JP5350201B2 - 推論装置、推論方法、及びプログラム - Google Patents
推論装置、推論方法、及びプログラム Download PDFInfo
- Publication number
- JP5350201B2 JP5350201B2 JP2009278962A JP2009278962A JP5350201B2 JP 5350201 B2 JP5350201 B2 JP 5350201B2 JP 2009278962 A JP2009278962 A JP 2009278962A JP 2009278962 A JP2009278962 A JP 2009278962A JP 5350201 B2 JP5350201 B2 JP 5350201B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- inference
- attribute
- unknown
- psd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
特性値であらわされる空間における前記未知データが属する部分空間に関して、前記部分空間に属する第1の方法で属性が既知となったデータの分布情報と、第1の方法では属性が不明であるデータの分布情報とから、前記部分空間を評価する値を計算する計算手段と、
前記推論手段によって得られた前記未知データの属性の推論結果と、前記計算手段によって得られた前期未知データが属する前記部分空間の評価値と、の少なくともいずれか一方を出力する出力手段と、を備えることを特徴とする。
図1は、第1の実施形態に係る推論装置の機器構成例を示す図である。
ただし、治療を行わずに2年間経過観察を継続した場合に、結節サイズが変わらなかったかまたは縮小した場合は、臨床的な判断として、疾患名は良性結節であると診断される。特性値V1を結節サイズ、特性値V2を他の様々な画像所見や画像特徴量をまとめて表した値だとした場合、特性値V1(結節サイズ)が数mm程度の小さな結節は、特性値V2(他の様々な画像所見や画像特徴量)も明確に現れていないため、部分空間210に位置する。そして、上述の通り、部分空間210において、一部の良性結節(属性□)は疾患名が明らかとなるが、原発性肺癌(属性○)や癌の肺転移(属性△)の疾患名はほとんど得られない。
BPSd=RNPSd/(KNPSd+RNPSd+1)・・・(1)
(1)式を用いて計算したバイアス度BPSdは、値0以上値1未満となり、BPSd値が値1に近いほど既知データの分布のバイアスは大きい。例えば、図3において、上記未知データdが部分空間310に存在する(PSd=1)とした場合、部分空間310内の既知データ数KNPSd=2、部分空間310内の対応データ数RNPSd=5なので、BPSd=5/8=0.625となる。一方、図3において、上記未知データdが部分空間320〜390のいずれかに存在するとした場合、部分空間320〜390内の対応データ数はいずれもRNPSd=0なので、BPSd=0となる。つまり、図3の例では、上記未知データdが部分空間310に存在する場合のみ、バイアス度BPSdは比較的大きな値となる。
TPSd=KNPSd/ThKN・・・(2)
なぜなら、一般に、図4のステップS402で用いる推論手法は、既知データを用いて機械学習を行うことにより、推論精度を向上させている。従って、一般に、部分空間PSd内に存在する既知データ数KNPSdが多い程、部分空間PSd内における属性の推論精度は高くなる。それゆえ、上述の方法で学習度TPSdを求めることが妥当である。
GPSd=WB*(1−BPSd)+WT*TPSd ・・・(3)
ここで、WBはバイアス度BPSdに掛ける重み、WTは学習度TPSdに掛ける重みであり、0≦WB≦1、0≦WT≦1、WB+WT=1の条件を満たす値を予め決めておく。WB値とWT値を変更することにより、バイアス度BPSdと学習度TPSdが信頼度GPSdに及ぼす影響を変更することができる。
なお、ステップS403において部分空間PSdを取得(判定)する処理は、上記に限定されるものではない。例えば、未知データdの特性値から所定の範囲内の空間(例えば、未知データdを中心とする所定の半径の円内)を部分空間PSdとして動的に定義してもよい。
BPSd=RSPSd/(KSPSd+RSPSd+1)・・・(4)
これによると、未知データの近傍の情報を重視したバイアス度を得ることができる。なお、上記のように、未知データdからの距離に応じて夫々のデータの影響度が漸減するようなバイアス度BPSdの計算方法を用いる場合には、部分空間PSdとして明確な境界を有する空間を定義しなくてもよい。この場合、未知データdを中心とした明確な境界を有さない範囲が、部分空間PSdとなる。
BPSd=UNPSd/(KNPSd+UNPSd+1)・・・(5)
これによると、対応データが得られていない場合であってもバイアス度が計算できる。特に、未知データが無制限に増えない場合には有効である。
2 データベース
3 LAN(Local Area Network)
10 制御部
100 CPU(計算手段)
104 モニタ
200 推論部
Claims (8)
- 属性が既知である既知データから得られた特性値を用いて学習し、属性が未知である未知データの特性値に基づいて該未知データの属性を推論する推論手段と、
特性値であらわされる空間における前記未知データが属する部分空間に関して、前記部分空間に属する第1の方法で属性が既知となったデータの分布情報と、第1の方法では属性が不明であるデータの分布情報とから、前記推論手段が出力した前記部分空間における推論結果の信頼度を計算する計算手段と、
前記推論手段によって得られた前記未知データの属性の推論結果と、前記計算手段によって得られた前記未知データが属する前記部分空間における前記推論結果の信頼度と、の少なくともいずれか一方を出力する出力手段と、を備えることを特徴とする推論装置。 - 前記計算手段は、前記部分空間に属する前記第1の方法では属性が不明であるデータ、あるいは、前記第1の方法では属性が不明であるが前記第1の方法と異なる第2の方法で属性が既知となったデータの少なくともいずれか一方の数と、前記第1の方法で属性が既知となったデータ数とから、前記部分空間における推論結果の信頼度を計算することを特徴とする請求項1に記載の推論装置。
- 前記第2の方法は所定時間でのデータの特性の変化から属性を得るものであることを特徴とする請求項2に記載の推論装置。
- 前記データは病変部に関する情報を含むものであり、前記特性値は病変部を代表する値であることを特徴とする請求項1に記載の推論装置。
- 前記第1の方法は前記病変部の病理診断から属性を得るものであることを特徴とする請求項4に記載の推論装置。
- 前記計算手段は、前記部分空間に属する前記第1の方法で属性が既知となったデータ数と前記第2の方法で属性が既知となったデータ数の割合を示す値と、前記第1の方法で属性が既知となったデータ数の所定値に対する比率を示す値とに基づいて前記信頼度を計算することを特徴とする請求項2に記載の推論装置。
- 属性が既知である既知データから得られた特性値を用いて学習し、属性が未知である未知データの特性値に基づいて該未知データの属性を推論する推論工程と、
特性値であらわされる空間における前記未知データが属する部分空間に関して、前記部分空間に属する第1の方法で属性が既知となったデータの分布情報と、第1の方法では属性が不明であるデータの分布情報とから、前記部分空間における推論結果の信頼度を計算する計算工程と、前記推論工程によって得られた前記未知データの属性の推論結果と、前記計算工程によって得られた前記未知データが属する前記部分空間における推論結果の信頼度と、の少なくともいずれか一方を出力する出力工程と、を備えることを特徴とする推論方法。 - 請求項7に記載の推論方法をコンピュータに実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009278962A JP5350201B2 (ja) | 2009-12-08 | 2009-12-08 | 推論装置、推論方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009278962A JP5350201B2 (ja) | 2009-12-08 | 2009-12-08 | 推論装置、推論方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011123574A JP2011123574A (ja) | 2011-06-23 |
JP5350201B2 true JP5350201B2 (ja) | 2013-11-27 |
Family
ID=44287432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009278962A Active JP5350201B2 (ja) | 2009-12-08 | 2009-12-08 | 推論装置、推論方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5350201B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10049445B2 (en) | 2011-07-29 | 2018-08-14 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method of a three-dimensional medical image |
JP6313741B2 (ja) * | 2015-12-25 | 2018-04-18 | キヤノン株式会社 | 画像処理装置及び画像処理装置の作動方法 |
JP6527614B2 (ja) * | 2018-03-22 | 2019-06-05 | キヤノン株式会社 | 画像処理装置及び画像処理装置の作動方法 |
JP7196933B2 (ja) | 2018-12-10 | 2022-12-27 | 日本電気株式会社 | 学習装置および学習方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259415A (ja) * | 1999-03-11 | 2000-09-22 | Fuji Electric Co Ltd | ファジィ推論値の信頼性評価方法 |
JP2004283188A (ja) * | 2003-03-19 | 2004-10-14 | Konica Minolta Holdings Inc | 画像診断支援装置、画像診断支援方法、プログラム及び記憶媒体 |
JP4318221B2 (ja) * | 2004-12-02 | 2009-08-19 | 富士通株式会社 | 医療情報分析装置、方法及びプログラム |
JP5337992B2 (ja) * | 2007-09-26 | 2013-11-06 | 富士フイルム株式会社 | 医用情報処理システム、医用情報処理方法、及びプログラム |
-
2009
- 2009-12-08 JP JP2009278962A patent/JP5350201B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011123574A (ja) | 2011-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dhar et al. | Challenges of deep learning in medical image analysis—improving explainability and trust | |
JP6818424B2 (ja) | 診断支援装置、情報処理方法、診断支援システム及びプログラム | |
Singh et al. | An information fusion based method for liver classification using texture analysis of ultrasound images | |
JP5582707B2 (ja) | 医療意志決定支援装置及びその制御方法 | |
EP2506173B1 (en) | Medical diagnosis support apparatus and medical diagnosis support method | |
JP5100285B2 (ja) | 医用診断支援装置およびその制御方法、プログラム、記憶媒体 | |
US9519866B2 (en) | Diagnosis support apparatus, method of controlling the same, and storage medium | |
JP5875285B2 (ja) | 医療診断支援装置、情報処理方法及びプログラム | |
JP6021346B2 (ja) | 診断支援装置及びその制御方法 | |
JP6362061B2 (ja) | 診断支援システム、その作動方法、およびプログラム | |
JP5350201B2 (ja) | 推論装置、推論方法、及びプログラム | |
WO2019107177A1 (en) | Information processing apparatus, information processing system, information processing method, and program | |
JP2007151645A (ja) | 医用画像診断支援システム | |
JPWO2012046842A1 (ja) | 読影依頼システム、読影依頼仲介装置、制御プログラム及び読影結果評価方法 | |
JP2021077331A (ja) | データ処理装置及びデータ処理方法 | |
JP7013145B2 (ja) | 情報処理装置、情報処理システム、情報処理装置の作動方法及びプログラム | |
CN113496478B (zh) | 医学影像辨识方法及医学影像辨识装置 | |
JP6220435B2 (ja) | 診断支援装置及びその制御方法 | |
Vittinghoff et al. | Survival analysis | |
Xu et al. | Fairness in medical image analysis and healthcare: A literature survey | |
JP6527614B2 (ja) | 画像処理装置及び画像処理装置の作動方法 | |
JP6530841B2 (ja) | 診断支援システム、その作動方法、診断支援装置、およびプログラム | |
JP6193964B2 (ja) | 情報処理装置、情報処理装置の作動方法および情報処理システム | |
Langius-Wiffen et al. | External validation of the RSNA 2020 pulmonary embolism detection challenge winning deep learning algorithm | |
JP7483502B2 (ja) | 画像診断支援装置および画像診断支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130701 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130723 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130821 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5350201 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |