徳山小学校の6年生に対して、個人情報の取り扱い方をテーマとしたネットリテラシーの授業を実施した。コメントスクリーンを活用し、リアルタイムで学生の質問・意見を授業に取り入れた。

Word, Excel, PowerPointの使い方、Gmailを用いたメール送信時のマナー、情報リテラシーについての授業を担当した。授業支援ツールであるGoogle Classroomを活用し、オンラインでの課題の提出確認や授業についての連絡も行った。

パターン認識、情報倫理の授業において、学部学生に対する演習等の教育補助業務を担当した。主としてC言語を用いた統計解析アルゴリズムの実装の演習時にアルゴリズムやフローチャートに関するアドバイスを行い、学生の授業に対する理解度の向上に努めた。

複数の多肢選択式の問題ごとに対応する複数の選択肢の中から前記選択肢を少なくとも1つ選択して答える複数の解答者の分類を支援する情報処理装置であって、 前記解答者ごとに、前記解答者に選択された前記選択肢に対応する選択肢情報が関連付けられて、前記解答者ごとの選択肢情報群として記憶される記憶部と、 前記選択肢情報に基づいて、前記解答者に選択された前記選択肢が特定選択肢か否かを決定する決定部と、 前記記憶部に記憶された前記解答者ごとの前記選択肢情報群に基づいて、前記問題ごとの前記選択肢情報が前記解答者それぞれの間で一致するか否かを判定し、判定結果を前記記憶部に記憶する判定部と、 を有してなり、 複数の前記選択肢は、 前記判定部の判定に用いられる複数の前記特定選択肢、 を含み、 前記選択肢情報は、 前記特定選択肢に対応する特定選択肢情報、 を含み、 前記判定部は、前記選択肢情報群に含まれる前記特定選択肢情報のみにより、前記問題ごとの前記選択肢情報が前記解答者それぞれの間で一致するか否かを判定する、 ことを特徴とする情報処理装置。

複数の検査項目それぞれの検査データに基づいて、前記検査項目の検査を受けた1の第1対象者と、前記検査項目の前記検査を受けた1または複数の第2対象者と、の間の類似度を算出する情報処理装置であって、 前記第1対象者の前記検査項目ごとの前記検査データと、前記第2対象者の前記検査項目ごとのヒストグラムと、を記憶する記憶部と、 前記第1対象者の前記検査項目ごとの前記検査データと、前記第2対象者の前記検査項目ごとの前記ヒストグラムと、に基づいて、前記類似度を算出する類似度算出部と、 を有してなり、 前記検査データは、定量的データと、定性的データと、を含み、 前記ヒストグラムは、 前記第2対象者の前記検査項目ごとの前記検査データが属する複数の区間、を有すると共に、 前記検査データが前記定量的データのとき、前記第2対象者の前記定量的データが取り得る値の範囲が互いに重ならないように区分けされた複数の前記区間それぞれに属する前記第2対象者の存在確率を有し、 前記検査データが前記定性的データのとき、前記第2対象者の前記定性的データが取り得る各状態に対応する複数の前記区間それぞれに属する前記第2対象者の存在確率を有する、 ことを特徴とする情報処理装置。

等時間間隔で撮影された複数の静止画像において被写体のサイズの変化を定量的に評価するための指標である評価量を算出する情報処理装置であって、 複数の前記静止画像を記憶する記憶部と、 前記記憶部に記憶されている前記静止画像それぞれに撮像されている前記被写体の前記サイズを算出するサイズ算出部と、 連続して撮影された2つの前記静止画像それぞれにおける前記サイズに基づいて、前記被写体ごとの前記評価量を算出する評価量算出部と、 を有してなり、 2つの前記静止画像は、 第1静止画像と、 前記第1静止画像よりも後に撮影された第2静止画像と、 を含み、 前記評価量算出部は、前記第1静止画像における前記被写体の前記サイズと前記第2静止画像における前記被写体の前記サイズとの和に対する、前記第2静止画像における前記被写体の前記サイズの比に基づいて、前記被写体ごとの前記評価量を算出する、 ことを特徴とする情報処理装置。

被検対象における50歳未満発症うつ病の罹患の有無を予測する方法であって、以下の工程(a)〜(c)を順次備えたことを特徴とする方法。 (a)被検対象から採取された生体試料中のゲノムDNAを抽出する工程; (b)工程(a)により得られたゲノムDNAにおける以下の(i)〜(iii)のいずれかのシトシンのメチル化程度を測定する工程; (i)ヒト第16染色体の塩基配列中の第72058938位のシトシン (ii)ヒト第17染色体の塩基配列中の第57642749位のシトシン (iii)ヒト第5染色体の塩基配列中の第160974837位のシトシン (c)工程(b)で測定した(i)〜(iii)のいずれかのメチル化程度に基づき、被検対象における50歳未満発症うつ病の罹患の有無を予測する工程

被撮影者の口から出る舌の画像を取得する撮像装置であって、 前記口の周辺の画像である口元画像を表示する画像表示部と、 前記口元画像に、前記舌の撮像範囲を示すターゲットスコープ画像を重畳して前記画像表示部に表示する重畳表示部と、 前記画像表示部に表示されている画像のうち、前記ターゲットスコープ画像に基づいて設定される領域の画像を範囲画像として撮像する撮像部と、 を有してなり、 前記ターゲットスコープ画像は、 前記舌が出る前の前記口に位置づけられる第1ガイド画像と、 前記口から出た前記舌に位置づけられる第2ガイド画像と、 を含む、 ことを特徴とする撮像装置。

属するクラスが既知である複数の個体それぞれからマーカーごとに観測された観測データに基づいて、特定クラスと非特定クラスとにより構成される2クラス問題における前記マーカーそれぞれの有用性を示す前記マーカーごとの評価量を算出する情報処理装置であって、 複数の前記マーカーの中から1のマーカーを処理マーカーとして取得する取得部と、 前記処理マーカーに関する複数の前記個体それぞれからの前記観測データに基づいて、前記処理マーカーにおける前記特定クラスのヒストグラムを特定ヒストグラムとして生成し、前記処理マーカーにおける前記非特定クラスのヒストグラムを非特定ヒストグラムとして生成するヒストグラム生成部と、 前記特定ヒストグラムと前記非特定ヒストグラムとに基づいて、前記処理マーカーの前記評価量を算出する評価量算出部と、 を有してなる、 ことを特徴とする情報処理装置。

入力データに対応する判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標に基づいて判定する情報処理装置であって、 前記複数の指標のそれぞれは、複数の区分を含み、 前記判定対象に対応する入力データと、複数の見本対象のそれぞれに対応する複数の見本データと、が記憶される記憶部と、 前記入力データが該当する前記指標ごとの区分に基づいて、前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、 を有してなり、 前記入力データは、前記入力データが該当する前記複数の指標ごとの区分を示す指標情報、を含み、 前記見本データは、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本対象が前記特定分類に属するか否かを示す分類情報と、を含み、 前記分類判定部は、 前記見本データの前記指標情報と前記見本データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標の区分ごとの第1条件付確率と、前記複数の分類のうち前記特定分類ではない非特定分類が生起したときの前記指標の区分ごとの第2条件付確率と、を算出し、 前記入力データの前記指標情報と、前記第1条件付確率と、前記第2条件付確率とに基づいて、前記判定対象が前記特定分類に属するか否かを決定する、 ことを特徴とする情報処理装置。

入力データに対応する判定対象が、複数の分類の中の特定分類に属するか否かを、複数の指標の中から選択された選択指標に基づいて判定する情報処理装置であって、 前記複数の指標のそれぞれは、複数の区分を含み、 前記複数の指標の中から前記選択指標を選択する指標選択部と、 前記入力データが該当する前記選択指標に含まれる指標ごとの区分に基づいて、前記入力データに対応する前記判定対象が前記特定分類に属するか否かを決定する分類判定部と、 を有してなり、 前記選択指標の選択に用いられる複数の見本対象のそれぞれに対応する複数の見本データごとの、前記見本データが該当する前記複数の指標ごとの区分を示す指標情報と、前記見本データに対応する前記見本対象が前記特定分類に属するか否かを示す分類情報と、が記憶される記憶部、 を備え、 前記指標選択部は、 (a)前記複数の見本データのうち、一部の見本データを訓練データとして抽出し、他の一部の見本データを評価データとして抽出する、見本データ抽出部と、 (b)前記複数の指標のいずれかの組合せで構成される指標群ごとに、 前記訓練データの前記指標情報と、前記訓練データの前記分類情報と、前記評価データの前記指標情報と、を用いて、前記評価データに対応する前記見本対象が前記特定分類に属するか否かを推定し、 前記評価データの前記分類情報を用いて、前記推定の当否を判定する、 分類推定部と、 (c)前記指標群ごとの前記推定の当否の判定結果に基づいて、前記選択指標を決定する、指標決定部と、 を備え、 前記分類推定部は、 (b-1)前記訓練データの前記指標情報と前記訓練データの前記分類情報とを用いて前記複数の分類ごとに集計された前記指標ごとの各区分に属する見本データの数に基づいて、前記特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第1条件付確率と、前記非特定分類が生起したときの前記指標群に含まれる指標の区分ごとの第2条件付確率と、を算出し、 (b-2)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類が生起する第1事前確率と、前記第1条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記特定分類に属する第1事後確率を算出し、 (b-3)前記評価データの前記指標情報と、前記複数の分類のうち前記特定分類ではない非特定分類が生起する第2事前確率と、前記第2条件付確率と、に基づいて、前記評価データに対応する前記見本対象が前記非特定分類に属する第2事後確率を算出し、 (b-4)前記第1事後確率と前記第2事後確率とを比較して、前記評価データに対応する前記見本対象が前記特定分類に属するか否かの推定の結果を示す推定情報を出力し、 (b-5)前記評価データの前記推定情報と前記評価データの前記分類情報とを比較して、前記推定の当否の判定結果を示す判定情報を出力し、 前記指標決定部は、 (c-1)前記指標群ごとの前記判定情報のうち、所定の条件を満たす判定情報に対応する指標群を特定し、 (c-2)前記特定された指標群に含まれる指標を前記選択指標として決定する、 ことを特徴とする情報処理装置。

漢方医学では、古来より、舌診により病態を把握し、未病診断を行ってきた。しかし、舌所見は多様かつ複雑であり、医師は自身の経験を元 に主観的に診断するため、医師の経験によって読影結果に差が生じ、舌診結果は客観性が低いという根本的な課題がある。この課題の解決には 信頼性の高い効率的な舌診教育法の開発と普及が急務である。 　そこで、本研究ではこれまで開発を続けてきたコンピュータによる舌の診断技術を活用した舌診教育法を開発する。医師の診断は人間の主観 的な評価に基づくため、たとえ漢方専門医であっても診断結果にばらつきが生じるのに対し、コンピュータによる舌診の結果は、舌の色調や形 態を数値化したデータに基づくものであるため客観性が高い。このコンピュータによる舌診技術をeラーニングを用いた舌診教育に組み込むこ とで、標準化された教育効果の高い漢方医学教育の発展に寄与することを目的とする。