TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2023075681
公報種別公開特許公報(A)
公開日2023-05-31
出願番号2021188733
出願日2021-11-19
発明の名称情報処理システム及び情報処理方法
出願人キヤノン株式会社
代理人個人,個人
主分類G06N 3/08 20230101AFI20230524BHJP(計算;計数)
要約【課題】 本発明は、ニューラルネットワークに基づく推論モデルの秘匿性を担保しながら、学習や推論を行うことができる情報処理システムを提供することを目的とする。
【解決手段】 第一の情報処理装置2は、学習データと正解ラベルから構成される教師データを取得する教師データ取得部11と、学習データを、推論モデルのうち入力層と、中間層の一部の中間層とで構成される第一の部分モデルに入力することにより第一の学習処理を行う第一の学習部12と、第二の情報処理装置による第二の学習処理による出力と正解ラベルとを用いて、出力層を含む第三の部分モデルに対して第三の学習処理を行う第三の学習部13と、第二の情報処理装置3は、第一の学習処理による出力を、推論モデルのうち第一の部分モデルと異なる中間層から構成される第二の部分モデルへ入力することにより第二の学習処理を行う第二の学習部31と、を有する情報処理システム。
【選択図】 図1
特許請求の範囲【請求項1】
第一の情報処理装置と、該第一の情報処理装置とネットワークを介して通信可能な第二の情報処理装置と、を備え、入力層、中間層および出力層から構成されるニューラルネットワークに基づく推論モデルを学習する学習処理を行う情報処理システムであって、
前記第一の情報処理装置は、
学習データと正解ラベルから構成される教師データを取得する教師データ取得部と、
前記学習データを、前記推論モデルのうち前記入力層と、前記中間層の一部の中間層とで構成される第一の部分モデルに入力することにより第一の学習処理を行う第一の学習部と、
前記第二の情報処理装置による第二の学習処理による出力と前記正解ラベルとを用いて、出力層を含む第三の部分モデルに対して第三の学習処理を行う第三の学習部と、を有し
前記第二の情報処理装置は、前記第一の学習処理による出力を、前記推論モデルのうち前記第一の部分モデルと異なる中間層から構成される第二の部分モデルへ入力することにより前記第二の学習処理を行う第二の学習部と、を有することを特徴とする情報処理システム。
続きを表示(約 1,000 文字)【請求項2】
前記第一の部分モデルおよび前記第三の部分モデルが秘匿用のネットワークであって、
前記第二の部分モデルが公開用のネットワークであることを特徴とする請求項1に記載の情報処理システム。
【請求項3】
教師データ取得部は、前記第二の情報処理装置から前記教師データを取得することを特徴とする請求項1または2に記載の情報処理システム。
【請求項4】
前記第三の学習部は、前記教師データ取得部より前記正解ラベルを取得し、前記正解ラベルと、前記出力層との出力とに基づいて誤差の情報を取得することを特徴とする請求項1乃至3のいずれか一項に記載の情報処理システム。
【請求項5】
前記第三の学習部は、前記誤差の情報を誤差逆伝播法に基づいて、第三の部分モデルのパラメータを更新することを特徴とする請求項4に記載の情報処理システム。
【請求項6】
前記第二の学習部は、前記第三の学習部から送信された誤差の情報に基づいて、前記第二の部分モデルのパラメータを更新し、
前記第一の学習部は、前記第二の学習部から送信された誤差の情報に基づいて、前記第一の部分モデルのパラメータを更新することを特徴とする請求項5に記載の情報処理システム。
【請求項7】
前記第二の情報処理装置における、前記第二の学習部は、第二の部分モデルを、前記第一の部分モデルおよび前記第三の部分モデルのパラメータを固定した追加学習により生成することを特徴とする請求項1乃至5のいずれか一項に記載の情報処理システム。
【請求項8】
前記第一の情報処理装置が、前記教師データおよび部分モデルの少なくとも一方に対して、学習が適正な範囲で行われているかを判定する判定部をさらに有することを特徴とする請求項1乃至7のいずれか一項に記載の情報処理システム。
【請求項9】
前記判定部は、前記教師データを構成する正解ラベルの構成比率が、所定の基準を満たすか否かによって、前記学習を判定することを特徴とする請求項8に記載の情報処理システム。
【請求項10】
前記判定部は、前記学習による前記部分モデルのパラメータの変動が所定の基準を満たすか否かによって、前記学習を判定することを特徴とする請求項8に記載の情報処理システム。
(【請求項11】以降は省略されています)

発明の詳細な説明【技術分野】
【0001】
本発明は、ニューラルネットワークに基づく推論モデルを用いた情報処理システム及び情報処理方法に関する。
続きを表示(約 2,200 文字)【背景技術】
【0002】
医用撮像装置(モダリティ)によって取得された医用画像や医療情報システムから取得した医用情報などの医用データに対して、ニューラルネットワークに基づく推論モデルを適用し、所定の疾患に関する推論(疾患検出、良悪性鑑別、予後予測、リスク予測など)を行うことが知られている。推論モデルは教師データを用いて学習することによって生成される。例えば、特許文献1には、推論モデルの学習処理を学習装置内で実施することによって推論モデルを生成することが開示されている。
【先行技術文献】
【特許文献】
【0003】
特開2019-159820号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献1に記載の技術では、推論モデルの学習処理を学習装置内で行う。そのため、学習処理を推論モデルの提供者でなく、推論モデルのユーザが行う場合には、ユーザ側の情報処理装置に対してニューラルネットワークを頒布することで学習処理を行う場合がある。このような場合には、ユーザが推論モデルを複製して第三者への頒布や、推論モデルを改変する等の不正利用を防止することが難しい。
【0005】
本発明は、ニューラルネットワークに基づく推論モデルの秘匿性を担保しながら、学習や推論を行うことができる情報処理システムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上記課題を解決するため、本発明の一態様による情報処理システムは、推論モデルの提供者が管理する第一の情報処理装置と、該第一の情報処理装置とネットワークを介して通信可能な推論モデルのユーザが管理する第二の情報処理装置と、を備え、入力層、中間層および出力層から構成されるニューラルネットワークに基づく推論モデルを学習する学習処理を行う情報処理システムであって、第一の情報処理装置は、学習データと正解ラベルから構成される教師データを取得する教師データ取得部と、教師データを、前記推論モデルのうち前記入力層と、中間層の一部の中間層とで構成される第一の部分モデルに入力することにより第一の学習処理を行う第一の学習部と、第二の情報処理装置による第二の学習処理による出力を、出力層を含む第三の部分モデルへ入力することにより第三の学習処理を行う第三の学習部と、第二の情報処理装置は、第一の学習処理による出力を、推論モデルのうち前記第一の部分モデルと異なる中間層から構成される第二の部分モデルへ入力することにより第二の学習処理を行う第二の学習部と、を有する。
【発明の効果】
【0007】
本発明によれば、ニューラルネットワークに基づく推論モデルの秘匿性を担保しながら、学習や推論を行うことができる。
【図面の簡単な説明】
【0008】
第1の実施形態に係る情報処理システムの構成を示す図。
第1の実施形態に係る推論モデルの概略図。
第1の実施形態に係る第一の情報処理装置のハードウェア構成を示す図。
第1の実施形態に係る情報処理システムの学習処理を示すフロー図。
第2の実施形態に係る情報処理システムの構成を示す図。
第3の実施形態に係る情報処理システムの構成を示す図。
第3の実施形態に係る推論モデルの概略図。
第3の実施形態に係る情報処理システムの推論処理を示すフロー図。
第4の実施形態に係る情報処理システムの構成を示す図。
【発明を実施するための形態】
【0009】
本発明は、医用撮像装置(モダリティ)で取得した生データ(信号データ)や、生データから画像再構成によって生成された診断用の医用画像データ等の医用データに対して、好ましく適用できる。モダリティは、例えば、X線CT装置、MRI装置、SPECT装置、PET装置、心電計を含む。なお、推論対象のデータおよび教師データは、医用データのみならず、患者のプライバシーに関連する、年齢や性別、疾患情報等の情報も対象としてもよい。また、本発明は医用データに限らず、セキュリティカメラを通して取得された画像データ等、公知の推論対象のデータのいずれにも適用可能である。
【0010】
以下、本発明の情報処理システムにおける学習工程および推論工程に関して説明をする。なお、推論工程において用いられる推論モデルは、本発明の学習工程を経て生成される推論モデルに限らない。推論工程において用いられる推論モデルは、公知の手法もしくは、本発明に記載する学習工程によって機械学習や深層学習に基づいて学習された学習済みの推論モデルである。ここで学習済みの推論モデルとは、所定の条件を満たすように学習処理が実施されていればよく、学習済みの推論モデルを、追加学習や、転移学習、ファインチューニング等の対象として用いてもよい。故に、公知の手法において学習した学習済みの推論モデルの追加学習として、後述する学習工程による学習処理が実施されてもよいし、その逆の手順で学習処理が実施されてもよい。以下、添付図面を参照して本発明の好適な実施形態について説明する。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する

関連特許

個人
コメント配信システム
9日前
個人
リユース統合システム
1日前
個人
広告提供方法
9日前
株式会社SUBARU
車両
15日前
個人
情報処理装置及びプログラム
6日前
個人
釣PAID降水確率ポイント
14日前
個人
モノづくり知識情報システム
7日前
個人
コンピュータシステム
21日前
ユニパルス株式会社
プログラム、方法
21日前
株式会社カクシン
管理装置
15日前
株式会社フォーバル
仕訳システム
今日
中国電力株式会社
ゲームシステム
7日前
株式会社カネカ
異常推定システム
今日
個人
ディスプレイ・セットシステム
21日前
株式会社mov
情報処理装置
21日前
オムロン株式会社
操作制御システム
22日前
個人
オーダーメイド品販売システム
21日前
ユビ電株式会社
情報処理装置
27日前
TDK株式会社
検出装置
21日前
個人
ブロックチェーンと既存網との接続方法
1日前
TDK株式会社
検出装置
21日前
トヨタ自動車株式会社
ワーク保持装置
21日前
個人
デジタルコンテンツ提供システム
16日前
株式会社日立製作所
演算装置
1日前
原田産業株式会社
衣服の注文方法
3日前
合同会社エリサ
発送システム
9日前
NVデバイス株式会社
視線検出システム
今日
ノヅック株式会社
調達代行依頼システム
28日前
ノヅック株式会社
調達部門評価システム
28日前
株式会社九門
避難安全性能評価システム
27日前
日本放送協会
表示端末、プログラム
1日前
株式会社バイトルヒクマ
支給計算システム
15日前
FCLコンポーネント株式会社
タッチパネル
21日前
株式会社デンソー
電子制御装置
21日前
株式会社竹中工務店
受水槽給水制御システム
6日前
ブラザー工業株式会社
編集プログラム
15日前
続きを見る