CN115298745A - 身体状况检测方法、身体状况检测装置及程序 - Google Patents

身体状况检测方法、身体状况检测装置及程序 Download PDF

Info

Publication number
CN115298745A
CN115298745A CN202180021702.6A CN202180021702A CN115298745A CN 115298745 A CN115298745 A CN 115298745A CN 202180021702 A CN202180021702 A CN 202180021702A CN 115298745 A CN115298745 A CN 115298745A
Authority
CN
China
Prior art keywords
state model
normal state
subject person
subject
physical
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.)
Pending
Application number
CN202180021702.6A
Other languages
English (en)
Inventor
增田健司
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.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Publication of CN115298745A publication Critical patent/CN115298745A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Business, Economics & Management (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种计算机进行的身体状况检测方法，取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据(S20)；利用构建的数学模型，根据当前时间中的对象者的身体运动数据，生成表现出对象者的身体状况的当前状态的当前状态模型(S21)；为了通过对正常状态模型与当前状态模型进行比较得到的差来检测对象者的身体状况的变化而输出当前状态模型(S22)，上述正常状态模型是利用所构建的数学模型、根据过去期间中的对象者的身体运动数据生成的表现出对象者的身体状况的正常状态的模型。

Description

身体状况检测方法、身体状况检测装置及程序
技术领域
本发明涉及身体状况检测方法、身体状况检测装置及程序。
背景技术
例如在专利文献1中，提出了一种临终送别系统，使处于远程位置的近亲属在亲近的亲戚死亡时能够在场而临终送别。在专利文献1中，公开了以下技术：基于根据过去的许多死亡例得到的表示与心电图、心率等的各变化有关的信息以及与相应的人从这些各变化起经过多少时间后死亡有关的信息的相关关系的信息，取得对象者从当前起的死亡推定时刻。
现有技术文献
专利文献
专利文献1：日本特开2017－33502号公报
发明内容
发明要解决的课题
但是，难以收集到许多过去的死亡例的数据。此外，即使收集到许多过去的死亡例的数据，也由于心电图、心率的各变化的个人差异较大，所以基于上述的表示相关关系的信息能够取得的从当前到死亡推定时刻的时间预想为几个小时左右。
另一方面，收集亲戚自身即对象者自身的心率、呼吸及身体运动等的数据(称作身体运动数据)是比较容易的。此外，还希望早期地检测包括在临终关怀期间身体状况朝向死亡变化的情况在内的对象者的身体状况的变化。
本发明是鉴于上述的情况而做出的，目的在于提供能够检测对象者的身体状况的变化的身体状况检测方法、身体状况检测装置及程序。
用来解决课题的手段
为了达成上述目的，本发明的一技术方案的身体状况检测方法，是计算机进行的身体状况检测方法，取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据，利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述当前时间中的上述对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型，为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
另外，这些之中的一部分具体技术方案也可以使用系统、方法、集成电路、计算机程序或计算机可读取的CD－ROM等记录介质实现，也可以使用系统、方法、集成电路、计算机程序及记录介质的任意组合来实现。
发明效果
根据本发明的身体状况检测方法等，能够检测对象者的身体状况的变化。
附图说明
图1是表示实施方式的身体状况检测系统的结构的一例的图。
图2是表示实施方式的身体状况检测装置的结构的一例的图。
图3是表示实施方式的被取得身体运动数据的对象者的一例的图。
图4A是表示实施方式的身体状况检测装置的动作的流程图。
图4B是表示实施方式的身体状况检测装置的动作的流程图。
图5A是表示实施方式的实施例1的正常状态模型和当前状态模型的图。
图5B是表示实施方式的实施例1的正常状态模型和当前状态模型的图。
图5C是表示实施方式的实施例1的正常状态模型和当前状态模型的图。
图6A是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6B是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6C是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6D是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6E是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6F是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6G是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6H是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图6I是表示实施方式的实施例2的正常状态模型和当前状态模型的图。
图7是表示实施方式的身体状况变化检测装置的结构的一例的图。
图8是表示使用7种模式的特征量构建了数学模型的情况下的性能的验证结果的图。
具体实施方式
本发明的一技术方案的身体状况检测方法，是计算机进行的身体状况检测方法，取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据，利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述当前时间中的上述对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型，为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
由此，能够输出用来仅利用对象者的身体运动数据来检测对象者的身体状况的变化的当前状态模型。换言之，能够输出通过将正常状态模型与当前状态模型进行比较而能够检测出对象者的身体状况的变化的当前状态模型。
这样，能够实现能够检测对象者的身体状况的变化的身体状况检测方法。
这里，例如，通过对上述正常状态模型与上述当前状态模型进行比较而得到上述差，基于上述差而通知警报。
由此，通过接到警报，能够知道有对象者的身体状况的变化。
此外，例如可以是，在通知上述警报时，在基于上述差而检测到上述对象者的身体状况的变化的情况下通知上述警报。
由此，通过接到警报，能够知道检测到了对象者的身体状况的变化。
这里，例如，上述差是上述正常状态模型及上述当前状态模型的距离、以及从上述正常状态模型所在的部分向上述当前状态模型所在的部分移动的方向，基于上述距离和上述方向，检测上述对象者的身体状况的变化。
此外，例如，在生成上述当前状态模型之前，利用上述数学模型，根据上述过去期间中的上述对象者的上述身体运动数据生成上述正常状态模型。
此外，例如可以是，在没有上述正常状态模型与上述当前状态模型的差的情况下，根据包含上述当前时间的新的过去期间中的上述对象者的上述身体运动数据，再次生成表示上述对象者的正常状态的正常状态模型。
由此，能够将在正常状态模型的生成中使用的对象者的身体状况是正常状态的期间设为更接近于当前的期间，所以能够精度更好地检测对象者的身体状况的变化。
此外，例如可以是，上述数学模型是利用根据上述过去期间中的上述对象者的身体运动数据计算基于交互作用的统计量得到的特征量而构建的。
由此，能够构建能够仅利用对象者本人的身体运动数据生成正常状态模型和当前状态模型的数学模型。
本发明的一技术方案的身体状况检测装置，具备：取得部，取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据；处理部，利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述取得部所取得的上述当前时间中的对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型；以及输出部，为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
另外，这些之中的一部分具体技术方案可以使用系统、方法、集成电路、计算机程序或计算机可读取的CD－ROM等记录介质实现，也可以使用系统、方法、集成电路、计算机程序及记录介质的任意组合来实现。
以下，参照附图具体说明本发明的一技术方案的身体状况检测方法。另外，以下说明的实施方式都表示本发明的一具体例。以下实施方式所示的数值、形状、材料、构成要素、构成要素的配置位置等作为一例而并不意欲限定本发明。此外，关于以下实施方式的构成要素中的、在表示最上位概念的独立权利要求中没有记载的构成要素，设为任意的构成要素进行说明。此外，在全部实施方式中，还能够将各自的内容组合。
(实施方式)
首先，说明为了实现身体状况检测方法而使用的身体状况检测系统。
[1.身体状况检测系统]
图1是表示本实施方式的身体状况检测系统的结构的一例的图。
本实施方式的身体状况检测系统通过至少具备身体状况检测装置10而能够检测对象者的身体状况的变化。在本实施方式中，身体状况检测系统如图1所示，具备身体状况检测装置10、身体状况变化检测装置20和房间传感器30，它们被用网络40连接。
房间传感器30设置在对象者所在的屋子中，取得对象者的生物体信息。身体状况检测装置10从房间传感器30取得对象者的生物体信息，生成为了检测对象者的身体状况而使用的信息并输出。身体状况变化检测装置20利用由身体状况检测装置10输出的信息，检测对象者的身体状况变化并进行通知。另外，房间传感器30是一例，只要是能够取得对象者的生物体信息的传感器即可。房间传感器30例如可以是对象者所佩戴的传感器，也可以是铺设在床的床单下或垫子下的片型传感器。
以下，对各装置进行说明。
[2.身体状况检测装置10]
图2是表示本实施方式的身体状况检测装置10的结构的一例的图。
身体状况检测装置10，作为用来检测对象者的身体状况的变化的信息，将表现出对象者的身体状况的状态、并且根据对象者本人的身体运动数据生成的状态模型输出。在本实施方式中，身体状况检测装置10如图2所示，具备取得部11、处理部12和输出部13。以下，对各构成要素详细地说明。
[2.1取得部11]
取得部11经由网络40从房间传感器30取得对象者的身体运动数据。更具体地讲，取得部11取得作为包含当前在内的一定时间的当前时间的对象者的身体运动数据。此外，取得部11也可以取得过去期间的对象者的身体运动数据。
这里，身体运动数据例如包括对象者的心率信息、呼吸信息及身体运动信息，但不限于此，只要是对象者的生物体信息即可。心率信息包含与时刻相关联的对象者的时间序列的心率数据，呼吸信息包含与时刻相关联的对象者的时间序列的呼吸数据，身体运动信息包含与时刻相关联的对象者的时间序列的身体运动数据。此外，身体运动是身体的运动，但在医疗现场中表示睡眠时等无意识下的身体运动的情况较多。
图3是表示本实施方式的被取得身体运动数据的对象者的一例的图。
图3所示的对象者50例如是在临终安养机构中被临终关怀的患者。对象者50被设置在临终安养机构中的房间传感器30取得心率信息、呼吸信息及身体运动信息这3种生物体信息作为身体运动数据。在本实施方式中，身体状况检测装置10利用对象者50在床60上睡眠时的身体运动数据，输出用来检测对象者的身体状况的变化的信息。此外，该情况下的身体状况的变化意味着在临终关怀期间对象者50的身体状况朝向死亡发生了变化。
另外，用来检测身体状况的对象者不限于上述那样的临终安养机构的患者的例子，也可以是心肌梗塞或睡眠呼吸暂停综合症的患者。此外，用来检测身体状况的对象者也可以不是患者，只要是想要利用睡眠时的身体运动数据检测身体状况的人即可。
[2.2处理部12]
处理部12利用使用对象者的身体状况为正常状态的过去期间中的对象者的身体运动数据所构建的数学模型121，根据当前时间中的对象者的身体运动数据，生成表现出对象者的身体状况的当前状态的当前状态模型。
此外，处理部12利用数学模型121，生成根据过去期间中的对象者的身体运动数据生成的表现出对象者的身体状况的正常状态的正常状态模型。另外，处理部12可以在没有正常状态模型与当前状态模型的差的情况下，根据包含当前时间的新的过去期间中的对象者的身体运动数据，再次生成表示对象者的正常状态的正常状态模型。然后，利用再次生成的正常状态模型，检测对象者的身体状况。
这里，通过对根据正常状态的数据集即对象者的身体状况为正常状态的过去期间中的对象者的身体运动数据构建神经网络而生成的(也可以称作被学习的)模型进行评价，从而按每个对象者构建数学模型121。在本实施方式中，利用根据过去期间中的对象者的身体运动数据计算基于交互作用的统计量而得到的特征量来构建数学模型121。另外，作为特征量，例如可以举出心率成分及呼吸成分各自的移动平均值(速度)、移动偏斜(分布的偏斜)、呼吸成分的分散(不规则)以及心率成分的移动偏离值(急剧的变化的有无)中的1个以上。
[2.3输出部13]
输出部13输出由处理部12生成的状态模型。更具体地讲，输出部13输出由处理部12生成的正常状态模型。此外，输出部13为了根据将正常状态模型与当前状态模型比较而得到的差来检测对象者的身体状况的变化，输出由处理部12生成的当前状态模型。
[2.4身体状况检测装置10的动作等]
接着，说明如以上那样构成的身体状况检测装置10的动作等。
图4A及图4B是表示本实施方式的身体状况检测装置10的动作的流程图。在图4A中，表示了从构建数学模型到身体状况检测装置10生成正常状态模型为止的动作。在图4B中，表示了身体状况检测装置10生成当前状态模型的动作。
如图4A所示，首先，利用对象者的身体状况是正常状态的过去期间中的对象者的身体运动数据来构建数学模型121(S10)。在本实施方式中，利用根据对象者的身体状况是正常状态的过去期间中的对象者的身体运动数据计算基于交互作用的统计量而得到的特征量来构建数学模型121。
接着，身体状况检测装置10的计算机利用在步骤S10中构建的数学模型121，根据对象者的身体状况是正常状态的过去期间中的对象者的身体运动数据，生成对象者的正常状态模型(S11)。
接着，身体状况检测装置10的计算机将在步骤S11中生成的正常状态模型输出(S12)。
此外，如图4B所示，首先，身体状况检测装置10的计算机取得包含当前的一定时间即当前时间中的对象者的身体运动数据(S20)。
接着，身体状况检测装置10的计算机利用事先构建的数学模型121，根据在步骤S20中取得的当前时间中的对象者的身体运动数据，生成对象者的当前状态模型(S21)。
接着，身体状况检测装置10的计算机为了检测对象者的身体状况的变化而输出在步骤S12中生成的当前状态模型(S22)。
并且，通过将所输出的正常状态模型和当前状态模型显示在显示器等上等进行比较，在得到了正常状态模型与当前状态模型的差的情况下，能够检测出对象者的身体状况变化了。
以下，在实施例1及实施例2中，说明通过正常状态模型与当前状态模型的比较而能够检测身体状况的变化。
(实施例1)
图5A～图5C是表示本实施方式的实施例1的正常状态模型和当前状态模型的图。
在本实施例中，被检测身体状况的变化的对象者是临终安养机构的患者，被图3所示那样的房间传感器30取得身体运动数据。此外，图5A～图5C所示的正常状态模型和当前状态模型是利用对象者50在床60上睡眠时的身体运动数据而生成的。在图5A中表示了将“5/17的12：00－24：00”设为当前时间时的当前状态模型。在图5B中表示了将“5/18的0：00－12：00”设为当前时间时的当前状态模型。在图5C中表示了将“5/18的12：00－24：00”设为当前时间时的当前状态模型。此外，在图5A～图5C中分别还表示了对象者50的身体状况是正常状态的过去期间中的正常状态模型。另外，该对象者50在“5/20的24：00”左右死亡了。
根据图5A～图5C可知，从图5B所示的“5/18的0：00－12：00”即5/18的上午开始，当前状态模型与正常状态模型相比逐渐向下方移动。并且，在图5C所示的“5/18的12：00－24：00”即5/18的下午以后，可知当前状态模型与正常状态模型相比清楚地向下方移动了。
由此可知，能够不是以几小时前这样的时间单位而是以几天前这样的天单位检测对象者50的身体状况的变化。
(实施例2)
图6A～图6I是表示本实施方式的实施例2的正常状态模型和当前状态模型的图。
在本实施例中，对象者与实施例1的对象者不同，但是是临终安养机构的患者，被图3所示那样的房间传感器30取得身体运动数据。此外，图6A～图6I所示的正常状态模型和当前状态模型是利用对象者50在床60上睡眠时的身体运动数据而生成的。
在图6A中表示将“5/16的12：00－24：00”设为当前时间时的当前状态模型。在图6B中表示将“5/17的0：00－12：00”设为当前时间时的当前状态模型。在图6C中表示将“5/17的12：00－24：00”设为当前时间时的当前状态模型。
此外，在图6D中表示将“5/18的0：00－12：00”设为当前时间时的当前状态模型。在图6E中表示将“5/18的12：00－24：00”设为当前时间时的当前状态模型。在图6F中表示将“5/19的0：00－12：00”设为当前时间时的当前状态模型。在图6G中表示将“5/19的12：00－24：00”设为当前时间时的当前状态模型。在图6H中表示将“5/20的0：00－12：00”设为当前时间时的当前状态模型。在图6I中表示将“5/20的12：00－24：00”设为当前时间时的当前状态模型。
此外，在图6A～图6I中分别还表示了对象者50的身体状况是正常状态的过去期间中的正常状态模型。另外，该对象者50在“5/20的24：00”左右死亡了。
根据图6A～图6H可知，从图6D所示的“5/18的0：00－12：00”即5/18的上午开始，当前状态模型呈现与正常状态模型相比逐渐偏离的趋向(成为偏离的分布)。此外，可知在图6F所示的“5/19的0：00－12：00”即5/19的上午，当前状态模型移动到了与正常状态模型相比明显偏离的位置。并且，可知在图6I所示的“5/20的12：00－24：00”即5/20的下午以后，当前状态模型移动到了与正常状态模型相比完全不同的位置。
这样，可知在两天～3天前对象者50的身体状况朝向死亡变化了。
由此，在对象者50即患者的亲属想要进行临终送别的情况下，临终安养机构的职员能够以几天前这样的天单位检测患者的身体状况的变化并向亲属通知，所以能够确保亲属为了临终送别而赶来的时间。
另外，身体状况检测装置10也可以通过使身体状况变化检测装置20将身体状况检测装置10输出的正常状态模型与当前状态模型进行比较来检测对象者的身体状况的变化。以下，对身体状况变化检测装置20进行说明。
[3.身体状况变化检测装置20]
图7是表示本实施方式的身体状况变化检测装置20的结构的一例的图。
身体状况变化检测装置20通过比较由身体状况检测装置10输出的正常状态模型与当前状态模型，能够检测对象者的身体状况的变化。在本实施方式中，身体状况变化检测装置20如图7所示，具备取得部201、存储部202、身体状况变化检测部203和通知部204。以下，对各构成要素详细地进行说明。
[3.1取得部201]
取得部11事先经由网络40取得由身体状况检测装置10输出的正常状态模型并保存到存储部202中。此外，取得部11经由网络40取得由身体状况检测装置10输出的当前状态模型。另外，取得部11按每规定时间取得由身体状况检测装置10输出的当前状态模型。
[3.2存储部202]
存储部202具有非易失性的存储区域，存储有在身体状况变化检测装置20进行的各种处理中利用的信息。存储部202例如是ROM(Read Only Memory)、闪存存储器、HDD(HardDisk Drive)等。在本实施方式中，存储部202存储由身体状况检测装置10输出的正常状态模型。此外，存储部202可以暂时存储由身体状况检测装置10输出的当前状态模型。
[3.3身体状况变化检测部203]
身体状况变化检测部203通过比较正常状态模型与当前状态模型，如果有差则得到差。此外，身体状况变化检测部203基于通过正常状态模型与当前状态模型的比较而得到的差，检测对象者的身体状况的变化。
这里，差是正常状态模型及当前状态模型的距离、以及从正常状态模型所在的部分向当前状态模型所在的部分移动的方向。
这里，使用例如图6F所示的正常状态模型和当前状态模型进行说明，身体状况变化检测部203将正常状态模型和当前状态模型配置到由同一坐标轴形成的空间中，例如将正常状态模型的分布的重心与当前状态模型的分布的重心进行比较。身体状况变化检测部203在比较的结果是两者的重心有偏差的情况下得到该偏差作为差即可。另外，重心是正常状态模型及当前状态模型的距离的一例，不限于此。身体状况变化检测部203也可以将正常状态模型和当前状态模型配置到由同一坐标轴形成的空间中，比较在正常状态模型分布于该空间中的部分和当前状态模型分布于该空间中的部分间是否发生了偏差。该情况下，身体状况变化检测部203能够得到分布在该空间中的部分彼此的距离、以及从正常状态模型分布于该空间中的部分向当前状态模型分布于该空间中的部分移动的方向作为差。
身体状况变化检测部203可以在尽管将正常状态模型与当前状态模型进行了比较但没有差的情况下经由通知部204向身体状况检测装置10通知该情况。由此，身体状况变化检测部203能够向身体状况检测装置10提供再次生成正常状态模型的触发事件。由此，身体状况变化检测部203能够将保存在存储部202中的正常状态模型更新为即时性好的正常状态模型。此外，身体状况变化检测部203通过利用即时性好的正常状态模型，能够精度更好地检测对象者的身体状况的变化。即，能够将用于正常状态模型的生成的对象者的身体状况是正常状态的期间设为更接近于当前的期间，所以身体状况检测装置10能够精度更好地检测对象者的身体状况的变化。
[3.4通知部204]
通知部204基于身体状况变化检测部203得到的差而通知警报。更具体地讲，通知部204在身体状况变化检测部203基于自身得到的差检测到对象者的身体状况的变化的情况下通知警报。由此，通过接到警报，能够知道有对象者的身体状况的变化或检测到了对象者的身体状况的变化。
另外，通知部204可以对经由网络40连接的智能电话等便携终端通知警报。由此，在被检测身体状况的变化的对象者是临终安养机构的患者的情况下，在对象者50的亲属想要进行临终送别的情况下，当对象者的身体状况朝向死亡变化时，对于对象者的亲属或临终安养机构的职员的便携终端通知警报。由此，对象者的亲属能够经由临终安养机构的职员或直接以几天前这样的天单位知道对象者的身体状况的变化，所以能够确保为了临终送别而赶来的时间。
[4效果等]
如以上这样，本实施方式的身体状况检测装置10能够利用根据对象者的身体状况是正常状态时的身体运动数据构建的数学模型，生成表现出对象者的身体状况的正常状态的正常状态模型并输出。此外，本实施方式的身体状况检测装置10能够利用所构建的数学模型，根据当前时间中的对象者的身体运动数据，生成表现出对象者的身体状况的当前状态的当前状态模型并输出。并且，通过比较由身体状况检测装置10输出的正常状态模型与当前状态模型，能够检测对象者的身体状况的变化。
这样，根据本实施方式的身体状况检测装置10，能够输出用来检测对象者的身体状况的变化的当前状态模型，所以能够检测对象者的身体状况的变化。
[数学模型的验证]
在上述实施方式中，说明了利用根据正常状态的数据集即对象者的身体状况是正常状态的过去期间中的对象者的身体运动数据计算基于交互作用的统计量得到的特征量而按每个对象者构建数学模型121。
由于验证了不是直接使用正常状态的数据集而是使用通过计算各种各样的统计量得到的特征量而构建的数学模型的性能，所以以下进行说明。
图8是表示利用7种模式的特征量构建了数学模型的情况下的性能的验证结果的图。将在构建数学模型时使用的身体运动数据设为作为样本的对象者的正常状态下的睡眠时的时间序列的身体运动数据、心率数据及呼吸数据。此外，作为样本的对象者是22名临终安养机构的患者。此外，分别利用7种模式的特征量，生成了22人份的所构建的数学模型。并且，判断利用各个模式的特征量构建的每人的数学模型所占据的区域、与标绘出死亡日前1～3天的每日每人的身体运动数据的区域是否重叠，将能够判断为有偏差的数量设为可分离的样本数。
如图8所示，在模式1～3中，为了抑制时间序列数据的变动而仅使用根据身体运动数据计算了移动平均的特征量。模式1～3分别仅移动平均的时间不同。另一方面，在模式4～7中，使用了根据相同的身体运动数据计算基于交互作用的统计量和移动平均而得到的特征量。另外，所谓统计量，是身体运动数据中包含的时间序列的身体运动数据、心率数据及呼吸数据的比例、差等。模式4～7分别仅移动平均的时间不同。
根据图8可知，平均检测天数最佳的是2.75天前。此外，如模式4～7那样，可知通过利用计算基于交互作用的统计量而得到的特征量，至少在2.4天前能够检测到。即，可知通过利用计算基于交互作用的统计量得到的特征量构建数学模型，能够在死亡日的两天前检测到对象者的身体运动数据的变化即对象者的身体状况的变化。
以上，基于实施方式及变形例对本发明的一个或多个技术方案的身体状况检测装置10等进行了说明，但本发明并不限定于这些实施方式等。只要不脱离本发明的主旨，对本实施方式实施本领域技术人员想到的各种变形后的形态、或将不同实施方式的构成要素组合而构建的形态也可以包含在本发明的一个或多个技术方案的范围内。例如，以下这样的情况也包含在本发明中。
(1)上述的身体状况检测装置10及身体状况变化检测装置20也可以用于检测包括心肌梗塞的征兆、睡眠呼吸暂停综合症的发病在内的病理所导致的身体状况的变化。该情况下，只要在身体运动数据中适当包含体重信息等为了检测身体状况的变化所需要的生物体信息即可。
(2)构成上述身体状况检测装置10及身体状况变化检测装置20的构成要素的一部分或全部可以是由微处理器、ROM、RAM、硬盘单元、显示器单元、键盘、鼠标等构成的计算机系统。在上述RAM或硬盘单元中存储有计算机程序。上述微处理器按照上述计算机程序动作，从而各装置达成其功能。这里，计算机程序是为了达成规定的功能而将表示对于计算机的指令的命令代码组合多个而构成的。
(3)构成上述身体状况检测装置10及身体状况变化检测装置20的构成要素的一部分或全部可以由1个系统LSI(Large Scale Integration：大规模集成电路)构成。系统LSI是将多个构成要素集成到1个芯片上而制造出的超多功能LSI，具体而言，是包括微处理器、ROM、RAM等而构成的计算机系统。在上述RAM中存储有计算机程序。上述微处理器按照上述计算机程序动作，从而系统LSI达成其功能。
(4)构成上述身体状况检测装置10及身体状况变化检测装置20的构成要素的一部分或全部可以由相对于各装置可拆装的IC卡或单体的模组构成。上述IC卡或上述模组是由微处理器、ROM、RAM等构成的计算机系统。上述IC卡或上述模组可以包括上述的超多功能LSI。微处理器按照计算机程序动作，从而上述IC卡或上述模组达成其功能。该IC卡或该模组可以具有耐篡改性。
产业上的可利用性
本发明能够在用于不仅检测在临终关怀期间身体状况朝向死亡而发生的变化而且还检测包括心肌梗塞的征兆、睡眠呼吸暂停综合症的发病在内的病理所导致的身体状况的变化的身体状况检测方法、身体状况检测装置及程序中使用。
标号说明
10 身体状况检测装置
11、201 取得部
12 处理部
13 输出部
20 身体状况变化检测装置
30 房间传感器
40 网络
50 对象者
60 床
121 数学模型
202 存储部
203 身体状况变化检测部
204 通知部

Claims (9)

1.一种身体状况检测方法，由计算机进行，其特征在于，
取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据；
利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述当前时间中的上述对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型；
为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
2.如权利要求1所述的身体状况检测方法，其特征在于，
通过对上述正常状态模型与上述当前状态模型进行比较而得到上述差；
基于上述差而通知警报。
3.如权利要求2所述的身体状况检测方法，其特征在于，
在通知上述警报时，在基于上述差而检测到上述对象者的身体状况的变化的情况下通知上述警报。
4.如权利要求3所述的身体状况检测方法，其特征在于，
上述差是上述正常状态模型及上述当前状态模型的距离、以及从上述正常状态模型所在的部分向上述当前状态模型所在的部分移动的方向；
基于上述距离和上述方向，检测上述对象者的身体状况的变化。
5.如权利要求1～4中任一项所述的身体状况检测方法，其特征在于，
在生成上述当前状态模型之前，利用上述数学模型，根据上述过去期间中的上述对象者的上述身体运动数据生成上述正常状态模型。
6.如权利要求1～5中任一项所述的身体状况检测方法，其特征在于，
在没有上述正常状态模型与上述当前状态模型的差的情况下，根据包含上述当前时间的新的过去期间中的上述对象者的上述身体运动数据，再次生成表示上述对象者的正常状态的正常状态模型。
7.如权利要求1～6中任一项所述的身体状况检测方法，其特征在于，
上述数学模型是利用根据上述过去期间中的上述对象者的身体运动数据计算基于交互作用的统计量得到的特征量而构建的。
8.一种程序，其特征在于，
使计算机执行以下处理：
取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据；
利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述当前时间中的上述对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型；
为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
9.一种身体状况检测装置，其特征在于，
具备：
取得部，取得包含当前在内的一定时间即当前时间中的对象者的身体运动数据；
处理部，利用使用上述对象者的身体状况是正常状态的过去期间中的上述对象者的身体运动数据而构建的数学模型，根据上述取得部所取得的上述当前时间中的对象者的身体运动数据，生成表现出上述对象者的身体状况的当前状态的当前状态模型；以及
输出部，为了通过对正常状态模型与上述当前状态模型进行比较得到的差来检测上述对象者的身体状况的变化而输出上述当前状态模型，上述正常状态模型是根据上述过去期间中的上述对象者的上述身体运动数据、利用上述数学模型生成的表现出上述对象者的身体状况的正常状态的模型。
CN202180021702.6A 2020-03-30 2021-03-19 身体状况检测方法、身体状况检测装置及程序 Pending CN115298745A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020-059718 2020-03-30
JP2020059718 2020-03-30
PCT/JP2021/011463 WO2021200283A1 (ja) 2020-03-30 2021-03-19 体調検知方法、体調検知装置及びプログラム

Publications (1)

Publication Number Publication Date
CN115298745A true CN115298745A (zh) 2022-11-04

Family

ID=77928208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180021702.6A Pending CN115298745A (zh) 2020-03-30 2021-03-19 身体状况检测方法、身体状况检测装置及程序

Country Status (4)

Country Link
US (1) US20230005612A1 (zh)
JP (1) JPWO2021200283A1 (zh)
CN (1) CN115298745A (zh)
WO (1) WO2021200283A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7316038B2 (ja) * 2018-03-08 2023-07-27 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 事象予測システム、センサ信号処理システム及びプログラム
JP6531241B1 (ja) * 2018-03-14 2019-06-19 メドケア株式会社 効率化支援システム及び医療効率化支援方法

Also Published As

Publication number Publication date
WO2021200283A1 (ja) 2021-10-07
JPWO2021200283A1 (zh) 2021-10-07
US20230005612A1 (en) 2023-01-05

Similar Documents

Publication Publication Date Title
JP7108267B2 (ja) 生体情報処理システム、生体情報処理方法、及びコンピュータプログラム
US9549682B2 (en) Systems and methods for monitoring vital signs based on sensed changes in a target
CN102988025B (zh) 用于显示生理信息的系统和方法
Bidwell et al. Seizure reporting technologies for epilepsy treatment: A review of clinical information needs and supporting technologies
US10932716B1 (en) Characterizing sleep architecture
CN104042187A (zh) 用于医疗设备的测量数据监护仪和用于医疗设备的测量数据监控系统
CN109846466B (zh) 异常判定装置、电子设备及计算机可读存储介质
KR20170023770A (ko) 진단모델 생성 시스템 및 방법
KR20190011900A (ko) 스마트폰에 설치된 앱과 연동하여 우울증을 극복할 수 있는 시스템.
Nuksawn et al. Real-time sensor-and camera-based logging of sleep postures
US20170061823A1 (en) System for tracking and monitoring personal medical data and encouraging to follow personalized condition-based profile and method thereof
Chang et al. Design of a novel flexible capacitive sensing mattress for monitoring sleeping respiratory
JP2019155071A (ja) 事象予測システム、センサ信号処理システム、事象予測方法及びプログラム
US20220151549A1 (en) Contactless monitoring of sleep activities and body vital signs via seismic sensing
CN105593860B (zh) 用于确定复合评分分布的装置和患者健康状态确定器
JP6932668B2 (ja) 評価装置及びプログラム
JP7034687B2 (ja) 異常報知装置及びプログラム
CN109846470B (zh) 异常判定装置、电子设备及计算机可读存储介质
CN109937456B (zh) 被配置成抑制警报的患者监测系统和方法
Li et al. A supporting system for quick dementia screening using PIR motion sensor in smart home
CN115298745A (zh) 身体状况检测方法、身体状况检测装置及程序
CN102428468A (zh) 自动产生用于不连续的血糖测量的用户专属测量记录例程的方法以及数据处理装置和血糖测量装置
JP7325576B2 (ja) 端末装置、出力方法及びコンピュータプログラム
CN114098719A (zh) 一种动作检测方法、装置和穿戴设备
US10194817B2 (en) Method and system of monitoring cardiac function based on patient position

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