CN115131939A - 感染风险判定系统、判定方法以及判定程序 - Google Patents

感染风险判定系统、判定方法以及判定程序 Download PDF

Info

Publication number
CN115131939A
CN115131939A CN202210307504.2A CN202210307504A CN115131939A CN 115131939 A CN115131939 A CN 115131939A CN 202210307504 A CN202210307504 A CN 202210307504A CN 115131939 A CN115131939 A CN 115131939A
Authority
CN
China
Prior art keywords
information
determination
unit
carbon dioxide
infection
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
CN202210307504.2A
Other languages
English (en)
Other versions
CN115131939B (zh
Inventor
唐津勇作
古屋贵明
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.)
Asahi Kasei Microdevices Corp
Original Assignee
Asahi Kasei Microdevices 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
Priority claimed from JP2022037727A external-priority patent/JP7301186B2/ja
Application filed by Asahi Kasei Microdevices Corp filed Critical Asahi Kasei Microdevices Corp
Priority to CN202410131941.2A priority Critical patent/CN118097887A/zh
Publication of CN115131939A publication Critical patent/CN115131939A/zh
Application granted granted Critical
Publication of CN115131939B publication Critical patent/CN115131939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0823—Detecting or evaluating cough events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
    • A61B5/0836—Measuring rate of CO2 production
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • 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
    • A61B2562/0204—Acoustic sensors
    • 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
    • A61B2562/029—Humidity sensors
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pulmonology (AREA)
  • Business, Economics & Management (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Obesity (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Business, Economics & Management (AREA)
  • Toxicology (AREA)
  • Emergency Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种感染风险判定系统、判定方法以及判定程序。感染风险判定系统具备：判定装置，其具备判定部，该判定部基于具有容纳含二氧化碳的气体的内部空间的判定对象中的二氧化碳浓度和环境信息，来判定存在于判定对象的一个或多个生物体被存在于判定对象的感染源感染的感染风险程度；风险控制部，其基于感染风险程度的判定结果来控制内部空间中的气流、温度、湿度、紫外线的强度及气体所含的物质的量中的至少一者；以及显示部，其显示风险控制部的控制状态，其中，环境信息包含生物体的声音信息、数量信息、体温信息、鼻或口的露出信息、位置信息、滞留时间信息、运动信息以及多个生物体之间的距离信息中的至少一者。

Description

感染风险判定系统、判定方法以及判定程序
技术领域
本发明涉及一种感染风险判定系统、感染风险判定方法以及感染风险判定程序。
背景技术
在专利文献1中，记载有“从设置于对象设施的二氧化碳传感器和设置在所述对象设施内的就寝场所的生物体传感器分别获取所述对象设施内的二氧化碳浓度和所述就寝场所中的对象者的生物体信号”(0006段)。
现有技术文献
专利文献
专利文献1：日本特开2020-071621号公报
发明内容
在本发明的第一方式中，提供一种感染风险判定系统。感染风险判定系统具备：判定装置，其具备判定部，判定部基于具有容纳含二氧化碳的气体的内部空间的判定对象中的二氧化碳浓度和判定对象中的环境信息，来判定存在于判定对象的一个或多个生物体被存在于判定对象的感染源感染的感染风险程度；风险控制部，其基于由判定部得到的感染风险程度的判定结果，来控制内部空间中的气流、内部空间的温度、内部空间的湿度、内部空间中的紫外线的强度及内部空间中的气体所含的物质的量中的至少一者；以及显示部，其显示风险控制部的控制状态。环境信息包含生物体的声音信息、生物体的数量信息、生物体的体温信息、生物体的鼻或口的露出信息、多个生物体之间的距离信息、生物体的位置信息、生物体的滞留时间信息以及生物体的运动信息中的至少一者。
可以是，感染风险判定系统还具备拍摄判定对象的图像的摄像部。可以是，摄像部被配置在判定对象中。可以是，生物体的数量信息、生物体的体温信息、生物体的鼻或口的露出信息、多个生物体之间的距离信息、生物体的位置信息、生物体的滞留时间信息以及生物体的运动信息是基于由摄像部拍摄到的判定对象的图像的信息。
可以是，感染风险判定系统还具备获取生物体的声音的声音获取部。可以是，声音获取部被配置在判定对象中。可以是，生物体的声音信息是基于由声音获取部获取到的生物体的声音的信息。可以是，判定部基于由摄像部拍摄到的判定对象的图像和由声音获取部获取到的生物体的声音，进一步判定多个生物体中的作为声音信息的信息源的生物体。
可以是，生物体的鼻或口的露出信息包含覆盖生物体的鼻或口的口罩的种类的信息。可以是，判定部基于口罩的种类的信息，来校正感染风险程度的判定结果。
可以是，生物体是人。可以是，环境信息还包含人的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者。可以是，判定部基于人的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者，来校正感染风险程度的判定结果。
可以是，环境信息还包含与生物体针对感染源的感染状况有关的统计信息。可以是，判定部基于统计信息，来校正感染风险程度的判定结果。
可以是，判定部基于内部空间中的气流信息以及内部空间中的生物体的位置信息中的至少一方，来校正感染风险程度的判定结果。
可以是，环境信息还包含内部空间中排出超过预先决定的量的二氧化碳的二氧化碳排出部的信息以及捕捉气体所含的物质的物质捕捉部的信息中的至少一方。可以是，判定部基于二氧化碳排出部的信息和物质捕捉部的信息中的至少一方，来校正感染风险程度的判定结果。
可以是，感染风险判定系统还具备获取内部空间中的二氧化碳浓度的二氧化碳浓度获取部。可以是，二氧化碳浓度获取部被配置在判定对象中。可以是，判定部基于由二氧化碳浓度获取部测定出的二氧化碳浓度的时间变化，来校正感染风险程度的判定结果。
可以是，感染风险判定系统还具备获取判定对象中的二氧化碳浓度的分布的分布获取部。可以是，在判定对象中，多个二氧化碳浓度获取部被配置于相互不同的位置。可以是，分布获取部基于由多个二氧化碳浓度获取部测定出的多个二氧化碳浓度，来获取二氧化碳浓度的分布。可以是，判定部基于二氧化碳浓度的分布，来校正感染风险程度的判定结果。
可以是，环境信息还包含内部空间的温度和湿度中的至少一方。可以是，判定部基于内部空间的温度和湿度中的至少一方，来校正感染风险程度的判定结果。
可以是，显示部还显示由判定部得到的感染风险程度的判定结果。
可以是，显示部在从获取到生物体的数量信息为零的判定对象的图像起的预先决定的时间显示感染风险程度的判定结果。
可以是，显示部显示环境信息中的对感染风险程度的判定结果的贡献度最大的环境信息。
可以是，感染风险判定系统还具备判定推断模型，判定推断模型在被输入环境信息和二氧化碳浓度的情况下，输出针对环境信息和二氧化碳浓度而言的感染风险程度的判定结果。可以是，在已向判定推断模型输入了一个环境信息和一个二氧化碳浓度中的至少一方的情况下输入了其它的环境信息和其它的二氧化碳浓度中的至少一方时，显示部显示感染风险程度的判定结果的变化。
在本发明的第二方式中，提供一种感染风险判定方法。感染风险判定方法包括以下阶段：二氧化碳浓度获取阶段，二氧化碳浓度获取部获取具有容纳含二氧化碳的气体的内部空间的判定对象中的二氧化碳浓度；环境信息获取阶段，环境信息获取部获取判定对象中的环境信息；判定阶段，判定部基于二氧化碳浓度和环境信息，来判定存在于判定对象的一个或多个生物体被存在于判定对象的感染源感染的感染风险程度；风险控制阶段，风险控制部基于由判定部得到的感染风险程度的判定结果，来控制内部空间中的气流、内部空间的温度、内部空间的湿度、内部空间中的紫外线的强度及内部空间中的气体所含的物质的量中的至少一者；以及显示阶段，显示部显示风险控制部的控制状态。环境信息包含生物体的声音信息、生物体的数量信息、生物体的体温信息、生物体的鼻或口的露出信息、多个生物体之间的距离信息、生物体的位置信息、生物体的滞留时间信息以及生物体的运动信息中的至少一者。
可以是，环境信息是基于由摄像部拍摄到的判定对象的图像的信息以及基于由声音获取部获取到的生物体的声音的信息中的至少一方。
可以是，环境信息包含生物体的声音信息。可以是，判定阶段是判定部基于由摄像部拍摄到的判定对象的图像和由声音获取部获取到的生物体的声音来进一步判定多个生物体中的作为声音信息的信息源的生物体的阶段。
可以是，在判定对象中，多个二氧化碳浓度获取部被配置于相互不同的位置。可以是，感染风险判定方法还包括以下阶段：分布获取阶段，分布获取部基于由多个二氧化碳浓度获取部测定出的多个二氧化碳浓度，来获取判定对象中的二氧化碳浓度的分布；以及判定校正阶段，判定部基于二氧化碳浓度的分布，来校正感染风险程度的判定结果。
在本发明的第三方式中，提供一种感染风险判定程序。感染风险判定程序使计算机执行感染风险判定方法。
此外，上述的发明内容并未列举本发明的全部特征。另外，这些特征组的子组合也还能够形成发明。
附图说明
图1是示出本发明的一个实施方式所涉及的判定对象500的一例的图。
图2是示出在从天花板部506朝向地板部502的方向上观察图1所示的判定对象500的情况下的一例的图。
图3是示出本发明的一个实施方式所涉及的感染风险判定系统200的一例的框图。
图4是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图5是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图6是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图7是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图8是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图9是在从天花板部506朝向地板部502的方向上观察图1所示的判定对象500的情况下的其它一例的图。
图10是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图11是示出本发明的一个实施方式所涉及的判定对象500的其它一例的图。
图12是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图13是示出本发明的一个实施方式所涉及的判定对象500的其它一例的图。
图14是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图15是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图16是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图17是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。
图18是示出显示部30中的显示方式的一例的图。
图19是示出判定结果Rd的导出方法的一例的图。
图20是示出便携式终端110中的显示方式的一例的图。
图21是示出本发明的一个实施方式所涉及的判定装置100的一例的图。
图22是示出本发明的一个实施方式所涉及的判定方法的一例的流程图。
图23是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。
图24是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。
图25是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。
图26是示出可以将本发明的一个实施方式所涉及的判定装置100整体或部分地具体化的计算机2200的一例的图。
具体实施方式
下面，通过发明的实施方式来对本发明进行说明，但是下面的实施方式不是对权利要求书请求保护的发明进行限定。另外，实施方式中说明的全部特征的组合不一定是发明的解决方案所必须的。
图1是示出本发明的一个实施方式所涉及的判定对象500的一例的图。在判定对象500中存在感染源(后述)。判定对象500是指作为被该感染源感染的感染风险程度的判定对象的对象物。该对象物例如是室内的房间。在本例中，判定对象500是具备地板部502、墙壁部504以及天花板部506的房间。
在判定对象500中存在一个或多个生物体90。在本例中，在判定对象500中存在4个生物体90(生物体90-1～生物体90-4)。生物体90是反复进行从肺部呼气和向肺部吸气的生命体。在本例中，生物体90是人。在本例中，生物体90的鼻或口被口罩91覆盖。
在本例中，在被地板部502、墙壁部504以及天花板部506包围的内部空间(后述)配置有判定装置100和显示部30。判定装置100判定生物体90被存在于判定对象500的感染源(后述)感染的风险程度。显示部30例如是监视器、显示器等。判定装置100和显示部30也可以配置于被地板部502、墙壁部504以及天花板部506包围的内部空间的外部。
在判定对象500中可以配置一个或多个二氧化碳浓度获取部400。在本例中，二氧化碳浓度获取部400被设置在桌子501上。在本例中，在桌子501上载置有判定装置100和显示部30。二氧化碳浓度获取部400例如是CO2(二氧化碳)传感器。二氧化碳浓度获取部400也可以从环境信息Ie(后述)中获取二氧化碳浓度。例如，二氧化碳浓度获取部400也可以从由摄像部80(后述)拍摄到的图像中获取二氧化碳浓度。从该图像获取到的二氧化碳浓度可以是二氧化碳浓度的估计值。
图2是示出在从天花板部506朝向地板部502的方向上观察图1所示的判定对象500的情况下的一例的图。其中，在图2中省略了图1所示的生物体90、口罩91、判定装置100以及显示部30。在本例中，判定对象500具有内部空间508。内部空间508是通过墙壁部504等分隔出的空间，且是与内部空间508的外部隔离的空间。本例的内部空间508是被地板部502、墙壁部504以及天花板部506包围的密闭空间。
在本例中，在内部空间508容纳含CO2(二氧化碳)510的气体。该气体可以是空气。该空气可以含CO2(二氧化碳)510。二氧化碳浓度获取部400(参照图1)测定内部空间508中的CO2(二氧化碳)510的浓度。
在判定对象500中存在感染源512。在本例中，感染源512存在于内部空间508。在图2中，用星星记号表示感染源512。感染源512例如是病毒、细菌等。感染源512可以包含在容纳于内部空间508的气体中，也可以附着于墙壁部504等。感染源512可以是SARS-CoV-2病毒。SARS-CoV-2病毒是所谓的新型冠状病毒。在生物体90(参照图1)被感染源512感染了的情况下，因生物体90呼气而排出的感染源512也存在于判定对象500中。
在判定对象500中可以配置摄像部80。摄像部80例如是摄像机。摄像部80也可以是测定生物体90的体温的热成像摄像机。在本例中，摄像部80被设置于墙壁部504。摄像部80拍摄判定对象500的图像。摄像部80可以拍摄内部空间508的图像。图1可以是由摄像部80拍摄到的图像。摄像部80可以拍摄静止图像，也可以拍摄运动图像。
在判定对象500中可以配置声音获取部82。声音获取部82例如是麦克风。在本例中，声音获取部82被设置于墙壁部504。声音获取部82也可以被设置于配置在内部空间508中的显示部30(参照图1)。声音获取部82获取生物体90的声音。
图3是示出本发明的一个实施方式所涉及的感染风险判定系统200的一例的框图。在本例中，感染风险判定系统200具备判定装置100、显示部30、二氧化碳浓度获取部400以及环境信息获取部180。在图3中，用一点划线框示出判定装置100的范围。
判定装置100具备判定部10。判定部10基于判定对象500中的CO2(二氧化碳)510的浓度和判定对象500中的环境信息Ie(后述)，来判定生物体90(参照图1)被感染源512感染的感染风险程度。将该感染风险程度设为感染风险程度Ifr。感染风险程度Ifr可以是指判定对象500中的生物体90因含CO2(二氧化碳)510的气体的传播而被感染源512感染的风险的程度。感染风险程度Ifr也可以是判定对象500中的多个生物体90因该气体的传播而被感染源512集体(聚集性)感染的风险的程度(聚集性级别)。
在本例中，判定对象500中的CO2(二氧化碳)510的浓度通过二氧化碳浓度获取部400来测定。在本例中，判定对象500中的环境信息Ie(后述)通过环境信息获取部180来获取。由二氧化碳浓度获取部400测定出的CO2(二氧化碳)510的浓度的信息以及由环境信息获取部180获取到的环境信息Ie(后述)可以无线发送到判定部10。
判定部10可以是CPU(Central Processing Unit：中央处理单元)。判定装置100可以是具备该CPU、存储器以及接口等的计算机。判定装置100也可以是平板电脑等能够携带的计算机。判定部10可以输出感染风险程度Ifr的判定结果。将该判定结果设为判定结果Rd。
判定装置100可以具备运算部12。运算部12对判定对象500中的CO2(二氧化碳)510的浓度和判定对象500中的环境信息Ie(后述)进行运算，并将运算出的结果输出到判定部10。此外，运算部12也可以被包括在判定部10中。在运算部12被包括在判定部10中的情况下，判定部10可以对判定对象500中的CO2(二氧化碳)510的浓度和判定对象500中的环境信息Ie(后述)进行运算，并基于运算出的结果来判定感染风险程度Ifr。
运算部12可以是CPU(Central Processing Unit：中央处理单元)。在运算部12被包括在判定部10中的情况下，判定部10和运算部12可以是1个CPU。
运算部12可以如下述式1、式2或式3所示的那样对判定对象500中的CO2(二氧化碳)510的浓度和判定对象500中的环境信息Ie进行运算。可以将运算出的结果输出到判定部10。
[数1]
Figure BDA0003566180750000091
[数2]
Figure BDA0003566180750000092
[数3]
Figure BDA0003566180750000093
Figure BDA0003566180750000094
式1中的P是在判定对象500中被感染源512感染的感染概率。式2中的R是在判定对象500中针对感染源512的感染者有1人的情况下新增加的感染者数。感染者数R是在判定对象500中从1个感染者新再生出的感染者数。感染者数R相对于判定对象500中存在的生物体90的数量单调增加，因此能够依赖于数量信息In。
式1中的P1 i是第i个生物体90-i被感染源512感染的概率。概率P1 i能够依赖于与生物体90针对感染源512的感染状况有关的统计信息Ist(后述)、感染信息Ifi(后述)、体温信息It(后述)或声音信息Iv(后述)等环境信息Ie(后述)。
式1～式3中的P2 ij是被感染源512感染的第i个生物体90-i使第j个生物体90-j感染的概率。式3中的pi是在判定对象500中针对感染源512的感染者有1人的情况下第i个生物体90-i被感染源512感染的概率。概率pi能够依赖于与生物体90针对感染源512的感染状况有关的统计信息Ist(后述)、感染信息Ifi(后述)、体温信息It(后述)或声音信息Iv(后述)等环境信息Ie(后述)。
运算部12可以如下述式4所示的那样运算概率P2 ij。
[数4]
Figure BDA0003566180750000101
式4中的nij是由第i个生物体90-i排出的感染性粒子IPa被第j个生物体90-j吸入的量。该量可以是估算量。
运算部12可以如下述式5所示的那样运算式4中的nij。
[数5]
Figure BDA0003566180750000102
式5中的cij是第j个生物体90-j的鼻或口周围的浓度的估计值，且是由第i个生物体90-i排出的感染性粒子IPa的浓度的估计值。式5中的Bj是第j个生物体90-j的呼吸量。生物体90的呼吸量可以是生物体90每单位时间吸入或排出的气体的量。随着生物体90的呼吸量的增加，生物体90吸入的感染性粒子IPa的量也增加，因此Bj能够依赖于运动信息Im(后述)或露出信息Ip(后述)。
式5中的min j是用于对被第j个生物体90-j吸入的感染性粒子IPa的量进行校正的校正系数。min j可以是基于第j个生物体90-j佩戴口罩而阻碍第j个生物体90-j吸入感染性粒子Ipa这一情形的校正系数。生物体90吸入的感染性粒子IPa的量能够依赖于口罩的种类，因此min j能够依赖于露出信息Ip。式5中的tj是表示时刻的变量。tj是第j个生物体90-j在判定对象500中暴露于感染性粒子IPa的时间。tj能够依赖于滞留时间信息Is(后述)。
运算部12可以如下述式6所示的那样运算式5中的cij。
[数6]
Figure BDA0003566180750000111
式6中的CL ij是依赖于第i个生物体90-i与第j个生物体90-j之间的距离、或依赖于生物体90-i和生物体90-j各自的位置的校正系数。生物体90-i与生物体90-j之间的距离越大，则由生物体90-i排出的感染性粒子IPa的浓度越容易变小。因此，CL ij可以是随着该距离的增加而减小的函数。因此，CL ij能够依赖于位置信息IL(后述)或距离信息Id(后述)。
式6中的Ei q是由第i个生物体90-i每单位时间排出的感染性粒子IPa的量。由生物体90每单位时间排出的感染性粒子IPa的量能够依赖于生物体90的出声量的增加或出声时间的增加。由生物体90每单位时间排出的感染性粒子IPa的量能够依赖于生物体90的运动量。因此，Ei q能够依赖于声音信息Iv或运动信息Im。
式6中的Qj是在第j个生物体90-j所在的判定对象500中由该判定对象500的排出部509(后述)每单位时间排出的内部空间508的气体的体积。因此，Qj能够依赖于气流信息Iaf。式6中的mex i是用于对由第j个生物体90-j排出的感染性粒子IPa的量进行校正的校正系数。mex i可以是基于第j个生物体90-j佩戴口罩而阻碍第j个生物体90-j排出感染性粒子Ipa这一情形的校正系数。生物体90排出的感染性粒子IPa的量能够依赖于口罩的种类，因此mex i能够依赖于露出信息Ip。
运算部12可以如下述式7所示的那样运算式6中的Qj。
[数7]
Figure BDA0003566180750000121
式7中的ΔCj是第j个生物体90-j的周围处的CO2(二氧化碳)510的浓度与内部空间508的外部的气体所含的CO2(二氧化碳)510的浓度之差。因此，ΔCj能够依赖于内部空间508中的CO2(二氧化碳)510的浓度或该浓度的分布。此外，该浓度的分布可以通过后述的分布获取部14来获取。
式7中的N是判定对象500中的生物体90的数量。因此，N能够依赖于数量信息In(后述)。式7中的ECO2 j是由第j个生物体90-j每单位时间排出的CO2(二氧化碳)510的排出量。生物体90每单位时间排出的CO2(二氧化碳)510的排出量依赖于生物体90的肺活量。因此，在生物体90是人的情况下，ECO2 j能够依赖于人的性别、年龄、身高以及体重中的至少一者。生物体90每单位时间排出的CO2(二氧化碳)510的排出量能够依赖于生物体90的运动量。因此，ECO2 j能够依赖于运动信息Im(后述)。
判定装置100可以具备控制部20。控制部20可以是CPU(Central ProcessingUnit：中央处理单元)。判定部10、运算部12以及控制部20也可以是1个CPU。控制部20可以将用于对显示部30的显示进行控制的控制信号发送到显示部30。
环境信息获取部180获取判定对象500中的环境信息。将该环境信息设为环境信息Ie。环境信息Ie是指与生物体90有关的信息，且是能够影响对在判定对象500中被感染源512感染的感染风险程度的判定的信息。环境信息Ie可以包含生物体90的声音信息、生物体90的数量信息、生物体90的体温信息、生物体90的鼻或口的露出信息、多个生物体90之间的距离信息、生物体90的位置信息、生物体90的滞留时间信息以及生物体90的运动信息中的至少一者。
生物体90因呼气而排出CO2(二氧化碳)，因此内部空间508(参照图2)越小，则判定对象500中的CO2(二氧化碳)510的浓度越容易变高。内部空间508与内部空间508的外部隔离的隔离程度越大，则判定对象500中的CO2(二氧化碳)510的浓度越容易变高。感染风险程度Ifr容易依赖于判定对象500中的CO2(二氧化碳)510的浓度。因此，内部空间508越小，上述的隔离程度越大，则感染风险程度Ifr越容易变大。此外，隔离程度大是指内部空间508中的换气状态差。
将生物体90的声音信息设为声音信息Iv。声音信息Iv是指由生物体90发出的声音的信息。由生物体发出的声音可以是指从出声器官(主要是口、喉咙)发出的声音。在由生物体90发出的声音的信息中可以包含由生物体90发出的语声、咳嗽声以及喷嚏声中的至少一者。声音信息Iv可以是指从生物体90发出的声音的大小和频率中的至少一方，也可以是指生物体90的声纹。声音信息Iv也可以包含生物体90的声音的性别信息。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和声音信息Iv来判定感染风险程度Ifr。在生物体90(参照图1)被感染源512感染了的情况下，生物体90呼气所排出的感染源512可能是感染性粒子。将该感染性粒子设为感染性粒子IPa。感染性粒子IPa容易通过生物体90出声而排出。在生物体90的声音的大小增加了的情况下，感染性粒子IPa的增加率容易大于生物体90的声音的大小的增加率。因此，判定部10能够基于CO2(二氧化碳)510的浓度和声音信息Iv来判定感染风险程度Ifr。
将生物体90的数量信息设为数量信息In。数量信息In是指判定对象500中存在的生物体90的数量。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和数量信息In来判定感染风险程度Ifr。生物体90因呼气而排出CO2(二氧化碳)，因此判定对象500中存在的生物体90的数量越多，则判定对象500中的CO2(二氧化碳)510的浓度越容易变高。因此，判定部10能够基于CO2(二氧化碳)510的浓度和数量信息In来判定感染风险程度Ifr。
将生物体90的体温信息设为体温信息It。体温信息It可以是指判定对象500中存在的生物体90的体表温度的信息，也可以是指体内温度的信息。在体温信息It为体表温度的信息的情况下，体温信息It也可以是将该体表温度的分布呈二维状显示所得到的体表温度的分布信息。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和体温信息It来判定感染风险程度Ifr。在生物体90(参照图1)被感染源512感染了的情况下，生物体90的体温容易变高。因此，判定部10能够基于CO2(二氧化碳)510的浓度和体温信息It来判定感染风险程度Ifr。
将生物体90的鼻或口的露出信息设为露出信息Ip。露出信息Ip可以是指生物体90的鼻和口中的至少一方是否露出的信息。露出信息Ip也可以是指生物体90的鼻和口未露出的情况下的、基于从生物体90的鼻和口进行的呼气的气流的信息。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和露出信息Ip来判定感染风险程度Ifr。在生物体90的鼻和口中的至少一方露出的情况下，在生物体90被感染源512感染了时，该生物体90容易通过说话而排出感染性粒子IPa，并且容易通过吸气而吸入感染性粒子IPa。因此，判定部10能够基于CO2(二氧化碳)510的浓度和露出信息Ip来判定感染风险程度Ifr。
将多个生物体90之间的距离信息设为距离信息Id。距离信息Id可以是指一个生物体90(例如图1中的生物体90-3)的鼻或口、与其他的生物体90(例如图1中的生物体90-4)的鼻或口之间的距离。在判定对象500中存在3个以上的生物体90的情况下，距离信息Id可以包含从3个以上的生物体90中选择出的多种方式的2个生物体90之间的多个距离Id。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和距离信息Id来判定感染风险程度Ifr。在一个生物体90被感染源512感染了的情况下，一个生物体90与其他的生物体90的距离越近，则其他的生物体90越容易通过吸气而吸入由一个生物体90排出的感染性粒子IPa。因此，判定部10能够基于CO2(二氧化碳)510的浓度和距离信息Id来判定感染风险程度Ifr。
将生物体90的位置信息设为位置信息IL。位置信息IL是指生物体90在判定对象500中的位置信息。生物体90在判定对象500中的位置信息是指生物体90在内部空间508(参照图2)中的位置信息。位置信息IL可以是指生物体90的鼻或口的位置信息。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和位置信息IL来判定感染风险程度Ifr。内部空间508(参照图2)中的空气容易滞留在墙壁部504的附近。因此，在被感染源512感染了的生物体90的位置信息为墙壁部504的附近的情况下，由该生物体90排出的感染性粒子IPa容易滞留在墙壁部504的该附近。因此，判定部10能够基于CO2(二氧化碳)510的浓度和位置信息IL来判定感染风险程度Ifr。
将生物体90的滞留时间信息设为滞留时间信息Is。滞留时间信息Is是指生物体90在判定对象500中的滞留时间信息。滞留时间信息Is可以是从生物体90自内部空间508的外部进入到内部空间508的时间点起的经过时间，也可以是从进入到内部空间508的时间点至离开到内部空间508的外部的时间点为止的时间。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和滞留时间信息Is来判定感染风险程度Ifr。在被感染源512感染了的生物体90滞留于判定对象500中的情况下，由该生物体90排出的感染性粒子IPa的量容易依赖于该生物体90在判定对象500中滞留的时间。因此，判定部10能够基于CO2(二氧化碳)510的浓度和滞留时间信息Is来判定感染风险程度Ifr。
将生物体90的运动信息设为运动信息Im。运动信息Im是指生物体90在判定对象500中的运动信息。运动信息Im可以是代谢当量(METs)或生物体90的运动的信息。代谢当量(METs)是用生物体90处于静卧状态的情况下生物体90所消耗的O2(氧气)的量对生物体90处于运动状态的情况下生物体90所消耗的O2(氧气)的量进行标准化所得到的量。生物体90的运动的信息可以是指生物体90的身体的运动的信息。
判定部10可以基于判定对象500中的CO2(二氧化碳)510的浓度和运动信息Im来判定感染风险程度Ifr。当生物体90的运动量增加时，生物体90的呼气的周期容易变短，预先决定的时间内的生物体90的呼气的总量容易增加。运动信息Im也可以是生物体90的呼气的周期的信息。在生物体90的呼气的总量或呼气的周期增加了的情况下，感染性粒子IPa的排出量容易增加。在生物体90的运动量增加了的情况下，感染性粒子IPa的增加率容易大于生物体90的运动量的增加率。因此，判定部10能够基于CO2(二氧化碳)510的浓度和运动信息Im来判定感染风险程度Ifr。
在生物体90被感染源512感染了的情况下，生物体90的声音越多，则由生物体90排出的感染性粒子IPa的量容易越多。在生物体90的运动量增加且从生物体90发出了声音的情况下，感染性粒子IPa的排出量容易进一步增加。因此，判定部10能够基于CO2(二氧化碳)510的浓度、运动信息Im以及声音信息Iv来判定感染风险程度Ifr。
判定部10也可以基于从声音信息Iv、数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is及运动信息Im中选择出的多个信息、以及判定对象500中的CO2(二氧化碳)510的浓度，来判定感染风险程度Ifr。通过基于多个该信息和CO2(二氧化碳)510的该浓度来判定感染风险程度Ifr，与基于1个该信息和CO2(二氧化碳)510的该浓度来判定感染风险程度Ifr的情况相比，容易准确地判定感染风险程度Ifr。
在本例中，环境信息获取部180包括摄像部80和声音获取部82。数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im可以是基于由摄像部80拍摄到的图像的信息。运算部12可以基于由摄像部80拍摄到的图像来运算数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im中的至少一者。判定部10可以基于运算部12的运算结果来判定数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im中的至少一者。
声音信息Iv可以是基于由声音获取部82获取到的生物体90的声音的信息。基于生物体90的声音的信息可以是指由生物体90发出的声音的信息。如上所述，在由生物体90发出的声音的信息中可以包含由生物体90发出的语声、咳嗽声以及喷嚏声中的至少一者。运算部12可以基于由声音获取部82获取到的生物体90的声音来运算声音信息Iv。判定部10可以基于运算部12的运算结果来判定声音信息Iv。
显示部30可以显示判定结果Rd。控制部20可以控制显示部30以将判定结果Rd显示于显示部30。判定结果Rd可以被以具有可读性的信息的方式显示于显示部30，也可以被以具有视觉识别性的信息的方式显示于显示部30。具有可读性的信息例如是指文字、数字。具有视觉识别性的信息例如是指图表、图形等。通过将判定结果Rd显示于显示部30，感染风险判定系统200的用户识别到判定结果Rd。判定结果Rd也可以通过判定装置100输出声音、判定装置100进行振动、或者判定装置产生气味来被感染风险判定系统200的用户识别到。
判定部10可以基于由声音获取部82获取到的生物体90(参照图1)的声音来判定多个生物体90中的作为声音信息Iv的信息源的生物体90。在图1所示的例子中，在生物体90-2正在说话的情况下，声音获取部82能够获取生物体90的声音是来自生物体90-2的方向的声音。因此，判定部10能够判定为作为声音信息Iv的信息源的生物体90是生物体90-2。
判定部10也可以基于由摄像部80拍摄到的判定对象500的图像、以及由声音获取部82获取到的生物体90(参照图1)的声音来判定多个生物体90中的作为声音信息Iv的信息源的生物体90。在图1所示的例子中，在生物体90-2正在说话的情况下，声音获取部82能够获取生物体90的声音是来自生物体90-2的方向的声音。
在声音获取部82将生物体90的声音获取为是来自生物体90-2的方向的声音的情况下，在摄像部80例如拍摄到生物体90-2的口的运动而未拍摄到生物体90-3的口的运动时，判定部10能够判定为作为声音信息Iv的信息源的生物体90是生物体90-2。因此，相比于不基于判定对象500的图像而基于生物体90(参照图1)的声音来判定作为声音信息Iv的信息源的生物体90的情况，判定部10能够更准确地判定作为声音信息Iv的信息源的生物体90。
图4是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。本例的感染风险判定系统200与图3所示的感染风险判定系统200的不同点在于不具备环境信息获取部180而具备输入部18。输入部18可以设置于与判定装置100分开的便携式终端110。便携式终端110可以配置于内部空间508的外部。便携式终端110可以与判定装置100无线连接。
环境信息Ie可以通过输入部18而被输入。感染风险判定系统200的用户可以从输入部18输入环境信息Ie。环境信息Ie有时由感染风险判定系统200的用户进行判定会比基于由摄像部80获取到的图像、或基于由声音获取部82获取到的声音进行判定更准确。例如，由于感染风险判定系统200的用户能够容易地视觉识别数量信息In，因此该用户可以从输入部18输入数量信息In。
图5是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。感染风险判定系统200可以具备多个摄像部80以及多个声音获取部82。在判定对象500中可以配置多个摄像部80以及多个声音获取部82。本例的感染风险判定系统200具备2个摄像部80(摄像部80-1和摄像部80-2)以及2个声音获取部82(声音获取部82-1和声音获取部82-2)。在本例中，在判定对象500中配置有2个摄像部80以及2个声音获取部82。
判定部10可以基于由多个摄像部80拍摄到的判定对象500的多个图像和由多个声音获取部82获取到的多个生物体90(参照图1)的声音，来判定多个生物体90中的作为声音信息Iv的信息源的生物体90。通过基于多个该图像和多个生物体90的声音来判定作为声音信息Iv的信息源的生物体90，相比于基于一个图像和一个生物体90的声音进行判定的情况而言，容易准确地判定作为声音信息Iv的信息源的生物体90。因此，感染风险判定系统200优选具备多个摄像部80以及多个声音获取部82。
环境信息Ie可以还包含生物体90是否被感染源512感染了的感染信息。将该感染信息设为感染信息Ifi。在环境信息Ie包含作为声音信息Iv的信息源的生物体90被感染源512感染了的感染信息Ifi的情况下，判定部10可以基于作为声音信息Iv的信息源的生物体90的出声时间以及出声量中的至少一方来判定感染风险程度Ifr。
生物体90的出声时间是指生物体90发出声音的时间。生物体90的出声时间可以是生物体90的说话时间，也可以是由生物体90发出咳嗽声或喷嚏声的时间。生物体90的出声量是指生物体90发出的声音的大小。生物体90的出声量可以是指生物体90的说话量，也可以是指由生物体90发出的咳嗽的音量或喷嚏的音量。生物体90的出声量可以是指生物体90发出的声波的振幅，也可以是该振幅的最大值。
在作为声音信息Iv的信息源的生物体90被感染源512感染了的情况下，相比于该生物体90未被感染源512感染的情况而言，该生物体90更容易通过说话而排出感染性粒子IPa。在该生物体90被感染源512感染了的情况下，感染风险程度Ifr容易依赖于该生物体90的出声时间和出声量中的至少一方。因此，在环境信息Ie包含上述的感染信息Ifi的情况下，判定部10能够基于作为声音信息Iv的信息源的生物体90的出声时间和出声量中的至少一方来判定感染风险程度Ifr。
图6是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例中，环境信息Ie包含露出信息Ip，露出信息Ip包含覆盖生物体90的鼻或口的口罩91(参照图1)的种类的信息。口罩91的种类例如是指口罩91的材质、大小等。判定部10可以基于口罩91的种类的信息来校正感染风险程度Ifr的判定结果Rd。
在生物体90的鼻或口被口罩91覆盖的情况下，从生物体90的口排出的感染性粒子IPa的排出量以及生物体90通过口或鼻吸进的感染性粒子IPa的吸进量容易依赖于口罩91的种类。例如，相比于无纺布的口罩91，感染性粒子IPa更容易穿过聚氨酯制的口罩91。例如，与口罩91覆盖生物体90的脸颊的全部的情况相比，覆盖脸颊的一部分的情况更易于感染性粒子IPa排出到内部空间508(参照图2)。因此，通过由判定部10基于口罩91的种类的信息来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
覆盖生物体90的鼻或口的口罩91(参照图1)的种类的信息可以是基于由摄像部80拍摄到的判定对象500的图像的信息。判定部10可以基于由摄像部80拍摄到的该图像来判定覆盖生物体90的鼻或口的口罩91的种类的信息。
图7是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例中，生物体90是人。在本例中，环境信息Ie还包含该生物体90的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者。判定部10可以基于生物体90(在本例中是人)的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者来校正感染风险程度Ifr的判定结果Rd。
在生物体90是人的情况下，生物体90的感染风险程度Ifr容易依赖于该生物体90的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录。例如，70多岁的生物体90的感染风险程度Ifr容易高于30多岁的生物体90的感染风险程度Ifr。例如，具有慢性病史的生物体90的感染风险程度Ifr容易高于不具有慢性病史的生物体90的感染风险程度Ifr。因此，通过由判定部10基于生物体90的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
图8是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例中，环境信息Ie还包含与生物体90针对感染源512的感染状况有关的统计信息。将该统计信息设为统计信息Ist。判定部10可以基于统计信息Ist来校正感染风险程度Ifr的判定结果Rd。
与生物体90针对感染源512的感染状况有关的统计信息Ist例如是指针对感染源512的最近的感染状况的发展、判定对象500的区域内的针对感染源512的当前的感染状况等。在针对感染源512的最近的感染状况以高蔓延状态发展的情况下，相比于该感染状况以低蔓延状态发展的情况而言，存在于判定对象500的生物体90被感染源512感染的盖然性较高。因此，通过由判定部10基于统计信息Ist来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
图9是在从天花板部506朝向地板部502的方向上观察图1所示的判定对象500的情况下的其它一例的图。在本例中，在判定对象500中设置有供给部507和排出部509。
供给部507将内部空间508的外部的气体向内部空间508供给。供给部507例如是空调设备、空气净化器、空调等。排出部509将内部空间508的气体向内部空间508的外部排出。排出部509例如是换气扇、换气口等。
在由供给部507将内部空间508的外部的气体供给到内部空间508、由排出部509将内部空间508的气体排出到外部的情况下，内部空间508的气体容易沿从供给部507向排出部509的方向移动。将该气体的向该方向的流路设为流路Ch。
图10是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。图10是判定对象500为图9所示的例子的情况下的框图的一例。在本例中，环境信息Ie还包含气流信息。将该气流信息设为气流信息Iaf。
气流信息Iaf是指对内部空间的气流给予影响的设备的信息。气流信息Iaf可以是供给部507(参照图9)的信息和排出部509(参照图9)的信息中的至少一方。供给部507的信息可以是指由供给部507每单位时间供给的内部空间508的外部的气体的体积或质量。供给部507的信息也可以是指判定对象500中的供给部507的位置信息。排出部509的信息可以是指由排出部509每单位时间排出的内部空间508的气体的体积或质量。排出部509的信息也可以是指判定对象500中的排出部509的位置信息。
判定部10可以基于气流信息Iaf和生物体90的位置信息IL中的至少一方来校正感染风险程度Ifr的判定结果Rd。在由排出部509排出内部空间508的气体、并由供给部507供给内部空间508的外部的气体的情况下，判定对象500中的CO2(二氧化碳)510的浓度容易降低，感染性粒子IPa容易被排出到内部空间508的外部。因此，相比于不排出内部空间508的气体且不供给内部空间508的外部的气体的情况而言，感染风险程度Ifr容易降低。因此，通过由判定部10基于气流信息Iaf来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
在内部空间508中存在感染性粒子IPa的情况下，感染性粒子IPa在内部空间508中的分布容易依赖于内部空间508中的生物体90的位置。因此，通过由判定部10基于位置信息IL来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
在由排出部509排出内部空间508的气体、由供给部507供给内部空间508的外部的气体、并且生物体90的位置信息IL为流路Ch(参照图9)的附近的情况下，相比于生物体90的位置信息IL远离流路Ch的情况而言，该生物体90被感染源512感染的感染风险程度Ifr容易降低。因此，通过由判定部10基于气流信息Iaf和位置信息IL来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。此外，生物体90的位置信息IL可以是基于由摄像部80拍摄到的图像的信息。
图11是示出本发明的一个实施方式所涉及的判定对象500的其它一例的图。在本例中，在判定对象500中，在内部空间508配置有排出超过预先决定的量的CO2(二氧化碳)510的CO2(二氧化碳)排出部505。本例的判定对象500在这一点上与图2所示的判定对象500不同。CO2(二氧化碳)排出部505例如是炉子。
在判定对象500中可以配置多个二氧化碳浓度获取部400。在本例中，在判定对象500中配置有2个二氧化碳浓度获取部400。本例的判定对象500在这一点上也与图2所示的判定对象500不同。
在本例中，二氧化碳浓度获取部400-1被设置在桌子501上，二氧化碳浓度获取部400-2被设置于桌子501的腿部。二氧化碳浓度获取部400-1距地板部502的高度与二氧化碳浓度获取部400-2距地板部502的高度可以不同。
在判定对象500中可以还配置温湿度传感器401和紫外线传感器403。本例的判定对象500在这一点上也与图2所示的判定对象500不同。温湿度传感器401测定内部空间508的温度和湿度。紫外线传感器403测定内部空间508中的紫外线。紫外线传感器403可以测定UVB波和UVC波中的至少一方。在本例中，温湿度传感器401被设置在桌子501上，紫外线传感器403被设置于墙壁部504。
图12是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。图12是判定对象500为图11所示的例子的情况下的框图的一例。在本例中，环境信息Ie还包含二氧化碳排出部505的信息。将该信息设为排出部信息Idc。
排出部信息Idc可以是CO2(二氧化碳)排出部505是否正在运转的信息。排出部信息Idc可以是基于由摄像部80拍摄到的判定对象500的图像的信息。判定部10可以基于由摄像部80拍摄到的该图像来判定排出部信息Idc。判定部10也可以经由无线或有线的通信网络来判定排出部信息Idc。
判定部10可以基于排出部信息Idc来校正感染风险程度Ifr的判定结果Rd。在排出部信息Idc为CO2(二氧化碳)排出部505正在运转的信息的情况下，相比于排出部信息Idc为CO2(二氧化碳)排出部505未运转的信息的情况而言，判定部10可以校正为感染风险程度Ifr高的判定结果Rd。
在CO2(二氧化碳)排出部505正在运转的情况下，CO2(二氧化碳)510的浓度容易成为预先决定的浓度以上。该预先决定的浓度可以是指能够抑制判定对象500中的生物体90被感染源512感染的风险的浓度。该预先决定的浓度例如是指1000ppm。
判定部10可以基于CO2(二氧化碳)510的浓度的时间变化来校正感染风险程度Ifr的判定结果Rd。在CO2(二氧化碳)510的浓度的时间变化率超过预先决定的阈值变化率的情况下，判定部10可以校正感染风险程度Ifr的判定结果Rd。超过该预先决定的阈值变化率的情况例如是指二氧化碳排出部505正在运转的情况。在CO2(二氧化碳)510的浓度的时间变化率超过预先决定的阈值变化率的情况下，感染风险程度Ifr比CO2(二氧化碳)510的浓度更容易变高。因此，在CO2(二氧化碳)510的浓度的时间变化率超过预先决定的阈值变化率的情况下，判定部10基于CO2(二氧化碳)510的浓度的时间变化率来校正感染风险程度Ifr的判定结果Rd，由此容易更准确地判定感染风险程度Ifr。
图13是示出本发明的一个实施方式所涉及的判定对象500的其它一例的图。在本例中，在判定对象500中配置物质捕捉部511来代替CO2(二氧化碳)排出部505。本例的感染风险判定系统200在这一点上与图12所示的感染风险判定系统200不同。物质捕捉部511捕捉气体所含的物质。此处所说的物质是指由感染了感染病的人的呼气中所含的感染源512经由判定对象500的空气来进行感染的感染病中的、左右感染源512或者发生感染的感染风险程度Ifr的增减的感染性物质、感染促进物质。该气体含CO2(二氧化碳)510且被容纳于内部空间508。物质捕捉部511可以通过吸入内部空间508中容纳的气体来捕捉该气体所含的物质(尘埃、灰尘、病毒等)。本例的判定对象500在这一点上与图2所示的判定对象500不同。物质捕捉部511例如是空气净化器、空调等。
图14是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例中，环境信息Ie还包含物质捕捉部511的信息。本例的感染风险判定系统200在这一点上与图12所示的感染风险判定系统200不同。将物质捕捉部511的信息设为捕捉部信息Idt。
捕捉部信息Idt可以是物质捕捉部511是否正在运转的信息。捕捉部信息Idt可以是基于由摄像部80拍摄到的判定对象500的图像的信息。判定部10可以基于由摄像部80拍摄到的该图像来判定捕捉部信息Idt。判定部10也可以经由无线或有线的通信网络来判定捕捉部信息Idt。捕捉部信息Idt也可以包含用于使感染风险程度Ifr变动的信息。
判定部10可以基于捕捉部信息Idt来校正感染风险程度Ifr的判定结果Rd。在捕捉部信息Idt是物质捕捉部511正在运转的信息的情况下，相比于捕捉部信息Idt是物质捕捉部511未运转的信息的情况而言，判定部10可以校正为感染风险程度Ifr较低的判定结果Rd。
图15是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例的感染风险判定系统200中，判定装置100还具备分布获取部14。在本例的感染风险判定系统200中，在判定对象500设置有2个二氧化碳浓度获取部400。本例的感染风险判定系统200在这些点上与图10所示的感染风险判定系统200不同。分布获取部14获取判定对象500中的CO2(二氧化碳)510的浓度的分布。
在判定对象500中，多个二氧化碳浓度获取部400可以被配置在相互不同的位置。在判定对象500中，多个二氧化碳浓度获取部400可以被配置在相互不同的高度。如图12所示，在本例中，2个二氧化碳浓度获取部400被设置在相互不同的高度。
分布获取部14可以基于由多个二氧化碳浓度获取部400测定出的多个CO2(二氧化碳)510的浓度来获取CO2(二氧化碳)510的浓度的分布。判定部10可以基于由分布获取部14获取到的CO2(二氧化碳)510的浓度的分布来校正感染风险程度Ifr的判定结果Rd。
CO2(二氧化碳)的浓度有时根据在内部空间508(参照图11)中的位置而不同。因此，通过由判定部10基于CO2(二氧化碳)510的浓度的分布来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
CO2(二氧化碳)比空气重，因此容易滞留在内部空间508中的下方。因此，在内部空间508中下方的CO2(二氧化碳)510的浓度容易高于上方的CO2(二氧化碳)510的浓度。因此，在分布获取部14基于由配置在相互不同的位置的多个二氧化碳浓度获取部400测定出的多个CO2(二氧化碳)510的浓度获取到CO2(二氧化碳)510的浓度的分布的情况下，CO2(二氧化碳)510的浓度的该分布容易反映内部空间508中的高度方向上的分布。因此，通过由判定部10基于CO2(二氧化碳)510的浓度的该分布来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
由于感染性粒子IPa比CO2(二氧化碳)510重，因此感染性粒子IPa的扩散的迁移率容易小于CO2(二氧化碳)510的扩散的迁移率。因此，在内部空间508中，感染性粒子IPa相比于CO2(二氧化碳)510而言更容易受气流影响。因此，在内部空间508中，CO2(二氧化碳)510的浓度分布与感染性粒子IPa的浓度分布有时会不同。判定部10也可以基于CO2(二氧化碳)510的浓度的该分布和气流信息Iaf来校正感染风险程度Ifr的判定结果Rd。由此，容易更准确地判定CO2(二氧化碳)510的浓度分布与感染性粒子IPa的浓度分布不同的情况下的感染风险程度Ifr。
图16是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例的感染风险判定系统200中，在判定对象500中还设置有温湿度传感器401和紫外线传感器403。本例的感染风险判定系统200在这一点上与图15所示的感染风险判定系统200不同。如图13所示，在本例中，温湿度传感器401被设置在桌子501上，紫外线传感器403被设置于墙壁部504。
环境信息Ie可以还包含内部空间508(参照图12)的温度和湿度中的至少一方。将该温度设为温度T。将该湿度设为湿度H。温度T和湿度H可以通过温湿度传感器401来测定。
感染源512的生存期间有时依赖于温度T和湿度H中的至少一方。在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下，从预先决定的温度T的范围的偏离越大，则该感染源512的生存期间越容易变长，从预先决定的湿度H的范围的偏离越大，则该感染源512的生存期间越容易变长。
判定部10可以基于内部空间508的温度T和湿度H中的至少一方来校正感染风险程度Ifr的判定结果Rd。由此，容易更准确地判定感染风险程度Ifr。
判定部10可以基于由紫外线传感器403测定出的紫外线的强度来校正感染风险程度Ifr的判定结果Rd。在感染源512存在于被紫外线照射的环境下的情况下，感染源512的活性度容易依赖于该紫外线的强度。感染源512的活性度是指感染源512感染生物体90的程度。在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下，紫外线越强，则该感染源512越容易非活性化。因此，通过由判定部10基于由紫外线传感器403测定出的紫外线的强度来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
图17是示出本发明的一个实施方式所涉及的感染风险判定系统200的其它一例的框图。在本例的感染风险判定系统200中，在判定对象500中还配置有空调部420、湿度调整部422、紫外线照射部424以及声音获取部82。本例的感染风险判定系统200还具备风险控制部16。本例的感染风险判定系统200在这些点上与图16所示的感染风险判定系统200不同。
空调部420调整内部空间508中的温度T。空调部420例如是空调。此外，在空调部420具有送风功能的情况下，在判定对象500中也可以不配置供给部507。湿度调整部422调整内部空间508中的湿度H。湿度调整部422例如是加湿器，也可以是具有湿度调整功能的空调。紫外线照射部424向内部空间508照射紫外线。紫外线照射部424可以是LED方式或灯方式等的紫外线照射机，也可以是太阳光。
风险控制部16基于由判定部10得到的感染风险程度Ifr的判定结果Rd，来控制内部空间508(参照图11)中的气流、内部空间508的温度T、内部空间508的湿度H、内部空间508中的紫外线的强度以及内部空间508中的气体所含的物质的量中的至少一者。风险控制部16可以基于该判定结果Rd，以使感染风险程度Ifr减少的方式控制该气流、温度T、湿度H、该紫外线的强度以及该气体所含的物质的量中的至少一者。由此，不仅判定部10输出感染风险程度Ifr的判定结果Rd，感染风险程度Ifr也能够减少。
在由判定部10判定为判定对象500中的感染风险程度Ifr高的情况下，风险控制部16可以使由供给部507供给内部空间508的外部的气体的供给量以及由排出部509排出内部空间508的气体的排出量中的至少一方增加。由此，感染风险程度Ifr容易降低。另外，即使在由判定部10判定为判定对象500中的感染风险程度Ifr高的情况下，也可以根据外部状况而不使由供给部507供给内部空间508的外部的气体的供给量以及由排出部509排出内部空间508的气体的排出量中的至少一方增加。外部状况例如是指花粉的飞散量多的状况。
在由判定部10判定为判定对象500中的感染风险程度Ifr高的情况下，风险控制部16可以以使内部空间508的温度T成为预先决定的温度的方式控制空调部420。由此，感染风险程度Ifr容易降低。在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下，该预先决定的温度例如为20℃以上且25℃以下。
在由判定部10判定为判定对象500中的感染风险程度Ifr高的情况下，风险控制部16可以以使内部空间508的湿度H成为预先决定的湿度的方式控制湿度调整部422。由此，感染风险程度Ifr容易降低。在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下，该预先决定的湿度例如为40％以上。
在由判定部10判定为判定对象500中的感染风险程度Ifr高的情况下，风险控制部16可以使紫外线照射部424开启。由此，感染风险程度Ifr容易降低。风险控制部16也可以控制由紫外线照射部424照射的紫外线的强度。在紫外线照射部424为太阳光的情况下，风险控制部16也可以通过控制内部空间508中的天花板部506的开闭程度来控制向内部空间508照射的太阳光的量。由此，在感染源512为SARS-CoV-2病毒(所谓的新型冠状病毒)的情况下，感染源512容易非活性化。由此，感染风险程度Ifr容易降低。另外，风险控制部16可以探测到没有人而使紫外线照射部424运转。
风险控制部16也可以包括在控制部20中。也可以是，判定装置100不具有风险控制部16，而由控制部20控制内部空间508(参照图11)中的气流、内部空间508的温度T、内部空间508的湿度H以及内部空间508中的紫外线的强度中的至少一者。
图18是示出显示部30中的显示方式的一例的图。本例的显示部30具有输入部18、输出部19以及图像显示部17。感染风险判定系统200的用户可以从输入部18输入环境信息Ie。感染风险程度Ifr的判定结果Rd可以被输出到输出部19，可以被显示于图像显示部17。在本例中，该判定结果Rd被以具有可读性的信息(例如文字、数字等)的形式显示于输出部19，被以具有视觉识别性的信息(例如图表、图形等)的形式显示于图像显示部17。此外，输入部18和输出部19也可以包括在图像显示部17中。
也可以向输入部18自动地输入基于由摄像部80拍摄到的图像的环境信息Ie。例如，可以在“平均停留时间”的项目中自动输入基于滞留时间信息Is的滞留时间，也可以在“CO2浓度”的项目中自动显示由二氧化碳浓度获取部400测定出的CO2(二氧化碳)510的浓度。
显示部30可以显示风险控制部16的控制状态、即内部空间508中的气流、内部空间508的温度T、内部空间508的湿度H、内部空间508中的紫外线的强度以及内部空间508中的气体所含的物质的量中的至少一者的控制状态。由此，风险控制部16的运转状态被可视化。通过将风险控制部16的运转状态可视化，能够进行与判定对象500的实际的运用状况相匹配的容纳人数的控制。由此，能够经济地运用判定对象500。由此，能够提高判定对象500的资产价值。也可以在显示部30显示运转紫外线照射部424所产生的效果。运转紫外线照射部424所产生的效果可以是运转紫外线照射部424之前和之后的感染风险程度Ifr的变化。
在图像显示部17，也可以显示由摄像部80拍摄到的图像。在图像显示部17，也可以同时显示该图像和感染风险程度Ifr的判定结果Rd。在图像显示部17，也可以显示由摄像部80拍摄到的图1所示的图像。
显示部30可以在从摄像部80获取到生物体90的数量信息In为零的判定对象500的图像起的预先决定的时间显示感染风险程度Ifr的判定结果Rd。生物体90的数量信息In为零的判定对象500的图像是指未拍摄到生物体90的图像。从获取到数量信息In为零的图像起的预先决定的时间可以是指从数量信息In不为零的图像变化为数量信息In为零的图像起的时间。从获取到数量信息In为零的图像起的预先决定的时间是指基于残存的感染源512的感染风险程度Ifr的残留时间。
在本例中，由于在从获取到数量信息In为零的图像起的预先决定的时间、感染风险程度Ifr的判定结果Rd被显示于显示部30，因此感染风险判定系统200能够使要新进入内部空间508的生物体90获知判定对象500中的感染风险程度Ifr。显示部30可以在从获取到数量信息In为零的图像起经过预先决定的时间后停止判定结果Rd的显示。在生物体90新进入到了内部空间508的情况下，能够获取到数量信息In为1以上的图像。在获取到数量信息In为1以上的图像的情况下，显示部30可以再次显示判定结果Rd。
显示部30可以显示环境信息Ie中的对感染风险程度Ifr的判定结果Rd的贡献度最大的环境信息Ie。显示部30可以显示声音信息Iv、数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im中的对感染风险程度Ifr的判定结果Rd的贡献度最大的环境信息Ie。显示部30也可以显示环境信息Ie中的对感染风险程度Ifr的判定结果Rd作出贡献的环境信息Ie，并且以与其它环境信息不同的方式显示贡献度最大的环境信息Ie。不同的方式例如是指使文字加粗、改变文字的颜色、使文字闪烁等。
图19是示出判定结果Rd的导出方法的一例的图。判定推断模型120在被输入了环境信息Ie和CO2(二氧化碳)510的浓度的情况下，输出针对环境信息Ie和CO2(二氧化碳)510的浓度而言的感染风险程度Ifr的判定结果Rd。环境信息Ie包含声音信息Iv、数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im中的至少一者。判定装置100可以具备判定推断模型120。判定推断模型120可以通过对环境信息Ie和CO2(二氧化碳)510的浓度进行机器学习来生成。
假设当前对判定推断模型120输入了一个环境信息Ie和一个CO2(二氧化碳)510的浓度中的至少一方。在已向判定推断模型120输入了一个环境信息Ie和一个CO2(二氧化碳)510的浓度中的至少一方的情况下输入了其它的环境信息Ie和其它的CO2(二氧化碳)510的浓度中的至少一方的情况下，显示部30可以显示感染风险程度Ifr的判定结果Rd的变化。由此，感染风险判定系统200的用户能够识别使环境信息Ie的至少一者以及CO2(二氧化碳)510的浓度中的至少一方从当前的环境信息Ie以及CO2(二氧化碳)510的浓度变化了的情况下的判定结果Rd的变化。
图20是示出便携式终端110(参照图4)中的显示方式的一例的图。在图20中，示出了设置于便携式终端110的输入部18。感染风险判定系统200的用户也可以从设置于便携式终端110的输入部18输入环境信息Ie。在便携式终端110中可以设置图像显示部17。感染风险程度Ifr的判定结果Rd可以被显示于图像显示部17。在本例中，在图像显示部17显示有“当前的聚集性级别为中程度”的判定结果Rd。在图像显示部17也可以显示运转紫外线照射部424所产生的效果。
图21是示出本发明的一个实施方式所涉及的判定装置100的一例的图。在本例中，判定装置100具备二氧化碳浓度获取部400、摄像部80、声音获取部82以及紫外线传感器403。配置于判定对象500的判定装置100(参照图1)也可以具备二氧化碳浓度获取部400、摄像部80、声音获取部82以及紫外线传感器403。判定装置100也可以还具备温湿度传感器401(参照图17)。判定装置100也可以还具备显示部30。
图22是示出本发明的一个实施方式所涉及的判定方法的一例的流程图。以图3所示的感染风险判定系统200为例说明本发明的一个实施方式所涉及的判定方法。二氧化碳浓度获取阶段S90是一个或多个二氧化碳浓度获取部400测定判定对象500中的CO2(二氧化碳)510的浓度的阶段。环境信息获取阶段S92是环境信息获取部180获取判定对象500中的环境信息Ie的阶段。判定阶段S100是判定部10基于CO2(二氧化碳)510的浓度和环境信息Ie来判定存在于判定对象500的一个或多个生物体90被存在于判定对象500的感染源512感染的感染风险程度Ifr的阶段。
在图22所示的判定方法中，在判定阶段S100中判定生物体90被感染源512感染的感染风险程度Ifr。因此，感染风险判定系统200的用户能够识别该感染风险程度Ifr。
环境信息Ie可以是声音信息Iv、数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im中的至少一者。露出信息Ip可以包含覆盖生物体90的鼻或口的口罩的种类的信息。
环境信息Ie可以是基于由摄像部80(参照图2)拍摄到的判定对象500的图像的信息、以及基于由声音获取部82(参照图2)获取到的生物体90的声音的信息中的至少一方。数量信息In、体温信息It、露出信息Ip、距离信息Id、位置信息IL、滞留时间信息Is以及运动信息Im可以是基于由摄像部80拍摄到的图像的信息。声音信息Iv可以是基于由声音获取部82获取到的生物体90的声音的信息。
判定阶段S100可以是判定部10基于由摄像部80(参照图5)拍摄到的判定对象500的图像和由声音获取部82(参照图5)获取到的生物体90的声音来进一步判定多个生物体90中的作为声音信息Iv的信息源的生物体90的阶段。优选的是，基于由多个摄像部80拍摄到的多个图像和由多个声音获取部获取到的多个声音来判定多个生物体90中的作为声音信息Iv的信息源的生物体90。
环境信息Ie可以包含生物体90是否被感染源512感染了的感染信息Ifi。判定阶段S100可以是在环境信息Ie包含感染信息Ifi的情况下判定部10基于作为声音信息Iv的信息源的生物体90的出声时间和出声量中的至少一方来判定感染风险程度Ifr的阶段。
生物体90可以是人。环境信息Ie可以还包含该人的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者。环境信息Ie可以还包含与生物体90针对感染源512的感染状况有关的统计信息Ist。
环境信息Ie可以还包含内部空间508(参照图9)中的气流信息Iaf。环境信息Ie可以还包含内部空间508中排出超过预先决定的量的CO2(二氧化碳)510的CO2(二氧化碳)排出部505(参照图11)的信息。环境信息Ie可以还包含内部空间508(参照图9)的温度T和湿度H中的至少一方。
图23是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。本例的判定方法在还具备分布获取阶段S102和判定校正阶段S104的点上与图22所示的判定方法不同。以图15所示的感染风险判定系统200为例说明图23所示的判定方法。
在判定对象500中，多个二氧化碳浓度获取部400可以被配置在相互不同的位置。多个二氧化碳浓度获取部400优选被配置在相互不同的高度。分布获取阶段S102是分布获取部14基于由多个二氧化碳浓度获取部400测定出的多个CO2(二氧化碳)510的浓度来获取判定对象500中的CO2(二氧化碳)510的浓度的分布的阶段。判定校正阶段S104是判定部10基于CO2(二氧化碳)510的浓度的分布来校正感染风险程度Ifr的判定结果Rd的阶段。
CO2(二氧化碳)的浓度有时根据在内部空间508(参照图11)中的位置而不同。因此，通过基于CO2(二氧化碳)510的浓度的分布来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
图24是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。本例的判定方法在还具备紫外线测定阶段S103和判定校正阶段S1041的点上与图22所示的判定方法不同。以图16所示的感染风险判定系统200为例说明图24所示的判定方法。
紫外线测定阶段S103是紫外线传感器403测定判定对象500中的紫外线的阶段。判定校正阶段S1041是判定部10基于由紫外线传感器403测定出的紫外线的强度来校正感染风险程度Ifr的判定结果Rd的阶段。
在感染源512存在于被紫外线照射的环境下的情况下，感染源512的活性度容易依赖于该紫外线的强度。感染源512的活性度是指感染源512感染生物体90的程度。因此，通过基于由紫外线传感器403测定出的紫外线的强度来校正感染风险程度Ifr的判定结果Rd，容易更准确地判定感染风险程度Ifr。
图25是示出本发明的一个实施方式所涉及的判定方法的其它一例的流程图。本例的判定方法在还具备风险控制阶段S106的点上与图22所示的判定方法不同。以图17所示的感染风险判定系统200为例说明图25所示的判定方法。
风险控制阶段S106是风险控制部16基于由判定部10得到的感染风险程度Ifr的判定结果Rd来控制内部空间508(参照图9)中的气流、内部空间508的温度T、内部空间508的湿度H、内部空间508中的紫外线的强度以及内部空间508中的气体所含的物质的量中的至少一者的阶段。风险控制阶段S106可以是风险控制部16基于由判定部10得到的感染风险程度Ifr的判定结果Rd来以使感染风险程度Ifr减少的方式控制内部空间508中的气流、温度T、湿度H、紫外线的强度以及内部空间508中的气体所含的物质的量中的至少一者的阶段。由此，生物体90被感染源512感染的感染风险程度Ifr容易降低。
本发明的各种实施方式可以参照流程图和框图来记载。在本发明的各种实施方式中，方框可以表示(1)执行操作的工艺阶段或(2)具有执行操作的作用的装置的部分。
特定的阶段可以通过专用电路、可编程电路或处理器来执行。特定的部分可以通过专用电路、可编程电路或处理器来实现。该可编程电路和该处理器可以均被供给计算机可读指令。该计算机可读指令可以被保存在计算机可读介质上。
专用电路可以包括数字硬件电路和模拟硬件电路中的至少一方。专用电路也可以包括集成电路(IC)和分立电路中的至少一方。可编程电路可以包括逻辑与(AND)、逻辑或(OR)、逻辑异或(XOR)、逻辑与非(NAND)、逻辑或非(NOR)或其它逻辑操作的硬件电路。可编程电路可以包括具有触发器、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等存储器元件等的能够重构的硬件电路。
计算机可读介质可以包括能够保存由适当的设备执行的指令的任意的有形设备。通过计算机可读介质包括有形设备，由此具有保存于该设备的指令的计算机可读介质具备包括能够为了创建用于执行流程图或框图中所指定的操作的单元而被执行的指令的制品。
计算机可读介质可以是例如电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。更具体地说，计算机可读介质例如可以是FLOPPY(注册商标)盘、磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或快闪存储器)、电可擦可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)、蓝光(RTM)盘、记忆棒、集成电路卡等。
计算机可读指令可以包括汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设定数据、源代码以及目标代码中的任一种。该源代码和该目标代码可以用包括面向对象编程语言和以往的面向过程编程语言的一种或多种编程语言的任意的组合来描述。面向对象编程语言例如可以是Smalltalk(注册商标)、JAVA(注册商标)、C++等。面向过程编程语言例如可以是“C”编程语言。
计算机可读指令可以在本地或经由如局域网(LAN)、因特网等那样的广域网(WAN)而被提供给通用计算机、专用计算机、或者其它可编程数据处理装置的处理器或可编程电路。通用计算机、专用计算机、或者其它可编程数据处理装置的处理器或可编程电路可以执行计算机可读指令以创建用于执行图22至图25所示的流程图或图3～图8、图10、图12、图14～图17以及图21所示的框图中所指定的操作的单元。处理器例如可以是计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
图26是示出可以将本发明的一个实施方式所涉及的判定装置100或感染风险判定系统200整体或部分地具体化的计算机2200的一例的图。安装于计算机2200的程序能够使计算机2200作为与本发明的实施方式的判定装置100相关联的操作或判定装置100或感染风险判定系统200的1个或多个部分而发挥功能，或者，能够使计算机2200执行该操作或该1个或多个部分，或者，能够使计算机2200执行本发明的判定方法所涉及的各阶段(参照图22～图25)。该程序可以被CPU 2212执行以使计算机2200执行与本说明书所记载的流程图(图22～图25)以及框图(图3～图8、图10、图12、图14～图17以及图21)中的方框中的几个方框或者全部方框相关联的特定的操作。
本发明的一个实施方式所涉及的计算机2200包括CPU 2212、RAM 2214、图形控制器2216以及显示器设备2218。CPU 2212、RAM 2214、图形控制器2216以及显示器设备2218通过主机控制器2210来相互连接。计算机2200还包括通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226以及IC卡驱动器等输入输出单元。通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226以及IC卡驱动器等经由输入输出控制器2220而连接于主机控制器2210。计算机还包括ROM 2230以及键盘2242等传统的输入输出单元。ROM 2230以及键盘2242等经由输入输出芯片2240而连接于输入输出控制器2220。
CPU 2212通过按照ROM 2230和RAM 2214内所保存的程序进行动作来对各单元进行控制。图形控制器2216通过在RAM 2214内所提供的帧缓冲器等或RAM 2214中获取由CPU2212生成的图像数据，来将图像数据显示于显示器设备2218上。
通信接口2222经由网络而与其它的电子设备进行通信。硬盘驱动器2224保存由计算机2200内的CPU 2212使用的程序和数据。DVD-ROM驱动器2226从DVD-ROM 2201读取程序或数据，将读取到的程序或数据经由RAM 2214提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序和数据，或者将程序和数据写入到IC卡。
ROM 2230存储在激活时由计算机2200执行的引导程序等、或者依赖于计算机2200的硬件的程序。输入输出芯片2240可以将各种输入输出单元经由并行端口、串行端口、键盘端口、鼠标端口等而与输入输出控制器2220连接。
程序通过DVD-ROM 2201或IC卡那样的计算机可读介质来提供。程序从计算机可读介质中读取，被安装于作为计算机可读介质的例子的硬盘驱动器2224、RAM 2214或ROM2230，通过CPU 2212来执行。这些程序内描述的信息处理由计算机2200读取，来提供程序与上述各种类型的硬件资源之间的协作。装置或方法可以通过随着计算机2200的使用而实现信息的操作或处理来构成。
例如，在计算机2200与外部设备之间执行通信的情况下，CPU 2212可以执行加载到RAM 2214中的通信程序，基于通信程序中描述的处理，来对通信接口2222指示通信处理。通信接口2222在CPU 2212的控制下，读取在RAM 2214、硬盘驱动器2224、DVD-ROM 2201或IC卡那样的记录介质内提供的发送缓冲处理区域中保存的发送数据，将读取到的发送数据向网络发送，或者将从网络接收到的接收数据写入到在记录介质上提供的接收缓冲处理区域等。
CPU 2212可以将保存在硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM 2201)、IC卡等那样的外部记录介质中的文件或数据库的全部或必要部分读取到RAM 2214中。CPU2212可以对RAM 2214上的数据执行各种类型的处理。CPU 2212接下来可以将处理后的数据回写到外部记录介质。
各种类型的程序、数据、表以及数据库那样的各种类型的信息可以被存储在记录介质中并被进行信息处理。CPU 2212可以对从RAM 2214读取出的数据执行包括本公开所记载的由程序的指令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索或置换等的各种类型的处理。CPU 2212可以将结果回写到RAM 2214。
CPU 2212可以检索记录介质内的文件、数据库等中的信息。例如，在记录介质内保存有分别具有与第二属性的属性值相关联的第一属性的属性值的多个条目的情况下，CPU2212可以从该多个条目中检索与指定第一属性的属性值的条件一致的条目，读取保存在该条目内的第二属性的属性值，通过读取第二属性值，来获取与满足预先决定的条件的第一属性相关联的第二属性的属性值。
上述的程序或软件模块可以被保存在计算机2200上或计算机2200的计算机可读介质中。在与专用通信网络或因特网连接的服务器系统内提供的硬盘或RAM那样的记录介质能够用作计算机可读介质。程序可以通过该记录介质而被提供给计算机2200。
以上使用实施方式对本发明进行了说明，但是本发明的技术范围不限定于上述实施方式所记载的范围。能够对上述实施方式施加各种变更或改良，这对于本领域技术人员来说是显而易见的。根据权利要求书的记载显而易见的是，这种施加变更或改良后的方式也能够包含在本发明的技术范围内。
应当注意的是，权利要求书、说明书以及附图所示的装置、系统、程序以及方法中的动作、过程、步骤以及阶段等各处理的执行顺序没有特别明示为“在······之前”、“先于”等，并且只要不是在后面的处理中使用前面的处理的输出，则能够以任意的顺序来实现。关于权利要求书、说明书以及附图中的动作流程，即使为了方便而使用“首先”、“接着”等进行了说明，也并不意味着必须以该顺序实施。
附图标记说明
10：判定部；12：运算部；14：分布获取部；16：风险控制部；17：图像显示部；18：输入部；19：输出部；20：控制部；30：显示部；80：摄像部；82：声音获取部；90：生物体；91：口罩；100：判定装置；110：便携式终端；120：判定推断模型；180：环境信息获取部；200：感染风险判定系统；400：二氧化碳浓度获取部；401：温湿度传感器；403：紫外线传感器；420：空调部；422：湿度调整部；424：紫外线照射部；500：判定对象；501：桌子；502：地板部；504：墙壁部；505：排出部；506：天花板部；507：供给部；508：内部空间；509：排出部；510：CO2(二氧化碳)；511：物质捕捉部；512：感染源；2200：计算机；2201：DVD-ROM；2210：主机控制器；2212：CPU；2214：RAM；2216：图形控制器；2218：显示器设备；2220：输入输出控制器；2222：通信接口；2224：硬盘驱动器；2226：DVD-ROM驱动器；2230：ROM；2240：输入输出芯片；2242：键盘。

Claims (20)

1.一种感染风险判定系统，其特征在于，具备：
判定装置，其具备判定部，所述判定部基于具有容纳含二氧化碳的气体的内部空间的判定对象中的二氧化碳浓度和所述判定对象中的环境信息，来判定存在于所述判定对象的一个或多个生物体被存在于所述判定对象的感染源感染的感染风险程度；
风险控制部，其基于由所述判定部得到的所述感染风险程度的判定结果，来控制所述内部空间中的气流、所述内部空间的温度、所述内部空间的湿度、所述内部空间中的紫外线的强度及内部空间中的气体所含的物质的量中的至少一者；以及
显示部，其显示所述风险控制部的控制状态，
其中，所述环境信息包含所述生物体的声音信息、所述生物体的数量信息、所述生物体的体温信息、所述生物体的鼻或口的露出信息、所述多个生物体之间的距离信息、所述生物体的位置信息、所述生物体的滞留时间信息以及所述生物体的运动信息中的至少一者。
2.根据权利要求1所述的感染风险判定系统，其特征在于，
还具备拍摄所述判定对象的图像的摄像部，
所述摄像部被配置在所述判定对象中，
所述生物体的数量信息、所述生物体的体温信息、所述生物体的鼻或口的露出信息、所述多个生物体之间的距离信息、所述生物体的位置信息、所述生物体的滞留时间信息以及所述生物体的运动信息是基于由所述摄像部拍摄到的所述判定对象的图像的信息。
3.根据权利要求2所述的感染风险判定系统，其特征在于，
还具备获取所述生物体的声音的声音获取部，
所述声音获取部被配置在所述判定对象中，
所述生物体的声音信息是基于由所述声音获取部获取到的所述生物体的声音的信息，
所述判定部基于由所述摄像部拍摄到的所述判定对象的图像和由所述声音获取部获取到的所述生物体的声音，进一步判定所述多个生物体中的作为所述声音信息的信息源的生物体。
4.根据权利要求1至3中的任一项所述的感染风险判定系统，其特征在于，
所述生物体的鼻或口的露出信息包含覆盖所述生物体的鼻或口的口罩的种类的信息，
所述判定部基于所述口罩的种类的信息，来校正所述感染风险程度的判定结果。
5.根据权利要求1至4中的任一项所述的感染风险判定系统，其特征在于，
所述生物体是人，
所述环境信息还包含所述人的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者，
所述判定部基于所述人的性别、年龄、身高、慢性病史以及染患感染病的染患历史记录中的至少一者，来校正所述感染风险程度的判定结果。
6.根据权利要求1至5中的任一项所述的感染风险判定系统，其特征在于，
所述环境信息还包含与所述生物体针对所述感染源的感染状况有关的统计信息，
所述判定部基于所述统计信息，来校正所述感染风险程度的判定结果。
7.根据权利要求1至6中的任一项所述的感染风险判定系统，其特征在于，
所述判定部基于所述内部空间中的气流信息以及所述内部空间中的生物体的位置信息中的至少一方，来校正所述感染风险程度的判定结果。
8.根据权利要求1至7中的任一项所述的感染风险判定系统，其特征在于，
所述环境信息还包含所述内部空间中排出超过预先决定的量的二氧化碳的二氧化碳排出部的信息以及捕捉所述气体所含的物质的物质捕捉部的信息中的至少一方，
所述判定部基于所述二氧化碳排出部的信息和所述物质捕捉部的信息中的至少一方，来校正所述感染风险程度的判定结果。
9.根据权利要求1至8中的任一项所述的感染风险判定系统，其特征在于，
还具备获取所述内部空间中的所述二氧化碳浓度的二氧化碳浓度获取部，
所述二氧化碳浓度获取部被配置在所述判定对象中，
所述判定部基于由所述二氧化碳浓度获取部测定出的所述二氧化碳浓度的时间变化，来校正所述感染风险程度的判定结果。
10.根据权利要求9所述的感染风险判定系统，其特征在于，
还具备获取所述判定对象中的二氧化碳浓度的分布的分布获取部，
在所述判定对象中，多个所述二氧化碳浓度获取部被配置于相互不同的位置，
所述分布获取部基于由多个所述二氧化碳浓度获取部测定出的多个二氧化碳浓度，来获取所述二氧化碳浓度的分布，
所述判定部基于所述二氧化碳浓度的分布，来校正所述感染风险程度的判定结果。
11.根据权利要求1至10中的任一项所述的感染风险判定系统，其特征在于，
所述环境信息还包含所述内部空间的温度和湿度中的至少一方，
所述判定部基于所述内部空间的温度和湿度中的至少一方，来校正所述感染风险程度的判定结果。
12.根据权利要求1至11中的任一项所述的感染风险判定系统，其特征在于，
所述显示部还显示由所述判定部得到的所述感染风险程度的判定结果。
13.根据权利要求1至12中的任一项所述的感染风险判定系统，其特征在于，
所述显示部在从获取到所述生物体的数量信息为零的所述判定对象的图像起的预先决定的时间显示所述感染风险程度的判定结果。
14.根据权利要求1至13中的任一项所述的感染风险判定系统，其特征在于，
所述显示部显示所述环境信息中的对所述感染风险程度的判定结果的贡献度最大的所述环境信息。
15.根据权利要求14所述的感染风险判定系统，其特征在于，
还具备判定推断模型，所述判定推断模型在被输入所述环境信息和所述二氧化碳浓度的情况下，输出针对所述环境信息和所述二氧化碳浓度而言的所述感染风险程度的判定结果，
在已向所述判定推断模型输入了一个所述环境信息和一个所述二氧化碳浓度中的至少一方的情况下输入了其它的所述环境信息和其它的所述二氧化碳浓度中的至少一方时，所述显示部显示所述感染风险程度的判定结果的变化。
16.一种感染风险判定方法，其特征在于，包括以下阶段：
二氧化碳浓度获取阶段，二氧化碳浓度获取部获取具有容纳含二氧化碳的气体的内部空间的判定对象中的二氧化碳浓度；
环境信息获取阶段，环境信息获取部获取所述判定对象中的环境信息；
判定阶段，判定部基于所述二氧化碳浓度和所述环境信息，来判定存在于所述判定对象的一个或多个生物体被存在于所述判定对象的感染源感染的感染风险程度；
风险控制阶段，风险控制部基于由所述判定部得到的所述感染风险程度的判定结果，来控制所述内部空间中的气流、所述内部空间的温度、所述内部空间的湿度、所述内部空间中的紫外线的强度及内部空间中的气体所含的物质的量中的至少一者；以及
显示阶段，显示部显示所述风险控制部的控制状态，
其中，所述环境信息包含所述生物体的声音信息、所述生物体的数量信息、所述生物体的体温信息、所述生物体的鼻或口的露出信息、所述多个生物体之间的距离信息、所述生物体的位置信息、所述生物体的滞留时间信息以及所述生物体的运动信息中的至少一者。
17.根据权利要求16所述的感染风险判定方法，其特征在于，
所述环境信息是基于由摄像部拍摄到的所述判定对象的图像的信息、以及基于由声音获取部获取到的所述生物体的声音的信息中的至少一方。
18.根据权利要求17所述的感染风险判定方法，其特征在于，
所述环境信息包含所述生物体的声音信息，
所述判定阶段是所述判定部基于由所述摄像部拍摄到的所述判定对象的图像和由所述声音获取部获取到的所述生物体的声音来进一步判定所述多个生物体中的作为所述声音信息的信息源的生物体的阶段。
19.根据权利要求16至18中的任一项所述的感染风险判定方法，其特征在于，
在所述判定对象中，多个所述二氧化碳浓度获取部被配置于相互不同的位置，
所述感染风险判定方法还包括以下阶段：
分布获取阶段，分布获取部基于由多个所述二氧化碳浓度获取部测定出的多个二氧化碳浓度，来获取所述判定对象中的二氧化碳浓度的分布；以及
判定校正阶段，所述判定部基于所述二氧化碳浓度的分布，来校正所述感染风险程度的判定结果。
20.一种感染风险判定程序，其特征在于，用于使计算机执行根据权利要求16至19中的任一项所述的感染风险判定方法。
CN202210307504.2A 2021-03-26 2022-03-25 感染风险判定系统及判定方法、判定装置以及存储介质 Active CN115131939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410131941.2A CN118097887A (zh) 2021-03-26 2022-03-25 感染风险判定系统、判定方法以及计算机程序产品

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2021053635 2021-03-26
JP2021-053635 2021-03-26
JP2022037727A JP7301186B2 (ja) 2021-03-26 2022-03-11 感染リスク判定システム、感染リスク判定方法および感染リスク判定プログラム
JP2022-037727 2022-03-11

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410131941.2A Division CN118097887A (zh) 2021-03-26 2022-03-25 感染风险判定系统、判定方法以及计算机程序产品

Publications (2)

Publication Number Publication Date
CN115131939A true CN115131939A (zh) 2022-09-30
CN115131939B CN115131939B (zh) 2024-02-06

Family

ID=83364894

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210307504.2A Active CN115131939B (zh) 2021-03-26 2022-03-25 感染风险判定系统及判定方法、判定装置以及存储介质
CN202410131941.2A Pending CN118097887A (zh) 2021-03-26 2022-03-25 感染风险判定系统、判定方法以及计算机程序产品

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202410131941.2A Pending CN118097887A (zh) 2021-03-26 2022-03-25 感染风险判定系统、判定方法以及计算机程序产品

Country Status (3)

Country Link
US (1) US20220310270A1 (zh)
JP (1) JP2023112058A (zh)
CN (2) CN115131939B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040236240A1 (en) * 2000-12-07 2004-11-25 Kraus Baruch Shlomo Automated interpretive medical care system and methodology
JP2020027610A (ja) * 2018-08-08 2020-02-20 パナソニックＩｐマネジメント株式会社 情報提供方法、サーバ、音声認識装置、情報提供プログラム、及び情報提供システム
WO2020044826A1 (ja) * 2018-08-30 2020-03-05 パナソニックＩｐマネジメント株式会社 飛沫到達範囲制御システム及び飛沫到達範囲制御方法
CN110887807A (zh) * 2019-12-03 2020-03-17 吉林大学 一种低氧舱智能检测系统及方法
WO2020059442A1 (ja) * 2018-09-21 2020-03-26 パナソニックＩｐマネジメント株式会社 空間浄化システム、及び、空間浄化方法
JP2020067939A (ja) * 2018-10-26 2020-04-30 パナソニックＩｐマネジメント株式会社 感染リスク特定システム、情報端末、及び、感染リスク特定方法
KR20200060865A (ko) * 2018-11-23 2020-06-02 주식회사 네트콤 사용자 맞춤형 건강정보 제공 장치
CN111417337A (zh) * 2017-12-27 2020-07-14 欧姆龙健康医疗事业株式会社 疾病发作风险预测装置、方法以及程序
US20200227159A1 (en) * 2019-01-11 2020-07-16 Honeywell International Inc. Methods and systems for improving infection control in a building

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040236240A1 (en) * 2000-12-07 2004-11-25 Kraus Baruch Shlomo Automated interpretive medical care system and methodology
CN111417337A (zh) * 2017-12-27 2020-07-14 欧姆龙健康医疗事业株式会社 疾病发作风险预测装置、方法以及程序
JP2020027610A (ja) * 2018-08-08 2020-02-20 パナソニックＩｐマネジメント株式会社 情報提供方法、サーバ、音声認識装置、情報提供プログラム、及び情報提供システム
WO2020044826A1 (ja) * 2018-08-30 2020-03-05 パナソニックＩｐマネジメント株式会社 飛沫到達範囲制御システム及び飛沫到達範囲制御方法
WO2020059442A1 (ja) * 2018-09-21 2020-03-26 パナソニックＩｐマネジメント株式会社 空間浄化システム、及び、空間浄化方法
JP2020067939A (ja) * 2018-10-26 2020-04-30 パナソニックＩｐマネジメント株式会社 感染リスク特定システム、情報端末、及び、感染リスク特定方法
KR20200060865A (ko) * 2018-11-23 2020-06-02 주식회사 네트콤 사용자 맞춤형 건강정보 제공 장치
US20200227159A1 (en) * 2019-01-11 2020-07-16 Honeywell International Inc. Methods and systems for improving infection control in a building
CN110887807A (zh) * 2019-12-03 2020-03-17 吉林大学 一种低氧舱智能检测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
关中: "计算机机房的建设与管理", 陕西科学技术出版社, pages: 553 - 554 *
高乃平;贺登峰;牛建磊;董志华;: "高层建筑垂直方向污染物传播的实验与模拟研究", 建筑科学, no. 10, pages 553 - 554 *

Also Published As

Publication number Publication date
US20220310270A1 (en) 2022-09-29
CN118097887A (zh) 2024-05-28
JP2023112058A (ja) 2023-08-10
CN115131939B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
US20220040356A1 (en) Space cleaning system and space cleaning method
CN108603673A (zh) 定向清洁空气输送
CN111971513B (zh) 飞沫到达范围控制系统以及飞沫到达范围控制方法
US9320863B2 (en) System and method for inexsufflating a subject
JP6195897B2 (ja) 呼吸能力のリアルタイム評価及び閉ループフィードバック制御のシステム及び可読記憶媒体
CN108245131A (zh) 检测早期呼气中的口呼吸
CN101909686A (zh) 换气属性的患者控制
JP6316273B2 (ja) 吹引送中に吹送圧力を制御するためのシステム及び方法
Wan et al. Particle size concentration distribution and influences on exhaled breath particles in mechanically ventilated patients
CN103221086A (zh) 肥胖通气不足综合症处置系统和方法
CN103260512A (zh) 仅基于二氧化碳描记信息识别呼吸的系统和方法
US20210110905A1 (en) Inhaler training system and method
CN108366756A (zh) 基于呼吸气体确定对象的呼吸特征的装置、系统和方法
JP2023179664A (ja) 二酸化炭素濃度予測システム、二酸化炭素濃度予測方法および二酸化炭素濃度予測プログラム
CN115131939B (zh) 感染风险判定系统及判定方法、判定装置以及存储介质
JP7301186B2 (ja) 感染リスク判定システム、感染リスク判定方法および感染リスク判定プログラム
WO2022055749A1 (en) Ventilator system with multiple airflow control lumens
CN102245099A (zh) 确定受试者的功能残气量
KR102287025B1 (ko) 헬스케어 장치 및 이를 이용한 헬스케어 서비스 제공 방법
WO2020141999A1 (en) Breath monitoring devices, systems and methods
JP7367134B2 (ja) 二酸化炭素濃度予測システム、二酸化炭素濃度予測方法および二酸化炭素濃度予測プログラム
CN103458950B (zh) 通过控制累积逆行体积来管理中枢性睡眠呼吸暂停的方法和系统
US20210299371A1 (en) Air filtration and user movement monitoring devices
US11298491B1 (en) System, device, and arrangement for a manual ventilation assistant
Perumal et al. Intelligent airflow of nebulizer using IoT-based circuit integration for smart healthcare management

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