JPWO2020075236A1 - 分析装置、分析システム及び分析方法 - Google Patents
分析装置、分析システム及び分析方法 Download PDFInfo
- Publication number
- JPWO2020075236A1 JPWO2020075236A1 JP2019516732A JP2019516732A JPWO2020075236A1 JP WO2020075236 A1 JPWO2020075236 A1 JP WO2020075236A1 JP 2019516732 A JP2019516732 A JP 2019516732A JP 2019516732 A JP2019516732 A JP 2019516732A JP WO2020075236 A1 JPWO2020075236 A1 JP WO2020075236A1
- Authority
- JP
- Japan
- Prior art keywords
- data
- new data
- area
- reference map
- new
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims description 29
- 238000001228 spectrum Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 description 40
- 238000012360 testing method Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 7
- 239000012530 fluid Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/04—Measuring characteristics of vibrations in solids by using direct conduction to the detector of vibrations which are transverse to direction of propagation
- G01H1/06—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本開示は、参照データ相互間の類似性指標に基づいてあらかじめ作成された参照マップの情報を受信する参照マップ受信部(23)と、参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、参照マップ上に当該新規データをプロットする、新規データプロット部(211)と、を備える分析装置である。
Description
本開示は、分析装置、分析システム及び分析方法に関する。
各地点で発生したデータの分析を行う分析システムが提案されている(例えば、特許文献1参照。)。特許文献1の分析システムは、各地点に端末装置を配備し、各端末装置からのデータを管制センターが分析する。
引用文献1の分析システムでは、各端末装置からのデータの分析を管制センターが行うため、端末装置と管制センターとが通信ネットワークで接続されていない場合、分析を行うことができない問題がある。また、分析結果を各地点において知りたい場合がある。さらに、各地点における演算処理の負荷は少ないことが好ましい。
そこで、本開示は、各地点で発生したデータの分析を、少ない演算処理の負荷で、各地点において可能にすることを目的とする。
本開示に係る分析装置は、
参照データ相互間の類似性指標に基づいてマップ上に参照データが予めプロットされている参照マップを受信する参照マップ受信部と、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットする、新規データプロット部と、
を備える。
参照データ相互間の類似性指標に基づいてマップ上に参照データが予めプロットされている参照マップを受信する参照マップ受信部と、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットする、新規データプロット部と、
を備える。
本開示に係る分析システムは、
本開示に係る分析装置と、
前記参照データとして用いられるデータを取得し、参照データ相互間の類似性指標に基づいて前記参照マップを作成する参照マップ作成部を含み、前記分析装置に前記参照マップを提供する参照マップ作成装置と、
を備える。
本開示に係る分析装置と、
前記参照データとして用いられるデータを取得し、参照データ相互間の類似性指標に基づいて前記参照マップを作成する参照マップ作成部を含み、前記分析装置に前記参照マップを提供する参照マップ作成装置と、
を備える。
本開示に係る分析方法は、
分析装置が、
参照データ相互間の類似性指標に基づいてあらかじめ作成された参照マップを受信するステップと、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットするステップと、
を実行する。
分析装置が、
参照データ相互間の類似性指標に基づいてあらかじめ作成された参照マップを受信するステップと、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットするステップと、
を実行する。
本開示によれば、各地点で発生したデータの分析を、少ない演算処理の負荷で、各地点において可能にすることができる。
以下、本開示の実施形態について、図面を参照しながら詳細に説明する。なお、本開示は、以下に示す実施形態に限定されるものではない。これらの実施の例は例示に過ぎず、本開示は当業者の知識に基づいて種々の変更、改良を施した形態で実施することができる。なお、本明細書及び図面において符号が同じ構成要素は、相互に同一のものを示すものとする。
(第1の実施形態)
図1に、本開示に係る分析システムの構成の一例を示す。本開示に係る分析システムは、参照マップ作成装置10及び分析装置20が通信ネットワーク90で接続されている。図1では、参照マップ作成装置10及び分析装置20が1対1で接続されている例を示すが、本開示はこれに限らず、1対多や多対多の構成を採用しうる。分析装置20が複数の場合、各分析装置20は異なる地点に配置される。
図1に、本開示に係る分析システムの構成の一例を示す。本開示に係る分析システムは、参照マップ作成装置10及び分析装置20が通信ネットワーク90で接続されている。図1では、参照マップ作成装置10及び分析装置20が1対1で接続されている例を示すが、本開示はこれに限らず、1対多や多対多の構成を採用しうる。分析装置20が複数の場合、各分析装置20は異なる地点に配置される。
参照マップ作成装置10は、分析装置20に参照マップを提供する。分析装置20は、参照マップとは異なる新規データを取得すると、参照マップ作成装置10から提供された参照マップを用いて、新規データの属性を判定する。
参照マップ作成装置10は、処理部11、メモリ12、送受信部13及び入力部14を備える任意のコンピュータを用いることができる。参照マップ作成装置10の処理部11は、参照マップ作成部111を備える。参照マップ作成部111は、マップ作成部1111及び属性定義部1112を備える。
分析装置20は、処理部21、メモリ22、送受信部23及び入力部24を備える。分析装置20の処理部21は、新規データプロット部211、属性判定部212、を備える。送受信部23は、参照マップ受信部として機能し、参照マップを受信するステップを実行する。新規データプロット部211が、参照マップ上に新規データをプロットするステップを実行する。
マップ作成部1111は、参照データとして用いられるデータを取得し、マップを作成する。マップは、参照データ相互間の類似性指標に基づいて参照データがプロットされているマップである。例えば、マップ作成部1111は、各参照データをベクトルデータに変換し、ベクトルデータ相互間の距離を用いて各参照データのプロット位置を求める。これにより、データ相互間の類似性指標に基づいて各参照データを示す点がプロットされているマップが作成される。ここで、ベクトルデータ相互間の距離は、ユークリッド距離のほか、内積空間距離であってもよいし、外積を用いるなどの任意の演算方法を用いて求めることができる。
図2に、マップの一例を示す。類似性の高いデータ同士は近くに配置され、類似性の低いデータ同士は遠くに配置される。近くに配置されるデータ同士はより正確な距離になるように配置することが好ましい。参照データのマップ上への配置は、図2に示すように平面に配置してもよいが、球面などの任意の次元のベクトル空間に配置してもよい。
属性定義部1112は、参照マップ上で、単数または複数のエリアを定義し、それぞれのエリアごとに、そこに含まれる参照データの特徴に応じて、エリアごとに属性を定義する。
送受信部13が参照マップを分析装置20に配信し、送受信部23が参照マップ作成装置10から参照マップを受信する。参照マップは、メモリ22に格納される。参照マップには、参照データと、エリアの情報と、エリア属性と、が含まれる。エリアの情報は、エリアに含まれる参照データの情報及びマップ上でのエリアの位置及び範囲の情報を含む。参照マップには、各参照データの属性データ、例えば、データが生成された時間、データの種別、データを生成した装置の識別情報、などが含まれていてもよい。
例えば、図2に示す参照マップの場合、参照マップには、参照データRD−3の識別情報と、エリアAZ−3の識別情報と、エリアAZ−3のエリア属性と、が紐付けられた状態で含まれる。
ここで、参照マップにおける1つの位置に定義されるエリアとエリア属性は、2以上であってもよい。例えば、参照データRD−1の識別情報は、エリアAZ−1及びAZ−4に紐付けられていてもよい。
参照データRD−5及びRD−6のように、参照データの数が少ない場合がある。そのような共通のエリア属性の分布する範囲が明確でない場合は、参照データRD−5及びRD−6の位置、またこれらの位置から一定範囲をエリアに定義する。
新規データプロット部211は、参照データとは異なる新規データを取得すると、参照マップ上に新規データをプロットする。例えば、データの類似性指標がベクトルデータ相互間の距離の場合、新規データプロット部211は、新規データをベクトルデータに変換し、新規データのベクトルデータと各参照データのベクトルデータの距離を算出し、ベクトルデータの距離が近い参照データを抽出する。この場合、すべての参照データを抽出してもよい。そして、新規データプロット部211は、抽出した参照データと当該新規データとの相互距離に基づいて当該新規データを参照マップ上にプロットする。具体的なプロット方法は後述する。
属性判定部212は、新規データのプロットされたエリアを判定し、当該エリアのエリア属性を新規データの属性と判定する。例えば、新規データがエリアAZ−3の内側に配置されている場合、属性判定部212は、新規データがエリアAZ−3のエリア属性を有すると判定する。
このように、分析装置20は、参照マップにおける新規データのプロット位置を特定するだけで、新規データのエリア属性を導出することができる。このため、本実施形態に係る分析システムは、分析装置20における演算処理が少ないため、分析装置20における分析を高速で行うことができる。
ここで、分析装置20での分析は、高速でかつ安定的に行うことが好ましい。そのため、新規データプロット部211及び属性判定部212は、FPGA(Field Programmable Gate Array)などのハードウェアを用いた処理を行う場合がある。
以上説明したように、本実施形態は、分析装置20が参照マップ作成装置10と異なる地点に分散して配置され、各分析装置20が新規データのエリア属性を判定するため、各地点で発生したデータの分析が各地点において可能である。また、参照マップへの新規データのプロット位置の計算は、参照マップ自体の作成に比較し計算量がはるかに少ないので、各分析装置20における演算処理の負荷を少なくすることができる。
分析装置20は、一般に分析すべきデータ量が多いほど、データの生成場所の近くに配置することが望ましい場合が多く、分析すべきデータ量が少なくなるほど、データ発生場所から離れて配置する場合が多くなる。ただし、これは必ずというわけではなく、利用目的などに応じて、柔軟に配置される。
なお、本実施形態では、全ての参照データとの類似性指標に基づいて新規データを参照マップにプロットしたが、本開示はこれに限定されない。参照データの一部との類似性指標に基づいて、新規データを参照マップにプロットしてもよい。例えば、新規データとの類似性指標の算出を行う参照データは各エリアに1つとし、共通のエリアに属する他の参照データと新規データとの類似性指標の算出は省略する。そして、エリアのうちの類似度の低いエリアを除外し、類似度の高いエリアに含まれる各参照データと新規データとの類似性指標を算出することで、新規データのプロット位置を求める。これにより、分析装置20での演算処理の負荷をより減少させることができる。
(第2の実施形態)
図3に、本開示に係る分析システムの構成の一例を示す。本開示に係る分析システムは、分析装置20の処理部21が追加エリア定義部213をさらに備える。
図3に、本開示に係る分析システムの構成の一例を示す。本開示に係る分析システムは、分析装置20の処理部21が追加エリア定義部213をさらに備える。
新規データのプロットされたエリアにエリア属性が定義されていない場合がありうる。例えば、図4に示す新規データND−1のように、プロット位置にはエリア属性が定義されていない場合がある。そのような場合、属性判定部212は、新規データND−1及びプロット位置の情報を参照マップと共に追加エリア定義部213に出力する。
追加エリア定義部213は、新規データND−1の属性を各エリア属性と比較し、新規データND−1のプロット位置の属性を判定する。そして、追加エリア定義部213は、新規データND−1のプロット位置の属性を、新規データND−1から一定範囲のエリア属性に定義する。
送受信部23は、すべての新規データと追加エリアの情報を参照マップ作成装置10に送信する。追加エリアの情報は、新規データND−1の情報、新規データND−1の位置、新規データND−1から一定範囲のエリア属性を含む。参照マップ作成装置10は、分析装置20から受信した情報をメモリ12に格納する。参照マップ作成部111は、参照マップを更新する際に、当初の参照マップ上のデータの全部あるいは一部に加えてメモリ12に格納されている情報を用いる。
参照マップ作成装置10は、新規データND−1が参照データに含まれた新規参照マップを作成する。その場合、エリアAZ−7が新たに定義される。参照マップ作成装置10は、新規参照マップを分析装置20に配信する。これにより、各分析装置20は、エリアAZ−7が定義された新規参照マップを用いて、分析を行うことができる。
参照マップ作成装置10が新規参照マップを各分析装置20に配信するタイミングは任意である。例えば、新規参照マップが作成されたときであってもよいし、定期的であってもよい。
以上説明したように、本実施形態は、新規データを用いて参照マップを更新する。このため、本実施形態は、新たに発生したエリア属性に対しても、自動で対応することができる。
(第3の実施形態)
データによっては、時間や環境などの諸条件によってゆっくりと変化するものがある。例えば季節による平均気温の変化が影響する場合がある。そのようなデータの場合、図5に示すように、正常な状態を示すエリア属性を有するエリアAZ−3が時間の経過によってエリアAZ−8に移動し、エリアAZ−3に属する参照データRD−3が正常な状態ではなくなる可能性がある。
データによっては、時間や環境などの諸条件によってゆっくりと変化するものがある。例えば季節による平均気温の変化が影響する場合がある。そのようなデータの場合、図5に示すように、正常な状態を示すエリア属性を有するエリアAZ−3が時間の経過によってエリアAZ−8に移動し、エリアAZ−3に属する参照データRD−3が正常な状態ではなくなる可能性がある。
図1に示す本開示に係るシステムにおいて、属性判定部212がエリア属性を判定するにあたり、エリアAZ−3のエリア属性を用いるのは適当でない。そこで、本実施形態では、エリア属性の変化に合わせて参照マップを更新する。
分析装置20は、メモリ22に蓄積されている新規データを、参照マップ作成装置10に定期的に送信する。参照マップ作成装置10の送受信部13が各分析装置20から新規データを受信すると、メモリ12に格納する。
マップ作成部1111は、メモリ12に記憶されている新規データを参照データとして読み出し、これを用いて参照マップを作成する。属性定義部1112は、エリアに分布する参照データの属性を用いて、参照マップのエリアごとのエリア属性を定義する。これにより、エリア属性の変化の反映された新規参照マップを作成することができる。
ここで、マップ作成部1111は、参照データに新規データを含めたデータでありかつ現在時刻から一定時間内のデータを参照データとして読み出すことが好ましい。このとき、新規参照マップに含める既存の参照データは、既存の参照データの全部であってもよいし、一部であってもよい。例えば、分析装置20の演算処理の負荷の増大を防ぐため、新規参照マップに含めるデータ数は一定であることが好ましい。
送受信部13は、新規参照マップを分析装置20に配信する。各分析装置20は、新規参照マップを参照マップ作成装置10から受信すると、メモリ22に格納する。その後の動作は前述の実施形態と同様である。
以上説明したように、本実施形態は、新規データを用いて参照マップを更新する。このため、本実施形態は、時間や環境などの諸条件によってエリア属性が変化するデータであっても、自動で対応することができる。
(第4の実施形態)
本実施形態では、装置に1以上のセンサが搭載され、参照データ及び新規データがセンサで検出されたセンサデータであり、エリア属性がセンサの搭載されている装置に関する状態である例について説明する。
本実施形態では、装置に1以上のセンサが搭載され、参照データ及び新規データがセンサで検出されたセンサデータであり、エリア属性がセンサの搭載されている装置に関する状態である例について説明する。
図6に、本実施形態に係るシステム構成の一例を示す。本実施形態に係るシステムは、センサ31,32及び分析装置20が車両30に搭載されている。図6では車両30に2種のセンサ31及び32が備わる例を示すが、車両30に搭載されるセンサ31は1種のみであってもよいし、3種以上であってもよい。参照マップ作成装置10は、センサ31及び32の正常値を事前に把握している車両30のメーカなどによって管理されている。参照マップ作成装置10及び分析装置20の構成は図1及び図3と同様である。
参照マップ作成装置10は、参照マップを各車両30に配信する。参照マップは、適宜更新される。センサ31,32は、車両30の状態、正常又は異常、故障又は異常状態の種類、センサ31及び32の搭載されている部品の正常又は異常を分析するための任意の検出装置である。分析結果は、運転手がリアルタイムに知りたい内容である。そこで、本実施形態では、分析装置20がリアルタイムで状態の分析を行う。
車両30は、自動車、原動機付自転車、軽車両、バス、鉄道車両を含む、任意の車である。センサ31及び32は、車両に搭載される任意のセンサであり、例えば、車速センサ、加速度センサ、車両位置センサ、衝突検知センサ、後方監視カメラ、後方障害物センサ、側方障害物センサ、車間距離センサ、路面センサ、磁気センサ、ドライバ状態センサ、が例示できる。センサ31及び32は、車両30の任意の部品の状態を検知するセンサであってもよく、例えば、ハンドルの操舵角センサ、エンジン付近に搭載される火災検知センサ、タイヤの空気圧センサ、ホイールやエンジンの振動センサが例示できる。
センサデータは、センサ31及び32から出力された生データであってもよいが、センサ31及び32から出力されたデータに演算処理が施された加工データであってもよい。加工データは、例えば、センサ31からのセンサデータの平均値、中央値、最大値、最小値、範囲、最頻値である。また、センサデータは、振動の周波数スペクトルや画像の空間周波数スペクトルを含む。
参照マップ作成装置10は、各車両30に備わるセンサ31及び32のセンサデータを収集し、車両30ごとに参照マップを生成する。本実施形態では、各センサ31及び32の値によって、参照データが分布する。そのため、本実施形態でのエリア属性は、車両30の状態、正常又は異常、故障又は異常状態の種類、センサ31及び32の搭載されている部品の正常又は異常を含む。
参照マップ作成装置10は、参照マップを生成すると、各車両30に参照マップを配信する。分析装置20は、自装置の搭載されている車両30に応じた参照マップを参照マップ作成装置10から受信し、メモリ(図1に示す符号22)に格納する。
センサ31において新たなセンサデータが発生すると、分析装置20は、新たなセンサデータを新規データとしてメモリ(図1に示す符号22)に格納する。分析装置20は、自装置の搭載されている車両30に応じた参照マップをメモリ22から読み出し、新規データを参照マップにプロットし、プロット位置に基づいて新規データの属性を判定する。
例えば、センサ31がエンジンの振動センサであり、新規データのプロット位置がエリアAZ−3であり、エリアAZ−3のエリア属性がエンジンの振動が正常値である場合、分析装置20は、エンジンの振動が正常値の範囲内であると判定する。
分析装置20は、判定結果を車両30に備わる任意のモニタに表示することが好ましい。図7に、表示の一例を示す。正常な範囲を示すエリアAZ−3と新規データND−3が表示される。新規データND−3はエリアAZ−3の端に位置する。このため、分析装置20のユーザは、もう少しで正常な範囲から外れるセンサ31の値であることを視認することができる。このように、本実施形態は、車両30の部品の状態、正常又は異常を判定することができる。なお、センサ31及び32を組み合わせ、車両30の状態、正常又は異常を判定してもよい。
以上説明したように、本開示は、車両30について、正常値の範囲内であるか否か、異常の可能性があるか否か、さらに正常値の範囲におけるどのような状態にあるか、どのような異常の状態であるか、を分析装置20において車両30ごとにリアルタイムで判定することができる。
なお、センサ31及び32からのセンサデータは、センサ31及び32の設置状態などでデータ特性が異なる可能性もある。そこで、参照データは、車両30に搭載された状態で収集されたものが好ましい。例えば、参照マップは、車両メーカや機械メーカが作成してもよいが、工場などでセンサが実際に搭載された状態で個別に参照マップを作成してもよい。
また、本実施形態では、センサ31及び32からのセンサデータを用いる場合を説明したが、本実施形態は、センサデータに代えて装置自体の出力するログデータを用いてもよい。この場合、センサデータとログデータの両方を組み合わせたベクトルデータを参照データに用いてもよい。
また、本実施形態ではセンサの搭載されている装置が車両である例を示したが、本開示の装置はこれに限定されない。本開示は、車両30に代えて、継続的な状態把握を行うことが好ましい任意の装置に適用可能である。例えば、本実施形態の車両30は、エレベータ、エスカレータ、発電機、ベルトコンベア、航空機、産業用ロボットなどの、駆動機構や可動部品の備わる任意の装置でありうる。例えば、サーボモータ、インバータ、減速機、コンプレッサなど、が例示できる。これらの装置や部品の場合、センサデータに代えて、トルクデータ、制御用の電流又は電圧値などの装置や部品から出力される任意のデータを用いることができる。航空機は、飛行船、ヘリコプタ、飛行機を含む。
また、本実施形態のセンサ31は、装置に搭載される任意のセンサでありうる。例えば、配管やタンク内などの流体の流量を検出する流量センサや流れによって引き起こされる振動を検出する振動センサ、回路を流れる電流を検出する電流センサである。
配管内の流体や気体に変化が生じると、配管の振動や温度に変化が生じる。そのため、センサ31は、流体や気体を流通させるための配管に生じる振動や流量、温度を検出するセンサでありうる。これにより、本開示は、配管の中を流れる流体又は気体の渦や流れのムラの有無、流体又は気体を流通させる駆動部が正常に動作しているか否か、配管の接続に緩みが生じているか否か、などといった流体や気体の流れに寄与する任意の異常についてもリアルタイムで検知することができる。
電気部品に変化が生じると、電気部品に接続されている経路の電流に変化が生じる。そのため、センサ31は、電気部品に接続されている経路の電流や電圧を検出するセンサでありうる。これにより、本開示は、電気部品の動作に異常が生じているか否か、電気部品の接続に接続不良が生じているか否か、などといった電気的な異常についてもリアルタイムで判定することができる。
(第5の実施形態)
本実施形態では、第4の実施形態で説明したセンサデータが振動データを含み、エリア属性が車両の走行路面の劣化状態である例について説明する。本実施形態では、第4の実施形態と同様のシステム構成を用いることができる。
本実施形態では、第4の実施形態で説明したセンサデータが振動データを含み、エリア属性が車両の走行路面の劣化状態である例について説明する。本実施形態では、第4の実施形態と同様のシステム構成を用いることができる。
センサ31、32の少なくともいずれかは、鉛直方向(以下においてz軸方向と表記する。)の車両の振動を検出可能な任意のデバイスである場合が一般的であるが、進行方向(以下においてx軸方向と表記する。)又は鉛直方向及び進行方向に垂直な方向(以下においてy軸方向と表記する。)の車両の振動を検出可能な任意のデバイスでもよい。振動は、ゆったりしたものから速いものまで含み、周波数レンジで限定されない。振動の検出は、加速度を測定可能な加速度センサを用いることができる。
本実施形態は、参照データ及び新規データとして、予め定められたセグメントに分割した振動データを用いる。セグメントは、劣化状態の判定対象となる任意の領域であり、例えば、道路や線路の地理的な区間や一定の時間で区切られた時間区間を含む。本実施形態では、振動データに、劣化状態の判定対象となるセグメントを特定可能な属性情報が紐付けられる。
セグメントiの振動データをAi(t)とすると、振動データの変化A(t)は、
(数1)
A(t)=ΣAi(t)、 (i=1、2、3、・・・・、N−1、N) (1)
となる。ここでNはセグメントの総数である。
(数1)
A(t)=ΣAi(t)、 (i=1、2、3、・・・・、N−1、N) (1)
となる。ここでNはセグメントの総数である。
セグメントに分割した振動データは、周波数スペクトルに変換され、離散周波数値でサンプリングされる。これにより、各周波数成分の振幅を各次元の値にもつベクトルデータが、各セグメントの振動データとして生成される。このベクトルデータが、本実施形態の参照データ及び新規データとして用いられる。ここで、車種や車両に備わるダンパーの仕様などによって、センサ31、32で検出される振動は異なる。そこで、振動データの車両間の差が小さくなるよう、次元ごとに重み付けや規格化を行ってもよい。
参照マップ作成装置10は、各車両30に備わるセンサ31及び32の振動データを収集し、参照マップを生成する。分析装置20は、参照マップを参照マップ作成装置10から受信し、メモリ(図1に示す符号22)に格納する。これ以降の各装置の処理は、第4の実施形態と同様である。
整備された道路や線路の場合、図8に示すエリアAZ−81に分布する。ここで、一つ一つのプロットは道路セグメントの一つ一つに対応する。これに対し、道路の劣化が大きい場合、セグメントデータはエリアAZ−81から離れたエリアAZ−84に分布する。劣化の大きい場合でも、細かな凹凸の多いセグメントの分布するエリアAZ−82と、進行方向に大きなうねりのある道路セグメントが分布するエリアAZ−83とは互いに離れて分布する。
分析装置20は、参照マップをメモリ22から読み出し、新規データを参照マップにプロットし、プロット位置に基づいて走行路面の劣化状態を判定する。このため、新規データがプロットされる位置に基づいて、車両30が走行中の路面の状態をリアルタイムで判定することができる。
以上説明したように、本開示は、車両30の走行路面について、道路劣化の度合いに加えてどのような劣化の状態であるか、を分析装置20においてリアルタイムで判定することができる。
(第6の実施形態)
本実施形態では、参照データ及び新規データが医療データなどの生体データであり、エリア属性が人や動物の健康状態、病気の種類、病気の程度などの生体の状態である例について説明する。
本実施形態では、参照データ及び新規データが医療データなどの生体データであり、エリア属性が人や動物の健康状態、病気の種類、病気の程度などの生体の状態である例について説明する。
図9に、本実施形態に係るシステム構成の一例を示す。本実施形態に係るシステムは、コンピュータ40が図1に示す分析装置20として機能する。コンピュータ40は、個人病院や地方の病院に配置された専門医ではない医師に用いられるコンピュータ、或いは個人の使用するコンピュータである。
地方の病院では、検査の環境を整えることはできても、専門医を常駐させることは困難である。また、糖尿病など、患者自身が検査を行うことができる環境が提供されつつある。一方で、診断結果は、患者が早く知りたい内容である。そこで、本実施形態では、検査などにより得られた生体データを参照データ及び新規データとして用い、生体データを検出した場所に配置されているコンピュータ40が分析を行い、分析結果をモニタ(不図示)に出力する。
生体データは、例えば、血液、呼気、髄液、尿や組織の一部などの検体を採取し、検体を分析して得られた検査データである。生体データは、検体検査に限らず、生体検査、生理(機能)検査を含む臨床検査や、放射線関連検査及び内視鏡検査を行うことによって得られたデータ、問診データを含む。生体データは、呼吸音や心拍音や心電図などを含む。生体データは、X線画像、MRI(Magnetic Resonance Imaging)画像、CT(Computed Tomography)画像などを含む。
そこで、本実施形態は、専門の病院や研究所が参照マップ作成装置10を備え、多くの受診者のデータから参照マップを作成し、参照マップを各コンピュータ40に配信する。そして、各コンピュータ40は、参照マップ作成装置10から参照マップを受信し、メモリ22に格納する。各コンピュータ40は、検査によって得られた検査データを新規データに用い、新規データの参照マップ上のエリア属性を判定する。これにより、本実施形態は、個人病院や地方の病院などのコンピュータ40の配置されている任意の地点において、検査データを用いた検査結果を入手した段階でそのエリア属性を得ることができる。すなわち、本実施形態は、専門医が不在であっても、患者の第一次診断を行うことができる。ここで、患者の場合は、参照マップは各病院で共通とすることができる。ただし、年齢、性別又は人種などにより参照マップが異なる可能性がある。
コンピュータ40は、入力部24を用い、検査データを新規データとして入力する。入力部24は、コンピュータ40へのデータ入力が可能な任意の機能であり、キーボード、マウス、スキャナを含む。コンピュータ40は、新規データをメモリ22に格納する。そしてコンピュータ40は、参照マップをメモリ22から読み出し、参照マップに新規データをプロットし、プロット位置に基づいて新規データのエリア属性を判定する。
例えば、新規データが糖尿病の検査データであり、新規データのプロット位置が図2に示すエリアAZ−3であり、エリアAZ−3のエリア属性が検査データの正常値である場合、分析装置20は、検査データが正常値の範囲内であると判定する。本実施形態においても、第4の実施形態で説明した図7と同様に、エリア及び新規データを表示することが好ましい。
以上説明したように、本開示は、医療分野における検査データについて、正常値の範囲内であるか否か、異常の可能性があるか否か、さらに正常値の範囲におけるどのような状態にあるか、どのような異常の状態であるか、をコンピュータ40においてリアルタイムで判定し、表示することができる。
さらに、本開示は、患者ごとに新規データを蓄積することで、カルテの一部として、長期的に患者の状態をトレースすることも可能になる。また、臨床検査の検査データなどの検査結果と一緒に、本実施形態による判定結果を一次診断結果として送付するサービスがあり得る。
(第7の実施形態)
本実施形態では、参照データ及び新規データが音声のスペクトルデータであり、生体データであり、エリア属性が通話者の心理状態である例について説明する。
本実施形態では、参照データ及び新規データが音声のスペクトルデータであり、生体データであり、エリア属性が通話者の心理状態である例について説明する。
図10に、本実施形態に係るシステム構成の一例を示す。本実施形態に係るシステムは、分析装置20がそれぞれ電話機50に接続される。電話機50は、コールセンターに設置される多くの電話機の一部である。
コールセンターでは、多くの通話が発生するが、その内容は多岐に渡る。参照マップ作成装置10に備わるマップ作成部(図1に示す符号1111)は、多くの通話の声を一定時間のセグメントに分離し、セグメントごとに声の周波数スペクトルデータを生成し、これを用いて参照マップを作成する。
通話者の心理状態によって声のトーンが異なる。そのため、通話者の心理状態がスペクトルデータに現れる。例えば、緊張状態であれば高く早口の声のスペクトルデータになり、落ち込んだ状態であれば低くぼそぼそした声のスペクトルデータになり、冷静な状態であればはっきりして安定した声のスペクトルデータになる。このように、通話者の時々の心理状態によってスペクトルデータがマップ上で偏在する。本実施形態の属性定義部(図1及び図3に示す符号1112)は、この通話者の心理状態を、エリア属性として定義する。
参照マップ作成装置10は、参照マップを生成すると、各分析装置20に参照マップを配信する。分析装置20は、参照マップ作成装置10から参照マップを受信し、メモリ(図1に示す符号22)に格納する。
分析装置20は、自装置に接続されている電話機50に電話がかかると、電話機50から声を取得してスペクトルデータに変換する。このスペクトルデータが新規データとなる。分析装置20は、新規データを参照マップにプロットし、プロット位置に基づいて新規データのエリア属性を判定する。
例えば、図2において、新規データのプロット位置がエリアAZ−3であり、エリアAZ−3のエリア属性が緊張状態である場合、分析装置20は、通話者が緊張状態であると判定する。
分析装置20は、判定結果を分析装置20又はコールセンターのフロアに共通のディスプレイに表示することが好ましい。例えば、通話者が冷静な場合は青を表示し、イライラしている場合はオレンジを表示し、癇癪を起こした場合は赤を表示するなどである。
以上説明したように、本開示は、コールセンターにおいて、各電話機50における通話者の心理状態をリアルタイムで把握することができる。
(第8の実施形態)
本実施形態では、参照データ及び新規データが画像データであり、エリア属性が画像データの識別情報である例について説明する。
本実施形態では、参照データ及び新規データが画像データであり、エリア属性が画像データの識別情報である例について説明する。
図11に、本実施形態に係るシステム構成の一例を示す。本実施形態に係るシステムは、分析装置20がそれぞれ画像取得装置60に接続される。画像取得装置60は、静止画や動画を含む画像データを取得可能な任意の装置であり、例えば、画像を撮像するカメラ、画像を表示する表示装置、画像データを記憶するメモリである。
画像データは空間周波数のスペクトルデータとして扱うことができる。そこで、本実施形態では、参照マップ作成装置10に備わるマップ作成部(図1に示す符号1111)が、画像取得装置60の取得した画像データをベクトルデータに変換し、これを用いて参照マップを作成する。例えば、30×30ピクセルの画像データの場合、マップ作成部は、画像データから各ピクセルを次元としそのピクセルの明るさをその次元の値とする900次元のベクトルデータを生成し、生成したベクトルデータを用いて参照マップを作成する。
ここで、画像データが符号化によって圧縮されている場合、マップ作成部は、画像データを復号化し、復号化後の画像データをベクトルデータに変換する。画像データが静止画の場合、単一の画像データが参照マップに点としてプロットされる。画像データが動画の場合、フレーム画像単位で参照マップにプロットすることができる。さらに、画像データのうちの一部領域だけをベクトルデータとして抽出してもよい。また、一つの画像を構成する走査線の振幅情報を、周波数変換して周波数を次元としたベクトルデータに変換してもよい。
他の実施形態と同様に、参照マップ作成装置10が各分析装置20に参照マップを配信し、分析装置20がメモリ(図1に示す符号22)に格納する。そして、画像取得装置60が新たな画像データを取得すると、分析装置20は、新たな画像データを新規データとしてメモリ(図1に示す符号22)に格納する。
分析装置20は、新規データをベクトルデータに変換し、参照マップをメモリ22から読み出し、新規データを参照マップにプロットする。このとき、画像データが動画の場合は復号化後の画像データをベクトルデータに変換する。そして、分析装置20は、プロット位置に基づいて新規データの属性を判定する。これにより、画像データの識別あるいは画像の正常/異常の判定を行うことができる。
以上説明したように、本開示は、画像データの識別あるいは画像の正常/異常の判定をリアルタイムで行うことができる。
(第9の実施形態)
新規データプロット部211における参照マップへの新規データのプロットの方法は、参照マップ作成部111と同様の方法を用いてもよいが、参照マップを変化させない方法であることが好ましい。本実施形態では、参照マップを変化させないプロット方法の具体例について、以下に説明する。
新規データプロット部211における参照マップへの新規データのプロットの方法は、参照マップ作成部111と同様の方法を用いてもよいが、参照マップを変化させない方法であることが好ましい。本実施形態では、参照マップを変化させないプロット方法の具体例について、以下に説明する。
(1)第1の配置例
本配置例は、多次元ベクトル空間上で新規データと距離の近い上位3点の参照データを選択し、これを用いて新規データのプロット位置を決定する。具体的には、図12に示すように、新規データSと各参照データとの多次元ベクトル空間上での距離を計算し、距離の近い順に3つの参照データdx、dy、dzを選別する。そして、参照マップ上の参照データdx、dy、dzに相当する座標Px、Py、Pzを用いて、新規データSの座標Psを求める。例えば、座標Px、Py、Pzの中心を新規データSの座標Psとする。
新規データSの座標Psは、新規データSと参照データdx、dy、dzとの多次元ベクトル空間上での距離Sx、Sy、Szに基づいて求められることが好ましい。例えば、次式を満足する座標Psを求める。この座標Psが、参照マップ上の新規データSの位置となる。
(数2)
|Ps−Px|:|Ps−Py|:|Ps−Pz|=Sx:Sy:Sz (2)
本配置例は、多次元ベクトル空間上で新規データと距離の近い上位3点の参照データを選択し、これを用いて新規データのプロット位置を決定する。具体的には、図12に示すように、新規データSと各参照データとの多次元ベクトル空間上での距離を計算し、距離の近い順に3つの参照データdx、dy、dzを選別する。そして、参照マップ上の参照データdx、dy、dzに相当する座標Px、Py、Pzを用いて、新規データSの座標Psを求める。例えば、座標Px、Py、Pzの中心を新規データSの座標Psとする。
新規データSの座標Psは、新規データSと参照データdx、dy、dzとの多次元ベクトル空間上での距離Sx、Sy、Szに基づいて求められることが好ましい。例えば、次式を満足する座標Psを求める。この座標Psが、参照マップ上の新規データSの位置となる。
(数2)
|Ps−Px|:|Ps−Py|:|Ps−Pz|=Sx:Sy:Sz (2)
(2)第2の配置例
本配置例は、多次元ベクトル空間上で新規データと距離の近い上位2つの参照データを選択し、これを用いて新規データのプロット位置を決定する。具体的には、新規データと各参照データとの多次元ベクトル空間上での距離を計算し、図11と同様に、距離の近い順に2つの参照データdx及びdyを選別する。そして、参照マップ上の参照データdx及びdyに相当する座標Px及びPyを用いて、新規データSの座標Psを求める。例えば、座標Px及びPyの中間を新規データSの座標Psとする。
新規データSの座標Psは、新規データSと参照データdx及びdyとの多次元ベクトル空間上での距離Sx及びSyに基づく座標Px及びPyの内分点であることが好ましい。例えば、次式を満足する座標Psを求める。この座標Psが、参照マップ上の新規データSの位置となる。
(数3)
Ps=Px+(Py−Px)*Sx/(Sx+Sy) (3)
ここで、|Ps−Px|:|Ps−Py|=Sx:Sy
本配置例は、多次元ベクトル空間上で新規データと距離の近い上位2つの参照データを選択し、これを用いて新規データのプロット位置を決定する。具体的には、新規データと各参照データとの多次元ベクトル空間上での距離を計算し、図11と同様に、距離の近い順に2つの参照データdx及びdyを選別する。そして、参照マップ上の参照データdx及びdyに相当する座標Px及びPyを用いて、新規データSの座標Psを求める。例えば、座標Px及びPyの中間を新規データSの座標Psとする。
新規データSの座標Psは、新規データSと参照データdx及びdyとの多次元ベクトル空間上での距離Sx及びSyに基づく座標Px及びPyの内分点であることが好ましい。例えば、次式を満足する座標Psを求める。この座標Psが、参照マップ上の新規データSの位置となる。
(数3)
Ps=Px+(Py−Px)*Sx/(Sx+Sy) (3)
ここで、|Ps−Px|:|Ps−Py|=Sx:Sy
(3)第3の配置例
本配置例は、多次元ベクトル空間上で新規データと参照マップ上のすべてのデータあるいは距離の近い上位N点を選択し、これを用いて新規データのプロット位置を決定する。
本配置例は、多次元ベクトル空間上で新規データと参照マップ上のすべてのデータあるいは距離の近い上位N点を選択し、これを用いて新規データのプロット位置を決定する。
具体的には、新規データと各参照データとの多次元ベクトル空間上での距離を計算し、距離の近い参照データを順にN個選別する。そして、参照マップ上のN個の参照データに相当する座標を用いて、新規データの座標を求める。例えば、N個の参照データの座標の重心を求める。この重心の座標が、参照マップ上の新規データSの位置となる。
新規データの位置の決定においては、多次元ベクトル空間上で新規データとの距離が近い複数の参照データの座標で特定される領域内に新規データがプロットされるか否かを考慮することが好ましい。
例えば、新規データと複数の参照データとのベクトル相互間の多次元ベクトル空間上での距離が、当該複数の参照データ同士のベクトル相互間の多次元ベクトル空間上での距離と同程度かそれ以下の場合、新規データは、当該複数の参照データの座標で特定される領域内又は当該領域の近傍に配置される。一方、新規データと複数の参照データとのベクトル相互間の多次元ベクトル空間上での距離が、当該複数の参照データ同士のベクトル相互間の多次元ベクトル空間上での距離よりも大きい場合、新規データは、当該複数の参照データの座標で特定される領域の外に配置される。このように、多次元ベクトル空間上で新規データとの距離が近い複数の参照データの座標で特定される領域内に新規データがプロットされるか否かによって、参照データと新規データとの関係を参照マップ上で明示することができる。
(4)第4の配置例
本配置例は、多次元ベクトル空間上で新規データと参照マップ上のすべてのデータあるいは距離の近い上位N点を選択し、参照マップ上のデータの位置は固定して、新規データのプロット位置を決定する。具体的には、多次元空間上の新規データと参照マップ上で選択されたデータ間の実際の距離を最大限保つように、2次元や3次元空間にデータをプロットする。その方法としては、主成分分析法やt−SNE(Stochastic Neighbor Embedding)法、UMAP(Uniform Manifold Approximation and Projection for Dimension Reduction)法など多くの方法が知られている。本方法では、新規データが参照マップ上のデータと大きく異なる場合、そのプロット位置は参照マップ上のデータのプロット範囲の外になる。
本配置例は、多次元ベクトル空間上で新規データと参照マップ上のすべてのデータあるいは距離の近い上位N点を選択し、参照マップ上のデータの位置は固定して、新規データのプロット位置を決定する。具体的には、多次元空間上の新規データと参照マップ上で選択されたデータ間の実際の距離を最大限保つように、2次元や3次元空間にデータをプロットする。その方法としては、主成分分析法やt−SNE(Stochastic Neighbor Embedding)法、UMAP(Uniform Manifold Approximation and Projection for Dimension Reduction)法など多くの方法が知られている。本方法では、新規データが参照マップ上のデータと大きく異なる場合、そのプロット位置は参照マップ上のデータのプロット範囲の外になる。
以上説明したように、新規データのプロット位置は、参照データの一部あるいは全てを用いて決定することが好ましい。ここで、多次元ベクトル空間上での距離は、ユークリッド距離のほか、内積空間距離であってもよいし、外積を用いるなどの任意の演算方法を用いて求めることができる。
本開示は情報通信産業に適用することができる。
10:参照マップ作成装置
20:分析装置
11、21:処理部
12、22:メモリ
13、23:送受信部
111:参照マップ作成部
1111:マップ作成部
1112:属性定義部
211:新規データプロット部
212:属性判定部
213:追加エリア定義部
30:車両
31、32::センサ
40A、40B、40C:コンピュータ
50:電話機
60:画像取得装置
90:通信ネットワーク
20:分析装置
11、21:処理部
12、22:メモリ
13、23:送受信部
111:参照マップ作成部
1111:マップ作成部
1112:属性定義部
211:新規データプロット部
212:属性判定部
213:追加エリア定義部
30:車両
31、32::センサ
40A、40B、40C:コンピュータ
50:電話機
60:画像取得装置
90:通信ネットワーク
Claims (10)
- 参照データ相互間の類似性指標に基づいてマップ上に参照データが予めプロットされている参照マップを受信する参照マップ受信部と、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットする、新規データプロット部と、
を備える分析装置。 - 前記参照マップはマップ上に複数のエリアが定義されており、
エリアに固有の属性を示すエリア属性がエリアごとに定義されており、
新規データのプロットされた位置がどのエリアに属するかに基づいて、当該新規データの属性を判定する新規データの属性判定部をさらに備える、
請求項1に記載の分析装置。 - 前記参照データ及び前記新規データは、装置に搭載されたセンサで検出されたセンサデータ又は装置若しくは当該装置に備わる部品から発出されたデータであり、
前記エリア属性は、前記装置又は前記部品の状態である、
請求項2に記載の分析装置。 - 前記参照データ及び前記新規データは、車両に搭載されたセンサで検出された振動データであり、
前記エリア属性は、前記車両の走行する路面の状態である、
請求項2に記載の分析装置。 - 前記参照データ及び前記新規データは、生体で検出された生体データであり、
前記エリア属性は、前記生体の状態である、
請求項2に記載の分析装置。 - 前記参照データ及び前記新規データは、声の周波数スペクトルデータであり、
前記エリア属性は、通話者の心理状態である、
請求項2に記載の分析装置。 - 前記参照データ及び前記新規データは、画像データであり、
前記エリア属性は、画像データの識別情報である、
請求項2に記載の分析装置。 - 新規データがどのエリアにも属さない場合、当該新規データを含む新たなエリアとそのエリア属性を定義する追加エリア定義部をさらに備える、
請求項2から7のいずれかに記載の分析装置。 - 請求項1から8のいずれかに記載の分析装置と、
前記参照データとして用いられるデータを取得し、参照データ相互間の類似性指標に基づいて前記参照マップを作成する参照マップ作成部を含み、前記分析装置に前記参照マップを提供する参照マップ作成装置と、
を備える分析システム。 - 分析装置が、
参照データ相互間の類似性指標に基づいてあらかじめ作成された参照マップを受信するステップと、
前記参照データとは異なる新規データに対して、当該新規データと参照マップ上の全部または一部の参照データとの類似性指標に基づいて、前記参照マップ上に当該新規データをプロットするステップと、
を実行する分析方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/037708 WO2020075236A1 (ja) | 2018-10-10 | 2018-10-10 | 分析装置、分析システム及び分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2020075236A1 true JPWO2020075236A1 (ja) | 2021-09-09 |
Family
ID=70164032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019516732A Pending JPWO2020075236A1 (ja) | 2018-10-10 | 2018-10-10 | 分析装置、分析システム及び分析方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210232567A1 (ja) |
JP (1) | JPWO2020075236A1 (ja) |
WO (1) | WO2020075236A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359544B2 (en) * | 2003-02-12 | 2008-04-15 | Kla-Tencor Technologies Corporation | Automatic supervised classifier setup tool for semiconductor defects |
DE602004011545T2 (de) * | 2003-10-03 | 2009-01-08 | Asahi Kasei Kabushiki Kaisha | Datenverarbeitungseinrichtung und datenverarbeitungseinrichtungssteuerprogramm |
JP2012058207A (ja) * | 2010-09-13 | 2012-03-22 | Railway Technical Research Institute | 鉄道車両の状態監視システムにおける健全性判定方法 |
JP6563749B2 (ja) * | 2014-10-15 | 2019-08-21 | 株式会社toor | データ解析装置及びデータ解析方法 |
JP2016095669A (ja) * | 2014-11-14 | 2016-05-26 | 株式会社toor | 画像分析方法及び画像分析装置 |
-
2018
- 2018-10-10 WO PCT/JP2018/037708 patent/WO2020075236A1/ja active Application Filing
- 2018-10-10 JP JP2019516732A patent/JPWO2020075236A1/ja active Pending
- 2018-10-10 US US16/333,816 patent/US20210232567A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20210232567A1 (en) | 2021-07-29 |
WO2020075236A1 (ja) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210005314A1 (en) | Converting unorganized medical data for viewing | |
KR102142841B1 (ko) | Ai 기반 심전도 판독 시스템 | |
US9576358B2 (en) | Individual-characteristic prediction system, individual-characteristic prediction method, and recording medium | |
RU2629799C2 (ru) | Оценка и наблюдение острого повреждения легких (ali)/синдрома острой дыхательной недостаточности (ards) | |
KR101796055B1 (ko) | 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치 | |
JP2003038443A (ja) | 脳機能検査方法とその装置、脳機能検査システム、脳機能検査サービス方法及びそのプログラムと装置 | |
Mehrdad et al. | Perspective: Wearable internet of medical things for remote tracking of symptoms, prediction of health anomalies, implementation of preventative measures, and control of virus spread during the era of covid-19 | |
US20130013776A1 (en) | Information processing device, information processing system, information processing method, and information storage medium | |
KR102471086B1 (ko) | Ai 기반 심전도 판독 시스템 | |
US20220133149A1 (en) | System and method of monitoring association between wireless sensors and a monitored patient | |
CN107887002A (zh) | 一种医学影像诊断质量管理系统 | |
WO2022153469A1 (ja) | 未病診断装置、未病診断方法及び学習モデル生成装置 | |
Ponnan et al. | Driver monitoring and passenger interaction system using wearable device in intelligent vehicle | |
US20230197258A1 (en) | Method and system for multi-medical department selection and post-monitoring during telemedicine based on patientgenerated health data (pghd) and dna analysis data | |
US20180126999A1 (en) | Systems and methods for recognizing and analyzing emotional states of a vehicle operator | |
US20100274588A1 (en) | System and method to manage a workflow in delivering healthcare | |
CN105517488A (zh) | 用于评估、诊断和/或监测心脏健康的装置与方法 | |
JPWO2020075236A1 (ja) | 分析装置、分析システム及び分析方法 | |
Toh et al. | WSN based personal mobile physiological monitoring and management system for chronic disease | |
CN114078600A (zh) | 一种基于云技术的智能多通道疾病诊断系统和方法 | |
Karagiannaki et al. | mmamee: A mhealth platform for monitoring and assessing maternal environmental exposure | |
Oueida et al. | A fair and ethical healthcare artificial intelligence system for monitoring driver behavior and preventing road accidents | |
Misra et al. | KEdge: Fuzzy-Based Multi-AI Model Coalescence Solution for Mobile Healthcare System | |
Rovetto et al. | Coloured petri net model for remote monitoring of cardiovascular dysfunction | |
CN109754848B (zh) | 基于医护端的信息管理方法及装置 |