JP6647668B1 - 機械学習用のデータ構造、学習方法及び情報提供システム - Google Patents
機械学習用のデータ構造、学習方法及び情報提供システム Download PDFInfo
- Publication number
- JP6647668B1 JP6647668B1 JP2019127966A JP2019127966A JP6647668B1 JP 6647668 B1 JP6647668 B1 JP 6647668B1 JP 2019127966 A JP2019127966 A JP 2019127966A JP 2019127966 A JP2019127966 A JP 2019127966A JP 6647668 B1 JP6647668 B1 JP 6647668B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- meta
- reference information
- content
- scene
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図1〜図7を参照して、本実施形態における情報提供システム100の構成の一例について説明する。図1は、本実施形態における情報提供システム100の全体の構成を示すブロック図である。
図5は、情報提供装置1の構成の一例を示す模式図である。情報提供装置1として、パーソナルコンピュータ(PC)のほか、スマートフォンやタブレット端末等の電子機器が用いられてもよい。情報提供装置1は、筐体10と、CPU101と、ROM102と、RAM103と、保存部104と、I/F105〜107とを備える。各構成101〜107は、内部バス110により接続される。
取得部11は、取得データ等の各種情報を取得する。取得部11は、メタID推定処理用データベースを構築するための学習データを取得する。
メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する。メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と同一又は類似する評価対象情報(例えば「画像データA」)を選択する。また、メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と「インシデント情報」と同一又は類似する評価対象情報(例えば「画像データB」と「インシデント情報A」)を選択する。
コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図3に示した参照用データベースを用いた場合、選択した第1メタID「IDaa」「IDab」、「IDac」に紐づけられるコンテンツID(例えば「コンテンツID−A」「コンテンツID−B」)を第1コンテンツIDとして選択する。図3に示した参照用データベースでは、「コンテンツID−A」は、メタID「IDaa」「IDab」に紐づけられ、「コンテンツID−B」は、メタID「IDaa」「IDac」に紐づけられる。即ち、コンテンツID選択部13は、第1メタID「IDaa」「IDab」、「IDac」のうちの何れか及びこれらの組み合わせ、に紐づけられるコンテンツIDを第1コンテンツIDとして選択する。コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。
参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する。参照情報選択部14は、例えば図3に示した参照用データベースを用いた場合、選択した第1コンテンツID「コンテンツID−A」に対応する参照情報(例えば「参照情報A」)を第1参照情報として選択する。
入力部15は、情報提供装置1に各種情報を入力する。入力部15は、I/F105を介して学習データ、取得データ等の各種情報を入力するほか、例えばI/F106を介して入力部分108から各種情報を入力する。
出力部16は、第1メタID、参照情報等を出力部分109等に出力する。出力部16は、例えば公衆通信網7を介して、ユーザ端末5等に第1メタID、参照情報等を送信する。
記憶部17は、機械学習用のデータ構造、取得データ等の各種情報を保存部104に記憶し、必要に応じて保存部104に記憶された各種情報を取出す。また、記憶部17は、メタID推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種データベースを、保存部104に記憶し、必要に応じて保存部104に記憶された各種データベースを取出す。
制御部18は、本発明を適用した機械学習用のデータ構造を用いて、第1データベースを構築するための機械学習を実行する。制御部18は、線形回帰、ロジスティック回帰、サポートベクターマシーン、決定木、回帰木、ランダムフォレスト、勾配ブースティング木、ニューラルネットワーク、ベイズ、時系列、クラスタリング、アンサンブル学習等により機械学習を実行する。
医療機器4は、例えばペースメーカ、冠動脈ステント、人工血管、PTCAカテーテル、中心静脈カテーテル、吸収性体内固定用ボルト、粒子線治療装置、人工透析器、硬膜外用カテーテル、輸液ポンプ、自動腹膜灌流用装置、人工骨、人工心肺装置、多人数用透析液供給装置、成分採血装置、人工呼吸器、プログラム等の高度管理医療機器(GHTF(Global Harmonization Task Force)のクラス分類「クラスIII」及び「クラスIV」に相当。)を含む。医療機器4は、例えばX線撮影装置、心電計、超音波診断装置、注射針、採血針、真空採血管、輸液ポンプ用輸液セット、フォーリーカテーテル、吸引カテーテル、補聴器、家庭用マッサージ器、コンドーム、プログラム等の管理医療機器(GHTFのクラス分類「クラスII」に相当。)を含む。医療機器4は、例えば経腸栄養注入セット、ネブライザ、X線フィルム、血液ガス分析装置、手術用不織布、プログラム等の一般医療機器(GHTFのクラス分類「クラスI」に相当。)を含む。医療機器4は、法令で定められた医療機器だけでなく、見た目や構造等が医療機器と類似した法令で定められていない機械器具等(ベッド等)を含む。医療機器4は、病院等の医療現場で用いられる機器であってもよく、患者のカルテや電子カルテが記憶された医療情報機器や、病院内のスタッフの情報等が記憶された情報機器を含む。
ユーザ端末5は、医療機器4を管理するユーザが保有する端末を示す。ユーザ端末5として、主にHMD(ヘッドマウントディスプレイ)の1種類であるホロレンズ(登録商標)であってもよい。ユーザは、ユーザ端末5の第1メタID、第1参照情報をヘッドマウントディスプレイ又はホロレンズ等の透過して表示する表示部を介して、作業エリアや特定の医療機器を透過して確認することができる。これによりユーザは、目の前の状況を確認しつつ、取得された取得データに基づいて、選択されるマニュアル等を合わせて確認することが可能となる。ユーザ端末5は、この他、携帯電話(携帯端末)、スマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、IoT(Internet of Things)デバイス等の電子機器のほか、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザ端末5は、例えば公衆通信網7を介して情報提供装置1と接続されるほか、例えば情報提供装置1と直接接続されてもよい。ユーザは、ユーザ端末5を用いて、情報提供装置1から第1参照情報を取得するほか、例えば情報提供装置1の制御を行ってもよい。
サーバ6には、上述した各種情報が記憶される。サーバ6には、例えば公衆通信網7を介して送られてきた各種情報が蓄積される。サーバ6には、例えば保存部104と同様の情報が記憶され、公衆通信網7を介して情報提供装置1と各種情報の送受信が行われてもよい。すなわち、情報提供装置1は、保存部104の代わりにサーバ6を用いてもよい。
公衆通信網7は、情報提供装置1等が通信回路を介して接続されるインターネット網等である。公衆通信網7は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網7は、有線通信網には限定されず、無線通信網等の公知の通信網で実現してもよい。
次に、本実施形態における情報提供システム100の動作の一例について説明する。図7は、本実施形態における情報提供システム100の動作の一例を示すフローチャートである。
先ず、取得部11は、取得データを取得する(取得ステップS11)。取得部11は、入力部15を介して、取得データを取得する。取得部11は、ユーザ端末5により撮像された第1画像データと、サーバ6等に記憶されたインシデント情報と、を有する取得データを取得する。取得部11は、例えば記憶部17を介して取得データを保存部104に保存する。
次に、メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する(メタID選択ステップS12)。メタID選択部12は、取得部11により取得された取得データを取得し、保存部104に保存されたメタID推定処理用データベースを取得する。メタID選択部12は、1つの取得データに対して1つの第1メタIDを選択するほか、例えば1つの取得データに対して複数の第1メタIDを選択してもよい。メタID選択部12は、例えば記憶部17を介して、選択した第1メタIDを保存部104に保存する。
次に、コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS13)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。つまり、コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
次に、参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する(参照情報選択ステップS14)。参照情報選択部14は、コンテンツID選択部13により選択された第1コンテンツIDを取得し、保存部104に保存された参照用データベースを取得する。参照情報選択部14は、1つの第1コンテンツIDに対応する1つの第1参照情報を選択する。参照情報選択部14は、複数の第1コンテンツIDを選択したとき、それぞれの第1コンテンツIDに対応するそれぞれの第1参照情報を選択してもよい。これにより、複数の第1参照情報が選択される。参照情報選択部14は、例えば記憶部17を介して、選択した第1参照情報を保存部104に保存する。
次に、情報提供装置1の第1変形例について、説明する。本変形例では、主に、第1取得部21、第1評価部22、第1生成部23、取得部11、メタID選択部12、コンテンツID選択部13が、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図8は、本実施形態における情報提供装置1の機能の第1変形例を示す模式図である。なお、図8に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
第1取得部21は、第1映像情報を取得する。第1取得部21は、ユーザ端末5から第1映像情報を取得する。第1映像情報は、作業者によって撮影された機器や部品等であり、例えば、HMD(ヘッドマウントディスプレイ)やホロレンズ等により撮影される。撮影された映像は、リアルタイムでサーバ6に送信されてもよい。また、撮影されている映像が、第1映像情報として取得されてもよい。第1映像情報は、例えば、フィールドのユーザが備えるユーザ端末5のカメラ等により撮影された映像である。第1映像情報は、例えば、静止画、動画、何れであっても良く、ユーザによる撮影、又はユーザ端末5の設定で、自動的に撮像されてもよい。さらに、ユーザ端末5のメモリ等に記録されている映像情報に読み込ませたり、公衆通信網7経由で取得する等してもよい。
第1評価部22は、シーンモデルデータベースを参照し、第1映像情報とシーンIDを含むシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する。第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報と一致、一部一致、又は類似する過去の第1映像情報を選択し、選択された過去の第1映像情報に紐づけられたシーンIDを含むシーン情報を選択し、選択された過去の第1映像情報とシーン情報との間におけるシーン連関度に基づいて第1シーン連関度を算出する。第1評価部22は、算出された第1シーン連関度を含むシーンIDを取得し、シーンIDリストに基づいて選択されたシーン名リストを、ユーザ端末5に表示する。
第1生成部23は、第1評価部22により取得されたシーンIDリストに対応するシーン名リストを生成する。生成されるシーン名リストは、例えば、『シーンID』、『シーン連関度』等を有する。
取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する。
図14は、本実施形態における情報提供システムを使用した変形例を示す模式図である。メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する。メタIDリストは、複数のメタIDがリスト化されている。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。詳細には、メタID選択部12は、コンテンツデータベースを参照し、生成したメタIDリストに含まれるそれぞれのメタIDに紐づくコンテンツIDを取得する。
コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図15に示したコンテンツデータベースを用いた場合、第1メタID「IDaa」に紐づけられるコンテンツID(例えば「コンテンツID−A」「コンテンツID−B」等)を第1コンテンツIDとして選択する。このとき、コンテンツ連関度の高い(例えばコンテンツ連関度が60%である)「コンテンツID−A」を選択するようにしてもよい。コンテンツ連関度にあらかじめ閾値を設定しておき、その閾値より高いコンテンツ連関度を有するコンテンツIDを第1コンテンツIDとして選択するようにしてもよい。
次に、本実施形態における情報提供システム100の動作の第1変形例について説明する。図18は、本実施形態における情報提供システム100の動作の第1変形例を示すフローチャートである。
まず、第1取得部21は、ユーザ端末5から第1映像情報を取得する(第1取得ステップS21)。第1取得部21は、ユーザ端末5により特定の医療機器4の映像情報が撮影された第1映像情報を取得する。
次に、第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報とシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する(第1評価ステップS22)。
次に、第1生成部23は、第1評価部22で取得されたシーンIDリストに対応するシーン名リストを生成する(第1生成ステップS23)。第1生成部23は、例えば、図13に示すシーンテーブルを参照し、取得したシーンIDリストに対応するシーン名リストを生成する。例えば、第1評価部22で取得されたシーンIDリストに含まれるシーンIDが『0FD』の場合、シーン名として『ABC-999装置の再起動』というシーン名が選択される。例えば、シーンIDが『OFE』の場合、シーン名として『ABC-999装置のメモリを取り外す』というシーン名が選択されることとなる。
次に、取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する(取得ステップS24)。シーン名リストから選択されたシーン名に対応するシーンIDが第1シーンIDとなる。
次に、メタID選択部12は、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する(メタID選択ステップS25)。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。メタID選択部12は、生成した参照サマリーリストをユーザ端末5に送信する。そして、ユーザ端末5は、送信された参照サマリーリストから1又は複数の参照情報のサマリーと、この参照情報のサマリーに対応するメタIDと、を選択する。ユーザ端末5は、選択した参照情報のサマリーと、メタIDと、を情報提供装置1に送信する。そして、メタID選択部12は、ユーザ端末5により参照サマリーリストから選択されたメタIDを第1メタIDとして選択する。
次に、コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS26)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースとコンテンツデータベースとを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
次に、情報提供装置1の第2変形例について、説明する。本変形例では、主に、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を更に備える点で、上述した実施形態と相違する。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される点で、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図19は、本実施形態における情報提供装置1の機能の第2変形例を示す模式図である。なお、図19に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
図21は、コンテンツ関連性データベースの一例を示す模式図である。コンテンツ関連性データベースは、参照情報をチャンク構造に分割した複数のチャンク参照情報と、チャンク参照情報の作成に用いられた外部情報とが記憶される。
外部情報類似度算出用データベースは、外部情報を用いて機械学習により構築される。機械学習の方法として、例えば外部情報をベクトル化した上で教師データとして学習させる。ベクトル化された外部情報は、外部情報における外部情報ラベルに対応させて、外部情報類似度算出用データベースに記憶される。ベクトル化された外部情報は、外部情報に対応させて、外部情報類似度算出用データベースに記憶されてもよい。
チャンク参照情報類似度推定処理用データベースは、チャンク参照情報を用いて機械学習により構築される。機械学習の方法として、例えばチャンク参照情報をベクトル化した上で教師データとして学習させる。ベクトル化されたチャンク参照情報は、チャンク参照情報におけるチャンク参照情報ラベルに対応させて、チャンク参照情報類似度推定処理用データベースに記憶される。ベクトル化されたチャンク参照情報は、チャンク参照情報に対応させて、チャンク参照情報類似度推定処理用データベースに記憶されてもよい。
外部情報取得部31は、外部情報、特定の外部情報等の各種情報を取得する。特定の外部情報は、これから外部情報類似度を算出すべき対象となる外部情報である。
外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する。外部情報類似度算出部33は、外部情報の特徴量を用いて、外部情報類似度算出する。外部情報の特徴量として、例えば外部情報がベクトル化されて表現されてもよい。外部情報類似度算出部33は、特定の外部情報をベクトル化した上で、外部情報類似度算出用データベース内でベクトル化された外部情報とのベクトル演算により、特定の外部情報と外部情報との外部情報類似度を算出する。
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する。チャンク参照情報抽出部34は、複数の外部情報から1つの第1外部情報を選択したとき、選択した1つの第1外部情報に対応する1つのチャンク参照情報を第1チャンク参照情報として抽出する。また、チャンク参照情報抽出部34は、複数の第1外部情報を選択したとき、選択したそれぞれの第1外部情報に対応するチャンク参照情報をそれぞれ第1チャンク参照情報として抽出してもよい。
チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する。チャンク参照情報類似度算出部35は、チャンク参照情報の特徴量を用いて、チャンク参照情報類似度を算出する。チャンク参照情報の特徴量として、例えばチャンク参照情報がベクトル化されて表現されてもよい。チャンク参照情報類似度算出部35は、特定のチャンク参照情報をベクトル化した上で、チャンク参照情報類似度推定処理用データベース内でベクトル化されたチャンク参照情報とのベクトル演算により、特定のチャンク参照情報とチャンク参照情報とのチャンク参照情報類似度を算出する。
次に、本実施形態における情報提供システム100の動作の第2変形例について説明する。図24は、本実施形態における情報提供システム100の動作の第2変形例を示すフローチャートである。
外部情報取得部31は、例えば仕様書等がチャンク構造に分割された外部情報を特定の外部情報として1又は複数取得する(外部情報取得ステップS31)。外部情報取得ステップS31は、参照情報選択ステップS14の後に行われる。
次に、外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する(外部情報比較ステップS32)。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
次に、外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する(外部情報類似度算出ステップS33)。
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する(第1チャンク参照情報抽出ステップS34)。
次に、チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報類似度推定処理用データベースに記憶されたチャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する(チャンク参照情報類似度算出ステップS35)。
次に、チャンク参照情報抽出部34は、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に1又は複数抽出する(第2チャンク参照情報抽出ステップS36)。
情報提供装置1の第3変形例では、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を備える。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される。
情報提供装置1の第4変形例では、更にアクセス制御部を備える点で、第2変形例及び第3変形例と相違する。アクセス制御部は、例えば、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。
4 :医療機器
5 :ユーザ端末
6 :サーバ
7 :公衆通信網
10 :筐体
11 :取得部
12 :メタID選択部
13 :コンテンツID選択部
14 :参照情報選択部
15 :入力部
16 :出力部
17 :記憶部
18 :制御部
21 :第1取得部
22 :第1評価部
23 :第1生成部
31 :外部情報取得部
32 :外部情報比較部
33 :外部情報類似度算出部
34 :チャンク参照情報抽出部
35 :チャンク参照情報類似度算出部
100 :情報提供システム
101 :CPU
102 :ROM
103 :RAM
104 :保存部
105 :I/F
106 :I/F
107 :I/F
108 :入力部分
109 :出力部分
110 :内部バス
S11 :取得ステップ
S12 :メタID選択ステップ
S13 :コンテンツID選択ステップ
S14 :参照情報選択ステップ
S21 :第1取得ステップ
S22 :第1評価ステップ
S23 :第1生成ステップ
S24 :取得ステップ
S25 :メタID選択ステップ
S31 :外部情報取得部ステップ
S32 :外部情報比較ステップ
S33 :外部情報類似度算出ステップ
S34 :第1チャンク参照情報抽出ステップ
S35 :チャンク参照情報類似度算出ステップ
S36 :第2チャンク参照情報抽出ステップ
Claims (5)
- 医療機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用する第1データベースを構築するために用いられ、コンピュータの備える保存部に記憶される機械学習用のデータ構造を用いて、機械学習する学習方法であって、
前記機械学習用のデータ構造は、画像データを有する評価対象情報と、メタIDと、を有する学習データを複数備え、
前記画像データは、
前記医療機器と、
前記医療機器を識別するための識別ラベルと、
を示す画像を有し、
前記メタIDは、前記参照情報に対応するコンテンツIDに紐づけられること
を特徴とする学習方法。 - 医療機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、
機械学習用のデータ構造を用いて、機械学習により構築された第1データベースを備え、
前記機械学習用のデータ構造は、画像データを有する評価対象情報と、メタIDと、を有する学習データを複数備え、
前記画像データは、
前記医療機器と、
前記医療機器を識別するための識別ラベルと、
を示す画像を有し、
前記メタIDは、前記参照情報に対応するコンテンツIDに紐づけられること
を特徴とする情報提供システム。 - 医療機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、
特定の医療機器及び前記特定の医療機器を識別するための特定の識別ラベル、を撮像した第1画像データを有する取得データを取得する取得手段と、
画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタID、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第1データベースと、
前記第1データベースを参照し、前記取得データに基づいて、複数の前記メタIDのうち第1メタIDを選択するメタID選択手段と、
前記メタIDに紐づくコンテンツIDと、前記コンテンツIDに対応する前記参照情報とが複数記憶された第2データベースと、
前記第2データベースを参照し、前記第1メタIDに基づいて、複数の前記コンテンツIDのうち第1コンテンツIDを選択するコンテンツID選択手段と、
前記第2データベースを参照し、前記第1コンテンツIDに基づいて、複数の前記参照情報のうち第1参照情報を選択する参照情報選択手段とを備え、
前記画像データは、
前記医療機器と、
前記医療機器を識別するための識別ラベルと、
を示す画像を有すること
を特徴とする情報提供システム。 - 前記メタID選択手段は、
複数の前記メタIDを含むメタIDリストを生成し、
前記メタIDリストに対応する参照サマリーリストを生成し、
前記参照サマリーリストから選択された前記第1メタIDを選択すること
を特徴とする請求項3記載の情報提供システム。 - 第1映像情報を取得する第1取得手段と、
予め取得された過去の第1映像情報、前記過去の第1映像情報に紐づけられたシーンIDを含むシーン情報、及び、前記過去の第1映像情報と前記シーン情報との間における3段階以上のシーン連関度が記憶されたシーンモデルデータベースと、
前記シーンモデルデータベースを参照し、前記第1映像情報と前記シーン情報との間における第1シーン連関度を含むシーンIDリストを取得する第1評価手段と、
前記シーンIDリストに対応するシーン名リストを生成する第1生成手段と、更に備え、
前記取得手段は、前記第1画像データと、前記シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する前記取得データを取得すること
を特徴とする請求項3又は4記載の情報提供システム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202080002662.6A CN112106041A (zh) | 2019-03-29 | 2020-03-25 | 学习方法和信息提供*** |
US16/962,055 US20210158959A1 (en) | 2019-03-29 | 2020-03-25 | Learning method and information providing system |
DE112020000014.1T DE112020000014T5 (de) | 2019-03-29 | 2020-03-25 | Verfahren für einen Lernprozess und Informationsbereitstellungssystem |
PCT/JP2020/013352 WO2020203558A1 (ja) | 2019-03-29 | 2020-03-25 | 学習方法及び情報提供システム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019069364 | 2019-03-29 | ||
JP2019069364 | 2019-03-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6647668B1 true JP6647668B1 (ja) | 2020-02-14 |
JP2020166804A JP2020166804A (ja) | 2020-10-08 |
Family
ID=69568133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019127966A Active JP6647668B1 (ja) | 2019-03-29 | 2019-07-09 | 機械学習用のデータ構造、学習方法及び情報提供システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210158959A1 (ja) |
JP (1) | JP6647668B1 (ja) |
CN (1) | CN112106041A (ja) |
DE (1) | DE112020000014T5 (ja) |
WO (1) | WO2020203558A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11531571B2 (en) * | 2020-01-29 | 2022-12-20 | Walmart Apollo, Llc | Systems and methods for processing of catalog items with a plurality of models |
JP6800453B1 (ja) * | 2020-05-07 | 2020-12-16 | 株式会社 情報システムエンジニアリング | 情報処理装置及び情報処理方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315652A (zh) * | 2008-07-17 | 2008-12-03 | 张小粤 | 医院内部的临床医学信息***的构成及其信息查询方法 |
US8757485B2 (en) * | 2012-09-05 | 2014-06-24 | Greatbatch Ltd. | System and method for using clinician programmer and clinician programming data for inventory and manufacturing prediction and control |
JP2014085730A (ja) * | 2012-10-19 | 2014-05-12 | Mitsubishi Heavy Ind Ltd | 機器の損傷解析支援システム及び損傷解析支援方法 |
JP5847070B2 (ja) * | 2012-12-27 | 2016-01-20 | オリンパス株式会社 | サーバ装置及び撮影装置 |
KR102252072B1 (ko) * | 2014-10-14 | 2021-05-14 | 삼성전자주식회사 | 음성 태그를 이용한 이미지 관리 방법 및 그 장치 |
JP2017205292A (ja) * | 2016-05-18 | 2017-11-24 | オリンパス株式会社 | 画像ファイル作成方法、画像ファイル作成プログラム及び画像ファイル作成装置 |
JP6452168B2 (ja) * | 2016-06-15 | 2019-01-16 | Necフィールディング株式会社 | 保守作業手順データ管理装置、システム、方法及びプログラム |
US20180150598A1 (en) * | 2016-11-30 | 2018-05-31 | General Electric Company | Methods and systems for compliance accreditation for medical diagnostic imaging |
JP2019021150A (ja) * | 2017-07-20 | 2019-02-07 | オリンパス株式会社 | 工事支援装置 |
CN111226288B (zh) * | 2017-10-17 | 2022-03-29 | 威里利生命科学有限责任公司 | 用于对外科手术视频分段的***和方法 |
-
2019
- 2019-07-09 JP JP2019127966A patent/JP6647668B1/ja active Active
-
2020
- 2020-03-25 DE DE112020000014.1T patent/DE112020000014T5/de active Pending
- 2020-03-25 US US16/962,055 patent/US20210158959A1/en active Pending
- 2020-03-25 CN CN202080002662.6A patent/CN112106041A/zh active Pending
- 2020-03-25 WO PCT/JP2020/013352 patent/WO2020203558A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2020166804A (ja) | 2020-10-08 |
CN112106041A (zh) | 2020-12-18 |
WO2020203558A1 (ja) | 2020-10-08 |
US20210158959A1 (en) | 2021-05-27 |
DE112020000014T5 (de) | 2020-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Comparison of chest radiograph interpretations by artificial intelligence algorithm vs radiology residents | |
US10929420B2 (en) | Structured report data from a medical text report | |
CN111401066B (zh) | 基于人工智能的词分类模型训练方法、词处理方法及装置 | |
JP5896000B2 (ja) | 医療情報システムおよびそのためのプログラム | |
US20160132648A1 (en) | Data Processing System and Method for Computer-Assisted Coding of Natural Language Medical Text | |
JP6651190B1 (ja) | 機械学習用のデータ構造、学習方法及び情報提供システム | |
CN112528660B (zh) | 处理文本的方法、装置、设备、存储介质和程序产品 | |
CN107077528A (zh) | 具有基于文本识别的文本图像链接的图片归档*** | |
JP2019125240A (ja) | 分析装置および分析方法 | |
CN110291555B (zh) | 用于促进对健康状况的计算分析的***和方法 | |
JP6647668B1 (ja) | 機械学習用のデータ構造、学習方法及び情報提供システム | |
WO2021084822A1 (ja) | 情報提供システム | |
WO2021114635A1 (zh) | 患者分群模型构建方法、患者分群方法及相关设备 | |
WO2020203561A1 (ja) | 情報提供システム | |
JP2021108146A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN108874773A (zh) | 关键词新增方法、装置、计算机设备和存储介质 | |
JP2011048672A (ja) | 症例画像登録装置、方法およびプログラム | |
CN116910105A (zh) | 一种基于预训练大模型的医疗信息查询***及方法 | |
Xie et al. | Factreranker: Fact-guided reranker for faithful radiology report summarization | |
JP6647669B1 (ja) | 機械学習用のデータ構造、学習方法及び情報提供システム | |
CN112509692B (zh) | 用于匹配医学表达的方法、装置、电子设备及存储介质 | |
CN114334049B (zh) | 一种电子病历结构化处理方法和装置及设备 | |
US20240212812A1 (en) | Intelligent medical report generation | |
Singh et al. | CoviFight: A COVID-19 Resource Tracker Website with Location-wise Search using Web Scraping | |
US20240071586A1 (en) | Systems and methods of radiology report processing and display enhancements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190717 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190801 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190801 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190808 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190903 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191030 |
|
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: 20191203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6647668 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |