[发明专利]分类装置、分类方法、程序以及信息记录介质

说明书

本发明提供分类装置(101)，从属于多个组中的任意组的拍摄有对象的照片识别表征任意单个组的部分。这里，获取部(102)将分割学习照片而获得的学习图像与学习照片中拍摄到的学习对象所属的组建立对应关系地获取，第一学习部(103)学习第一模型，该第一模型对学习图像进行维数压缩后分类到类并求出得分向量，对应关系部(104)求出表示各类代表各组的程度的代表度向量，并根据代表度向量将各类与任意组建立对应关系，受理部(105)受理分割判定照片而获得的判定图像，识别部(106)通过第一模型将判定图像分类到类，并识别与被分类的类建立有对应关系的组。

技术领域

本发明涉及从属于多个组中的任意组的拍摄有对象的照片中识别表征任意单个组的部分，来对图像进行分类的分类装置、分类方法、程序以及信息记录介质。

背景技术

以往，提出了通过神经网络对拍摄对象而获得的照片进行分类，并尝试将其用于诊断等的技术。

例如，在专利文献1中公开了如下技术：受理拍摄有对象的对象图像和与对象建立有对应关系的1个以上的属性参数，在通过神经网络对对象进行分类时，对给定的特征图的各要素和受理的1个以上的属性参数进行卷积。

在这里，即使是对具有病变等的患者进行拍摄而获得的照片，拍摄到具有与健康人相同的外观的区域的情况也很多。例如，虽然部分细胞受到病变的影响但多数细胞保持正常这样的情况。

以往，在进行前列腺癌的复发预测等预后诊断中，广泛地进行医生根据对受检者的对象部位进行拍摄而获得的病理照片，基于医学知识，从其它区域(正常的区域)缩小并圈定有癌的区域(有病变的区域)。例如，在作为癌的恶性度分类而广泛使用的格里森(Gleason)分类中，需要在缩小癌的区域后，通过将该癌作为对象进一步检查组织形态来测定恶性度。

这样的缩小、圈定存在以下问题：除了花费非常大的精力以及长时间，并且其精度因医生而不同以外，仅能解析以现有的医学知识能够识别的外观。

专利文献1：日本专利第6345332号公报

因此，期望通过从拍摄对象(例如，诊断对象的“人”)而获得的照片中，高精度且自动地提取表征属于特定的组(例如，“癌症复发者”的组)的对象的区域，来分类该对象是否属于特定的组，并且找出以现有的医学知识无法识别的新的复发因素的技术。

即，迫切期望通过判别哪个区域是表征各组的重要要素，来将对象高精度地分类为组，并且使得人们能够理解与组的差异相关的知识。

为了提取这样的区域，需要识别较小地分割照片而获得的各个图像是特定的一个组中特有的图像，还是与其它组共同地出现的图像。

发明内容

本发明是为了解决上述课题而完成的，目的在于提供一种从属于多个组中的任意组的拍摄有对象的照片中识别表征任意单个组的部分，来对图像进行分类的分类装置、分类方法、程序以及信息记录介质。

本发明的分类装置：

将多个学习图像S_i,1、S_i,2、…与多个组G₁、G₂、…、G_L中的组G_z(i)建立对应关系地获取，其中，上述多个学习图像S_i,1、S_i,2、…是对多个学习照片S₁、S₂、…的各学习照片S_i进行分割而获得的图像，上述组G_z(i)是上述各学习照片S_i中拍摄到的学习对象所属的组；