JPH11242517A - 診断装置 - Google Patents

Abstract

(57)【要約】 【課題】 本発明はニューラルネットワークの学習手法
を用いた診断装置に関し、特に初期値を記憶する記憶部
を設け、複数の記憶部を使用して重み計数をそれぞれ設
定し、より正確な診断結果を得ることができる診断装置
を提供するものである。 【解決手段】 本発明はマスターメモリ３、第一学習メ
モリ４、第二学習メモリ５の３つのメモリを有し、例え
ばマスターメモリ３には初期値を記憶し、第一学習メモ
リ４には初期値に学習結果を加味したデータを記憶し、
第二学習メモリ５には学習結果のみのデータを記憶し、
選択手段によってこれら３つのメモリからデータを順次
読み出し、それぞれのデータに対し、ニューラルネット
部７によって入力データに対する診断処理を行う。この
ように構成することにより、３つの診断結果が得られる
と共に、初期値を考慮した診断結果を得ることができる
ものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は診断装置に係り、特
にニューラルネットワークの学習手法を用い、例えば装
置の納入後独自に学習させるようにした診断装置に関す
る。

【０００２】

【従来の技術】今日、ニューラルネットワークの学習手
法は広い分野で利用されている。このニューラルネット
ワークの学習手法は、入出力データを基にネットワーク
内部において重み付け学習を行い、重み係数を決定し、
後にこの重み計数を使用した処理を行うものである。こ
の学習には演算時間を必要とするが、学習済みのものに
対しての認識時間は、非常に高速であり、例えば画像デ
ータのような膨大なデータを処理する場合でも瞬時に認
識結果を出力できる。

【０００３】図８はニューラルネットワークを使用した
従来例を説明する図である。ニューラルネット部１には
処理対象となる情報が入力する。例えば、画像処理であ
れば映像信号やテロップ等の情報が供給され、また例え
ば病気の診断であれば物理的又は生理的な測定値、及び
性別や年齢等の情報が供給される。ニューラルネット部
１では上記入力情報と、その結果情報とを基に学習を繰
り返し、重み係数を決定し記憶部２に記憶する。

【０００４】上記設定後、例えば診断処理を行う場合、
対象となる人の性別、年齢等の情報と共に物理的又は生
理的な測定値が入力すると、記憶部２から上述の重み係
数を読み出し、直ちに診断結果を出力する。

【０００５】

【発明が解決しようとする課題】しかしながら、上述の
ように従来の装置ではニューラルネットワークを用いた
学習結果を記憶する記憶部２は単一構成である。このた
め、重み計数のデータは順次更新され、初期値を保存し
ておくことができない。したがって、初期値のデータに
のみ従った診断を行うことができない。

【０００６】また、地域に特殊性がある場合、例えば診
断装置の納入先（納入地）の自然環境や食生活、更には
放射能濃度等に特殊性があり、そのことが診断結果に大
きく影響する場合、納入後の学習結果のみで診断を行い
たい。しかし、かかる場合でも従来の診断装置では上述
のように、記憶部２が単一構成であるため初期値が影響
し、納入後の学習結果のみで診断を行うことはできな
い。

【０００７】すなわち、従来の診断装置では記憶部２が
単一構成であるため、初期値のみによる診断、初期値を
加味した学習結果に基づく診断、又は地域性等を考慮し
た学習結果のみに基づく診断を自由に行い、最適な診断
結果を選択するという診断装置を提供することができな
かった。

【０００８】本発明は上記課題を解決するため、初期値
を記憶する記憶部を設け、複数の記憶部を使用して重み
計数をそれぞれ設定し、最適な診断結果を選択し、より
正確な診断結果を得ることができる診断装置を提供する
ものである。

【０００９】

【課題を解決するための手段】本発明の課題は、請求項
１記載の発明によれば、診断のための初期値を記憶する
初期値記憶手段と、該初期値記憶手段に記憶する初期値
と新たな診断結果の情報に基づき、ニューラルネットワ
ークの学習によって得た結果を記憶する第１の学習結果
記憶手段と、新たな診断結果の情報のみに基づき、ニュ
ーラルネットワークの学習によって得た結果を記憶する
第２の学習結果記憶手段と、前記初期値記憶手段、及び
第１、第２の学習結果記憶手段の中で、１つを選択する
選択手段と、該選択手段によって選択した記憶手段から
前記初期値又は学習結果のデータを読み出し、診断を行
う診断手段とを有する診断装置を提供することによって
達成できる。

【００１０】ここで、初期値記憶手段には、例えば対象
となる病気に対する一般的な診断を行うための初期値が
設定されている。また、第１の学習結果記憶手段は上記
初期値を基にして、新たな診断結果によって得た情報を
加え、ニューラルネットワークの手法によって学習を行
い、その結果を記憶する。また、第２の学習結果記憶手
段は新たな診断結果によって得た情報のみに従って、ニ
ューラルネットワークの手法によって学習を行い、その
結果を記憶する。

【００１１】一方、選択手段は上記初期値記憶手段、及
び第１、第２の学習結果記憶手段の中で、１つを選択す
る。そして、診断手段は上記選択手段によって選択した
記憶手段から重み付け係数を読み出し、当該係数に基づ
き入力データに対する診断を行う。

【００１２】このように構成することにより、それぞれ
の記憶手段に記憶されるデータは異なり、特に第１の学
習結果記憶手段に記憶する学習結果は初期値を加味した
学習結果であり、本例の診断装置を納入した時は一般的
な診断であっても、多数回の学習を繰り返すことによっ
て納入した地域に合致した診断結果を自動的に行えるも
のである。

【００１３】また、第２の学習結果記憶手段に記憶する
学習結果は地域性等による学習結果のみであり、特に診
断結果が地域性に大きく影響される場合には、選択手段
によって第２の学習結果記憶手段のデータを用いること
が有効である。

【００１４】さらに、初期値記憶手段を選択することも
でき、上記記憶手段のデータを自由に選択して、より正
確な診断を行うことも可能となる。

【００１５】本発明の課題は、請求項２記載の発明によ
れば、診断のための初期値を記憶する初期値記憶手段
と、該初期値記憶手段に記憶する初期値と新たな診断結
果の情報に基づき、ニューラルネットワークの学習によ
って得た結果を記憶する第１の学習結果記憶手段と、前
記初期値記憶手段、及び第１の学習結果記憶手段の何れ
かを選択する選択手段と、該選択手段によって選択され
た記憶手段からデータを読み出し、診断を行う診断手段
とを有する診断装置を提供することによって達成でき
る。

【００１６】本発明は上記請求項１記載の発明に比べ、
第２の学習結果記憶手段が含まれない構成であり、他の
構成は請求項１の発明と同じである。すなわち、初期値
記憶手段には対象となる病気に対する一般的な診断を行
うための初期値が設定され、また第１の学習結果記憶手
段は地域等の個人情報を基にして、新たな診断結果によ
って得た情報を加え、ニューラルネットワークの手法に
よって学習を行い、その結果を記憶する。

【００１７】また、選択手段は上記初期値記憶手段、又
は第１の記憶手段の何れか一方を選択し、診断手段は上
記選択手段によって選択した記憶手段から重み付けデー
タを読み出し、当該データに基づき、診断対象となる人
の入力データに対する診断を行う。

【００１８】したがって、このように構成しても、特に
第１の学習結果記憶手段に記憶する初期値を加味した重
み計数を利用でき、正確な診断を行うことができる。

【００１９】本発明の課題は、請求項３記載の発明によ
れば、診断のための初期値を記憶する初期値記憶手段
と、新たな診断結果の情報のみに基づき、ニューラルネ
ットワークの学習によって得た結果を記憶する第２の学
習結果記憶手段と、前記初期値記憶手段、及び第２の学
習結果記憶手段の何れかを選択する選択手段と、該選択
手段によって選択された記憶手段からデータを読み出
し、診断を行う診断手段とを有する診断装置を提供する
ことによって達成できる。

【００２０】本発明は上記請求項１記載の発明に比べ、
第１の学習結果記憶手段が含まれない構成であり、他の
構成は請求項１の発明と同じであり、このように構成し
ても、初期値記憶手段に記憶する重み計数を利用し、又
は第２の学習結果記憶手段に記憶する重み計数を選択的
に利用し、正確な診断を行うことができる。

【００２１】請求項４の記載は、上記請求項１、２、又
は３記載の発明において、前記診断のための初期値は、
例えば削除できる構成である。

【００２２】ここで、初期値を削除する場合としては、
その診断結果が他の結果に比べて極めて信頼性が薄い場
合などである。尚、一旦削除した初期値であっても、当
該削除処理を解除することもできる。

【００２３】このように構成することにより、より正確
な診断を可能とするものである。

【００２４】

【発明の実施の形態】以下、本発明の実施形態例を図面
を用いて詳細に説明する。

【００２５】＜第１実施形態例＞図１は第１実施形態例
の診断装置を説明するシステム構成図である。

【００２６】同図において、本例の診断装置はマスター
メモリ３、第一学習メモリ４、第二学習メモリ５、選択
手段６、ニューラルネット部７、ログメモリ８で構成さ
れている。

【００２７】初期値記憶手段としてのマスターメモリ３
には、後述するＩＤ番号によって指定される人の情報が
記憶され、地域等のデータが初期値として記憶されてい
る。また、第一学習メモリ４には上述の初期値を設定し
た後、後述するニューラルネットワークの学習処理によ
って得られる学習結果が記憶される。さらに、第二学習
メモリ５にはニューラルネットワークの学習処理によっ
てのみ得られる学習結果が記憶される。

【００２８】また、選択手段６は上述のマスターメモリ
３、第一学習メモリ４、第二学習メモリ５の中の１つの
メモリを選択し、ニューラルネット部７に出力する。
尚、選択手段６による選択処理は、後述するプログラム
に従って行われるが、オペレータがキーボードを操作し
て選択する構成としてもよい。

【００２９】ニューラルネット部７は上記選択手段６に
よって選択されたメモリの情報、即ち重み付け係数に従
って、診断を行う。また、この診断結果は新たなデータ
としてニューラルネットワークによる学習情報の１つと
して利用される。

【００３０】一方、ログメモリ８には上述のニューラル
ネット部７からの診断結果が供給されると共に、新たな
入力データが供給される。この入力データは個人情報で
あり、具体的には図２に示す情報である。

【００３１】同図に示すように、個人情報はＩＤ番号、
名前、年齢、地域、Ｍ／Ｆ、各種測定値Ａ、Ｂ、・・
・、診断結果で構成されている。ＩＤ番号は、診断対象
となる個人の識別番号であり、名前及び年齢は当該個人
の名前及び年齢を示し、地域は当該個人の居住する場所
を示す。また、Ｍ／Ｆ（male/female）は性別を意味す
る。さらに、各種測定値Ａ、Ｂ、・・・は、身体的測定
結果や、各種検査測定結果であり、例えば身長、体重、
胸囲、等の物理的測定結果や、血液検査、尿検査、病変
の生理的測定結果である。尚、診断結果は医師による診
断結果を意味する。

【００３２】このような個人情報が入力データとして供
給され、ログメモリ８に入力する。また、ログメモリ８
に供給された上述の個人情報は、ニューラルネットワー
クの学習手法により学習が繰り返され、前述の第一学習
メモリ４及び第二学習メモリ５に学習結果が記憶され
る。

【００３３】図３は本例の診断装置を実現するための構
成であり、ＣＰＵ９、ブート用ＲＯＭ１０、補助記憶装
置１１、ＲＡＭ１２、表示・キー入力部１３で構成す
る。ＣＰＵ９は中央処理部であり、ブート用ＲＯＭ１０
に記憶するプログラムに従って処理を行う。尚、ブート
用ＲＯＭ１０には、例えば電源投入時ハードディスク等
の補助記憶装置１１から上述のプログラムが供給され
る。このプログラムには、後述するフローチャートに示
す処理が記憶されている。

【００３４】また、ＲＡＭ１２にはＣＰＵ９が後述する
処理を行う際のワークエリア等を有する。さらに、表示
・キー入力部１３は、ディスプレイ及びキーボードであ
り、キーボードを操作した際のキー操作信号は、この表
示・キー入力部１３からＣＰＵ９に供給され、またＣＰ
Ｕ９から出力された各種表示信号はこの表示・キー入力
部１３に表示される。

【００３５】以上の構成の診断装置において、以下にそ
の処理動作を説明する。

【００３６】図４は本例の処理動作を説明するフローチ
ャートである。同図において、先ず新規な入力データが
供給されたか否か判断する（ステップ（以下Ｓで示す）
１）。この判断は上述のＣＰＵ９が行い、新規なデータ
でなければ（Ｓ１がＮ（ノー））、医師による診断結果
が入力したか判断する。この医師による診断結果の入力
は、前述の図３に示す個人情報に診断結果が含まれてい
るか否かによって判断するものであり、診断結果が含ま
れていればニューラルネットワークによる学習処理を行
う。尚、医師による診断結果が含まれていなければ（Ｓ
２がＮ）、処理を終了する。

【００３７】ここで、上述のニューラルネットワークに
よる学習処理は、先ず個人情報を指示し（Ｓ３）、この
個人情報と第一学習メモリ４を用いて学習を行う（Ｓ
４）。この学習は、先ず初期値に基づいて学習結果を出
力した後、個人情報として年齢、地域、Ｍ／Ｆ（性
別）、測定値Ａ、Ｂ、・・・の情報を入力し、医師によ
る診断結果と比較する。例えば、正確な医師による診断
結果を教師データとしてバックプロパゲーションを繰り
返し、正しい認識を行う重み付け係数を決定する。例え
ば、図５はこの時使用する入力層、中間層、出力層の三
階層を有するニューラルネットワークであり、上述の処
理を繰り返し、各層の重み付けを決定する。

【００３８】また、第二学習メモリ５による学習手法も
同じであり、正確な医師による診断結果を教師データと
してバックプロパゲーションを繰り返し、各層の重み付
け数値を決定する（Ｓ５）。但し、処理（Ｓ５）では、
処理の最初に前述の初期値を使用せず、個人情報のみに
基づく学習を行う。

【００３９】このようにして得られた情報はそれぞれ対
応するメモリ４又は５に格納される（Ｓ６がＹ、Ｓ
７）。尚、上述の学習結果をセーブしない場合（Ｓ６が
Ｎ）、そのまま処理を終了する（Ｓ８）。

【００４０】したがって、新規な情報が入力する度に上
記学習を行うことで、第一学習メモリ４、及び第二学習
メモリ５の重み付け係数が更新され、情報の数が増えれ
ば増えるほどより正確な数値が設定される。例えば、地
域性がある診断等は、この順次の学習処理によってより
正確な数値を設定できる。

【００４１】次に、前述の判断（Ｓ１）がＹになると、
上述の学習処理に従って第一学習メモリ４、第二学習メ
モリ５に設定されたデータに基づく認識処理が開始され
る。

【００４２】先ず、個人情報を入力し（Ｓ９）、次に測
定データを入力する（Ｓ１０）。次に、上述の個人情報
と測定データから各メモリ３〜５のデータ（重み付け係
数）に基づく診断処理を行う（Ｓ１１〜Ｓ１３）。先
ず、マスターメモリ３により診断を行う（Ｓ１１）。こ
の診断は初期値に基づくものであり、例えば診断結果に
大きな影響を及ぼす初期値が含まれた診断結果となり極
めて有効な診断結果が得られる。

【００４３】次に、第一学習メモリ４により診断を行う
（Ｓ１２）。この場合、第一学習メモリ４から読み出さ
れた重み付け係数に従って入力データが判断され、前述
の入力層、中間層、出力層それぞれに設定された重み係
数に従って診断結果が出力される。また、この診断は初
期値に前述の学習結果が加わったデータであり、初期値
も加味された診断結果となる。したがって、前述のよう
に病気の種類によって地域的影響を極めて強く受ける場
合でも、このような初期値を加味した正確な診断結果と
なる。

【００４４】例えば、病気の種類によっては食生活や、
気温、温度、放射能量、等の地域的な影響を極めて強く
受ける場合があり、この場合上述の学習結果を用いるこ
とで診断結果は正確なものとなる。

【００４５】次に、第二学習メモリ５により診断を行う
（Ｓ１３）。この場合も、第二学習メモリ５から読み出
された重み付け係数に従って入力データが判断され、前
述の入力層、中間層、出力層それぞれに設定された重み
係数に従って診断結果が出力される。また、この診断は
前述の学習結果のみによるデータであり、例えば従来例
のように単一のメモリしかもたない場合の診断結果に近
い。

【００４６】尚、上述の各メモリ３〜５の選択は、前述
の選択手段６によって行われ、上記３個の診断結果は、
表示・キー入力部１３に表示される（Ｓ１４）。

【００４７】したがって、本例によればマスターメモリ
３に記憶する初期値に基づく診断結果、第一学習メモリ
４による学習結果に基づく診断結果、及び第二学習メモ
リ５による学習結果に基づく診断結果の３つの診断結果
が得られ、オペレータの判断の選択枝が増し、より正確
な診断が可能となる。

【００４８】また、マスターメモリ３に基づく診断結
果、及び第一学習メモリ４に基づく診断結果によれば、
初期値が診断結果に大きな影響を及ぼす場合でも、初期
値が診断結果に加味され、更に正確な診断を行うことが
できる。

【００４９】＜第２実施形態例＞次に、第２実施形態例
について説明する。

【００５０】本例においても基本的なシステム構成は前
述の図１及び図３と同じである。

【００５１】本例はニューラルネットワークによる学習
処理の際、学習処理のために用いる診断結果の情報が他
の診断結果の情報に比べて極めて信頼性が薄い場合、等
において当該データを初期値から削除するものである。

【００５２】図６に示すフローチャートは、この場合の
処理を説明するものである。先ず、登録番号を入力する
（ステップ（以下ＳＴで示す）１）。この入力処理は、
例えばＣＰＵ９がログメモリ８を検索し、個人情報の中
のＩＤ番号を読み出すことによって行う。

【００５３】次に、当該登録番号の個人情報を削除する
か否か判断する（ＳＴ２）。この判断は、上述のように
学習処理のために用いる診断結果が他の結果に比べて極
めて信頼性が薄い場合であり、例えば当該診断結果が他
の結果に対して特異な結果である場合や、信頼性のない
医師によって出された結果等の場合である。

【００５４】ここで、削除する場合（ＳＴ２がＹ）、個
人情報に削除マークを付加する（ＳＴ３）。この削除マ
ークとしては、例えばコードや＊マークの付加、又は対
応するエリアに対するフラグの設定を行う。次に、変更
を行ったことを示すため変更フラグをオンする（ＳＴ
４）。

【００５５】次に、変更有りか否か判断し（ＳＴ５）、
上述のように変更フラグが設定されていれば（ＳＴ５が
Ｙ）、先ず第一学習メモリ４によって、変更後のデータ
に従った学習処理を行う。この学習処理は前述と同様で
あり、削除したデータを除外した状態で学習を行う（Ｓ
Ｔ６）。この処理により、第一学習メモリ４には特異な
データ等が除外された情報に基づくより正確なデータ
（重み付け係数）が格納される（ＳＴ７）。

【００５６】次に、第二学習メモリ５に対しても同様な
処理を行い（ＳＴ８）、第二学習メモリ５にも特異なデ
ータ等が除外されたより正確なデータ（重み付け係数）
が格納される（ＳＴ９）。このように処理することによ
り、第一学習メモリ４及び第二学習メモリ５には共によ
り正確な学習のためのデータが格納され、これらのデー
タにより診断を行うことでより正確な診断結果を可能と
する。

【００５７】尚、一旦削除したデータであっても、必要
に応じて解除することができる。すなわち、解除の必要
が生じた場合（ＳＴ１０がＹ）、前述の削除マークを解
除し（ＳＴ１１）、変更フラグをオンする（ＳＴ１
２）。そして、変更有りか否か判断した後（ＳＴ５が
Ｙ）、再度第一学習メモリ４、第二学習メモリ５に対し
て学習処理を行い（ＳＴ６、ＳＴ８）、対応するメモリ
にデータを格納する（ＳＴ７、ＳＴ９）。

【００５８】尚、上述の２つの実施形態例において、実
現システムを図３の例で説明したが、図７に示すよう
に、補助記憶装置１１を除いた、ＣＰＵ９、ＲＯＭ１
０’、ＲＡＭ１２、表示・キー入力部１３で構成しても
よい。

【００５９】

【発明の効果】以上詳細に説明したように、本発明によ
れば複数のメモリを使用することで複数の学習結果を記
憶でき、これらの学習結果を用いて複数の診断結果を得
ることができる。

【００６０】また、複数のメモリを使用することで初期
値を記憶でき、初期値が診断結果に影響する場合当該初
期値を有効に利用でき、より正確な診断を行うことがで
きる。

【００６１】さらに、特異なデータ等を上記初期値から
削除でき、より信頼性の高い診断を行うことができる。

【００６２】

【図面の簡単な説明】

【図１】第１実施形態例の診断装置を説明するシステム
構成図である。

【図２】個人情報の内容を説明する図である。

【図３】診断装置を実現するためのシステム図である。

【図４】第１実施形態例の処理動作を説明するフローチ
ャートである。

【図５】ニューラルネットワークによる学習を説明する
図である。

【図６】第２実施形態例を説明するフローチャートであ
る。

【図７】診断装置を実現するための他のシステム図であ
る。

【図８】従来技術を説明する図である。

【符号の説明】

３ マスターメモリ ４ 第一学習メモリ ５ 第二学習メモリ ６ 選択手段 ７ ニューラルネット部 ８ ログメモリ

Claims (4)

【特許請求の範囲】
1. 【請求項１】 診断のための初期値を記憶する初期値記
   憶手段と、 該初期値記憶手段に記憶する初期値と新たな診断結果の
   情報に基づき、ニューラルネットワークの学習によって
   得た結果を記憶する第１の学習結果記憶手段と、 新たな診断結果の情報のみに基づき、ニューラルネット
   ワークの学習によって得た結果を記憶する第２の学習結
   果記憶手段と、 前記初期値記憶手段、及び第１、第２の学習結果記憶手
   段の中で、１つを選択する選択手段と、 該選択手段によって選択した記憶手段から前記初期値、
   又は学習結果を読み出し、診断を行う診断手段と、 を有することを特徴とする診断装置。
2. 【請求項２】 診断のための初期値を記憶する初期値記
   憶手段と、 該初期値記憶手段に記憶する初期値と新たな診断結果の
   情報に基づき、ニューラルネットワークの学習によって
   得た結果を記憶する第１の学習結果記憶手段と、 前記初期値記憶手段、及び第１の学習結果記憶手段の何
   れかを選択する選択手段と、 該選択手段によって選択された記憶手段から前記初期
   値、又は学習結果を読み出し、診断を行う診断手段と、 を有することを特徴とする診断装置。
3. 【請求項３】 診断のための初期値を記憶する初期値記
   憶手段と、 新たな診断結果の情報のみに基づき、ニューラルネット
   ワークの学習によって得た結果を記憶する第２の学習結
   果記憶手段と、 前記初期値記憶手段、及び第２の学習結果記憶手段の何
   れかを選択する選択手段と、 該選択手段によって選択された記憶手段から前記初期
   値、又は学習結果を読み出し、診断を行う診断手段と、 を有することを特徴とする診断装置。
4. 【請求項４】 前記診断のための初期値は削除できるこ
   とを特徴とする請求項１、２、又は３記載の診断装置。