JP6729455B2 - 分析データ解析装置及び分析データ解析方法 - Google Patents
分析データ解析装置及び分析データ解析方法 Download PDFInfo
- Publication number
- JP6729455B2 JP6729455B2 JP2017049391A JP2017049391A JP6729455B2 JP 6729455 B2 JP6729455 B2 JP 6729455B2 JP 2017049391 A JP2017049391 A JP 2017049391A JP 2017049391 A JP2017049391 A JP 2017049391A JP 6729455 B2 JP6729455 B2 JP 6729455B2
- Authority
- JP
- Japan
- Prior art keywords
- usefulness
- analysis
- dimension
- data
- machine learning
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Nonlinear Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Complex Calculations (AREA)
Description
このピークマトリクスは、縦方向にサンプル、横方向にピーク位置(質量電荷比m/z)をとり、各ピークの信号強度値を要素の値としたものである。したがって、このピークマトリクスにおける1行の各要素は、一つのサンプルについての各質量電荷比におけるピークの信号強度値を示しており、1列の各要素は或る質量電荷比における全てのサンプルの信号強度値を示している。ここでは、sample 1〜sample n-2までのサンプルが癌検体であり、それら各サンプルには癌であることを示す「1」の値のラベルが付されている。一方、sample n-1〜sample Nまでのサンプルが非癌検体であり、それら各サンプルには非癌であることを示す「0」の値のラベルが付されている。この場合、ラベルは二値のラベルである。こうしたラベル付きの教師データを用いることで、癌と非癌とを高い確度で判別できる機械学習モデルを構築することができる。
過学習を防止する一つの方法は、判別・回帰の対象である事象(例えば癌と非癌との判別)とは全く無関係である物質由来のピークや上記事象と偽の相関を示す物質由来のピークがランダムノイズとして無視できる程度に多種多様なパターンのマススペクトルデータを、教師データとして与えて学習を行うことである。そのためには膨大な数のサンプルを用意する必要があるが、癌などの疾病の判別においては、予め収集可能であるデータの量は限られているため上記方法は現実的とはいえない。
a)与えられた教師データについて機械学習を実行して判別分析又は回帰分析のための機械学習モデルを作成するモデル作成部と、
b)前記モデル作成部で作成された機械学習モデルにおける各次元の入力の有用度合いをそれぞれ求める、又はすでに有用度合いが存在する場合には新たに求まった有用度度合いを利用して有用度合いを更新する有用度合い算出部と、
c)前記有用度合い算出部で算出された各次元の有用度合いに応じて確率的に一部の次元の入力を無効化する入力無効化部と、
d)前記入力無効化部により一部の次元の入力が無効化されたあとの教師データを用いて前記モデル作成部により機械学習を実行し、その結果に基づき各次元の入力の有用度合いを更新するという一連の処理を1回以上繰り返すように、前記モデル作成部、前記有用度合い算出部、及び前記入力無効化部を制御する繰り返し実行制御部と、
e)前記繰り返し実行制御部により一連の処理が1回以上繰り返されたあとの次元毎の有用度合いに基づいて、未知のサンプルについて判別分析する又は回帰分析する際に使用する次元を選択する又は重み付けする次元決定部と、
を備えることを特徴としている。
a)与えられた教師データについて機械学習を実行して判別分析又は回帰分析のための機械学習モデルを作成するモデル作成ステップと、
b)前記モデル作成ステップで作成された機械学習モデルにおける各次元の入力の有用度合いをそれぞれ求める、及びすでに有用度合いが存在する場合には新たに求まった有用度度合いを利用して有用度合いを更新する有用度合い算出ステップと、
c)前記有用度合い算出部で算出された各次元の有用度合いに応じて確率的に一部の次元の入力を無効化する入力無効化ステップと、
を有し、前記入力無効化ステップで一部の次元の入力が無効化されたあとの教師データを用いて前記モデル作成ステップで再び機械学習を実行し、その結果に基づき各次元の入力の有用度合いを更新するという一連の処理を1回以上繰り返し、その繰り返しのあとに得られる次元毎の有用度合いに基づいて、未知のサンプルについて判別分析する又は回帰分析する際に使用する次元を選択する又は重み付けすることを特徴としている。
どのような確率分布関数が適切であるのかは、解析対象である分析データの性質や数(次元数)などに依存するから、本装置を適用する対象のデータ等に応じて適切な確率分布関数を定めておくことが望ましい。
図1は本実施例の疾病判別装置の概略ブロック構成図である。
具体的には例えば、最後に実施されるステップS8において更新された寄与度の大きい順に所定数の入力次元を選択する。或いは、寄与度が予め定めた下限値以上の範囲で所定数の入力次元を選択してもよい。或いは、寄与度に応じて決められる重み付け係数がきわめて0に近い値になることで、その重み付け係数が乗じられる入力次元が実質的に除外されるようにすることもできる。
ここでは、1000次元(つまりはピーク数が1000個)の正規分布した乱数(正規乱数)であるデータを教師データXとし、次の(1)式で与えられるYが負であるときに真、非負であるときに偽となる判別問題を解くことを想定する。なお、学習モデル構築のための教師データの数を9万個とし、これとは別に、学習モデルを評価する評価データとして1万個のデータを用意した。
Y=(X[10]+0.5)・(X[20]−0.4)・(X[30]−0.3)・(X[40]+0.2)・(X[50]−0.1)・X[60] …(1)
なお、この例の場合、十分な判別性能を得るには、200エポック程度以上の処理の繰り返しを実施することが望ましい。
10…有用次元選択処理部
11…データ読込み部
12…機械学習実行部
13…有用度合い算出部
14…入力次元無効化部
