JP6296610B2 - 予測モデル構築装置及び予測装置 - Google Patents
予測モデル構築装置及び予測装置 Download PDFInfo
- Publication number
- JP6296610B2 JP6296610B2 JP2014159675A JP2014159675A JP6296610B2 JP 6296610 B2 JP6296610 B2 JP 6296610B2 JP 2014159675 A JP2014159675 A JP 2014159675A JP 2014159675 A JP2014159675 A JP 2014159675A JP 6296610 B2 JP6296610 B2 JP 6296610B2
- Authority
- JP
- Japan
- Prior art keywords
- age
- cluster
- topic
- clusters
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims description 72
- 230000007704 transition Effects 0.000 claims description 131
- 239000011159 matrix material Substances 0.000 claims description 55
- 230000036541 health Effects 0.000 claims description 47
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000003862 health status Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000013498 data listing Methods 0.000 claims 3
- 238000000034 method Methods 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 18
- 230000007774 longterm Effects 0.000 description 13
- 238000000354 decomposition reaction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000008376 long-term health Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241000970807 Thermoanaerobacterales Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
http://www.yobology.info/text/viterbi/viterbi.htm
Claims (10)
- 対象者ごとに定まる1つ以上の年代において、複数の対象者のそれぞれの健康状態を評価して得られる、単語頻度の形式の医療データを、年代別に分類する年代別分類部と、
前記年代別に分類された医療データをクラスタリングして年代別の各クラスタを得るクラスタリング部と、
前記年代別の各クラスタにおいて、年代が隣接する各クラスタ間に、年代が経過する方向への遷移確率を、クラスタ間の類似性に基づいて算出し、前記年代別の各クラスタと、当該算出されたクラスタ間の遷移確率と、を紐付けることで、対象者の健康状態が年代別に遷移する予測モデルを構築するモデル構築部と、を備えることを特徴とする予測モデル構築装置。 - 前記モデル構築部は、前記遷移確率を、クラスタ間で共通している対象者の数に基づいて算出することを特徴とする請求項1に記載の予測モデル構築装置。
- 前記クラスタリング部では、潜在トピック分析により、各対象者における単語頻度を行列形式で列挙した医療データを、対象者とトピックとの関係行列と、トピックと単語との関係行列と、の積に分解し、各トピックが各クラスタに対応するものとして前記クラスタリングを行い、
前記モデル構築部は、
各クラスタの所属人数及びクラスタ間の遷移人数を、当該クラスタに対応する年代の医療データにおける前記分解された対象者とトピックとの関係行列を参照することで、各対象者が各クラスタに、当該クラスタに対応するトピック比率の寄与人数をもって分散して所属しているものとして算出すると共に、
前記遷移確率を、遷移元クラスタから遷移先クラスタに遷移した人数の遷移元クラスタの所属人数に対する割合に基づいて算出することを特徴とする請求項2に記載の予測モデル構築装置。 - 前記クラスタリング部では、潜在トピック分析により、各対象者における単語頻度を行列形式で列挙した医療データを、対象者とトピックとの関係行列と、トピックと単語との関係行列と、の積に分解し、各トピックが各クラスタに対応するものとして前記クラスタリングを行い、
前記モデル構築部は、
前記クラスタ間の遷移確率を算出するに際して、当該クラスタ間を形成する両端のそれぞれの年代の医療データにおける前記分解されたトピックと単語との関係行列に基づいて、当該それぞれの年代におけるトピック同士の変換関係を求め、当該変換関係に基づいて前記遷移確率を算出することを特徴とする請求項1に記載の予測モデル構築装置。 - 対象者ごとに定まる1つ以上の年代において、複数の対象者のそれぞれの健康状態を評価して得られる、単語頻度の形式の医療データを、年代別に分類する年代別分類部と、
前記年代別に分類された医療データを、所定年代区間ごとに当該区間内部の全ての年代において医療データが存在する対象者の医療データを用いて、トピックトラッキングモデルにより年代別トレンドを考慮してクラスタリングし、所定年代区間ごとの年代別の各クラスタを得るクラスタリング部と、
対象者の健康状態が年代別に遷移する予測モデルを構築するモデル構築部と、を備え、
前記モデル構築部は、
所定年代区間の内部において、年代別の各クラスタにおいて、年代が隣接する各クラスタ間に、年代が経過する方向への遷移確率を、クラスタ間の類似性に基づいて算出し、当該年代別の各クラスタと、当該算出されたクラスタ間の遷移確率と、を紐付けると共に、
