JP7060852B2 - 情報処理システム - Google Patents

情報処理システム Download PDF

Info

Publication number
JP7060852B2
JP7060852B2 JP2018208464A JP2018208464A JP7060852B2 JP 7060852 B2 JP7060852 B2 JP 7060852B2 JP 2018208464 A JP2018208464 A JP 2018208464A JP 2018208464 A JP2018208464 A JP 2018208464A JP 7060852 B2 JP7060852 B2 JP 7060852B2
Authority
JP
Japan
Prior art keywords
data
image
text
information processing
information database
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
Application number
JP2018208464A
Other languages
English (en)
Other versions
JP2020064581A (ja
Inventor
克規 長田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thinkout Co Ltd
Original Assignee
Thinkout Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thinkout Co Ltd filed Critical Thinkout Co Ltd
Priority to JP2018208464A priority Critical patent/JP7060852B2/ja
Priority to PCT/JP2019/042082 priority patent/WO2020080556A1/ja
Publication of JP2020064581A publication Critical patent/JP2020064581A/ja
Application granted granted Critical
Publication of JP7060852B2 publication Critical patent/JP7060852B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Description

本発明は、情報処理システムに関する。
近年、様々な業務がシステム化され、人手による作業の省力化が進んでいる。しかし、システム同士の仕様が異なる場合には、システム同士で連携することが難しい。その結果、ユーザは、ある業務を行う際に、仕様の異なる様々なシステムを個別に操作することが必要となる場合がある。例えば、ユーザが、２つのシステムから抽出したデータ（以下、「データＡ，Ｂ」と称する。）を元に、別のシステムのデータ（以下、「データＣ」と称する。）を抽出しようとした場合、システム間の仕様の違いに起因して、データＡ，Ｂを元にデータＣを自動で抽出することができず、ユーザが、手作業でデータＣを探すことになる場合がある。この場合には、人手によるデータ探索が必要であり、システム化が、人手による作業の省力化に寄与しているとは言い難い。
そこで、システム同士での連携が行えるよう、仕様の互いに異なる既存のシステムを仕様の互いに等しいシステムに置き換えることが考えられる。また、例えば、特許文献１に記載したように、各システムのデータ間の連携関係を定義する書式対応テーブルを設けることも考えられる。
国際公開ＷＯ１０１５／０１６０１１
しかし、システムの置き換えには、例えば、意味が重複するデータや、形式が異なるデータ、サイズが異なるデータのフォーマットや関連付けを再設計し、データコンバートを行い、新しいシステムへデータ入力を行う必要がある。また、システムを置き換えたり、書式対応テーブルを設けたりする場合には、運用途中でそれぞれのデータベースにおけるデータフォーマットやデータの関連付けの変更をすることができない。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことの可能な情報処理システムを提供することが望ましい。
本発明の一実施形態に係る情報処理システムは、仕様の互いに異なる第１システムおよび第２システムの連携を可能にするシステムである。第１システムは、複数の画像データを記憶する第１データベースを備えている。第２システムは、複数のテキストデータを記憶する第２データベースを備えている。上記情報処理システムは、第１読み出し部と、推定部と、第２読み出し部とを備えている。第１読み出し部は、所定の条件に合致するテキストデータである特定テキストデータを第２データベースから読み出す。推定部は、第１データベースから読み出した画像データと、複数の識別子のうちの１つである第１識別子とを関連付けた第１データと、第２データベースから読み出したテキストデータと、複数の識別子のうちの１つである第２識別子とを関連付けた第２データとに基づいて、複数の識別子の中から、特定テキストデータに対応する識別子である第３識別子を推定する。第２読み出し部は、推定により得られた第３識別子に対して適した画像データである特定画像データを第１データベースから読み出す。
本発明の一実施形態に係る情報処理システムによれば、２つのデータベースの連携に、共通の識別子を用いるようにしたので、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
本発明の一実施の形態に係る情報処理システムの機能ブロックの一例を表す図である。 図１の情報処理システムのハードウェア構成の一例を表す図である。 図１のテキスト情報データベースおよび統合情報データベースに記憶されるテキストデータの一例を表す図である。 図１の画像分類学習プログラムの構成例を表す図である。 図１の画像情報データベースおよび統合情報データベースに記憶される画像データの一例を表す図である。 図１の統合情報データベースに記憶される画像分類名リストの一例を表す図である。 図５の学習用画像データの一例を表す図である。 図１の画像分類学習プログラムに入力される学習データの一例を表す図である。 図１の画像分類学習プログラムに入力される学習データの一例を表す図である。 図１のテキスト分類学習プログラムに入力される学習データの一例を表す図である。 図１のＧＵＩに表示される画面の一例を表す図である。 図１のＧＵＩに表示される画面の一例を表す図である。 図１のＧＵＩに表示される画面の一例を表す図である。 図１のＧＵＩに表示される画面の一例を表す図である。 図１の情報処理システムにおけるデータ取得手順の一例を表す図である。 図１の情報処理システムにおける機械学習手順の一例を表す図である。 図１の情報処理システムにおける機械学習手順の一例を表す図である。 図１の情報処理システムにおける機械学習手順の一例を表す図である。 図１の情報処理システムにおけるテスト手順の一例を表す図である。 図１の情報処理システムにおけるテスト手順の一例を表す図である。 図１の情報処理システムにおけるキー画像取得手順の一例を表す図である。 図１のＧＵＩに表示される画面の一例を表す図である。
以下、本発明を実施するための形態について、図面を参照して詳細に説明する。以下の説明は本発明の一具体例であって、本発明は以下の態様に限定されるものではない。また、本発明は、各図に示す各構成要素の配置や寸法、寸法比などについても、それらに限定されるものではない。なお、説明は、以下の順序で行う。
１．実施の形態
２．変形例
＜１．実施の形態＞
［構成］
本発明の一実施の形態に係る情報処理システム１００について説明する。図１は、情報処理システム１００の機能ブロックの一例を表したものである。
情報処理システム１００は、仕様の互いに異なるシステム同士の連携を可能にする装置である。ここで、「仕様」とは、例えば、データのフォーマットや関連付けなどを指している。また、「システム同士の連携」とは、例えば、一方のシステムのデータと、他方のシステムのデータとを関連付けることを指している。システムの仕様が互いに異なる場合、相手のシステムのデータを利用することが難しい。情報処理システム１００は、仕様の互いに異なる複数のシステムの間に情報処理システム１００を介在させることにより、仕様の互いに異なるシステムにおいて、相手のシステムのデータを利用することを可能にしている。
情報処理システム１００は、例えば、仕様の互いに異なる２つのシステム（画像情報データベース２００、テキスト情報データベース３００）と通信可能となっており、仕様の互いに異なる２つのシステム（画像情報データベース２００、テキスト情報データベース３００）同士の連携を可能にする装置である。「２つのシステム（画像情報データベース２００、テキスト情報データベース３００）同士の連携」とは、例えば、一方のシステム（テキスト情報データベース３００）のデータと、他方のシステム（画像情報データベース２００）のデータとを関連付けることを指している。
情報処理システム１００は、例えば、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）１１０、画像データＩＦ（Ｉｎｔｅｒｆａｃｅ）１２０、画像分類学習プログラム１３０、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）１４０、テキストデータＩＦ（Ｉｎｔｅｒｆａｃｅ）１５０、テキスト分類学習プログラム１６０、統合情報データベース１７０および情報処理部１８０を備えている。
図２は、情報処理システム１００のハードウェア構成の一例を表したものである。情報処理システム１００は、ネットワーク４０００を介して２つのシステム（情報処理システム２０００，３０００）に接続されている。
（ネットワーク４０００）
ネットワーク４０００は、例えば、インターネットで標準的に利用されている通信プロトコル（ＴＣＰ／ＩＰ）を用いて通信を行うネットワークである。ネットワーク４０００は、例えば、そのネットワーク独自の通信プロトコルを用いて通信を行うセキュアなネットワークであってもよい。ネットワーク４０００は、例えば、インターネット、イントラネット、または、ローカルエリアネットワークである。ネットワーク４０００と、情報処理システム１００、情報処理システム２０００または情報処理システム３０００との接続は、例えば、イーサネット等の有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であってもよいし、Ｗｉ－Ｆｉ等の無線ＬＡＮや、携帯電話回線などであってもよい。
（情報処理システム２０００）
情報処理システム２０００は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１００、メモリ２２００およびネットワークＩＦ（Ｉｎｔｅｒｆａｃｅ）２３００を含んで構成されている。ＣＰＵ２１００は、例えば、メモリ２２００に記憶されたウェブサーバプログラムや、オペレーティングシステムなどを実行する。ネットワークＩＦ２３００は、ネットワーク４０００を介して情報処理システム１００と通信するための通信インターフェースである。メモリ２２００は、ＣＰＵ２１００によって実行されるプログラム（例えば、ウェブサーバプログラムや、オペレーティングシステム）などを格納する。メモリ２２００は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、補助記憶装置（ハードディスク等）等によって構成される。メモリ２２００は、画像情報データベース２００を含んで構成されている。
（情報処理システム３０００）
情報処理システム３０００は、例えば、ＣＰＵ３１００、メモリ３２００およびネットワークＩＦ３３００を含んで構成されている。ＣＰＵ３１００は、例えば、メモリ３２００に記憶されたウェブサーバプログラムや、オペレーティングシステムなどを実行する。ネットワークＩＦ３３００は、ネットワーク４０００を介して情報処理システム１００と通信するための通信インターフェースである。メモリ３２００は、ＣＰＵ３１００によって実行されるプログラム（例えば、ウェブサーバプログラムや、オペレーティングシステム）などを格納する。メモリ３２００は、ＲＡＭ、ＲＯＭ、補助記憶装置（ハードディスク等）等によって構成される。メモリ３２００は、テキスト情報データベース３００を含んで構成されている。
（情報処理システム１００）
情報処理システム１００は、例えば、ＣＰＵ１１００、メモリ１２００、ネットワークＩＦ１３００、入力装置１４００および出力装置１５００を含んで構成されている。ＣＰＵ１１００は、例えば、メモリ１２００に記憶されたウェブブラウザプログラムや、オペレーティングシステムなどを実行する。ネットワークＩＦ１３００は、ネットワーク４０００を介して情報処理システム２０００，３０００と通信するための通信インターフェースである。メモリ１２００は、ＣＰＵ１１００によって実行されるプログラム（例えば、ウェブブラウザプログラムや、オペレーティングシステム）などを格納する。メモリ１２００は、ＲＡＭ、ＲＯＭ、補助記憶装置（ハードディスク等）等によって構成される。入力装置１４００は、キーボードやタッチパネルなどで構成されている。出力装置１５００は、ディスプレイなどで構成されている。
メモリ１２００は、統合情報データベース１７０、画像分類学習プログラム１３０およびテキスト分類学習プログラム１６０を含んで構成されている。ＧＵＩ１１０、画像データＩＦ１２０、ＧＵＩ１４０、テキストデータＩＦ１５０は、ＣＰＵ１１００、ネットワークＩＦ１３００および入力装置１４００および出力装置１５００によって構成されている。
次に、各機能ブロックの詳細について説明する。
（テキスト情報データベース３００）
テキスト情報データベース３００は、複数のテキストデータ１０を記憶している。テキストデータ１０は、例えば、図３に示したように、複数のカラムデータ１１によって構成された手術データである。カラムデータ１１は、タグ１２と、タグ１２に対応する具体的な内容１３とによって構成されている。タグ１２としては、例えば、患者氏名、患者ＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、担当医、病名、手術開始日、手術開始時刻、術眼、または、術式が挙げられる。タグ１２が患者氏名の内容１３としては、手術を受ける患者の氏名（例えば、山田太郎）が挙げられる。タグ１２が患者ＩＤの内容１３としては、手術を受ける患者に付与された識別子（例えば、０１２３４５などの識別番号）が挙げられる。タグ１２が担当医の内容１３としては、手術を執刀する医師の氏名（例えば、Ａ医師）が挙げられる。タグ１２が病名の内容１３としては、手術の要因となった病気の名前（例えば、白内障）が挙げられる。タグ１２が手術開始日の内容１３としては、手術が行われる日（例えば、２０１８年９月１０日）が挙げられる。タグ１２が手術開始時刻の内容１３としては、手術が行われる時刻（例えば、午前１０時３０分）が挙げられる。タグ１２が術眼の内容１３としては、一対の眼のうち手術が行われる方の眼の位置（例えば、右（Ｒ））が挙げられる。タグ１２が術式の内容１３としては、手術の名称（例えば、ＰＥＡ＋ＩＯＬ）が挙げられる。
テキストデータ１０において、指定された１または複数のカラムデータ１１がカラムデータセット１１ｓを構成する。つまり、テキストデータ１０は、カラムデータセット１１ｓを含んでおり、テキスト情報データベース３００は、複数のカラムデータセット１１ｓ（第２データ）を記憶しているといえる。カラムデータセット１１ｓは、あらかじめ指定されていてもよいし、ユーザによって指定されてもよい。カラムデータセット１１ｓは、１または複数のカラムデータ１１によって構成されている。以下では、カラムデータセット１１ｓに含まれるカラムデータ１１を便宜的に指定カラムデータ１１－１と称する。指定カラムデータ１１－１は、画像データ２０を分類するのに役立つカラムデータ１１である。カラムデータセット１１ｓは、例えば、タグ１２が患者ＩＤのカラムデータ１１と、タグ１２が術眼のカラムデータ１１と、タグ１２が術式のカラムデータ１１とによって構成されている。なお、画像分類学習プログラム１３０が、例えば、図４に示したように、担当医ごとに設定された複数の画像分類学習プログラム１３１，１３２によって構成されている場合には、カラムデータセット１１ｓは、タグ１２が担当医のカラムデータ１１を含んでいてもよい。以下では、タグ１２が担当医のカラムデータ１１をカスタマイズカラムデータ１１ｃと称する。
（画像情報データベース２００）
画像情報データベース２００は、複数の画像データ２０（第１データ）を記憶している。画像情報データベース２００に記憶される複数の画像データ２０には、例えば、図５に示したように、複数の学習用画像データ２１、複数のテスト用画像データ２２および複数の画像データ２３が含まれる。学習用画像データ２１は、後述の機械学習の際に用いられるサンプルデータである。テスト用画像データ２２は、後述の機械学習の成績を確認するためのテストの際に用いられるサンプルデータである。画像データ２３は、手術を受ける患者が検査の際の撮影により得られたデータである。
（統合情報データベース１７０）
統合情報データベース１７０は、２つのシステム（画像情報データベース２００、テキスト情報データベース３００）同士を連携させるために用いられるデータベースである。統合情報データベース１７０には、例えば、画像情報データベース２００から読み出された複数の画像データ２０と、テキスト情報データベース３００から読み出された複数のテキストデータ１０もしくはカラムデータセット１１ｓとが記憶される。統合情報データベース１７０には、さらに、画像データ２０とともに、画像データ２０を所定のアルゴリズムによって処理することにより得られる特徴量データ２４が記憶されている。特徴量データ２４は、例えば、画像データ２０に含まれる臓器（例えば、眼や心臓、肺、肝臓など）の特徴を表したデータであり、画像分類学習モデル１３０における機械学習や後述のキー画像取得の際に用いられるデータである。
統合情報データベース１７０には、さらに、画像分類名リスト３０が記憶される。画像分類名リスト３０には、例えば、図６に示したように、複数の画像分類名３１が含まれる。画像分類名３１は、複数の画像データ２０を所定の観点（例えば、撮影に用いた検査機器や、術眼など）で分類したときに各画像データ２０を分類ごとに区別するための識別子である。画像分類名３１は、例えば、各画像データ２０の種類を分類する名前またはそれに対応する文字列もしくは数列を含んで構成されている。統合情報データベース１７０には、さらに、画像分類学習プログラム１３０およびテキスト分類学習プログラム１６０における機械学習によって得られた学習結果が記憶される。
図７は、学習用画像データ２１の一例を表したものである。図７には、画像分類名３１として「スリット（明右）」、「スリット（暗左）」、「スリット（青左）」、「オプトス（左）」、「スペキュラ（右）」が付与され得る複数の学習用画像データ２１が例示されている。ここで、スリットとは、スリットランプマイクロスコープで患者の眼を撮影することにより得られた画像データを指している。オプトスとは、オプトス社製の眼底検査機器で撮影することにより得られた画像データを指している。スペキュラとは、角膜内皮細胞検査機器で撮影することにより得られた画像データを指している。「明」とは、明るい状態で撮影することにより得られた画像データを指している。「暗」とは、暗い状態で撮影することにより得られた画像データを指している。「青」とは、青い光を眼に照射した状態で撮影することにより得られた画像データを指している。「右」とは、右眼を撮影することにより得られた画像データを指している。「左」とは、左眼を撮影することにより得られた画像データを指している。
（画像データＩＦ１２０）
画像データＩＦ１２０は、情報処理システム１００と画像情報データベース２００との間で通信するためのインターフェースである。画像データＩＦ１２０は、例えば、ＧＵＩ１１０による制御に従って、画像情報データベース２００から複数の画像データ２０などを読み出し、ＧＵＩ１１０や統合情報データベース１７０に出力する。
（テキストデータＩＦ１５０）
テキストデータＩＦ１５０は、情報処理システム１００とテキスト情報データベース３００との間で通信するためのインターフェースである。テキストデータＩＦ１５０は、例えば、ＧＵＩ１４０による制御に従って、テキスト情報データベース３００から複数のテキストデータ１０（またはカラムデータセット１１ｓ）などを読み出し、ＧＵＩ１４０や統合情報データベース１７０に出力する。
（テキスト分類学習プログラム１６０）
テキスト分類学習プログラム１６０は、情報処理部１８０にロードされることにより、入力データを学習データとして機械学習し、それにより得られた学習結果を統合情報データベース１７０に記憶させる。テキスト分類学習プログラム１６０に入力される入力データは、例えば、図８Ｃに示したように、一組のカラムデータセット１１ｓおよび画像分類名３１である。
テキスト分類学習プログラム１６０がロードされた情報処理部１８０は、機械学習プロセスでは、テキスト分類モデルの作成を行う。具体的には、テキスト分類学習プログラム１６０がロードされた情報処理部１８０は、機械学習プロセスでは、テキスト情報データベース３００から読み出されたテキストデータ１０（またはカラムデータセット１１ｓ）と、複数の画像分類名３１（識別子）のうちの１つである画像分類名３１（第２識別子）とを学習データとして機械学習を行う。その結果、情報処理部１８０は、テキストデータ１０（またはカラムデータセット１１ｓ）と、画像分類名３１との対応関係についての情報を学習結果として生成する。テキスト分類学習プログラム１６０がロードされた情報処理部１８０は、後述のキー画像取得プロセスでは、テキストデータ１０（またはカラムデータセット１１ｓ）が入力されると、例えば、上記学習結果に基づいて、入力されたテキストデータ１０（１０ｘ）（またはカラムデータセット１１ｓ）に対して最も適切な画像分類名３１（３１ｘ）を統合情報データベース１７０から抽出する。テキスト分類学習プログラム１６０がロードされた情報処理部１８０は、例えば、テキストデータ１０ｘ（またはカラムデータセット１１ｓ）と種々のテキストデータ１０ｙ（またはカラムデータセット１１ｓ）とを対比し、その結果、種々のテキストデータ１０ｙ（またはカラムデータセット１１ｓ）の中で最もテキストデータ１０ｘ（またはカラムデータセット１１ｓ）に近いテキストデータ１０ｙ（またはカラムデータセット１１ｓ）に対応する画像分類名３１ｘを統合情報データベース１７０から抽出する。
（画像分類学習プログラム１３０）
画像分類学習プログラム１３０は、情報処理部１８０にロードされることにより、入力データを学習データとして機械学習し、それにより得られた学習結果を統合情報データベース１７０に記憶させる。画像分類学習プログラム１３０に入力される入力データは、例えば、図８Ａに示したように、一組の学習用画像データ２１および画像分類名３１である。画像分類学習プログラム１３０に入力される入力データは、例えば、図８Ｂに示したように、一組の特徴量データ２４および画像分類名３１であってもよい。画像分類学習プログラム１３０がロードされた情報処理部１８０は、ファイル名やメタタグなどのテキストが画像データ２０に付随している場合であっても、そのテキストを利用しないで機械学習を行う。
画像分類学習プログラム１３０がロードされた情報処理部１８０は、機械学習プロセスでは、画像分類モデルの作成を行う。具体的には、画像分類学習プログラム１３０がロードされた情報処理部１８０は、機械学習プロセスでは、画像情報データベース２００から読み出された画像データ２０と、複数の画像分類名３１（識別子）のうちの１つである画像分類名３１（第１識別子）とを学習データとして機械学習を行う。その結果、情報処理部１８０は、画像データ２０と、画像分類名３１との対応関係についての情報を学習結果として生成する。画像分類学習プログラム１３０がロードされた情報処理部１８０は、後述のキー画像取得プロセスでは、画像分類名３１ｘが入力されると、例えば、上記学習結果に基づいて、入力された画像分類名３１ｘに対応する多くの画像データ２０の中から、最も適切な画像データ２０（キー画像２０ｘ）を統合情報データベース１７０から抽出する。
（ＧＵＩ１１０）
ＧＵＩ１１０は、ユーザによる情報処理システム１００へのデータ入力、または、ユーザへの情報処理システム１００からのデータ提示を行うための画面を提供する。ＧＵＩ１１０は、例えば、図９に示したように、画像分類モデルの作成を行うための画面１１１を提供する。画面１１１には、例えば、機械学習や、機械学習の成績を確認するためのテストを実行するのに必要な画像分類名リスト３０が表示される。画面１１１には、さらに、例えば、機械学習の済んだ学習用画像データ２１や、テストの済んだテスト用画像データ２２が表示される。画面１１１には、さらに、例えば、画像分類名３１の追加や削除を行うためのボタン１１３や、学習用画像データ２１の追加や削除を行うためのボタン１１４、機械学習を実行するためのボタン１１５、テスト用画像データ２２の追加や削除を行うためのボタン１１６、テストを実行するためのボタン１１７などが表示される。
ＧＵＩ１１０は、さらに、例えば、図１０に示したように、画像分類モデル４０の設定を行うための画面１１２を提供する。画像分類モデル４０とは、画像分類名リスト３０に含まれる複数の画像分類名３１の階層構造についてのモデルを指している。画面１１２には、例えば、登録された全ての画像分類名３１が階層なしで羅列されたモデルが一覧窓１１８に表示される。画面１１２には、さらに、例えば、画像分類モデル４０の階層構造を設定するためのボタン１１９が表示される。なお、図１０には、画像分類モデル４０を、３つの画像分類モデル４０Ａ，４０Ｂ，４０Ｃで構成し、画像分類モデル４０Ａの下層に、２つの画像分類モデル４０Ｂ，４０Ｃを設定した様子が例示されている。このとき、例えば、最上層の画像分類モデル４０Ａを６つの画像分類名３１Ａ－１～３１Ａ－６で構成し、画像分類名３１Ａ－２に、下層の画像分類モデル４０Ｂを接続し、画像分類モデル１３０Ｂを２つの画像分類名３１Ｂ－１，３１Ｂ－２で構成し、画像分類名３１Ａ－５に、下層の画像分類モデル４０Ｃを接続し、画像分類モデル４０Ｃを３つの画像分類名３１Ｃ－１～３１Ｃ－３で構成することができる。画像分類モデル４０をこのような階層構造とした場合、一覧窓１１８には、画像分類モデル４０Ａにおいて、画像分類名３１Ａ－２を画像分類名３１Ｂ－１，３１Ｂ－２に置き換えるとともに、画像分類名３１Ａ－５を画像分類名３１Ｃ－１，３１Ｃ－２，３１Ｃ－３に置き換えたものが表示される。
（ＧＵＩ１４０）
ＧＵＩ１４０は、ユーザによる情報処理システム１００へのデータ入力、または、ユーザへの情報処理システム１００からのデータ提示を行うための画面を提供する。ＧＵＩ１４０は、例えば、図１１に示したように、タグセット１２ｓの作成を行うための画面１４１を提供する。画面１４１には、例えば、指定された全てのタグ１２（指定タグ１２－１，１２－２，１２－３）が一覧で表示されている。画面１４１には、さらに、例えば、タグセット１２ｓにタグ１２の追加を行うためのボタン１４３や、複数の画像分類モデル４０の中から、タグセット１２ｓに対応付ける画像分類モデル４０を選択するためのボタン１４４が表示されている。なお、図１１には、タグセット１２ｓに対応付ける画像分類モデル４０として選択された画像分類モデル４０（全ての画像分類名３１が階層なしで羅列されたモデル）が画面１４１に表示されている様子が例示されている。
ＧＵＩ１４０は、例えば、図１２に示したように、テキスト分類モデルの作成を行うための画面１４２を提供する。画面１４２には、例えば、機械学習を実行するのに必要な複数のテキストデータ１０（１０Ａ）の一覧や、機械学習の成績を確認するためのテストを実行するのに必要な複数のテキストデータ（１０Ｂ）の一覧が表示される。画面１４２には、さらに、例えば、設定されたタグセット１２ｓや、設定された画像分類名３１からなる画像分類名リスト３０が表示される。画面１４２には、さらに、例えば、機械学習を実行するためのボタン１４５や、テストを実行するためのボタン１４６などが表示される。
［動作］
次に、本実施の形態に係る情報処理システム１００の動作について説明する。
（画像データ取得）
図１３、図１４は、情報処理システム１００におけるデータ取得手順の一例を表したものである。ユーザは、画像情報データベース２００のデータ（画像データ２０）を取得する。具体的には、ユーザは、ＧＵＩ１１０に対して、画像情報データベース２００のデータ（画像データ２０）を取得するための画面の表示を指示する。これにより、画像取得が開始される。すると、ＧＵＩ１１０は、画像情報データベース２００のデータ（画像データ２０）を取得するための画面を表示する。次に、ユーザは、ＧＵＩ１１０に対して、画像データ２０を取得するための条件を指定する。すると、情報処理部１８０は、ＧＵＩ１１０で指定された条件に応じた画像取得依頼を画像データＩＦ１２０に出力する。このとき、画像取得依頼には、例えば、取得した画像の送信先（具体的には統合情報データベース１７０）が含まれている。画像データＩＦ１２０は、入力された画像取得依頼を画像情報データベース２００に出力する。画像情報データベース２００は、画像取得依頼が入力されると、入力された画像取得依頼に含まれる条件に合致する画像データ２０を読み出し、画像データＩＦ１２０に送信する。画像データＩＦ１２０は、画像情報データベース２００から画像データ２０を受信すると、受信した画像データ２０を、画像取得依頼に含まれる画像の送信先（具体的には統合情報データベース１７０）に送信する。統合情報データベース１７０は、画像データＩＦ１２０から画像データ２０を受信すると、受信した画像データ２０を保存する。このようにして、画像データ２０の取得が終了する。
（テキストデータ１０取得）
ユーザは、テキスト情報データベース３００のテキストデータ１０（またはカラムデータセット１１ｓ）を取得する。具体的には、ユーザは、ＧＵＩ１４０に対して、テキスト情報データベース３００のテキストデータ１０（またはカラムデータセット１１ｓ）を取得するための画面の表示を指示する。これにより、テキスト取得が開始される。すると、ＧＵＩ１４０は、テキスト情報データベース３００のテキストデータ１０（またはカラムデータセット１１ｓ）を取得するための画面を表示する。次に、ユーザは、ＧＵＩ１４０に対して、テキストデータ１０（またはカラムデータセット１１ｓ）を取得するための条件を指定する。すると、情報処理部１８０は、ＧＵＩ１４０で指定された条件に応じたテキスト取得依頼をテキストデータＩＦ１５０に出力する。このとき、テキスト取得依頼には、例えば、取得したテキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的には統合情報データベース１７０）が含まれている。テキストデータＩＦ１５０は、入力されたテキスト取得依頼をテキスト情報データベース３００に出力する。テキスト情報データベース３００は、テキスト取得依頼が入力されると、入力されたテキスト取得依頼に含まれる条件に合致するテキストデータ１０（またはカラムデータセット１１ｓ）を読み出し、テキストデータＩＦ１５０に送信する。テキストデータＩＦ１５０は、テキスト情報データベース３００からテキストデータ１０（またはカラムデータセット１１ｓ）を受信すると、受信したテキストデータ１０（またはカラムデータセット１１ｓ）を、テキスト取得依頼に含まれる、テキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的には統合情報データベース１７０）に送信する。統合情報データベース１７０は、テキストデータＩＦ１５０からテキストデータ１０（またはカラムデータセット１１ｓ）を受信すると、受信したテキストデータ１０（またはカラムデータセット１１ｓ）を保存する。このようにして、テキスト情報データベース３００のテキストデータ１０（またはカラムデータセット１１ｓ）の取得が終了する。
（機械学習）
図１５は、画像データ２０についての機械学習の手順の一例を表したものである。まず、ユーザは、ＧＵＩ１１０に対して、画像分類モデル４０の設定を行うための画面１１２の表示を指示する。すると、ＧＵＩ１１０は、画像分類モデル４０の設定を行うための画面１１２を表示する。次に、ユーザは、必要に応じて、画像分類モデル４０の階層構造を設定する。ユーザは、例えば、最上層の画像分類モデル４０Ａを６つの画像分類名３１Ａ－１～３１Ａ－６で構成し、画像分類名３１Ａ－２に、下層の画像分類モデル４０Ｂを接続し、画像分類モデル４０Ｂを２つの画像分類名３１Ｂ－１，３１Ｂ－２で構成し、画像分類名３１Ａ－５に、下層の画像分類モデル４０Ｃを接続し、画像分類モデル４０Ｃを３つの画像分類名３１Ｃ－１～３１Ｃ－３で構成する。情報処理部１８０は、ＧＵＩ１１０を介して入力された、画像分類モデル４０の階層構造についての設定情報を統合情報データベース１７０に送信する。統合情報データベース１７０は、受け取った設定情報を記憶する。
次に、ユーザは、ＧＵＩ１１０に対して、画像分類モデル作成ＵＩの画面１１１の表示を指示する。すると、ＧＵＩ１１０は、画像分類モデル作成ＵＩの画面１１１を表示する。次に、ユーザは、例えば、画面１１１上のボタン１１４を押すことにより、ＧＵＩ１１０に対して、複数の画像データ２０の読み出しを指示する。情報処理部１８０は、ＧＵＩ１１０を介して、複数の画像データ２０の読み出し指示（画像取得依頼）を受け取ると、画像データ２０についての機械学習を開始する。情報処理部１８０は、画像取得依頼を統合情報データベース１７０に出力する。このとき、画像取得依頼には、例えば、取得した画像の送信先（具体的にはＧＵＩ１１０）が含まれている。統合情報データベース１７０は、画像取得依頼が入力されると、複数の画像データ２０を読み出し、ＧＵＩ１１０に送る。ＧＵＩ１１０は、複数の画像データ２０を受け取ると、受け取った複数の画像データ２０を画面１１１に表示する。ユーザは、画面１１１に表示された複数の画像データ２０の中から機械学習に適したものを選択する。続いて、ユーザは、画面１１１上のボタン１１３を押し、選択された画像データ２０に適した画像分類名３１を入力することにより、選択された画像データ２０に適した画像分類名３１を画像分類名リスト３０に追加する。選択された画像データ２０に適した画像分類名３１が既に画面１１１に表示されている場合には、ユーザは、選択された画像データ２０に適した画像分類名３１を選択する。このとき、情報処理部１８０は、選択された画像データ２０と、入力もしくは選択された画像データ２０に適した画像分類名３１とが対になるように画面１１１のデータを生成し、ＧＵＩ１１０に転送する。に表示する。ＧＵＩ１１０は、情報処理部１８０からの画面１１１のデータに基づいて画面１１１を表示する。
次に、ユーザは、画面１１１上のボタン１１５を押す。すると、ＧＵＩ１１０は、まず、画像分類名リスト３０を、ボタン１１５に紐付けられた送信先（具体的には統合情報データベース１７０）に送る。統合情報データベース１７０は、受け取った画像分類名リスト３０を保存する。ＧＵＩ１１０は、さらに、画像データ２０（学習用画像データ２１）と、画像データ２０（学習用画像データ２１）に適した画像分類名３１とを学習データとして、ボタン１１５に紐付けられた送信先（具体的には統合情報データベース１７０および情報処理部１８０）に送る。統合情報データベース１７０は、受け取った一組の画像データ２０（学習用画像データ２１）および画像分類名３１を学習データとして保存する。このとき、情報処理部１８０は、画像データ２０を特徴量データ２４に変換し、変換により得られた特徴量データ２４と、変換前の画像データ２０に適した画像分類名３１とを学習データとして機械学習を行い、学習結果を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った学習結果を保存する。このようにして、画像データ２０についての機械学習が終了する。
次に、ユーザは、ＧＵＩ１４０に対して、タグセット作成ＵＩの画面１４１の表示を指示する。すると、ＧＵＩ１４０は、タグセット作成ＵＩの画面１４１を表示する。次に、ユーザは、例えば、画面１４１上のボタン１４３を押すことにより、ＧＵＩ１４０に対して、タグセット１２ｓの作成を指示する。これにより、タグセット１２ｓの作成が開始される。情報処理部１８０は、ＧＵＩ１４０を介してテキストデータ１０の取得依頼を受け取ると、受け取ったテキストデータ１０の取得依頼を統合情報データベース１７０に出力する。ここで、テキストデータ１０の取得依頼には、例えば、取得したテキストデータ１０の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、テキストデータ１０の取得依頼が入力されると、テキストデータ１０を読み出し、テキストデータ１０の取得依頼に含まれる送信先（具体的にはＧＵＩ１４０）に送る。ＧＵＩ１４０は、テキストデータ１０を受け取ると、受け取ったテキストデータ１０を画面１４１に表示する。ユーザは、表示されたテキストデータ１０の中から１または複数のタグ１２を選択する。すると、情報処理部１８０は、ユーザによって選択された１または複数のタグ１２を指定タグ（例えば、１２－１，１２－２，１２－３）とするタグセット１２ｓを生成し、統合情報データベース１７０に送る。統合情報データベース１７０は、受け取ったタグセット１２ｓを保存する。このようにして、タグセット１２ｓの設定が終了する。
ユーザは、さらに、例えば、画面１４１上のボタン１４４を押すことにより、ＧＵＩ１４０に対して、画像分類モデル４０の選択を指示する。これにより、画像分類モデル４０の選択が開始される。情報処理部１８０は、ＧＵＩ１４０を介して、画像分類モデル４０の選択指示を受け取ると、統合情報データベース１７０から画像分類モデル４０の階層構造についての設定情報を読み出し、ＧＵＩ１４０に送る。ＧＵＩ１４０は、情報処理部１８０から、画像分類モデル４０の階層構造についての設定情報を受け取ると、受け取った画像分類モデル４０の階層構造についての設定情報を画面１４１に表示する。ユーザは、表示された画像分類モデル４０の階層構造についての設定情報の中から１つの構造を選択する。ＧＵＩ１４０は、ユーザによって画像分類モデル４０の構造が選択されると、選択された構造の画像分類モデル４０を表示する。情報処理部１８０は、ユーザによって選択された画像分類モデル４０についての情報を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った、画像分類モデル４０についての選択情報を保存する。このようにして、画像分類モデル４０の選択が終了する。
図１６は、テキストデータ１０（またはカラムデータセット１１ｓ）についての機械学習の手順の一例を表したものである。画像データ２０についての機械学習が終了した後、ユーザは、ＧＵＩ１４０に対して、テキスト分類モデル作成ＵＩの画面１４２の表示を指示する。これにより、テキストデータ１０（またはカラムデータセット１１ｓ）についての機械学習が開始される。情報処理部１８０は、ＧＵＩ１４０を介して、テキスト分類モデル作成ＵＩの画面１４２の表示指示を受け取ると、テキスト分類モデル作成ＵＩの画面１４２のデータを生成し、ＧＵＩ１４０に送る。ＧＵＩ１４０は、情報処理部１８０から受け取った画面１４２のデータに基づいて、画面１４２を表示する。情報処理部１８０は、さらに、統合情報データベース１７０に対して、学習用の複数のテキストデータ１０Ａ（またはカラムデータセット１１ｓ）の取得依頼を行う。この取得依頼には、例えば、読み出した複数のテキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、学習用の複数のテキストデータ１０Ａ（またはカラムデータセット１１ｓ）の取得依頼を受け取ると、複数のテキストデータ１０（またはカラムデータセット１１ｓ）を読み出し、上記取得依頼に含まれる送信先（具体的にはＧＵＩ１４０）に送る。ＧＵＩ１４０は、複数のテキストデータ１０（またはカラムデータセット１１ｓ）を受け取ると、受け取った複数のテキストデータ１０（またはカラムデータセット１１ｓ）を、学習用の複数のテキストデータ１０Ａ（またはカラムデータセット１１ｓ）として画面１４２に表示する。このとき、情報処理部１８０は、さらに、統合情報データベース１７０に対して、画像分類名リスト３０の取得依頼を行う。この取得依頼には、例えば、読み出した複数のテキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、画像分類名リスト３０の取得依頼を受け取ると、画像分類名リスト３０を読み出し、上記取得依頼に含まれる送信先（具体的にはＧＵＩ１４０）に送る。ＧＵＩ１４０は、画像分類名リスト３０を受け取ると、受け取った画像分類名リスト３０を画面１４２に表示する。次に、ユーザは、例えば、画面１４２に表示された複数の学習用のテキストデータ１０Ａ（またはカラムデータセット１１ｓ）の中から１つのテキストデータ１０Ａ（例えば、テキストデータ１０Ａ－１）（またはカラムデータセット１１ｓ）を選択し、画面１４２上のボタン１４５を押す。すると、ＧＵＩ１４０は、選択されたテキストデータ１０Ａ（例えば、テキストデータ１０Ａ－１）、もしくは選択されたテキストデータ１０Ａ（例えば、テキストデータ１０Ａ－１）に含まれるカラムデータセット１１ｓと、画像分類名リストとを学習データとして、ボタン１４５に紐付けられた送信先（具体的には統合情報データベース１７０）に送る。統合情報データベース１７０は、受け取ったデータを学習データとして保存する。このとき、ＧＵＩ１４０は、選択されたテキストデータ１０Ａ（例えば、テキストデータ１０Ａ－１）、もしくは選択されたテキストデータ１０Ａ（例えば、テキストデータ１０Ａ－１）に含まれるカラムデータセット１１ｓと、画像分類名リストとを学習データとして、ボタン１４５に紐付けられた送信先（具体的には情報処理部１８０）に送る。なお、ＧＵＩ１４０は、選択されたカラムデータセット１１ｓと、画像分類名リストとを学習データとして、統合情報データベース１７０に送ってもよい。さらに、ＧＵＩ１４０は、選択されたカラムデータセット１１ｓと、画像分類名リストとを学習データとして、情報処理部１８０に送ってもよい。情報処理部１８０は、受け取ったデータを学習データとして機械学習を行い、学習結果を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った学習結果を保存する。このようにして、学習が終了する。
（テスト）
図１７は、画像データ２０についての機械学習の成績を確認するためのテストの手順の一例を表したものである。まず、ユーザは、ＧＵＩ１１０に対して、画像分類モデル作成ＵＩの画面１１１の表示を指示する。情報処理部１８０は、ＧＵＩ１１０を介して、画像分類モデル作成ＵＩの画面１１１の表示指示を受け取ると、画像分類モデル作成ＵＩの画面１１１のデータを生成し、ＧＵＩ１１０に送る。ＧＵＩ１１０は、情報処理部１８０から受け取った画面１１１のデータに基づいて、画面１１１を表示する。情報処理部１８０は、さらに、画像分類名リスト３０の取得依頼を統合情報データベース１７０に出力する。ここで、画像分類名リスト３０の取得依頼には、例えば、読み出した画像分類名リスト３０の送信先（具体的にはＧＵＩ１１０）が含まれている。統合情報データベース１７０は、画像分類名リスト３０の取得依頼が入力されると、画像分類名リスト３０を読み出し、画像分類名リスト３０の取得依頼に含まれる送信先（具体的にはＧＵＩ１１０）に送る。ＧＵＩ１１０は、画像分類名リスト３０を受け取ると、受け取った画像分類名リスト３０を画面１１１に表示する。
次に、ユーザは、例えば、画面１１１上のボタン１１６を押すことにより、ＧＵＩ１１０に対して、複数の画像データ２０の取得を指示する。これにより、画像データ２０を用いたテストが開始される。情報処理部１８０は、ＧＵＩ１１０を介して、複数の画像データ２０の取得依頼（画像取得依頼）を受け取ると、受け取った画像取得依頼を統合情報データベース１７０に出力する。ここで、画像取得依頼には、例えば、取得した複数の画像データ２０の送信先（具体的にはＧＵＩ１１０）が含まれている。統合情報データベース１７０は、画像取得依頼が入力されると、複数の画像データ２０を読み出し、画像取得依頼に含まれる送信先（具体的にはＧＵＩ１１０）に送る。ＧＵＩ１１０は、複数の画像データ２０を受け取ると、受け取った複数の画像データ２０を画面１１１に表示する。ユーザは、画面１１１に表示された複数の画像データ２０の中からテスト用画像データ２２に適したものを選択する。すると、ＧＵＩ１１０は、選択された複数の画像データ２０をテスト用画像データ２２として画面１１１に表示する。
次に、ユーザは、画面１１１上のボタン１１７を押す。すると、ＧＵＩ１１０は、選択された画像データ２０（テスト用画像データ２２）を情報処理部１８０に送る。情報処理部１８０は、受け取った画像データ２０（テスト用画像データ２２）から、画像データ２０（テスト用画像データ２２）の画像分類名３１を推定する。このとき、情報処理部１８０は、例えば、受け取った画像データ２０（テスト用画像データ２２）を特徴量データ２４に変換し、それにより得られた特徴量データ２４に基づいて、画像データ２０（テスト用画像データ２２）の画像分類名３１を推定する。
ＧＵＩ１１０は、推定により得られた画像分類名３１をＧＵＩ１１０に送信する。ＧＵＩ１１０は、受け取った画像分類名３１を、選択された画像データ２０（テスト用画像データ２２）の画像分類名３１として画面１１１に表示する。なお、ＧＵＩ１１０は、受け取った画像分類名３１と同じ画像分類名３１が表示されている箇所に隣接する箇所に、選択された画像データ２０（テスト用画像データ２２）を表示してもよい。
ユーザは、情報処理部１８０（画像分類学習プログラム１３０）によって提示された画像分類名３１が、選択された画像データ２０（テスト用画像データ２２）の画像分類名３１として適していないと判断した場合には、ユーザは、情報処理部１８０（画像分類学習プログラム１３０）によって提示された画像分類名３１を適切な画像分類名３１に訂正する。なお、ＧＵＩ１１０が、受け取った画像分類名３１と同じ画像分類名３１が表示されている箇所に隣接する箇所に、選択された画像データ２０（テスト用画像データ２２）を表示した場合には、ユーザは、選択された画像データ２０（テスト用画像データ２２）を、適切な画像分類名３１が表示されている箇所に隣接する箇所に移動してもよい。
画像分類名３１が適切な画像分類名３１に訂正されるか、または、選択された画像データ２０（テスト用画像データ２２）が、適切な画像分類名３１が表示されている箇所に隣接する箇所に移動された場合、ＧＵＩ１１０は、選択された画像データ２０（テスト用画像データ２２）と、適切な画像分類名３１とを学習データとして、統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った一対の画像データ２０（テスト用画像データ２２）および画像分類名３１を学習データとして保存する。このとき、ＧＵＩ１１０は、選択された画像データ２０（テスト用画像データ２２）を特徴量データ２４に変換し、変換により得られた特徴量データ２４と、変換前の画像データ２０（テスト用画像データ２２）に適した画像分類名３１とを学習データとして、情報処理部１８０に送る。情報処理部１８０は、受け取った一対の特徴量データ２４および画像分類名３１を第１学習データとして機械学習を行い、学習結果を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った学習結果を保存する。
図１８は、テキストデータ１０（またはカラムデータセット１１ｓ）についての機械学習の成績を確認するためのテストの手順の一例を表したものである。まず、ユーザは、ＧＵ１１４０に対して、テキスト分類モデル作成ＵＩの画面１４２の表示を指示する。情報処理部１８０は、ＧＵＩ１４０を介して、テキスト分類モデル作成ＵＩの画面１４２の表示指示を受け取ると、テキスト分類モデル作成ＵＩの画面１４２のデータを生成し、ＧＵＩ１４０に送る。ＧＵＩ１４０は、情報処理部１８０から受け取った画面１４２のデータに基づいて、画面１４２を表示する。情報処理部１８０は、さらに、テキストデータ１０（またはカラムデータセット１１ｓ）の取得依頼を統合情報データベース１７０に出力する。ここで、この取得依頼には、例えば、読み出したテキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、テキストデータ１０（またはカラムデータセット１１ｓ）の取得依頼が入力されると、複数のテキストデータ１０（またはカラムデータセット１１ｓ）を読み出し、上記取得依頼に含まれる、テキストデータ１０（またはカラムデータセット１１ｓ）の送信先（ＧＵＩ１４０）に送る。情報処理部１８０は、さらに、受け取った複数のテキストデータ１０（またはカラムデータセット１１ｓ）をテスト用の複数のテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）として画面１４２に一覧表示する。情報処理部１８０は、さらに、画像分類名リスト３０の取得依頼を統合情報データベース１７０に出力する。画像分類名リスト３０の取得依頼には、例えば、画像分類名リスト３０の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、画像分類名リスト３０の取得依頼が入力されると、画像分類名リスト３０を読み出し、画像分類名リスト３０の取得依頼に含まれる送信先（具体的にはＧＵＩ１４０）に送る。ＧＵＩ１４０は、画像分類名リスト３０を受け取ると、受け取った画像分類名リスト３０を画面１４２に一覧表示する。
次に、ユーザは、画面１４２に表示された複数のテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）の中から１つのテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）を選択し、ボタン１４６を押す。すると、ＧＵＩ１４０は、選択したテキストデータ１０Ｂにおけるカラムデータセット１１ｓ、または、選択したカラムデータセット１１ｓを情報処理部１８０に送信する。情報処理部１８０は、受け取ったカラムデータセット１１ｓに対して最も適切な画像分類名３１を推定し、それにより得られた画像分類名３１をＧＵＩ１４０に送信する。ＧＵＩ１４０は、受け取った画像分類名３１を画面１４２に表示する。なお、画像分類名リスト３０が画面に表示されている場合に、画像分類名リスト３０の中に、受け取った画像分類名３１と同じ画像分類名３１が含まれているときには、ＧＵＩ１４０は、画像分類名リスト３０の中の、受け取った画像分類名３１と同じ画像分類名３１をハイライト表示するなどしてもよい。
ユーザは、情報処理部１８０（テキスト分類学習プログラム１６０）によって提示された画像分類名３１が、選択されたテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）の画像分類名３１として適していないと判断した場合には、ユーザは、テキスト分類学習プログラム１６０によって提示された画像分類名３１を適切な画像分類名３１に訂正する。
画像分類名３１が適切な画像分類名３１に訂正された場合、ＧＵＩ１４０は、選択されたテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）と、適切な画像分類名３１とを学習データとして、統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った一対のテキストデータ１０Ｂ（またはカラムデータセット１１ｓ）および画像分類名３１を学習データとして保存する。このとき、ＧＵＩ１４０は、選択されたテキストデータ１０Ｂのカラムデータセット１１ｓと、適切な画像分類名３１とを学習データとして、テキスト分類学習プログラム１６０がロードされた情報処理部１８０に送る。テキスト分類学習プログラム１６０がロードされた情報処理部１８０は、受け取った一対のカラムデータセット１１ｓおよび画像分類名３１を学習データとして機械学習を行い、学習結果を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った学習結果を保存する。
（キー画像取得）
図１９は、キー画像抽出手順の一例を表したものである。ＧＵＩ１４０は、キー画像抽出プロセスにおいて、テキスト情報データベース３００から読み出されたテキストデータ１０（またはカラムデータセット１１ｓ）に対して、画像分類学習プログラム１３０およびテキスト分類学習プログラム１６０による学習結果を適用することにより、テキストデータ１０（またはカラムデータセット１１ｓ）に関連する画像データ２０を取得する。
具体的には、まず、ユーザは、ＧＵＩ１４０に対して、手術リストの画面１４７の表示を指示する。情報処理部１８０は、ＧＵＩ１４０を介して、手術リストの画面１４７の表示指示を受け取ると、手術リストの画面１４７のデータを生成し、ＧＵＩ１４０に送る。ＧＵＩ１４０は、情報処理部１８０から受け取った画面１４７のデータに基づいて、画面１４７を表示する。情報処理部１８０は、さらに、所定の条件に合致するテキストデータ１０（またはカラムデータセット１１ｓ）の取得依頼を統合情報データベース１７０に出力する。ここで、「所定の条件に合致するテキストデータ１０」とは、例えば、本日手術予定の患者のテキストデータ１０（またはカラムデータセット１１ｓ）を指している。テキストデータ１０（またはカラムデータセット１１ｓ）の取得依頼には、例えば、読み出したテキストデータ１０（またはカラムデータセット１１ｓ）の送信先（具体的にはＧＵＩ１４０、情報処理部１８０）が含まれている。
統合情報データベース１７０は、所定の条件に合致するテキストデータ１０の取得依頼が入力されると、所定の条件に合致する複数のテキストデータ１０（またはカラムデータセット１１ｓ）を読み出し、テキストデータ１０（またはカラムデータセット１１ｓ）の取得依頼に含まれる送信先（具体的にはＧＵＩ１４０）に送る。ＧＵＩ１４０は、複数のテキストデータ１０（またはカラムデータセット１１ｓ）を受け取ると、受け取った複数のテキストデータ１０（またはカラムデータセット１１ｓ）に含まれる内容を、手術リストの表示形式に対応させて画面１４７に一覧表示する（図２０参照）。このとき、ＧＵＩ１４０は、例えば、受け取った複数のテキストデータ１０（またはカラムデータセット１１ｓ）に含まれる内容を、手術開始時刻の早い順に並べて画面１４７に一覧表示する。
統合情報データベース１７０は、さらに、所定の条件に合致する複数のテキストデータ１０（またはカラムデータセット１１ｓ）を情報処理部１８０に送信する。情報処理部１８０は、受け取った各テキストデータ１０（またはカラムデータセット１１ｓ）に対して最も適切な画像分類名３１をテキストデータ１０（またはカラムデータセット１１ｓ）ごとに推定し、それにより得られた複数の画像分類名３１に対して最も適切な画像データ２０（キー画像２０ｘ）を推定する。情報処理部１８０は、推定結果に基づいて、統合情報データベース１７０から、該当する複数の画像データ２０（キー画像２０ｘ）を読み出す。情報処理部１８０は、読み出した複数の画像データ２０（キー画像２０ｘ）をＧＵＩ１４０に送信する。ＧＵＩ１４０は、受け取った複数の画像データ２０（キー画像２０ｘ）を画面１４７に表示する。ＧＵＩ１４０は、このとき、受け取った複数の画像データ２０（キー画像２０ｘ）を、対応するテキストデータ１０（またはカラムデータセット１１ｓ）ごとに１つずつ割り当てて画面１４７に表示する。ＧＵＩ１４０は、このようにして、テキストデータ１０（またはカラムデータセット１１ｓ）に含まれる全部もしくは一部のデータと、テキストデータ１０（またはカラムデータセット１１ｓ）に関連する画像データ２０とを関連付けた手術リストを生成し、画面１４７に表示する。
ユーザは、情報処理部１８０（画像分類学習プログラム１３０）によって提示された画像データ２０（キー画像２０ｘ）が、対応するテキストデータ１０（またはカラムデータセット１１ｓ）との関係で適していないと判断した場合には、ユーザは、画像分類学習プログラム１３０によって提示された画像データ２０（キー画像２０ｘ）を適切な画像データ２０に訂正する。例えば、ユーザは、手術リスト内の右脇にある「誤」のボタンを押す。これにより、ＧＵＩ１４０は、画像リスト取得依頼を情報処理部１８０に送る。情報処理部１８０は、ＧＵＩ１４０から画像リスト取得依頼が入力されると、画像リスト取得依頼を統合情報データベース１７０に送る。ここで、画像リスト取得依頼には、例えば、読み出した画像データ２０の送信先（具体的にはＧＵＩ１４０）が含まれている。統合情報データベース１７０は、画像リスト取得依頼を受け取ると、「誤」のボタンが押された患者に関する複数の画像データ２０を読み出し、ＧＵＩ１４０に送信する。ＧＵＩ１４０は、受け取った複数の画像データ２０を画面１４７に表示する。ユーザは、画面１４７に表示された複数の画像データ２０の中から適切な画像データ２０を選択する。ＧＵＩ１４０は、元の画像データ２０を、選択された画像データ２０に差し替えて画面１４７に表示する。
ＧＵＩ１４０は、さらに、差し替え後の画像データ２０と、差し替え前の画像データ２０に対応する画像分類名３１とを学習データとして、統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った一対の画像データ２０（テスト用画像データ２２）および画像分類名３１を学習データとして保存する。このとき、ＧＵＩ１４０は、差し替え後の画像データ２０と、差し替え前の画像データ２０に対応する画像分類名３１とを学習データとして、情報処理部１８０に送る。情報処理部１８０は、差し替え後の画像データ２０と、差し替え前の画像データ２０に対応する画像分類名３１とを学習データとして機械学習を行い、学習結果を統合情報データベース１７０に送る。統合情報データベース１７０は、受け取った学習結果を保存する。このように、ＧＵＩ１４０は、ユーザから、手術リストに含まれる画像データ２０を別の画像データ２０に差し替える処理を受け付けた場合には、画像分類学習プログラム１３０がロードされた情報処理部１８０は、差し替え後の画像データ２０と、差し替え前の画像データ２０に対応する画像分類名３１とを学習データとして機械学習を行う。
［効果］
次に、本実施の形態に係る情報処理システム１００の効果について説明する。
近年、様々な業務がシステム化され、人手による作業の省力化が進んでいる。しかし、システム同士の仕様が異なる場合には、システム同士で連携することが難しい。その結果、ユーザは、ある業務を行う際に、仕様の異なる様々なシステムを個別に操作することが必要となる場合がある。例えば、ユーザが、２つのシステムから抽出したデータ（以下、「データＡ，Ｂ」と称する。）を元に、別のシステムのデータ（以下、「データＣ」と称する。）を抽出しようとした場合、システム間の仕様の違いに起因して、データＡ，Ｂを元にデータＣを自動で抽出することができず、ユーザが、手作業でデータＣを探すことになる場合がある。この場合には、人手によるデータ探索が必要であり、システム化が、人手による作業の省力化に寄与しているとは言い難い。
そこで、システム同士での連携が行えるよう、仕様の互いに異なる既存のシステムを仕様の互いに等しいシステムに置き換えることが考えられる。また、例えば、上記特許文献１に記載したように、各システムのデータ間の連携関係を定義する書式対応テーブルを設けることも考えられる。
しかし、システムの置き換えには、例えば、意味が重複するデータや、形式が異なるデータ、サイズが異なるデータのフォーマットや関連付けを再設計し、データコンバートを行い、新しいシステムへデータ入力を行う必要がある。また、システムを置き換えたり、書式対応テーブルを設けたりする場合には、運用途中でそれぞれのデータベースにおけるデータフォーマットやデータの関連付けの変更をすることができない。
一方、本実施の形態では、画像情報データベース２００の画像データ２０と、各画像データ２０の種類を区別する複数の画像分類名３１のうちの１つである画像分類名３１とを学習データとして、画像分類学習プログラム１３０がロードされた情報処理部１８０において機械学習が行われる。さらに、テキスト情報データベース３００のテキストデータ１０に含まれるカラムデータセット１１ｓ、もしくは、テキスト情報データベース３００のカラムデータセット１１ｓと、複数の画像分類名３１のうちの１つである画像分類名３１とを学習データとして、テキスト分類学習プログラム１６０がロードされた情報処理部１８０において機械学習が行われる。
このように、本実施の形態では、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）の連携に、共通の識別子（画像分類名３１）を学習データとする２つの機械学習が行われる。これにより、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）を連携させるために、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けを再設計する必要がない。しかも、運用途中で、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）の連携に支障を与えることなく、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けの変更をすることもできる。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
また、本実施の形態では、テキスト情報データベース３００のテキストデータ１０に含まれるカラムデータセット１１ｓ、または、テキスト情報データベース３００のカラムデータセット１１ｓに対して、２つの機械学習による学習結果を適用することにより、カラムデータセット１１ｓに関連する画像データ２０（キー画像データ）が取得される。これにより、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）を連携させるために、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けを再設計する必要がない。しかも、運用途中で、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）の連携に支障を与えることなく、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けの変更をすることもできる。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
また、本実施の形態では、テキスト情報データベース３００のテキストデータ１０に含まれるカラムデータセット１１ｓ、または、テキスト情報データベース３００のカラムデータセット１１ｓが統合情報データベース１７０に記憶される。これにより、テキストデータ１０またはカラムデータセット１１ｓを取得する際に、外部のデータベース（画像情報データベース２００、テキスト情報データベース３００）に頻繁にアクセスする必要がなくなるので、システム間の連携をスピーディーに行うことができる。
また、本実施の形態では、画像データ２０と、テキストデータ１０もしくはカラムデータセット１１ｓとの関連付けが、画像分類名３１という識別子を用いて行われる。これにより、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）を連携させるために、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けを再設計する必要がない。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
また、本実施の形態では、識別子として用いられる画像分類名３１が、画像データ２０の種類を分類する名前またはそれに対応する文字列もしくは数列を含んで構成されている。これにより、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）を連携させるために、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けを再設計する必要がない。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
また、本実施の形態では、テキスト（例えば、ファイル名やメタタグなど）が画像データ２０に付随している場合であっても、そのテキストを利用しないで機械学習が行われる。これにより、２つのデータベース（画像情報データベース２００、テキスト情報データベース３００）を連携させるために、それぞれのデータベース（画像情報データベース２００、テキスト情報データベース３００）におけるデータフォーマットやデータの関連付けを再設計する必要がない。従って、現状のシステムを生かしつつ、簡易かつ柔軟な方法でシステム間の連携を行うことができる。
また、本実施の形態では、テキストデータ１０もしくはカラムデータセット１１ｓに含まれる全部もしくは一部のデータと、テキストデータ１０もしくはカラムデータセット１１ｓに関連する画像データ２０とを関連付けた手術リストが生成される。これにより、例えば、医療関係者は、手術の際に、患者の取り違えや、手術部位の勘違いをすることを低減することができる。
また、本実施の形態では、ユーザが、手術リストに含まれる画像データ２０を別の画像データ２０に差し替えた場合には、差し替え後の画像データ２０と、差し替え前の画像データ２０に対応する画像分類名３１とを学習データとして機械学習が行われる。これにより、学習の精度を高めることができる。
＜２．変形例＞
次に、上記実施の形態に係る情報処理システム１００の変形例について説明する。
上記実施の形態において、外部のデータベースの数は、３つ以上となっていてもよい。また、上記実施の形態では、テキストデータ１０は、手術情報で構成されていたが、手術情報以外の情報で構成されていてもよい。
上記実施の形態およびその変形例において、情報処理システム１００は、画像情報データベース２００のデータ（画像データ２０）をあらかじめ、統合情報データベース１７０に格納せず、必要なときに必要なだけ、画像情報データベース２００から画像データ２０を読み出すようにしてもよい。同様に、情報処理システム１００は、テキスト情報データベース３００のテキストデータ１０（またはカラムデータセット１１ｓ）をあらかじめ、統合情報データベース１７０に格納せず、必要なときに必要なだけ、テキスト情報データベース３００から、テキストデータ１０（またはカラムデータセット１１ｓ）を読み出すようにしてもよい。このようにした場合には、統合情報データベース１７０の容量を最小限に抑えることができる。
１０，１０Ａ，１０Ｂ…テキストデータ、１１…カラムデータ、１１－１，１１－２，１１－３…指定カラムデータ、１１ｃ…カスタマイズカラムデータ、１１ｓ…カラムデータセット、１２…タグ、１２－１，１２－２，１２－３…指定タグ、１２ｓ…タグセット、１３…内容、２０，２３…画像データ、２１…学習用画像データ、２２…テスト用画像データ、３０…画像分類名リスト、３１…画像分類名、４０，４０Ａ，４０Ｂ，４０Ｃ…画像分類モデル、１００…情報処理システム、１１１，１１２，１４１，１４７…画面、１１３，１１４，１１５，１１６，１１７，１１９，１４３，１４４，１４５，１４６…ボタン、１１８…一覧窓、１１０，１４０…ＧＵＩ、１２０…画像データＩＦ、１３０，１３１，１３２…画像分類学習プログラム、１５０…テキストデータＩＦ、１６０…テキスト分類学習プログラム、１７１，１７２…学習データ、１８０…情報処理部、２００…画像情報データベース、３００…テキスト情報データベース、１１００，２１００，３１００…ＣＰＵ、１２００，２２００，３２００…メモリ、１３００，２３００，３３００…ネットワークＩＦ、１４００…入力装置、１５００…出力装置、２０００，３０００…情報処理システム、４０００…ネットワーク。

Claims (5)

  1. 仕様の互いに異なる第１システムおよび第２システムの連携を可能にする情報処理システムであって、
    前記第１システムは、複数の画像データを記憶する第１データベースを備え、
    前記第２システムは、複数のテキストデータを記憶する第２データベースを備え、
    当該情報処理システムは、
    所定の条件に合致する前記テキストデータである特定テキストデータを前記第２データベースから読み出す第１読み出し部と、
    前記第１データベースから読み出した前記画像データと、複数の識別子のうちの１つである第１識別子とを関連付けた第１データと、前記第２データベースから読み出した前記テキストデータと、前記複数の識別子のうちの１つである第２識別子とを関連付けた第２データとに基づいて、前記複数の識別子の中から、前記特定テキストデータに対応する識別子である第３識別子を推定する推定部と、
    推定により得られた前記第３識別子に対して適した画像データである特定画像データを前記第１データベースから読み出す第２読み出し部と
    を備えた
    情報処理システム。
  2. 前記画像データは、患者が検査の際の撮影により得られたデータであり、
    前記テキストデータは、手術データであり、
    前記識別子は、前記画像データの種類を分類する名前またはそれに対応する文字列もしくは数列である
    請求項１に記載の情報処理システム。
  3. 前記第１データおよび前記第２データを生成する生成部と、
    前記生成部で生成した前記第１データおよび前記第２データを記憶する第３データベースと
    を更に備えた
    請求項１または請求項２に記載の情報処理システム。
  4. 前記特定テキストデータおよび前記特定画像データを表示する表示部を更に備えた
    請求項１ないし請求項３のいずれか一項に記載の情報処理システム。
  5. 前記特定画像データを、前記第１データベースから新たに読み出した前記画像データである差し替え画像データに差し替える差し替え部を更に備え、
    前記表示部は、前記特定テキストデータおよび前記差し替え画像データを表示する
    請求項４に記載の情報処理システム。
JP2018208464A 2018-10-18 2018-10-18 情報処理システム Active JP7060852B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018208464A JP7060852B2 (ja) 2018-10-18 2018-10-18 情報処理システム
PCT/JP2019/042082 WO2020080556A1 (ja) 2018-10-18 2019-10-18 情報処理システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018208464A JP7060852B2 (ja) 2018-10-18 2018-10-18 情報処理システム

Publications (2)

Publication Number Publication Date
JP2020064581A JP2020064581A (ja) 2020-04-23
JP7060852B2 true JP7060852B2 (ja) 2022-04-27

Family

ID=70282937

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018208464A Active JP7060852B2 (ja) 2018-10-18 2018-10-18 情報処理システム

Country Status (2)

Country Link
JP (1) JP7060852B2 (ja)
WO (1) WO2020080556A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202407555A (zh) * 2022-08-02 2024-02-16 日商索尼半導體解決方案公司 資訊處理裝置、資訊處理方法、及記錄媒體

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193399A (ja) 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2018005640A (ja) 2016-07-04 2018-01-11 タカノ株式会社 分類器生成装置、画像検査装置、及び、プログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1708099A1 (en) * 2005-03-29 2006-10-04 BRITISH TELECOMMUNICATIONS public limited company Schema matching
US20150161331A1 (en) * 2013-12-04 2015-06-11 Mark Oleynik Computational medical treatment plan method and system with mass medical analysis
JP6397385B2 (ja) * 2015-08-21 2018-09-26 日本電信電話株式会社 学習装置、探索装置、方法、及びプログラム
JP6738163B2 (ja) * 2016-03-01 2020-08-12 キヤノン株式会社 診断支援装置、診断支援装置が実行する方法及びプログラム
KR20230118194A (ko) * 2016-06-28 2023-08-10 하트플로우, 인크. 지리적 지역들에 걸친 분석용 건강 데이터를 수정 및 편집하기 위한 시스템 및 방법
US10692015B2 (en) * 2016-07-15 2020-06-23 Io-Tahoe Llc Primary key-foreign key relationship determination through machine learning

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193399A (ja) 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2018005640A (ja) 2016-07-04 2018-01-11 タカノ株式会社 分類器生成装置、画像検査装置、及び、プログラム

Also Published As

Publication number Publication date
JP2020064581A (ja) 2020-04-23
WO2020080556A1 (ja) 2020-04-23

Similar Documents

Publication Publication Date Title
JP6796413B2 (ja) 医療支援方法及び医療支援システム
CN107405079A (zh) 用于解剖区域的视频图像的内容管理的方法和系统
JP2015203920A (ja) 類似症例検索システム、類似症例検索方法及びプログラム
JP2016101297A (ja) 眼科情報処理システムおよび眼科情報処理方法
US20070179814A1 (en) System For Processing Data Representing A Deficiency In A Record
JP2009112802A (ja) 画像診断支援システム及び画像診断支援プログラム
JP7060852B2 (ja) 情報処理システム
CN109545332A (zh) 一种医学影像工作站系统
WO2003046800A1 (en) System process and logic element for providing and managing record keeping applications
JP2018055278A (ja) 医用情報処理装置、医用情報処理システム、医用情報処理方法およびプログラム
US20030229614A1 (en) Hand-held data entry system and method for medical procedures
JP2006075416A (ja) 医用画像システム
JP5228848B2 (ja) 画像表示装置
JP5027436B2 (ja) 放射線機器操作補助システムとその処理方法
JP2019141642A (ja) 眼科情報処理システム
CN109804345B (zh) 通过自动分类进行打印
US20020059315A1 (en) Medical data processing method and medical data processing system
CN110291590A (zh) 用于收集大医学图像数据的系统和方法
JP6771328B2 (ja) 紹介状作成支援システム、紹介状作成支援装置及び紹介状作成支援方法
JP2002342485A (ja) 読影支援方法、読影支援システム、読影支援連携装置、この方法の実行プログラム、及びこの方法の実行プログラムを記録した記録媒体
JP2001344346A (ja) 音声入力付き電子カルテ処理装置
CN107580038A (zh) 一种专家推荐方法及系统
WO2018026003A1 (ja) 医療器材用メモ情報管理装置、医療器材用メモ情報管理システム
JP5181008B2 (ja) 自動処理リスト作成装置、方法並びにプログラム
US9280253B2 (en) Application coordinating system, application coordinating method, and application coordinating program

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190228

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200918

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210803

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211001

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: 20220308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220331

R150 Certificate of patent or registration of utility model

Ref document number: 7060852

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150