JP2020042659A - 認知症予測装置、予測モデル生成装置および認知症予測用プログラム - Google Patents
認知症予測装置、予測モデル生成装置および認知症予測用プログラム Download PDFInfo
- Publication number
- JP2020042659A JP2020042659A JP2018170847A JP2018170847A JP2020042659A JP 2020042659 A JP2020042659 A JP 2020042659A JP 2018170847 A JP2018170847 A JP 2018170847A JP 2018170847 A JP2018170847 A JP 2018170847A JP 2020042659 A JP2020042659 A JP 2020042659A
- Authority
- JP
- Japan
- Prior art keywords
- dementia
- index value
- prediction
- unit
- sentence
- 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
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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurology (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Social Psychology (AREA)
- Software Systems (AREA)
- Neurosurgery (AREA)
- Computing Systems (AREA)
Abstract
Description
以下、本発明による第1の実施形態を図面に基づいて説明する。図1は、第1の実施形態による認知症予測装置の機能構成例を示すブロック図である。第1の実施形態による認知症予測装置は、その機能構成として、学習用データ入力部10、単語抽出部11A、ベクトル算出部12A、指標値算出部13A、予測モデル生成部14A、予測用データ入力部20および認知症予測部21Aを備えて構成されている。ベクトル算出部12Aは、より具体的な機能構成として、文章ベクトル算出部121および単語ベクトル算出部122を備えている。また、本実施形態の認知症予測装置は、記憶媒体として、予測モデル記憶部30Aを備えている。なお、以下の説明の便宜上、単語抽出部11A、ベクトル算出部12Aおよび指標値算出部13Aで構成される部分を関係性指標値算出部100Aと称する。
a11・dw11+a12・dw12+・・・a1n・dw1n≒MMSEの既知のスコア
となるように重み付けの値{a11,a12,・・・,a1n}を特徴量として算出する。また、指標値行列DWの2行目に含まれるn個の関係性指標値dw21〜dw2nから成る2つ目の文章d2の文章指標値群に関して、
a21・dw21+a22・dw22+・・・a2n・dw2n≒MMSEの既知のスコア
となるように重み付けの値{a21,a22,・・・,a2n}を特徴量として算出する。以下同様に、m個目の文章dmの文章指標値群に関して、
am1・dwm1+am2・dwm2+・・・amn・dwmn≒MMSEの既知のスコア
となるように重み付けの値{am1,am2,・・・,amn}を特徴量として算出する。そして、これらの特徴量がそれぞれMMSEの既知のスコアに関連付けられるような予測モデルを生成する。
次に、本発明による第2の実施形態を図面に基づいて説明する。図4は、第2の実施形態による認知症予測装置の機能構成例を示すブロック図である。この図4において、図1に示した符号と同一の符号を付したものは同一の機能を有するものであるので、ここでは重複する説明を省略する。
次に、本発明による第3の実施形態を図面に基づいて説明する。図7は、第3の実施形態による認知症予測装置の機能構成例を示すブロック図である。この図7において、図4に示した符号と同一の符号を付したものは同一の機能を有するものであるので、ここでは重複する説明を省略する。第3の実施形態は、第1の実施形態で説明した文章ベクトルと単語ベクトルとから算出する指標値行列DWと、第2の実施形態で説明した文章ベクトルと品詞ベクトルとから算出する指標値行列DHとの両方を用いるものである。
次に、本発明による第4の実施形態を図面に基づいて説明する。図9は、第4の実施形態による認知症予測装置の機能構成例を示すブロック図である。この図9において、図1に示した符号と同一の符号を付したものは同一の機能を有するものであるので、ここでは重複する説明を省略する。なお、以下では、第1の実施形態に対する変形例として第4の実施形態を説明するが、図10(a)、(b)にそれぞれ示すように第2の実施形態に対する変形例または第3の実施形態に対する変形例としても同様に第4の実施形態を適用することが可能である。
次に、本発明による第5の実施形態を図面に基づいて説明する。図11は、第5の実施形態による認知症予測装置の機能構成例を示すブロック図である。この図11において、図1に示した符号と同一の符号を付したものは同一の機能を有するものであるので、ここでは重複する説明を省略する。なお、以下では、第1の実施形態に対する変形例として第5の実施形態を説明するが、第2の実施形態〜第4の実施形態の何れかに対する変形例としても同様に第5の実施形態を適用することが可能である。
11A 単語抽出部(要素抽出部)
11B 品詞抽出部(要素抽出部)
12A〜12E ベクトル算出部
121 文章ベクトル算出部(要素ベクトル算出部)
122 単語ベクトル算出部(要素ベクトル算出部)
123 品詞ベクトル算出部(要素ベクトル算出部)
13A〜13C 指標値算出部
14A〜14E 予測モデル生成部
15 次元圧縮部
20 予測用データ入力部
21A〜21E 認知症予測部
30A〜30E 予測モデル記憶部
100A〜100E 関係性指標値算出部
Claims (18)
- 認知症の重症度が既知である複数人の患者が行った自由会話の内容をそれぞれ表した複数の文章を学習用データとして入力する学習用データ入力部と、
上記学習用データ入力部により上記学習用データとして入力された上記複数の文章を形態素解析し、当該複数の文章から複数の分解要素を抽出する要素抽出部と、
上記複数の文章をそれぞれ所定のルールに従ってq次元(qは2以上の任意の整数)にベクトル化することにより、q個の軸成分から成る複数の文章ベクトルを算出する文章ベクトル算出部と、
上記複数の分解要素をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成る複数の要素ベクトルを算出する要素ベクトル算出部と、
上記複数の文章ベクトルと上記複数の要素ベクトルとの内積をそれぞれとることにより、上記複数の文章および上記複数の分解要素間の関係性を反映した関係性指標値を算出する指標値算出部と、
上記指標値算出部により算出された上記関係性指標値を用いて、1つの文章について複数の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成する予測モデル生成部と、
予測対象とする患者が行った自由会話の内容を表した文章を予測用データとして入力する予測用データ入力部と、
上記予測用データ入力部により入力された上記予測用データに対して上記要素抽出部、上記文章ベクトル算出部、上記要素ベクトル算出部および上記指標値算出部の処理を実行することによって得られる関係性指標値を、上記予測モデル生成部により生成された上記予測モデルに適用することにより、上記予測対象とする患者について上記認知症の重症度を予測する認知症予測部とを備えたことを特徴とする認知症予測装置。 - 上記学習用データ入力部は、認知症の重症度が既知であるm人(mは2以上の任意の整数)の患者が行った自由会話の内容をそれぞれ表したm個の文章を上記学習用データとして入力し、
上記要素抽出部は、上記学習用データ入力部により上記学習用データとして入力された上記m個の文章を解析し、当該m個の文章からn個(nは2以上の任意の整数)の単語を抽出する単語抽出部であり、
上記文章ベクトル算出部は、上記m個の文章をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るm個の文章ベクトルを算出し、
上記要素ベクトル算出部は、上記n個の単語をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るn個の単語ベクトルを算出する単語ベクトル算出部であり、
上記指標値算出部は、上記m個の文章ベクトルと上記n個の単語ベクトルとの内積をそれぞれとることにより、上記m個の文章および上記n個の単語間の関係性を反映したm×n個の関係性指標値を算出し、
上記予測モデル生成部は、上記指標値算出部により算出された上記m×n個の関係性指標値を用いて、1つの文章についてn個の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成し、
上記予測用データ入力部は、予測対象とするm’人(m’は1以上の任意の整数)の患者が行った自由会話の内容をそれぞれ表したm’個の文章を予測用データとして入力し、
上記認知症予測部は、上記予測用データ入力部により入力された上記予測用データに対して上記単語抽出部、上記文章ベクトル算出部、上記単語ベクトル算出部および上記指標値算出部の処理を実行することによって得られる関係性指標値を、上記予測モデル生成部により生成された上記予測モデルに適用することにより、上記予測対象とするm’人の患者について上記認知症の重症度を予測することを特徴とする請求項1に記載の認知症予測装置。 - 上記学習用データ入力部は、認知症の重症度が既知であるm人(mは2以上の任意の整数)の患者が行った自由会話の内容をそれぞれ表したm個の文章を上記学習用データとして入力し、
上記要素抽出部は、上記学習用データ入力部により上記学習用データとして入力された上記m個の文章を解析し、当該m個の文章からp個(pは2以上の任意の整数)の品詞を抽出する品詞抽出部であり、
上記文章ベクトル算出部は、上記m個の文章をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るm個の文章ベクトルを算出し、
上記要素ベクトル算出部は、上記p個の品詞をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るp個の品詞ベクトルを算出する品詞ベクトル算出部であり、
上記指標値算出部は、上記m個の文章ベクトルと上記p個の品詞ベクトルとの内積をそれぞれとることにより、上記m個の文章および上記p個の品詞間の関係性を反映したm×p個の関係性指標値を算出し、
上記予測モデル生成部は、上記指標値算出部により算出された上記m×p個の関係性指標値を用いて、1つの文章についてp個の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成し、
上記認知症予測部は、上記予測用データ入力部により入力された上記予測用データに対して上記品詞抽出部、上記文章ベクトル算出部、上記品詞ベクトル算出部および上記指標値算出部の処理を実行することによって得られる関係性指標値を、上記予測モデル生成部により生成された上記予測モデルに適用することにより、上記予測対象とするm’人の患者について上記認知症の重症度を予測することを特徴とする請求項1に記載の認知症予測装置。 - 上記学習用データ入力部は、認知症の重症度が既知であるm人(mは2以上の任意の整数)の患者が行った自由会話の内容をそれぞれ表したm個の文章を上記学習用データとして入力し、
上記要素抽出部は、上記学習用データ入力部により上記学習用データとして入力された上記m個の文章を解析し、当該m個の文章からn個(nは2以上の任意の整数)の単語を抽出する単語抽出部と、上記学習用データ入力部により上記学習用データとして入力された上記m個の文章を解析し、当該m個の文章からp個(pは2以上の任意の整数)の品詞を抽出する品詞抽出部とを含み、
上記文章ベクトル算出部は、上記m個の文章をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るm個の文章ベクトルを算出し、
上記要素ベクトル算出部は、上記n個の単語をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るn個の単語ベクトルを算出する単語ベクトル算出部と、上記p個の品詞をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成るp個の品詞ベクトルを算出する品詞ベクトル算出部とを含み、
上記指標値算出部は、上記m個の文章ベクトルと上記n個の単語ベクトルとの内積をそれぞれとることにより、上記m個の文章および上記n個の単語間の関係性を反映したm×n個の関係性指標値を算出するとともに、上記m個の文章ベクトルと上記p個の品詞ベクトルとの内積をそれぞれとることにより、上記m個の文章および上記p個の品詞間の関係性を反映したm×p個の関係性指標値を算出し、
上記予測モデル生成部は、上記指標値算出部により算出された上記m×n個の関係性指標値および上記m×p個の関係性指標値を用いて、1つの文章についてn個の関係性指標値から成る文章指標値群およびp個の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成し、
上記認知症予測部は、上記予測用データ入力部により入力された上記予測用データに対して上記単語抽出部、上記品詞抽出部、上記文章ベクトル算出部、上記単語ベクトル算出部、上記品詞ベクトル算出部および上記指標値算出部の処理を実行することによって得られる上記関係性指標値を、上記予測モデル生成部により生成された上記予測モデルに適用することにより、上記予測対象とするm’人の患者について上記認知症の重症度を予測することを特徴とする請求項1に記載の認知症予測装置。 - 上記指標値算出部により算出された上記関係性指標値に対して所定の次元圧縮処理を行うことにより、次元圧縮された関係性指標値を算出する次元圧縮部を更に備え、
上記予測モデル生成部は、上記次元圧縮部により次元圧縮された関係性指標値を用いて、1つの文章について複数の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成し、
上記認知症予測部は、上記指標値算出部により算出された関係性指標値に対して更に上記次元圧縮部の処理を実行することによって得られる関係性指標値を、上記予測モデル生成部により生成された上記予測モデルに適用することにより、上記予測対象とする患者について上記認知症の重症度を予測することを特徴とする請求項1〜4の何れか1項に記載の認知症予測装置。 - 上記予測モデル生成部は、上記文章指標値群について上記認知症の重症度と関連のある特徴量を算出し、当該算出した特徴量に基づいて、上記文章指標値群から上記認知症の重症度を予測するための上記予測モデルを生成することを特徴とする請求項1〜5の何れか1項に記載の認知症予測装置。
- 上記予測モデル生成部は、上記文章指標値群に対し、重み付け計算により得られる値が上記認知症の重症度を表す既知の値に近づくように所定の重み付け計算を行い、上記文章指標値群に対する重み付けの値を上記特徴量として用いて、上記文章指標値群から上記認知症の重症度を予測するための上記予測モデルを生成することを特徴とする請求項6に記載の認知症予測装置。
- 上記学習用データ入力部は、上記認知症の複数の評価項目ごとに重症度が既知である複数人の患者が行った自由会話の内容をそれぞれ表した複数の文章を学習用データとして入力し、
上記予測モデル生成部は、上記文章指標値群をもとに上記認知症の上記評価項目ごとの重症度を予測するための予測モデルを生成し、
上記認知症予測部は、上記予測対象とする患者について上記認知症の上記評価項目ごとの重症度を予測することを特徴とする請求項1〜5の何れか1項に記載の認知症予測装置。 - 上記予測モデル生成部は、上記文章指標値群について上記認知症の上記評価項目ごとの重症度と関連のある特徴量を上記評価項目ごとに算出し、当該算出した特徴量に基づいて、上記文章指標値群から上記認知症の上記評価項目ごとの重症度を予測するための上記予測モデルを生成することを特徴とする請求項8に記載の認知症予測装置。
- 上記予測モデル生成部は、上記文章指標値群に対し、上記評価項目ごとに、重み付け計算により得られる値が上記認知症の上記評価項目ごとの重症度を表す既知の値に近づくように所定の重み付け計算を行い、上記文章指標値群に対する重み付けの値を上記評価項目ごとの上記特徴量として用いて、上記文章指標値群から上記認知症の上記評価項目ごとの重症度を予測するための上記予測モデルを生成することを特徴とする請求項9に記載の認知症予測装置。
- 上記認知症の重症度は、ミニメンタルステート検査のスコアの値であることを特徴とする請求項1〜10の何れか1項に記載の認知症予測装置。
- 上記認知症の重症度は、ミニメンタルステート検査のスコアの最大値未満かつ2以上の数で分類したカテゴリであることを特徴とする請求項1〜10の何れか1項に記載の認知症予測装置。
- 認知症の重症度が既知である複数人の患者が行った自由会話の内容をそれぞれ表した複数の文章を学習用データとして入力する学習用データ入力部と、
上記学習用データ入力部により上記学習用データとして入力された上記複数の文章を形態素解析し、当該複数の文章から複数の分解要素を抽出する要素抽出部と、
上記複数の文章をそれぞれ所定のルールに従ってq次元(qは2以上の任意の整数)にベクトル化することにより、q個の軸成分から成る複数の文章ベクトルを算出する文章ベクトル算出部と、
上記複数の分解要素をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成る複数の要素ベクトルを算出する要素ベクトル算出部と、
上記複数の文章ベクトルと上記複数の要素ベクトルとの内積をそれぞれとることにより、上記複数の文章および上記複数の分解要素間の関係性を反映した関係性指標値を算出する指標値算出部と、
上記指標値算出部により算出された上記関係性指標値を用いて、1つの文章について複数の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成する予測モデル生成部とを備えたことを特徴とする予測モデル生成装置。 - 上記学習用データ入力部は、上記認知症の複数の評価項目ごとに重症度が既知である複数人の患者が行った自由会話の内容をそれぞれ表した複数の文章を学習用データとして入力し、
上記予測モデル生成部は、上記文章指標値群をもとに上記認知症の上記評価項目ごとの重症度を予測するための予測モデルを生成することを特徴とする請求項13に記載の予測モデル生成装置。 - 予測対象とする患者が行った自由会話の内容を表した1以上の文章を予測用データとして入力する予測用データ入力部と、
上記予測用データ入力部により上記予測用データとして入力された上記1以上の文章を形態素解析し、当該1以上の文章から複数の分解要素を抽出する第2要素抽出部と、
上記1以上の文章を所定のルールに従ってq次元(qは2以上の任意の整数)にベクトル化することにより、q個の軸成分から成る1以上の文章ベクトルを算出する第2文章ベクトル算出部と、
上記複数の分解要素をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成る複数の要素ベクトルを算出する第2要素ベクトル算出部と、
上記1以上の文章ベクトルと上記複数の要素ベクトルとの内積をそれぞれとることにより、上記1以上の文章および上記複数の分解要素間の関係性を反映した関係性指標値を算出する第2指標値算出部と、
上記第2指標値算出部により算出された関係性指標値を、請求項13の予測モデル生成装置により生成された予測モデルに適用することにより、上記予測対象とする患者について上記認知症の重症度を予測する認知症予測部とを備えたことを特徴とする認知症予測装置。 - 認知症の重症度が既知である複数人の患者が行った自由会話の内容をそれぞれ表した複数の文章を学習用データとして入力する学習用データ入力手段、
上記学習用データ入力手段により上記学習用データとして入力された上記複数の文章を形態素解析し、当該複数の文章から複数の分解要素を抽出する要素抽出手段、
上記複数の文章をそれぞれ所定のルールに従ってq次元(qは2以上の任意の整数)にベクトル化することにより、q個の軸成分から成る複数の文章ベクトルを算出する文章ベクトル算出手段、
上記複数の分解要素をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成る複数の要素ベクトルを算出する要素ベクトル算出手段、
上記複数の文章ベクトルと上記複数の要素ベクトルとの内積をそれぞれとることにより、上記複数の文章および上記複数の分解要素間の関係性を反映した関係性指標値を算出する指標値算出手段、および
上記指標値算出手段により算出された上記関係性指標値を用いて、1つの文章について複数の関係性指標値から成る文章指標値群をもとに上記認知症の重症度を予測するための予測モデルを生成する予測モデル生成手段
としてコンピュータを機能させるための認知症予測用プログラム。 - 予測対象とする患者が行った自由会話の内容を表した文章を予測用データとして入力する予測用データ入力手段、および
上記予測用データ入力手段により入力された上記予測用データに対して上記要素抽出手段、上記文章ベクトル算出手段、上記要素ベクトル算出手段および上記指標値算出手段の処理を実行することによって得られる関係性指標値を、上記予測モデル生成手段により生成された上記予測モデルに適用することにより、上記予測対象とする患者について上記認知症の重症度を予測する認知症予測手段
としてコンピュータを更に機能させるための請求項16に記載の認知症予測用プログラム。 - 予測対象とする患者が行った自由会話の内容を表した1以上の文章を予測用データとして入力する予測用データ入力手段、
上記予測用データ入力手段により上記予測用データとして入力された上記1以上の文章を形態素解析し、当該1以上の文章から複数の分解要素を抽出する第2要素抽出手段、
上記1以上の文章を所定のルールに従ってq次元(qは2以上の任意の整数)にベクトル化することにより、q個の軸成分から成る1以上の文章ベクトルを算出する第2文章ベクトル算出手段、
上記複数の分解要素をそれぞれ所定のルールに従ってq次元にベクトル化することにより、q個の軸成分から成る複数の要素ベクトルを算出する第2要素ベクトル算出手段、
上記1以上の文章ベクトルと上記複数の要素ベクトルとの内積をそれぞれとることにより、上記1以上の文章および上記複数の分解要素間の関係性を反映した関係性指標値を算出する第2指標値算出手段、および
上記第2指標値算出手段により算出された関係性指標値を、請求項16に記載の予測モデル生成手段により生成された予測モデルに適用することにより、上記予測対象とする患者について上記認知症の重症度を予測する認知症予測手段
としてコンピュータを機能させるための認知症予測用プログラム。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018170847A JP6733891B2 (ja) | 2018-09-12 | 2018-09-12 | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
CN201980048868.XA CN112470143A (zh) | 2018-09-12 | 2019-07-03 | 痴呆症预测装置、预测模型生成装置及痴呆症预测用程序 |
US17/271,379 US20210313070A1 (en) | 2018-09-12 | 2019-07-03 | Dementia prediction device, prediction model generation device, and dementia prediction program |
ES19860100T ES2963236T3 (es) | 2018-09-12 | 2019-07-03 | Dispositivo de predicción de demencia, dispositivo de generación de modelos de predicción, y programa de predicción de la demencia |
KR1020207037398A KR102293160B1 (ko) | 2018-09-12 | 2019-07-03 | 인지증 예측 장치, 예측 모델 생성 장치 및 인지증 예측용 프로그램 |
EP19860100.7A EP3835972B1 (en) | 2018-09-12 | 2019-07-03 | Cognitive impairment prediction device, prediction model generation device, and program for cognitive impairment prediction |
PCT/JP2019/026484 WO2020054186A1 (ja) | 2018-09-12 | 2019-07-03 | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018170847A JP6733891B2 (ja) | 2018-09-12 | 2018-09-12 | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042659A true JP2020042659A (ja) | 2020-03-19 |
JP6733891B2 JP6733891B2 (ja) | 2020-08-05 |
Family
ID=69778579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018170847A Active JP6733891B2 (ja) | 2018-09-12 | 2018-09-12 | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210313070A1 (ja) |
EP (1) | EP3835972B1 (ja) |
JP (1) | JP6733891B2 (ja) |
KR (1) | KR102293160B1 (ja) |
CN (1) | CN112470143A (ja) |
ES (1) | ES2963236T3 (ja) |
WO (1) | WO2020054186A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021210460A1 (ja) * | 2020-04-13 | 2021-10-21 | Assest株式会社 | 認知症兆候判別プログラム |
WO2022003997A1 (ja) * | 2020-07-02 | 2022-01-06 | 株式会社Fronteo | パスウェイ生成装置、パスウェイ生成方法およびパスウェイ生成用プログラム |
WO2022091642A1 (ja) * | 2020-10-29 | 2022-05-05 | グローリー株式会社 | 認知機能判定装置、認知機能判定システム、学習モデル生成装置、認知機能判定方法、学習モデル製造方法、学習済みモデル、およびプログラム |
JP7116515B1 (ja) | 2022-01-27 | 2022-08-10 | 京都府公立大学法人 | 意思決定能力評価装置、システム、及びプログラム |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11544564B2 (en) * | 2018-02-23 | 2023-01-03 | Intel Corporation | Method, device and system to generate a Bayesian inference with a spiking neural network |
US20210390483A1 (en) * | 2020-06-10 | 2021-12-16 | Tableau Software, LLC | Interactive forecast modeling based on visualizations |
US11397746B2 (en) | 2020-07-30 | 2022-07-26 | Tableau Software, LLC | Interactive interface for data analysis and report generation |
CN114596960B (zh) * | 2022-03-01 | 2023-08-08 | 中山大学 | 基于神经网络和自然对话的阿尔兹海默症风险预估方法 |
CN116417135B (zh) * | 2023-02-17 | 2024-03-08 | 中国人民解放军总医院第二医学中心 | 基于脑影像预测早期阿尔茨海默症类型的处理方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208782A (ja) * | 2004-01-21 | 2005-08-04 | Fuji Xerox Co Ltd | 自然言語処理システム及び自然言語処理方法、並びにコンピュータ・プログラム |
JP2018015139A (ja) * | 2016-07-26 | 2018-02-01 | ヤンマー株式会社 | 認知症検査システム |
JP2018032213A (ja) * | 2016-08-24 | 2018-03-01 | シャープ株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251467A (ja) | 2001-02-23 | 2002-09-06 | Silver Channel:Kk | 音声又は映像を利用した介護支援システム及び記録媒体 |
KR101135124B1 (ko) * | 2009-11-30 | 2012-04-16 | 재단법인대구경북과학기술원 | 발달 장애인 관찰정보에 기반한 장애진단 방법 및 시스템 |
TWI403304B (zh) | 2010-08-27 | 2013-08-01 | Ind Tech Res Inst | 隨身語能偵知方法及其裝置 |
CN104254863B (zh) * | 2011-10-24 | 2019-02-19 | 哈佛大学校长及研究员协会 | 通过人工智能和移动健康技术、在不损害准确性的情况下对病症进行增强诊断 |
JP2017532082A (ja) | 2014-08-22 | 2017-11-02 | エスアールアイ インターナショナルSRI International | 患者の精神状態のスピーチベース評価のためのシステム |
CN107133481A (zh) * | 2017-05-22 | 2017-09-05 | 西北工业大学 | 基于dcnn‑dnn和pv‑svm的多模态抑郁症估计和分类方法 |
-
2018
- 2018-09-12 JP JP2018170847A patent/JP6733891B2/ja active Active
-
2019
- 2019-07-03 WO PCT/JP2019/026484 patent/WO2020054186A1/ja unknown
- 2019-07-03 US US17/271,379 patent/US20210313070A1/en not_active Abandoned
- 2019-07-03 CN CN201980048868.XA patent/CN112470143A/zh active Pending
- 2019-07-03 KR KR1020207037398A patent/KR102293160B1/ko active IP Right Grant
- 2019-07-03 ES ES19860100T patent/ES2963236T3/es active Active
- 2019-07-03 EP EP19860100.7A patent/EP3835972B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208782A (ja) * | 2004-01-21 | 2005-08-04 | Fuji Xerox Co Ltd | 自然言語処理システム及び自然言語処理方法、並びにコンピュータ・プログラム |
JP2018015139A (ja) * | 2016-07-26 | 2018-02-01 | ヤンマー株式会社 | 認知症検査システム |
JP2018032213A (ja) * | 2016-08-24 | 2018-03-01 | シャープ株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
柴田 大作、若宮 翔子、木下 彩栄、荒牧 英治: "アルツハイマーの発症に伴う代名詞の増加", 情報処理学会 研究報告 ユビキタスコンピューティングシステム(UBI) 2016−UBI−051 [, JPN6020017008, 28 July 2016 (2016-07-28), JP, pages 1 - 7, ISSN: 0004278830 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021210460A1 (ja) * | 2020-04-13 | 2021-10-21 | Assest株式会社 | 認知症兆候判別プログラム |
JP2021166663A (ja) * | 2020-04-13 | 2021-10-21 | Assest株式会社 | 認知症兆候判別プログラム |
WO2022003997A1 (ja) * | 2020-07-02 | 2022-01-06 | 株式会社Fronteo | パスウェイ生成装置、パスウェイ生成方法およびパスウェイ生成用プログラム |
JP2022012659A (ja) * | 2020-07-02 | 2022-01-17 | 株式会社Fronteo | パスウェイ生成装置、パスウェイ生成方法およびパスウェイ生成用プログラム |
WO2022091642A1 (ja) * | 2020-10-29 | 2022-05-05 | グローリー株式会社 | 認知機能判定装置、認知機能判定システム、学習モデル生成装置、認知機能判定方法、学習モデル製造方法、学習済みモデル、およびプログラム |
JP7116515B1 (ja) | 2022-01-27 | 2022-08-10 | 京都府公立大学法人 | 意思決定能力評価装置、システム、及びプログラム |
WO2023145386A1 (ja) * | 2022-01-27 | 2023-08-03 | 京都府公立大学法人 | 意思決定能力評価装置、システム、及びプログラム |
JP2023109310A (ja) * | 2022-01-27 | 2023-08-08 | 京都府公立大学法人 | 意思決定能力評価装置、システム、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3835972B1 (en) | 2023-08-16 |
ES2963236T3 (es) | 2024-03-25 |
KR20210003944A (ko) | 2021-01-12 |
CN112470143A (zh) | 2021-03-09 |
EP3835972A1 (en) | 2021-06-16 |
US20210313070A1 (en) | 2021-10-07 |
WO2020054186A1 (ja) | 2020-03-19 |
EP3835972A4 (en) | 2021-10-06 |
EP3835972C0 (en) | 2023-08-16 |
JP6733891B2 (ja) | 2020-08-05 |
KR102293160B1 (ko) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020054186A1 (ja) | 認知症予測装置、予測モデル生成装置および認知症予測用プログラム | |
JP6652986B2 (ja) | 危険行動予測装置、予測モデル生成装置および危険行動予測用プログラム | |
Shen et al. | CBN: Constructing a clinical Bayesian network based on data from the electronic medical record | |
JP6962532B1 (ja) | 事象予測装置および事象予測用プログラム | |
Chen et al. | Automatic detection of Alzheimer’s disease using spontaneous speech only | |
Yadav et al. | A novel automated depression detection technique using text transcript | |
Wang et al. | An end-to-end actor-critic-based neural coreference resolution system | |
Nguyen et al. | Multi-class classification of cancer stages from free-text histology reports using support vector machines | |
WO2020208912A1 (ja) | リスク対策解析システム、リスク対策解析方法およびリスク対策解析用プログラム | |
TaghiBeyglou et al. | Context is not key: Detecting Alzheimer’s disease with both classical and transformer-based neural language models | |
Jurdziński | Word embeddings for morphologically complex languages | |
JP7409484B2 (ja) | リスク評価装置、リスク評価方法およびプログラム | |
Liu | Depression detection via a Chinese social media platform: a novel causal relation-aware deep learning approach | |
Wang et al. | Neural Coreference Resolution based on Reinforcement Learning | |
ZADGAONKAR et al. | DEMENTIA RISK ASSESSMENT USING MACHINE LEARNING AND PART-OF-SPEECH TAGS | |
Eriş et al. | Enhancing speech emotion recognition through deep learning and handcrafted feature fusion | |
Tukino et al. | LSTM and Word Embedding: Classification and Prediction of Puskesmas Reviews Via Twitter | |
Mao et al. | Analysis of Automated Clinical Depression Diagnosis in a Chinese Corpus | |
Haddad et al. | Introducing Text Analysis Algorithms in Decision Support Systems for Automated Evaluation of the Doctor Prescriptions | |
Mishra et al. | Speech emotion recognition using a combination of variational mode decomposition and Hilbert transform | |
Sabaneh et al. | Early Risk Prediction of Depression Based on Social Media Posts in Arabic | |
Subedy et al. | Depression Detection Through User’s Social Network Interactions | |
Mirbostani et al. | Deep Active Learning for Morphophonological Processing | |
Breau | Low-resource suicide ideation and depression detection with multitask learning and large language models | |
Ilias et al. | Context-Aware Attention Layers coupled with Optimal Transport Domain Adaptation methods for recognizing dementia from spontaneous speech |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200325 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200325 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200422 |
|
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: 20200605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200701 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6733891 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |