CN114514585A - 疾病预测***、保险费计算***以及疾病预测方法 - Google Patents

疾病预测***、保险费计算***以及疾病预测方法 Download PDF

Info

Publication number
CN114514585A
CN114514585A CN202080067618.3A CN202080067618A CN114514585A CN 114514585 A CN114514585 A CN 114514585A CN 202080067618 A CN202080067618 A CN 202080067618A CN 114514585 A CN114514585 A CN 114514585A
Authority
CN
China
Prior art keywords
animal
disease
prediction
image
face image
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
Application number
CN202080067618.3A
Other languages
English (en)
Inventor
小森伸昭
龟井达彦
河本光祐
菊地了
岸田滋史
井部邦彦
三枝亮太
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aiyoukang Holding Co ltd
Original Assignee
Aiyoukang Holding Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aiyoukang Holding Co ltd filed Critical Aiyoukang Holding Co ltd
Publication of CN114514585A publication Critical patent/CN114514585A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • 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
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明的目的在于提供一种通过简易的方法来判定动物将来染患疾病的可能性的疾病预测***等。一种疾病预测***，具备：受理单元，其受理除人以外的动物的面部图像的输入；以及判定单元，其使用学习完毕模型，根据输入到所述受理单元的动物的面部图像，来输出估计的该动物染患疾病的预测，所述疾病预测***的特征在于，所述学习完毕模型是如下的学习完毕模型：将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的疾病染患的有无用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为该动物染患疾病的预测。

Description

疾病预测***、保险费计算***以及疾病预测方法
技术领域
本发明涉及一种疾病预测***、保险费计算***以及疾病预测方法，详细地说，涉及一种根据动物的面部的图像来提供与动物将来的疾病染患可能性有关的信息的疾病预测***、保险费计算***以及疾病预测方法。
背景技术
以狗、猫、兔为首的宠物动物、以牛、猪为首的家畜对人类而言是无可替代的存在。近年来，人类饲养的动物的平均寿命大幅延长，另一方面，动物在其一生之中染患某种疾病的情况增多，饲养者所负担的医疗费的增加成为问题。
为了维持动物的健康，重要的是通过日常的饮食、运动等来管理身体状况并对不良状况迅速应对，但是由于动物无法用自己的语言来诉说身体的不良状况，因此实际情况是，在症状发展而产生了外形上能够观察到的某种征候时，饲养者才会察觉到动物染患了疾病。
因此，寻求一种通过简易的方法来获知动物将来是否有染患疾病的可能性的方法。特别是，如果能够在未染患疾病的状态、未出现任何症状的状态下获知将来染患疾病的可能性，则能够具体地采取用于疾病预防的措施，因此是有用的。
在专利文献1中，公开了一种计算机***，用于对受验者进行诊断，所述计算机***的特征在于，具备：第一图像获取单元，其获取伴有所述受验者的时间序列的变化的多张第一受验者图像；第一图像分析单元，其对获取到的所述第一受验者图像进行图像分析；第二图像获取单元，其获取伴有过去的其他受验者的时间序列的变化的多张第二受验者图像；第二图像分析单元，其对获取到的所述第二受验者图像进行图像分析；对照单元，其将所述第一受验者图像的图像分析的结果与所述第二受验者图像的图像分析的结果进行对照；以及诊断单元，其基于对照得到的结果来对所述受验者进行诊断。
然而，专利文献1是进行受验者的诊断的***，不是判定受验者将来的疾病染患可能性的***。
现有技术文献
专利文献
专利文献1：国际公开2018/211688号小册子
发明内容
发明要解决的问题
因此，本发明的目的在于提供一种通过简易的方法来判定动物将来染患疾病的可能性的疾病预测***等。
用于解决问题的方案
在办理以动物为对象的健康保险、所谓的宠物保险的保险公司中，积累了庞大数量的动物的照片和该动物在照片拍摄时以后的病历，本发明人们一直在探讨能否使用它们来解决上述问题。其结果发现，当将动物的照片和病历的记录作为训练数据来使人工智能进行学习时，能够生成根据动物的照片来判定该动物将来是否会染患疾病的预测模型，从而想到了本发明。
即，本发明是下面的[1]～[6]。
[1]一种疾病预测***，具备：受理单元，其受理除人以外的动物的面部图像的输入；以及判定单元，其使用学习完毕模型，根据输入到所述受理单元的动物的面部图像，来对该动物是否会染患疾病进行预测判定，所述疾病预测***的特征在于，
所述学习完毕模型是如下的学习完毕模型：将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的疾病染患的有无用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为该动物是否会染患疾病的预测判定。
[2]根据[1]的疾病预测***，所述动物是狗。
[3]根据[1]或[2]的疾病预测***，所述输入图像是从正面拍摄动物的面部所得到的图像。
[4]一种保险费计算***，用于将成为保险对象的动物的面部图像输入到根据[1]～[3]中的任一者的疾病预测***，根据输出的疾病染患的预测来决定该动物的保险费。
[5]一种疾病预测模型的制造方法，其特征在于，将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的染患疾病的有无用作训练数据来使人工智能进行学习。
[6]一种疾病预测方法，包括以下步骤：
准备除人以外的动物的面部图像；以及
将所述面部图像输入到学习完毕模型，使用所述学习完毕模型，根据输入的所述动物的面部图像来输出在规定期间内该动物是否会染患疾病的预测，
所述疾病预测方法的特征在于，
所述学习完毕模型是如下的学习完毕模型：将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的染患疾病的有无用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为该动物在规定期间内染患疾病的预测。
发明的效果
根据本发明，能够提供一种通过简易的方法来判定动物将来染患疾病的可能性的疾病预测***等。
附图说明
图1是示出较佳的动物的面部图像的一例的图。
图2是示出较佳的动物的面部图像的一例的图。
图3是示出本发明的保险费计算***的一个实施方式的结构概要图。
图4是实施例的学习所使用的动物的面部图像(照片)。
图5是实施例的学习所使用的动物的面部图像(照片)。
图6是实施例的学习所使用的动物的面部图像(照片)。
图7是示出实施例的学习所使用的图像的张数和测试结果的表。
具体实施方式
[疾病预测***]
本发明的疾病预测***具备：受理单元，其受理除人以外的动物的面部图像的输入；以及判定单元，其使用学习完毕模型，根据输入到所述受理单元的动物的面部图像，来判定并输出该动物的疾病染患的预测。
[受理单元]
本发明的受理单元是受理希望预测疾病染患的动物的面部图像的输入的单元。作为动物，列举有狗、猫、兔、雪貂等。图像的受理方法可以是扫描、图像数据的输入、发送等任意的方法。面部图像的格式不被特别限定，但面部图像优选为从正面拍摄动物的面部所得到的照片，更优选为如图1所示的动物的面部拍得大的照片。作为那样的照片，列举有如人的驾驶证的照片那样的照片。还优选如图2那样使用于动物的健康保险证的图像。图像可以是黑白、灰度、彩色中的任一种。未拍摄到动物的面部整体的图像、通过图像编辑软件编辑了形状的图像、拍摄有多个动物的图像、拍摄到的面部小到无法判别眼睛、耳朵的图像或不清晰的图像是不优选的。对于图像，优选的是被实施归一化而统一了分辨率等的图像。
[判定单元]
本发明的判定单元包括学习完毕模型，该学习完毕模型将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的疾病染患的事实用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为动物染患疾病的预测。
作为所述学习完毕模型，优选的是人工智能(AI)。人工智能(AI)是通过计算机模仿人脑所进行的智力作业的软件、***，具体是指理解人类使用的自然语言、进行逻辑推理、从经验中学习的计算机程序等。作为人工智能，可以是通用型、专用型中的任一种，也可以是深度神经网络、卷积神经网络等中的任一种，能够使用公开的软件。
为了生成学习完毕模型，使人工智能使用训练数据来进行学习。作为学习，可以是机器学习和深度学习(deep learning)中的任一种，但优选深度学习。深度学习是由机器学习发展得到的，特征在于能够自动地找出特征量。
作为用于生成学习完毕模型的学习方法，没有特别限制，能够使用公开的软件。例如，能够使用英伟达(NVIDIA)所公开的DIGITS(the Deep Learning GPU TrainingSystem：深度学习GPU训练***)。此外，例如也可以通过在“サポートベクターマシン入門(支持向量机入门)”(共立出版)等中公开的公知的支持向量机法(Support VectorMachine法)等进行学习。
用于学习的训练数据是动物的面部图像、以及该动物在从面部图像拍摄时起的规定期间内染患或未染患疾病的染患的有无，该规定期间内优选为三年以内，较优选为两年以内，更优选为一年以内。作为训练数据的动物的面部图像与上述受理方法中所说明的面部图像相同。该动物是否染患了疾病的信息例如作为保险索赔的事实(也称为“事故”)而能够从动物医院或投保的饲主等获得。也就是说，在该动物是被投保了宠物保险的动物的情况下，如果该动物去医院看病并被诊断为染患了疾病，则动物医院或饲主(宠物保险的投保人)向保险公司说明染患疾病的事实的同时请求支付保险金，因此保险公司能够获知该动物染患了疾病这一情况。另一方面，如果从面部图像的制作起直到经过规定时间为止没有请求保险金，则能够判断为被投保的该动物在该期间未染患疾病。
学习完毕模型既可以针对各种疾病的每一种来生成，也可以将多种疾病汇总在一起来生成。在针对各种疾病的每一种来生成学习完毕模型的情况下，对于染患了特定的疾病的动物，将在从染患该疾病起的规定期间前拍摄到的面部图像及染患了该疾病这一情况、作为比较对象的在从面部图像拍摄起的规定期间未染患疾病的动物的面部图像及在规定期间未染患疾病这一情况作为训练数据来进行学习。在将多种疾病汇总在一起进行学习的情况下，作为训练数据，准备如染患了某种疾病的动物及在从其染患起的规定期间前拍摄到的面部图像、染患了与该疾病不同的疾病的动物及在从其染患起的规定期间前拍摄到的面部图像、染患了又一种不同的疾病的动物及在从其染患起的规定期间前拍摄到的面部图像那样的多个种类的训练数据即可。
[疾病]
本发明中成为对象的疾病的种类不被特别限定，例如列举有眼科疾病、耳科疾病、皮肤科疾病。作为眼科疾病，列举有结膜炎、眼分泌物、角膜炎、角膜溃疡/糜烂、流泪症、白内障、绿内障。作为耳科疾病，列举有外耳炎、中耳炎。作为皮肤科疾病，列举有皮肤炎、特应性皮肤炎、脓皮症。
[输出]
本发明的判定单元当受理动物的面部图像作为输入信息时，通过上述学习完毕模型来进行该动物在从面部图像拍摄时起的规定期间内是否会染患疾病的预测判定，该规定期间内优选为三年以内，较优选为两年以内，更优选为一年以内。
输出的形式不被特别限定，例如能够通过在个人计算机的画面上进行“今后一年以内存在染患疾病的可能性”或“今后一年以内染患疾病的可能性低”这样的显示来输出预测判定。
在生成了对每种疾病特定的学习完毕模型的情况下，进行在图像受理后的规定期间内是否会染患该疾病的预测判定。在包含多种疾病在内地生成学习完毕模型的情况下，进行在图像受理后的规定期间内是否会染患训练数据中所包含的疾病中的特定的疾病的预测判定。
本发明的疾病预测***也可以另外具有输出单元，该输出单元从判定单元接收判定结果并输出判定结果。
[保险费计算***]
本发明的保险费计算***是将成为保险对象的动物的面部图像输入到上述的疾病预测***并根据输出的疾病染患的预测来决定该动物的保险费的***。在保险费的决定中，除了疾病染患的预测以外，也可以还使用该动物的种类、年龄、性别、体重等信息。