15…有用度合い更新部
16…繰り返し処理制御部
17…有用次元決定部
18…機械学習モデル作成部
19…未知データ判別部
2…操作部
3…表示部
Claims (6)
- 複数のサンプルについてそれぞれ分析装置で取得された、それぞれ異なる複数の次元における信号値を示す多次元の分析データを解析するものであって、複数のサンプルについての分析データである教師データに基づいて機械学習モデルを構築し該機械学習モデルを用いて未知のサンプルについての判別分析又は回帰分析を行う分析データ解析装置において、
a)与えられた教師データについて機械学習を実行して判別分析又は回帰分析のための機械学習モデルを作成するモデル作成部と、
b)前記モデル作成部で作成された機械学習モデルにおける各次元の入力の有用度合いをそれぞれ求める、又はすでに有用度合いが存在する場合には新たに求まった有用度度合いを利用して有用度合いを更新する有用度合い算出部と、
c)前記有用度合い算出部で算出された各次元の有用度合いに応じて確率的に一部の次元の入力を無効化する入力無効化部と、
d)前記入力無効化部により一部の次元の入力が無効化されたあとの教師データを用いて前記モデル作成部により機械学習を実行し、その結果に基づき各次元の入力の有用度合いを更新するという一連の処理を1回以上繰り返すように、前記モデル作成部、前記有用度合い算出部、及び前記入力無効化部を制御する繰り返し実行制御部と、
e)前記繰り返し実行制御部により一連の処理が1回以上繰り返されたあとの次元毎の有用度合いに基づいて、未知のサンプルについて判別分析する又は回帰分析する際に使用する次元を選択する又は重み付けする次元決定部と、
を備えることを特徴とする分析データ解析装置。 - 請求項1に記載の分析データ解析装置であって、
前記入力無効化部は、各次元の有用度合いを示す指標値の平均値及び標準偏差を利用した確率分布関数を定め、該確率分布関数に基づいて確率的に決めた閾値に従って、各次元の有用度合いを示す指標値を判定することで一部の次元の入力を無効化することを特徴とする分析データ解析装置。 - 請求項2に記載の分析データ解析装置であって、
前記確率分布関数はガウス分布関数であることを特徴とする分析データ解析装置。 - 請求項1〜3のいずれか1項に記載の分析データ解析装置であって、
前記入力無効化部は、一部の次元の入力を実質的に0にすることで無効化することを特徴とする分析データ解析装置。 - 請求項1〜4のいずれか1項に記載の分析データ解析装置であって、
前記有用度合い算出部は、前記機械学習モデルとして算出された判別分析又は回帰分析のための非線形関数についての次元毎の偏微分値に基づいて、各次元の有用度合いを示す寄与度を計算することを特徴とする分析データ解析装置。 - 複数のサンプルについてそれぞれ分析装置で取得された、それぞれ異なる複数の次元における信号値を示す多次元の分析データを解析するものであって、複数のサンプルについての分析データである教師データに基づいて機械学習モデルを構築し該機械学習モデルを用いて未知のサンプルについての判別分析又は回帰分析を行う分析データ解析方法において、
a)与えられた教師データについて機械学習を実行して判別分析又は回帰分析のための機械学習モデルを作成するモデル作成ステップと、
b)前記モデル作成ステップで作成された機械学習モデルにおける各次元の入力の有用度合いをそれぞれ求める、及びすでに有用度合いが存在する場合には新たに求まった有用度度合いを利用して有用度合いを更新する有用度合い算出ステップと、
c)前記有用度合い算出部で算出された各次元の有用度合いに応じて確率的に一部の次元の入力を無効化する入力無効化ステップと、
を有し、前記入力無効化ステップで一部の次元の入力が無効化されたあとの教師データを用いて前記モデル作成ステップで再び機械学習を実行し、その結果に基づき各次元の入力の有用度合いを更新するという一連の処理を1回以上繰り返し、その繰り返しのあとに得られる次元毎の有用度合いに基づいて、未知のサンプルについて判別分析する又は回帰分析する際に使用する次元を選択する又は重み付けすることを特徴とする分析データ解析方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017049391A JP6729455B2 (ja) | 2017-03-15 | 2017-03-15 | 分析データ解析装置及び分析データ解析方法 |
US15/921,107 US11341404B2 (en) | 2017-03-15 | 2018-03-14 | Analysis-data analyzing device and analysis-data analyzing method that calculates or updates a degree of usefulness of each dimension of an input in a machine-learning model |
CN201810215795.6A CN108629365B (zh) | 2017-03-15 | 2018-03-15 | 分析数据解析装置以及分析数据解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017049391A JP6729455B2 (ja) | 2017-03-15 | 2017-03-15 | 分析データ解析装置及び分析データ解析方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018152000A JP2018152000A (ja) | 2018-09-27 |
JP2018152000A5 JP2018152000A5 (ja) | 2019-08-08 |
JP6729455B2 true JP6729455B2 (ja) | 2020-07-22 |
Family
ID=63519481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017049391A Active JP6729455B2 (ja) | 2017-03-15 | 2017-03-15 | 分析データ解析装置及び分析データ解析方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11341404B2 (ja) |
JP (1) | JP6729455B2 (ja) |
CN (1) | CN108629365B (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11200495B2 (en) * | 2017-09-08 | 2021-12-14 | Vivante Corporation | Pruning and retraining method for a convolution neural network |
JP7021052B2 (ja) | 2018-11-06 | 2022-02-16 | 株式会社東芝 | 製品状態推定装置 |
EP3865872A4 (en) * | 2018-11-19 | 2022-08-10 | Canon Kabushiki Kaisha | INFORMATION PROCESSING DEVICE, METHOD FOR CONTROLLING AN INFORMATION PROCESSING DEVICE, PROGRAM, CALCULATION DEVICE AND CALCULATION METHOD |
US11544411B2 (en) * | 2019-01-17 | 2023-01-03 | Koninklijke Philips N.V. | Machine learning model validation and authentication |
JP7269027B2 (ja) * | 2019-02-21 | 2023-05-08 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理システム、および医用情報処理方法 |
CN109946424A (zh) * | 2019-03-08 | 2019-06-28 | 杭州麦乐克科技股份有限公司 | 基于人工蜂群和神经网络的气体标定分类方法及*** |
WO2020194589A1 (ja) * | 2019-03-27 | 2020-10-01 | 三菱電機株式会社 | 車両制御用演算装置、車両制御装置、及び、車両制御用演算方法 |
JP7106486B2 (ja) * | 2019-04-22 | 2022-07-26 | 株式会社東芝 | 学習装置、学習方法、プログラムおよび情報処理システム |
US11841373B2 (en) | 2019-06-28 | 2023-12-12 | Canon Kabushiki Kaisha | Information processing apparatus, method for controlling information processing apparatus, and program |
JP7268530B2 (ja) * | 2019-08-08 | 2023-05-08 | 株式会社島津製作所 | 質量分析データ処理方法、質量分析データ処理システム、及び質量分析データ処理プログラム |
US11399312B2 (en) * | 2019-08-13 | 2022-07-26 | International Business Machines Corporation | Storage and retention intelligence in mobile networks |
JP2021076602A (ja) * | 2019-11-01 | 2021-05-20 | キヤノン株式会社 | 情報処理装置、及び情報処理装置の制御方法 |
KR20210143464A (ko) * | 2020-05-20 | 2021-11-29 | 삼성에스디에스 주식회사 | 데이터 분석 장치 및 그것의 데이터 분석 방법 |
US11816127B2 (en) | 2021-02-26 | 2023-11-14 | International Business Machines Corporation | Quality assessment of extracted features from high-dimensional machine learning datasets |
JP7310848B2 (ja) * | 2021-03-29 | 2023-07-19 | 横河電機株式会社 | 解析装置、解析方法および解析プログラム |
US11990327B2 (en) | 2022-02-18 | 2024-05-21 | Shimadzu Corporation | Method, system and program for processing mass spectrometry data |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184569A1 (en) * | 2001-04-25 | 2002-12-05 | O'neill Michael | System and method for using neural nets for analyzing micro-arrays |
JP4742193B2 (ja) * | 2009-04-28 | 2011-08-10 | Necソフト株式会社 | 年齢推定装置、年齢推定方法及びプログラム |
JP2011083393A (ja) * | 2009-10-14 | 2011-04-28 | Osaka Bioscience Institute | 睡眠ステージ自動判定の装置と方法およびそのためのコンピュータプログラム |
CN102801546A (zh) * | 2011-05-26 | 2012-11-28 | 北京天亿电联科技有限公司 | 网络数据安全管理方法和设备 |
US9406017B2 (en) * | 2012-12-24 | 2016-08-02 | Google Inc. | System and method for addressing overfitting in a neural network |
CN105659081B (zh) * | 2013-10-16 | 2017-07-21 | 株式会社岛津制作所 | 色谱数据处理装置 |
CN105574105B (zh) * | 2015-12-14 | 2019-05-28 | 北京锐安科技有限公司 | 一种文本分类模型的确定方法 |
US10515312B1 (en) * | 2015-12-30 | 2019-12-24 | Amazon Technologies, Inc. | Neural network model compaction using selective unit removal |
WO2018025361A1 (ja) | 2016-08-03 | 2018-02-08 | 株式会社島津製作所 | 分析データ処理方法及び分析データ処理装置 |
-
2017
- 2017-03-15 JP JP2017049391A patent/JP6729455B2/ja active Active
-
2018
- 2018-03-14 US US15/921,107 patent/US11341404B2/en active Active
- 2018-03-15 CN CN201810215795.6A patent/CN108629365B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108629365B (zh) | 2022-06-03 |
US11341404B2 (en) | 2022-05-24 |
JP2018152000A (ja) | 2018-09-27 |
CN108629365A (zh) | 2018-10-09 |
US20180268293A1 (en) | 2018-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6729455B2 (ja) | 分析データ解析装置及び分析データ解析方法 | |
JP6729457B2 (ja) | データ解析装置 | |
Beleites et al. | Sample size planning for classification models | |
JP2022525427A (ja) | 質量分析法データにおける境界の自動検出 | |
Ahmed et al. | Enhanced feature selection for biomarker discovery in LC-MS data using GP | |
JP6760380B2 (ja) | 分析データ処理方法及び分析データ処理装置 | |
US11550823B2 (en) | Preprocessing for a classification algorithm | |
US20210350283A1 (en) | Data analyzer | |
JP2016200435A (ja) | マススペクトル解析システム,方法およびプログラム | |
Jiang et al. | A Bayesian modified Ising model for identifying spatially variable genes from spatial transcriptomics data | |
CN114184599B (zh) | 单细胞拉曼光谱采集数目估计方法、数据处理方法及装置 | |
CN110085324B (zh) | 一种多重生存终端结果联合分析的方法 | |
Vereecken et al. | Statistical regression | |
Koo et al. | Analysis of Metabolomic Profiling Data Acquired on GC–MS | |
Negoita et al. | Artificial intelligence application designed to screen for new psychoactive drugs based on their ATR-FTIR spectra | |
Karimi et al. | Identification of discriminatory variables in proteomics data analysis by clustering of variables | |
Colgan et al. | Architectural optimization and feature learning for high-dimensional time series datasets | |
Hodgson et al. | Bayesian choice among Markov models of ion channels using Markov chain Monte Carlo | |
CN115171790A (zh) | 质谱的数据序列在质量评估中的分析方法、装置和存储介质 | |
WO2021210228A1 (ja) | 波形情報推定方法及び装置、並びに、ピーク波形処理方法及び装置 | |
Reynes et al. | A new genetic algorithm in proteomics: Feature selection for SELDI-TOF data | |
Kim et al. | An ensemble regularization method for feature selection in mass spectral fingerprints | |
WO2022027118A1 (pt) | Método automático de seleção molecular | |
Henderson et al. | Feature-based time-series analysis in R using the theft package | |
Grissa et al. | A hybrid data mining approach for the identification of biomarkers in metabolomic data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190626 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200423 |
|
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: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200615 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6729455 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |