INFORMATION PROCESSING SYSTEM AND COMPUTER PROGRAM

A class registration unit 32 accepts registration of a plurality of classes corresponding to normal or abnormal attributes. A model generation unit 36 generates a function approximator by learning based on a plurality of training images corresponding to one of the plurality of classes. An estimation unit 38 estimates, using the functional approximator, a point in each of a plurality of evaluation images registered as having a normal or an abnormal subject imaged therein, that falls under the respective class. A determination unit 40 determines whether the subject in each evaluation image is normal or abnormal, on the basis of the result of having synthesized points in each evaluation image that fall under a class corresponding to the abnormal attribute. An evaluation unit 42 evaluates the function approximator on the basis of whether each evaluation image was registered as having one of normal and abnormal subjects imaged therein, and the result of determination of whether the subject in each evaluation image is normal or abnormal. L'invention concerne une unité d'enregistrement de classe 32 qui accepte l'enregistrement d'une pluralité de classes correspondant à des attributs normaux ou anormaux. Une unité de génération de modèle 36 génère un approximateur de fonction par apprentissage sur la base d'une pluralité d'images d'entraînement correspondant à l'une de la pluralité de classes. Une unité d'estimation 38 estime, à l'aide de l'approximateur fonctionnel, un point dans chaque image d'une pluralité d'images d'évaluation enregistrées comme ayant un sujet normal ou un sujet anormal imagé dans celle-ci, qui tombe dans la classe respective. Une unité de détermination 40 détermine si le sujet dans chaque image d'évaluation est normal ou anormal, sur la base du résultat de la synthétisation de points dans chaque image d'évaluation qui tombent dans une classe correspondant à l'attribut anormal. Une unité d'évaluation 42 évalue l'approximateur de fonction sur la base du fait que chaque image d'évaluation a été enregistrée comme ayant l'un des sujets normal et anormal imagés dans celle-ci et que le résultat de la détermination du fait que le sujet dans chaque image d'évaluation est normal ou anormal. クラス登録部３２は、正常属性または異常属性に対応する複数のクラスの登録を受け付ける。モデル生成部３６は、複数のクラスのいずれかに対応する複数の訓練画像に基づく学習により関数近似器を生成する。推定部３８は、関数近似器を用いて、正常な被写体または異常な被写体が写るものとして登録された複数の評価画像のそれぞれにおける各クラスに該当する箇所を推定する。判定部４０は、各評価画像において異常属性に対応するクラスに該当する箇所を合成した結果をもとに、各評価画像の被写体が正常か異常かを判定する。評価部４２は、各評価画像が正常な被写体と異常な被