JP2014119881A - 情報処理装置、ラベル選択方法、及びプログラム - Google Patents

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

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。

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。

特開２０１０−１０８３８８号公報

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

診断システムのシステム構成図である。 電子カルテ装置の機能的構成を示すブロック図である。 電子カルテ装置の表示画面を示す一例である。 第１特徴量算出処理について説明するための図である。 確信度算出処理について説明するための図である。 ｋ近傍法の原理を説明するための図である。 第２特徴量算出処理について説明するための図である。 電子カルテ装置の表示画面を示す一例である。 ラベル選択処理を示すフローチャートである。

〔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。

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。

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。

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。

〔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。

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。

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。

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。

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

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

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。

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（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。

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。

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。

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。

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。

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。

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。

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。

〔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。

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。

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）。

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）。

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）。

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。

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）。

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。

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。

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。

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。

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。

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。

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。

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

Claims (9)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。

Images