下面，参照图3来说明本发明的保险费计算***的一个实施方式。
在图3中，终端40是保险投保人(用户)利用的终端。关于终端40，例如列举有个人计算机、平板终端等。终端40构成为包括CPU等处理部、硬盘、ROM或RAM等存储部、液晶面板等显示部、鼠标、键盘、触摸面板等输入部、网络适配器等通信部。
保险投保人从终端40访问服务器，输入并发送成为保险对象的动物的面部图像(照片)以及该动物的种类、品种、照片拍摄时的年龄、体重、病史等信息。
另外，保险投保人通过终端40访问服务器，能够接收服务器中的疾病预测结果、保险费计算结果。
在本实施方式中，服务器由计算机构成，但只要具有本发明所涉及的功能，则任何装置都可以。
存储部10例如由ROM、RAM或硬盘等构成。在存储部10中存储有用于使服务器的各部动作的信息处理程序，特别是，存储有判定单元(学习完毕模型)11，以及根据需要而存储有保险费计算单元12。在构成为不以保险费的计算为目的而只是输出染患疾病的预测的疾病预测***的情况下，也可以不具有保险费计算单元12。
判定单元(学习完毕模型)11如上述那样将保险投保人所输入的成为保险对象的动物的面部图像设为输入，并输出包含在该图像中的动物在从照片拍摄时或面部图像输入时起的规定期间内(例如一年以内)是否会染患特定的疾病的预测。本实施方式中的判定单元(学习完毕模型)11例如构成为包括深度神经网络或卷积神经网络。
保险费计算单元12是根据上述判定单元11所输出的疾病染患的预测、以及保险投保人所输入的该动物的种类、品种、照片拍摄时的年龄、体重、病史等信息来计算该动物的保险费的软件。例如，软件是用于根据该动物的种类、品种、照片拍摄时的年龄、体重、病史等来进行保险费的等级划分、最后考虑上述判定单元11所输出的疾病染患的预测来修正该等级并计算最终的保险费的软件。
保险费计算单元12和判定单元(学习完毕模型)11也可以是一个软件。
处理运算部20使用存储于存储部的判定单元(学习完毕模型)11、保险费计算单元12来进行疾病染患的预测并计算保险费。
接口部(通信部)30具备受理单元31和输出单元32，从保险投保人的终端受理动物的面部图像、其它信息，向保险投保人的终端输出疾病染患的预测、保险费的计算结果。
通过本实施方式的保险费计算***，保险投保人通过将用于制作宠物的健康保险证的照片上传到服务器来制作宠物的健康保险证，同时能够获得宠物的保险费、将来染患疾病的预测结果。
实施例
使用图7的表中记载的张数的玩具贵宾犬的面部照片(作为一例，图4～图6的彩色照片。统一为256×256像素)进行深度学习，生成了学习完毕模型。
作为人工智能(神经网络)，使用GoogleNet，作为学习用软件，使用NVIDIA DIGITSVer.3.0.0，根据有无染患疾病对照片数据附加标签来进行深度学习。
对于眼科疾病，将在照片拍摄后的一年以内染患了眼科疾病的玩具贵宾犬的4800张照片、在一年以内未染患眼科疾病的玩具贵宾犬的4800张照片用作训练数据用照片来进行学习完毕模型A的生成。
对于所生成的学习完毕模型A，在使用用于学习的9600张照片中的2400张照片进行了测试时，有无眼科疾病的判定的正确率(将一年以内实际染患了疾病的动物的照片判定为“有染患疾病”的照片的张数与一年以内实际未染患疾病的动物的照片判定为“无染患疾病”的照片的合计张数相对于总张数的比例)为70.5％。
对于耳科疾病，将在照片拍摄后的一年以内染患了耳科疾病的玩具贵宾犬的6400张照片、在一年以内未染患耳科疾病的玩具贵宾犬的6400张照片用作训练数据用照片来进行学习完毕模型B的生成。
对于所生成的学习完毕模型B，在使用用于学习的12800张照片中的3200张照片进行了测试时，有无耳科疾病的判定的正确率为56.4％。
对于皮肤科疾病，将在照片拍摄后的一年以内染患了皮肤科疾病的玩具贵宾犬的6400张照片、在一年以内未染患皮肤科疾病的玩具贵宾犬的6400张照片用作训练数据用照片来进行学习完毕模型C的生成。
对于所生成的学习完毕模型C，在使用用于学习的12800张照片中的3200张照片进行了测试时，有无皮肤科疾病的判定的正确率为64.9％。
对于上述所生成的学习完毕模型A～C，使用未用作训练用数据的玩具贵宾犬的图像进行了判定。
对于眼科疾病，使用未用作训练用数据的玩具贵宾犬的4066张图像，其中的2033张为未染患眼科疾病的玩具贵宾犬的图像(“无事故”)、2033张为在从拍摄起的一年以内染患了眼科疾病的玩具贵宾犬的图像(“有事故”)。作为玩具贵宾犬的疾病的预测，学习完毕模型A的正确率为70.1％。
对于耳科疾病，使用未用作训练用数据的玩具贵宾犬的4000张图像，其中的2000张为未染患耳科疾病的玩具贵宾犬的图像(“无事故”)、2000张为在从拍摄起的一年以内染患了耳科疾病的玩具贵宾犬的图像(“有事故”)。作为玩具贵宾犬的疾病的预测，学习完毕模型B的正确率为55.0％。
对于皮肤科疾病，使用未用作训练用数据的玩具贵宾犬的4000张图像，其中的2000张为未染患皮肤科疾病的玩具贵宾犬的图像(“无事故”)、2000张为在从拍摄起的一年以内染患了皮肤科疾病的玩具贵宾犬的图像(“有事故”)。作为玩具贵宾犬的疾病的预测，学习完毕模型C的正确率为63.9％。

Claims (6)

1.一种疾病预测***，具备：受理单元，其受理除人以外的动物的面部图像的输入；以及判定单元，其使用学习完毕模型，根据输入到所述受理单元的动物的面部图像，来对该动物是否会染患疾病进行预测判定，所述疾病预测***的特征在于，
所述学习完毕模型是如下的学习完毕模型：将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的疾病染患的有无用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为该动物是否会染患疾病的预测判定。
2.根据权利要求1所述的疾病预测***，其特征在于，
所述动物是狗。
3.根据权利要求1或2所述的疾病预测***，其特征在于，
所述输入图像是从正面拍摄动物的面部所得到的图像。
4.一种保险费计算***，用于将成为保险对象的动物的面部图像输入到根据权利要求1～3中的任一项所述的疾病预测***，根据输出的疾病染患的预测来决定该动物的保险费。
5.一种学习完毕模型的生成方法，该学习完毕模型用于根据除人以外的动物的面部图像来对该动物在规定期间内是否会染患疾病进行预测，所述学习完毕模型的生成方法的特征在于，将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的染患疾病的有无作为训练数据输入到包括人工智能的计算机，来使人工智能进行学习。
6.一种疾病预测方法，包括以下步骤：
准备除人以外的动物的面部图像；以及
将所述面部图像输入到学习完毕模型，计算机使用所述学习完毕模型，根据输入的所述动物的面部图像来输出在规定期间内该动物是否会染患疾病的预测，
所述疾病预测方法的特征在于，
所述学习完毕模型是如下的学习完毕模型：将除人以外的动物的面部图像和该动物在从拍摄时起的规定期间内的染患疾病的有无用作训练数据来进行学习，将输入设为动物的面部图像且将输出设为该动物在规定期间内染患疾病的预测。
CN202080067618.3A 2019-10-28 2020-10-22 疾病预测***、保险费计算***以及疾病预测方法 Pending CN114514585A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-195404 2019-10-28
JP2019195404A JP6734457B1 (ja) 2019-10-28 2019-10-28 疾患予測システム、保険料算出システム及び疾患予測方法
PCT/JP2020/039795 WO2021085313A1 (ja) 2019-10-28 2020-10-22 疾患予測システム、保険料算出システム及び疾患予測方法

Publications (1)

Publication Number Publication Date
CN114514585A true CN114514585A (zh) 2022-05-17

Family

ID=71892279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080067618.3A Pending CN114514585A (zh) 2019-10-28 2020-10-22 疾病预测***、保险费计算***以及疾病预测方法

Country Status (5)

Country Link
US (1) US20220391757A1 (zh)
EP (1) EP4053762A4 (zh)
JP (1) JP6734457B1 (zh)
CN (1) CN114514585A (zh)
WO (1) WO2021085313A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7082647B2 (ja) * 2020-08-28 2022-06-08 アニコム ホールディングス株式会社 保険料算出システム及び保険料算出方法
WO2022163824A1 (ja) * 2021-01-29 2022-08-04 アニコム ホールディングス株式会社 肥満の予測方法
JP2022135180A (ja) * 2021-03-04 2022-09-15 アニコム ホールディングス株式会社 疾患予測システム、保険料算出システム及び疾患予測方法
CN113057593A (zh) * 2021-03-18 2021-07-02 杭州睿胜软件有限公司 图像识别方法、可读存储介质及电子设备
US20230005620A1 (en) * 2021-06-30 2023-01-05 Johnson & Johnson Vision Care, Inc. Systems and methods for identification and referral of at-risk patients to eye care professional
KR102591395B1 (ko) * 2021-07-19 2023-10-20 서울대학교병원 딥러닝 기반의 입천장심장얼굴 증후군(vcfs) 진단 지원 시스템 및 방법
EP4152341A1 (en) * 2021-09-16 2023-03-22 Mars, Incorporated Systems and methods for determining a cutaneous lesion score of a companion animal
JP7204852B1 (ja) * 2021-09-30 2023-01-16 アニコム ホールディングス株式会社 ペット保険査定支援装置、ペット保険査定支援システム、ペット保険査定支援方法
JP7204859B1 (ja) * 2021-10-29 2023-01-16 アニコム ホールディングス株式会社 性格判定システム及び性格判定方法
US20230274196A1 (en) * 2021-11-17 2023-08-31 Fetch, Inc. Techniques for displaying results of computationally improved simulations
JP7503041B2 (ja) * 2021-11-30 2024-06-19 アニコム ホールディングス株式会社 保険料算出システム及び保険料算出方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK0842475T3 (da) * 1995-07-25 2000-11-27 Horus Therapeutics Inc Computerunderstøttede fremgangsmåder og apparat til diagnosticering af sygdomme
JP2002132918A (ja) * 2000-10-26 2002-05-10 Matsushita Electric Ind Co Ltd ペット情報管理システム
JP2006185394A (ja) * 2004-12-28 2006-07-13 Pepco Japan Holdings Kk 動物販売管理システム
JP2009165416A (ja) * 2008-01-17 2009-07-30 Panasonic Electric Works Co Ltd ペットの生体データ計測システム
EP3430896B1 (en) * 2016-03-15 2020-05-13 Sony Corporation Information processing device, information processing method, and program
JP2017224188A (ja) * 2016-06-16 2017-12-21 アニドック株式会社 飼育動物の保険加入支援システム、飼育支援システム、及びプログラム
JP2018019611A (ja) * 2016-08-01 2018-02-08 パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ ペット向けリード型バイタル計測装置
JP2018082766A (ja) * 2016-11-21 2018-05-31 株式会社リコー 診断装置、診断方法、プログラム
WO2018179219A1 (ja) * 2017-03-30 2018-10-04 株式会社オプティム コンピュータシステム、動物診断方法及びプログラム
JP6433632B1 (ja) 2017-05-19 2018-12-05 株式会社オプティム コンピュータシステム、被験者診断支援方法及びプログラム
JP6928369B2 (ja) * 2017-06-29 2021-09-01 株式会社Ｐｅｃｏ 情報処理システム及びプログラム
JP6894858B2 (ja) * 2018-02-05 2021-06-30 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム
CN108922622B (zh) * 2018-07-10 2023-10-31 平安科技（深圳）有限公司 一种动物健康监测方法、装置及计算机可读存储介质
ES2716814A1 (es) * 2019-01-17 2019-06-17 Pigchamp Pro Europa S L Sistema integrado de control, predicción y erradicación de enfermedades en granjas de producción animal, mediante la combinación de dispositivos de control de movimientos, control ambiental y seguimiento de la salud animal, y su método de aplicación y valoración del riesgo biológico
JP7255229B2 (ja) * 2019-02-19 2023-04-11 京セラドキュメントソリューションズ株式会社 現像装置及び画像形成装置

Also Published As

Publication number Publication date
US20220391757A1 (en) 2022-12-08
EP4053762A1 (en) 2022-09-07
JP2021068382A (ja) 2021-04-30
WO2021085313A1 (ja) 2021-05-06
EP4053762A4 (en) 2023-10-11
JP6734457B1 (ja) 2020-08-05

Similar Documents

Publication Publication Date Title
JP6734457B1 (ja) 疾患予測システム、保険料算出システム及び疾患予測方法
KR102243830B1 (ko) 통합 의료 진단 서비스 제공 시스템 및 그 방법
US10600179B2 (en) Image analysis for determining characteristics of groups of individuals
WO2019204520A1 (en) Dental image feature detection
US9922243B2 (en) Image analysis for determining characteristics of pairs of individuals
WO2014127065A2 (en) Facial expression measurement for assessment, monitoring, and treatment evaluation of affective and neurological disorders
JP7503213B2 (ja) ペットの放射線医学画像を評価するためのシステム及び方法
Lake et al. Application of artificial intelligence algorithm in image processing for cattle disease diagnosis
CN114118755A (zh) 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质
US9098898B2 (en) Image analysis for determining characteristics of individuals
CN110110750B (zh) 一种原始图片的分类方法及装置
JP7082647B2 (ja) 保険料算出システム及び保険料算出方法
Owens et al. A review of applications of artificial intelligence in veterinary medicine
JP7503041B2 (ja) 保険料算出システム及び保険料算出方法
JP2023034419A (ja) システム、推定サーバ、それらの制御方法およびプログラム
US11004565B2 (en) Data aggregation, integration and analysis system and related devices and methods
CN117672501A (zh) 一种基于人工智能的宠物健康初筛***
WO2023008571A1 (ja) 個体識別システム及び個体識別方法
WO2023175931A1 (ja) 画像分類装置、画像分類方法、及び、記録媒体
GB2618780A (en) Health tracking method and system
Manlises et al. Classification of In-Bed Posture using Convolutional Neural Network (CNN)
Graham The potential impact of artificial intelligence in equine practice
Sweety et al. A Robust Deep Neural Network Framework for the Detection of Dementia
CN117953573A (zh) 基于深度学习的自动眼前节图像的处理方法、介质和设备
Thilakarathne et al. Dogodo: IoT Based Mobile Application to Provide Essential Health Services to Dogs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination