JP2018032071A - 検証装置、検証方法及び検証プログラム - Google Patents
検証装置、検証方法及び検証プログラム Download PDFInfo
- Publication number
- JP2018032071A JP2018032071A JP2016161871A JP2016161871A JP2018032071A JP 2018032071 A JP2018032071 A JP 2018032071A JP 2016161871 A JP2016161871 A JP 2016161871A JP 2016161871 A JP2016161871 A JP 2016161871A JP 2018032071 A JP2018032071 A JP 2018032071A
- Authority
- JP
- Japan
- Prior art keywords
- verification
- image data
- data
- unit
- classifier
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】検証対象の画像データを取得する取得部と、取得部が取得した画像データを、対象の事象に関し、異なる複数の学習データで学習させ、当該事象に該当する可能性を示す値を求める複数の分類器を有する分類部と、複数の分類器で求められた各値から、取得部が取得した画像の検証対象の状態を特定する特定部とを備える。
【選択図】図1
Description
検証装置1は、図2に示すように、中央処理装置(CPU)10、記憶装置11、入力部12、出力部13、通信I/F14を備えるパーソナルコンピュータ等の情報処理装置である。記憶装置11は、検証プログラムPを備え、この検証プログラムPが実行されることで、CPU10が、取得部101、分類部102、特定部103、受付部104及び学習部105としての処理を実行する。
C1,N(T)+((a+b)/2)・C1,2(T) ・・・(式1)
図4に示すフローチャートを用いて、検証装置1における処理を説明する。検証装置1では、学習部105により、予め記憶装置11で記憶される学習データ112により、分類部102の各分類器が学習される(S1)。ここで、各分類器は、学習データ112の中で、それぞれ異なるデータセットの学習データで学習される。
病変Dに関して、負例データとして他の全てのデータ、すなわち、病変Dの見られないデータから、サンプリングしたデータを使って学習させた分類器を「分類器I」とする。同様に、負例データとして正常と判別されるデータを用いたもの分類器を「分類器II」とする。また、負例データとして他の病変D’のデータを用いる分類器を「分類器III」とする。
例えば、分類部102は、ある画像について、7の分類器を用いてそれぞれ以下のように確信度を求める。
・分類器ERM-2による確信度: 0.96
・分類器ERM-Nによる確信度: 0.95
・分類器abnormalによる確信度: 0.94
・分類器ERM-1による確信度: 0.93
・分類器wetAMD-3による確信度: 0.67
・分類器wetAMD-1による確信度: 0.54
10 CPU
101 取得部
102 分類部
103 特定部
104 受付部
105 学習部
11 記憶装置
112 学習データ
113 変更条件データ
12 入力部
13 出力部
14 通信I/F
Claims (9)
- 検証対象の画像データを取得する取得部と、
前記取得部が取得した画像データを、対象の事象に関し、異なる複数の学習データで学習させ、当該事象に該当する可能性を示す値を求める複数の分類器を有する分類部と、
前記複数の分類器で求められた各値から、前記取得部が取得した画像の検証対象の状態を特定する特定部と、
を備える検証装置。 - 前記学習データは、対象の事象として規定される異常がない場合の画像データと、異常がある場合の画像データであって、
前記分類部は、前記異常がない場合の画像データで学習された少なくとも1つの分類器と、前記異常がある場合の画像データで学習された複数の分類器とを有し、
前記特定部は、検証対象の状態として、検証対象における異常の有無の可能性を特定する
請求項1に記載の検証装置。 - 前記学習データは、対象の事象として規定される動物に生じる所定の病変がない場合の画像データと、前記病変がある場合の画像データであって、
前記分類部は、前記病変がない場合の学習データで学習された少なくとも1つの分類器と、前記病変がある場合の学習データで学習された複数の分類器とを有し、
前記特定部は、検証対象である動物の状態として、前記特定の病変の有無の可能性を特定する
請求項1に記載の検証装置。 - 前記特定部は、前記複数の分類器で求められた値に応じて、各値を重み付けする重み値を算出し、各値について当該重み値で重み付けされた値から、前記取得部が取得した画像の検証対象の状態を特定する請求項1乃至3のいずれか1項に記載の検証装置。
- 前記特定部は、画像データの種別と、当該画像データに対して求めた値の重み付けに利用する重み値の変更条件とが関連付けられ、変更条件記憶部で記憶される変更条件データから、前記取得部が取得した画像データの種別と関連付けられる重み値の変更条件を抽出し、抽出した変更条件を用いて重み値を変更し、変更された重み値を用いて、前記取得部が取得した画像の検証対象が該当する事象を特定する請求項1乃至4のいずれか1項に記載の検証装置。
- 前記取得部が取得した画像データと共に、前記検証対象に対して他の方法で取得された対象データの入力を受け付ける受付部をさらに備え、
前記特定部は、前記取得部が取得した画像データに基づいて得られた特定結果に加え、前記受付部に入力された対象データを用いて、検証対象が該当する事象を特定する請求項1乃至5のいずれか1項に記載の検証装置。 - 各分類器に対応する学習データを利用して、複数の分類器に対してそれぞれ学習させる学習部をさらに備える請求項1乃至6のいずれか1項に記載の検証装置。
- 検証対象の画像データを取得する取得ステップと、
前記取得ステップで取得した画像データを、対象の事象に関し、異なる複数の学習データで学習された複数の分類器によって、当該事象に該当する可能性を示す値それぞれを求める分類ステップと、
前記分類ステップで求められた各値から、前記取得ステップで取得された画像の検証対象の状態を特定する特定ステップと、を有する検証方法。 - コンピュータを、
検証対象の画像データを取得する取得機能と、
前記取得機能が取得した画像データを、対象の事象に関し、異なる複数の学習データで学習させ、当該事象に該当する可能性を示す値を求める複数の分類器を有する分類機能と、
前記複数の分類器で求められた各値から、前記取得部が取得した画像の検証対象の状態を特定する特定機能とを実現させる検証プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016161871A JP2018032071A (ja) | 2016-08-22 | 2016-08-22 | 検証装置、検証方法及び検証プログラム |
EP17186882.1A EP3287954A1 (en) | 2016-08-22 | 2017-08-18 | Verification device, verification method, and verification program |
US15/681,455 US10354172B2 (en) | 2016-08-22 | 2017-08-21 | Verification device, verification method, and verification program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016161871A JP2018032071A (ja) | 2016-08-22 | 2016-08-22 | 検証装置、検証方法及び検証プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018032071A true JP2018032071A (ja) | 2018-03-01 |
Family
ID=59772380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016161871A Pending JP2018032071A (ja) | 2016-08-22 | 2016-08-22 | 検証装置、検証方法及び検証プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10354172B2 (ja) |
EP (1) | EP3287954A1 (ja) |
JP (1) | JP2018032071A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102002732B1 (ko) * | 2018-09-20 | 2019-07-23 | 건국대학교 산학협력단 | 앙상블 모델을 이용한 심층 신경망 기반 데이터 처리 방법 및 장치 |
WO2019176990A1 (ja) * | 2018-03-13 | 2019-09-19 | オムロン株式会社 | 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム |
JP2019204321A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社ジェイテクト | 情報処理方法、情報処理装置、及びプログラム |
JP2022506857A (ja) * | 2018-11-16 | 2022-01-17 | ディープ バイオ インク | 教師あり学習に基づく合意診断方法及びそのシステム |
JP7190777B6 (ja) | 2018-11-16 | 2022-12-16 | ディープ バイオ インク | 教師あり学習に基づく合意診断方法及びそのシステム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117890B (zh) * | 2018-08-24 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007514464A (ja) * | 2003-11-13 | 2007-06-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の診断的評価を支援する装置及び方法 |
JP2013192624A (ja) * | 2012-03-16 | 2013-09-30 | Hitachi Ltd | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298877B1 (en) * | 2001-11-20 | 2007-11-20 | Icad, Inc. | Information fusion with Bayes networks in computer-aided detection systems |
JP4397667B2 (ja) | 2003-10-06 | 2010-01-13 | 富士フイルム株式会社 | 識別処理に用いる特徴量の種類と識別条件を決定する装置、プログラムならびにプログラムを記録した記録媒体、および特定内容のデータを選別する装置 |
US20060018524A1 (en) * | 2004-07-15 | 2006-01-26 | Uc Tech | Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose CT |
JP5791751B2 (ja) | 2009-06-18 | 2015-10-07 | キヤノン株式会社 | 画像認識方法及び画像認識装置 |
JP6330385B2 (ja) | 2014-03-13 | 2018-05-30 | オムロン株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP6299299B2 (ja) | 2014-03-14 | 2018-03-28 | オムロン株式会社 | 事象検出装置および事象検出方法 |
-
2016
- 2016-08-22 JP JP2016161871A patent/JP2018032071A/ja active Pending
-
2017
- 2017-08-18 EP EP17186882.1A patent/EP3287954A1/en not_active Ceased
- 2017-08-21 US US15/681,455 patent/US10354172B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007514464A (ja) * | 2003-11-13 | 2007-06-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の診断的評価を支援する装置及び方法 |
JP2013192624A (ja) * | 2012-03-16 | 2013-09-30 | Hitachi Ltd | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
Non-Patent Citations (1)
Title |
---|
LUYAO WANG ET AL.: "Classification of Hepatic Tissues from CT Images Based on Texture Features and Multiclass Support Ve", ADVANCES IN NEURAL NETWORKS - ISNN 2009, JPN7020002710, 2009, pages 374 - 381, XP047444686, ISSN: 0004456572, DOI: 10.1007/978-3-642-01510-6_43 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019176990A1 (ja) * | 2018-03-13 | 2019-09-19 | オムロン株式会社 | 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム |
JP2019159820A (ja) * | 2018-03-13 | 2019-09-19 | オムロン株式会社 | 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム |
JP2019204321A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社ジェイテクト | 情報処理方法、情報処理装置、及びプログラム |
JP7102941B2 (ja) | 2018-05-24 | 2022-07-20 | 株式会社ジェイテクト | 情報処理方法、情報処理装置、及びプログラム |
KR102002732B1 (ko) * | 2018-09-20 | 2019-07-23 | 건국대학교 산학협력단 | 앙상블 모델을 이용한 심층 신경망 기반 데이터 처리 방법 및 장치 |
JP2022506857A (ja) * | 2018-11-16 | 2022-01-17 | ディープ バイオ インク | 教師あり学習に基づく合意診断方法及びそのシステム |
JP7190777B2 (ja) | 2018-11-16 | 2022-12-16 | ディープ バイオ インク | 教師あり学習に基づく合意診断方法及びそのシステム |
JP7190777B6 (ja) | 2018-11-16 | 2022-12-16 | ディープ バイオ インク | 教師あり学習に基づく合意診断方法及びそのシステム |
Also Published As
Publication number | Publication date |
---|---|
US20180053072A1 (en) | 2018-02-22 |
EP3287954A1 (en) | 2018-02-28 |
US10354172B2 (en) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9779354B2 (en) | Learning method and recording medium | |
CN108280477B (zh) | 用于聚类图像的方法和装置 | |
US20180260531A1 (en) | Training random decision trees for sensor data processing | |
US10354172B2 (en) | Verification device, verification method, and verification program | |
WO2019051941A1 (zh) | 车型识别方法、装置、设备及计算机可读存储介质 | |
WO2017017722A1 (ja) | 処理装置、処理方法及びプログラム | |
JP6584250B2 (ja) | 画像分類方法、分類器の構成方法および画像分類装置 | |
US11126827B2 (en) | Method and system for image identification | |
JP2016040650A (ja) | 分類器構築方法、画像分類方法および画像分類装置 | |
CN109948680B (zh) | 病历数据的分类方法及*** | |
Biasiolli et al. | Automated localization and quality control of the aorta in cine CMR can significantly accelerate processing of the UK Biobank population data | |
US20210398674A1 (en) | Method for providing diagnostic system using semi-supervised learning, and diagnostic system using same | |
Uddin | Addressing accuracy paradox using enhanched weighted performance metric in machine learning | |
CN113610747B (zh) | 检验半导体样本的***和方法 | |
WO2018211688A1 (ja) | コンピュータシステム、被験者診断方法及びプログラム | |
JP2020085583A (ja) | 検査装置及び検査方法 | |
CN116385380A (zh) | 基于深度特征的缺陷检测方法、***、设备及存储介质 | |
US9202763B2 (en) | Defect pattern evaluation method, defect pattern evaluation apparatus, and recording media | |
CN112766427A (zh) | 图像识别模型的训练方法、装置及设备 | |
Rajesh Sharma et al. | Hybrid RGSA and Support Vector Machine Framework for Three‐Dimensional Magnetic Resonance Brain Tumor Classification | |
US20210166362A1 (en) | Wafer map identification method and computer-readable recording medium | |
US20140270493A1 (en) | Adaptable classification method | |
CN111696636B (zh) | 一种基于深度神经网络的数据处理方法及装置 | |
CN111814514A (zh) | 号码识别装置、方法以及电子设备 | |
CN110895630B (zh) | 晶圆堆叠方法及装置、存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20180905 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190207 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190612 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200806 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210302 |