JP2014119881A - 情報処理装置、ラベル選択方法、及びプログラム - Google Patents
情報処理装置、ラベル選択方法、及びプログラム Download PDFInfo
- Publication number
- JP2014119881A JP2014119881A JP2012273593A JP2012273593A JP2014119881A JP 2014119881 A JP2014119881 A JP 2014119881A JP 2012273593 A JP2012273593 A JP 2012273593A JP 2012273593 A JP2012273593 A JP 2012273593A JP 2014119881 A JP2014119881 A JP 2014119881A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- data
- label
- calculating
- data set
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】操作画面に対するユーザーの入力操作の負担を軽減させる。
【解決手段】電子カルテ装置20は、複数のスタンプを記憶するスタンプ記憶部262と、可変個数の画像データを有するデータセットを入力する通信部24と、データセットの画像データ毎に、各画像データ固有の第1特徴量を算出する第1特徴量算出手段(CPU21及び第1特徴量算出プログラムP1)と、算出された各画像データの第1特徴量と、予め設定された教師データとに基づいて、複数のスタンプの各々が各画像データに対応する確信度を算出する確信度算出手段(CPU21及び確信度算出プログラムP2)と、算出された確信度を用いて、データセットの固定長の第2特徴量を算出する第2特徴量算出手段(CPU21及び第2特徴量算出プログラムP3)と、第2特徴量に基づいてデータセットに対応したスタンプを選択する選択手段(CPU21及び選択プログラムP4)と、を備える。
【選択図】図2
【解決手段】電子カルテ装置20は、複数のスタンプを記憶するスタンプ記憶部262と、可変個数の画像データを有するデータセットを入力する通信部24と、データセットの画像データ毎に、各画像データ固有の第1特徴量を算出する第1特徴量算出手段(CPU21及び第1特徴量算出プログラムP1)と、算出された各画像データの第1特徴量と、予め設定された教師データとに基づいて、複数のスタンプの各々が各画像データに対応する確信度を算出する確信度算出手段(CPU21及び確信度算出プログラムP2)と、算出された確信度を用いて、データセットの固定長の第2特徴量を算出する第2特徴量算出手段(CPU21及び第2特徴量算出プログラムP3)と、第2特徴量に基づいてデータセットに対応したスタンプを選択する選択手段(CPU21及び選択プログラムP4)と、を備える。
【選択図】図2
Description
本発明は、情報処理装置、ラベル選択方法、及びプログラムに関する。
医療の分野では、医師が作成する書類の電子化が進んでおり、患者の病状や検査内容、薬の処方等の情報を電子化して保存・管理する電子カルテが普及してきている。
電子カルテを作成する際には、ユーザー(医師など)がその操作画面上で各種の診療行為等を選択又は入力する必要があり、その操作が煩雑な場合がある。
近年、こうしたユーザーの操作負担を軽減させるため、電子カルテの入力に対して様々な工夫がなされている。例えば、特許文献1には、過去の診察時になされた操作の履歴を用いて所定の解析処理を実行し、その解析結果に基づいて新たになされた操作から次になされる操作を予測し、当該予測された操作を次の操作候補として提案する表示を表示手段に表示する技術が提案されている。
電子カルテを作成する際には、ユーザー(医師など)がその操作画面上で各種の診療行為等を選択又は入力する必要があり、その操作が煩雑な場合がある。
近年、こうしたユーザーの操作負担を軽減させるため、電子カルテの入力に対して様々な工夫がなされている。例えば、特許文献1には、過去の診察時になされた操作の履歴を用いて所定の解析処理を実行し、その解析結果に基づいて新たになされた操作から次になされる操作を予測し、当該予測された操作を次の操作候補として提案する表示を表示手段に表示する技術が提案されている。
このような電子カルテには、当該電子カルテの入力に多用される項目をスタンプとして登録しておく機能を備えたものが知られている。スタンプには、単一の診療行為、或いは複数の診療行為の組み合わせを一つのスタンプとして登録することが可能である。
しかしながら、電子カルテの作成においては、上記した各種のスタンプを登録しておいたとしても操作画面上で実際に所望のスタンプを選択するためには呼び出し操作が多く、その操作が煩雑であるという問題があった。
かかる問題は、操作画面上で複数の選択肢から所望の選択を行うユーザー操作に共通する問題である。即ち、可変個数の入力データに対して、複数の選択肢から対応する選択肢を抽出する技術は未だ確立されていない。
かかる問題は、操作画面上で複数の選択肢から所望の選択を行うユーザー操作に共通する問題である。即ち、可変個数の入力データに対して、複数の選択肢から対応する選択肢を抽出する技術は未だ確立されていない。
本発明の課題は、操作画面に対するユーザーの入力操作の負担を軽減させることのできる情報処理装置、ラベル選択方法、及びプログラムを提供することである。
請求項1に記載の発明は、情報処理装置において、
予め登録された複数のラベルを記憶する記憶手段と、
可変個数の入力データを有するデータセットを入力する入力手段と、
前記入力手段で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出手段と、
前記第1特徴量算出手段により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出手段と、
前記確信度算出手段で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段で算出された第2特徴量に基づいて、前記データセットに対応したラベルを前記記憶手段に記憶された前記複数のラベルの中から選択する選択手段と、
を備えることを特徴とする。
予め登録された複数のラベルを記憶する記憶手段と、
可変個数の入力データを有するデータセットを入力する入力手段と、
前記入力手段で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出手段と、
前記第1特徴量算出手段により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出手段と、
前記確信度算出手段で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段で算出された第2特徴量に基づいて、前記データセットに対応したラベルを前記記憶手段に記憶された前記複数のラベルの中から選択する選択手段と、
を備えることを特徴とする。
また、請求項2に記載の発明は、請求項1に記載の情報処理装置において、
前記第2特徴量算出手段は、前記第2特徴量として、前記ラベル毎に、前記確信度算出手段で算出された各入力データに対応する確信度の和又は積を求めることを特徴とする。
前記第2特徴量算出手段は、前記第2特徴量として、前記ラベル毎に、前記確信度算出手段で算出された各入力データに対応する確信度の和又は積を求めることを特徴とする。
また、請求項3に記載の発明は、請求項1又は2に記載の情報処理装置において、
前記確信度算出手段は、入力データ毎に、k近傍法を用いて前記複数のラベルの各ラベルに対して確信度を算出することを特徴とする。
前記確信度算出手段は、入力データ毎に、k近傍法を用いて前記複数のラベルの各ラベルに対して確信度を算出することを特徴とする。
また、請求項4に記載の発明は、請求項1〜3の何れか一項に記載の情報処理装置において、
前記入力データは、画像データであることを特徴とする。
前記入力データは、画像データであることを特徴とする。
また、請求項5に記載の発明は、請求項1〜4の何れか一項に記載の情報処理装置において、
前記入力データは、医療画像データであり、
前記ラベルは、一又は複数の診療項目が登録された医療スタンプであることを特徴とする。
前記入力データは、医療画像データであり、
前記ラベルは、一又は複数の診療項目が登録された医療スタンプであることを特徴とする。
また、請求項6に記載の発明は、請求項1〜5の何れか一項に記載の情報処理装置において、
前記選択手段により選択されたラベルを表示部に表示させる表示制御手段を更に備えることを特徴とする。
前記選択手段により選択されたラベルを表示部に表示させる表示制御手段を更に備えることを特徴とする。
また、請求項7に記載の発明は、請求項1〜6の何れか一項に記載の情報処理装置において、
前記選択手段は、前記第2特徴量算出手段で算出された第2特徴量の値が高いラベルから前記データセットに対応したラベルとして順位付けすることを特徴とする。
前記選択手段は、前記第2特徴量算出手段で算出された第2特徴量の値が高いラベルから前記データセットに対応したラベルとして順位付けすることを特徴とする。
また、請求項8に記載の発明は、
可変個数の入力データを有するデータセットに対して、予め登録された複数のラベルから前記データセットに対応したラベルを選択するラベル選択方法において、
前記可変個数の入力データを有するデータセットを入力する入力工程と、
前記入力工程で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出工程と、
前記第1特徴量算出工程により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出工程と、
前記確信度算出工程で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出工程と、
前記第2特徴量算出工程で算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶された前記複数のラベルの中から選択する選択工程と、
を有することを特徴とする。
可変個数の入力データを有するデータセットに対して、予め登録された複数のラベルから前記データセットに対応したラベルを選択するラベル選択方法において、
前記可変個数の入力データを有するデータセットを入力する入力工程と、
前記入力工程で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出工程と、
前記第1特徴量算出工程により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出工程と、
前記確信度算出工程で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出工程と、
前記第2特徴量算出工程で算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶された前記複数のラベルの中から選択する選択工程と、
を有することを特徴とする。
また、請求項9に記載の発明のプログラムは、
コンピューターを、
可変個数の入力データを有するデータセットを入力する手段、
入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する手段、
算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する手段、
算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する手段、
算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶手段に記憶された複数のラベルの中から選択する手段、
として機能させる。
コンピューターを、
可変個数の入力データを有するデータセットを入力する手段、
入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する手段、
算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する手段、
算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する手段、
算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶手段に記憶された複数のラベルの中から選択する手段、
として機能させる。
本発明によれば、可変個数の入力データを有するデータセットが入力された場合に、予め登録された複数のラベルの中からそのデータセットに対応したラベルを選択することができる。このため、データセットが入力された場合に、操作画面にそのデータセットに対応したラベルを選択可能に表示できることとなり、操作画面に対するユーザーの入力操作の負担を軽減させることができる。
〔診断システムの構成〕
以下、本発明の実施形態について図面を参照して説明する。ただし、発明の範囲は、図示例に限定されない。
以下、本発明の実施形態について図面を参照して説明する。ただし、発明の範囲は、図示例に限定されない。
図1に、診断システム1のシステム構成を示す。
図1に示すように、診断システム1は、モダリティー10と、電子カルテ装置20と、医用画像サーバー30と、医事会計システム40と、を備えて構成されており、各装置は、LAN(Local Area Network)等の通信ネットワークNを介してデータ通信可能に接続されている。
図1に示すように、診断システム1は、モダリティー10と、電子カルテ装置20と、医用画像サーバー30と、医事会計システム40と、を備えて構成されており、各装置は、LAN(Local Area Network)等の通信ネットワークNを介してデータ通信可能に接続されている。
モダリティー10は、患者の診断対象部位を放射線撮影し、撮影した画像をデジタル変換して画像データを生成する。また、モダリティー10は、検査オーダー情報や撮影時に入力された情報に基づいて、画像データに付帯される付帯情報を生成する。付帯情報には、患者情報(患者ID、患者氏名、性別、年齢、生年月日等)、撮影条件(モダリティーの種類、撮影部位、撮影方向、各種パラメーター等)等が含まれる。
例えば、モダリティー10は、画像データに付帯情報を付帯させ、DICOM(Digital Image and Communications in Medicine)規格に則ったDICOMファイル形式でDICOM準拠画像データを生成する。
モダリティー10としては、例えば、CR(Computed Radiography)装置や、DR(Digital Radiography)装置などの放射線画像撮影装置等が適用可能である。
例えば、モダリティー10は、画像データに付帯情報を付帯させ、DICOM(Digital Image and Communications in Medicine)規格に則ったDICOMファイル形式でDICOM準拠画像データを生成する。
モダリティー10としては、例えば、CR(Computed Radiography)装置や、DR(Digital Radiography)装置などの放射線画像撮影装置等が適用可能である。
電子カルテ装置20は、情報処理装置であって、電子カルテ作成機能、画像ビューアー機能を有するコンピューター装置である。電子カルテ装置20は、患者毎、診断毎に、一又は複数の診療行為を記録した診療行為データを生成する。電子カルテ装置20は、診療行為データを医事会計システム40に送信する。
医用画像サーバー30は、モダリティー10において生成された画像データを記憶し、管理する。医用画像サーバー30として、PACS(Picture Archiving and Communication System)等が適用可能である。医用画像サーバー30は、外部機器からの画像データの取得要求に応じて、要求された画像データを当該外部機器に送信する。
医事会計システム40は、会計計算や保険点数計算等を行うためのコンピューター装置である。医事会計システム40は、電子カルテ装置20から診療行為データを受信する。医事会計システム40は、診療行為データに含まれる診療行為を診療報酬の点数に変換し、会計計算や保険点数計算を行い、レセプトデータを生成する。レセプトデータは、患者が受けた診療について、医療機関が保険者(市町村や健康保険組合等)に医療費を請求するための診療報酬明細書(レセプト)の情報である。レセプトデータには、患者情報(患者氏名、性別、生年月日等)、患者の健康保険加入情報、請求元の医療機関名、診療科、診療行為データ、診療行為データに含まれる各診療行為に対応する診療報酬の点数等が記載されている。
なお、診断システム1を構成する各装置の数は、特に限定されない。
また、診断システム1における通信方式としては、一般的に、DICOM規格が用いられており、各装置間の通信では、DICOM MWM(Modality Worklist Management)やDICOM MPPS(Modality Performed Procedure Step)が用いられる。
また、診断システム1における通信方式としては、一般的に、DICOM規格が用いられており、各装置間の通信では、DICOM MWM(Modality Worklist Management)やDICOM MPPS(Modality Performed Procedure Step)が用いられる。
〔電子カルテ装置の構成〕
図2に、電子カルテ装置20の機能的構成を示す。
図2に示すように、電子カルテ装置20は、CPU(Central Processing Unit)21、操作部22、表示部23、通信部24、RAM(Random Access Memory)25、記憶部26等を備えて構成されており、各部はバス27により接続されている。
図2に、電子カルテ装置20の機能的構成を示す。
図2に示すように、電子カルテ装置20は、CPU(Central Processing Unit)21、操作部22、表示部23、通信部24、RAM(Random Access Memory)25、記憶部26等を備えて構成されており、各部はバス27により接続されている。
CPU21は、電子カルテ装置20の各部の処理動作を統括的に制御する。具体的には、CPU21は、操作部22から入力される操作信号や通信部24により受信される指示信号等に応じて、記憶部26に記憶されている各種処理プログラムを読み出してRAM25に展開し、当該プログラムとの協働により各種処理を行う。
操作部22は、カーソルキー、数字入力キー及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成されている。
操作部22は、例えば、表示部23に表示される操作画面に対して、ユーザーである医師などが入力操作や選択操作を行う場合に利用され、キーボードに対するキー操作やマウス操作により入力された操作信号をCPU21に出力する。
例えば、操作部22は、医用画像サーバー30に記憶された画像データのデータセットを電子カルテ装置20に取り込む指示をユーザーが行う場合に利用される。
また、操作部22は、電子カルテの作成を行うための各種操作をユーザーが行う場合に利用される。
操作部22は、例えば、表示部23に表示される操作画面に対して、ユーザーである医師などが入力操作や選択操作を行う場合に利用され、キーボードに対するキー操作やマウス操作により入力された操作信号をCPU21に出力する。
例えば、操作部22は、医用画像サーバー30に記憶された画像データのデータセットを電子カルテ装置20に取り込む指示をユーザーが行う場合に利用される。
また、操作部22は、電子カルテの作成を行うための各種操作をユーザーが行う場合に利用される。
表示部23は、LCD(Liquid Crystal Display)等のモニターを備えて構成されており、制御部21から入力される表示信号の指示に従って、各種画面を表示する。
図3に、表示部23に表示される画面の一例である電子カルテ作成画面G1を示す。
電子カルテ作成画面G1には、スタンプ箱231、カルテ情報入力画面232、画像表示画面233等が含まれる。
スタンプ箱231は、所定の項目毎に分類されたタブを備え、各項目のタブが選択されると、その項目に含まれるスタンプ(ラベル)が表示される。
図3は、「放射線」という項目のタブが選択され、その項目に含まれる「スタンプ1」〜「スタンプ4」が表示されている例である。なお、スタンプの内容に関しては後述する。
カルテ情報入力画面232は、診断対象となる患者に対する診療行為をユーザーが入力するための操作画面である。
画像表示画面233は、診断対象となる患者の画像を表示するための表示画面である。
電子カルテ作成画面G1には、スタンプ箱231、カルテ情報入力画面232、画像表示画面233等が含まれる。
スタンプ箱231は、所定の項目毎に分類されたタブを備え、各項目のタブが選択されると、その項目に含まれるスタンプ(ラベル)が表示される。
図3は、「放射線」という項目のタブが選択され、その項目に含まれる「スタンプ1」〜「スタンプ4」が表示されている例である。なお、スタンプの内容に関しては後述する。
カルテ情報入力画面232は、診断対象となる患者に対する診療行為をユーザーが入力するための操作画面である。
画像表示画面233は、診断対象となる患者の画像を表示するための表示画面である。
通信部24は、ネットワークインターフェース等により構成され、通信ネットワークNを介して接続された外部機器との間でデータの送受信を行う。
例えば、通信部24は、ユーザーが、操作部22に対して、医用画像サーバー30に記憶された画像データのデータセットを電子カルテ装置20に取り込む指示を行った場合、かかる指示に応じて画像データのデータセットを受信する。これにより、通信部24は、電子カルテ装置20に画像データを入力する入力手段として機能している。
また、通信部24は、診療行為データを医事会計システム40に送信する。また、通信部24は、医事会計システム40からレセプトデータを受信する。
例えば、通信部24は、ユーザーが、操作部22に対して、医用画像サーバー30に記憶された画像データのデータセットを電子カルテ装置20に取り込む指示を行った場合、かかる指示に応じて画像データのデータセットを受信する。これにより、通信部24は、電子カルテ装置20に画像データを入力する入力手段として機能している。
また、通信部24は、診療行為データを医事会計システム40に送信する。また、通信部24は、医事会計システム40からレセプトデータを受信する。
RAM25は、制御部21により実行制御される各種処理において、記憶部26から読み出された各種プログラム、入力若しくは出力データ及びパラメーター等を一時的に記憶するワークエリアを形成する。
記憶部26は、HDD(Hard Disk Drive)や不揮発性メモリー等により構成され、各種処理プログラム、当該プログラムの実行に必要なパラメーターやファイル等を記憶している。具体的に、記憶部26には、データ記憶部261、スタンプ記憶部262、第1特徴量算出プログラムP1、確信度算出プログラムP2、第2特徴量算出プログラムP3、選択プログラムP4、表示制御プログラムP5等が記憶されている。
データ記憶部261は、通信部24を介して電子カルテ装置20に入力された画像データのデータセットを記憶する。また、データ記憶部261は、後述する第1特徴量算出処理により作成される画像(第1特徴量算出用画像)等も記憶する。
ここで、データセットとは、一乃至複数の可変個数の画像データの組み合わせである。
具体的には、例えば、診療施設において一患者に対して一回の診療で実行された放射線撮影で得られた画像データを一組とした画像データの組み合わせであって、本実施形態においてデータ記憶部261に記憶されるデータセットとして考え得るものとしては、例えば、下記1〜6の画像データの組み合わせを挙げることができる。なお、下記1〜6の画像データの組み合わせ(データセット)はあくまで例であって、データセットの内容はこれに限定されない。
データセット1:胸部正面画像データ
データセット2:腹部画像データ
データセット3:胸部正面画像データ、胸部側面画像データ
データセット4:胸部正面画像データ、下肢画像データ
データセット5:胸部正面画像データ、腹部画像データ
データセット6:胸部正面画像データ、胸部側面画像データ、腹部画像データ
ここで、データセットとは、一乃至複数の可変個数の画像データの組み合わせである。
具体的には、例えば、診療施設において一患者に対して一回の診療で実行された放射線撮影で得られた画像データを一組とした画像データの組み合わせであって、本実施形態においてデータ記憶部261に記憶されるデータセットとして考え得るものとしては、例えば、下記1〜6の画像データの組み合わせを挙げることができる。なお、下記1〜6の画像データの組み合わせ(データセット)はあくまで例であって、データセットの内容はこれに限定されない。
データセット1:胸部正面画像データ
データセット2:腹部画像データ
データセット3:胸部正面画像データ、胸部側面画像データ
データセット4:胸部正面画像データ、下肢画像データ
データセット5:胸部正面画像データ、腹部画像データ
データセット6:胸部正面画像データ、胸部側面画像データ、腹部画像データ
スタンプ記憶部262は、予め登録された複数のスタンプを記憶する。
スタンプとは、電子カルテの入力に多用される項目を予め登録しておく機能であり、項目毎に、単一の診療行為或いは複数の診療行為の組み合わせを一つのスタンプとして登録することが可能である。なお、スタンプは、各施設において任意に作成され、ユーザーの登録操作によってスタンプ記憶部262に記憶される。
本実施形態においては、スタンプ記憶部262には、「放射線」の項目が備えられ、その中に下記1〜4に示す診療行為を含むスタンプが登録されているものとする。
スタンプ1(S1):胸部放射線撮影1枚
スタンプ2(S2):胸部放射線撮影2枚
スタンプ3(S3):腹部放射線撮影1枚
スタンプ4(S4):下肢放射線撮影1枚
スタンプとは、電子カルテの入力に多用される項目を予め登録しておく機能であり、項目毎に、単一の診療行為或いは複数の診療行為の組み合わせを一つのスタンプとして登録することが可能である。なお、スタンプは、各施設において任意に作成され、ユーザーの登録操作によってスタンプ記憶部262に記憶される。
本実施形態においては、スタンプ記憶部262には、「放射線」の項目が備えられ、その中に下記1〜4に示す診療行為を含むスタンプが登録されているものとする。
スタンプ1(S1):胸部放射線撮影1枚
スタンプ2(S2):胸部放射線撮影2枚
スタンプ3(S3):腹部放射線撮影1枚
スタンプ4(S4):下肢放射線撮影1枚
なお、スタンプの項目としては、上記した放射線以外にも、例えば、処方、初診・再診、指導・在宅、検体検査、生体検査、細菌検査、注射、その他、処置、手術、放射線、傷病名、汎用等を備えることができる。また、こうした項目の種類や、各項目に含まれるスタンプの数、スタンプに含まれる診療行為の内容はこれに限定されない。
第1特徴量算出プログラムP1は、電子カルテ装置20に画像データのデータセットが入力された(即ち、データ記憶部261に記憶された)場合、そのデータセットの画像データ毎に、当該各画像データの固有の特徴を示す第1特徴量を算出する機能をCPU21に実現させるためのプログラムである。CPU21は、かかる第1特徴量算出プログラムP1を実行することにより、第1特徴量算出手段として機能している。
具体的に、CPU21は、データセットが入力された場合、データセットに含まれる画像データの各々に対して、画素信号値を所定の間引き率で間引いた第1特徴量算出用画像を作成する。次いで、CPU21は、第1特徴量算出用画像の画素信号値を各画像データの固有の特徴を示す第1特徴量とする。
例えば、入力された画像データが2000×2000の信号値を有する場合、信号値を10×10まで間引き、その10×10=100の信号値をこの画像の第1特徴量とする。
例えば、入力された画像データが2000×2000の信号値を有する場合、信号値を10×10まで間引き、その10×10=100の信号値をこの画像の第1特徴量とする。
図4(a)は、データセットが一枚の画像データ(胸部正面画像データ)を有する場合の処理の一例である。
図4(a)に示すように、胸部正面のオリジナル画像は、画像中央付近に2箇所肺野に相当する濃度の濃い部分が在り、その濃度の濃い部分の中央部に三角形状の縦隔に相当する白い部分が在ることがわかる。そして、第1特徴量算出用画像は、胸部正面のオリジナル画像の特徴を残しつつ、その情報量(信号値)を減らした画像となる。
図4(a)に示すように、胸部正面のオリジナル画像は、画像中央付近に2箇所肺野に相当する濃度の濃い部分が在り、その濃度の濃い部分の中央部に三角形状の縦隔に相当する白い部分が在ることがわかる。そして、第1特徴量算出用画像は、胸部正面のオリジナル画像の特徴を残しつつ、その情報量(信号値)を減らした画像となる。
図4(b)は、データセットが二枚の画像データ(胸部正面画像データ、腹部画像データ)を有する場合の処理の一例である。
図4(b)に示すように、胸部正面のオリジナル画像は、画像中央付近に2箇所肺野に相当する濃度の濃い部分が在り、その濃度の濃い部分の中央部に三角形状の縦隔に相当する白い部分が在ることがわかる。また、腹部のオリジナル画像は、画像中央を上下に亘って胃に相当する白い部分が在ることがわかる。そして、第1特徴量算出用画像は、胸部正面及び腹部のオリジナル画像の特徴を残しつつ、その情報量(信号値)を減らした画像となる。
図4(b)に示すように、胸部正面のオリジナル画像は、画像中央付近に2箇所肺野に相当する濃度の濃い部分が在り、その濃度の濃い部分の中央部に三角形状の縦隔に相当する白い部分が在ることがわかる。また、腹部のオリジナル画像は、画像中央を上下に亘って胃に相当する白い部分が在ることがわかる。そして、第1特徴量算出用画像は、胸部正面及び腹部のオリジナル画像の特徴を残しつつ、その情報量(信号値)を減らした画像となる。
確信度算出プログラムP2は、上記第1特徴量算出プログラムP1の実行により算出された各画像データの第1特徴量と、第1特徴量及びスタンプを関連付けた教師データとに基づいて、スタンプ記憶部262に記憶された複数のスタンプの各々が各画像データに対応する確信度を算出する機能をCPU21に実現させるためのプログラムである。CPU21は、かかる確信度算出プログラムP2を実行することにより確信度算出手段として機能している。
具体的には、CPU21は、各画像データ(第1特徴量算出用画像の画像データ)に対して、例えば公知のk近傍法(k-nearest neighbor algorithm(k-NN))などの学習アルゴリズムを適用し、図5(a)(b)に示すように、その画像データに対するスタンプ1〜4の確信度を算出する。確信度とは、画像データがそのスタンプである可能性の高さを示す指標であり、算出した値が高い程、画像データにそのスタンプが対応する可能性が高いと考えられる。
以下、k近傍法により上記した確信度を算出する手法について説明する。
k近傍法は、最も類似する一つの事例のかわりに、最も類似するk個の事例を用いて、このk個の事例での多数決によって分類先(解)を求める手法である。kは、予め定める整数の数字であって、一般的に、1から9の間の奇数を用いる。
図6は、図5(a)の第1特徴量算出用画像に対してk近傍法を適用した場合の特徴量空間を示す一例である。
特徴量空間には、第1特徴量及びスタンプを関連付けた複数の教師データを事前に設定しておく。
図6では、黒丸(●)がスタンプ1を示し、白丸(○)がスタンプ2を示し、黒三角(▲)がスタンプ3を示し、白三角(△)がスタンプ4を示すこととする。また、確信度算出の対象である第1特徴量算出用画像は、Xで示す。
図6は、k=5とした場合を示しており、第1特徴量算出用画像(X)に近いものから5つの教師データが選択され(図6の破線内部)、その5つの教師データの数及び種類に応じて確信度が求められる。図6の例では、スタンプ1が3、スタンプ2が2、スタンプ3が0、スタンプ4が0となる。
k近傍法は、最も類似する一つの事例のかわりに、最も類似するk個の事例を用いて、このk個の事例での多数決によって分類先(解)を求める手法である。kは、予め定める整数の数字であって、一般的に、1から9の間の奇数を用いる。
図6は、図5(a)の第1特徴量算出用画像に対してk近傍法を適用した場合の特徴量空間を示す一例である。
特徴量空間には、第1特徴量及びスタンプを関連付けた複数の教師データを事前に設定しておく。
図6では、黒丸(●)がスタンプ1を示し、白丸(○)がスタンプ2を示し、黒三角(▲)がスタンプ3を示し、白三角(△)がスタンプ4を示すこととする。また、確信度算出の対象である第1特徴量算出用画像は、Xで示す。
図6は、k=5とした場合を示しており、第1特徴量算出用画像(X)に近いものから5つの教師データが選択され(図6の破線内部)、その5つの教師データの数及び種類に応じて確信度が求められる。図6の例では、スタンプ1が3、スタンプ2が2、スタンプ3が0、スタンプ4が0となる。
本実施形態においては、上述したように、CPU21は、各画像データに対してスタンプ毎の確信度を算出する。
従って、図5(a)に示すように、一枚の画像データからなるデータセットの場合には、1組の確信度が算出される。ここでは、(S1、S2、S3、S4)=(3、2、0、0)の1組の確信度が算出されたこととする。
また、図5(b)に示すように、二枚の画像データからなるデータセットの場合には、2組の確信度が算出される。ここでは、(S1、S2、S3、S4)=(3、2、0、0)、及び(S1、S2、S3、S4)=(0、0、5、0)の2組の確信度が算出されたこととする。
従って、図5(a)に示すように、一枚の画像データからなるデータセットの場合には、1組の確信度が算出される。ここでは、(S1、S2、S3、S4)=(3、2、0、0)の1組の確信度が算出されたこととする。
また、図5(b)に示すように、二枚の画像データからなるデータセットの場合には、2組の確信度が算出される。ここでは、(S1、S2、S3、S4)=(3、2、0、0)、及び(S1、S2、S3、S4)=(0、0、5、0)の2組の確信度が算出されたこととする。
ここで、特徴量空間に事前に設定された教師データとしては、例えば、今回の放射線画像撮影以前にその施設で行われた撮影により得られた画像データ等が用いられる。また、今回がその施設での最初の撮影である場合、ユーザーは、その施設で得られると想定される画像と同種類の標準的な画像データを準備して、教師データとして用いれば良い。本処理は、使用回数が多くなる程、教師データが増えて、確信度の精度が向上していくこととなる。
なお、確信度の算出方法は上記したk近傍法に限定されるものではなく、これ以外にも、例えば、公知の学習アルゴリズムであるAdaBoost (Adaptive Boosting)やニューラルネットワーク等を用いることが可能である。
なお、確信度の算出方法は上記したk近傍法に限定されるものではなく、これ以外にも、例えば、公知の学習アルゴリズムであるAdaBoost (Adaptive Boosting)やニューラルネットワーク等を用いることが可能である。
第2特徴量算出プログラムP3は、上記確信度算出プログラムP2の実行により算出された確信度を用いて、スタンプ毎に、データセットの固定長の第2特徴量を算出する機能をCPU21に実現させるためのプログラムである。CPU21は、かかる第2特徴量算出プログラムP3を実行することにより第2特徴量算出手段として機能している。
上述したように、これまでの処理により、データセットの1枚1枚の画像データに対してスタンプ毎の確信度が算出されている。
このとき、データセットに含まれる画像データの個数によって、算出されているスタンプ毎の確信度は、一組乃至複数組存在している。例えば、画像データが一つであれば、1組の(S1、S2、S3、S4)の確信度が算出されており、画像データが二つであれば、2組の(S1、S2、S3、S4)の確信度が算出されている。
このとき、データセットに含まれる画像データの個数によって、算出されているスタンプ毎の確信度は、一組乃至複数組存在している。例えば、画像データが一つであれば、1組の(S1、S2、S3、S4)の確信度が算出されており、画像データが二つであれば、2組の(S1、S2、S3、S4)の確信度が算出されている。
本処理は、このような可変個数の画像データの確信度を固定長とするためのものであり、CPU21は、スタンプ毎に、各画像データに対応する確信度の和を求め、固定長の第2特徴量を算出する。
具体的には、図7(a)に示すように、1組の(S1、S2、S3、S4)の確信度が算出されている場合には、その1組の(S1、S2、S3、S4)の確信度を第2特徴量とする。
また、図7(b)に示すように、2組の(S1、S2、S3、S4)の確信度が算出されている場合には、その2組の(S1、S2、S3、S4)の確信度をそれぞれのスタンプ毎に足し合わせ、第2特徴量とする。なお、3組以上の確信度が算出されている場合も、同様にして、全ての組の(S1、S2、S3、S4)の確信度をそれぞれのスタンプ毎に足し合わせればよい。
これにより、データセットによって画像データの個数が固定でない場合にも、固定長の特徴量を算出することができる。
なお、本実施形態においては、上記したように複数の組の(S1、S2、S3、S4)の確信度があった場合、それぞれのスタンプ毎の確信度の和をとることにより第2特徴量を算出しているが、和の代わりに積をとることで算出することとしても良い。
具体的には、図7(a)に示すように、1組の(S1、S2、S3、S4)の確信度が算出されている場合には、その1組の(S1、S2、S3、S4)の確信度を第2特徴量とする。
また、図7(b)に示すように、2組の(S1、S2、S3、S4)の確信度が算出されている場合には、その2組の(S1、S2、S3、S4)の確信度をそれぞれのスタンプ毎に足し合わせ、第2特徴量とする。なお、3組以上の確信度が算出されている場合も、同様にして、全ての組の(S1、S2、S3、S4)の確信度をそれぞれのスタンプ毎に足し合わせればよい。
これにより、データセットによって画像データの個数が固定でない場合にも、固定長の特徴量を算出することができる。
なお、本実施形態においては、上記したように複数の組の(S1、S2、S3、S4)の確信度があった場合、それぞれのスタンプ毎の確信度の和をとることにより第2特徴量を算出しているが、和の代わりに積をとることで算出することとしても良い。
選択プログラムP4は、上記第2特徴量算出プログラムP3の実行により算出された第2特徴量に基づいて、データセットに対応したスタンプをスタンプ記憶部262に記憶された複数のスタンプの中から選択する機能をCPU21に実現させるためのプログラムである。CPU21は、かかる選択プログラムP4を実行することにより選択手段として機能している。
具体的に、CPU21は、上記した第2特徴量の値の大きさに基づいて、その値が高いスタンプからデータセットに対応したスタンプとして順位付けし、上位から任意の順位までのスタンプを推奨スタンプとして選択する。
なお、推奨スタンプの選択をする手法としては、上記した処理以外にも、例えば、公知の学習アルゴリズムであるk-NN、AdaBoost、ニューラルネットワーク等を用いて実行することも可能である。
具体的に、CPU21は、上記した第2特徴量の値の大きさに基づいて、その値が高いスタンプからデータセットに対応したスタンプとして順位付けし、上位から任意の順位までのスタンプを推奨スタンプとして選択する。
なお、推奨スタンプの選択をする手法としては、上記した処理以外にも、例えば、公知の学習アルゴリズムであるk-NN、AdaBoost、ニューラルネットワーク等を用いて実行することも可能である。
表示制御プログラムP5は、上記選択プログラムP4の実行により選択されたデータセットに対応したスタンプを表示部23の電子カルテ作成画面G1に表示させる機能をCPU21に実現させるためのプログラムである。CPU21は、かかる表示制御プログラムP5を実行することにより表示制御手段として機能している。
具体的に、CPU21は、上述の処理によって推奨スタンプが選択された場合、図8に示すように、電子カルテ作成画面G1上に、推奨スタンプを提案するためのポップアップ表示部G2を表示させる。
具体的に、CPU21は、上述の処理によって推奨スタンプが選択された場合、図8に示すように、電子カルテ作成画面G1上に、推奨スタンプを提案するためのポップアップ表示部G2を表示させる。
〔電子カルテ装置の動作〕
次に、電子カルテ装置20における動作について説明する。
図9は、電子カルテ装置20において実行されるスタンプ選択処理(ラベル選択処理)を示すフローチャートである。この処理は、制御部21と記憶部26に記憶されている各種プログラムP1〜P5との協働によるソフトウェア処理によって実現される。
次に、電子カルテ装置20における動作について説明する。
図9は、電子カルテ装置20において実行されるスタンプ選択処理(ラベル選択処理)を示すフローチャートである。この処理は、制御部21と記憶部26に記憶されている各種プログラムP1〜P5との協働によるソフトウェア処理によって実現される。
先ず、ステップS1において、可変個数の画像データを有するデータセットが入力される。
具体的には、ユーザーが操作部22に対して所定の患者の診療に関する画像データのデータセットを電子カルテ装置20に取り込む指示を行った場合、CPU21は、通信部24を介して、医用画像サーバー30から所定の画像データのデータセットを受信する。
具体的には、ユーザーが操作部22に対して所定の患者の診療に関する画像データのデータセットを電子カルテ装置20に取り込む指示を行った場合、CPU21は、通信部24を介して、医用画像サーバー30から所定の画像データのデータセットを受信する。
次に、ステップS2において、CPU21は、データセットに含まれる各画像データ毎に、当該各画像データに固有の第1特徴量を算出する。
具体的に、制御部21は、各画像データの画素信号値を所定の間引き率で間引いた第1特徴量算出用画像を作成し、第1特徴量算出用画像の画素信号値を各画像データの固有の特徴を示す第1特徴量とする(図4(a)(b)参照)。
具体的に、制御部21は、各画像データの画素信号値を所定の間引き率で間引いた第1特徴量算出用画像を作成し、第1特徴量算出用画像の画素信号値を各画像データの固有の特徴を示す第1特徴量とする(図4(a)(b)参照)。
次に、ステップS3において、CPU21は、上記ステップS2で算出した第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、スタンプ記憶部262に記憶された複数のスタンプの各々が各画像データに対応する確信度を算出する。
具体的に、制御部21は、各画像データに対して例えばk近傍法等の手法を適用し、その画像データに対するスタンプ1〜4の確信度を算出する(図5(a)(b)参照)。
具体的に、制御部21は、各画像データに対して例えばk近傍法等の手法を適用し、その画像データに対するスタンプ1〜4の確信度を算出する(図5(a)(b)参照)。
次に、ステップS4において、CPU21は、上記ステップS3で算出した確信度を用いて、スタンプ毎に、データセットの固定長の第2特徴量を算出する。
具体的に、制御部21は、各スタンプ毎に各画像データに対応する確信度を足し合わせて、第2特徴量とする(図7参照)。
具体的に、制御部21は、各スタンプ毎に各画像データに対応する確信度を足し合わせて、第2特徴量とする(図7参照)。
次に、ステップS5において、CPU21は、上記ステップS4で算出された第2特徴量に基づいて、データセットに対応したスタンプをスタンプ記憶部262に記憶された複数のスタンプの中から選択する。
具体的に、CPU21は、第2特徴量の値が高いものからデータセットに対応したスタンプとして順位付けし、上位から任意の順位までのスタンプを推奨スタンプとして選択する。
具体的に、CPU21は、第2特徴量の値が高いものからデータセットに対応したスタンプとして順位付けし、上位から任意の順位までのスタンプを推奨スタンプとして選択する。
次に、ステップS6において、CPU21は、上記氏テップS5で選択された推奨スタンプを表示部23に表示させる。
具体的に、CPU21は、表示部23の電子カルテ作成画面G1上に、推奨スタンプを提案するためのポップアップ表示部G2を表示させる(図8参照)。
具体的に、CPU21は、表示部23の電子カルテ作成画面G1上に、推奨スタンプを提案するためのポップアップ表示部G2を表示させる(図8参照)。
かかるスタンプ選択処理により、例えば、電子カルテ作成画面G1の画像表示画面233に、電子カルテ装置20に取り込まれたデータセットに含まれる画像が表示された際に、そのデータセットに対応するものとして推奨されるスタンプがポップアップ表示されることとなる。このため、所望のスタンプを選択するための呼び出し操作等を簡略化できるので、電子カルテ作成を容易に行うことができる。
また、上記したスタンプ選択処理は、入力されるデータセットの画像データ数に限定がなく、またスタンプ数が如何なる個数であったとしても、入力されるデータセットに対応するスタンプを選択することができる。
また、上記したスタンプ選択処理は、入力されるデータセットの画像データ数に限定がなく、またスタンプ数が如何なる個数であったとしても、入力されるデータセットに対応するスタンプを選択することができる。
以上のように、本実施形態によれば、電子カルテ装置20は、予め登録された複数のスタンプを記憶するスタンプ記憶部262と、可変個数の画像データを有するデータセットを入力する通信部24と、入力されたデータセットの画像データ毎に、当該各画像データの固有の特徴を示す第1特徴量を算出する第1特徴量算出手段(CPU21及び第1特徴量算出プログラムP1)と、算出された各画像データの第1特徴量と、第1特徴量及びスタンプを関連付けた教師データとに基づいて、複数のスタンプの各スタンプが各画像データに対応する確信度を算出する確信度算出手段(CPU21及び確信度算出プログラムP2)と、算出された確信度を用いて、データセットの固定長の第2特徴量を算出する第2特徴量算出手段(CPU21及び第2特徴量算出プログラムP3)と、算出された第2特徴量に基づいて、データセットに対応したスタンプを複数のスタンプの中から選択する選択手段(CPU21及び選択プログラムP4)と、を備える。
このため、可変個数の画像データを有するデータセットが入力された場合に、予め登録された複数のスタンプの中からそのデータセットに対応したスタンプを選択することができる。
よって、データセットが入力された場合に、操作画面にそのデータセットに対応したスタンプを選択可能に表示できることとなり、操作画面に対するユーザーの入力操作の負担を軽減させることができる。
このため、可変個数の画像データを有するデータセットが入力された場合に、予め登録された複数のスタンプの中からそのデータセットに対応したスタンプを選択することができる。
よって、データセットが入力された場合に、操作画面にそのデータセットに対応したスタンプを選択可能に表示できることとなり、操作画面に対するユーザーの入力操作の負担を軽減させることができる。
また、本実施形態によれば、第2特徴量算出手段は、第2特徴量として、スタンプ毎に、確信度算出手段で算出された各画像データに対応する確信度の和又は積を求める。
このため、比較的簡単な演算処理により、特徴量の次元をそろえることができる。
このため、比較的簡単な演算処理により、特徴量の次元をそろえることができる。
また、本実施形態によれば、確信度算出手段は、画像データ毎に、k近傍法を用いて複数のスタンプの各スタンプに対して確信度を算出する。
このため、公知の手法を適用して確信度を算出することができる。
このため、公知の手法を適用して確信度を算出することができる。
また、本実施形態によれば、選択手段により選択されたスタンプを表示部23に表示させる表示制御手段(CPU21及び表示制御プログラムP5)を更に備える。
このため、選択したスタンプを表示部23に表示することで、ユーザーに推奨するスタンプを提案する表示を行うことができる。
このため、選択したスタンプを表示部23に表示することで、ユーザーに推奨するスタンプを提案する表示を行うことができる。
また、本実施形態によれば、選択手段は、第2特徴量算出手段で算出された第2特徴量の値が高いスタンプからデータセットに対応したスタンプとして順位付けする。
このため、データセットに対応する可能性のより高いスタンプから順に推奨スタンプとすることができる。
このため、データセットに対応する可能性のより高いスタンプから順に推奨スタンプとすることができる。
なお、上記実施形態によれば、情報処理装置は電子カルテ装置であり、入力データは、医療画像データであり、ラベルは、一又は複数の診療項目が登録された医療スタンプである構成を例示して説明したが、入力データは医用画像データ以外のデータであっても良く、ラベルは医療スタンプ以外のものであっても良く、情報処理装置は電子カルテ装置に限定されない。
即ち、可変個数の入力データを有するデータセットに対して、任意の数のラベルを選択する処理を実行する場合、如何なる装置においても本発明のラベル選択処理を適用可能である。
即ち、可変個数の入力データを有するデータセットに対して、任意の数のラベルを選択する処理を実行する場合、如何なる装置においても本発明のラベル選択処理を適用可能である。
1 診断システム
10 モダリティー
20 電子カルテ装置(情報処理装置)
21 CPU(第1特徴量算出手段、確信度算出手段、第2特徴量算出手段、選択手段、表示制御手段)
22 操作部
23 表示部
G1 電子カルテ作成画面
G2 ポップアップ表示部
24 通信部(入力手段)
25 RAM
26 記憶部
261 データ記憶部
262 スタンプ記憶部(記憶手段)
P1 第1特徴量算出プログラム(第1特徴量算出手段)
P2 確信度算出プログラム(確信度算出手段)
P3 第2特徴量算出プログラム(第2特徴量算出手段)
P4 選択プログラム(選択手段)
P5 表示制御プログラム(表示制御手段)
27 バス
30 医用画像サーバー
40 医事会計システム
10 モダリティー
20 電子カルテ装置(情報処理装置)
21 CPU(第1特徴量算出手段、確信度算出手段、第2特徴量算出手段、選択手段、表示制御手段)
22 操作部
23 表示部
G1 電子カルテ作成画面
G2 ポップアップ表示部
24 通信部(入力手段)
25 RAM
26 記憶部
261 データ記憶部
262 スタンプ記憶部(記憶手段)
P1 第1特徴量算出プログラム(第1特徴量算出手段)
P2 確信度算出プログラム(確信度算出手段)
P3 第2特徴量算出プログラム(第2特徴量算出手段)
P4 選択プログラム(選択手段)
P5 表示制御プログラム(表示制御手段)
27 バス
30 医用画像サーバー
40 医事会計システム
Claims (9)
- 予め登録された複数のラベルを記憶する記憶手段と、
可変個数の入力データを有するデータセットを入力する入力手段と、
前記入力手段で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出手段と、
前記第1特徴量算出手段により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出手段と、
前記確信度算出手段で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段で算出された第2特徴量に基づいて、前記データセットに対応したラベルを前記記憶手段に記憶された前記複数のラベルの中から選択する選択手段と、
を備えることを特徴とする情報処理装置。 - 前記第2特徴量算出手段は、前記第2特徴量として、前記ラベル毎に、前記確信度算出手段で算出された各入力データに対応する確信度の和又は積を求めることを特徴とする請求項1に記載の情報処理装置。
- 前記確信度算出手段は、入力データ毎に、k近傍法を用いて前記複数のラベルの各ラベルに対して確信度を算出することを特徴とする請求項1又は2に記載の情報処理装置。
- 前記入力データは、画像データであることを特徴とする請求項1〜3の何れか一項に記載の情報処理装置。
- 前記入力データは、医療画像データであり、
前記ラベルは、一又は複数の診療項目が登録された医療スタンプであることを特徴とする請求項1〜4の何れか一項に記載の情報処理装置。 - 前記選択手段により選択されたラベルを表示部に表示させる表示制御手段を更に備えることを特徴とする請求項1〜5の何れか一項に記載の情報処理装置。
- 前記選択手段は、前記第2特徴量算出手段で算出された第2特徴量の値が高いラベルから前記データセットに対応したラベルとして順位付けすることを特徴とする請求項1〜6の何れか一項に記載の情報処理装置。
- 可変個数の入力データを有するデータセットに対して、予め登録された複数のラベルから前記データセットに対応したラベルを選択するラベル選択方法において、
前記可変個数の入力データを有するデータセットを入力する入力工程と、
前記入力工程で入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する第1特徴量算出工程と、
前記第1特徴量算出工程により算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する確信度算出工程と、
前記確信度算出工程で算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する第2特徴量算出工程と、
前記第2特徴量算出工程で算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶された前記複数のラベルの中から選択する選択工程と、
を有することを特徴とするラベル選択方法。 - コンピューターを、
可変個数の入力データを有するデータセットを入力する手段、
入力された前記データセットの入力データ毎に、当該各入力データの固有の特徴を示す第1特徴量を算出する手段、
算出された前記各入力データの第1特徴量と、第1特徴量及びラベルを関連付けた教師データとに基づいて、前記複数のラベルの各ラベルが前記各入力データに対応する確信度を算出する手段、
算出された確信度を用いて、前記ラベル毎に、前記データセットの固定長の第2特徴量を算出する手段、
算出された第2特徴量に基づいて、前記データセットに対応したラベルを予め記憶手段に記憶された複数のラベルの中から選択する手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012273593A JP2014119881A (ja) | 2012-12-14 | 2012-12-14 | 情報処理装置、ラベル選択方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012273593A JP2014119881A (ja) | 2012-12-14 | 2012-12-14 | 情報処理装置、ラベル選択方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014119881A true JP2014119881A (ja) | 2014-06-30 |
Family
ID=51174682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012273593A Pending JP2014119881A (ja) | 2012-12-14 | 2012-12-14 | 情報処理装置、ラベル選択方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014119881A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105388771A (zh) * | 2015-11-17 | 2016-03-09 | 张晓� | 一种用于医学影像教学***的计算机屏幕远程控制方法 |
JP2020166512A (ja) * | 2019-03-29 | 2020-10-08 | トヨタ車体株式会社 | 性能推定装置 |
CN114550885A (zh) * | 2021-12-28 | 2022-05-27 | 杭州火树科技有限公司 | 基于联邦式关联规则挖掘的主诊断与主手术匹配检测方法和*** |
-
2012
- 2012-12-14 JP JP2012273593A patent/JP2014119881A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105388771A (zh) * | 2015-11-17 | 2016-03-09 | 张晓� | 一种用于医学影像教学***的计算机屏幕远程控制方法 |
JP2020166512A (ja) * | 2019-03-29 | 2020-10-08 | トヨタ車体株式会社 | 性能推定装置 |
JP7036079B2 (ja) | 2019-03-29 | 2022-03-15 | トヨタ車体株式会社 | 性能推定装置 |
CN114550885A (zh) * | 2021-12-28 | 2022-05-27 | 杭州火树科技有限公司 | 基于联邦式关联规则挖掘的主诊断与主手术匹配检测方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10579903B1 (en) | Dynamic montage reconstruction | |
CN103460213B (zh) | 图像采集和/或图像相关参数推荐器 | |
US20200027569A1 (en) | Expert opinion crowdsourcing | |
US20070239377A1 (en) | Method and apparatus for generating a clinician quality assurance scoreboard | |
JP5958321B2 (ja) | 医用情報処理装置及びプログラム | |
US20150032474A1 (en) | System and method for generation of medical report | |
US20150100344A1 (en) | Patient health information analysis system | |
US20190171714A1 (en) | Artificial Intelligence Quality Measures Data Extractor | |
Bui et al. | Evidence-based radiology: requirements for electronic access | |
JP6895722B2 (ja) | 病院情報システム | |
US20150081328A1 (en) | System for hospital adaptive readmission prediction and management | |
Sahni et al. | The actionable imaging report | |
Wang et al. | Technology standards in imaging: a practical overview | |
JP2014119881A (ja) | 情報処理装置、ラベル選択方法、及びプログラム | |
EP3716277B1 (en) | Medical care assistance device, and operation method and operation program therefor | |
US20170249430A1 (en) | Methods, apparatuses and computer program products for providing a knowledge hub health care solution | |
US11610677B2 (en) | Patient health monitoring system | |
JP5798336B2 (ja) | 医用情報システム及び読影レポートシステム | |
US20160162650A1 (en) | Method for automating medical billing | |
JP2021089602A (ja) | 診療支援装置 | |
JP2008071122A (ja) | 医療情報処理装置及びプログラム | |
Huber et al. | Early experience with implementation of a commercial decision-support product for imaging order entry | |
US10755803B2 (en) | Electronic health record system context API | |
West | Health informatics | |
JP6776659B2 (ja) | 画像表示装置及びプログラム |