WO2023286199A1

WO2023286199A1 - 処理装置、処理プログラム、処理方法及び処理システム

Info

Publication number: WO2023286199A1
Application number: PCT/JP2021/026442
Authority: WO
Inventors: 祐二有安; 将司早出; 渉 ▲高▼橋; 佳大轟; 敦史福田; 浩之吉原
Original assignee: アイリス株式会社
Priority date: 2021-07-14
Filing date: 2021-07-14
Publication date: 2023-01-19
Also published as: JPWO2023286199A1; US20240130604A1; KR20240032748A; CN117651517A; EP4371466A1

Abstract

【課題】　口腔内の診断に用いるために口腔内を撮影して得られた画像を処理するのに適した処理装置等を提供する。【解決手段】　少なくとも一つのプロセッサを含み、前記少なくとも一つのプロセッサが、使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得し、所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定し、判定された前記罹患の可能性を示す情報を出力する、ための処理をするように構成される、処理装置が提供される。

Description

処理装置、処理プログラム、処理方法及び処理システム

　本開示は、カメラによって撮影された被写体の画像を処理するための処理装置、処理プログラム、処理方法及び処理システムに関する。

　従来より、医者によって、使用者の口腔の状態の変化を観察して、例えばウイルス性の風邪などの診断をすることが知られていた。非特許文献１は、口腔内に位置する咽頭の最深部に出現するリンパ濾胞にはインフルエンザに特有のパターンがあることを報告している。この特有のパターンを有するリンパ濾胞はインフルエンザ濾胞と呼ばれ、インフルエンザに特徴的なサインであって、発症後２時間程度で出現するとされる。しかし、このような咽頭部分は医師が直接視診することによって診断されており、画像を用いた診断がなされてこなかった。

宮本・渡辺著「咽頭の診察所見（インフルエンザ濾胞）の意味と価値の考察」日大医誌７２（１）：１１～１８（２０１３）

　そこで、上記のような技術を踏まえ、本開示では、様々な実施形態により、使用者の口腔を撮像して得られた被写体の判定画像を用いて、所定の疾患に対する罹患の可能性を判定するための処理装置、処理プログラム、処理方法又は処理システムを提供することを目的とする。

　本開示の一態様によれば、「少なくとも一つのプロセッサを含み、前記少なくとも一つのプロセッサが、使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得し、所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定し、判定された前記罹患の可能性を示す情報を出力する、ための処理をするように構成される、処理装置」が提供される。

　本開示の一態様によれば、「少なくとも一つのプロセッサにより実行されることにより、使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得し、所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定し、判定された前記罹患の可能性を示す情報を出力する、ように前記少なくとも一つのプロセッサを機能させる処理プログラム」が提供される。

　本開示の一態様によれば、「少なくとも１つのプロセッサにより実行される処理方法であって、使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得する段階と、所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定する段階と、判定された前記罹患の可能性を示す情報を出力する段階と、を含む処理方法」が提供される。

　本開示の一態様によれば、「前記使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを備える撮影装置と、前記撮影装置と有線又は無線ネットワークを介して接続された上記記載の処理装置と、を含む処理システム」が提供される。

　本開示によれば、口腔内の診断に用いるために口腔内を撮影して得られた画像を処理するのに適した処理装置、処理プログラム、処理方法及び処理システムを提供することができる。

　なお、上記効果は説明の便宜のための例示的なものであるにすぎず、限定的なものではない。上記効果に加えて、又は上記効果に代えて、本開示中に記載されたいかなる効果や当業者であれば明らかな効果を奏することも可能である。

図１は、本開示の一実施形態に係る処理システム１の使用状態を示す図である。図２は、本開示の一実施形態に係る処理システム１の使用状態を示す図である。図３は、本開示の一実施形態に係る処理システム１の概略図である。図４は、本開示の一実施形態に係る処理システム１の構成を示すブロック図である。図５は、本開示の一実施形態に係る撮影装置２００の上面の構成を示す概略図である。図６は、本開示の一実施形態に係る撮影装置２００の断面の構成を示す概略図である。図７Ａは、本開示の一実施形態に係る処理装置１００に記憶される画像管理テーブルを概念的に示す図である。図７Ｂは、本開示の一実施形態に係る処理装置１００に記憶される使用者テーブルを概念的に示す図である。図８は、本開示の一実施形態に係る処理装置１００と撮影装置２００との間で実行される処理シーケンスを示す図である。図９は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。図１０は、本開示の一実施形態に係る撮影装置２００において実行される処理フローを示す図である。図１１は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。図１２は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。図１３は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。図１４は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。図１５は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。図１６は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。図１７は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。図１８は、本開示の一実施形態に係る処理装置１００に表示される画面の例を示す図である。図１９は、本開示の一実施形態に係る処理装置１００に表示される画面の例を示す図である。図２０は、本開示の一実施形態に係る処理システム１の概略図である。

　添付図面を参照して本開示の様々な実施形態を説明する。なお、図面における共通する構成要素には同一の参照符号が付されている。

＜第１実施形態＞
１．処理システム１の概要
　本開示に係る処理システム１は、主に使用者の口腔の内部を撮影し被写体画像を得るために用いられる。特に、当該処理システム１は、口腔の喉奥周辺、具体的には咽頭を撮影するために用いられる。したがって、以下においては、本開示に係る処理システム１を咽頭の撮影に用いた場合について主に説明する。ただし、咽頭は撮影部位の一例であって、当然に、口腔内であれば扁桃などの他の部位であっても、本開示に係る処理システム１を好適に用いることができる。

　本開示に係る処理システム１は、使用者の口腔の少なくとも咽頭領域が含まれた被写体を撮影して得られた被写体画像から、所定の疾患に対する罹患の可能性を判定し、所定の疾患に対する診断又はその補助をするために用いられる。処理システム１によって判定される疾患の一例としては、インフルエンザが挙げられる。通常、インフルエンザの罹患の可能性は、使用者の咽頭や扁桃領域を診察したり、咽頭領域に濾胞などの所見の有無を判断することによって診断される。しかし、処理システム１を用いてインフルエンザに対する罹患の可能性を判定しその結果を出力することで、その診断又は補助をすることが可能となる。なお、インフルエンザの罹患の可能性の判定は一例である。処理システム１は、罹患することによって口腔内の所見に差が現れる疾患の判定であれば、いずれであっても好適に用いることができる。なお、所見の差とは、医師等により発見されかつ医学的にその存在が既知となっているものに限らない。例えば、医師以外の者によって認識され得る差や、人工知能や画像認識技術によってその検出が可能な差であれば、処理システム１に対して好適に適用することが可能である。そのような疾患の一例としては、インフルエンザのほかに、溶連菌感染症、アデノウイルス感染症、ＥＢウイルス感染症、マイコプラズマ感染症、手足口病、ヘルパンギーナ、カンジダ症などの感染症、動脈硬化、糖尿病、高血圧症などの血管障害または粘膜障害を呈する疾病、舌癌、咽頭癌などの腫瘍などが挙げられる。

　なお、本開示において、疾患に対する「判定」や「診断」等の用語を用いるが、これらは医師による確定的な判定又は診断を必ずしも意味するものではない。例えば、本開示の処理システム１を使用者自らが使用したり、医師以外の操作者が使用したりして、処理システム１に含まれる処理装置１００によって判定又は診断されることも当然に含みうる。

　また、本開示において、撮影装置２００による撮影の対象となる使用者は、患者、被検者、診断使用者、健常者など、あらゆるヒトを含みうる。また、本開示において撮影装置２００を保持して撮影の操作を行う操作者は、医師、看護師、検査技師などの医療従事者に限らず、使用者自身などあらゆるヒトを含みうる。本開示に係る処理システム１は、典型的には医療機関で使用されることが想定される。しかし、この場合に限らず、例えば使用者の自宅や学校、職場など、その使用場所はいずれでもよい。

　また、本開示においては、上記のとおり、被写体としては使用者の口腔の少なくとも一部が含まれていればよい。また、判定される疾患も口腔内の所見に差が現れる疾患であればいずれでもよい。しかし、以下においては、被写体として咽頭又は咽頭周辺を含み、疾患としてインフルエンザに対する罹患の可能性を判定する場合について説明する。

　また、本開示においては、被写体画像や判定画像は、一又は複数の動画であってもよいし一又は複数の静止画であってもよい。動作の一例としては、電源ボタンが押下されると、カメラによるスルー画像の取り込みを行い、取り込まれたスルー画像がディスプレイ２０３に表示される。その後、操作者によって撮影ボタンが押下されると、一又は複数の静止画像がカメラによって撮影され、撮影された画像をディスプレイ２０３に表示する。又は、使用者によって撮影ボタンが押下されると、動画の撮影が開始され、その間カメラで撮像されている画像がディスプレイ２０３に表示される。そして、再度撮影ボタンが押下されると動画の撮像が終了される。このように、一連の動作において、スルー画像や静止画、動画など様々な画像がカメラによって撮像され、ディスプレイに表示されるが、被写体画像はこれらのうちの特定の画像のみを意味するのではなく、カメラで撮像された画像の全てを含みうる。

　図１は、本開示の一実施形態に係る処理システム１の使用状態を示す図である。図１によれば、本開示に係る処理システム１は、処理装置１００と撮影装置２００とを含む。操作者は、撮影装置２００の先端に補助具３００を被覆するように装着し、補助具３００とともに撮影装置２００を使用者の口腔７１０に挿入する。具体的には、まず、操作者（使用者７００自らの場合もあれば使用者７００とは異なるものの場合もある）が撮影装置２００の先端に、補助具３００を被覆するように装着する。そして、操作者は、補助具３００が装着された撮影装置２００を、口腔７１０内に挿入する。このとき補助具３００の先端は、門歯７１１を通過して軟口蓋７１３近辺まで挿入される。つまり、撮影装置２００も同様に軟口蓋７１３近辺まで挿入される。このとき、補助具３００（舌圧子として機能する。）によって、舌７１４が下方へ押しやられ舌７１４の動きが制限される。また、補助具３００の先端によって軟口蓋７１３が上方へ押しやられる。これによって、操作者は、撮影装置２００の良好な視野を確保して、撮影装置２００の前方に位置する咽頭７１５の良好な撮影が可能となる。

　撮影された被写体画像（典型的には、咽頭７１５を含む画像）は、撮影装置２００から有線又は無線ネットワークで通信可能に接続された処理装置１００に送信される。被写体画像を受信した処理装置１００のプロセッサがメモリに記憶されたプログラムを処理することによって、被写体画像から判定に用いられる判定画像の選択が行われるとともに、所定の疾患に対する罹患の可能性が判定される。そして、結果がディスプレイなどに出力される。

　図２は、本開示の一実施形態に係る処理システム１の使用状態を示す図である。具体的には、図２は、処理システム１のうち撮影装置２００について、操作者６００が把持した状態を示す図である。図２によれば、撮影装置２００は、口腔内に挿入される側から、本体２０１、グリップ２０２及びディスプレイ２０３により構成される。本体２０１及びグリップ２０２は、口腔への挿入方向Ｈに沿って所定長の略柱状に形成される。また、ディスプレイ２０３は、グリップ２０２の本体２０１側とは反対側に配置される。そのため、撮影装置２００は、全体として略柱状に形成されており、鉛筆を把持するような持ち方をすることによって、操作者６００に把持される。つまり、使用状態においてディスプレイ２０３の表示パネルが操作者６００自身の方向を向くため、撮影装置２００によって撮像された被写体画像をリアルタイムで確認しながら撮影装置２００を容易に取り扱うことが可能である。

　また、ディスプレイ２０３に被写体画像が通常の向きに表示される向きで操作者６００がグリップ２０２を把持するとき、撮影ボタン２２０がグリップの上面側に配置されるように構成されている。そのため、操作者６００が把持したときに、操作者６００が撮影ボタン２２０を人差し指等で容易に押下可能になっている。

２．処理システム１の構成
　図３は、本開示の一実施形態に係る処理システム１の概略図である。図３によれば、処理システム１は、処理装置１００と、当該処理装置１００に有線又は無線ネットワークを介して通信可能に接続された撮影装置２００とを含む。処理装置１００は、操作者による操作入力を受け付けて、撮影装置２００による撮影を制御する。また、処理装置１００は、撮影装置２００によって撮影された被写体画像を処理して、使用者のインフルエンザへの罹患の可能性を判定する。さらに、処理装置１００は、判定された結果を出力して、使用者、操作者又は医師等に、その結果を通知する。

　撮影装置２００は、その先端が使用者の口腔内に挿入されて、口腔内、特に咽頭を撮影する。その具体的な撮影処理については、後述する。撮影された被写体画像は、有線又は無線ネットワークを介して処理装置１００へ送信される。

　なお、処理システム１は、必要に応じてさらに載置台４００を含むことが可能である。載置台４００は、撮影装置２００を安定的に載置することが可能である。また、載置台４００は、有線ケーブルを介して電源に接続することで、載置台４００の給電端子から撮影装置２００の給電ポートを通じて撮影装置２００に給電することが可能である。

　図４は、本開示の一実施形態に係る処理システム１の構成を示すブロック図である。図４によると、処理システム１は、プロセッサ１１１、メモリ１１２、入力インターフェイス１１３、出力インターフェイス１１４及び通信インターフェイス１１５を含む処理装置１００と、カメラ２１１、光源２１２、プロセッサ２１３、メモリ２１４、表示パネル２１５、入力インターフェイス２１０及び通信インターフェイス２１６を含む撮影装置２００とを含む。これらの各構成要素は、互いに、制御ライン及びデータラインを介して互いに電気的に接続される。なお、処理システム１は、図４に示す構成要素のすべてを備える必要はなく、一部を省略して構成することも可能であるし、他の構成要素を加えることも可能である。例えば、処理システム１は、各構成要素を駆動するためのバッテリ等を含むことが可能である。

　まず、処理装置１００のうち、プロセッサ１１１は、メモリ１１２に記憶されたプログラムに基づいて処理システム１の他の構成要素の制御を行う制御部として機能する。プロセッサ１１１は、メモリ１１２に記憶されたプログラムに基づいて、カメラ２１１の駆動、光源２１２の駆動を制御するとともに、撮影装置２００から受信した被写体画像をメモリ１１２に記憶し、記憶された被写体画像を処理する。具体的には、プロセッサ１１１は、カメラ２１１から被写体の被写体画像を取得する処理、判定画像選択モデルに取得された被写体画像を入力して判定画像の候補を取得する処理、取得された判定画像の候補から各画像間の類似度に基づいて判定画像を取得する処理、使用者の問診情報及び属性情報の少なくともいずれか一つを取得する処理、メモリ１１２に記憶された学習済み判定モデルと、取得された一又は複数の判定画像と、必要に応じて使用者の問診情報及び属性情報の少なくともいずれかとに基づいてインフルエンザに対する罹患の可能性を判定する処理、所定の疾患に対する罹患を診断するため又はその診断を補助するために判定された罹患の可能性を示す情報を出力する処理などを、メモリ１１２に記憶されたプログラムに基づいて実行する。プロセッサ１１１は、主に一又は複数のＣＰＵにより構成されるが、適宜ＧＰＵやＦＰＧＡなどを組み合わせてもよい。

　メモリ１１２は、ＲＡＭ、ＲＯＭ、不揮発性メモリ、ＨＤＤ等から構成され、記憶部として機能する。メモリ１１２は、本実施形態に係る処理システム１の様々な制御のための指示命令をプログラムとして記憶する。具体的には、メモリ１１２は、カメラ２１１から被写体の被写体画像を取得する処理、判定画像選択モデルに取得された被写体画像を入力して判定画像の候補を取得する処理、取得された判定画像の候補から各画像間の類似度に基づいて判定画像を取得する処理、使用者の問診情報及び属性情報の少なくともいずれか一つを取得する処理、メモリ１１２に記憶された学習済み判定モデルと、取得された一又は複数の判定画像と、必要に応じて使用者の問診情報及び属性情報の少なくともいずれかとに基づいてインフルエンザに対する罹患の可能性を判定する処理、所定の疾患に対する罹患を診断するため又はその診断を補助するために判定された罹患の可能性を示す情報を出力する処理などプロセッサ１１１が実行するためのプログラムを記憶する。また、メモリ１１２は、当該プログラムのほかに、撮影装置２００のカメラ２１１で撮像された被写体画像や当該画像等を管理する画像管理テーブル、使用者の属性情報や問診情報、判定結果等を記憶する使用者テーブルなどを記憶する。また、メモリ１１２は、被写体画像から判定画像の選択に用いられる学習済み判定画像選択モデルや、判定画像から疾患に対する罹患の可能性を判定するための学習済み判定モデル等の各学習済みモデルを記憶する。

　入力インターフェイス１１３は、処理装置１００及び撮影装置２００に対する操作者の指示入力を受け付ける入力部として機能する。入力インターフェイス１１３の一例としては、撮影装置２００による録画の開始・終了を指示するための「撮影ボタン」、各種選択を行うための「確定ボタン」、前画面に戻ったり入力した確定操作をキャンセルするための「戻る／キャンセルボタン」、出力インターフェイス１１４に出力されたポインタ等の移動をするための十字キーボタン、処理装置１００の電源のオンオフをするためのオン・オフキー、様々な文字を入力するための文字入力キーボタン等の物理キーボタンが挙げられる。なお、入力インターフェイス１１３には、出力インターフェイス１１４として機能するディスプレイに重畳して設けられ、ディスプレイの表示座標系に対応する入力座標系を有するタッチパネルを用いることも可能である。この場合、ディスプレイに上記物理キーに対応するアイコンが表示され、タッチパネルを介して操作者が指示入力を行うことで、各アイコンに対する選択が行われる。タッチパネルによる使用者の指示入力の検出方式は、静電容量式、抵抗膜式などいかなる方式であってもよい。入力インターフェイス１１３は、常に処理装置１００に物理的に備えられる必要はなく、有線や無線ネットワークを介して必要に応じて接続されてもよい。

　出力インターフェイス１１４は、撮影装置２００によって撮影された被写体画像を出力したり、プロセッサ１１１で判定された結果を出力するための出力部として機能する。出力インターフェイス１１４の一例としては、液晶パネル、有機ＥＬディスプレイ又はプラズマディスプレイ等から構成されるディスプレイが挙げられる。しかし、必ずしも処理装置１００そのものにディスプレイが備えられている必要はない。例えば、有線又は無線ネットワークを介して処理装置１００と接続可能なディスプレイ等と接続するためのインターフェイスが、当該ディスプレイ等に表示データを出力する出力インターフェイス１１４として機能することも可能である。

　通信インターフェイス１１５は、有線又は無線ネットワークを介して接続された撮影装置２００に対して撮影開始などに関連する各種コマンドや撮影装置２００で撮影された画像データを送受信するための通信部として機能する。通信インターフェイス１１５の一例としては、ＵＳＢ、ＳＣＳＩなどの有線通信用コネクタや、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線などの無線通信用送受信デバイスや、プリント実装基板やフレキシブル実装基板用の各種接続端子など、様々なものが挙げられる。

　次に、撮影装置２００のうち、カメラ２１１は、被写体である口腔に反射した反射光を検出して被写体画像を生成する撮像部として機能する。カメラ２１１は、その光を検出するために、一例としてＣＭＯＳイメージセンサと、所望の機能を実現するためのレンズ系と駆動系を備える。イメージセンサは、ＣＭＯＳイメージセンサに限らず、ＣＣＤイメージセンサ等の他のセンサを用いることも可能である。カメラ２１１は、特に図示はしないが、オートフォーカス機能を有することができ、例えばレンズの正面に焦点が特定部位に合うように設定されていることが好ましい。また、カメラ２１１は、ズーム機能を有することができ、咽頭又はインフルエンザ濾胞のサイズに応じて適切な倍率で撮像するように設定されていることが好ましい。

　ここで、口腔内に位置する咽頭の最深部に出現するリンパ濾胞にはインフルエンザに特有のパターンがあることが知られている。この特有のパターンを有するリンパ濾胞はインフルエンザ濾胞と呼ばれ、インフルエンザに特徴的なサインであって、発症後２時間程度で出現されるとされる。上記のとおり、本実施形態の処理システム１は、例えば口腔の咽頭を撮像して、上記濾胞を検出することにより、使用者のインフルエンザへの罹患の可能性を判定するために用いられる。そのため、撮影装置２００が口腔へ挿入されると、カメラ２１１と被写体との距離が比較的近くなる。したがって、カメラ２１１は、［（カメラ２１１の先端部から咽頭後壁までの距離）＊ｔａｎθ］によって算出される値が垂直２０ｍｍ以上及び水平４０ｍｍ以上となる画角（２θ）を有するのが好ましい。このような画角を有するカメラを用いることによって、カメラ２１１と被写体とが近接していたとしても、より広範な範囲の撮像が可能となる。すなわち、カメラ２１１は、通常のカメラを用いることも可能であるが、いわゆる広角カメラや超広角カメラと呼ばれるカメラを用いることも可能である。

　また、本実施形態において、カメラ２１１によって撮像される主な被写体は咽頭や咽頭部分に形成されたインフルエンザ濾胞である。一般に咽頭は奥行き方向に奥まって形成されるため、被写界深度が浅いと咽頭前部と咽頭後部の間で焦点がずれ、処理装置１００での判定に用いるのに適切な被写体画像を得ることが困難になる。したがって、カメラ２１１は少なくとも２０ｍｍ以上、好ましくは３０ｍｍ以上の被写界深度を有する。このような被写界深度を有するカメラを用いることによって、咽頭前部から咽頭後部にかけていずれの部位でも焦点があった被写体画像を得ることが可能となる。

　光源２１２は、処理装置１００又は撮影装置２００からの指示によって駆動され、口腔内に光を照射するための光源部として機能する。光源２１２は、一又は複数の光源を含む。本実施形態においては、光源２１２は、一又は複数のＬＥＤから構成され、各ＬＥＤから所定の周波数帯域を有する光が口腔方向に照射される。光源２１２には、紫外光帯域、可視光帯域、赤外光帯域の中から所望の帯域を有する光、又はそれらの組み合わせが用いられる。なお、処理装置１００においてインフルエンザの罹患の可能性の判定を行う場合には、紫外光帯域の短波長帯域の光を用いるのが好ましい。

