特開 2023-113031 照合装置、照合方法、および照合プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023113031

(43)【公開日】2023-08-15

(54)【発明の名称】照合装置、照合方法、および照合プログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20230807BHJP

【ＦＩ】

G06N20/00 130

【審査請求】未請求

【請求項の数】15

【出願形態】ＯＬ

(21)【出願番号】P 2022015123

(22)【出願日】2022-02-02

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(71)【出願人】

【識別番号】504173471

【氏名又は名称】国立大学法人北海道大学

(74)【代理人】

【識別番号】110001678

【氏名又は名称】藤央弁理士法人

(72)【発明者】

【氏名】レイ ミャオメイ

(72)【発明者】

【氏名】中村 宝弘

(72)【発明者】

【氏名】竹本 享史

(72)【発明者】

【氏名】眞山 学徳

(57)【要約】

【課題】アノテーションの信頼性の向上を図ること。
【解決手段】照合装置は、サンプル群の各々の説明変数に基づいて、前記サンプル群を、第１分類を示す第１グループと、前記第１分類よりも評価が低い第２分類を示す第２グループと、にグループ分けするグループ分け処理部と、前記グループ分け処理部によってグループ分けされた前記第１グループおよび前記第２グループの分類と、前記サンプル群の各々の目的変数によって特定される分類と、を照合する照合部と、前記照合部による照合結果を出力する出力部と、を有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

サンプル群の各々の説明変数に基づいて、前記サンプル群を、第１分類を示す第１グループと、前記第１分類よりも評価が低い第２分類を示す第２グループと、にグループ分けするグループ分け処理部と、
前記グループ分け処理部によってグループ分けされた前記第１グループおよび前記第２グループの分類と、前記サンプル群の各々の目的変数によって特定される分類と、を照合する照合部と、
前記照合部による照合結果を出力する出力部と、
を有することを特徴とする照合装置。

【請求項2】

請求項１に記載の照合装置であって、
前記照合部は、前記サンプル群のうち前記第１グループに所属する第１サンプルの目的変数によって特定される分類が前記第１分類であれば、前記第１サンプルに前記第１分類を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項3】

請求項１に記載の照合装置であって、
前記照合部は、前記サンプル群のうち前記第１グループに所属する第１サンプルの目的変数によって特定される分類が前記第２分類であれば、前記第１サンプルに矛盾を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項4】

請求項１に記載の照合装置であって、
前記照合部は、前記サンプル群のうち前記第２グループに所属する第２サンプルの目的変数によって特定される分類が前記第２分類であれば、前記第２サンプルに前記第２分類を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項5】

請求項１に記載の照合装置であって、
前記照合部は、前記サンプル群のうち前記第２グループに所属する第２サンプルの目的変数によって特定される分類が前記第１分類であれば、前記第２サンプルに矛盾を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項6】

請求項１に記載の照合装置であって、
前記グループ分け処理部は、前記説明変数による教師無し学習でクラスタリングすることにより、前記サンプル群を、前記第１グループと前記第２グループとにグループ分けする、
ことを特徴とする照合装置。

【請求項7】

請求項１に記載の照合装置であって、
前記グループ分け処理部は、前記説明変数と、前記目的変数の実測値によって特定される分類と、による教師有り学習に基づいて、前記サンプル群を、前記第１グループと前記第２グループとにグループ分けする、
ことを特徴とする照合装置。

【請求項8】

請求項２に記載の照合装置であって、
前記第１分類を示すアノテーションが付与された第１サンプルの説明変数と、目的変数となる前記第１分類を示すアノテーションと、に基づいて学習して、学習モデルを生成する学習部と、
前記学習部によって生成された学習モデルに予測対象サンプル群の各々の説明変数を入力することにより、前記予測対象サンプル群の各々の目的変数の予測値を算出する算出部と、
を有する照合装置。

【請求項9】

請求項８に記載の照合装置であって、
前記グループ分け処理部は、前記予測対象サンプル群の各々の説明変数に基づいて、前記予測対象サンプル群を、前記第１グループと、前記第２グループと、にグループ分けし、
前記照合部は、前記グループ分け処理部によって前記予測対象サンプル群がグループ分けされた前記第１グループおよび前記第２グループの分類と、前記算出部によって算出された予測値によって特定される分類と、を照合する、
ことを特徴とする照合装置。

【請求項10】

請求項９に記載の照合装置であって、
前記照合部は、前記予測対象サンプル群のうち前記第１グループに所属する第１予測対象サンプルの前記予測値によって特定される分類が前記第１分類であれば、前記第１予測対象サンプルに前記第１分類を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項11】

請求項９に記載の照合装置であって、
前記照合部は、前記予測対象サンプル群のうち前記第１グループに所属する第１予測対象サンプルの前記予測値によって特定される分類が前記第２分類であれば、前記第１予測対象サンプルに矛盾を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項12】

請求項９に記載の照合装置であって、
前記照合部は、前記予測対象サンプル群のうち前記第２グループに所属する第２予測対象サンプルの前記予測値によって特定される分類が前記第２分類であれば、前記第２予測対象サンプルに前記第２分類を示すアノテーションを付与する、
をことを特徴とする照合装置。

【請求項13】

請求項９に記載の照合装置であって、
前記照合部は、前記予測対象サンプル群のうち前記第２グループに所属する第２予測対象サンプルの前記予測値によって特定される分類が前記第１分類であれば、前記第２予測対象サンプルに矛盾を示すアノテーションを付与する、
ことを特徴とする照合装置。

【請求項14】

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する照合装置による照合方法であって、
前記プロセッサが、
サンプル群の各々の説明変数に基づいて、前記サンプル群を、第１分類を示す第１グループと、前記第１分類よりも評価が低い第２分類を示す第２グループと、にグループ分けするグループ分け処理と、
前記グループ分け処理によってグループ分けされた前記第１グループおよび前記第２グループの分類と、前記サンプル群の各々の目的変数によって特定される分類と、を照合する照合処理と、
前記照合処理による照合結果を出力する出力処理と、
を実行することを特徴とする照合方法。

【請求項15】

プロセッサに、
サンプル群の各々の説明変数に基づいて、前記サンプル群を、第１分類を示す第１グループと、前記第１分類よりも評価が低い第２分類を示す第２グループと、にグループ分けするグループ分け処理と、
前記グループ分け処理によってグループ分けされた前記第１グループおよび前記第２グループの分類と、前記サンプル群の各々の目的変数によって特定される分類と、を照合する照合処理と、
前記照合処理による照合結果を出力する出力処理と、
を実行させることを特徴とする照合プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、データを照合する照合装置、照合方法、および照合プログラムに関する。

【背景技術】

【0002】

ＣＴＧ（ＣａｒｄｉｏＴｏｃｏＧｒａｍ：胎児心拍陣痛図）は、胎児心拍数計と外側陣痛計それぞれから得られた胎児心拍数と陣痛図（子宮収縮）の経時的変化を示す波形であり、胎児のＷｅｌｌ ｂｅｉｎｇ（元気さ）の評価に用いられる。分娩時の胎児の評価には必須の検査である。ＣＴＧは、分娩中に生じうる胎児の低酸素やアシドーシスを早期発見し、生まれてくる胎児の低酸素脳症や脳性麻痺を減らすために有用である。

【0003】

医者は、胎児心拍の基線と徐脈のパターンから評価を行うレベル分類により、胎児心拍陣痛図の評価を行うが、ＣＴＧの波形は複雑であり、判断する医療従事者の経験に左右される。また、非特許文献１は、胎児心拍の信号から、胎児の状態を予測する技術を開示する。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】Ramanujam, E., et al. "Prediction of Fetal Distress Using Linear and Non-linear Features of CTG Signals." International Conference On Computational Vision and Bio Inspired Computing. Springer, Cham, 2019.

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上述した非特許文献１で提示された予測方法は、医者のアノテーション付きのデータを使い、胎児の心拍と子宮収縮の波形から特徴量を抽出し、胎児状態を予測する技術だが、整備されたアノテーション付きのデータが必要となる。データのアノテーションは医者の経験に左右されるため、信頼性にばらつきがある。また、医者によるアノテーションだけでは、いくつかのカテゴリに分類するにとどまり（例：安全または危険）、ｐｈ値を予測できない。

【0006】

本発明は、アノテーションの信頼性の向上を図ることを目的とする。

【課題を解決するための手段】

【0007】

本願において開示される発明の一側面となる照合装置は、サンプル群の各々の説明変数に基づいて、前記サンプル群を、第１分類を示す第１グループと、前記第１分類よりも評価が低い第２分類を示す第２グループと、にグループ分けするグループ分け処理部と、前記グループ分け処理部によってグループ分けされた前記第１グループおよび前記第２グループの分類と、前記サンプル群の各々の目的変数によって特定される分類と、を照合する照合部と、前記照合部による照合結果を出力する出力部と、を有することを特徴とする。

【発明の効果】

【0008】

本発明の代表的な実施の形態によれば、アノテーションの信頼性の向上を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

【図面の簡単な説明】

【0009】

【図1】図１は、学習ＤＢの整備例を示す説明図である。

【図2】図２は、照合装置のハードウェア構成例を示すブロック図である。

【図3】図３は、学習ＤＢの一例を示す説明図である。

【図4】図４は、特徴量に含まれる測定因子例１を示す説明図である。

【図5】図５は、特徴量に含まれる測定因子例２を示す説明図である。

【図6】図６は、基本情報ＤＢの一例を示す説明図である。

【図7】図７は、照合装置の機能的構成例を示すブロック図である。

【図8】図８は、前処理部による前処理手順例を示すフローチャートである。

【図9】図９は、学習時における選択画面の表示例を示す説明図である。

【図10】図１０は、予測時における選択画面の表示例を示す説明図である。

【図11】図１１は、学習時の照合処理手順例を示すフローチャートである。

【図12】図１２は、特徴量選択画面の一例を示す説明図である。

【図13】図１３は、照合結果表示画面の一例を示す説明図である。

【図14】図１４は、照合結果表示画面の一例を示す説明図である。

【図15】図１５は、照合結果表示画面の一例を示す説明図である。

【図16】図１６は、照合結果表示画面の一例を示す説明図である。

【図17】図１７は、予測時の照合処理手順例を示すフローチャートである。

【発明を実施するための形態】

【0010】

＜学習ＤＢの整備例＞
図１は、学習ＤＢの整備例を示す説明図である。学習ＤＢ１００は、妊婦であるサンプルごとに説明変数となる特徴量と目的変数となる正解データとの組み合わせをサンプルデータとして記憶するデータベースである。正解データは、学習時では、たとえば、分娩済みのサンプルに対する医者によるアノテーション（胎児の状態が安全または危険）であり、ｐＨ予測時では、分娩前のサンプルに対する、学習時に得られたアノテーション（胎児の状態が安全または危険）である。

【0011】

サンプルデータの各々は、胎児の状態が安全である安全グループと胎児の状態が危険である危険グループにクラスタリングされる。クラスタリングは、正解データを用いない教師無し学習または正解データを用いた教師有り学習で実行される。ここでは、正解データを用いない教師無し学習を例に挙げる。正解データを用いない教師無し学習では、サンプルデータ群は、２つのグループにクラスタリングされ、サンプルデータ数が多い方のグループを安全グループとし、少ない方を危険グループとする。

【0012】

また、ｐＨは、胎児の低酸素またはアシドーシスの指標となる、分娩直後の臍帯動脈血ガス分析値である。たとえば、ｐＨ値は７．２を基準とし、ｐＨ＞７．２であれば胎児は安全であり、ｐＨ≦７．２であれば胎児は危険とされる。ｐＨ値は、分娩済みのサンプルの場合は分娩直後の実測値であり、分娩前のサンプルの場合は分娩前の予測値である。

【0013】

サンプルデータが安全グループに属し、かつ、ｐＨ値が安全値であるという照合結果１０１（ともに安全）であれば、そのサンプルデータは、学習対象として学習ＤＢ１００に保持され、かつ、「安全」を示すアノテーションが付与される。「安全」を示すアノテーションは、ユーザに表示される。

【0014】

サンプルデータが安全グループに属し、かつ、ｐＨ値が危険値であるという照合結果１０２（矛盾）であれば、そのサンプルデータは、学習対象外として学習ＤＢ１００において学習利用不能に設定され、かつ、サンプルの属性「安全」とｐＨの安全値とが「矛盾」することがユーザに表示される。

【0015】

サンプルデータが危険グループに属し、かつ、ｐＨ値が安全値であるという照合結果１０３（矛盾）であれば、そのサンプルデータは、学習対象外として学習ＤＢ１００において学習利用不能に設定され、かつ、サンプルの属性「危険」とｐＨの安全値とが「矛盾」することがユーザに表示される。

【0016】

サンプルデータが危険グループに属し、かつ、ｐＨ値が危険値であるという照合結果１０４（ともに危険）であれば、そのサンプルデータは、学習対象外として学習ＤＢ１００において学習利用不能に設定され、かつ、「危険」を示すアノテーションが付与される。「危険」を示すアノテーションは、ユーザに表示される。

【0017】

このように、「安全」、「矛盾」および「危険」を示す照合結果１０１～１０４がアノテーションとして自動付与される。これにより、アノテーションの信頼性の向上を図ることができる。また、「矛盾」または「危険」を示す照合結果１０２～１０４がアノテーションとして付与されたサンプルデータは、学習対象外となるため、「安全」を示す照合結果１０１がアノテーションとして付与されたサンプルデータが残存する。したがって、学習ＤＢ１００の自動整理化を図ることができる。また、残存したサンプルデータ群を用いて学習モデルを生成することにより、ｐＨの予測値の高精度化を図ることができる。

【0018】

＜照合装置のハードウェア構成例＞
図２は、照合装置のハードウェア構成例を示すブロック図である。照合装置２００は、プロセッサ２０１と、記憶デバイス２０２と、入力デバイス２０３と、出力デバイス２０４と、通信インターフェース（通信ＩＦ）２０５と、を有する。プロセッサ２０１、記憶デバイス２０２、入力デバイス２０３、出力デバイス２０４、および通信ＩＦ２０５は、バス２０６により接続される。プロセッサ２０１は、照合装置２００を制御する。記憶デバイス２０２は、プロセッサ２０１の作業エリアとなる。また、記憶デバイス２０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス２０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス２０３は、データを入力する。入力デバイス２０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナ、マイク、センサがある。出力デバイス２０４は、データを出力する。出力デバイス２０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ２０５は、ネットワークと接続し、データを送受信する。

【0019】

＜学習ＤＢ１００＞
図３は、学習ＤＢ１００の一例を示す説明図である。学習ＤＢ１００は、記憶デバイス２０２または照合装置とアクセス可能な他のコンピュータの記憶デバイスに格納される。

【0020】

学習ＤＢ１００は、フィールドとして、サンプルＩＤ３０１と、特徴量３０２と、ｐＨ３０３と、所属グループ３０４と、アノテーション３０５と、学習対象外フラグ３０６とを有する。同一行の各フィールド３０１～３０６の値の組み合わせが、１個のサンプルのサンプルデータを示すエントリを規定する。サンプルは妊婦を示すが、同一妊婦が異なる日時で心拍および陣痛強度を測定した場合、それぞれ異なるサンプルとなる。図３では、ｍ個（ｍは１以上の整数）のサンプルのサンプルデータが登録されている。

【0021】

サンプルＩＤ３０１は、サンプルを一意に特定する識別情報である。特徴量３０２は、サンプルＩＤ３０１で特定されるサンプルの特徴を示すデータである。特徴量３０２は、妊婦の年齢、妊娠週数、胎児の発達遅延、胎児の数、出産方式、服薬情報、喫煙などの基本因子や心拍および陣痛強度を測定する測定装置による測定結果などの測定因子などの因子Ｆ１～Ｆｎ（ｎは１以上の整数）で構成される。

【0022】

ｐＨ３０３は、分娩直後の臍帯動脈血ガス分析値であり、予測値３３１と実測値３３２とが格納される。分娩前では予測値３３１のみが後述する算出部７０３によって算出されて格納される。分娩後では臍帯動脈血ガス分析値が測定されて実測値３３２として格納される。

【0023】

所属グループ３０４は、サンプルＩＤ３０１で特定されるサンプルが所属するグループである。グループには、安全グループと危険グループがある。図１で説明したように、教師無し学習でクラスタリングされた場合、サンプルデータ数が多い方のグループを安全グループとし、少ない方を危険グループとする。

【0024】

一方、実測値３３２を、ｐＨ値＝７．２を基準とし、実測値３３２がｐＨ＞７．２であれば安全を示す正解ラベル、ｐＨ≦７．２であれば危険を示す正解ラベルを付与して、教師有り学習をすることにより、サンプルデータの所属グループ３０４を決定してもよい。

【0025】

アノテーション３０５は、サンプルの胎児に対する評価指標であり、医師によって付与され、または、後述する照合部７０４による照合結果として付与される。

【0026】

学習対象外フラグ３０６は、そのサンプルデータを学習対象外に設定するためのフラグである。「０」が学習対象でデフォルトの値、「１」が学習対象外を示す。なお、学習対象外フラグ３０６を用いずに、照合装置は、学習対象外となったサンプルデータのエントリを削除してもよい。

【0027】

＜特徴量３０２＞
図４は、特徴量３０２に含まれる測定因子例１を示す説明図である。図４は、ＣＴＧの波形から得られるヒストグラム４００を示す。ヒストグラム４００から得られる特徴量３０２の因子には、たとえば、最頻値（ｍｏｄｅ）、平均値、中央値、分散、ヒストグラム幅、低頻度（ｌｏｗ ｆｒｅｑｕｅｎｃｙ）、代表値（ｔｅｎｄｅｎｃｙ）がある。

【0028】

図５は、特徴量３０２に含まれる測定因子例２を示す説明図である。図５は、ＣＴＧの波形を示す。波形には、心拍波形５０１と陣痛強度波形５０２がある。心拍波形５０１から得られる因子には、たとえば、ベースライン、波形最大値、波形最小値、波形平均値、波形分散がある。陣痛強度波形５０２から得られる因子には、たとえば、陣痛の割合（総陣痛時間／測定期間）がある。また、医学的な知見として得られる因子には、たとえば、胎児心拍回数が８０［ｂｐｍ］以下に下がった回数、胎児心拍回数がベースラインから３０［ｂｐｍ］以上下がった回数、胎児心拍回数が８０［ｂｐｍ］以下に下がった継続時間、胎児心拍回数がベースラインから３０［ｂｐｍ］以上下がった継続時間、胎児心拍回数が一番低い時から生まれるまでの時間がある。

【0029】

＜基本情報ＤＢ＞
図６は、基本情報ＤＢの一例を示す説明図である。基本情報ＤＢ６００は、記憶デバイス２０２または照合装置とアクセス可能な他のコンピュータの記憶デバイスに格納される。

【0030】

基本情報ＤＢ６００は、サンプルデータのクレンジングに用いるデータを記憶する。具体的には、たとえば、基本情報ＤＢ６００は、基本因子群に関する条件６０１と、データの質条件６０２と、を含む。基本因子群に関する条件６０１は、例えば、サンプルである妊婦の年齢、妊娠週数、出産方式、胎児の数、胎児の発達遅延、服薬情報、喫煙などの基本因子群が学習対象外となる条件である。たとえば、年齢の場合、４５歳以上のサンプルデータであれば、学習対象外に設定される。また、妊娠週数であれば、２７週未満または４３週以上のサンプルデータは学習対象外に設定される。このように、因子ごとに学習対象外となる条件が設定される。

【0031】

データの質条件６０２は、基本因子群に関する条件６０１とは異なり、サンプルデータの値の質に関する条件であり、たとえば、欠損値が２０％以上のサンプルデータは学習対象外に設定される。なお、学習対象外とは、学習に用いられなければ、単にサンプルデータ自体が学習ＤＢ１００に残された状態でもよく、また、学習ＤＢ１００から削除された状態でもよい。なお、学習ＤＢ１００から削除された場合であっても、記憶デバイス２０２には残存してもよい。

【0032】

＜照合装置の機能的構成例＞
図７は、照合装置２００の機能的構成例を示すブロック図である。照合装置２００は、学習ＤＢ１００および基本情報ＤＢ６００にアクセス可能である。また、照合装置２００は、前処理部７０１と、グループ分け処理部７０２と、算出部７０３と、照合部７０４と、出力部７０５と、学習部７０６と、を有する。前処理部７０１、グループ分け処理部７０２、算出部７０３、照合部７０４、出力部７０５、および学習部７０６は具体的には、たとえば、図２に示した記憶デバイス２０２に記憶されたプログラムをプロセッサ２０１に実行させることにより実現される。

【0033】

前処理部７０１は、基本情報ＤＢ６００を参照して、学習ＤＢ１００内のサンプルデータ群をクレンジングし、不要なサンプルデータを学習対象外にする。

【0034】

グループ分け処理部７０２は、学習ＤＢ１００内のサンプルデータ群を安全グループと危険グループとにグループ分けする。具体的には、たとえば、上述したように、グループ分け処理部７０２は、教師無し学習により、サンプルデータの特徴量３０２（具体的には、たとえば、測定因子群）間の距離が近いサンプルデータ同士でグルーピングし、最終的に２つのグループに収束するまでグルーピングを実行する。最終的な２つのグループが安全グループと危険グループであり、サンプルデータ数が多い方が安全グループ、少ない方が危険グループである。

【0035】

また、グループ分け処理部７０２は、特徴量３０２（具体的には、測定因子群）とｐＨ３０３の実測値３３２に基づく正解ラベル（ｐＨ＞７．２であれば安全、pＨ≦７．２であれば危険）との組み合わせを教師データとし、教師有り学習により、安全グループと危険グループに分類する。ｐＨ３０３の実測値３３２を用いるため、グループ分けの対象となるサンプルデータは、出産済みの妊婦のサンプルデータとなる。

【0036】

算出部７０３は、学習部７０６によって生成された学習モデルに、ｐＨ３０３の予測値３３１が算出されていないサンプルデータ（予測対象サンプルデータ）の特定の測定因子群（医学的な知見として得られる因子群）を入力することにより、ｐＨ３０３の予測値３３１を算出する。

【0037】

照合部７０４は、図１に示したように、サンプルデータごとにｐＨ３０３から得られる安全値（ｐＨ＞７．２）または危険値（ｐＨ≦７．２）と、アノテーション３０５と、を照合する。ｐＨ３０３については、実測値３３２があるサンプルデータについては実測値３３２、実測値３３２がないサンプルデータについては予測値３３１が用いられる。

【0038】

照合部７０４による照合前では、アノテーション３０５は、医師によるアノテーションであり、照合部７０４による照合後では、照合部７０４による照合結果となる。

【0039】

出力部７０５は、前処理部７０１による前処理結果や照合部７０４による照合結果を表示可能に出力する。具体的には、たとえば、出力部７０５は、出力デバイス２０４の一例である表示装置に前処理結果や照合結果を表示したり、通信ＩＦ２０６を介して他のコンピュータに前処理結果や照合結果に送信して他のコンピュータに表示させたりする。

【0040】

学習部７０６は、特徴量３０２内の各サンプルデータの医学的な知見として得られる因子群とｐＨ３０３の実測値３３２とを用いて重回帰モデルを学習モデルとして生成する。

【0041】

＜照合処理手順＞
つぎに、照合装置２００による照合処理手順例について機能ごとに説明する。照合装置２００は、学習モデルの学習と、学習モデルを用いたｐＨ３０３の予測と、を実行するが、後述の各機能による処理では、学習と予測のいずれに適用されるかを示して説明する。

【0042】

［前処理手順例］
図８は、前処理部７０１による前処理手順例を示すフローチャートである。前処理手順は、学習および予測の両方で実行される。前処理部７０１は、学習ＤＢ１００に未選択のサンプルデータがあるか否かを判断する（ステップＳ８０１）。未選択のサンプルデータがある場合（ステップＳ８０１：Ｙｅｓ）、前処理部７０１は、未選択サンプルデータを１つ選択する（ステップＳ８０２）。前処理部７０１は、選択サンプルデータについて、基本情報ＤＢ６００を用いて前処理（クレンジング）、すなわち、選択サンプルデータが基本因子群に関する条件６０１およびデータの質条件６０２に該当するか否かを判定する処理を実行する（ステップＳ８０２）。

【0043】

そして、前処理部７０１は、選択画面を表示可能に出力する（ステップＳ８０４）。具体的には、たとえば、前処理部７０１は、出力デバイス２０４の一例である表示装置に表示したり、ユーザが操作する他のコンピュータに表示させたりする。

【0044】

図９は、学習時における選択画面の表示例を示す説明図である。選択画面９００は、前処理結果として、第１ラジオボタン９０１と、第２ラジオボタン９０２と、実行ボタン９０３と、第１文字列９１０と、第２文字列９２０と、を表示する。

【0045】

第１ラジオボタン９０１は、ユーザが、前処理された選択サンプルデータを学習対象にするための選択ボタンであり、その理由が第１文字列９１０として表示される。第１文字列９１０の「すべての条件」とは、基本情報ＤＢ６００の基本因子群に関する条件６０１およびデータの質条件６０２である。すなわち、その選択サンプルデータは、学習対象であることを示す。

【0046】

第２ラジオボタン９０２は、ユーザが、前処理された選択サンプルデータを学習対象外にするための選択ボタンであり、その理由が第２文字列９２０として表示される。第２文字列９２０は、たとえば、基本情報ＤＢ６００の基本因子群に関する条件６０１およびデータの質条件６０２のうち、その選択サンプルデータが該当した条件である。

【0047】

実行ボタン９０３は、第１ラジオボタン９０１および第２ラジオボタン９０２のいずれかの選択を確定するためのボタンであり、前処理部７０１は、その選択サンプルデータが学習対象および学習対象外のいずれに選択されたかを示す信号を受け付ける。

【0048】

図１０は、予測時における選択画面の表示例を示す説明図である。選択画面１０００は、前処理結果として、第１ラジオボタン１００１と、第２ラジオボタン１００２と、実行ボタン１００３と、第１文字列１０１０と、第２文字列１０２０と、を表示する。

【0049】

第１ラジオボタン１００１は、ユーザが、前処理された選択サンプルデータを学習対象にするための選択ボタンであり、その理由が第１文字列１０１０として表示される。第１文字列１０１０の「すべての条件」とは、基本情報ＤＢ６００の基本因子群に関する条件６０１およびデータの質条件６０２である。すなわち、その選択サンプルデータは、学習対象であることを示す。

【0050】

第２ラジオボタン１００２は、ユーザが、前処理された選択サンプルデータを学習対象外にし、かつ、測定装置の装着の再確認を促すための選択ボタンであり、再確認を促す内容が第２文字列１０２０として表示される。実行ボタン１００３は、第１ラジオボタン１００１および第２ラジオボタン１００２のいずれかの選択を確定するためのボタンであり、前処理部７０１は、その選択サンプルデータが学習対象および学習対象外のいずれに選択されたかを示す信号を受け付ける。

【0051】

図８に戻り、実行ボタン９０３または実行ボタン１００３の押下により、前処理部７０１は、選択信号を受け付ける（ステップＳ８０５）。選択信号が学習対象を示す場合（ステップＳ８０６：Ｙｅｓ）、ステップＳ８０１に戻る。一方、選択信号が学習対象外を示す場合（ステップＳ８０６：Ｎｏ）、前処理部７０１は、選択サンプルデータの学習対象外フラグ３０６を学習対象外に設定して（ステップＳ８０７）、ステップＳ８０１に戻る。ステップＳ８０１において、未選択サンプルデータがない場合、前処理部７０１は、前処理を終了する。

【0052】

［学習時の照合処理手順例］
図１１は、学習時の照合処理手順例を示すフローチャートである。グループ分け処理部７０２は、特徴量の因子を選択する（ステップＳ１１０１）。具体的には、たとえば、グループ分け処理部７０２は、照合開始時に、特徴量選択画面を表示可能に出力する。

【0053】

図１２は、特徴量選択画面の一例を示す説明図である。特徴量選択画面１２００は、自動選択ボタン１２０１と、番号選択ボタン１２０２と、因子群一覧１２０３と、実行ボタン１２０４と、を有する。自動選択ボタン１２０１は、照合装置２００が自動で特徴量３０２の因子を選択するためのボタンである。番号選択ボタン１２０２は、因子群一覧１２０３の因子群から任意の１以上の因子を選択するためのボタンである。ユーザは、因子群一覧１２０３の左端にある各因子のラジオボタン（丸図形で表示）を選択する。実行ボタン１２０４は、押下により、グループ分け処理部７０２は、自動選択または番号選択（選択番号を含む）を示す選択方法信号を受け付ける。

【0054】

図１１に戻り、グループ分け処理部７０２は、選択方法信号を受け付けると、特徴量の因子を選択する。具体的には、たとえば、自動選択の場合、グループ分け処理部７０２は、Ｔ検定または主成分分析により、特徴量３０２の因子を自動選択する。また、番号選択の場合、グループ分け処理部７０２は、番号選択された因子を選択する。

【0055】

グループ分け処理部７０２は、ステップＳ１１０１で選択された因子を特徴量３０２として、学習ＤＢ１００内のサンプルデータ群についてグループ分け処理を実行する（ステップＳ１１０２）。グループ分け処理（ステップＳ１１０２）の対象となるサンプルデータは、ｐＨ３０３の実測値３３２を有し、かつ、学習対象外フラグ３０６が「０」（学習対象）であるサンプルデータである。これにより、不良データがグループ分け処理（ステップＳ１１０２）に適用されないため、学習時のグループ分け処理（ステップＳ１１０２）の精度が向上する。

【0056】

また、学習時において、グループ分け処理（ステップＳ１１０２）では、グループ分け処理部７０２は、サンプルデータの選択因子と正解データ（ｐＨ３０３の実測値３３２から得られる正解ラベル）とを学習データセットとする教師有り学習を実行してもよく、サンプルデータの選択因子のみを用いる教師無し学習を実行してもよい。いずれにしても、グループ分け処理部７０２は、サンプルデータ群を安全グループと危険グループとにグループ分けし、所属グループ３０４を設定する。

【0057】

つぎに、照合部７０４は、図１に示したように、サンプルデータごとに、ｐＨ３０３の実測値３３２の分類（安全または危険）と、所属グループ３０４の分類（安全または危険）と、を照合する（ステップＳ１１０３）。照合部７０４は、照合結果１０１～１０４をアノテーション３０５として付与し（ステップＳ１１０４）、照合結果１０１～１０４に基づいて学習対象外フラグ３０６を更新する（ステップＳ１１０５）。具体的には、たとえば、照合部７０４は、照合結果１０１～１０４のサンプルデータについて学習対象外フラグ３０６を「１」に更新する。そして、出力部７０５は、照合結果１０１～１０４を表示可能に出力する（ステップＳ１１０６）。

【0058】

図１３～図１６は、照合結果表示画面の一例を示す説明図である。照合結果表示画面１３００は、照合結果１０１を表示し、照合結果表示画面１４００は、照合結果１０２を表示し、照合結果表示画面１５００は、照合結果１０３を表示し、照合結果表示画面１６００は、照合結果１０４を表示する。

【0059】

図１１に戻り、学習部７０６は、照合結果１０１のサンプルデータ群の各々の選択因子およびｐＨ３０３の実測値３３２の組み合わせである学習データセットを用いて学習し、学習モデル（たとえば、重回帰モデル）を生成する（ステップＳ１１０７）。これにより、グループ分け処理部７０２、照合部７０４、出力部７０５および学習部７０６による学習時の照合処理が終了する。

【0060】

［予測時の照合処理手順例］
図１７は、予測時の照合処理手順例を示すフローチャートである。グループ分け処理部７０２は、ステップＳ１１０１と同様、特徴量の因子を選択する（ステップＳ１７０１）。グループ分け処理部７０２は、ステップＳ１７０１で選択された因子を特徴量３０２として、学習ＤＢ１００内のサンプルデータ群についてグループ分け処理を実行する（ステップＳ１７０２）。

【0061】

グループ分け処理（ステップＳ１７０２）の対象となるサンプルデータは、ｐＨ３０３の実測値３３２がなく、かつ、学習対象外フラグ３０６が「０」（学習対象）であるサンプルデータである。これにより、不良データがグループ分け処理（ステップＳ１１０２）に適用されないため、予測時のグループ分け処理（ステップＳ１７０２）の精度が向上する。

【0062】

また、学習時において、グループ分け処理（ステップＳ１７０２）では、グループ分け処理部７０２は、サンプルデータの選択因子のみを用いる教師無し学習を実行してもよく、サンプルデータの選択因子と正解データとを学習データセットとする教師有り学習を実行してもよい。

【0063】

教師有り学習の場合、正解データは、たとえば、ステップＳ１１０４で付与されたアノテーション３０５の分類（ともに安全が「安全」の正解ラベル、矛盾およびともに危険が「危険」の正解ラベル）とする。いずれにしても、グループ分け処理部７０２は、サンプルデータ群を安全グループと危険グループとにグループ分けし、所属グループ３０４を設定する。正解データを用いて教師有り学習をすることにより、ステップＳ１１０４でアノテーション３０５として付与された照合結果１０１を学習モデルに反映することができる。

【0064】

つぎに、算出部７０３は、サンプルデータの選択因子の値を学習モデルに入力することにより、当該サンプルデータのｐＨ３０３の予測値３３１を算出し、学習ＤＢに格納する（ステップＳ１７０３）。

【0065】

つぎに、照合部７０４は、図１に示したように、サンプルデータごとに、ｐＨ３０３の予測値３３１の分類（安全または危険）と、所属グループ３０４の分類（安全または危険）と、を照合する（ステップＳ１７０４）。照合部７０４は、照合結果１０１～１０４をアノテーション３０５として付与し（ステップＳ１７０５）、照合結果１０１～１０４に基づいて学習対象外フラグ３０６を更新する（ステップＳ１７０６）。

【0066】

具体的には、たとえば、照合部７０４は、照合結果１０１～１０４のサンプルデータについて学習対象外フラグ３０６を「１」に更新する。そして、照合部７０４は、図１４～図１７に示したように、照合結果１０１～１０４を表示可能に出力する（ステップＳ１７０７）。これにより、グループ分け処理部７０２、算出部７０３、照合部７０４および出力部７０５による予測時の照合処理が終了する。

【0067】

なお、分娩前のｐＨ３０３の実測値３３２がないサンプルであっても、分娩後にはｐＨ３０３の実測値３３２が得られる。この場合、照合装置は、ｐＨ３０３の実測値３３２について図１１に示した学習時の照合処理を実行することで、アノテーション３０５を更新することができる。また、照合装置は、ｐＨ３０３の予測値３３１と実測値３３２との差に基づいて誤差逆伝播することにより、学習モデルを再学習する。これにより、学習モデルの高精度化を図ることができる。

【0068】

以上説明したように、「安全」、「矛盾」および「危険」を示す照合結果１０１～１０４がアノテーション３０５として自動付与されるため、アノテーション３０５の信頼性の向上を図ることができる。また、「矛盾」または「危険」を示す照合結果１０２～１０４がアノテーション３０５として付与されたサンプルデータは、学習対象外となるため、「安全」を示す照合結果１０１がアノテーション３０５として付与されたサンプルデータが残存する。したがって、学習ＤＢ１００の自動整理化を図ることができる。また、残存したサンプルデータ群を用いて学習モデルを生成することにより、ｐＨ３０３の予測値３３１の高精度化を図ることができる。したがって、データの処理コストをかけずに胎児状態の予測が可能となる。

【0069】

また、上述した実施例では、安全と危険の２つのグループとしたが、グループの分類は、安全および危険に限らず、サンプルの精度や信頼度のような程度を表す評価の分類であればよい。また、上述した実施例では、サンプルを妊婦としたが、妊婦に限らず、人や装置など様々な測定対象をサンプルとしてもよい。

【0070】

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

【0071】

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

【0072】

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

【0073】

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

【符号の説明】

【0074】

１０１～１０４ 照合結果
２００ 照合装置
２０１ プロセッサ
２０２ 記憶デバイス
３０２ 特徴量
３０４ 所属グループ
３０５ アノテーション
３０６ 学習対象外フラグ
３３１ 予測値
３３２ 実測値
７０１ 前処理部
７０２ グループ分け処理部
７０３ 算出部
７０４ 照合部
７０５ 出力部
７０６ 学習部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】