JP3401858B2 - 診断処理装置 - Google Patents
診断処理装置Info
- Publication number
- JP3401858B2 JP3401858B2 JP23274493A JP23274493A JP3401858B2 JP 3401858 B2 JP3401858 B2 JP 3401858B2 JP 23274493 A JP23274493 A JP 23274493A JP 23274493 A JP23274493 A JP 23274493A JP 3401858 B2 JP3401858 B2 JP 3401858B2
- Authority
- JP
- Japan
- Prior art keywords
- phenomenon
- value
- output
- weight
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、病気や故障等につい
て、現象から原因を推定する診断を、ニューラルネット
によって処理するようにした装置、特に精度の高い診断
結果を得るニューラルネットを容易に構成できるように
した診断処理装置に関する。 【０００２】 【従来の技術と発明が解決しようとする課題】医療診断
システム等、症状から自動的に原因を推定する診断シス
テムが、いわゆるエキスパートシステムを用いて構築さ
れていることは、よく知られているとおりである。 【０００３】しかし、エキスパートシステムで構築する
診断システムでは、知識やルールのコーディングが必要
であって、それに多大の工数を要し、知識を増加させる
と診断速度が遅くなり、又システムが大きくなって高価
になる等の問題がある。 【０００４】そこで、エキスパートシステムに代わる手
段として、ニューラルネットが利用されるようになって
いる。公知のようにニューラルネットは、図４に説明的
に示すように、例えば入力層、中間層、出力層の３層か
らなり、前の層の全ノードの出力がある重みを付けて次
の層の全ノードに入力するようにされ、それらの重みを
乗じた入力の合計が当ノードの入力になるように構成さ
れ、重みは各ノード対ごとに異なることができる。各ノ
ードは入力値で定まる所定の関数値を出力する。 【０００５】このようなニューラルネットで診断を行う
には、例えば各症状の現象項目（例えば発熱、咳、頭痛
等）について、例えばその症状の有無を０、１の値で表
した症状群のパターンを、ニューラルネットの入力層の
各現象項目に対応するノードに入力し、出力層の各ノー
ドを認識結果とすべき各推定原因（例えば病名等）に割
り当てて、例えば「風邪」と推定した場合には第１のノ
ードから１にできるだけ近い値を出力し、その他の他の
原因に割り当ててあるノードからは０に近い値を出力す
るように、ニューラルネットを学習させておく。 【０００６】この学習は公知のように、例えば「風邪」
と認識させたい症状のパターンで種々のバリエーション
のある多数のパターンを順次入力し、教師信号として前
記の例のような所要の出力信号を指定すると、ニューラ
ルネット内の隣接層間で各ノード間を結ぶパスの重み
を、実際の出力信号と教師信号との差に基づく、所定の
アルゴリズムに従って変更することにより両信号間の差
を減少することによって行われるので、これを必要なす
べての原因項目について行うことにより学習を完了す
る。 【０００７】このようにして、ニューラルネットは所望
の入力と出力の関係を自動的に学習をすることができる
が、原因推定精度を高めるためには、各推定原因ごとに
各種のパターンをできるだけ多種集めて学習させなけれ
ばならず、一般に、高い原因推定精度を得るには膨大な
データの準備と、長時間の学習が必要になり易い。 【０００８】病気診断等の場合に、症状の有る／無しだ
けから病名を判定する方法では、全ての症状の重みを均
一に評価するため、どの症状に誤認があっても、診断結
果の精度に同じ影響を与えてしまうので、特に極めて多
数の事例を学習に用いることが必要になる。 【０００９】しかし、例えば酪農における乳牛の病気診
断を行おうとする場合に酪農の現場の事情や、獣医師の
事情などにより、十分に多数の事例を集めることが現状
では困難である。 【００１０】一方、病気診断において医師は、症状の組
み合わせと、その組合せ等から経験的に持っている各々
の症状の相対的な重みとを考慮することによって、精度
高く病名を特定していると考えられるので、病名を判定
する前処理として、症状にそのような重みを付けておけ
ば、重要でない症状が含まれていても診断結果への影響
を少なくすることができる。 【００１１】又、症状の組合せと、その各場合における
各症状に対する重み付けとの関係の情報を得るについて
は、前記例における獣医師の経験的な知識を聞き出して
整理し、適当に数値化すればよいので、酪農の現場から
膨大な症例を集めるよりは容易である。 【００１２】本発明は、現象の重みを考慮することによ
り比較的少ない事例により原因の推定精度を高めること
のできる診断システムを、比較的容易に構成できるよう
にした診断処理装置を目的とする。 【００１３】 【課題を解決するための手段】図１は、本発明の構成を
示すブロック図である。図は診断処理装置の構成であっ
て、重み生成部１と、重み付け部２と、診断部３とを有
する。 【００１４】重み生成部１は、複数の現象項目の各該現
象項目に対応する現象入力端子と、各該現象項目に対応
する重み出力端子とを有する第１のニューラルネットで
構成され、各該現象項目に対応する現象の状態を所定の
値で表す現象値を、該現象入力端子へ入力することによ
り、各該重み出力端子に所要の各重み値を出力する。 【００１５】重み付け部２は、各該現象項目について、
当該現象値と、重み生成部１の出力する当該重み値とか
ら、重み付き現象値を算出する。診断部３は、各該現象
項目に対応する重み付き現象入力端子と、所要の原因出
力端子とを有する第２のニューラルネットで構成され、
各該現象項目の該重み付き現象値を、該重み付き現象入
力端子へ入力することにより、該原因出力端子に所要の
原因推定値を出力する。 【００１６】 【作用】本発明の診断処理装置により、入力として例え
ば各現象の有無を１、０で表す現象値群を入力すると、
装置では先ずその入力からは第１段のニューラルネット
により各現象項目の重み値を出力する。 【００１７】次にその重み値と現象値とから、例えば両
者の積として求める重み付き現象値を求め、それらを第
２段のニューラルネットの入力として原因の推定値を出
力する。 【００１８】その結果、各段のニューラルネットについ
ては、学習のための入出力データを揃え易く、且つ比較
的少ない事例でも精度高く所要の出力を得るように学習
が可能であり、高精度の診断処理装置を比較的容易に構
築できる。 【００１９】 【実施例】図２は本発明の実施例を示す図であり、病気
の診断を行うシステムとして、重み生成部１は発熱、
咳、頭痛等の病気の各症状に対応する現象入力端子を経
て第１のニューラルネットの入力層に、各症状の有／無
を１／０で表す値を入力し、出力層から各症状の重みを
出力する。 【００２０】従って、第１のニューラルネットには、現
象項目の個数に等しいノードをそれぞれ持つ入力層及び
出力層を有し、このニューラルネットに例えば図３に示
すような入出力データの組を、各種の症状のパターンに
ついて採集し、それらのデータを与えて前記のように学
習をしておく。 【００２１】図２において、重み付け部２は各現象項目
について、入力の現象値と出力の重み値との積を出力す
る掛け算回路、或いは現象値が１のとき重み値をそのま
ゝ通過し、現象値が０のときは０を出力する回路からな
る各ゲート４で構成し、出力を診断部３に入力する。 【００２２】診断部３は現象項目の個数に等しいノード
を持つ入力層と、図示の風邪、胃潰瘍、肺炎、あせも、
胃炎のような、所要の推定原因の個数に等しいノードを
持つ出力層の第２のニューラルネットで構成する。 【００２３】第２のニューラルネットには、原因出力を
１とし、その原因で生じる症状について重み付けをした
現象値群データを、各原因出力について適当数採集し、
それらのデータを与えて学習を行っておく。 【００２４】以上により、本装置の全現象入力端子に症
状の有無を示す現象値を入力すると、原因出力端子の各
原因項目には０〜１の範囲の推定値が出力され、その推
定値の大きさを診断の有力データとすることができる。 【００２５】 【発明の効果】以上の説明から明らかなように本発明に
よれば、ニューラルネットによる診断システムの構成に
おいて、ニューラルネットの学習のための入出力データ
を揃え易く、且つ比較的少ない事例でも精度高く所要の
出力を得るように学習が可能であり、高精度の診断処理
装置を比較的容易に構築できるという著しい工業的効果
がある。
て、現象から原因を推定する診断を、ニューラルネット
によって処理するようにした装置、特に精度の高い診断
結果を得るニューラルネットを容易に構成できるように
した診断処理装置に関する。 【０００２】 【従来の技術と発明が解決しようとする課題】医療診断
システム等、症状から自動的に原因を推定する診断シス
テムが、いわゆるエキスパートシステムを用いて構築さ
れていることは、よく知られているとおりである。 【０００３】しかし、エキスパートシステムで構築する
診断システムでは、知識やルールのコーディングが必要
であって、それに多大の工数を要し、知識を増加させる
と診断速度が遅くなり、又システムが大きくなって高価
になる等の問題がある。 【０００４】そこで、エキスパートシステムに代わる手
段として、ニューラルネットが利用されるようになって
いる。公知のようにニューラルネットは、図４に説明的
に示すように、例えば入力層、中間層、出力層の３層か
らなり、前の層の全ノードの出力がある重みを付けて次
の層の全ノードに入力するようにされ、それらの重みを
乗じた入力の合計が当ノードの入力になるように構成さ
れ、重みは各ノード対ごとに異なることができる。各ノ
ードは入力値で定まる所定の関数値を出力する。 【０００５】このようなニューラルネットで診断を行う
には、例えば各症状の現象項目（例えば発熱、咳、頭痛
等）について、例えばその症状の有無を０、１の値で表
した症状群のパターンを、ニューラルネットの入力層の
各現象項目に対応するノードに入力し、出力層の各ノー
ドを認識結果とすべき各推定原因（例えば病名等）に割
り当てて、例えば「風邪」と推定した場合には第１のノ
ードから１にできるだけ近い値を出力し、その他の他の
原因に割り当ててあるノードからは０に近い値を出力す
るように、ニューラルネットを学習させておく。 【０００６】この学習は公知のように、例えば「風邪」
と認識させたい症状のパターンで種々のバリエーション
のある多数のパターンを順次入力し、教師信号として前
記の例のような所要の出力信号を指定すると、ニューラ
ルネット内の隣接層間で各ノード間を結ぶパスの重み
を、実際の出力信号と教師信号との差に基づく、所定の
アルゴリズムに従って変更することにより両信号間の差
を減少することによって行われるので、これを必要なす
べての原因項目について行うことにより学習を完了す
る。 【０００７】このようにして、ニューラルネットは所望
の入力と出力の関係を自動的に学習をすることができる
が、原因推定精度を高めるためには、各推定原因ごとに
各種のパターンをできるだけ多種集めて学習させなけれ
ばならず、一般に、高い原因推定精度を得るには膨大な
データの準備と、長時間の学習が必要になり易い。 【０００８】病気診断等の場合に、症状の有る／無しだ
けから病名を判定する方法では、全ての症状の重みを均
一に評価するため、どの症状に誤認があっても、診断結
果の精度に同じ影響を与えてしまうので、特に極めて多
数の事例を学習に用いることが必要になる。 【０００９】しかし、例えば酪農における乳牛の病気診
断を行おうとする場合に酪農の現場の事情や、獣医師の
事情などにより、十分に多数の事例を集めることが現状
では困難である。 【００１０】一方、病気診断において医師は、症状の組
み合わせと、その組合せ等から経験的に持っている各々
の症状の相対的な重みとを考慮することによって、精度
高く病名を特定していると考えられるので、病名を判定
する前処理として、症状にそのような重みを付けておけ
ば、重要でない症状が含まれていても診断結果への影響
を少なくすることができる。 【００１１】又、症状の組合せと、その各場合における
各症状に対する重み付けとの関係の情報を得るについて
は、前記例における獣医師の経験的な知識を聞き出して
整理し、適当に数値化すればよいので、酪農の現場から
膨大な症例を集めるよりは容易である。 【００１２】本発明は、現象の重みを考慮することによ
り比較的少ない事例により原因の推定精度を高めること
のできる診断システムを、比較的容易に構成できるよう
にした診断処理装置を目的とする。 【００１３】 【課題を解決するための手段】図１は、本発明の構成を
示すブロック図である。図は診断処理装置の構成であっ
て、重み生成部１と、重み付け部２と、診断部３とを有
する。 【００１４】重み生成部１は、複数の現象項目の各該現
象項目に対応する現象入力端子と、各該現象項目に対応
する重み出力端子とを有する第１のニューラルネットで
構成され、各該現象項目に対応する現象の状態を所定の
値で表す現象値を、該現象入力端子へ入力することによ
り、各該重み出力端子に所要の各重み値を出力する。 【００１５】重み付け部２は、各該現象項目について、
当該現象値と、重み生成部１の出力する当該重み値とか
ら、重み付き現象値を算出する。診断部３は、各該現象
項目に対応する重み付き現象入力端子と、所要の原因出
力端子とを有する第２のニューラルネットで構成され、
各該現象項目の該重み付き現象値を、該重み付き現象入
力端子へ入力することにより、該原因出力端子に所要の
原因推定値を出力する。 【００１６】 【作用】本発明の診断処理装置により、入力として例え
ば各現象の有無を１、０で表す現象値群を入力すると、
装置では先ずその入力からは第１段のニューラルネット
により各現象項目の重み値を出力する。 【００１７】次にその重み値と現象値とから、例えば両
者の積として求める重み付き現象値を求め、それらを第
２段のニューラルネットの入力として原因の推定値を出
力する。 【００１８】その結果、各段のニューラルネットについ
ては、学習のための入出力データを揃え易く、且つ比較
的少ない事例でも精度高く所要の出力を得るように学習
が可能であり、高精度の診断処理装置を比較的容易に構
築できる。 【００１９】 【実施例】図２は本発明の実施例を示す図であり、病気
の診断を行うシステムとして、重み生成部１は発熱、
咳、頭痛等の病気の各症状に対応する現象入力端子を経
て第１のニューラルネットの入力層に、各症状の有／無
を１／０で表す値を入力し、出力層から各症状の重みを
出力する。 【００２０】従って、第１のニューラルネットには、現
象項目の個数に等しいノードをそれぞれ持つ入力層及び
出力層を有し、このニューラルネットに例えば図３に示
すような入出力データの組を、各種の症状のパターンに
ついて採集し、それらのデータを与えて前記のように学
習をしておく。 【００２１】図２において、重み付け部２は各現象項目
について、入力の現象値と出力の重み値との積を出力す
る掛け算回路、或いは現象値が１のとき重み値をそのま
ゝ通過し、現象値が０のときは０を出力する回路からな
る各ゲート４で構成し、出力を診断部３に入力する。 【００２２】診断部３は現象項目の個数に等しいノード
を持つ入力層と、図示の風邪、胃潰瘍、肺炎、あせも、
胃炎のような、所要の推定原因の個数に等しいノードを
持つ出力層の第２のニューラルネットで構成する。 【００２３】第２のニューラルネットには、原因出力を
１とし、その原因で生じる症状について重み付けをした
現象値群データを、各原因出力について適当数採集し、
それらのデータを与えて学習を行っておく。 【００２４】以上により、本装置の全現象入力端子に症
状の有無を示す現象値を入力すると、原因出力端子の各
原因項目には０〜１の範囲の推定値が出力され、その推
定値の大きさを診断の有力データとすることができる。 【００２５】 【発明の効果】以上の説明から明らかなように本発明に
よれば、ニューラルネットによる診断システムの構成に
おいて、ニューラルネットの学習のための入出力データ
を揃え易く、且つ比較的少ない事例でも精度高く所要の
出力を得るように学習が可能であり、高精度の診断処理
装置を比較的容易に構築できるという著しい工業的効果
がある。
【図面の簡単な説明】
【図１】 本発明の構成を示すブロック図
【図２】 本発明の実施例を示すブロック図
【図３】 重み生成の学習データを説明する図
【図４】 ニューラルネットを説明する図
【符号の説明】
１ 重み生成部
２ 重み付け部
３ 診断部
４ ゲート
フロントページの続き
(56)参考文献 特開 平２−195935（ＪＰ，Ａ)
特開 平５−176932（ＪＰ，Ａ)
デイホフ Ｊ．，ニューラルネットワ
ークアーキテクチャ入門 第１版，日
本，森北出版株式会社，1992年 ４月10
日，ｐ．232−234
(58)調査した分野(Int.Cl.7，ＤＢ名)
G06N 1/00 - 7/08
A61B 5/00
G06F 17/60
ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- (57)【特許請求の範囲】 【請求項１】 重み生成部と、重み付け部と、診断部と
を有し、 該重み生成部は、複数の現象項目の、各該現象項目に対
応する現象入力端子と、各該現象項目に対応する重み出
力端子とを有する第１のニューラルネットで構成され、
各該現象項目に対応する現象の状態を所定の値で表す現
象値を、該現象入力端子へ入力することにより、各該重
み出力端子に各該現象項目の現象値の組合せに基づき各
重み値を出力し、 該重み付け部は、各該現象項目について、当該現象値
と、該重み生成部の出力する当該重み値とから、重み付
き現象値を算出し、 該診断部は、各該現象項目に対応する重み付き現象入力
端子と、所要の原因出力端子とを有する第２のニューラ
ルネットで構成され、 各該現象項目の該重み付き現象値を、該重み付き現象入
力端子へ入力することにより、該原因出力端子に所要の
原因推定値を出力するように構成されていることを特徴
とする診断処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23274493A JP3401858B2 (ja) | 1993-09-20 | 1993-09-20 | 診断処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23274493A JP3401858B2 (ja) | 1993-09-20 | 1993-09-20 | 診断処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0784981A JPH0784981A (ja) | 1995-03-31 |
| JP3401858B2 true JP3401858B2 (ja) | 2003-04-28 |
Family
ID=16944088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23274493A Expired - Fee Related JP3401858B2 (ja) | 1993-09-20 | 1993-09-20 | 診断処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3401858B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6678669B2 (en) | 1996-02-09 | 2004-01-13 | Adeza Biomedical Corporation | Method for selecting medical and biochemical diagnostic tests using neural network-related applications |
| CA2704183A1 (en) * | 2002-10-03 | 2004-04-15 | Scott Laboratories, Inc. | Neural networks in sedation and analgesia systems |
| JP2004288047A (ja) * | 2003-03-24 | 2004-10-14 | Fujitsu Ltd | 診療支援システム及び診療支援プログラム |
-
1993
- 1993-09-20 JP JP23274493A patent/JP3401858B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| デイホフ Ｊ．，ニューラルネットワークアーキテクチャ入門 第１版，日本，森北出版株式会社，１９９２年 ４月１０日，ｐ．２３２−２３４ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0784981A (ja) | 1995-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chow et al. | A neural network approach to real-time condition monitoring of induction motors | |
| Satyanarayana et al. | A new algorithm for the reliability analysis of multi-terminal networks | |
| CN111046916A (zh) | 一种基于空洞卷积胶囊网络的电机故障诊断方法及系统 | |
| Kumar et al. | Fuzzy classifier for fault diagnosis in analog electronic circuits | |
| US5712796A (en) | Method for evaluating the faulted sections and states in a power transmission line | |
| CN110689130B (zh) | 轴承故障诊断方法 | |
| CN114615019A (zh) | 基于微服务拓扑关系生成的异常检测方法与系统 | |
| CN113158984A (zh) | 基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法 | |
| JP3401858B2 (ja) | 診断処理装置 | |
| KR102480899B1 (ko) | 다채널 신호를 이용한 모터 고장 진단 방법 및 장치 | |
| KR101846970B1 (ko) | 전자전 위협신호의 분류를 위한 딥 신경망 학습장치 및 방법 | |
| JPH10143343A (ja) | 連想型プラント異常診断装置 | |
| Zhang et al. | On g-extra conditional diagnosability of twisted hypercubes under MM∗ model | |
| Zang et al. | Structural health monitoring and damage assessment using measured FRFs from multiple sensors, part II: Decision making with RBF networks | |
| KR950009238A (ko) | 자동차부품의 고장진단방법 | |
| JP3101742B2 (ja) | 最小値検出器 | |
| Murphy et al. | Neural network recognition of electronic malfunctions | |
| JPH06175998A (ja) | 時系列予測方法 | |
| JPH05282273A (ja) | 生物の挙動から事象を判別する装置 | |
| JPH05233585A (ja) | 設備異常診断方法 | |
| Ullah et al. | Moments of the function of non-normal random vector with applications to econometric estimators and test statistics | |
| JP3106321B2 (ja) | 最大値検出器 | |
| JPH07262019A (ja) | 知識情報変換装置及び有向グラフ解析装置 | |
| Romanov et al. | Single fault detection tests for generalized iterative switching circuits | |
| JP2008083866A (ja) | 異常監視装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030128 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080229 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090228 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090228 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100228 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110228 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |