[发明专利]医用信息处理装置

说明书

本发明解决的课题是输出再学习所需的数据数量。实施方式医涉及的用信息处理装置具备登记部、第一计算部、第二计算部及输出部。所述登记部登记与新生成的第一学习完毕模型关联的第一关联信息。所述第一计算部针对多个所述第二学习完毕模型的每一个计算与已有的第二学习完毕模型关联的第二关联信息与所述第一关联信息之间的类似度。所述第二计算部基于多个所述第二学习完毕模型的每一个第二学习完毕模型的所述类似度，针对多个所述第二学习完毕模型的每一个第二学习完毕模型，计算所述第一学习完毕模型的生成所需的数据数量。所述输出部针对多个所述第二学习完毕模型的每一个，输出所述第一学习完毕模型的生成所需的所述数据数量。

相关申请的参照

本申请享受以2019年12月27日申请的日本专利申请号2019-238183的优先权，本申请引用该日本专利申请的全部内容。

技术领域

实施方式涉及医用信息处理装置。

背景技术

以往，公开了通过对已有的学习完毕模型进行再学习来新生成学习完毕模型的迁移学习等技术。通过进行这样的迁移学习(Transfer Learning)等，能够以少的数据生成精度高的学习完毕模型。

然而，难以判断针对已有的学习完毕模型中的哪个学习完毕模型进行再学习是有效的。因此，要求一种能够将已有的学习完毕模型各自的再学习所需的数据数量等的成本予以提示的技术。

发明内容

本发明解决的技术问题在于，输出再学习所需的数据数量。

实施方式的医用信息处理装置具备登记部、第一计算部、第二计算部以及输出部。所述登记部登记与新生成的第一学习完毕模型关联的第一关联信息。所述第一计算部针对多个所述第二学习完毕模型计算与已有的第二学习完毕模型关联的第二关联信息与所述第一关联信息的类似度。所述第二计算部基于多个所述第二学习完毕模型的每一个第二学习完毕模型的所述类似度，针对多个所述第二学习完毕模型的每一个第二学习完毕模型，计算所述第一学习完毕模型的生成所需的数据数量。所述输出部针对多个所述第二学习完毕模型的每一个第二学习完毕模型，输出所述第一学习完毕模型的生成所需的所述数据数量。

效果

根据实施方式的医用信息处理装置，能够输出再学习所需的数据数量。

附图说明

图1是表示本实施方式的医用信息处理系统的结构的一例的图。

图2是表示本实施方式的医用信息处理装置的结构的一例的框图。

图3是表示学习完毕模型表的数据结构的一例的图。

图4是表示数据数量的计算方法的一例的图。

图5是表示所需数量的一览的一例的图。

图6是示出了表示相关关系的曲线图的一例的图。

图7是表示本实施方式的医用信息处理装置执行的输出处理的处理顺序的流程图。

图8是表示成为第二实施方式的类似度的计算对象的模型(phantom)图像数据的一例的图。

图9是表示第二实施方式的医用信息处理装置的结构的一例的框图。

图10是表示第三实施方式的医用信息处理装置的结构的一例的框图。

图11是表示得分表的数据结构的一例的图。

图12是表示第四实施方式的医用信息处理装置的结构的一例的框图。

图13是表示按每个精度来表示数据数量与类似度的相关关系的曲线图的一例的图。

图14是表示第五实施方式的医用信息处理装置的结构的一例的框图。

具体实施方式