JP2022112651A - Depression symptom determination program - Google Patents

Depression symptom determination program Download PDF

Info

Publication number
JP2022112651A
JP2022112651A JP2021008519A JP2021008519A JP2022112651A JP 2022112651 A JP2022112651 A JP 2022112651A JP 2021008519 A JP2021008519 A JP 2021008519A JP 2021008519 A JP2021008519 A JP 2021008519A JP 2022112651 A JP2022112651 A JP 2022112651A
Authority
JP
Japan
Prior art keywords
information
depression
association
signs
subject
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.)
Pending
Application number
JP2021008519A
Other languages
Japanese (ja)
Inventor
綾子 澤田
Ayako Sawada
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Assest Co Ltd
Original Assignee
Assest Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Assest Co Ltd filed Critical Assest Co Ltd
Priority to JP2021008519A priority Critical patent/JP2022112651A/en
Priority to JP2021014541A priority patent/JP2022113073A/en
Publication of JP2022112651A publication Critical patent/JP2022112651A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

To automatically and highly accurately determine a symptom of a depression of a subject.SOLUTION: A depression symptom determination program for determining a symptom of a depression of a subject causes a computer to execute: an information acquisition step of acquiring behavior pattern information about a behavior pattern of the subject; and a determination step of determining a symptom of a depression of the subject on the basis of the behavior pattern information acquired by the information acquisition step by referring to three or greater stages of relevance between behavior pattern information for reference about the past behavior pattern of the subject and a determination type of the symptom of the depression.SELECTED DRAWING: Figure 17

Description

本発明は、被検者のうつ病の兆候を判別するうつ病兆候判別プログラムに関する。 The present invention relates to a depression symptom determination program for determining depression symptoms of a subject.

近年、うつ病の患者が増加している。うつ病に陥る際には、本人が自覚をしていなくとも外部に兆候として表れる場合がある。仮にうつ病になりえる兆候を事前に検知することができれば、その段階で様々な処方を施すことで、本格的なうつ病に陥る危険性を回避することができる。しかしながら、従来において、このようなうつ病の兆候を自動的かつ高精度に判別するシステムは提案されていないのが現状であった。 In recent years, the number of patients with depression is increasing. When falling into depression, even if the person is not aware of it, it may appear as a sign externally. If signs of possible depression can be detected in advance, various prescriptions can be given at that stage to avoid the risk of full-blown depression. However, in the past, the current situation is that no system has been proposed for automatically and highly accurately discriminating such signs of depression.

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、被検者のうつ病の兆候を自動的かつ高精度に判別することが可能なうつ病兆候判別プログラムを提供することにある。 Therefore, the present invention has been devised in view of the above-mentioned problems, and its purpose is to provide a method for detecting depression that can automatically and highly accurately discriminate signs of depression in a subject. To provide a symptom discrimination program.

上述した課題を解決するために、本発明に係るうつ病兆候判別プログラムは、被検者のうつ病の兆候を判別するうつ病兆候判別プログラムにおいて、被検者の行動のパターンに関する行動パターン情報を取得する情報取得ステップと、過去の被検者の行動のパターンに関する参照用行動パターン情報と、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報に基づき、上記被検者のうつ病の兆候を判別する判別ステップとをコンピュータに実行させることを特徴とする。 In order to solve the above-described problems, a depression symptom discrimination program according to the present invention is a depression symptom discrimination program that discriminates signs of depression of a subject, and includes behavior pattern information about the behavior pattern of the subject. With reference to the information acquisition step to be acquired, the reference behavior pattern information related to the past behavior pattern of the subject, and the degree of association of three or more levels with the discriminant type of the signs of depression, the information acquired by the information acquisition step. and a determination step of determining signs of depression of the subject based on the obtained behavior pattern information.

特段のスキルや経験が無くても、被検者のうつ病の兆候を自動的かつ高精度に判別することが可能となる。 Even if there is no special skill or experience, it is possible to automatically and highly accurately discriminate signs of depression in a subject.

本発明を適用したシステムの全体構成を示すブロック図である。1 is a block diagram showing the overall configuration of a system to which the present invention is applied; FIG. 探索装置の具体的な構成例を示す図である。It is a figure which shows the specific structural example of a search apparatus. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation|movement of this invention.

以下、本発明を適用したうつ病兆候判別プログラムについて、図面を参照しながら詳細に説明をする。 Hereinafter, a depression symptom discrimination program to which the present invention is applied will be described in detail with reference to the drawings.

第1実施形態
図1は、本発明を適用したうつ病兆候判別プログラムが実装されるうつ病兆候判別システム1の全体構成を示すブロック図である。うつ病兆候判別システム1は、情報取得部9と、情報取得部9に接続された探索装置2と、探索装置2に接続されたデータベース3とを備えている。
First Embodiment FIG. 1 is a block diagram showing the overall configuration of a depression symptom discrimination system 1 in which a depression symptom discrimination program to which the present invention is applied is implemented. A depression symptom discrimination system 1 includes an information acquisition unit 9 , a search device 2 connected to the information acquisition unit 9 , and a database 3 connected to the search device 2 .

情報取得部9は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部9は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部9は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部9は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部9は、後述する探索装置2と一体化されていてもよい。情報取得部9は、検知した情報を探索装置2へと出力する。また情報取得部9は地図情報をスキャニングすることで位置情報を特定する手段により構成されていてもよい。また情報取得部9は、温度センサ、湿度センサ、流量センサ、その他物質や物性を特定することが可能なセンサも含む。情報取得部9は、インターネット上のサイトに掲載されている文字列やデータを自動的に取り込んでくる手段で構成されていてもよい。 The information acquisition unit 9 is a device for a person using this system to input various commands and information. The information acquisition unit 9 is not limited to a device for inputting text information, and may be configured by a device such as a microphone that can detect voice and convert it into text information. Further, the information acquisition unit 9 may be configured as an imaging device capable of capturing an image, such as a camera. The information acquisition unit 9 may be configured by a scanner having a function of recognizing a character string from a paper document. Moreover, the information acquisition part 9 may be integrated with the searching device 2 which will be described later. The information acquisition unit 9 outputs the detected information to the searching device 2 . Further, the information acquisition unit 9 may be configured by means for specifying position information by scanning map information. The information acquisition unit 9 also includes a temperature sensor, a humidity sensor, a flow rate sensor, and other sensors capable of specifying substances and physical properties. The information acquisition unit 9 may be configured by means for automatically retrieving character strings and data posted on sites on the Internet.

データベース3は、うつ病兆候判別を行う上で必要な様々な情報が蓄積される。うつ病兆候判別を行う上で必要な情報としては、テキストデータ内における代名詞の頻度に関する参照用代名詞頻度情報、音声のトーンに関する参照用トーン情報、被検者の表情を撮像した表情画像情報、アクションを規定するインテントに関する参照用インテント情報、過去の被検者の脳波に関する参照用脳波情報、被検者の属性に関する参照用属性情報等に対して判別されたうつ病の兆候とのデータセットが記憶されている。 The database 3 accumulates various information necessary for discriminating symptoms of depression. The information necessary to discriminate signs of depression includes reference pronoun frequency information related to the frequency of pronouns in the text data, reference tone information related to the tone of voice, facial expression image information obtained by imaging the subject's facial expression, and actions. A data set with signs of depression discriminated against reference intent information related to intents that define the above, reference electroencephalogram information related to past electroencephalograms of subjects, reference attribute information related to subject attributes, etc. is stored.

つまり、データベース3には、このような参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報と、被検者のうつ病の兆候とが互いに紐づけられて記憶されている。 That is, the database 3 stores such reference pronoun frequency information, reference tone information, facial expression image information, reference intent information, reference electroencephalogram information, reference attribute information, and symptoms of depression of the subject. are associated with each other and stored.

探索装置2は、例えば、パーソナルコンピュータ(PC)等を始めとした電子機器で構成されているが、PC以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この探索装置2による探索解を得ることができる。 The search device 2 is composed of an electronic device such as a personal computer (PC), for example, but in addition to the PC, it is embodied in any other electronic device such as a mobile phone, a smartphone, a tablet terminal, a wearable terminal, etc. It may be one that is made into. A user can obtain a search solution by this search device 2 .

図2は、探索装置2の具体的な構成例を示している。この探索装置2は、探索装置2全体を制御するための制御部24と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部25と、有線通信又は無線通信を行うための通信部26と、各種判断を行う推定部27と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部28とが内部バス21にそれぞれ接続されている。さらに、この内部バス21には、実際に情報を表示するモニタとしての表示部23が接続されている。 FIG. 2 shows a specific configuration example of the search device 2. As shown in FIG. This searching device 2 performs wired or wireless communication with a control unit 24 for controlling the entire searching device 2 and an operation unit 25 for inputting various control commands via operation buttons, keyboards, etc. A communication unit 26 for searching, an estimating unit 27 for making various judgments, and a storage unit 28, represented by a hard disk, for storing a program for performing a search to be executed are connected to the internal bus 21, respectively. . Further, the internal bus 21 is connected with a display unit 23 as a monitor for actually displaying information.

制御部24は、内部バス21を介して制御信号を送信することにより、探索装置2内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部24は、操作部25を介した操作に応じて各種制御用の指令を内部バス21を介して伝達する。 The controller 24 is a so-called central control unit for controlling each component implemented in the search device 2 by transmitting control signals via the internal bus 21 . In addition, the control unit 24 transmits commands for various controls through the internal bus 21 according to operations through the operation unit 25 .

操作部25は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部25は、上記実行命令がユーザから入力された場合には、これを制御部24に通知する。この通知を受けた制御部24は、推定部27を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部25は、前述した情報取得部9として具現化されるものであってもよい。 The operation unit 25 is embodied by a keyboard or a touch panel, and a user inputs an execution command for executing a program. The operation unit 25 notifies the control unit 24 when the execution command is input by the user. Upon receiving this notification, the control unit 24 cooperates with each component including the estimation unit 27 to execute desired processing operations. The operation unit 25 may be embodied as the information acquisition unit 9 described above.

推定部27は、探索解を推定する。この推定部27は、推定動作を実行するに当たり、必要な情報として記憶部28に記憶されている各種情報や、データベース3に記憶されている各種情報を読み出す。この推定部27は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。 The estimation unit 27 estimates a search solution. The estimation unit 27 reads various information stored in the storage unit 28 and various information stored in the database 3 as necessary information in executing the estimation operation. This estimation unit 27 may be controlled by artificial intelligence. This artificial intelligence may be based on any known artificial intelligence technology.

表示部23は、制御部24による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部23は、例えば、液晶ディスプレイ(LCD)等によって実現される。 The display unit 23 is composed of a graphic controller that creates a display image based on control by the control unit 24 . The display unit 23 is implemented by, for example, a liquid crystal display (LCD).

記憶部28は、ハードディスクで構成される場合において、制御部24による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部28には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部24により読み出されて実行されることになる。 When the storage unit 28 is configured with a hard disk, predetermined information is written to each address based on the control by the control unit 24, and this information is read as necessary. The storage unit 28 also stores a program for executing the present invention. This program is read and executed by the control unit 24 .

上述した構成からなるうつ病兆候判別システム1における動作について説明をする。 The operation of the depression symptom discrimination system 1 configured as described above will be described.

うつ病兆候判別システム1では、例えば図3に示すように、参照用代名詞頻度情報と、参照用トーン情報との組み合わせが形成されていることが前提となる。 The depression symptom discrimination system 1 is premised on forming a combination of reference pronoun frequency information and reference tone information, as shown in FIG. 3, for example.

参照用代名詞頻度情報は、うつ病の兆候を判別する被験者が話をした音声をテキストデータに変換したとき、当該テキストデータ内に代名詞がどの程度含まれているかを示す情報である。例えば、被検者が「私は、明日、藤本君と、新幹線で、13時までに、大阪へ、行く」という話をするのと「私は、明日、あれと、あれで、大阪へ行く」というのでは、前者の方が意味が明確であるのに対して、後者は意味が不明確になってしまう。うつ病の患者は、自らが発する音声のテキストデータ中における代名詞の割合が高くなる。これをテキストデータ単位で抽出することで、参照用代名詞頻度情報とする。 The reference pronoun frequency information is information indicating how many pronouns are included in the text data when the voice spoken by the subject whose signs of depression are to be determined is converted into text data. For example, if the subject says, ``Tomorrow, I will go to Osaka by Shinkansen with Mr. Fujimoto by 13:00,'' and ``I will go to Osaka tomorrow, ', the former has a clearer meaning, while the latter has an unclear meaning. Patients with depression have a high proportion of pronouns in their own speech text data. By extracting this in units of text data, it is used as reference pronoun frequency information.

実際にテキストデータ内の代名詞の頻度を定量化する上で、テキストデータの文節数、単語数、格成分の数、名詞句の数、文字数をカウントすることでテキストデータ全体のボリュームを検出するようにしてもよい。そして、このテキストデータ全体のボリュームに対して、これに含まれる代名詞のボリュームを同様に、文節数、単語数、格成分の数、名詞句の数、文字数等を介してカウントする。そして、テキストデータ全体のボリュームに対する代名詞のボリュームの比率を上述した頻度として検出する。これらのテキストデータ全体並びに代名詞のボリュームを計測する上での単位(文節数、単語数、格成分の数、名詞句の数、文字数等)は互いに共通化させることが前提となる。 In order to actually quantify the frequency of pronouns in text data, it is possible to detect the volume of the entire text data by counting the number of clauses, words, case components, noun phrases, and characters in the text data. can be Then, the volume of pronouns contained in the entire text data is counted through the number of phrases, the number of words, the number of case components, the number of noun phrases, the number of characters, and the like. Then, the ratio of the volume of pronouns to the volume of the entire text data is detected as the frequency described above. It is premised that the units (number of clauses, number of words, number of case components, number of noun phrases, number of characters, etc.) for measuring the volume of these entire text data and pronouns are shared with each other.

本発明においては、この参照用代名詞頻度情報を検出する上で、過去の被検者の音声の入力を受け付ける。この入力はマイクロフォン等を介して受け付けるようにしてもよい。そして、この被検者の声をテキストデータに変換してこれを形態素解析することにより、当該テキストデータに含まれる代名詞を抽出する。代名詞は、「あれ」、「それ」、「これ」等の文言を形態素解析により抽出する。また、文節構造体(格成分、名詞句等)を抽出する際も同様に形態素解析を利用する。 In the present invention, when detecting this reference pronoun frequency information, input of the past voice of the subject is accepted. This input may be received via a microphone or the like. Then, the subject's voice is converted into text data and morphologically analyzed to extract pronouns contained in the text data. Pronouns are extracted by morphological analysis of phrases such as "that", "that", and "this". Morphological analysis is also used to extract phrase structures (case components, noun phrases, etc.).

参照用トーン情報とは、過去の被検者から抽出した音声のトーンに関する情報である。この音声のトーンは、例えば、音の高低(音波の1秒間あたりの振動回数、つまり周波数)や音そのもの、或いは音の強弱を指す。音声のトーンは、一般的な音声検出器を通じて、その高低や強弱を検出し、解析するようにしてもよい。 The reference tone information is information about tone of voice extracted from past subjects. The tone of this sound indicates, for example, the pitch of the sound (the number of vibrations of sound waves per second, that is, the frequency), the sound itself, or the intensity of the sound. The tone of the voice may be analyzed by detecting its pitch and strength through a general voice detector.

参照用トーン情報は、参照用代名詞頻度情報におけるテキストデータと連動させ、紐付けておくようにしてもよい。例えば、「私は、明日、あれと、あれで、大阪へ行く」という文言において、「明日」、「あれと」等の各名詞句(格成分)に対して、それぞれ音声のトーンが紐付けられ、参照用トーン情報とされていてもよい。 The tone information for reference may be linked and linked with the text data in the pronoun frequency information for reference. For example, in the sentence "Tomorrow, I will go to Osaka with that and that," each noun phrase (case component) such as "tomorrow" and "that" is associated with a tone of voice. and may be used as reference tone information.

入力データとしては、このような参照用代名詞頻度情報と、参照用トーン情報が並んでいる。このような入力データとしての、参照用代名詞頻度情報に対して、参照用トーン情報が組み合わさったものが、図3に示す中間ノード61である。各中間ノード61は、更に出力に連結している。この出力においては、うつ病の兆候の判別類型A~Eが表示されている。このうつ病の兆候の判別類型は、それぞれうつ病の兆候のあらゆる類型を示すものである。うつ病の兆候の判別類型は、例えばAは、「異常なし」、Bは、「重度のうつ病」、Cは、「うつ病ではないが、その兆候がある予備群」等である。うつ病の兆候の判別類型は、これ以外に、うつ病の症状の大きさや程度を示すものであってもよい。 As input data, such reference pronoun frequency information and reference tone information are arranged side by side. An intermediate node 61 shown in FIG. 3 is a combination of reference pronoun frequency information as such input data and reference tone information. Each intermediate node 61 is further coupled to an output. In this output, discriminating types A to E of signs of depression are displayed. Each of the discriminative patterns of signs of depression indicates all types of signs of depression. The discrimination type of signs of depression is, for example, A for "no abnormality", B for "severe depression", and C for "preliminary group with signs of depression but not depression". In addition to this, the discriminative pattern of signs of depression may indicate the magnitude or degree of symptoms of depression.

参照用代名詞頻度情報と、参照用トーン情報との各組み合わせ(中間ノード)は、この出力解としての、うつ病の兆候の判別類型に対して3段階以上の連関度を通じて互いに連関しあっている。参照用代名詞頻度情報と、参照用トーン情報がこの連関度を介して左側に配列し、うつ病の兆候の判別類型A、B、C、D、E、・・・が連関度を介して右側に配列している。連関度は、左側に配列された参照用代名詞頻度情報と、参照用トーン情報に対して、何れのうつ病の兆候の判別類型と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用代名詞頻度情報と、参照用トーン情報が、いかなるうつ病の兆候の判別類型に紐付けられる可能性が高いかを示す指標であり、各参照用代名詞頻度情報と、参照用トーン情報から、被検者にとって最も該当可能性が高いうつ病の兆候の判別類型を選択する上での的確性を示すものである。図3の例では、連関度としてw13~w22が示されている。このw13~w22は以下の表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力としてのうつ病の兆候の判別類型と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力としてのうつ病の兆候の判別類型と互いに関連度合いが低いことを示している。 Each combination (intermediate node) of the reference pronoun frequency information and the reference tone information is associated with the discriminative pattern of signs of depression as the output solution through three or more levels of association. . The pronoun frequency information for reference and the tone information for reference are arranged on the left side through this degree of association, and the discriminative types A, B, C, D, E, ... of signs of depression are arranged on the right side through the degree of association. are arranged in The degree of association indicates the degree of association between the reference pronoun frequency information and the reference tone information arranged on the left side and which depression symptom discrimination pattern is highly relevant. In other words, the degree of association is an index indicating whether each reference pronoun frequency information and reference tone information is highly likely to be associated with a discriminative pattern of signs of depression. It indicates the accuracy in selecting the discriminative pattern of signs of depression that is most likely to apply to the subject from the frequency information and the reference tone information. In the example of FIG. 3, w13 to w22 are shown as association degrees. These w13 to w22 are shown in 10 stages as shown in Table 1 below, and the closer to 10 points, the higher the degree of correlation between each combination as an intermediate node and the discrimination type of symptoms of depression as an output. Conversely, the closer to 1 point, the lower the degree of correlation between each combination as an intermediate node and the discriminative pattern of symptoms of depression as an output.

Figure 2022112651000002
Figure 2022112651000002

探索装置2は、このような図3に示す3段階以上の連関度w13~w22を予め取得しておく。つまり探索装置2は、実際の探索解の判別を行う上で参照用代名詞頻度情報と参照用トーン情報、並びにその場合のうつ病の兆候の判別類型の何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図3に示す連関度を作り上げておく。 The search device 2 acquires in advance the degrees of association w13 to w22 of three or more stages shown in FIG. In other words, the search device 2 accumulates past data as to which of the reference pronoun frequency information, the reference tone information, and the discrimination pattern of the symptoms of depression in that case was suitable for determining the actual search solution. By analyzing these, the degree of association shown in FIG. 3 is created.

これらのデータを蓄積する過程では、実際にうつ病を患った過去の被検者、又はうつ病には陥っていない過去の被検者、更にはうつ病になっていないが、その予備群になっている過去の被検者から、それぞれ参照用代名詞頻度情報と、参照用トーン情報を検出する。これと共に、実際にその被検者が、うつ病の兆候について専門家や医師により判別された結果を、予め規定された判別類型に当てはめ、これをデータ化し、これと、上述した参照用代名詞頻度情報と、参照用トーン情報とのデータセットを学習させるようにしてもよい。 In the process of accumulating these data, past subjects who actually suffered from depression, past subjects who did not suffer from depression, and even those who did not suffer from depression, but in the preliminary group Pronoun frequency information for reference and tone information for reference are detected from the past subjects who have become. Along with this, the subject actually applies the results of discrimination by experts and doctors regarding signs of depression to a predetermined discrimination type, converts this into data, and the above-mentioned reference pronoun frequency A data set of information and reference tone information may be trained.

なお、この学習データを構築する過程において、実際に被検者からデータを抽出する場合に限定されるものではなく、架空の被検者を想定し、ある参照用代名詞頻度情報と、参照用トーン情報であった場合に、実際にどのようなうつ病の兆候の判別類型に当てはめるかを判断してデータ化し、これを学習させるようにしてもよい。 In the process of constructing this learning data, it is not limited to the case of actually extracting data from a subject. In the case of information, it is also possible to determine what kind of discrimination type of signs of depression is actually applied, convert it into data, and learn this data.

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用代名詞頻度情報P01で、参照用トーン情報P16である場合に、そのうつ病の兆候の判別類型を過去のデータから分析する。Aの事例が多い場合には、このAにつながる連関度をより高く設定し、Bの事例が多く、Aの事例が少ない場合には、Bにつながる連関度を高くし、Aにつながる連関度を低く設定する。例えば中間ノード61aの例では、うつ病の兆候の判別類型AとBの出力にリンクしているが、以前の事例からうつ病の兆候の判別類型Aにつながるw13の連関度を7点に、うつ病の兆候の判別類型Bにつながるw14の連関度を2点に設定している。 This analysis may be performed by artificial intelligence. In such a case, for example, when the reference pronoun frequency information P01 is the reference tone information P16, the discrimination pattern of the symptom of depression is analyzed from the past data. If there are many cases of A, the degree of association leading to A is set higher, and if there are many cases of B and few cases of A, the degree of association leading to B is set higher, and the degree of association leading to A is set higher. set lower. For example, in the example of the intermediate node 61a, it is linked to the outputs of the discriminant types A and B of the signs of depression, but the degree of association of w13 that leads to the discriminant type A of the signs of depression from the previous case is set to 7 points, The degree of association of w14 connected to the discrimination type B of signs of depression is set to 2 points.

また、この図3に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 3 may be composed of nodes of a neural network in artificial intelligence. That is, the weighting coefficients for the outputs of the nodes of this neural network correspond to the degrees of association described above. Moreover, it is not limited to a neural network, and may be composed of all decision-making factors that constitute artificial intelligence.

図3に示す連関度の例で、ノード61bは、参照用代名詞頻度情報P01に対して、参照用トーン情報P14の組み合わせのノードであり、うつ病の兆候の判別類型Cの連関度がw15、うつ病の兆候の判別類型Eの連関度がw16となっている。ノード61cは、参照用代名詞頻度情報P02に対して、参照用トーン情報P15、P17の組み合わせのノードであり、うつ病の兆候の判別類型Bの連関度がw17、うつ病の兆候の判別類型Dの連関度がw18となっている。 In the example of the degree of association shown in FIG. 3, the node 61b is a node of a combination of the tone information for reference P14 with the pronoun frequency information for reference P01, and the degree of association for the discrimination type C of signs of depression is w15, The degree of association of the discriminative type E of signs of depression is w16. The node 61c is a node of a combination of the reference tone information P15 and P17 for the reference pronoun frequency information P02. is w18.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれからうつ病の兆候の判別類型提案のための探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、新たにうつ病の兆候の判別類型の提案を行う、新たな被検者から代名詞頻度情報に加え、トーン情報を取得する。このような代名詞頻度情報に加え、トーン情報の取得方法は、上述した参照用代名詞頻度情報、参照用トーン情報と同様である。 Such a degree of association becomes learned data in terms of artificial intelligence. After such learned data is created, the above-described learned data will be used when actually performing a search for suggesting a discriminant pattern of signs of depression. In such a case, tone information is acquired in addition to pronoun frequency information from a new subject for whom a new discrimination pattern of signs of depression is proposed. In addition to such pronoun frequency information, the method of acquiring tone information is the same as the above-described reference pronoun frequency information and reference tone information.

このようにして新たに取得した代名詞頻度情報、トーン情報に基づいて、最適なうつ病の兆候の判別類型を探索する。かかる場合には、予め取得した図3(表1)に示す連関度を参照する。例えば、新たに取得した代名詞頻度情報がP02と同一かこれに類似するものである場合であって、トーン情報がP17と同一かこれに類似する場合には、連関度を介してノード61dが関連付けられており、このノード61dは、うつ病の兆候の判別類型Cがw19、うつ病の兆候の判別類型Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高いうつ病の兆候の判別類型Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められるうつ病の兆候の判別類型Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the pronoun frequency information and the tone information newly acquired in this way, the optimal depression symptom discrimination pattern is searched. In such a case, reference is made to the degree of association shown in FIG. 3 (Table 1), which has been acquired in advance. For example, when the newly acquired pronoun frequency information is the same as or similar to P02 and the tone information is the same or similar to P17, the node 61d associates This node 61d is associated with the discriminant type C of the symptom of depression with w19 and with the discriminant type D of the symptom of depression with the degree of association w20. In such a case, the discriminant type C of signs of depression with the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the discrimination type D of signs of depression, which has a low degree of association but the association itself is recognized, may be selected as the optimum solution. . In addition, it is of course possible to select an output solution that is not connected by an arrow, and any other priority may be used as long as it is based on the degree of association.

また、入力から伸びている連関度w1~w12の例を以下の表2に示す。 Table 2 below shows examples of degrees of association w1 to w12 extending from the input.

Figure 2022112651000003
Figure 2022112651000003

この入力から伸びている連関度w1~w12に基づいて中間ノード61が選択されていてもよい。つまり連関度w1~w12が大きいほど、中間ノード61の選択における重みづけを重くしてもよい。しかし、この連関度w1~w12は何れも同じ値としてもよく、中間ノード61の選択における重みづけは何れも全て同一とされていてもよい。 Intermediate nodes 61 may be selected based on degrees of association w1 to w12 extending from this input. In other words, the greater the degree of association w1 to w12, the heavier the weight in selecting the intermediate node 61 may be. However, the degrees of association w1 to w12 may all have the same value, and the weighting in selecting the intermediate nodes 61 may all be the same.

図4は、上述した参照用代名詞頻度情報と、参照用表情画像情報との組み合わせと、当該組み合わせに対するうつ病の兆候の判別類型との3段階以上の連関度が設定されている例を示している。 FIG. 4 shows an example in which three or more degrees of association are set for combinations of the above-described reference pronoun frequency information and reference facial expression image information, and depression symptom discrimination patterns for the combinations. there is

参照用表情画像情報は、参照用代名詞頻度情報を取得する被検者の表情の画像に関する情報である。参照用表情画像情報は、カメラにより被検者の表情を撮像することで得られた画像データを解析することで、そのうつ病を検知する上で特徴的な部分を抽出するようにしてもよい。仮にうつ病の患者が表情において特有の笑みを見せる場合があると仮定したとき、その特有の笑みを顔画像を解析することで、その有無を検出するようにしてもよい。また、この参照用表情画像情報は、静止画のみならず動画で構成してもよい。動画の場合には、参照用代名詞頻度情報におけるテキストデータと連動させ、紐付けておくようにしてもよい。例えば、「私は、明日、あれと、あれで、大阪へ行く」という文言において、「明日」、「あれと」等の各名詞句(格成分)に対して、それぞれ動画の内容が時系列的に紐付けられ、参照用表情画像情報とされていてもよい。このような参照用表情画像情報、表情画像情報の取り込み方法は、画像解析以外に、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。 The reference facial expression image information is information relating to the facial expression image of the subject from whom the reference pronoun frequency information is to be obtained. The facial expression image information for reference may be obtained by analyzing the image data obtained by imaging the facial expression of the subject with a camera, and extracting a characteristic portion for detecting the depression. . Assuming that a depressed patient sometimes shows a peculiar smile in facial expression, the presence or absence of the peculiar smile may be detected by analyzing the face image. Further, this facial expression image information for reference may be composed not only of a still image but also of a moving image. In the case of a moving image, it may be linked with the text data in the reference pronoun frequency information. For example, in the sentence ``Tomorrow, I will go to Osaka with that. may be associated with each other and used as reference facial expression image information. Such reference facial expression image information and facial expression image information acquisition method may use deep learning technology as necessary other than image analysis, automatically discriminate based on the feature amount of the analysis image, and convert it into data. .

図4の例では、入力データとして例えば参照用代名詞頻度情報P01~P03、参照用表情画像情報P18~21であるものとする。このような入力データとしての、参照用代名詞頻度情報に対して、参照用表情画像情報が組み合わさったものが、図5に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、うつ病の兆候の判別類型が表示されている。 In the example of FIG. 4, it is assumed that the input data are, for example, reference pronoun frequency information P01 to P03 and reference expression image information P18 to P21. The intermediate node shown in FIG. 5 is a combination of the pronoun frequency information for reference and the facial expression image information for reference as such input data. Each intermediate node is also connected to an output. In this output, the discriminating pattern of symptoms of depression is displayed as the output solution.

参照用代名詞頻度情報と参照用表情画像情報との各組み合わせ(中間ノード)は、この出力解としての、うつ病の兆候の判別類型に対して3段階以上の連関度を通じて互いに連関しあっている。参照用代名詞頻度情報と参照用表情画像情報がこの連関度を介して左側に配列し、うつ病の兆候の判別類型が連関度を介して右側に配列している。連関度は、左側に配列された参照用代名詞頻度情報と参照用表情画像情報に対して、うつ病の兆候の判別類型と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用代名詞頻度情報と参照表情画像情報が、いかなるうつ病の兆候の判別類型に紐付けられる可能性が高いかを示す指標であり、参照用代名詞頻度情報と参照用表情画像情報から最も確からしい各うつ病の兆候の判別類型を選択する上での的確性を示すものである。代名詞頻度情報に加え、実際の表情画像がいかなる状態にあるのかに応じて、探索解は変化する。このため、これらの参照用代名詞頻度情報と参照用表情画像情報の組み合わせで、最適なうつ病の兆候の判別類型を探索していくこととなる。 Each combination (intermediate node) of the reference pronoun frequency information and the reference facial image information is associated with the discriminative pattern of signs of depression as the output solution through three or more levels of association. . The pronoun frequency information for reference and the facial expression image information for reference are arranged on the left side through the degree of association, and the discriminating pattern of signs of depression is arranged on the right side through the degree of association. The degree of association indicates the degree of high association between the reference pronoun frequency information and the reference facial expression image information arranged on the left side and the discrimination pattern of signs of depression. In other words, the degree of association is an index indicating whether each of the reference pronoun frequency information and the reference facial expression image information is likely to be linked to any type of depression symptom discrimination, and is an index indicating whether each reference pronoun frequency information and the reference facial expression image information are highly likely to be associated with each of the reference pronoun frequency information. This indicates the accuracy in selecting the most probable discriminative pattern of each symptom of depression from the facial expression image information for reference. In addition to the pronoun frequency information, the search solution changes depending on the state of the actual facial expression image. Therefore, the combination of the reference pronoun frequency information and the reference facial expression image information is used to search for the optimum depression symptom discrimination type.

図4の例では、連関度としてw13~w22が示されている。このw13~w22は表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力と互いに関連度合いが低いことを示している。 In the example of FIG. 4, w13 to w22 are shown as association degrees. These w13 to w22 are shown in 10 stages as shown in Table 1. The closer to 10 points, the higher the degree of correlation between each combination as an intermediate node and the output. The closer it is, the lower the degree of correlation between each combination as an intermediate node and the output.

探索装置2は、このような図4に示す3段階以上の連関度w13~w22を予め取得しておく。つまり探索装置2は、実際の探索解の判別を行う上で、参照用代名詞頻度情報と参照用表情画像情報、並びにその場合のうつ病の兆候の判別類型が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図4に示す連関度を作り上げておく。 The search device 2 acquires in advance three or more degrees of association w13 to w22 shown in FIG. In other words, the search device 2 determines which of the reference pronoun frequency information and the reference facial expression image information, as well as the depression symptom discrimination type in that case, is preferable in determining the actual search solution, and the past data are accumulated, and the degree of association shown in FIG. 4 is created by analyzing these.

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用代名詞頻度情報P01で、参照用表情画像情報P20である場合に、そのうつ病の兆候の判別類型を過去のデータから分析する。例えば中間ノード61aの例では、うつ病の兆候の判別類型AとBの出力にリンクしているが、以前の事例からうつ病の兆候の判別類型Aにつながるw13の連関度を7点に、うつ病の兆候の判別類型Bにつながるw14の連関度を2点に設定している。 This analysis may be performed by artificial intelligence. In such a case, for example, in the case of the reference pronoun frequency information P01 and the reference expression image information P20, the discrimination pattern of the signs of depression is analyzed from the past data. For example, in the example of the intermediate node 61a, it is linked to the outputs of the discriminant types A and B of the signs of depression, but the degree of association of w13 that leads to the discriminant type A of the signs of depression from the previous case is set to 7 points, The degree of association of w14 connected to the discrimination type B of signs of depression is set to 2 points.

図4に示す連関度の例で、ノード61bは、参照用代名詞頻度情報P01に対して、参照用表情画像情報P18の組み合わせのノードであり、うつ病の兆候の判別類型Cの連関度がw15、うつ病の兆候の判別類型Eの連関度がw16となっている。ノード61cは、参照用代名詞頻度情報P02に対して、参照用表情画像情報P19、P21の組み合わせのノードであり、うつ病の兆候の判別類型Bの連関度がw17、うつ病の兆候の判別類型Dの連関度がw18となっている。 In the example of the degree of association shown in FIG. 4, the node 61b is a node of a combination of the reference pronoun frequency information P01 and the facial expression image information for reference P18, and the degree of association for the discrimination type C of signs of depression is w15. , the degree of association of the discriminant type E of signs of depression is w16. The node 61c is a node of a combination of the reference pronoun frequency information P02 and the facial expression image information for reference P19 and P21. The association degree of D is w18.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから助言を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、上述した代名詞頻度情報に加え、新たにうつ病の兆候の判別類型を検査する被検者に関する表情画像情報を取得する。表情画像情報は、参照用表情画像情報に対応したものである。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually giving advice. In such a case, in addition to the pronoun frequency information described above, facial expression image information regarding the subject whose signs of depression are to be examined for discrimination patterns is newly acquired. The facial expression image information corresponds to reference facial expression image information.

このようにして新たに取得した代名詞頻度情報、表情画像情報に基づいて、信用度を探索する。かかる場合には、予め取得した図4(表1)に示す連関度を参照する。例えば、新たに取得した代名詞頻度情報がP02と同一かこれに類似するものである場合であって、表情画像情報がP21である場合には、連関度を介してノード61dが関連付けられており、このノード61dは、うつ病の兆候の判別類型Cがw19、うつ病の兆候の判別類型Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高いうつ病の兆候の判別類型Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められるうつ病の兆候の判別類型Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the pronoun frequency information and facial expression image information newly acquired in this way, the credibility is searched. In such a case, reference is made to the degrees of association shown in FIG. 4 (Table 1) that have been acquired in advance. For example, when the newly acquired pronoun frequency information is the same as or similar to P02 and the facial expression image information is P21, the node 61d is associated via the degree of association, This node 61d is associated with the discriminant type C of the symptom of depression with w19 and with the discriminant type D of the symptom of depression with the degree of association w20. In such a case, the discriminant type C of signs of depression with the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the discrimination type D of signs of depression, which has a low degree of association but the association itself is recognized, may be selected as the optimum solution. . In addition, it is of course possible to select an output solution that is not connected by an arrow, and any other priority may be used as long as it is based on the degree of association.

なお、参照用代名詞頻度情報の代替として、以下に説明する参照用インテント情報を利用するようにしてもよい。この参照用インテント情報とは、テキストデータに含まれる処理動作単位で管理される情報であり、アクション名を規定するものである。 As an alternative to the reference pronoun frequency information, the reference intent information described below may be used. This reference intent information is information managed in units of processing operations contained in text data, and defines an action name.

インテントは、通常、業務処理(処理動作)を特定するアクションを規定するものである。例えば、「ゴミ箱に捨てる」、「ご飯を食べる」、「テレビを見る」、「買い物に行く」、「電車に乗る」、「音楽を聴く」等、あらゆるアクションがインテントとして規定されている。 Intents usually define actions that specify business processes (processing operations). For example, all actions such as "throw in trash", "eat rice", "watch TV", "go shopping", "ride train", "listen to music", etc. are defined as intents.

テキストデータを形態素解析し、これらに対してそれぞれインテントを割り当てる。このインテントの割り当ては、予め作成して保存したインテントテーブルを参照する。 Morphologically analyze the text data and assign intents to each of them. This intent assignment refers to an intent table created and saved in advance.

インテントテーブルには、形態素解析をした文言がいずれのインテントに含まれるかが定義されている。例えばインテント「買い物に行く」であれば、これに含まれる形態素解析した文言として「買い物に行く」以外に「物買いに行く」「お使いに行って来る」「買いに行く」「調達してくる」等、様々なものが含まれる。同様にインテント「電車に乗る」であれば、これに含まれる形態素解析した文言としては「山手線で行く」「中央線に乗る」「電車を使う」「電車を利用する」等、様々なものが含まれる。 The intent table defines which intent includes the morphologically analyzed wording. For example, if the intent is "go shopping", the phrases included in the morphological analysis include "go shopping", "go shopping", "go to run errands", "go shopping", and "procure". It includes various things such as "coming". Similarly, if the intent is "take a train", the phrases included in the morphological analysis include "take the Yamanote Line", "take the Chuo Line", "use the train", "use the train", etc. includes things.

インテントテーブルには、このような各インテントに対して形態素解析した様々な文言が紐付けられて記録されており、これを読み出すことで、形態素解析した文言それぞれにインテントを割り当てることが可能となる。 In the intent table, various sentences that have been morphologically analyzed are linked to each intent and recorded. By reading this, it is possible to assign an intent to each sentence that has been morphologically analyzed. becomes.

図5に示すように、このような各インテントからなる参照用インテント情報と、参照用表情画像情報との組み合わせと、出力データとしての、うつ病の兆候の判別類型が互いに中間ノード61の連関度を介して関連付けられて学習させておく。 As shown in FIG. 5, a combination of the reference intent information consisting of each intent and the reference facial expression image information and the discriminative pattern of the signs of depression as output data are shown in the intermediate node 61. They are related via the degree of association and learned.

そして、新たに被検者からインテント情報と表情画像情報とを抽出し、これに対応する参照用インテント情報を介して探索解としてのうつ病の兆候を分析する。 Then, intent information and facial expression image information are newly extracted from the subject, and symptoms of depression are analyzed as a search solution using the corresponding reference intent information.

なお、参照用インテント情報と、参照用トーン情報との組み合わせと、出力データとしての、うつ病の兆候の判別類型が互いに中間ノード61の連関度を介して関連付けられて学習させておくことで、新たに被検者からインテント情報と、トーン情報が入力された場合に、同様に探索解を探索することも可能となる。 The combination of the reference intent information and the reference tone information and the discriminative pattern of the signs of depression as the output data are associated with each other through the degree of association of the intermediate node 61 and learned. When intent information and tone information are newly input from the subject, it is also possible to search for a search solution in the same way.

図6は、上述した参照用代名詞頻度情報と、参照用トーン情報に加えて、更に参照用脳波情報との組み合わせと、当該組み合わせに対するうつ病の兆候の判別類型との3段階以上の連関度が設定されている例を示している。 FIG. 6 shows that in addition to the above-mentioned reference pronoun frequency information, reference tone information, and further reference electroencephalogram information, three or more levels of correlation between the combination and the depression symptom discrimination pattern are shown. A set example is shown.

参照用脳波情報は、被検者の脳波に関する情報である。被検者の脳波は、市販されている脳波計から計測することができる。このような参照用脳波情報を組み合わせて判断することでうつ病の兆候を把握することができる場合もあることから、これを説明変数として加えている。この参照用脳波情報は、時系列的な変化を捉えた情報で構成してもよい。係る場合には、参照用代名詞頻度情報におけるテキストデータと連動させ、紐付けておくようにしてもよい。例えば、「私は、明日、あれと、あれで、大阪へ行く」という文言において、「明日」、「あれと」等の各名詞句(格成分)に対して、時系列的な脳波の変化が紐付けられ、参照用代名詞頻度情報とされていてもよい。 The reference electroencephalogram information is information relating to the subject's electroencephalogram. A subject's electroencephalogram can be measured from a commercially available electroencephalograph. By combining such reference electroencephalogram information, it may be possible to grasp signs of depression, so this is added as an explanatory variable. This electroencephalogram information for reference may be composed of information capturing chronological changes. In such a case, the text data in the reference pronoun frequency information may be interlocked and linked. For example, in the sentence "Tomorrow, I will go to Osaka with that and that," the time-series changes in brain waves for each noun phrase (case component) such as "tomorrow" and "that" may be linked and used as reference pronoun frequency information.

かかる場合において、連関度は、図6に示すように、参照用代名詞頻度情報と、参照用トーン情報と、参照用脳波情報との組み合わせの集合が上述と同様に中間ノードのノード61a~61eとして表現されることとなる。 In such a case, as shown in FIG. 6, the degree of association can be obtained by using a set of combinations of reference pronoun frequency information, reference tone information, and reference electroencephalogram information as intermediate nodes 61a to 61e in the same manner as described above. to be expressed.

例えば、図6において、ノード61cは、参照用代名詞頻度情報P02が連関度w3で、参照用トーン情報P15が連関度w7で、参照用脳波情報Wが連関度w11で連関している。同様にノード61eは、参照用代名詞頻度情報P03が連関度w5で、参照用トーン情報P15が連関度w8で、参照用脳波情報Vが連関度w10で連関している。 For example, in FIG. 6, the node 61c is associated with the reference pronoun frequency information P02 with the degree of association w3, with the reference tone information P15 with the degree of association w7, and with the reference electroencephalogram information W with the degree of association w11. Similarly, the node 61e is associated with the reference pronoun frequency information P03 with the degree of association w5, with the reference tone information P15 with the degree of association w8, and with the reference electroencephalogram information V with the degree of association w10.

このような連関度が設定されている場合も同様に、新たに検査対象の被検者から取得した代名詞頻度情報と、トーン情報と、脳波情報に基づいて、うつ病の兆候を判別する。 Similarly, when such a degree of association is set, signs of depression are discriminated based on pronoun frequency information, tone information, and electroencephalogram information newly acquired from a subject to be examined.

このうつ病の兆候の判別類型を判別する上で予め取得した図6に示す連関度を参照する。例えば、代名詞頻度情報が参照用代名詞頻度情報P02に同一又は類似で、取得したトーン情報が参照用トーン情報P15と同一、類似であることが特定でき、更に取得した脳波情報が、参照用脳波情報Wであることが特定できた場合、その組み合わせはノード61cが関連付けられており、このノード61cは、うつ病の兆候の判別類型Bが連関度w17で、またうつ病の兆候の判別類型Dが連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際にその新たに代名詞頻度情報と、トーン情報と、脳波情報とからうつ病の兆候の判別類型を求めていくことになる。 In order to discriminate the discriminative pattern of the signs of depression, reference is made to the degree of association shown in FIG. 6 acquired in advance. For example, it can be specified that the pronoun frequency information is identical or similar to the reference pronoun frequency information P02, the acquired tone information is identical or similar to the reference tone information P15, and the acquired electroencephalogram information is the electroencephalogram information for reference. If W can be specified, the combination is associated with a node 61c, and this node 61c has a degree of association w17 for the discriminant type B of signs of depression and a discriminant type D for signs of depression. They are associated with a degree of association w18. Based on w17 and w18 as a result of such a degree of association, the discriminant type of signs of depression is actually obtained from the new pronoun frequency information, tone information, and electroencephalogram information.

参照用代名詞頻度情報の代替として、参照用インテント情報を用いる場合も同様に買い探索を行うことができる。 A buy search can be performed in the same way when referring intent information is used instead of referring pronoun frequency information.

図7は、上述した参照用代名詞頻度情報と、参照用トーン情報に加えて、更に参照用属性情報との組み合わせと、当該組み合わせに対するうつ病の兆候の判別類型との3段階以上の連関度が設定されている例を示している。 FIG. 7 shows that, in addition to the reference pronoun frequency information and the reference tone information, the combination of the reference attribute information and the depression symptom discrimination type for the combination have three or more levels of association. A set example is shown.

参照用属性情報は、被検者の属性を示す情報である。被検者の属性とは、被検者の年齢、性別、職業、現在行っている社会活動、過去から現在に至るまでのうつ病に関係する行動や言動に関する情報、うつ病以外の各種疾患等に関する情報も含まれる。 Reference attribute information is information indicating attributes of a subject. Attributes of subjects include age, gender, occupation, current social activities, behaviors and behaviors related to depression from the past to the present, various diseases other than depression, etc. It also includes information about

かかる場合において、連関度は、図7に示すように、参照用代名詞頻度情報と、参照用トーン情報と、参照用属性情報との組み合わせの集合が上述と同様に中間ノードのノード61a~61eとして表現されることとなる。 In such a case, as shown in FIG. 7, the degree of relevance is obtained by using a set of combinations of reference pronoun frequency information, reference tone information, and reference attribute information as intermediate nodes 61a to 61e in the same manner as described above. to be expressed.

例えば、図7において、ノード61cは、参照用代名詞頻度情報P02が連関度w3で、参照用トーン情報P15が連関度w7で、参照用属性情報Wが連関度w11で連関している。同様にノード61eは、参照用代名詞頻度情報P03が連関度w5で、参照用トーン情報P15が連関度w8で、参照用属性情報Vが連関度w10で連関している。 For example, in FIG. 7, the node 61c is associated with the reference pronoun frequency information P02 with the degree of association w3, with the reference tone information P15 with the degree of association w7, and with the reference attribute information W with the degree of association w11. Similarly, the node 61e is associated with the reference pronoun frequency information P03 with the degree of association w5, with the reference tone information P15 with the degree of association w8, and with the reference attribute information V with the degree of association w10.

このような連関度が設定されている場合も同様に、新たに被検者から取得した代名詞頻度情報と、トーン情報と、属性情報に基づいて判別する。 Similarly, when such a degree of association is set, determination is made based on pronoun frequency information, tone information, and attribute information newly acquired from the subject.

このうつ病の判別類型を判別する上で予め取得した図7に示す連関度を参照する。例えば、代名詞頻度情報が参照用代名詞頻度情報P02に同一又は類似で、取得したトーン情報が参照用トーン情報P15と同一、類似であることが特定でき、更に取得した属性情報が、参照用属性情報Wであることが特定できた場合、その組み合わせはノード61cが関連付けられており、このノード61cは、判別類型Bが連関度w17で、また判別類型Dが連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際にその新たに代名詞頻度情報と、トーン情報と、属性情報とに基づき、新たな被検者の判別類型を求めていくことになる。 In order to discriminate the discriminant type of depression, the degree of association shown in FIG. 7 acquired in advance is referred to. For example, it can be specified that the pronoun frequency information is identical or similar to the reference pronoun frequency information P02, the acquired tone information is identical or similar to the reference tone information P15, and the acquired attribute information is the reference attribute information. If W can be specified, the combination is associated with a node 61c, and this node 61c is associated with the discriminant type B with a degree of association w17 and with the discriminant type D with a degree of association w18. As a result of such degree of association, based on w17 and w18, a new discriminant type of the subject is actually obtained based on the new pronoun frequency information, tone information, and attribute information. .

また、図8に示すように、参照用情報Uとして、参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報で構成し、参照用情報Vとして、参照用情報Uと組み合わせて連関度を構成する参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報とし、これらの組み合わせの連関度に基づいて判別するようにしてもよい。出力解は、上述した各うつ病の兆候の判別類型に該当する。 Further, as shown in FIG. 8, reference information U is composed of reference pronoun frequency information, reference tone information, expression image information, reference intent information, reference electroencephalogram information, and reference attribute information. Reference pronoun frequency information, reference tone information, facial expression image information, reference intent information, reference electroencephalogram information, and reference attribute information, which are combined with reference information U to form a degree of association, are used as reference information V. You may make it discriminate|determine based on the association degree of the combination of. The output solution corresponds to the classification type of each symptom of depression described above.

このとき、参照用情報Uについて得られた出力をそのまま入力データとして、参照用情報Vとの組み合わせの中間ノード61を介して出力と関連付けられていてもよい。例えば、参照用情報Uについて、出力解を出した後、これをそのまま入力として、他の参照用情報Vとの間での連関度を利用し、出力を探索するようにしてもよい。 At this time, the output obtained for the reference information U may be used as input data as it is, and may be associated with the output via the intermediate node 61 in combination with the reference information V. FIG. For example, after providing an output solution for the reference information U, this may be used as an input as it is, and the degree of association with other reference information V may be used to search for the output.

なお本発明は、探索解として、判別類型を探索する場合に限定されるものではなく、図9に示すように、判別類型に応じた処方を予め学習させておくことで、処方を探索解として出力することができる。いかなる判別類型に対していかなる処方が効果的かを予め検証した上で、判別類型毎に効果的な処方を紐付けておく。そして、上述と同様に判別類型を探索し、探索した判別類型に紐付けられた処方を判別類型と共に、或いは判別類型の代替として出力してするようにしてもよい。また、判別類型の代替として、この処方そのものを上述した参照用情報とのデータセットとして学習させるようにしてもよい。これにより、被検者から取得した入力データが入力された場合、より効果的な処方がストレートに出力されることとなる。 It should be noted that the present invention is not limited to the case of searching for a discriminant pattern as a search solution, but as shown in FIG. can be output. After verifying in advance which prescription is effective for which discriminant type, the effective prescription is tied to each discriminant type. Then, in the same manner as described above, the discriminant pattern may be searched, and the prescription linked to the searched discriminant pattern may be output together with the discriminant pattern or as a substitute for the discriminant pattern. As an alternative to the discriminant pattern, the prescription itself may be learned as a data set together with the above-described reference information. As a result, when the input data obtained from the subject is input, a more effective prescription is directly output.

図9は、参照用代名詞頻度情報と、参照用トーン情報との組み合わせにより連関度を形成する場合の例を示しているが、これに限定されるものではなく、上述した全ての参照用情報を入力データとした連関度についても同様に、処方そのものを上述した参照用情報とのデータセットとして学習させるようにしてもよいことは勿論である。 FIG. 9 shows an example in which the degree of association is formed by combining the reference pronoun frequency information and the reference tone information. As for the degree of association as input data, it goes without saying that the prescription itself may be similarly learned as a data set with the above-described reference information.

上述した連関度においては、10段階評価で連関度を表現しているが、これに限定されるものではなく、3段階以上の連関度で表現されていればよく、逆に3段階以上であれば100段階でも1000段階でも構わない。一方、この連関度は、2段階、つまり互いに連関しているか否か、1又は0の何れかで表現されるものは含まれない。 In the above-mentioned degree of relevance, the degree of relevance is expressed by a 10-level evaluation, but it is not limited to this, and it may be expressed by a degree of relevance of 3 or more stages. For example, 100 steps or 1000 steps may be used. On the other hand, this degree of association does not include those expressed in two stages, that is, whether or not they are associated with each other, either 1 or 0.

上述した構成からなる本発明によれば、特段のスキルや経験が無くても、誰でも手軽にうつ病の判別類型の探索を行うことができる。また本発明によれば、この探索解の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能(ニューラルネットワーク等)で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。 According to the present invention configured as described above, anyone can easily search for a depression discrimination type without special skills or experience. Further, according to the present invention, it is possible to judge the search solution with a higher degree of accuracy than a human being does. Furthermore, by configuring the degree of association described above with artificial intelligence (neural network, etc.) and making it learn, it is possible to further improve the discrimination accuracy.

なお、上述した入力データ、及び出力データは、学習させる過程で完全に同一のものが存在しない場合も多々あることから、これらの入力データと出力データを類型別に分類した情報であってもよい。つまり、入力データを構成する情報P01、P02、・・・・P15、16、・・・は、その情報の内容に応じて予めシステム側又はユーザ側において分類した基準で分類し、その分類した入力データと出力データとの間でデータセットを作り、学習させるようにしてもよい。 Since there are many cases where the above-described input data and output data are not exactly the same during the learning process, information obtained by classifying these input data and output data according to type may be used. In other words, the information P01, P02, . . . P15, 16, . A data set may be created between the data and the output data for learning.

また、本発明によれば、3段階以上に設定されている連関度を介して最適な解探索を行う点に特徴がある。連関度は、上述した10段階以外に、例えば0~100%までの数値で記述することができるが、これに限定されるものではなく3段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。 Moreover, according to the present invention, it is characterized in that the optimum solution search is performed through the degree of association set to three or more stages. The degree of association can be described by a numerical value of, for example, 0 to 100% in addition to the 10 stages described above, but is not limited to this, and can be described by a numerical value of 3 or more stages. may be configured.

このような3段階以上の数値で表される連関度に基づいてより信用度に関する信憑性が高く、誤認の低い信用度を判別することで、探索解の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。 Based on such a degree of association represented by a numerical value of three or more levels, by determining the credibility with higher credibility and less misidentification, there are multiple candidates for the possibility of search solutions. It is also possible to search and display in descending order of the degree of association.

これに加えて、本発明によれば、連関度が1%のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。 In addition to this, according to the present invention, it is possible to make a judgment without overlooking even a very low output discrimination result such as a correlation degree of 1%. Remind the user that even discrimination results with an extremely low degree of association are connected as slight signs, and that once in dozens or hundreds of times, the discrimination results may be useful. be able to.

更に本発明によれば、このような3段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が1%のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な探索解を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。 Furthermore, according to the present invention, there is an advantage that a search policy can be determined by setting thresholds by performing a search based on three or more degrees of association. If the threshold value is lowered, even if the degree of association is 1%, it can be picked up without omission. be. On the other hand, if the threshold is set high, there is a high possibility that the optimal search solution can be detected with a high probability. Sometimes the solution is overlooked. It is possible to decide which one to place emphasis on based on the way of thinking of the user side and the system side, and it is possible to increase the degree of freedom in selecting such points to place emphasis on.

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。また代名詞頻度情報、トーン情報、表情画像情報、インテント情報、脳波情報、属性情報に関する知見、情報、データを取得した場合、これらに応じて連関度を上昇させ、或いは下降させる。 Furthermore, in the present invention, the degree of association described above may be updated. This update may reflect information provided via a public communication network such as the Internet, for example. When pronoun frequency information, tone information, facial expression image information, intent information, electroencephalogram information, and knowledge, information, and data relating to attribute information are acquired, the degree of association is increased or decreased accordingly.

つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。 In other words, this update corresponds to learning in terms of artificial intelligence. Since new data is acquired and reflected in the learned data, it can be said that it is a learning act.

また、この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。 In addition to updating the degree of association based on information that can be obtained from the public communication network, the system side or the user side based on the contents of research data, papers, conference presentations, newspaper articles, books, etc. by experts It may be updated manually or automatically. Artificial intelligence may be used in these update processes.

また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。 Also, the process of initially building a trained model and the above-described updating may use not only supervised learning but also unsupervised learning, deep learning, reinforcement learning, and the like. In the case of unsupervised learning, instead of loading and learning datasets of input and output data, learning is performed by loading information corresponding to the input data, from which the degree of association related to the output data is self-formed. You can let it run.

第2実施形態
第2実施形態においては、参照用代名詞頻度情報のみから、うつ病の兆候の判別類型を判別する。例えば図10に示すように、過去において取得した参照用代名詞頻度情報と、その過去において実際に判別したうつ病の兆候の判別類型との3段階以上の連関度を利用する。
Second Embodiment In the second embodiment, the discrimination pattern of signs of depression is discriminated only from the reference pronoun frequency information. For example, as shown in FIG. 10, three or more degrees of association between the reference pronoun frequency information acquired in the past and the discriminant pattern of the signs of depression actually discriminated in the past are used.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判別する際において、上述した学習済みデータを利用することとなる。かかる場合には、代名詞頻度情報を新たに取得する。その取得方法は、第1実施形態と同様である。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly discriminating signs of depression. In such a case, pronoun frequency information is newly acquired. The acquisition method is the same as in the first embodiment.

このようにして新たに取得した代名詞頻度情報に基づいて、うつ病の兆候の判別類型を判別する。かかる場合には、予め取得した図10に示す連関度を参照する。具体的なうつ病の兆候の判別類型の推定方法は、第1実施形態と同様であるため以下での説明を省略する。 Based on the pronoun frequency information newly acquired in this way, the discriminative pattern of the signs of depression is discriminated. In such a case, reference is made to the degree of association shown in FIG. 10, which has been acquired in advance. A specific method for estimating the discriminant type of depression symptoms is the same as that in the first embodiment, and thus description thereof is omitted below.

また第2実施形態においては、参照用インテント情報のみから、うつ病の兆候の判別類型を判別するようにしてもよい。かかる場合には、例えば図11に示すように、過去において取得した参照用インテント情報と、その過去において実際に判別したうつ病の兆候の判別類型との3段階以上の連関度を利用する。 Further, in the second embodiment, the discrimination pattern of signs of depression may be discriminated only from the reference intent information. In such a case, for example, as shown in FIG. 11, three or more degrees of association between reference intent information acquired in the past and the discrimination type of signs of depression actually discriminated in the past are used.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判別する際において、上述した学習済みデータを利用することとなる。かかる場合には、インテント情報を新たに取得する。その取得方法は、第1実施形態と同様である。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly discriminating signs of depression. In such a case, intent information is newly acquired. The acquisition method is the same as in the first embodiment.

このようにして新たに取得したインテント情報に基づいて、うつ病の兆候の判別類型を判別する。かかる場合には、予め取得した図11に示す連関度を参照する。具体的なうつ病の兆候の判別類型の推定方法は、第1実施形態と同様であるため以下での説明を省略する。 Based on the intent information newly acquired in this way, the discrimination type of the sign of depression is discriminated. In such a case, reference is made to the degrees of association shown in FIG. 11 that have been acquired in advance. A specific method for estimating the discriminant type of depression symptoms is the same as that in the first embodiment, and thus description thereof is omitted below.

また第2実施形態においては、参照用トーン情報のみから、うつ病の兆候の判別類型を判別するようにしてもよい。かかる場合には、例えば図12に示すように、過去において取得した参照用トーン情報と、その過去において実際に判別したうつ病の兆候の判別類型との3段階以上の連関度を利用する。 Further, in the second embodiment, the discrimination pattern of signs of depression may be discriminated only from the reference tone information. In such a case, for example, as shown in FIG. 12, three or more degrees of association between the reference tone information acquired in the past and the discrimination pattern of signs of depression actually discriminated in the past are used.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判別する際において、上述した学習済みデータを利用することとなる。かかる場合には、トーン情報を新たに取得する。その取得方法は、第1実施形態と同様である。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly discriminating signs of depression. In such a case, tone information is newly acquired. The acquisition method is the same as in the first embodiment.

このようにして新たに取得したトーン情報に基づいて、うつ病の兆候の判別類型を判別する。かかる場合には、予め取得した図12に示す連関度を参照する。具体的なうつ病の兆候の判別類型の推定方法は、第1実施形態と同様であるため以下での説明を省略する。 Based on the tone information newly acquired in this way, the discrimination pattern of signs of depression is discriminated. In such a case, the degree of association shown in FIG. 12 acquired in advance is referred to. A specific method for estimating the discriminant type of depression symptoms is the same as that in the first embodiment, and thus description thereof is omitted below.

なお、第2実施形態においても同様に、探索解として、判別類型を探索する場合に限定されるものではなく、判別類型に応じた処方を予め学習させておくことで、処方を探索解として出力するようにしてもよいことは勿論である。 Similarly, in the second embodiment, the search solution is not limited to searching for the discriminant pattern, but by learning in advance the prescription corresponding to the discriminant pattern, the prescription is output as the search solution. Of course, it is also possible to do so.

また、第1実施形態~第2実施形態ともに、上述した実施の形態に限定されるものでは無く、例えば図13に示すように、基調となる参照用情報と、うつ病の兆候の判別類型との3段階以上の連関度を利用するようにしてもよい。かかる場合には、新たに取得した情報に応じたうつ病の兆候の判別類型との3段階以上の連関度に基づき、解探索を行うことになる。基調となる参照用情報は、例えば参照用代名詞頻度情報等であるが、これに限定されるものでは無く、第1実施形態、第2実施形態におけるいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報等)も適用可能である。 In addition, both the first embodiment and the second embodiment are not limited to the embodiments described above. For example, as shown in FIG. may be used. In such a case, a solution search is performed based on three or more degrees of association with the discriminative pattern of signs of depression according to newly acquired information. The basic reference information is, for example, reference pronoun frequency information or the like, but is not limited to this, and any reference information (reference pronoun frequency information, reference tone information for use, facial expression image information, intent information for reference, electroencephalogram information for reference, attribute information for reference, etc.) can also be applied.

これらの場合も同様に、学習用データとして用いられた参照用情報に応じた情報が入力された場合に、上述した方法に基づいて解探索が行われることとなる。 In these cases, similarly, when information corresponding to reference information used as learning data is input, solution search is performed based on the above-described method.

連関度を通じて求められる探索解は、更に、他の参照用情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。 The search solution obtained through the degree of association may be further modified or weighted based on other reference information.

ここでいう他の参照用情報とは、上述した参照用情報の何れかを基調となる参照用情報とした場合、当該基調となる参照用情報以外のいかなる参照用情報に該当する。 The other reference information referred to here corresponds to any reference information other than the basic reference information when any of the reference information described above is used as the basic reference information.

例えば、他の参照用情報の一つとして、ある参照用トーン情報P14において、以前においてうつ病の兆候の判別類型としてBが判別される経緯が多かったものとする。このような参照用トーン情報P14に応じたトーン情報を新たに取得したとき、うつ病の兆候の判別類型としての探索解Bに対して、重み付けを上げる処理を行い、換言すればうつ病の兆候の判別類型としての探索解Bにつながるようにする処理を行うように予め設定しておく。 For example, in certain reference tone information P14, which is one of other reference information, it is assumed that B was frequently identified as the identification type of signs of depression in the past. When the tone information corresponding to such reference tone information P14 is newly acquired, the search solution B as the discrimination pattern of the signs of depression is weighted. It is set in advance so that a process for connecting to the search solution B as the discrimination type of is performed.

例えば、他の参照用情報Gが、よりうつ病の兆候の判別類型としての探索解Cを示唆するような分析結果であり、参照用情報Fが、よりうつ病の兆候の判別類型としての探索解Dを示唆するような分析結果であるものとする。このように参照用情報との間での設定の後、実際に取得した情報が参照用情報Gと同一又は類似する場合には、うつ病の兆候の判別類型としての探索解Cの重み付けを上げる処理を行う。これに対して、実際に取得した情報が参照用情報Fと同一又は類似する場合には、うつ病の兆候の判別類型としての探索解Dの重み付けを上げる処理を行う。つまり、うつ病の兆候の判別類型につながる連関度そのものを、この参照用情報F~Hに基づいてコントロールするようにしてもよい。或いは、うつ病の兆候の判別類型を上述した連関度のみで決定した後、この求めた探索解に対して参照用情報F~Hに基づいて修正を加えるようにしてもよい。後者の場合において、参照用情報F~Hに基づいてどのように探索解としてのうつ病の兆候の判別類型にいかなるウェートで修正を加えるかは、都度システム側において設計したものを反映させることとなる。 For example, other reference information G is an analysis result that suggests a search solution C as a discrimination type of signs of depression, and reference information F is a search as a discrimination type of signs of depression. Assume that the analysis result suggests the solution D. After the setting with the reference information in this way, if the actually obtained information is the same as or similar to the reference information G, the weight of the search solution C as the discrimination type of the signs of depression is increased. process. On the other hand, when the actually acquired information is the same as or similar to the reference information F, processing is performed to increase the weight of the search solution D as the type of discrimination of signs of depression. In other words, the degree of association itself leading to the discriminative pattern of signs of depression may be controlled based on the reference information FH. Alternatively, after determining the discriminative pattern of the signs of depression based only on the degree of association described above, the obtained search solution may be corrected based on the reference information FH. In the latter case, it is necessary to reflect what is designed on the system side each time as to how to modify the discrimination pattern of signs of depression as a search solution based on the reference information FH. Become.

また参照用情報は、何れか1種で構成される場合に限定されるものではなく、2種以上の参照用情報に基づいて解探索するようにしてもよい。かかる場合も同様に、参照用情報の示唆するうつ病の兆候のある判別類型につながるケースほど、連関度を介して求められた探索解としての当該判別類型をより高く修正するようにしてもよい。 The reference information is not limited to any one type, and the solution search may be performed based on two or more types of reference information. Similarly, in such a case, the more the case leads to the discriminant pattern with signs of depression suggested by the reference information, the higher the discriminant pattern as the search solution obtained through the degree of association may be corrected. .

同様に、図14に示すように、基調となる参照用情報と、他の参照用情報とを有する組み合わせに対する、うつ病の兆候の判別類型との連関度を形成する場合においても、基調となる参照用情報は、第1実施形態、第2実施形態におけるいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報等)も適用可能である。他の参照用情報は、基調となる参照用情報以外の第1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。 Similarly, as shown in FIG. 14, even when forming the degree of association with the discriminant pattern of signs of depression for a combination of reference information that serves as a keynote and other reference information, The reference information is any reference information (reference pronoun frequency information, reference tone information, expression image information, reference intent information, reference electroencephalogram information, reference attribute information, etc.) in the first and second embodiments. etc.) are also applicable. Other reference information includes any reference information in the first and second embodiments other than the basic reference information.

このとき、基調となる参照用情報が、参照用代名詞頻度情報であれば、他の参照用情報としては、これ以外の1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。 At this time, if the basic reference information is the reference pronoun frequency information, the other reference information includes any reference information in the first embodiment and the second embodiment.

かかる場合も同様に解探索を行うことで、うつ病の兆候の判別類型を推定することができる。このとき、上述した図13に示すように、連関度を通じて得られた探索解に対して、更なる他の参照用情報(参照用情報F、G、H等)を通じて、うつ病の兆候の判別類型を修正するようにしてもよい。 In such a case as well, by performing a solution search in the same way, it is possible to estimate the discriminant pattern of signs of depression. At this time, as shown in FIG. 13 described above, for the search solution obtained through the degree of association, through other reference information (reference information F, G, H, etc.), discrimination of signs of depression The type may be modified.

第2実施形態においても、他の参照用情報が1のみならず、2以上組み合わさるようにして連関度が学習されるものであってもよい。 Also in the second embodiment, the degree of association may be learned by combining not only one piece of other reference information but also two or more pieces of reference information.

なお、上述した探索解としては、うつ病の兆候の判別類型の代替として、うつ病の処方を探索解として探索するようにしてもよい。かかる場合には、上述した基調となる参照用情報と他の参照用情報との組み合わせに対するうつ病の処方との3段階以上の連関度を通じて関連付けたデータを用意しておくことで同様に探索解を探索することができる。 As the search solution described above, a prescription for depression may be searched as a search solution in place of the discriminating type of symptoms of depression. In such a case, search solutions can be similarly obtained by preparing data associated with prescriptions for depression through three or more levels of association with the combination of the above-described basic reference information and other reference information. can be explored.

第3実施形態
第3実施形態において、図15、16に示すように、基調となる参照用情報と、うつ病の兆候の判別類型との3段階以上の連関度を利用する場合における、参照用の様々なバリエーション展開の例について説明をする。
Third Embodiment In the third embodiment, as shown in FIGS. 15 and 16, reference information for reference when using three or more levels of degrees of association between reference information as a keynote and discrimination patterns of signs of depression. Examples of various variation deployments of are explained.

基調となる参照用情報の例としては、過去の被検者について脳磁図検査を行った参照用脳磁図情報がある。この参照用脳磁図情報は、MEG(脳磁図検査)により得られる画像データで構成されていてもよいし、脳についてスキャニングしたMRIデータで構成されていてもよい。参照用脳磁図情報は、さらにこれらの画像データについて周知のディープラーニング技術を利用し、特徴的な部分を抽出したデータで構成されていてもよい。うつ病の程度とこれらの脳磁図情報は相関があると考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 An example of the basic reference information is reference magnetoencephalogram information obtained by past magnetoencephalogram examinations of subjects. This reference magnetoencephalogram information may be composed of image data obtained by MEG (magnetoencephalography), or may be composed of MRI data obtained by scanning the brain. The magnetoencephalogram information for reference may further be composed of data obtained by extracting characteristic portions of these image data using well-known deep learning technology. Since it is considered that there is a correlation between the degree of depression and the magnetoencephalogram information, the degree of association described above is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、脳磁図情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, new magnetoencephalogram information is acquired.

新たに取得する脳磁図情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用脳磁図情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly obtained magnetoencephalogram information is obtained from a subject whose symptoms of depression are to be newly determined, and the type and method of obtaining the information are the same as the reference magnetoencephalogram information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の食事内容に関する参照用食事内容情報がある。この参照用食事内容情報は、過去の被検者が実際に摂取した食事の内容(献立等)、食事の量、食事の時間、3食をとる時間間隔、摂取した栄養素やカロリー数である。この参照用食事内容は、1日、1週間、1か月等の期間に区切って取得してもよい。 An example of the basic reference information is reference meal content information relating to the past meal content of the subject. This reference meal content information includes the details of meals actually ingested by the subject in the past (menus, etc.), meal amounts, meal times, time intervals for taking three meals, nutrients and calorie intake. This reference meal content may be obtained by dividing it into periods such as one day, one week, and one month.

うつ病の程度とこれらの食事内容に関する情報は相関があると考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Since it is considered that there is a correlation between the degree of depression and the information about the meal content, the degree of association described above is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、食事内容情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, the meal content information is newly acquired.

新たに取得する食事内容情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用食事内容情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly obtained meal content information is obtained from a subject whose signs of depression are to be newly determined, and the type and acquisition method of the information are the same as those of the reference meal content information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の睡眠状態に関する参照用睡眠情報がある。この参照用睡眠情報は、過去の被検者が実際にした睡眠に関するあらゆる情報であり、例えば、睡眠時間や睡眠の深さ、睡眠中に目が覚める回数やその時間帯、睡眠時の体動に関するあらゆるデータが含まれる。うつ病の患者は睡眠が分断されたり、中途覚醒が多い等のデータがあることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 An example of the basic reference information is reference sleep information relating to past sleep states of the subject. This reference sleep information is all information related to sleep actually performed by the subject in the past. Contains any data related to Since depression patients have data such as sleep fragmentation and frequent awakenings, the above-mentioned degree of association is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、睡眠情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, sleep information is newly acquired.

新たに取得する睡眠情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用食事内容情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly acquired sleep information is acquired from a subject whose signs of depression are to be newly determined, and the type and acquisition method of the information are the same as those of the reference meal content information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の運動状態に関する参照用運動情報がある。この参照用運動情報は、過去の被検者が実際にした運動に関するあらゆる情報であり、例えば、単位時間当たりの歩数、外出時間や外出回数、歩いた距離、走った距離等で構成されていてもよい。また、参照用運動情報は、実際に被検者に装着した加速度センサを通じて腕の振りや足の動き、歩く速さ等を計測した情報で構成してもよい。また、参照用運動情報は、体に装着した心拍計を通じて検出された心拍数、さらにはGPS等を通じて検出された位置情報を介した実際の活動範囲を示すものであってもよい。 An example of the basic reference information is reference exercise information relating to the past exercise state of the subject. This reference exercise information is all kinds of information related to the exercise that the subject actually performed in the past, and includes, for example, the number of steps per unit time, the time and number of times of going out, the distance walked, the distance run, and the like. good too. Also, the reference exercise information may be composed of information obtained by measuring arm swing, leg movement, walking speed, and the like through an acceleration sensor actually worn by the subject. Also, the reference exercise information may indicate a heart rate detected by a heart rate monitor worn on the body, or an actual range of activity via position information detected by GPS or the like.

うつ病の患者は運動量と相関があると考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Since depression patients are considered to have a correlation with the amount of exercise, the above-mentioned degree of association is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、運動情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, exercise information is newly acquired.

新たに取得する運動情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用運動情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly acquired exercise information is obtained from a subject whose signs of depression are to be newly determined, and the type and acquisition method of the information are the same as those of the reference exercise information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の生活時間帯に関する参照用生活時間情報がある。この参照用生活時間情報は、過去の被検者が実際にした生活時間帯に関するあらゆる情報であり、例えば、トイレの電気使用時間を介してトイレの時間帯を取得するようにしてもよいし、部屋の電気の使用時間を介して実際に起きている時間、睡眠時間を検出するようにしてもよい。またドアの開閉センサを介してどの部屋に何時間滞在していたかを検出するようにしてもよい。電気の使用時間は、住宅に設定される電気使用メータを介して検出してもよいし、いわゆるスマートハウス等に設置されている電気メータを介して検出するようにしてもよい。 An example of basic reference information is reference life time information related to past life time zones of subjects. This reference life time information is all information related to the life time period actually used by the subject in the past. The actual waking time and sleep time may be detected from the usage time of electricity in the room. It is also possible to detect which room and how long the user has stayed through a door open/close sensor. The usage time of electricity may be detected via an electricity usage meter installed in a house, or may be detected via an electricity meter installed in a so-called smart house or the like.

うつ病の患者は生活時間と相関があると考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Since depression patients are considered to be correlated with their daily life, the above-mentioned degree of association is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、生活時間情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, the usage time information is newly acquired.

新たに取得する生活時間情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用生活時間情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly acquired time-use information is obtained from a subject whose signs of depression are to be newly determined, and the type and acquisition method of the information are the same as the reference-use time-use information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の家屋内における各種操作に関する参照用操作情報がある。この参照用操作情報は、過去の被検者が実際に家屋内にある電気製品(テレビ、エアコン、PC、ビデオ、掃除機、冷蔵庫、洗濯機)、照明のスイッチ、風呂のガススイッチ、システムキッチンの操作ボタンやレバー等、押しボタン式で開閉する窓の操作等、家屋の住人であればだれもが操作する可能性があるあらゆるものが対象となる。これらの参照用操作情報は、電気製品や家屋内の照明のスイッチ、風呂のガススイッチ、システムキッチンの操作ボタンやレバー等、押しボタンに設置されているIoTセンサを通じて検出してもよい。いわゆるスマートハウス等に設置されている電気メータを介して検出するようにしてもよい。 Examples of basic reference information include reference operation information related to past various operations in the subject's home. This reference operation information includes the electric appliances (TV, air conditioner, PC, VCR, vacuum cleaner, refrigerator, washing machine), lighting switches, bath gas switches, system kitchens, etc. that the past subject actually had in the house. Anything that may be operated by any resident of the house, such as the operation of a window that opens and closes with a push button, such as an operation button or lever of a house. These reference operation information may be detected through IoT sensors installed on push buttons such as electric appliances, lighting switches in the house, gas switches in baths, operation buttons and levers in system kitchens, and the like. It may be detected via an electric meter installed in a so-called smart house or the like.

うつ病の患者はボタン等の操作をする際に押し間違い頻度や押圧時間、さらには押圧強度等と相関があると考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Depressive patients are thought to have correlations with the frequency of pressing mistakes, pressing time, and pressing intensity when operating buttons, etc. The degree of association is constructed in advance.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、操作情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, operation information is newly acquired.

新たに取得する操作情報は、新たにうつ病の兆候を判別する被検者から取得するものであり、その情報の種類及び取得方法は、上述した参照用操作情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly acquired operation information is acquired from a subject whose signs of depression are to be newly determined, and the type and acquisition method of the information are the same as those of the reference operation information described above. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、過去の被検者の視線の動きに関する参照用視線画像情報がある。この参照用視線画像情報は、出題された問題に対する過去の被検者の視線を撮像したものである。視線の画像解析を行う上では、ディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。また赤外線カメラを利用し、被検者の視線の動きを高度に検出するようにしてもよい。 An example of the basic reference information is reference line-of-sight image information relating to past movements of the line of sight of the subject. This line-of-sight image information for reference is obtained by imaging the past line-of-sight of the examinee with respect to the questions set. When performing image analysis of the line of sight, deep learning technology may be used to automatically discriminate based on the feature amount of the analysis image and convert it into data. Also, an infrared camera may be used to detect the movement of the subject's line of sight to a high degree.

出題される問題としては、例えば様々な形状の図形を同時に表示し、同じものがいくつ存在するかを数えさせたり、画面中に表示される目印を移動させる際の視線を解析したり、或いは、いわゆる間違え探しをさせるような問題等、空間認知能力や判断力等を試す問題とされていてもよい。 Examples of questions to be asked include, for example, displaying figures of various shapes at the same time and counting how many of the same shapes exist, analyzing the line of sight when moving the mark displayed on the screen, or It may be a question that tests spatial cognitive ability, judgment ability, etc., such as a question that makes you look for mistakes.

うつ病の患者は、このような問題に対して特徴的な視線の動きをするものと考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Depressive patients are considered to have characteristic gaze movements in response to such problems. .

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、視線画像情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, line-of-sight image information is newly acquired.

新たに取得する操作情報は、新たにうつ病の兆候を判別する被検者に出題された問題に対する視線の動きを撮像したものであり、その情報の種類及び取得方法は、上述した参照用操作情報と同様である。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 The newly acquired operation information is an image of the movement of the line of sight for the question posed to the subject who newly discriminates signs of depression, and the type and acquisition method of the information are the same as the reference operation described above. Similar to information. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

基調となる参照用情報の例としては、単位時間あたりの会話量に関する参照用会話量情報がある。単位時間とは、1分、10分、60分、3時間、一日等、いかなる時間単位であってもよい。会話量は、単に音声を発している時間、つまり、所定音量を超える音声が検出された時間を単位時間で割った値で構成されていてもよい。また、会話量は被検者の音声をテキストデータに変換したとき、当該テキストデータ内の各品詞(動詞、形容詞、目的語、代名詞、副詞等)を定量化し、その品詞の単位時間当たりの量で構成してもよい。また、会話量は、音声をテキストデータ化して、その文節数、単語数、格成分の数、名詞句の数、文字数をカウントすることでテキストデータ全体のボリュームを検出するようにしてもよい。そして、このテキストデータ全体のボリュームの単位時間当たりの量を会話量としてもよい。これらのテキストデータ全体並びに代名詞のボリュームを計測する上での単位(文節数、単語数、格成分の数、名詞句の数、文字数等)は互いに共通化させることが前提となる。 An example of the basic reference information is reference conversation volume information relating to the conversation volume per unit time. The unit time may be any time unit such as 1 minute, 10 minutes, 60 minutes, 3 hours, and a day. The amount of conversation may simply be a value obtained by dividing the length of time during which voice is emitted, that is, the length of time when voice exceeding a predetermined volume is detected, divided by the unit time. In addition, when the subject's voice is converted to text data, the amount of conversation is quantified by each part of speech (verb, adjective, object, pronoun, adverb, etc.) in the text data, and the amount of the part of speech per unit time may be configured with Also, the volume of conversation may be detected by converting speech into text data and counting the number of clauses, words, case components, noun phrases, and characters to detect the volume of the entire text data. Then, the volume of the entire text data per unit time may be used as the amount of conversation. It is premised that the units (number of clauses, number of words, number of case components, number of noun phrases, number of characters, etc.) for measuring the volume of these entire text data and pronouns are shared with each other.

うつ病の患者の症状の程度は、このような会話量と関係することが考えられることから、これらが互いに関連付けられたデータセットを学習させることにより、上述した連関度を予め構築する。 Since it is conceivable that the degree of symptoms of a depressed patient is related to the amount of such conversation, the degree of association described above is constructed in advance by learning a data set in which these are associated with each other.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判断する際において、上述した学習済みデータを利用することとなる。かかる場合には、会話量情報を新たに取得する。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly judging signs of depression. In such a case, conversation volume information is newly acquired.

新たに取得する会話量情報は、新たにうつ病の兆候を判別する被検者の音声をテキストデータに変換し、単位時間あたりの会話量を上述と同様に求める。具体的な解探索の方法は、第1、第2実施形態と同様であるため以下での説明を省略する。 For newly acquired information on the amount of conversation, the amount of conversation per unit time is calculated in the same manner as described above by converting the voice of the subject whose signs of depression are to be newly determined into text data. A specific solution search method is the same as in the first and second embodiments, and therefore description thereof is omitted below.

また、第1実施形態~第3実施形態ともに、上述した実施の形態に限定されるものでは無く、例えば図13に示すように、基調となる参照用情報と、うつ病の兆候の判別類型との3段階以上の連関度を利用するようにしてもよい。かかる場合には、新たに取得した情報に応じたうつ病の兆候の判別類型との3段階以上の連関度に基づき、解探索を行うことになる。基調となる参照用情報は、例えば参照用代名詞頻度情報等であるが、これに限定されるものでは無く、第1実施形態、第2実施形態、第3実施形態におけるいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報、参照用脳磁図情報、参照用食事内容情報、参照用睡眠情報、参照用運転情報、参照用操作情報、参照用視線画像情報、参照用会話量情報、参照用生活時間情報等)も適用可能である。 Moreover, the first to third embodiments are not limited to the above-described embodiments. For example, as shown in FIG. may be used. In such a case, a solution search is performed based on three or more degrees of association with the discriminative pattern of signs of depression according to newly acquired information. The basic reference information is, for example, reference pronoun frequency information or the like, but is not limited to this, and any reference information (reference Pronoun frequency information, tone information for reference, facial expression image information, intent information for reference, electroencephalogram information for reference, attribute information for reference, magnetoencephalogram information for reference, meal content information for reference, sleep information for reference, driving information for reference , reference operation information, reference line-of-sight image information, reference conversation volume information, reference life time information, etc.) are also applicable.

これらの場合も同様に、学習用データとして用いられた参照用情報に応じた情報が入力された場合に、上述した方法に基づいて解探索が行われることとなる。 In these cases, similarly, when information corresponding to reference information used as learning data is input, solution search is performed based on the above-described method.

連関度を通じて求められる探索解は、更に、他の参照用情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。 The search solution obtained through the degree of association may be further modified or weighted based on other reference information.

ここでいう他の参照用情報とは、上述した参照用情報の何れかを基調となる参照用情報とした場合、当該基調となる参照用情報以外のいかなる参照用情報に該当する。 The other reference information referred to here corresponds to any reference information other than the basic reference information when any of the reference information described above is used as the basic reference information.

例えば、他の参照用情報の一つとして、ある参照用生活時間情報P14において、以前においてうつ病の兆候の判別類型としてBが判別される経緯が多かったものとする。このような参照用生活時間情報P14に応じたトーン情報を新たに取得したとき、うつ病の兆候の判別類型としての探索解Bに対して、重み付けを上げる処理を行い、換言すればうつ病の兆候の判別類型としての探索解Bにつながるようにする処理を行うように予め設定しておく。 For example, in certain reference time-use information P14, which is one of the other reference information, it is assumed that B was frequently identified as the identification type of signs of depression in the past. When the tone information corresponding to the reference time-use information P14 is newly acquired, the search solution B as the discrimination type of the signs of depression is weighted. It is set in advance so that a process leading to the search solution B as the symptom discrimination type is performed.

例えば、他の参照用情報Gが、よりうつ病の兆候の判別類型としての探索解Cを示唆するような分析結果であり、参照用情報Fが、よりうつ病の兆候の判別類型としての探索解Dを示唆するような分析結果であるものとする。このように参照用情報との間での設定の後、実際に取得した情報が参照用情報Gと同一又は類似する場合には、うつ病の兆候の判別類型としての探索解Cの重み付けを上げる処理を行う。これに対して、実際に取得した情報が参照用情報Fと同一又は類似する場合には、うつ病の兆候の判別類型としての探索解Dの重み付けを上げる処理を行う。つまり、うつ病の兆候の判別類型につながる連関度そのものを、この参照用情報F~Hに基づいてコントロールするようにしてもよい。或いは、うつ病の兆候の判別類型を上述した連関度のみで決定した後、この求めた探索解に対して参照用情報F~Hに基づいて修正を加えるようにしてもよい。後者の場合において、参照用情報F~Hに基づいてどのように探索解としてのうつ病の兆候の判別類型にいかなるウェートで修正を加えるかは、都度システム側において設計したものを反映させることとなる。 For example, other reference information G is an analysis result that suggests a search solution C as a discrimination type of signs of depression, and reference information F is a search as a discrimination type of signs of depression. Assume that the analysis result suggests the solution D. After the setting with the reference information in this way, if the actually obtained information is the same as or similar to the reference information G, the weight of the search solution C as the discrimination type of the signs of depression is increased. process. On the other hand, when the actually acquired information is the same as or similar to the reference information F, processing is performed to increase the weight of the search solution D as the type of discrimination of signs of depression. In other words, the degree of association itself leading to the discriminative pattern of signs of depression may be controlled based on the reference information FH. Alternatively, after determining the discriminative pattern of the signs of depression based only on the degree of association described above, the obtained search solution may be corrected based on the reference information FH. In the latter case, it is necessary to reflect what is designed on the system side each time as to how to modify the discrimination pattern of signs of depression as a search solution based on the reference information FH. Become.

また参照用情報は、何れか1種で構成される場合に限定されるものではなく、2種以上の参照用情報に基づいて解探索するようにしてもよい。かかる場合も同様に、参照用情報の示唆するうつ病の兆候のある判別類型につながるケースほど、連関度を介して求められた探索解としての当該判別類型をより高く修正するようにしてもよい。 The reference information is not limited to any one type, and the solution search may be performed based on two or more types of reference information. Similarly, in such a case, the more the case leads to the discriminant pattern with signs of depression suggested by the reference information, the higher the discriminant pattern as the search solution obtained through the degree of association may be corrected. .

同様に、図14に示すように、基調となる参照用情報と、他の参照用情報とを有する組み合わせに対する、うつ病の兆候の判別類型との連関度を形成する場合においても、基調となる参照用情報は、第1実施形態~第3実施形態におけるいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報、参照用脳磁図情報、参照用食事内容情報、参照用睡眠情報、参照用運転情報、参照用操作情報、参照用視線画像情報、参照用会話量情報、参照用生活時間情報等)も適用可能である。他の参照用情報は、基調となる参照用情報以外の第1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。 Similarly, as shown in FIG. 14, even when forming the degree of association with the discriminant pattern of signs of depression for a combination of reference information that serves as a keynote and other reference information, The reference information is any reference information (reference pronoun frequency information, reference tone information, facial expression image information, reference intent information, reference electroencephalogram information, reference attribute information, etc.) in the first to third embodiments. , magnetoencephalogram information for reference, meal content information for reference, sleep information for reference, driving information for reference, operation information for reference, line-of-sight image information for reference, conversation volume information for reference, life time information for reference, etc.) can also be applied. is. Other reference information includes any reference information in the first and second embodiments other than the basic reference information.

このとき、基調となる参照用情報が、参照用脳磁図情報であれば、他の参照用情報としては、これ以外の1実施形態~第3実施形態におけるいかなる参照用情報が含まれる。 At this time, if the basic reference information is the reference magnetoencephalogram information, the other reference information includes any reference information in the first to third embodiments other than this.

かかる場合も同様に解探索を行うことで、うつ病の兆候の判別類型を推定することができる。このとき、上述した図13に示すように、連関度を通じて得られた探索解に対して、更なる他の参照用情報(参照用情報F、G、H等)を通じて、うつ病の兆候の判別類型を修正するようにしてもよい。 In such a case as well, by performing a solution search in the same way, it is possible to estimate the discriminant pattern of signs of depression. At this time, as shown in FIG. 13 described above, for the search solution obtained through the degree of association, through other reference information (reference information F, G, H, etc.), discrimination of signs of depression The type may be modified.

第3実施形態においても、他の参照用情報が1のみならず、2以上組み合わさるようにして連関度が学習されるものであってもよい。 Also in the third embodiment, the degree of association may be learned by combining not only one piece of other reference information but also two or more pieces of reference information.

なお、上述した探索解としては、うつ病の兆候の判別類型の代替として、うつ病の処方を探索解として探索するようにしてもよい。かかる場合には、上述した基調となる参照用情報と他の参照用情報との組み合わせに対するうつ病の処方との3段階以上の連関度を通じて関連付けたデータを用意しておくことで同様に探索解を探索することができる。 As the search solution described above, a prescription for depression may be searched as a search solution in place of the discriminating type of symptoms of depression. In such a case, search solutions can be similarly obtained by preparing data associated with prescriptions for depression through three or more levels of association with the combination of the above-described basic reference information and other reference information. can be explored.

第4実施形態
第4実施形態においては、参照用行動パターン情報のみから、うつ病の兆候の判別類型を判別する。例えば図17に示すように、過去において取得した参照用行動パターン情報と、その過去において実際に判別したうつ病の兆候の判別類型との3段階以上の連関度を利用する。
Fourth Embodiment In the fourth embodiment, the discrimination type of signs of depression is discriminated only from the behavior pattern information for reference. For example, as shown in FIG. 17, three or more degrees of association between reference behavior pattern information acquired in the past and the discriminant type of signs of depression actually discriminated in the past are used.

ここでいう参照用行動パターン情報は、過去の被検者の行動のパターンに関するあらゆる情報である。この行動のパターンは予め類型化されているものであってもよく、例えば、歩く、座る、立つ、階段を上る、といった一般的な動作に加えて、のけ反る、身震いする、きょろきょろする、挙動不審になる、頷く、同じところを行ったり来たりする、一度行った場所にすぐに戻る、等、あらゆる行動のパターンが類型化されていてもよい。この参照用行動パターン情報は、過去の被検者の行動を撮像した画像を上記予め類型化された行動パターンに当てはめることにより得るようにしてもよい。かかる場合には、取得した動画像又は静止画像を解析することで得るようにしてもよい。また画像解析以外に、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。 The reference behavioral pattern information referred to here is all information relating to past behavioral patterns of the subject. This behavior pattern may be typified in advance. Any pattern of behavior may be categorized, such as acting suspiciously, nodding, going back and forth in the same place, and immediately returning to the place previously visited. This reference action pattern information may be obtained by applying an image obtained by picking up a past action of the subject to the above-described action pattern categorized in advance. In such a case, it may be obtained by analyzing the acquired moving image or still image. In addition to image analysis, deep learning technology may be used as necessary to automatically determine based on the feature amount of the analysis image and convert it into data.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たにうつ病の兆候を判別する際において、上述した学習済みデータを利用することとなる。かかる場合には、新たな被検者から行動パターン情報を新たに取得する。その取得方法は、参照用行動パターン情報と同様である。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually newly discriminating signs of depression. In such a case, behavior pattern information is newly acquired from a new subject. The acquisition method is the same as that for reference behavior pattern information.

このようにして新たに取得した行動パターン情報に基づいて、うつ病の兆候の判別類型を判別する。かかる場合には、予め取得した図17に示す連関度を参照する。具体的なうつ病の兆候の判別類型の推定方法は、第1実施形態と同様であるため以下での説明を省略する。 Based on the behavior pattern information newly acquired in this way, the discriminative pattern of the signs of depression is discriminated. In such a case, reference is made to the degree of association shown in FIG. 17 acquired in advance. A specific method for estimating the discriminant type of depression symptoms is the same as that in the first embodiment, and thus description thereof is omitted below.

また図18は、上述した参照用行動パターン情報と、参照用シチュエーション情報との組み合わせと、当該組み合わせに対するうつ病の兆候の判別類型との3段階以上の連関度が設定されている例を示している。 Further, FIG. 18 shows an example in which three or more degrees of association are set between the combination of the reference behavior pattern information and the reference situation information described above and the discrimination pattern of signs of depression for the combination. there is

参照用シチュエーション情報は、過去の被検者の行動する際のシチュエーションに関するあらゆる情報である。ここでいうシチュエーションは、被検者が行動する周囲における状況を示すものであり、例えば周囲に話し相手がいたか、また親しい間柄の人又は見知らぬ人がいたか、その周囲における部屋の明るさ、屋外における明るさや天気、周囲における音声や騒音、周囲がきちんと整理整頓された美麗な環境であるか、あるいは散らかっている環境であればそれがどの程度のものか、更にはその被検者に対して他人が介助したり、手を貸したり、ちょっかいを出してたりしている状況なのか、或いは他人に話しかけられている状況にあるのかを示すものであってもよい。 The reference situation information is any information about past situations in which the subject has behaved. The situation here refers to the circumstances surrounding the behavior of the subject. brightness and weather in the environment, sounds and noises in the surroundings, whether the surroundings are neat and tidy, or if the environment is messy, to what extent It may also indicate whether the person is in a situation where another person is helping, lending a hand, or interfering with the person, or whether the person is being talked to by another person.

参照用シチュエーション情報を取得する上で現在がいかなる状況にあるのかは、被検者の周囲を画像により撮像し、これを解析することで得るようにしてもよい。各シチュエーションは、予め類型化されていてもよく、解析した画像を各類型に当てはめることにより、参照用シチュエーション情報を得るようにしてもよい。また画像解析以外に、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。 The current situation for acquiring the reference situation information may be obtained by taking an image of the surroundings of the subject and analyzing the image. Each situation may be categorized in advance, and reference situation information may be obtained by applying an analyzed image to each categorization. In addition to image analysis, deep learning technology may be used as necessary to automatically determine based on the feature amount of the analysis image and convert it into data.

図18の例では、入力データとして例えば参照用行動パターン情報P01~P03、参照用シチュエーション情報P18~21であるものとする。このような入力データとしての、参照用行動パターン情報に対して、参照用シチュエーション情報が組み合わさったものが、図18に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、うつ病の兆候の判別類型が表示されている。 In the example of FIG. 18, it is assumed that the input data are behavior pattern information for reference P01 to P03 and situation information for reference P18 to 21, for example. An intermediate node shown in FIG. 18 is a combination of reference behavior pattern information as input data and reference situation information. Each intermediate node is also connected to an output. In this output, the discriminating pattern of symptoms of depression is displayed as the output solution.

参照用行動パターン情報と参照用シチュエーション情報との各組み合わせ(中間ノード)は、この出力解としての、うつ病の兆候の判別類型に対して3段階以上の連関度を通じて互いに連関しあっている。参照用行動パターン情報と参照用シチュエーション情報がこの連関度を介して左側に配列し、うつ病の兆候の判別類型が連関度を介して右側に配列している。 Each combination (intermediate node) of the behavior pattern information for reference and the situation information for reference is associated with the discriminative pattern of signs of depression as the output solution through three or more degrees of association. The action pattern information for reference and the situation information for reference are arranged on the left side through the degree of association, and the discriminative pattern of signs of depression is arranged on the right side through the degree of association.

探索装置2は、このような図18に示す3段階以上の連関度w13~w22を予め取得しておく。つまり探索装置2は、実際の探索解の判別を行う上で、参照用行動パターン情報と参照用シチュエーション情報、並びにその場合のうつ病の兆候の判別類型が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図18に示す連関度を作り上げておく。この分析、解析は人工知能により行うようにしてもよい。 The search device 2 acquires in advance three or more degrees of association w13 to w22 shown in FIG. In other words, the search device 2, in determining the actual search solution, the reference behavior pattern information and the reference situation information, as well as the past data as to which of the discrimination patterns of signs of depression was preferable in that case. By accumulating and analyzing these, the degree of association shown in FIG. 18 is created. This analysis may be performed by artificial intelligence.

図18に示す連関度の例で、ノード61bは、参照用行動パターン情報P01に対して、参照用シチュエーション情報P18の組み合わせのノードであり、うつ病の兆候の判別類型Cの連関度がw15、うつ病の兆候の判別類型Eの連関度がw16となっている。ノード61cは、参照用行動パターン情報P02に対して、参照用シチュエーション情報P19、P21の組み合わせのノードであり、うつ病の兆候の判別類型Bの連関度がw17、うつ病の兆候の判別類型Dの連関度がw18となっている。 In the example of the degree of association shown in FIG. 18, the node 61b is a node of a combination of the reference situation information P18 with respect to the reference behavior pattern information P01, and the degree of association of the depression symptom discrimination type C is w15, The degree of association of the discriminative type E of signs of depression is w16. The node 61c is a node of a combination of the reference situation information P19 and P21 with respect to the reference behavior pattern information P02. is w18.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから解探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、上述した行動パターン情報に加え、新たにうつ病の兆候の判別類型を検査する被検者に関するシチュエーション情報を取得する。シチュエーション情報は、参照用シチュエーション情報に対応したものである。 Such a degree of association becomes learned data in terms of artificial intelligence. After creating such learned data, the above-described learned data will be used when actually searching for a solution. In such a case, in addition to the behavior pattern information described above, situation information regarding the subject to be tested for the discriminative pattern of signs of depression is newly acquired. The situation information corresponds to the reference situation information.

このようにして新たに取得した行動パターン情報、シチュエーション情報に基づいて、信用度を探索する。かかる場合には、予め取得した図18(表1)に示す連関度を参照する。例えば、新たに取得した行動パターン情報がP02と同一かこれに類似するものである場合であって、シチュエーション情報がP21である場合には、連関度を介してノード61dが関連付けられており、このノード61dは、うつ病の兆候の判別類型Cがw19、うつ病の兆候の判別類型Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高いうつ病の兆候の判別類型Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められるうつ病の兆候の判別類型Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the behavior pattern information and the situation information newly acquired in this way, the credibility is searched. In such a case, reference is made to the degrees of association shown in FIG. 18 (Table 1) that have been acquired in advance. For example, when the newly acquired action pattern information is the same as or similar to P02 and the situation information is P21, the node 61d is associated via the degree of association, and this The node 61d is associated with the discriminant type C of the symptom of depression with w19 and with the discriminant type D of the symptom of depression with the degree of association w20. In such a case, the discriminant type C of signs of depression with the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the discrimination type D of signs of depression, which has a low degree of association but the association itself is recognized, may be selected as the optimum solution. . In addition, it is of course possible to select an output solution that is not connected by an arrow, and any other priority may be used as long as it is based on the degree of association.

なお、第4実施形態においても、図13に示すように、基調となる参照用情報と、うつ病の兆候の判別類型との3段階以上の連関度を利用するようにしてもよい。かかる場合には、新たに取得した情報に応じたうつ病の兆候の判別類型との3段階以上の連関度に基づき、解探索を行うことになる。基調となる参照用情報は、例えば参照用行動パターン情報等であるが、これに限定されるものでは無く、第1実施形態、第2実施形態、第3実施形態におけるいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報、参照用脳磁図情報、参照用食事内容情報、参照用睡眠情報、参照用運転情報、参照用操作情報、参照用視線画像情報、参照用会話量情報、参照用生活時間情報、参照用シチュエーション情報等)も適用可能である。 Also in the fourth embodiment, as shown in FIG. 13, three or more degrees of association may be used between the reference information serving as the keynote and the discriminative pattern of the signs of depression. In such a case, a solution search is performed based on three or more degrees of association with the discriminative pattern of signs of depression according to newly acquired information. The basic reference information is, for example, reference behavior pattern information, etc., but is not limited to this, and any reference information (reference Pronoun frequency information, tone information for reference, facial expression image information, intent information for reference, electroencephalogram information for reference, attribute information for reference, magnetoencephalogram information for reference, meal content information for reference, sleep information for reference, driving information for reference , reference operation information, reference line-of-sight image information, reference conversation amount information, reference use time information, reference situation information, etc.) are also applicable.

これらの場合も同様に、学習用データとして用いられた参照用情報に応じた情報が入力された場合に、上述した方法に基づいて解探索が行われることとなる。 In these cases, similarly, when information corresponding to reference information used as learning data is input, solution search is performed based on the above-described method.

連関度を通じて求められる探索解は、更に、他の参照用情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。 The search solution obtained through the degree of association may be further modified or weighted based on other reference information.

ここでいう他の参照用情報とは、上述した参照用情報の何れかを基調となる参照用情報とした場合、当該基調となる参照用情報以外のいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報、参照用脳磁図情報、参照用食事内容情報、参照用睡眠情報、参照用運転情報、参照用操作情報、参照用視線画像情報、参照用会話量情報、参照用生活時間情報、参照用シチュエーション情報、参照用行動パターン情報等)に該当する。 The other reference information here means any reference information (reference pronoun frequency information, reference pronoun frequency information, Tone information for reference, Facial expression image information, Intent information for reference, EEG information for reference, Attribute information for reference, MEG information for reference, Diet information for reference, Sleep information for reference, Driving information for reference, Operation for reference information, line-of-sight image information for reference, amount of conversation for reference, time spent information for reference, situation information for reference, behavior pattern information for reference, etc.).

また参照用情報は、何れか1種で構成される場合に限定されるものではなく、2種以上の参照用情報に基づいて解探索するようにしてもよい。かかる場合も同様に、参照用情報の示唆するうつ病の兆候のある判別類型につながるケースほど、連関度を介して求められた探索解としての当該判別類型をより高く修正するようにしてもよい。 The reference information is not limited to any one type, and the solution search may be performed based on two or more types of reference information. Similarly, in such a case, the more the case leads to the discriminant pattern with signs of depression suggested by the reference information, the higher the discriminant pattern as the search solution obtained through the degree of association may be corrected. .

同様に、図14に示すように、基調となる参照用情報と、他の参照用情報とを有する組み合わせに対する、うつ病の兆候の判別類型との連関度を形成する場合においても、基調となる参照用情報は、参照用行動パターン情報であるとした場合、他の参照用情報は、基調となる参照用情報以外のいかなる参照用情報(参照用代名詞頻度情報、参照用トーン情報、表情画像情報、参照用インテント情報、参照用脳波情報、参照用属性情報、参照用脳磁図情報、参照用食事内容情報、参照用睡眠情報、参照用運転情報、参照用操作情報、参照用視線画像情報、参照用会話量情報、参照用生活時間情報、参照用シチュエーション情報、参照用行動パターン情報等)の何れかが該当する。この基調となる参照用情報は、参照用シチュエーション情報であってもよい。 Similarly, as shown in FIG. 14, even when forming the degree of association with the discriminant pattern of signs of depression for a combination of reference information that serves as a keynote and other reference information, If the reference information is action pattern information for reference, the other information for reference is any reference information other than the basic reference information (reference pronoun frequency information, reference tone information, facial expression image information, etc.). , reference intent information, reference electroencephalogram information, reference attribute information, reference magnetoencephalogram information, reference meal content information, reference sleep information, reference driving information, reference operation information, reference gaze image information, conversation volume information for reference, time spent information for reference, situation information for reference, behavior pattern information for reference, etc.). The underlying reference information may be reference situation information.

かかる場合も同様に解探索を行うことで、うつ病の兆候の判別類型を推定することができる。このとき、上述した図13に示すように、連関度を通じて得られた探索解に対して、更なる他の参照用情報(参照用情報F、G、H等)を通じて、うつ病の兆候の判別類型を修正するようにしてもよい。 In such a case as well, by performing a solution search in the same way, it is possible to estimate the discriminant pattern of signs of depression. At this time, as shown in FIG. 13 described above, for the search solution obtained through the degree of association, through other reference information (reference information F, G, H, etc.), discrimination of signs of depression The type may be modified.

第4実施形態においても、他の参照用情報が1のみならず、2以上組み合わさるようにして連関度が学習されるものであってもよい。 Also in the fourth embodiment, the degree of association may be learned by combining not only one piece of other reference information but also two or more pieces of reference information.

なお、上述した探索解としては、うつ病の兆候の判別類型の代替として、うつ病の処方を探索解として探索するようにしてもよい。かかる場合には、上述した基調となる参照用情報と他の参照用情報との組み合わせに対するうつ病の処方との3段階以上の連関度を通じて関連付けたデータを用意しておくことで同様に探索解を探索することができる。 As the search solution described above, a prescription for depression may be searched as a search solution in place of the discriminating type of symptoms of depression. In such a case, search solutions can be similarly obtained by preparing data associated with prescriptions for depression through three or more levels of association with the combination of the above-described basic reference information and other reference information. can be explored.

1 うつ病兆候判別システム
2 探索装置
21 内部バス
23 表示部
24 制御部
25 操作部
26 通信部
27 推定部
28 記憶部
61 ノード
1 depression symptom discrimination system 2 search device 21 internal bus 23 display unit 24 control unit 25 operation unit 26 communication unit 27 estimation unit 28 storage unit 61 node

Claims (9)

被検者のうつ病の兆候を判別するうつ病兆候判別プログラムにおいて、
被検者の行動のパターンに関する行動パターン情報を取得する情報取得ステップと、
過去の被検者の行動のパターンに関する参照用行動パターン情報と、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報に基づき、上記被検者のうつ病の兆候を判別する判別ステップとをコンピュータに実行させること
を特徴とするうつ病兆候判別プログラム。
In a depression sign discrimination program for discriminating signs of depression in a subject,
an information acquisition step of acquiring behavioral pattern information about the behavioral pattern of the subject;
Based on the behavioral pattern information obtained by the information obtaining step, with reference to the reference behavioral pattern information related to the past behavioral pattern of the subject and the degree of association of three or more levels with the discriminative type of the signs of depression, and a discrimination step of discriminating signs of depression in a subject.
上記情報取得ステップは、被検者の行動を撮像した画像を予め類型化された行動パターンに当てはめることにより上記行動パターン情報を取得し、
上記判別ステップは、過去の被検者の行動を撮像した画像を上記予め類型化された行動パターンに当てはめることにより上記参照用行動パターン情報を得ること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
The information acquisition step acquires the behavior pattern information by applying an image obtained by capturing the behavior of the subject to behavior patterns categorized in advance,
2. The depressive symptoms according to claim 1, wherein the discrimination step obtains the reference behavioral pattern information by applying an image obtained by picking up past behaviors of the subject to the behavioral patterns categorized in advance. discrimination program.
上記情報取得ステップは、更に上記被検者が行動する際のシチュエーションに関するシチュエーション情報を取得し、
上記判別ステップは、上記参照用行動パターン情報と、過去の被検者の行動する際のシチュエーションに関する参照用シチュエーション情報とを有する組み合わせと、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報と上記シチュエーション情報とに基づき、上記被検者のうつ病の兆候を判別する判別ステップとをコンピュータに実行させること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
The information acquisition step further acquires situation information related to the situation in which the subject behaves,
In the determination step, a combination having the reference behavior pattern information and the reference situation information related to the past behavioral situations of the subject and three or more levels of association with the discrimination type of the signs of depression. and causing a computer to execute a discrimination step of discriminating signs of depression of the subject based on the behavior pattern information acquired by the information acquisition step and the situation information. 1. Depressive symptom discrimination program according to 1.
被検者の音声の入力を受け付ける受付ステップと、
上記受付ステップにより受け付けられた音声をテキストデータに変換してこれを形態素解析することにより、当該テキストデータに含まれる代名詞を抽出する抽出ステップとをさらに備え、
上記情報取得ステップでは、上記抽出ステップにより抽出された抽出された代名詞の上記テキストデータ内における頻度に関する代名詞頻度情報をさらに取得し、
上記判別ステップでは、上記参照用行動パターン情報と、テキストデータ内における代名詞の頻度に関する参照用代名詞頻度情報とを有する組み合わせと、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報と代名詞頻度情報とに基づき、上記被検者のうつ病の兆候を判別すること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
a receiving step of receiving voice input from the subject;
an extracting step of converting the speech received by the receiving step into text data and morphologically analyzing the text data to extract pronouns contained in the text data;
The information acquisition step further acquires pronoun frequency information regarding the frequency of the pronouns extracted by the extraction step in the text data,
In the determination step, three or more degrees of association between combinations having the reference behavior pattern information and the reference pronoun frequency information related to the frequency of pronouns in the text data and the discrimination pattern of the signs of depression are referred to. 2. The program for discriminating signs of depression according to claim 1, wherein the signs of depression of the subject are discriminated based on the behavior pattern information and the pronoun frequency information acquired in the information acquisition step.
被検者の音声の入力を受け付ける受付ステップをさらに備え、
上記情報取得ステップでは、上記受付ステップにより受け付けられた音声のトーンに関するトーン情報を取得する情報取得ステップと、
上記判別ステップでは、上記参照用行動パターン情報と、音声のトーンに関する参照用トーン情報とを有する組み合わせと、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報とトーン情報とに基づき、上記被検者のうつ病の兆候を判別すること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
further comprising a receiving step for receiving voice input from the subject;
In the information acquisition step, an information acquisition step of acquiring tone information relating to the tone of the voice received in the reception step;
In the determination step, the information acquisition step refers to three or more degrees of association between a combination having the reference behavior pattern information and the reference tone information related to the tone of voice and the discrimination pattern of signs of depression. 2. The program for discriminating signs of depression according to claim 1, discriminating signs of depression of the subject based on the behavior pattern information and the tone information acquired by the program.
被検者の音声の入力を受け付ける受付ステップと、
上記情報取得ステップでは、上記受付ステップにより受け付けられた音声をテキストデータに変換してこれを形態素解析することにより、当該テキストデータに含まれる処理動作を特定するアクションを規定するインテントに関するインテント情報をさらに取得し、
上記判別ステップでは、上記参照用行動パターン情報と、処理動作を特定するアクションを規定するインテントに関する参照用インテント情報を有する組み合わせと、うつ病の兆候の判別類型との3段階以上の連関度を参照し、上記情報取得ステップにより取得された行動パターン情報とインテント情報とに基づき、上記被検者のうつ病の兆候を判別すること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
a receiving step of receiving voice input from the subject;
In the information obtaining step, the voice received in the receiving step is converted into text data and subjected to morphological analysis to obtain intent information relating to an intent that defines an action specifying a processing operation included in the text data. and get more
In the determination step, the combination having the reference behavior pattern information and the reference intent information related to the intent specifying the action specifying the processing operation, and the degree of association in three or more stages with the discrimination pattern of the signs of depression. and discriminating a symptom of depression of the subject based on the behavior pattern information and the intent information acquired in the information acquisition step. .
上記情報取得ステップは、更に上記被検者が行動する際のシチュエーションに関するシチュエーション情報を取得し、
上記判別ステップは、上記連関度を参照し、上記情報取得ステップにより取得された行動パターン情報に応じた参照用行動パターン情報とうつ病の兆候の判別類型との3段階以上の連関度のより高いものを優先させるとともに、取得したシチュエーション情報に基づき、上記被検者のうつ病の兆候を判別すること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
The information acquisition step further acquires situation information related to the situation in which the subject behaves,
The determination step refers to the degree of association, and the degree of association between the reference behavioral pattern information corresponding to the behavioral pattern information acquired by the information acquisition step and the discrimination type of signs of depression is higher than three levels. 2. The program for discriminating symptoms of depression according to claim 1, wherein the symptom of depression of the subject is discriminated based on the obtained situation information while giving priority to the situation.
被検者の音声の入力を受け付ける受付ステップと、
上記受付ステップにより受け付けられた音声をテキストデータに変換してこれを形態素解析することにより、当該テキストデータに含まれる代名詞を抽出する抽出ステップとをさらに備え、
上記情報取得ステップでは、上記抽出ステップにより抽出された抽出された代名詞の上記テキストデータ内における頻度に関する代名詞頻度情報をさらに取得し、
上記判別ステップは、上記連関度を参照し、上記情報取得ステップにより取得された行動パターン情報に応じた参照用行動パターン情報とうつ病の兆候の判別類型との3段階以上の連関度のより高いものを優先させるとともに、取得した代名詞頻度情報に基づき、上記被検者のうつ病の兆候を判別すること
を特徴とする請求項1記載のうつ病兆候判別プログラム。
a receiving step of receiving voice input from the subject;
an extracting step of converting the speech received by the receiving step into text data and morphologically analyzing the text data to extract pronouns contained in the text data;
The information acquisition step further acquires pronoun frequency information regarding the frequency of the pronouns extracted by the extraction step in the text data,
The determination step refers to the degree of association, and the degree of association between the reference behavioral pattern information corresponding to the behavioral pattern information acquired by the information acquisition step and the discrimination type of signs of depression is higher than three levels. 2. The program for discriminating symptoms of depression according to claim 1, wherein the symptom of depression of the subject is discriminated based on the obtained pronoun frequency information while prioritizing the subject.
上記判別ステップでは、人工知能におけるニューラルネットワークのノードの各出力の重み付け係数に対応する上記連関度を利用すること
を特徴とする請求項1~8のうち何れか1項記載のうつ病兆候判別プログラム。
The depression symptom discrimination program according to any one of claims 1 to 8, wherein the discrimination step uses the degree of association corresponding to a weighting coefficient of each output of a neural network node in artificial intelligence. .
JP2021008519A 2021-01-22 2021-01-22 Depression symptom determination program Pending JP2022112651A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021008519A JP2022112651A (en) 2021-01-22 2021-01-22 Depression symptom determination program
JP2021014541A JP2022113073A (en) 2021-01-22 2021-02-01 Program for determining sign of depression

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021008519A JP2022112651A (en) 2021-01-22 2021-01-22 Depression symptom determination program

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021014541A Division JP2022113073A (en) 2021-01-22 2021-02-01 Program for determining sign of depression

Publications (1)

Publication Number Publication Date
JP2022112651A true JP2022112651A (en) 2022-08-03

Family

ID=82657228

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021008519A Pending JP2022112651A (en) 2021-01-22 2021-01-22 Depression symptom determination program
JP2021014541A Pending JP2022113073A (en) 2021-01-22 2021-02-01 Program for determining sign of depression

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021014541A Pending JP2022113073A (en) 2021-01-22 2021-02-01 Program for determining sign of depression

Country Status (1)

Country Link
JP (2) JP2022112651A (en)

Also Published As

Publication number Publication date
JP2022113073A (en) 2022-08-03

Similar Documents

Publication Publication Date Title
KR102276415B1 (en) Apparatus and method for predicting/recognizing occurrence of personal concerned context
WO2023216680A9 (en) Forming system and forming method for digital biomarker, and brain health evaluation system based on digital biomarker
WO2022102721A1 (en) Depression-state-determining program
JP6696654B1 (en) Fatigue discrimination program
JP2022106065A (en) Dementia symptom determination program
JP2022112651A (en) Depression symptom determination program
JP2022113072A (en) Dementia symptom determination program
WO2021136030A1 (en) Medical event prediction method, wearable device and computer-readable storage medium
JP2022106068A (en) Depression symptom determination program
JP6849255B1 (en) Dementia symptom discrimination program
JP2021163006A (en) Sleep health level determination program
JP2021111269A (en) Fatigue discrimination program, and improvement measure proposal program
JP2022106066A (en) Depression symptom discrimination program
JP2022106067A (en) Depression symptom discrimination program
JP2021166664A (en) Dementia development discrimination program
JP2022113093A (en) Program for determining attention degree of person to be watched
JP2022106064A (en) Dementia symptom determination program
JP2022077195A (en) Depressive state determination program
JP6755065B1 (en) Fatigue determination program
JP6906816B1 (en) Infectious disease infection risk assessment program
Grzywalski et al. Fully interactive lungs auscultation with AI enabled digital stethoscope
CN113223698B (en) Emergency hierarchical processing method and device, electronic equipment and storage medium
Kumar et al. Decoding stress with computer vision-based approach using audio signals for psychological event identification during COVID-19
JP2020184304A (en) Fatigue level determination program
CN116364269A (en) Counter facts-based cognitive disorder household sickbed effect evaluation method