JP7445309B2 - 状態可視化装置、状態可視化方法および状態可視化プログラム - Google Patents
状態可視化装置、状態可視化方法および状態可視化プログラム Download PDFInfo
- Publication number
- JP7445309B2 JP7445309B2 JP2020557769A JP2020557769A JP7445309B2 JP 7445309 B2 JP7445309 B2 JP 7445309B2 JP 2020557769 A JP2020557769 A JP 2020557769A JP 2020557769 A JP2020557769 A JP 2020557769A JP 7445309 B2 JP7445309 B2 JP 7445309B2
- Authority
- JP
- Japan
- Prior art keywords
- graph
- energy
- coarse
- state
- interpolation
- 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
- 238000012800 visualization Methods 0.000 title claims description 20
- 238000007794 visualization technique Methods 0.000 title claims description 3
- 238000012545 processing Methods 0.000 claims description 40
- 238000011156 evaluation Methods 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 19
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000005366 Ising model Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 241000282412 Homo Species 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 206010012601 diabetes mellitus Diseases 0.000 description 32
- 238000010586 diagram Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000007704 transition Effects 0.000 description 8
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- WGXUDTHMEITUBO-YFKPBYRVSA-N glutaurine Chemical compound OC(=O)[C@@H](N)CCC(=O)NCCS(O)(=O)=O WGXUDTHMEITUBO-YFKPBYRVSA-N 0.000 description 4
- 238000007410 oral glucose tolerance test Methods 0.000 description 4
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 3
- 108090001061 Insulin Proteins 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229940125396 insulin Drugs 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000002966 serum Anatomy 0.000 description 3
- 210000004003 subcutaneous fat Anatomy 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 210000002700 urine Anatomy 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002885 antiferromagnetic material Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000024245 cell differentiation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
図1は、実施の形態に係る状態可視化装置の機能ブロック図である。状態可視化装置1は、例えば健康診断の複数の項目に関する測定結果を含む、複数の患者の臨床データを用いて、患者の健康に関する状態の安定性を求める。また、患者の健康に関する状態の安定性は、例えば視覚的に表示される。本実施形態では患者の臨床データを処理する例を示すが、他の医療情報や各種生物から得られる情報、日常の観測値、各種生物から得られるデータなどのような生命現象に関わる多変量データも同じ装置を用いることができる。
本実施形態では、状態を、イジングモデルを利用して表す。イジングモデルは、物理学において磁石の性質を説明するための導入された微視的なスピンの相互作用モデルであり、2つの状態をとる格子点を複数含む。本実施形態においては、各格子点は、例えば医療情報、健康診断の項目、センサーや質問表などから得られる各種生物情報に対応する。また、例えばある患者の健康診断の項目の測定結果によって表される格子点の状態の組合せによって、当該患者の健康に関する状態が表される。
イジングモデルは、スピン変数σiと、2種類のパラメーターhi、Jijとによって表現される。添え字のiやjは1からNまでの値を取る。Nはスピン変数の総数である。σiはi番目のスピン変数を表し、0か1のどちらかの値を取る。hiはσiが単独のスピンとしてどの程度1になり易いかを表す。hiは、物理においては磁場と呼ばれるパラメーターであり、磁場がかかったスピンはその磁場の方向を向きやすくなる。また、Jijは、σiとσjとに関する同じ値(いずれも0、又はいずれも1)の取り易さの傾向を表し、i番目のスピンとj番目のスピンの結合強度を表す。物理においては、Jが正の値だとスピンの向きが揃った方が安定となるので強磁性体となり、Jが負の値だとスピンが反平行になろうとするので反強磁性体となる。σi、hiなどが並んだものをベクトルとみなしてそれぞれ太字のσ、太字のhで表し、Jijを成分とする行列を、太字のJと表す。スピンが単独、および、対(ペアワイズ)となって相互作用することで、特定のスピン配置(0又は1の並び方)の安定性が決まる。この安定性を表す指標をエネルギーEと呼ぶ。エネルギーEは、以下の式(1)で表される。
エネルギーEは、パラメーターh、Jのもとで、ある特定の状態、すなわちスピン配置σにおける安定性が決まることを表している。また、エネルギーEは、低いほど安定な状態であることを意味する。ある状態のエネルギーEが定まると、その状態の出現確率Pがギブス・ボルツマン分布に従って決まる。そして、エネルギーEを-1倍したものが指数の肩に乗ったものに比例してある状態が観察される。出現確率Pは、以下の式(2)で表される。
ここで、式2の右辺の分母は、全確率を1にするための規格化定数であり、物理学における分配関数である。この分配関数において、全状態にわたって和を取る際のダミー変数をσ’で表す。
イジングモデルにおいては、スピン配置が変化するときに一度に1つずつスピンが反転する。また、ある状態に対して、いずれか1つのスピンが反転した状態を隣接状態とする。N変数のデータであればスピン変数がN個あるため、スピンが反転する可能性のある場所はN箇所あることになる。すなわち、各状態の隣接状態の数はNである。また、隣接するN状態のいずれよりもエネルギーが低い状態(local minimum:局所最小)をベイスン(basin:盆地)と定義する。ベイスンは周囲よりエネルギーが低いため安定である。また、ベイスンは、複数存在する可能性がある。そして、ベイスンがどのようなスピン配列の状態かを見ることで、各変数(例えば2値化した健診結果や検査データ)のどのような高低の組み合わせがベイスンに対応するかを知ることができる。ここで、何らかの疾病に罹患している患者が多いベイスンもあれば、そうでないベイスンもある。将来発症の可能性が高い疾病が1つ以上のベイスンもあれば、そうでないベイスンもある。ベイスン間の移動が容易に可能なベイスンもあれば、それが起こりにくいベイスンもある。
E(x,y)は、2 N 個の点のみで定義される。これに対し、例えばAkimaアルゴリズ
ムのような所定の手法で補間すると、滑らかなエネルギーランドスケープの曲面を得ることができる。Akima補間の利点は、急激に値の変化する点の周りで、アーチファクトとな
るような振動(実際には存在しない山や谷が生成されてしまうこと)が起こりにくいことである。このようにして作成される連続的なエネルギーランドスケープは、エネルギーの高低に応じて色を変えて表示してもよいし、高低を表す等高線を描くようにしてもよい。また、仮想的な多次元空間上にエネルギーランドスケープを描画するようにしてもよい。
図2は、本実施形態に係る処理の一例を示す処理フロー図である。状態可視化装置1の粗視化部141、モデル作成部142、グラフ描画部143、及び補間処理部144は、上述のような処理を行い、連続的なエネルギーランドスケープのモデルを作成する(図2:S1)。本ステップでは、例えば複数の患者の臨床データを用いて状態の安定性や状態間の遷移のし易さを表す画像が作成される。
図3は、モデル作成処理の一例を示す処理フロー図である。状態可視化装置1の粗視化部141は、高次元データを2値化する(図3:S11)。本ステップでは、上述した粗視化を行う。粗視化部141は、例えば、臨床データに含まれる所定の項目の測定値やその組み合わせを、所定の閾値との大小関係に基づいて2値化する。所定の閾値は母集団を的確に分割するために有意に定める必要がある。
図4は、状態評価処理の一例を示す処理フロー図である。状態可視化装置1の評価処理部145は、記憶装置12から評価対象者のデータを読み出す(図4:S21)。本ステップでは、上述したモデルを作成するために用いた臨床データの測定項目値を読み出す。
本実施形態によれば、個人の状態を把握することができると共に、将来的に遷移する可能性の高い状態を知ることができる。エネルギーランドスケープにおいてベイスンとして表れる状態には、何らかの疾病に罹患している患者が多い状態もあれば、そうでない状態もある。疾病の発症する可能性が高い状態もあれば、そうでない状態もある。これまでに知られていない状態を可視化することも可能となる。なお、イジングモデルのスピン変数に採用する健診項目によって、何らかの疾病に罹患している患者が多い状態を含むエネルギーランドスケープも作成し得るし、各状態と何らかの疾病への罹患との相関がないエネルギーランドスケープも作成し得る。複数の疾患や健康状態を示す画像も作成し得る。
具体的な画像作成の例を示す。臨床データのサンプルを用いて糖尿病発症のリスクを表すエネルギーランドスケープを作成した。臨床データに含まれる項目は以下の通りである。以下の項目の値は、中央値を閾値として2値化した。
(1)妊娠回数
(2)経口糖負荷試験2時間値
(3)最低血圧
(4)上腕三頭筋部皮下脂肪厚
(5)血清インスリン2時間値
(6)BMI
(7)糖尿病家系要因
(8)年齢
また、5年以内の糖尿病発症有無を用いて、状態の安定性とリスクとの関係を評価した。
図10~図15に他の実施例を示す。日本人の健康診断結果のサンプルを用いて糖尿病発症のリスクを表すエネルギーランドスケープを作成した。サンプルは5年次以上健康診断を受けた34276人からなる健康診断データであり、のべ224461レコードからなる。健康診断データに含まれる項目は以下の通りである。以下の項目の値は、基準値を閾値として2値化した。
(1)空腹時血糖
(2)HbA1c
(3)尿糖
(4)収縮期血圧
(5)腹囲
(6)BMI
(7)ALT(GPT)
(8)γ-GT
(9)赤血球数
(10)血色素量
以上、実施形態に係る構成を例示したが、本発明はこのような構成に限定されるものではない。本発明は、臨床データを用いて作成する糖尿病発症のリスクを表すエネルギーランドスケープに限らず、生物の様々な状態を表すことができる。例えば、質問調査の回答を用いて更年期障害のリスクを表すエネルギーランドスケープを作成するようにしてもよい。また、時系列の活動量等のデータを用いて、覚醒及び睡眠の状態を表すエネルギーランドスケープを作成するようにしてもよい。動物の各種データを測定して、動物の健康状態や欲求の状態を表すエネルギーランドスケープを作成するようにしてもよい。植物の生育状態を表すエネルギーランドスケープを作成するようにしてもよい。細胞や微生物などの増殖や分化、種間の相互作用の状態を表すエネルギーランドスケープを作成するようにしてもよい。
11 :入出力I/F
12 :記憶装置
13 :通信I/F
14 :プロセッサ
141 :粗視化部
142 :モデル作成部
143 :グラフ描画部
144 :補間処理部
145 :評価処理部
15 :バス
Claims (7)
- 標本データに含まれる複数の項目に対応する値を粗視化する粗視化部と、
粗視化された値を用いて、前記複数の項目に対応する値の組合せによって表される状態の出現頻度に適合するエネルギーを算出するためのモデルを求めるモデル作成部と、
前記状態を2次元上に配置したエネルギーランドスケープのグラフを作成するグラフ作成部と、
前記状態間のエネルギーを補間し、補間後のグラフを作成する補間処理部と、
評価対象のデータを粗視化し、前記補間後のグラフにおける位置を求める評価処理部と、
を備え、
前記補間後のグラフ上において前記エネルギーが辿り着く極小値の吸引領域と、当該吸引領域に属する前記標本データの所定の属性とを対応付けて記憶装置に記憶させておき、
前記評価処理部は、前記評価対象のデータに対応する属性を前記記憶装置から抽出して出力する
状態可視化装置。 - 前記補間後のグラフにおける位置は、前記エネルギーランドスケープ上の座標である
請求項1に記載の状態可視化装置。 - 前記評価処理部は、前記評価対象の複数の時点における前記データを粗視化して前記補間後のグラフにおける複数の位置を求め、当該複数の位置の経時的な変化の過程を前記補間後のグラフに重畳して表示する
請求項1又は2に記載の状態可視化装置。 - 前記モデルはイジングモデルであり、
前記粗視化部は、前記標本データに含まれる複数の項目に対応する値を2値化する
請求項1から3の何れか一項に記載の状態可視化装置。 - 標本データに含まれる複数の項目に対応する値を粗視化する粗視化ステップと、
粗視化された値を用いて、前記複数の項目に対応する値の組合せによって表される状態の出現頻度に適合したエネルギーを算出するためのモデルを求めるモデル作成ステップと、
前記状態を2次元上に配置したエネルギーランドスケープのグラフを作成するグラフ作成ステップと、
前記状態間のエネルギーを補間し、補間後のグラフを作成する補間ステップと、
評価対象のデータを粗視化し、前記補間後のグラフにおける位置を求める評価ステップと、
をコンピュータが実行し、
前記補間後のグラフ上において前記エネルギーが辿り着く極小値の吸引領域と、当該吸引領域に属する前記標本データの所定の属性とを対応付けて記憶装置に記憶させておき、
前記評価ステップにおいて、前記評価対象のデータに対応する属性を前記記憶装置から抽出して出力する
状態可視化方法。 - 前記グラフは、生物の状態、若しくは人間の健康状態を表現したものである、又は
前記グラフは人間の健康状態を表現したものであり、前記標本データの所定の属性は所定の疾病の発症の有無を表し、前記コンピュータは前記グラフを用いて、前記人間の将来の健康状態を予測する
請求項5に記載の状態可視化方法。 - 標本データに含まれる複数の項目に対応する値を粗視化する粗視化ステップと、
粗視化された値を用いて、前記複数の項目に対応する値の組合せによって表される状態の出現頻度に適合したエネルギーを算出するためのモデルを求めるモデル作成ステップと、
前記状態を2次元上に配置したエネルギーランドスケープのグラフを作成するグラフ作成ステップと、
前記状態間のエネルギーを補間し、補間後のグラフを作成する補間ステップと、
評価対象のデータを粗視化し、前記補間後のグラフにおける位置を求める評価ステップと、
をコンピュータに実行させ、
前記補間後のグラフ上において前記エネルギーが辿り着く極小値の吸引領域と、当該吸引領域に属する前記標本データの所定の属性とを対応付けて記憶装置に記憶させておき、
前記評価ステップにおいて、前記評価対象のデータに対応する属性を前記記憶装置から抽出して出力する
状態可視化プログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018221449 | 2018-11-27 | ||
JP2018221449 | 2018-11-27 | ||
JP2018234464 | 2018-12-14 | ||
JP2018234464 | 2018-12-14 | ||
PCT/JP2019/046338 WO2020111109A1 (ja) | 2018-11-27 | 2019-11-27 | 状態可視化装置、状態可視化方法および状態可視化プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2020111109A1 JPWO2020111109A1 (ja) | 2021-10-21 |
JPWO2020111109A5 JPWO2020111109A5 (ja) | 2022-12-06 |
JP7445309B2 true JP7445309B2 (ja) | 2024-03-07 |
Family
ID=70853795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020557769A Active JP7445309B2 (ja) | 2018-11-27 | 2019-11-27 | 状態可視化装置、状態可視化方法および状態可視化プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11961204B2 (ja) |
JP (1) | JP7445309B2 (ja) |
WO (1) | WO2020111109A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230020054A (ko) * | 2021-08-02 | 2023-02-10 | 서울대학교산학협력단 | 헬스 스페이스 모델을 이용한 건강 상태 정보 시각화 장치 및 방법 |
US12008458B2 (en) | 2021-08-02 | 2024-06-11 | Seoul National University R&Db Foundation | Method and apparatus for visualizing health status information by using health space model |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009037588A (ja) | 2007-03-20 | 2009-02-19 | Lifescan Inc | 糖尿病の管理用プログラム |
-
2019
- 2019-11-27 JP JP2020557769A patent/JP7445309B2/ja active Active
- 2019-11-27 WO PCT/JP2019/046338 patent/WO2020111109A1/ja active Application Filing
-
2021
- 2021-05-25 US US17/329,529 patent/US11961204B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009037588A (ja) | 2007-03-20 | 2009-02-19 | Lifescan Inc | 糖尿病の管理用プログラム |
Non-Patent Citations (2)
Title |
---|
柴 建雲,偏微分方程式を用いた等高線地図の補間と滑らかな面の再構成,情報処理学会論文誌,第41巻 第3号,日本,2000年03月15日,p.733~741 |
江崎貴裕,多次元時系列分析ツールを公開しました [オンライン],日本,2017年07月10日,[検索日:2023年10月16日]、インターネット:<URL:http://tezk.hatenablog.com/entry/2017/07/10/144941> |
Also Published As
Publication number | Publication date |
---|---|
US20210279838A1 (en) | 2021-09-09 |
WO2020111109A1 (ja) | 2020-06-04 |
JPWO2020111109A1 (ja) | 2021-10-21 |
US11961204B2 (en) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ghorbani et al. | Deep learning interpretation of echocardiograms | |
Valbuena et al. | Diversity and equitability ordering profiles applied to study forest structure | |
Zhao et al. | Predicting outcomes of chronic kidney disease from EMR data based on Random Forest Regression | |
CN107785057B (zh) | 医疗数据处理方法、装置、存储介质和计算机设备 | |
Gharehchopogh et al. | Neural network application in diagnosis of patient: a case study | |
Herrick et al. | Quantitative nailfold capillaroscopy—update and possible next steps | |
JP7445309B2 (ja) | 状態可視化装置、状態可視化方法および状態可視化プログラム | |
WO2015071968A1 (ja) | 分析システム | |
CN107430645A (zh) | 用于重症监护病房中的实验室值自动化分析和风险通知的系统 | |
Sengupta et al. | Intracranial hemorrhages segmentation and features selection applying cuckoo search algorithm with gated recurrent unit | |
Yadav et al. | [Retracted] FVC‐NET: An Automated Diagnosis of Pulmonary Fibrosis Progression Prediction Using Honeycombing and Deep Learning | |
CN112967803A (zh) | 基于集成模型的急诊患者早期死亡率预测方法及系统 | |
Matabuena et al. | Distributional data analysis of accelerometer data from the NHANES database using nonparametric survey regression models | |
Baker et al. | Determining respiratory rate from photoplethysmogram and electrocardiogram signals using respiratory quality indices and neural networks | |
Abd Elaziz et al. | An efficient artificial rabbits optimization based on mutation strategy for skin cancer prediction | |
CN111243753A (zh) | 一种面向医疗数据的多因素相关性交互式分析方法 | |
Rew et al. | Skin aging estimation scheme based on lifestyle and dermoscopy image analysis | |
Messadi et al. | Extraction of specific parameters for skin tumour classification | |
Llamocca et al. | Personalized characterization of emotional states in patients with bipolar disorder | |
Lyakhov et al. | System for the recognizing of pigmented skin lesions with fusion and analysis of heterogeneous data based on a multimodal neural network | |
Alksas et al. | A novel system for precise grading of glioma | |
Shaffie et al. | Computer-assisted image processing system for early assessment of lung nodule malignancy | |
Singh et al. | Classification of first trimester ultrasound images using deep convolutional neural network | |
Tiwari et al. | Diagnostics of melanocytic skin tumours by a combination of ultrasonic, dermatoscopic and spectrophotometric image parameters | |
Blomquist et al. | Applying quantitative genetic methods to primate social behavior |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20210614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231219 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7445309 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |