[发明专利]种类判别装置、种类判别方法、种类判别程序及药剂分类装置

说明书

计算机(60)具备特征提取部(64)和判别部(65)；特征提取部基于将拍摄种类不明的对象药剂而得到的拍摄图像(82)输入于以提取药剂上形成的标记的方式构建的已学习模型(84)中而获得的输出值，生成提取了拍摄图像中映现的标记而得的提取标记图像(83)；判别部基于提取标记图像与按药剂种类预先登记的登记标记图像的对照结果，判别对象药剂的种类。

技术领域

本发明涉及一种使用拍摄药剂而得到的图像来判别该药剂的种类的种类判别装置等。另外，本发明还涉及一种将药剂按其种类进行分类的药剂分类装置。

背景技术

以往，被退回的多种药剂，是由药剂师或医生用手按其种类进行分类。被退回的药剂是对各个患者开处方或已开处方的调剂后的药剂。因此，与根据一个患者单位的处方信息，从在调剂设备等中预先以药剂种类单位集中的药种组(药剂盒)，按每一服用时期单位将(一种或多种)药剂(片剂)汇集(分包)的调剂业务相比，向多位患者开出的药剂集中被退回的药剂种类是非常多的。因此，自动分类被退回的药剂并再次利用的有用性是较高的。

在药剂的自动分类中，需要根据拍摄药剂而得到的图像判别该药剂的种类，该种类判别中的较大线索之一是药剂上形成的标记。另外，标记中还包含刻印的标记和打印的标记。另外，标记的内容也各种各样，例如可以举出图形、记号、文字及数字。

另外，在专利文献2中，公开了实现药剂自动分类的药剂分类装置。在专利文献2的药剂分类装置中，对收纳于第一收纳部的多种药剂逐个进行拍摄，基于摄像得到的图像判别药剂种类，并基于该判断结果在第二收纳部中按其种类进行分类。

【现有技术文献】

【专利文献】

专利文献1：日本专利，特开2020-052627号公报

专利文献2：国际公开2018/190394号公报

发明内容

(发明所要解决的课题)

很难高精度地进行基于标记的药剂种类判别。这是因为：如上所述，标记的内容是多样的，并且，拍摄图像中的标记外观，会根据拍摄时光对药剂的照射方式等不同而发生变化。

在此，现有技术中已知有使用机器学习的图像处理技术。例如，在上述专利文献1中，公开了医疗领域中使用已学习模型，对基于图像的病症判断进行支援等。更为详细而言，在专利文献1中公开了如下验证系统：根据向已学习模型的输入层输入的医用信息，基于存储部所存储的运算结果相关的信息和已学习模型的中间层输出的运算结果，判断已学习模型的输出层输出的判别结果的妥当性。根据该验证系统，能够验证上述判别结果的妥当性。

如果对药剂的种类判别应用已学习模型，则能够期待判别精度的提高。然而，在使用用于判别药剂种类的已学习模型的情况下，存在难以解释判别结果的依据的问题，换言之，难以呈现判别结果的证据的问题。例如，在未学习的药剂图像被输入判别药剂种类的已学习模型中的情况下，很难预测会输出怎样的判别结果。并且，在判别结果错误的情况下，在医疗现场需要该判别结果的证据。然而，在使用了上述那样的已学习模型的情况下，很难提供证据。

另外，如上所述，由于形成于药剂上的标记的内容多种多样，因此还存在如下问题：为了构建学习了这些全部标记的已学习模型，需要费用、人工、时间等很大的成本。

本发明的一个形态的目的在于实现一种判别药剂种类的种类判别装置，该种类判别装置能够提示判别结果的证据，并且能够应对多种标记。

另外，在专利文献2的药剂分类装置中，没有限定第一收纳部中收纳的药剂种类数。另一方面，能够收纳于第二收纳部的药剂的种类数被限定。因此，当超过第二收纳部可收纳的种类数的药剂收纳于第一收纳部时，即使判别出了种类，也会出现第二收纳部无法收纳的药剂。在专利文献2的药剂分类装置中，对于不能收纳在第二收纳部的药剂，使其暂且在与第二收纳部不同的待机位置(待机托盘)处等待向第二收纳部的分类。