JP7337788B2 - 機械学習法において使用するゲノムの発見 - Google Patents
機械学習法において使用するゲノムの発見 Download PDFInfo
- Publication number
- JP7337788B2 JP7337788B2 JP2020524696A JP2020524696A JP7337788B2 JP 7337788 B2 JP7337788 B2 JP 7337788B2 JP 2020524696 A JP2020524696 A JP 2020524696A JP 2020524696 A JP2020524696 A JP 2020524696A JP 7337788 B2 JP7337788 B2 JP 7337788B2
- Authority
- JP
- Japan
- Prior art keywords
- genome
- feature
- features
- generated
- identified
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biotechnology (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Epidemiology (AREA)
- Bioethics (AREA)
- Public Health (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Food Science & Technology (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
Description
本出願は、2018年7月18日に出願された米国特許出願第15/653,441号に対する優先権を主張するものであり、この文献はその全体が引用により本明細書に組み入れられる。
本出願は、2013年8月19日に出願された「心臓血管系を特性化する非侵襲的方法及びシステム(NON-INVASIVE METHOD AND SYSTEM FOR CHARACTERIZING CARDIOVASCULAR SYSTEMS)」という名称の米国特許出願第13/970,580号~現米国特許第9,289,150号、2016年3月4日に出願された「心臓血管系を特性化する非侵襲的方法及びシステム」という名称の米国特許出願第15/061,090号、2017年5月5日に出願された「心臓血管系を特性化する非侵襲的方法及びシステム」という名称の米国特許出願第15/588,148号、2012年9月6日に出願された「電気生理学的信号を評価するシステム及び方法(SYSTEM AND METHOD FOR EVALUATING AN ELECTROPHYSIOLOGICAL SIGNAL)」という名称の米国特許出願第13/605,364号~現米国特許第8,923,958号、2013年8月19日に出願された「全死因死亡率及び突然心臓死リスクのための、心臓血管系を特性化する非侵襲的方法及びシステム(NON-INVASIVE METHOD AND SYSTEM FOR CHARACTERIZING CARDIOVASCULAR SYSTEMS FOR ALL-CAUSE MORTALITY AND SUDDEN CARDIAC DEATH RISK)」という名称の米国特許出願第13/970,582号~現米国特許第9,408,543号、2016年7月11日に出願された「全死因死亡率及び突然心臓死リスクのための、心臓血管系を特性化する非侵襲的方法及びシステム」という名称の米国特許出願第15/207,214号、2014年6月4日に出願された「哺乳類の心室サイズ及び力学的機能を推定するための非侵襲的心電図法(NONINVASIVE ELECTROCARDIOGRAPHIC METHOD FOR ESTIMATING MAMMALIAN CARDIAC CHAMBER SIZE AND MECHANICAL FUNCTION)」という名称の米国特許出願第14/295,615号、2013年11月12日に出願された「哺乳類の心室サイズ及び力学的機能を推定する非侵襲的心電図法」という名称の米国特許出願第14/077,993号、2015年1月14日に出願された「ブドウ糖、糖化ヘモグロビン及びその他の血液成分を推定する非侵襲的方法(NONINVASIVE METHOD FOR ESTIMATING GLUCOSE, GLYCOSYLATED HEMOGLOBIN AND OTHER BLOOD CONSTITUENTS)」という名称の米国特許出願第14/596,541号~現米国特許第9,597,021号、2017年3月16日に出願された「ブドウ糖、糖化ヘモグロビン及びその他の血液成分を推定する非侵襲的方法」という名称の米国特許出願第15/460,341号、2015年2月12日に出願された「単一チャネルデータから心臓血管系を特性化する方法及びシステム(METHOD AND SYSTEM FOR CHARACTERIZING CARDIOVASCULAR SYSTEMS FROM SINGLE CHANNEL DATA)」という名称の米国特許出願第14/620,388号、2016年6月24日に出願された「数理解析及び機械学習を使用して病気を診断する方法及びシステム(METHODS AND SYSTEMS USING MATHEMATICAL ANALYSIS AND MACHINE LEARNING TO DIAGNOSE DISEASE)」という名称の米国特許出願第15/192,639号、2016年8月26日に出願された「生理学的信号取得装置(BIOSIGNAL ACQUISITION DEVICE)」という名称の米国特許出願第15/248,838号、2016年9月21日に出願された「心臓位相空間断層撮影のためのグラフィカルユーザインターフェイス(GRAPHICAL USER INTERFACE FOR CARDIAC PHASE-SPACE TOMOGRAPHY)」という名称の米国仮特許出願第62/397,895号、2017年6月26日に出願された「心筋虚血の測定、狭窄の同定、定位、及び冠血流予備量比推定のための非侵襲的方法及びシステム(NON-INVASIVE METHOD AND SYSTEM FOR MEASURING MYOCARDIAL ISCHEMIA, STENOSIS IDENTIFICATION, LOCALIZATION AND FRACTIONAL FLOW RESERVE ESTIMATION)」という名称の米国特許出願第15/633,330号、並びに本出願と同時に出願された「病状診断のための機械学習法などの機械学習法において使用される新規特徴の発見(DISCOVERING NOVEL FEATURES TO USE IN MACHINE LEARNING TECHNIQUES, SUCH AS MACHINE LEARNING TECHNIQUES FOR DIAGNOSING MEDICAL CONDITIONS)」という名称の米国特許出願第15/653,433号に関連する。上述した各出願及び交付済み特許は、その全体が引用により本明細書に組み入れられる。
F1~F2の距離:
110 サービスプロバイダ
120 施設
121 特徴発見
122 処理
123 特徴生成器適用
124 新規特徴ベクトル識別
125 ゲノム発見
126 ゲノム生成
127 高性能ゲノム識別
130 患者データ
131 モデル
132 特徴ベクトル
133 特徴生成器
133 機械学習アルゴリズム
134 ゲノム
135 機械学習パラメータ
140 信号レコーダ
142 出力
144 入力
145 電極
150 データプロバイダ
152 データ
160 患者
170 ネットワーク
Claims (21)
- 機械学習ゲノムを発見するための、メモリ及びプロセッサを有するシステムであって、
第1のコンポーネントと、
第2のコンポーネントと、
第3のコンポーネントと、
第4のコンポーネントと、
第5のコンポーネントと、
を備え、
前記第1のコンポーネントは、複数のゲノムを生成するように構成され、各ゲノムは、少なくとも1つの機械学習アルゴリズムの少なくとも1つの特徴及び少なくとも1つのパラメータを識別し、前記複数のゲノムのうちの第1のゲノムを生成するステップが、
一連の特徴の中から前記特徴のうちの1つ又は2つ以上をランダムに選択するステップと、
少なくとも1つの機械学習アルゴリズムの一連のパラメータの中から前記パラメータのうちの1つ又は2つ以上をランダムに選択するステップと、
前記選択されたパラメータの各々に少なくとも1つのランダム値を割り当てるステップと、
を含み、
前記第2のコンポーネントは、各生成されたゲノムについて、
前記生成されたゲノムを使用して1又は2以上のモデルを訓練し、
前記生成されたゲノムを使用して訓練された各モデルについて、少なくとも部分的に、前記訓練されたモデルを検証データセットに適用することによって、前記訓練されたモデルの適合性スコアを計算し、
前記生成されたゲノムを使用して訓練された前記モデルについて生成された前記適合性スコアに少なくとも部分的に基づいて、前記生成されたゲノムの適合性スコアを生成する、
ように構成され、
前記第3のコンポーネントは、前記生成されたゲノムの中から、適合性閾値を上回る適合性スコアを有する複数のゲノムを識別するように構成され、
前記第4のコンポーネントは、前記識別されたゲノムの各々について、前記識別されたゲノムを変異させるように構成され、
前記コンポーネントのうちの少なくとも1つは、前記システムが実行するための、前記メモリに記憶されたコンピュータ実行可能命令を含み、
前記第5のコンポーネントは、第1の一連の特徴を含む第1のゲノムについて、少なくとも部分的に、
前記第1の一連の特徴の各特徴について、前記特徴に関連する特徴生成器を訓練データセットに適用して前記特徴の特徴ベクトルを生成し、
少なくとも1対の特徴ベクトルについて、
前記特徴ベクトルの対の各特徴ベクトル間の距離を計算し、
前記計算された距離が距離閾値未満であると判定し、
前記計算された距離が距離閾値未満あるとの判定に応答して、前記特徴ベクトルの対のうちの少なくとも一方の特徴ベクトルに対応する特徴を前記第1のゲノムから除去する、
ことによって、前記第1の一連の特徴の中から相関する特徴を識別するように構成され、
各特徴ベクトルは、複数の患者の各々について、前記患者を表す少なくとも1つの生理学的データの表現に第1の特徴生成器を適用することによって生成された単一の値を含む、
ことを特徴とするシステム。 - 第1の特徴ベクトルの対のうちの少なくとも一方の特徴ベクトルに対応する少なくとも1つの特徴を前記第1のゲノムから除去することは、
前記第1の特徴ベクトルの対のうちの一方の特徴ベクトルをランダムに選択することと、
前記第1のゲノムの特徴の中から前記ランダムに選択された特徴ベクトルに対応する特徴を識別することと、
前記第1のゲノムから前記識別された特徴を除去することと、
を含む、請求項1に記載のシステム。 - 第1の一連の特徴を含む前記第1のゲノムについて、前記第1の一連の特徴の各特徴を表す頂点を含むグラフを生成するように構成された第6のコンポーネントと、
対応する特徴が相関性閾値を上回る相関値又は距離閾値未満の距離値を有する頂点間のエッジを生成するように構成された第7のコンポーネントと、
結合された頂点が前記グラフ内に残らなくなるまで前記グラフから頂点を除去するように構成された第8のコンポーネントと、
をさらに備える、請求項1に記載のシステム。 - 少なくとも1人の患者から生理学的信号データを受け取るように構成された機械と、
第6のコンポーネントと、
をさらに備え、前記第6のコンポーネントは、各患者について、
前記機械によって受け取られた前記患者の生理学的信号データの少なくとも一部に前記訓練されたモデルのうちの少なくとも1つを適用し、
前記受け取られた生理学的信号の少なくとも一部に前記訓練されたモデルのうちの少なくとも1つを適用したことに少なくとも部分的に基づいて前記患者の予測を生成する、
ように構成される、
請求項1に記載のシステム。 - メモリ及びプロセッサを有するコンピュータシステムによって実行される、機械学習ゲノムの発見方法であって、
前記プロセッサを使用して、各ゲノムが少なくとも1つの機械学習アルゴリズムの少なくとも1つの特徴及び少なくとも1つのパラメータを識別する複数のゲノムを生成するステップと、
各生成されたゲノムについて、
前記生成されたゲノムを使用して少なくとも1つのモデルを訓練するステップと、
前記訓練された少なくとも1つのモデルに少なくとも部分的に基づいて、前記ゲノムの適合性スコアを生成するステップと、
前記生成されたゲノムの中から、適合性閾値を上回る適合性スコアを有する少なくとも1つのゲノムを識別するステップと、
各識別されたゲノムを変異させるステップと、
を含み、
第1の数の特徴を有する第1の識別されたゲノムを変異させることが、前記変異させた第1の識別されたゲノムが、前記第1の数の特徴とは異なる第2の数の特徴を有するように、少なくとも1つの特徴を除去することを含み、
第3の数の特徴を有する第2の識別されたゲノムを変異させることが、前記変異させた第2の識別されたゲノムが、前記第3の数の特徴および前記第2の数の特徴とは異なる第4の数の特徴を有するように、少なくとも1つの特徴を追加することを含み、
前記複数のゲノムのうちの第1のゲノムを生成するステップは、
一連の特徴の中から該特徴のうちの1つ又は2つ以上をランダムに選択するステップと、
少なくとも1つの機械学習アルゴリズムの一連のパラメータの中から該パラメータのうちの1つ又は2つ以上をランダムに選択するステップと、
前記選択されたパラメータの各々に少なくとも1つの値を割り当てるステップと、
を含み、
前記第1のゲノムを生成するステップは、
前記ランダムに選択された特徴の各特徴について、
前記特徴に関連する特徴生成器及び訓練データセットに少なくとも部分的に基づいて、前記特徴の特徴ベクトルを取り出すステップと、
前記生成された特徴ベクトルの中から相関する特徴ベクトルの対を識別するステップと、
相関する特徴ベクトルの各識別された対について、
前記相関する特徴ベクトルの対のうちの一方の特徴ベクトルを識別するステップと、
前記識別された特徴ベクトルを生成するために使用された特徴生成器に関連する特徴を前記第1のゲノムから除去するステップと、
前記一連の特徴の中から、前記第1のゲノムに追加すべき特徴をランダムに選択するステップと、
前記ランダムに選択された特徴を前記第1のゲノムに追加するステップと、
を含むことを特徴とする方法。 - 相関する特徴ベクトルの対を識別するステップは、
各特徴ベクトルの対について、
前記特徴ベクトルの対の距離メトリックを計算するステップと、
前記特徴ベクトルの対の前記計算された距離メトリックが距離閾値未満であるかどうかを判定するステップと、
を含み、前記距離閾値は、各特徴ベクトルの対の計算され判定された距離メトリックに少なくとも部分的に基づいて決定される、
請求項5に記載の方法。 - 第1のゲノムの適合性スコアを生成するステップは、
前記第1のゲノムを使用して訓練されたモデルを2又は3以上の検証データセットに適用することによって生成された偽陽性の数を識別するステップと、
前記第1のゲノムを使用して訓練されたモデルを2又は3以上の検証データセットに適用することによって生成された偽陰性の数を識別するステップと、
を含む、請求項5に記載の方法。 - 第1のゲノムの適合性スコアを生成するステップは、
前記第1のゲノムを使用して訓練された少なくとも1つのモデルについて受信者動作特性曲線を生成するステップと、
前記生成された受信者動作特性曲線の下方領域を計算するステップと、
を含む、請求項5に記載の方法。 - 第1のゲノムの適合性スコアを生成するステップは、前記第1のゲノムを使用して訓練された少なくとも1つのモデルについて、平均二乗予測誤差、平均絶対誤差、四分位誤差、及びログ損失誤差、受信者動作特性曲線誤差、及びfスコア誤差を含む群から選択された1つ又は2つ以上の誤差を計算するステップを含む、
請求項5に記載の方法。 - 第1の識別されたゲノムを変異させるステップは、
前記第1の識別されたゲノムの少なくとも1つの特徴を選択するステップと、
前記第1の識別されたゲノムの前記選択された特徴の各々を前記第1の識別されたゲノムから除去するステップと、
を含む、請求項5に記載の方法。 - 第1の識別されたゲノムを変異させるステップは、
一連の特徴の中から複数の前記特徴をランダムに選択するステップと、
前記ランダムに選択された複数の特徴の各々を前記第1の識別されたゲノムに追加するステップと、
を含む、請求項5に記載の方法。 - 第1の識別されたゲノムを変異させるステップは、前記第1の識別されたゲノムの少なくとも1つの特徴を修正するステップを含む、
請求項5に記載の方法。 - 第1の識別されたゲノムを変異させるステップは、前記第1の識別されたゲノムの少なくとも1つの機械学習アルゴリズムパラメータを修正するステップを含む、
請求項5に記載の方法。 - メモリ及びプロセッサを有するコンピュータシステムの前記プロセッサによって実行された場合に、前記コンピュータシステムに機械学習ゲノムの発見方法を実行させる命令を記憶した非一時的なコンピュータ可読記憶媒体であって、前記方法は、
前記プロセッサによって、各ゲノムが少なくとも1つの機械学習アルゴリズムの少なくとも1つの特徴及び少なくとも1つのパラメータを識別する複数のゲノムを生成するステップと、
各生成されたゲノムについて、
前記生成されたゲノムを使用して少なくとも1つのモデルを訓練するステップと、
前記訓練された少なくとも1つのモデルに少なくとも部分的に基づいて前記ゲノムの適合性スコアを生成するステップと、
前記生成されたゲノムの中から、適合性閾値を上回る適合性スコアを有する1又は2以上のゲノムを識別するステップと、
各識別されたゲノムを変異させるステップと、
を含み、
第1の数の特徴を有する第1の識別されたゲノムを変異させることが、前記変異させた第1の識別されたゲノムが、前記第1の数の特徴とは異なる第2の数の特徴を有するように、少なくとも1つの特徴を除去することを含み、
第3の数の特徴を有する第2の識別されたゲノムを変異させることが、前記変異させた第2の識別されたゲノムが、前記第3の数の特徴および前記第2の数の特徴とは異なる第4の数の特徴を有するように、少なくとも1つの特徴を追加することを含み、
前記複数のゲノムのうちの第1のゲノムを生成するステップは、
一連の特徴の中から該特徴のうちの1つ又は2つ以上をランダムに選択するステップと、
少なくとも1つの機械学習アルゴリズムの一連のパラメータの中から該パラメータのうちの1つ又は2つ以上をランダムに選択するステップと、
前記選択されたパラメータの各々に少なくとも1つの値を割り当てるステップと、
を含み、
前記第1のゲノムを生成するステップは、
前記ランダムに選択された特徴の各特徴について、
前記特徴に関連する特徴生成器及び訓練データセットに少なくとも部分的に基づいて、前記特徴の特徴ベクトルを取り出すステップと、
前記生成された特徴ベクトルの中から相関する特徴ベクトルの対を識別するステップと、
相関する特徴ベクトルの各識別された対について、
前記相関する特徴ベクトルの対のうちの一方の特徴ベクトルを識別するステップと、
前記識別された特徴ベクトルを生成するために使用された特徴生成器に関連する特徴を前記第1のゲノムから除去するステップと、
前記一連の特徴の中から、前記第1のゲノムに追加すべき特徴をランダムに選択するステップと、
前記ランダムに選択された特徴を前記第1のゲノムに追加するステップと、
を含むことを特徴とする非一時的なコンピュータ可読記憶媒体。 - 前記方法は、前記適合性閾値を上回る適合性スコアを有する各識別されたゲノムを変異させるステップをさらに含む、
請求項14に記載の非一時的なコンピュータ可読記憶媒体。 - 前記方法は、少なくとも部分的に、前記生成されたゲノムの各々について生成された前記適合性スコアに基づいて全体的適合性スコアを決定することによって、前記適合性閾値を計算するステップをさらに含む、
請求項14に記載の非一時的なコンピュータ可読記憶媒体。 - 前記方法は、少なくとも部分的に、前記生成されたゲノムの各々について生成された前記適合性スコアに基づいて適合性スコアのnパーセンタイルを決定することによって、前記適合性閾値を計算するステップをさらに含む、
請求項14に記載の非一時的なコンピュータ可読記憶媒体。 - 前記方法は、少なくとも部分的に、前記生成されたゲノムの各々について生成された前記適合性スコアの中からn番目に高い適合性スコアを決定することによって、前記適合性閾値を計算するステップを含む、
請求項14に記載の非一時的なコンピュータ可読記憶媒体。 - 第1のゲノムを使用して訓練された各モデルについて、
前記第1のゲノムを使用して訓練された前記モデルの適合性スコアを計算するステップと、
前記第1のゲノムを使用して訓練された前記モデルの前記計算された適合性スコアを集約するステップと、
をさらに含む、請求項14に記載の非一時的なコンピュータ可読記憶媒体。 - 前記第1のゲノムを使用して訓練された前記モデルの前記計算された適合性スコアを集約するステップは、前記第1のゲノムを使用して訓練された前記モデルの前記計算された適合性スコアの平均値を計算するステップを含む、
請求項19に記載の非一時的なコンピュータ可読記憶媒体。 - 前記方法は、
前記生成されたゲノムの中から識別された前記複数のゲノムの各々について、
前記識別されたゲノムを変異させるステップと、
前記変異したゲノムを使用して少なくとも1つのモデルを訓練するステップと、
前記変異したゲノムを使用して訓練された前記少なくとも1つのモデルに少なくとも部分的に基づいて、前記変異したゲノムの適合性スコアを生成するステップと、
をさらに含む、請求項14に記載の非一時的なコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/653,441 US11062792B2 (en) | 2017-07-18 | 2017-07-18 | Discovering genomes to use in machine learning techniques |
US15/653,441 | 2017-07-18 | ||
PCT/IB2018/000929 WO2019016608A1 (en) | 2017-07-18 | 2018-07-18 | DISCOVERING GENOMES FOR USE IN AUTOMATIC LEARNING TECHNIQUES |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020530933A JP2020530933A (ja) | 2020-10-29 |
JP7337788B2 true JP7337788B2 (ja) | 2023-09-04 |
Family
ID=65015749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524696A Active JP7337788B2 (ja) | 2017-07-18 | 2018-07-18 | 機械学習法において使用するゲノムの発見 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11062792B2 (ja) |
EP (1) | EP3655894A4 (ja) |
JP (1) | JP7337788B2 (ja) |
CN (1) | CN111095232B (ja) |
CA (1) | CA3069833A1 (ja) |
WO (1) | WO2019016608A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460440B2 (en) * | 2017-10-24 | 2019-10-29 | General Electric Company | Deep convolutional neural network with self-transfer learning |
US11514327B2 (en) * | 2018-06-19 | 2022-11-29 | Orbai Technologies, Inc. | Apparatus and method for utilizing a parameter genome characterizing neural network connections as a building block to construct a neural network with feedforward and feedback paths |
US11087170B2 (en) * | 2018-12-03 | 2021-08-10 | Advanced Micro Devices, Inc. | Deliberate conditional poison training for generative models |
US20200303060A1 (en) * | 2019-03-18 | 2020-09-24 | Nvidia Corporation | Diagnostics using one or more neural networks |
US11803172B2 (en) * | 2019-05-10 | 2023-10-31 | Mjnn Llc | Efficient selection of experiments for enhancing performance in controlled environment agriculture |
US11521115B2 (en) * | 2019-05-28 | 2022-12-06 | Microsoft Technology Licensing, Llc | Method and system of detecting data imbalance in a dataset used in machine-learning |
US11526701B2 (en) | 2019-05-28 | 2022-12-13 | Microsoft Technology Licensing, Llc | Method and system of performing data imbalance detection and correction in training a machine-learning model |
US11537941B2 (en) | 2019-05-28 | 2022-12-27 | Microsoft Technology Licensing, Llc | Remote validation of machine-learning models for data imbalance |
US20220284259A1 (en) * | 2021-03-02 | 2022-09-08 | International Business Machines Corporation | Computer automated classification of non-structured data streams |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007504576A (ja) | 2003-01-17 | 2007-03-01 | アヤラ,フランシスコ,ジェイ | 人工知能を開発するためのシステム及び方法 |
JP2010020714A (ja) | 2008-07-14 | 2010-01-28 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2013524865A (ja) | 2010-03-15 | 2013-06-20 | シンガポール ヘルス サービシーズ ピーティーイー リミテッド | 患者の生存性を予測する方法 |
US20150379427A1 (en) | 2014-06-30 | 2015-12-31 | Amazon Technologies, Inc. | Feature processing tradeoff management |
Family Cites Families (121)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5148513A (en) * | 1988-05-20 | 1992-09-15 | John R. Koza | Non-linear genetic process for use with plural co-evolving populations |
JP3594106B2 (ja) * | 1997-07-24 | 2004-11-24 | オムロン株式会社 | 自動プログラミング装置、自動プログラミング方法および記録媒体 |
US7970718B2 (en) | 2001-05-18 | 2011-06-28 | Health Discovery Corporation | Method for feature selection and for evaluating features identified as significant for classifying data |
US6513025B1 (en) | 1999-12-09 | 2003-01-28 | Teradyne, Inc. | Multistage machine learning process |
AU2002246919B2 (en) | 2000-11-10 | 2007-08-30 | The Nielsen Company (Us), Llc | Method and apparatus for dynamic, real-time market segmentation |
US6917926B2 (en) * | 2001-06-15 | 2005-07-12 | Medical Scientists, Inc. | Machine learning method |
US20030088565A1 (en) | 2001-10-15 | 2003-05-08 | Insightful Corporation | Method and system for mining large data sets |
EP1586076A2 (en) | 2003-01-15 | 2005-10-19 | Bracco Imaging S.p.A. | System and method for optimization of a database for the training and testing of prediction algorithms |
US7742806B2 (en) | 2003-07-01 | 2010-06-22 | Cardiomag Imaging, Inc. | Use of machine learning for classification of magneto cardiograms |
WO2005036180A1 (en) | 2003-10-08 | 2005-04-21 | The Government Of The United States Of America As Represented By The Secretary Of Department Of Health And Human Services | Analysis methods using biomarkers concentrated with biomarkers attractant molecules |
WO2005048185A1 (en) | 2003-11-17 | 2005-05-26 | Auckland University Of Technology | Transductive neuro fuzzy inference method for personalised modelling |
US7480640B1 (en) | 2003-12-16 | 2009-01-20 | Quantum Leap Research, Inc. | Automated method and system for generating models from data |
US20050198182A1 (en) * | 2004-03-02 | 2005-09-08 | Prakash Vipul V. | Method and apparatus to use a genetic algorithm to generate an improved statistical model |
US7827011B2 (en) | 2005-05-03 | 2010-11-02 | Aware, Inc. | Method and system for real-time signal classification |
JP4618058B2 (ja) | 2005-09-01 | 2011-01-26 | 株式会社日立製作所 | 背景画像生成方法とその装置及び画像監視システム |
US7599893B2 (en) | 2005-10-13 | 2009-10-06 | Aureon Laboratories, Inc. | Methods and systems for feature selection in machine learning based on feature contribution and model fitness |
WO2007137047A2 (en) | 2006-05-16 | 2007-11-29 | Greer Douglas S | Modeling the neocortex |
WO2007147166A2 (en) | 2006-06-16 | 2007-12-21 | Quantum Leap Research, Inc. | Consilence of data-mining |
US8046200B2 (en) | 2006-09-05 | 2011-10-25 | Colorado State University Research Foundation | Nonlinear function approximation over high-dimensional domains |
US7792770B1 (en) | 2007-08-24 | 2010-09-07 | Louisiana Tech Research Foundation; A Division Of Louisiana Tech University Foundation, Inc. | Method to indentify anomalous data using cascaded K-Means clustering and an ID3 decision tree |
WO2009063463A2 (en) | 2007-11-14 | 2009-05-22 | Medasense Biometrics Ltd | Pain monitoring using multidimensional analysis of physiological signals |
US8065247B2 (en) | 2007-11-21 | 2011-11-22 | Inomaly, Inc. | Systems and methods for multivariate influence analysis of heterogenous mixtures of categorical and continuous data |
US20100016743A1 (en) | 2008-07-17 | 2010-01-21 | Syed Zeeshan H | Identifying Groups of Patients with Similar Physiological Characteristics and Risk Profiles |
US8972410B2 (en) | 2008-07-30 | 2015-03-03 | Hewlett-Packard Development Company, L.P. | Identifying related objects in a computer database |
US8386401B2 (en) | 2008-09-10 | 2013-02-26 | Digital Infuzion, Inc. | Machine learning methods and systems for identifying patterns in data using a plurality of learning machines wherein the learning machine that optimizes a performance function is selected |
CN102165454B (zh) | 2008-09-29 | 2015-08-05 | 皇家飞利浦电子股份有限公司 | 用于提高计算机辅助诊断对图像处理不确定性的鲁棒性的方法 |
NZ572036A (en) | 2008-10-15 | 2010-03-26 | Nikola Kirilov Kasabov | Data analysis and predictive systems and related methodologies |
US20110295782A1 (en) | 2008-10-15 | 2011-12-01 | Alexander Stojadinovic | Clinical Decision Model |
US8016200B2 (en) | 2009-08-31 | 2011-09-13 | Symbol Technologies, Inc. | Handle and activation assembly for portable electronic device |
US11562323B2 (en) * | 2009-10-01 | 2023-01-24 | DecisionQ Corporation | Application of bayesian networks to patient screening and treatment |
CN101785672B (zh) | 2010-01-29 | 2011-08-31 | 重庆大学 | 基于磁共振波谱成像的乳腺肿瘤诊断系统 |
US20120029974A1 (en) | 2010-07-30 | 2012-02-02 | International Business Machines Corporation | Complex service modeling |
BR112013003391B8 (pt) * | 2010-08-13 | 2022-10-25 | Somalogic Inc | Método para diagnosticar câncer pancreático em um indivíduo |
US10321892B2 (en) | 2010-09-27 | 2019-06-18 | Siemens Medical Solutions Usa, Inc. | Computerized characterization of cardiac motion in medical diagnostic ultrasound |
CN103502899B (zh) | 2011-01-26 | 2016-09-28 | 谷歌公司 | 动态预测建模平台 |
US8533224B2 (en) | 2011-05-04 | 2013-09-10 | Google Inc. | Assessing accuracy of trained predictive models |
US9336484B1 (en) | 2011-09-26 | 2016-05-10 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | System and method for outlier detection via estimating clusters |
US9934361B2 (en) | 2011-09-30 | 2018-04-03 | Univfy Inc. | Method for generating healthcare-related validated prediction models from multiple sources |
KR101725121B1 (ko) | 2011-10-19 | 2017-04-12 | 한국전자통신연구원 | 특징 벡터 분류 장치 및 방법 |
US8688603B1 (en) | 2011-11-14 | 2014-04-01 | Amazon Technologies, Inc. | System and method for identifying and correcting marginal false positives in machine learning models |
US9418314B2 (en) | 2012-01-30 | 2016-08-16 | Nec Corporation | Information processing apparatus and control method and control program thereof, and communication terminal and control method and control program thereof |
US9934338B2 (en) | 2012-06-11 | 2018-04-03 | Landmark Graphics Corporation | Methods and related systems of building models and predicting operational outcomes of a drilling operation |
CN104508671B (zh) * | 2012-06-21 | 2018-10-19 | 菲利普莫里斯生产公司 | 通过偏差校正和分类预测生成生物标记签名的系统和方法 |
WO2013190085A1 (en) * | 2012-06-21 | 2013-12-27 | Philip Morris Products S.A. | Systems and methods for generating biomarker signatures with integrated dual ensemble and generalized simulated annealing techniques |
US20140108324A1 (en) | 2012-10-12 | 2014-04-17 | Nec Laboratories America, Inc. | Data analytic engine towards the self-management of complex physical systems |
US20140143188A1 (en) | 2012-11-16 | 2014-05-22 | Genformatic, Llc | Method of machine learning, employing bayesian latent class inference: combining multiple genomic feature detection algorithms to produce an integrated genomic feature set with specificity, sensitivity and accuracy |
US9576262B2 (en) | 2012-12-05 | 2017-02-21 | Microsoft Technology Licensing, Llc | Self learning adaptive modeling system |
WO2014144246A1 (en) | 2013-03-15 | 2014-09-18 | Cyberricade, Inc. | Cyber security |
CN103177114B (zh) | 2013-04-02 | 2016-01-27 | 浙江大学 | 基于鉴别流形的跨数据域的转移学习分类方法 |
WO2014186387A1 (en) | 2013-05-14 | 2014-11-20 | The Regents Of The University Of California | Context-aware prediction in medical systems |
BR112016006284B1 (pt) | 2013-09-27 | 2022-07-26 | Codexis, Inc | Método implementado por computador, produto de programa de computador, e, sistema de computador |
WO2015066052A1 (en) | 2013-10-28 | 2015-05-07 | New York University | Methods, computer-accessible medium and systems to model disease progression using biomedical data from multiple patients |
US20150127595A1 (en) | 2013-11-01 | 2015-05-07 | Numenta, Inc. | Modeling and detection of anomaly based on prediction |
WO2015069827A2 (en) | 2013-11-06 | 2015-05-14 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Pathology case review, analysis and prediction |
US9652354B2 (en) | 2014-03-18 | 2017-05-16 | Microsoft Technology Licensing, Llc. | Unsupervised anomaly detection for arbitrary time series |
US10366346B2 (en) | 2014-05-23 | 2019-07-30 | DataRobot, Inc. | Systems and techniques for determining the predictive value of a feature |
US9886670B2 (en) * | 2014-06-30 | 2018-02-06 | Amazon Technologies, Inc. | Feature processing recipes for machine learning |
US20170228507A1 (en) | 2014-08-08 | 2017-08-10 | Icahn School Of Medicine At Mount Sinai | Automatic disease diagnoses using longitudinal medical record data |
US9697469B2 (en) | 2014-08-13 | 2017-07-04 | Andrew McMahon | Method and system for generating and aggregating models based on disparate data from insurance, financial services, and public industries |
US20160045120A1 (en) | 2014-08-15 | 2016-02-18 | Massachusetts Institute Of Technology | Systems and methods for spike sorting |
EP3186754B1 (en) | 2014-08-25 | 2020-11-11 | Shl Us Llc | Customizable machine learning models |
SG10201503424YA (en) | 2014-10-09 | 2016-05-30 | Cloudradigm Pte Ltd | A computer implemented method and system for automatically modelling a problem and orchestrating candidate algorithms to solve the problem |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
US20160162464A1 (en) | 2014-12-09 | 2016-06-09 | Idibon, Inc. | Techniques for combining human and machine learning in natural language processing |
US9659259B2 (en) | 2014-12-20 | 2017-05-23 | Microsoft Corporation | Latency-efficient multi-stage tagging mechanism |
WO2016118513A1 (en) | 2015-01-20 | 2016-07-28 | The Broad Institute, Inc. | Method and system for analyzing biological networks |
EP3048563A1 (en) | 2015-01-22 | 2016-07-27 | Alcatel Lucent | Method and system for incremental manifold learning |
KR101974769B1 (ko) | 2015-03-03 | 2019-05-02 | 난토믹스, 엘엘씨 | 앙상블-기반 연구 추천 시스템 및 방법 |
US10970431B2 (en) | 2015-04-09 | 2021-04-06 | Equifax Inc. | Automated model development process |
US9996804B2 (en) | 2015-04-10 | 2018-06-12 | Facebook, Inc. | Machine learning model tracking platform |
US9689874B2 (en) | 2015-04-10 | 2017-06-27 | Applied Proteomics, Inc. | Protein biomarker panels for detecting colorectal cancer and advanced adenoma |
EP3297566A4 (en) | 2015-05-22 | 2019-02-20 | CSTS Health Care Inc. | BIOMARKER-CONTROLLED TARGETED MOLECULAR THERAPEUTIC COMBINATIONS BASED ON KNOWLEDGE REPRESENTATION PATH ANALYSIS |
US10984338B2 (en) | 2015-05-28 | 2021-04-20 | Raytheon Technologies Corporation | Dynamically updated predictive modeling to predict operational outcomes of interest |
US20160358099A1 (en) * | 2015-06-04 | 2016-12-08 | The Boeing Company | Advanced analytical infrastructure for machine learning |
US11250342B2 (en) | 2015-07-16 | 2022-02-15 | SparkBeyond Ltd. | Systems and methods for secondary knowledge utilization in machine learning |
US10542897B2 (en) | 2015-08-26 | 2020-01-28 | Analytics For Life Inc. | Method and apparatus for wide-band phase gradient signal acquisition |
CA2999276A1 (en) | 2015-09-21 | 2017-03-30 | Equifax, Inc. | Updating attribute data structures to indicate trends in attribute data provided to automated modeling systems |
EP3356560A4 (en) | 2015-09-30 | 2019-06-12 | Inform Genomics, Inc. | SYSTEMS AND METHODS FOR PREDICTING EVENTS RELATED TO A THERAPEUTIC REGIME |
US20170169180A1 (en) | 2015-12-14 | 2017-06-15 | International Business Machines Corporation | Situation-dependent blending method for predicting the progression of diseases or their responses to treatments |
WO2017120579A1 (en) | 2016-01-10 | 2017-07-13 | Presenso, Ltd. | System and method for validating unsupervised machine learning models |
US20170249434A1 (en) | 2016-02-26 | 2017-08-31 | Daniela Brunner | Multi-format, multi-domain and multi-algorithm metalearner system and method for monitoring human health, and deriving health status and trajectory |
CN105843896A (zh) | 2016-03-22 | 2016-08-10 | 中国科学院信息工程研究所 | 一种多源异构大数据的冗余源协同缩减方法 |
CN105912500B (zh) | 2016-03-30 | 2017-11-14 | 百度在线网络技术(北京)有限公司 | 机器学习模型生成方法和装置 |
US20180032678A1 (en) | 2016-07-29 | 2018-02-01 | International Business Machines Corporation | Medical recording system |
US10650008B2 (en) | 2016-08-26 | 2020-05-12 | International Business Machines Corporation | Parallel scoring of an ensemble model |
US9582781B1 (en) | 2016-09-01 | 2017-02-28 | PagerDuty, Inc. | Real-time adaptive operations performance management system using event clusters and trained models |
WO2018085859A1 (en) | 2016-11-07 | 2018-05-11 | Ayasdi, Inc. | Dimension grouping and reduction for model generation, testing, and documentation |
US20180137415A1 (en) | 2016-11-11 | 2018-05-17 | Minitab, Inc. | Predictive analytic methods and systems |
CN106777891B (zh) | 2016-11-21 | 2019-06-07 | 中国科学院自动化研究所 | 一种数据特征选择和预测方法及装置 |
US20180225391A1 (en) | 2017-02-06 | 2018-08-09 | Neural Algorithms Ltd. | System and method for automatic data modelling |
US11416751B2 (en) | 2017-03-31 | 2022-08-16 | H2O.Ai Inc. | Time-based ensemble machine learning model |
US9864956B1 (en) | 2017-05-01 | 2018-01-09 | SparkCognition, Inc. | Generation and use of trained file classifiers for malware detection |
US11081215B2 (en) | 2017-06-01 | 2021-08-03 | International Business Machines Corporation | Medical record problem list generation |
US11106978B2 (en) | 2017-09-08 | 2021-08-31 | SparkCognition, Inc. | Execution of a genetic algorithm with variable evolutionary weights of topological parameters for neural network generation and training |
US10719521B2 (en) | 2017-09-18 | 2020-07-21 | Google Llc | Evaluating models that rely on aggregate historical data |
US10635978B2 (en) | 2017-10-26 | 2020-04-28 | SparkCognition, Inc. | Ensembling of neural network models |
JP6859247B2 (ja) | 2017-10-26 | 2021-04-14 | 日本電信電話株式会社 | 学習装置、分析システム、学習方法および学習プログラム |
US11663517B2 (en) | 2017-11-03 | 2023-05-30 | Salesforce, Inc. | Automatic machine learning model generation |
TWI651664B (zh) | 2017-11-15 | 2019-02-21 | 財團法人資訊工業策進會 | 模型生成伺服器及其模型生成方法 |
US10405219B2 (en) | 2017-11-21 | 2019-09-03 | At&T Intellectual Property I, L.P. | Network reconfiguration using genetic algorithm-based predictive models |
US11599753B2 (en) | 2017-12-18 | 2023-03-07 | Oracle International Corporation | Dynamic feature selection for model generation |
CN107993723A (zh) | 2017-12-19 | 2018-05-04 | 苏州大学 | 一种基于集成进化学习的华法林剂量预测建模方法 |
CN116757297A (zh) | 2017-12-20 | 2023-09-15 | 第四范式(北京)技术有限公司 | 用于选择机器学习样本的特征的方法及系统 |
KR102038703B1 (ko) | 2017-12-27 | 2019-11-26 | (주)가디엘 | 동적 전이 앙상블 모형을 통한 실시간 다변량 시계열 예측방법 및 그 시스템 |
CN108090516A (zh) | 2017-12-27 | 2018-05-29 | 第四范式(北京)技术有限公司 | 自动生成机器学习样本的特征的方法及系统 |
US11918333B2 (en) | 2017-12-29 | 2024-03-05 | Analytics For Life Inc. | Method and system to assess disease using phase space tomography and machine learning |
CN108335756B (zh) | 2018-01-18 | 2022-05-24 | 中山大学 | 鼻咽癌数据库及基于所述数据库的综合诊疗决策方法 |
JP2021518246A (ja) | 2018-03-19 | 2021-08-02 | オネラ・テクノロジーズ・ビー・ブイ | 被検者の呼吸イベントを検出するための方法及びシステム並びに呼吸イベントを検出するためのモデルを形成するための方法 |
US11475372B2 (en) | 2018-03-26 | 2022-10-18 | H2O.Ai Inc. | Evolved machine learning models |
CN108960269B (zh) | 2018-04-02 | 2022-05-27 | 创新先进技术有限公司 | 数据集的特征获取方法、装置及计算设备 |
CN108875815A (zh) | 2018-06-04 | 2018-11-23 | 深圳市研信小额贷款有限公司 | 特征工程变量确定方法及装置 |
CN109117864B (zh) | 2018-07-13 | 2020-02-28 | 华南理工大学 | 基于异构特征融合的冠心病风险预测方法、模型及系统 |
CN109146076A (zh) | 2018-08-13 | 2019-01-04 | 东软集团股份有限公司 | 模型生成方法及装置、数据处理方法及装置 |
CN109217291A (zh) | 2018-08-28 | 2019-01-15 | 南京理工大学 | 考虑削峰填谷模型的电气互联系统多目标优化方法 |
CN109242021A (zh) | 2018-09-07 | 2019-01-18 | 浙江财经大学 | 一种基于多阶段混合模型的分类预测方法 |
CN109273094B (zh) | 2018-09-14 | 2021-11-12 | 道之精准医学科技(上海)有限公司 | 一种基于Boosting算法的川崎病风险评估模型的构建方法及构建系统 |
CN109635955A (zh) | 2018-11-28 | 2019-04-16 | 中诚信征信有限公司 | 一种特征组合方法、装置及设备 |
CN109711558A (zh) | 2018-12-20 | 2019-05-03 | 四川新网银行股份有限公司 | 针对含潜在不稳定特征构建机器学习模型的方法及装置 |
CN109828836B (zh) | 2019-01-20 | 2021-04-30 | 北京工业大学 | 一种批量流式计算系统参数动态配置方法 |
CN109948668A (zh) | 2019-03-01 | 2019-06-28 | 成都新希望金融信息有限公司 | 一种多模型融合方法 |
CN110175644A (zh) | 2019-05-27 | 2019-08-27 | 恒安嘉新(北京)科技股份公司 | 特征选择方法、装置、电子设备、及存储介质 |
-
2017
- 2017-07-18 US US15/653,441 patent/US11062792B2/en active Active
-
2018
- 2018-07-18 CA CA3069833A patent/CA3069833A1/en active Pending
- 2018-07-18 WO PCT/IB2018/000929 patent/WO2019016608A1/en unknown
- 2018-07-18 JP JP2020524696A patent/JP7337788B2/ja active Active
- 2018-07-18 EP EP18834730.6A patent/EP3655894A4/en active Pending
- 2018-07-18 CN CN201880060638.0A patent/CN111095232B/zh active Active
-
2021
- 2021-06-04 US US17/339,583 patent/US20220093215A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007504576A (ja) | 2003-01-17 | 2007-03-01 | アヤラ,フランシスコ,ジェイ | 人工知能を開発するためのシステム及び方法 |
JP2010020714A (ja) | 2008-07-14 | 2010-01-28 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2013524865A (ja) | 2010-03-15 | 2013-06-20 | シンガポール ヘルス サービシーズ ピーティーイー リミテッド | 患者の生存性を予測する方法 |
US20150379427A1 (en) | 2014-06-30 | 2015-12-31 | Amazon Technologies, Inc. | Feature processing tradeoff management |
Non-Patent Citations (1)
Title |
---|
SAMANTA B et al.,Artificial neural networks and genetic algorithm for bearing fault detection,Soft Computing; A Fusion of Foundations, Methodologies and Applications,Springer,2006年02月,Vol. 10 No. 3,p. 264-271 |
Also Published As
Publication number | Publication date |
---|---|
WO2019016608A1 (en) | 2019-01-24 |
CN111095232A (zh) | 2020-05-01 |
US11062792B2 (en) | 2021-07-13 |
JP2020530933A (ja) | 2020-10-29 |
US20190026431A1 (en) | 2019-01-24 |
EP3655894A1 (en) | 2020-05-27 |
EP3655894A4 (en) | 2021-05-26 |
US20220093215A1 (en) | 2022-03-24 |
CA3069833A1 (en) | 2019-01-24 |
CN111095232B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7335240B2 (ja) | 病状診断のための機械学習法などの機械学習法において使用する新規特徴の発見 | |
JP7337788B2 (ja) | 機械学習法において使用するゲノムの発見 | |
Mustaqeem et al. | A statistical analysis based recommender model for heart disease patients | |
Kumar et al. | Neighborhood rough set based ECG signal classification for diagnosis of cardiac diseases | |
EP3479763B1 (en) | System and method for photoplethysmogram (ppg) signal quality assessment | |
Sowmya et al. | Contemplate on ECG signals and classification of arrhythmia signals using CNN-LSTM deep learning model | |
Kumar et al. | Hybrid Bijective soft set-Neural network for ECG arrhythmia classification | |
JP7173482B2 (ja) | ヘルスケアデータ分析システム、ヘルスケアデータ分析方法およびヘルスケアデータ分析プログラム | |
Hossain et al. | Wavelet and spectral analysis of normal and abnormal heart sound for diagnosing cardiac disorders | |
Rouhani et al. | A comparison of different feature extraction methods for diagnosis of valvular heart diseases using PCG signals | |
GB2555381A (en) | Method for aiding a diagnosis, program and apparatus | |
Lucena et al. | The Performance of Short‐Term Heart Rate Variability in the Detection of Congestive Heart Failure | |
Altaf et al. | Systematic Review for Phonocardiography Classification Based on Machine Learning | |
Al-Shammary et al. | Efficient ECG classification based on the probabilistic Kullback-Leibler divergence | |
Xie et al. | Continuous-valued annotations aggregation for heart rate detection | |
Kolhar et al. | AI-Driven Real-Time Classification of ECG Signals for Cardiac Monitoring Using i-AlexNet Architecture | |
Leinonen et al. | Empirical investigation of multi-source cross-validation in clinical machine learning | |
Deepa et al. | Experimental evaluation of artificial intelligence assisted heart disease prediction using deep learning principle | |
Bopaiah et al. | Precision/Recall trade-off analysis in Abnormal/Normal heart sound classification | |
Bahrami et al. | Heart attack detection in internet of things: modeling with health markov game theory | |
Mansourian et al. | Fetal QRS extraction from single-channel abdominal ECG using adaptive improved permutation entropy | |
Gupta et al. | Heart Disease Prediction using Machine learning algorithms | |
TWI765420B (zh) | 心衰竭預測組件 | |
Majumder et al. | Identification and classification of arrhythmic heartbeats from electrocardiogram signals using feature induced optimal extreme gradient boosting algorithm | |
Hameed | An Investigation into using Deep Convolutional Neural Networks for ECG Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220324 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220418 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220715 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220913 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230414 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230414 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230525 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230724 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7337788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |