20140070081A (ko) | 컴퓨터 보조 진단 장치 및 방법 | |
Buda et al. | Deep radiogenomics of lower-grade gliomas: convolutional neural networks predict tumor genomic subtypes using MR images | |
Pulvirenti et al. | Quantitative computed tomography image analysis to predict pancreatic neuroendocrine tumor grade | |
Kim et al. | MarkerCount: A stable, count-based cell type identifier for single-cell RNA-seq experiments | |
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 | |
HajiEsmailPoor et al. | Radiomics diagnostic performance in predicting lymph node metastasis of papillary thyroid carcinoma: A systematic review and meta-analysis | |
López‐Ratón et al. | Confidence intervals for the symmetry point: An optimal cutpoint in continuous diagnostic tests | |
Lee et al. | Role of radiologists in the diagnosis of unsuspected Birt-Hogg-Dubé syndrome in a tertiary clinical practice | |
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 | |
JP6889428B2 (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 | |
US10083274B2 (en) | Non-hypergeometric overlap probability | |
Giuca et al. | Expanding diagnostically labeled datasets using content-based image retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200331 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200630 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210330 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210412 |
|
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: 20210427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210507 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6889428 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |