JP2002131123A

JP2002131123A - 波形データを用いてネットワークを介して機械を診断し検証するシステム及び方法

Info

Publication number: JP2002131123A
Application number: JP2001156217A
Authority: JP
Inventors: Piero Patrone Bonissone; ピエロ・パトロン・ボニッソン; Yu-To Chen; ユー−トゥー・チェン; Vipin Kewal Ramani; ヴィピン・ケワル・ラマニ; Rasiklal Punjalal Shah; ラスキラル・パンジャラル・シャー; John Andrew Johnson; ジョン・アンドリュー・ジョンソン; Philip Edward Steen; フィリップ・エドワード・スティーン; Ramesh Ramachandran; ラメシュ・ラマチャンドラン
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2000-05-26
Filing date: 2001-05-25
Publication date: 2002-05-09
Also published as: US6609217B1; EP1197861A2

Abstract

(57)【要約】【課題】波形データを用いてネットワークを介して機
械を診断し検証するシステム及び方法を提供する。【解決手段】既知の故障を有する機械（２０）からネ
ットワークを介して、履歴波形データ（１８）が機械を
修復するための対応する処置と共に得られて、これらを
用いて故障分類規則（７６及び７８）を展開する。故障
分類規則（７６及び７８）は診断用知識データベース
（１２）に記憶される。分類規則のデータベース（１
２）を用いて、未知の故障を有する機械（３２）からの
新たな波形データ（３０）をネットワークを介して診断
する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は一般的には、故障診
断に関し、より具体的には、機械から生成された波形デ
ータを用いて診断を行なうことに関する。

【０００２】

【発明の背景】工業的環境又は商業的環境のいずれにお
いても、撮像（イメージング）機械のような機械が誤動
作すると業務を深刻に妨げる可能性がある。従って、撮
像機械の誤動作を迅速且つ正確に修復することが不可欠
である。通常、計算機式断層写真法（ＣＴ）機械又は磁
気共鳴撮像（ＭＲＩ）機械のような撮像機械の誤動作時
には、現場技術者が呼び寄せられて、機械を診断して修
復する。典型的には、現場技術者はシステム性能試験を
実行して、画質又は撮像機械の状態を分析する。システ
ム性能試験から波形データが生成されて、波形データが
撮像機械の動作の「固有の特徴（signature）」を与え
る。波形データは、読み出し及びスライスの様々な組み
合わせについてデータ集合を構成する。システム性能試
験を実行した後に、現場技術者はこれらのデータ集合を
遠隔位置のサービス技術者に送付して誤動作の診断を支
援してもらう。サービス技術者は、データ集合を分析す
ると共に、撮像機械の誤動作を解決してきた技術者の蓄
積された経験を利用して、故障を示し得るあらゆる症状
を見出す。次いで、現場技術者は、サービス技術者が下
した診断に基づいて機械の誤動作をもたらしている可能
性のある問題の補正を試みる。データ集合が少量の情報
しか含んでいなければ、この方法は十分良好に機能す
る。しかしながら、大型の複雑な装置の場合には通例の
ことであるが、データ集合が大量の不正確な情報を含ん
でいると、現場技術者及びサービス技術者が故障を迅速
に診断するのは極めて困難になる。従って、大量の不正
確な情報を含んでいる波形データ集合から撮像機械の誤
動作を迅速に診断することのできるシステム及び方法が
必要とされている。

【０００３】

【発明の概要】本発明の一実施形態は、ネットワークを
介して遠隔施設から機械を診断するシステム及び方法に
関する。この実施形態では、診断用知識ベースが、機械
の故障を診断するための複数の規則と、故障を修復する
ための複数の補正処置とを含んでいる。診断用故障検出
器が、ネットワークを介して上述の遠隔施設に接続され
ている機械から生成された波形データを正常なデータと
故障データとして分類する。診断用特徴抽出器が、故障
データとして分類された波形データから複数の特徴を抽
出する。診断用特徴抽出器及び診断用知識ベースに結合
されている診断用故障分離器が、抽出された特徴につい
て故障の候補集合を分離して、この故障の候補集合の原
因である可能性が最も高い根本的原因を識別する。

【０００４】本発明のもう一つの実施形態は、機械から
生成された波形データの検証をネットワークを介して遠
隔施設から行なうシステム及び方法に関する。機械から
生成された波形データは、実行時データであってもよい
し、待機時動作データであってもよい。この実施形態で
は、診断用知識ベースが、機械の故障を診断するための
複数の規則を含んでいる。診断用故障検出器が、波形デ
ータを正常なデータと故障データとして分類する。診断
用特徴抽出器が、正常なデータとして分類された波形デ
ータから複数の特徴を抽出する。

【０００５】

【発明の実施の形態】ＣＴ機械又はＭＲＩ機械のような
医用撮像装置を参照して本発明の診断システムを説明す
る。医用撮像装置を参照して本発明を説明するが、波形
出力を生成する任意の装置（化学装置、機械装置、電子
装置、マイクロプロセッサ制御式装置）と共に本診断シ
ステムを用いることもできる。図１は本発明に従って撮
像機械を診断するシステム１０のブロック図を示す。診
断システム１０は、撮像機械の故障を診断するための複
数の規則を含む診断用知識ベース１２と、学習ユニット
１４と、診断ユニット１６とを含んでいる。学習ユニッ
ト１４は、複数の撮像機械２０から取得された波形デー
タ・ファイル１８の複数の集合を得る。学習ユニット１
４は、波形データの集合の各々から無縁のデータを除去
する学習用構文解析器２２と、波形データの集合の各々
を正常なデータと故障データとして分類する学習用フィ
ルタ２４と、故障データとして分類された波形データの
集合の各々から複数の特徴を抽出する学習用特徴抽出器
２６と、抽出された特徴を故障特性に分類するための複
数の段階を展開して、これらの段階を診断用知識ベース
１２に供給する学習用故障分類器２８とを含んでいる。

【０００６】診断ユニット１６は、撮像機械３２から新
たな波形データ・ファイル３０を得る。診断ユニット１
６は、新たな波形データから無縁のデータを除去する診
断用構文解析器３４と、新たな波形データを正常なデー
タと故障データとして分類する診断用故障検出器３６
と、故障データとして分類された新たな波形データから
複数の特徴を抽出する診断用特徴抽出器３８と、診断用
知識ベース１２に結合されており、抽出された特徴につ
いて故障の候補集合を分離して、この候補集合の原因で
ある可能性が最も高い根本的原因を識別する診断用故障
分離器４０とを含んでいる。学習ユニット１４及び診断
ユニット１６の両方がワークステーションのようなコン
ピュータに組み入れられている。但し、メインフレー
ム、ミニコンピュータ、マイクロコンピュータ又はスー
パコンピュータのような他の形式のコンピュータを用い
ることもできる。学習ユニット１４及び診断ユニット１
６の両方において実行されるアルゴリズムはＣ＋＋、Ｊ
ＡＶＡ（登録商標）及びＭＡＴＬＡＢでプログラムされ
るが、他の言語を用いてもよい。

【０００７】診断ユニット１６から生成された故障の候
補集合は知識統括者４１（本発明の場合はサービス技術
者）に提示される。サービス技術者は、候補集合を検査
して、ＭＲＩ機械３２の故障が正しく識別されたか否か
を決定する。故障が正しく識別されていなければ、サー
ビス技術者が正しい故障種別を識別して、学習ユニット
１４に新たな波形データ及び故障種別情報を入力して、
類似の性質を有する将来の故障を識別するのに利用でき
るようにする。具体的には、波形データ及び故障種別情
報を、構文解析のために学習用構文解析器２２に、また
学習用フィルタ２４、学習用特徴抽出器２６及び学習用
故障分類器２８に入力する。

【０００８】複数のＭＲＩ機械２０から生成された波形
データ・ファイル１８の複数の集合は、撮像用ファント
ムから得られたものである。波形データ・ファイル１８
の各々が、当該ファイルに関連した既知の故障を有す
る。既知の故障の幾つかを例示的であるが網羅的でなく
列挙すると、不適当に補償された長い時間定数の渦電
流、環境からの磁場擾乱、本体の前置増幅器による一定
位相の強度スパイク、ＩＰＧ欠陥によるスパイク、磁石
の上方又は下方の床上の回転機械装置による高速振動、
Ｙ軸ＧＲＡＭ欠陥による破損、及び本体コイル上のルー
ズ・ダイナミック・ディスエーブル・ボックスＲＦコネ
クタによる破損がある。

【０００９】ファントムの２つの被走査区域は頭部及び
胴体である。ファスト・スピン・エコー（ＦＳＥ）試験
及びファスト・グラディエント（ＦＧＲＥ）試験が頭部
及び胴体の両方について実行される。ＦＳＥ試験は高い
ＲＦデューティ・サイクルを有しており、ＲＦ関連の問
題に対して相対的に感受性が高くなる一方、勾配駆動器
に主にストレスを与えるＦＧＲＥ試験は勾配関連の問題
に対して相対的に感受性が高い。次いで、これらの試験
を多数の位置で実行して、完全なデータ集合を生成す
る。完全なデータ集合は９０のデータ集合で構成され
る。ＦＧＲＥデータは２５６のデータ点を含む一方、Ｆ
ＳＥデータは５１２のデータ点を含む。本発明による波
形データ・ファイル１８のデータ構造４２の一例を図２
に示す。データ構造４２は頭部及び胴体の２つの範疇に
分割される。前述のように、頭部及び胴体の両方につい
て、様々な位置でＦＳＥ試験及びＦＧＲＥ試験が実行さ
れる。例えば、図２に示すように、胴体のＦＳＥデータ
集合はＸＹ（Ｘスライス、Ｙ読み出し）においてＬ７８
（左７８）、ｉｓｏ（イソセンタ）及びＲ７８（右７
８）で取得される。図２に掲げてあるその他の頭文字
は、Ｐ（体後部）、Ａ（体前部）、Ｉ（下肢）及びＳ
（上体）である。頭部ＦＳＥ及びＦＧＲＥ、並びに胴体
ＦＳＥ及びＦＧＲＥの両方について様々な位置で取得さ
れたデータは３つの変数ｘ₁（ｔ_j）、ｘ₂（ｔ_j）及
びｘ₃（ｔ_j）を表わす。ｘ₁（ｔ_j）変数はエコー・
シフトを表わし、ｘ₂（ｔ_j）変数は一定位相ドリフト
を表わし、ｘ₃（ｔ_j）変数は強度ドリフトを表わす。
なお、ｔ_jはｊ番目の時刻を示す。３つの変数ｘ₁（ｔ
_j）、ｘ₂（ｔ_j）及びｘ₃（ｔ_j）を時間にわたって
サンプリングして、ｎ個の点から成る３つの時系列プロ
ット４４を作成する。頭部ＦＳＥ、頭部ＦＧＲＥ、胴体
ＦＳＥ及び胴体ＦＧＲＥについての時系列プロット４４
の一例を図３に示す。

【００１０】各々の波形データ・ファイル１８は学習ユ
ニット１４に入力される。次いで、学習用構文解析器２
２が各々のファイルからデータを抽出する。学習用構文
解析器２２が実行する工程を表わす流れ図を図４に示
す。学習用構文解析器は、ステップ４６において各々の
履歴事例について波形データ・ファイルの一つを得るこ
とから始める。ステップ４８において、ヘッダ情報（す
なわち、システム・ハードウェア、ソフトウェアのバー
ジョン、ＭＲＩの設置箇所、ＭＲＩの形式、製造年月
日、日付スタンプ等）を検索して、情報ファイルに保存
する。ステップ５０においてファイル内のデータの各々
のブロックについて波形データを抽出して、ステップ５
２において構文解析済ファイルに保存する。波形データ
・ファイルのすべてを構文解析し終えたら、この過程は
終了する。

【００１１】各々の波形データ・ファイル１８がデータ
及び情報について構文解析された後に、これらのファイ
ルを前処理のために学習用フィルタ２４に入力して、さ
らなる処理のために学習用特徴抽出器２６に入力する。
図５は学習用フィルタ２４及び学習用特徴抽出器２６が
実行する工程を表わす流れ図を示す。本発明では、学習
用フィルタは粗大（gross）フィルタ及び細密（fine）
フィルタである。ステップ５６において、学習用フィル
タは学習用構文解析器から波形データ・ファイルを得
る。ステップ５８において、各々のファイル毎に、学習
用フィルタは時間領域解析、周波数領域解析及びウェー
ブレット解析を行なう。時間領域解析の場合には、時系
列データを用いてグラフのピーク間の値、グラフの曲線
の下方面積（積分）及び曲線の勾配（微分係数）を算出
する。周波数領域解析は、高速フーリエ変換（ＦＦＴ）
を用いて、相対強度を解析するためにデータの時系列プ
ロットを異なる周波数成分に分解する。ウェーブレット
解析は、ＦＦＴの対応演算である離散ウェーブレット変
換（ＤＷＴ）を用いることにより行なわれる。ＦＦＴと
同様に、ＤＷＴもサンプル数が２の羃乗であることを要
求する。ＤＷＴは信号を異なる時間尺度又は分解能で解
析する。大きいウィンドウの場合には「粗大な」特徴を
認識することができる一方、小さいウィンドウの場合に
はスパイク等の「微細な」特徴を認識することができ
る。ＤＷＴでは、母ウェーブレット（元の基底関数）を
スケール変換したものに係数Ｗ_iを乗算し、その有限和
によって信号を近似する。

【００１２】時間領域解析、周波数領域解析及びウェー
ブレット解析を用いて、ステップ６０において特徴を抽
出する。所望があれば、サービス技術者が頭部ＦＳＥ、
頭部ＦＧＲＥ、胴体ＦＳＥ及び胴体ＦＧＲＥの時系列プ
ロットのすべてを視覚化できるように、時間領域解析、
周波数領域解析及びウェーブレット解析を実行した後に
残存するデータに対してデータ可視化ルーチンを適用し
てもよい。時間領域解析から抽出される特徴は、次の通
りである。

【００１３】下記の式として定義される時系列の最小値

【００１４】

【数１】

【００１５】下記の式として定義される時系列の最大値

【００１６】

【数２】

【００１７】下記の式として定義される時系列のピーク
間距離ｖ_3,i＝ｖ_2,i−ｖ_1,i （３）。

【００１８】下記の式として定義される時系列平均

【００１９】

【数３】

【００２０】下記の式として定義される時系列の標準偏
差

【００２１】

【数４】

【００２２】下記の式として定義される最初の６４サン
プルの間での時系列の最小絶対値

【００２３】

【数５】

【００２４】下記の式として定義される最初の６４サン
プルでの最小値の時刻ｖ_7,i＝ｊ_min、（７）ここで、ｘ_i（ｔ_jmin）＝ｖ_6,i
。

【００２５】下記の式として定義される最初の６４サン
プルでの最小値の符号ｖ_8,i＝ｓｉｇｎ｛ｘ_i（ｔ_jmin）｝、（８）ここで、ｘ_i（ｔ_jmin）＝ｖ_6,i
。

【００２６】下記の式として定義される最初の６４サン
プルの間での時系列の最大絶対値

【００２７】

【数６】

【００２８】下記の式として定義される最初の６４サン
プルでの最大値の時刻ｖ_10,i＝ｊ_max、（１０）ここで、ｘ_i（ｔ_jmax）＝ｖ_9,i
。

【００２９】下記の式として定義される最初の６４サン
プルでの最大値の符号ｖ_11,i＝ｓｉｇｎ｛ｘ_i（ｔ_jmax）｝、（１１）ここで、ｘ_i（ｔ_jmax）＝ｖ_9,i
。

【００３０】及び下記の式として定義される最初の６４
サンプルの間での時系列微分係数を近似する線分の勾配ｖ_12,i＝［ｘ_i（ｔ₆₄）−ｘ_i（ｔ₁）］／６３（１２）。

【００３１】周波数領域解析から抽出される特徴は、次
の通りである。

【００３２】下記の式として定義されるパワー・スペク
トルの最大振幅

【００３３】

【数７】

【００３４】（ここで、Ａ_jはｘ_i（ｔ_j）のＦＦＴのｊ
番目の振幅である）。

【００３５】下記の式として定義される最大振幅が生ず
る所での周波数

【００３６】

【数８】

【００３７】（ここで、Ｆ_jはｘ_i（ｔ_j）のＦＦＴのｊ
番目の周波数成分である）。

【００３８】及び下記の式として定義される全パワー

【００３９】

【数９】

【００４０】（ここで、Ｃ_jはｘ_i（ｔ_j）のＦＦＴのｊ
番目の係数である）。

【００４１】ウェーブレット解析から抽出される特徴
は、ウェーブレット変換の係数Ｗ_iがすべて算出された
後に決定される。第一のウェーブレットの特徴は、全ス
パイクの中での最大絶対値である。この特徴は、最後の
２つのウェーブレット係数（Ｗ _n,i、Ｗ_n-1,i）の撒布
プロットにおける点に対して適用される。これらの係数
がスパイクのよい指標であるから、スパイクに含まれる
エネルギは、母ウェーブレット又はＦＦＴによって用い
られる全長時間ウィンドウ上においては顕著であるとは
考えない。しかしながら、スパイクに含まれるエネルギ
は、非常に狭められた時間ウィンドウでの信号の残部と
比較すると、相当なものであって容易に検出することが
できる。全スパイクの中での最大絶対値を決定するため
には、クラスタ化したデータの重心座標を先ず算出しな
ければならない。クラスタ化したデータの重心座標は下
記の式として定義される。

【００４２】

【数１０】

【００４３】次に、撒布プロットのすべての孤立値（す
なわち、クラスタ化したデータの重心からかなり離隔し
た点）を識別する。孤立値は下記の式として定義され
る。

【００４４】

【数１１】

【００４５】次に、孤立値のための閾値として３倍標準
偏差を用いる。代替的には、フィルタ処理を用いてゼロ
付近の弱い信号について幾分かのノイズを除去してもよ
い。最後に、重心から最も離隔した孤立値、すなわち最
も強いスパイクであると考えられる孤立値が下記の式と
して定義される。

【００４６】

【数１２】

【００４７】決定される次のウェーブレットの特徴は、
下記の式として定義される最も強いスパイクの符号であ
る。

【００４８】ｖ_17,i＝ｓｉｇｎ｛Ｗ_k,jmax｝（１７）ここで、

【００４９】

【数１３】

【００５０】である。

【００５１】決定されるもう一つのウェーブレットの特
徴は、下記の式として定義される最も強いスパイクが生
じた時刻である。

【００５２】ｖ_18,i＝ｊ_max （１８）ここで、

【００５３】

【数１４】

【００５４】である。

【００５５】決定されるさらにもう一つのウェーブレッ
トの特徴は、下記の式として定義されるスパイク数であ
る。

【００５６】

【数１５】

【００５７】ここで、ｄ_i,jは、３倍標準偏差よりも大
きい。

【００５８】図５に戻って述べると、特徴が抽出された
後に、ステップ６２において、一つのファイルについて
時間領域の特徴、周波数領域の特徴及びウェーブレット
の特徴についてのベクタを形成する。次に、ステップ６
４においてベクタを組み合わせて特徴ベクタを得る。特
徴ベクタは、特徴空間において変数ｘ₁（ｔ_j）、ｘ ₂
（ｔ_j）、ｘ₃（ｔ_j）の各々の時系列値を表現する。
すべての特徴が抽出された後に、ステップ６６におい
て、特徴ベクタを特徴行列に配置する。本発明では、特
徴行列は９０×１９行列となる。ステップ６８において
さらにファイルが存在すると判断されたら、すべてのフ
ァイルについて特徴が抽出されるまでステップ５６〜６
６を繰り返す。

【００５９】すべての波形データ・ファイルから特徴が
抽出された後に、学習用故障分類器２８に特徴を印加し
て、ここで複数の規則を展開する。これらの規則を用い
て、特徴行列を特定の故障特性に分類する。図６は、学
習用故障分類器２８のブロック図をさらに詳細に示して
いる。学習用故障分類器は、規則ベース７２と、規則ベ
ースから最もよく当てはまる段階を選択する規則選択器
７４とを有するエキスパート・システム７０で構成され
ている。規則ベース７２は、ＦＳＥ規則集合７６とＦＧ
ＲＥ規則集合７８とを含んでいる。ＦＳＥ規則集合及び
ＦＧＲＥ規則集合の両方とも、以下の例示的故障につい
て定義されているＩＦ−ＴＨＥＮ規則に基づく。

【００６０】ｆ₁：不適当に補償された長い時間定数の
渦電流、ｆ₂：環境からの磁場擾乱、ｆ₃：一定位相の強度スパイク、ｆ₄：ＩＰＧ欠陥によるスパイク、ｆ₅：床上の回転機械装置による高速振動、ｆ₆：Ｙ軸ＧＲＡＭ欠陥による破損、及びｆ₇：ルーズ・ダイナミック・ディスエーブル・ボック
スＲＦコネクタによる破損。

【００６１】本発明はこれらの故障に限定されている訳
ではなく、他の可能性のある故障としては、ＲＦ受信故
障、ＲＦ送信故障、ＲＦ受信及び送信故障、シム故障、
Ｓ−Ｖ磁石の固有の特徴のある故障、定常状態擾乱（す
なわち振動）、勾配軸故障、磁石擾乱、定常状態擾乱
（すなわち冷却ヘッド及び磁気異常、過渡的振動、低信
号を有するＳＮＲ、並びに高雑音を有するＳＮＲ）等が
ある。

【００６２】本発明では、故障ｆ₁〜ｆ₇は、下記の規則
を用いることにより識別される。

【００６３】Ｒ_1A→ｆ₁ スライスＹ、読み出しＺにつ
いて適用可能、Ｒ_1B→ｆ₁ スライスＺ、読み出しＸについて適用可
能、Ｒ_2A→ｆ₂ スライスＸ、読み出しＹについて適用可
能、Ｒ_2B→ｆ₂ スライスＹ、読み出しＺについて適用可
能、Ｒ_3A→ｆ₃ ＦＳＥについて適用可能、Ｒ_3B→ｆ₃ ＦＧＲＥについて適用可能、Ｒ_4A→ｆ₄ ＦＳＥについて適用可能、Ｒ_4B→ｆ₄ ＦＧＲＥについて適用可能、Ｒ₅→ｆ₅ ＦＳＥについて適用可能、Ｒ_6A→ｆ₆ ＦＳＥについて適用可能、Ｒ_6B→ｆ₆ ＦＧＲＥについて適用可能、Ｒ_7A→ｆ₇ ＦＳＥについて適用可能、及びＲ_7B→ｆ₇ ＦＧＲＥについて適用可能。

【００６４】Ｒ_1A〜Ｒ_7Bについて言語的に表現した規則
は次の通りである。

【００６５】Ｒ_1A：位置に拘わらず、ｘ₁が最初の６４
サンプルにおいて吐出（discharge ）を示すが、ｘ₂及
びｘ₃は正常である；Ｒ_1B：位置に拘わらず（ＩＳＯを除く）、ｘ₂が最初の
６４サンプルにおいて吐出を示すが、ｘ₁及びｘ₃は正
常である；Ｒ_2A：位置に拘わらず、ｘ₂が大きい偏位を示すが、ｘ
₁及びｘ₃は正常である；Ｒ_2B：位置に拘わらず、ｘ₂が極めて大きい偏位を示す
が、ｘ₁及びｘ₃は殆ど正常である；Ｒ_3A：ｘ₂及びｘ₃が凡そ同じ時刻に反対符号のただ１
つのスパイクを示すが、ｘ₁は正常である；Ｒ_3B：ｘ₂及びｘ₃が凡そ同じ時刻に反対符号のただ１
つのスパイクを示すが、ｘ₁は正常である；Ｒ_4A：ｘ₁、ｘ₂及びｘ₃が２つのスパイクを示し、１
つのスパイクが再度伝播しており、スパイクは３つのす
べての変数にわたって凡そ同じ時刻に発生している；Ｒ_4B：ｘ₁、ｘ₂及びｘ₃が２つのスパイクを示し、１
つのスパイクが再度伝播しており、スパイクは３つのす
べての変数にわたって凡そ同じ時刻に発生している；Ｒ₅：ｘ₂が両方向に多数のスパイクを示すが、ｘ₁及
びｘ₃は正常である；Ｒ_6A：ＩＳＯ位置を除き、ｘ₂がすべて同じ方向にある
反復するスパイクを示し、さらに、ｘ₂でのスパイクは
イソセンタの相対向する側では反対の方向を有する一
方、ｘ₁は正常であり、ｘ₃は同程度に正常であると想
定されるが、データ集合では入手できない；Ｒ_6B：ＩＳＯ位置を除き、ｘ₁がすべて同じ方向にある
反復するスパイクを示すが、ｘ₂及びｘ₃は正常であ
る；Ｒ_7A：ＩＳＯ位置を除き、ｘ₂及びｘ₃が反対の方向に
ある多数のスパイクを示すが、ｘ₁は多数の小さいスパ
イクを示す；並びにＲ_7B：ｘ₂に大きいスパイクがある。

【００６６】以上の規則の各々が、データが与えられた
場合に規則が真であるか否かを決定するために満たさな
ければならない条件の集合を定義する叙述連合を有して
いる。規則は、当該規則の項のすべてが満たされた場合
に満足され、すなわち、根本にあるすべての制約条件を
波形データが満たした場合に満足される。本発明では、
規則Ｒ１Ａ〜Ｒ７Ｂの項の幾つかは下記の意味を有す
る。

【００６７】「吐出」：最初の６４サンプルにおける微
分係数［ｖ_9,i］を同じ最初の６４サンプルにおける最
小値及び最大値［ｖ_6,i、ｖ_7,i］と結合したもの；「正常」：全パワー［ｖ_12,i］が小さく、大強度を有す
るスパイクが存在しないことを意味する；「殆ど正常」：正常な信号に加えて雑音が存在している
ことを意味する；「大きい偏位」：範囲が５倍乃至６倍標準偏差よりも大
きい（平均の両側に２．５σ〜３．０σずつ）ことを意
味する；「極めて大きい偏位」：範囲が７倍乃至８倍標準偏差よ
りも大きい（平均の両側に３．５σ〜４．０σずつ）こ
とを意味する；「ただ１つのスパイク」：ｖ_16,iによるスパイクの存在
から得られ、且つスパイク数ｖ_19,i＝１である；「反対符号のスパイク」：ｘ_i及びｘ_jの特徴ベクタに
ｖ_17,iを適用して、２つの符号が反対であることを確認
することにより得られる；「凡そ同じ時刻」：２つの事象が短時間（一般的には
３乃至５時間ステップ）内に生じている場合であり、２
つの変数ｘ_i及びｘ_jに対してｖ_18,iを適用して、スパ
イクの時刻がこの小さい時間ウィンドウ内にあることを
確認することにより決定される；「２つのスパイク」：Ｐ_1,iによるスパイクの存在を検
出することにより、スパイク数ｖ_19,i＝２である場合に
得られる；「反復するスパイク」：有限の時間内で類似した強度を
有する２つの連続したスパイクである；「多数の小さいスパイク」：最後の二つのウェーブレッ
ト係数の撒布プロットにおいてクラスタ化したデータの
重心から３σよりも離隔して位置する小さい強度を有す
る多数の点である、及び「多数のスパイク」：最後の二つのウェーブレット係数
の撒布プロットにおいてクラスタ化したデータの重心か
ら遠くに離隔して位置する比較的大きい強度を有する多
数の点である。

【００６８】次いで、規則Ｒ_1A〜Ｒ_7Bを定式化し直して
ＩＦ−ＴＨＥＮ規則とし、ＦＳＥ規則集合７６及びＦＧ
ＲＥ規則集合７８に記憶させる。例えば、ＦＳＥモード
についてのＲ_3Aは、もし（ＩＦ）ｘ₂及びｘ₃が凡そ同
じ時刻に反対符号のただ１つのスパイクを示すが、ｘ₁
は正常である、ならば（ＴＨＥＮ）故障はｆ₃である、
というように定式化される。その他の規則も同様の態様
で定式化される。

【００６９】図６に戻ると、規則集合を展開した後に、
融合モジュール８０がこれらの規則を、抽出された特徴
行列、ＦＳＥデータ、ＦＧＲＥデータ及びスライス・デ
ータ等の情報と共に用いて、故障種別を決定する。加え
て、融合モジュール８０は、利用可能なデータの量、デ
ータが取得された位置の数、多数のスライス位置等のそ
の他の因子を考慮して、故障種別を宣言するに当たって
の信頼性を示す信頼値を与える。本質的に、データの完
全性は、故障の分類及び特性決定の信頼性を決定する際
の主要な因子となる。例えば、胴体ＦＳＥデータ及び胴
体ＦＧＲＥデータしか存在していない場合には、信頼値
は０．５となる。故障種別及び信頼値が割り当てられた
後には、サービス技術者がこれらの値を用いて、故障種
別及び信頼値ルーチンによって故障の原因である可能性
が最も高い根源的な原因を識別することができる。加え
て、サービス技術者はこの情報を用いて故障を補正する
推奨解決策を決定することができる。

【００７０】図７は、学習用故障分類器２８が実行する
処理工程を表わす流れ図を示す。処理工程はステップ８
２から開始して、このステップですべての特徴行列を学
習用特徴抽出器から得る。次いで、ステップ８４におい
て各々の特徴行列を検査する。次いで、ステップ８６に
おいて、行列内の最も特徴的な特徴及び変数を識別す
る。具体的には、特徴ベクタを検査して、特定の変数が
所定の閾値を上回っているか否かを決定する。ステップ
８８においてさらに特徴行列が存在していると判断され
たら、ステップ９０において次の特徴行列を検索して、
ステップ８６において検査して最も特徴的な特徴ベクタ
及び変数を決定する。この過程は、すべての特徴行列が
検査されるまで続行する。次いで、ステップ９２におい
て、特徴的な特徴ベクタ及び変数を用いて、ＦＳＥ規則
集合及びＦＧＲＥ規則集合を定式化する。これらの規則
集合が新たな波形データの集合に対しても機能すること
を確認するために、ステップ９４において規則を試験す
る。規則集合を試験した後に、ステップ９６において、
規則を診断用知識ベースへ送る。

【００７１】規則集合が診断用知識ベース１２へ送られ
た後には、診断ユニット１６を、未知の故障を有するＭ
ＲＩ機械からの新たな波形データの診断に用いる準備が
できる。図１に戻ると、診断ユニット１６は、未知の故
障を生じているＭＲＩ機械３２から生成された新たな波
形データ・ファイル３０を受け取る。新たな波形データ
・ファイル３０は、サービス技術者か、又は現場技術者
による遠隔ダイヤルイン接続のいずれかによって、診断
用構文解析器３４において診断ユニット１６に入力され
る。

【００７２】診断用構文解析器３４が実行する工程は、
図４で述べた学習用構文解析器２２の工程と実質的に同
じである。本質的に、診断用構文解析器３４は、新たな
波形データ・ファイル３０からデータのブロックを抽出
して、各々のスライス−読み出し及び位置のデータ集合
毎にファイルに保存する。加えて、システム・ハードウ
ェア、ソフトウェアのバージョン、磁石形式、設置箇所
情報、日付スタンプ及び他の関連情報についての情報を
含むヘッダのために情報ファイルが作成される。新たな
波形データ・ファイル３０を構文解析した後に、前処理
のためにファイルを診断用故障検出器３６に入力する。
学習用フィルタ２４と同様に、診断用故障検出器３６
は、新たな波形データを正常なデータと故障データとし
て分類する粗大フィルタ及び細密フィルタである。具体
的には、各々のデータのブロックに対して、時間領域解
析、周波数領域解析及びウェーブレット解析を行なう。
フィルタ処理に加えて、現場技術者及び／又はサービス
技術者が頭部ＦＳＥ、頭部ＦＧＲＥ、胴体ＦＳＥ及び胴
体ＦＧＲＥについての時系列プロットのすべてを視覚化
できるように、構文解析済のデータ・ファイルにデータ
可視化ルーチンを適用してもよい。

【００７３】時間領域解析、周波数領域解析及びウェー
ブレット解析が実行された後に、診断用特徴抽出器３８
が各々のブロック毎に複数の特徴ベクタを抽出して、こ
れらの特徴ベクタを特徴行列に入れる。診断用故障検出
器が波形データを正常と分類した場合であれば、診断ユ
ニット１６は機械の動作が故障していない旨を出力す
る。本発明のこの側面は、実行時モード又は待機動作モ
ードのいずれかに生成される波形データの検証を行なう
のに好適である。しかしながら、故障データについて
は、次いで、抽出された特徴行列を診断用故障分離器４
０に入力して、診断用故障分離器４０は診断用知識ベー
ス１２と共に動作して故障の候補集合を分離する。本発
明では、診断用故障分離器４０は規則ベース推論エキス
パート・システムである。学習用故障分類器と同様に、
診断用故障分離器４０は、規則ベース（ＦＳＥ規則集合
及びＦＧＲＥ規則集合）と、規則ベースから最もよく当
てはまる規則を選択する規則選択器とを有するエキスパ
ート・システムで構成されている。代替的には、事例ベ
ース推論、推論分類（すなわち、線形分類器、ニューラ
ル・ネットワーク、規則ベース分類器及び距離分類器）
並びにファジィ推論のような他の形式の人工的推論手法
を用いてもよい。

【００７４】図８は、診断用故障分離器４０が実行する
故障分離処理工程を表わす流れ図を示す。処理工程はス
テップ９８から開始して、このステップで特徴行列を診
断用特徴抽出器３８から得る。次いで、ステップ１００
において特徴行列を検査する。次いで、ステップ１０２
において、行列内で最も特徴的な特徴及び変数を識別す
る。具体的には、特徴ベクタを検査して、特定の変数が
所定の閾値を上回っているか否かを決定する。次に、ス
テップ１０４において、診断用知識ベース内の規則集合
を特徴行列に適用する。規則は、最も特徴的であると識
別された特徴に従って適用されて、ステップ１０６にお
いてこれらの規則を用いて、ＭＲＩ機械３２に関連した
故障の原因となり得る故障の候補集合を生成する。

【００７５】次いで、この故障が故障の原因である可能
性が最も高いとの確信を示すそれぞれの信頼値と共に、
故障の候補集合がサービス技術者に提示される。次い
で、サービス技術者は候補集合を検査して、ＭＲＩ機械
３２の故障が正しく識別されているか否かを決定する。
故障が正しく識別されていなかった場合には、サービス
技術者は正しい故障種別を識別して、将来の故障を識別
するために新たな波形データを学習ユニット１４に入力
する。具体的には、波形データ及び故障種別情報を、構
文解析のために学習用構文解析器２２に、また学習用フ
ィルタ２４、学習用特徴抽出器２６及び学習用故障分類
器２８に入力する。

【００７６】ここで、図９を参照して述べると、図１に
示す診断システム１０のようなシステムを含めた複数の
医療診断システム１０１２に対して遠隔サービスを提供
するサービス・システム１０１０が図示されている。図
９に示す実施形態では、医療診断システムには、磁気共
鳴イメージング（ＭＲＩ）・システム１０１４、計算機
式断層写真法（ＣＴ）システム１０１６、及び超音波イ
メージング・システム１０１８が含まれている。各診断
システムは医療施設１０２０のような単一の位置又は施
設に配置されていてもよいし、或いは超音波システム１
０１８の例に示すように互いから遠隔に位置していても
よい。診断システムは集中サービス施設１０２２からサ
ービスを受ける。さらに、サービス要求の送信、サービ
ス状態の確認及びサービス・データの送信等を行なうた
めに複数の現場サービス・ユニット１０２４をサービス
・システムに結合してもよい。このことについては後に
さらに詳細に説明する。

【００７７】図９の例示的な実施形態では、様々な異な
るシステム・モダリティに対してサービス施設によって
遠隔サービスが提供される。遠隔サービスは、遠隔監
視、遠隔システム制御、遠隔位置からの即時ファイル・
アクセス、遠隔ファイル記憶及び保管、遠隔リソース・
プール、遠隔記録、並びに遠隔高速計算等のサービスを
包含するが、これらに限定されない。遠隔サービスは、
サービス施設の能力、施設とのサービス契約に加入した
診断システムの形式、及び他の因子に応じて特定のモダ
リティに対して提供される。但し、一般的には、本発明
の手法は、ＭＲＩシステム、ＣＴシステム、超音波シス
テム、ポジトロン・エミッション断層写真法（ＰＥＴ）
システム及び核医学システム等を含めた広範な医療診断
システム・モダリティに遠隔サービスを提供するのに特
に好適である。さらに、本発明の手法に従ってサービス
を受ける様々なモダリティ・システムは、異なる形式、
製造及びモデルのものであってよい。

【００７８】システムのモダリティに応じて、様々な下
位要素又は下位システムが包含される。ＭＲＩシステム
１０１４の場合には、かかるシステムは一般的には、ス
キャナ、制御及び信号検出回路、システム制御器、並び
に操作者ステーションを含んでいる。ＭＲＩシステム１
０１４は、サービス要求、メッセージ及びデータをサー
ビス施設１０２２と対話的に交換する統一的プラットフ
ォームを含んでおり、このことについては後にさらに詳
細に説明する。ＭＲＩシステム１０１４は通信モジュー
ル１０３２に結合されており、通信モジュール１０３２
はＭＲＩシステム１０１４から分離した単一又は別個の
物理的パッケージに含まれていてよい。典型的なシステ
ムでは、システム１０１４に、スキャナから収集された
データに基づいて再構成画像を形成するプリンタ又は写
真システムのような追加要素が含まれていてもよい。

【００７９】同様に、ＣＴシステム１０１６は典型的に
は、スキャナ、信号取得ユニット及びシステム制御器を
含んでいる。スキャナは、関心のある被検体を通過する
ように方向制御されたＸ線放射線の部分を検出する。制
御器は、スキャナの動作を指令すると共に、取得された
信号に基づいて画像データを処理して再構成するサーキ
ットリ（回路要素）を含んでいる。ＣＴシステム１０１
６は、遠隔サービスのためにデータを送受する通信モジ
ュール１０４８に結合されている。さらに、ＭＲＩシス
テム１０１４と同様に、ＣＴシステム１０１６も一般的
には、スキャナによって収集されたデータに基づいて再
構成画像を出力するプリンタ又は類似の装置を含んでい
る。

【００８０】超音波システム１０１８の場合には、かか
るシステムは一般的には、スキャナ、データ処理ユニッ
ト及びシステム制御器を含んでいる。超音波システム１
０１８は、超音波システム１０１８とサービス施設１０
２２との間でサービス要求、メッセージ及びデータを伝
達するための通信モジュール１０６２に結合されてい
る。

【００８１】本書では診断システムの「スキャナ」を一
般的に参照するが、この用語は、医療診断データ取得設
備を全体的に包含しており、画像データ取得に限定され
ず、医療診断分野での画像保管通信及び検索システム、
画像管理システム、設備又は施設管理システム及び閲覧
システム等を参照していることを理解されたい。

【００８２】図９のＭＲＩシステム１０１４及びＣＴシ
ステム１０１６の例に示すように、単一の施設又は箇所
に１よりも多い医療診断システムが設けられている場合
には、これらのシステムは、病院又は診療所の放射線部
門のような管理ステーション１０７０に結合されていて
もよい。管理ステーションは、様々な診断システム用の
制御器に直接的に結合されていてもよい。管理システム
は、イントラネット構成、ファイル共有構成、クライア
ント／サーバ構成又は他の任意の適当な態様でシステム
制御器に結合されているコンピュータ・ワークステーシ
ョン又はパーソナル・コンピュータ１０７２を含んでい
てもよい。さらに、管理ステーション１０７０は典型的
には、システム動作パラメータを観察し、システム利用
を分析し、施設１０２０とサービス施設１０２２との間
でサービス要求及びデータを交換するためのモニタ１０
７４を含んでいる。利用者との交信（インタフェイス）
を容易にするために、標準的なコンピュータ・キーボー
ド１０７６及びマウス１０７８のような入力装置が設け
られていてもよい。

【００８３】代替的には、管理システム又は他の診断シ
ステム要素は「スタンド・アロン」であってもよいし、
或いは診断システムに直接的に結合されていなくてもよ
いことを特記しておく。かかる場合には、本書に記載し
たサービス・プラットフォーム、及びサービス機能の一
部又はすべてを管理システムに設けることができる。同
様に、応用によっては、診断システムが画像保管通信及
び検索システム、又は閲覧ステーションから成っていて
もよく、この画像保管通信及び検索システム又は閲覧ス
テーションは、スタンド・アロンであってもよいしネッ
トワーク接続されていてもよく、また本書に記載した機
能の一部を備えていてもよいしすべてを備えていてもよ
い。

【００８４】前述の通信モジュール、並びにワークステ
ーション１０７２及び現場サービス・ユニット１０２４
は、遠隔アクセス・ネットワーク１０８０を介してサー
ビス施設１０２２に結合されていてもよい。この目的の
ためには、任意の適当なネットワーク接続を用いること
ができる。現状で好ましいネットワーク構成には、占有
又は専用のネットワーク、及びインターネット等のオー
プン・ネットワークの両方が含まれている。データは、
インターネット・プロトコル（ＩＰ）、トランスミッシ
ョン・コントロール・プロトコル（ＴＣＰ）又は他の公
知のプロトコル等に従った任意の適当なフォーマットで
診断システム、現場サービス・ユニット及び遠隔サービ
ス施設１０２２の間で交換することができる。さらに、
幾つかの形式のデータは、ハイパーテキスト・マークア
ップ言語（ＨＴＭＬ）又は他の標準的な言語のようなマ
ークアップ言語によって送信され或いはフォーマットさ
れていてもよい。

【００８５】サービス施設１０２２の内部では、メッセ
ージ、サービス要求及びデータは参照番号１０８２に全
体的に示す通信要素によって受信される。要素１０８２
は、図９の参照番号１０８４によって全体的に示すサー
ビス・センタ処理システムにサービス・データを送信す
る。処理システムは、サービス施設への及びサービス施
設からのサービス・データの受信、処理及び送信を管理
する。一般的には、処理システム１０８４は、１又は複
数のコンピュータを含んでいてもよく、また、様々なサ
ービス要求を処理すると共にサービス・データを送受す
る専用のハードウェア又はソフトウェア・サーバを含ん
でいてもよい。このことについては後にさらに詳細に説
明する。

【００８６】サービス施設１０２２はまた、操作者ワー
クステーションのバンク１０８６を含んでおり、バンク
１０８６にはサービス要求を扱う人員を配置することが
でき、サービス要求に応じて診断システムに対してオフ
ライン及びオンラインのサービスを提供する。また、処
理システム１０８４は、サービス施設１０２２に位置す
る又はサービス施設１０２２の遠隔に位置するデータベ
ースのシステム又は他の処理システム１０８８に結合さ
れていてもよい。かかるデータベース及び処理システム
は、特定の加入スキャナ及び拡張された数の診断設備の
両方についての動作パラメータ及びサービス履歴等の拡
張的なデータベース情報を含んでいてもよい。

【００８７】図１０は、図９のシステム要素を機能図と
して示すブロック図である。図１０に示すように、現場
サービス・ユニット１０２４及び診断システム１０１２
は、参照番号１０８０に全体的に示すようなネットワー
ク接続を介してサービス施設１０２２と結合することが
できる。各々の診断システム１０１２の内部に統一的サ
ービス・プラットフォーム１０９０が設けられている。

【００８８】プラットフォーム１０９０は、後に図１１
を具体的に参照してさらに詳細に説明するが、サービス
要求を組み立てて、サービス・データを送受し、ネット
ワーク接続を確立すると共に、診断システムとサービス
施設との間での財務的取り決め又は加入者取り決めを管
理するように適応構成されているハードウェア要素、フ
ァームウェア要素及びソフトウェア要素を含んでいる。
さらに、これらのプラットフォームは各々の診断システ
ムにおいて統一的グラフィック・ユーザ・インタフェイ
スを提供しており、かかるユーザ・インタフェイスはサ
ービス機能のために医師及び放射線技師と様々な診断シ
ステムとの対話的相互作用を容易にするように様々なシ
ステム・モダリティに合わせて適応構成され得る。プラ
ットフォームは、スキャナ設計者が個々のスキャナの制
御サーキットリ及びスキャナのメモリ装置と直接交信
し、画像にアクセスし、要求されたサービス又は加入し
ているサービスを実施するのに必要な類似のファイルに
ログ・インしたりアクセスしたりすることを可能にして
いる。管理ステーション１０７０を設ける場合には、好
ましくは、同様の統一的プラットフォームを管理ステー
ションにロードして、管理ステーションとサービス施設
との間の直接的な交信を容易にする。統一的サービス・
プラットフォーム１０９０に加えて、各々の診断システ
ムには好ましくは、スキャナと遠隔サービス施設との間
でファクシミリ・メッセージを送受するためのファクシ
ミリ伝達モジュールのような代替的な通信モジュール１
０９２が設けられる。

【００８９】診断システムとサービス施設との間で伝達
されるメッセージ及びデータは、後述するように処理シ
ステム１０８４内に含まれているセキュリティ障壁又は
「ファイアウォール」を横断する。セキュリティ障壁又
は「ファイアウォール」は、サービス施設への許可され
ていないアクセスを当技術分野で周知の態様で防止する
ものである。一連のモデム１０９８を含んでいるモデム
・ラック１０９６が、モデムとサービス・センタ処理シ
ステム１０８４との間のデータ・トラフィックを管理す
るルータ１１００を介して、入って来るデータを受信し
出て行くデータを送信する。

【００９０】図１０の線図では、遠隔データベース又は
コンピュータ１０８８が結合されているのと同様に、操
作者ワークステーション１０８６が処理システムに結合
されている。加えて、ライセンス及び契約の取り決めを
確認し、サービス記録ファイル及びログ・ファイル等を
記憶するために少なくとも１のローカル・サービス・デ
ータベース１１０２が設けられている。さらに、サービ
ス施設と診断システム又は現場サービス・ユニットとの
間のファクシミリ伝達を送受するために処理システム１
０８４に１以上の通信モジュール１１０４が結合されて
いる。

【００９１】図１１は、各々の診断システム１０１２の
内部の統一的サービス・プラットフォーム１０９０を構
成する様々な機能要素を線図で示す。図１１に示すよう
に、統一的プラットフォームには、装置側接続モジュー
ル１１０６及びネットワーク側接続モジュール１１０８
が含まれている。ネットワーク側接続モジュール１１０
８は、前述のように好ましくは診断システムのモニタ上
でシステム利用者に対して表示されるＨＴＭＬページの
ようなマークアップ言語のページであるメイン・ウェブ
・ページにアクセスする。メイン・ウェブ・ページ１１
１０は好ましくは、通常動作のページからアクセス可能
であって、この通常動作のページで利用者は画面上のア
イコン等を介して検査要求を構成設定し、検査結果を閲
覧する等を行なう。メイン・ウェブ・ページ１１１０を
介して、一連の追加ウェブ・ページ１１１２にアクセス
することができる。かかるウェブ・ページによって、遠
隔サービス要求を組み立てて遠隔サービス施設へ送信す
ることが可能になると共に、他のメッセージ、リポー
ト、ソフトウェア及びプロトコル等の交換が容易にな
る。このことについては後にさらに詳細に説明する。

【００９２】本書で用いる場合には、「ページ」という
用語は、診断システムの利用者が閲覧することのできる
データ、メッセージ及びリポート等のグラフィック表現
又はテキスト表現を形成する画面等のユーザ・インタフ
ェイス画面又は類似の構成を含んでいることを特記して
おく。さらに、かかるページは、マークアップ言語によ
って定義してもよいし、或いはＪａｖａ、ｐｅｒｌ、Ｊ
ａｖａスクリプト若しくは他の任意の適当な言語等のプ
ログラミング言語によって定義してもよい。

【００９３】ネットワーク側接続モジュール１１０８
は、診断システムとサービス施設との間のライセンス、
料金又は契約加入の状況を確認するライセンス・モジュ
ール１１１４に結合されている。本書で用いる場合に
は、「加入」という用語は、サービス、情報及びソフト
ウェア等の提供のための契約又は取引その他の様々な取
り決めを含んでおり、料金の支払いを伴うものも伴わな
いものも含むものと理解されたい。さらに、後述するよ
うなシステムによって管理される具体的な取り決めに
は、二、三挙げておくと、期間満了式取り決め、一回料
金式取り決め、及び所謂「利用毎回払い（pay per us
e）」式取り決めを含めて様々な異なる加入形式があ
る。

【００９４】また、ライセンス・モジュール１１１４
は、ブラウザ、サーバ及び通信要素とモダリティ・イン
タフェイス・ツール１１１８とのインタフェイスを成す
１以上のアダプタ・ユーティリティ１１１６に結合され
ている。現状で好ましい構成では、システム・スキャナ
とサービス・プラットフォームとの間でデータを交換す
るためにこのような幾つかのインタフェイス・ツールが
提供されている。例えば、モダリティ・インタフェイス
・ツール１１１８は、モダリティ特有のアプリケーショ
ンを構築するためのアプレット又はサーブレット、並び
に構成テンプレート及びグラフィック・ユーザ・インタ
フェイス・カスタマイズ用コード等を含み得る。アダプ
タ１１１６は、かかる要素と相互作用してもよいし、或
いはモダリティ特有の下位要素１１２２に結合されてい
るモダリティ制御器１１２０と直接相互作用してもよ
い。

【００９５】モダリティ制御器１１２０又はモダリティ
特有の下位要素１１２２は典型的には、検査を実行する
ために予め構成設定されているプロセッサ又はコンピュ
ータ、並びに画像データ・ファイル、ログ・ファイル及
びエラー・ファイル等を記憶するメモリ・サーキットリ
を含んでいる。アダプタ１１１６は、かかるサーキット
リと交信して、ハイパーテキスト・トランスファ・プロ
トコル（ＨＴＴＰ）と、医用撮像用のデータ表現の規格
であるＤＩＣＯＭとの間のように、記憶されているデー
タを所望のプロトコルに変換し、或いは所望のプロトコ
ルから変換することができる。さらに、後述するような
ファイル及びデータの転送を、ファイル・トランスファ
・プロトコル（ＦＴＰ）又は他のネットワーク・プロト
コルのような任意の適当なプロトコルを介して行なって
もよい。

【００９６】図示の実施形態では、装置側接続モジュー
ル１１０６には、診断システムと遠隔サービス施設との
間でのデータ交換を可能にする様々な要素が含まれてい
る。具体的には、接続性提供モジュール１１２４が、ネ
ットワーク側接続モジュール１１０８との交信を可能に
している。遠隔通信接続を介してインターネット・プロ
トコル（ＩＰ）パケットを伝達するために、ポイント・
トゥ・ポイント・プロトコル（ＰＰＰ）モジュール１１
２６も設けられている。最後に、診断システムと遠隔サ
ービス施設との間でデータを送受するためにモデム１１
２８が設けられている。当業者には理解されるように、
かかるデータ交換を容易にするために装置側接続モジュ
ール１１０６の内部で他の様々なネットワーク・プロト
コル及び要素を用いてよい。

【００９７】ネットワーク側接続モジュール１１０８は
好ましくは、サーバ１１３０とブラウザ１１３２とを含
んでいる。サーバ１１３０は、診断システムとサービス
施設との間のデータ交換を容易にして、一連のウェブ・
ページ１１１０及び１１１２をブラウザ１１３２を介し
て閲覧することを可能にしている。現状で好ましい実施
形態では、サーバ１１３０及びブラウザ１１３２はＨＴ
ＴＰアプリケーションをサポートし、ブラウザはＪａｖ
ａアプリケーションをサポートする。診断システムと操
作者と遠隔サービス施設との間でデータ、サービス要
求、メッセージ及びソフトウェアを交換するために他の
サーバ及びブラウザ、又は類似のソフトウェア・パッケ
ージを利用してもよいのは言うまでもない。最後に、サ
ーバ１１３０と、医療施設内の管理ステーション１０７
０（図９及び図１０を参照されたい）のような操作者ワ
ークステーションとの間に、直接ネットワーク接続１１
３４を設けてもよい。

【００９８】本実施形態では、ネットワーク側接続モジ
ュールを構成する要素は、統一的プラットフォームの一
部として記憶されているアプリケーションを介して構成
設定されてもよい。具体的には、サービス技術者にライ
センスが与えられているＪａｖａアプリケーションによ
って、技術者が診断システムでの装置接続性を構成設定
して、診断システムをサービス施設と接続し得るように
することが可能になる。

【００９９】図１２は、サービス施設１０２２の例示的
な機能要素を示す。前述のように、サービス施設１０２
２は、サービス施設とのデータ通信を調整するルータ１
１００に結合されている複数のモデム１０９８を含むモ
デム・ラック１０９６を含んでいる。ＨＴＴＰサービス
・サーバ１０９４が施設に関して出入りするトランザク
ションを受信し方向制御する。サーバ１０９４は、シス
テム・セキュリティのためのファイアウォール１１３８
を介して施設の他の要素と結合されている。サービス要
求を処理し、かかる要求に応じてメッセージ及びリポー
トを伝達するために操作者ワークステーション１０８６
がポート・マネージャに結合されている。

【０１００】サービス施設には、以下に述べるように、
幾つかのサービス要求に応答して、加入している診断シ
ステムを動作パラメータ・データについて掃引する等を
自動的に行なう自動サービス・ユニット１１３６も含ま
れていてよい。現状で好ましい実施形態では、自動サー
ビス・ユニットは、処理システム１０８４を構成する対
話的サービス要素とは独立に動作してもよいし、或いは
かかる要素と共に動作してもよい。サービス施設が診断
システム及び遠隔サービス・ユニットとデータ及びメッ
セージを通信し交換することを可能にする外部のインタ
ーネット・サービス・プロバイダ（ＩＳＰ）及びヴァー
チャル・プライベート・ネットワーク（ＶＰＮ）等を含
めたシステムのような他のネットワーク又は通信方式を
設けてもよいことを特記しておく。

【０１０１】ファイアウォール１１３８の後方では、Ｈ
ＴＴＰアプリケーション・サーバ１１４０がサービス要
求、メッセージ伝達、リポート伝達及びソフトウェア転
送等の処理を調整している。特定の種別のサービス要求
を扱うように構成されているサービス解析サーバ１１４
２のような他のサーバがＨＴＴＰサーバ１１４０に結合
されていてもよく、このことについては後にさらに詳し
く説明する。図示の実施形態では、処理システム１０８
４はまた、ライセンス・サーバ１１４４を含んでおり、
ライセンス・サーバ１１４４は、診断システムのサービ
ス加入の状況を記憶し、更新すると共に確認するための
ライセンス・データベース１１４６に結合されている。
代替的には、所望がある場合には、ライセンス・サーバ
１１４４をファイアウォール１１３８の外部に配置し
て、サービス施設に入る許可を与える前に加入状況を確
認してもよい。

【０１０２】サービス要求、メッセージ伝達及びリポー
ト伝達の処理は、ＨＴＴＰサーバ１１４０に結合されて
いるスケジューラ・モジュール１１４８によってさらに
調整される。スケジューラ・モジュール１１４８は、リ
ポート・サーバ１１５０、メッセージ・サーバ１１５２
及びソフトウェア・ダウンロード・サーバ１１５４のよ
うに処理システムを構成するその他のサーバの動作を調
整している。当業者には理解されるように、サーバ１１
５０、１１５２及び１１５４は、アドレス、ログ・ファ
イル、メッセージ及びリポート・ファイル及びアプリケ
ーション・ソフトウェア等のようなデータを記憶するた
めのメモリ装置（図示されていない）に結合されてい
る。具体的には、図１２に示すように、ソフトウェア・
サーバ１１５４は１以上のデータ・チャネルを介して、
送信可能なソフトウェア・パッケージを含んでいる記憶
装置１１５６に結合されている。尚、これらのソフトウ
ェア・パッケージは、診断システムに直接送られてもよ
いし、診断システムによってアクセスされてもよいし、
或いは利用毎回払い方式又は購入方式で供給されてもよ
い。メッセージ・サーバ１１５２及びリポート・サーバ
１１５４はさらに、通信モジュール１１０４と共に、配
布処理モジュール１１５８に結合されており、配布処理
モジュール１１５８は、出て行くメッセージを受け取っ
て、診断システムとの適正な接続性を保証すると共に、
メッセージの伝達を調整するように構成されている。

【０１０３】現状で好ましい実施形態では、以上に述べ
た機能サーキットリは、任意の適当なコンピュータ・プ
ラットフォーム上のハードウェア、ファームウェア又は
ソフトウェアとして構成されていてよい。例えば、診断
システムの機能サーキットリは、システム・スキャナに
完全に組み込まれているか或いはシステム・スキャナに
付設されているパーソナル・コンピュータ又はワークス
テーション内の適当なコードとしてプログラムされてい
てもよい。サービス施設の機能サーキットリは、サーバ
及びスケジューラ等のうち１以上のものが構成設定され
ているメインフレーム・コンピュータに加えて追加のパ
ーソナル・コンピュータ又はワークステーションを含ん
でいてよい。最後に、現場サービス・ユニットは、任意
の適当なプロセッサ・プラットフォームを有するパーソ
ナル・コンピュータ又はラップトップ・コンピュータを
含んでいてよい。また、上述の機能サーキットリは、本
書に記載した機能を実行するために多様な態様で適応構
成されていてよいことも特記しておく。一般的には、機
能サーキットリは、診断システムと遠隔サービス施設と
の間の遠隔サービス・データの交換を容易にし、このこ
とは好ましくは、サービス作業として診断システムに対
して定期的な更新を行なうように対話的な態様で具現化
される。

【０１０４】上述のように、診断システム及び現場サー
ビス・ユニットの両方が、好ましくは、対話的に利用者
が閲覧可能な一連のページを介して様々な診断システム
・モダリティと遠隔サービス施設との間の交信を容易に
している。ページの例としては、対話的情報を供給し、
サービス要求を組み立てて、メッセージ、リポート及び
診断システム・ソフトウェアを選択し転送する能力等が
ある。ページは、遠隔監視、遠隔システム制御、遠隔位
置からの即時ファイル・アクセス、遠隔ファイル記憶及
び保管、遠隔リソース・プール、遠隔記録、並びに遠隔
高速計算のような遠隔サービスの対話的相互作用及び利
用を容易にしている。

【０１０５】利用者は、ページのテキスト・エリアに掲
載されている特定のドキュメントに、ドキュメントを表
わすテキストのすべて又は一部を選択することによりア
クセスすることができる。現状で好ましい実施形態で
は、アクセスされるドキュメントは、診断システムの内
部のローカルなメモリ装置に記憶されていてもよいし、
或いはテキストを選択すると、遠隔のコンピュータ又は
サーバにネットワーク結合を介してアクセスするための
ユニフォーム・リソース・ローケータ（ＵＲＬ）をロー
ドするようにしてもよい。

【０１０６】サービス・システム１０１０（図９）が、
遠隔診断、遠隔制御、遠隔監視、遠隔ファイル記憶及び
遠隔修理のような遠隔サービスを提供すると有利であ
る。また、サービス・システム１０１０（図９）によっ
て、診断システム１０が、本例ではサービス施設１０２
２のような遠隔施設に診断知識データベース１２、学習
ユニット１４及び診断ユニット１６の任意のものを配置
させることが可能になると有利である。このようなもの
として、サービス・システム１０１０（図９）に組み入
れられている診断システム１０（図１）は、本書に記載
したような迅速な診断機能及びサービス機能の能力を含
みつつ、診断知識データベース１２、学習ユニット１４
及び診断ユニット１６のようなローカルな設備を有する
必要性を回避する。かかる設備は、少なくとも１の遠隔
施設に配置してよい。すると、多数の診断システムが協
働して、診断機能及びサービス機能のための大容量デー
タベース及び高速処理ユニットを共有することができ
る。

【０１０７】従って、本発明によれば、波形データを用
いて撮像機械を診断し検証するシステム及び方法であっ
て、前述の目標、利点及び課題を完全に満たすシステム
及び方法が提供されたことは明らかである。幾つかの実
施形態を参照して本発明を説明したが、当業者であれば
本発明の範囲から逸脱せずに変形及び改変を施し得るこ
とを理解されたい。

【図面の簡単な説明】

【図１】好適実施形態に従って撮像機械を診断するシス
テムのブロック図である。

【図２】好適実施形態による波形データ・ファイルのデ
ータ構造の一例を示す図である。

【図３】図２に示すデータ構造によって表わされるデー
タ集合の時系列プロットの一例を示す図である。

【図４】図１に示す学習用構文解析器が実行する工程を
表わす流れ図である。

【図５】図１に示す学習用フィルタ及び学習用特徴抽出
器が実行する工程を表わす流れ図である。

【図６】図１に示す学習用故障分類器のさらに詳細な図
を示すブロック図である。

【図７】学習用故障分類器が実行する処理工程を表わす
流れ図である。

【図８】図１に示す診断用ユニットが実行する故障分離
処理工程を表わす流れ図である。

【図９】遠隔サービス、及び診断システムとサービス施
設との間でのデータ交換を可能にするためにネットワー
ク接続を介してサービス施設に結合されている一連の医
療診断システムの線図である。

【図１０】図９に示すシステムのうち診断システム及び
サービス施設の幾つかの機能要素を示すブロック図であ
る。

【図１１】図９及び図１０に示す形式の診断システムの
内部に設けられており、診断システムの対話的遠隔サー
ビス提供を容易にする幾つかの機能要素のブロック図で
ある。

【図１２】図９及び図１０に示すサービス施設のうち複
数の医療診断システムに対話的遠隔サービスを行なう機
能要素の幾つかを示すブロック図である。

【符号の説明】

１０診断システム２０、３２撮像機械４２波形データ・ファイルのデータ構造４４時系列プロット７０エキスパート・システム１０１０サービス・システム１０１２医療診断システム１０２０医療施設１０２２集中サービス施設１０２４現場サービス・ユニット１０７０管理ステーション１０７２コンピュータ・ワークステーション１０７４モニタ１０７６コンピュータ・キーボード１０７８マウス１０８０遠隔アクセス・ネットワーク１０９０統一的サービス・プラットフォーム１０９２代替的な通信モジュール１０９６モデム・ラック１１０４通信モジュール１１０６装置側接続モジュール１１０８ネットワーク側接続モジュール１１１０メイン・ウェブ・ページ１１１２追加ウェブ・ページ１１３４直接ネットワーク接続１１３８ファイアウォール

───────────────────────────────────────────────────── フロントページの続き (72)発明者ユー−トゥー・チェンアメリカ合衆国、ニューヨーク州、ニスカユナ、カーリール・ドライブ、1223番 (72)発明者ヴィピン・ケワル・ラマニアメリカ合衆国、ニューヨーク州、ニスカユナ、ナンバー106、ヒルサイド・アベニュー、1200番 (72)発明者ラスキラル・パンジャラル・シャーアメリカ合衆国、ニューヨーク州、ラザム、ウインドラス・ドライブ、８番 (72)発明者ジョン・アンドリュー・ジョンソンアメリカ合衆国、ウィスコンシン州、デラフィールド、モレイン・ビュー・ドライブ、ダブリュー322・エス1734番 (72)発明者フィリップ・エドワード・スティーンアメリカ合衆国、ウィスコンシン州、デラフィールド、コンコード・レーン、エヌ９ダブリュー・31418番 (72)発明者ラメシュ・ラマチャンドランアメリカ合衆国、カンザス州、オーバーランド・パーク、ゴッダード・アパートメント・ナンバー279、10509番Ｆターム(参考） 2G036 AA27 BA46 CA01 CA06 CA08 2G064 AA12 AB22 CC02 CC46 5H223 AA15 CC08 DD03 DD07 EE06 FF03 FF06

Claims

【特許請求の範囲】

【請求項１】ネットワークを介して遠隔施設（１０２
２）から機械（３２）を診断するシステム（１０）であ
って、機械の故障を診断するための複数の規則（７６及び７
８）と、前記故障を修復するための複数の補正処置とを
含む診断用知識ベース（１２）と、前記ネットワークを介して前記遠隔施設（１０２２）に
接続されている前記機械（３２）から生成された波形デ
ータ（３０）を正常なデータと故障データとして分類す
る診断用故障検出器（３６）と、故障データとして分類された前記波形データ（３０）か
ら複数の特徴を抽出する診断用特徴抽出器（３８）と、該診断用特徴抽出器（３８）及び前記診断用知識ベース
（１２）に結合されており、前記抽出された特徴につい
て故障の候補集合を分離して、該故障の候補集合の原因
である可能性が最も高い根本的原因を識別する診断用故
障分離器（４０）と、を備えたシステム（１０）。
【請求項２】前記波形データ（３０）は複数の時系列
プロット（４４）を含んでいる請求項１に記載のシステ
ム（１０）。
【請求項３】前記診断用故障検出器（３６）は粗大フ
ィルタ及び細密フィルタを含んでいる請求項１に記載の
システム（１０）。
【請求項４】前記診断用特徴抽出器（３８）は時間領
域解析、周波数領域解析及びウェーブレット解析を用い
る請求項１に記載のシステム（１０）。
【請求項５】前記診断用故障分離器（４０）は規則ベ
ース推論エキスパート・システムである請求項１に記載
のシステム（１０）。
【請求項６】前記診断用故障分離器（４０）は前記識
別された故障の候補集合の各々に対して信頼性尺度を割
り当てる手段をさらに含んでおり、各々の信頼性尺度
は、当該故障が故障の最も可能性の高い原因であるとの
確信を示している請求項１に記載のシステム（１０）。
【請求項７】前記波形データ（３０）から無縁のデー
タを除去する診断用構文解析器３４をさらに含んでいる
請求項１に記載のシステム（１０）。
【請求項８】前記システムは、前記診断用知識ベース
（１２）に結合されている学習ユニット（１４）をさら
に含んでおり、該学習ユニット（１４）は、前記ネットワークを介して前記遠隔施設（１０２２）に
接続されている複数の機械（２０）から得られた複数の
波形データ（１８）の集合を得る手段であって、前記波
形データ（１８）の集合の各々が、該集合に関連する既
知の故障と、該故障を修復するための対応する補正処置
とを有している、複数の波形データ（１８）の集合を得
る手段と、前記波形データ（１８）の集合の各々を正常なデータと
故障データとして分類する学習用フィルタ（２４）と、故障データとして分類された前記波形データ（１８）の
集合の各々から複数の特徴を抽出する学習用特徴抽出器
（２６）と、前記故障の抽出内容を故障特性に分類するための複数の
規則（７６及び７８）を展開して、前記診断用知識ベー
ス（１２）に前記複数の規則（７６及び７８）を供給す
る学習用故障分類器（２８）と、を含んでいる請求項１
に記載のシステム（１０）。
【請求項９】前記波形データ（１８）の複数の集合は
複数の時系列プロット（４４）を含んでいる請求項８に
記載のシステム（１０）。
【請求項１０】前記学習用フィルタ（２４）は粗大フ
ィルタ及び細密フィルタを含んでいる請求項８に記載の
システム（１０）。
【請求項１１】前記学習用特徴抽出器（２６）は時間
領域解析、周波数領域解析及びウェーブレット解析を用
いる請求項８に記載のシステム。
【請求項１２】前記学習用故障分類器（２８）は規則
ベース推論エキスパート・システム（７０）である請求
項８に記載のシステム（１０）。
【請求項１３】前記学習ユニット（１４）は、前記波
形データ（１８）の集合の各々から無縁のデータを除去
する学習用構文解析器（２２）をさらに含んでいる請求
項８に記載のシステム（１０）。
【請求項１４】未知の故障を有する機械（３２）をネ
ットワークを介して遠隔施設（１０２２）から診断する
方法であって、故障を診断するための複数の規則（７６及び７８）と、
前記故障を修復するための複数の補正処置とを得る工程
と、前記ネットワークを介して前記機械（３２）から新たな
波形データ（３０）を受け取る工程と、前記新たな波形データ（３０）を正常なデータと故障デ
ータとして分類する工程と、故障データとして分類された前記新たな波形データ（３
０）から複数の特徴を抽出する工程と、前記抽出された特徴について故障の候補集合を分類し
て、該故障の候補集合の原因である可能性が最も高い根
本的原因を識別する工程とを備えた方法。
【請求項１５】前記新たな波形データ（３０）は複数
の時系列プロット（４４）を含んでいる請求項１４に記
載の方法。
【請求項１６】前記新たな波形データ（３０）を正常
なデータと故障データとして分類する前記工程は、粗大
フィルタ及び細密フィルタを用いること含んでいる請求
項１４に記載の方法。
【請求項１７】複数の特徴を抽出する前記工程は、時
間領域解析、周波数領域解析及びウェーブレット解析を
用いることを含んでいる請求項１４に記載の方法。
【請求項１８】故障の候補集合を分類して、根本的原
因を識別する前記工程は、規則ベース推論エキスパート
・システムを用いることを含んでいる請求項１４に記載
の方法。
【請求項１９】前記識別された故障の候補集合の各々
に対して信頼性尺度を割り当てる工程をさらに含んでお
り、各々の信頼性尺度は、当該故障が故障の最も可能性
の高い原因であるとの確信を示している請求項１４に記
載の方法。
【請求項２０】前記波形データ（３０）から無縁のデ
ータを除去する工程をさらに含んでいる請求項１４に記
載の方法。
【請求項２１】故障を診断するための複数の規則（７
６及び７８）と、前記故障を修復するための複数の補正
処置とを得る前記工程は、前記ネットワークを介して複数の機械（２０）から得ら
れた波形データ（１８）の複数の集合を得る工程であっ
て、該波形データ（１８）の集合の各々が、該集合に関
連する既知の故障を有する、波形データ（１８）の複数
の集合を得る工程と、前記波形データ（１８）の集合の各々を正常なデータと
故障データとして分類する工程と、故障データとして分類された前記波形データ（１８）の
集合の各々から複数の特徴を抽出する工程と、前記故障の抽出内容を故障特性に分類するための複数の
規則（７６及び７８）を展開する工程とを含んでいる請
求項１４に記載の方法。
【請求項２２】前記波形データ（１８）の複数の集合
は複数の時系列プロット（４４）を含んでいる請求項２
１に記載の方法。
【請求項２３】前記波形データ（１８）の集合の各々
を正常なデータと故障データとして分類する前記工程
は、粗大フィルタ及び細密フィルタを用いることを含ん
でいる請求項２１に記載の方法。
【請求項２４】前記波形データ（１８）の集合の各々
から複数の特徴を抽出する前記工程は、時間領域解析、
周波数領域解析及びウェーブレット解析を用いることを
含んでいる請求項２１に記載の方法。
【請求項２５】前記波形データ（１８）の集合の各々
から無縁のデータを除去する工程をさらに含んでいる請
求項２１に記載の方法。
【請求項２６】機械（３２）から生成される波形デー
タ（３０）の検証をネットワークを介して遠隔施設（１
０２２）から行なうシステム（１０）であって、前記機械（３２）の故障を診断するための複数の規則
（７６及び７８）を含む診断用知識ベース（１２）と、前記波形データ（３０）を正常なデータと故障データと
して分類する診断用故障検出器（３６）と、正常なデータとして分類された前記波形データ（３０）
から複数の特徴を抽出する診断用特徴抽出器（３８）と
を備えたシステム（１０）。
【請求項２７】前記波形データ（３０）は複数の時系
列プロット（４４）を含んでいる請求項２６に記載のシ
ステム（１０）。
【請求項２８】前記診断用故障検出器（３６）は粗大
フィルタ及び細密フィルタを含んでいる請求項２６に記
載のシステム（１０）。
【請求項２９】前記診断用特徴抽出器（３８）は時間
領域解析、周波数領域解析及びウェーブレット解析を用
いる請求項２６に記載のシステム（１０）。
【請求項３０】前記波形データ（３０）から無縁のデ
ータを除去する診断用構文解析器３４をさらに含んでい
る請求項２６に記載のシステム（１０）。
【請求項３１】機械（３２）から生成される波形デー
タ（３０）の検証をネットワークを介して遠隔施設（１
０２２）から行なう方法であって、故障を診断するための複数の規則（７６及び７８）を得
る工程と、前記ネットワークを介して前記機械（３２）から新たな
波形データ（３０）を受け取る工程と、前記複数の規則（７６及び７８）により前記新たな波形
データ（３０）を正常なデータと故障データとして分類
する工程と、正常なデータとして分類された前記新たな波形データ
（３０）から複数の特徴を抽出する工程とを備えた方
法。
【請求項３２】前記新たな波形データ（３０）は複数
の時系列プロット（４４）を含んでいる請求項３１に記
載の方法。
【請求項３３】前記新たな波形データ（３０）を正常
なデータと故障データとして分類する前記工程は、粗大
フィルタ及び細密フィルタを用いることを含んでいる請
求項３１に記載の方法。
【請求項３４】複数の特徴を抽出する前記工程は、時
間領域解析、周波数領域解析及びウェーブレット解析を
用いることを含んでいる請求項３１に記載の方法。
【請求項３５】前記新たな波形データ（３０）から無
縁のデータを除去する工程をさらに含んでいる請求項３
１に記載の方法。