【技术实现步骤摘要】
【国外来华专利技术】脑功能连接相关值的聚类装置、脑功能连接相关值的聚类系统、脑功能连接相关值的聚类方法、脑功能连接相关值的分类器程序以及脑活动标记物分类系统
[0001]本专利技术涉及一种对在多个装置中利用脑功能图像法测量出的脑功能连接相关值的图案进行聚类的技术,更确定地说,涉及一种脑功能连接相关值的聚类装置、脑功能连接相关值的聚类系统、脑功能连接相关值的聚类方法、脑功能连接相关值的分类器程序以及脑活动标记物分类系统。
技术介绍
[0002](数据驱动型的聚类方法)
[0003]随着近年来的人工智能技术、特别是数据驱动型人工智能技术的发展,在声音识别、翻译、图像识别等领域中部分地实现了与人类的能力相匹敌的应用,或者,在部分领域中还实现了超越人类的能力那样的应用(例如专利文献1)。
[0004]在医疗技术的领域中,在图像诊断等中利用深度学习等机器学习的情况也增多。深度学习是使用了多层神经网络的机器学习,在图像识别的领域中,已知的是使用作为深度学习之一的卷积神经网络(Convolutional Neural Network,下面称为CNN)的学习方法表现出与以往的方法相比非常高的性能(例如专利文献2)。
[0005]例如,在大肠癌的利用内窥镜的图像诊断等中,诊断的准确度超过人类诊断的准确度那样的诊断设备已被实用化(非专利文献1)。
[0006]但是,这些人工智能技术在机器学习的分类上几乎都落入了所谓的“有监督学习”的范畴,即,大量地准备正解数据与输入数据(例如图像数据)的组,以该组为输入来使人工智能进行学习处 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种治疗法选择辅助系统,用于基于表现出抑郁症状的第一受验者的脑活动的测量结果来提供与针对所述第一受验者的治疗法的选择有关的信息,所述治疗法选择辅助系统具备聚类装置,所述聚类装置用于针对从多个第二受验者获取到的脑功能连接相关值的测量结果执行通过聚类处理来划分为多个簇的分层,所述多个第二受验者包括具有抑郁症的诊断标签的第一群和不具有所述抑郁症的诊断标签的第二群,所述聚类装置包括存储装置和用于针对所述多个第二受验者执行所述聚类处理的运算装置,所述运算装置在聚类分类器的生成处理中进行以下处理:i)针对所述多个第二受验者的各第二受验者,将基于分别表示规定的多个脑区域对之间的脑活动的时间相关性的多个脑功能连接相关值的特征量保存到所述存储装置中;ii)基于所述存储装置中所保存的所述特征量,通过有监督学习来执行生成用于判别所述诊断标签的有无的识别器模型的机器学习;iii)在生成所述识别器模型的机器学习中,根据在通过机器学习生成识别器时使用的特征量的重要度,来选择用于聚类的特征量;iv)基于所选择出的所述用于聚类的特征量,通过无监督学习的多重共聚类法对所述第一群进行聚类,来生成聚类分类器,所述治疗法选择辅助系统还具备:数据库装置,其用于将作为由所述聚类分类器进行分层的结果的簇与对应的规定的治疗法信息相关联地进行保存;以及辅助信息提供装置,其接受所述第一受验者的脑活动的测量结果作为输入,根据由所述聚类分类器得到的针对所述测量结果的分类结果,输出对应的治疗法信息。2.根据权利要求1所述的治疗法选择辅助系统,其中,所述运算装置在生成所述识别器模型的机器学习中进行以下处理:根据所述第一群和所述第二群执行欠采样和下采样,来生成多个学习用子样本;针对所述学习用子样本的各个学习用子样本,从在通过机器学习生成识别器时使用的特征量的并集中,根据属于所述并集的特征量的重要度,来选择用于聚类的特征量;基于所选择出的所述用于聚类的特征量,通过所述多重共聚类法生成所述聚类分类器。3.根据权利要求1或2所述的治疗法选择辅助系统,其中,所述辅助信息提供装置具备聚类运算装置和接口装置,所述聚类运算装置通过所述聚类分类器计算所述第一受验者属于各所述簇的概率,从所述数据库装置读出根据所述概率选择的至少两个所述治疗法信息,所述接口装置输出用于将所选择出的所述簇与各自对应的所述治疗法信息相关联地显示的数据。4.根据权利要求1~3中的任一项所述的治疗法选择辅助系统,其中,所述治疗法信息是表示针对特定的治疗药的反应性的信息。5.根据权利要求1~3中的任一项所述的治疗法选择辅助系统,其中,所述治疗法信息是表示针对特定的物理治疗法的反应性的信息。
6.根据权利要求2所述的治疗法选择辅助系统,通过所述机器学习生成识别器的处理是如下的集成学习:针对所述多个学习用子样本分别生成多个识别器子模型,对所述多个识别器子模型进行整合而生成所述识别器模型。7.根据权利要求1或2所述的治疗法选择辅助系统,其中,所述聚类装置从分别设置于多个测量地点的多个脑活动测量装置,接受表现所述多个第二受验者的各第二受验者的规定的多个脑区域对之间的脑活动的时间相关性的信息,所述运算装置包括协调化计算单元,所述协调化计算单元通过对所述多个第二受验者的各第二受验者的所述多个脑功能连接相关值以去除所述测量地点的测定偏倚的方式进行校正,来将校正得到的调整值作为所述特征量保存到所述存储装置中。8.一种治疗法选择辅助装置,用于基于表现出抑郁症状的第一受验者的脑活动的测量结果来提供与针对所述第一受验者的治疗法的选择有关的信息,所述治疗法选择辅助装置具备:数据库装置,其用于将作为针对多个第二受验者中的具有抑郁症的诊断标签的受验者进行的分层的结果的簇与对应的规定的治疗法信息相关联地进行保存;以及辅助信息提供装置,其接受所述第一受验者的脑活动的测量结果作为输入,根据基于所述测量结果的分层的结果,输出对应的治疗法信息,所述多个第二受验者包括具有抑郁症的诊断标签的第一群和不具有所述抑郁症的诊断标签的第二群,作为分层的结果的所述簇是通过聚类分类器得到的,该聚类分类器是由聚类装置对脑功能连接相关值的测量结果进行聚类处理而得到的,所述聚类装置包括存储装置和用于针对所述第一群执行所述聚类处理的运算装置,在所述聚类分类器的生成处理中,所述运算装置进行以下处理:i)针对所述多个第二受验者的各第二受验者,将基于分别表示规定的多个脑区域对之间的脑活动的时间相关性的多个脑功能连接相关值的特征量保存到所述存储装置中;ii)基于所述存储装置中所保存的所述特征量,通过有监督学习来执行生成用于判别所述诊断标签的有无的识别器模型的机器学习;iii)在生成所述识别器模型的机器学习中,根据在通过机器学习生成识别器时使用的特征量的重要度,来选择用于聚类的特征量;iv)基于所选择出的所述用于聚类的特征量,通过无监督学习的多重共聚类法对所述第一群进行聚类,来生成所述聚类分类器。9.根据权利要求8所述的治疗法选择辅助装置,其中,所述辅助信息提供装置具备聚类运算装置和接口装置,所述聚类运算装置通过所述聚类分类器计算所述第一受验者属于各所述簇的概率,从所述数据库装置读出根据所述概率选择的至少两个所述治疗法信息,所述接口装置输出用于将所选择出的所述簇与各自对应的所述治疗法信息相关联地显示的数据。10.根据权利要求8或9所述的治疗法选择辅助装置,其中,所述治疗法信息是表示针对特定的治疗药的反应性的信息。11.根据权利要求8~10中的任一项所述的治疗法选择辅助装置,其中,
所述治疗法信息是表示针对特定的物理治疗法的反应性的信息。12.一种治疗法选择辅助方法,用于基于表现出抑郁症状的第一受验者的脑活动的测量结果来提供与针对所述第一受验者的治疗法的选择有关的信息,所述治疗法选择辅助方法包括准备步骤,在所述准备步骤中,生成聚类分类器来做准备,所述聚类分类器用于针对从多个第二受验者获取到的脑功能连接相关值的测量结果执行通过聚类处理来划分为多个簇的分层,所述多个第二受验者包括具有抑郁症的诊断标签的第一群和不具有所述抑郁症的诊断标签的第二群,所述准备步骤包括用于针对所述多个第二受验者执行所述聚类处理的运算步骤,所述运算步骤包括以下步骤:i)针对所述多个第二受验者的各第二受验者,获取基于分别表示规定的多个脑区域对之间的脑活动的时间相关性的多个脑功能连接相关值的特征量;ii)基于进行所述获取得到的所述特征量,通过有监督学习来执行生成用于判别所述诊断标签的有无的识别器模型的机器学习;iii)在生成所述识别器模型的机器学习中,根据在通过机器学习生成识别器时使用的特征量的重要度,来选择用于聚类的特征量;以及iv)基于所选择出的所述用于聚类的特征量,通过无监督学习的多重共聚类法对所述第一群进行聚类,来生成所述聚类分类器,所述治疗法选择辅助方法还包括辅助信息提供步骤,在所述辅助信息提供步骤中,根据由所述聚类分类器得到的针对所述第一受验者的脑活动的测量结果的分类结果,从用于将作为所述聚类分类器进行分层的结果的簇与对应的规定的治疗法信息相关联地进行保存的数据库获取对应的治疗法信息并输出该治疗法信息。13.一种治疗法选择辅助方法,用于基于表现出抑郁症状的第一受验者的脑活动的测量结果来提供与针对所述第一受验者的治疗法的选择有关的信息,所述治疗法选择辅助方法包括辅助信息提供步骤,在所述辅助信息提供步骤中,根据作为基于所述第一受验者的脑活动的测量结果进行的分层的结果的簇,从用于将针对多个第二受验者中的具有抑郁症的诊断标签的受验者进行的分层的结果与对应的规定的治疗法信息相关联地进行保存的数据库获取对应的治疗法信息并输出该治疗法信息,所述多个第二受验者包括具有抑郁症的诊断标签的第一群和不具有所述抑郁症的诊断标签的第二群,作为分层的结果的所述簇是通过聚类分类器得到的,该聚类分类器是通过对脑功能连接相关值的测量结果进行聚类处理而得到的,所述聚类分类器是通过用于针对所述多个第二受验者执行所述聚类处理的运算步骤而生成的,所述运算步骤包括以下步骤:i)针对所述多个第二受验者的各第二受验者,获取基于分别表示规定的多个脑区域对之间的脑活动的时间相关性的多个脑功能连接相关值的特征量;ii)基于进行所述获取得到的所述特征量,通过有监督学习来执行生成用于判别所述诊断标签的有无的识别器模型的机器学习;iii)在生成所述识别器模型的机器学习中,根据在通过机器学习生成识别器时使用的特征量的重要度,来选择用于聚类的特征量;以及
iv)基于所选择出的所述用于聚类的特征量,通过无监督学习的多重共聚类法对所述第一群进行聚类,来生成所述聚类分类器。14.一种治疗法选择辅助程序,用于基于表现出抑郁症状的第一受验者的脑活动的测量结果来提供与针对所述第一受验者的治疗法的选择有关的信息,在使计算机执行了所述治疗法选择辅助程序时,使计算机执行以下步骤:生成聚类分类器,所述聚类分类器用于针对从多个第二受验者获取到的脑功能连接相关值的测量结果执行通过聚类处理来划分为多个簇的分层;以及接受所述第一受验者的脑活动的测量结果作为输入,根据由所述聚类分类器得到的针对所述测量结果的分类结果,从用于将作为由所述聚类分类器进行分层的结果的簇与对应的规定的治疗法信息相关联地进行保存的数据库装置获取对应的治疗法信息并输出该治疗法信息,所述多个第二受验者包括具有抑郁症的诊断标签的第一群和不具有所述抑郁症的诊断标签的第二群,所述聚类处理包括用于针对所述多个第二受验者执行所述聚类的处...
【专利技术属性】
技术研发人员:柏木雄人,德田智矶,高原雄史,川人光男,山下步,山下宙人,酒井雄希,吉本润一郎,冈田刚,
申请(专利权)人:国立大学法人广岛大学盐野义制药株式会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。