　プロセッサ２１３は、メモリ２１４に記憶されたプログラムに基づいて撮影装置２００の他の構成要素の制御を行う制御部として機能する。プロセッサ２１３は、メモリ２１４に記憶されたプログラムに基づいて、カメラ２１１の駆動、光源２１２の駆動を制御するとともに、カメラ２１１によって撮像された被写体画像のメモリ２１４への記憶を制御する。また、プロセッサ２１３は、メモリ２１４に記憶された被写体画像や使用者の情報のディスプレイ２０３への出力や、処理装置１００への送信を制御する。プロセッサ２１３は、主に一又は複数のＣＰＵにより構成されるが、他のプロセッサと適宜組み合わせてもよい。

　メモリ２１４は、ＲＡＭ、ＲＯＭ、不揮発性メモリ、ＨＤＤ等から構成され、記憶部として機能する。メモリ２１４は、撮影装置２００の様々な制御のための指示命令をプログラムとして記憶する。また、メモリ２１４は、当該プログラムのほかに、カメラ２１１で撮像された被写体画像、使用者の各種情報などを記憶する。

　表示パネル２１５は、ディスプレイ２０３に設けられ撮影装置２００によって撮像された被写体画像を表示するための表示部として機能する。表示パネル２１５は、液晶パネルによって構成されるが、液晶パネルに限らず、有機ＥＬディスプレイやプラズマディスプレイ等から構成されていてもよい。

　入力インターフェイス２１０は、処理装置１００及び撮影装置２００に対する使用者の指示入力を受け付ける入力部として機能する。入力インターフェイス２１０の一例としては、撮影装置２００による録画の開始・終了を指示するための「撮影ボタン」、撮影装置２００の電源のオンオフをするための「電源ボタン」、各種選択を行うための「確定ボタン」、前画面に戻ったり入力した確定操作をキャンセルするための「戻る／キャンセルボタン」、表示パネル２１５に表示されたアイコン等の移動をするための十字キーボタン等の物理キーボタンが挙げられる。なお、これらの各種ボタン・キーは、物理的に用意されたものであってもよいし、表示パネル２１５にアイコンとして表示され、表示パネル２１５に重畳して入力インターフェイス２１０として配置されたタッチパネル等を用いて選択可能にしたものであってもよい。タッチパネルによる使用者の指示入力の検出方式は、静電容量式、抵抗膜式などいかなる方式であってもよい。

　通信インターフェイス２１６は、撮影装置２００及び／又は他の装置と情報の送受信を行うための通信部として機能する。通信インターフェイス２１６の一例としては、ＵＳＢ、ＳＣＳＩなどの有線通信用コネクタや、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線などの無線通信用送受信デバイスや、プリント実装基板やフレキシブル実装基板用の各種接続端子など、様々なものが挙げられる。

　図５は、本開示の一実施形態に係る撮影装置２００の構成を示す上面図である。具体的には、図５は、口腔に挿入される方から本体２０１、グリップ２０２及びディスプレイ２０３を含む撮影装置２００を上方からみた状態を示す図である。図５によると、本体２０１は、基端２２５及び先端２２２を備え、光源２１２から光が照射される方向、すなわち口腔内に挿入される方向Ｈに略平行な方向に所定長の長さを有する柱状体によって構成されている。そして、本体２０１の少なくとも先端２２２が、口腔に挿入される。

　本体２０１は、その断面が真円となる中空の円筒形をした柱状に形成される。その壁部２２４は、その内部に光を導光可能な材料であればいずれでもよく、一例としては熱可塑性樹脂を用いて得ることができる。熱可塑性樹脂には、鎖状ポリオレフィン系樹脂（ポリプロピレン系樹脂等）、環状ポリオレフィン系樹脂（ノルボルネン系樹脂等）のようなポリオレフィン系樹脂、トリアセチルセルロース、ジアセチルセルロースのようなセルロースエステル系樹脂、ポリエステル系樹脂、ポリカーボネート系樹脂、（メタ）アクリル系樹脂、ポリスチレン系樹脂、又はこれらの混合物、共重合物などが用いられる。すなわち、本体２０１の壁部２２４は、光源から照射された光を口腔内又は拡散板方向に導光するための導光体として機能する。

　本体２０１は、中空に形成されるため、壁部２２４によってその内面に収容空間２２３が形成される。この収容空間２２３には、カメラ２１１が収容される。なお、本体２０１は、収容空間２２３を有する柱状に形成されさえすればよい。したがって、収容空間２２３は、断面が真円の円筒形を有する必要はく、断面が楕円であったり多角形であってもよい。また、本体２０１は、必ずしも内部が中空に形成される必要もない。

　グリップ２０２は、その先端が本体２０１の基端２２５に接続される。使用者は当該グリップ２０２を把持して撮影装置２００の抜き差しなどの操作を行う。グリップ２０２は、口腔内に挿入される方向Ｈに略平行な方向に、すなわち本体２０１の長手方向に沿って、所定長の長さを有する柱状体によって構成され、本体２０１と方向Ｈにおいて同一直線上に配置されている。なお、本実施形態では、垂直方向の断面が略長円形になるように形成されているが、長円形である必要はなく、真円や楕円、多角形であってもよい。

　グリップ２０２は、本体２０１の基端２２５に最も近い位置に連結部２３０が形成され、当該連結部２３０を介して本体２０１に連結される。連結部２３０の外周には、補助具３００を位置決めするための係合突起２１７（２１７－１～２１７－４）と、位置決め突起２１８とを有する。係合突起２１７は、補助具３００に設けられた係合突起３１８（３１８－１～３１８－４）と互いに係合する。また、位置決め突起２１８は、補助具３００に設けられた挿入穴３２１に挿入されて、撮影装置２００と補助具３００とを互いに位置決めする。なお、本実施形態においては、本体２０１の係合突起２１７は、合計４個の係合突起（係合突起２１７－１～２１７－４）が、グリップ２０２の表面であって、本体２０１の基端２２５近傍の位置に、等間隔に配置される。また、位置決め突起２１８は、グリップ２０２の表面の係合突起２１７の間であって、本体２０１の基端２２５近傍の位置に、一つ配置される。しかし、これに限らず、係合突起２１７と位置決め突起２１８のいずれか一方を配置するだけであってもよい。また、その個数も、係合突起２１７及び位置決め突起２１８のいずれも、一又は複数の個数であれば、何個であってもよい。

　また、グリップ２０２は、その上面で本体２０１の基端２２５に近い位置、すなわちグリップ２０２の口腔内の挿入方向Ｈにおける先端付近に撮影ボタン２２０を含む。これにより、操作者６００が把持したときに、操作者６００が撮影ボタン２２０を人差し指等で容易に押下可能になっている。また、グリップ２０２は、その上面でディスプレイ２０３に近い位置、すなわちグリップ２０２の撮影ボタン２２０と反対側の位置に電源ボタン２２１が配置されている。これにより、操作者６００が把持して撮像しているときに、誤って電源ボタン２２１を押下してしまうのを防止することが可能となる。

　ディスプレイ２０３は、全体として略直方体形状をし、本体２０１と方向Ｈにおいて同一直線上に配置されている。また、ディスプレイ２０３は、口腔内に挿入される方向Ｈの反対方向（つまりは、使用者側の方向）の面に表示パネル２１５を含む。したがって、ディスプレイ２０３は、口腔内に挿入される方向Ｈに略平行になるように形成された本体２０１及びグリップ２０２の長手方向に対して、表示パネルを含む面が略垂直になるように形成される。そして、表示パネルを含む面に相対する面において、グリップ２０２の口腔とは反対側でグリップ２０２と連結される。なお、ディスプレイの形状は、略直方体形状に限らず、円柱状などいかなる形状であってもよい。

　拡散板２１９は、本体２０１の先端２２２に配置され、光源２１２から照射され、本体２０１を通過した光を口腔内に向けて拡散する。拡散板２１９は、本体２０１の導光可能に構成された部分の断面形状に対応した形状を有する。本実施形態においては、本体２０１は、中空の円筒形に形成されている。したがって、拡散板２１９の断面も、その形状に対応して中空状に形成される。

　カメラ２１１は、拡散板２１９から拡散され口腔内に照射され、被写体に反射してきた反射光を検出して、被写体画像を生成するために用いられる。カメラ２１１は、本体２０１の壁部２２４の内面、すなわち本体２０１の内部に形成された収容空間２２３に、本体２０１と方向Ｈにおいて同一直線上になるように配置される。なお、本実施形態では、カメラ２１１は一個のみ記載しているが、撮影装置２００は複数のカメラを含んでもよい。複数のカメラを用いて被写体画像を生成することにより、立体形状に関する情報を被写体画像が含むことになる。また、本実施形態では、カメラ２１１は、本体２０１の収容空間２２３に配置されているが、本体２０１の先端２２２又は本体２０１（本体２０１の内部であっても本体２０１の外周上であってもよい）に配置されてもよい。

　図６は、本開示の一実施形態に係る撮影装置２００の断面の構成を示す概略図である。図６によると、光源２１２は、グリップ２０２の先端側に配置された基板２３１上に、合計４個の光源２１２－１～２１２－４が配置される。光源２１２は、一例としては、それぞれＬＥＤで構成され、各ＬＥＤから所定の周波数帯域を有する光が口腔の方向に向かって照射される。具体的には、光源２１２から照射された光は、本体２０１の基端２２５に入光し、本体２０１の壁部２２４によって、拡散板２１９方向に導光される。拡散板２１９に達した光は、拡散板２１９によって口腔内に拡散される。そして、拡散板２１９によって拡散された光は、被写体である咽頭７１５等に反射する。この反射光がカメラ２１１に到達することで、被写体画像が生成される。

　なお、光源２１２－１～２１２－４は、独立に制御されるように構成されてもよい。例えば、光源２１２－１～２１２－４のうち一部を光らせることにより、立体形状を有する被写体（インフルエンザ濾胞等）の陰を被写体画像に含むことができる。これにより、被写体の立体形状に関する情報を被写体画像が含むことになり、被写体の判別をより明確にし、判定アルゴリズムによりインフルエンザへの罹患の可能性をより正確に判定することが可能になる。

　また、本実施形態において、光源２１２－１～２１２－４は、本体２０１の基端２２５側に配置されているが、本体２０１の先端２２２又は本体２０１（本体２０１の内部であっても本体２０１の外周上であってもよい）に配置されてもよい。

　本実施形態においては、拡散板２１９は、光源２１２から照射された光が口腔内の一部のみを照らすのを防止し、一様な光を生成するために用いられる。したがって、一例としては、拡散板２１９の表面に微細なレンズアレイを形成し、任意の拡散角度を有するレンズ状の拡散板が用いられる。また、これに変えて、表面にランダムに配置された微細な凹凸によって光拡散機能を実現する拡散板など、他の方法により光を拡散することが可能な拡散板を用いてもよい。さらに、拡散板２１９は本体２０１と一体として構成されていてもよい。例えば、本体２０１の先端部分に微細な凹凸を形成するなどの方法によって実現することが可能である。

　また、本実施形態において、拡散板２１９、本体２０１の先端２２２側に配置されている。しかし、これに限らず、光源２１２とその照射対象となる口腔内の間であればいずれでもよく、例えば、本体２０１の先端２２２又は本体２０１（本体２０１の内部であっても本体２０１の外周上であってもよい）に配置されてもよい。

３．処理装置１００のメモリ１１２に記憶される情報
　図７Ａは、本開示の一実施形態に係る処理装置１００に記憶される画像管理テーブルを概念的に示す図である。画像管理テーブルに記憶される情報は、処理装置１００のプロセッサ１１１の処理の進行に応じて随時更新して記憶される。

　図７Ａによれば、画像管理テーブルには、使用者ＩＤ情報に対応付けて、被写体画像情報、候補情報及び判定画像情報等が記憶される。「使用者ＩＤ情報」は、各使用者に固有の情報で各使用者を特定するための情報である。使用者ＩＤ情報は、操作者によって新たな使用者が登録されるごとに生成される。「被写体画像情報」は、各使用者に対して操作者が撮像した被写体画像を特定する情報である。被写体画像は、撮影装置２００のカメラで撮影された被写体を含む一又は複数の画像であり、撮影装置２００から受信することでメモリ１１２に記憶される。「候補情報」は、一又は複数の被写体画像のなかから判定画像を選択する候補となる画像を特定する情報である。「判定画像情報」は、インフルエンザの罹患の可能性の判定に用いられる判定画像を特定するための情報である。このような判定画像は、候補情報によって特定される候補画像の中から類似度に基づいて選択される。なお、上記のとおり、被写体画像情報、候補情報及び判定画像情報として、各画像を特定するための情報が記憶される。このように、各画像を特定するための情報は、典型的には各画像を識別するための識別情報であるが、各画像の格納場所を示す情報や、各画像の画像データそのものであってもよい。

　図７Ｂは、本開示の一実施形態に係る処理装置１００に記憶される使用者テーブルを概念的に示す図である。使用者テーブルに記憶される情報は、処理装置１００のプロセッサ１１１の処理の進行に応じて随時更新して記憶される。

　図７Ｂによれば、使用者テーブルには、使用者ＩＤ情報に対応付けて、属性情報、問診情報、二次元コード情報及び判定結果情報等が記憶される。「使用者ＩＤ情報」は、各使用者に固有の情報で各使用者を特定するための情報である。使用者ＩＤ情報は、操作者によって新たな使用者が登録されるごとに生成される。「属性情報」は、例えば操作者又は使用者等によって入力された情報で、使用者の名前、性別、年齢、住所などの使用者個人に関連する情報である。「問診情報」は、例えば操作者又は使用者等によって入力された情報で、使用者の病歴や症状などの医師等による診断の参考にされる情報である。このような問診情報の例としては、体重、アレルギー、基礎疾患などの患者背景、体温、発症からのピーク時体温、発症からの経過時間、心拍数、脈拍数、酸素飽和度、血圧、薬の服用状況、他のインフルエンザ患者との接触状況、関節痛、筋肉痛、頭痛、倦怠感、食欲不振、悪寒、発汗、咳嗽、咽頭痛、鼻汁・鼻閉、扁桃炎、消化器症状、手足の発疹、咽頭の発赤や白苔、扁桃の腫脹、扁桃の切除歴、いちご舌、圧痛を伴う前頸部リンパ節の腫脹などの自覚症状や身体所見の有無、インフルエンザワクチン接種歴、ワクチン接種時期等が挙げられる。「二次元コード情報」は、使用者ＩＤ情報、それを特定するための情報、属性情報、問診情報、及びそれらの組み合わせのうちの少なくともいずれかが記録された記録媒体を特定するための情報である。このような記録媒体としては、二次元コードである必要はない。二次元コードに代えて、一次元バーコード、多次元の他のコード、特定の数字や文字等のテキスト情報、画像情報等、様々なものを利用することができる。「判定結果情報」は、判定画像に基づいてインフルエンザの罹患の可能性の判定結果を示す情報である。このような判定結果情報の一例としては、インフルエンザに対する陽性率が挙げられる。しかし、陽性率に限らず、陽性か陰性かを特定する情報など可能性が示されたものであればいずれでもよい。また、判定結果は、具体的な数値である必要はなく、陽性率の高さに応じた分類、陽性か陰性かを示す分類など、その形式はいずれでもよい。

　なお、属性情報や問診情報は、使用者又は操作者によってその都度入力される必要はなく、例えば有線又は無線ネットワークを介して接続された電子カルテ装置や他の端末装置等から受信してもよい。また、撮影装置２００によって撮影された被写体画像の解析によって取得されてもよい。さらに、図７Ａ及び図７Ｂにおいて特に図示はしないが、インフルエンザ等の診断又は診断を補助する対象となる感染症の現在の流行情報や、これら感染症についての他の使用者の判定結果や罹患状況などの外部要因情報をさらにメモリ１１２に記憶することも可能である

４．処理装置１００及び撮影装置２００で実行される処理シーケンス
　図８は、本開示の一実施形態に係る処理装置１００と撮影装置２００との間で実行される処理シーケンスを示す図である。具体的には、図８は、処理装置１００において撮影モードの選択が行われてから、撮影装置２００で被写体画像の撮影が行われ、処理装置１００から判定結果が出力されるまでに実行される処理シーケンスを示す。

　図８によると、処理装置１００は、出力インターフェイス１１４を介してモード選択画面を出力し、入力インターフェイス１１３を介して操作者によるモードの選択を受け付ける（Ｓ１１）。そして、撮影モードの選択が受け付けられると、処理装置１００は、出力インターフェイス１１４を介して属性情報の入力画面を出力する。処理装置１００は、入力インターフェイス１１３を介して操作者又は使用者による入力を受け付け、属性情報を取得し、使用者ＩＤ情報に対応付けて使用者テーブルに記憶する（Ｓ１２）。また、属性情報が取得されると、処理装置１００は、出力インターフェイス１１４を介して問診情報の入力画面を出力する。処理装置１００は、入力インターフェイス１１３を介して操作者又は使用者による入力を受け付け、問診情報を取得し、使用者ＩＤ情報に対応付けて使用者テーブルに記憶する（Ｓ１３）。なお、属性情報及び問診情報の取得はこのタイミングで行う必要はなく、判定処理の前など他のタイミングで行うことも可能である。また、これらの情報は、入力インターフェイス１１３を介した入力の受け付けのみではなく、有線又は無線ネットワークを介して接続された電子カルテ装置や他の端末装置等から受信することで取得してもよい。また、これらの情報は、電子カルテ装置や他の端末装置で入力されたのち二次元コード等の記録媒体に記録し、当該記録媒体を処理装置１００に接続されたカメラ又は撮影装置２００で撮影することによって取得してもよい。また、これらの情報は、使用者や操作者、患者、医療関係者等に対して問診票等の紙媒体に記入させ、当該紙媒体を処理装置１００に接続されたスキャナや撮影装置２００で取り込んで光学的に文字認識をすることによって取得してもよい。

　処理装置１００は、プロセッサ１１１の制御によって、あらかじめ生成された使用者ＩＤ情報を記録した二次元コードを生成し、メモリ１１２に記憶する（Ｓ１４）。そして、処理装置１００は、出力インターフェイス１１４を介して生成された二次元コードを出力する（Ｓ１５）。

　次に、撮影装置２００は、操作者による入力インターフェイス２１０（例えば電源ボタン）への入力が受け付けられることによって、カメラ２１１等の起動を行う（Ｓ２１）。そして、出力インターフェイス１１４を介して出力された二次元コードを起動されたカメラ２１１によって撮影することで、撮影装置２００は二次元コードに記録された使用者ＩＤ情報を読み取る（Ｓ２２）。

　次に、操作者は、撮影装置２００の先端を補助具３００で被覆し、使用者の口腔に撮影装置２００を所定の位置まで挿入する。撮影装置２００は、操作者による入力インターフェイス２１０（例えば、撮影ボタン）への入力を受け付けると、口腔の少なくとも一部が含まれた被写体の被写体画像の撮影を開始する（Ｓ２３）。被写体画像の撮影が終了すると、撮影装置２００は、撮影された被写体画像を二次元コードから読みとられた使用者ＩＤ情報に対応付けてメモリ２１４に記憶するとともに、ディスプレイの表示パネル２１５に撮影された被写体画像を出力する（Ｓ２４）。そして、撮影装置２００は、入力インターフェイス２１０を介して操作者による撮影の終了の入力を受け付けると、通信インターフェイス２１６を介して記憶された被写体画像（Ｔ２１）を使用者ＩＤ情報に対応付けて処理装置１００に送信する。

　次に、処理装置１００は、通信インターフェイス１１５を介して被写体画像を受信するとメモリ１１２に記憶するとともに、使用者ＩＤ情報に基づいて画像管理テーブルに登録する。処理装置１００は、記憶された被写体画像からインフルエンザに対する罹患の可能性の判定に使用される判定画像の選択を行う（Ｓ３１）。処理装置１００は、判定画像が選択されると、選択された判定画像を用いてインフルエンザに対する罹患の可能性の判定処理を実行する（Ｓ３２）。処理装置１００は、判定結果が得られると、使用者ＩＤ情報に対応付けて得られた判定結果を使用者テーブルに記憶するとともに、出力インターフェイス１１４を介して出力する（Ｓ３３）。以上によって、当該処理シーケンスを終了する。

５．処理装置１００で実行される処理フロー（モード選択処理等）
　図９は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図９は、図８のＳ１１～Ｓ１５に係る処理のために、所定周期で実行される処理フローを示す図である。当該処理フローは、主に処理装置１００のプロセッサ１１１がメモリ１１２に記憶されたプログラムを読み出して実行することにより行われる。

　図９によると、プロセッサ１１１は、出力インターフェイス１１４を介して、モード選択画面を出力する（Ｓ１１１）。ここで、図１８は、本開示の一実施形態に係る処理装置１００に表示される画面の例を示す図である。具体的には、図１８は図９のＳ１１１及びＳ１１２で出力されるモード選択画面の例を示す。図１８によると、出力インターフェイス１１４として機能するディスプレイの略中心に、被写体画像を撮影する撮影モードに移行するための撮影モードアイコン１１と、既にインフルエンザに対する罹患の可能性が判定された結果をディスプレイに出力する判定結果確認モードに移行するための判定結果確認モードアイコン１２とが表示されている。使用者は、入力インターフェイス１１３を操作していずれのモードに移行するか選択することが可能である。

　再び図９に戻り、プロセッサ１１１は、入力インターフェイス１１３を介して、操作者によるモードの選択を受け付けたか否かを判定する（Ｓ１１２）。このとき、プロセッサ１１１が図１８に示す撮影モードアイコン１１又は判定結果確認モードアイコン１２のいずれに対する入力もなされておらずモードの選択を受け付けていないと判定すると、当該処理フローは終了する。

　他方、プロセッサ１１１が図１８に示す撮影モードアイコン１１又は判定結果確認モードアイコン１２のいずれに対する入力を受け付けてモードの選択が行われたと判定すると、プロセッサ１１１は撮影モードが選択されたか否かを判定する（Ｓ１１３）。そして、プロセッサ１１１は、図１８に示す判定結果確認モードアイコン１２が選択されたと判定すると、出力インターフェイス１１４を介して所望の判定結果を表示する（Ｓ１１８）。

　他方、プロセッサ１１１は、図１８に示す撮影モードアイコン１１が選択されたと判定すると、出力インターフェイス１１４に使用者の属性情報の入力を受け付ける画面を表示する（図示しない。）。当該画面には、属性情報として入力が必要な使用者の名前、性別、年齢、住所等の各項目と、各項目に対する回答を入力するための入力ボックスが含まれる。そして、プロセッサ１１１は、入力インターフェイス１１３を介して各入力ボックスに入力された情報を属性情報として取得する（Ｓ１１４）。そして、プロセッサ１１１は使用者テーブルに新たに記憶される当該使用者に対応して、新たに使用者ＩＤ情報を生成し、当該使用者ＩＤ情報と対応付けて属性情報を使用者テーブルに記憶する。なお、属性情報の入力前にあらかじめ使用者ＩＤ情報が選択された場合には、新たに使用者ＩＤ情報を生成することは省略することができる。

　次に、プロセッサ１１１は、出力インターフェイス１１４に使用者の問診情報の入力を受け付ける画面を表示する（図示しない。）。当該画面には、問診情報として入力が必要な使用者の体温、心拍数、薬の服用状況、自覚症状の有無等の各項目と、各項目に対する回答を入力するための入力ボックスが含まれる。そして、プロセッサ１１１は、入力インターフェイス１１３を介して各入力ボックスに入力された情報を問診情報として取得し、使用者ＩＤ情報と対応付けて使用者テーブルに記憶する（Ｓ１１５）。

　なお、これら属性情報や問診情報は処理装置１００によって入力される場合について説明した。しかし、これに限らず、有線又は無線ネットワークを介して接続された電子カルテ装置や他の端末装置に入力された情報を受信することで取得してもよい。

　次に、プロセッサ１１１は、使用者テーブルを参照して、これらの情報が入力された使用者に対応する使用者ＩＤ情報を読み出して、これを記録した二次元コードを生成する（Ｓ１１６）。プロセッサ１１１は、生成された二次元コードを使用者ＩＤ情報に対応付けて使用者テーブルに記憶するとともに、出力インターフェイス１１４を介して出力する（Ｓ１１７）。以上により、当該処理フローは終了する。

　ここで、図１９は、本開示の一実施形態に係る処理装置１００に表示される画面の例を示す図である。具体的には、図１９は、図９のＳ１１７において出力された二次元コードの表示画面の例を示す図である。図１９によると、出力インターフェイス１１４として機能するディスプレイの上方に、属性情報等が入力された使用者の使用者ＩＤ情報が表示されている。また、これに加えて、ディスプレイの略中央に、図１９のＳ１１６で生成された二次元コードが表示されている。当該二次元コードを撮影装置２００で撮影することによって、当該二次元コードに記録された使用者ＩＤ情報を読み取ることが可能である。

６．撮影装置２００で実行される処理フロー（撮影処理等）
　図１０は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図１０は、図８のＳ２１～Ｓ２４に係る処理のために、所定周期で実行される処理フローを示す図である。当該処理フローは、主に撮影装置２００のプロセッサ２１３がメモリ２１４に記憶されたプログラムを読み出して実行することにより行われる。

　図１０によると、プロセッサ２１３は、入力インターフェイス２１０（例えば、電源ボタン）を介して操作者による入力が受け付けられたか否かを判定する（Ｓ２１１）。なお、このとき、プロセッサ２１３が操作者による入力が受け付けられていないと判定すると、当該処理フローは終了する。

　他方、プロセッサ２１３は操作者による入力が受け付けられたと判定すると、表示パネル２１５にスタンバイ画面を出力する（Ｓ２１２）。当該スタンバイ画面（図示しない）には、カメラ２１１を介して撮影されたスルー画像が含まれる。そして、操作者が処理装置１００の出力インターフェイス１１４に出力された二次元コードをカメラ２１１の画角に含むように撮影装置２００を移動することによって、プロセッサ２１３はカメラ２１１によって二次元コードを撮影する（Ｓ２１３）。二次元コードが撮影されると、プロセッサ２１３は当該二次元コードに記録された使用者ＩＤ情報を読み取り、読み取った使用者ＩＤ情報をメモリ２１４に記憶する（Ｓ２１４）。そして、プロセッサ２１３は、再度スタンバイ画面を表示パネル２１５に出力する（Ｓ２１５）

　次に、操作者が、撮影装置２００の先端を補助具３００で被覆し、使用者の口腔に撮影装置２００を所定の位置まで挿入する。そして、プロセッサ２１３は、入力インターフェイス２１０（例えば、撮影ボタン）を介して操作者による撮影開始操作が受け付けられると、プロセッサ２１３はカメラ２１１を制御して被写体の被写体画像の撮影を開始する（Ｓ２１６）。この被写体画像の撮影は、撮影ボタンが押下されることによって一定枚数（例えば、３０枚）をまとめて一定間隔で連写して撮影されることにより実施される。プロセッサ２１３は、被写体画像の撮影が終了すると、撮影された被写体画像をメモリ２１４に読み取られた使用者ＩＤ情報と対応付けて記憶する。そして、プロセッサ２１３は、表示パネル２１５に記憶された被写体画像を出力する（Ｓ２１７）。

　ここで、操作者は、撮影装置２００を補助具３００とともに口腔内から取り出して表示パネル２１５に出力された被写体画像を確認し、所望の画像が得られなかった場合には再撮影の指示入力を行うことが可能である。そのため、プロセッサ２１３は、入力インターフェイス２１０を介して操作者による再撮影指示の入力を受け付けたか否かを判定する（Ｓ２１８）。再撮影指示の入力を受け付けた場合には、プロセッサ２１３は再度Ｓ２１５のスタンバイ画面を表示し、被写体画像の撮影を可能にする。

　他方、再撮影指示の入力を受け付けておらず、操作者によって載置台４００に撮影装置２００が戻されて処理装置１００から撮影終了の指示を受信すると、プロセッサ２１３は、通信インターフェイス２１６を介してメモリ２１４に記憶された被写体画像と当該被写体画像に対応付けられた使用者ＩＤ情報を処理装置１００に送信する（Ｓ２１９）。以上によって、当該処理フローを終了する。

７．処理装置１００で実行される処理フロー（判定処理等）
　図１１は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図１１は、図８のＳ３１～Ｓ３３に係る処理のために実行される処理フローを示す図である。当該処理フローは、主に処理装置１００のプロセッサ１１１がメモリ１１２に記憶されたプログラムを読み出して実行することにより行われる。

　図１１によると、プロセッサ１１１は、撮影装置２００から被写体画像とそれに対応付けられた使用者ＩＤ情報を受信すると、メモリ１１２に記憶するとともに、画像管理テーブルに登録する（Ｓ３１１）。そして、プロセッサ１１１は、出力インターフェイス１１４を介して、受信された使用者ＩＤ情報又はそれに対応する属性情報（例えば、氏名）を出力し、インフルエンザに対する罹患の可能性の判定対象となる使用者の選択を受け付ける（Ｓ３１２）。なお、このとき、撮影装置２００から複数の使用者ＩＤ情報とそれに対応付けられた被写体画像を受信した場合には、複数の使用者ＩＤ情報又はそれに対応する属性情報を出力して、いずれかの使用者を選択することが可能である。

　プロセッサ１１１は、入力インターフェイス１１３を介して判定対象の使用者の選択を受け付けると、その使用者の使用者ＩＤ情報に対応付けられた属性情報をメモリ１１２の使用者テーブルから読み出す（Ｓ３１３）。また、同様に、プロセッサ１１１は、判定対象の使用者の使用者ＩＤ情報に対応付けられた問診情報をメモリ１１２の使用者テーブルから読み出す（Ｓ３１４）。

　次に、プロセッサ１１１は、メモリ１１２から選択された使用者の使用者ＩＤ情報に対応付けられた被写体画像を読み出して、インフルエンザに対する罹患の可能性の判定に用いられる判定画像の選択処理を実行する（Ｓ３１５：この選択処理の詳細については後述する。）。そして、プロセッサ１１１は、選択された判定画像に基づいてインフルエンザに対する罹患の可能性の判定処理を実行する（Ｓ３１６：この判定処理の詳細については後述する。）。プロセッサ１１１は、判定処理によって判定結果が得られえると、使用者ＩＤ情報に対応付けて使用者テーブルに記憶するとともに、出力インターフェイス１１４を介して、判定結果を出力する（Ｓ３１７）。以上により、当該処理フローを終了する。

　図１２は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図１２は、図１１のＳ３１５で実行される判定画像の選択処理の詳細を示す図である。当該処理フローは、主に処理装置１００のプロセッサ１１１がメモリ１１２に記憶されたプログラムを読み出して実行することにより行われる。

　図１２によると、プロセッサ１１１は、メモリ１１２から選択された使用者の使用者ＩＤ情報に対応付けられた被写体画像を読み出す（Ｓ４１１）。次に、プロセッサ４１２は、読み出された被写体画像の中から判定画像の候補となる画像の選択を行う（Ｓ４１２）。この選択は、一例としては、学習済み判定画像選択モデルを利用して行われる。

　ここで、図１３は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。具体的には、図１３は、図１２のＳ４１２で利用される学習済み判定画像選択モデルの生成に係る処理フローを示す図である。当該処理フローは、処理装置１００のプロセッサ１１１によって実行されてもよいし、他の処理装置のプロセッサによって実行されてもよい。

　図１３によると、プロセッサは、咽頭の少なくとも一部が含まれる被写体の被写体画像を学習用被写体画像として取得するステップを実行する（Ｓ５１１）。次に、プロセッサは、取得された学習用被写体画像に対して、判定画像として使用可能な画像であるか否かのラベル情報を付与する処理ステップを実行する（Ｓ５１２）。そして、プロセッサは付与されたラベル情報を学習用被写体画像に対応付けて記憶するステップを実行する（Ｓ５１３）。なお、当該ラベル付与処理やラベル情報の記憶処理は、あらかじめ学習用被写体画像に対してヒトによって判定画像であるか否かの判断を行って、プロセッサがそれを学習用被写体画像に対応付けて記憶するようにしてもいし、プロセッサが公知の画像解析処理によって判定画像であるか否かの解析を行いその結果を学習用被写体画像に対応付けて記憶するようにしてもよい。また、ラベル情報は、被写体となる口腔の少なくとも一部の領域が写っているか否か、手ぶれ、焦点ずれ、曇りなどの画質が良好であるか否か等の観点に基づいて付与される。

　学習用被写体画像とそれに対応付けられたラベル情報がそれぞれ得られると、プロセッサは、それらを用いて判定画像の選択パターンの機械学習を行うステップを実行する（Ｓ５１４）。当該機械学習は、一例として、学習用被写体画像とラベル情報の組を、ニューロンを組み合わせて構成されたニューラルネットワークに与え、ニューラルネットワークの出力がラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、学習済みの判定画像選択モデル（例えば、ニューラルネットワークとパラメータ）を取得するステップが実行される（Ｓ５１５）。取得された学習済み判定画像選択モデルは、処理装置１００のメモリ１１２や処理装置１００と有線又は無線ネットワークを介して接続された他の処理装置内に記憶されていてもよい。

　再び図１２に戻り、プロセッサ１１１は、学習済み判定画像選択モデルに対してＳ４１１で読み出された被写体画像を入力することによって、判定画像の候補となる候補画像を出力として取得する。これによって、被写体となる口腔の少なくとも一部の領域が写っている画像や、手ぶれ、焦点ずれ、被写体の動きぼけ、露出、曇りなどの画質が良好である画像を良好に選択することができる。また、操作者の撮影手技の巧拙によらず、画質が良好である画像を安定的に選択することができる。そして、プロセッサ１１１は、取得された判定画像の候補となる候補画像を画像管理テーブルに登録する。

　次に、プロセッサ１１１は、選択された候補画像から類似度に基づく判定画像の選択処理を実行する（Ｓ４１３）。具体的には、プロセッサ１１１は、得られた候補画像同士を比較して、各候補画像間の類似度を算出する。そして、プロセッサ１１１は、他の候補画像に対して類似度が低いと判断された候補画像を判定画像として選択する。このような各候補画像間の類似度は、各候補画像中の局所的な特徴量を用いた方法（Ｂａｇ－ｏｆ－Ｋｅｙｐｏｉｎｔｓ法）、ＥＭＤ（Ｅａｒｔｈ　Ｍｏｖｅｒ’ｓ　Ｄｉｓｔａｎｃｅ）を用いた方法、ＳＶＭ（サポートベクタマシン）を用いた方法、ハミング距離を用いた方法、コサイン類似度を用いた方法などによって算出される。

　このように、得られた候補画像間で類似度を算出し、他の候補画像に対して類似度が低いと判断された候補画像を選択することで、互いに視野の異なる被写体画像が判定画像として選択されることとなる。これにより、同じ視野で得られた被写体画像を判定画像として用いる場合に比べてより多様な情報に基づいて判定処理を行うことが可能となるため、判定精度をより向上させることが可能となる。具体的には、ある判定画像で咽頭の一部領域が口蓋垂によって隠されていても、視野の異なる別の判定画像では隠されていた咽頭の一部領域が見えているため、インフルエンザ濾胞等の重要な特徴を見逃すことを防止できる。

　次に、プロセッサ１１１は、類似度に基づいて選択された候補画像を判定画像として画像管理テーブルに登録する（Ｓ４１４）。

　ここで、被写体画像、候補画像及び判定画像は、いずれも１枚であってもよいし複数枚であってもよい。しかし、一例としては、例えば５～３０枚程度の被写体画像群から候補画像群を選択し、最終的に５枚程度の判定画像群を得るのが好ましい。これは、多数の被写体画像の中から判定画像を選択することによって、より良好な判定画像が得られる可能性が高くなるためである。また、複数の判定画像群を後述の判定処理に利用することによって、１枚の判定画像のみを用いる場合に比べて判定精度をより向上させることができるためである。また、他の例としては、被写体画像の撮影が行われるたびに、撮影された被写体画像を処理装置１００に送信したうえで候補画像の選択と判定画像の選択を行うか、撮影装置２００において候補画像の選択と判定画像の選択を行い、判定画像が所定の枚数（例えば５枚程度）だけ取得できた段階で撮影を終了させるようにしてもよい。このようにすることで、上記のとおり判定精度の向上を維持しつつも、被写体画像の撮影に係る時間を最小限にすることができる。つまり、嘔吐反射等の使用者に対する不快感を低減することができる。

　図１４は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図１４は、図１１のＳ３１６で実行されるインフルエンザに対する罹患の可能性の判定処理の詳細を示す図である。当該処理フローは、主に処理装置１００のプロセッサ１１１がメモリ１１２に記憶されたプログラムを読み出して実行することにより行われる。

　図１４によると、プロセッサ１１１は、それぞれ異なる手法で取得した第１陽性率、第２陽性率及び第３陽性率をアンサンブル処理することによって判定結果を取得する。

　まず、第１陽性率を取得する処理について説明する。プロセッサ１１１は、判定対象となる使用者の使用者ＩＤ情報に対応付けられた判定画像をメモリ１１２から読み出す（Ｓ６１１）。そして、プロセッサ１１１は、読み出された判定画像に対して所定の前処理を行う。このような前処理としては、ハイパスフィルタやローパスフィルタを含むバンドパスフィルタ、平均化フィルタ、ガウシアンフィルタ、ガボールフィルタ、キャニーフィルタ、ソーベルフィルタ、ラプラシアンフィルタ、メディアンフィルタ、バイラテラルフィルタなどのフィルタ処理、ヘッセ行列等を用いた血管抽出処理、機械学習を用いた特定領域（例えば、濾胞）のセグメンテーション処理、セグメンテーションされた領域に対するトリミング処理、曇り除去処理、超解像処理及びこれらの組み合わせから、高精細化、領域抽出、ノイズ除去、エッジ強調、画像補正、画像変換などの目的に応じて選択される。このように、前処理を実行することによって、インフルエンザにおける濾胞などの、疾患に対する診断において重要な注目領域をあらかじめ抽出したり強調したりすることで、判定精度を向上させることが可能となる。

　ここでは、このような前処理として、曇り除去処理、超解像処理及びセグメンテーション処理を行う場合について、一例として以下に具体的に説明する。まず曇り除去処理は、一例としては学習用被写体画像と学習用被写体画像から曇り付加フィルタ等の適用によって曇りを付加した学習用劣化画像の組を学習器に与え、機械学習することによって得られた学習済み曇り除去画像モデルを使用する。プロセッサ１１１は、読み出された判定画像を入力として、メモリ１１２に記憶された学習済み曇り除去画像モデルに入力し、曇りが除去された判定画像を出力として取得する。また、超解像処理は、被写体の高解像度画像と、高解像度画像に対してスケール縮小処理やぼかし処理などの劣化処理を行って得られた低解像度画像の組をそれぞれ学習用画像として学習器に与え、機械学習することによって得られた学習済み超解像画像モデル使用する。プロセッサ１１１は、曇り除去処理がされた判定画像を入力として、メモリ１１２に記憶された学習済み超解像画像モデルに入力し、超解像処理がなされた判定画像を出力として取得する。また、セグメンテーション処理は、学習用被写体画像と、当該学習用被写体画像に対して医師らによる操作入力に基づいて注目領域（例えば、濾胞）にラベルを付与することで得られた当該ラベルの位置情報の組を学習器に与え、機械学習することによって得られた学習済みセグメンテーション画像モデルを使用する。プロセッサ１１１は、超解像処理がなされた判定画像を入力として、メモリ１１２に記憶された学習済みセグメンテーション画像モデル入力し、注目領域（例えば、濾胞）がセグメンテーションされた判定画像を取得する。そして、プロセッサ１１２は、このように前処理された判定画像をメモリ１１２に記憶する。なお、ここでは、曇り除去処理、超解像処理及びセグメンテーション処理の順で処理したが、いずれの順番であってもよいし、少なくともいずれか一つの処理だけであってもよい。また、いずれの処理も学習済みモデルを使用した処理を例示したが、曇り除去フィルタ、スケール拡大処理、鮮鋭化処理等の処理を用いてもよい。

　そして、プロセッサ１１１は、前処理後の判定画像を入力として特徴量抽出器に与え（Ｓ６１３）、出力として判定画像の画像特徴量を出力として取得する（Ｓ６１４）。さらに、プロセッサ１１１は、取得された判定画像の特徴量を入力として分類器に与え（Ｓ６１５）、インフルエンザに対する罹患の第１の可能性を示す第１陽性率を出力として取得する（Ｓ６１６）。なお、特徴量抽出器では、判定画像中の濾胞の有無や発赤の有無などの所定数の特徴量をベクトルとして得ることができる。一例としては、判定画像から１０２４次元の特徴量ベクトルがそれぞれ抽出され、これらが当該判定画像の特徴量として記憶される。

　ここで、図１５は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。具体的には、図１５は、図１４のＳ６１３の特徴量抽出器及びＳ６１５の分類器が含まれる学習済み陽性率判定選択モデルの生成に係る処理フローを示す図である。当該処理フローは、処理装置１００のプロセッサ１１１によって実行されてもよいし、他の処理装置のプロセッサによって実行されてもよい。

　図１５によると、プロセッサは、咽頭の少なくとも一部が含まれる被写体の画像に、図１４のＳ６１２と同様の前処理を行った画像を学習用判定画像として取得するステップを実行する（Ｓ７１１）。次に、プロセッサは、取得された学習用判定画像の被写体となった使用者に対して、あらかじめイムノクロマトによるインフルエンザ迅速検査、ＰＣＲ検査、ウイルス分離培養検査の結果等に基づいて付与され正解ラベルを付与する処理ステップを実行する（Ｓ７１２）。そして、プロセッサは付与された正解ラベル情報を判定結果情報として学習用判定画像に対応付けて記憶するステップを実行する（Ｓ７１３）。

　学習用判定画像とそれに対応付けられた正解ラベル情報がそれぞれ得られると、プロセッサは、それらを用いて陽性率判定パターンの機械学習を行うステップを実行する（Ｓ７１４）。当該機械学習は、一例として、畳み込みニューラルネットワークから構成された特徴量抽出器とニューラルネットワークから構成された分類器に対して、学習用判定画像と正解ラベル情報の組を与え、分類器からの出力が正解ラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、学習済みの陽性率判定モデルを取得するステップが実行される（Ｓ７１５）。取得された学習済み陽性率判定モデルは、処理装置１００のメモリ１１２や処理装置１００と有線又は無線ネットワークを介して接続された他の処理装置内に記憶されていてもよい。

　再び図１４に戻り、プロセッサ１１１は、学習済み陽性率判定モデルに対してＳ６１２で前処理された判定画像を入力することによって、判定画像の特徴量（Ｓ６１４）と、インフルエンザに対する罹患の第１の可能性を示す第１陽性率（Ｓ６１６）を出力として取得し、使用者ＩＤ情報に対応付けてメモリ１１２に記憶する。

　次に、第２陽性率を取得する処理について説明する。プロセッサ１１１は、判定対象となる使用者の使用者ＩＤ情報に対応付けられた問診情報及び属性情報のうちの少なくともいずれかをメモリ１１２から読み出す（Ｓ６１７）。また、プロセッサ１１１は、Ｓ６１４で算出されメモリ１１２に使用者ＩＤ情報に対応付けて記憶された判定画像の特徴量をメモリ１１２から読み出す（Ｓ６１４）。そして、プロセッサ１１１は、読み出された問診情報及び属性情報の少なくともいずれかと、判定画像の特徴量を入力として学習済み陽性率判定モデルに与え（Ｓ６１８）、インフルエンザに対する罹患の第２の可能性を示す第２陽性率を出力として取得する（Ｓ６１９）。

　ここで、図１６は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。具体的には、図１６は、図１４のＳ６１８の学習済み陽性率判定選択モデルの生成に係る処理フローを示す図である。当該処理フローは、処理装置１００のプロセッサ１１１によって実行されてもよいし、他の処理装置のプロセッサによって実行されてもよい。

　図１６によると、プロセッサは、咽頭の少なくとも一部が含まれる被写体の画像に対して図１４のＳ６１２と同様の前処理を行った判定画像から学習用特徴量を取得するステップを実行する（Ｓ７２１）。また、プロセッサは、当該判定画像の被写体となった使用者の使用者ＩＤ情報にあらかじめ対応付けて記憶された問診情報及び属性情報を取得するステップを実行する（Ｓ７２１）。次に、プロセッサは、当該判定画像の被写体となった使用者に対して、あらかじめイムノクロマトによるインフルエンザ迅速検査、ＰＣＲ検査、ウイルス分離培養検査の結果等に基づいて付与され正解ラベルを付与する処理ステップを実行する（Ｓ７２２）。そして、プロセッサは付与された正解ラベル情報を判定結果情報として判定画像の学習用特徴量、並びに問診情報及び属性情報に対応付けて記憶するステップを実行する（Ｓ７２３）。

　判定画像の学習用特徴量、並びに問診情報及び属性情報とそれに対応付けられた正解ラベル情報がそれぞれ得られると、プロセッサは、それらを用いて陽性率判定パターンの機械学習を行うステップを実行する（Ｓ７２４）。当該機械学習は、一例として、ニューロンを組み合わせたニューラルネットワークに対して、これら情報の組を与え、ニューラルネットワークからの出力が正解ラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、学習済みの陽性率判定モデルを取得するステップが実行される（Ｓ７２５）。取得された学習済み陽性率判定モデルは、処理装置１００のメモリ１１２や処理装置１００と有線又は無線ネットワークを介して接続された他の処理装置内に記憶されていてもよい。

　再び図１４に戻り、プロセッサ１１１は、学習済み陽性率判定モデルに対してＳ６１４で読み出された判定画像の特徴量と、Ｓ６１７で読み出された問診情報及び属性情報の少なくともいずれかを入力することによって、インフルエンザに対する罹患の第２の可能性を示す第２陽性率（Ｓ６１９）を出力として取得し、使用者ＩＤ情報に対応付けてメモリ１１２に記憶する。

　次に、第３陽性率を取得する処理について説明する。プロセッサ１１１は、判定対象となる使用者の使用者ＩＤ情報に対応付けられた問診情報及び属性情報のうちの少なくともいずれかをメモリ１１２から読み出す（Ｓ６１７）。また、プロセッサ１１１は、Ｓ６１６で算出されメモリ１１２に使用者ＩＤ情報に対応付けて記憶された第１陽性率をメモリ１１２から読み出す。そして、プロセッサ１１１は、読み出された問診情報及び属性情報の少なくともいずれかと、第１陽性率を入力として学習済み陽性率判定モデルに与え（Ｓ６２０）、インフルエンザに対する罹患の第３の可能性を示す第３陽性率を出力として取得する（Ｓ６２１）。

　ここで、図１７は、本開示の一実施形態に係る学習済みモデルの生成に係る処理フローを示す図である。具体的には、図１７は、図１４のＳ６２０の学習済み陽性率判定選択モデルの生成に係る処理フローを示す図である。当該処理フローは、処理装置１００のプロセッサ１１１によって実行されてもよいし、他の処理装置のプロセッサによって実行されてもよい。

　図１７によると、プロセッサは、咽頭の少なくとも一部が含まれる被写体の画像に対して図１４のＳ６１２と同様の前処理を行った判定画像を特徴量抽出器（図１４のＳ６１３）及び分類器（図１４のＳ６１５）が含まれる学習済み陽性率判定選択モデルに入力して得られた第１陽性率情報を取得するステップを実行する（Ｓ７３１）。また、プロセッサは、当該判定画像の被写体となった使用者の使用者ＩＤ情報にあらかじめ対応付けて記憶された問診情報及び属性情報を取得するステップを実行する（Ｓ７３１）。次に、プロセッサは、当該判定画像の被写体となった使用者に対して、あらかじめイムノクロマトによるインフルエンザ迅速検査、ＰＣＲ検査、ウイルス分離培養検査の結果等に基づいて付与され正解ラベルを付与する処理ステップを実行する（Ｓ７３２）。そして、プロセッサは付与された正解ラベル情報を判定結果情報として第１陽性率情報、並びに問診情報及び属性情報に対応付けて記憶するステップを実行する（Ｓ７３３）。

　第１陽性率情報、並びに問診情報及び属性情報とそれに対応付けられた正解ラベル情報がそれぞれ得られると、プロセッサは、それらを用いて陽性率判定パターンの機械学習を行うステップを実行する（Ｓ７３４）。当該機械学習は、一例として、ニューロンを組み合わせたニューラルネットワークに対して、これら情報の組を与え、ニューラルネットワークからの出力が正解ラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、学習済みの陽性率判定モデルを取得するステップが実行される（Ｓ７３５）。取得された学習済み陽性率判定モデルは、処理装置１００のメモリ１１２や処理装置１００と有線又は無線ネットワークを介して接続された他の処理装置内に記憶されていてもよい。

　再び図１４に戻り、プロセッサ１１１は、学習済み陽性率判定モデルに対してＳ６１６で読み出された第１陽性率情報と、Ｓ６１７で読み出された問診情報及び属性情報の少なくともいずれかを入力することによって、インフルエンザに対する罹患の第３の可能性を示す第３陽性率（Ｓ６２１）を出力として取得し、使用者ＩＤ情報に対応付けてメモリ１１２に記憶する。

　このようにして、第１陽性率、第２陽性率及び第３陽性率がそれぞれ算出されると、プロセッサ１１１は各陽性率をメモリ１１２から読み出してアンサンブル処理を実施する（Ｓ６２２）。当該アンサンブル処理の一例としては、得られた第１陽性率、第２陽性率及び第３陽性率をリッジ回帰モデルに入力として与え、インフルエンザに対する罹患の可能性の判定結果として各陽性率がアンサンブルされた結果が取得される（Ｓ６２３）。

　なお、Ｓ６２２で用いられるリッジ回帰モデルは、処理装置１００のプロセッサ１１１又は他の処理装置のプロセッサによって機械学習されることによって生成される。具体的には、プロセッサは、学習用判定画像から第１陽性率、第２陽性率及び第３陽性率をそれぞれ取得する。また、プロセッサは、学習用判定画像の被写体となった使用者に対して、あらかじめイムノクロマトによるインフルエンザ迅速検査、ＰＣＲ検査、ウイルス分離培養検査の結果等に基づいて付与され正解ラベルを付与する。そして、プロセッサは、各陽性率及びそれに対応付けられた正解ラベルの組をリッジ回帰モデル与え、出力が当該リッジ回帰モデルの正解ラベル情報と同じになるように、各陽性率に対して与えられるパラメータを調整しながら学習を繰り返す。これにより、アンサンブル処理に用いられるリッジ回帰モデルが得られ、処理装置１００のメモリ１１２や処理装置１００と有線又は無線ネットワークを介して接続された他の処理装置内に記憶される。

　また、アンサンブル処理の一例としてリッジ回帰モデルを使用する場合について説明したが、各陽性率の平均値を取得する処理、最大値を取得する処理、最小値を取得する処理、重み付け加算する処理、バギング、ブースティング、スタッキング、ラッソ回帰、線形回帰等の他の機械学習手法を用いる処理など、いずれの手法を使用してもよい。

　プロセッサ１１１は、このようにして得られた判定結果を使用者ＩＤ情報に対応付けてメモリ１１２の使用者テーブルに記憶する（Ｓ６２４）。これにより当該処理フローを終了する。

　なお、図１４においては、第１陽性率、第２陽性率及び第３陽性率に対してアンサンブル処理を行って、最終的に判定結果を得るようにした。しかし、これに限らず、各陽性率のそれぞれを最終的な判定結果としてそのまま用いてもよいし、いずれか二つの陽性率によるアンサンブル処理を行って最終的な判定結果としてもよい。さらに、他の手法によって得られた他の陽性率をさらに加えてアンサンブル処理を行い、最終的な判定結果としてもよい。

　また、図１１に示すように、得られた判定結果は出力インターフェイス１１４を介して出力されるが、最終的な判定結果のみを出力してもよいし、各陽性率も一緒に出力するようにしてもよい。

　このように、本実施形態においては、口腔内の診断に用いるために口腔内を撮影して得られた画像を処理するのに適した処理装置、処理プログラム、処理方法及び処理システムを提供することが可能となる。

８．変形例
　図１４の例では、問診情報及び属性情報の少なくともいずれかを用いてインフルエンザに対する罹患の可能性を示す情報を出力する場合について説明した。しかし、これらの情報に代えて、又はこれらの情報に加えて、インフルエンザに関連する外部要因情報を用いて、インフルエンザに対する罹患の可能性を示す情報を出力するようにしてもよい。このような外部要因情報には、他の使用者に対してなされて判定結果や、医師による診断結果、また使用者が属する地域等におけるインフルエンザの流行情報などが挙げられる。プロセッサ１１１は、このような外部要因情報を通信インターフェイス１１５を介して他の処理装置等から取得し、学習済み陽性率判定モデルに外部要因情報を入力として与えることで、外部要因情報を考慮した陽性率を得ることが可能となる。

　図１４の例では、問診情報及び属性情報は、あらかじめ操作者又は使用者によって入力されるか、有線又は無線ネットワークに接続された電子カルテ装置等から受信する場合について説明した。しかし、これらに代えて、又はこれらに加えて撮影された被写体画像からこれらの情報を入手してもよい。学習用被写体画像に対して、当該学習用被写体画像に対応付けられた属性情報や問診情報を正解ラベルとして与え、これらの組をニューラルネットワークで機械学習することによって学習済み情報推定モデルを得る。そして、プロセッサ１１１が、当該学習済み情報推定モデルに対して被写体画像を入力として与えることで、所望の問診情報及び属性情報を得ることができる。このような問診情報及び属性情報の一例としては、性別、年齢、咽頭発赤度合い、扁桃腫脹度合い、白苔の有無等が挙げられる。これにより、操作者が問診情報及び属性情報を入力する手間を省くことができる。

　以下に、問診情報の具体例として、咽頭の濾胞の特徴量を得る場合について説明する。上記のとおり、咽頭部分に現れる濾胞は、インフルエンザに特徴的なサインであり、医師による診断においても視診によって確認される。そこで、学習用被写体画像に対して医師らによる操作入力によって濾胞などの注目領域に対するラベル付与処理を行う。そして、学習用被写体画像中におけるラベルの位置情報（形状情報）を学習用位置情報として取得し、学習用被写体画像とそれにラベル付けられた学習用位置情報の組をニューラルネットワークで機械学習することによって、学習済み領域抽出モデルを得る。そして、プロセッサ１１１が、当該学習済み領域抽出モデルに対して被写体画像を入力として与えることで、注目領域（つまり濾胞）の位置情報（形状情報）を出力する。その後、プロセッサ１１１は、得られた濾胞の位置情報（形状情報）を問診情報として記憶する。

　また、問診情報の他の具体例として、心拍数を得る場合について説明する。まず、プロセッサ１１１は、被写体画像として所定期間の撮影時間を受信する。そして、プロセッサ１１１は、受信した動画を構成する各フレームにＲＧＢの各色成分を抽出して、Ｇ（緑）成分の輝度を得る。プロセッサ１１１は、得られた各フレームのＧ成分の輝度から動画におけるＧ成分の輝度波形を生成し、そのピーク値から心拍数を推定する。なお、当該方法は、血液中のヘモグロビンが緑色の光を吸収することを利用した方法であるが、当然に他の方法によって心拍数が推定されてもよい。そして、プロセッサ１１１は、このように推定された心拍数を問診情報として記憶する。

　図１４の例では、メモリ１１２から読み出された判定画像に対してＳ６１２において前処理を行ったうえで、特徴量抽出器に入力として与える場合について説明した。しかし、必ずしも前処理は必要ではない。例えば、プロセッサ１１１は、メモリ１１２から判定画像を読み出し、前処理をすることなく読み出された判定画像を特徴量抽出器に入力として与えてもよい。また、前処理を行う場合であっても、プロセッサ１１１は、前処理がされた判定画像と前処理がされていない判定画像の両方を、特徴量抽出器に入力として与えてもよい。

　また、図１５～図１７において示した各学習済みモデルの生成においても、学習用データとして図１４のＳ６１２と同様の前処理を行った判定画像を用いた。しかし、上記のように図１４において前処理を行わない場合や、前処理後の判定画像と前処理前の判定画像の両方を判定画像として用いる場合を考慮して、前処理を行わない判定画像を学習用データとして用いてもよい。

　図１３、図１５～図１７等で説明した各学習済みモデルは、ニューラルネットワークや畳み込みニューラルネットワークを用いて生成した。しかし、これらに限らず、ニアレストネイバー法、決定木、回帰木、ランダムフォレスト等の機械学習を用いて生成することも可能である。

　図８の例では、処理装置１００において属性情報や問診情報の取得、判定画像の選択、判定処理、判定結果の出力が行われ、撮影装置２００において被写体画像の撮影が行われる場合について説明した。しかし、これらの各種処理は、処理装置１００や撮影装置２００などで適宜分散して処理することが可能である。図２０は、本開示の一実施形態に係る処理システム１の概略図である。具体的には、図２０は、処理システム１を構成する可能性のある各種装置の接続例を示す図である。図２０によれば、処理システム１には、処理装置１００、撮影装置２００、例えばスマートフォンやタブレット、ラップトップＰＣ等の端末装置８１０、電子カルテ装置８２０、及びサーバ装置８３０が含まれ、これらが互いに有線又は無線ネットワークを介して接続される。なお、図２０にあげる各装置は必ず備えられる必要はなく、以下に例示する処理の分散例にしたがって適宜備えられれば良い。

　図８の例に代えて、図２０に例示する処理システム１において、以下のとおり各種処理を分散することができる。
（１）被写体画像の撮影、属性情報や問診情報の取得、判定画像の選択、判定処理、判定結果の出力などのすべての処理を撮影装置２００で実行する。
（２）被写体画像の撮影及び判定結果の出力を撮影装置２００で実行し、判定画像の選択や判定処理など、機械学習を利用する処理をサーバ装置８３０（クラウドサーバ装置）で実行する。
（３）問診情報や属性情報の入力を端末装置８１０で実行し、判定画像の選択、判定処理、判定結果の出力を処理装置１００で実行し、被写体画像の撮影を撮影装置２００で実行する。
（４）問診情報や属性情報の入力、被写体画像の撮影を撮影装置２００で実行し、判定画像の選択、判定処理、判定結果の出力を処理装置１００で実行する。
（５）問診情報や属性情報の入力、判定結果の出力を端末装置８１０で実行し、判定画像の選択、判定処理を処理装置１００で実行し、被写体画像の撮影を撮影装置２００で実行する。
（６）問診情報や属性情報の入力を電子カルテ装置８２０で実行し、判定画像の選択、判定処理を処理装置１００で実行し、被写体画像の撮影を撮影装置２００で実行し、判定結果の出力を端末装置８１０で実行する。
（７）問診情報や属性情報の入力、判定結果の出力を電子カルテ装置８２０で実行し、判定画像の選択、判定処理を処理装置１００で実行し、被写体画像の撮影を撮影装置２００で実行する。
（８）問診情報や属性情報の入力、判定結果の出力を端末装置８１０で実行し、判定画像の選択、判定処理をサーバ装置８３０で実行し、被写体画像の撮影を撮影装置２００で実行する。
（９）問診情報や属性情報の入力、判定結果の出力を端末装置８１０及び電子カルテ装置８２０で実行し、判定画像の選択、判定処理をサーバ装置８３０で実行し、被写体画像の撮影を撮影装置２００で実行する。
（１０）問診情報や属性情報の入力、判定結果の出力を電子カルテ装置８２０で実行し、判定画像の選択、判定処理をサーバ装置８３０で実行し、被写体画像の撮影を撮影装置２００で実行する。

　上記の処理の分散例のうち一例について具体的に説明する。患者等が保持するスマートフォン、医療機関等で用いられるタブレット、医師等が使用するラップトップＰＣなど端末装置８１０において、図８に示すＳ１１～Ｓ１５に係る処理が実行される。その後、撮影装置２００においてＳ２１～Ｓ２４に係る処理が実行されると、端末装置８１０を介して、又は直接、サーバ装置８３０に被写体画像が送信される。被写体画像を受信したサーバ装置８３０において、Ｓ３１～Ｓ３２に係る処理が実行され、サーバ装置８３０から判定結果が端末装置８１０に出力される。判定結果の出力を受けた端末装置８１０において、その判定結果がメモリに記憶されるとともに、ディスプレイに表示される。

　なお、上記はあくまで処理の分散の一例であるにすぎない。また、本開示において処理装置１００のことを処理装置と呼称している。しかし、これは単に判定処理等に係る様々な処理を実行ことから、処理装置１００を処理装置と呼称しているにすぎない。例えば、各種処理を撮影装置２００、端末装置８１０、電子カルテ装置８２０、サーバ装置８３０等が実行する場合には、これらも処理装置として機能し、処理装置と呼称されることがある。

　図３の例では、撮影装置２００として略円柱状の撮影装置２００を用いて被写体画像を撮影した。しかし、これに限らず、例えば端末装置８１０を撮影装置として利用し、端末装置８１０に備えられたカメラを使って被写体画像を撮影することも可能である。このような場合、カメラは口腔内の咽頭近辺まで挿入されることなく、門歯の外側（体外側）に配置され口腔内の撮影を行うこととなる。

　なお、これら変形例は、上記で具体的に説明する点を除いて、図１～図１９で説明した一実施形態における構成、処理、手順と同様である。したがって、それらの事項の詳細な説明は省略する。また、各変形例や各実施形態で説明した各要素を適宜組み合わせるか、それらを置き換えてシステムを構成することも可能である。

　本明細書で説明される処理及び手順は、実施形態において明示的に説明されたものによってのみならず、ソフトウェア、ハードウェア又はこれらの組み合わせによっても実現可能である。具体的には、本明細書で説明された処理及び手順は、集積回路、揮発性メモリ、不揮発性メモリ、磁気ディスク、光ストレージ等の媒体に、当該処理に相当するロジックを実装することによって実現される。また、本明細書で説明される処理及び手順は、それらの処理・手順をコンピュータプログラムとして実装し、処理装置やサーバ装置を含む各種のコンピュータに実行させることが可能である。

　本明細書中で説明される処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理又は手順は、複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は、複数のモジュールによって実行されるものとすることができる。また、本明細書中で説明される各種情報が単一のメモリや記憶部に格納される旨が説明されたとしても、そのような情報は、単一の装置に備えられた複数のメモリ又は複数の装置に分散して配置された複数のメモリに分散して格納されるものとすることができる。さらに、本明細書において説明されるソフトウェア及びハードウェアの要素は、それらをより少ない構成要素に統合して、又は、より多い構成要素に分解することによって実現されるものとすることができる。

　１　　　　処理システム
　１００　　処理装置
　２００　　撮影装置
　３００　　補助具
　４００　　載置台
　６００　　操作者
　７００　　使用者
　８１０　　端末装置
　８２０　　電子カルテ装置
　８３０　　サーバ装置

Claims

　少なくとも一つのプロセッサを含み、
　前記少なくとも一つのプロセッサが、
　使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得し、
　所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定し、
　判定された前記罹患の可能性を示す情報を出力する、
　ための処理をするように構成される、処理装置。
　前記被写体には咽頭が少なくとも含まれる、請求項１に記載の処理装置。
　前記被写体には扁桃が少なくとも含まれる、請求項１に記載の処理装置。
　前記一又は複数の判定画像は、前記カメラで撮影された一又は複数の被写体画像から前記一又は複数の判定画像を選択するために前記メモリに記憶された学習済み判定画像選択モデルに、前記一又は複数の被写体画像を入力することで取得される、請求項１～３のいずれか一項に記載の処理装置。
　前記学習済み判定画像選択モデルは、前記被写体を撮影した学習用被写体画像と、前記学習用被写体画像に対して前記罹患の可能性の判定に用いることができるか否かをしめすラベル情報とを用いて学習することによって得られる、請求項４に記載の処理装置。
　前記一又は複数の判定画像は、前記カメラで撮影された複数の被写体画像から各被写体画像間の類似度に基づいて取得される、請求項１～３のいずれか一項に記載の処理装置。
　前記プロセッサは、
　前記所定の疾患に対する罹患の可能性の判定は、前記一又は複数の判定画像から所定の特徴量を抽出するための学習済み特徴量抽出器に、前記一又は複数の判定画像を入力して前記所定の特徴量を算出し、
　前記所定の特徴量と前記学習済み判定モデルとに基づいて前記所定の疾患に対する罹患の可能性を判定する、
　請求項１～６のいずれか一項に記載の処理装置。
　前記プロセッサは、
　前記使用者の問診情報及び属性情報の少なくともいずれかを取得し、
　前記学習済み判定モデルと前記一又は複数の判定画像に加えて、前記問診情報及び前記属性情報の少なくともいずれかに基づいて、前記所定の疾患に対する罹患の可能性を判定する、
　請求項１～７のいずれか一項に記載の処理装置。
　前記プロセッサは、
　前記使用者の問診情報及び属性情報の少なくともいずれかを取得し、
　前記問診情報及び前記属性情報のいずれも用いることなく、前記学習済み判定モデルと前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の第１の可能性を判定し、
　前記学習済み判定モデルと前記一又は複数の判定画像に加えて、前記問診情報及び前記属性情報の少なくともいずれかに基づいて、前記所定の疾患に対する罹患の第２の可能性を判定し、
　前記第１の可能性と前記第２の可能性とに基づいて前記罹患の可能性を示す情報を取得する、
　請求項１～７のいずれか一項に記載の処理装置。
　前記属性情報は、前記カメラで撮影された一又は複数の被写体画像から取得される情報である、請求項８又は９に記載の処理装置。
　前記プロセッサは、
　前記所定の疾患に関連する外部要因情報を取得し、
　前記学習済み判定モデルと前記一又は複数の判定画像に加えて、前記外部要因情報に基づいて、前記所定の疾患に対する罹患の可能性を判定する、
　請求項１～１０のいずれか一項に記載の処理装置。
　前記プロセッサは、少なくとも２枚以上の複数の判定画像に基づいて、前記所定の疾患に対する罹患の可能性を判定する、請求項１～１１のいずれか一項に記載の処理装置。
　少なくとも一つのプロセッサにより実行されることにより、
　使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得し、
　所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定し、
　判定された前記罹患の可能性を示す情報を出力する、
　ように前記少なくとも一つのプロセッサを機能させる処理プログラム。
　少なくとも１つのプロセッサにより実行される処理方法であって、
　使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを介して前記被写体の一又は複数の判定画像を取得する段階と、
　所定の疾患に対する罹患の可能性を判定するためにメモリに記憶された学習済み判定モデルと、取得された前記一又は複数の判定画像とに基づいて、前記所定の疾患に対する罹患の可能性を判定する段階と、
　判定された前記罹患の可能性を示す情報を出力する段階と、
　を含む処理方法。
　前記使用者の口腔の少なくとも一部が含まれた被写体の画像を撮影するためのカメラを備える撮影装置と、
　前記撮影装置と有線又は無線ネットワークを介して接続された請求項１～１２のいずれか一項に記載の処理装置と、
　を含む処理システム。