CN110234276A - 活动状态分析设备和方法 - Google Patents

活动状态分析设备和方法 Download PDF

Info

Publication number
CN110234276A
CN110234276A CN201880009003.8A CN201880009003A CN110234276A CN 110234276 A CN110234276 A CN 110234276A CN 201880009003 A CN201880009003 A CN 201880009003A CN 110234276 A CN110234276 A CN 110234276A
Authority
CN
China
Prior art keywords
state
active state
unit
target person
measurement target
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.)
Granted
Application number
CN201880009003.8A
Other languages
English (en)
Other versions
CN110234276B (zh
Inventor
小笠原隆行
塚田信吾
大岛尚一
森村浩季
中岛宽
佐藤里江子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of CN110234276A publication Critical patent/CN110234276A/zh
Application granted granted Critical
Publication of CN110234276B publication Critical patent/CN110234276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Anesthesiology (AREA)
  • Pulmonology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

测量单元(101)附接到测量目标人物并且测量加速度。身体运动计算单元(104)基于由测量单元(101)测量的加速度来获得测量目标人物的身体运动的幅度。活动状态确定单元(105)基于由姿势判定单元(103)判定的姿势和由身体运动计算单元(104)计算的身体运动的幅度，按时间顺序获得表示测量目标人物是处于第一状态(起身状态)还是第二状态(躺卧状态)的活动状态。如果活动状态已经转变之后的活动状态持续了预先定义的预定时间，则活动状态校正单元(106)确定已经完成了由活动状态确定单元(105)获得的活动状态的转变。时间校正单元(107)通过预定时间返回由活动状态校正单元(106)确定的活动状态的转变时间。

Description

活动状态分析设备和方法
技术领域
本发明涉及活动状态分析设备和方法，更具体地，涉及用于基于由附接到测量目标人物的传感器测量的物理信息来分析测量目标人物的活动状态的活动状态分析设备和方法。
背景技术
近年来，已经提出了从附接到测量目标人物的传感器检测用户(测量目标人物)的物理信息的技术。例如，作为这种物理信息测量技术之一，非专利文献1提出了一种从由三轴加速度传感器测量的加速度数据计算测量目标人物的姿势的技术，三轴加速度传感器被配置为检测沿X轴、Y轴和Z轴三个方向的加速度，从姿势中掌握物理活动，并利用它进行生活方式调查(例如，参见非专利文献1的第67页)。
在非专利文献1中，基于三轴加速度的平均值来估计测量目标人物的姿势是躺卧位置还是站立位置。此外，在非专利文献1中，根据轴的平均值计算处于躺卧位置的四个方向(左侧卧(LyingLeft)、右侧卧(LyingRight)、面朝上卧(LyingFaceUp)和面朝下卧(LyingFaceDown))，以及测量目标人物处于站立位置的状态的倾斜角度。
相关技术文献
专利文献
专利文献1：日本专利申请公开No.2016-182160
非专利文献
非专利文献1：“hitoe transmitter SDK API manual”NTT DOCOMO，Inc.，2016年11月14日。
非专利文献2：Ken Koda，“Meanings and Importance of Active Bed Leavingand Exercise Load and Its Physiological Mechanism”，Human ResourcesDevelopment Study Group for Community Rehabilitation，2013，https：//wakayama-med-reha.com/wp-content/uploads/2013/12/31bc2df5f92f959aaabc9d676a556abe.pdf。
非专利文献3：https：//ja.wikipedia.org/wiki/運動強度
发明内容
本发明要解决的问题
然而，在上述使用加速度传感器的姿势确定技术中，如果测量目标人物在数据获取时处于异常位置，则确定错误地进行。
例如，当处于站立位置的测量目标人物仅向前弯曲几秒以重新系鞋带时，通过上述技术将该位置错误地确定为面朝下卧(LyingFaceDown)。对于诸如运动捕捉之类的应用目的来说，可以允许这种确定错误，但是在如关注生活方式调查中的状态的持续时间来测量身体的活动状态的情况下是相当大的问题。
例如，在康复领域，已经指出如果躺卧状态持续，则容易发生诸如低血压的不利影响，并指出坐立位置/站立位置的重要性(非专利文献2)。从这种观点出发，重点放在患者的活动状态的持续时段。一般地，持续时段的时间尺度是几小时到几天或几星期。在生活方式调查中，在重新系鞋带时进行的面朝下卧的上述确定应被作为暂时的例外而排除，因为它可能导致误解而不是提供方便，因此在掌握连续性时会成为干扰。如上所述，传统技术不能应用于将活动状态测量作为习惯的情况。
已经做出本发明以解决上述问题，并且其目的在于更加准确地测量关注于生活方式的测量目标人物的活动状态。
解决问题的方法
根据本发明，提供了一种活动状态分析设备，包括：测量单元，附接到测量目标人物并且被配置为测量加速度；倾斜计算单元，被配置为基于由测量单元测量的加速度来获得测量目标人物的身体上部的倾斜角度；姿势判定单元，被配置为基于由倾斜计算单元获得的倾斜角度来判定测量目标人物的姿势；身体运动计算单元，被配置为基于由测量单元测量的加速度来获得测量目标人物的身体运动的幅度；活动状态确定单元，被配置为基于由姿势判定单元判定的姿势和由身体运动计算单元计算的身体运动的幅度来确定测量目标人物的活动状态是第一状态还是第二状态，第二状态与第一状态不同；活动状态校正单元，被配置为如果在由活动状态确定单元获得的活动状态的时间序列中，活动状态从第一状态和第二状态中的一个状态转变为另一个状态，并且该另一个状态持续了预先定义的预定时间，则确定活动状态已经从一个状态转变为另一个状态，如果另一个状态没有持续预定时间，则确定活动状态没有从一个状态转变为另一个状态；以及时间校正单元，被配置为如果活动状态校正单元确定活动状态已经从一个状态转变为另一个状态，则将由从活动状态校正单元确定活动状态已经从一个状态转变为另一个状态的时间返回预定时间的时间设置为活动状态已经从一个状态转变为另一个状态的转变时间。
在上述活动状态分析设备中，测量单元可以沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度。
上述活动状态分析设备可以包括：步行速度计算单元，被配置为基于由测量单元测量的加速度获得测量目标人物的步行速度；步行时段指定单元，被配置为基于步行速度计算单元获得的测量目标人物的步行速度来指定步行状态的时段，在该步行状态的时段中测量目标人物已经在由时间校正单元校正的转变时间所定义的第一状态的时段中步行。
上述活动状态分析设备还可以包括：数据调整单元，被配置为对按时间顺序获得的活动状态的数据进行下采样，活动状态包括第一状态和第二状态，同时为每个状态分配优先级。
上述活动状态分析设备还可以包括：数据附加调整单元，被配置为对从数据调整单元输出的活动状态的时间序列的数据进行下采样，同时为每个状态分配优先级。
上述活动状态分析设备还可以包括：物理信息测量单元，被配置为测量测量目标人物物的物理信息；以及统计值计算单元，被配置为基于由时间校正单元校正的转变时间所定义的活动状态来获得统计值，统计值包括由物理信息测量单元测量的物理信息的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
上述活动状态分析设备还可以包括：心率测量单元，被配置为测量测量目标人物的心率；运动强度计算单元，被配置为基于由心率测量单元计算的心率来计算测量目标人物的运动强度；以及统计值计算单元，被配置为基于由时间校正单元校正的转变时间所定义的活动状态来获得统计值，统计值包括由运动强度计算单元获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
在上述活动状态分析设备中，第一状态是测量目标人物起身的起身状态，第二状态是测量目标人物躺卧在床上的躺卧状态。
根据本发明，还提供了一种活动状态分析方法，包括：第一步骤，测量测量目标人物的动作中的加速度；第二步骤，基于在第一步骤中测量的加速度来获得测量目标人物身体上部的倾斜角度；第三步骤，基于在第二步骤中获得的倾斜角度来确定测量目标人物的姿势；第四步骤，基于在第一步骤中测量的加速度来获得测量目标人物的身体运动的幅度；第五步骤，基于在第三步骤中确定的姿势和在第四步骤中计算的身体运动的幅度来确定测量目标人物的活动状态是第一状态还是第二状态，第二状态与第一状态不同；第六步骤，如果在第五步骤中获得的活动状态的时间序列中，活动状态从第一状态和第二状态中的一个状态转变为另一个状态，另一个状态持续了预先定义的预定时间，则确定活动状态已经从一个状态转变为另一个状态，如果另一个状态没有持续预定时间，则确定活动状态没有从一个状态转变为另一个状态；第七步骤，如果在第六步骤中确定活动状态已经从一个状态转变为另一个状态，则将由从在第六步骤中确定活动状态已经从一个状态转变为另一个状态的时间返回预定时间的时间设置为活动状态已经从一个状态转变为另一个状态的转变时间。
在上述活动状态分析方法中，在第一步骤中，沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度。
上述活动状态分析方法还可以包括：第八步骤，基于在第一步骤中测量的加速度来获得测量目标人物的步行速度；第九步骤，基于在第八步骤中获得的测量目标人物的步行速度来指定步行状态的时段，在该步行状态的时段中，测量目标人物已经在由在第七步骤中校正的转变时间所定义的第一状态的时段中步行。
上述活动状态分析方法还可以包括：第十步骤，测量测量目标人物物的物理信息；以及第十一步骤，基于由在第七步骤中校正的转变时间所定义的活动状态来获得统计值，统计值包括由在第十步骤中测量的物理信息的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
上述活动状态分析方法还可以包括：第十步骤，测量测量目标人物的心率；第十一步骤，基于在第十步骤中计算的心率来计算测量目标人物的运动强度；以及第十三步骤，基于在第七步骤中校正的转变时间所定义的活动状态来获得统计值，统计值包括由在第十一步骤中获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
在上述活动状态分析方法中，第一状态是测量目标人物起身的起身状态，第二状态是测量目标人物躺卧在床上的躺卧状态。
本发明的效果
如上所述，根据本发明，除了由身体运动计算单元获得的身体运动的幅度之外，还在转变之后的状态持续了预先定义的预定时间时执行校正，以及对由校正所导致的延迟进行校正。因此，可以获得如下优异效果：更准确地测量关注于生活方式的测量目标人物的活动状态。
附图说明
图1是示出根据本发明第一实施例的活动状态分析设备的布置的框图；
图2A是用于说明由根据本发明第一实施例的活动状态分析设备获得的效果的说明性视图；
图2B是用于说明由根据本发明第一实施例的活动状态分析设备获得的效果的说明性视图；
图2C是用于说明由根据本发明第一实施例的活动状态分析设备获得的效果的说明性视图；
图2D是用于说明由根据本发明第一实施例的活动状态分析设备获得的效果的说明性视图；
图3是示出在不使用根据本发明第一实施例的活动状态分析设备的情况下的活动状态的时间序列变化的说明性视图；
图4是示出在使用了根据本发明第一实施例的活动状态分析设备的情况下的活动状态的时间序列变化的说明性视图；
图5是用于说明使用了根据第一实施例的活动状态分析设备的系统的视图；
图6是示出使用根据第一实施例的活动状态分析设备的系统的布置的框图；
图7是示出根据本发明第二实施例的活动状态分析设备的布置的框图；
图8是说明由根据第二实施例的活动状态分析设备获得的活动状态的时间序列变化的特性图；
图9是示出根据本发明第三实施例的活动状态分析设备的布置的框图；
图10是示出由根据第三实施例的活动状态分析设备获得的与测量目标人物的心率相关的统计值的时间序列变化的特性图；
图11是示出根据本发明第三实施例的另一活动状态分析设备的布置的框图；
图12是示出根据本发明第四实施例的活动状态分析设备的布置的框图；
图13A是用于说明由根据本发明第四实施例的活动状态分析设备获得的效果的说明性视图；
图13B是用于说明由根据本发明第四实施例的活动状态分析设备获得的效果的说明性视图；
图13C是用于说明由根据本发明第四实施例的活动状态分析设备获得的效果的说明性视图；
图14是示出根据本发明第五实施例的活动状态分析设备的布置的框图；
图15A是用于说明由根据本发明第五实施例的活动状态分析设备获得的效果的说明性视图；
图15B是用于说明由根据本发明第五实施例的活动状态分析设备获得的效果的说明性视图；
图15C是用于说明由根据本发明第五实施例的活动状态分析设备获得的效果的说明性视图；以及
图16是示出根据本发明第六实施例的活动状态分析设备的布置的框图。
具体实施方式
现在将参考附图描述本发明的实施例。
[第一实施例]
首先，将参考图1描述根据本发明第一实施例的活动状态分析设备的布置。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106和时间校正单元107。
测量单元101由公知的加速度传感器形成，并且附接到测量目标人物以测量加速度。测量单元101以例如25Hz的采样率周期性地沿着彼此正交的X轴、Y轴和Z轴测量三个轴方向上的加速度，从而获得加速度的时间序列。
倾斜计算单元102基于由测量单元101测量的加速度来获得测量目标人物的身体上部的倾斜角度。例如，倾斜计算单元102通过以下等式计算θ和φ作为测量单元101相对于由测量单元101测量的加速度的重力加速度的倾斜。
这里，θ(-90≤θ＜270)是加速度传感器的Z轴相对于垂直方向的倾斜，φ(-90≤φ＜270)是加速度传感器的X轴相对于垂直方向的倾斜。单位是度[degree]。
其中，Ax、Ay和Az是通过测量单元101测量的沿X轴、Y轴和Z轴方向的加速度，单位是重力加速度G(1.0G≈9.8m/s2)。在等式(1)和等式(2)中的每一个中，获得由测量单元101测量的单个轴的测量值相对于X轴、Y轴和Z轴方向上的加速度的合成矢量的幅度(范数)的比率，并且还获得反余弦函数，从而将测量单元101的倾斜计算为具有角度维度的值。
作为等式(1)和等式(2)中的Ax、Ay和Az，可以直接替换测量单元101的输出值。备选地，可以使用通过应用低通滤波器(例如，FIR滤波器或移动平均滤波器)来平滑输出值而获得的值。
姿势判定单元103基于由倾斜计算单元102获得的测量单元101的倾斜来判定测量目标人物的姿势。例如，姿势判定单元103将通过等式(1)和等式(2)计算的值θ和φ与阈值进行比较，从而判定姿势。由于测量单元101的倾斜反映了佩戴测量单元101的测量目标人物的身体上部的倾斜，因此可以根据测量单元101的倾斜来计算测量目标人物的姿势。
姿势判定单元103基于例如以下分类来判定测量目标人物的姿势。
(i)站立位置(直立)：当30≤θ＜140时。
(ii)站立位置(倒立)：当θ＜-40或220＜θ时。
(iii)躺卧位置(身体的左侧位于上侧)：当(φ≤-50，或230＜φ)且(-40≤θ＜30)时，或者当(φ≤-50，或230＜φ)且(140＜θ＜220)时。
(iv)躺卧位置(身体的右侧位于上侧)：当(50＜φ＜130)且(-40≤θ＜30)时，或者当(50＜φ＜130)且(140＜θ＜220)时。
(v)躺卧位置(面朝上卧)：当(130≤φ≤230)且(-40≤θ＜30)时，或者当(130≤φ≤230)且(140＜θ＜220)时。
(vi)躺卧位置(面朝下卧)：当(-50≤φ≤50)且(-40≤θ＜30)时，或者当(-50≤φ≤50)且(140＜θ＜220)时。
在上述分类条件中，用于确定姿势的阈值与在二维坐标上对单位圆的象限进行划分的角度(-45，45，135，225)不匹配。这是因为当人体直立站立时，假设背部的运动范围在例如向前弯曲以观察某物或向后弯曲以向上看的情况下较大。在上述示例中，根据由设置在躯干上的测量单元101获得的测量值的实际情况，与用于躺卧位置的测量值相比，确保了直立位置的宽计算区域。该方法与非专利文献1的方法相同。
上述计算的定义(i)至(vi)被设置(存储)在姿势判定单元103中作为θ和φ的表，如下表1所示。
[表1]
身体运动计算单元104基于由测量单元101测量的加速度，获得表示测量目标人物的动作的幅度(强度)的身体运动的幅度。
活动状态确定单元105基于由姿势判定单元103判定的姿势和由身体运动计算单元104计算的身体运动的幅度，确定测量目标人物的活动状态是第一状态还是第二状态，第二状态与第一状态不同。第一状态是例如测量目标人物起身的状态(起身状态)。另外，第二状态是例如测量目标人物躺卧在床上的状态(躺卧状态)。下面将描述活动状态确定单元105按时间顺序获得表示作为第一状态的起身状态或作为第二状态的躺卧状态的活动状态的情况作为示例。
例如，活动状态确定单元105基于下面要描述的条件来确定活动状态。作为对测量目标人物的中长期活动趋势的掌握，下面将描述将一天的总时间(24小时)识别为起身时段和躺卧时段，起身时段是测量目标人物起身的时段，躺卧时段是测量目标人物躺卧在床上的时段。
首先，如果通过分类(i)和(ii)将姿势确定为站立位置，则将活动状态分类为起身。另一方面，如果通过分类(iii)至(vi)将姿势计算为躺卧位置，则需要提高确定的准确性，因为例如即使在站立位置中向前弯曲的情况下，也可能将姿势错误地确定为面朝下卧。为了提高准确性，考虑由身体运动计算单元104获得的身体运动的幅度(强度)来对躺卧位置和起身位置进行分类。
在身体运动计算单元104中，通过参考专利文献1中描述的方法，将由测量单元101测量的加速度的时间序列数据的方差值用作身体运动的幅度的指标。将i设为从测量开始期间起随加速度数据的每次采样递增1的正整数(i＝1、2、......)。例如，将ai设为由测量单元101在第i个采样时间ti获得的加速度范数的值，50个点的时间序列加速度数据为种群，Ai为平均值，Si 2为方差值。在这种情况下，Ai和Si 2表示如下：
如果方差值Si 2超过预定幅度，则可以确定已经发生了有意识的身体运动，并且测量目标人物很可能根据该目的临时采取向前弯曲的姿势。因此，在这种情况下，即使在分类(iii)至(vi)中，也确定测量目标人物处于起身状态，并且状态被分类为起身。例如，如果满足(iii)至(vi)，并且满足Si 2≥0.01，则状态被确定为起身状态。另一方面，如果不满足Si 2≥0.01，并且满足(iii)至(vi)，则状态被确定为躺卧状态。
基于以上述方式确定的起身状态和躺卧状态，活动状态确定单元105通过接下来要描述的状态函数fi执行操作，并将第i个采样时间ti处的状态输出为1(表示起身状态)或-1(表示躺卧状态)。
fi＝1(当状态被确定为起身时)
fi＝-1(当状态被确定为躺卧时)
如果在活动状态确定单元105获得的活动状态的时间序列中，活动状态从起身状态和躺卧状态中的一个状态转变为另一个状态，并且该另一个状态持续了预先定义的预定时间，则活动状态校正单元106确定活动状态已经从一个状态转变为另一个状态。如果该另一个状态没有持续预定时间，则活动状态校正单元106确定活动状态尚未从一个状态转变为另一个状态。
在由上述活动状态确定单元105确定的躺卧状态中可能仍然存在确定错误。例如，在身体运动通过翻转等无意识地超过预定值的情况下，在活动状态确定单元105的确定中可能发生确定错误。由活动状态校正单元106执行对确定错误的抑制。作为该方法，通过参考过去历史，在切换姿势确定(状态转变)时提供预先定义的预定时间作为死区来抑制确定错误。这可以进一步提高活动状态确定的准确性。
通过以下方法，例如，活动状态校正单元106使用从第i个采样时间处的状态函数到从采样时间回退α的采样时间i-α处的状态函数，根据从活动状态确定单元105输出的状态函数fi的值计算函数gi。这里，α是0或正整数。
gi＝fi(当fi＝fi-1＝...＝fi-α成立时)
gi＝gi-1(当fi＝fi-1＝...＝fi-α不成立时，即当从fi到fi-α的等号中的至少一个不成立时)
例如，假设g1＝f1，且α＝500。注意，如果数据的数量小于500，则将α设置为与数据的数量相同的值。当测量单元101中的采样率是25Hz时，在从测量开始起最短经过20[秒](＝500/25)之后gi＝fi成立。当α＝500时，fi的切换不反映在gi上，除非切换之后的状态中尚未经过20秒。如上所述，活动状态校正单元106将上述时间(20秒)设置为预定时间。如果转变之后的活动状态持续了预定时间，则活动状态校正单元106确定活动状态的转变已经完成。
如果活动状态校正单元106确定活动状态已经从一个状态转变为另一个状态，则时间校正单元107将由从活动状态校正单元106已经确定活动状态已经从一个状态转变为另一个状态的时间返回预定时间的时间设置为活动状态已经从一个状态转变为另一个状态的转变时间。
这是因为在由活动状态校正单元106校正的活动状态中，起身状态和躺卧状态之间的转变时间移位(延迟)了预定时间。在上述示例中，起身状态和躺平状态之间的转变时间延迟了20秒。因此，时间校正单元107将预定时间设置为延迟时间，并校正活动状态校正单元106的输出。时间校正单元107输出例如通过将活动状态校正单元106的按时间顺序获得的输出gi的时间戳提前20秒而获得的g’i＝gi+α。
接下来将参考图2A、图2B、图2C和图2D描述根据第一实施例的效果。图2A和图2B示出了表示活动状态的fi的时间序列变化。图2C和图2D示出了表示所校正的活动状态的gi的时间序列变化。
图2A示出了应为正确答复的正确的fi。1表示起身状态，-1表示躺卧状态。然而，在实际测量中，发生了确定错误，如图2B所示。当活动状态校正单元106其中发生确定错误的图2B中所示的fi的时间序列变化进行校正时，获得校正了确定错误的gi，如图2C所示。
然而，在图2C所示的gi的时间序列变化中，起身状态和躺卧状态之间的切换时间延迟了预定时间。当通过时间校正单元107校正了该延迟时，如图2D所示地获得g’i的时间序列变化，其与图2A中所示的fi的时间序列变化相同，并且显而易见的是，可以获得根据实际情况的活动状态。注意，如果由于测量的结束等原因而导致gi未更新，则发生了期间没有获得g’i的时段。在这种情况下，作为替代值，设置g’i＝gi以防止数据丢失。
接下来将参考图3和图4描述通过执行针对24小时的测量而获得的第一实施例的效果。在g’i中，将-1转换为0以节省用于计算的比特。在与传统技术中执行的姿势计算相对应的活动状态确定单元105的输出中，由于瞬时姿势变化而导致确定值分散，如图3所示，对于不熟悉电子设备的处理的一般用户来说很难理解结果。注意，参考图3，纵坐标上的1表示身体的左侧朝上的状态。图3的纵坐标上的2表示身体的右侧朝上的状态。图3的纵坐标上的3表示面朝下卧的状态。图3的纵坐标上的4表示面朝上卧的状态。
另一方面，根据第一实施例，由于通过活动状态校正单元106和时间校正单元107执行了校正，因此可以获得能够一目了然地识别起身状态和躺卧状态的输出，如图4所示，可以很容易地掌握状态。
根据第一实施例，除了身体运动的幅度和对校正所导致的延迟进行校正之外，还执行使用死区的校正，从而消除由位置的瞬时改变所导致的干扰。因此，可以识别测量目标人物在24小时中花在起身时段和躺卧时段中的时间，并且适当地掌握测量目标人物的活动状态。
使用根据上述第一实施例的活动状态分析设备的活动状态分析方法包括以下步骤。首先，测量单元101测量测量目标人物的动作的加速度(第一步骤)。例如，测量单元101以例如25Hz的采样率周期性地沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度，从而获得加速度的时间序列。接下来，倾斜计算单元102基于由测量单元101测量的加速度(第一步骤)来获得测量目标人物的身体上部的倾斜角度(第二步骤)。接下来，姿势判定单元103基于由倾斜计算单元102获得的倾斜角度(第二步骤)来判定测量目标人物的姿势(第三步骤)。
然后，身体运动计算单元104基于由测量单元101测量的加速度(第一步骤)来获得测量目标人物的身体运动的幅度(第四步骤)。接下来，活动状态确定单元105基于由姿势判定单元103判定的姿势(第三步骤)和由身体运动计算单元104计算的身体运动的幅度(第四步骤)来确定测量目标人物的活动状态是起身状态(第一状态)还是躺卧状态(第二状态)(第五步骤)。
如果在活动状态确定单元105获得的活动状态的时间序列中(第五步骤)，活动状态从起身状态和躺卧状态中的一个状态转变为另一个状态，并且该另一个状态持续了预先定义的预定时间，则活动状态校正单元106确定活动状态已经从一个状态转变为另一个状态。如果该另一个状态没有持续预定时间，则活动状态校正单元106确定活动状态尚未从一个状态转变为另一个状态(第六步骤)。
接下来，如果活动状态校正单元106(第六步骤)确定活动状态已经从一个状态转变为另一个状态，则将由从在第六步骤中确定活动状态已经从一个状态转变为另一个状态的时间返回预定时间的时间设置为活动状态已经从一个状态转变为另一个状态的转变时间(第七步骤)。
注意，根据上述第一实施例的活动状态分析设备是计算机设备，包括CPU(中央处理单元)、主存储设备、外部存储设备、网络连接设备等。当CPU通过加载到主存储设备中的程序进行操作时，实现上述功能。另外，可以将功能分发给多个计算机设备。
接下来将描述使用根据第一实施例的活动状态分析设备的系统。例如，如图5所示，传感器终端202附接到测量目标人物201的躯干，并且经由中继终端203将传感器终端202测量的结果发送给外部终端204。传感器终端202中的加速度的检测方向X平行于测量目标人物201的身体的左右方向布置。传感器终端202中的加速度的检测方向Y平行于测量目标人物201的身体的前后方向布置。传感器终端202中的加速度的检测方向Z平行于测量目标人物201的身体的上下方向布置。
如图6所示，传感器终端202包括加速度传感器301、检测单元302、存储单元303、分析单元304、发送处理单元305和通信接口306。中继终端203包括通信接口311、接收处理单元312、存储单元313、分析单元314、发送处理单元315和通信接口316。外部终端204包括通信接口321、接收处理单元322、存储单元323、分析单元324、控制单元325和操作设备326。
加速度传感器301沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度。检测单元302将由加速度传感器301测量的模拟加速度信号转换为预定采样率的数字加速度数据并且输出该数字加速度数据。根据上述实施例的测量单元101对应于加速度传感器301。存储单元303存储由检测单元302数字化的加速度数据。分析单元304基于存储在存储单元303中的加速度数据等获得活动状态。根据上述实施例的倾斜计算单元102、身体运动计算单元104、姿势判定单元103、活动状态确定单元105、活动状态校正单元106和时间校正单元107被包括在分析单元304中。
发送处理单元305经由通信接口306将存储在存储单元303中的加速度数据等发送给中继终端203。通信接口306由操作接口和与无线数据通信标准相对应的天线形成，无线数据通信标准例如LTE(长期演进)、第三代移动通信系统、无线LAN(局域网)或
中继终端203由以下单元形成：接收从传感器终端202发送的数据的通信接口311、接收处理单元312、存储单元313、分析单元314、发送处理单元315和向外部终端204发送数据的通信接口316。
外部终端204包括：接收从中继终端203发送的数据的通信接口321、接收处理单元322、存储单元323、分析单元324和控制单元325，控制单元325向操作设备326指示操作指令，操作设备326基于所分析的数据进行操作。
基于存储在存储单元323中的信息，控制单元325使操作设备326执行操作以辅助测量目标人物。
操作设备326是视频输出设备(监视器等)、语音输出设备(扬声器、乐器等)、光源(LED(发光二极管)或电灯泡)、致动器(振动器、机器人臂或电疗仪器)、冷却/加热设备(加热器或帕尔贴(Peltier)元件)等。
不需要布置传感器终端202的分析单元304、中继终端203的分析单元314和外部终端204的分析单元324中的所有分析单元，可以只提供它们中的一个或两个。另外，可以基于根据第一实施例的活动状态分析方法的步骤，将分析处理分发给分析单元304、分析单元314和分析单元324。
图2D中所示的g’i的结果由外部终端204的操作设备326呈现。另外，操作设备326不仅呈现上述活动状态分析结果，还在活动状态的切换已经发生时，通过声音、振动、接触、加热、冷却等向测量目标人物或外部终端204的用户发出信号，从而通知活动状态的改变。
[第二实施例]
接下来将参考图7描述本发明的第二实施例。图7是示出根据本发明第二实施例的活动状态分析设备的布置的框图。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106和时间校正单元107。这些组件与上述第一实施例中的相同。
除了上述组件之外，根据第二实施例的活动状态分析设备还包括步行速度计算单元108和步行时段指定单元109。
步行速度计算单元108基于由测量单元101测量的加速度来获得测量目标人物的步行速度。步行速度计算单元108基于由测量单元101测量的加速度的时间序列数据来获得测量目标人物的步行速度。例如，静止时的加速度约为1G。作为特征，加速度在步行状态或奔跑状态下的时间速率变化表示相对于以1G为中心的振动波形。使用该特征，下限阈值和上限阈值分别设置为0.9G和1.1G。从所获得的加速度的时间序列数据中检测加速度小于下限阈值的定时或者加速度大于上限阈值的定时。如果两次定时检测发生在例如1秒内，则确定已经发生了步行动作，并且计数为一步。另外，当执行转换以获得在单位时间内发生的计数次数时，可以获得步行速度(spm)(参见专利文献1)。
基于通过步行速度计算单元108获得的测量目标人物的步行速度，步行时段指定单元109指定步行状态的时段，在该步行状态的时段中，测量目标人物已经在由时间校正单元107校正的转变时间所定义的起身状态(第一状态)的时段中步行。例如，步行时段指定单元109指定在起身时段中由步行速度计算单元108测量的步行速度超过15spm的时段作为步行状态的时段。注意，在第二实施例中，奔跑包括在步行中。
在根据第二实施例的活动状态分析方法中，向使用根据上述第一实施例的活动状态分析设备的活动状态分析方法的步骤添加以下步骤。
首先，步行速度计算单元108基于由测量单元101测量的加速度(第一步骤)来获得测量目标人物的步行速度(第八步骤)。接下来，步行时段指定单元109基于由步行速度计算单元108获得的测量目标人物的步行速度(第八步骤)来指定步行状态的时段，在该步行状态的时段中，测量目标人物已经在由时间校正单元107校正的转变时间(第七步骤)所定义的起身状态的时段中步行(第九步骤)。
根据上述第二实施例，按时间顺序获得活动状态，如图8所示。如图8所示，步行时段指定单元109输出2作为步行状态。注意，图8的(b)示出了图8的(a)中的一部分的放大视图。根据第二实施例，独立地示出了步行状态，如图8所示。如上所述，根据第二实施例，可以一目了然地掌握例如测量目标人物不仅起身而且步行频率较高的时段。
[第三实施例]
接下来将参考图9描述本发明的第三实施例。图9是示出根据本发明第三实施例的活动状态分析设备的布置的框图。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106和时间校正单元107。这些组件与上述第一实施例中的相同。
除了上述组件之外，根据第三实施例的活动状态分析设备还包括心电图单元111、心跳计算单元112和统计值计算单元113。心电图单元111和心跳计算单元112形成物理信息测量单元。
心电图单元111测量测量目标人物的心脏的电信息(心电位)。心跳计算单元112根据由心电图单元111测量的测量值计算心跳间隔(RRI)和心率中的至少一个。在第三实施例中，获得心跳间隔和心率作为物理信息。
统计值计算单元113获得包括以下中至少一个的统计值：由心跳计算单元112获得的心跳间隔和心率中的至少一个的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值。统计值计算单元113基于由时间校正单元107校正的转变时间所定义的活动状态来获得统计值。统计值计算单元113获得由时间校正单元107校正的活动状态中的诸如躺卧和起身之类的状态中的每个状态的统计值。
在根据第三实施例的活动状态分析方法中，向使用根据上述第一实施例的活动状态分析设备的活动状态分析方法的步骤添加以下步骤。
首先，测量测量目标人物的物理信息(第10步骤)。更具体地，心电图单元111测量测量目标人物的心脏的电活动，并且心跳计算单元112根据由心电图单元111测量的测量值计算心跳间隔和心率中的至少一个作为物理信息。接下来，基于在第七步骤中校正的转变时间所定义的活动状态，统计值计算单元113获得包括以下中至少一个的统计值：由心跳计算单元112获得的心跳间隔和心率中的至少一个的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值(第11步骤)。
根据上述第三实施例，可以按时间顺序掌握统计值，如图10所示。图10示出了作为活动状态的起身状态(实心圆)和躺卧状态(实心方块)。图10还示出了这些状态下心率的统计值。作为统计值，平均值由实心圆或实心方块的点表示。上侧的误差条表示最大值，下侧的误差条表示最小值。
以这种方式，可以每天执行基于活动状态的分析。当长期执行测量时，可以基于活动状态容易地掌握疾病恢复的迹象、季节性变化带给身体的负荷、锻炼习惯导致的状态变化等。另外，当反馈上述结果时，它可以有助于生活方式调查或改进生活方式。
可以使用运动强度代替心率。例如，如图11所示，提供运动强度计算单元114以根据心跳计算单元112计算的心率来计算运动强度。通过(测量目标人物的测量心率-测量目标人物的静息心率)÷(测量目标人物的最大心率-测量目标人物的静息心率)来获得运动强度(参见非专利文献3)。注意，测量目标人物的最大心率被设置为220-(测量目标人物的年龄)。另外，测量目标人物的静息心率被设置为60。可以预先实际测量测量目标人物的最大心率和测量目标人物的静息心率。例如，作为静息心率，使用在测量目标人物安静地坐着的时段期间的心率。备选地，可以根据前一天的躺卧时段期间或在前一晚的躺卧时段期间(0：00至5：00)的心率获得平均值、中值或最小值，并且用作静息心率。
统计值计算单元113a获得包括以下中至少一个的统计值：由运动强度计算单元114获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值。统计值计算单元113a基于由时间校正单元107校正的转变时间所定义的活动状态来获得上述统计值。统计值计算单元113a获得由时间校正单元107校正的活动状态中的诸如躺卧和起身之类的状态中的每个状态的统计值。
在这种情况的活动状态分析方法中，向使用根据上述第一实施例的活动状态分析设备的活动状态分析方法的步骤添加以下步骤。
首先，心电图单元111测量测量目标人物的心脏的电活动(第十步骤)。接下来，心跳计算单元112根据由心电图单元111测量的测量值(第十步骤)来计算心率(第十一步骤)。接下来，运动强度计算单元114基于由心跳计算单元112获得的心率(第十一步骤)来计算运动强度(第十二步骤)。接下来，统计值计算单元113获得包括以下中至少一个的统计值：由运动强度计算单元114(第十二步骤)基于由在第七步骤中校正的转变时间所定义的活动状态获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值(第十三步骤)。
如上所述，即使当以这种方式按时间顺序掌握了运动强度的统计值时，也可以每天执行基于活动状态的分析。当长期执行测量时，可以基于活动状态容易地掌握疾病恢复的迹象、季节性变化带给身体的负荷、锻炼习惯导致的状态变化等。另外，当反馈上述结果时，它可以有助于生活方式调查或改进生活方式。
另外，物理信息可以是由脉冲测量单元测量的心率，脉冲测量单元测量测量目标人物的脉搏的物理收缩。物理信息可以是由阻抗测量单元测量的呼吸状态，阻抗测量单元测量测量目标人物的身体的阻抗，从而测量呼吸状态。物理信息可以是由血压测量单元测量的血压，血压测量单元测量测量目标人物的血压。物理信息可以是由体温测量单元测量的体温，体温测量单元测量测量目标人物的体温。物理信息可以是由肌电图单元测量的肌肉电位，肌电图单元测量测量目标人物的肌肉电位。物理信息可以是由体重测量单元测量的体重，体重测量单元测量测量目标人物的体重。
另外，物理信息可以是由卡路里测量单元测量的卡路里消耗，卡路里测量单元测量测量目标人物物的卡路里消耗。物理信息可以是由活动测量单元测量的活动或睡眠动作，活动测量单元通过脑电图或加速度传感器测量测量目标人物的活动或睡眠动作。物理信息可以是由出汗测量单元测量的出汗量，出汗测量单元测量测量目标人物的出汗量。
[第四实施例]
接下来将参考图12来描述本发明的第四实施例。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106、时间校正单元107、步行速度计算单元108和步行时段指定单元109。这些组件与上述第二实施例中的相同。
除了上述组件之外，根据第四实施例的活动状态分析设备还包括数据调整单元115。数据调整单元115对按时间顺序获得的活动状态数据进行下采样，活动状态包括按时间顺序获得的起身状态(第一状态)和躺卧状态(第二状态)，同时为每个状态分配优先级。在第四实施例中，步行状态也包括在活动状态中。活动状态的数据是如下时间序列：其时间由时间校正单元107校正，并且由通过活动状态确定单元105确定并通过活动状态校正单元106校正的起身状态和躺卧状态以及由步行时段指定单元109指定的步行状态的数据形成。当数据调整单元115执行下采样时，可以通过细化来减少活动状态数据的数量。
例如，数据调整单元115以1分钟的间隔对每秒数据进行下采样。在该下采样处理中，数据调整单元115为步行、起身和躺卧中的每一个分配优先级，并且给予步行高优先级。
数据调整单元115保持以例如1秒的间隔获得的1分钟(60个点)内的活动状态的数据。接下来，如果在1分钟的保持时段内确定步行连续进行了6秒(6个点)，则数据调整单元115将下采样之后的一个点的数据判定为步行。注意，用于确定的连续时间不限于6秒。然而，6秒是健全人步行约10步或老年患者步行约6步所需的时间。这是适当的，因为可以排除稍微向一侧移动的步行。如果没有在6秒内连续获得步行状态，则数据调整单元115采用1分钟内包括的起身和躺卧中较长的一个作为下采样之后的一个点的数据。如果起身和躺卧具有相同的点(时间)，则数据调整单元115优先考虑起身。
在根据第四实施例的活动状态分析方法中，向使用根据上述第二实施例的活动状态分析设备的活动状态分析方法的步骤添加以下步骤。数据调整单元115对按时间顺序获得的活动状态数据进行下采样。
将参考图13A、图13B和图13C描述根据第三实施例的效果。图13A示出了下采样之前的活动状态的时间序列数据。图13B示出了数据调整单元115以1分钟的间隔进行下采样的结果。图13C示出了当从每秒数据中一次机械地提取60次数据时获得的下采样结果。
步行需要测量目标人物的体力，不同于起身和躺卧。因此，步行状态的连续性差。因此，如果机械地执行下采样，则可能丢失步行信息，如图13C所示。在图13C所示的结果中，从与图13A的比较中显而易见的是，丢失了步行状态。
另一方面，根据第三实施例，执行下采样，同时为每个状态分配优先级。如图13B所示，可以在步行状态的丢失减少的状态下执行下采样。因此，根据第三实施例，可以有效地使用按时间顺序获得的活动状态数据，并且避免在数据呈现时造成CPU或存储器的资源的负担。
[第五实施例]
接下来将参考图14描述本发明的第五实施例。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106、时间校正单元107、步行速度计算单元108、步行时段指定单元109和数据调整单元115。这些组件与上述第四实施例中的相同。
除了上述组件之外，根据第五实施例的活动状态分析设备还包括数据附加调整单元116。数据附加调整单元116还对从数据调整单元115输出的活动状态的时间序列数据进行下采样，同时为每个状态分配优先级。在第五实施例中，步行状态也包括在活动状态中。活动状态的数据是如下时间序列：其时间由时间校正单元107校正，并且由通过活动状态确定单元105确定并通过活动状态校正单元106校正的起身状态和躺卧状态以及由步行时段指定单元109指定的步行状态的数据形成。当数据附加调整单元116对由数据调整单元115下采样的活动状态的数据进一步下采样时，可以通过细化来进一步减少活动状态数据的数量。
数据附加调整单元116以30分钟的间隔对由数据调整单元115以1分钟的间隔获得的活动状态的数据进行下采样，从而按时间顺序在每30个点中提取1个点。当以这种方式再次执行下采样时，如果步行包括10个点或更多的点，则数据附加调整单元116优先考虑步行，并且在以30分钟间隔进行下采样的结果中将该部分确定为步行状态。这是因为如果步行了大约1/3的时段，则将步行作为历史记录直观地适用于生活日志。如果不包括步行，则优先考虑起身和躺卧中具有较高发生频率的一个。
将参考图15A、图15B和图15C描述根据该实施例的效果。图15A示出了由数据调整单元115和数据附加调整单元116进行下采样之前的活动状态的时间序列数据。图15B示出了数据调整单元115以1分钟的间隔进行下采样，然后由数据附加调整单元116以30分钟的间隔进行下采样的结果。图15C示出了数据调整单元115以30分钟的间隔进行下采样的结果。
参考图15B和图15C，获得了几乎相同的提取结果。在数据附加调整单元116以30分钟的间隔执行下采样的情况下，由于以1分钟的间隔进行下采样(细化)的数据被以30分钟的间隔进行下采样(细化)，因此操作足够轻巧。相反，在数据调整单元115以30分钟的间隔执行下采样的情况下，需要将每秒数据存储30分钟。这在实时操作中将增加算术处理(对CPU或存储器造成负担)的负荷。根据第五实施例，可以通过小负荷的操作来实现下采样。
[第六实施例]
接下来将参考图16描述本发明的第六实施例。活动状态分析设备包括测量单元101、倾斜计算单元102、姿势判定单元103、身体运动计算单元104、活动状态确定单元105、活动状态校正单元106和时间校正单元107。这些组件与上述第一实施例中的相同。除了上述组件之外，根据第五实施例的活动状态分析设备还包括数据调整单元117和数据附加调整单元118。
数据调整单元117对按时间顺序获得的活动状态数据进行下采样，活动状态包括按时间顺序获得的起身状态(第一状态)和躺卧状态(第二状态)，同时为每个状态分配优先级。例如，数据调整单元117以1分钟的间隔对每秒数据进行下采样。在该下采样处理中，数据调整单元117为起身和躺卧中的每一个分配优先级。如果起身和躺卧具有相同的点(时间)，则数据调整单元117优先考虑起身。
数据附加调整单元118还对从数据调整单元117输出的活动状态的时间序列数据进行下采样，同时为每个状态分配优先级。
活动状态的数据是以下时间序列：其时间由时间校正单元107校正，并且由通过活动状态确定单元105确定并通过活动状态校正单元106校正的起身状态和躺卧状态形成。当数据调整单元117和数据附加调整单元118执行下采样时，可以通过细化来减少活动状态数据的数量。
例如，在人在医院手术后几乎不能立即步行的情况下，不需要步行确定。另外，由于人受重力躺卧时和对抗重力起身时的身体负荷不同，因此也可以考虑仅关注起身和躺卧的应用目的。在这种情况下，如上所述，将按时间顺序获得的起身状态和躺卧状态设置为目标，并且通过细化来减少活动状态数据的数量。
如上所述，根据本发明，除了由身体运动计算单元获得的身体运动的幅度之外，活动状态校正单元通过提供死区来执行校正，并且时间校正单元对校正所导致的延迟进行校正。因此，可以更准确地测量关注于生活方式的测量目标人物的活动状态。
注意，本发明不限于上述实施例，并且在不脱离本发明的技术范围的情况下，可以由本领域普通技术人员进行许多修改和组合。例如，自然地，可以组合第二实施例和第三实施例。另外，第一状态可以是站立状态，第二状态可以是坐立状态。
附图标记和符号的说明
101...测量单元、102...倾斜计算单元、103...姿势判定单元、104...身体运动计算单元、105...活动状态确定单元、106...活动状态校正单元、107...时间校正单元。

Claims (14)

1.一种活动状态分析设备，包括：
测量单元，附接到测量目标人物，并且被配置为测量加速度；
倾斜计算单元，被配置为基于由所述测量单元测量的加速度来获得所述测量目标人物的身体上部的倾斜角度；
姿势判定单元，被配置为基于由所述倾斜计算单元获得的倾斜角度来判定所述测量目标人物的姿势；
身体运动计算单元，被配置为基于由所述测量单元测量的加速度来获得所述测量目标人物的身体运动的幅度；
活动状态确定单元，被配置为基于由所述姿势判定单元判定的姿势和由所述身体运动计算单元计算的身体运动的幅度，确定所述测量目标人物的活动状态是第一状态还是第二状态，所述第二状态与所述第一状态不同；
活动状态校正单元，被配置为如果在由所述活动状态确定单元获得的活动状态的时间序列中，所述活动状态从所述第一状态和所述第二状态中的一个状态转变为另一个状态，并且所述另一个状态持续了预先定义的预定时间，则确定所述活动状态已经从一个状态转变为另一个状态，如果所述另一个状态没有持续所述预定时间，则确定所述活动状态尚未从一个状态转变为另一个状态；以及
时间校正单元，被配置为如果所述活动状态校正单元确定所述活动状态已经从一个状态转变为另一个状态，则将由从所述活动状态校正单元确定所述活动状态已经从一个状态转变为另一个状态的时间返回所述预定时间的时间设置为所述活动状态已经从一个状态转变为另一个状态的转变时间。
2.根据权利要求1所述的活动状态分析设备，其中，所述测量单元沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度。
3.根据权利要求1或2所述的活动状态分析设备，还包括：
步行速度计算单元，被配置为基于由所述测量单元测量的加速度来获得所述测量目标人物的步行速度；以及
步行时段指定单元，被配置为基于由所述步行速度计算单元获得的所述测量目标人物的步行速度来指定步行状态的时段，在所述步行状态的时段中，所述测量目标人物已经在被所述时间校正单元校正的转变时间所定义的第一状态的时段中步行。
4.根据权利要求1至3中任一项所述的活动状态分析设备，还包括：数据调整单元，被配置为对按时间顺序获得的活动状态的数据进行下采样，所述活动状态包括所述第一状态和所述第二状态，同时为每个状态分配优先级。
5.根据权利要求4所述的活动状态分析设备，还包括：数据附加调整单元，被配置为对从所述数据调整单元输出的活动状态的时间序列数据进行下采样，同时为每个状态分配优先级。
6.根据权利要求1至5中任一项所述的活动状态分析设备，还包括：
物理信息测量单元，被配置为测量所述测量目标人物的物理信息；以及
统计值计算单元，被配置为基于由所述时间校正单元校正的转变时间所定义的活动状态来获得统计值，所述统计值包括由所述物理信息测量单元测量的物理信息的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
7.根据权利要求1至5中任一项所述的活动状态分析设备，还包括：
心率测量单元，被配置为测量所述测量目标人物的心率；
运动强度计算单元，被配置为基于由所述心率测量单元计算的心率来计算所述测量目标人物的运动强度；以及
统计值计算单元，被配置为基于由所述时间校正单元校正的转变时间所定义的活动状态来获得统计值，所述统计值包括由所述运动强度计算单元获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
8.根据权利要求1至7中任一项所述的活动状态分析设备，其中，所述第一状态是所述测量目标人物起身的起身状态，所述第二状态是所述测量目标人物躺卧在床上的躺卧状态。
9.一种活动状态分析方法，包括：
第一步骤，对测量目标人物的动作的加速度进行测量；
第二步骤，基于在所述第一步骤中测量的加速度来获得所述测量目标人物身体上部的倾斜角度；
第三步骤，基于在所述第二步骤中获得的倾斜角度来判定所述测量目标人物的姿势；
第四步骤，基于在所述第一步骤中测量的加速度来获得所述测量目标人物的身体运动的幅度；
第五步骤，基于在所述第三步骤中判定的姿势和在所述第四步骤中计算的身体运动的幅度来确定所述测量目标人物的活动状态是第一状态还是第二状态，所述第二状态与所述第一状态不同；
第六步骤，如果在所述第五步骤中获得的活动状态的时间序列中，所述活动状态从所述第一状态和所述第二状态中的一个状态转变为另一个状态，并且所述另一个状态持续了预先定义的预定时间，则确定所述活动状态已经从一个状态转变为另一个状态，如果所述另一个状态没有持续所述预定时间，则确定所述活动状态尚未从一个状态转变为另一个状态；以及
第七步骤，如果在所述第六步骤中确定所述活动状态已经从一个状态转变为另一个状态，则将由从在所述第六步骤中确定所述活动状态已经从一个状态转变为另一个状态的时间返回所述预定时间的时间设置为所述活动状态已经从一个状态转变为另一个状态的转变时间。
10.根据权利要求9所述的活动状态分析方法，其中，在所述第一步骤中，沿着彼此正交的X轴、Y轴和Z轴测量三个方向上的加速度。
11.根据权利要求9至10所述的活动状态分析方法，还包括：
第八步骤，基于在所述第一步骤中测量的加速度来获得所述测量目标人物的步行速度；以及
第九步骤，基于在所述第八步骤中获得的所述测量目标人物的步行速度来指定步行状态的时段，在所述步行状态的时段中，所述测量目标人物已经在由在所述第七步骤中校正的转变时间所定义的所述第一状态的时段中步行。
12.根据权利要求9至11中任一项所述的活动状态分析方法，还包括：
第十步骤，测量所述测量目标人物的物理信息；以及
第十一步骤，基于由在所述第七步骤中校正的转变时间所定义的活动状态来获得统计值，所述统计值包括由在所述第十步骤中测量的物理信息的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
13.根据权利要求9至11中任一项所述的活动状态分析方法，还包括：
第十步骤，测量所述测量目标人物的心率；
第十一步骤，基于在所述第十步骤中计算的心率来计算所述测量目标人物的运动强度；以及
第十三步骤，基于由在所述第七步骤中校正的转变时间所定义的活动状态来获得统计值，所述统计值包括由在所述第十一步骤中获得的运动强度的平均值、中值、最大值、最小值、标准偏差、75％水平值和25％水平值中的至少一个。
14.根据权利要求9至13中任一项所述的活动状态分析方法，其中，所述第一状态是所述测量对象人物起身的起身状态，所述第二状态时所述测量对象人物躺卧在床上的躺卧状态。
CN201880009003.8A 2017-01-30 2018-01-22 活动状态分析设备和方法 Active CN110234276B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-013964 2017-01-30
JP2017013964 2017-01-30
PCT/JP2018/001740 WO2018139398A1 (ja) 2017-01-30 2018-01-22 活動状態解析装置および方法

Publications (2)

Publication Number Publication Date
CN110234276A true CN110234276A (zh) 2019-09-13
CN110234276B CN110234276B (zh) 2022-05-27

Family

ID=62979274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880009003.8A Active CN110234276B (zh) 2017-01-30 2018-01-22 活动状态分析设备和方法

Country Status (6)

Country Link
US (1) US20200113490A1 (zh)
EP (1) EP3574829B1 (zh)
JP (1) JP6692933B2 (zh)
CN (1) CN110234276B (zh)
ES (1) ES2948259T3 (zh)
WO (1) WO2018139398A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10845375B2 (en) * 2016-02-19 2020-11-24 Agjunction Llc Thermal stabilization of inertial measurement units
JP2020092804A (ja) * 2018-12-12 2020-06-18 日本電信電話株式会社 活動状態解析装置、活動状態解析方法、および活動状態解析システム
TWI695707B (zh) * 2019-03-13 2020-06-11 國立勤益科技大學 使用加速度計輔助評估運動強度的方法
TWI695705B (zh) * 2019-03-13 2020-06-11 國立勤益科技大學 結合運動強度分析之異常心跳偵測裝置及其方法
US20220354387A1 (en) * 2019-11-28 2022-11-10 Nippon Telegraph And Telephone Corporation Monitoring System, Monitoring Method, and Monitoring Program
JP7407419B2 (ja) * 2020-02-06 2024-01-04 国立大学法人大阪大学 体調評価方法、および、体調評価システム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080255468A1 (en) * 2005-04-20 2008-10-16 Derchak P Alexander Systems and methods for non-invasive physiological monitoring of non-human animals
US20090312973A1 (en) * 2008-06-12 2009-12-17 Hatlestad John D Posture sensor automatic calibration
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
CN102883654A (zh) * 2010-03-01 2013-01-16 欧姆龙健康医疗事业株式会社 体动检测装置以及体动检测装置的显示控制方法
CN104244821A (zh) * 2011-09-02 2014-12-24 皇家飞利浦有限公司 离床监测装置
US20150359476A1 (en) * 2013-01-23 2015-12-17 Kyocera Corporation Mobile electronic device, diagnosis method and diagnosis program
US20160100776A1 (en) * 2007-10-12 2016-04-14 BioSensics LLC Fall detection and fall risk detection systems and methods
CN105873504A (zh) * 2013-11-01 2016-08-17 美敦力监控公司 充血性心力衰竭风险状态确定方法及相关设备
JP2016182160A (ja) * 2015-03-25 2016-10-20 日本電信電話株式会社 運動状態解析システムとその方法、装置及びプログラム
CN205729333U (zh) * 2015-11-12 2016-11-30 先进医照股份有限公司 一种运动管理系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6834436B2 (en) * 2001-02-23 2004-12-28 Microstrain, Inc. Posture and body movement measuring system
JP4214259B2 (ja) * 2002-08-27 2009-01-28 学校法人日本大学 人の動作状態監視方法および装置
JP4352018B2 (ja) * 2005-03-30 2009-10-28 株式会社東芝 運動計測装置、運動計測方法および運動計測プログラム
JP5202257B2 (ja) * 2008-11-29 2013-06-05 学校法人日本大学 人の姿勢動作判別装置
JP2010207488A (ja) * 2009-03-12 2010-09-24 Gifu Univ 行動解析装置及びプログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080255468A1 (en) * 2005-04-20 2008-10-16 Derchak P Alexander Systems and methods for non-invasive physiological monitoring of non-human animals
US20160100776A1 (en) * 2007-10-12 2016-04-14 BioSensics LLC Fall detection and fall risk detection systems and methods
US20090312973A1 (en) * 2008-06-12 2009-12-17 Hatlestad John D Posture sensor automatic calibration
CN102883654A (zh) * 2010-03-01 2013-01-16 欧姆龙健康医疗事业株式会社 体动检测装置以及体动检测装置的显示控制方法
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
CN104244821A (zh) * 2011-09-02 2014-12-24 皇家飞利浦有限公司 离床监测装置
US20150359476A1 (en) * 2013-01-23 2015-12-17 Kyocera Corporation Mobile electronic device, diagnosis method and diagnosis program
CN105873504A (zh) * 2013-11-01 2016-08-17 美敦力监控公司 充血性心力衰竭风险状态确定方法及相关设备
JP2016182160A (ja) * 2015-03-25 2016-10-20 日本電信電話株式会社 運動状態解析システムとその方法、装置及びプログラム
CN205729333U (zh) * 2015-11-12 2016-11-30 先进医照股份有限公司 一种运动管理系统

Also Published As

Publication number Publication date
EP3574829A4 (en) 2020-10-14
CN110234276B (zh) 2022-05-27
EP3574829B1 (en) 2023-05-03
JPWO2018139398A1 (ja) 2019-06-27
ES2948259T3 (es) 2023-09-07
JP6692933B2 (ja) 2020-05-13
WO2018139398A1 (ja) 2018-08-02
EP3574829A1 (en) 2019-12-04
US20200113490A1 (en) 2020-04-16

Similar Documents

Publication Publication Date Title
CN110234276A (zh) 活动状态分析设备和方法
AU2017386412B2 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
TWI393579B (zh) The state of the muscle movement state analysis system, methods and computer program products
US11679300B2 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
Holtermann et al. A practical guidance for assessments of sedentary behavior at work: A PEROSH initiative
Sasaki et al. Measurement of physical activity using accelerometers
JP2013121369A (ja) 入力装置及び校正方法
JP7036211B2 (ja) 機能回復訓練支援システム
CN113317794B (zh) 一种生命体征分析方法与系统
US20180271435A1 (en) Learning sleep stages from radio signals
CN107689040B (zh) 血糖检测的移动终端
US20220378349A1 (en) A novel means of assessing muscular function and frailty
EP2967392B1 (en) Improved ecg calculation method for use in generating 12 lead ecg measurements from devices that have less than 10 electrodes
CN109512443A (zh) 一种智能肌力检测仪
EP4146068A1 (en) Systems, devices, and methods for determining movement variability, illness and injury prediction and recovery readiness
Zhang et al. Research on gesture definition and electrode placement in pattern recognition of hand gesture action SEMG
CN103705231A (zh) 动态心电信号撷取方法及设备
JP2017063948A (ja) 情報処理装置、情報処理方法、およびプログラム
Han et al. Fine-grained Lung Function Sensing based on Millimeter-Wave Radar
CN104305965A (zh) 一种健康管理系统
CN108461117A (zh) 一种心脏信息管理系统
Nawawi et al. Comparative Study of Electrocardiogram Signals Acquired from Different Smart Textile Shirts
JP2004350952A (ja) 自律神経活動評価装置及びその方法、自律神経活動評価プログラム
Jeong et al. Real-time monitoring of ubiquitous wearable ECG sensor node for healthcare application
Yu et al. Intelligent Insole Design and Gait Analysis Based on Neural Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant