JP7409384B2 - 情報処理方法 - Google Patents
情報処理方法 Download PDFInfo
- Publication number
- JP7409384B2 JP7409384B2 JP2021541400A JP2021541400A JP7409384B2 JP 7409384 B2 JP7409384 B2 JP 7409384B2 JP 2021541400 A JP2021541400 A JP 2021541400A JP 2021541400 A JP2021541400 A JP 2021541400A JP 7409384 B2 JP7409384 B2 JP 7409384B2
- Authority
- JP
- Japan
- Prior art keywords
- fim
- evaluation value
- evaluation
- information processing
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 141
- 238000003672 processing method Methods 0.000 title claims description 65
- 238000011156 evaluation Methods 0.000 claims description 290
- 230000006870 function Effects 0.000 claims description 112
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000019771 cognition Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000013523 data management Methods 0.000 description 8
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 230000003920 cognitive function Effects 0.000 description 7
- 230000001149 cognitive effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000007659 motor function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010033799 Paralysis Diseases 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 230000001769 paralizing effect Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000011597 CGF1 Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000004039 social cognition Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する、
という構成をとる。
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
という構成をとる。
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する生成部と、
を備えた、
という構成をとる。
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を備えた、
という構成をとる。
情報処理装置に、
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する生成部と、
を実現させる、
という構成をとる。
情報処理装置に、
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を実現させる、
という構成をとる。
人体の状態を評価する所定の指標に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け、
前記所定の指標の項目間の関連性を表す情報に基づいて、前記所定の指標の複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する、
という構成をとる。
人体の状態を評価する所定の指標に設定された項目間の関連性を表す情報に基づいて、前記所定の指標の複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、前記所定の指標の複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
という構成をとる。
本発明の第1の実施形態を、図1乃至図7を参照して説明する。図1乃至図6は、情報処理装置の構成を説明するための図であり、図7は、情報処理装置の処理動作を説明するための図である。
本発明における情報処理装置10は、怪我や病気、老齢などにより、日常生活における動作や認知の機能が低下してしまった患者(対象者)が、日常生活動作/認知の機能回復のためにリハビリテーション施設においてリハビリテーションを行う場合に、後の患者の状態を予測するために用いられる。なお、リハビリテーションを行う対象となる患者としては、脳梗塞や脳出血といった脳血管疾患の患者が挙げられるが、いかなる状態の患者を対象としてもよい。具体的に、情報処理装置10は、患者の日常生活動作に関わる運動/認知機能を測るための指標であるFIM(Functional Independence Measure)を用いて、入院時(所定時点)のFIMの各項目の評価値を含む患者の情報から、後の退院時(入院時から所定時間経過後)のFIMの各項目の評価値を予測するために用いられる。このように患者の退院時のFIMの各項目の評価値を予測することで、施設側としては、患者に対する効率的なリハビリテーション計画の作成を行うことができる。また、予測結果から、患者本人及び患者の家族に対する今後の介助に関する適切な情報を提供することができる。
Nozomi Nori, Hisashi Kashima, Kazuto Yamashita, Hiroshi Ikai, and Yuichi Imanaka, "Simultaneous Modeling of Multiple Diseases for Mortality Prediction in Acute Hospital Care" in Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 855-864, 2015
次に、上述した情報処理装置10の動作を、図7のフローチャートを参照して説明する。はじめに、情報処理装置10は、患者の退院時におけるFIMの各項目の評価値を予測するためのモデルを生成するモデル生成処理を行う。このため、情報処理装置10は、データ管理装置20に対して過去の患者データを要求して、かかる患者データを学習用データとして取得する(ステップS1)。
次に、本発明の第2の実施形態を、図8を参照して説明する。図8は、実施形態2における情報処理装置の構成を説明するための図である。
次に、本発明の第3の実施形態を、図9乃至図13を参照して説明する。図9乃至図11は、実施形態3における情報処理装置の構成を示すブロック図であり、図12乃至図13は、情報処理装置の動作を示すフローチャートである。なお、本実施形態では、実施形態1,2で説明した情報処理装置及び情報処理方法の構成の概略を示している。
・CPU(Central Processing Unit)101(演算装置)
・ROM(Read Only Memory)102(記憶装置)
・RAM(Random Access Memory)103(記憶装置)
・RAM303にロードされるプログラム群104
・プログラム群304を格納する記憶装置105
・情報処理装置外部の記憶媒体110の読み書きを行うドライブ装置106
・情報処理装置外部の通信ネットワーク111と接続する通信インタフェース107
・データの入出力を行う入出力インタフェース108
・各構成要素を接続するバス109
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け(ステップS11)、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する(ステップS12)。
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し(ステップS21)、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する(ステップS22)。
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における情報処理方法、情報処理装置、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する、
情報処理方法。
付記1に記載の情報処理方法であって、
FIMの項目間が相互に関連付けられているか否かを表す情報に基づいて、前記モデルを生成する、
情報処理方法。
付記2に記載の情報処理方法であって、
FIMの各項目における評価内容に応じて当該項目間を関連付けた情報に基づいて、前記モデルを生成する、
情報処理方法。
付記2に記載の情報処理方法であって、
FIMの各項目における評価内容に基づいて設定された当該項目間が関連付けられているか否かを表す情報に基づいて、前記モデルを生成する、
情報処理方法。
付記3又は3.1に記載の情報処理方法であって、
FIMの各項目において評価する動作又は認知の内容に応じて当該項目間を関連付けた情報に基づいて、前記モデルを生成する、
情報処理方法。
付記3又は3.1に記載の情報処理方法であって、
FIMの各項目において評価する動作又は認知の内容に基づいて設定された当該項目間が関連付けられているか否かを表す情報に基づいて、前記モデルを生成する、
情報処理方法。
付記2乃至4.1のいずれかに記載の情報処理方法であって、
相互に関連付けられているFIMの項目に対応する前記モデルに含まれるパラメータが類似するよう当該モデルを生成する、
情報処理方法。
付記2乃至5のいずれかに記載の情報処理方法であって、
FIMの項目間の関連性を表す隣接行列を含む正則化項が追加された損失関数を用いて前記モデルを生成する、
情報処理方法。
付記1乃至6のいずれかに記載の情報処理方法であって、
FIMの複数の項目のそれぞれにおける、対象者の前記所定時点の評価度合いを表す値を前記第一評価値とし、前記所定時点から所定時間経過後の対象者の評価度合いを表す値を前記第二評価値として、入力を受け付ける、
情報処理方法。
付記1乃至6のいずれかに記載の情報処理方法であって、
FIMの複数の項目のそれぞれにおける、対象者の前記所定時点の評価度合いを表す値を前記第一評価値とし、前記所定時点から所定時間経過後の対象者の評価度合いが一方向に変化したか否かを表す値を前記第二評価値として、入力を受け付ける、
情報処理方法。
付記8に記載の情報処理方法であって、
FIMの項目毎かつ前記第一評価値毎に前記モデルを生成すると共に、
FIMの項目間の関連性を表す情報と、前記第一評価値間の関連性を表す情報と、に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する、
情報処理方法。
付記9に記載の情報処理方法であって、
前記第一評価値間が関連付けられているか否かを表す情報に基づいて、前記モデルを生成する、
情報処理方法。
付記10に記載の情報処理方法であって、
相互に関連付けられている前記第一評価値に対応する前記モデルに含まれるパラメータが類似するよう当該モデルを生成する、
情報処理方法。
付記9乃至11のいずれかに記載の情報処理方法であって、
前記第一評価値間の関連性を表す隣接行列を含む正則化項が追加された損失関数を用いて前記モデルを生成する、
情報処理方法。
付記1乃至12のいずれかに記載の情報処理方法であって、
前記モデルに対してFIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
情報処理方法。
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
情報処理方法。
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する生成部と、
を備えた情報処理装置。
付記15に記載の情報処理装置であって、
前記モデルに対するFIMの複数の項目のそれぞれにおける新たな前記第一評価値の入力に応じて、前記モデルにて算出された値を出力する予測部、
をさらに備えた情報処理装置。
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を備えた情報処理装置。
情報処理装置に、
FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する生成部と、
を実現させるためのプログラム。
付記18に記載のプログラムであって、
前記情報処理装置に、
前記モデルに対するFIMの複数の項目のそれぞれにおける新たな前記第一評価値の入力に応じて、前記モデルにて算出された値を出力する予測部、
をさらに実現させるためのプログラム。
情報処理装置に、
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を実現させるためのプログラム。
人体の状態を評価する所定の指標に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け、
前記所定の指標の項目間の関連性を表す情報に基づいて、前記所定の指標の複数の項目のそれぞれにおける前記第一評価値に対する前記第二評価値を算出するモデルを生成する、
情報処理方法。
付記21に記載の情報処理方法であって、
前記モデルに対して前記所定の指標の複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
情報処理方法。
人体の状態を評価する所定の指標に設定された項目間の関連性を表す情報に基づいて、前記所定の指標の複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、前記所定の指標の複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
情報処理方法。
11 入力部
12 学習部
13 出力部
14 データ記憶部
15 モデル記憶部
20 データ管理装置
100 情報処理装置
101 CPU
102 ROM
103 RAM
104 プログラム群
105 記憶装置
106 ドライブ装置
107 通信インタフェース
108 入出力インタフェース
109 バス
110 記憶媒体
111 通信ネットワーク
121 入力部
122 生成部
123 入力部
124 予測部
Claims (17)
- 学習用データとして、FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付け、
FIMの複数の項目のそれぞれに対応する各モデル関数に、当該モデル関数に対応するFIMの項目の前記第一評価値を入力したときに、当該モデル関数に対応するFIMの項目の前記第二評価値を出力する各前記モデル関数を、前記学習用データを用いて機械学習により生成する際に、前記第一評価値と前記第二評価値とを変数とし各前記モデル関数に含まれるパラメータとFIMの項目間が相互に関連付けられているか否かを表す情報とを含む損失関数が最小となるように、各前記モデル関数に含まれる前記パラメータを算出して各前記モデル関数を生成する、
情報処理方法。 - 請求項1に記載の情報処理方法であって、
前記損失関数は、FIMの各項目における評価内容に応じて当該項目間を関連付けた情報を含む、
情報処理方法。 - 請求項2に記載の情報処理方法であって、
前記損失関数は、FIMの各項目において評価する動作又は認知の内容に応じて当該項目間を関連付けた情報を含む、
情報処理方法。 - 請求項1乃至3のいずれかに記載の情報処理方法であって、
前記損失関数は、FIMの項目間の関連性を表す隣接行列を含む正則化項を含む、
情報処理方法。 - 請求項1乃至4のいずれかに記載の情報処理方法であって、
FIMの複数の項目のそれぞれにおける、対象者の前記所定時点の評価度合いを表す値を前記第一評価値とし、前記所定時点から所定時間経過後の対象者の評価度合いを表す値を前記第二評価値として、前記学習用データの入力を受け付ける、
情報処理方法。 - 請求項1乃至4のいずれかに記載の情報処理方法であって、
FIMの複数の項目のそれぞれにおける、対象者の前記所定時点の評価度合いを表す値を前記第一評価値とし、前記所定時点から所定時間経過後の対象者の評価度合いが一方向に変化したか否かを表す値を前記第二評価値として、前記学習用データの入力を受け付ける、
情報処理方法。 - 請求項6に記載の情報処理方法であって、
FIMの項目毎かつ前記第一評価値毎に前記モデル関数を生成すると共に、
前記損失関数は、FIMの項目間の関連性を表す情報と、前記第一評価値間の関連性を表す情報と、を含む、
情報処理方法。 - 請求項7に記載の情報処理方法であって、
前記損失関数は、前記第一評価値間が関連付けられているか否かを表す情報を含む、
情報処理方法。 - 請求項7又は8に記載の情報処理方法であって、
前記損失関数は、前記第一評価値間の関連性を表す隣接行列を含む正則化項を含む、
情報処理方法。 - 請求項1乃至9のいずれかに記載の情報処理方法であって、
各前記モデル関数に対してFIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて各前記モデル関数にて算出された値を出力する、
情報処理方法。 - FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力し、当該新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する、
情報処理方法。 - 学習用データとして、FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの複数の項目のそれぞれに対応する各モデル関数に、当該モデル関数に対応するFIMの項目の前記第一評価値を入力したときに、当該モデル関数に対応するFIMの項目の前記第二評価値を出力する各前記モデル関数を、前記学習用データを用いて機械学習により生成する際に、前記第一評価値と前記第二評価値とを変数とし各前記モデル関数に含まれるパラメータとFIMの項目間が相互に関連付けられているか否かを表す情報とを含む損失関数が最小となるように、各前記モデル関数に含まれる前記パラメータを算出して各前記モデル関数を生成する生成部と、
を備えた情報処理装置。 - 請求項12に記載の情報処理装置であって、
各前記モデル関数に対するFIMの複数の項目のそれぞれにおける新たな前記第一評価値の入力に応じて、各前記モデル関数にて算出された値を出力する予測部、
をさらに備えた情報処理装置。 - FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を備えた情報処理装置。 - 情報処理装置に、
学習用データとして、FIM(Functional Independence Measure)に設定された複数の項目のそれぞれにおける、対象者の所定時点の評価を表す第一評価値、及び、前記所定時点から所定時間経過後の対象者の評価を表す第二評価値、の入力を受け付ける入力部と、
FIMの複数の項目のそれぞれに対応する各モデル関数に、当該モデル関数に対応するFIMの項目の前記第一評価値を入力したときに、当該モデル関数に対応するFIMの項目の前記第二評価値を出力する各前記モデル関数を、前記学習用データを用いて機械学習により生成する際に、前記第一評価値と前記第二評価値とを変数とし各前記モデル関数に含まれるパラメータとFIMの項目間が相互に関連付けられているか否かを表す情報とを含む損失関数が最小となるように、各前記モデル関数に含まれる前記パラメータを算出して各前記モデル関数を生成する生成部と、
を実現させるためのプログラム。 - 請求項15に記載のプログラムであって、
前記情報処理装置に、
各前記モデル関数に対するFIMの複数の項目のそれぞれにおける新たな前記第一評価値の入力に応じて、各前記モデル関数にて算出された値を出力する予測部、
をさらに実現させるためのプログラム。 - 情報処理装置に、
FIM(Functional Independence Measure)に設定された項目間の関連性を表す情報に基づいて、FIMの複数の項目のそれぞれにおける対象者の所定時点の評価を表す第一評価値に対する前記所定時点から所定時間経過後の対象者の評価を表す第二評価値を算出するよう生成されたモデルに対して、FIMの複数の項目のそれぞれにおける新たな前記第一評価値を入力する入力部と、
前記新たな第一評価値の入力に応じて前記モデルにて算出された値を出力する予測部と、
を実現させるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/032582 WO2021033281A1 (ja) | 2019-08-21 | 2019-08-21 | 情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021033281A1 JPWO2021033281A1 (ja) | 2021-02-25 |
JP7409384B2 true JP7409384B2 (ja) | 2024-01-09 |
Family
ID=74660668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021541400A Active JP7409384B2 (ja) | 2019-08-21 | 2019-08-21 | 情報処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220285030A1 (ja) |
JP (1) | JP7409384B2 (ja) |
WO (1) | WO2021033281A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7418072B1 (ja) | 2022-11-28 | 2024-01-19 | 芙蓉開発株式会社 | ソフトウェア、データ処理装置及びデータ処理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014178800A (ja) | 2013-03-14 | 2014-09-25 | Gifu Univ | 医療情報処理装置、及び、プログラム |
JP2018055424A (ja) | 2016-09-29 | 2018-04-05 | 株式会社日立製作所 | 推計モデル構築システム、推計モデル構築方法及びプログラム |
JP2018163493A (ja) | 2017-03-24 | 2018-10-18 | 聡子 水流 | 評価システム、及び評価プログラム |
JP2019057282A (ja) | 2017-09-20 | 2019-04-11 | メディア株式会社 | 患者プロファイル情報システム、患者プロファイル情報システムの制御方法、プログラム、及び記録媒体 |
WO2019147257A1 (en) | 2018-01-26 | 2019-08-01 | Hitachi High-Tech Solutions Corporation | Controlling devices to achieve medical outcomes |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021377A (zh) * | 2016-05-11 | 2016-10-12 | 上海点荣金融信息服务有限责任公司 | 计算机实现的信息处理方法及装置 |
US10361926B2 (en) * | 2017-03-03 | 2019-07-23 | Nec Corporation | Link prediction with spatial and temporal consistency in dynamic networks |
WO2020004102A1 (ja) * | 2018-06-25 | 2020-01-02 | 日本電信電話株式会社 | 機能回復訓練支援システムおよび方法 |
JP7255392B2 (ja) * | 2019-06-27 | 2023-04-11 | トヨタ自動車株式会社 | リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル |
-
2019
- 2019-08-21 JP JP2021541400A patent/JP7409384B2/ja active Active
- 2019-08-21 WO PCT/JP2019/032582 patent/WO2021033281A1/ja active Application Filing
- 2019-08-21 US US17/632,871 patent/US20220285030A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014178800A (ja) | 2013-03-14 | 2014-09-25 | Gifu Univ | 医療情報処理装置、及び、プログラム |
JP2018055424A (ja) | 2016-09-29 | 2018-04-05 | 株式会社日立製作所 | 推計モデル構築システム、推計モデル構築方法及びプログラム |
JP2018163493A (ja) | 2017-03-24 | 2018-10-18 | 聡子 水流 | 評価システム、及び評価プログラム |
JP2019057282A (ja) | 2017-09-20 | 2019-04-11 | メディア株式会社 | 患者プロファイル情報システム、患者プロファイル情報システムの制御方法、プログラム、及び記録媒体 |
WO2019147257A1 (en) | 2018-01-26 | 2019-08-01 | Hitachi High-Tech Solutions Corporation | Controlling devices to achieve medical outcomes |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021033281A1 (ja) | 2021-02-25 |
WO2021033281A1 (ja) | 2021-02-25 |
US20220285030A1 (en) | 2022-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Collins et al. | Within-and across-trial dynamics of human EEG reveal cooperative interplay between reinforcement learning and working memory | |
JP2024059912A (ja) | デジタル個別化医療のためのプラットフォームおよびシステム | |
US20200227175A1 (en) | Document improvement prioritization using automated generated codes | |
Vincent et al. | With an eye on uncertainty: Modelling pupillary responses to environmental volatility | |
Lutze | Digital twins in eHealth–: prospects and challenges focussing on information management | |
JP7349078B2 (ja) | リハビリ計画装置、リハビリ計画方法、及びプログラム | |
Sun et al. | Artificial intelligence in psychiatry research, diagnosis, and therapy | |
Jalali et al. | Parsimonious evolutionary-based model development for detecting artery disease | |
Gong et al. | Optimising a simple fully convolutional network for accurate brain age prediction in the pac 2019 challenge | |
Higaki et al. | Predicting outcome of Morris water maze test in vascular dementia mouse model with deep learning | |
Cittern et al. | Intrinsic and extrinsic motivators of attachment under active inference | |
Chen et al. | Learning individualized treatment rules for multiple-domain latent outcomes | |
Malik et al. | Ten simple rules for engaging with artificial intelligence in biomedicine | |
JP7409384B2 (ja) | 情報処理方法 | |
Torrado et al. | Digital phenotyping by wearable-driven artificial intelligence in older adults and people with Parkinson’s disease: Protocol of the mixed method, cyclic ActiveAgeing study | |
Wang et al. | Dementia risk prediction in individuals with mild cognitive impairment: a comparison of Cox regression and machine learning models | |
WO2021065184A1 (ja) | リハビリ計画装置、リハビリ計画システム、リハビリ計画方法、及びコンピュータ可読媒体 | |
Utsumil et al. | Personalized gaussian processes for forecasting of alzheimer’s disease assessment scale-cognition sub-scale (adas-cog13) | |
Qazi et al. | Fuzzy logic-based hybrid knowledge systems for the detection and diagnosis of childhood autism | |
Yadav et al. | Machine learning in expert systems for disease diagnostics in human healthcare | |
Chi et al. | Personalized long-term prediction of cognitive function: Using sequential assessments to improve model performance | |
Economou et al. | Exploiting expert systems in cardiology: a comparative study | |
Mohanty et al. | A classification model based on an adaptive neuro-fuzzy inference system for disease prediction | |
Nair et al. | A generalized reinforcement learning based deep neural network agent model for diverse cognitive constructs | |
US20230395259A1 (en) | Information processing method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230419 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231010 |
|
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: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231204 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7409384 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |