JP2018032394A - 階層データに基づくデバイス制御 - Google Patents
階層データに基づくデバイス制御 Download PDFInfo
- Publication number
- JP2018032394A JP2018032394A JP2017152896A JP2017152896A JP2018032394A JP 2018032394 A JP2018032394 A JP 2018032394A JP 2017152896 A JP2017152896 A JP 2017152896A JP 2017152896 A JP2017152896 A JP 2017152896A JP 2018032394 A JP2018032394 A JP 2018032394A
- Authority
- JP
- Japan
- Prior art keywords
- features
- integration
- subset
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【解決手段】 幾つかの例では、計算デバイスは、複数のレベルを含む階層構造を有する階層データを受信し得る。計算デバイスは、少なくとも部分的に階層データに基づいて複数の特徴を特定し得、且つ階層構造内の次の上位レベルに統合する候補として、第1のレベルにおける特徴のサブセットを選択し得る。計算デバイスは、特徴のサブセットの統合からの情報の予測損失が閾値未満であると判断し得、且つ特徴のサブセットではなく、次の上位レベルにおける統合特徴を含むように階層構造を改訂し得る。幾つかの例では、統計モデルは、改訂された階層構造に基づいてトレーニングされ得、且つ少なくとも部分的に判断を行い、通知を送信し、及び/又はデバイスを制御するために使用され得る。
【選択図】図1
Description
(1)相互情報:I(y,xi)として示される各xi及びyの間の相互情報を特定すること、
(2)R二乗:r(y,xi)として示される各xiと標的変数yとの間の相関係数を特定すること、又は
(3)クラス間/クラス内比率:標的変数yがカテゴリ変数である場合、各xiのクラス間距離とクラス内距離との比率と特定すること
が挙げられる。
102 サービス計算デバイス
104 患者ロケーション
106 ネットワーク
108 介護者計算デバイス
110 施設計算デバイス
112 プロセッサ
114 通信インタフェース
116 コンピュータ可読媒体
118 管理アプリケーション
120 オペレーティングシステム
122 センサデータ
124 介護者記録
126 統計モデル
128 トレーニングデータ
130 モデル特徴統合情報
132 階層データ構造
134 過去センサデータ
136 過去介護者記録
138 記憶装置
140 患者モニタリングデバイス
142 患者治療デバイス
144 患者デバイスセンサ
146 患者
148 介護者
150 ディスプレイ
152 ディスプレイ
154 通知
156 制御信号
158 判断
200 データ構造
202 第1のレベルの詳細
204 第2のレベルの詳細
206 第3のレベルの詳細
300 ツリーデータ構造
302 レベルゼロノードルート
304 流体IN
306 流体OUT
308 薬剤
310 評価
312 IV流体
314 血液製剤
316 血液
318 尿
320 薬物1
322 薬剤2
324 IV流体
326 状態1重症度
328 状態2重症度
330 モルヒネ
332 生理食塩水
334 成分1
336 成分2
338 薬物1
340 薬物3
400 データ構造
402 観察単位
404 患者ID
406 日付
408 標的変数
410 特徴
502 サブツリー
700 プロセス
800 プロセス
900 プロセス
1000 プロセス
Claims (20)
- 1つ又は複数のプロセッサと、
実行可能命令を保持する1つ又は複数の非一時的コンピュータ可読媒体と
を備え、
前記実行可能命令は、前記1つ又は複数のプロセッサにより実行されると、
複数の階層レベルを含む階層構造を有する階層データを受信することと、
少なくとも部分的に前記階層データに基づいて複数の特徴を特定することと、
前記階層構造内の次の上位レベルに統合する候補として前記特徴のサブセットを選択することと、
前記特徴のサブセットの統合からの情報の予測損失が第1の閾値未満であると判断することと、
前記特徴のサブセットではなく、統合特徴を含むように前記階層構造を改訂することと、
前記統合特徴を含む前記改訂された階層構造に基づいて統計モデルをトレーニングすることと、
データを受信して前記統計モデルに適用することと、
前記統計モデルの出力を特定することと、
計算デバイスへの通知若しくは決定、又は
デバイスを制御する、デバイスへの制御信号
のうちの少なくとも1つを送信することと
を含む動作を実行するように前記1つ又は複数のプロセッサをプログラムする、システム。 - 前記特徴のサブセットの統合からの前記情報の予測損失が第1の閾値未満であると判断する前記動作は、
少なくとも部分的に前記統計モデルの標的変数の特性に基づいて評価関数を選択することと、
統合なしの前記特徴のサブセットに対する前記評価関数の第1の結果と、前記特徴のサブセットを統合した状態での前記評価関数の第2の結果とを計算することと、
前記第1の結果と前記第2の結果との差が前記第1の閾値未満であると判断することと
を含む、請求項1に記載のシステム。 - 前記特徴のサブセットの統合からの前記情報の予測損失が第1の閾値未満であると判断することは、
前記選択された評価関数について、情報の合計損失に対応する第2の閾値を決定することと、
少なくとも部分的に前記第1の結果と前記第2の結果との前記差に基づいて、前記統合での前記情報の予測損失を特定することと、
前記統合での前記情報の予測損失に、前記階層データ内の他の特徴の他の統合での情報の予測損失を加えたものが前記第2の閾値未満であると判断することと
を含む、請求項2に記載のシステム。 - 前記動作は、
少なくとも部分的に、異なる統計モデルの異なる標的変数の特性に基づいて、異なる評価関数を選択することと、
統合なしの前記特徴のサブセットに対する前記異なる評価関数の第1の結果と、前記特徴のサブセットを統合した状態での前記異なる評価関数の第2の結果とを計算することと、
前記異なる評価関数の前記第1の結果と前記異なる評価関数の前記第2の結果との差が別の統合閾値未満であると判断することと
を更に含む、請求項2に記載のシステム。 - 前記動作は、
前記特徴のサブセットではなく、少なくとも1つの統合特徴を含む別の改訂された階層構造を生成するように前記階層構造を改訂することと、
前記他の改訂された階層構造に基づいて異なる統計モデルをトレーニングすることと、
データを受信して前記他の統計モデルに適用することと、
前記他の統計モデルの出力を特定することと
を更に含む、請求項4に記載のシステム。 - 階層データを受信する前記動作は、複数の患者のセンサデータ及び介護者記録を受信することを含み、前記センサデータは、複数の患者デバイスから取得され、且つ前記介護者記録は、介護者デバイスに手動入力される個々の患者に関連するデータを含み、
前記データを受信して前記統計モデルに適用する前記動作は、第1の患者に対応するセンサデータ及び介護者記録を受信することを含み、及び
前記送信する動作は、
前記第1の患者に関連する通知若しくは決定を介護者計算デバイスに送信すること、又は
前記患者デバイスを制御する制御信号を前記第1の患者に関連付けられた患者デバイスに送信すること
のうちの少なくとも1つを含む、請求項1に記載のシステム。 - 前記動作は、
前記特徴のサブセットの1つ又は複数の共通特性に基づいて集約関数を特定することと、
前記集約関数を使用して前記特徴のサブセットを集約することにより、前記集約関数を使用して新しい統合特徴を特定することと、
少なくとも部分的に集約なしの前記特徴のサブセットと前記新しい統合特徴との差に基づいて、前記情報の予測損失を特定することと
を更に含む、請求項1に記載のシステム。 - プロセッサにより、階層構造を有する階層データを受信することと、
少なくとも部分的に前記階層データに基づいて複数の特徴を特定することと、
前記階層構造内で統合する候補として前記特徴のサブセットを選択することと、
前記特徴のサブセットの統合からの情報の予測損失が第1の閾値未満であると判断することと、
前記特徴のサブセットではなく、統合特徴を含むように前記階層構造を改訂することと
を含む、方法。 - 前記統合特徴を含む前記改訂された階層構造に基づいて統計モデルをトレーニングすることと、
データを受信して前記統計モデルに適用することと、
前記統計モデルの出力を特定することと、
前記出力に基づいて少なくとも1つの通信を送信することと
を更に含む、請求項8に記載の方法。 - 前記特徴のサブセットの統合からの前記情報の予測損失が第1の閾値未満であると判断することは、
少なくとも部分的に前記統計モデルの標的変数の特性に基づいて評価関数を選択することと、
統合なしの前記特徴のサブセットに対する前記評価関数の第1の結果と、前記特徴のサブセットを統合した状態での前記評価関数の第2の結果とを計算することと、
前記第1の結果と前記第2の結果との差が前記第1の閾値未満であると判断することと
を含む、請求項8に記載の方法。 - 前記選択された評価関数について、情報の合計損失に対応する第2の閾値を決定することと、
少なくとも部分的に前記第1の結果と前記第2の結果との前記差に基づいて、前記統合での前記情報の予測損失を特定することと、
前記統合での前記情報の予測損失に、前記階層データ内の他の特徴の他の統合での情報の予測損失を加えたものが前記第2の閾値未満であると判断することと
を更に含む、請求項10に記載の方法。 - 少なくとも部分的に、異なる統計モデルの異なる標的変数の特性に基づいて、異なる評価関数を選択することと、
統合なしの前記特徴のサブセットに対する前記異なる評価関数の第1の結果と、前記特徴のサブセットを統合した状態での前記異なる評価関数の第2の結果とを計算することと、
前記異なる評価関数の前記第1の結果と前記異なる評価関数の前記第2の結果との差が別の統合閾値未満であると判断することと
を更に含む、請求項10に記載の方法。 - 前記特徴のサブセットの1つ又は複数の共通特性に基づいて集約関数を特定することと、
前記集約関数を使用して前記特徴のサブセットを集約することにより、前記集約関数を使用して新しい統合特徴を特定することと、
少なくとも部分的に集約なしの前記特徴のサブセットと前記新しい統合特徴との差に基づいて、前記情報の予測損失を特定することと
を更に含む、請求項8に記載の方法。 - 前記統合特徴を他の特徴と統合する場合の情報の予測損失が前記第1の閾値未満であると判断することと、
前記統合特徴の階層レベルの上の階層レベルに前記統合特徴及び前記他の特徴を統合することと
を更に含む、請求項8に記載の方法。 - 1つ又は複数のプロセッサと、
実行可能命令を保持する1つ又は複数の非一時的コンピュータ可読媒体と
を備え、
前記実行可能命令は、前記1つ又は複数のプロセッサにより実行されると、
複数の階層レベルを含む階層構造を有する階層データを受信することと、
少なくとも部分的に前記階層データに基づいて複数の特徴を特定することと、
前記階層構造内の次の上位レベルに統合する候補として前記特徴のサブセットを選択することと、
前記特徴のサブセットの統合からの情報の予測損失が閾値未満であると判断することと、
前記特徴のサブセットではなく、統合特徴を含むように前記階層構造を改訂することと
を行うように前記1つ又は複数のプロセッサをプログラムする、システム。 - 前記1つ又は複数のプロセッサは、
前記改訂された階層構造に基づいて統計モデルをトレーニングすることと、
データを受信して前記統計モデルに適用することと、
前記統計モデルの出力を特定することと、
前記出力に基づいて、デバイスを制御する少なくとも1つの信号を送信することと
を行うように更にプログラムされる、請求項15に記載のシステム。 - 前記特徴のサブセットの統合からの前記情報の予測損失が第1の閾値未満であると判断することは、
少なくとも部分的に前記統計モデルの標的変数の特性に基づいて評価関数を選択することと、
統合なしの前記特徴のサブセットに対する前記評価関数の第1の結果と、前記特徴のサブセットを統合した状態での前記評価関数の第2の結果とを計算することと、
前記第1の結果と前記第2の結果との差が前記第1の閾値未満であると判断することと
を含む、請求項15に記載のシステム。 - 前記1つ又は複数のプロセッサは、
前記選択された評価関数について、情報の合計損失に対応する第2の閾値を決定することと、
少なくとも部分的に前記第1の結果と前記第2の結果との前記差に基づいて、前記統合での前記情報の予測損失を特定することと、
前記統合での前記情報の予測損失に、前記階層データ内の他の特徴の他の統合での情報の予測損失を加えたものが前記第2の閾値未満であると判断することと
を行うように更にプログラムされる、請求項17に記載のシステム。 - 前記1つ又は複数のプロセッサは、
少なくとも部分的に前記候補特徴の1つ又は複数の共通特性に基づいて集約関数を決定することと、
前記集約関数を使用して前記候補特徴を集約することにより、前記集約関数を使用して新しい統合特徴を特定することと、
少なくとも部分的に集約なしの前記候補特徴と前記新しい統合特徴との差に基づいて、前記情報の予測損失を特定することと
を行うように更にプログラムされる、請求項17に記載のシステム。 - 前記1つ又は複数のプロセッサは、
前記統合特徴を他の特徴と統合する場合の情報の予測損失が前記第1の閾値未満であると判断することと、
前記統合特徴の前記階層レベルの上の階層レベルに前記統合特徴及び前記他の特徴を統合することと
を行うように更にプログラムされる、請求項15に記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/246,685 US10692601B2 (en) | 2016-08-25 | 2016-08-25 | Controlling devices based on hierarchical data |
US15/246,685 | 2016-08-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018032394A true JP2018032394A (ja) | 2018-03-01 |
JP6454762B2 JP6454762B2 (ja) | 2019-01-16 |
Family
ID=59699615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017152896A Expired - Fee Related JP6454762B2 (ja) | 2016-08-25 | 2017-08-08 | 階層データに基づくデバイス制御 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10692601B2 (ja) |
EP (1) | EP3291241A1 (ja) |
JP (1) | JP6454762B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019207516A (ja) * | 2018-05-29 | 2019-12-05 | 株式会社日立製作所 | 介護サービス分析システム、介護サービス分析方法、介護サービス分析処理装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10692601B2 (en) * | 2016-08-25 | 2020-06-23 | Hitachi, Ltd. | Controlling devices based on hierarchical data |
US11195601B2 (en) * | 2017-05-31 | 2021-12-07 | International Business Machines Corporation | Constructing prediction targets from a clinically-defined hierarchy |
US11257592B2 (en) * | 2019-02-26 | 2022-02-22 | International Business Machines Corporation | Architecture for machine learning model to leverage hierarchical semantics between medical concepts in dictionaries |
EP3935581A4 (en) | 2019-03-04 | 2022-11-30 | Iocurrents, Inc. | DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING |
JP7489275B2 (ja) * | 2020-09-09 | 2024-05-23 | 株式会社Screenホールディングス | 情報処理装置、情報処理システムおよび情報処理方法 |
CN114510518B (zh) * | 2022-04-15 | 2022-07-12 | 北京快立方科技有限公司 | 一种海量结构化数据的自适应聚合方法、系统及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04184668A (ja) * | 1990-11-20 | 1992-07-01 | Sanyo Electric Co Ltd | ニューラルネットワークにおける教師データの修正方法 |
JPH0668150A (ja) * | 1992-06-02 | 1994-03-11 | Nec Corp | 木構造の末端ノードで発生した値をその上位ノードに高速に集計するコード体系とアルゴリズム |
JP2002189737A (ja) * | 2000-12-21 | 2002-07-05 | Toshiba Corp | データ分析方法および情報処理装置およびプログラム |
WO2002073532A1 (en) * | 2001-03-07 | 2002-09-19 | Rockwell Scientific Company, Llc | Hierarchical characterization of fields from multiple tables with one-to-many relations for comprehensive data mining |
US20020143290A1 (en) * | 1996-08-02 | 2002-10-03 | Tuan Bui | Medical apparatus with remote control |
JP2011227838A (ja) * | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
US20150025405A1 (en) * | 2012-02-17 | 2015-01-22 | Koninklijke Philips N.V. | Acute lung injury (ali)/acute respiratory distress syndrome (ards) assessment and monitoring |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8892490B2 (en) * | 2010-09-22 | 2014-11-18 | Hewlett-Packard Development Company, L.P. | Determining whether a point in a data stream is an outlier using hierarchical trees |
WO2014201515A1 (en) * | 2013-06-18 | 2014-12-24 | Deakin University | Medical data processing for risk prediction |
US10692601B2 (en) * | 2016-08-25 | 2020-06-23 | Hitachi, Ltd. | Controlling devices based on hierarchical data |
US10313422B2 (en) * | 2016-10-17 | 2019-06-04 | Hitachi, Ltd. | Controlling a device based on log and sensor data |
-
2016
- 2016-08-25 US US15/246,685 patent/US10692601B2/en active Active
-
2017
- 2017-08-08 JP JP2017152896A patent/JP6454762B2/ja not_active Expired - Fee Related
- 2017-08-24 EP EP17187788.9A patent/EP3291241A1/en not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04184668A (ja) * | 1990-11-20 | 1992-07-01 | Sanyo Electric Co Ltd | ニューラルネットワークにおける教師データの修正方法 |
JPH0668150A (ja) * | 1992-06-02 | 1994-03-11 | Nec Corp | 木構造の末端ノードで発生した値をその上位ノードに高速に集計するコード体系とアルゴリズム |
US20020143290A1 (en) * | 1996-08-02 | 2002-10-03 | Tuan Bui | Medical apparatus with remote control |
JP2002189737A (ja) * | 2000-12-21 | 2002-07-05 | Toshiba Corp | データ分析方法および情報処理装置およびプログラム |
WO2002073532A1 (en) * | 2001-03-07 | 2002-09-19 | Rockwell Scientific Company, Llc | Hierarchical characterization of fields from multiple tables with one-to-many relations for comprehensive data mining |
JP2006503597A (ja) * | 2002-01-03 | 2006-02-02 | バクスター・インターナショナル・インコーポレイテッド | リモート制御による医療装置 |
JP2011227838A (ja) * | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
US20150025405A1 (en) * | 2012-02-17 | 2015-01-22 | Koninklijke Philips N.V. | Acute lung injury (ali)/acute respiratory distress syndrome (ards) assessment and monitoring |
JP2015513724A (ja) * | 2012-02-17 | 2015-05-14 | コーニンクレッカ フィリップス エヌ ヴェ | 急性肺損傷(ali)/急性呼吸窮迫症候群(ards)アセスメント及びモニタリング |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019207516A (ja) * | 2018-05-29 | 2019-12-05 | 株式会社日立製作所 | 介護サービス分析システム、介護サービス分析方法、介護サービス分析処理装置 |
JP7109995B2 (ja) | 2018-05-29 | 2022-08-01 | 株式会社日立製作所 | 介護サービス分析システム、介護サービス分析方法、介護サービス分析処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6454762B2 (ja) | 2019-01-16 |
US20180060513A1 (en) | 2018-03-01 |
EP3291241A1 (en) | 2018-03-07 |
US10692601B2 (en) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6454762B2 (ja) | 階層データに基づくデバイス制御 | |
US10313422B2 (en) | Controlling a device based on log and sensor data | |
Muthu et al. | IOT based wearable sensor for diseases prediction and symptom analysis in healthcare sector | |
Kaur et al. | A healthcare monitoring system using random forest and internet of things (IoT) | |
Zhang | ATTAIN: Attention-based time-aware LSTM networks for disease progression modeling. | |
US20160364544A1 (en) | Diagnostic support systems using machine learning techniques | |
Alazab et al. | Digital twins for healthcare 4.0—Recent advances, architecture, and open challenges | |
CA3015838A1 (en) | System and method for monitoring brain health status | |
CN108366763A (zh) | 用于评估精神状态的方法和系统 | |
Priyadharsan et al. | Patient health monitoring using IoT with machine learning | |
EP3287918B1 (en) | Managing patient devices based on sensor data | |
CA2942983C (en) | System and method for managing illness outside of a hospital environment | |
EP3599616A1 (en) | System and method for providing a medical data structure for a patient | |
Massaro et al. | Decisional support system with artificial intelligence oriented on health prediction using a wearable device and big data | |
US11710572B2 (en) | Experience engine-method and apparatus of learning from similar patients | |
WO2022197319A1 (en) | Method and system to integrate data, analyze and develop improved care plan for a patient at home | |
Ahn et al. | Machine learning–based hospital discharge prediction for patients with cardiovascular diseases: Development and usability study | |
US20230042330A1 (en) | A tool for selecting relevant features in precision diagnostics | |
WO2022216220A1 (en) | Method and system for personalized prediction of infection and sepsis | |
US20220415462A1 (en) | Remote monitoring methods and systems for monitoring patients suffering from chronical inflammatory diseases | |
Widodo et al. | Optimization of healthcare problem using swarm intelligence: a review | |
Martinez et al. | Big data and machine learning: a way to improve outcomes in population health management | |
Palanivel Rajan et al. | AI role in making IoT-based medical devices a success | |
Magaletti et al. | Wearable Smart Sensors for Health Security in Transport: The Case of Study of Diabetic Risk Management Thought Advanced Data Analysis Approaches Integrated into Enterprise Process Models | |
Kaliappan et al. | The Healthcare Internet of Things as a Paradigm Shift in Hospital Management, Patient Care, and Medical Data Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180904 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181029 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6454762 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |