JP2015104596A

JP2015104596A - 症状判別装置

Info

Publication number: JP2015104596A
Application number: JP2013248816A
Authority: JP
Inventors: 松井　岳巳; Takemi Matsui; 岳巳松井; 光鎬孫; Guanghao Sun; 重人阿部; Shigeto Abe
Original assignee: Tokyo Metropolitan Public University Corp
Current assignee: Tokyo Metropolitan Public University Corp
Priority date: 2013-12-02
Filing date: 2013-12-02
Publication date: 2015-06-08
Anticipated expiration: 2033-12-02
Also published as: JP6300264B2

Abstract

【課題】有病者を健康体と誤判定することを低減し、有病者の検出精度を向上させること。【解決手段】被験者の体温を測定する体温測定手段（Ｃ１Ａ）と、前記被験者の心拍数を測定する心拍数測定手段（Ｃ１Ｂ）と、前記被験者の呼吸数を測定する呼吸数測定手段（Ｃ１Ｃ）と、測定された体温、心拍数および呼吸数に基づいて、自己組織化マップを作成するマップ作成手段（Ｃ７）と、作成された前記自己組織化マップに基づいて、被験者を、正常、軽症および重症の３分類のいずれかに、ｋ−ｍｅａｎｓ法を使用して分類する分類手段（Ｃ８）と、を備えたことを特徴とする症状判別装置（Ｓ）。【選択図】図２

Description

本発明は、病気に罹患した被験者の症状を判別する症状判別装置に関する。

従来より、人間や動物等の被験者の体温等の身体情報を測定することにより、被験者の健康状態を診断する診断装置が知られている。特に、空港等の検疫では、インフルエンザやＳＡＲＳ（Severe Acute Respiratory Syndrome、重症急性呼吸器症候群）等のウィルスや細菌や原虫（マラリアを引き起こすマラリア原虫、アフリカ睡眠病を引き起こすトリパノソーマ等）等、いわゆる、病原体の上陸を水際で防ぐために、渡航者等の健康状態を迅速且つ簡易に診断する必要があるため、高精度な診断が可能となる診断装置に対する需要が一層高まっており、研究・開発等が積極的に行われている。
被験者が病気に罹患、発病しているか否かを判定するための技術として、下記の特許文献１および非特許文献１〜３に記載の技術が従来公知である。

特許文献１としての特開２００８−０１４４３８号公報には、マイクロ波レーダーとサーモグラフィを併用し、数秒程度で非接触且つ着衣の上から呼吸、心拍、体表面温度を計測し、有熱者の疑いのある人を検出する技術が記載されている。特許文献１に記載の技術では、体表面温度（X₁）、呼吸数（X₂）、心拍数（X₃）に基づいて、有病体判別値（Z＝a₀＋a₁X₁＋a₂X₂＋a₃X₃）を演算し、有病体判別値（Z）と閾値とを比較して有病体の判定を行っている。

非特許文献１には、熱画像を撮像するサーモグラフィにより、高熱の人を検出する技術が記載されている。
非特許文献２，３には、呼吸、心拍、体表面温度から、自己組織化マップを作成して、ｋ−ｍｅａｎｓ法で、有病体で「ある」か「否」かに分類する技術が記載されている。

特開２００８−０１４４３８号公報（「００４５」、「００６１」〜「００６２」）

"赤外線サーモグラフィによるパンデミック対策事例の紹介"、「online」、２０１０年、ＮＥＣAvio赤外線テクノロジー、「２０１３年６月６日検索」、インターネット＜ＵＲＬ：http://jpn.nec.com/techrep/journal/g10/n03/pdf/100312.pdf＞ Sun G. et.al. "A novel infection screening method using a neural network and k-means clustering algorithm which can be applied for screening of unknown or unexpected infectious diseases.", J.infect ,2012 Dec ,65(6) 591-2 Sun G. et.al. "A novel Non-contact Infection Screening System Based on Self-Organizing Map with K-means Clustering.", Communications in Computer and Information Science ,2011 ,Volume258 ,125-132

（従来技術の問題点）
非特許文献１のように、前記渡航者の体表面温度の熱画像を撮像して渡航者の体温を測定する技術では、例えば、渡航者が解熱剤を服用していたり、発汗により体表面温度が低下している場合、あるいは、夏の高温環境等では、有病体と判定されない場合があり、精度が低い問題がある。
また、特許文献１に記載の技術では、有病体判別値（判別式）を使用する判定は、閾値を超える、超えないという線形判別法であり、特に、閾値の近傍における判別が難しく、有病者を健康体であると誤判定することがあり、検出精度が十分では無いという問題がある。
さらに、非特許文献２，３に記載の技術では、非特許文献１とは異なり、非線形判別法ではあるが、有病体であるか否かの判別を行った場合に、やはり、有病者を健康体であると誤判定することがあり、検出精度が十分ではないという問題がある。

本発明は、有病者を健康体と誤判定することを低減し、有病者の検出精度を向上させることを技術的課題とする。

前記技術的課題を解決するために、請求項１に記載の発明の症状判別装置は、
被験者の体温を測定する体温測定手段と、
前記被験者の心拍数を測定する心拍数測定手段と、
前記被験者の呼吸数を測定する呼吸数測定手段と、
測定された体温、心拍数および呼吸数に基づいて、自己組織化マップを作成するマップ作成手段と、
作成された前記自己組織化マップに基づいて、被験者を、正常、軽症および重症を少なくとも含む分類に、ｋ−ｍｅａｎｓ法を使用して分類する分類手段と、
を備えたことを特徴とする。

請求項２に記載の発明は、請求項１に記載の症状判別装置において、
前記被験者の年齢の情報を取得する年齢取得手段と、
前記被験者の性別の情報を取得する性別取得手段と、
測定された体温、心拍数、呼吸数に、年齢および性別の情報を加えて、自己組織化マップを作成する前記マップ作成手段と、
を備えたことを特徴とする。

請求項３に記載の発明は、請求項１または２に記載の症状判別装置において、
測定が行われる環境の情報を取得する環境取得手段と、
測定された体温、心拍数、呼吸数に環境の情報を加えて、自己組織化マップを作成する前記マップ作成手段と、
を備えたことを特徴とする。

請求項１に記載の発明によれば、本発明の構成を有しない場合に比べて、有病者を健康体と誤判定することを低減し、有病者の検出精度を向上させることができる。
請求項２に記載の発明によれば、年齢および性別を考慮しない場合に比べて、有病者の検出精度を向上させることができる。
請求項３に記載の発明によれば、環境を考慮しない場合に比べて、有病者の検出精度を向上させることができる。

図１は本発明の実施例１の症状判別装置の全体説明図である。図２は本発明の実施例１のパーソナルコンピュータの制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。図３は実施例１の自己組織化マップと分類の概略説明図である。図４は実施例１の分類結果の画像の説明図である。図５は実施例１の症状判別プログラムの症状判別処理のフローチャートである。図６は実験例１の実験結果の説明図である。図７は比較例１および実験例２の結果の説明図であり、図７Ａは比較例１の実験結果の説明図、図７Ｂは実験例２の実験結果の説明図である。

次に図面を参照しながら、本発明の実施の形態の具体例（以下、実施例と記載する）を説明するが、本発明は以下の実施例に限定されるものではない。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。

図１は本発明の実施例１の症状判別装置の全体説明図である。
図１において、本発明の実施例１の症状判別装置Ｓは、被検体の一例としての人間（被験者、被検者）の生体情報を測定する測定装置１を有する。測定装置１は、内部に図示しない電源装置や電気回路等を内蔵する本体部２を有する。本体部２の上面２ａには、被験者３が手を乗せることが可能になっている。また、上面２ａには、心拍測定部材の一例としてのパルスオキシメータ４が支持されている。パルスオキシメータ４は、被験者３の指を挿入することで、指の血管の脈波から、生体情報の一例としての心拍数やＳｐＯ２（酸素飽和度）を測定可能に構成されている。

本体部２の前面には、被験者３の胸部に対面する位置に、呼吸数の測定部材の一例としての呼吸数レーダ６が配置されている。実施例１の呼吸数レーダ６は、一例として、１０ＧＨｚ帯のドップラーセンサーが使用されている。したがって、呼吸数レーダ６は、被験者３の胸部に対してマイクロ波を照射して、胸部からの反射波を測定することで、被験者３の呼吸に応じた胸部の変動を検出可能に構成されている。なお、周波数帯やセンサは、例示した構成に限定されず、呼吸数が取得可能な任意の構成に変更可能である。
本体部２の後部には、体温の測定部材の一例としてのサーモグラフィ装置７が支持されている。実施例１のサーモグラフィ装置７は、被験者３の顔の体表面温度の分布画像である熱画像を撮像可能な角度だけ上方に傾斜して配置されている。

実施例１の測定装置１には、ケーブル８を介して、情報処理装置の一例としてのパーソナルコンピュータ１１が接続されている。パーソナルコンピュータ１１は、コンピュータ本体１２と、表示部の一例としてのディスプレイ１３と、入力部の一例としてのキーボード１４およびマウス１５を有する。
パーソナルコンピュータ１１には、ケーブル１６を介して、情報読取部材の一例としてのＩＣカードリーダ２１が接続されている。実施例１のＩＣカードリーダ２１は、パスポートに埋め込まれたＩＣチップに記憶された被験者の情報の一例としての被験者の年齢（生年月日）および性別の情報を読み取ることが可能に構成されている。なお、パスポートにＩＣチップが埋め込まれていない場合には、キーボード１４およびマウス１５を使用して、年齢や性別を入力可能である。

（実施例１のパーソナルコンピュータ１１の制御部の説明）
図２は本発明の実施例１のパーソナルコンピュータの制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。
図２において、パーソナルコンピュータ１１のコンピュータ本体１２の制御部は、外部との信号の入出力および入出力信号レベルの調節等を行うＩ／Ｏ（入出力インターフェース）、必要な処理を行うためのプログラムおよびデータ等が記憶されたＲＯＭ（リードオンリーメモリ）、必要なデータを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ）、ハードディスクやＲＯＭ等に記憶されたプログラムに応じた処理を行うＣＰＵ（中央演算処理装置）、ならびにクロック発振器等を有している。
前記構成のパーソナルコンピュータ１１は、ハードディスクやＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。

パーソナルコンピュータ１１のハードディスクドライブには、パーソナルコンピュータ１１の基本動作を制御する基本ソフト（オペレーティングシステム）ＯＳや、アプリケーションプログラムとしての症状判別プログラムＡＰ１、その他の図示しないソフトウェア（文書作成ソフトウェアや製図ソフトウェア等）が記憶されている。

（パーソナルコンピュータ１１のコンピュータ本体１２に接続された信号出力要素）
コンピュータ本体１２には、前記パルスオキシメータ４や呼吸数レーダ６、サーモグラフィ装置７、キーボード１４、マウス１５、ＩＣカードリーダ２１等の信号出力要素からの出力信号が入力されている。

（コンピュータ本体１２に接続された被制御要素）
パーソナルコンピュータ１１のコンピュータ本体１２は、ディスプレイ１３、その他の図示しない制御要素に接続され、各制御要素へ制御信号を出力している。

（症状判別プログラムＡＰ１の機能）
症状判別プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
Ｃ１：生体情報取得手段
生体情報取得手段Ｃ１は、体温測定手段Ｃ１Ａと、心拍数測定手段Ｃ１Ｂと、呼吸数測定手段Ｃ１Ｃと、を有し、被験者の生体情報の一例としての、体温、心拍数、呼吸数を取得する。
Ｃ１Ａ：体温測定手段
体温測定手段Ｃ１Ａは、サーモグラフィ装置７の測定結果に基づいて、被験者の体温を測定する。実施例１の体温測定手段Ｃ１Ａは、サーモグラフィ装置７で測定された被験者の顔の表面の温度分布およびその面積に基づいて、被験者の顔の表面の平均温度を体温として測定する。なお、体温の測定方法は、従来公知の種々の方法を採用可能であり、例えば、特許文献１等に記載されているため、詳細な説明は省略する。

Ｃ１Ｂ：心拍数測定手段
心拍数測定手段Ｃ１Ｂは、パルスオキシメータ４の測定結果に基づいて、被験者の心拍数を測定する。
Ｃ１Ｃ：呼吸数測定手段
呼吸数測定手段Ｃ１Ｃは、呼吸数レーダ６の測定結果に基づいて、被験者の呼吸数を測定する。
なお、心拍数や呼吸数の測定においても、従来公知の種々の方法を採用可能であり、例えば、特許文献１等に記載されているため、詳細な説明は省略する。

Ｃ２：被験者情報取得手段
被験者情報取得手段Ｃ２は、入力情報記憶手段Ｃ２Ａと、年齢取得手段Ｃ２Ｂと、性別取得手段Ｃ２Ｃと、を有し、被験者の情報の一例としての年齢および性別の情報を取得する。
Ｃ２Ａ：入力情報記憶手段
入力情報記憶手段Ｃ２Ａは、キーボード１４やマウス１５により入力された年齢および性別の情報を記憶する。

Ｃ２Ｂ：年齢取得手段
年齢取得手段Ｃ２Ｂは、ＩＣカードリーダ２１の読取結果に基づいて、被験者の年齢の情報を取得する。なお、実施例１の年齢取得手段Ｃ２Ｂは、ＩＣカードリーダ２１から年齢の情報が取得できなかった場合には、入力情報記憶手段Ｃ２Ａに記憶された年齢の情報を取得する。
Ｃ２Ｃ：性別取得手段
性別取得手段Ｃ２Ｃは、ＩＣカードリーダ２１の読取結果に基づいて、被験者の性別の情報を取得する。なお、実施例１の性別取得手段Ｃ２Ｃは、ＩＣカードリーダ２１から性別の情報が取得できなかった場合には、入力情報記憶手段Ｃ２Ａに記憶された性別の情報を取得する。
Ｃ３：環境情報取得手段
環境情報取得手段Ｃ３は、測定が行われる時点における環境を取得する。実施例１の環境情報取得手段Ｃ３は、パーソナルコンピュータ１１に記憶されたカレンダー情報に基づいて、現在の日付（何月何日）を取得する。

Ｃ４：記号変換手段
記号変換手段Ｃ４は、年齢、性別、環境の情報を、後述する自己組織化マップで使用できるように、予め設定された変換規則に基づいて、数値に変換する。実施例１の記号変換手段Ｃ４では、一例として、年齢を、「０歳〜１４歳」の幼少年は「０」に変換し、「１５歳〜３０歳」の青年は「１」に変換し、「３１歳〜４４歳」の壮年は「２」に変換し、「４５歳〜６４歳」の中年は「３」に変換し、「６５歳以上」の高年は「４」に変換する。また、実施例１の記号変換手段Ｃ４では、一例として、性別を、「男性」は「０」に変換し、「女性」は「１」に変換する。さらに、実施例１の記号変換手段Ｃ４では、一例として、季節を、「３月〜５月の春」は「０」に変換し、「６月〜８月の夏」は「１」に変換し、「９月〜１１月の秋」は「２」に変換し、「１２月、１月、２月の冬」は「４」に変換する。

Ｃ５：データベース記憶手段
データベース記憶手段Ｃ５は、過去に生体情報の取得を行った被験者の情報のデータベースを記憶する。
Ｃ６：サンプルデータ取得手段
サンプルデータ取得手段Ｃ６は、被験者の判定を行う場合に必要な複数のサンプルデータを、データベースから取得する。実施例１のサンプルデータ取得手段Ｃ６は、一例として、データベース記憶手段Ｃ５に記憶された９９人分のサンプルデータを取得する。実施例１では、このとき、予め重症と診断された一人分のサンプルデータと、予め健康体であると診断された一人分のサンプルデータと、を取得すると共に、残りの９７人分のサンプルデータは、乱数に基づいてランダムに取得する。

図３は実施例１の自己組織化マップと分類の概略説明図である。
Ｃ７：マップ作成手段
マップ作成手段Ｃ７は、被験者の体温、心拍、呼吸数に基づいて、自己組織化マップを作成する。実施例１のマップ作成手段Ｃ７は、体温等の情報を含む生体情報及び変換後の年齢、性別、環境からなる被験者データと、サンプルデータ取得手段Ｃ６が取得したサンプルデータと、に基づいて、自己組織化マップ（Self Organizing Map :SOM）を作成する。実施例１のマップ作成手段Ｃ７は、多次元（実施例１では、体温、心拍、呼吸数、年齢、性別、環境からなる６次元）のデータを、２次元平面上にマッピングすることで、自己組織化マップを作成する。一例として、実施例１では、被験者と９９人分のサンプルデータからなる１００人分の入力データXi（＝(Xi1,Xi2,Xi3,Xi4,Xi5,Xi6)、ｉ＝1〜100）について、２０×２０の広さ、すなわち、４００個のＳＯＭユニットを持つ２次元平面上にマッピングする。

自己組織化マップでは、ＳＯＭのユニットは、６次元ベクトルと見なせる入力データｘｉと同次元の参照ベクトルｍｊ（=(mj1,mj2,mj3,mj4,mj5,mj6)、ｊ＝1〜400）が、乱数に基づいてランダムに割り振られており、入力データ（入力ベクトル）に最も近い参照ベクトルを有するユニットが勝者ユニットとなる。なお、入力データに最も近い参照ベクトルの判断方法は、例えば、入力ベクトルと参照ベクトルとの内積（Xi・mj）が最大となる参照ベクトルとしたり、入力ベクトルの長さと参照ベクトルの長さの差（｜Xi｜−｜mj｜）が最小となる参照ベクトルとする等、任意の方法が採用可能である。
そして、勝者ユニットに、入力データがマッピングされると共に、勝者ユニットの周囲のユニットに対して、周囲のユニットの参照ベクトルを、入力ベクトルに近づける学習が行われる。なお、学習は、時間（学習回数）をtとし、学習率をhci(t)とした場合に、従来公知の以下の式（１）に基づいて行うことが可能である。
mj(t+1)=mj(t) + hci(t)[xi(t) - mj(t)] …式（１）

そして、この処理を、１００人分繰り返すことで、１００人分の入力データが、教師無し（予備知識無し）で、２次元平面上にマッピングされる。このとき、１つの勝者ユニットが決定される度に周囲のユニットの学習が行われるため、似た特徴のデータは近い場所にマッピングされやすく、異なる特徴のデータは遠い場所にマッピングされやすい。
なお、自己組織化マップの作成方法については、従来公知であり、例えば、非特許文献２，３や特開２００８−２３７３７７号公報や、特開２００７−５８５６５号公報、特開２００９−１８３６０８号公報等に記載されているため、詳細な説明は省略する。

Ｃ８：分類手段
分類手段Ｃ８は、作成された自己組織化マップに基づいて、被験者を、正常、軽症および重症の３分類のいずれかに、ｋ−ｍｅａｎｓ法を使用して分類する。実施例１の分類手段Ｃ８は、２次元平面上に１００人分の入力データがマッピングされた自己組織化マップにおいて、ｋ＝３のK-means法により３つのクラスタに分類する。具体的には、自己組織化マップにおける各入力データがマッピングされた点の座標データを取得する。そして、（i）各点に、３つのクラスタのいずれか１つを、ランダムに割り当てる。次に、（ii）各クラスタ毎に、座標データから重心の座標を計算する。次に、（iii）各点のクラスタを、距離が一番近い重心のクラスタに変更する。そして、全ての点でクラスタの変更が無くなるまで、（ii）、（iii）の処理を繰り返す。
そして、３つのクラスタにおいて、健康体の一人分のデータが含まれるクラスタを「健康体」のクラスタと判定し、重症の一人分のデータが含まれるクラスタを「重症」のクラスタと判定し、健康体、重症のいずれも含まれないクラスタを「軽症」のクラスタと判定する。そして、判定対象の被験者３のデータが分類されているクラスタが、「健康（０）」、「軽症（１）」または「重症（２）」のいずれであるか判定する。

図４は実施例１の分類結果の画像の説明図である。
Ｃ９：分類結果出力手段
分類結果出力手段Ｃ９は、分類手段Ｃ８で分類された結果をディスプレイ１３に表示する。図４において、実施例１の分類結果出力手段Ｃ９は、ディスプレイ１３に、図４に示す診断画像３１を表示する。診断画像３１は、生体情報表示部３２を有する。生体情報表示部３２は、体温測定手段Ｃ１Ａで測定された体温が表示される体温表示部３２ａと、心拍数測定手段Ｃ１Ｂで測定された心拍数が表示される心拍表示部３２ｂと、呼吸数測定手段Ｃ１Ｃで測定された呼吸数が表示される呼吸数表示部３２ｃと、年齢取得手段Ｃ２Ｂで取得された年齢が表示される年齢表示部３２ｄと、性別取得手段Ｃ２Ｃで取得された性別が表示される性別表示部３２ｅと、分類手段Ｃ８での分類結果（診断結果）が表示される分類結果表示部３２ｆと、診断を開始する際に入力される診断開始ボタン３２ｇと、を有する。なお、実施例１では、年齢表示部３２ｄおよび性別表示部３２ｅには、キーボード１４やマウス１５を使用して、入力、変更、設定が可能に構成されている。また、生体情報表示部３２の下方には、サーモグラフィ装置７の測定結果を表示するサーモグラフィ画像表示部３３と、呼吸の測定波形を表示する呼吸表示部３４と、パルスオキシメータ４の測定波形を表示する心拍表示部３６と、が設けられている。
Ｃ１０：データベース登録手段
データベース登録手段Ｃ１０は、分類が終了した被験者３の情報を、識別番号を付与してデータベースに登録する。

（実施例１のフローチャートの説明）
次に、実施例１の症状判別プログラムＡＰ１の処理の流れをフローチャートを使用して説明する。
（実施例１の症状判別処理のフローチャートの説明）
図５は実施例１の症状判別プログラムの症状判別処理のフローチャートである。
図５のフローチャートの各ＳＴ（ステップ）の処理は、前記制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。

図５に示すフローチャートは、パーソナルコンピュータ１１が起動して、症状判別プログラムＡＰ１が起動した場合に開始される。
図５のＳＴ１において、診断画像３１（図４参照）を表示する。そして、ＳＴ２に進む。
ＳＴ２において、診断開始の入力、すなわち、診断開始ボタン３２ｇを選択する入力がされたか否かを判別する。イエス（Ｙ）の場合はＳＴ３に進み、ノー（Ｎ）の場合はＳＴ１０に進む。
ＳＴ３において、ＩＣカードリーダ２１または年齢表示部３２ｄ等への入力情報に基づいて、被験者の年齢、性別の情報を取得すると共に、日付の情報（環境情報）を取得する。そして、ＳＴ４に進む。

ＳＴ４において、年齢、性別、環境情報を、記号変換する。そして、ＳＴ５に進む。
ＳＴ５において、パルスオキシメータ４、呼吸数レーダ６、サーモグラフィ装置７の測定結果に基づいて、心拍数、呼吸数、体温を取得する。そして、ＳＴ６に進む。
ＳＴ６において、データベースからサンプルデータを取得する。そして、ＳＴ７に進む。
ＳＴ７において、被験者３のデータおよびサンプルデータに基づいて、ＳＯＭマップを作成する。そして、ＳＴ８に進む。
ＳＴ８において、ＳＯＭマップに基づいて、k-means法で、k=3でクラスタリングを行う。そして、ＳＴ９に進む。

ＳＴ９において、次の（１）、（２）の処理を行って、ＳＴ２に戻る。
（１）被験者３の分類結果や、体温、心拍数等の測定結果を診断画像３１に出力する。
（２）被験者３のデータに識別番号を付与して、データベースに登録する。
ＳＴ１０において、症状判別プログラムＡＰ１を終了する入力がされたか否かを判別する。イエス（Ｙ）の場合は症状判別処理を終了する。ノー（Ｎ）の場合はＳＴ１１に進む。
ＳＴ１１において、診断画像３１において、年齢表示部３２ｄ等への入力のようなその他の入力がされたか否かを判別する。イエス（Ｙ）の場合はＳＴ１２に進み、ノー（Ｎ）の場合はＳＴ２に戻る。
ＳＴ１２において、入力に応じて、診断画像３１を更新する。そして、ＳＴ２に戻る。

（実施例１の作用）
前記構成を備えた実施例１の症状判別装置Ｓでは、被験者３の症状を判断する場合に、被験者３の体温、呼吸、心拍等を測定して、被験者３のデータを含む合計１００人分のデータに基づいて、自己組織化マップを作成する。そして、自己組織化マップに基づいて、k-means法で、k=3でクラスタリングを行う。
したがって、実施例１の症状判別装置Ｓでは、自己組織化マップ（SOM）を作成する際に、１００人分のデータを、類似するデータどうしは近い位置に、類似しないデータどうしは遠い位置にマッピングしている。すなわち、健康体のサンプルデータと重症のサンプルデータが遠い位置にマッピングされ、被験者３のデータが健康体のサンプルデータに近ければ、健康体のサンプルデータの近くにマッピングされ、被験者３のデータが重症者のサンプルデータに近ければ、重症者のサンプルデータの近くにマッピングされる。したがって、インフルエンザ等に罹患した患者では、体温が比較的高く、心拍も呼吸数も比較的多い重症者のデータは、体温が比較的低く、心拍も呼吸数も安定している健康体のデータに対して、SOM上では遠く離れた位置にマッピングされやすい。そして、被験者３のデータが健康体のサンプルデータと重症のサンプルデータの中間、すなわち、症状が発症した直後や症状のピークが過ぎた軽症の状態であれば、SOM上では、健康体と重症の中間にマッピング（配置）されやすい。

そして、k-means法で、３つのクラスタに分類されることで、SOM上で近い位置のデータは同一のクラスタに分類されやすく、SOM上で遠い位置のデータは同一のクラスタに分類されやすい。よって、被験者３のデータが、SOM上で健康体のサンプルデータに近い場合は、「健康体」に分類され、重症者のデータに近い場合は「重症」に分類され、中間の場合は「軽症」に分類される。
よって、実施例１の症状判別装置Ｓでは、自己組織化マップを作成することで、１００人分のデータを一度分類した後に、k-means法で再度分類している。いわば、異なる分類方法で２度ふるいにかけている。よって、一度しかふるいにかけない技術に比べて、判定の精度を向上させることが可能である。

ここで、特許文献１に記載の従来技術のように、所定の閾値を超えるか否かで判別を行う場合には、閾値の近傍で誤判定をすることがある。すなわち、平熱の高い健康体の人（特に子ども）を有病者と判定したり、発熱を自覚して解熱剤を服用した有病者を、健康体と判定する場合がある。健康者を有病者と誤判定する場合には、医師の最終診断等で、最終的には健康体と診断されるので、インフルエンザ等の伝染病が広がる恐れは無いが、有病者を健康体と誤判定した場合は、有病者が自由に行動できることとなってしまい、有病者の移動に伴って伝染病が広がる恐れがある問題がある。
また、非特許文献２，３に記載の従来技術でも、特許文献１に比べれば、精度は向上するが、２段階の判定では、中間の部分において、やはり、特許文献１と同様に、有病者を健康体と判定する場合があるという問題がある。
さらに、特許文献１、非特許文献２，３に記載の従来の技術では、有病体か否かの判定しかできず、症状の重さ（重篤さ）については判定ができなかった。

これらに対して、実施例１の症状判別装置Ｓでは、SOMで一度分類されたデータを、k-means法で３つに分類する。よって、従来の技術では、分類できなかった症状の重さの判定を行うことができる。また、３つの分類に分かれているため、特許文献１、非特許文献２，３において、閾値、境界の近傍の場合は、「軽症」に分類されやすい。したがって、従来技術に比べて、有病者が健康体と誤判定されることが低減される。いわば、健康体（陰性）、軽症（疑陽性）、重症（陽性）の判定として使用することもできる。
また、実施例１では、体温、心拍、呼吸に加えて、年齢、性別、環境（季節）も考慮してSOMが作成される。すなわち、一般に、幼児や子どもは平熱（体温）が高かったり、心拍、呼吸も多い傾向にあり、高齢になると平熱等が低い傾向がある。また、一般的に、男性の方が女性に比べて、平熱が高い傾向があったり、心拍、呼吸は低い傾向にある。さらに、季節に応じて、平均気温や被験者の服装（夏は軽装、冬は重ね着等）が異なり、計測される体温等が季節により変動する傾向もある。よって、これらを考慮しない従来技術では、計測する個々人で精度が異なり、誤判定する恐れがあったが、実施例１では、誤判定が低減される。

（実験例）
ここで、実施例１の前記有病体検出システムＳにおいて、症状の判別や有病者の判定が精度良く判別できるかを確認するために、実験例１，２および比較例１を行った。

（実験例１）
実験例１では、実施例１の構成を使用して、４８人分の予め健康体と診断された被験者のデータと、２３人分の予め軽症と診断された被験者のデータと、１２人の予め重症と診断された被験者のデータを使用した。なお、市販のインフルエンザ検査キット等でインフルエンザのウィルスを保有している被験者は、軽症または重症とし、軽症と重症の診断は、パルスオキシメータ４で計測可能なSpO₂の値が、９６以下の場合、すなわち、血中のヘモグロビンが酸素を運搬する能力が低下している場合に、重症とした。なお、健康体のデータは「ＮＯＲ」の後に数字を付加して表示（ＮＯＲ１、ＮＯＲ２、…）し、軽症者のデータは、「ＩＮＦ」の後に数字を付加して表示（ＩＮＦ２、ＩＮＦ３、…）し、重症者のデータは「ＩＮＦ」の後に数字とSpO₂の値を付加して表示（ＩＮＦ１（９４）、ＩＮＦ１０（９５）、…）した。

（実験例２）
実験例２では、実験例１と同一のデータを使用し、k-means法でｋ＝４の場合について実験を行った。
（比較例１）
比較例１では、実験例１と同一のデータを使用し、k-means法でｋ＝２の場合、すなわち、非特許文献２，３の場合について実験を行った。
実験例１，２および比較例の実験結果を、図６および図７に示す。

図６は実験例１の実験結果の説明図である。
図６において、SOM上で、３つのクラスタに分類された結果では、健康体のクラスタには、４８人中３９人の健康体の被験者が分類され、軽症者や重症者は０名であった。また、軽症のクラスタには、２７人が分類され、２７人の内訳は、重症者２名、軽症者１６名、健康体９名であった。さらに、重症のクラスタには、１７名が分類され、１７名の内訳は、重症者１０名、軽症者７名、健康体０名であった。したがって、少なくとも、有病者（軽症者または重症者）が、健康体と誤判定されることがなく、有病者は、軽症または重症に判定されることが確認された。

図７は比較例１および実験例２の結果の説明図であり、図７Ａは比較例１の実験結果の説明図、図７Ｂは実験例２の実験結果の説明図である。
一方、図７Ａにおいて、比較例１では、３名の健康体が有病者と誤判定され、３名の有病者が健康体と誤判定された。すなわち、有病者を健康体と誤判定する問題があることが確認された。
また、図７Ｂにおいて、実験例２では、健康体、軽症、中症、重症の４つに分類した場合に、少なくとも、健康体のクラスタには、有病者が含まれなかった。ただ、健康体のクラスタに含まれる健康体のデータが、実験例１に比べて少なく、軽症のクラスタに重症の被験者も健康体の被験者も含まれ、中症のクラスタにも、健康体や重症の被験者が含まれ、重症のクラスタも重症の被験者以外が含まれているため、症状の判別精度としては、実験例１の方がより好ましいことも確認された。

（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ07）を下記に例示する。
（Ｈ01）前記実施例では、被験者を人間としたが、これに限定されず、例えば、その他の動物等の生体についても本発明を適用可能である。なお、この場合、前記生体に応じたサンプルデータが必要である。
（Ｈ02）前記実施例において、前記サーモグラフィ装置７で撮像される前記熱画像は、前記被検体の顔の熱画像に限定されず、例えば、肌が露出しているその他の範囲の熱画像を撮像することも可能である。また、体温の測定方法も、サーモグラフィを使用する構成に限定されず、体温計を使用する等、体温が測定可能な任意の方法に変更可能である。

（Ｈ03）前記実施例において、心拍数を測定する位置として、指先を例示したが、これに限定されず、例えば、手掌や背中、胸部、腹部、脚部等、心拍数を取得可能な任意の位置とすることも可能である。また、心拍数を測定する機器も、パルスオキシメータ４に限定されず、呼吸数と同様にマイクロ波のレーダを使用して、心拍数の周波数帯のフィルタをかけて、心拍の波形を測定して、波形から心拍数を測定することも可能である。他にも、従来公知の心拍数測定用のレーザー血流計や、指尖の血液の容積変動である指尖容積脈波、いわゆる、脈波を測定することにより、心拍数を測定することも可能である。なお、パルスオキシメータのような被験者への負荷が少ない構成や、マイクロ波レーダのような非接触式の負荷が少ない構成が望ましいが、心電図を測定する機器等を使用することも不可能ではない。

（Ｈ04）前記実施例において、呼吸数を測定する位置として、胸部を例示したが、これに限定されず、例えば、手掌や背中、腹部、脚部等、呼吸数を取得可能な任意の位置とすることも可能である。また、呼吸数を測定する機器として、呼吸数レーダを例示したが、これに限定されず、例えば、被験者を動画撮影して画像解析から呼吸数を測定する等、呼吸数が測定可能な任意の構成に変更可能である。
（Ｈ05）前記実施例において、年齢を記号変換する際に例示した区分けは、例示したものに限定されず、実験や設計、仕様等に応じて、区分けの年齢を変更したり、区分けの数を増減する（例えば、幼児、小学生、中学生、…のように区分けを増やす）等任意に変更可能である。同様に、環境（季節）も、「月」だけで区分けを行ったが、これに限定されず、例えば、７月１日〜９月２０日を夏とするといった区分けとすることも可能である。また、季節も、春夏秋冬の４つに区分けする構成に限定されず、例えば、「早春」、「梅雨」、「盛夏」等、の区分けを増やしたり、春と秋を１つの区分けにする等の変更も可能である。さらに、年齢、性別、季節に、測定時の天候や気温、湿度等の要素を追加したり、血圧やSpO₂を加えたりすることも可能である。また、年齢や性別、環境を含めることが望ましいが、これらのうちのいずれかまたは全てを含めない構成とすることも可能である。

（Ｈ06）前記実施例において、例示した各数値については、設計や仕様等に応じて、任意の数値に変更可能である。すなわち、ＳＯＭのユニットの数や、サンプルデータの数等は任意に変更可能である。
（Ｈ07）前記実施例において、測定装置１にパーソナルコンピュータ１１を接続した構成を例示したが、これに限定されない。例えば、測定装置１にディスプレイ１３等を設けると共に、マイクロコンピュータを測定装置１に内蔵させて、一体構造の装置（集中処理の構成）とすることも可能である。逆に、パーソナルコンピュータ１１の機能をネットワークで接続された複数のコンピュータに分散して処理する構成とすることも可能である。

本発明の症状判別装置Ｓは、例えば、空港や海港等における検疫時において、渡航者に対して、病原体に感染しているか否かを迅速且つ簡易に判別する場合に有用である。また、例えば、企業や病院等の建物において、外来者に対して、入口や窓口等における受付や問診等を行っている際に、簡易的な健康診断を行って感染症の世界的大流行（パンデミック）に際し、未曾有の人数の接触者の選別（トリアージ）や、出国に際する有病者の検出（出国検疫）にも非常に有用である。さらに、例えば、災害時において、学校の体育館等に緊急避難してきた被災者に対して、収容する際に、有病体を健常者から隔離する場合等についても有用である。

３…被験者、
Ｃ１Ａ…体温測定手段、
Ｃ１Ｂ…心拍数測定手段、
Ｃ１Ｃ…呼吸数測定手段、
Ｃ２Ｂ…年齢取得手段、
Ｃ２Ｃ…性別取得手段、
Ｃ３…環境取得手段、
Ｃ７…マップ作成手段、
Ｃ８…分類手段、
Ｓ…症状判別装置。

Claims

被験者の体温を測定する体温測定手段と、
前記被験者の心拍数を測定する心拍数測定手段と、
前記被験者の呼吸数を測定する呼吸数測定手段と、
測定された体温、心拍数および呼吸数に基づいて、自己組織化マップを作成するマップ作成手段と、
作成された前記自己組織化マップに基づいて、被験者を、正常、軽症および重症を少なくとも含む分類に、ｋ−ｍｅａｎｓ法を使用して分類する分類手段と、
を備えたことを特徴とする症状判別装置。
前記被験者の年齢の情報を取得する年齢取得手段と、
前記被験者の性別の情報を取得する性別取得手段と、
測定された体温、心拍数、呼吸数に、年齢および性別の情報を加えて、自己組織化マップを作成する前記マップ作成手段と、
を備えたことを特徴とする請求項１に記載の症状判別装置。
測定が行われる環境の情報を取得する環境取得手段と、
測定された体温、心拍数、呼吸数に環境の情報を加えて、自己組織化マップを作成する前記マップ作成手段と、
を備えたことを特徴とする請求項１または２に記載の症状判別装置。