JP2020201977A5 - 人体の健康状態を推定するシステム - Google Patents
人体の健康状態を推定するシステム Download PDFInfo
- Publication number
- JP2020201977A5 JP2020201977A5 JP2020139031A JP2020139031A JP2020201977A5 JP 2020201977 A5 JP2020201977 A5 JP 2020201977A5 JP 2020139031 A JP2020139031 A JP 2020139031A JP 2020139031 A JP2020139031 A JP 2020139031A JP 2020201977 A5 JP2020201977 A5 JP 2020201977A5
- Authority
- JP
- Japan
- Prior art keywords
- large number
- test
- matrix
- inspection
- items
- 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
- 230000036541 health Effects 0.000 title claims 9
- 238000007689 inspection Methods 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000003862 health status Effects 0.000 claims 3
- 238000006073 displacement reaction Methods 0.000 description 8
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 1
Description
このAIは、各状態の動的マトリクスを格納した第2のユニットにアクセス可能であってもよく、方法は、さらに、第1の時点から時間が経過した第1の検査対象のシステムの第2の時点における多数の検査項目間の第2の関係の第1の関係に対する変位と各状態の動的マトリクスとを比較して、第2の関係に基づき静的判断ユニットにより推定される第2の静的な状態を検証する第2のステップを含んでもよい。第2のステップは、第2の関係の前記第1の関係に対する変位を各状態の動的マトリクスをフィルターとして画像に変換した各状態の個別変位マトリクスを画像認識して第2の静的な状態を推定することを含んでもよい。さらに、この方法は、第1の検査対象のシステムの第2の時点以降の状態の推移を推定する第3のステップを有していてもよい。
上記には、さらに、多数の検査対象の複雑系の個別の複雑系の状態を推定するシステムが開示されている。このシステムは、前記多数の検査対象の複雑系の経時的変化の各段階に該当する前記多数の検査対象の複雑系の状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含む各段階のマトリクスを格納した第1のストレージと、個別の複雑系である第1の複雑系の第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第1のマトリクスに基づき前記第1の複雑系の第1の状態を推定するように構成された第1の推定ユニットとを有する。前記第1の推定ユニットは、複数の前記第1のマトリクスと複数の前記第1の状態との対応関係を機械学習により学習した人工知能により、前記個別の複雑系の前記第1の状態を推定するように構成された第1のAIユニットを含んでもよい。前記第1のAIユニットは、前記複数のセルを含む前記第1のマトリクスを画像認識して前記第1の状態との対応関係を機械学習した人工知能を含んでもよい。システムは、前記各段階のマトリクスに含まれる前記複数のセルのそれぞれに、前記第1の複雑系の前記第1の時点における複数の検査項目の検査結果同士の関係を反映した前記第1のマトリクスを生成するように構成された第1の生成ユニットをさらに有してもよい。システムは、前記第1の複雑系の前記第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの前記多数の検査項目の検査結果間の多数の相関情報を用いて、前記複数のセルに展開した前記第1のマトリクスを生成するように構成された第2の生成ユニットをさらに有してもよい。システムは、前記複数のセルが、前記多数の検査項目をXおよびY軸とする2次元に配置された前記第1のマトリクスを出力するように構成された出力ユニットをさらに有してもよい。
このシステムは、第1の時点から時間が経過した前記第1の複雑系の第2の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第2のマトリクスと、前記第1のマトリクスとの変位に基づき前記第1の複雑系の状態の推移を推定するように構成された第2の推定ユニットをさらに有してもよい。前記ストレージは、前記各段階のマトリクスの間の前記多数の相関情報が遷移する情報を含む移行マトリクスであって、前記多数の検査対象のシステムの経時的な状態の変化を反映した移行マトリクスを含み、前記第2の推定ユニットは、前記第1のマトリクスから前記第2のマトリクスへの変位と前記移行マトリクスとを比較して、前記第2のマトリクスに基づき推定された前記第1の複雑系の第2の状態を検証するように構成されたユニットを含んでもよい。前記第2の推定ユニットは、前記第1の複雑系の前記第2の時点以降の状態の推移を推定するように構成されたユニットを含んでもよい。前記第2の推定ユニットは、複数の前記第1のマトリクスと複数の前記第2のマトリクスとの間の変位と、前記多数の検査対象の複雑系の経時的な状態変化との対応関係を機械学習により学習した人工知能により、前記第1の複雑系の前記状態の推移を推定するように構成された第2のAIユニットを含んでもよい。このシステムは、前記検査対象の複雑系のレプリカを用いて前記各段階の前記多数の検査項目間の多数の相関情報を自動生成するように構成されたユニットを含んでもよい。当該システムは典型的には予備診察システムであり、前記検査対象の複雑系は人体であってもよい。
上記には、さらに、コンピュータにより、多数の検査対象の複雑系の個別の複雑系の状態を推定する方法が開示されている。前記コンピュータは、前記多数の検査対象の複雑系の状態の経時的変化の各段階に該当する前記多数の検査対象の複雑系の状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含む各段階のマトリクスを格納した第1のストレージを有し、当該方法は、個別の複雑系である第1の複雑系の第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第1のマトリクスに基づき前記第1の複雑系の第1の状態を推定する第1の推定処理を、前記コンピュータに実行させることを含む。前記第1の推定処理は、複数の前記第1のマトリクスと複数の前記第1の状態との対応関係を機械学習により学習した人工知能により、前記第1の複雑系の前記第1の状態を推定することを含んでもよい。この方法は、前記各段階のマトリクスに含まれる前記複数のセルのそれぞれに、前記第1の複雑系の前記第1の時点における複数の検査項目の検査結果同士の関係を反映した前記第1のマトリクスを生成する処理を、前記コンピュータに実行させることを含んでもよい。この方法は、さらに、前記第1の複雑系の前記第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの前記多数の検査項目の検査結果間の多数の相関情報を用いて、前記複数のセルに展開した前記第1のマトリクスを生成する処理を、前記コンピュータに実行させることを含んでもよい。
この方法は、前記第1の時点から時間が経過した前記第1の複雑系の第2の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第2のマトリクスと、第1のマトリクスとの変位に基づき第1の複雑系の状態の推移を推定する第2の推定処理を前記コンピュータが実行することをさらに有してもよい。前記ストレージは、前記各段階のマトリクスの間の前記多数の相関情報が遷移する情報を含む移行マトリクスであって、前記多数の検査対象のシステムの経時的な状態の変化を反映した移行マトリクスを含み、前記第2の推定処理は、前記第1のマトリクスから前記第2のマトリクスへの変位と前記移行マトリクスとを比較して、前記第2のマトリクスに基づき推定された前記第1の複雑系の第2の状態を検証することを含んでもよい。前記第2の推定処理は、前記第1の複雑系の前記第2の時点以降の状態の推移を推定することを含んでもよい。また、これらに記載の方法をコンピュータにより実行するためのプログラムも開示されている。
上記には、さらに、多数の検査対象の複雑系の個別の複雑系の状態を推定するシステムが開示されている。このシステムは、前記多数の検査対象の複雑系の経時的変化の各段階に該当する前記多数の検査対象の複雑系の状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含む各段階のマトリクスを格納した第1のストレージと、個別の複雑系である第1の複雑系の第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第1のマトリクスに基づき前記第1の複雑系の第1の状態を推定するように構成された第1の推定ユニットとを有する。前記第1の推定ユニットは、複数の前記第1のマトリクスと複数の前記第1の状態との対応関係を機械学習により学習した人工知能により、前記個別の複雑系の前記第1の状態を推定するように構成された第1のAIユニットを含んでもよい。前記第1のAIユニットは、前記複数のセルを含む前記第1のマトリクスを画像認識して前記第1の状態との対応関係を機械学習した人工知能を含んでもよい。システムは、前記各段階のマトリクスに含まれる前記複数のセルのそれぞれに、前記第1の複雑系の前記第1の時点における複数の検査項目の検査結果同士の関係を反映した前記第1のマトリクスを生成するように構成された第1の生成ユニットをさらに有してもよい。システムは、前記第1の複雑系の前記第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの前記多数の検査項目の検査結果間の多数の相関情報を用いて、前記複数のセルに展開した前記第1のマトリクスを生成するように構成された第2の生成ユニットをさらに有してもよい。システムは、前記複数のセルが、前記多数の検査項目をXおよびY軸とする2次元に配置された前記第1のマトリクスを出力するように構成された出力ユニットをさらに有してもよい。
このシステムは、第1の時点から時間が経過した前記第1の複雑系の第2の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第2のマトリクスと、前記第1のマトリクスとの変位に基づき前記第1の複雑系の状態の推移を推定するように構成された第2の推定ユニットをさらに有してもよい。前記ストレージは、前記各段階のマトリクスの間の前記多数の相関情報が遷移する情報を含む移行マトリクスであって、前記多数の検査対象のシステムの経時的な状態の変化を反映した移行マトリクスを含み、前記第2の推定ユニットは、前記第1のマトリクスから前記第2のマトリクスへの変位と前記移行マトリクスとを比較して、前記第2のマトリクスに基づき推定された前記第1の複雑系の第2の状態を検証するように構成されたユニットを含んでもよい。前記第2の推定ユニットは、前記第1の複雑系の前記第2の時点以降の状態の推移を推定するように構成されたユニットを含んでもよい。前記第2の推定ユニットは、複数の前記第1のマトリクスと複数の前記第2のマトリクスとの間の変位と、前記多数の検査対象の複雑系の経時的な状態変化との対応関係を機械学習により学習した人工知能により、前記第1の複雑系の前記状態の推移を推定するように構成された第2のAIユニットを含んでもよい。このシステムは、前記検査対象の複雑系のレプリカを用いて前記各段階の前記多数の検査項目間の多数の相関情報を自動生成するように構成されたユニットを含んでもよい。当該システムは典型的には予備診察システムであり、前記検査対象の複雑系は人体であってもよい。
上記には、さらに、コンピュータにより、多数の検査対象の複雑系の個別の複雑系の状態を推定する方法が開示されている。前記コンピュータは、前記多数の検査対象の複雑系の状態の経時的変化の各段階に該当する前記多数の検査対象の複雑系の状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含む各段階のマトリクスを格納した第1のストレージを有し、当該方法は、個別の複雑系である第1の複雑系の第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第1のマトリクスに基づき前記第1の複雑系の第1の状態を推定する第1の推定処理を、前記コンピュータに実行させることを含む。前記第1の推定処理は、複数の前記第1のマトリクスと複数の前記第1の状態との対応関係を機械学習により学習した人工知能により、前記第1の複雑系の前記第1の状態を推定することを含んでもよい。この方法は、前記各段階のマトリクスに含まれる前記複数のセルのそれぞれに、前記第1の複雑系の前記第1の時点における複数の検査項目の検査結果同士の関係を反映した前記第1のマトリクスを生成する処理を、前記コンピュータに実行させることを含んでもよい。この方法は、さらに、前記第1の複雑系の前記第1の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの前記多数の検査項目の検査結果間の多数の相関情報を用いて、前記複数のセルに展開した前記第1のマトリクスを生成する処理を、前記コンピュータに実行させることを含んでもよい。
この方法は、前記第1の時点から時間が経過した前記第1の複雑系の第2の時点における前記多数の検査項目の検査結果を、前記各段階のマトリクスの少なくともいずれかのマトリクスの前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した第2のマトリクスと、第1のマトリクスとの変位に基づき第1の複雑系の状態の推移を推定する第2の推定処理を前記コンピュータが実行することをさらに有してもよい。前記ストレージは、前記各段階のマトリクスの間の前記多数の相関情報が遷移する情報を含む移行マトリクスであって、前記多数の検査対象のシステムの経時的な状態の変化を反映した移行マトリクスを含み、前記第2の推定処理は、前記第1のマトリクスから前記第2のマトリクスへの変位と前記移行マトリクスとを比較して、前記第2のマトリクスに基づき推定された前記第1の複雑系の第2の状態を検証することを含んでもよい。前記第2の推定処理は、前記第1の複雑系の前記第2の時点以降の状態の推移を推定することを含んでもよい。また、これらに記載の方法をコンピュータにより実行するためのプログラムも開示されている。
Claims (6)
- 人体の健康状態を推定するシステムであって、
人体の健康状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含み、多数の患者の各検査時における前記多数の検査項目の検査結果を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した多数の第1のマトリクスと前記多数の患者の健康状態との対応関係を機械学習により学習した第1の人工知能を含む第1のAIユニットと、
第1の患者の検査時における前記多数の検査項目の検査結果を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した検査時のマトリクスに基づき、前記第1のAIユニットが、前記第1の患者の前記検査時における健康状態を推定するように構成された第1の推定ユニットとを有するシステム。 - 請求項1において、
前記第1のAIユニットは、前記複数のセルを含む前記多数の第1のマトリクスを画像認識して前記多数の患者の健康状態との対応関係を機械学習した前記第1の人工知能を含む、システム。 - 請求項1または2において、
第1の検査時点から時間が経過した第2の検査時点における前記多数の検査項目の検査結果の変移を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した多数の第2のマトリクスと前記多数の患者の経時的な状態変化との対応関係を機械学習により学習した第2の人工知能により、前記第1の患者の前記健康状態の推移を推定するように構成された第2のAIユニットをさらに有する、システム。 - コンピュータにより、患者の健康状態を推定する方法であって、
人体の健康状態を示唆する多数の検査項目の検査結果間の多数の相関情報を含む各段階のマトリクスであって、複数の検査項目の検査結果同士の相関情報を含む複数のセルを含み、多数の患者の各検査時における前記多数の検査項目の検査結果を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した多数の第1のマトリクスと前記多数の患者の健康状態との対応関係を機械学習により学習した第1の人工知能により、第1の患者の検査時における前記多数の検査項目の検査結果を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した検査時のマトリクスに基づき、前記第1の患者の前記検査時における健康状態を推定する第1の推定処理を、前記コンピュータに実行させることを含む、方法。 - 請求項4において、
第1の検査時点から時間が経過した第2の検査時点における前記多数の検査項目の検査結果の変移を前記多数の検査項目の検査結果間の多数の相関情報に基づきマトリクス化した多数の第2のマトリクスと前記多数の患者の経時的な状態変化との対応関係を機械学習により学習した第2の人工知能により、前記第1の患者の前記健康状態の推移を推定する第2の推定処理を、前記コンピュータに実行させることをさらに含む、方法。 - 請求項4または5のいずれかに記載の方法をコンピュータにより実行するためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022196139A JP7398155B2 (ja) | 2018-02-09 | 2022-12-08 | 人体の健康状態を推定するシステム |
JP2023200084A JP2024015063A (ja) | 2018-02-09 | 2023-11-27 | 人体の健康状態を推定するシステム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018021518 | 2018-02-09 | ||
JP2018021518 | 2018-02-09 | ||
JP2018094644 | 2018-05-16 | ||
JP2018094644 | 2018-05-16 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019571190A Division JP6755567B2 (ja) | 2018-02-09 | 2019-02-12 | 検査対象の複雑系の状態を推定するシステム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022196139A Division JP7398155B2 (ja) | 2018-02-09 | 2022-12-08 | 人体の健康状態を推定するシステム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020201977A JP2020201977A (ja) | 2020-12-17 |
JP2020201977A5 true JP2020201977A5 (ja) | 2022-02-16 |
JP7197200B2 JP7197200B2 (ja) | 2022-12-27 |
Family
ID=67549703
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019571190A Active JP6755567B2 (ja) | 2018-02-09 | 2019-02-12 | 検査対象の複雑系の状態を推定するシステム |
JP2020139031A Active JP7197200B2 (ja) | 2018-02-09 | 2020-08-20 | 人体の健康状態を推定するシステム |
JP2022196139A Active JP7398155B2 (ja) | 2018-02-09 | 2022-12-08 | 人体の健康状態を推定するシステム |
JP2023200084A Pending JP2024015063A (ja) | 2018-02-09 | 2023-11-27 | 人体の健康状態を推定するシステム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019571190A Active JP6755567B2 (ja) | 2018-02-09 | 2019-02-12 | 検査対象の複雑系の状態を推定するシステム |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022196139A Active JP7398155B2 (ja) | 2018-02-09 | 2022-12-08 | 人体の健康状態を推定するシステム |
JP2023200084A Pending JP2024015063A (ja) | 2018-02-09 | 2023-11-27 | 人体の健康状態を推定するシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210217530A1 (ja) |
EP (1) | EP3751473A4 (ja) |
JP (4) | JP6755567B2 (ja) |
WO (1) | WO2019156254A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7133385B2 (ja) * | 2018-08-01 | 2022-09-08 | 合同会社H.U.グループ中央研究所 | プログラム、情報処理方法および情報処理装置 |
JP7387546B2 (ja) * | 2020-07-02 | 2023-11-28 | 株式会社東芝 | 無線装置およびインバータシステム |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035057A (en) * | 1997-03-10 | 2000-03-07 | Hoffman; Efrem H. | Hierarchical data matrix pattern recognition and identification system |
WO2002087431A1 (en) * | 2001-05-01 | 2002-11-07 | Structural Bioinformatics, Inc. | Diagnosing inapparent diseases from common clinical tests using bayesian analysis |
US6897875B2 (en) * | 2002-01-24 | 2005-05-24 | The Board Of The University Of Nebraska | Methods and system for analysis and visualization of multidimensional data |
JP4358474B2 (ja) | 2002-03-07 | 2009-11-04 | 平蔵 徳高 | 健康診断用の自己組織化マップ作成装置及び作成方法 |
KR20040032451A (ko) * | 2002-10-09 | 2004-04-17 | 삼성전자주식회사 | 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및이를 이용한 건강 관리 방법 |
JP4747297B2 (ja) * | 2005-08-24 | 2011-08-17 | 国立大学法人鳥取大学 | 健康診断用の自己組織化マップ、その表示装置及び表示方法並びに健康診断用の自己組織化マップの表示プログラム |
JP4892721B2 (ja) | 2006-01-23 | 2012-03-07 | 国立大学法人山口大学 | 意味空間を表示した自己組織化マップ |
US8498879B2 (en) * | 2006-04-27 | 2013-07-30 | Wellstat Vaccines, Llc | Automated systems and methods for obtaining, storing, processing and utilizing immunologic information of individuals and populations for various uses |
JP5164646B2 (ja) | 2008-04-08 | 2013-03-21 | 国立大学法人高知大学 | 臨床検査データ解析支援装置、臨床検査データ解析支援方法及びそのプログラム |
WO2011049886A1 (en) * | 2009-10-19 | 2011-04-28 | Theranos, Inc. | Integrated health data capture and analysis system |
JP2011257816A (ja) | 2010-06-04 | 2011-12-22 | Gifu Univ | 受診者状態推定装置及びプログラム |
JP2012033155A (ja) | 2010-07-02 | 2012-02-16 | Gifu Univ | 健診データ処理方法、健診データ処理装置、及び、プログラム |
WO2014052921A2 (en) * | 2012-09-27 | 2014-04-03 | University Of Utah Research Foundation | Patient health record similarity measure |
US10357181B2 (en) * | 2013-05-01 | 2019-07-23 | Advanced Telecommunications Research Institute International | Brain activity analyzing apparatus, brain activity analyzing method and biomarker apparatus |
US20160237163A1 (en) * | 2013-10-02 | 2016-08-18 | Suri Technologies Ltd. | Patient-specific immunotherapy for treating heterogeneous tumors |
US20150310179A1 (en) * | 2014-04-23 | 2015-10-29 | Vipindas Chengat | System and method that applies relational and non-relational data structures to medical diagnosis |
JP6421398B2 (ja) | 2015-10-29 | 2018-11-14 | 耕成 森山 | 亜鉛欠乏推定装置、プログラム及び記録媒体 |
EP3255586A1 (en) * | 2016-06-06 | 2017-12-13 | Fujitsu Limited | Method, program, and apparatus for comparing data graphs |
-
2019
- 2019-02-12 US US16/967,381 patent/US20210217530A1/en not_active Abandoned
- 2019-02-12 EP EP19751088.6A patent/EP3751473A4/en not_active Withdrawn
- 2019-02-12 JP JP2019571190A patent/JP6755567B2/ja active Active
- 2019-02-12 WO PCT/JP2019/004812 patent/WO2019156254A1/ja active Search and Examination
-
2020
- 2020-08-20 JP JP2020139031A patent/JP7197200B2/ja active Active
-
2022
- 2022-12-08 JP JP2022196139A patent/JP7398155B2/ja active Active
-
2023
- 2023-11-27 JP JP2023200084A patent/JP2024015063A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10997711B2 (en) | Appearance inspection device | |
US11200483B2 (en) | Machine learning method and apparatus based on weakly supervised learning | |
DE69831732T2 (de) | Verfahren und gerät zum korrigieren von fehlern in einem rechnersystem | |
JP2020201977A5 (ja) | 人体の健康状態を推定するシステム | |
US10627470B2 (en) | System and method for learning based magnetic resonance fingerprinting | |
CN105205867B (zh) | 一种微创虚拟腹主动脉血管手术中的碰撞检测方法 | |
Levashenko et al. | Reliability estimation of healthcare systems using fuzzy decision trees | |
Verguts et al. | A Rasch model for detecting learning while solving an intelligence test | |
CN107242876B (zh) | 一种用于精神状态的计算机视觉方法 | |
Beaudry et al. | When is nonfundamentalness in VARs a real problem? An application to news shocks | |
Nichita et al. | Image Clustering Algorithms to Identify Complicated Cerebral Diseases. Description and Comparison | |
CN111179235A (zh) | 图像检测模型的生成方法及装置、应用方法及装置 | |
CN113239022A (zh) | 医疗诊断缺失数据补全方法及补全装置、电子设备、介质 | |
CN114330439B (zh) | 一种基于卷积神经网络的轴承诊断方法 | |
Tobon-Gomez et al. | Automatic construction of 3D-ASM intensity models by simulating image acquisition: Application to myocardial gated SPECT studies | |
DE60204535T2 (de) | Optimierungsverfahren einer Prüfsequenz für digitale integrierte Schaltungen | |
KR102127449B1 (ko) | 생존율 예측 모델 생성 방법, 장치 및 컴퓨터 프로그램 | |
CN111507455A (zh) | 神经网络系统生成方法和装置、图像处理方法和电子设备 | |
DE102019128655A1 (de) | Verfahren zur Bereitstellung einer rechnergestützten Steuerung für ein technisches System | |
CN112035361B (zh) | 医疗诊断模型的测试方法、装置、计算机设备和存储介质 | |
CN115756390A (zh) | 量子随机数的随机性检验方法及系统 | |
CN110110855B (zh) | 基于深度循环神经网络和有监督字典学习的脑网络重构方法 | |
CN114283216A (zh) | 图像去伪影方法、装置、设备及存储介质 | |
CN111626972B (zh) | Ct图像重构方法、模型训练方法及设备 | |
JP7331926B2 (ja) | 学習装置、物体検出装置、学習方法、及び、プログラム |