JP2021135930A - 分析装置、分析方法、および分析プログラム - Google Patents
分析装置、分析方法、および分析プログラム Download PDFInfo
- Publication number
- JP2021135930A JP2021135930A JP2020033769A JP2020033769A JP2021135930A JP 2021135930 A JP2021135930 A JP 2021135930A JP 2020033769 A JP2020033769 A JP 2020033769A JP 2020033769 A JP2020033769 A JP 2020033769A JP 2021135930 A JP2021135930 A JP 2021135930A
- Authority
- JP
- Japan
- Prior art keywords
- data
- feature amount
- analyzer
- information
- training
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 68
- 230000008569 process Effects 0.000 claims description 48
- 238000003860 storage Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 14
- 230000000694 effects Effects 0.000 description 63
- 239000003814 drug Substances 0.000 description 34
- 229940079593 drug Drugs 0.000 description 33
- 238000010586 diagram Methods 0.000 description 26
- 238000007493 shaping process Methods 0.000 description 26
- 230000000399 orthopedic effect Effects 0.000 description 23
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 17
- 239000008280 blood Substances 0.000 description 17
- 210000004369 blood Anatomy 0.000 description 17
- 239000008103 glucose Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 13
- 230000036541 health Effects 0.000 description 11
- 239000013598 vector Substances 0.000 description 9
- 230000037396 body weight Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000000825 pharmaceutical preparation Substances 0.000 description 5
- 229940127557 pharmaceutical product Drugs 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2115—Selection of the most significant subset of features by evaluating different subsets according to an optimisation criterion, e.g. class separability, forward selection or backward elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【解決手段】分析装置は、入力層、1以上の中間層、および出力層を有し、入力層に割り当てられる訓練データ群と、出力層に割り当てられる正解データ群と、に基づいて学習された学習モデルに、訓練データ群の各々の訓練データを入力することにより、中間層から第1特徴量データ群を算出する第1算出処理と、学習モデルの予測対象データを入力することにより、中間層から第2特徴量データを算出する第2算出処理と、第1算出処理によって算出された第1特徴量データ群の中から、第2算出処理によって算出された第2特徴量データに類似する特定の第1特徴量データを検索する検索処理と、検索処理によって検索された特定の第1特徴量データの算出元となる特定の訓練データを訓練データ群から抽出する抽出処理と、を実行する。
【選択図】図1
Description
図1は、実施例1にかかる分析装置によるヘルスケアデータ分析例を示す説明図である。(1)分析装置は、訓練データとなる介入手段情報101と、正解データ102である患者背景情報102Aおよび介入効果情報102Bの組み合わせと、を取得する。介入手段情報101とは、介入手段を示す情報であり、介入手段データの集合である。介入手段情報101の各レコードが、患者ごとの介入手段データである。図1では、介入手段情報101は、患者a〜cの3人の介入手段データ101a、101b、101cにより構成される。
図2は、分析装置のハードウェア構成例を示すブロック図である。分析装置200は、プロセッサ201と、記憶デバイス202と、入力デバイス203と、出力デバイス204と、通信インターフェース(通信IF)205と、を有する。プロセッサ201、記憶デバイス202、入力デバイス203、出力デバイス204、および通信IF205は、バス206により接続される。プロセッサ201は、分析装置200を制御する。記憶デバイス202は、プロセッサ201の作業エリアとなる。また、記憶デバイス202は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス202としては、たとえば、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、フラッシュメモリがある。入力デバイス203は、データを入力する。入力デバイス203としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス204は、データを出力する。出力デバイス204としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信IF205は、ネットワークと接続し、データを送受信する。
図3は、未整形ヘルスケア情報の一例を示す説明図である。未整形ヘルスケア情報300は、記憶デバイス202に格納されている。また、分析装置200は、通信IF205を介して通信可能な他のコンピュータに格納されている未整形ヘルスケア情報300を取得してもよい。
図4は、実施例1にかかる分析装置200による学習モデル生成処理手順例を示すフローチャートである。分析装置200は、記憶デバイス202または通信可能な他のコンピュータから未整形ヘルスケア情報300を取得する(ステップS401)。つぎに、分析装置200は、未整形ヘルスケア情報300をデータ整形し、整形ヘルスケア情報を生成する(ステップS402)。
図6は、ニューラルネットワーク103の一例を示す説明図である。ニューラルネットワーク103は、入力層131、1つの中間層132、および出力層133(133A,133B)により構成される。入力層131には、介入手段データが入力される。介入手段データを、n次元のベクトルxとする。
図8は、特徴量情報生成処理手順例を示すフローチャートである。分析装置200は、整形ヘルスケア情報500に未選択の介入手段データがあるか否かを判断する(ステップS801)。未選択の介入手段データがある場合(ステップS801:Yes)、分析装置200は、整形ヘルスケア情報500から未選択の介入手段データを取得する(ステップS802)。
図9は、実施例1にかかる予測対象未整形ヘルスケア情報の一例を示す説明図である。予測対象未整形ヘルスケア情報900は、記憶デバイス202に格納されている。また、分析装置200は、通信IF205を介して通信可能な他のコンピュータに格納されている予測対象未整形ヘルスケア情報900を取得してもよい。
図11は、実施例1にかかる分析装置200による分析処理手順例を示すフローチャートである。分析装置200は、記憶デバイス202または通信可能な他のコンピュータから予測対象未整形ヘルスケア情報900を取得する(ステップS1101)。つぎに、分析装置200は、予測対象未整形ヘルスケア情報900をデータ整形し、予測対象整形ヘルスケア情報1000を生成する(ステップS1102)。
図13は、実施例2にかかるクラスタの一例を示す説明図である。特徴量空間1300の特徴量データ104a〜104mは、介入手段データ101a〜101mが学習モデル103に入力された結果、特定の中間層132から算出される。クラスタC1〜C5は、類似する特徴量データを含む。
図14は、図13に示したクラスタを用いた予測モデルの生成例を示す説明図である。予測モデルM1〜M5の生成は、学習モデル103の生成と同じように実行される。たとえば、クラスタC5の場合、分析装置200は、クラスタC5に所属する特徴量データ104h〜104kの算出元となる介入手段データ101h〜101k、患者背景データ102Ah〜102Akをニューラルネットワークの入力層に与え、対応する介入効果データ102Bh〜102Bkを出力層に与えて学習し、学習パラメータ(重みパラメータおよびバイアス)を取得する。
図15は、実施例2にかかる分析装置200による予測モデル生成処理手順例を示すフローチャートである。分析装置200は、各介入手段データを整形ヘルスケア情報500から抽出し、学習モデル103に入力することで特定の中間層132から算出された特徴量データを取得する(ステップS1501)。これにより、図13に示したような特徴量データ104a〜104mが得られる。
図16は、実施例2かかる分析装置200による予測処理手順例を示すフローチャートである。図17は、実施例2にかかる予測対象未整形ヘルスケア情報の一例を示す説明図である。予測対象未整形ヘルスケア情報1700は、記憶デバイス202に格納されている。また、分析装置200は、通信IF205を介して通信可能な他のコンピュータに格納されている予測対象未整形ヘルスケア情報1700を取得してもよい。
M1〜M5 予測モデル
101 介入手段情報
102A 患者背景情報
102A 介入効果情報
102B 介入効果情報
103 学習モデル
104 特徴量情報
111 予測対象介入手段情報
111z 予測対象介入手段データ
131 入力層
132 中間層
133 出力層
200 分析装置
201 プロセッサ
202 記憶デバイス
500 整形ヘルスケア情報
1000 予測対象整形ヘルスケア情報
1231 類似介入手段
1232 類似度
Claims (13)
- プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析装置であって、
前記プロセッサは、
入力層、1以上の中間層、および出力層を有し、前記入力層に割り当てられる訓練データ群と、前記出力層に割り当てられる正解データ群と、に基づいて学習された学習モデルに、前記訓練データ群の各々の訓練データを入力することにより、前記中間層から第1特徴量データ群を算出する第1算出処理と、
前記学習モデルの予測対象データを入力することにより、前記中間層から第2特徴量データを算出する第2算出処理と、
前記第1算出処理によって算出された第1特徴量データ群の中から、前記第2算出処理によって算出された第2特徴量データに類似する特定の第1特徴量データを検索する検索処理と、
前記検索処理によって検索された特定の第1特徴量データの算出元となる特定の訓練データを前記訓練データ群から抽出する抽出処理と、
を実行することを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記検索処理では、前記プロセッサは、前記第1特徴量データ群の各々の第1特徴量データと前記第2特徴量データとの類似度を算出し、前記類似度に基づいて、前記第1特徴量データ群の中から前記特定の第1特徴量データを検索する、
ことを特徴とする分析装置。 - 請求項2に記載の分析装置であって、
前記検索処理では、前記プロセッサは、前記類似度が所定のしきい値以上となる第1特徴量データを前記特定の第1特徴量データとして検索する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記抽出処理では、前記プロセッサは、前記特定の訓練データに対応する特定の正解データを前記正解データ群から抽出する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記プロセッサは、
前記特定の訓練データに関する統計値を算出する統計処理を実行する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記プロセッサは、
前記特定の正解データに関する統計値を算出する統計処理を実行する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記プロセッサは、
前記第1特徴量データ群を複数のクラスタに分類するクラスタリング処理と、
前記複数のクラスタの中から前記第2特徴量データの所属先クラスタを特定する特定処理と、を実行し、
前記検索処理では、前記プロセッサは、前記特定処理によって特定された所属先クラスタの中から、前記第2算出処理によって算出された第2特徴量データに類似する特定の第1特徴量データを検索する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記プロセッサは、
前記第1特徴量データ群を複数のクラスタに分類するクラスタリング処理と、
前記クラスタリング処理によって分類された複数のクラスタの各々について、前記クラスタ内の第1特徴量データの算出元となる訓練データと、当該訓練データに対応する正解データとに基づいて、予測モデルを生成する生成処理と、
前記複数のクラスタの中から前記第2特徴量データの所属先クラスタを特定する特定処理と、
前記特定処理によって特定された所属先クラスタの予測モデルを前記生成処理によって生成された複数の予測モデルの中から取得する取得処理と、
前記取得処理によって取得された予測モデルに前記予測対象データを入力することにより、予測結果データを出力する出力処理と、
を実行することを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記訓練データ群の各々の訓練データおよび前記予測対象データはそれぞれ、医療サービスにおける複数の異なるサービス属性の適否を示す第1データ列であり、前記正解データ群の各々の正解データは、前記訓練データについて前記第1データ列の医療サービスが適用された患者に関する情報を示す第2データ列である、
ことを特徴とする分析装置。 - 請求項9に記載の分析装置であって、
前記複数の異なるサービス属性は、第1サービス属性から第2サービス属性への変更を含む、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記訓練データ群の各々の訓練データおよび前記予測対象データはそれぞれ、複数の異なる種類の医療サービスの適否を示す第1データ列であり、前記正解データは、前記訓練データ群の各々の正解データについて前前記第1データ列の医療サービスが適用された患者に関する情報を示す第2データ列である、
ことを特徴とする分析装置。 - プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する分析装置が実行する分析方法であって、
前記分析方法は、
前記プロセッサが、
入力層、1以上の中間層、および出力層を有し、前記入力層に割り当てられる訓練データ群と、前記出力層に割り当てられる正解データ群と、に基づいて学習された学習モデルに、前記訓練データ群の各々の訓練データを入力することにより、前記中間層から第1特徴量データ群を算出する第1算出処理と、
前記学習モデルの予測対象データを入力することにより、前記中間層から第2特徴量データを算出する第2算出処理と、
前記第1算出処理によって算出された第1特徴量データ群の中から、前記第2算出処理によって算出された第2特徴量データに類似する特定の第1特徴量データを検索する検索処理と、
前記検索処理によって検索された特定の第1特徴量データの算出元となる特定の訓練データを前記訓練データ群から抽出する抽出処理と、
を実行することを特徴とする分析方法。 - プロセッサに、
入力層、1以上の中間層、および出力層を有し、前記入力層に割り当てられる訓練データ群と、前記出力層に割り当てられる正解データ群と、に基づいて学習された学習モデルに、前記訓練データ群の各々の訓練データを入力することにより、前記中間層から第1特徴量データ群を算出する第1算出処理と、
前記学習モデルの予測対象データを入力することにより、前記中間層から第2特徴量データを算出する第2算出処理と、
前記第1算出処理によって算出された第1特徴量データ群の中から、前記第2算出処理によって算出された第2特徴量データに類似する特定の第1特徴量データを検索する検索処理と、
前記検索処理によって検索された特定の第1特徴量データの算出元となる特定の訓練データを前記訓練データ群から抽出する抽出処理と、
を実行させるための分析プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020033769A JP7384705B2 (ja) | 2020-02-28 | 2020-02-28 | 分析装置、分析方法、および分析プログラム |
US17/140,455 US20210271924A1 (en) | 2020-02-28 | 2021-01-04 | Analyzer, analysis method, and analysis program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020033769A JP7384705B2 (ja) | 2020-02-28 | 2020-02-28 | 分析装置、分析方法、および分析プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021135930A true JP2021135930A (ja) | 2021-09-13 |
JP2021135930A5 JP2021135930A5 (ja) | 2022-04-19 |
JP7384705B2 JP7384705B2 (ja) | 2023-11-21 |
Family
ID=77463709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020033769A Active JP7384705B2 (ja) | 2020-02-28 | 2020-02-28 | 分析装置、分析方法、および分析プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210271924A1 (ja) |
JP (1) | JP7384705B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201800003980A1 (it) | 2018-03-26 | 2019-09-26 | Stmicroelectronics Application Gmbh | Procedimento di comunicazione, sistema, dispositivi, segnale e veicolo corrispondenti |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017054214A (ja) * | 2015-09-07 | 2017-03-16 | ヤフー株式会社 | 判定装置、学習装置、情報配信装置、判定方法及び判定プログラム |
JP2019046474A (ja) * | 2017-08-30 | 2019-03-22 | 株式会社シーディーアイ | 情報処理装置及びプログラム |
WO2020026643A1 (ja) * | 2018-08-03 | 2020-02-06 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
-
2020
- 2020-02-28 JP JP2020033769A patent/JP7384705B2/ja active Active
-
2021
- 2021-01-04 US US17/140,455 patent/US20210271924A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017054214A (ja) * | 2015-09-07 | 2017-03-16 | ヤフー株式会社 | 判定装置、学習装置、情報配信装置、判定方法及び判定プログラム |
JP2019046474A (ja) * | 2017-08-30 | 2019-03-22 | 株式会社シーディーアイ | 情報処理装置及びプログラム |
WO2020026643A1 (ja) * | 2018-08-03 | 2020-02-06 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210271924A1 (en) | 2021-09-02 |
JP7384705B2 (ja) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250950B1 (en) | Machine-learning based query construction and pattern identification for amyotrophic lateral sclerosis | |
El-Bialy et al. | Feature analysis of coronary artery heart disease data sets | |
Quinn et al. | Functional outcome measures in contemporary stroke trials | |
JP5977898B1 (ja) | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム | |
Martin et al. | Twelve years–experience with the Patient Generated Index (PGI) of quality of life: a graded structured review | |
JP2019125240A (ja) | 分析装置および分析方法 | |
CN110291555B (zh) | 用于促进对健康状况的计算分析的系统和方法 | |
US20160147960A1 (en) | Apparatus and method for providing customized personal health service | |
WO2012009638A2 (en) | Treatment related quantitative decision engine | |
US11450434B2 (en) | Implementation of machine-learning based query construction and pattern identification through visualization in user interfaces | |
JP6177609B2 (ja) | 医療カルテシステム及び医療カルテ検索方法 | |
JP2010170534A (ja) | 健康サポートシステム及び健康サポート方法 | |
CN109074858A (zh) | 没有明显准标识符的去识别的健康护理数据库的医院匹配 | |
JP6379199B2 (ja) | データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム | |
CN114078593A (zh) | 临床决策支持 | |
Jenkinson et al. | Patient reported outcomes | |
JP6038727B2 (ja) | 分析システム及び分析方法 | |
CN111415760B (zh) | 医生推荐方法、系统、计算机设备及存储介质 | |
Mitchell et al. | Predicting the ICECAP-O capability index from the WOMAC osteoarthritis index: is mapping onto capability from condition-specific health status questionnaires feasible? | |
JP7384705B2 (ja) | 分析装置、分析方法、および分析プログラム | |
JP4250285B2 (ja) | 疾病別診療報酬明細書分析システム | |
MacLean et al. | Population-Based Applications and Analytics Using Patient-Reported Outcome Measures | |
AlNuaimi et al. | Examining the effect of feature selection on improving patient deterioration prediction | |
Kasabe et al. | Cardio Vascular ailments prediction and analysis based on deep learning techniques | |
US20230229937A1 (en) | Ai training data creation support system, ai training data creation support method, and ai training data creation support program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220408 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220408 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230522 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230802 |
|
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: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7384705 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |