(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】P2023121141
(43)【公開日】2023-08-30
(54)【発明の名称】学習支援方法、および学習支援プログラム
(51)【国際特許分類】
G01N 30/86 20060101AFI20230823BHJP
G01N 30/02 20060101ALI20230823BHJP
【ＦＩ】
G01N30/86 Q
G01N30/86 D
G01N30/86 B
G01N30/02 Z
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2023020131
(22)【出願日】2023-02-13
(31)【優先権主張番号】P 2022023678
(32)【優先日】2022-02-18
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000001993
【氏名又は名称】株式会社島津製作所
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】知野見 健太
(72)【発明者】
【氏名】杉村 佳織
(72)【発明者】
【氏名】金澤 慎司
(57)【要約】
【課題】推定モデルを更新するための高品質の教師データを入力することをユーザに促進することができる。
【解決手段】第１クロマトグラムを取得すること（ステップＳ２）と、第１クロマトグラム画像を表示すること（ステップＳ６）と、クロマトグラムＤＢから、第１クロマトグラムと同一または類似である第２クロマトグラムと、該第２クロマトグラムのピークを特定するための第２ピーク情報とを取得することと（ステップＳ４）、第２クロマトグラム画像と、第２ピーク情報画像とを表示すること（ステップＳ８）と、第１クロマトグラムのピークを特定するための第１ピーク情報のユーザによる入力を受付けること（ステップＳ１０）と、第１クロマトグラムと第１ピーク情報とに基づいて推定モデルを学習すること（ステップＳ１４）とを備える。
【選択図】図９
【解決手段】第１クロマトグラムを取得すること（ステップＳ２）と、第１クロマトグラム画像を表示すること（ステップＳ６）と、クロマトグラムＤＢから、第１クロマトグラムと同一または類似である第２クロマトグラムと、該第２クロマトグラムのピークを特定するための第２ピーク情報とを取得することと（ステップＳ４）、第２クロマトグラム画像と、第２ピーク情報画像とを表示すること（ステップＳ８）と、第１クロマトグラムのピークを特定するための第１ピーク情報のユーザによる入力を受付けること（ステップＳ１０）と、第１クロマトグラムと第１ピーク情報とに基づいて推定モデルを学習すること（ステップＳ１４）とを備える。
【選択図】図９
【特許請求の範囲】
【請求項1】
分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させる学習支援方法であって、
分析装置により作成された第１信号波形を取得することと、
前記第１信号波形を表示装置に表示することと、
複数のアノテーション済信号を記憶する記憶装置から、前記第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することと、
前記第２信号波形と、前記第２ピーク情報を示す第２ピーク情報画像とを前記表示装置に表示することと、
前記第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることと、
前記第１信号波形と前記第１ピーク情報とに基づいて前記推定モデルを学習することとを備える、学習支援方法。
分析装置により作成された第１信号波形を取得することと、
前記第１信号波形を表示装置に表示することと、
複数のアノテーション済信号を記憶する記憶装置から、前記第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することと、
前記第２信号波形と、前記第２ピーク情報を示す第２ピーク情報画像とを前記表示装置に表示することと、
前記第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることと、
前記第１信号波形と前記第１ピーク情報とに基づいて前記推定モデルを学習することとを備える、学習支援方法。
【請求項2】
前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得することは、
前記第１信号波形と、前記複数のアノテーション済信号に含まれる複数の記憶信号波形のそれぞれとの第１類似度を算出することと、
前記第１類似度が第１閾値以上である記憶信号波形を、前記第２信号波形として取得することとを含み、
前記第１信号波形を前記表示装置に表示することと、
前記第２信号波形と、前記第２ピーク情報画像とを前記表示装置に表示することとの後に、
前記第１ピーク情報のユーザによる入力を受付ける、請求項１に記載の学習支援方法。
前記第１信号波形と、前記複数のアノテーション済信号に含まれる複数の記憶信号波形のそれぞれとの第１類似度を算出することと、
前記第１類似度が第１閾値以上である記憶信号波形を、前記第２信号波形として取得することとを含み、
前記第１信号波形を前記表示装置に表示することと、
前記第２信号波形と、前記第２ピーク情報画像とを前記表示装置に表示することとの後に、
前記第１ピーク情報のユーザによる入力を受付ける、請求項１に記載の学習支援方法。
【請求項3】
前記第１信号波形を前記表示装置に表示することと、
前記第１ピーク情報のユーザによる入力を受付けることとの後に、
前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得し、
前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得することは、
前記第１信号波形と、前記複数のアノテーション済信号に含まれる複数の記憶信号波形の各々との第１類似度を算出することと、
前記第１ピーク情報と、前記複数のアノテーション済信号に含まれる複数の記憶ピーク情報の各々との第２類似度を算出することと、
前記第１類似度が第１閾値以上である信号波形であって、かつ前記第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶信号波形を、前記第２信号波形として取得することとを含む、請求項１に記載の学習支援方法。
前記第１ピーク情報のユーザによる入力を受付けることとの後に、
前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得し、
前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得することは、
前記第１信号波形と、前記複数のアノテーション済信号に含まれる複数の記憶信号波形の各々との第１類似度を算出することと、
前記第１ピーク情報と、前記複数のアノテーション済信号に含まれる複数の記憶ピーク情報の各々との第２類似度を算出することと、
前記第１類似度が第１閾値以上である信号波形であって、かつ前記第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶信号波形を、前記第２信号波形として取得することとを含む、請求項１に記載の学習支援方法。
【請求項4】
前記第２信号波形は、高類似信号波形と、該高類似信号波形よりも前記第１類似度が低い低類似信号波形とを含み、
前記第２信号波形と前記第２ピーク情報画像とを前記表示装置に表示することは、前記高類似信号波形を示す波形画像を前記低類似信号波形を示す波形画像よりも優先して表示することを含む、請求項２または請求項３に記載の学習支援方法。
前記第２信号波形と前記第２ピーク情報画像とを前記表示装置に表示することは、前記高類似信号波形を示す波形画像を前記低類似信号波形を示す波形画像よりも優先して表示することを含む、請求項２または請求項３に記載の学習支援方法。
【請求項5】
前記第２信号波形と、前記第２ピーク情報画像とを前記表示装置に表示することは、前記第２信号波形の前記第１類似度を該第２信号波形を示す第２信号波形画像に対応付けて表示することを含む、請求項２～請求項４のいずれか１項に記載の学習支援方法。
【請求項6】
前記第１類似度を算出することは、前記第１信号波形の第１特徴量と、前記記憶信号波形の該第１特徴量と同一種別の第２特徴量とに基づいて、前記第１類似度を算出することを含む、請求項２～請求項５のいずれか１項に記載の学習支援方法。
【請求項7】
前記第１類似度を算出することは、前記第１信号波形により示される分析結果と、前記記憶信号波形により示される分析結果とに基づいて、前記第１類似度を算出することを含む、請求項２～請求項６のいずれか１項に記載の学習支援方法。
【請求項8】
前記学習支援方法は、前記第１ピーク情報を示す第１ピーク情報画像を前記表示装置に表示することをさらに備える、請求項１～請求項７のいずれか１項に記載の学習支援方法。
【請求項9】
前記第１ピーク情報画像を前記表示装置に表示することは、該第１ピーク情報画像により示される第１ピーク情報により特定されるピークの特徴量を示す第１特徴量画像を表示することを含み、
前記第２信号波形と前記第２ピーク情報画像とを前記表示装置に表示することは、該第２ピーク情報画像により示される第２ピーク情報により特定されるピークの特徴量を示す第２特徴量画像を表示することを含む、請求項８に記載の学習支援方法。
前記第２信号波形と前記第２ピーク情報画像とを前記表示装置に表示することは、該第２ピーク情報画像により示される第２ピーク情報により特定されるピークの特徴量を示す第２特徴量画像を表示することを含む、請求項８に記載の学習支援方法。
【請求項10】
前記学習支援方法は、前記推定モデルを用いて検出された前記第１信号波形のピークを特定するための検出ピーク情報を示す検出ピーク情報画像を表示することをさらに備え、
前記検出ピーク情報画像と、前記第１信号波形とを表示した後に、前記第１ピーク情報のユーザによる入力を受付ける、請求項１～請求項９のいずれか１項に記載の学習支援方法。
前記検出ピーク情報画像と、前記第１信号波形とを表示した後に、前記第１ピーク情報のユーザによる入力を受付ける、請求項１～請求項９のいずれか１項に記載の学習支援方法。
【請求項11】
前記学習支援方法は、前記第１信号波形が前記表示装置に表示されている状態で、第１点と第２点とのユーザによる入力を受付けることをさらに備え、
前記第２ピーク情報画像は、線画像であり、
前記第２信号波形と前記線画像とで囲まれている領域が、前記第２信号波形のピークを示す領域であり、
前記第１ピーク情報により特定されるピークの領域は、前記第１点と前記第２点とを結ぶ線と、前記第１信号波形に含まれる線とで囲まれた領域である、請求項１～請求項１０のいずれか１項に記載の学習支援方法。
前記第２ピーク情報画像は、線画像であり、
前記第２信号波形と前記線画像とで囲まれている領域が、前記第２信号波形のピークを示す領域であり、
前記第１ピーク情報により特定されるピークの領域は、前記第１点と前記第２点とを結ぶ線と、前記第１信号波形に含まれる線とで囲まれた領域である、請求項１～請求項１０のいずれか１項に記載の学習支援方法。
【請求項12】
分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させる学習支援プログラムであって、
前記コンピュータに、
分析装置により作成された第１信号波形を取得することと、
前記第１信号波形を表示装置に表示することと、
複数のアノテーション済信号を記憶する記憶装置から、前記第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することと、
前記第２信号波形と、前記第２ピーク情報を示す第２ピーク情報画像とを前記表示装置に表示することと、
前記第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることと、
前記第１信号波形と前記第１ピーク情報とに基づいて前記推定モデルを学習することとを実行させるための学習支援プログラム。
前記コンピュータに、
分析装置により作成された第１信号波形を取得することと、
前記第１信号波形を表示装置に表示することと、
複数のアノテーション済信号を記憶する記憶装置から、前記第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することと、
前記第２信号波形と、前記第２ピーク情報を示す第２ピーク情報画像とを前記表示装置に表示することと、
前記第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることと、
前記第１信号波形と前記第１ピーク情報とに基づいて前記推定モデルを学習することとを実行させるための学習支援プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、学習支援方法、および学習支援プログラムに関する。
【背景技術】
【0002】
国際公開第２０１７／０４０４８７号（特許文献１）には、クロマトグラフシステムが開示されている。このクロマトグラフシステムは、推定モデルを用いたＡＩ（Artificial Intelligence）によりピークを検出し、該ピークに基づいて試料の定性分析または定量分析を実行する。
【0003】
特許文献１には、推定モデルを学習するための教師データをユーザが入力できる技術が開示されている。具体的には、ピークが分離されていない未分離クロマトグラムをユーザが目視して、ピークを指定するための情報を教師データとして該ユーザがクロマトグラフシステムに入力する技術が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】国際公開第２０１７／０４０４８７号
【発明の概要】
【発明が解決しようとする課題】
【0005】
推定モデルの作成には大量の教師データのアノテーションが必要になる場合があり、アノテーションのバラつきを抑制して推定モデルの品質を向上させることが要望されている。
【0006】
本開示は、このような課題を解決するためになされたものであって、その目的は、アノテーションのバラつきを抑制して推定モデルの品質を向上させることである。
【課題を解決するための手段】
【0007】
本開示の学習支援方法は、分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させる方法である。学習支援方法は、分析装置により作成された第１信号波形を取得することを備える。学習支援方法は、第１信号波形を表示装置に表示することを備える。学習支援方法は、複数のアノテーション済信号を記憶する記憶装置から、第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することを備える。学習支援方法は、第２信号波形と、第２ピーク情報を示す第２ピーク情報画像とを表示装置に表示することを備える。学習支援方法は、第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることを備える。学習支援方法は、第１信号波形と第１ピーク情報とに基づいて推定モデルを学習することを備える。
【0008】
本開示の学習支援プログラムは、分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させるプログラムである。学習支援プログラムは、コンピュータに、分析装置により作成された第１信号波形を取得することを実行させる。学習支援プログラムは、コンピュータに、第１信号波形を表示装置に表示することを実行させる。学習支援プログラムは、コンピュータに、複数のアノテーション済信号を記憶する記憶装置から、第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することを実行させる。学習支援プログラムは、コンピュータに、第２信号波形と、第２ピーク情報を示す第２ピーク情報画像とを表示装置に表示することを実行させる。学習支援プログラムは、コンピュータに、第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることを実行させる。学習支援プログラムは、コンピュータに、記第１信号波形と第１ピーク情報とに基づいて推定モデルを学習することとを実行させる。
【発明の効果】
【0009】
本開示によれば、アノテーションのバラつきを抑制して推定モデルの品質を向上させることができる。
【図面の簡単な説明】
【0010】
【図1】分析システムの構成例を示す図である。
【図2】同一のクロマトグラムに対して異なる教師データが付与されている例を示す図である。
【図3】本実施の形態に係る学習支援装置のハードウェア構成を示すブロック図である。
【図4】学習支援装置の機能ブロック図である。
【図5】クロマトグラムＤＢの一例である。
【図6】表示装置に表示される画面の一例である。
【図7】表示装置に表示される画面の一例である。
【図8】表示装置に表示される画面の一例である。
【図9】学習支援装置の処理を示すフローチャートである。
【図10】第２実施形態の学習支援装置の処理のフローチャートである。
【図11】第３実施形態の学習支援装置の処理のフローチャートである。
【図12】表示装置に表示される画面の一例である。
【発明を実施するための形態】
【0011】
以下、本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分には同一符号を付してその説明は繰り返さない。
【0012】
＜第１実施形態＞
［分析システム］
本開示は、分析装置により作成された信号波形のピークを検出するために用いられる推定モデルの学習を支援する技術に関する。分析装置は、たとえば、ガスクロマトグラフ（ＧＣ：Gas Chromatograph）装置、液体クロマトグラフ（ＬＣ：Liquid Chromatography）装置、質量分析装置、分光光度計、およびＸ線分析装置などである。
［分析システム］
本開示は、分析装置により作成された信号波形のピークを検出するために用いられる推定モデルの学習を支援する技術に関する。分析装置は、たとえば、ガスクロマトグラフ（ＧＣ：Gas Chromatograph）装置、液体クロマトグラフ（ＬＣ：Liquid Chromatography）装置、質量分析装置、分光光度計、およびＸ線分析装置などである。
【0013】
たとえば、信号波形は、クロマトグラム波形またはマススペクトル波形であってよい。また、分析装置が分光光度計である場合には、信号波形は、吸光スペクトル波形となる。分析装置がＸ線分析装置である場合には、信号波形は、Ｘ線スペクトル波形となる。
【0014】
また、推定モデル（後述の推定モデル１２１）の学習（学習処理）は、構築されていない推定モデルを新たに生成（構築）する処理と、既に構築されている推定モデルを更新する処理とを含む。「推定モデルを更新する」とは、推定モデルのパラメータを更新する処理を含む。また、学習処理によって更新（最適化）された推定モデルを、「学習済モデル」とも称する。また、学習前の推定モデルおよび学習済みの推定モデルをまとめて「推定モデル」とも総称する。
【0015】
本実施形態においては、液体クロマトグラフが採用された分析装置を説明する。図１は、分析システム１００の構成例を示す図である。分析装置１０と、データ解析装置２５と、入力装置６１と、表示装置６２と、学習支援装置３０とを備える。また、データ解析装置２５および学習支援装置３０は、たとえば、情報処理装置（たとえば、ＰＣ（Personal Computer））により構成される。図１の例ではデータ解析装置２５および学習支援装置３０は個別に示されているが、一体化されていてもよい。
【0016】
入力装置６１は、たとえばキーボードあるいはマウスなどのポインティングデバイスであり、ユーザからの指令を受け付ける。表示装置６２は、たとえば液晶（ＬＣＤ：Liquid Crystal Display）パネルで構成される。表示装置６２は、様々な画像を表示する。ユーザインターフェースとしてタッチパネルが用いられる場合には、入力装置６１と表示装置６２とが一体的に形成される。入力装置６１は、データ解析装置２５および学習支援装置３０に接続されている。また、表示装置６２は、データ解析装置２５および学習支援装置３０に接続されている。
【0017】
データ解析装置２５は、制御部２０を有する。制御部２０は、分析装置１０を制御する。分析装置１０は、移動相容器１１と、ポンプ１２と、インジェクタ１３と、カラム１４と、検出器１５とを含む。移動相容器１１には、移動相が収容されている。ポンプ１２は、移動相容器１１に収容されている移動相を吸引して略一定の流速（又は流量）でカラム１４に送給する。
【0018】
インジェクタ１３は、制御部２０からの指示に応じた所定のタイミングで、予め用意されている試料液を所定量、移動相中に注入する。注入された試料液は移動相の流れに乗ってカラム１４に導入される。試料液に含まれる各種の成分はカラム１４を通過する間に時間方向に分離されて溶出する。つまり、カラム１４は、試料液に含まれる成分を保持時間に応じて分離する。
【0019】
検出器１５は、カラム１４から溶出する溶出液中の成分を検出する。検出器１５は、該成分の量に応じた強度の検出信号をデータ解析装置２５に出力する。検出器１５は、たとえば、フォトダイオードアレイ（ＰＤＡ：Photodiode Array）検出器などが採用された光学検出器などが用いられる。
【0020】
データ解析装置２５は、上記の制御部２０の他に、データ収集部１１０と、ピーク検出処理部１１１と、解析部１１７とを有する。
【0021】
データ収集部１１０は、検出器１５から出力された検出信号を所定時間間隔でサンプリングしてデジタルデータに変換する。データ収集部１１０は、該デジタルデータを、所定の記憶領域（図示せず）に記憶する。このデジタルデータは、クロマトグラム波形を示すデータ（以下、「クロマトグラムデータ」とも称される。）である。
【0022】
ピーク検出処理部１１１は、データ収集部１１０が収集したクロマトグラムデータによるクロマトグラムのピークを、ＡＩ（人工知能：Artificial Intelligence）を利用して、推定する（導出する）。
【0023】
本実施の形態においては、ピーク検出処理部１１１は、モデル記憶部１１４とピーク決定部１１６とを有する。また、モデル記憶部１１４には、たとえば、機械学習によって生成された推定モデル１２１（ニューラルネットワーク）が記憶される。この推定モデル１２１は、たとえば、所定の関数で表現される。所定の関数は、たとえば、ＥＭＧ（Exponetially Modified Gaussian）関数である。
【0024】
また、ピーク決定部１１６は、データ収集部１１０が収集したクロマトグラムデータによるクロマトグラムを、推定モデル１２１に入力する。推定モデル１２１は、クロマトグラムのピークを出力する。このように、ピーク検出処理部１１１は、データ収集部１１０が収集したクロマトグラムデータによるクロマトグラムのピークを推定し、解析部１１７に出力する。
【0025】
ピークが観測される時間（保持時間）は成分の種類に対応している。該クロマトグラムは、データ解析装置に送信される。データ解析装置は、該クロマトグラムに含まれるピークの保持時間から成分を特定する。この特定は、「定性分析」とも称される。
【0026】
また、クロマトグラムのピークの高さおよびピークの面積は試料の成分の濃度または含有量に対応している。データ解析装置は、該クロマトグラムに含まれるピークの高さまたは面積値から試料の成分の濃度や含有量を特定する。この特定は、「定量分析」とも称される。
【0027】
解析部１１７は、ピーク決定部１１６から出力されたピークにおいて、該ピークのピークトップの位置（時間）と該ピークの面積値（または高さ）とを求める。解析部１１７は、クロマトグラム上の各ピークの位置の情報から成分を特定する。また、解析部１１７は、予め作成された検量線を利用して、ピーク面積値（又は高さ値）から各成分の含有量を算出する。このように、解析部１１７は、試料に含まれる各成分の定性分析および定量分析を実行する。解析部１１７は、定性分析結果および定量分析結果を表示装置６２に表示する。
【0028】
［学習支援装置］
次に、学習支援装置３０を説明する。上述のように、ピーク検出処理部１１１によるピーク検出の精度を向上させるために、学習支援装置３０は、推定モデル１２１を最適化する。また、本実施の形態においては、分析システム１００の製造段階において、製造者が推定モデル１２１を最適化するようにしてもよい。また、分析システム１００がユーザに出荷されて、該ユーザが推定モデル１２１を最適化するようにしてもよい。この場合には、ユーザは、推定モデル１２１を最適化するための学習データを準備し、かつユーザ自身がアノテーション処理を実行する。したがって、ユーザは、該ユーザが所望する推定モデル１２１を生成できる。
次に、学習支援装置３０を説明する。上述のように、ピーク検出処理部１１１によるピーク検出の精度を向上させるために、学習支援装置３０は、推定モデル１２１を最適化する。また、本実施の形態においては、分析システム１００の製造段階において、製造者が推定モデル１２１を最適化するようにしてもよい。また、分析システム１００がユーザに出荷されて、該ユーザが推定モデル１２１を最適化するようにしてもよい。この場合には、ユーザは、推定モデル１２１を最適化するための学習データを準備し、かつユーザ自身がアノテーション処理を実行する。したがって、ユーザは、該ユーザが所望する推定モデル１２１を生成できる。
【0029】
一般的に、機械学習された推定モデル１２１の性能は完璧ではなく、ピーク検出においてある程度のエラーが生じることを前提に運用される。このように、本実施形態においては、ユーザ自身が推定モデル１２１を学習できることから、ユーザの利便性を向上させることができる。
【0030】
一般的に推定モデル１２１の性能は学習データの質に大きく依存する。特に、様々なクロマトグラムが網羅できていること、および正確な教師ラベルがクロマトグラムに対して付与されていることが好ましい。
【0031】
本実施の形態においては、ユーザが推定モデル１２１を最適化する手法として、２つの手法がある。第１の手法は、ピーク検出処理部１１１により検出されたピークの修正作業をユーザが行うという手法である。具体的には、分析システム１００は、クロマトグラムのクロマトグラム画像および該クロマトグラムに付与されているピーク情報のピーク情報画像を表示装置６２に表示する。このピーク情報画像は、後述の「検出ピーク画像」に対応する。クロマトグラム画像は、クロマトグラムを示す画像である。ピーク情報画像は、ピーク情報を示す画像である。該ピーク情報は、クロマトグラムのピークを特定するための情報である。分析システム１００は、該表示されたピーク情報のユーザによる修正を受付ける。
【0032】
第２の手法は、データ収集部１１０が新たに収集したクロマトグラム（ピークが検出されていないクロマトグラム）に対して、ピークの指定作業をユーザが行うという手法である。具体的には、分析システム１００は、クロマトグラム画像を表示装置６２に表示し、ピーク情報画像を表示しない。そして、分析システム１００は、該表示されたクロマトグラム画像に対してピーク情報の入力を受付ける。また、該入力されるピーク情報が、推定モデル１２１を最適化するための教師ラベルまたは教師データとなる。
【0033】
このように、第１の手法および第２の手法のいずれにおいても、分析システム１００は、ユーザからのピーク情報の入力を教師データとして受付ける。ユーザがピーク情報を入力した結果、入力されたピークおよびクロマトグラムを新たな学習データとして推定モデル１２１のパラメータが更新される。ピーク検出処理部１１１は、該更新された推定モデル１２１を利用できる。しかしながら、過去のアノテーションと一貫性がない（ばらつきが生じた）アノテーションを、ユーザが行った場合には、推定モデル１２１の精度が低下する場合がある。
【0034】
また、推定モデル１２１の作成には、大量の教師データのアノテーションが必要になる場合がある。図２は、同一のクロマトグラムに対して異なる教師データが付与されている（一貫性がないアノテーションが実行されている）例を示す図である。図２（Ａ）は、クロマトグラムのピークがユーザにより広く指定されていることを示す図である。図２（Ｂ）は、クロマトグラムのピークがユーザにより狭く指定されていることを示す図である。なお、図２および後述のクロマトグラムが示される図においては、横軸は時間を示し、縦軸は信号強度を示す。また、本実施の形態においては、ユーザに入力されるピーク情報（教師データ）は、ピーク情報９２Ａおよびピーク情報９２Ｂとなる。
【0035】
たとえば１回目のクロマトグラムに対しては、ユーザがピーク情報９２Ａ（図２（Ａ）参照）を入力し、２回目のクロマトグラムに対しては、ユーザがピーク情報９２Ｂ（図２（Ｂ）参照）を入力したとする。この場合には、同一のクロマトグラムに対して、異なるピーク情報（教師データ）が入力されることになり、つまり、アノテーションのバラつきが発生している。このようにアノテーションのバラつきが発生すると、推定モデル１２１の品質が低下する場合がある。
【0036】
そこで、本実施の形態の学習支援装置３０は、アノテーションのバラつきを抑制する（過去のピーク情報と一貫性を持たせる）ように、ユーザにピーク情報を入力させることを促進する。これにより、学習支援装置３０は、ユーザによる推定モデル１２１の学習を支援することができる。
【0037】
［学習支援装置のハードウェア構成］
図３は、本実施の形態に係る学習支援装置３０のハードウェア構成を示すブロック図である。図３に示すように、学習支援装置３０は、主なハードウェア要素として、制御装置５１と、記憶装置５２と、メディア読取装置１７と、ディスプレイインターフェース１８と、入力インターフェース２６とを備える。
図３は、本実施の形態に係る学習支援装置３０のハードウェア構成を示すブロック図である。図３に示すように、学習支援装置３０は、主なハードウェア要素として、制御装置５１と、記憶装置５２と、メディア読取装置１７と、ディスプレイインターフェース１８と、入力インターフェース２６とを備える。
【0038】
制御装置５１は、後述するように、推定モデル１２１の学習を実行する。制御装置５１は、たとえば、ＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、およびＧＰＵ（Graphics Processing Unit）などで構成される。なお、制御装置５１は、ＣＰＵ、ＦＰＧＡ、およびＧＰＵの少なくとも１つで構成されてもよいし、ＣＰＵとＦＰＧＡ、ＦＰＧＡとＧＰＵ、ＣＰＵとＧＰＵ、あるいはＣＰＵ、ＦＰＧＡ、およびＧＰＵの全てから構成されてもよい。また、制御装置５１は、演算回路（processing circuitry）で構成されてもよい。
【0039】
記憶装置５２は、制御装置５１が任意のプログラムを実行するにあたって、プログラムコードやワークメモリなどを一時的に格納する揮発性の記憶領域（たとえば、ワーキングエリア）を含む。たとえば、記憶装置５２は、ＤＲＡＭ（Dynamic Random Access Memory）またはＳＲＡＭ（Static Random Access Memory）などの揮発性メモリデバイスで構成される。さらに、記憶装置５２は、不揮発性の記憶領域を含む。たとえば、記憶装置５２は、ハードディスクまたはＳＳＤ（Solid State Drive）などの不揮発性メモリデバイスで構成される。
【0040】
なお、本実施の形態においては、揮発性の記憶領域と不揮発性の記憶領域とが同一の記憶装置５２に含まれる例を示したが、揮発性の記憶領域と不揮発性の記憶領域とが互いに異なる記憶装置に含まれていてもよい。たとえば、制御装置５１が揮発性の記憶領域を含み、記憶装置５２が不揮発性の記憶領域を含んでいてもよい。学習支援装置３０は、制御装置５１と、記憶装置５２とを含むマイクロコンピュータを備えていてもよい。
【0041】
記憶装置５２は、推定モデル１２１と、制御プログラム１２２と、クロマトグラムＤＢ（Data Base）１２３とを格納する。推定モデル１２１は、ニューラルネットワークと、該ニューラルネットワークにおける処理で用いられるパラメータとを含む。推定モデル１２１は、畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network）などで構成される。制御プログラム１２２は、制御装置５１により実行されるプログラムである。
【0042】
推定モデル１２１は、少なくとも機械学習が可能なプログラムを含み、学習用データ（教師データ）に基づき機械学習を行うことでパラメータが最適化（調整）される。学習支援装置３０は、最適化した推定モデル１２１をデータ解析装置２５に送信する。データ解析装置２５は、モデル記憶部１１４に記憶されている推定モデル１２１を該送信された推定モデル１２１（最適化された推定モデル）に更新する。このように、ピーク検出処理部１１１は、更新された推定モデル１２１を用いて、ピークを推定することにより、推定精度を向上させることができる。
【0043】
メディア読取装置１７は、リムーバブルディスクなどの記録媒体１３０を受け入れ、記録媒体１３０に格納されているデータを取得する。該データは、たとえば、制御プログラムである。また、制御プログラム１２２は、記録媒体１３０（たとえば、リムーバブルディスク）に格納されて、プログラムプロダクトとして流通されてもよい。または、制御プログラム１２２は、情報提供事業者によって、いわゆるインターネットなどによりダウンロード可能なプログラムプロダクトとして提供されてもよい。制御装置５１は、記録媒体１３０またはインターネットなどにより提供されたプログラムを読み取る。制御装置５１は、読み取ったプログラムを所定の記憶領域（記憶装置５２の記憶領域）に記憶する。制御装置５１は、該記憶された制御プログラム１２２を実行することにより後述の学習支援処理を実行する。
【0044】
記録媒体１３０は、ＤＶＤ-ＲＯＭ（Digital Versatile Disk Read Only Memory）、ＣＤ－ＲＯＭ（compact disc read-only memory）、ＦＤ（Flexible Disk）、ハードディスクに限られず、磁気テープ、カセットテープ、光ディスク（ＭＯ（Magnetic Optical Disc）／ＭＤ（Mini Disc）／ＤＶＤ（Digital Versatile Disc）、光カード、マスクＲＯＭ、ＥＰＲＯＭ（Electronically Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electronically Erasable Programmable Read-Only Memory）、フラッシュＲＯＭなどの半導体メモリなどの固定的にプログラムを担持する媒体としてもよい。また、記録媒体１３０は、制御プログラム１２２などをコンピュータが読取可能な非一時的な媒体である。
【0045】
ディスプレイインターフェース１８は、表示装置６２を接続するためのインターフェースであり、学習支援装置３０と表示装置６２との間のデータの入出力を実現する。入力インターフェース２６は、入力装置６１を接続するためのインターフェースであり、学習支援装置３０と入力装置６１との間のデータの入出力を実現する。
【0046】
［学習支援装置の機能ブロック］
図４は、学習支援装置３０の機能ブロック図である。上述のように、学習支援装置３０は、制御装置５１と記憶装置５２とを有する。制御装置５１は、さらに、取得部３２と、処理部３４と、出力部３６とを有する。
図４は、学習支援装置３０の機能ブロック図である。上述のように、学習支援装置３０は、制御装置５１と記憶装置５２とを有する。制御装置５１は、さらに、取得部３２と、処理部３４と、出力部３６とを有する。
【0047】
取得部３２は、ユーザが入力装置６１により入力した情報を取得する。該情報は、たとえば、上述したピーク情報である。また、データ収集部１１０は、クロマトグラムを収集する度に、該クロマトグラムデータを学習支援装置３０に送信する。取得部３２は、データ収集部１１０からのクロマトグラムデータを取得する。取得部３２が取得した情報（ピーク情報およびクロマトグラムデータ）は、処理部３４に出力される。
【0048】
処理部３４は、取得部３２から出力された情報の種別に応じた処理を実行する。取得部３２によりピーク情報が入力された場合には、該ピーク情報に基づいて推定モデル１２１のパラメータを更新する。また、取得部３２によりクロマトグラムデータが入力された場合には、クロマトグラムＤＢ１２３を更新する。処理部３４は、その他、様々な処理を実行する。
【0049】
出力部３６は、様々な信号または情報を出力する。たとえば、出力部３６は、表示装置６２に対して、表示装置６２に表示させる画像の画像データを送信する。表示装置６２は、該画像データに基づいた画像を表示する。また、出力部３６は、推定モデル１２１を更新する度に、該更新された推定モデルをモデル記憶部１１４に出力する。モデル記憶部１１４は、該更新された推定モデルを記憶する。
【0050】
［クロマトグラムＤＢ］
図５は、クロマトグラムＤＢ１２３の一例である。上述のように、クロマトグラムＤＢ１２３は、記憶装置５２に記憶されている。クロマトグラムＤＢ１２３は、クロマトグラムＩＤ（identification）に、クロマトグラムデータと、記憶ピーク情報と、該クロマトグラムデータにより示されるクロマトグラムの特徴量と、分析結果とが対応付けられている。また、クロマトグラムデータと記憶ピーク情報とは、「アノテーション済信号」とも称される。
図５は、クロマトグラムＤＢ１２３の一例である。上述のように、クロマトグラムＤＢ１２３は、記憶装置５２に記憶されている。クロマトグラムＤＢ１２３は、クロマトグラムＩＤ（identification）に、クロマトグラムデータと、記憶ピーク情報と、該クロマトグラムデータにより示されるクロマトグラムの特徴量と、分析結果とが対応付けられている。また、クロマトグラムデータと記憶ピーク情報とは、「アノテーション済信号」とも称される。
【0051】
また、クロマトグラムＤＢ１２３には、Ｓ個（Ｓは１以上の整数）のクロマトグラムＩＤが記憶されている。クロマトグラムＤＢ１２３には、分析装置１０または該分析装置１０と同等の装置により過去に作成されたクロマトグラムと、該クロマトグラムの特徴量、該クロマトグラムにより導出された分析結果などが記憶されている。換言すれば、クロマトグラムＤＢ１２３には、１以上（または複数の）アノテーション済信号が記憶されている。
【0052】
クロマトグラムＩＤは、クロマトグラムを識別するための情報である。クロマトグラムデータは、クロマトグラムを示すデータであり、データ収集部１１０が収集したデジタルデータである。クロマトグラムデータは、本開示の「記憶信号波形」に対応する。
【0053】
記憶ピーク情報は、クロマトグラムが含むピークを特定するためのデータである。ピーク情報は、たとえば、後述の図６などに示される第２ピーク情報画像２５３により示される。記憶ピーク情報は、ピーク検出処理部１１１により検出されたピークを示す情報またはユーザにより入力されたピーク情報である。
【0054】
クロマトグラム特徴量は、クロマトグラムデータにより示されるクロマトグラムの特徴量である。図５の例では、クロマトグラム特徴量は、クロマトグラムのピークの数、２点間勾配、および面積値を含む。２点間勾配は、ピークの開始点および該ピークの終了点を結ぶ線分の勾配をいう。面積値は、クロマトグラムのピークを形成する線分と、２点間勾配による線分とにより囲まれた領域の面積値である。また、クロマトグラム特徴量で示されるピークは、記憶ピーク情報により示されるピークである。
【0055】
また、２点間勾配および面積値はピークの特徴量（以下、「ピーク特徴量」とも称される。）でもある。ピーク特徴量は、ピークの個数分存在する。たとえば、クロマトグラムＩＤがＣ１であるクロマトグラムは、ピーク数は、３であることが示されている。また、３個のピークの２点間勾配として、Ｅ１１、Ｅ１２、Ｅ１３が示されている。また、３個のピークの面積値として、Ｍ１１、Ｍ１２、Ｍ１３が示されている。
【0056】
分析結果は、該分析結果に対応するクロマトグラムデータのクロマトグラムのピークとして、現状の推定モデル１２１を用いてピーク検出処理部１１１により検出されたピークに基づいて導出された結果である。分析結果は、定性分析結果と、定量分析結果のうち少なくとも一方を含む。定性分析結果は、クロマトグラムにより特定された成分を示す結果である。定量分析結果は、該成分の量を示す結果である。なお、変形例として、分析結果は、定性分析結果を含む一方、定量分析結果を含まないようにしてもよい。
【0057】
図５の例では、Ｃ１であるクロマトグラムＩＤに対応して、クロマトグラムデータＤ１と、ピーク数Ｇ１と、２点間勾配Ｅ１と、面積値Ｍ１と、定性分析結果Ｐ１と、定量分析結果Ｑ１と、記憶ピーク情報Ｒ１とが対応付けられている。
【0058】
このように、クロマトグラムＤＢ１２３は、分析装置により作成された少なくとも１つの記憶信号波形と、該少なくとも１つの記憶信号波形のそれぞれのピークを特定するための少なくとも１つの記憶ピーク情報とが記憶される。
【0059】
［学習支援］
次に、本実施の形態の学習支援装置３０によるユーザに対する学習支援の手法を説明する。学習支援装置３０は、表示装置６２の表示領域６２Ａに様々な画像を表示することにより、ユーザに対する学習支援を実行する。図６～図８は、本実施の形態の該様々な画像の一例を示す図である。本実施の形態においては、図６の画像が表示され、その後、図７の画像が表示され、その後、図８の画像が表示される。
次に、本実施の形態の学習支援装置３０によるユーザに対する学習支援の手法を説明する。学習支援装置３０は、表示装置６２の表示領域６２Ａに様々な画像を表示することにより、ユーザに対する学習支援を実行する。図６～図８は、本実施の形態の該様々な画像の一例を示す図である。本実施の形態においては、図６の画像が表示され、その後、図７の画像が表示され、その後、図８の画像が表示される。
【0060】
入力装置６１に対してユーザにより所定の操作が実行されることにより、分析システム１００のモードは、学習モードに移行される。学習モードでは、ユーザが後述の第１ピーク情報を入力することにより推定モデル１２１の更新が実行される。
【0061】
図６～図８に示すように、表示領域６２Ａは、編集領域１３１Ａと、該編集領域１３１Ａと隣接する過去結果領域１３２Ａとを含む。換言すれば、編集領域１３１Ａと、過去結果領域１３２Ａとは同一画面に設定される。編集領域１３１Ａには、分析装置１０が導出したクロマトグラム（以下「第１クロマトグラム」とも称される。）の画像（以下、「第１クロマトグラム画像２１１」とも称される。）が表示される。第１クロマトグラムは、本開示の「第１信号波形」に対応する。第１クロマトグラム画像２１１は、本開示の「第１波形画像」に対応する。学習支援装置３０は、データ収集部１１０が収集したクロマトグラムデータを取得すると、該クロマトグラムデータのクロマトグラムの画像を第１クロマトグラム画像２１１として表示する。
【0062】
また、学習支援装置３０は、第１クロマトグラムを取得すると、該第１クロマトグラムと同一または類似である第２クロマトグラムをクロマトグラムＤＢ（図５）から特定し、該特定した第２クロマトグラムを取得する。ここで、第１クロマトグラムと同一または類似である第２クロマトグラムの特定の手法例を説明する。
【0063】
学習支援装置３０は、クロマトグラムＤＢに記憶されているＳ個の記憶クロマトグラムデータのそれぞれと、第１クロマトグラムとの第１類似度を算出する。つまり、学習支援装置３０は、Ｓ個の第１類似度を算出する。第１類似度は、１つの記憶クロマトグラムデータと、第１クロマトグラムとの類似の度合いを示す。１つの記憶クロマトグラムデータと、第１クロマトグラムとが類似するほど、第１類似度は、大きな値となる。本実施の形態においては、第１類似度は、％で表現される。また、第１クロマトグラムと同一である第２クロマトグラムの第１類似度は、１００％となる。
【0064】
第１類似度は、以下の２つの観点により算出される。第１の観点として、学習支援装置３０は、第１クロマトグラムの特徴量（以下、「第１特徴量」とも称される。）と、記憶クロマトグラムの該特徴量（第１特徴量）と同一種別の特徴量（以下、「第２特徴量とも称される。）とに基づいて、第１類似度を算出する。
【0065】
本実施の形態においては、第１特徴量は、第１クロマトグラムのピークとして、現状の推定モデル１２１を用いてピーク検出処理部１１１により検出されたピークに基づいて導出された特徴量である。本実施の形態においては、図５の記憶クロマトグラムの第２特徴量と同一種別の特徴量である。具体的には、第１特徴量および第２特徴量は、ピークの数、２点間勾配、および面積値である。なお、第１特徴量および第２特徴量は同一種別であれば、他の種別としてもよい。他の種別は、ピークの幅、ピークの分離度、ピークのリーディング、ピークのテーリングなどのうち少なくとも１つとしてもよい。
【0066】
第２の観点として、学習支援装置３０は、第１クロマトグラムにより示される（導出される）分析結果と、記憶クロマトグラムにより示される分析結果とに基づいて、第１類似度を算出する。ここで、記憶クロマトグラムにより示される分析結果は、図５に示されるように、該記憶クロマトグラムに対応する定性分析結果および定量分析結果を含む。また、第１クロマトグラムにより示される分析結果は、該第１クロマトグラムにより示される定性分析結果および定量分析結果（つまり、記憶クロマトグラムにより示される分析結果と同一種別の分析結果）である。
【0067】
たとえば、学習支援装置３０は、第１クロマトグラムにより示される定性分析結果と、該記憶クロマトグラムに対応する定性分析結果と比較して、双方の定性分析結果が異なれば、第１類似度を「０」とする。一方、双方の定性分析結果が同一であれば、学習支援装置３０は、双方の定量分析結果の類似度（以下、「第１仮類似度」とも称される。）を算出する。また、学習支援装置３０は、上述の第１特徴量と上述の第２特徴量とに基づいて、第２仮類似度を算出する。第２仮類似度は、たとえば、相関係数を用いて算出される。また、第２仮類似度は、第１クロマトグラムの形状と、記憶クロマトグラムの形状との類似度として算出されるようにしてもよい。
【0068】
そして、学習支援装置３０は、第１仮類似度と、第２仮類似度とに基づいて、第１類似度を算出する。このように、学習支援装置３０は、第１の観点で算出される類似度（第１類似度）と、第２の観点で算出される類似度（第１類似度）とを総合して、Ｓ個（クロマトグラムＤＢで記憶されているクロマトグラムＩＤの数）の第１類似度を算出する。
【0069】
なお、変形例として、学習支援装置３０は、第１の観点または第２の観点のいずれかにより第１類似度を算出するようにしてもよい。
【0070】
学習支援装置３０は、算出したＳ個の第１類似度から、第１閾値以上である第１類似度を特定する。学習支援装置３０は、該特定した第１類似度である記憶クロマトグラムを第２クロマトグラムとして決定する。ここで、第１閾値は、予め定められる閾値であり、たとえば、第１閾値は、７０％である。つまり、学習支援装置３０は、第１特徴量および分析結果の観点で、第１クロマトグラムとの類似度が７０％以上であるクロマトグラム（第２クロマトグラム）を決定することができる。さらに、学習支援装置３０は、クロマトグラムＤＢ１２３を参照することにより、該第２クロマトグラムのクロマトグラムＩＤに対応するピーク情報（第２ピーク情報）を取得する。
【0071】
学習支援装置３０は、第１クロマトグラムと、第２クロマトグラムと、第２ピーク情報とを取得すると、図６に示すように、該第１クロマトグラムの第１クロマトグラム画像２１１と、該第２クロマトグラムの第２クロマトグラム画像２１２と、該第２ピーク情報の第２ピーク情報画像２５３とを表示する。図６の例では、４つの第２クロマトグラムの各々の第２クロマトグラム画像２１２Ａ、２１２Ｂ、２１２Ｃ、２１２Ｄと、該４つの第２クロマトグラム画像２１２のそれぞれの第２ピーク情報画像２５３とが表示されている。以下では、４つの第２クロマトグラム画像２１２Ａ、２１２Ｂ、２１２Ｃ、２１２Ｄは、「第２クロマトグラム画像２１２」とも称される。
【0072】
上述のように、第２クロマトグラム画像２１２は、第１クロマトグラムとの類似度が高い（第１閾値以上である）第２クロマトグラムの画像である。したがって、ユーザは、第１クロマトグラムと類似度が高いクロマトグラムの第２ピーク情報画像２５３を視認することにより、該第２クロマトグラムのピークを認識することができる。
【0073】
図６のように、第１クロマトグラム画像２１１が表示されている状態においては、学習支援装置３０は、該第１クロマトグラム画像２１１が示す第１クロマトグラムのピークを特定するためのピーク情報の入力をユーザから受付ける。該ピーク情報は、本開示の「第１ピーク情報」に対応する。
【0074】
図７は、ユーザにより第１ピーク情報が入力されたときの画像である。図７の例では、入力された第１ピーク情報を示す画像が、第１ピーク情報画像２２０として表示される。学習支援装置３０は、入力された第１ピーク情報により特定されるピークが第１クロマトグラムのピークとしてピーク検出処理部１１１が検出するように、推定モデル１２１のパラメータを更新する。
【0075】
このように、本実施の形態においては、ユーザは、過去の第２ピーク情報（過去結果領域１３２Ａに表示されている第２ピーク情報）と一貫性を有する第１ピーク情報を入力できる。つまり、たとえば、同一のクロマトグラムであるにも関わらず、異なるピーク情報が入力されること（図２参照）が抑制される。そして、学習支援装置３０は、該第１ピーク情報に基づいて推定モデル１２１を更新できる。したがって、第１信号波形のピークの特定の精度を向上させるという観点で、推定モデル１２１の更新の精度を向上させることができる。
【0076】
また、学習支援装置３０は、第１クロマトグラムと、Ｓ個の記憶クロマトグラムのそれぞれとの第１類似度を算出し、該第１類似度が第１閾値以上である記憶クロマトグラムを、第２クロマトグラムとして取得する。そして、図６に示すように、学習支援装置３０は、第１クロマトグラム画像２１１と、該取得した第２クロマトグラムの第２クロマトグラム画像２１２と、第２ピーク情報画像２５３とを表示する。
【0077】
その後、図７に示すように、学習支援装置３０は、第１ピーク情報の入力を受付ける。したがって、ユーザは、第１クロマトグラムと同一または類似でありかつ過去に作成された第２クロマトグラムと、該第２クロマトグラムのピークを示す第２ピーク情報画像２５３とを視認しながら、第１クロマトグラムの第１ピーク情報を入力できる。したがって、学習支援装置３０は、アノテーションのバラつきが抑制された教師データ（第１ピーク情報）を入力することをユーザに促進することができる。その結果、学習支援装置３０は、アノテーションのバラつきを抑制して推定モデルの品質を向上させることができる。
【0078】
また、学習支援装置３０は、第１クロマトグラムの第１特徴量と、記憶クロマトグラムの該第１特徴量と同一種別の第２特徴量とに基づいて、第１類似度を算出する。したがって、学習支援装置３０は、比較的簡単な演算で第１類似度を算出できる。
【0079】
また、学習支援装置３０は、第１クロマトグラムにより示される分析結果と、記憶クロマトグラムにより示される分析結果とに基づいて、第１類似度を算出する。したがって、学習支援装置３０は、比較的簡単な演算で第１類似度を算出できる。
【0080】
また、図６および図７の例では、学習支援装置３０は、第２クロマトグラムの第１類似度を該第２クロマトグラムを示す第２クロマトグラム画像２１２に対応付けて表示する。図６および図７の例では、該第１類似度を示す類似度画像２７１が表示されている。図６および図７の例では、たとえば、第２クロマトグラム画像２１２Ａに対応付けて、類似度画像２７１として「９８％」という画像が表示されている。したがって、ユーザは、第２クロマトグラムの第１類似度を視認することができる。
【0081】
さらに、学習支援装置３０は、過去結果領域１３２Ａにおいて、第２クロマトグラム画像２１２に対応付けて第２特徴量画像２７５を表示する。ここで、第２特徴量画像２７５は、第２ピーク情報画像２５３により示される第２ピーク情報により特定されるピークの特徴量を示す。第２特徴量画像２７５は、２点間勾配を示す画像２７２と、面積値を示す画像２７３とを含む。また、２点間勾配および面積値は、第２クロマトグラムに含まれる１以上のピークそれぞれの特徴量である。図６および図７の例では、第２クロマトグラム画像２１２Ａのクロマトグラムには、３つのピークが含まれている。第２クロマトグラム画像２１２Ａに対応付けて、３つのピークそれぞれの２点間勾配であるＡ１、Ａ２、Ｓ３が表示されており、また、該３つのピークそれぞれの面積値であるＢ１、Ｂ２、Ｂ３が表示されている。
【0082】
また、本実施の形態では、第２クロマトグラムは、高類似クロマトグラムと、該高類似クロマトグラムよりも第１類似度が低い低類似クロマトグラムとを含む。たとえば、図７の例では、高類似クロマトグラムの一例として、第１類似度が９８％のクロマトグラムの第２クロマトグラム画像２１２Ａが表示されている。また、低類似クロマトグラムの一例として、第１類似度が８０％のクロマトグラムの第２クロマトグラム画像２１２Ｄが表示されている。さらに、過去結果領域１３２Ａにおいては、高類似クロマトグラムを示す第２クロマトグラム画像２１２Ａは、低類似クロマトグラムを示すクロマトグラム画像２１２Ｂよりも優先して表示される。このように、学習支援装置３０は、第２クロマトグラム画像２１２と、第２ピーク情報画像２５３とを第１類似度に応じた優先度で表示する。図６および図７の例では、高類似クロマトグラムの方が、低類似クロマトグラムよりも上方に表示される。
【0083】
したがって、ユーザは、第１クロマトグラムとの類似度が高い第２クロマトグラムを、該類似度が低い第２クロマトグラムよりも優先して視認することができる。よって、学習支援装置３０は、第１クロマトグラムとの類似度が高い第２クロマトグラムの第２ピーク情報を容易に視認させることができる。
【0084】
また、図７の例では、第２ピーク情報画像２５３は線形状である画像（以下、「線画像」とも称される。）である。また、第２クロマトグラム画像２１２と、第２ピーク情報画像２５３との囲まれた領域が、第２クロマトグラムのピークを示す領域である。
【0085】
また、学習支援装置３０は、第１クロマトグラム画像２１１、第２クロマトグラム画像２１２、および第２ピーク情報画像２５３が表示されている状態で、第１点２０１と第２点２０２とのユーザによる入力（指定）を受付ける。本実施の形態においては、入力装置６１（マウス）のカーソル２１７が表示されている。ユーザは、所望の位置にカーソル２１７を合わせ、マウスをクリックすることにより、第１点２０１を指定できる。また、ユーザは、他の所望の位置にカーソル２１７を合わせ、マウスをクリックを行うことにより、第２点２０２を指定できる。第１点２０１および第２点２０２が指定されると、学習支援装置３０は、該第１点２０１および該第２点２０２を結ぶ線画像を第１ピーク情報画像２２０として表示する。そして、学習支援装置３０は、第１点２０１と第２点２０２とを結ぶ線と、第１クロマトグラム画像２１１に含まれる線とで囲まれた領域を、第１ピーク情報画像２２０の第１ピーク情報により特定されるピークの領域（教師データ）として認識する。このような構成によれば、第１クロマトグラム画像２１１の第１点２０１と第２点２０２とを指定することにより、第１ピーク情報を入力できる。したがって、ユーザは、直感的に第１ピーク情報を入力できることから、ユーザの利便性を向上させることができる。図７の第１点２０１および該第２点２０２を結ぶ線画像は、「ピークのベースライン」とも称される。
【0086】
図８は、ユーザにより第１ピーク情報が入力された後の画面を示す図である。図８に示すように、学習支援装置３０は、第１ピーク情報が入力されると、第１特徴量を算出し、該第１特徴量の第１特徴量画像２３１を表示する。ここで、第１特徴量画像２３１は、第１ピーク情報画像２２０により示される第１ピーク情報により特定されるピークの特徴量を示す。図８の例では、第１特徴量画像２３１は、このピークの２点間勾配と、このピークの面積値とを示す画像である。図８の例では、２点間勾配の値として「Ｘ１」が表示され、面積値として「Ｙ１」が表示されている。
【0087】
上述のように、図６～図８に示すように、学習支援装置３０は、過去結果領域１３２Ａにおいて、第２特徴量画像２７５を表示する。このように、学習支援装置３０は、第１特徴量画像２３１と、第２特徴量画像２７５とが表示される。したがって、ユーザは、第１ピーク情報を入力した後において、該第１ピーク情報により示されるピークを、特徴量（本実施の形態においては、２点間勾配および面積値）の観点で、過去のピークと比較することができる。
【0088】
また、第１特徴量画像２３１は、ユーザにより入力された第１ピーク情報により特定されるピークの数の分、表示される。たとえば、ユーザにより入力された第１ピーク情報により特定されるピークの数が、「３」である場合には、該３つのピークの各々の第１特徴量画像２３１が表示される。
【0089】
［フローチャート］
図９は、学習支援装置３０の処理を示すフローチャートである。ステップＳ２において、学習支援装置３０は第１クロマトグラムを取得する。次に、ステップＳ４において、学習支援装置３０は、第２クロマトグラムと第２ピーク情報とを取得する。ステップＳ４は、ステップＳ４２と、該ステップＳ４２の後に実行されるステップＳ４４と、該ステップＳ４４の後に実行されるステップＳ４６と、該ステップＳ４６の後に実行されるステップＳ４８と、該ステップＳ４８の後に実行されるステップＳ５０とを含む。
図９は、学習支援装置３０の処理を示すフローチャートである。ステップＳ２において、学習支援装置３０は第１クロマトグラムを取得する。次に、ステップＳ４において、学習支援装置３０は、第２クロマトグラムと第２ピーク情報とを取得する。ステップＳ４は、ステップＳ４２と、該ステップＳ４２の後に実行されるステップＳ４４と、該ステップＳ４４の後に実行されるステップＳ４６と、該ステップＳ４６の後に実行されるステップＳ４８と、該ステップＳ４８の後に実行されるステップＳ５０とを含む。
【0090】
ステップＳ４２においては、学習支援装置３０は、第１クロマトグラムの第１特徴量と、記憶クロマトグラムの第２特徴量とを抽出する。上述のように、第１特徴量および第２特徴量は、ピークの数、２点間勾配、および面積値である。
【0091】
ステップＳ４４において、学習支援装置３０は、第１クロマトグラムにより示される第１分析結果と、記憶クロマトグラムにより示される第２分析結果とを抽出する。第１分析結果および第２分析結果は、定性分析結果と定量分析結果とである。
【0092】
ステップＳ４６において、学習支援装置３０は、第１クロマトグラムと記憶クロマトグラムとの第１類似度を算出する。学習支援装置３０は、第１特徴量、第２特徴量、第１分析結果、および第２分析結果に基づいて、第１類似度を算出する。
【0093】
ステップＳ４８において、学習支援装置３０は、クロマトグラムＤＢ１２３を参照して、第１類似度が第１閾値以上である記憶クロマトグラムを第２クロマトグラムとして取得する。
【0094】
ステップＳ５０において、学習支援装置３０は、クロマトグラムＤＢ１２３を参照して、該第２クロマトグラムに対応する記憶ピーク情報を第２ピーク情報として取得する。
【0095】
ステップＳ４の処理が終了すると、ステップＳ６において、学習支援装置３０は、ステップＳ２で取得した第１クロマトグラムの第１クロマトグラム画像２１１を表示する。
【0096】
次に、ステップＳ８において、学習支援装置３０は、第２クロマトグラム画像２１２と、第２ピーク情報画像２５３とを表示する。ステップＳ８は、ステップＳ８２と、該ステップＳ８２の後に実行されるステップＳ８４とを含む。
【0097】
ステップＳ８２において、学習支援装置３０は、第２クロマトグラム画像２１２と、第２ピーク情報画像２５３とを第１類似度に応じた優先度で表示する。ステップＳ８４において、類似度画像２７１と、第２特徴量画像２７５とを表示する。
【0098】
このように、ステップＳ２～ステップＳ８の処理が実行されることにより、図６に示す画像が表示される。
【0099】
次に、ステップＳ１０において、学習支援装置３０は、ユーザにより第１ピーク情報が入力されたか否かを判断する。ステップＳ１０は、ステップＳ１０２の処理を含む。ステップＳ１０２においては、学習支援装置３０は、ユーザにより第１点２０１および第２点２０２が入力されたか否かを判断する。学習支援装置３０は、第１点２０１および第２点２０２が入力されるまで、ステップＳ１０２の処理を繰り返す。ステップＳ１０２でＹＥＳと判断されると、ステップＳ１２に進む。
【0100】
ステップＳ１２においては、学習支援装置３０は、ステップＳ１０で入力されたと判断された第１ピーク情報の第１ピーク情報画像を表示する。ステップＳ１２は、ステップＳ１２２を含む。ステップＳ１２２においては、学習支援装置３０は、第１ピーク情報画像２２０と、第１特徴量画像２３１とを表示する。なお、ステップＳ１２２において、学習支援装置３０が、第１ピーク情報画像２２０を表示することにより、図７に示す画像が表示される。また、ステップＳ１２２において、学習支援装置３０が、第１特徴量画像２３１を表示することにより、図８に示す画像が表示される。
【0101】
次に、ステップＳ１３において、学習支援装置３０は、ユーザにより終了操作が実行されたか否かを判断する。終了操作は、入力装置６１に対してユーザにより行われる操作である。終了操作は、たとえば、図６～図８に示される画面に表示される終了ボタン（図示せず）へのユーザの操作である。
【0102】
第１クロマトグラム画像２１１に対しては、ユーザは１以上の第１ピーク情報を入力できる。ユーザは、第１ピーク情報の入力が終了したときには、終了操作を実行する。ステップＳ１３でＮＯと判断された場合には、処理は、ステップＳ１０２に戻る。一方、ステップＳ１３でＹＥＳと判断された場合には、処理は、ステップＳ１４に進む。
【0103】
ステップＳ１４において、学習支援装置３０は、ステップＳ２で取得した第１クロマトグラムと、ステップＳ１０で入力されたと判断された第１ピーク情報に基づいて推定モデル１２１を学習する。また、推定モデル１２１は、クロマトグラムとピーク情報をセットとして、複数セットで学習されてもよい。
【0104】
図９に示すように、学習支援装置３０は、ステップＳ６とステップＳ８との後に、第１ピーク情報のユーザによる入力を受付ける。上述のように、ステップＳ６は、第１クロマトグラム画像２１１を表示装置６２に表示する処理である。また、ステップＳ８は、第２クロマトグラム画像２１２と、第２ピーク情報画像２５３とを表示装置６２に表示する処理である。
【0105】
図９のような構成であれば、ユーザは、第１クロマトグラムと類似しかつ過去に作成された第２クロマトグラムと、該第２クロマトグラムのピークを示す第２ピーク情報とを視認しながら、第１クロマトグラムの第１ピーク情報を入力できる。したがって、第１ピーク情報の入力について、ユーザの利便性を向上させることができる。
【0106】
＜第２実施形態＞
図１０は、第２実施形態の学習支援装置３０の処理のフローチャートである。図１０においては、学習支援装置３０は、ステップＳ２の処理が終了すると、ステップＳ６の処理を実行する。次に、学習支援装置３０は、ステップＳ１０の処理を実行する。ここで、ユーザは、第１クロマトグラム画像２１１が表示されているが、第２クロマトグラム画像２１２および第２ピーク情報画像２５３が表示されていない状態で、第１ピーク情報を入力することになる。ステップＳ１０の処理が実行されると、ステップＳ１２およびステップＳ１３の処理が実行される。ステップＳ１３でＹＥＳと判断される。処理は、ステップＳ４Ａに進む。ステップＳ４Ａと、ステップＳ４とはステップＳ４８が、ステップＳ５２とステップＳ５４とに代替されている点で異なる。
図１０は、第２実施形態の学習支援装置３０の処理のフローチャートである。図１０においては、学習支援装置３０は、ステップＳ２の処理が終了すると、ステップＳ６の処理を実行する。次に、学習支援装置３０は、ステップＳ１０の処理を実行する。ここで、ユーザは、第１クロマトグラム画像２１１が表示されているが、第２クロマトグラム画像２１２および第２ピーク情報画像２５３が表示されていない状態で、第１ピーク情報を入力することになる。ステップＳ１０の処理が実行されると、ステップＳ１２およびステップＳ１３の処理が実行される。ステップＳ１３でＹＥＳと判断される。処理は、ステップＳ４Ａに進む。ステップＳ４Ａと、ステップＳ４とはステップＳ４８が、ステップＳ５２とステップＳ５４とに代替されている点で異なる。
【0107】
ステップＳ５２においては、学習支援装置３０は、ステップＳ１０で入力された第１ピーク情報と、クロマトグラムＤＢ１２３に記憶されているＳ個の記憶ピーク情報Ｒ（図５参照）とのそれぞれのＳ個の類似度（以下、「第２類似度」とも称される。）を算出する。第２類似度は、１つの記憶ピーク情報と、第１ピーク情報との類似の度合いを示す。１つの記憶ピーク情報と、第１ピーク情報とが類似するほど、第２類似度は、大きな値となる。たとえば、学習支援装置３０は、Ｓ個の記憶ピーク情報のそれぞれと、第１ピーク情報とに関するパラメータ（たとえば、相関係数）を、第２類似度として算出する。
【0108】
次に、ステップＳ５４において、学習支援装置３０は、第１類似度が第１閾値以上であるクロマトグラムであって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶クロマトグラムを、第２クロマトグラムとして取得する。ここで、第２閾値は、予め定められる閾値である。つまり、ステップＳ５４においては、第１ピーク情報およびクロマトグラムが共に類似している第２クロマトグラムが取得される。次に、ステップＳ５０において、ステップＳ５４で取得された第２クロマトグラムに対応する第２ピーク情報を取得する。
【0109】
図１０の例では、学習支援装置３０は、ステップＳ６と、ステップＳ１０との後に、ステップ４Ａの処理を実行する。ステップＳ６は、第１クロマトグラム画像２１１を表示装置６２に表示する処理である。ステップＳ１０は、第１ピーク情報のユーザによる入力を受付ける処理である。ステップ４Ａは、クロマトグラムＤＢ１２３から第２クロマトグラムと第２ピーク情報とを取得する処理である。また、ステップＳ４Ａは、ステップＳ４６とステップＳ５２とステップＳ５４とを含む。
【0110】
ステップＳ５２は、第１類似度を算出する処理であり、ステップＳ５４は、第２類似度を算出する処理である。ステップＳ５６は、第１類似度が第１閾値以上であるクロマトグラムであって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶クロマトグラムを、第２クロマトグラムとして取得する処理である。
【0111】
第２実施形態によれば、学習支援装置３０は、第１類似度が第１閾値以上であるクロマトグラムであって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶クロマトグラムを第２クロマトグラムとして表示することができる。よって、ユーザは、このような第２クロマトグラムを確認することができる。
【0112】
＜第３実施形態＞
図１１は、第３実施形態の学習支援装置３０の処理のフローチャートである。図１１は、図９のステップＳ６の処理の後に、ステップＳ１５０の処理が実行される。ステップＳ１５０の処理は、検出ピーク画像を表示する処理である。検出ピーク画像は、現在の推定モデル１２１を用いて検出された第１クロマトグラム（ステップＳ２で取得された第１クロマトグラム）のピークを特定するためのピーク情報（以下、「検出ピーク情報」とも称される。）である。つまり、ステップＳ２で取得された第１クロマトグラムの仮のピーク情報が、検出ピーク画像として表示される。このように、ステップＳ６およびステップＳ１５０の処理が実行されることにより、第１クロマトグラム画像と、検出ピーク画像（第１クロマトグラムの仮のピーク画像）とが表示される。その後、ステップＳ８およびステップＳ１０の処理が実行される。
図１１は、第３実施形態の学習支援装置３０の処理のフローチャートである。図１１は、図９のステップＳ６の処理の後に、ステップＳ１５０の処理が実行される。ステップＳ１５０の処理は、検出ピーク画像を表示する処理である。検出ピーク画像は、現在の推定モデル１２１を用いて検出された第１クロマトグラム（ステップＳ２で取得された第１クロマトグラム）のピークを特定するためのピーク情報（以下、「検出ピーク情報」とも称される。）である。つまり、ステップＳ２で取得された第１クロマトグラムの仮のピーク情報が、検出ピーク画像として表示される。このように、ステップＳ６およびステップＳ１５０の処理が実行されることにより、第１クロマトグラム画像と、検出ピーク画像（第１クロマトグラムの仮のピーク画像）とが表示される。その後、ステップＳ８およびステップＳ１０の処理が実行される。
【0113】
第３実施形態によれば、ユーザは検出ピーク情報画像を参考にしながら、第１ピーク情報を入力することができる。さらには、ユーザは、検出ピーク情報画像および第２ピーク情報画像を参考にしながら、第１ピーク情報を入力できる。したがって、ユーザの利便性を向上させることができる。
【0114】
なお、ステップＳ１０２（ステップＳ１０）において、ユーザが第１ピーク情報画像が、検出ピーク画像のままでよいと判断した場合に、ユーザが所定操作（たとえば、図示しないＯＢボタンを押す操作）を実行することにより、該ステップＳ１０２ではＹＥＳと判断されて次のステップＳ１２２に進む。また、ステップＳ１０２（ステップＳ１０）において、ユーザが検出ピーク画像を修正したい場合には、新たに第１ピーク情報を入力する（第１点２０１および第２点２０２を指定する）することにより、該ステップＳ１０２ではＹＥＳと判断されて次のステップＳ１２２に進む。
【0115】
［変形例］
（１） 図１１の処理において、学習支援装置３０は、ステップＳ２、ステップＳ６、ステップＳ１５０、ステップＳ４Ａ（図１０参照）、ステップＳ８、ステップＳ１０、ステップＳ１２の順序で処理を実行するようにしてもよい。ステップＳ４ＡのステップＳ５２においては、検出ピーク情報とＳ個の記憶クロマトグラムとのそれぞれのＳ個の第２類似度を算出する。したがって、ステップＳ５４においては、学習支援装置３０は、第１類似度が第１閾値以上であるクロマトグラムであって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶クロマトグラムを、第２クロマトグラムとして取得する。つまり、検出ピーク情報が付加された第１クロマトグラムと、クロマトグラムおよびピーク情報が同一または類似である第２クロマトグラム画像が表示される。学習支援装置３０は、このような第２クロマトグラム画像を表示することにより、ユーザの利便性を向上させることができる。
（１） 図１１の処理において、学習支援装置３０は、ステップＳ２、ステップＳ６、ステップＳ１５０、ステップＳ４Ａ（図１０参照）、ステップＳ８、ステップＳ１０、ステップＳ１２の順序で処理を実行するようにしてもよい。ステップＳ４ＡのステップＳ５２においては、検出ピーク情報とＳ個の記憶クロマトグラムとのそれぞれのＳ個の第２類似度を算出する。したがって、ステップＳ５４においては、学習支援装置３０は、第１類似度が第１閾値以上であるクロマトグラムであって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶クロマトグラムを、第２クロマトグラムとして取得する。つまり、検出ピーク情報が付加された第１クロマトグラムと、クロマトグラムおよびピーク情報が同一または類似である第２クロマトグラム画像が表示される。学習支援装置３０は、このような第２クロマトグラム画像を表示することにより、ユーザの利便性を向上させることができる。
【0116】
（２） 上述の実施の形態においては、ユーザが第１点２０１および第２点２０２を指定することにより、第１ピーク情報を入力する構成を説明した。しかしながら、第１ピーク情報の入力の手法は他の手法であってもよい。たとえば、表示されている第１クロマトグラム画像２１１に対して、ユーザが所望するピークを特定するための座標を入力するようにしてもよい。
【0117】
（３） 図７の例では、ユーザが第１点２０１および第２点２０２を入力することにより「ピークのベースライン（第１ピーク情報画像２２０）」を入力する構成が説明された。しかしながら、ベースラインでは、学習支援装置３０がピークを特定できない場合がある。
【0118】
図１２は、ベースラインでは、学習支援装置３０がピークを特定できない場合の第１クロマトグラム画像２１１の一例を示す図である。図１２の第１クロマトグラム画像２１１においては、ピークＰａ、ピークＰｂ、およびピークＰｃが示されている。図１２の例では、ピークＰｂおよびピークＰｃは繋がっており、ピークＰｂの開始点Ｐｂ１は表示されているが、ピークＰｂの終了点は表示されていない（図１２の個所Ｓ参照）。また、特に図示されないが、開始点および終了点の双方が表示されないピークが表示される場合もある。このような開始点および終了点の少なくとも一方が表示されないピークについては、垂直線により特定されるようにしてもよい。
【0119】
垂直線は、第１クロマトグラム画像２１１の横軸（時間軸）に垂直または略垂直な線である。図１２の例では、第１点２０１および第２点２０２がユーザにより指定されることにより、第１ピーク情報画像２２０としての垂直線が表示されている。このように、第１ピーク情報画像２２０は、図７に示されるベースラインおよび図１２に示される垂直線の少なくとも一方を含むようにしてもよい。
【0120】
なお、図１２の例では、過去結果領域１３２Ａの詳細は記載されていないが、たとえば、類似度画像２７１、第２特徴量画像２７５、および垂直線などの第２ピーク情報画像２５３などが表示される。
【0121】
［態様］
上述した複数の例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
上述した複数の例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
【0122】
（第１項） 一態様に係る学習支援方法は、分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させる方法である。学習支援方法は、分析装置により作成された第１信号波形を取得することを備える。学習支援方法は、第１信号波形を表示装置に表示することを備える。学習支援方法は、複数のアノテーション済信号を記憶する記憶装置から、第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することを備える。学習支援方法は、第２信号波形と、第２ピーク情報を示す第２ピーク情報画像とを表示装置に表示することを備える。学習支援方法は、第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることを備える。学習支援方法は、第１信号波形と第１ピーク情報とに基づいて推定モデルを学習することを備える。
【0123】
このような構成によれば、ユーザは、過去の第２ピーク情報と一貫性を有する第１ピーク情報を入力でき、該第１ピーク情報に基づいて推定モデルを更新できる。よって、アノテーションのバラつきが抑制された教師データを入力することをユーザに促進することである。その結果、アノテーションのバラつきを抑制して推定モデルの品質を向上させることができる。
【0124】
（第２項） 第１項に記載の学習支援方法において、記憶装置から第２信号波形と第２ピーク情報とを取得することは、第１信号波形と、複数のアノテーション済信号に含まれる複数の記憶信号波形のそれぞれとの第１類似度を算出することと、第１類似度が第１閾値以上である記憶信号波形を、第２信号波形として取得することとを含む。また、第１信号波形を表示装置に表示することと、第２信号波形と、第２ピーク情報画像とを表示装置に表示することとの後に、第１ピーク情報のユーザによる入力を受付ける。
【0125】
このような構成によれば、ユーザは、第１信号波形と類似しかつ過去に作成された第２信号波形と、該第２信号波形のピークを示す第２ピーク情報とを視認しながら、第１クロマトグラムの第１ピーク情報を入力できる。したがって、第１ピーク情報の入力について、ユーザの利便性を向上させることができる。
【0126】
（第３項） 第２項に記載の学習支援方法において、前記第１信号波形を前記表示装置に表示することと、前記第１ピーク情報のユーザによる入力を受付けることとの後に、前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得する。前記記憶装置から前記第２信号波形と前記第２ピーク情報とを取得することは、前記第１信号波形と、前記複数のアノテーション済信号に含まれる複数の記憶信号波形の各々との第１類似度を算出することと、前記第１ピーク情報と、前記複数のアノテーション済信号に含まれる複数の記憶ピーク情報の各々との第２類似度を算出することと、前記第１類似度が第１閾値以上である信号波形であって、かつ前記第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶信号波形を、前記第２信号波形として取得することとを含む。
【0127】
このような構成によれば、第１類似度が第１閾値以上である信号波形であって、かつ第２類似度が第２閾値以上である記憶ピーク情報によりピークが特定される記憶信号波形を第２信号波形として表示することができる。よって、ユーザは、このような第２信号波形を確認することができる。
【0128】
（第４項） 第２項または第３項に記載の学習支援方法において、第２信号波形は、高類似信号波形と、該高類似信号波形よりも第１類似度が低い低類似信号波形とを含む。第２信号波形と第２ピーク情報画像とを表示装置に表示することは、高類似信号波形を示す波形画像を低類似信号波形を示す波形画像よりも優先して表示することを含む。
【0129】
このような構成によれば、ユーザは、第１信号波形との類似度が高い第２信号波形を、該類似度が低い第２信号波形よりも優先して視認することができる。
【0130】
（第５項） 第２項～第４項のいずれか１項に記載の学習支援方法において、第２信号波形と、第２ピーク情報画像とを表示装置に表示することは、第２信号波形の第１類似度を該第２信号波形を示す第２信号波形画像に対応付けて表示することを含む。
【0131】
このような構成によれば、ユーザは、第２信号波形の第１類似度を視認することができる。
【0132】
（第６項） 第２項～第５項のいずれか１項に記載の学習支援方法において、第１類似度を算出することは、第１信号波形の第１特徴量と、記憶信号波形の該第１特徴量と同一種別の第２特徴量とに基づいて、第１類似度を算出することを含む。
【0133】
このような構成によれば、比較的簡単な演算で第１類似度を算出できる。
（第７項） 第２項～第６項のいずれか１項に記載の学習支援方法において、第１類似度を算出することは、第１信号波形により示される分析結果と、記憶信号波形により示される分析結果とに基づいて、第１類似度を算出することを含む。
（第７項） 第２項～第６項のいずれか１項に記載の学習支援方法において、第１類似度を算出することは、第１信号波形により示される分析結果と、記憶信号波形により示される分析結果とに基づいて、第１類似度を算出することを含む。
【0134】
このような構成によれば、比較的簡単な演算で第１類似度を算出できる。
（第８項） 第１項～第７項のいずれか１項に記載の学習支援方法において、学習支援方法は、第１ピーク情報を示す第１ピーク情報画像を表示装置に表示することをさらに備える。
（第８項） 第１項～第７項のいずれか１項に記載の学習支援方法において、学習支援方法は、第１ピーク情報を示す第１ピーク情報画像を表示装置に表示することをさらに備える。
【0135】
このような構成によれば、ユーザが入力した第１ピーク情報を表示装置において認識することができる。
【0136】
（第９項） 第８項に記載の学習支援方法において、第１ピーク情報画像を表示装置に表示することは、該第１ピーク情報画像により示される第１ピーク情報により特定されるピークの特徴量を示す第１特徴量画像を表示することを含む。また、第２信号波形と第２ピーク情報画像とを表示装置に表示することは、該第２ピーク情報画像により示される第２ピーク情報により特定されるピークの特徴量を示す第２特徴量画像を表示することを含む。
【0137】
このような構成によれば、ユーザが第１ピーク情報を入力した後、該第１ピーク情報のピークにより特定されるピークの特徴量と、第２ピーク情報により特定されるピークの特徴量とを認識できる。したがって、ユーザは、入力した第１ピーク情報が適切であったか否かなどを確認できる。
【0138】
（第１０項） 第１項～第９項のいずれか１項に記載の学習支援方法において、学習支援方法は、推定モデルを用いて検出された第１信号波形のピークを特定するための検出ピーク情報を示す検出ピーク情報画像を表示することをさらに備える。検出ピーク情報画像と、第１信号波形とを表示した後に、第１ピーク情報のユーザによる入力を受付ける。
【0139】
このような構成によれば、ユーザは検出ピーク情報を参考にしながら、第１ピーク情報を入力することができる。
【0140】
（第１１項） 第１項～第１０項のいずれか１項に記載の学習支援方法において、学習支援方法は、第１信号波形が表示装置に表示されている状態で、第１点と第２点とのユーザによる入力を受付けることをさらに備える。第２ピーク情報画像は、線画像である。第２信号波形と線画像とで囲まれている領域が、第２信号波形のピークを示す領域である。第１ピーク情報により特定されるピークの領域は、第１点と第２点とを結ぶ線と、第１信号波形に含まれる線とで囲まれた領域である。
【0141】
このような構成によれば、第１信号波形の第１点と第２点とを指定することにより、第１ピーク情報を入力できる。したがって、ユーザは、比較的容易に第１ピーク情報を入力できることから、ユーザの利便性を向上させることができる。
【0142】
（第１２項） 一態様に係る学習支援プログラムは、分析装置により取得された信号波形のピークを検出するために用いられる推定モデルの学習作業を支援する処理をコンピュータに実行させるプログラムである。学習支援プログラムは、コンピュータに、分析装置により作成された第１信号波形を取得することを実行させる。学習支援プログラムは、コンピュータに、第１信号波形を表示装置に表示することを実行させる。学習支援プログラムは、コンピュータに、複数のアノテーション済信号を記憶する記憶装置から、第１信号波形と類似度の高い第２信号波形と、該第２信号波形のピークを特定するための第２ピーク情報とを取得することを実行させる。学習支援プログラムは、コンピュータに、第２信号波形と、第２ピーク情報を示す第２ピーク情報画像とを表示装置に表示することを実行させる。学習支援プログラムは、コンピュータに、第１信号波形のピークを特定するための第１ピーク情報のユーザによる入力を受付けることを実行させる。学習支援プログラムは、コンピュータに、記第１信号波形と第１ピーク情報とに基づいて推定モデルを学習することとを実行させる。
【0143】
このような構成によれば、ユーザは、過去の第２ピーク情報と一貫性を有する第１ピーク情報を入力でき、該第１ピーク情報に基づいて推定モデルを更新できる。よって、アノテーションのバラつきが抑制された教師データを入力することをユーザに促進することである。その結果、アノテーションのバラつきを抑制して推定モデルの品質を向上させることができる。
【0144】
なお、上述した実施の形態および変更例について、明細書内で言及されていない組み合わせを含めて、不都合または矛盾が生じない範囲内で、実施の形態で説明された構成を適宜組み合わせることは出願当初から予定されている。
【0145】
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
【符号の説明】
【0146】
１０ 分析装置、１１ 移動相容器、１２ ポンプ、１３ インジェクタ、１４ カラム、１５ 検出器、１８ ディスプレイインターフェース、２０ 制御部、２５ データ解析装置、２６ 入力インターフェース、３０ 学習支援装置、３２ 取得部、３４ 処理部、３６ 出力部、５１ 制御装置、５２ 記憶装置、６１ 入力装置、６２ 表示装置、６２Ａ 表示領域、１００ 分析システム、１１０ データ収集部、１１１ ピーク検出処理部、１１４ モデル記憶部、１１６ ピーク決定部、１１７ 解析部、１２１ 推定モデル、１２２ 制御プログラム、１３０ 記録媒体、１３１Ａ 編集領域、１３２Ａ 過去結果領域、２０１ 第１点、２０２ 第２点、２１１ 第１クロマトグラム画像、２１２ 第２クロマトグラム画像、２１７ カーソル、２２０ 第１ピーク情報画像、２３１ 第１特徴量画像、２５３ 第２ピーク情報画像、２７１ 類似度画像。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】