第一の所定年代区間の終了年代と第二の所定年代区間の開始年代とが一致している際に、当該第一の所定年代区間の終了年代における各クラスタと、当該第二の所定年代区間の開始年代における各クラスタと、の間の遷移確率を、当該両クラスタの類似性に基づいて算出し、当該第一の所定年代区間の終了年代における各クラスタと、当該第二の所定年代区間の開始年代における各クラスタと、当該算出されたクラスタ間の遷移確率と、を紐付けることにより、
前記予測モデルを構築することを特徴とする予測モデル構築装置。 - 前記クラスタリング部では、前記所定年代区間内の各年代において、各対象者における単語頻度を行列形式で列挙した医療データを、対象者とトピックとの関係行列と、トピックと単語との関係行列と、の積に分解し、各トピックが各クラスタに対応するものとして前記クラスタリングを行い、
前記モデル構築部は、
前記第一の所定年代区間の終了年代において前記分解された第一のトピックと単語との第一の関係行列と、前記第二の所定年代区間の開始年代において前記分解された第二のトピックと単語との第二の関係行列と、に基づいて、当該第一及び第二のトピックの間の変換関係を求め、当該変換関係に基づいて、前記第一の所定年代区間の終了年代における各クラスタと、前記第二の所定年代区間の開始年代における各クラスタと、の間の遷移確率を算出することを特徴とする請求項5に記載の予測モデル構築装置。 - 前記モデル構築部は、ムーアペンローズ擬似逆行列を用いて前記変換関係を求めることを特徴とする請求項6に記載の予測モデル構築装置。
- 前記クラスタリング部はさらに、前記一致している終了年代及び開始年代における全ての対象者の医療データをクラスタリングして、当該全対象者に基づく各クラスタを求め、
前記モデル構築部は、前記第一の所定年代区間の終了年代における各クラスタと、前記第二の所定年代区間の開始年代における各クラスタと、の間の遷移確率を求めるに際して、前記第一の所定年代区間の終了年代における各クラスタと前記全対象者に基づく各クラスタとの間の遷移確率と、前記全対象者に基づく各クラスタと前記第二の所定年代区間の開始年代における各クラスタとの間の遷移確率と、の積として求めることを特徴とする請求項5ないし7のいずれかに記載の予測モデル構築装置。 - 前記モデル構築部は、
第一の所定年代区間と第二の所定年代区間とに1以上の重複する年代が存在する場合に、当該第一の所定年代区間の重複年代における各クラスタと、当該第二の所定年代区間の重複年代における各クラスタと、の間の遷移確率を、当該両クラスタの類似性に基づいて算出し、当該第一の所定年代区間の重複年代における各クラスタと、当該第二の所定年代区間の重複年代における各クラスタと、当該算出されたクラスタ間の遷移確率と、を紐付けることにより、前記予測モデルを構築することを特徴とする請求項5ないし8のいずれかに記載の予測モデル構築装置。 - 請求項1ないし9のいずれかに記載の予測モデル構築装置により構築された予測モデル上において、評価対象者の健康状態が遷移する経路を最大確率を与えるものとして計算することにより、当該評価対象者の健康状態の遷移を予測することを特徴とする予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014159675A JP6296610B2 (ja) | 2014-08-05 | 2014-08-05 | 予測モデル構築装置及び予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014159675A JP6296610B2 (ja) | 2014-08-05 | 2014-08-05 | 予測モデル構築装置及び予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016038626A JP2016038626A (ja) | 2016-03-22 |
JP6296610B2 true JP6296610B2 (ja) | 2018-03-20 |
Family
ID=55529678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014159675A Active JP6296610B2 (ja) | 2014-08-05 | 2014-08-05 | 予測モデル構築装置及び予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6296610B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553374B (zh) * | 2019-02-12 | 2022-07-26 | 腾讯大地通途(北京)科技有限公司 | 道路场景划分方法、装置、电子设备及存储介质 |
CN113469374B (zh) * | 2021-09-02 | 2021-12-24 | 北京易真学思教育科技有限公司 | 数据预测方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006163489A (ja) * | 2004-12-02 | 2006-06-22 | Ntt Data Corp | 発症確率算出装置、および、プログラム |
CA2594181A1 (en) * | 2004-12-30 | 2006-07-06 | Proventys, Inc. | Methods, systems, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality |
JP5812333B2 (ja) * | 2011-09-13 | 2015-11-11 | 学校法人 久留米大学 | 生死予測装置とその方法、生死予測プログラム及び記録媒体 |
US20140089003A1 (en) * | 2012-09-27 | 2014-03-27 | University Of Utah Research Foundation | Patient health record similarity measure |
JP6176730B2 (ja) * | 2014-02-19 | 2017-08-09 | Kddi株式会社 | クラスタリング装置、方法及びプログラム |
JP6278517B2 (ja) * | 2014-07-22 | 2018-02-14 | Kddi株式会社 | データ解析装置及びプログラム |
-
2014
- 2014-08-05 JP JP2014159675A patent/JP6296610B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016038626A (ja) | 2016-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jan et al. | Ensemble approach for developing a smart heart disease prediction system using classification algorithms | |
Delias et al. | Supporting healthcare management decisions via robust clustering of event logs | |
Jung et al. | New modularity indices for modularity assessment and clustering of product architecture | |
Kumar et al. | Fuzzy system reliability evaluation using time-dependent intuitionistic fuzzy set | |
Xu et al. | Automated digital cause-and-effect diagrams to assist causal analysis in problem-solving: a data-driven approach | |
Valsecchi et al. | Age estimation in forensic anthropology: methodological considerations about the validation studies of prediction models | |
Gurukar et al. | Network representation learning: Consolidation and renewed bearing | |
JP6468652B2 (ja) | 医療データ解析装置 | |
Bellini | Forward search outlier detection in data envelopment analysis | |
JP6278517B2 (ja) | データ解析装置及びプログラム | |
Wang et al. | Learning fine-grained patient similarity with dynamic bayesian network embedded RNNs | |
Liu et al. | Explainable data-driven modeling of patient satisfaction survey data | |
Kampouraki et al. | e-Doctor: a web based support vector machine for automatic medical diagnosis | |
JP6296610B2 (ja) | 予測モデル構築装置及び予測装置 | |
Prokofyeva et al. | Clinical pathways analysis of patients in medical institutions based on hard and fuzzy clustering methods | |
Zhou et al. | A model-agnostic approach for explaining the predictions on clustered data | |
Vateekul et al. | Tree-based approach to missing data imputation | |
Katsimpras et al. | Class-aware tensor factorization for multi-relational classification | |
Jin et al. | Graph neural networks for detecting anomalies in scientific workflows | |
Hsueh et al. | Making sense of patient-generated health data for interpretable patient-centered care: the transition from “more” to “better” | |
Adhikari et al. | Explaining mixture models through semantic pattern mining and banded matrix visualization | |
JP6395261B2 (ja) | 予測モデル構築装置及びプログラム | |
Alaeddini et al. | An integrated framework for reducing hospital readmissions using risk trajectories characterization and discharge timing optimization | |
Conde et al. | Isotonic boosting classification rules | |
Tianxing et al. | An ontology of machine learning algorithms for human activity data processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160823 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6296610 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |