评价支援方法、评价支援系统以及计算机可读介质技术方案

本发明专利技术提供评价支援方法、评价支援系统、计算机可读介质。提供支援学习完毕模型的评价的技术。评价支援方法包含如下步骤：获取用于学习完毕模型的性能评价的第1图像；生成多个第2图像，并且多个第2图像分别是基于多个学习完毕模型的每一个学习完毕模型的第1图像的处理结果；以及将多个学习完毕模型分别与多个第2图像中的所对应的第2图像相关联地进行显示。2图像中的所对应的第2图像相关联地进行显示。2图像中的所对应的第2图像相关联地进行显示。

【技术实现步骤摘要】
评价支援方法、评价支援系统以及计算机可读介质


[0001]本说明书的公开涉及评价支援方法、评价支援系统以及计算机可读介质。

技术介绍

[0002]近年来，在各个领域中机器学习备受关注。在病理诊断的领域中，期待通过使用为了识别病变部分而训练的训练完毕的学习模型(以下记为学习完毕模型。)而能够减轻病理医生的负担。另外，在细胞培养的领域中，期待通过使用为了识别细胞的状态而训练的学习完毕模型而能够非破坏性地检查培养中的细胞。例如，只要能够非破坏性地检查iPS细胞的分化/未分化的状态来掌握生长状态，就能够更适当地决定使用了iPS细胞的手术的时间表。
[0003]与这样的机器学习相关联的技术例如记载在专利文献1中。在专利文献1中，记载了支援学习完毕模型的构建的技术。通过使用专利文献1中记载的技术，即使对于机器学习不具有高度的知识，也能够比较容易地构建学习完毕模型。
[0004]专利文献1：日本特开2011-229413号公报
[0005]一方面存在支援学习完毕模型的构建的服务，另一方面也存在提供学习完毕模型本身的服务。通过利用他人提供的学习完毕模型，能够省去构建学习完毕模型的工夫。
[0006]但是，判断学习完毕模型的好坏未必是容易的。例如，细胞的生死的判断基准未必是一致的。因此，为了识别细胞的生死而训练的学习完毕模型可能会发生如下情况：对于某个利用者来说是好的模型，但对于其他利用者来说不是足够好的模型。

技术实现思路

[0007]基于以上那样的实际情况，本专利技术的一个方面的目的在于，提供一种支援学习完毕模型的评价的技术。
[0008]本专利技术的一个方式的评价支援方法包含如下步骤：获取用于学习完毕模型的性能评价的第1图像；生成多个第2图像，所述多个第2图像分别是多个学习完毕模型的各个学习完毕模型对所述第1图像的处理结果；以及将所述多个学习完毕模型分别与所述多个第2图像中的所对应的第2图像相关联地进行显示。
[0009]本专利技术的一个方式的学习完毕模型的评价支援系统具有：非易失性的计算机可读取存储介质，其保存有多个学习完毕模型；以及至少一个处理器，所述处理器进行如下步骤：获取用于学习完毕模型的性能评价的第1图像；生成多个第2图像，所述多个第2图像分别是所述多个学习完毕模型的各个学习完毕模型对所述第1图像的处理结果；以及将所述多个学习完毕模型分别与所述多个第2图像中的所对应的第2图像相关联地进行显示。
[0010]本专利技术的一个方式的计算机可读介质存储有计算机程序，其中，在处理器执行该程序时，执行如下步骤：获取用于学习完毕模型的性能评价的第1图像；生成多个第2图像，所述多个第2图像分别是多个学习完毕模型的各个学习完毕模型对所述第1图像的处理结果；以及将所述多个学习完毕模型分别与所述多个第2图像中的所对应的第2图像相关联地
进行显示。
[0011]根据上述方式，能够支援学习完毕模型的评价。
附图说明
[0012]图1是示出系统1的结构的一例的图。
[0013]图2是示出服务提供装置5的硬件结构的一例的图。
[0014]图3是用于说明系统1提供的服务的序列图的一例。
[0015]图4是用于说明模型提供装置提供的数据的图。
[0016]图5是用于说明样本标签信息30的图。
[0017]图6是用于说明元数据40的图。
[0018]图7是第1实施方式的评价支援处理的流程图。
[0019]图8是示出输入画面的一例的图。
[0020]图9是示出输入画面的另一例的图。
[0021]图10是用于说明结果图像70的生成步骤的图。
[0022]图11是示出学习完毕模型一览画面的一例的图。
[0023]图12是第2实施方式的评价支援处理的流程图。
[0024]图13是示出学习完毕模型一览画面的另一例的图。
[0025]图14是第3实施方式的评价支援处理的流程图。
[0026]图15是用于说明参照图像90的生成步骤的图。
[0027]图16是示出学习完毕模型一览画面的又一例的图。
[0028]图17是示出学习完毕模型详细画面的一例的图。
[0029]图18是第4实施方式的评价支援处理的流程图。
[0030]图19是示出学习完毕模型一览画面的又一例的图。
[0031]图20是示出学习完毕模型一览画面的又一例的图。
[0032]图21是用于对评价信息的生成方法进行说明的图。
[0033]图22是用于说明系统1提供的服务的序列图的另一例。
[0034]图23是用于说明利用装置提供的数据的图。
[0035]图24是第5实施方式的评价支援处理的流程图。
[0036]图25是示出测试结果一览画面的一例的图。
[0037]图26是示出测试结果一览画面的另一例的图。
[0038]图27是第6实施方式的评价支援处理的流程图。
[0039]图28是示出测试结果一览画面的又一例的图。
[0040]图29是示出测试结果一览画面的又一例的图。
[0041]图30是示出测试结果一览画面的又一例的图。
[0042]图31是用于说明测试结果图像的变化的图。
[0043]图32是用于说明通过检测类型的学习完毕模型生成的测试结果图像的图。
[0044]图33是用于说明通过分类类型的学习完毕模型生成的测试结果图像的图。
[0045]标号说明
[0046]1：系统；2～4：模型提供装置；5：服务提供装置；5a：处理器；5b：存储器；5c：辅助存
储装置；5d：I/O接口；5e：介质驱动装置；5f：NW接口；5g：总线；5h：可移动存储介质；6：利用装置；10～13：学习完毕模型；20～25：样本图像；30：样本标签信息；40、190：元数据；50：检查图像；61～63：第1识别信息；71～73：结果图像；81～85：第2识别信息；91～96：参照图像；170～173、270：测试图像；18：测试标签信息；280、290、710～713、730：测试结果图像；720：第3识别信息；L1、L2：检查标签信息；C：正确答案区域。
具体实施方式
[0047]图1是示出系统1的结构的一例的图。图1所示的系统1是支援学习完毕模型的评价的评价支援系统。系统1包含模型提供装置(模型提供装置2、模型提供装置3、模型提供装置4、
…
)、服务提供装置5以及利用装置6。
[0048]模型提供装置是提供学习完毕模型的装置。模型提供装置例如是与通信网络连接的计算机。模型提供装置向服务提供装置5提供一个以上的学习完毕模型。
[0049]服务提供装置5是提供如下服务的装置，该服务对由模型提供装置提供的学习完毕模型的评价进行支援。服务提供装置5例如是与通信网络连接的计算机。服务提供装置5只要包含保存有多个学习完毕模型的非易失性的计算机可读取存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评价支援方法，其特征在于，该评价支援方法包含如下步骤：获取用于学习完毕模型的性能评价的第1图像；生成多个第2图像，所述多个第2图像分别是多个学习完毕模型的各个学习完毕模型对所述第1图像的处理结果；以及将所述多个学习完毕模型分别与所述多个第2图像中的所对应的第2图像相关联地进行显示。2.根据权利要求1所述的评价支援方法，其特征在于，获取所述第1图像的步骤包含获取包含所述第1图像在内的多个第1图像的步骤，生成所述多个第2图像的步骤包含针对所述多个第1图像中的各第1图像生成多个第2图像的步骤，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含如下步骤：将所述多个学习完毕模型分别与所述多个第2图像中的所对应的至少一个第2图像相关联地进行显示。3.根据权利要求2所述的评价支援方法，其特征在于，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含如下步骤：将所述多个学习完毕模型分别与所述至少一个第2图像和与所述至少一个第2图像对应的至少一个第1图像相关联地进行显示，所述至少一个第1图像包含在所述多个第1图像中。4.根据权利要求2所述的评价支援方法，其特征在于，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含如下步骤：将所述多个学习完毕模型分别与所述至少一个第2图像和所述多个学习完毕模型中的所对应的学习完毕模型所附带的元数据相关联地进行显示。5.根据权利要求4所述的评价支援方法，其特征在于，该评价支援方法还包含根据所述多个学习完毕模型所附带的多个元数据对多个组合分配优先顺序的步骤，所述多个组合分别是彼此对应的学习完毕模型与至少一个第2图像和元数据的组合，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含以按照所述优先顺序的排列顺序显示所述多个组合的步骤。6.根据权利要求2所述的评价支援方法，其特征在于，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含如下步骤：将所述多个学习完毕模型分别与所述至少一个第2图像和所述至少一个第2图像各自的可靠度相关联地进行显示。7.根据权利要求6所述的评价支援方法，其特征在于，该评价支援方法还包含根据与所述多个第2图像对应的多个可靠度对多个组合分配优先顺序的步骤，所述多个组合分别是彼此对应的学习完毕模型与至少一个第2图像和所述至少一个第2图像各自的可靠度的组合，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含以按照所述优先顺序的排列顺序显示所述多个组合的步骤。8.根据权利要求7所述的评价支援方法，其特征在于，
分配所述优先顺序的步骤包含构成组合的可靠度越低对所述组合分配越高的优先顺序的步骤。9.根据权利要求2所述的评价支援方法，其特征在于，该评价支援方法还包含如下步骤：获取多个第1标签信息，所述多个第1标签信息分别表示针对所述多个第1图像分别期待的处理结果；以及生成与所述多个第2图像对应的多个第1评价信息，所述多个第1评价信息是根据所述多个第2图像和所述多个第1标签信息而生成的，显示所述多个学习完毕模型中的各学习完毕模型的步骤包含如下步骤：将所述多个学习完毕模型分别与所述至少一个第2图像和所述多个第1评价信息中的与所述至少一个第2图像对应的至少一个第1评价信息相关联地进行显示。10.根据权利要求9所述的评价支援方法，其...

【专利技术属性】
技术研发人员：坂根勲，
申请(专利权)人：奥林巴斯株式会社，
类型：发明
国别省市：