ホーム > 特許ランキング > ポリテクニコ ディ トリノ
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-01-19
(54)【発明の名称】皮膚疾患を検出し観察するデバイスおよび方法
(51)【国際特許分類】
A61B 5/00 20060101AFI20220112BHJP
【ＦＩ】
A61B5/00 M
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2021521279
(86)(22)【出願日】2019-11-13
(85)【翻訳文提出日】2021-05-28
(86)【国際出願番号】 IB2019059735
(87)【国際公開番号】W WO2020104896
(87)【国際公開日】2020-05-28
(31)【優先権主張番号】102018000010536
(32)【優先日】2018-11-23
(33)【優先権主張国・地域又は機関】IT
(81)【指定国・地域】
(71)【出願人】
【識別番号】506075182
【氏名又は名称】ポリテクニコ ディ トリノ
(74)【代理人】
【識別番号】110000877
【氏名又は名称】龍華国際特許業務法人
(72)【発明者】
【氏名】セッコ、ジャコポ
(72)【発明者】
【氏名】ファリーナ、マルコ
【テーマコード（参考）】
4C117
【Ｆターム（参考）】
4C117XB01
4C117XB11
4C117XE03
4C117XE19
4C117XE42
4C117XE43
4C117XE48
(57)【要約】
本発明は、皮膚疾患を検出し観察するデバイスおよび方法からなり、デバイスは、皮膚疾患に冒された、皮膚の少なくとも１つの部分の医用画像を取得するように構成される画像取得手段（１１）と、皮膚の部分の身体的状態、および／または皮膚の部分の周辺の環境状態を検出し、身体的状態および／または環境状態を表す病状データを生成するように構成されたセンサ手段（１２）と、データをデジタル形式で格納するメモリ手段（１３）と、ａ）センサ手段（１２）により検出された病状データと、画像取得手段（１１）により取得された医用画像を読み出し、ｂ）病状データおよび医用画像をメモリ手段（１３）に格納するように構成される処理手段（１４）と、を備える。
【特許請求の範囲】
【請求項1】
皮膚疾患に冒された、皮膚の少なくとも１つの部分の医用画像を取得するように構成される画像取得手段を備える皮膚疾患観察用デバイスであって、皮膚の前記部分の身体的状態、および／または皮膚の前記部分の周辺の環境状態を検出し、前記身体的状態および／または前記環境状態を表す病状データを生成するように構成されたセンサ手段と、
データをデジタル形式で格納するメモリ手段と、
前記画像取得手段、前記センサ手段、および前記メモリ手段と通信する処理手段と
をさらに備え、前記処理手段は、
前記センサ手段により検出された前記病状データと、前記画像取得手段により取得された前記医用画像を読み出し、
前記病状データおよび前記医用画像を前記メモリ手段に格納するように構成される、デバイス。
【請求項2】
前記センサ手段は、皮膚の前記部分と、前記デバイスとの間の距離を測定可能である１または複数の距離センサを含む、請求項１に記載のデバイス。
【請求項3】
前記センサ手段は、２００から４５０ナノメートルの範囲の波長を有する光を検出可能な紫外線画像センサと、１または複数の紫外線光源と、を含む、請求項１または２に記載のデバイス。
【請求項4】
前記センサ手段は、６５０から１，２００ナノメートルの範囲の波長を有する光を検出可能な赤外線画像センサと、１または複数の赤外線光源と、を含む、請求項１から３のいずれか一項に記載のデバイス。
【請求項5】
前記センサ手段は、前記皮膚疾患に冒された皮膚の前記少なくとも１つの部分が発する揮発性化合物の存在を検出するように構成される電子鼻を含む、請求項１から４のいずれか一項に記載のデバイス。
【請求項6】
前記センサ手段は、前記皮膚疾患に冒された皮膚の前記少なくとも１つの部分の表面温度を検知可能な１または複数の熱感知デバイスを含む、請求項１から５のいずれか一項に記載のデバイス。
【請求項7】
前記センサ手段は、前記皮膚疾患に冒された皮膚の前記部分の湿度を検知可能な少なくとも１つの湿度センサを含む、請求項１から６のいずれか一項に記載のデバイス。
【請求項8】
前記メモリ手段は、少なくとも取得データを含み、前記取得データは、前記画像取得手段がどのように前記医用画像を取得すべきか、および／または前記センサ手段がどのように前記身体的状態および／または前記環境状態を検出すべきかを指定し、前記画像取得手段は、前記取得データに基づいて医用画像を取得するように構成され、および／または前記センサ手段は、前記取得データに基づいて、皮膚の前記部分の前記身体的状態、および／または皮膚の前記部分の周囲の前記環境状態を検出するように構成される、請求項１から７のいずれか一項に記載のデバイス。
【請求項9】
処理装置と通信するための通信手段を備える、請求項１から８のいずれか一項に記載のデバイス。
【請求項10】
前記処理手段は、通信手段を介して、取得データを受信し、
前記メモリ手段に前記取得データを格納する
ように構成される、請求項８または９に記載のデバイス。
【請求項11】
前記処理手段は、前記医用画像に基づいて、前記皮膚疾患の類型を定義する類型データを生成するように訓練された第１ニューラルネットワークを実施するコードの第１部分を実行するように構成される、請求項１から１０のいずれか一項に記載のデバイス。
【請求項12】
前記処理手段は、前記病状データに基づいて、前記皮膚疾患に冒された皮膚の前記部分が感染および／または炎症しているかを定義する、病状ステータスデータを生成するように訓練された第２ニューラルネットワークを実施するコードの第２部分を実行するように構成される、請求項１から１１のいずれか一項に記載のデバイス。
【請求項13】
前記センサ手段は、筋電信号を取得可能な筋電ユニットを含む、請求項１から１２のいずれか一項に記載のデバイス。
【請求項14】
前記処理手段は、病状ステータスデータおよび筋電信号に基づいて、前記皮膚疾患に冒された皮膚の前記部分の感染および／または炎症の程度を定義する、症状程度データを生成するように訓練された、第３ニューラルネットワークを実施するコードの第３部分を実行するように構成される、請求項１２または１３に記載のデバイス。
【請求項15】
請求項９または１０に記載のデバイスと、処理装置と、を備えるシステムであって、前記デバイスは、通信手段を介して前記処理装置に前記医用画像を送信するように構成され、前記処理装置は、前記医用画像に基づいて、前記皮膚疾患の類型を定義する類型データを生成するように訓練された第１ニューラルネットワークを実施するコードの第１部分を実行するように構成される、システム。
【請求項16】
請求項９または１０に記載のデバイスと、処理装置と、を備えるシステムであって、前記デバイスは、通信手段を介して前記処理装置に前記病状データを送信するように構成され、前記処理装置は、前記病状データに基づいて、前記皮膚疾患に冒された皮膚の前記部分が感染および／または炎症しているかを定義する、病状ステータスデータを生成するように訓練された第２ニューラルネットワークを実施するコードの第２部分を実行するように構成される、システム。
【請求項17】
前記デバイスの前記センサ手段は、筋電信号を取得可能な筋電ユニットを含み、前記処理装置は、前記病状ステータスデータおよび前記筋電信号に基づいて、前記皮膚疾患に冒された皮膚の前記部分の感染および／または炎症の程度を定義する、症状程度データを生成するように訓練された、第３ニューラルネットワークを実施するコードの第３部分を実行するように構成される、請求項１６に記載のシステム。
【請求項18】
画像取得手段により、皮膚疾患に冒された皮膚の少なくとも１つの部分の医用画像が取得される、画像取得段階を備える皮膚疾患を観察する方法であって、センサ手段により、皮膚の前記部分の身体的状態および／または皮膚の前記部分の周辺の環境状態が検出され、前記身体的状態および／または前記環境状態を表す病状データが生成される、身体的／環境データ取得段階と、
前記センサ手段により検出された前記病状データと、前記画像取得手段により取得された前記医用画像とが、処理手段により読み出され、前記病状データおよび前記医用画像がメモリ手段に格納される、格納段階と
をさらに備える方法。
【請求項19】
前記画像取得段階および／または前記身体的／環境データ取得段階において、皮膚の前記部分の前記医用画像および／または前記身体的状態および／または皮膚の前記部分の周辺の前記環境状態は、前記画像取得手段がどのように前記医用画像を取得すべきか、および／または前記センサ手段がどのように前記身体的状態および／または前記環境状態を検出すべきかを指定する取得データに基づいて取得される、請求項１８に記載の方法。
【請求項20】
電子コンピュータのメモリにロード可能なコンピュータプログラム製品であって、請求項１８または１９に記載の方法の段階を実行するためのソフトウェアコードの部分を備える、コンピュータプログラム製品。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、例えば潰瘍、紅斑等の皮膚疾患を検出するデバイスおよび方法に関する。具体的には、本発明は、皮膚疾患の検出と、その状態を評価とを可能とする。状態とは例えば、炎症の程度、および／またはバクテリアまたはウイルス感染の程度である。
【0002】
公知のように、皮膚は人体が外部環境に対して自己防衛を行うための第１のバリアである。
【0003】
同じ体勢で長い時間過ごさざるを得ない人（例えば、多くの時間ベッドで過ごすこと、または車いすの使用を余儀なくされる、歩行できないという問題を持つ、身体障害者、または高齢者）、または地球の僻地で過ごす人（例えば、兵隊、部族で生活する人々、人道機関で働くボランティア等）は、皮膚疾患に罹ることが多い（例えば、褥瘡性潰瘍、アレルギーまたは真菌症による紅斑、虫刺されまたは動物咬傷による創傷）。当該疾患は、皮膚の弾力性低下（例えば、過度な血行不全または栄養失調による）、または動物、菌胞子、または触れると、適切な医療／皮膚科学的処置が求められる皮膚疾患に至るまで悪化し得る皮膚反応を生じるような植物と接せざるを得ない環境に生活していることによるものであり得る。
【0004】
しかし、これら人々にとって、そのような処置を受けるのは容易ではない。実際、皮膚科医の入念な診断がなければ、皮膚を治療しても問題の解決にならず、単にその影響を緩和するのみとなる（例えば、アレルギー反応による急性蕁麻疹に対して、アレルギー誘発物質を知ることなく、単純にコルチゾン系クリームを使用するような場合）、または患者の皮膚を損傷してしまう（例えば、真菌症治療にコルチゾン系クリームを使用した場合）虞がある。
【0005】
したがって、皮膚科の専門家による高品質の診断がなければ、上述の人々は、慢性的な皮膚疾患に苦しむことになる。このような問題は、例えば、患者の命を救うために、手足の切断が必要となり得る、深い潰瘍の形成のような、極めて深刻な症状にまで悪化し得る。
【0006】
本発明は、これらおよびその他問題を、皮膚疾患を検出するデバイスを提供することで解決することを目的とする。
【0007】
さらに、本発明は、これらおよびその他問題を、皮膚疾患を検出する方法を提供することで解決することを目的とする。
【0008】
本発明の基本的思想は、画像取得手段により、皮膚疾患に冒された皮膚の少なくとも１つの部分の医用画像（即ち、特定の手順により取得された画像）を取得し、センサ手段により、上記部分の皮膚の身体的状態（例えば、皮膚の温度等）、および／または皮膚の上記部分の周囲の環境状態（例えば、環境空気の温度および／または湿度）を検出することで、上記身体的状態および／または上記環境状態を表す病状データを生成することである。
【0009】
このようにして、医用画像および病状データが皮膚科医に利用可能となり、医用画像のみを調べた場合よりもより正確な診断が可能となる。即ち、専門家がさらに、皮膚疾患の状態を推定できるようになる。実際、皮膚の部分の身体的状態、および／またはその周囲の環境状態を把握すれば、実際に患者を訪ねる必要なく、皮膚科医はより高い精度で疾患（１つまたは複数）を特定し、上記疾患の状態をより正確に評価できる。
【0010】
皮膚紅斑を生じる皮膚疾患は、患者の周囲の環境の温度および／または湿度、または患者の肌の色の種類等に応じて、発現が異なり得ることを理解されたい。したがって、医用画像と共に追加の病状データを使用することで、皮膚科医は、患者の臨床状況をより良く理解し、最も適した治療を特定できる。例えば、熱帯気候においては、高温度および湿度値により促進されるバクテリア繁殖を抑えるために、抗生物質を含むクリームを使用した治療がより好ましい。本発明のさらに有利な特徴が、添付の特許請求の範囲に述べられている。
【図面の簡単な説明】
【0011】
あくまで非限定的な例として供される添付された図面に示されているように、これらの特徴ならびに本発明のさらなる利点が、本明細書の一実施形態の以下の説明からより明らかになるであろう。
【図1】本発明に係る、皮膚疾患を検出する装置のブロック図を示す。
【図2】本発明に係る、皮膚疾患を検出する方法のフローチャートを示す。
【図3】本発明の少なくとも１つの実施形態において実施されるニューラルネットワークの概略図を示す。
【図4】本発明の少なくとも１つの実施形態において実施されるニューラルネットワークの概略図を示す。
【図5】本発明の少なくとも１つの実施形態において実施されるニューラルネットワークの概略図を示す。
【発明を実施するための形態】
【0012】
本明細書における「一実施形態（ａｎ ｅｍｂｏｄｉｍｅｎｔ）」への任意の参照は、特定の構成、構造、または特徴が、本発明の少なくとも１つの実施形態に備えられていることを示すであろう。従って、本明細書の種々の部分に存在し得る「一実施形態において（ｉｎ ａｎ ｅｍｂｏｄｉｍｅｎｔ）」等という表現、および他の類似表現は、必ずしも全てが同一の実施形態には関連していないであろう。さらに、任意の特定の構成、構造、または特徴は、１または複数の実施形態において、適切と見なされる任意の方法で組み合わせられてよい。従って、以下の参照は、簡潔さのためだけに用いられており、様々な実施形態の保護範囲または拡張を限定しない。
【0013】
図１を参照に、本発明に係る皮膚疾患観察用デバイス１の実施形態を以下に説明する。上記デバイスは以下の構成要素を備える。
・皮膚疾患に冒された、皮膚の少なくとも１つの部分の医用画像を取得するように構成される画像取得手段１１（例えば、好ましくは既知の焦点曲線、および／またはオートフォーカス機能、および／または自動絞り調整機能、および／または自動露光調整機能を有するＣＭＯＳ画像取得センサ）。当該取得手段は、マクロ画像の撮影、および／または波長フィルタリングを可能とする光学レンズを備えることが好ましい。これについては、さらに後述する。当該レンズは、取得手段１１の光学系およびセンサに対して、固定的にまたは移動可能に結合され得る。
・皮膚の部分の身体的状態（例えばサーマルカメラ、電子鼻、湿度センサ、等）、および／または皮膚の上記部分の周辺の環境状態（例えば、気温および／または湿度を測定する温度計および／または湿度計）を検出し、上記身体的状態および／または上記環境状態を表す病状データを生成するように構成されたセンサ手段１２。
・例えば病状データおよび／または本発明に係る皮膚疾患を観察する方法を実施する一組の指示であるデータを、デジタル形式で格納するメモリ手段１３（例えばＲＡＭ、ＳＳＤ、ＨＤＤメモリ等）。
・画像取得手段１１、センサ手段１２、およびメモリ手段１３と通信する処理手段１４（例えばＣＰＵ、ＧＰＵ、マイクロコントローラ、ＦＰＧＡ等）。
・処理手段１４、メモリ手段１３、センサ手段１２、および画像取得手段１１の間で、有線モード（例えばＵＳＢを介する）および／または無線モード（例えば、Ｗｉ－Ｆｉ（登録商標）またはＢｌｕｅｔｏｏｔｈ（登録商標）を介する）で、データのやり取りを可能とする通信バス１８。
・皮膚疾患に冒された、皮膚の少なくとも１つの部分の医用画像を取得するように構成される画像取得手段１１（例えば、好ましくは既知の焦点曲線、および／またはオートフォーカス機能、および／または自動絞り調整機能、および／または自動露光調整機能を有するＣＭＯＳ画像取得センサ）。当該取得手段は、マクロ画像の撮影、および／または波長フィルタリングを可能とする光学レンズを備えることが好ましい。これについては、さらに後述する。当該レンズは、取得手段１１の光学系およびセンサに対して、固定的にまたは移動可能に結合され得る。
・皮膚の部分の身体的状態（例えばサーマルカメラ、電子鼻、湿度センサ、等）、および／または皮膚の上記部分の周辺の環境状態（例えば、気温および／または湿度を測定する温度計および／または湿度計）を検出し、上記身体的状態および／または上記環境状態を表す病状データを生成するように構成されたセンサ手段１２。
・例えば病状データおよび／または本発明に係る皮膚疾患を観察する方法を実施する一組の指示であるデータを、デジタル形式で格納するメモリ手段１３（例えばＲＡＭ、ＳＳＤ、ＨＤＤメモリ等）。
・画像取得手段１１、センサ手段１２、およびメモリ手段１３と通信する処理手段１４（例えばＣＰＵ、ＧＰＵ、マイクロコントローラ、ＦＰＧＡ等）。
・処理手段１４、メモリ手段１３、センサ手段１２、および画像取得手段１１の間で、有線モード（例えばＵＳＢを介する）および／または無線モード（例えば、Ｗｉ－Ｆｉ（登録商標）またはＢｌｕｅｔｏｏｔｈ（登録商標）を介する）で、データのやり取りを可能とする通信バス１８。
【0014】
通信バス１８の代わりに、処理手段１４、メモリ手段１３、センサ手段１２、および画像取得手段１１は、スターアーキテクチャにより接続され得る。
【0015】
最も一般的な実施形態において、処理手段１４は（延いては、デバイス１全体も）、以下の段階を実行するように構成される。
・センサ手段１２により検出された病状データと、画像取得手段１１により取得された医用画像を読み出す段階と、
・上記病状データおよび上記医用画像を上記メモリ手段１３に格納する段階。
・センサ手段１２により検出された病状データと、画像取得手段１１により取得された医用画像を読み出す段階と、
・上記病状データおよび上記医用画像を上記メモリ手段１３に格納する段階。
【0016】
これにより、皮膚科医または非専門医は、医用画像および病状データを使用して、医用画像のみを調べた場合よりも正確な診断を行うことができる。
【0017】
より具体的には、デバイス１は、皮膚科医が診断のために必要な病状データを収集するための２つの個別の好ましい実施形態で実施されることが好ましい。
【0018】
デバイス１のいずれの実施形態も、本発明に係る、皮膚の病状検出方法を実行する。
【0019】
さらに図２を参照すると、本発明に係る方法は以下の段階を含む。
・画像取得手段１１により、皮膚疾患に冒された皮膚の少なくとも１つの部分の医用画像が取得される、画像取得段階Ｐ１、
・センサ手段１２により、皮膚の上記部分の身体的状態（例えば生理的データ）および／または皮膚の上記部分の周辺の環境状態が検出され、上記身体的状態および／または上記環境状態を表す病状データが生成される、身体的／環境データ取得段階Ｐ２、
・センサ手段１２により検出された病状データと、画像取得手段１１により取得された医用画像が、処理手段により読み出され、上記病状データおよび上記医用画像がメモリ手段１３に格納される、格納段階Ｐ３。
・画像取得手段１１により、皮膚疾患に冒された皮膚の少なくとも１つの部分の医用画像が取得される、画像取得段階Ｐ１、
・センサ手段１２により、皮膚の上記部分の身体的状態（例えば生理的データ）および／または皮膚の上記部分の周辺の環境状態が検出され、上記身体的状態および／または上記環境状態を表す病状データが生成される、身体的／環境データ取得段階Ｐ２、
・センサ手段１２により検出された病状データと、画像取得手段１１により取得された医用画像が、処理手段により読み出され、上記病状データおよび上記医用画像がメモリ手段１３に格納される、格納段階Ｐ３。
【0020】
これにより、医師は、医用画像とともに病状データを使用して、医用画像のみを調べた場合よりも正確な診断を行うことができる。
【0021】
自立型構成とも称する、デバイス１２の第１構成は、好ましくは、クラウンを有するプリント回路基板を備える。クラウンは、好ましくは２から５ｃｍの範囲の半径を有し、好ましくはクラウンの外周に沿って等間隔に配置された少なくとも３つの白色ＬＥＤ照明を有し、上記画像取得手段１１が上記クラウンの中心に位置する。本実施形態において、センサ手段は好ましくは、病変の距離および三次元形状を測定するための、以下の要素の構成を少なくとも１つの有することが好ましい。これらは、後述の基準で、そしてデバイスの創傷および周囲（即ち、創傷周辺の皮膚領域）からの距離を検出可能な任意の態様および数で配置される。
ａ）画像取得手段１１に対する規則的または対照的配列で配置可能である、１または複数の光学（例えば赤外線またはレーザ－光センサ）および／または音響（例えば超音波、ＰＩＮＧ超音波センサとしても知られる）距離センサ。当該センサは、上記画像取得手段１１内、または上記画像取得手段１１から５ｃｍ以内で離れて配置されるべきである。
ｂ）画像取得手段１１に近接して配置される少なくとも１つのＤＬＰマイクロミラーセンサ。このセンサは、フェージング効果により画素輝度の差を検出可能にし、当該差に基づいて、処理手段は画像取得手段１１と、疾患に冒された皮膚の部分との間の距離を計算できる。
ｃ）画像取得手段１１に近接して配置された、対応するセンサ付きの、少なくとも１つのストラクチャードライトエミッタ。これにより、処理手段は上記ストラクチャードライトにより照らされた皮膚の部分の画像（画像取得手段１１により取得）に基づいて、皮膚病変の深度を推定可能である。
ｄ）自動焦点（オートフォーカス）機能を有する第２画像取得手段（例えば、可変光学系を有するＣＭＯＳセンサ）。上記第２画像取得手段は、第１手段１１に近接した配置される。これにより、処理手段は、画像取得手段１１の焦点距離を変えることなく、第２画像取得手段の焦点距離に基づいて、距離を推定するように構成可能である。
ａ）画像取得手段１１に対する規則的または対照的配列で配置可能である、１または複数の光学（例えば赤外線またはレーザ－光センサ）および／または音響（例えば超音波、ＰＩＮＧ超音波センサとしても知られる）距離センサ。当該センサは、上記画像取得手段１１内、または上記画像取得手段１１から５ｃｍ以内で離れて配置されるべきである。
ｂ）画像取得手段１１に近接して配置される少なくとも１つのＤＬＰマイクロミラーセンサ。このセンサは、フェージング効果により画素輝度の差を検出可能にし、当該差に基づいて、処理手段は画像取得手段１１と、疾患に冒された皮膚の部分との間の距離を計算できる。
ｃ）画像取得手段１１に近接して配置された、対応するセンサ付きの、少なくとも１つのストラクチャードライトエミッタ。これにより、処理手段は上記ストラクチャードライトにより照らされた皮膚の部分の画像（画像取得手段１１により取得）に基づいて、皮膚病変の深度を推定可能である。
ｄ）自動焦点（オートフォーカス）機能を有する第２画像取得手段（例えば、可変光学系を有するＣＭＯＳセンサ）。上記第２画像取得手段は、第１手段１１に近接した配置される。これにより、処理手段は、画像取得手段１１の焦点距離を変えることなく、第２画像取得手段の焦点距離に基づいて、距離を推定するように構成可能である。
【0022】
言い換えると、センサ手段１２は、皮膚の上記部分と、上記デバイスとの間の距離を測定可能である１または複数の距離センサを含む。これにより、皮膚科医は、医用画像に示された皮膚科学的病状をより良く評価できる。したがって、医用画像のみを評価した場合よりも高品質な診断が可能である。
【0023】
デバイス１はさらに、内蔵または取り外し可能なバッテリを備えることが好ましい。バッテリは、上述の構成要素に電力供給可能である。さらに、上記デバイス１は、ケーブルを介して外部電源により、および／または十分に高い可変磁場が流れた場合（電磁誘導電力供給方法）、デバイス１に対する十分な電流を生成可能なコイルにより電力供給され得る。
【0024】
上記に加え、デバイス１は、メモリ手段１３と通信するインタフェース手段（例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ、ＩＥＥＥ１３９４インタフェース等）を備え得る。これにより、外部コンピュータ（例えば、皮膚科医が報告用途に利用するパーソナルコンピュータ）が、画像および病状データにアクセス可能となる。したがって、皮膚科医は適宜画像を見て（好ましくは、医療用の色を適切に再生可能な報告用モニタ上で）、適切なソフトウェアアプリケーションパッケージを利用して、病状データを分析できる。
【0025】
具体的には、インタフェース手段は、デバイス１内か、上記デバイス１の外部に備えられ得る、スクリーン（好ましくは、アクティブマトリクスディスプレイ）に接続される、ビデオインタフェース（例えばＶＧＡ、ＤＶＩ、ＨＤＭＩ（登録商標）等）を備え得る。これにより、皮膚科医は、専用報告用ワークステーションがなくても、医用画像および病状データを見ることができる。
【0026】
上記に代えて、または組み合わせて、デバイス１は、例えばＩＥＥＥ８０２．１１（ＷｉＦｉ）、ＩＥＥＥ８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ８０２．１５（Ｂｌｕｅｔｏｏｔｈ）インタフェース等の通信手段を備え得る。さらに、処理手段１４は、取得した医用画像および病状データを、上記通信手段を介して、送信するように構成され得る。これにより、デバイス１または上記デバイス１のメモリ手段１３を皮膚科医に送る必要がなくなり、皮膚科医は自身の位置に関わらず診断が可能となる。例えば、皮膚科医は、適任のオペレータ（例えば、看護師または非専門医）の、または自身でデバイス１を使用して画像および病状データを取得する患者の位置から、数千キロ離れ得る。したがって、皮膚科医は、インタラクティブにも（例えばビデオ会議で）診断を行い、適任のオペレータまたは患者に、どのようにデバイス１を使用すべきかを提案し得る。
【0027】
上記に加え、デバイス１の処理手段１４はまた、デバイス１がどのように画像および／または病状データを取得するべきかを指定する、メモリ手段１３に格納された取得データに基づいて、上記画像取得手段１１および／または上記センサ手段１２を介して、画像および／または病状データを取得するようにも構成され得る。例えば、取得データは、画像取得手段１１が利用する露光時間および／または絞り、あるいはオートフォーカス機能および／または露光時間を自動に調整する露光適合機能を利用するか、あるいはセンサ手段１２を通じて皮膚病変を照らすのに使用する光の波長等を指定し得る。
【0028】
言い換えると、メモリ手段１３は、少なくとも取得データを含み得る。取得データは、（画像取得段階Ｐ１および／または身体的／環境データ取得段階Ｐ２において）上記画像取得手段１１がどのように画像を取得すべきか、および／または上記センサ手段１２がどのように身体的状態および／または環境状態を検出すべきかを指定する。画像取得手段１１は、好ましくは処理手段１４を介して、上記取得データに基づいて医用画像を取得するように構成され、および／またはセンサ手段１２は、好ましくは処理手段１４を介して、上記取得データに基づいて、皮膚の上記部分の身体的状態、および／または皮膚の上記部分の周囲の環境状態を検出するように構成される。
【0029】
さらに、取得データは、適切なアプリケーションを利用して、皮膚科医により遠隔で生成され、通信手段を介してデバイス１により受信されることが好ましくなり得る。
【0030】
これにより、デバイス１の誤った使用により、皮膚科医によるエラーが生じるリスクが低減する。したがって、画像の誤った取得によるエラーのリスクが低減しているため、皮膚科医はより正確な診断が可能となる。実際、言語の問題（例えば、デバイス１のユーザが、皮膚科医と同じ言語を話さないため）、および／または文化の違い（例えば、デバイス１のユーザが、皮膚科医が何を言っているかわからない、および／またはデバイス１を設定できないため）で皮膚科医が患者またはオペレータと意思疎通できない場合、適切な取得データを送信することで、適切な動作が保証されるように、デバイス１を設定可能となる。
【0031】
上記に代えて、または組み合わせて、センサ手段は、患者の生理的パラメータを検出可能な少なくとも１つのセンサを備え得る。当該センサは、適切なコネクタにより基板（したがって、処理手段１４にも）接続され得るか、プリント回路に直接（例えば半田付けにより）一体化され得る。これらセンサは以下の種類を含む。
・２００から４５０ナノメートルの範囲の波長を有する光を検出可能な紫外線画像センサと、１または複数の紫外線光源（例えば、ＵＶランプとしても知られているウッズランプ）。これにより、一部のバクテリアまたはウイルス主の蛍光を検出可能となる。上記センサは、信号クロストーク現象を一切なくするため、波長が４８０ｎｍ未満の光のみを透過可能とするように、光をフィルタリングするため、画像取得手段１１に偏光光学系（固定または取り外し可能フレームを有する）を適用することでも実施され得る。これにより、皮膚科医は、より高品質の診断が可能となる。
・６５０から１，２００ナノメートルの範囲の波長を有する光を検出可能な、例えば、ＮＩＲ ＣＭＯＳカメラのような赤外線画像センサと、好ましくは６５０から１，２００ナノメートルの範囲の波長の光線を発することが可能な、「近」赤外線タイプ（ＮＩＲＳ）の１または複数の赤外線光源。上記赤外線画像センサは、少なくとも１００Ｈｚのサンプリング周波数で動作することが好ましくなり得、同波長（６５０から１，２００ナノメートル）用に較正された、偏光光学系（固定または取り外し可能フレームを有する）を備えることが好ましい。これにより信号クロストーク現象が一切生じないので、皮膚科医はより高品質の診断が可能となる。
・皮膚疾患に冒された皮膚の上記部分が発する揮発性化合物（例えば、典型的に潰瘍の存在を示すアンモニアの存在、および／またはさらに後述するような、特定のバクテリア種が存在すると発せられるその他揮発性化合物）を認識するように構成された、少なくとも１つの電子鼻。これにより、皮膚科医はより高品質な診断ができる。即ち、上記電子鼻は、皮膚科医が患者に直に会って、その皮膚を検査できる、皮膚科来院時にも人間の鼻ではほとんど検出できないような物質の存在を（遠隔）検出可能とする。
・温度センサとも呼ばれ、皮膚疾患に冒された皮膚の部分の表面温度を検知可能に配置された、１または複数の熱感知デバイス（例えば、赤外線温度計、サーマルカメラ等）
・少なくとも１つの電子環境湿度および温度センサ、および／または皮膚疾患に冒された皮膚の上記部分の湿度を検知可能な皮膚湿度センサ。これにより、皮膚科医は画像のみを評価した場合よりも、皮膚疾患の見た目と状態をより良く評価でき、したがってより高品質な診断ができる。
・２００から４５０ナノメートルの範囲の波長を有する光を検出可能な紫外線画像センサと、１または複数の紫外線光源（例えば、ＵＶランプとしても知られているウッズランプ）。これにより、一部のバクテリアまたはウイルス主の蛍光を検出可能となる。上記センサは、信号クロストーク現象を一切なくするため、波長が４８０ｎｍ未満の光のみを透過可能とするように、光をフィルタリングするため、画像取得手段１１に偏光光学系（固定または取り外し可能フレームを有する）を適用することでも実施され得る。これにより、皮膚科医は、より高品質の診断が可能となる。
・６５０から１，２００ナノメートルの範囲の波長を有する光を検出可能な、例えば、ＮＩＲ ＣＭＯＳカメラのような赤外線画像センサと、好ましくは６５０から１，２００ナノメートルの範囲の波長の光線を発することが可能な、「近」赤外線タイプ（ＮＩＲＳ）の１または複数の赤外線光源。上記赤外線画像センサは、少なくとも１００Ｈｚのサンプリング周波数で動作することが好ましくなり得、同波長（６５０から１，２００ナノメートル）用に較正された、偏光光学系（固定または取り外し可能フレームを有する）を備えることが好ましい。これにより信号クロストーク現象が一切生じないので、皮膚科医はより高品質の診断が可能となる。
・皮膚疾患に冒された皮膚の上記部分が発する揮発性化合物（例えば、典型的に潰瘍の存在を示すアンモニアの存在、および／またはさらに後述するような、特定のバクテリア種が存在すると発せられるその他揮発性化合物）を認識するように構成された、少なくとも１つの電子鼻。これにより、皮膚科医はより高品質な診断ができる。即ち、上記電子鼻は、皮膚科医が患者に直に会って、その皮膚を検査できる、皮膚科来院時にも人間の鼻ではほとんど検出できないような物質の存在を（遠隔）検出可能とする。
・温度センサとも呼ばれ、皮膚疾患に冒された皮膚の部分の表面温度を検知可能に配置された、１または複数の熱感知デバイス（例えば、赤外線温度計、サーマルカメラ等）
・少なくとも１つの電子環境湿度および温度センサ、および／または皮膚疾患に冒された皮膚の上記部分の湿度を検知可能な皮膚湿度センサ。これにより、皮膚科医は画像のみを評価した場合よりも、皮膚疾患の見た目と状態をより良く評価でき、したがってより高品質な診断ができる。
【0032】
上記に代えて、または組み合わせて、デバイス１は、処理手段１４と通信し得、患者データ（例えば、患者の皮膚の写真版、患者の性別、年齢、体重等）を取得し、それをメモリ手段１３に格納するように構成され得る、データ入力インタフェース（例えば、キーボード、キーボードを表示可能なタッチスクリーン、マイク等）を備える。
【0033】
これにより、皮膚科医は、より大量のデータを利用可能となるので、当該医師は、より高品質な診断ができる。
【0034】
上記に代えて、または組み合わせて、センサ手段は、以下の要素を備える筋電ユニットを含み得る。
・好ましくは、０．５ｍｍ２以上の表面を有する、ドライディスクまたは塩化銀（ＡｇＣｌ）型の、電気的表面生体信号を収集する一対の皮膚電極。
・５０μＡ以下の強度、または患者が心臓カテーテル、埋め込み型ペースメーカー、または心臓除細動器（ＩＣＤとしても知られている）を使用している場合、一切のマイクロショックのリスクを有効に避けるため、１０μＡ以下の強さを有する電流を有効に生成するように、４０ボルトのピークピーク値（Ｖｐｐ）の最大値まで調整可能で、最大周波数が１Ｈｚの、好ましくは正弦または矩形波を有する、交流電気信号を生成するように構成された信号発生器。
・一対の電極を通じて流れる電流により生成された、筋電信号（例えば、強さ、電圧、段階、および／または周波数等その１または複数の特徴を検知することによる）を取得し、好ましくはデジタル形式の上記筋電信号を処理手段１４に送信可能な、例えば電流計、および／または電圧計のような測定手段。
・好ましくは、０．５ｍｍ２以上の表面を有する、ドライディスクまたは塩化銀（ＡｇＣｌ）型の、電気的表面生体信号を収集する一対の皮膚電極。
・５０μＡ以下の強度、または患者が心臓カテーテル、埋め込み型ペースメーカー、または心臓除細動器（ＩＣＤとしても知られている）を使用している場合、一切のマイクロショックのリスクを有効に避けるため、１０μＡ以下の強さを有する電流を有効に生成するように、４０ボルトのピークピーク値（Ｖｐｐ）の最大値まで調整可能で、最大周波数が１Ｈｚの、好ましくは正弦または矩形波を有する、交流電気信号を生成するように構成された信号発生器。
・一対の電極を通じて流れる電流により生成された、筋電信号（例えば、強さ、電圧、段階、および／または周波数等その１または複数の特徴を検知することによる）を取得し、好ましくはデジタル形式の上記筋電信号を処理手段１４に送信可能な、例えば電流計、および／または電圧計のような測定手段。
【0035】
これにより、特定の皮膚疾患の存在により、その動作が影響され得る、周辺神経系の状態について、意義のある情報を提供可能な、筋電信号が利用できるため、皮膚科医はより高品質な診断ができる。当然、上述の例に対して、数多くの変形が可能である。
【0036】
本発明に係るデバイスの第２実施形態を以下に説明する。簡潔性のため、以下の説明では、本実施形態とそれに続く変形を、上述の主要実施形態と区別する部分のみに集中する。
【0037】
本発明に係るデバイスの第２実施形態は、例えば上述の画像取得手段およびセンサ手段が、入出力手段（例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ等を介して）、を介して接続可能なモバイル端末（例えばスマートフォン等）、タブレット、ノートパソコン、パーソナルコンピュータ等の汎用デバイスである。上記デバイスは、本発明に係る皮膚疾患を観察する方法を実施する一組の指示を実行するように構成される。
【0038】
さらに図３を参照すると、第１ニューラルネットワークＲＰにより、好ましくは皮膚疾患に冒された損傷皮膚の第１部分Ｐ２と、損傷部分Ｐ２を囲む第２部分Ｐ３（「周囲」としても知られている）を示す画像Ｐが分析可能である。第１ニューラルネットワークＲＰは、処理手段１４、または好ましくは上記ニューラルネットワークＲＰを実施する、一組の指示を実行する、その他処理手段（例えば、サーバ、皮膚科医のパーソナルコンピュータ等内に含まれる）により実施される、フィードフォワード型であることが好ましい。このニューラルネットワークＲＰは、取得された（上記ネットワークに入力された）画像に基づいて、皮膚疾患の類型を定義する類型データを出力するように訓練されている。したがって、この類型データを使用することで、皮膚科医は診断処理の迅速化を図ることができる。即ち、当該データにより、皮膚科医は、患者に実施され得るその他推測的な種類の検査を省き、短期間で検査範囲を絞ることが可能となるためである。したがって、より早く診断（そしてその結果の治療）が行われる。これは本発明のデバイス１の利用という文脈に適している。即ち、皮膚科医は、現場で異なるデバイス１により収集された画像および病状データを分析する必要があり得るので、可能な限り早く診断を出す必要があるためである。
【0039】
ニューラルネットワークＲＰは好ましくは２層の計算ノードＳｐ１、Ｓｐ２を有する（以下では、「シナプスｓ」Ｓｐ１＿１、...、Ｓｐ１＿ｎおよびＳｐ２＿１、...、Ｓｐ２＿ｎとも称し、その数は、分析された画像が該当し得る、病変類型の数に応じる）。なお、層Ｓｐ１およびＳｐ２それぞれにおける、シナプスＳｐ１＿１、...、Ｓｐ１＿ｎおよびＳｐ２＿１、...、Ｓｐ２＿ｎの数は同じである必要があることが理解されたい。各層Ｓｐ１およびＳｐ２のシナプスは、それぞれが好ましくは２５６個のシナプスを含む、３つのベクトル（第１層Ｓｐ１に対するｓｐｒ＿１、ｓｐｇ＿１、ｓｐｂ＿１および第２層Ｓｐ２に対するｓｐｒ＿２、ｓｐｇ＿２、ｓｐｂ＿２）にそれぞれ接続される。
【0040】
ニューラルネットワークＲＰが存在しない場合、ユーザがインタフェース手段を介して病変類型を入力する必要があることが強調される。
【0041】
図４および図５をさらに参照すると、使用については後述するセンサ手段１２により検出されたデータは、第２ニューラルネットワークＲ１および第３ニューラルネットワークＲ２を利用して処理され得る。当該ネットワークはそれぞれ、デバイス１の処理手段１４、またはその他処理手段（例えば、サーバ内、皮膚科医のパーソナルコンピュータ内等に含まれる）を通じて実施可能である（第１ニューラルネットワークＲＰと完全同様）。
【0042】
第２ニューラルネットワークＲ１の機能は、直接センサ手段１２が収集したデータを処理するものである。これにより、疾患により生じ得た病変の炎症および／または感染状態を得る。一方、第３ニューラルネットワークＲ２は、感染および／または炎症の程度を計算するために、Ｒ１により生成されたデータを処理するように設計されたネットワークであり、生成されたデータを読み出し、解釈することを希望する場合に、デバイスまたはシステムに追加され得る。
【0043】
第２ネットワークＲ１は、好ましくはパーセプトロン型のニューラルネットワークであり、ディープラーニング動作を実行するように設計される。上記ネットワークＲ１は、計算ノードまたはシナプスを含む、少なくとも５つのベクトルＳＲ１を含む。中央ベクトルＳ０は、ニューラルネットワークＳＲ１に入力された、をベクトルＺの値ｚ１、...、ｚｎ０を受信するタスクを実行する。当該値は、デバイスの構成に含まれた、上述のセンサ手段１２からのものである。層Ｓ０のシナプスの数は、デバイスに含まれたセンサ手段１２の類型に基づいて定義される。具体的には、シナプスの数は以下の方式に基づいて選択されることが好ましく成り得る（デバイス１に含まれる各センサ手段１２に対応付け可能なシナプスの数を可算していく）。
・センサ手段１２がＵＶ光源を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は、１から６の範囲であり得る。
・センサ手段１２が赤外線光源を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は、少なくとも１つであり得る。
・センサ手段１２が電子鼻を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は１からｘの範囲であり得る。ここでｘは、電子鼻により認識可能な揮発性化合物の数である。
・センサ手段１２が上記１または複数の温度センサを備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は少なくとも１つであり得る。
・センサ手段１２が上記１または複数の電子湿度センサを備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は少なくとも１つであり得る。
・センサ手段１２がＵＶ光源を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は、１から６の範囲であり得る。
・センサ手段１２が赤外線光源を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は、少なくとも１つであり得る。
・センサ手段１２が電子鼻を備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は１からｘの範囲であり得る。ここでｘは、電子鼻により認識可能な揮発性化合物の数である。
・センサ手段１２が上記１または複数の温度センサを備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は少なくとも１つであり得る。
・センサ手段１２が上記１または複数の電子湿度センサを備える場合、ニューラルネットワークＳＲ１が有するシナプスの数は少なくとも１つであり得る。
【0044】
層Ｓ０は、ファーストライン層Ｓ１－ｉ、Ｓ１－ｈと呼ばれる少なくとも２つのその他シナプスの層に接続される。第１ファーストライン層Ｓ１－ｉは、好ましくは、感染状態の検出専用であることが好ましく、一方第２ファーストライン層Ｓ１－ｈは、炎症状態の検出専用であることが好ましく、それぞれ層Ｓ０と同じ数のシナプスを有する。層Ｓ１－ｉおよびＳ１－ｈはそれぞれ、セコンドライン層と呼ばれる、少なくとも１つの更なる層Ｓ２－ｉおよびＳ２－ｈに接続される。セコンドライン層Ｓ２－ｉ、Ｓ２－ｈのシナプスの数は、層Ｓ０のシナプスの数、したがってファーストライン層Ｓ１－ｉ、Ｓ１－ｈのシナプスの数に依存する。各ファーストライン層のシナプスの数Ｎ１に等しいＳ０におけるシナプスの数Ｎ０を考えると、各セコンドライン層Ｓ２－ｉのシナプスの数Ｎ２はＮ１（Ｎ１－１）となる。セコンドラインのものに続く任意のその他層にも同じルールが適用される。ＳＸを、シナプスの数ＮＸを計算する必要のある層のラインとして考えると、以下の関係式が成立する。ＮＸ＝ＮＸ－１（ＮＸ－１－１）
【0045】
層Ｓ０およびＳ１のシナプス間の接続は単純である。即ち、層Ｓ０の各シナプスは、層Ｓ１の１つのシナプスのみに接続される。前の層の各シナプスが、当該層の全てのその他計算ノードと、次の層において共通の接続となるように、層Ｓ１およびＳ２のシナプス間が接続される。セコンドラインのものに続くその他任意の層に関して、それらのシナプスと、前の層のシナプスとの間の接続は、前の層と同じロジックに従う必要がある。ネットワークの各層は、動作出力ＯＸ－ｉ、...、Ｏ０、...、Ｏｙ－ｈを生成する。
【0046】
したがって、病変感染状態、病変炎症状態またはその両方を検証するため読み出される、少なくとも５つの値が生成される。
【0047】
言い換えると、処理手段１４または外部処理手段は、上記病状データに基づいて、上記皮膚疾患に冒された皮膚の上記部分が感染および／または炎症しているかを定義する、病状ステータスデータを生成するように訓練された第２ニューラルネットワークＲ１を実施するコードの一部を実行するように構成され得る。これにより、皮膚科医は同じ時間で、より高品質な診断ができる。これは、診断の必要がある（おそらくいくつかの医学書も参考にしながら）度にセンサ手段１２からのデータを再解釈する必要がなく、この処理の一部を、好ましくは自身が監督して、後に皮膚科医が解釈する必要のある１または複数のあり得る解を提供するように訓練した第２ニューラルネットワークに代わりに実行させることができるからである。
【0048】
その後、第２ニューラルネットワークＲ１の出力値が、上述のように、検査中の病変の炎症または感染状態の程度を評価する機能を持つ第３ニューラルネットワークＲ２により読み出される。ニューラルネットワークＲ２は、ネットワークＲ１により提供された値を、筋電ユニットにより生成された筋電信号Ｅ、またはデータ入力インタフェースを介して取得された患者データに関連付ける。
【0049】
言い換えると、処理手段１４は、病状ステータスデータ（第２ニューラルネットワークＲ１により生成された）および上記筋電信号Ｅ（筋電ユニットにより生成された）に基づいて、上記皮膚疾患に冒された皮膚の上記部分の感染および／または炎症の程度を定義する、症状程度データを生成するように訓練された、第３ニューラルネットワークＲ２を実施するコードの一部を実行するように構成され得る。
【0050】
これにより、皮膚科医は同じ時間で、より高品質な診断ができる。これは、診断の必要がある度にセンサ手段１２からのデータを再解釈する必要がなく、この処理の一部を、好ましくは自身が監督して、後に皮膚科医が解釈する必要のある１または複数のあり得る解を提供するように訓練した第３ニューラルネットワークに代わりに実行させることができるからである。
【0051】
第３ニューラルネットワークＲ２は、少なくとも５つのシナプスｓｒ－１、...、ｓｒ－ｑと、追加のシナプスｓｅにより形成された単一層フィードフォワードネットワークｓｒとして設計されることが好ましい。第２ニューラルネットワークＲ１の各動作出力Ｏは、シナプスｓｒ－１、...、ｓｒ－ｑの１つに、個別に入力される。したがって、ニューラルネットワークＲ１の層の数を増やす場合、第３ニューラルネットワークＲ２のシナプスｓｒ－１、...、ｓｒ－ｑの数も同じだけ増やす必要がある。各シナプスｓｒ－１、...、ｓｒ－ｑはそれぞれ２つのノードＳＳ１、ＳＳ２に接続される。シナプスｓｅが接続される第１ノードＳＳ１はアダーノードである。一方、第２ノードＳＳ２はリレーションノードである。その動作は後述する。
【0052】
本明細書に記載のデバイス１の、その両方の実施形態における目的は、病変の類型（ニューラルネットワークＲｐが存在する場合）と、皮膚病変のあり得る炎症および／または感染状態の両方を検出することである。その際、任意でその程度もさらに判定する。これは、画像取得手段１１により得られた画像と、センサ手段１２により取得され、その後ネットワークＲ１さらに任意でＲ２により処理されたデータとを使用して実行される。これらそれぞれには先ず、関与するネットワークに応じて、画像取得手段１１および／またはセンサ手段１２により生成された同じデータを使用した訓練段階が実施される。この段階により、ニューラルネットワークＲＰ、Ｒ１、およびＲ２を構成する全ての層のシナプスに関連付けられた値が較正される。訓練段階が完了すると、ネットワークは動作段階に移行可能である。この段階では、ネットワークは、画像取得手段１１およびセンサ手段１２により収集されたデータを自律的に処理可能である。この段階では、シナプスに関連付けられた値は不変である。例えば、ネットワーク層にシナプスが追加される度に、またはネットワークＲ１に層が追加される度に、複数の訓練段階が実施され得る。ネットワークの処理感度または敏感さが適切なレベルに至っていないと考えられる場合に、新たな訓練段階が開始され得る。なお、システムにネットワークＲＰが存在しない場合、オペレータがデバイスのデータ入力インタフェースを介して、検査中の病変の類型を入力する必要があることが理解されたい。
【0053】
デバイス１が動作状態にあると、上記デバイスは、関連する身体領域の平面に平行な病変に向けられている。好ましくはこの状態は、オペレータによる適切な皮膚病変の範囲特定に寄与し得る、画像取得手段の利用により実現されることが好ましい。この後、参照用に使用される、病変と周辺皮膚部分の少なくとも１つの写真が画像取得手段１１により取得される。これは、クラウンＬＥＤのうちの少なくとも１つにより生成された光を利用して行われることが好ましい。この写真が撮られたあと、取得された画像は、収集され、デバイス１のメモリ手段１３に格納される必要がある。同時に、または写真が撮られた後、センサ手段１２により、病変の生理的データも収集される。当該データは、ネットワークＲ１により読み出されるためにデジタル化されなければならないことが好ましい。上記生理的データのそれぞれは、ネットワークＲ１への入力ｚとみなされる。各入力は、それを受信する層Ｓ０の１つのノードに関連付けられる。
【0054】
上述のように、センサ手段１２の各類型により収集された生理的データの利用のいくつかの例を、上記生理的データを取得する関連した方法とともに以下に正確に記述する。
【0055】
センサ手段１２が、紫外線画像センサと、上記１または複数の紫外線光源とを含む場合、いくつかのバクテリアまたはウイルス種の存在および量を検出可能にする画像を取得できる（好ましくは、光学フィルタを利用する）。以下に、紫外線光を反映して、特定の色の光を生成する皮膚病変を生じる皮膚疾患の一部を列挙する。
頭部白癬（真菌感染）、青色／緑色光を発光、
癜風（真菌感染）、黄色／緑色／オレンジ光を発光、
紅色陰癬（バクテリア感染）、赤色光を発光、
白斑（細胞死）、白色光を発光、
晩発性皮膚ポルフィリン症（遺伝性または特定の環境状態に起因する病状）、赤色／ピンク光を発光、
緑膿感染症（バクテリア感染）、緑色光を発光、
にきび（バクテリア感染）、オレンジ／赤色光を発光、
コリネバクテリウム・ミヌティシマム（バクテリア感染）、赤色光を発光。
頭部白癬（真菌感染）、青色／緑色光を発光、
癜風（真菌感染）、黄色／緑色／オレンジ光を発光、
紅色陰癬（バクテリア感染）、赤色光を発光、
白斑（細胞死）、白色光を発光、
晩発性皮膚ポルフィリン症（遺伝性または特定の環境状態に起因する病状）、赤色／ピンク光を発光、
緑膿感染症（バクテリア感染）、緑色光を発光、
にきび（バクテリア感染）、オレンジ／赤色光を発光、
コリネバクテリウム・ミヌティシマム（バクテリア感染）、赤色光を発光。
【0056】
取得された画像は、好ましくは、ＲＧＢコードを使用してコード化され、病変と、それに隣接する（周囲の）小皮膚領域を含む画像の部分を考慮して画素単位で分析される。色（黄色、緑色、青色、赤色、オレンジ、ピンクの合計６色）のそれぞれの検出は、特定の入力ベクトルＺに関連付けられる。これにより、上述のように、システムが検出および計算するように設計された色の数に応じて、ＵＶ光源に関連付けられたシナプスは最大６であり得る。各値について、その特定の色を有する画像の画素と、検査中の画像部分の全画素との間の比率が計算される。比率が閾値（好ましくは調整可能で、最小が好ましくは０．５％である）を超えると、その色に関連付けられたｚは１となり、超えなければ０となる。
【0057】
センサ手段１２が赤外線画像センサと、上記１または複数の赤外線または「近」赤外線（ＮＩＲＳ）光源を含む場合、脱酸素化ヘモグロビンに対する、酸素化ヘモグロビンの量を検出可能である。この値は、病変を含む身体領域の生理的活性を示すため、その可能性のある炎症状態を示す。ＩＲまたはＮＩＲダイオードの照射は、最小距離１ｃｍから起動可能である。病変の領域と周囲を、７６０ｎｍ（脱酸素化ヘモグロビンによる最大吸光値）から９００ｎｍ（酸素化ヘモグロビンによる最大吸光値）の範囲の波長のＩＲまたはＮＩＲ光により照射することで、そしてＮＩＲ ＣＭＯＳカメラにより出力信号を検出することで、皮膚の、７６０ｎｍ波長を吸収する部分と、９００ｎｍ波長を吸収する部分を表す点の数を数えることが可能である。したがって、関心領域内のそれら両方それぞれの数量を認識できる。ランベルト・ベールの法則により、各波長について計算されたＩＲまたはＮＩＲ光の吸収（Ａ）は以下のとおりであることが理解されたい。Ａ＝ｌｏｇ（Ｉｉｎｃ／Ｉｒｉｌ）式中、Ｉｉｎｃ＝入射光、Ｉｒｉｌ＝検出光である。
【0058】
（Ａ９００ｎｍ－Ａ７６０ｎｍ）／Ａ７６０ｎｍが、下限が０．１％に設定されることが好ましい、所与の調整可能閾値以上であれば、層Ｓ０の有効シナプスへの入力は１となる。
【0059】
センサ手段１２が上記少なくとも１つの電子鼻を含む場合、デバイス１は以下のような１または複数の揮発性化合物の存在を検出できる。
ａ．アンモニウム、
ｂ．イソプレン、
ｃ．酢酸、
ｄ．エタノール、
ｅ．ジメチルジスルフィド、
ｆ．硫酸水素塩（硫酸）、
ｇ．アセトン、
ｈ．アセトアルデヒド、
ｉ．チオシアン酸メチル、
ｊ．シアン化水素、
ｋ．ホルムアルデヒド、
ｌ．ブタノール。
ａ．アンモニウム、
ｂ．イソプレン、
ｃ．酢酸、
ｄ．エタノール、
ｅ．ジメチルジスルフィド、
ｆ．硫酸水素塩（硫酸）、
ｇ．アセトン、
ｈ．アセトアルデヒド、
ｉ．チオシアン酸メチル、
ｊ．シアン化水素、
ｋ．ホルムアルデヒド、
ｌ．ブタノール。
【0060】
これら揮発性化合物は、皮膚病変の領域内に確認され得る、様々なウイルス種由来である。このような種としては、大腸菌、緑膿菌、およびブドウ球菌等が挙げられる。揮発性化合物検出により発見され得るバクテリアおよびウイルス叢は極めて大きい。そして、生成される、したがって電子鼻で検出可能な揮発性化合物の範囲についても同様であることが確認されている。本システムに含まれる電子鼻（１つまたは複数）は、バクテリアまたはウイルス要素に科学的に関連付けられ得る、揮発性化合物の少なくとも１つの存在を検出するように構成される必要がある。各揮発性化合物の存在は、第２ニューラルネットワークＲ１の層Ｓ０の特定のシナプスにより読み出される入力ｚに関連付けられる。電子鼻（１つまたは複数）がそれに対応するように構成された各化合物に対して、調整可能な閾値が設定される。当該特定の化合物の検出が上記閾値を超えると、それぞれ得られたｚの値は１となり、超えなければ０となる。
【0061】
センサ手段１２が上記１または複数の熱感知デバイスを含む場合、病変の領域内、および隣接する領域内の温度を検出可能である。病変の領域内温度が周辺領域の温度よりも高いことは、炎症状態の存在を示唆する。ＴＦを損傷領域の平均温度とし、ＴＰを創傷周辺の領域内の平均温度として、比率（ＴＦ－ＴＰ）／ＴＰが、最小限度が好ましくは０．１％に設定された調整可能な閾値を超えると、熱感知デバイスに関連付けられた第２ニューラルネットワークＲ１の層Ｓ０の特定のシナプスに関連付けられた入力ｚは好ましくは値が１となり、超えなければ値は０となる。
【0062】
センサ手段１２が、病変の領域内の滲出物の存在および量を検知可能な電子湿度センサを含む場合、湿度センサが返した値が調整可な閾値（最小限度は０を超える）を超えるか検出可能である。そして、好ましくは湿度値が上記閾値を超える場合は値１として、または超えない場合は値０が入力Ｚとして、第２ニューラルネットワークＲ１の層Ｓ０の特定のシナプスに送られる。
【0063】
上述のように、センサ手段１２からネットワークＲ１に送られる入力Ｚの数は、デバイス１またはシステムの所与の構成に含まれる上記センサ手段１２の数、類型、および構成に依存する。入力ｚの数は、ネットワークＲ１の層Ｓ０内のシナプスの数に一致する必要がある。検出の度、入力ｚベクトルが生成され、第２ニューラルネットワークＲ１の層Ｓ０に送られるＺとして指定される。センサ手段１２の構成によっては、各ｚは常に同じシナプスに送られる。
【0064】
病状データを収集する方法と、その結果としてのベクトルＺの生成は、ニューラルネットワークＲ１およびＲ２が訓練段階にあるか、動作段階にあるかに依存しないことが理解されたい。画像収集方法についても同様である。即ち、第１ニューラルネットワークＲＰが訓練段階にあるか、動作段階にあるかに応じて変化しない。
【0065】
上記ネットワークＲＰが訓練段階にある場合の、第１ニューラルネットワークＲＰの動作を以下に説明する。上述のように、ネットワークは２つのシナプスの層（Ｓｐ１およびＳｐ２）を含む。各層のシナプスの数Ｓｐ１＿１、...、Ｓｐ１＿ｎおよびＳｐ２＿１、...、Ｓｐ２＿ｎは、訓練後にネットワークＲＰが認識する必要のある病変の類型の数に応じる。
【0066】
それぞれのシナプスは、３つのシナプスベクトルｓｐｒ＿１、ｓｐｇ＿１、ｓｐｂ＿１およびｓｐｒ＿２、ｓｐｇ＿２、ｓｐｂ＿２に接続される。１から２５６の範囲のインデクスから成るベクトル位置値が、両層Ｓｐ１およびＳｐ２の各ベクトルの各シナプスベクトルｓｐｒ＿１、ｓｐｇ＿１、ｓｐｂ＿１およびｓｐｒ＿２、ｓｐｇ＿２、ｓｐｂ＿２に関連付けられる。ネットワークに訓練段階が実施されるのが初めてであれば、全てのノードの全てのシナプスｓｐｒ＿１、ｓｐｇ＿１、ｓｐｂ＿１およびｓｐｒ＿２、ｓｐｇ＿２、ｓｐｂ＿２は０の値に初期化される。
【0067】
写真が撮られると、好ましくはデータ入力インタフェースを介して、ユーザは画像上に閉鎖線を描く必要がある。すなわち、描かれる線は、撮影画像における、病変の縁を表す画素に重なる。計算の観点から、ユーザは関心領域（ＲＯＩとも称される）、即ち病変と周囲の部分を含む画像部分を選択し得る。そのような場合、ネットワークＲＰは、ＲＯＩを撮像画像と見做して訓練される。この前または後に、好ましくは、ユーザはデータ入力インタフェースをさらに利用して、ネットワークが認識するように訓練された病変類型のリストから、検査中の病変の類型を選択しなければならないことが好ましい。各選択可能病変類型は、一対のシナプスに関連付けられる。線が描かれると、輪郭内の画素（ｐｘ１と称する）の全てと、選択された輪郭外の画像の画素の全て（ｐｘ２と称する）は、それぞれのＲ、Ｇ、Ｂの値を読み出すことで分析される。各画素のＲ、Ｇ、Ｂの値は、０から２５５の範囲内となる必要がある。
【0068】
分析画素が、画素ｐｘ１の群に属し、そのＲ、Ｇ、Ｂの値をそれぞれｒ、ｇ、ｂとすると、ユーザにより選択された病変に対応する層Ｓｐ１のシナプスＳｐ１＿１、...、Ｓｐ１＿ｎの、位置ｒ＋１におけるシナプスＳｐｒ＿１、位置ｇ＋１におけるＳｐｇ＿１、位置ｂ＋１におけるＳｐｂ＿１は１単位増加される。分析画素が、画素ｐｘ２の群に属し、そのＲ、Ｇ、Ｂの値をそれぞれｒ、ｇ、ｂとするとユーザにより選択された病変に対応する層Ｓｐ２のシナプスＳｐ２＿１、...、Ｓｐ２＿ｎの、位置ｒ＋１におけるシナプスＳｐｒ＿２、位置ｇ＋１におけるＳｐｇ＿２、位置ｂ＋１におけるＳｐｂ＿１は１単位増加される。全ての画像が分析されると、以下のルールに従って、シナプスｓｐｒ＿１、ｓｐｇ＿１、ｓｐｂ＿１およびｓｐｒ＿２、ｓｐｇ＿２、ｓｐｂ＿２が正規化される。
【数1】
【0069】
ニューラルネットワークＲＰは、それが認識するように訓練された病変類型に対して、両層Ｓｐ１およびＳｐ２内に存在する全てのシナプスＳｐ１＿１、...、Ｓｐ１＿ｎおよびＳｐ２＿１、...、Ｓｐ２＿ｎの合計以上の数の画像が分析されると、訓練済みとみなされ得る。
【0070】
ニューラルネットワークＲＰが訓練されると、画像取得手段１１が取得した画像が画素単位で分析される。分析開始前に、奇数である必要のある、隣接値ｖをプログラミングする必要がある。隣接値ｖは、１から、検査中の画像の総画素数の間の範囲の値を取り得る。分析された画素は、ｖ２画素により形成された構造格子内に配置される。格子の残りの要素は、分析中の画素の周りの画素で埋められる。格子内の各画素について、Ｒ（＝ｒ）、Ｇ（＝ｇ）、およびＢ（＝ｂ）の各値が分析される。この時点で、層Ｓｐ１および層Ｓｐ２の両方における病変に対応する一対のシナプスの、位置ｒ＋１におけるＳｐｒ＿１およびＳｐｒ＿２、位置ｇ＋１におけるＳｐｇ＿１およびＳｐｇ＿２、および位置ｂ＋１におけるＳｐｂ＿１およびＳｐｂ＿２の値が比較され、以下の式により値Ｆが計算される（１は、層Ｓｐ１およびＳｐ２における所与の病変類型に対応する画素ｓｐを示す）。
【数2】
【0071】
各病変類型に対応する各シナプスＳｐ１＿１、...、Ｓｐ１＿ｎおよびＳｐ２＿１、...、Ｓｐ２＿ｎについて、格子内の各画素に対して、各画素の値Ｆが計算される。その後、所与の病変類型についての格子内の全画素の全値Ｆが合計される。所与の病変類型について負の値が取得されると、当該病変について、更新内の中央画素は健全と分類される。正の値が取得された場合には、格子内の中央画素は、当該所与の病変に関して陽性であると分類される。
【0072】
各病変類型について、陽性となった画素は合計され、当該所与の病変類型の拡張が取得される。拡張値は、上記１または複数の光学および／または音響距離センサにより検出された病変から、デバイス１までの距離に基づいて、メートル法に変換できる。このように取得された距離値を、ＣＭＯＳカメラの焦点曲線と比較することで、画像の単一の画素で網羅される領域が取得できる。当該値を、所与の病変類型に属する画素で乗算することで、皮膚病変の範囲が取得される。
【0073】
この説明から、ニューラルネットワークＲＰは、皮膚科医の診断業務を代わりに実行することはできないが、画像取得手段１１により取得された画像に示され得る様々な皮膚疾患を、医師に対して強調することで、業務をサポートすることはできることが明らかである。これは、皮膚科医による、（より短期間での）より高品質の診断に寄与する。
【0074】
第３ニューラルネットワークＲ２に対する訓練段階を以下に説明する。このために、上記ネットワークＲ１はシナプスの層Ｓ０およびｘ層Ｓｊ－ｉ（ｊは１からｘの範囲である）およびシナプスのｙ層Ｓｋ－ｈ（ｋは１からｙの範囲である）により形成されることを理解されたい。シナプスの層ｉはこの段階で、センサ手段１２からのデータから、病変の感染状態の存在を計算するように「訓練」される。一方、シナプスｈは炎症状態の存在を計算するのに使用される。Ｓ０におけるシナプスの数は、一般的に、上述のように、デバイス１の特定の構成内に設けられた（または接続された）センサ手段１２の数と類型に依存する、数Ｎ０に等しい。上述のように層ｉおよびｋのシナプスは、層Ｓ０およびその他層におけるものに接続される。ネットワークの全てのシナプスは、修正可能なステップと呼ばれる多数の中間値に離散化される、０から１の値を取り得る。所与の層のシナプスがとり得るステップの数は、当該層に存在するシナプスの数より少なくはなり得ない。第３ニューラルネットワークＲ２の訓練の最初に、全シナプスの値は、それが属する層に関わらず、０の値に設定される。シナプスの層と、その次との間で、０から１の値に調整可能な閾値θが設定される。本明細書で考慮されるネットワークにおいて、ｘ閾値θｊ－ｉ（ｊは１からｘの範囲である）およびｙ閾値θｋ－ｈ（ｋは１からｙの範囲である）が設定されている。同じ値である必要のあるθ１－ｉおよびθ１－ｈを除いて、全ての閾値θは互いに異なり得る。
【0075】
各取得について、ベクトルＺが生成され、Ｎ０個の入力ｚから構成され、これはそれぞれ、層Ｓ０のＮ０個のシナプスの特定のものに入力されることが理解されたい。また、各取得について、ユーザＵ（好ましくは皮膚科医である）は、好ましくはデータ入力手段を介して、所望出力（ｏｉおよびｏｈ）とも称される、２つの所望の値を設定する。これら２つの値は、病変の感染状態、または上記病変の炎症状態が存在する場合、それぞれ１に設定する必要がある。感染または炎症の存在は、訓練段階においてオペレータにより求められる。層Ｓ０の各シナプスに対して、取得の度に、重みｗ０が以下のとおりに計算される。
【数3】
【0076】
式中、ｎ０は１からＮ０の範囲の整数である。層Ｓ０において取得された重みを合計することで、計算出力値Σ０、が取得される。これにより、その後、以下の何れかの式から、安定値Δ１が計算される。
【数4】
【0077】
式中、Θはヘヴィサイド関数である。ヘヴィサイド関数Θ（ｘ）は、負のｘに対して無効値を返し、正のｘに対して単一値を返す。Δ１が０を超える場合、層Ｓ０のシナプスの重みは変化しない。Δ１が０以下であれば、Θ（ｏｉ＋ｏｈ）が１に等しい場合は、１に等しい入力を持つシナプスの重みは１つ上がる。一方、Θ（ｏｉ＋ｏｈ）が０に等しい場合は、１に等しい入力を持つシナプスの重みは１ステップ下がった値を取る。
【0078】
Δ１が０を超える場合、入力値ｚは、２つのファーストライン層Ｓ１－ｉおよびＳ１－ｈに送信される。すでに層Ｓ０に適用されたのと同じ方法により、これら２つの層が訓練される。Ｓ１－ｉについて、重みは以下のように計算される。
層Ｓ１－ｈについては以下のとおりである。
式中、ｎ１はシナプスの識別値であり、上述のように、Ｎ１はＮ０に等しいと考えると、１からＮ１の範囲の整数であり得る。安定値Δ２－ｉおよびΔ２－ｈはそれぞれ以下のように計算される。
【数5】
【数6】
【数7】
【0079】
Σ１－ｉおよびΣ１－ｈの計算出力値は、それぞれΔ２－ｉおよびΔ２－ｈの値の合計に等しい。一方で、各層のシナプスの値は、層Ｓ０のシナプスに適用されたのと同じ方法で修正される。
【0080】
ファーストラインのものに続いて、層に対して同様に訓練方法が繰り返される。一般的に、各シナプスの重みは以下のように計算される。
式中、ｚａは個別のシナプスへの入力であり、ｓａは個別のシナプスの値であり、Ｎｂはｂ番目の層内に存在するシナプスの数である。各層について、計算値は個別の層のシナプスの重みの合計に等しい。安定値は以下の式により計算される。
【数8】
【数9】
【0081】
ただし、各シナプスへの入力は可変であることが理解されたい。層Ｓ１－ｉおよびＳ１－ｈに続く層の各シナプスは、直前の層の少なくとも２つのシナプスに接続される。層Ｓｕの一般的シナプスと、それに接続される、前の層Ｓ１（ｕ－１）およびＳ２（ｕ－１）の２つのシナプスを考慮すると、入力ｚｕはΘ（（ｗ１（ｕ－１）＋ｗ２（ｕ－１））－１）に等しい。２つの値ｗ１（ｕ－１）およびｗ２（ｕ－１）は、前の層の２つのシナプスそれぞれの重みである。安定値が０より大きいと、前の層から次に送られる入力値が生成される。そうでなければ、次の層に送られる入力の全てが無効とみなされる必要がある。
【0082】
上記第２ネットワークＲ１に含まれるシナプスの総数に少なくとも等しい数の入力ベクトルＺが層Ｓ０に送信されると、ネットワークＲ１が訓練済みとみなされ得る。
【0083】
動作段階の最中、第２ニューラルネットワークＲ１は、前の訓練段階時に取得された重みを有するシナプスから成る。この段階の間、当該値もネットワーク構造も変わらない。ただし、θ１－ｉとθ１－ｈの値が等しくなるようにプログラミングされている場合、各層についての閾値θをプログラミングし直すことが可能である。
【0084】
この段階において、個別の層に送られる入力値は、訓練段階中と同じように取得される。デバイス１のセンサ手段１２を介した病状データの取得の際、ユーザはｏｉおよびｏｈの値を定めない。センサ手段１２により生成された病状データは、層Ｓ０に入力される。訓練段階と同様、各層に対して、シナプスの重みの値は、以下のように計算される。
一方で、各層の計算出力は、当該層の全重みの合計に等しい。前段階と異なり、各層について、動作出力が計算される。ｂ番目の層の動作出力は以下のように定義される。
【数10】
【数11】
【0085】
Ｏｂが０を超える場合、次の層に対する入力は、訓練段階と同様にして生成される。超えなければ、次の層に送られる全入力は無効となる。新たな取得が行われると、ネットワークＲ１は、Ｏ１－ｉが０を超える場合、病変が感染であると確認し、Ｏ１－ｈが０を超える場合、炎症が存在すると確認可能となる。
【0086】
第３ニューラルネットワークＲ２に対する訓練段階を以下に説明する。上述のように、ニューラルネットワークＲ２の目的は、人間の皮膚の回路モデルにより、病変の感染および／または炎症の程度を評価することである。これは電気的観点からは、これはメモリスタと同様である。即ち、磁束
と、電荷
に基づいて、自己状態を変化させる非線形動的電気抵抗である。このような関係性により、人間の皮膚をメモリスタに結び付ける関係式は以下のようになり得る。
【数12】
【数13】
【数14】
【0087】
上述の関係式において、Ｒは検査中の皮膚の部分の電気抵抗（皮膚の平均抵抗と、検査中の部分の大きさに比例する）であり、Ｄは皮膚の深さで、ｃ０は定数である。値αは、電位に関連し、皮膚の表面の穴内のイオンの存在に関連したもので、τは皮膚の形態的特徴に依存する。炎症または感染状態の存在は、これら条件を変更し得るため、第３ニューラルネットワークＲ２により、感染および炎症（ネットワークＲ１により確認される）をαに結び付けることができる。ネットワークＲ２に対する訓練段階は、動作段階のネットワークＲ１を利用してのみ実施可能である。
【0088】
上述のように、ネットワークＲ２は単一の層Ｓｒから成る。同層は、ネットワークＲ１を構成する層の数から１を引いた数のシナプスから構成される。層Ｓ０の動作出力値は、ネットワークに入力されないためである。ｎｒ個の層により形成されるネットワークＲ１を考えると、ノードに送信される入力は、動作出力値Ｏｑから成り、ｑは１からｎｒ－１の範囲の整数である。ネットワークＲ２の層Ｓｒの各シナプスは、－１から１の範囲の実数をとり得る。ネットワークはさらに、追加シナプスを含む。これは、訓練段階において、筋電信号に基づいて計算される、または経験的に決定される値に関連付けられ得る。前者の場合、取得の度、好ましくは、検査中の病変の両側で、最大距離５ｃｍに配置されたドライディスク電極により上述の仕様（患者に対するあらゆる身にショックを防ぐため）に則した電気信号が適用されることが好ましい。印加される電圧磁束と、電極により検出される電流の電荷がその後計算される。その後、皮膚と同等のメモリスタの回路モデルにより、αの値が取得され、当該取得に対するシナプスｓｅに割り当てられる。シナプスｓｅの値が経験的に求められ、インタフェース手段を介して入力されると、ノードｓｅは、０から１０の範囲のユーザが決定した値をとり得る。ユーザは感染および／または炎症の程度が増すと、この値を増加させる。
【0089】
訓練段階において、ノードｓｅの値に、電気信号の取得により取得されたαの値が割り当てられる場合、その基本値α０を事前に求めることが必要となる。これは、病変が炎症でも感染でもない場合に、ニューラルネットワークＲ２を構成するノードｓｒの数以上の数の電気信号取得を通じて取得されたαの値の平均を取ることで取得され得る。ｓｅの値への割り当てが経験的に行われる場合、基本値は０に設定される。
【0090】
信号取得方法によりα０の値が求められると、第２ニューラルネットワークＲ１の層からの動作出力値によるネットワークの訓練に移行できる。層Ｓｒのシナプスは全て、シナプスｓｅも接続されている、アダーシナプスＳｓ１に接続される。第１訓練段階の第１の取得時、全てのシナプスｓｒ－１、...、ｓｒ－ｑは１の値に設定され、その際にそれら値は変化しない。各取得、各シナプスについて重みは以下のように計算される。
その後ここから計算出力Σｒが計算される。これは取得された重みの合計に等しい。第２の取得以降は、取得された各Σｒが前回の取得で取得されたΣｒと比較される。同じ比較が、取得されたαと前回のものとの間でも行われ、取得された全てのＯの値と前回のものとの間でも行われる。後者の場合、増加または減少のパーセンテージが計算される。層Ｓｒのシナプスの値は、以下のルールに則り変更される。
１．αおよびΣｒの両方が前回の取得と比較して増加していれば、非無効動作出力値が入力された全てのシナプスが、前回の取得の同じ動作出力と比較して取得された増加または減少のパーセントに正比例して、増加または減少する。
２．αが前回の取得で取得されたものと比較して増加している一方、Σｒが前回の取得で取得されたものと比較して減少していれば、またはその逆であれば、非無効動作出力値が入力された全てのシナプスが、前回の取得の同じ動作出力と比較して取得された増加または減少のパーセントに反比例して、増加または減少する。
【数15】
１．αおよびΣｒの両方が前回の取得と比較して増加していれば、非無効動作出力値が入力された全てのシナプスが、前回の取得の同じ動作出力と比較して取得された増加または減少のパーセントに正比例して、増加または減少する。
２．αが前回の取得で取得されたものと比較して増加している一方、Σｒが前回の取得で取得されたものと比較して減少していれば、またはその逆であれば、非無効動作出力値が入力された全てのシナプスが、前回の取得の同じ動作出力と比較して取得された増加または減少のパーセントに反比例して、増加または減少する。
【0091】
シナプスｓｅの値への割り当てが経験的に行われる場合（即ち、皮膚科医Ｕによる）、新たな取得の度に、そのシナプスに対して、観察された病変の感染および／または炎症の程度に比例する値を割り当てる必要がある。この場合にも、訓練段階の始めには、層Ｓｒの全てのシナプスは１の値を有する。訓練と、シナプスｓｒの値を変更する方法は、前回の方法と変わらない。
【0092】
層Ｓｒのシナプスの数と等しい数の取得が少なくとも行われた場合、ネットワークＲ２の訓練が完了したと考えられ得る。
【0093】
ネットワークＲ２が動作段階にあると、層Ｓｒのシナプスの値は、上述の訓練段階から取得されたもので、動作中に変化しない。この段階では、筋電ユニットによる電気信号Ｅの取得がなく、またはシナプスｓｅに対する経験的な値αの割り当てもない。ここでは、既に実行された取得後のネットワークＲ１から取得された出力データの処理のみが提供されるためである。動作段階中には、メモリスタモデルは完全に較正済みとみなされ、それ以上の調整は不要であるため、これが可能となる。
【0094】
訓練段階同様、第２ニューラルネットワークＲ１の動作出力値の取得の度に、同ネットワークの層Ｓ０から取得されたものを除いて、層Ｓｒの各シナプスに入力される。この段階でも、シナプスの重みが以下のように取得される。
そしてここから、層ｓｒのシナプスの全てが接続されるリレーションシナプスｓｓ２において、動作出力Σｒ２が計算される。その後、値Σｒ２が以下の関係式に入力される。
【数16】
【数17】
【0095】
ｑ（ｔ）の値は、１Ｈｚの周波数で、ピークピーク値が４０ボルトの、シミュレーションされた正弦電圧波信号から取得された流れΦ（ｔ）により計算される。その後、そこから得られた曲線が描かれる。上記曲線に基づいて、その形状から、検査中の病変の感染または炎症の程度が得られる。このために、処理手段１４は、流れΦ（ｔ）に基づいて、病変の感染または炎症の程度が求められるように構成され得る。あるいは、デバイス１のビデオインタフェースに接続された、皮膚科医の端末、および／または視覚化手段（例えば、アクティブマトリクスディスプレイ、３Ｄガラス等）上に、流れΦ（ｔ）が表示され得る。
【0096】
本明細書は、考えられる変形例のいくつかに取り組んできたが、他の実施形態が実装されてもよいことが、当業者にとって明らかであろう。いくつかの要素は、他の技術的に同等の要素と置き換えられてよい。本発明は、従って、本明細書で説明されている例示的な例に限定されないが、以下の特許請求の範囲で述べられている基本的な発明の概念から逸脱することなく、同等の部分および要素の多くの修正、改善、または置換の対象となり得る。
【図1】
【図2】
【図3】
【図4】
【図5】
【国際調査報告】