特許ウォッチ

公開番号2025023685
公報種別公開特許公報(A)
公開日2025-02-17
出願番号2023128031
出願日2023-08-04
発明の名称人工画像データ生成装置、予測装置、人工画像データ生成方法、予測方法、及びプログラム
出願人学校法人藤田学園
代理人個人,個人,個人,個人
主分類G06V 10/72 20220101AFI20250207BHJP(計算;計数)
要約【課題】機械学習を用いた予測モデルの予測精度を高めること。
【解決手段】予測装置は、予測対象についての複数種類のデータをそれぞれ画素値に変換し、所定の順序で配列することによって生成された人工画像データを取得する人工画像データ取得部と、学習対象についての複数種類のデータをそれぞれ画素値に変換し順序で配列することによって生成された学習用人工画像データが入力されると学習対象についての予測結果を出力するように学習された学習モデルである学習済みモデルに基づいて、人工画像データから予測対象について予測を行う予測部と、を備え、順序とは、学習対象についての複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、学習モデルによる予測結果の精度に基づく順序である。
【選択図】図3
特許請求の範囲【請求項１】
対象についての複数種類のデータから構成される対象データセットを取得する対象データセット取得部と、
前記対象データセットを構成する複数種類のデータをそれぞれ画素値に変換した画素値データを生成する画素値データ生成部と、
前記画素値データを構成する複数の画素値を所定の順序で配列することによって人工画像データを生成する人工画像データ生成部と、
を備える人工画像データ生成装置。
続きを表示（約 1,800 文字）【請求項２】
前記順序とは、前記画素値データを構成する複数の画素値を配列する順序のうち、前記人工画像データが入力されると前記対象についての予測結果を出力する学習モデルによる予測結果の精度に基づく順序である
請求項１に記載の人工画像データ生成装置。
【請求項３】
予測対象についての複数種類のデータをそれぞれ画素値に変換し、所定の順序で配列することによって生成された人工画像データを取得する人工画像データ取得部と、
学習対象についての前記複数種類のデータをそれぞれ画素値に変換し前記順序で配列することによって生成された学習用人工画像データが入力されると前記学習対象についての予測結果を出力するように学習された学習モデルである学習済みモデルに基づいて、前記人工画像データから前記予測対象について予測を行う予測部と、
を備え、
前記順序とは、前記学習対象についての前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度に基づく順序である
予測装置。
【請求項４】
前記順序とは、前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度が最も高くなる順序である
請求項３に記載の予測装置。
【請求項５】
前記順序とは、前記複数種類のデータがそれぞれ変換された画素値を配列する順序のなかからランダムに選択された順序のうち、前記学習モデルによる予測結果の精度が最も高くなる順序である
請求項４に記載の予測装置。
【請求項６】
対象についての複数種類のデータから構成される対象データセットを取得する対象データセット取得ステップと、
前記対象データセットを構成する複数種類のデータをそれぞれ画素値に変換した画素値データを生成する画素値データ生成ステップと、
前記画素値データを構成する複数の画素値を所定の順序で配列することによって人工画像データを生成する人工画像データ生成ステップと、
を有する人工画像データ生成方法。
【請求項７】
予測対象についての複数種類のデータをそれぞれ画素値に変換し、所定の順序で配列することによって生成された人工画像データを取得する人工画像データ取得ステップと、
学習対象についての前記複数種類のデータをそれぞれ画素値に変換し前記順序で配列することによって生成された学習用人工画像データが入力されると前記学習対象についての予測結果を出力するように学習された学習モデルである学習済みモデルに基づいて、前記人工画像データから前記予測対象について予測を行う予測ステップと、
を有し、
前記順序とは、前記学習対象についての前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度に基づく順序である
予測方法。
【請求項８】
コンピュータに、
対象についての複数種類のデータから構成される対象データセットを取得する対象データセット取得ステップと、
前記対象データセットを構成する複数種類のデータをそれぞれ画素値に変換した画素値データを生成する画素値データ生成ステップと、
前記画素値データを構成する複数の画素値を所定の順序で配列することによって人工画像データを生成する人工画像データ生成ステップと、
を実行させるためのプログラム。
【請求項９】
コンピュータに、
予測対象についての複数種類のデータをそれぞれ画素値に変換し、所定の順序で配列することによって生成された人工画像データを取得する人工画像データ取得ステップと、
学習対象についての前記複数種類のデータをそれぞれ画素値に変換し前記順序で配列することによって生成された学習用人工画像データが入力されると前記学習対象についての予測結果を出力するように学習された学習モデルである学習済みモデルに基づいて、前記人工画像データから前記予測対象について予測を行う予測ステップと、
を実行させるためのプログラムであって、
前記順序とは、前記学習対象についての前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度に基づく順序である
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、人工画像データ生成装置、予測装置、人工画像データ生成方法、予測方法、及びプログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
近年、機械学習に基づいて様々な予測が行われている。例えば、疫学研究において、機械学習を用いた疾患の予測が行われてきた。疫学研究では、機械学習のモデルとして線形モデルがしばしば用いられてきた（例えば、非特許文献１）。疫学研究に線形モデルを用いる場合、因子と疾患についての結果（疾患を発症する確率、または疾患の有無）の関係に基づいて、疾患についての結果が予測される。これらの線形モデルに基づく予測は、一般化線形回帰（ＧｅｎｅｒａｌｉｚｅｄＬｉｎｅａｒＲｅｇｒｅｓｓｉｏｎ）と呼ばれる。一般化線形回帰には、線形回帰、ロジスティクス回帰、及びＣｏｘ回帰などが含まれる。
【先行技術文献】
【非特許文献】
【０００３】
「ＭｅｔｈｏｄｓｉｎＭｏｌｅｃｕｌａｒＢｉｏｌｏｇｙ」、２００９年、４７１巻、１７９－１９５頁
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、一般化線形回帰を用いた予測の精度は低い傾向がある。一般化線形回帰を用いた予測の精度が低い理由としては、複数の変数間の相関を記述することが難しいこと、変数に多重共線性がある場合に性能が簡単に損なわれてしまうこと、及び単純に変数を選択してしまう場合に情報が失われてしまうことが考えられる。
機械学習を用いた予測モデルの予測精度を高めることが求められている。
【０００５】
本発明は上記の点に鑑みてなされたものであり、機械学習を用いた予測モデルの予測精度を高めることができる人工画像データ生成装置、予測装置、人工画像データ生成方法、予測方法、及びプログラムを提供する。
【課題を解決するための手段】
【０００６】
本発明は上記の課題を解決するためになされたものであり、本発明の一態様は、対象についての複数種類のデータから構成される対象データセットを取得する対象データセット取得部と、前記対象データセットを構成する複数種類のデータをそれぞれ画素値に変換した画素値データを生成する画素値データ生成部と、前記画素値データを構成する複数の画素値を所定の順序で配列することによって人工画像データを生成する人工画像データ生成部と、を備える人工画像データ生成装置である。
【０００７】
また、本発明の一態様は、上記の人工画像データ生成装置において、前記順序とは、前記画素値データを構成する複数の画素値を配列する順序のうち、前記人工画像データが入力されると前記対象についての予測結果を出力する学習モデルによる予測結果の精度に基づく順序である。
【０００８】
また、本発明の一態様は、予測対象についての複数種類のデータをそれぞれ画素値に変換し、所定の順序で配列することによって生成された人工画像データを取得する人工画像データ取得部と、学習対象についての前記複数種類のデータをそれぞれ画素値に変換し前記順序で配列することによって生成された学習用人工画像データが入力されると前記学習対象についての予測結果を出力するように学習された学習モデルである学習済みモデルに基づいて、前記人工画像データから前記予測対象について予測を行う予測部と、を備え、前記順序とは、前記学習対象についての前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度に基づく順序である予測装置である。
【０００９】
また、本発明の一態様は、上記の予測装置において、前記順序とは、前記複数種類のデータがそれぞれ変換された画素値を配列する順序のうち、前記学習モデルによる予測結果の精度が最も高くなる順序である。
【００１０】
また、本発明の一態様は、上記の予測装置において、前記順序とは、前記複数種類のデータがそれぞれ変換された画素値を配列する順序のなかからランダムに選択された順序のうち、前記学習モデルによる予測結果の精度が最も高くなる順序である。
（【００１１】以降は省略されています）

関連特許