JP4358474B2

JP4358474B2 - Device and method for creating self-organizing map for health check

Info

Publication number: JP4358474B2
Application number: JP2002061517A
Authority: JP
Inventors: 平蔵徳高; 喜久郎藤村; 芳朗馬庭; 眞宇佐美
Original assignee: 平蔵徳高; 喜久郎藤村; 芳朗馬庭; 眞宇佐美
Priority date: 2002-03-07
Filing date: 2002-03-07
Publication date: 2009-11-04
Anticipated expiration: 2022-03-07
Also published as: JP2003263502A

Description

【０００１】
【発明の属する技術分野】
本発明は、自己組織化マップ（ＳＯＭ：Self-Organizing Map）の健康診断への応用に関する。
【０００２】
【従来の技術】
従来の健康診断では、まず、検診を行って検診項目（ＧＯＴ、コレステロールなど複数の項目がある）の夫々のデータ（検診データ）を取得する。続いて、取得した検診データの夫々を、正常、要注意、要再検査、要医療などに分類する。そして、異常のあった検診項目別に分類結果を示して、その後の対応を指示していた。
【０００３】
【発明が解決しようとする課題】
しかしながら、従来の健康診断においては、検診項目別に異常があるか否かの判断がなされてはいたが、複数の検診項目を総合的に考慮して初めて得られる健康状態や生活習慣の判断はなされていなかった。
【０００４】
本発明は、複数の検診項目を総合的に考慮して得られる健康状態の判断を可能にし、その判断を視覚的に行うことを可能にする健康診断用の自己組織化マップ作成装置及び作成方法を提供することを目的とする。
【０００５】
【課題を解決するための手段】
請求項１に記載の健康診断用の自己組織化マップ作成装置は、ＣＰＵ及びＲＡＭを含むコンピュータからなる、健康診断用の自己組織化マップの作成装置であって、前記ＣＰＵが、健康診断において検診される複数の検診項目に関する検診データを正規化する正規化データ作成部、及び、前記正規化データ作成部が作成した正規化データを用いて、健康診断用の自己組織化マップを作成する自己組織化マップ作成部として機能し、前記正規化データ作成部は、前記検診項目の実際の検診データがその検診項目の予め設定された正常範囲内にあるか否かをＣＰＵで判定し、正常範囲内にある場合にはその実際の検診データを１に正規化し、前記検診項目の実際の検診データが前記正常範囲の最小値より小さい場合にはその実際の検診データを予め設定されたＲＡＭに記憶された第１の規格化値で除算して得られた値にその実際の検診データを正規化し、前記検診項目の実際の検診データが前記正常値の最大値より大きいときはその実際の検診データを予め設定されたＲＡＭに記憶された第２の規格化値で除算し、除算結果がその検診項目に予め定められたＲＡＭに記憶された頭切り値以下であるときはその実際の検診データを除算結果に正規化し、前記除算結果が前記頭切り値より大きいときはその実際の検診データを前記頭切り値に正規化すると共に、正規化された値をＲＡＭに記憶し、前記自己組織化マップ作成部は、参照ベクトルを持つ複数のユニットの中から前記正規化データ作成部で作成されたＲＡＭに記憶された正規化データを利用した入力ベクトルに最も類似した参照ベクトルを持つ勝者ユニットをＣＰＵで探索する勝者ユニット探索部と、学習回数に応じて順次狭められる前記勝者ユニットの近傍領域に含まれる各ユニットの参照ベクトルを前記学習回数に応じて順次小さくされる学習係数と前記入力ベクトルとに基づいてＣＰＵで更新する参照ベクトル更新部と、を備えており、前記学習回数が予めＲＡＭに設定された回数に達するまで前記勝者ユニットの探索及び前記参照ベクトルの更新を繰り返して、健康診断用の自己組織化マップを作成することを特徴とする。
請求項３に記載の健康診断用の自己組織化マップ作成方法は、ＣＰＵ及びＲＡＭを含むコンピュータが行う、健康診断用の自己組織化マップの作成方法であって、健康診断において検診される複数の検診項目に関する検診データを前記ＣＰＵが正規化する正規化データ作成ステップ、及び、前記正規化データ作成ステップで作成された正規化データを用いて、健康診断用の自己組織化マップを前記ＣＰＵが作成する自己組織化マップ作成ステップと、を含んでおり、前記正規化データ作成ステップにおいては、前記検診項目の実際の検診データがその検診項目の予め設定された正常範囲内にあるか否かをＣＰＵが判定し、正常範囲内にある場合にはその実際の検診データを１に正規化し、前記検診項目の実際の検診データが前記正常範囲の最小値より小さい場合にはその実際の検診データを予め設定されたＲＡＭに記憶された第１の規格化値で除算して得られた値にその実際の検診データを正規化し、前記検診項目の実際の検診データが前記正常値の最大値より大きいときはその実際の検診データを予め設定されたＲＡＭに記憶された第２の規格化値で除算し、除算結果がその検診項目に予め定められたＲＡＭに記憶された頭切り値以下であるときはその実際の検診データを除算結果に正規化し、前記除算結果が前記頭切り値より大きいときはその実際の検診データを前記頭切り値に正規化すると共に、正規化された値をＲＡＭに記憶し、前記自己組織化マップ作成ステップは、参照ベクトルを持つ複数のユニットの中から前記正規化データ作成ステップで作成されたＲＡＭに記憶された正規化データを利用した入力ベクトルに最も類似した参照ベクトルを持つ勝者ユニットをＣＰＵで探索する勝者ユニット探索ステップと、学習回数に応じて順次狭められる前記勝者ユニットの近傍領域に含まれる各ユニットの参照ベクトルを前記学習回数に応じて順次小さくされる学習係数と前記入力ベクトルとに基づいてＣＰＵで更新する参照ベクトル更新ステップと、を備えており、前記学習回数が予めＲＡＭに設定された回数に達するまで前記勝者ユニットの探索及び前記参照ベクトルの更新を繰り返して、健康診断用の自己組織化マップを作成することを特徴とする。
請求項１、３によると、健康診断において検診される複数の検診項目を総合的に考慮して健康状態の判断を行うことができるとともに、その判断を視覚的に行うことが可能になる。
【０００６】
請求項１、３によって作成される自己組織化マップは、その自己組織化マップを複数の健康状態に分ける線が描かれているものであることが好ましい。これによると、自己組織化マップに健康状態を分ける線が描かれているため、健康状態の判断が容易になる。
【０００７】
請求項１、３によって作成される自己組織化マップは、複数の健康状態の夫々に応じて互いに異なる色で塗り分けられていることが好ましい。これによると、自己組織化マップは健康状態に応じて互いに異なる色が塗り分けられているため、健康状態の判断が容易になる。
【０００８】
請求項１、３によると、正規化データ作成に当たって頭切り値を設定しているため、実際の検診データに異常な値が含まれている場合であっても、健康診断用の自己組織化マップはその異常な値に影響を受けていないものになっている。
【０００９】
請求項２、４に記載の健康診断用の自己組織化マップ作成装置及び作成方法は、前記頭切り値が前記検診項目に応じて設定されていることを特徴とする。請求項２、４によると、自己組織化マップは夫々の検診項目に適した頭切り値を利用して作成されたものになっている。
【００１０】
請求項１〜４によって作成された健康診断用の自己組織化マップは、その各ユニットの夫々に、そのユニットの検診項目から作成されたユニット用の自己組織化マップが関連付けられているものであることが好ましい。これによると、各ユニットにそのユニット用の自己組織化マップが関連付けられているため、より詳細な判断（健康状態、治療方法など）が可能になる。
【００１１】
【００１２】
請求項１〜４によって作成された自己組織化マップを利用した健康状態表示方法は、上記自己組織化マップを利用した健康状態表示方法であって、参照ベクトルを持つ複数のユニットの中から、健康診断対象者の検診項目に関するデータを利用したベクトルに最も類似した参照ベクトルを持つユニットを探索し、探索されたユニットに対応する前記自己組織化マップ上の位置に予め定められたマークを表示するものである。これによると、健康診断用の自己組織化マップ上の何れの位置に健康診断対象者の健康状態があるかを示されるため、健康診断対象者は複数の検診項目を総合的に考慮して得られた自己の健康状態を視覚的に判断することができる。
【００１３】
【００１４】
【発明の実施の形態】
以下、本発明の好適な実施の形態について、図面を参照しつつ説明する。
【００１５】
まず、本発明の実施の形態に係るコンピュータの構成について図１を参照しつつ説明する。図１は、本発明の実施の形態に係るコンピュータの構成を示す構成図である。尚、このコンピュータは自己組織化マップ作成装置及び健康状態表示装置として機能する。
【００１６】
コンピュータ１は、ＣＰＵ２と、キーボード３と、ハードディスク４と、ＲＯＭ５と、ＲＡＭ６と、液晶ディスプレイ７と、インタフェース８とを備えている。尚、キーボード３の他に入力手段としてマウスなどのポインティングデバイスなどを取り付けるようにしてもよい。
【００１７】
キーボード３には、各種文字や記号など入力するための記号キーや各種処理を実行する際に押下されるリターンキーなどの各種キーが設けられている。液晶ディスプレイ７はキーボード３を利用して入力された文字などを表示するためのものであって、液晶ディスプレイ７には、ＳＴＮ方式やＤＳＴＮ方式などの単純マトリックス方式のものと、ＴＦＴなどのアクティブマトリックス方式などのものとがある。インタフェース８は、コンピュータ１と外部機器とを接続するためのものである。
【００１８】
ハードディスク４は、アプリケーションやデータを記憶する記憶装置であって、ハードディスク４には、自己組織化マップを作成するための各種プログラム（健康状態表示用プログラムなど）などが記憶されている。ＲＯＭ５には、ＣＰＵ２などが最初に実行するコードや、ＯＳをディスクからロードするためのコードなどが記憶されている。ＲＡＭ６には、ＣＰＵ２が作業を行うワークエリアなどがある。
【００１９】
【表１】

【００２０】
ここで、表１について説明する。表１において、ラベルは人をコード化して表したものである。検診項目には、健康診断において検診されることになるＢＭＩ（Body Mass Index）や血圧（血圧上、血圧下）などの検診項目が示されている。また、正常値は各検診項目の正常値の範囲を表している。規格値上（第２の規格化値）は検診項目の検診データが正常値の範囲より大きい場合に検診データを正規化する際に利用される値であり、規格値下（第１の規格化値）は検診項目の検診データが正常値の範囲より小さい場合に検診データを正規化する際に利用される値である。頭切り値とは、規格値上を利用して実際の検診データから得られた値が“ある値”以上になった場合に、得られた値に拘わらず正規化後の値をその“ある値”に設定し直す際の“ある値”のことである。例えば、頭切り値が１．５の場合、実際の検診データを規格化値上で除算して得られた値が１．６の場合、正規化後の値は１．５に設定し直される。この頭切り値は表１からわかるように各検診項目に応じて設定されている。夫々のラベルの夫々の検診項目には、２つの値が記載されているが、上段が正規化データであり、下段が健康診断において実際に検診された値（実際の検診データ）である。
【００２１】
ＣＰＵ２は、実際の検診項目の検診データを正規化して正規化データを作成する（正規化データ作成処理）。また、ＣＰＵ２は、自己組織化マップのアルゴリズムに従って健康診断用の自己組織化マップを作成する（自己組織化マップ作成処理）。さらに、ＣＰＵ２は、検診項目の検診データに基づいて健康診断用の自己組織化マップ上に健康状態を表示する（健康状態表示処理）。
【００２２】
さらに、ＣＰＵ２について図２を参照しつつ詳述する。図２はＣＰＵの機能ブロック図である。
【００２３】
ＣＰＵ２は、図２に示すように、正規化データ作成部２１と、自己組織化マップ作成部２２と、健康状態表示部２３として機能する。
【００２４】
正規化データ作成部２１は、正規化データ作成処理を行うブロックであって、データ作成部３１とデータ修正部３２として機能する。データ作成部３１は、検診項目の実際の検診データが正常値の範囲内にあるか否かを判定し、正常値の範囲内にある場合には実際の検診データを１に正規化する。また、データ作成部３１は、実際の検診データが正常値の範囲内にない場合であって実際の検診データが正常値の最小値より小さいときは、実際の検診データをその検診項目の規格値下の値（表１参照）で除算し、実際の検診データを除算結果に正規化する。さらに、データ作成部３１は、実際の検診データが正常値の範囲内にない場合であって実際の検診データが正常値の最大値より大きいときは、実際の検診データをその検診項目の規格値上の値（表１参照）で除算し、実際の検診データを除算結果に正規化する。
【００２５】
データ修正部３２は、データ作成部３１によって正規化された値がその検診項目に予め定められた頭切り値より大きいか否かを判定し、大きい場合にはデータ作成部３１によって正規化された値を頭切り値に修正する。
【００２６】
ここで、表１の具体的な値を例に挙げてデータ作成部３１とデータ修正部３２として機能する正規化データ作成部２１の処理を説明する。
【００２７】
ラベル４ｆ２の総コレステロールの実際の検診データの値“１６５”から正規化データの“１”が得られる過程を記載する。正規化データ作成部２１のデータ作成部３１は、検診データの値“１６５”が総コレステロールの正常値の範囲内（１５０より大きく１９９より小さい範囲）に含まれていると判定し、検診データの値“１６５”を“１”に正規化する。
【００２８】
また、ラベル２ｍ４の総コレステロールの実際の検診データの値“１４６”から正規化データの“０．９７”が得られる過程を記載する。正規化データ作成部２１のデータ作成部３１は、検診データの値“１４６”が総コレステロールの正常値の範囲（１５０より大きく１９９より小さい範囲）に含まれず、正常値の範囲の最小値より小さいと判定する。そして、データ作成部３１は、検診データの値“１４６”を総コレステロールの規格値下の値“１５０”で除算して“０．９７”を得、除算して得られた“０．９７”を正規化データとする。
【００２９】
また、ラベル２ｆ２の総コレステロールの実際の検診データの値“２１２”から正規化データの“１．０７”が得られる過程を記載する。正規化データ作成部２１のデータ作成部３１は、検診データの値“２１２”が総コレステロールの正常値の範囲（１５０より大きく１９９より小さい範囲）に含まれず、正常値の範囲の最大値より大きいと判定する。そして、データ作成部３１は、検診データの値“２１２”を総コレステロールの規格値上の値“２００”で除算して“１．０７”を得る。続いて、正規化データ作成部２１のデータ修正部３２は、除算して得られた“１．０７”が頭切り値“１．７”以下と判定し、正規化データの値を除算結果“１．０７”のままにしておく。
【００３０】
また、ラベル４ｍ５の尿酸の実際の検診データの値“７”から正規化データの“１．１”が得られる過程を記載する。正規化データ作成部２１のデータ作成部３１は、検診データの値“７”が尿酸の正常値の範囲（５．９未満）に含まれず、正常値の範囲より大きいと判定する。そして、データ作成部３１は、検診データの値“７”を尿酸の規格値上の値“６”で除算して、“１．１７”を得る。続いて、正規化データ作成部２１のデータ修正部３２は、除算して得られた“１．１７”の値が頭切り値“１．１”より大きいと判定し、正規化データの値を頭切り値である“１．１”に設定する。
【００３１】
上述したような処理が正規化データ作成部２１によって行われて、表１の夫々のラベルの夫々の検診項目の全てについて正規化データが得られる。
【００３２】
自己組織化マップ作成部２２は、自己組織化マップ作成処理を行うブロックであって、初期値設定部４１と、入力ベクトル提示部４２と、勝者ユニット探索部４３と、参照ベクトル更新部４４と、学習回数判定部４５として機能する。
【００３３】
初期値設定部４１は、事前設定として、ネットワークの大きさ（ユニットの配列の数）、１つの入力ベクトルに対して行われる参照ベクトルの更新の回数（総学習回数）Ｔ、ユニットの位相近傍形状（例えば、直角格子型及び６角格子型の何れか）、近傍領域の初期値Ｎｃ（０）、及び学習率係数の初期値α（０）を設定する。また、初期値設定部４１は、複数の参照ベクトルを初期化するとともに、複数ある入力ベクトルの提示順を決定する。
【００３４】
ここで、入力ベクトルは、正規化データ作成部２１によって正規化された各検診項目（ＢＭＩ、血圧上、血圧下、総コレステロールなど）の正規化データを要素とするベクトルであり、表１の夫々のラベル（２ｆｃ、２ｍ４、…）に対応して存在する。また、参照ベクトルは、入力ベクトルと同じ次元を持つベクトルであり、ユニットごとに存在する。尚、入力ベクトルをｘ（ｔ）、参照ベクトルをｍi（ｔ）と記載する。ｔは、離散時間座標（ｔ＝０、１、２、…）であり、現在行っている学習回数に対応する。
【００３５】
入力ベクトル提示部４２は、初期値設定部４１によって決定された提示順に従って、入力ベクトルｘ（ｔ）を一つずつ選択して提示する。
【００３６】
勝者ユニット探索部４３は、複数の参照ベクトルの夫々について、入力ベクトルｘ（ｔ）とのユークリッド距離を算出する。そして、勝者ユニット探索部４３は、算出したユークリッド距離に基づいて、複数の参照ベクトルの中から、入力ベクトルｘ（ｔ）にユークリッド距離が最も近い（最も類似した）参照ベクトルを見つけ出し、見つけ出した参照ベクトルを持つユニットを勝者ユニットとして決定する。
【００３７】
参照ベクトル更新部４４は、入力ベクトルｘ（ｔ）に基づいて参照ベクトルを更新するものであって、近傍領域演算部４４ａと、学習率係数演算部４４ｂと、参照ベクトル演算部４４ｃとして機能する。
【００３８】
近傍領域演算部４４ａは、初期値設定部４１によって設定された近傍領域の初期値Ｎｃ（０）と現在行われている学習の学習回数ｔとを利用して下記式（１）を演算し、現在行われている学習での近傍領域Ｎｃ（ｔ）を算出する。この近傍領域Ｎｃ（ｔ）は学習が進むにつれて狭まっていく。ただし、近傍領域Ｎｃ（ｔ）に含まれるユニットの参照ベクトルが更新され（下記式（３））、近傍領域Ｎｃ（ｔ）に含まれないユニットの参照ベクトルは更新されない（下記式（４））。
Ｎｃ（ｔ）＝Ｎｃ（０）×（１−ｔ／Ｔ）（１）
【００３９】
学習率係数演算部４４ｂは、初期値設定部４１によって設定された学習率係数の初期値α（０）と初期値設定部４１によって設定された総学習回数Ｔと現在行われている学習の学習回数ｔとを利用して下記式（２）を演算し、現在行われている学習での学習率係数α（ｔ）を算出する。この学習率係数α（ｔ）は学習が進むにつれて小さくなっていく。
α（ｔ）＝α（０）×（１−ｔ／Ｔ）（２）
【００４０】
参照ベクトル演算部４４ｃは、近傍領域演算部４４ａによって得られた近傍領域Ｎｃ（ｔ）内に含まれるユニットの参照ベクトルの夫々に対して、学習率係数演算部４４ｂによって得られた学習率係数α（ｔ）を利用して下記式（３）を演算して、参照ベクトルｍi（ｔ）を更新し、更新後の参照ベクトルｍi（ｔ＋１）を得る。また、参照ベクトル演算部４４ｃは、近傍領域Ｎｃ（ｔ）内に含まれないユニットの参照ベクトルの夫々に対して下記式（４）を演算して参照ベクトルｍi（ｔ＋１）を得る。
ｍi（ｔ＋１）＝ｍi（ｔ）＋αi（ｔ）×（ｘ（ｔ）−ｍi（ｔ））（３）
ｍi（ｔ＋１）＝ｍi（ｔ）（４）
【００４１】
学習回数判定部４５は、現在行われている学習の学習回数ｔが初期値設定部４１によって設定された総学習回数Ｔに達したか否かを判定する。
【００４２】
さらに、自己組織化マップ作成部２２の自己組織化マップ作成処理について図３及び図４を参照しつつ説明する。図３は自己組織化マップの作成手順を示すフローチャートであり、図４は自己組織化マップのアルゴリズムを説明するための説明図である。
【００４３】
ステップＳ１０１において、自己組織化マップ作成部２２の初期値設定部４１は、事前設定として、ネットワークの大きさ、総学習回数Ｔ、ユニットの位相近傍形状、近傍領域の初期値Ｎｃ（０）、学習率係数の初期値α（０）を設定する。続いて、ステップＳ１０２において、自己組織化マップ作成部２２の初期値設定部４１は、参照ベクトルの夫々が互いに異なったベクトルとなるように参照ベクトルを初期化する（図４（ａ））とともに、入力ベクトルの提示順を決定する。
【００４４】
ステップＳ１０３において、自己組織化マップ作成部２２の入力ベクトル提示部４２は、初期値設定部４１によって設定された提示順に一つの入力ベクトルｘ（ｔ）を提示する（図４（ｂ））。
【００４５】
ステップＳ１０４において、自己組織化マップ作成部２２の勝者ユニット探索部４３は、入力ベクトル提示部４２によって提示された入力ベクトルｘ（ｔ）にユークリッド距離が最も近い参照ベクトルを持つ勝者ユニットを探し出す（図４（ｃ））。ただし、図４（ｃ）において、図中符号ｗが付されたベクトルを持つユニットが勝者ユニットである。
【００４６】
ステップＳ１０５において、自己組織化マップ作成部２２の参照ベクトル更新部４４は、勝者ユニットの近傍領域Ｎｃ（ｔ）に含まれるユニットの参照ベクトルの夫々を学習率係数α（ｔ）を利用して、入力ベクトルｘ（ｔ）に近づけるように更新（学習）する。
【００４７】
詳しくは、参照ベクトル更新部４４の近傍領域演算部４４ａは、上記式（１）を演算して近傍領域Ｎｃ（ｔ）を算出する。この近傍領域Ｎｃ（ｔ）内に含まれる参照ベクトルを持つ各ユニットが現在行われている学習において更新されるユニットである。例えば、図４（ｄ）において、図中の枠ｆで囲まれた領域内の参照ベクトルが更新対象の参照ベクトルである。また、参照ベクトル更新部４４の学習率係数演算部４４ｂは、上記式（２）を演算して学習率係数α（ｔ）を算出する。そして、参照ベクトル更新部４４の参照ベクトル演算部４４ｃは、近傍領域演算部４４ａにより算出された近傍領域Ｎｃ（ｔ）に含まれる参照ベクトルの夫々を学習率係数演算部４４ｂにより算出されたα（ｔ）と入力ベクトルｘ（ｔ）とを利用して上記式（３）を演算することによって更新する（図４（ｄ））。尚、参照ベクトル演算部４４ｃは、近傍領域Ｎｃ（ｔ）内に含まれないユニットの参照ベクトルの夫々に対して上記式（４）を演算して参照ベクトルｍi（ｔ＋１）を得る処理も行う。
【００４８】
ステップＳ１０６において、自己組織化マップ作成部２２は、全ての入力ベクトルに関して参照ベクトルを更新する学習が行われたか否かを判定する。全ての入力ベクトルに関して学習が行われていない、即ち学習が行われていない入力ベクトルがあると判定された場合（Ｓ１０６：ＮＯ）、次の提示順の入力ベクトルに関する学習を行うため、ステップＳ１０３の処理へ戻り、ステップＳ１０３からステップＳ１０６の処理が行われる。一方、全ての入力ベクトルに関して学習が行われたと判定された場合（Ｓ１０６：ＹＥＳ）、ステップＳ１０７の処理へ移行する。
【００４９】
ステップＳ１０７において、自己組織化マップ作成部２２の学習回数判定部４５は、全ての入力ベクトルに関するステップＳ１０３からステップＳ１０６の学習が、ステップＳ１０１で設定された総学習回数Ｔ回行われたか否かを判定する。学習が総学習回数Ｔ回行われていないと判定された場合（Ｓ１０７：ＮＯ）、初期設定された回数の学習が行われていないため、ステップＳ１０３の処理に戻ってステップＳ１０３からステップＳ１０７の処理が行われる。一方、学習が総学習回数Ｔ回行われたと判定された場合（Ｓ１０７：ＹＥＳ）、自己組織化マップを作成する処理を終了する。
【００５０】
表１に示す正規化データを要素に持つ入力ベクトルに対して、上述した自己組織化マップのアルゴリズムに従った処理が行われることにより、図５に示すような健康診断用の自己組織化マップが作成される。図５の健康診断用の自己組織化マップは腎障害、糖尿病、肝障害などの複数の領域に分けられており、それらの領域の境界には線が描かれている。これは表１の検診データを考慮することによって分けられたものである。図５の何れの領域にも含まれない領域が健康の損なわれていない領域に対応している。また、複数の領域が重なり合っている領域（例えば、アルコール多飲者と肝障害とが重なり合っている領域）は、両方の健康状態が損なわれている領域である。
【００５１】
図５に示す自己組織化マップは検診項目の全てを含む入力ベクトルから自己組織化マップのアルゴリズムに従って作成されたものであるため、図５の自己組織化マップを使用すれば、複数の検診項目を総合的に考慮してはじめて判断できる健康状態（異常のある検診項目を一つ一つからでは取得できない健康状態）を得ることが可能になる。また、自己組織化マップ上に線を描くことによって複数の健康状態が区分けされているので、健康状態を視覚的に容易に判断することを可能にしている。
【００５２】
ＣＰＵ２の説明に戻って、ＣＰＵ２の健康状態表示部２３は、健康状態表示処理を行うブロックであって、マーク位置決定部５１と、マーク表示制御部５２として機能する。
【００５３】
マーク位置決定部５１は、図６に示す健康診断の検診データの入力画面を利用して入力された実際の検診データから作成された正規化データ（上述した正規化データ作成部２１によって作成された正規化データ）を要素とするベクトルにユークリッド距離が最も近い参照ベクトル（上述した参照ベクトル更新部２２によって更新された後の参照ベクトル）を探索する。そして、マーク位置決定部５１は、その最もユークリッド距離が近い参照ベクトルを持つユニットに対応する自己組織化マップ上の位置を健康診断対象者の健康状態を示すマークの位置に決定する。尚、図６に示す入力画面は、スクロールバーを移動させることによって、全ての検診項目の入力領域が表示されるようになっている。
【００５４】
マーク表示制御部５２は、マーク位置決定部５１によって決定された自己組織化マップ上の位置にマーク（例えば、“Ｙｏｕｒｓ”）を表示する制御を行う。
【００５５】
簡単にまとめると、図６に示す入力画面を利用して入力された実際の検診データから作成された正規化データを要素とするベクトルにユークリッド距離が最も近い参照ベクトルを持つユニットがマーク位置決定部５１によって探索される。そして、その探索されたユニットに対応する自己組織化マップ上の位置にマークがマーク表示制御部５２の制御によって表示される。そして、自己組織化マップ上のマークの位置によって、複数の検診項目を総合的に考慮してはじめて得られる健康状態を視覚的に把握することが可能になる。つまり、従来のように検診項目別に異常値の検診項目が通知されるのではなくて、複数の検診項目の総合的な健康状態が判断され、その健康状態が視覚的に示される。例えば、マークが腎障害の領域に含まれているときには、健康診断対象者に検診項目の何れに異常値があるかを示す代りに、直接腎障害を患っていると示すことになる。また、マークが健康の損なわれていない領域に含まれている場合であっても、何れかの領域近辺にある場合にはその領域の病気になる可能性があると判断でき、病気になる前にどのような病気になる恐れが高いかを把握した上で健康を維持する対策を取ることができる。
【００５６】
以上説明した実施の形態によれば、健康診断における実際の検診データを正規化した正規化データを利用して自己組織化マップのアルゴルリズムに従って自己組織化マップを作成し、この作成した自己組織化マップ上に健康診断対象者のマップ上の位置を表示しているため、健康診断対象者は、複数の検診項目を総合的に考慮して判断された自己の健康状態を視覚的に把握することができる。
【００５７】
また、検診項目の頭切り値を設定しているため、実際の検診データに異常な値が含まれている場合であっても、健康診断用の自己組織化マップはその異常な値に影響を受けていないものになっている。また、検診項目ごとに頭切り値を設定するようにしているので、自己組織化マップを夫々の検診項目に適した頭切り値によって作成されたものにすることができる。
【００５８】
以上、本発明の好適な実施の形態について説明したが、本発明は上述の実施の形態に限られるものではなく、特許請求の範囲に記載した限りにおいて様々な設計変更が可能なものである。例えば、上記実施の形態では、自己組織化マップ上に複数の健康状態を分ける線を描くことによって自己組織化マップ上での健康状態を明確にしている場合であるが、健康状態の夫々に応じて自己組織化マップを塗り分けることによって自己組織化マップ上での健康状態を明確にするようにしてもよい。例えば、健康を損なっていない領域を白色に、糖尿病を赤色に、腎障害を青色になどである。尚、自己組織化マップ上の位置がどの健康状態に含まれているかを視覚的に容易に判断することができるように自己組織化マップが加工されていればよい。
【００５９】
また、上記実施の形態では、近傍領域Ｎｃ（ｔ）の算出の際に式（１）を利用している場合であるが、これは一例であって、近傍領域Ｎｃ（ｔ）の算出方法はこれまで自己組織化マップの作成で行われてきた算出方法などその他の算出方法であってもよい。また、学習率係数α（ｔ）の算出の際に式（２）を利用している場合であるが、これは一例であって、学習率係数α（ｔ）の算出方法はこれまで自己組織化マップの作成で行われてきた算出方法などその他の算出方法であってもよい。さらに、参照ベクトルを更新する際に式（３）を利用している場合であるが、これは一例であって、参照ベクトルの更新方法はこれまで自己組織化マップの作成で行われてきた更新方法などその他の更新方法であってもよい。
【００６０】
さらに、上述した実施の形態における図５に示す自己組織化マップ（第１層）の各ユニット（一つずつの参照ベクトルに対応している）毎に、図７に示すようにそれに対応した自己組織化マップ（第２層）を作成する。この自己組織化マップは図５に示す自己組織化マップよりも詳細に健康状態が分類されたものになっている。
【００６１】
この自己組織化マップの作成においては、まず、そのユニットの自己組織化マップ（第１層）上の健康状態に応じて決められた検診項目（例えば、腎障害の領域に含まれる場合の検診項目は尿酸窒素（ＢＵＮ）、クレアチニン、尿酸）の実際の検診データから正規化したデータを作成する。続いて、この作成されたデータに基づいて、自己組織化マップのアルゴリズムに従って参照ベクトルの更新が行われて、第２層の自己組織化マップが作成される。このようにして、２階層の自己組織化マップが作成される。
【００６２】
この２階層の自己組織化マップでは、まず、図６に示すような入力画面がディスプレイ上に表示されて検診項目のデータが入力されると、図５に示す自己組織化マップ上に自己の健康状態が“Ｙｏｕｒｓ”などのマークとして表示される。そして、その表示されたマークをクリックすると、クリックした位置に対応した２層目の自己組織化マップ用の検診項目の入力画面がディスプレイ上に表示される。そして、その検診項目のデータが入力されると、マークの位置（ユニット）に対応して作成された自己組織化マップがディスプレイ上に表示されるとともに、その自己組織化マップ上に自己の健康状態の位置が“Ｙｏｕｒｓ”などのマークで表示される。このように２階層のマップを作成することにより、健康診断の結果からより詳細な情報を取得することが可能になる。尚、最初の入力画面を全階層に必要な検診項目を入力可能なものしておけば、途中の段階で入力画面を表示することなく、“Ｙｏｕｒｓ”などのマークをクリックすることにより、一つ下の階層の自己組織化マップが順次表示されることになる。尚、さらに階層を増やして、最後の階層の自己組織化マップ上の自己の位置をクリックすると、例えば、治療薬の一覧とか、即入院とか、「しばらく様子を見ましょう」とかの医者の処方箋を表示するように構成してもよい。
【００６３】
ここで、多階層の自己組織化マップにおいて、第１層が総合健康評価（図５の自己組織化マップなど）、第２層が各疾病、第３層が治療の場合の例示を記す。例えば、第１層の総合評価が肝障害の領域の場合、第２層の分類が、(1)Ｂ型、Ｃ型肝炎ウイルス抗原・抗体検査、(2)肝超音波画像評価項目、(3)胆道系酵素値、(4)飲酒歴などであり、第３層の分類が(1)経過観察、(2)生活習慣改善、(3)肝庇護剤投与、(4)インターフェロン療法、(5)癌内科・外科的治療などである。また、第１層の総合評価が高血圧症の領域の場合（図５には不図示）、第２層の分類が、(1)心超音波検査評価項目、(2)心電図所見、(3)胸部レントゲン検査評価項目、(4)腎レノグラム評価項目などであり、第３層の分類が(1)経過観察、(2)生活習慣改善、(3)降圧剤（薬剤別に投与）などである。また、第１層の総合評価が高脂血症の領域の場合（図５には不図示）、第２層の分類が、(1)リポ蛋白分画測定値、(2)甲状腺ホルモン検査値、(3)肝酵素値などであり、第３層の分類が(1)経過観察、(2)生活習慣改善、(3)内服薬（各薬剤に分岐）原因となる疾患（甲状腺機能低下症、閉塞性黄疸など）の治療などである。
【００６４】
尚、第１層の自己組織化マップを総合健康評価用の自己組織化マップ（図５の自己組織化マップなど）、第２層の自己組織化マップを生活習慣用の自己組織化マップ（日常活動量、食習慣、喫煙習慣、飲酒習慣などのマップ）などであってもよい。
【００６５】
さらに、検診項目の頭切りの値として、表１で示した値以外の値を使用してもよい。また、自己組織化マップの作成に際して正規化データを利用しているが、実際の検診データそのものを利用して自己組織化マップを作成するようにしてもよい。さらに、図６に示す入力画面をコンピュータ１に公衆回線網を介して接続された端末が備えるディスプレイ上に表示し、その端末から入力された検診データをコンピュータ１に送信するようにしてもよい。
【００６６】
【発明の効果】
以上説明したように、本発明によると、健康診断において検診される複数の検診項目を総合的に考慮して健康状態の判断を行うことができるとともに、その判断を視覚的に行うことが可能になる。
【００６７】
【００６８】
【００６９】
また、頭切り値を設定しているため、実際の検診データに異常な値が含まれている場合であっても、健康診断用の自己組織化マップはその異常な値に影響を受けていないものになっている。
【００７０】
【００７１】
【００７２】
【００７３】
【００７４】
【図面の簡単な説明】
【図１】本発明の実施の形態に係るコンピュータの構成を示す構成図である。
【図２】ＣＰＵの機能ブロック図である。
【図３】自己組織化マップの作成手順を示すフローチャートである。
【図４】自己組織化マップのアルゴリズムを説明するための説明図である。
【図５】自己組織化マップを示す図である。
【図６】検診データの入力画面の例を示す図である。
【図７】２階層の自己組織化マップを説明するための説明図である。
【符号の説明】
１コンピュータ
２ＣＰＵ
２１正規化データ作成部
２２自己組織化マップ作成部
２３健康状態表示部
３１データ作成部
３２データ修正部
４１初期値設定部
４２入力ベクトル提示部
４３勝者ユニット探索部
４４参照ベクトル更新部
４４ａ近傍領域演算部
４４ｂ学習率係数演算部
４４ｃ参照ベクトル演算部
４５学習回数判定部
５１マーク位置決定部
５２マーク表示制御部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an application of a self-organizing map (SOM) to a health examination.
[0002]
[Prior art]
In a conventional health checkup, first, a checkup is performed to acquire each data (checkup data) of checkup items (there are a plurality of items such as GOT and cholesterol). Subsequently, each of the acquired medical examination data is classified into normal, attention required, reexamination required, medical care required. And the classification result was shown according to the examination item which had abnormality, and the subsequent response was instructed.
[0003]
[Problems to be solved by the invention]
However, in conventional health examinations, it has been judged whether there is an abnormality for each examination item, but the health condition and lifestyle habits that can be obtained only after comprehensive consideration of multiple examination items are made. It wasn't.
[0004]
The present invention makes it possible to judge a health condition obtained by comprehensively considering a plurality of examination items, and to make the judgment visually. The purpose is to provide.
[0005]
[Means for Solving the Problems]
The self-organizing map creation device for health check according to claim 1 is a CPU. And RAM A normalization data creation unit for normalizing examination data relating to a plurality of examination items to be examined in a health examination, and a self-organizing map creation apparatus for health examination comprising a computer including: Using the normalized data created by the normalized data creation unit, it functions as a self-organizing map creating unit that creates a self-organizing map for health checkup, and the normalized data creating unit The screening data is within the preset normal range of the screening item Whether it is within the normal range If the actual examination data is normalized to 1 and the actual examination data of the examination item is smaller than the minimum value of the normal range, the actual examination data is preset. Stored in RAM The actual examination data is normalized to a value obtained by dividing by the first normalized value, and when the actual examination data of the examination item is larger than the maximum value of the normal value, the actual examination data is previously stored. Set Stored in RAM Divide by the second normalized value, and the result of division is determined in advance for the examination item Stored in RAM When the result is below the truncation value, the actual examination data is normalized to the division result, and when the division result is larger than the truncation value, the actual examination data is normalized to the truncation value. And storing the normalized value in RAM, The self-organizing map creation unit is created by the normalized data creation unit from a plurality of units having reference vectors. Stored in RAM The winner unit with the reference vector most similar to the input vector using normalized data CPU Based on a winning unit search unit for searching, a learning coefficient that is sequentially reduced according to the number of learning, and a reference vector of each unit included in the vicinity region of the winning unit that is sequentially narrowed according to the number of learning and the input vector The CPU A reference vector update unit for updating, In RAM The search for the winner unit and the updating of the reference vector are repeated until the set number of times is reached, thereby creating a self-organizing map for health examination.
A method for creating a self-organizing map for health check according to claim 3, wherein And RAM A method for creating a self-organizing map for medical examination performed by a computer including: a normalization data creating step in which the CPU normalizes examination data relating to a plurality of examination items to be examined in a medical examination; and Using the normalized data created in the normalized data creation step, the CPU creates a self-organization map for creating a health check self-organization map, and in the normalized data creation step The actual examination data of the examination item is within the normal range set in advance for the examination item The CPU determines whether it is within the normal range If the actual examination data is normalized to 1 and the actual examination data of the examination item is smaller than the minimum value of the normal range, the actual examination data is preset. Stored in RAM The actual examination data is normalized to a value obtained by dividing by the first normalized value, and when the actual examination data of the examination item is larger than the maximum value of the normal value, the actual examination data is previously stored. Set Stored in RAM Divide by the second normalized value, and the result of division is determined in advance for the examination item Stored in RAM When the result is below the truncation value, the actual examination data is normalized to the division result, and when the division result is larger than the truncation value, the actual examination data is normalized to the truncation value. And storing the normalized value in RAM, The self-organizing map creation step is created in the normalized data creation step from among a plurality of units having reference vectors. Stored in RAM The winner unit with the reference vector most similar to the input vector using normalized data CPU Based on the winning unit search step to search, the learning coefficient that is sequentially reduced according to the number of learning, and the input vector, the reference vector of each unit included in the vicinity region of the winner unit that is sequentially narrowed according to the number of learning The CPU A reference vector updating step for updating In RAM The search for the winner unit and the updating of the reference vector are repeated until the set number of times is reached, thereby creating a self-organizing map for health examination.
According to the first and third aspects, it is possible to make a judgment on the health state by comprehensively considering a plurality of examination items to be examined in the health examination, and to make the judgment visually.
[0006]
It is preferable that the self-organizing map created according to claims 1 and 3 is drawn with lines dividing the self-organizing map into a plurality of health states. According to this, since the line which divides the health state is drawn on the self-organizing map, the health state can be easily determined.
[0007]
The self-organizing maps created according to claims 1 and 3 are preferably painted in different colors according to each of a plurality of health conditions. According to this, since the self-organizing map is painted with different colors depending on the health condition, it is easy to determine the health condition.
[0008]
According to Claims 1 and 3, since the truncation value is set when creating the normalized data, the self-organization map for the health check-up can be used even if the actual examination data includes an abnormal value. Is not affected by the abnormal value.
[0009]
The self-organizing map creation device and creation method for health check according to

claims

2 and 4 are characterized in that the truncation value is set according to the examination item. According to

Claims

2 and 4, the self-organizing map is created by using a truncation value suitable for each examination item.
[0010]
The self-organizing map for health examination created according to claims 1 to 4 is such that a self-organizing map for a unit created from the examination items of the unit is associated with each unit. It is preferable. According to this, since a self-organizing map for the unit is associated with each unit, more detailed judgment (health condition, treatment method, etc.) is possible.
[0011]
[0012]
The health state display method using the self-organizing map created according to claims 1 to 4 is a health state display method using the self-organizing map, wherein the health state display method uses a plurality of units having reference vectors. Search for a unit having a reference vector that is most similar to a vector that uses data related to the examination items of the person to be diagnosed, and display a predetermined mark at a position on the self-organizing map corresponding to the searched unit It is. According to this, since the health check subject's health condition is indicated at which position on the self-organization map for health check, the health check subject can obtain a plurality of examination items comprehensively. It is possible to visually determine the health status of the given self.
[0013]
[0014]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, preferred embodiments of the present invention will be described with reference to the drawings.
[0015]
First, the configuration of a computer according to an embodiment of the present invention will be described with reference to FIG. FIG. 1 is a configuration diagram showing a configuration of a computer according to an embodiment of the present invention. This computer functions as a self-organizing map creation device and a health status display device.
[0016]
The computer 1 includes a CPU 2, a keyboard 3, a hard disk 4, a ROM 5, a RAM 6, a liquid crystal display 7, and an interface 8. In addition to the keyboard 3, a pointing device such as a mouse may be attached as input means.
[0017]
The keyboard 3 is provided with various keys such as a symbol key for inputting various characters and symbols, and a return key pressed when executing various processes. The liquid crystal display 7 is for displaying characters and the like input using the keyboard 3. The liquid crystal display 7 includes a simple matrix system such as STN system and DSTN system, and an active matrix such as TFT. There are methods. The interface 8 is for connecting the computer 1 and an external device.
[0018]
The hard disk 4 is a storage device that stores applications and data. The hard disk 4 stores various programs (such as a health condition display program) for creating a self-organizing map. The ROM 5 stores a code executed first by the CPU 2 and the like, a code for loading the OS from the disk, and the like. The RAM 6 includes a work area where the CPU 2 performs work.
[0019]
[Table 1]

[0020]
Here, Table 1 will be described. In Table 1, the label is a coded person. The examination items include examination items such as BMI (Body Mass Index) and blood pressure (on the blood pressure and below the blood pressure) to be examined in the health examination. Moreover, the normal value represents the range of the normal value of each examination item. Above the standard value (second standardized value) is a value used to normalize the screening data when the screening data of the screening item is larger than the normal value range, and below the standard value (first standardized value) Value) is a value used when normalizing the screening data when the screening data of the screening item is smaller than the normal value range. The truncation value is the value after normalization regardless of the obtained value when the value obtained from the actual examination data using the standard value becomes “a certain value” or more. It means “a certain value” when resetting to “value”. For example, when the truncation value is 1.5, when the value obtained by dividing the actual examination data on the normalized value is 1.6, the normalized value is reset to 1.5. . As can be seen from Table 1, this truncation value is set according to each examination item. In each examination item of each label, two values are described. The upper part is normalized data, and the lower part is a value actually examined in the health examination (actual examination data).
[0021]
The CPU 2 creates normalized data by normalizing the examination data of the actual examination items (normalized data creation process). Further, the CPU 2 creates a self-organizing map for health check according to a self-organizing map algorithm (self-organizing map creating process). Further, the CPU 2 displays the health condition on the self-organization map for the health check based on the check data of the check items (health condition display process).
[0022]
Further, the CPU 2 will be described in detail with reference to FIG. FIG. 2 is a functional block diagram of the CPU.
[0023]
As shown in FIG. 2, the CPU 2 functions as a normalized data creation unit 21, a self-organizing map creation unit 22, and a health state display unit 23.
[0024]
The normalized data creation unit 21 is a block that performs normalized data creation processing, and functions as a data creation unit 31 and a data correction unit 32. The data creation unit 31 determines whether or not the actual examination data of the examination item is within a normal value range, and normalizes the actual examination data to 1 when it is within the normal value range. In addition, when the actual examination data is not within the normal value range and the actual examination data is smaller than the minimum value of the normal value, the data creation unit 31 converts the actual examination data into the standard value of the examination item. Divide by the lower value (see Table 1) and normalize the actual screening data to the division result. Further, when the actual examination data is not within the normal value range and the actual examination data is larger than the maximum normal value, the data creation unit 31 converts the actual examination data into the standard value of the examination item. Divide by the above value (see Table 1) and normalize the actual screening data to the division result.
[0025]
The data correction unit 32 determines whether or not the value normalized by the data creation unit 31 is larger than a predetermined truncation value for the examination item. Correct the value to the truncation value.
[0026]
Here, the processing of the normalized data creation unit 21 that functions as the data creation unit 31 and the data correction unit 32 will be described by taking specific values in Table 1 as examples.
[0027]
The process in which the normalized data “1” is obtained from the actual screening data value “165” of the total cholesterol of the label 4f2 will be described. The data creation unit 31 of the normalized data creation unit 21 determines that the value “165” of the screening data is included within the normal value range of total cholesterol (a range larger than 150 and smaller than 199), and the screening data The value “165” is normalized to “1”.
[0028]
In addition, a process in which the normalized data “0.97” is obtained from the actual screening data value “146” of the total cholesterol labeled 2m4 will be described. The data creation unit 31 of the normalized data creation unit 21 does not include the value “146” of the screening data in the normal value range (greater than 150 and less than 199) of total cholesterol, and is smaller than the minimum value of the normal value range. Is determined. Then, the data creation unit 31 divides the value “146” of the examination data by the value “150” under the standard value of total cholesterol to obtain “0.97”, and obtains “0.97” obtained by the division. Is normalized data.
[0029]
In addition, a process in which the normalized data “1.07” is obtained from the actual screening data value “212” of the total cholesterol of the label 2f2 is described. The data creation unit 31 of the normalized data creation unit 21 does not include the value “212” of the screening data in the range of normal values of total cholesterol (range greater than 150 and less than 199), but greater than the maximum value of the range of normal values. Is determined. Then, the data creation unit 31 divides the screening data value “212” by the value “200” on the standard value of total cholesterol to obtain “1.07”. Subsequently, the data correction unit 32 of the normalized data creation unit 21 determines that “1.07” obtained by the division is equal to or less than the truncation value “1.7”, and sets the value of the normalized data to the division result “ Leave it at 1.07 ".
[0030]
In addition, a process in which “1.1” of the normalized data is obtained from the value “7” of the actual examination data of uric acid labeled 4m5 will be described. The data creation unit 31 of the normalized data creation unit 21 determines that the value “7” of the screening data is not included in the normal value range of uric acid (less than 5.9) and is larger than the normal value range. The data creation unit 31 then divides the screening data value “7” by the value “6” on the standard value of uric acid to obtain “1.17”. Subsequently, the data correction unit 32 of the normalized data creation unit 21 determines that the value of “1.17” obtained by the division is larger than the truncation value “1.1”, and determines the value of the normalized data. Set to “1.1”, which is the truncation value.
[0031]
The processing as described above is performed by the normalization data creation unit 21, and normalization data is obtained for all the examination items of the respective labels in Table 1.
[0032]
The self-organizing map creating unit 22 is a block that performs a self-organizing map creating process, and includes an initial value setting unit 41, an input vector presenting unit 42, a winner unit searching unit 43, a reference vector updating unit 44, It functions as the learning number determination unit 45.
[0033]
The initial value setting unit 41 includes, as pre-settings, the size of the network (the number of unit arrays), the number of reference vector updates (total number of learning times) T performed on one input vector, and the shape of the unit near the phase. An initial value Nc (0) of the neighborhood region and an initial value α (0) of the learning rate coefficient are set (for example, one of the rectangular lattice type and the hexagonal lattice type). In addition, the initial value setting unit 41 initializes a plurality of reference vectors and determines a presentation order of a plurality of input vectors.
[0034]
Here, the input vector is a vector having normalized data of each examination item (BMI, on blood pressure, under blood pressure, total cholesterol, etc.) normalized by the normalized data creating unit 21 as elements. Corresponding to the labels (2fc, 2m4,...). The reference vector is a vector having the same dimension as the input vector, and exists for each unit. The input vector is described as x (t), and the reference vector is described as mi (t). t is a discrete time coordinate (t = 0, 1, 2,...), and corresponds to the number of learnings currently being performed.
[0035]
The input vector presentation unit 42 selects and presents the input vectors x (t) one by one in accordance with the presentation order determined by the initial value setting unit 41.
[0036]
The winner unit search unit 43 calculates the Euclidean distance from the input vector x (t) for each of the plurality of reference vectors. Then, based on the calculated Euclidean distance, the winner unit search unit 43 finds a reference vector having the closest (most similar) Euclidean distance to the input vector x (t) from the plurality of reference vectors, and the found reference The unit with the vector is determined as the winner unit.
[0037]
The reference vector update unit 44 updates the reference vector based on the input vector x (t), and functions as a neighborhood region calculation unit 44a, a learning rate coefficient calculation unit 44b, and a reference vector calculation unit 44c.
[0038]
The neighborhood region calculation unit 44a calculates the following equation (1) using the initial value Nc (0) of the neighborhood region set by the initial value setting unit 41 and the number of learnings t currently being performed, The neighborhood region Nc (t) in the currently performed learning is calculated. This neighborhood region Nc (t) narrows as learning progresses. However, the reference vector of the unit included in the neighboring region Nc (t) is updated (the following formula (3)), and the reference vector of the unit not included in the neighboring region Nc (t) is not updated (the following formula (4)). .
Nc (t) = Nc (0) × (1−t / T) (1)
[0039]
The learning rate coefficient calculation unit 44b is configured to learn the initial value α (0) of the learning rate coefficient set by the initial value setting unit 41, the total number of learning times T set by the initial value setting unit 41, and learning currently performed. The following equation (2) is calculated using the number of times t, and a learning rate coefficient α (t) in the currently performed learning is calculated. This learning rate coefficient α (t) decreases as learning progresses.
α (t) = α (0) × (1−t / T) (2)
[0040]
The reference vector calculation unit 44c calculates the learning rate coefficient α obtained by the learning rate coefficient calculation unit 44b for each of the reference vectors of the units included in the vicinity region Nc (t) obtained by the neighborhood region calculation unit 44a. The following expression (3) is calculated using (t) to update the reference vector mi (t) to obtain the updated reference vector mi (t + 1). The reference vector calculation unit 44c calculates the following equation (4) for each of the reference vectors of units not included in the neighborhood region Nc (t) to obtain a reference vector mi (t + 1).
mi (t + 1) = mi (t) + [alpha] i (t) * (x (t) -mi (t)) (3)
mi (t + 1) = mi (t) (4)
[0041]
The learning number determination unit 45 determines whether or not the learning number t of currently performed learning has reached the total number of learnings T set by the initial value setting unit 41.
[0042]
Further, the self-organizing map creating process of the self-organizing map creating unit 22 will be described with reference to FIGS. FIG. 3 is a flowchart showing a procedure for creating a self-organizing map, and FIG. 4 is an explanatory diagram for explaining an algorithm of the self-organizing map.
[0043]
In step S101, the initial value setting unit 41 of the self-organizing map creating unit 22 performs, as presettings, the network size, the total number of learning times T, the unit phase neighborhood shape, the initial value Nc (0) of the neighborhood region, learning. An initial value α (0) of the rate coefficient is set. Subsequently, in step S102, the initial value setting unit 41 of the self-organizing map creating unit 22 initializes the reference vectors so that the reference vectors are different from each other (FIG. 4A), Determine the presentation order of the input vectors.
[0044]
In step S103, the input vector presentation unit 42 of the self-organizing map creation unit 22 presents one input vector x (t) in the presentation order set by the initial value setting unit 41 (FIG. 4B).
[0045]
In step S104, the winner unit search unit 43 of the self-organizing map creation unit 22 searches for a winner unit having a reference vector whose Euclidean distance is closest to the input vector x (t) presented by the input vector presentation unit 42 (FIG. 4 (c)). However, in FIG. 4C, a unit having a vector with a symbol w in the figure is a winner unit.
[0046]
In step S105, the reference vector updating unit 44 of the self-organizing map creating unit 22 uses each of the reference vectors of the units included in the neighborhood area Nc (t) of the winner unit using the learning rate coefficient α (t), Update (learn) so as to approach the input vector x (t).
[0047]
Specifically, the neighborhood region calculation unit 44a of the reference vector update unit 44 calculates the neighborhood region Nc (t) by calculating the above equation (1). Each unit having a reference vector included in this neighborhood region Nc (t) is a unit that is updated in the currently performed learning. For example, in FIG. 4D, the reference vector in the region surrounded by the frame f in the figure is the reference vector to be updated. In addition, the learning rate coefficient calculation unit 44b of the reference vector update unit 44 calculates the learning rate coefficient α (t) by calculating the above equation (2). The reference vector calculation unit 44c of the reference vector update unit 44 then calculates each of the reference vectors included in the neighborhood region Nc (t) calculated by the neighborhood region calculation unit 44a by α ( Updating is performed by calculating the above equation (3) using t) and the input vector x (t) (FIG. 4D). Note that the reference vector calculation unit 44c also performs a process of calculating the above equation (4) for each of the reference vectors of units not included in the neighborhood region Nc (t) to obtain the reference vector mi (t + 1).
[0048]
In step S <b> 106, the self-organizing map creating unit 22 determines whether learning for updating the reference vectors has been performed for all input vectors. When it is determined that learning has not been performed for all input vectors, that is, there is an input vector for which learning has not been performed (S106: NO), in order to perform learning for the next input vector in the order of presentation, Returning to the processing, the processing from step S103 to step S106 is performed. On the other hand, when it is determined that learning has been performed for all input vectors (S106: YES), the process proceeds to step S107.
[0049]
In step S107, the learning number determination unit 45 of the self-organizing map creation unit 22 determines whether or not the learning from step S103 to step S106 related to all input vectors has been performed T times as the total learning number set in step S101. judge. When it is determined that learning has not been performed for the total number of times T (S107: NO), the learning has not been performed for the initially set number of times, so the processing returns to step S103 and the processing from step S103 to step S107. Is done. On the other hand, when it is determined that the learning has been performed T times in total (S107: YES), the process of creating the self-organizing map is ended.
[0050]
A process according to the above-described self-organizing map algorithm is performed on the input vector having the normalized data shown in Table 1 as an element, whereby a self-organizing map for health diagnosis as shown in FIG. 5 is obtained. Created. The self-organization map for health check in FIG. 5 is divided into a plurality of areas such as kidney damage, diabetes, and liver damage, and a line is drawn at the boundary between these areas. This is divided by considering the examination data in Table 1. A region not included in any region in FIG. 5 corresponds to a region in which health is not impaired. In addition, a region where a plurality of regions overlap (for example, a region where alcohol drinkers and liver disorders overlap) is a region where both health conditions are impaired.
[0051]
Since the self-organizing map shown in FIG. 5 is created according to the self-organizing map algorithm from an input vector including all of the examination items, a plurality of examination items can be obtained by using the self-organizing map of FIG. It becomes possible to obtain a health condition (a health condition in which abnormal examination items cannot be acquired from one by one) that can be determined only after comprehensive consideration. Further, since a plurality of health states are separated by drawing a line on the self-organizing map, it is possible to easily determine the health state visually.
[0052]
Returning to the description of the CPU 2, the health state display unit 23 of the CPU 2 is a block that performs a health state display process, and functions as a mark position determination unit 51 and a mark display control unit 52.
[0053]
The mark position determination unit 51 uses normalized data created from the actual examination data input using the examination data input screen for health check shown in FIG. 6 (created by the above-described normalized data creation unit 21). A reference vector (reference vector after being updated by the above-described reference vector update unit 22) having the closest Euclidean distance to a vector whose elements are normalized data) is searched. Then, the mark position determination unit 51 determines the position on the self-organizing map corresponding to the unit having the reference vector with the shortest Euclidean distance as the position of the mark indicating the health state of the subject to be diagnosed. In the input screen shown in FIG. 6, the input areas of all examination items are displayed by moving the scroll bar.
[0054]
The mark display control unit 52 performs control to display a mark (for example, “Yours”) at the position on the self-organizing map determined by the mark position determination unit 51.
[0055]
To summarize, a unit having a reference vector whose Euclidean distance is closest to a vector whose element is normalized data created from actual examination data input using the input screen shown in FIG. 51. Then, a mark is displayed at a position on the self-organizing map corresponding to the searched unit under the control of the mark display control unit 52. And it becomes possible to grasp | ascertain visually the health condition obtained only by considering a plurality of examination items comprehensively by the position of the mark on the self-organizing map. That is, instead of notifying abnormally-examined examination items for each examination item as in the prior art, the overall health state of a plurality of examination items is judged, and the health state is visually indicated. For example, when the mark is included in the area of kidney injury, it indicates that the subject of health checkup is directly suffering from kidney injury instead of indicating which of the examination items has an abnormal value. Even if the mark is included in an area where health is not impaired, it can be determined that there is a possibility of illness in that area if it is in the vicinity of any area. You can take measures to maintain your health after knowing what kind of disease you are likely to get.
[0056]
According to the embodiment described above, the self-organization map is created according to the algorithm of the self-organization map using the normalized data obtained by normalizing the actual examination data in the health check, and the self-organization thus created Since the position of the medical checkup subject's map is displayed on the map, the health checkup subject must visually grasp his / her health status determined by comprehensively considering multiple examination items. Can do.
[0057]
In addition, since the truncation value is set for the screening items, the self-organization map for health check will affect the abnormal values even if the actual screening data includes abnormal values. It has become something I have not received. In addition, since a truncation value is set for each examination item, the self-organizing map can be created with a truncation value suitable for each examination item.
[0058]
The preferred embodiments of the present invention have been described above. However, the present invention is not limited to the above-described embodiments, and various design changes can be made as long as they are described in the claims. For example, in the above-described embodiment, the health state on the self-organization map is clarified by drawing a line dividing a plurality of health states on the self-organization map. Thus, the health state on the self-organizing map may be clarified by painting the self-organizing map separately. For example, areas that are not impaired in health are white, diabetes is red, kidney damage is blue, and so on. Note that the self-organizing map only needs to be processed so that it is possible to easily visually determine which health state the position on the self-organizing map is included in.
[0059]
Further, in the above-described embodiment, the formula (1) is used when calculating the neighborhood region Nc (t). However, this is an example, and the calculation method of the neighborhood region Nc (t) is as follows. Other calculation methods such as a calculation method that has been performed in the creation of a self-organizing map may be used. In addition, the case where Equation (2) is used when calculating the learning rate coefficient α (t) is an example, and the calculation method of the learning rate coefficient α (t) has been described so far. Other calculation methods such as the calculation method that has been performed in creating the conversion map may be used. Furthermore, this is a case where the expression (3) is used when updating the reference vector, but this is an example, and the updating method of the reference vector has been performed by the creation of the self-organizing map so far. Other update methods such as a method may be used.
[0060]
Further, for each unit (corresponding to one reference vector) of the self-organizing map (first layer) shown in FIG. 5 in the above-described embodiment, as shown in FIG. Create an organizational map (second layer). This self-organizing map is one in which health states are classified in more detail than the self-organizing map shown in FIG.
[0061]
In creating this self-organizing map, first, a screening item determined according to the health condition on the self-organizing map (first layer) of the unit (for example, a screening item in the case of being included in an area of renal injury) Creates normalized data from actual screening data for uric acid nitrogen (BUN), creatinine, uric acid). Subsequently, based on the created data, the reference vector is updated according to the algorithm of the self-organizing map to create a second-layer self-organizing map. In this way, a two-level self-organizing map is created.
[0062]
In this two-level self-organizing map, first, when an input screen as shown in FIG. 6 is displayed on the display and data of examination items is input, the self-health is displayed on the self-organizing map shown in FIG. The status is displayed as a mark such as “Yours”. When the displayed mark is clicked, a screen for inputting examination items for the second-layer self-organizing map corresponding to the clicked position is displayed on the display. When the data of the examination items is input, a self-organizing map created corresponding to the mark position (unit) is displayed on the display, and the self-health state is displayed on the self-organizing map. Is displayed with a mark such as “Yours”. By creating a two-level map in this way, more detailed information can be acquired from the result of the health check. If the first entry screen can be used to enter the necessary examination items at all levels, clicking the mark such as “Yours” without displaying the entry screen at an intermediate stage The lower-level self-organizing map is sequentially displayed. In addition, when you further increase the hierarchy and click on your position on the self-organization map of the last hierarchy, for example, a doctor's prescription such as a list of therapeutic drugs, immediate hospitalization, "Let's see the situation for a while" May be displayed.
[0063]
Here, in the multi-layered self-organizing map, an example in which the first layer is for comprehensive health evaluation (such as the self-organizing map in FIG. 5), the second layer is for each disease, and the third layer is for treatment. For example, if the overall evaluation of the first layer is an area of liver injury, the classification of the second layer is (1) B, hepatitis C virus antigen / antibody test, (2) liver ultrasound image evaluation items, (3 ) Biliary enzyme levels, (4) alcohol consumption history, etc., and the third layer classification is (1) follow-up, (2) lifestyle improvement, (3) liver protectant administration, (4) interferon therapy, (5 ) Cancer internal medicine and surgical treatment. In addition, when the overall evaluation of the first layer is an area of hypertension (not shown in FIG. 5), the classification of the second layer is (1) ECG evaluation items, (2) ECG findings, (3) Chest X-ray examination evaluation items, (4) Renal renogram evaluation items, etc. The third layer classification is (1) follow-up, (2) lifestyle improvement, (3) antihypertensive (administered by drug), etc. In addition, when the overall evaluation of the first layer is an area of hyperlipidemia (not shown in FIG. 5), the classification of the second layer is (1) Lipoprotein fraction measurement value, (2) Thyroid hormone test value , (3) Liver enzyme levels, etc., the third layer classification is (1) follow-up, (2) lifestyle improvement, (3) diseases that cause internal medicine (branching to each drug) (hypothyroidism, Such as treatment of obstructive jaundice).
[0064]
The self-organization map of the first layer is a self-organization map for comprehensive health assessment (such as the self-organization map in FIG. 5), and the self-organization map of the second layer is a self-organization map for lifestyle habits (daily) A map of activity amount, eating habits, smoking habits, drinking habits, etc.) may be used.
[0065]
Furthermore, a value other than the values shown in Table 1 may be used as the value of the head of the examination item. In addition, although the normalized data is used when creating the self-organizing map, the self-organizing map may be generated using actual examination data itself. Furthermore, the input screen shown in FIG. 6 may be displayed on a display provided in a terminal connected to the computer 1 via a public line network, and examination data input from the terminal may be transmitted to the computer 1.
[0066]
【The invention's effect】
As described above, according to the present invention, it is possible to make a judgment on the health state by comprehensively considering a plurality of examination items examined in the health examination, and to make the judgment visually. Become.
[0067]
[0068]
[0069]
In addition, since the truncation value is set, the self-organization map for health check is not affected by the abnormal value even if the actual screening data contains an abnormal value. It is a thing.
[0070]
[0071]
[0072]
[0073]
[0074]
[Brief description of the drawings]
FIG. 1 is a configuration diagram showing a configuration of a computer according to an embodiment of the present invention.
FIG. 2 is a functional block diagram of a CPU.
FIG. 3 is a flowchart showing a procedure for creating a self-organizing map.
FIG. 4 is an explanatory diagram for explaining a self-organizing map algorithm;
FIG. 5 is a diagram showing a self-organizing map.
FIG. 6 is a diagram showing an example of a screening data input screen.
FIG. 7 is an explanatory diagram for explaining a two-layer self-organizing map;
[Explanation of symbols]
1 computer
2 CPU
21 Normalized data creation part
22 Self-organizing map creation department
23 Health status display
31 Data creation part
32 Data correction part
41 Initial value setting section
42 Input vector presentation unit
43 Winner Unit Search Department
44 Reference vector update unit
44a Neighborhood calculation unit
44b Learning rate coefficient calculation unit
44c Reference vector calculation unit
45 Number of learning determination section
51 Mark position determination unit
52 Mark display controller

Claims

A device for creating a self-organizing map for medical examination, comprising a computer including a CPU and a RAM ,
The CPU is
A normalization data creation unit for normalizing the examination data regarding a plurality of examination items to be examined in the health examination; and
Using the normalized data created by the normalized data creating unit, functions as a self-organizing map creating unit that creates a self-organizing map for health checkup,
The normalized data creation unit
The CPU determines whether or not the actual examination data of the examination item is within a preset normal range of the examination item. If the examination item is within the normal range, the actual examination data is normalized to 1. When the actual examination data of the examination item is smaller than the minimum value of the normal range, the actual examination data is divided into a value obtained by dividing the actual examination data by the first normalized value stored in the preset RAM. The actual examination data is normalized, and when the actual examination data of the examination item is larger than the maximum value of the normal value, the actual examination data is converted into a second normalized value stored in a preset RAM. When the division result is equal to or less than the truncation value stored in the RAM predetermined for the examination item, the actual examination data is normalized to the division result, and the division result is larger than the truncation value Is its fruit With normalizing the examination data to the head cut values, and stores the normalized value RAM,
The self-organizing map creation unit
Winner unit for searching for a winner unit with the most similar reference vector to the input vector using the normalized data stored in the RAM that was created by the normalized data creation unit from among a plurality of units with reference vector in CPU A search unit;
Reference vector update in which the reference vector of each unit included in the neighborhood region of the winner unit that is sequentially narrowed according to the number of learnings is updated by the CPU based on the learning coefficient that is sequentially reduced according to the number of learnings and the input vector Department, and
A self-organization map for health check is created by repeating the search for the winner unit and updating the reference vector until the number of times of learning reaches a preset number in the RAM, and creating a self-organization map for health check Organizing map creation device.

2. The self-organizing map creation device for health check according to claim 1, wherein the truncation value is set according to the examination item.

A method for creating a self-organizing map for a health check performed by a computer including a CPU and a RAM ,
A normalized data creation step in which the CPU normalizes examination data relating to a plurality of examination items to be examined in a health examination; and
Using the normalized data created in the normalized data creating step, a self-organizing map creating step in which the CPU creates a self-organizing map for health check,
In the normalized data creation step,
The CPU determines whether or not the actual examination data of the examination item is within a preset normal range of the examination item. If the examination data is within the normal range, the actual examination data is normalized to 1. When the actual examination data of the examination item is smaller than the minimum value of the normal range, the actual examination data is divided into a value obtained by dividing the actual examination data by the first normalized value stored in the preset RAM. The actual examination data is normalized, and when the actual examination data of the examination item is larger than the maximum value of the normal value, the actual examination data is converted into a second normalized value stored in a preset RAM. When the division result is equal to or less than the truncation value stored in the RAM predetermined for the examination item, the actual examination data is normalized to the division result, and the division result is larger than the truncation value Is its fruit With normalizing the examination data to the head cut values, and stores the normalized value RAM,
The self-organizing map creation step includes:
Winner unit for searching for a winner unit with the most similar reference vector to the input vector using the normalized data stored in the RAM that was created by the normalized data creation step from among a plurality of units with reference vector in CPU A search step;
Reference vector update in which the reference vector of each unit included in the neighborhood region of the winner unit that is sequentially narrowed according to the number of learnings is updated by the CPU based on the learning coefficient that is sequentially reduced according to the number of learnings and the input vector Steps, and
A self-organization map for health check is created by repeating the search for the winner unit and updating the reference vector until the number of times of learning reaches a preset number in the RAM, and creating a self-organization map for health check How to create an organized map.

The self-organizing map creation method for health examination according to claim 3, wherein the truncation value is set according to the examination item.