CN116157062A - 生物体信息运算系统 - Google Patents
生物体信息运算系统 Download PDFInfo
- Publication number
- CN116157062A CN116157062A CN202180054319.0A CN202180054319A CN116157062A CN 116157062 A CN116157062 A CN 116157062A CN 202180054319 A CN202180054319 A CN 202180054319A CN 116157062 A CN116157062 A CN 116157062A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- biological information
- pulse wave
- user
- 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
Links
- 238000004364 calculation method Methods 0.000 title abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 244
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims abstract description 106
- 239000008280 blood Substances 0.000 claims abstract description 81
- 210000004369 blood Anatomy 0.000 claims abstract description 81
- 239000004310 lactic acid Substances 0.000 claims abstract description 53
- 235000014655 lactic acid Nutrition 0.000 claims abstract description 53
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 33
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 20
- 239000001569 carbon dioxide Substances 0.000 claims description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 5
- 239000008103 glucose Substances 0.000 claims description 5
- 238000010238 partial least squares regression Methods 0.000 claims description 4
- 230000000386 athletic effect Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims 3
- 238000012545 processing Methods 0.000 description 40
- 238000004891 communication Methods 0.000 description 31
- 238000012805 post-processing Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 239000013307 optical fiber Substances 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000013186 photoplethysmography Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- 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
- 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
- G16H40/67—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 remote operation
-
- 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
-
- 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
- A61B5/02—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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- 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
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Emergency Medicine (AREA)
- Social Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
Abstract
[课题]提供一种能够高精度地生成用户的血中乳酸值的生物体信息运算系统。[解决手段]生物体信息运算系统生成用户的血中乳酸值,该生物体信息运算系统的特征在于,具备:取得单元,其取得基于所述用户的脉搏波的评价数据;数据库,其存储有分类信息,该分类信息是通过将输入数据和参照数据的一对作为学习用数据而使用多个所述学习用数据生成的,其中,所述输入数据是基于预先取得的学习用脉搏波的数据,所述参照数据是包含与所述输入数据相关联的血中乳酸值的数据;以及生成单元,其参照所述数据库,生成与所述评价数据对应的包含所述血中乳酸值的评价结果。
Description
技术领域
本发明涉及生成用户的血中乳酸值的生物体信息运算系统。
背景技术
以往,作为生成用户的血中乳酸值的方法,例如提出了专利文献1那样的方法。
专利文献1所公开的运动效果判定方法的特征在于,包括:测量正在进行规定的运动时的用户的脉搏波信号和体动信号;基于脉搏波信号和体动信号计算运动时脉搏数;基于预先取得的表示用户的脉搏数与血中乳酸量的关系的乳酸值信息和运动时脉搏数,得到判定了规定的运动对用户的体力起到帮助的效果程度的运动效果判定结果;以及将判定结果通知给用户。
现有技术文献
专利文献
专利文献1:日本特开2016-195661号公报
发明内容
发明要解决的课题
在此,在评价用户的血中乳酸值时运动强度高的情况下,进行运动的用户的脉搏数会急剧变化,与此相对,血中乳酸值有缓慢变化的倾向。由此,脉搏数与血中乳酸值的关系产生时滞,因此有可能无法唯一地确定脉搏数与血中乳酸值的关系。因此,在专利文献1那样的现有技术中,难以确定与脉搏数相适的血中乳酸值,有可能无法高精度地生成用户的血中乳酸值。
因此,本发明是鉴于上述问题点而提出的,其目的在于提供一种能够高精度地生成用户的血中乳酸值的生物体信息运算系统。
用于解决课题的手段
第1发明的生物体信息运算系统生成用户的血中乳酸值,所述生物体信息运算系统的特征在于,具备:取得单元,其取得基于所述用户的脉搏波的评价数据;数据库,其存储有分类信息,该分类信息是通过将输入数据和参照数据的一对作为学习用数据而使用多个所述学习用数据生成的,其中,所述输入数据是基于预先取得的学习用脉搏波的数据,所述参照数据是包含与所述输入数据相关联的血中乳酸值的数据;以及生成单元,其参照所述数据库,生成与所述评价数据对应的包含所述血中乳酸值的评价结果。
第2发明的生物体信息运算系统的特征在于,在第1发明中,所述分类信息是使用以所述输入数据为说明变量、以所述参照数据为目标变量的PLS回归分析而得到的校准模型。
第3发明的生物体信息运算系统的特征在于,在第1发明中,所述生物体信息运算系统具备综合评价单元,该综合评价单元取得表示所述用户的特征的附加信息,并基于所述评价结果和所述附加信息来生成对所述用户的运动能力进行了评价的综合评价结果。
第4发明的生物体信息运算系统的特征在于,在第3发明中,所述取得单元基于所述脉搏波,取得表示与所述评价数据不同的特征的附加数据,所述生成单元生成基于所述附加数据的所述附加信息。
第5发明的生物体信息运算系统的特征在于,在第3发明或第4发明中,所述附加信息表示压力水平、脉搏数、呼吸数、血糖值、血压、血中二氧化碳的特征以及运动量中的至少任意一个。
第6发明的生物体信息运算系统的特征在于,在第1发明中,所述取得单元基于所述脉搏波,取得表示与所述评价数据不同的特征的附加数据,所述生成单元参照所述数据库,生成与所述附加数据对应的表示所述用户的特征的附加信息。
第7发明的生物体信息运算系统的特征在于,在第1发明中,所述生成单元取得表示所述用户的特征的附加信息,基于多个所述评价数据和所述附加信息来生成所述评价结果。
第8发明的生物体信息运算系统的特征在于,在第1发明中,所述取得单元基于所述脉搏波,取得与所述评价数据不同的预备评价数据,所述分类信息包含分别使用不同的所述学习用数据计算出的多个按属性分类信息,所述生成单元包括:选择单元,其参照所述预备评价数据,在多个所述按属性分类信息中选择第1分类信息;以及按属性生成单元,其参照所述第1分类信息,生成与所述评价数据对应的所述评价结果。
第9发明的生物体信息运算系统的特征在于,在第8发明中,所述取得单元取得与基于所述脉搏波的速度脉搏波相当的数据作为所述评价数据,取得与基于所述脉搏波的加速度脉搏波相当的数据作为所述预备评价数据。
发明的效果
根据第1发明~第9发明,生成单元参照数据库,生成与评价数据对应包含血中乳酸值的评价结果。因此,能够根据基于由血中乳酸值直接影响的脉搏波取得的评价数据来生成评价结果。由此,能够高精度地生成用户的血中乳酸值。
另外,根据第1发明~第9发明,生成单元参照数据库,生成与评价数据对应的评价结果。另外,在数据库中存储有使用多个学习用数据生成的分类信息。因此,在生成评价结果时,能够包含基于过去有实绩的数据的定量的血中乳酸值。由此,能够实现生成评价结果时的精度提高。
特别是,根据第2发明,分类信息是使用以输入数据为说明变量、以参照数据为目标变量的PLS回归分析而得到的校准模型。因此,与使用机器学习等计算分类信息的情况相比,能够大幅减少学习用数据的数量,能够容易地实施校准模型的更新。由此,能够实现生物体信息运算系统的构建及更新的容易化。
特别是,根据第3发明,综合评价单元基于评价结果和附加信息,生成对用户的运动能力进行了评价的综合评价结果。因此,能够实现在评价结果的基础上还考虑了用户的特征的综合评价。由此,能够高精度地生成与用户的运动能力相关的信息。
特别是,根据第4发明,取得单元基于脉搏波,取得表示与评价数据不同的特征的附加数据。另外,生成单元生成基于附加数据的附加信息。即,根据基于1个脉搏波生成的评价结果和附加信息来生成综合评价结果。因此,通过使用基于同一参数的多种信息,能够实现基于多方面的观点的综合评价。由此,能够更高精度地生成与用户的运动能力相关的信息。
特别是,根据第5发明,附加信息表示压力水平、脉搏数、呼吸数、血糖值、血压、血中二氧化碳的特征以及运动量中的至少任意一个。因此,能够利用与用户的运动能力具有相关性的参数,实现基于多方面的观点的综合评价。由此,能够更高精度地生成与用户的运动能力相关的信息。
特别是,根据第6发明,生成单元参照数据库,生成与附加数据对应的表示用户的特征的附加信息。因此,能够利用根据与评价结果不同的观点生成的附加信息,能够实现多方面的评价。由此,能够实现与用户的要求对应的适当的评价。
特别是,根据第7发明,评价单元取得附加信息,基于多个评价数据和附加信息来生成评价结果。因此,能够生成在多个评价数据的基础上还考虑了用户的特征的多方面的评价结果。由此,能够更高精度地生成用户的血中乳酸值。
特别是,根据第8发明,生成单元包括:选择单元,其参照预备评价数据,选择第1分类信息;以及按属性生成信息,其参照第1分类信息,生成与评价数据对应的评价结果。因此,能够在选择了最适合于脉搏波的特征的属性分类信息的基础上,生成与评价数据对应的评价结果。由此,能够实现评价精度的进一步提高。
特别是,根据第9发明,取得单元取得与基于脉搏波的速度脉搏波相当的数据作为评价数据,取得与基于脉搏波的加速度脉搏波相当的数据作为预备评价数据。因此,能够使用与速度脉搏波相比容易对脉搏波的特征进行分类的加速度脉搏波来选择属性分类信息。另外,能够使用与加速度脉搏波相比容易计算血中乳酸值的速度脉搏波来生成评价结果。由此,能够实现评价精度的进一步提高。
附图说明
图1是示出第1实施方式中的生物体信息运算系统的一例的示意图。
图2的(a)和图2的(b)是示出第1实施方式中的生物体信息运算系统的动作的一例的示意图。
图3的(a)是示出分类信息的一例的示意图,图3的(b)和图3的(c)是示出针对传感器数据的处理的一例的示意图。
图4的(a)是示出生物体信息运算装置的结构的一例的示意图,图4的(b)是示出生物体信息运算装置的功能的一例的示意图。
图5的(a)和图5的(b)是示出传感器的一例的示意图。
图6是示出第1实施方式中的生物体信息运算系统的动作的一例的流程图。
图7是示出第2实施方式中的生物体信息运算系统的动作的一例的示意图。
图8是示出第3实施方式中的生物体信息运算系统的动作的一例的示意图。
图9的(a)和图9的(b)是示出计算针对传感器数据的附加信息的处理的一例的示意图。
图10是示出第3实施方式中的生物体信息运算系统的动作的变形例的示意图。
图11是示出第4实施方式中的生物体信息运算系统的动作的一例的示意图。
图12是示出第5实施方式中的生物体信息运算系统的动作的一例的示意图。
图13是示出与加速度脉搏波相当的数据的分类例的示意图。
图14是示出与速度脉搏波相当的数据的分类例的示意图。
具体实施方式
以下,参照附图对本发明的实施方式中的生物体信息运算系统的一例进行说明。
(第1实施方式:生物体信息运算系统100)
图1是示出第1实施方式中的生物体信息运算系统100的一例的示意图。
生物体信息运算系统100用于生成用户的血中乳酸值。用户的血中乳酸值例如表示用户的血中所含的乳酸的浓度、血中乳酸量的倾向、以及相对于特定的基准值的偏离度等。
生物体信息运算系统100例如如图1所示,具备生物体信息运算装置1,例如也可以具备传感器5和服务器4中的至少任意一方。生物体信息运算装置1例如经由通信网3与传感器5、服务器4连接。
生物体信息运算系统100根据基于用户的脉搏波的评价数据来生成包含血中乳酸值的评价结果。
在生物体信息运算系统100中,例如如图2的(a)所示,生物体信息运算装置1取得由传感器5等生成的传感器数据。之后,生物体信息运算装置1对取得的传感器数据实施滤波处理等预处理,取得评价数据。
生物体信息运算装置1生成与评价数据对应的评价结果。因此,能够根据基于由血中乳酸值的特征直接影响的脉搏波而取得的评价数据来生成评价结果。由此,能够高精度地生成用户的血中乳酸值。
在此,生物体信息运算装置1在生成与评价数据对应的评价结果时,参照数据库。在数据库中存储有使用多个学习用数据生成的分类信息。
例如如图3的(a)所示,将基于过去取得的学习用脉搏波的输入数据和包含与输入数据相关联的血中乳酸值的参照数据的一对作为学习用数据,使用多个学习用数据来生成分类信息。因此,在生成评价结果时,能够包含基于过去有实绩的输入数据和输出数据的定量的血中乳酸值。由此,能够实现生成评价结果时的精度提高。
生物体信息运算装置1例如将生成的评价结果输出到显示器等。评价结果中包含有血中乳酸值。
此外,在生物体信息运算系统100中,例如如图2的(b)所示,也可以从传感器5等取得评价数据。在该情况下,根据传感器数据取得评价数据的预处理由传感器5等实施。
<传感器数据>
传感器数据包含表示用户的脉搏波的特征的数据,例如也可以包含表示脉搏波以外的特征的数据(噪声)。传感器数据是表示与测量时间对应的振幅的数据,通过实施与用途、传感器数据的生成条件相应的滤波处理,能够根据传感器数据取得与加速度脉搏波、速度脉搏波等相当的数据。
传感器数据可由应变传感器、陀螺仪传感器、光电容积脉搏波(PPG)传感器、压力传感器等公知的传感器生成。除了数字信号以外,传感器数据例如也可以是模拟信号。另外,生成传感器数据时的测量时间例如是与脉搏波的1~20周期相应的测量时间,能够根据传感器数据的处理方法、数据通信方法等条件任意地设定。
<评价数据>
评价数据表示用于生成评价结果的数据。评价数据例如表示与基于用户的脉搏波的加速度脉搏波相当的数据,表示与特定的周期(例如1个周期)对应的振幅。
评价数据是通过由生物体信息运算装置1等对传感器数据实施处理(预处理)而取得的。例如如图3的(b)和图3的(c)所示,通过对传感器数据实施多个处理,能够得到评价数据。关于各处理的详细内容,在后面说明。
<数据库>
数据库主要是在生成与评价数据对应的评价结果时使用。在数据库中,除了存储1个以上的分类信息以外,例如也可以存储用于生成分类信息的多个学习用数据。
分类信息例如是表示预先取得的过去的评价数据(输入数据)与包含血中乳酸值的参照数据的相关关系的函数。分类信息例如表示如下的校准模型,该校准模型是通过以输入数据为说明变量、以参照数据为目标变量而利用回归分析等进行解析并基于该解析结果而生成的。关于分类信息,例如除了能够定期地更新校准模型以外,还可以根据用户的性别、年龄、运动内容等属性信息来生成。
作为在生成分类信息时使用的回归分析的方法,例如能够使用PLS(PartialLeast Squares:偏最小二乘法)回归分析、利用了按照每个类别进行主成分分析而得到主成分模型的SIMCA(Soft Independent Modeling of Class Analogy:相似分类法)的回归分析等。
分类信息例如也可以包含通过使用了多个学习用数据的机器学习而生成的学习完毕模型。学习完毕模型除了表示例如CNN(Convolutional Neural Network:卷积神经网络)等神经网络模型之外,还表示SVM(Support vector machine:支持向量机)等。另外,作为机器学习,例如能够使用深度学习。
输入数据使用与评价数据相同种类的数据,例如表示对应的评价结果明确的过去的评价数据。例如,让被检者佩戴上传感器5等,生成表示学习用脉搏波的特征的传感器数据(学习用传感器数据)。然后,通过对学习用传感器数据实施处理,能够取得输入数据。此外,除了从生物体信息运算系统100的用户取得输入数据之外,例如也可以从与该用户不同的用户取得输入数据。即,上述的被检者除了是生物体信息运算系统100的用户以外,也可以将该用户以外的用户作为对象,也可以是特定或者非特定的多位用户。
输入数据例如优选按照与在取得评价数据时使用的传感器5等的种类、传感器数据的生成条件、以及针对传感器数据的处理条件同样的内容来取得。例如通过统一上述3个内容,能够飞跃性地提高生成评价结果时的精度。
参照数据包含使用计测装置等计测出的被检者的血中乳酸值。例如在让被检者佩戴传感器5等而生成学习用传感器数据时,通过计测被检者的血中乳酸值,能够取得与输入数据相关联的参照数据。在该情况下,计测血中乳酸值的时机优选与生成学习用传感器数据的时机为同时,但例如也可以是前后相隔1~10分钟左右的时机。
需要说明的是,“血中乳酸值”表示能够计测的血液内的乳酸的浓度、比率等,例如表示血中乳酸量。
参照数据使用公知的计测装置来计测。例如在计测血中乳酸值的情况下,使用Lactate Pro 2(ARKRAY公司制造)等公知的装置作为计测装置。例如在计测氧饱和度的情况下,使用PULSOX-Neo(KONICA MINOLTA公司制造)等公知的装置作为计测装置。
<评价结果>
评价结果作为与参照数据相同种类的数据而生成,包含血中乳酸值。评价结果是通过参照分类信息,作为与参照数据相同或相似的数据而生成的。
在生物体信息运算系统100中,例如沿着任意的时间序列取得多个评价数据,生成多个与各评价数据对应的评价结果。另外,在生物体信息运算系统100中,例如也可以在运动量的变化时等任意的每个时机取得多个评价数据,生成多个与各评价数据对应的评价结果。该情况下,例如作为评价结果,可以包含LT(Lactate Threshold:乳酸阈值)和OBLA(Onset of Blood Lactate Accumulation:血中乳酸堆积起始点)中的至少任意一方。
<生物体信息运算装置1>
生物体信息运算装置1例如表示个人计算机(PC)、移动电话、智能手机、平板型终端、可穿戴终端等电子设备,例如表示能够基于用户的操作经由通信网3进行通信的电子设备。此外,生物体信息运算装置1也可以内置传感器5。以下,对使用PC作为生物体信息运算装置1的情况的一例进行说明。
图4的(a)是示出生物体信息运算装置1的结构的一例的示意图,图4的(b)是示出生物体信息运算装置1的功能的一例的示意图。
如图4的(a)所示,生物体信息运算装置1例如具备壳体10、CPU(CentralProcessing Unit:中央处理单元)101、ROM(Read Only Memory:只读存储器)102、RAM(Random Access Memory:随机存取存储器)103、保存部104以及I/F105~107。各结构101~107通过内部总线110连接。
CPU101控制生物体信息运算装置1的整体。ROM102存储CPU101的动作代码。RAM103是在CPU101的动作时使用的作业区域。保存部104存储数据库、评价数据等各种信息。作为保存部104,例如除了HDD(Hard Disk Drive:硬盘驱动器)之外,还使用SSD(Solid StateDrive:固态硬盘)等数据保存装置。此外,例如生物体信息运算装置1也可以具有未图示的GPU(Graphics Processing Unit:图形处理单元)。
I/F105是用于经由通信网3根据需要与服务器4、传感器5等进行各种信息的收发的接口。I/F106是用于与输入部108进行信息的收发的接口。作为输入部108,例如使用键盘,生物体信息运算装置1的用户等经由输入部108输入各种信息或生物体信息运算装置1的控制命令等。I/F107是用于与显示部109进行各种信息的收发的接口。显示部109显示保存在保存部104中的各种信息或评价结果等。作为显示部109,使用显示器,例如在是触摸面板式的情况下,与输入部108一体地设置。
图4的(b)是示出生物体信息运算装置1的功能的一例的示意图。生物体信息运算装置1具备取得部11、生成部12、输出部13以及存储部14,例如也可以具备学习部15。另外,通过CPU101将RAM103作为作业区域执行存储在保存部104等中的程序来实现图4的(b)所示出的各功能。
<取得部11>
取得部11取得基于用户的脉搏波的评价数据。取得部11例如在从传感器5等取得传感器数据之后,通过对传感器数据实施处理来取得评价数据。
例如如图3的(b)所示,取得部11对所取得的传感器数据实施滤波处理(过滤处理)。在滤波处理中,例如使用0.5~5.0Hz的带通滤波器。由此,取得部11提取与用户的脉搏波相当的数据(脉搏波数据)。脉搏波数据表示例如与速度脉搏波相当的数据。此外,脉搏波数据例如也可以表示与加速度脉搏波或者容积脉搏波相当的数据,能够根据传感器的种类、用途任意地设定。另外,带通滤波器的滤波范围能够根据用途任意地设定。
取得部11例如对脉搏波数据实施微分处理。例如,在对与速度脉搏波相当的脉搏波数据实施微分处理的情况下,取得部11取得与加速度脉搏波相当的数据(微分数据)。此外,在微分处理中,除了1次微分之外,也可以实施2次微分。
取得部11例如对微分数据实施分割处理。在分割处理中,例如将与多个周期的加速度脉搏波相当的微分数据分割为与每一个周期的加速度脉搏波相当的数据(分割数据)。因此,取得部11例如通过对1个微分数据实施微分处理,能够取得多个分割数据。此外,在分割处理中,能够根据用途按任意的周期(例如周期的正数倍)分割微分数据。
例如在分割处理中,存在分割后的各分割数据中的数据量分别不同的情况。在该情况下,取得部11也可以确定数据量最少的分割数据,并对其他分割数据实施数据量的削减(修整:trimming)。由此,能够统一各分割数据中的数据量,各分割数据中的数据的对比变得容易。
除了上述以外,例如也可以将分割数据的与时间轴对应的值作为对象来实施归一化处理。在归一化处理中,例如实施将与时间轴对应的值的最小值设为0、将最大值设为1的归一化。由此,各分割数据中的数据的对比变得容易。
取得部11例如也可以对实施了数据量的削减或归一化的多个分割数据中的平均进行计算,并将其作为分割数据。
取得部11对分割数据实施归一化处理。在归一化处理中,以与振幅对应的值为对象来生成归一化后的数据(归一化数据)。在归一化处理中,例如实施将振幅的最低值设为0、将振幅的最高值设为1的归一化。取得部11例如取得归一化数据作为评价数据。在该情况下,作为评价数据,得到与用户的加速度脉搏波相当的数据。
取得部11除了依次实施上述的各处理以外,例如如图3的(c)所示,也可以不实施微分处理。在该情况下,作为评价数据,得到与用户的速度脉搏波相当的数据。
另外,取得部11例如也可以仅实施上述的各处理的一部分。在该情况下,取得部11也可以取得脉搏波数据、微分数据、分割数据、修整后的分割数据、以及将与时间轴对应的值归一化而得到的分割数据中的任意数据作为评价数据,并且能够根据用途任意地设定。
另外,取得部11例如也可以取得用户经由输入部108等输入的用户的特征、运动内容、竞技项目等那样的评价对象的信息,并将其包含在评价数据中。例如可以在生成评价结果时使用评价对象的信息。
<生成部12>
生成部12参照数据库,生成与评价数据对应的评价结果。生成部12例如参照存储在数据库中的分类信息来计算与评价数据对应的血中乳酸值,并将其作为评价结果来生成。生成部12生成多个与分别不同的评价数据对应的评价结果。
<输出部13>
输出部13输出评价结果。输出部13除了向显示部109输出评价结果以外,例如也可以向传感器5等输出评价结果。
<存储部14>
存储部14根据需要取出保存于保存部104的数据库等各种数据。存储部14根据需要将由各结构11~13、15取得或生成的各种数据保存于保存部104。
<学习部15>
学习部15例如使用多个学习用数据来生成分类信息。学习部15例如也可以取得新的学习用数据,更新已有的分类信息。
<通信网3>
通信网3是经由通信线路将生物体信息运算装置1、服务器4以及传感器5连接的公知的互联网等。在一定的狭窄区域内运用生物体信息运算系统100的情况下,通信网3可以由LAN(Local Area Network:局域网)等构成。另外,通信网3也可以由所谓的光纤通信网构成。另外,通信网3并不限定于有线通信网,也可以通过无线通信网来实现,并且能够根据用途任意地设定。
在服务器4中,蓄积有经由通信网3发送来的信息。服务器4基于来自生物体信息运算装置1的请求,经由通信网3将蓄积的信息发送到生物体信息运算装置1。
<传感器5>
传感器5生成传感器数据。例如如图5的(a)所示,传感器5具备检测部6。传感器5安装于能够经由检测部6检测用户的脉搏波的位置,例如固定于腕带55。
检测部6使用能够检测用户的脉搏波的公知的检测装置。作为检测部6,例如使用光纤布拉格光栅(FBG)传感器等应变传感器、陀螺仪传感器、用于测量脉搏波信号的1个以上的电极、光电容积脉搏波(PPG)传感器、压力传感器以及光检测模块中的至少任意一个。检测部6例如也可以配置多个。
此外,传感器5也可以被嵌入衣服中。另外,佩戴传感器5的用户除了人以外,也可以将狗、猫等宠物作为对象,例如也可以将牛或猪等家畜、鱼等养殖物作为对象。
例如如图5的(b)所示,传感器5具备取得部50、通信I/F51、存储器52、命令部53,各结构分别通过内部总线54连接。
取得部50经由检测部6测量用户的脉搏波,并生成传感器数据。取得部50例如将生成的传感器数据发送到通信I/F51或存储器52。
通信I/F51经由通信网3将传感器数据等各种数据发送到生物体信息运算装置1、服务器4。另外,通信I/F51安装有用于与通信网3连接的线路控制电路、用于在与生物体信息运算装置1或服务器4之间进行数据通信的信号转换电路等。通信I/F51对来自内部总线54的各种命令实施转换处理,并将其向通信网3侧送出,在接收到来自通信网3的数据的情况下,对其实施规定的转换处理并向内部总线54发送。
存储器52保存从取得部50发送的传感器数据等各种数据。存储器52例如通过从经由通信网3连接的其他终端装置接收命令,来将保存的传感器数据等各种数据发送到通信I/F51。
命令部53包括用于取得传感器数据的操作按钮、键盘等,例如包括CPU等处理器。命令部53在受理了取得传感器数据的命令的情况下,将其通知给取得部50。接收到该通知的取得部50取得传感器数据。此外,例如如图3的(b)和图3的(c)所示,命令部53也可以实施用于根据传感器数据取得评价数据的处理。
在此,作为取得传感器数据的一例,对使用FBG传感器的情况进行说明。
FBG传感器在1根光纤内隔开规定间隔地形成衍射光栅结构。FBG传感器例如具有如下特征:传感器部分的长度为10mm、波长分辨率为±0.1pm、波长范围为1550±0.5nm、光纤的直径为145μm、芯径为10.5μm。能够将FBG传感器作为上述的检测部6,使其在与用户的皮肤接触的状态下进行测量。
作为用于光纤的光源,例如使用波长范围1525~1570nm的ASE(AmplifiedSpontaneous Emission:放大自发辐射)光源。来自光源的出射光经由环行器入射到FBG传感器。来自FBG传感器的反射光经由环行器引导至马赫-曾德尔干涉仪,通过光检测器检测来自马赫-曾德尔干涉仪的输出光。马赫-曾德尔干涉仪是用于通过分束器将光束分离为具有光路差的2个光路并再次通过分束器将它们叠加为一个而生成干涉光的仪器。为了形成光路差,例如也可以加长一方的光纤的长度。相干光根据光路差而产生干涉条纹,因此通过测量干涉条纹的图案,能够检测产生于FBG传感器的应变的变化、即脉搏波。取得部50基于检测到的脉搏波来生成传感器数据。由此,取得传感器数据。
此外,通过检测FBG传感器的应变量来检测脉搏波的波形的光纤传感器系统除了包括使光束入射到FBG传感器的光源之外,还包括宽波段的ASE光源、环行器、马赫-曾德尔干涉仪、分束器这样的光学系统、光检测器所具备的受光传感器、解析波长偏移量的解析方法。在光纤传感器系统中,能够根据所使用的FBG传感器的特性选择光源、频带光来进行使用,也能够针对检波方法等解析方法采用各种方法。
(第1实施方式:生物体信息运算系统100的动作)
接下来,对本实施方式中的生物体信息运算系统100的动作的一例进行说明。图6是示出本实施方式中的生物体信息运算系统100的动作的一例的流程图。
生物体信息运算系统100例如经由安装在生物体信息运算装置1内的生物体信息运算程序来执行。即,用户操作生物体信息运算装置1或传感器5,通过安装在生物体信息运算装置1中的生物体信息运算程序,能够根据传感器数据取得表示用户的血中乳酸值的评价结果。
生物体信息运算系统100的动作具备取得步骤S110和生成步骤S120,例如也可以具备输出步骤S130。
<取得步骤S110>
在取得步骤S110中,取得基于用户的脉搏波的评价数据。例如,传感器5的取得部50经由检测部6测量用户的脉搏波,生成传感器数据。取得部50经由通信I/F51以及通信网3将传感器数据发送到生物体信息运算装置1。生物体信息运算装置1的取得部11从传感器5接收传感器数据。
取得部11例如对传感器数据实施图3的(b)所示的处理,取得评价数据。取得部11例如经由存储部14将所取得的评价数据保存于保存部104。另外,取得部11从传感器5取得传感器数据的频度等条件能够根据用途任意地设定。例如,取得部11以预先设定的周期取得评价数据。在该情况下,能够简化生成评价结果时的运算处理,因此能够实现处理速度的提高。
<生成步骤S120>
接着,在生成步骤S120中,参照数据库,生成包含与评价数据对应的血中乳酸值的评价结果。例如,生成部12参照分类信息,计算与评价数据对应的血中乳酸值。生成部12生成包含计算出的值的评价结果。生成部12例如经由存储部14将生成的评价结果保存于保存部104。另外,作为血中乳酸值,除了示出特定的值以外,例如也可以计算误差范围(例如“○○±2mmol/L”等)。
<输出步骤S130>
接着,例如在输出步骤S130中,也可以输出评价结果。例如,输出部13向显示部109输出评价结果。
由此,生物体信息运算系统100的动作结束。此外,实施各步骤的频度、顺序能够根据用途任意地设定。
根据本实施方式,生成部12生成包含与评价数据对应的血中乳酸值的评价结果。因此,通过使用评价数据,例如能够使用基于脉搏波的振幅的峰值形状、相对强度等来确定血中乳酸值,因此与使用仅示出特定的数值的脉搏数来确定血中乳酸值的情况相比,特征较多,另外,能够根据基于由血中乳酸值直接影响的脉搏波而取得的评价数据来生成评价结果。由此,能够高精度地生成用户的血中乳酸值。
另外,根据本实施方式,生成部12参照数据库,生成与评价数据对应的评价结果。另外,在数据库中存储有使用多个学习用数据计算出的分类信息。因此,在生成评价结果时,能够包含基于过去有实绩的数据的定量的血中乳酸值。由此,能够实现生成评价结果时的精度提高。
另外,根据本实施方式,分类信息是使用以输入数据为说明变量、以参照数据为目标变量的PLS回归分析而得到的校准模型。因此,与使用机器学习等计算分类信息的情况相比,能够大幅减少学习用数据的数量,并且能够容易地实施校准模型的更新。由此,能够实现生物体信息运算系统100的构建及更新的容易化。
(第2实施方式:生物体信息运算系统100)
接下来,对第2实施方式中的生物体信息运算系统100的一例进行说明。上述的实施方式与第2实施方式的不同点在于,在第2实施方式中,使用附加信息且具备综合评价步骤S140。此外,对于与上述的实施方式相同的内容,省略说明。
在本实施方式的生物体信息运算系统100中,例如在上述的生成步骤S120之后实施综合评价步骤S140,在综合评价步骤S140之后实施输出步骤S130。
例如如图7所示,在综合评价步骤S140中,取得附加信息,并基于评价结果和附加信息来生成综合评价结果。综合评价步骤S140例如能够由生物体信息运算装置1所包含的综合评价部执行。
附加信息表示用户的特征,例如包含用户的压力水平、脉搏数、呼吸数、血糖值、血压、血中二氧化碳的特征以及运动量中的至少任意一个。
运动量例如可以基于从佩戴于运动中的用户的加速度传感器取得的加速度来取得。另外,关于运动量,例如若使用3轴加速度传感器,则可求出xyz各轴上的加速度值,因此可以进行根据3个加速度值求出1个加速度的处理、伴随该处理的噪声降低处理、求出移动平均的处理等,另外也可以取得这些处理后的信息。
作为附加信息,例如使用通过公知的计测方法计测出的数据,数据形式是任意的。另外,取得附加信息的时机除了与测量脉搏波的时机为同时以外,根据用途也可以是任意的时机。
附加信息例如除了包含用户的性别、年龄等属性信息以外,还可以包含用户正在进行的运动内容、竞技项目等这样的与评价时的运动相关的信息。附加信息例如由用户经由输入部108等输入,由综合取得部等取得。
综合评价结果示出对用户的运动能力进行了评价的结果。作为综合评价结果,除了使用“运动能力高”、“运动能力低”等表示每个用户的运动能力的程度的字符串以外,例如也可以使用与任意的基准值之间的差分、偏差值等数值。
综合评价结果中包含将用户的运动能力的倾向数值化而得到的信息,例如也可以包含无氧阈值等这样的按照每个用户而不同的阈值。综合评价结果中也可以包含例如“有氧运动中”、“无氧运动中”等这样的表示与用户的运动能力的倾向对应的评价的信息。另外,作为综合评价结果,也可以包含LT和OBLA中的至少任意一方。
在综合评价步骤S140中,例如综合评价部参照预先设定的阈值,把将评价结果及附加信息与阈值进行比较而得到的结果作为综合评价结果来生成。例如,在评价结果及附加信息比阈值低的情况下,综合评价部生成表示运动能力高的综合评价结果,在评价结果及附加信息比阈值高的情况下,综合评价部生成表示运动能力低的综合评价结果。
综合评价部例如参照预先保存在保存部104等中的用户能够识别的数据形式来生成综合评价结果。综合评价部例如也可以参照后处理用数据库来生成与评价结果及附加信息相适的综合评价结果。
在后处理用数据库中,例如也可以与上述的数据库同样地,存储用于生成与评价结果及附加信息对应的综合评价结果的后处理用分类信息。在后处理用数据库中,除了可以存储1个以上的后处理用分类信息以外,例如也可以存储用于生成后处理用分类信息的多个后处理用学习数据。
后处理用分类信息例如是表示预先取得的过去的评价结果及附加信息(后处理用输入数据)和与后处理用输入数据相关联的后处理用参照数据的相关关系的函数。后处理用参照数据表示用户的运动能力的评价结果。后处理用分类信息是通过将后处理用输入数据和后处理用参照数据作为一对后处理用学习数据并使用多个后处理用学习数据而生成的。
后处理用分类信息例如表示如下的校准模型,该校准模型是通过以后处理用输入数据作为说明变量、以后处理用参照数据为目标变量而利用上述回归分析等进行解析并基于该解析结果而生成的。关于后处理用分类信息,例如除了能够定期地更新校准模型(后处理用校准模型)以外,例如也可以按附加信息来生成。此外,后处理用分类信息与上述的分类信息同样地,例如也可以包含通过使用了多个后处理用学习数据的机器学习而生成的学习完毕模型(后处理用学习完毕模型)。
根据本实施方式,在上述的实施方式的效果的基础上,综合评价部基于评价结果及附加信息,生成对用户的运动能力进行了评价的综合评价结果。因此,能够实现在评价结果的基础上还考虑了用户的特征的综合评价。由此,能够更高精度地生成与用户的运动能力相关的信息。
(第3实施方式:生物体信息运算系统100)
接下来,对第3实施方式中的生物体信息运算系统100的一例进行说明。上述的实施方式与第3实施方式的不同点在于,在第3实施方式中,取得用于生成附加信息的附加数据。此外,对于与上述的实施方式相同的内容,省略说明。
在本实施方式的生物体信息运算系统100中,取得步骤S110包括取得附加数据。另外,在本实施方式的生物体信息运算系统100中,生成步骤S120包括生成基于附加数据的附加信息。
本实施方式中的生物体信息运算装置1例如如图8所示,对基于脉搏波生成的1个传感器数据实施2种处理。由此,例如取得部11基于同一脉搏波,取得评价数据和表示与评价数据不同的特征的附加数据。另外,也可以取得多个附加数据。
例如,生成部12生成基于附加数据的附加信息。在本实施方式中,作为附加信息,例如能够计算脉搏数和呼吸数中的至少任意一方。在该情况下,例如如图9的(a)和图9的(b)所示,存在在取得步骤S110中实施的预处理的内容和在生成步骤S120中参照的数据库的内容不同的情况。以下,对将脉搏数和呼吸数作为附加信息来计算的例子进行说明。
<脉搏数的计算>
例如在计算脉搏数的情况下,如图9的(a)所示,取得部11对传感器数据实施上述的滤波处理,提取脉搏波数据。
然后,取得部11对脉搏波数据实施峰值位置计算处理。在峰值位置计算处理中,检测脉搏波数据中包含的多个峰值(振幅的最大值),确定采样的顺序(相当于从测量开始起的时间)。由此,取得部11取得脉搏波数据中包含的峰值位置数据。
之后,取得部11对峰值位置数据实施峰值间隔平均计算处理。在峰值间隔平均计算处理中,计算峰值位置数据中包含的峰值的间隔(相邻的峰值被采样的顺序的差分),例如计算峰值间隔的平均值。之后,取得部11将峰值间隔或峰值间隔的平均值除以传感器数据的采样率,取得表示与秒数相当的峰值间隔的数据作为附加数据。
之后,生成部12参照数据库,计算与附加数据对应的脉搏数。此时,生成部12参照存储在数据库中的脉搏数用分类信息。脉搏数用分类信息例如表示将60[秒]除以峰值间隔的函数。因此,生成部12例如能够计算出与附加数据(峰值间隔=0.85[秒])对应的脉搏数(=71[bpm])。由此,生成部12能够生成包含脉搏数的附加信息。
<呼吸数的计算>
例如在计算呼吸数的情况下,如图9的(b)所示,取得部11对传感器数据实施上述的滤波处理,并提取脉搏波数据。
之后,取得部11对脉搏波数据实施傅里叶变换处理。在傅里叶变换处理中,例如将表示采样时间对振幅的脉搏波数据变换为表示频率对强度的频率数据。由此,取得部11取得与脉搏波数据对应的频率数据。
之后,取得部11对频率数据实施最大频率检测处理。在最大频率检测处理中,确定频率数据中的0.15~0.35Hz之间的最大强度的频率。由此,取得部11取得确定出的频率的值作为附加数据。
之后,生成部12参照数据库,计算与附加数据对应的呼吸数。此时,生成部12参照存储在数据库中的呼吸数用分类信息。呼吸数用分类信息例如表示对确定出的频率乘以60[秒]的函数。因此,生成部12例如能够计算出与附加数据(确定出的频率=0.225Hz)对应的呼吸数(=13.5[bpm])。由此,生成部12例如能够生成包含呼吸数的附加信息。
这样,在生物体信息运算装置1中,能够根据附加信息所包含的生物体信息的内容来设定针对传感器数据的预处理,并任意地设定要参照的数据库的内容。
此外,作为生物体信息,除了上述的脉搏数、呼吸数之外,例如还能够使用血糖值、血压、血管年龄、糖尿病的程度、血中二氧化碳的特征等这样的能够基于脉搏波计算出的信息。另外,“血中二氧化碳的特征”表示用户的血液中所含的二氧化碳的程度。作为血中二氧化碳的特征,例如除了使用血中二氧化碳分压(PaCO2)的值以外,可以使用血中二氧化碳的溶解浓度、血液中所含的重碳酸盐/碳酸氢盐(HCO3 -)的浓度,还可以使用根据状况考虑了血液的pH的值。
另外,也可以根据要计算的生物体信息的内容来将用于计算的分类信息(预备分类信息)预先存储于数据库。在该情况下,将表示上述学习用脉搏波的预备输入数据和包含与预备输入数据相关联的生物体信息的预备参照数据的一对作为预备学习用数据,并且准备多个预备学习用数据。然后,例如学习部15使用多个预备学习用数据来生成预备分类信息,并将预备分类信息存储到数据库中。
此外,预备参照数据所包含的生物体信息例如与上述的参照数据同样地,能够通过如下方式来取得:使用用于计测需要的生物体信息的计测装置,以被检者为对象进行计测。另外,预备分类信息的学习方法能够使用与上述的分类信息相同的方法。
本实施方式中的生物体信息运算系统100例如如图10所示,也可以输出所生成的附加信息。在该情况下,能够利用参照与评价结果不同的信息而生成的附加信息,用户等能够实施多方面的判断。由此,能够容易地实现与用户的要求对应的适当的评价。
根据本实施方式,在上述的实施方式的效果的基础上,取得部11基于脉搏波,取得表示与评价数据不同的特征的附加数据。另外,生成部12生成基于附加数据的附加信息。即,根据基于1个脉搏波生成的评价结果及附加信息来生成综合评价结果。因此,通过使用基于同一参数的多种信息,能够实现基于多方面的观点的综合评价。由此,能够更高精度地生成与用户的运动能力相关的信息。
(第4实施方式:生物体信息运算系统100)
接下来,对第4实施方式中的生物体信息运算系统100的一例进行说明。上述的实施方式与第4实施方式的不同点在于,在第4实施方式中,在生成步骤S120中取得上述的附加信息。此外,对于与上述的实施方式相同的内容,省略说明。
在本实施方式中的生物体信息运算系统100中,例如如图11所示,生成步骤S120包括取得附加信息并基于评价数据及附加信息来生成评价结果。
附加信息与上述内容相同,例如由用户经由输入部108等输入,由生成部12等取得。
生成部12例如也可以根据附加信息的内容来决定针对评价数据的运算方法。在该情况下,与附加信息的每个种类对应的不同的函数等被存储在保存部104、评价用数据库内。此外,生成部12例如也可以基于将评价数据和附加信息组合而成的信息来生成评价结果。
根据本实施方式,在上述的实施方式的效果的基础上,生成部12取得附加信息,并基于评价数据及附加信息来生成评价结果。因此,能够生成在评价数据的基础上还考虑了用户的特征的多方面的评价结果。由此,能够更高精度地生成与用户的运动能力相关的信息。
(第5实施方式:生物体信息运算系统100)
接下来,对第5实施方式中的生物体信息运算系统100的一例进行说明。上述的实施方式与第1实施方式的不同点在于,在第5实施方式中,从多个分类信息中选择与评价数据相适的分类信息。此外,对于与上述的实施方式相同的内容,省略说明。
在本实施方式的生物体信息运算装置1中,例如如图12所示,生成步骤S120包括选择步骤S121和按属性生成步骤S122。
在选择步骤S121中,参照预备评价数据,在多个按属性分类信息中选择特定的分类信息(例如第1分类信息)。选择步骤S121例如能够由生成部12所包含的选择部执行。
预备评价数据表示与评价数据不同的特征,例如表示与上述的附加数据相同的特征。预备评价数据例如也可以与上述的附加数据同样地用于生成附加信息等。
在按属性生成步骤S122中,生物体信息运算装置1参照选择出的第1分类信息,计算与评价数据对应的血中乳酸值,生成评价结果。按属性生成步骤S122例如能够由生成部12所包含的按属性生成部执行。
多个按属性分类信息分别使用不同的学习用数据来计算。例如,在使用与被检者的加速度脉搏波相当的数据作为学习用数据的输入数据的情况下,例如按照图13那样的7种(A~G)准备输入数据,生成7种属性分类信息。
在这样的多个按属性分类信息存储于数据库的情况下,例如取得部11取得与用户的加速度脉搏波相当的评价数据以及预备评价数据。然后,生成部12参照预备评价数据来选择第1分类信息。之后,生成部12参照第1分类信息,生成与评价数据对应的评价结果。因此,能够在各属性分类信息中选择最适合用户的分类信息。
此外,例如在使用与被检者的速度脉搏波相当的数据作为学习用数据的输入数据的情况下,例如也可以按照图14那样的2种(组1、组2)准备输入数据,生成2种属性分类信息。
在此,关于图13所示的与加速度脉搏波相当的数据,容易进行基于特征的详细的分类,但另一方面,在计算血中乳酸值时,有可能会伴随峰值的误检测等而导致精度降低。另外,相较于与加速度脉搏波相当的数据,难以针对图14所示的与速度脉搏波相当的数据进行基于特征的详细分类,但由于峰值的误检测等较少,因此能够高精度地计算血中乳酸值。
基于上述内容,多个属性分类信息例如包含图13那样的与加速度脉搏波相当的数据,来作为为了选择特定的分类信息而使用的选择用数据,也可以对生成属性分类信息时的学习用数据采用与速度脉搏波相当的数据。
在该情况下,作为取得步骤S110,例如取得部11根据基于用户的脉搏波的传感器数据来取得与速度脉搏波相当的数据作为评价数据。另外,取得部11根据传感器数据来取得与加速度脉搏波相当的数据作为预备评价数据。
接着,作为选择步骤S121,例如生成部12参照预备评价数据,在包含与加速度脉搏波相当的数据的多个选择用数据中,确定与预备评价数据最相似的选择用数据(第1选择用数据),选择与第1选择用数据相关联的第1分类信息。然后,作为按属性生成步骤S122,生成部12参照第1分类信息,生成与评价数据对应的评价结果。由此,能够实现评价精度的进一步提高。
在此,对在上述的选择用数据等中使用的数据的一例进行说明。
例如,如图13所示,在加速度脉搏波中存在拐点a~e。例如,在进行了如下归一化的情况下,能够利用根据各拐点的值和其差的大小关系进行分类的方法,将加速度脉搏波分类为7个模式,其中,在该归一化中,将加速度脉搏波中的最大的峰值设为a点,从a点起依次将各拐点设为b点、c点、d点、e点,将a点设为1,将作为最小值的b点或d点设为0。首先,在拐点的值为b<d的情况下,分类为模式A或B。如果b<d且c≥0.5,则分类为A,否则分类为B。接着,在拐点的值为b≒d的情况下,分类为模式C或D。在b≒d且c≒0的情况下分类为模式D,否则分类为模式C。最后,在b>d的情况下,能够分类为模式E、F、G中的任意模式。如果b>d且b<c,则分类为模式E,如果b≒c,则分类为模式F,如果b>c,则分类为模式G。
例如,生成部12判断预备评价数据例如符合图13的哪个模式,确定第1选择用数据。例如,如果所输入的预备评价数据的拐点b比拐点d小且拐点c≥0.5,则将模式A作为第1选择用数据。由此,能够参照与评价数据的特征相适的分类信息,高精度地计算血中乳酸值。
根据本实施方式,在上述实施方式的效果的基础上,生成部12还包括:选择部,其参照预备评价数据,选择第1分类信息;以及按属性生成部,其参照第1分类信息,生成与评价数据对应的评价结果。因此,能够在选择了最适合于脉搏波的特征的属性分类信息的基础上,生成与评价数据对应的评价结果。由此,能够实现评价精度的进一步提高。
另外,根据本实施方式,取得部11取得与基于脉搏波的速度脉搏波相当的数据作为评价数据。另外,取得部11取得与基于脉搏波的加速度脉搏波相当的数据作为预备评价数据。因此,能够使用与速度脉搏波相比容易对脉搏波的特征进行分类的加速度脉搏波来选择属性分类信息。另外,能够使用与加速度脉搏波相比容易计算血中乳酸值的速度脉搏波来生成评价结果。由此,能够实现评价精度的进一步提高。
对本发明的实施方式进行了说明,但该实施方式是作为例子而示出的,并不意图限定发明的范围。这样的新实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、置换、变更。该实施方式、其变形包含在发明的范围、主旨中,并且包含在权利要求书所记载的发明及其均等的范围内。
标号说明
1:生物体信息运算装置
3:通信网
4:服务器
5:传感器
6:检测部
10:壳体
11:取得部
12:生成部
13:输出部
14:存储部
15:学习部
50:取得部
51:通信I/F
52:存储器
53:命令部
54:内部总线
55:腕带
100:生物体信息运算系统
101:CPU
102:ROM
103:RAM
104:保存部
105:I/F
106:I/F
107:I/F
108:输入部
109:显示部
110:内部总线
S110:取得步骤
S120:生成步骤
S130:输出步骤
S140:综合评价步骤
Claims (9)
1.一种生物体信息运算系统,该生物体信息运算系统生成用户的血中乳酸值,
所述生物体信息运算系统的特征在于,具备:
取得单元,其取得基于所述用户的脉搏波的评价数据;
数据库,其存储有分类信息,该分类信息是通过将输入数据和参照数据的一对作为学习用数据而使用多个所述学习用数据生成的,其中,所述输入数据是基于预先取得的学习用脉搏波的数据,所述参照数据是包含与所述输入数据相关联的血中乳酸值的数据;以及
生成单元,其参照所述数据库,生成与所述评价数据对应的包含所述血中乳酸值的评价结果。
2.根据权利要求1所述的生物体信息运算系统,其特征在于,
所述分类信息是使用以所述输入数据为说明变量、以所述参照数据为目标变量的PLS回归分析而得到的校准模型。
3.根据权利要求1所述的生物体信息运算系统,其特征在于,
所述生物体信息运算系统具备综合评价单元,该综合评价单元取得表示所述用户的特征的附加信息,并基于所述评价结果和所述附加信息来生成对所述用户的运动能力进行了评价的综合评价结果。
4.根据权利要求3所述的生物体信息运算系统,其特征在于,
所述取得单元基于所述脉搏波,取得表示与所述评价数据不同的特征的附加数据,
所述生成单元生成基于所述附加数据的所述附加信息。
5.根据权利要求3或4所述的生物体信息运算系统,其特征在于,
所述附加信息表示压力水平、脉搏数、呼吸数、血糖值、血压、血中二氧化碳的特征以及运动量中的至少任意一个。
6.根据权利要求1所述的生物体信息运算系统,其特征在于,
所述取得单元基于所述脉搏波,取得表示与所述评价数据不同的特征的附加数据,
所述生成单元参照所述数据库,生成与所述附加数据对应的表示所述用户的特征的附加信息。
7.根据权利要求1所述的生物体信息运算系统,其特征在于,
所述生成单元取得表示所述用户的特征的附加信息,基于多个所述评价数据和所述附加信息来生成所述评价结果。
8.根据权利要求1所述的生物体信息运算系统,其特征在于,
所述取得单元基于所述脉搏波,取得与所述评价数据不同的预备评价数据,
所述分类信息包含分别使用不同的所述学习用数据计算出的多个按属性分类信息,
所述生成单元包括:
选择单元,其参照所述预备评价数据,在多个所述按属性分类信息中选择第1分类信息;以及
按属性生成单元,其参照所述第1分类信息,生成与所述评价数据对应的所述评价结果。
9.根据权利要求8所述的生物体信息运算系统,其特征在于,
所述取得单元取得与基于所述脉搏波的速度脉搏波相当的数据作为所述评价数据,
取得与基于所述脉搏波的加速度脉搏波相当的数据作为所述预备评价数据。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-148048 | 2020-09-03 | ||
JP2020-148047 | 2020-09-03 | ||
JP2020148048A JP6851665B1 (ja) | 2020-09-03 | 2020-09-03 | 生体情報演算システム |
JP2020148047A JP6851664B1 (ja) | 2020-09-03 | 2020-09-03 | 生体情報演算システム |
JP2021032877A JP7083193B1 (ja) | 2021-03-02 | 2021-03-02 | 生体情報演算システム |
JP2021-032877 | 2021-03-02 | ||
PCT/JP2021/032233 WO2022050335A1 (ja) | 2020-09-03 | 2021-09-02 | 生体情報演算システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116157062A true CN116157062A (zh) | 2023-05-23 |
Family
ID=80491080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180054319.0A Pending CN116157062A (zh) | 2020-09-03 | 2021-09-02 | 生物体信息运算系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240016423A1 (zh) |
EP (1) | EP4210065A4 (zh) |
KR (1) | KR20230062851A (zh) |
CN (1) | CN116157062A (zh) |
TW (1) | TW202219981A (zh) |
WO (1) | WO2022050335A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016195661A (ja) | 2015-04-03 | 2016-11-24 | セイコーエプソン株式会社 | 運動効果判定方法、および運動効果判定システム |
JP6770749B2 (ja) * | 2015-07-17 | 2020-10-21 | Blue Wych合同会社 | 運動能力及び運動の評価システム |
US10327709B2 (en) * | 2015-08-12 | 2019-06-25 | Massachusetts Institute Of Technology | System and methods to predict serum lactate level |
US20170258367A1 (en) * | 2016-03-08 | 2017-09-14 | bOMDIC Inc. | Method and device for real-time monitoring maximal oxygen consumption |
JP6884718B2 (ja) * | 2018-02-22 | 2021-06-09 | 京セラ株式会社 | 電子機器、推定システム、推定方法及び推定プログラム |
-
2021
- 2021-09-02 CN CN202180054319.0A patent/CN116157062A/zh active Pending
- 2021-09-02 KR KR1020237011084A patent/KR20230062851A/ko unknown
- 2021-09-02 WO PCT/JP2021/032233 patent/WO2022050335A1/ja active Application Filing
- 2021-09-02 EP EP21864390.6A patent/EP4210065A4/en active Pending
- 2021-09-02 US US18/043,795 patent/US20240016423A1/en active Pending
- 2021-09-02 TW TW110132642A patent/TW202219981A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
KR20230062851A (ko) | 2023-05-09 |
EP4210065A1 (en) | 2023-07-12 |
EP4210065A4 (en) | 2024-02-28 |
US20240016423A1 (en) | 2024-01-18 |
TW202219981A (zh) | 2022-05-16 |
WO2022050335A1 (ja) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6899609B1 (ja) | 生体情報演算システム、及びサーバ | |
JP6918394B1 (ja) | 生体情報演算システム | |
JP7131904B2 (ja) | 生活習慣管理装置、方法およびプログラム | |
CN116157062A (zh) | 生物体信息运算系统 | |
JP7083195B1 (ja) | 生体情報演算システム | |
JP7083193B1 (ja) | 生体情報演算システム | |
JP7083194B1 (ja) | 生体情報演算システム | |
CN116018088A (zh) | 生物体信息运算系统 | |
WO2022050336A1 (ja) | 生体情報演算システム | |
JP6845520B1 (ja) | 生体情報演算システム | |
JP7142997B1 (ja) | 生体情報演算システム、サーバ、及び生体情報演算方法 | |
US20230309932A1 (en) | Biometric information computing system, server, and data structure | |
JP2022075457A (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
JP6851664B1 (ja) | 生体情報演算システム | |
JP7240052B1 (ja) | 情報処理システム、サーバ、情報処理方法、プログラム及び学習モデル | |
US20240090827A1 (en) | Methods and Systems for Improving Measurement of Sleep Data by Classifying Users Based on Sleeper Type | |
JP2023038746A (ja) | 分類システム、分類方法、及びプログラム | |
JP2022042920A (ja) | 生体情報演算システム | |
JP2022042597A (ja) | 生体情報演算システム |
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 |