JP2018079220A - Body condition information estimation method - Google Patents
Body condition information estimation method Download PDFInfo
- Publication number
- JP2018079220A JP2018079220A JP2016225215A JP2016225215A JP2018079220A JP 2018079220 A JP2018079220 A JP 2018079220A JP 2016225215 A JP2016225215 A JP 2016225215A JP 2016225215 A JP2016225215 A JP 2016225215A JP 2018079220 A JP2018079220 A JP 2018079220A
- Authority
- JP
- Japan
- Prior art keywords
- information
- exercise
- user
- body state
- subject
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000033001 locomotion Effects 0.000 claims description 49
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 28
- 201000010099 disease Diseases 0.000 claims description 23
- 208000035475 disorder Diseases 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 abstract description 15
- 230000001133 acceleration Effects 0.000 description 67
- 210000003205 muscle Anatomy 0.000 description 15
- 238000005259 measurement Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 210000001596 intra-abdominal fat Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 210000002027 skeletal muscle Anatomy 0.000 description 7
- 230000003187 abdominal effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 208000001145 Metabolic Syndrome Diseases 0.000 description 2
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000008035 Back Pain Diseases 0.000 description 1
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 208000008930 Low Back Pain Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000037149 energy metabolism Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 208000024765 knee pain Diseases 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 1
- 238000012314 multivariate regression analysis Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本発明は、利用者の運動情報から身体の状態に関する情報を推定する、身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムに関する。 The present invention relates to a body state information estimation method, a body state information estimation program, a body state information estimation device, and a body state information estimation system that estimate information about a body state from user motion information.
高血圧や脂質異常症、糖尿病等といった成人病は、本人の自覚がないまま進行し、放置すれば動脈硬化を引き起こして心筋梗塞や脳梗塞等を引き起こすことが知られている。このような症状は、メタボリック症候群とも呼ばれていて、肥満と関係することから腹囲や内臓脂肪面積が予測因子として利用できる。また、高齢になるにしたがって筋肉量が減少し、疾病ではないものの、腰痛や膝痛、転倒といった運動機能に関する不調が表れることがある。このような運動機能の不調は、ロコモティブ症候群とも呼ばれている。メタボリック症候群やロコモティブ症候群を予防、改善するためには、本人が自身の体の脂肪や筋肉量といった身体組成を自覚することが有効である。
身体組成を測定する機器としては、DEXA(Dual−Energy X−ray Absorptiometry)やCT(Computed Tomography)がある。ただし、このような機器は、いずれも医療機関にしか置かれていないため、利用者が頻繁に利用して身体組成を日常的にチェックすることには使い難い。
It is known that adult diseases such as hypertension, dyslipidemia, diabetes and the like progress without the consciousness of the person and cause arteriosclerosis to cause myocardial infarction or cerebral infarction if left untreated. Such a symptom is also called metabolic syndrome, and since it is related to obesity, the abdominal circumference and visceral fat area can be used as predictors. In addition, muscle mass decreases with age, and although it is not a disease, there may be problems with motor functions such as low back pain, knee pain, and falls. Such a malfunction of motor function is also called locomotive syndrome. In order to prevent and improve metabolic syndrome and locomotive syndrome, it is effective for the person to be aware of the body composition such as fat and muscle mass of his body.
Devices that measure body composition include DEXA (Dual-Energy X-ray Absormetry) and CT (Computed Tomography). However, since all such devices are only located in medical institutions, it is difficult to use them frequently by users to check body composition on a daily basis.
また、DEXAやCTよりも簡易な構成として、生体に微弱な電流を流してインピーダンスを測定することにより身体組成を測定する比較的小型の装置も市販されている。このような小型の装置を使用した測定結果に基づいて身体組成を測定する公知技術は、例えば、特許文献1に記載されている。
さらに、身体組成を測定する機器を使用せず、被験者の活動度を時系列で計測することによって被験者の状態変化を検出する生体解析装置が特許文献2に記載されている。
In addition, as a simpler configuration than DEXA and CT, a relatively small device that measures body composition by passing a weak current through a living body and measuring impedance is also commercially available. A known technique for measuring a body composition based on a measurement result using such a small device is described in Patent Document 1, for example.
Furthermore,
しかしながら、特許文献1に記載されているインピーダンスの計測は、心臓にペースメーカーが入っている者や妊婦には使用することができない。また、身体組成を毎日計測することが習慣化できない利用者もいる。さらに、特許文献2に記載されている技術は、利用者の状態を継続的に計測し、この変化を検出するものに過ぎない。したがって、特許文献2には、計測によって得られたデータを利用者の身体組成と関連付けることは一切記載されていない。
本発明は、利用者が習慣的に自身の身体組成をはじめとする身体を知ることができる身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムを提供することを目的とする。
However, the impedance measurement described in Patent Document 1 cannot be used for a person having a pacemaker in the heart or a pregnant woman. In addition, there are users who cannot make it a habit to measure body composition every day. Furthermore, the technique described in
The present invention provides a body state information estimation method, a body state information estimation program, a body state information estimation device, and a body state information estimation system that allow a user to habitually know the body including its own body composition. For the purpose.
本発明の身体状態情報推定方法は、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含むことを特徴とする。
本発明の身体状態情報推定プログラムは、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする。
The body state information estimation method of the present invention includes at least subject exercise information related to a motion acquired by a plurality of subjects acquired in advance and a time zone during which the exercise was performed, and subject body state information related to the subject's body. A body state information estimation step of estimating the user's body state information by applying the user's motion information related to the exercise performed by the user and the time zone during which the exercise was performed to the body state related information representing the relevance It is characterized by including.
The body state information estimation program of the present invention is based on at least the subject motion information related to the exercise performed by a plurality of subjects acquired in advance and the time zone during which the exercise was performed, and the subject's body state information. Including a body state information estimation method step of estimating the body state information of the user by applying to the body state related information to represent the user's motion information regarding the motion performed by the user and the time zone during which the motion was performed It is characterized by.
本発明の身体状態情報推定装置は、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含むことを特徴とする。
本発明の身体状態情報推定システムは、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する上記身体状態情報推定装置と、を含むことを特徴とする。
The body state information estimation device according to the present invention includes at least subject exercise information related to exercise performed by a plurality of subjects acquired in advance and a time zone during which the exercise was performed, and subject body state information related to the subject's body. A body state information estimation unit for estimating body state information of the user by applying the user motion information related to the exercise performed by the user and the time zone during which the exercise is performed to the body state related information representing the relevance It is characterized by including.
The body state information estimation system of the present invention includes an exercise information acquisition device that acquires user exercise information related to an exercise performed by a user and a time zone during which the exercise is performed, and the user exercise information from the exercise information acquisition device. And the body state information estimating apparatus for estimating body state information related to the user's body based on the user movement information.
以上説明した本発明は、身体組成を直接計測する機器を用いることなく、習慣的に自身の身体組成を知ることができる身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムを提供することができる。 The present invention described above is a body state information estimation method, a body state information estimation program, a body state information estimation device, and a body that can know the body composition of the body habitually without using a device that directly measures the body composition. A state information estimation system can be provided.
以下、本発明の一実施形態を図面に基づいて説明する。なお、すべての図面において、同様の構成要素には同様の符号を付し、重複する説明は適宜省略する。 Hereinafter, an embodiment of the present invention will be described with reference to the drawings. In all the drawings, the same constituent elements are denoted by the same reference numerals, and redundant description is omitted as appropriate.
[身体状態情報推定装置及び身体状態情報推定システム]
(身体状態情報推定装置)
図1は、本実施形態の身体状態情報推定装置10を説明するための図である。身体状態情報推定装置10は、身体状態情報推定装置の利用者(以下、単に「利用者」と記す)が行った運動及びこの運動が行われた時間帯に関する運動情報に基づいて利用者の身体状態情報を推定する身体状態情報推定部132を備えている。身体状態情報の推定は、少なくとも、予め取得された複数の被験者(以下、単に「被験者」と記す)が行った運動及びこの運動が行われた時間帯に関する運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者の運動情報を適用して行われる。
[Physical condition information estimation device and physical condition information estimation system]
(Physical condition information estimation device)
FIG. 1 is a diagram for explaining a body state
上記記載において、「被験者」とは、身体状態関連情報を作成するための運動情報及び身体状態情報を提供した者をいい、利用者とは、この身体状態関連情報を利用した身体状態情報推定方法を利用する者をいう。「運動」とは、被験者及び利用者が意識して身体を動かすことを指す。「時間帯」とは、運動の開始の時刻と終了の時刻とによって定義される時間である。「運動情報」とは、被験者が行った運動の量や強度等と、この運動が行われた時間帯とを対応付ける情報である。
運動の量は、例えば、運動が継続して行われた時間や身体を動かす動作の回数及び消費カロリー等によって表されるものであってもよい。運動強度は、例えば、酸素摂取量や心拍数によって定義するものであってもよい。運動強度の表現としては、安静時の酸素摂取量や心拍数を基準にする「METs」が知られていて、直接測定されたパラメータをMETsに換算して使用するものであってもよい。
「身体状態情報」は、人の身体の状態を示す情報であって、具体的には、体の脂肪や筋肉等の組成に関する身体組成情報や、腹囲や腰の周長といった身体のサイズに関するサイズ情報が挙げられる。「身体状態関連情報」は、被験者の身体状態情報と、この被験者が行った運動の運動情報とを対応付ける情報である。
In the above description, “subject” means a person who has provided exercise information and body state information for creating body state related information, and a user is a body state information estimation method using this body state related information. A person who uses “Exercise” means that the subject and the user consciously move the body. The “time zone” is a time defined by the start time and end time of exercise. “Exercise information” is information that associates the amount and intensity of exercise performed by the subject with the time zone during which this exercise was performed.
The amount of exercise may be represented by, for example, the time during which the exercise is continuously performed, the number of movements of the body, the calorie consumption, and the like. The exercise intensity may be defined by, for example, oxygen intake or heart rate. As an expression of exercise intensity, “METs” based on oxygen intake and heart rate at rest are known, and directly measured parameters may be converted into METs and used.
“Physical condition information” is information indicating the state of a person's body, specifically, body composition information related to the composition of body fat, muscles, etc., and size related to the size of the body such as abdominal circumference and waist circumference. Information. “Physical state-related information” is information that associates the physical state information of the subject with the exercise information of the exercise performed by the subject.
身体状態情報推定装置10は、身体状態情報を推定するために、利用者運動情報を取得する加速度センサ11、制御部13、表示部15、タイマ17、関連情報蓄積用メモリ19及び入力部21を備えている。
(加速度センサ)
加速度センサ11は、x、y、zの3軸方向の加速度を検出するセンサであって、y軸方向を重力方向として身体状態情報推定装置10、ひいては利用者にかかる加速度を検出している。このような加速度センサ11としては、例えば、スズケン社のライフコーダ(登録商標)EXや、ライフコーダPLUS等が使用される。ただし、加速度センサ11は、一軸センサであってもよい。加速度センサ11を使って運動情報を取得する本実施形態では、利用者の歩行動作を運動として計測している。歩行を計測する場合、加速度センサ11は、利用者の腰付近に装着される。
なお、本実施形態は、歩行以外の運動を運動情報の取得に採用してもよい。歩行以外の運動としては、例えば、腕立て伏せ等が考えられる。腕立て伏せの回数や速度を計測する場合には、加速度センサ11を利用者の上腕付近に装着することが考えられる。
The body state
(Acceleration sensor)
The
In the present embodiment, exercises other than walking may be employed for acquiring exercise information. As an exercise other than walking, for example, push-ups can be considered. When measuring the number and speed of push-ups, it can be considered that the
(制御部)
制御部13は、運動情報作成部131、身体状態情報推定部132及びメッセージ作成部133を備えている。運動情報作成部131は、加速度センサ11が取得した加速度データを入力する。そして、加速度データから利用者の歩行の歩数とその運動強度(以下、「歩行強度」とも記す)を検出する。なお、歩行強度は、例えば、歩行の「速度」により検出してもよい。
さらに、歩数または歩行強度にタイマ17から取得した時刻の情報を対応つけて運動情報を作成する。このような制御部13は、所謂コンピュータであり、図示しないCPU(Central Processing Unit)やデータ蓄積用のメモリ及びワーキングメモリといった公知の構成を備えている。運動情報作成部131、身体状態情報推定部132及びメッセージ作成部133は、各々、制御部13上において、所定の機能を発揮するハードウェア及びこのハードウェアを制御するプログラムにより構成される。
運動情報作成部131は、加速度センサ11から出力された加速度信号を読み取り、以下に説明するように各種の演算処理によって運動の量及び運動強度を算出する。本実施形態は、運動量として歩行の歩数を加速度が加わった回数によって計測する。また、運動の強度を歩行強度とし、歩行強度を加わった加速度の強さによって計測する。
(Control part)
The
Furthermore, exercise information is created by associating time information acquired from the
The exercise
運動情報作成部131は、加速度センサ11で取得した加速度信号から重力方向の加速度成分を抽出してもよい。加速度信号から歩数や速度を算出する演算処理はこれまで各種が提案されており特に限定されない。以下に例を示す。
はじめに、運動情報作成部131は、加速度センサ11から逐次出力される加速度信号を電圧信号に変換し、デジタル変換及びノイズ除去し、三軸加速度の合成または重力方向成分の抽出等の処理を行って加速度データを生成する。なお、本実施形態において加速度とは、地球の重力加速度の影響を除去したものをいう。すなわち、歩行中の利用者には重力加速度と併せて1G以上の加速度(例えば1.2G)が負荷される。ただし、運動情報作成部131は、計測された加速度から重力加速度の影響を適宜排除した値(この場合、0.2G)を加速度として取得してもよい。
The motion
First, the motion
歩数を計測する場合、運動情報作成部131は、加速度データを閾値と比較して加速度の値が閾値を上回ったことにより利用者の歩行を計測する。歩行の計測回数は、歩数としてカウントされる。また、歩行の運動強度を計測する場合、運動情報作成部131は、加速度データを閾値と比較して加速度の大きさを判定し、その判定結果に基づいて運動強度を算出する。閾値は運動情報作成部131に予め記憶されている。運動情報作成部131は、加速度センサ11が装着された状態で活動する利用者から加速度を常時計測し、所定の時間間隔(以下、強度決定間隔という)毎に時々刻々と歩数や歩行による運動強度を算出する。
本実施形態では、運動情報作成部131が、計測された加速度データをその大きさに基づいて例えば0から9及び0.5の11段階に分類する。分類された加速度データは、強度決定間隔の間に計測されたデータを1単位として前記したデータ蓄積用のメモリに記憶される。
When measuring the number of steps, the exercise
In this embodiment, the exercise
強度決定間隔は、1秒以上10秒以下、たとえば4秒間や6秒間等とすることができる。強度決定間隔を10秒以下とすることで、利用者の運動を詳細に解析することができる。
運動情報作成部131は、強度決定間隔毎に加速度センサ11からの加速度信号に基づいて1個または複数個の加速度データを生成して加速度の大きさを判定する。好ましくは、強度決定間隔毎に複数個の加速度データを生成してそれぞれ加速度の大きさを判定するとよい。この場合、加速度センサ11が加速度信号を取得するサンプリング間隔は、上記の強度決定間隔よりも短く設定し、より好ましくは強度決定間隔の時間内に加速度センサ11は加速度信号を複数回に亘って計測するように設定する。このため、強度決定間隔を1秒以上とすることで、加速度センサ11のサンプリング間隔を過度に短くすることなく、強度決定間隔の時間内に多くの加速度信号を加速度センサ11で計測することができる。
The intensity determination interval can be 1 second or more and 10 seconds or less, for example, 4 seconds or 6 seconds. By setting the intensity determination interval to 10 seconds or less, the user's movement can be analyzed in detail.
The exercise
運動情報作成部131は、判定された加速度の大きさ毎の発生回数に基づいて、強度決定間隔の時間内における利用者の運動強度を決定する。これにより、瞬間的に大きな加速度が検出されたことに起因して運動強度が過大に判定されることが抑制される。また、検出された加速度の大きさが同等であっても、加速度の発生頻度の大小に基づいて運動強度を異なる強度段階に区別することができる。
運動情報作成部131は、強度決定間隔の時間内にカウントされた加速度を平均して運動強度を決定してもよい。これにより、利用者が立ち上がったり倒れたりした瞬間に記録される大きな加速度によって過度に高い運動強度が計測されることが防止される。このようにして、運動情報作成部131は強度決定間隔毎に、この強度決定間隔の時間内に取得された複数個の加速度データに基づいて1個の運動強度を生成することができる。
The exercise
The exercise
身体状態情報推定部132は、関連情報蓄積用メモリ19から身体状態関連情報を読み出す。そして、身体状態関連情報に運動情報作成部131が作成した運動情報を適用して利用者の身体状態情報を推定する。なお、身体状態関連情報については、後に詳述する。
メッセージ作成部133は、利用者の運動情報を被験者の身体状態情報及び被験者の運動情報と比較して、利用者に運動及びこの運動を行う時間帯を示唆するアドバイス情報を含んだメッセージを作成する。アドバイス情報の作成にあたっては、入力部21を介して利用者が予め入力した目標値や条件を使用することもできる。利用者の目標値とは、例えば、利用者が目標とする脂肪や筋力の身体状態情報が挙げられる。また、条件としては、利用者が希望する運動量または運動強度の上限値が挙げられる。入力部21は、キーボード、ペンタブ、タッチパネル、音声入力装置など、種々のものを用いることができる。
メッセージ作成部133は、利用者の身体状態情報が目標の身体状態情報に近づき、かつ上限値を超えないように運動を行うアドバイス情報を作成する。メッセージ作成部133によって作成されたアドバイス情報を含むメッセージは、表示部15に出力され、表示される。表示部15として、公知のディスプレイ装置を用いることができる。また、本実施形態では、メッセージを表示部15にテキストで表示させる構成に限定されるものでなく、それに替えてあるいはそれに加えて、運動すべき時間帯や運動量等を音声や光で利用者に通知することもできる。
The body state
The
The
このような本実施形態の身体状態情報推定装置10は、例えば、歩数計機能を持ったスマートフォンとして構成してもよい。身体状態情報推定装置10をスマートフォンとして構成した場合、加速度センサ11、タイマ17、関連情報蓄積用メモリ19、入力部21及び表示部15にスマートフォンが備える公知の構成を利用することもできる。
Such a body state
(身体状態情報推定システム)
また、本発明の実施形態は、上記した身体状態情報推定装置10の構成に限定されるものではなく、運動情報を取得する運動情報取得装置と、取得された運動情報を演算処理して身体状態情報を推定する身体状態情報推定装置とを別体とすることもできる。
図2(a)、図2(b)は、運動情報取得装置と身体状態情報推定装置とを別体とした構成を例示した図である。なお、本実施形態では、運動情報取得装置と身体状態情報推定装置とを別体とした構成を「身体状態情報推定システム」とも記す。図2(a)に示した構成は、運動情報取得装置30と、身体状態情報を使って身体状態情報を推定する身体状態情報推定装置50と、によって身体状態情報推定システムを構築した例を示している。運動情報取得装置30は、加速度センサ11、運動情報作成部131及びタイマ17に加えて出力インターフェース(I/F)31を備えている。身体状態情報推定装置50は、身体状態情報推定部132、メッセージ作成部133、関連情報蓄積用メモリ19及び入力部21及び表示部15に加えて入力インターフェース(I/F)51を備えている。
(Physical condition information estimation system)
In addition, the embodiment of the present invention is not limited to the configuration of the body state
FIG. 2A and FIG. 2B are diagrams illustrating a configuration in which the exercise information acquisition device and the body state information estimation device are separated. In the present embodiment, a configuration in which the exercise information acquisition device and the body state information estimation device are separately provided is also referred to as a “body state information estimation system”. The configuration shown in FIG. 2A shows an example in which a body state information estimation system is constructed by an exercise
出力I/F31及び入力I/F51は、データの記録媒体を使って運動情報取得装置30から身体状態情報推定装置50に運動情報を入力するものであってもよい。また、有線あるいは無線で運動情報を授受するものであってもよく、赤外線通信によって運動情報を送受信するものであってもよい。
また、本実施形態は、図2(b)に示したように、加速度センサ11、運動情報作成部131及びタイマ17を備えた運動情報取得装置20と、身体状態情報推定部132、メッセージ作成部133、関連情報蓄積用メモリ19、入力部21及び表示部15を備えた身体状態情報推定装置40とをネットワークNに接続してコンピュータシステムを構築してもよい。
The output I /
In addition, as shown in FIG. 2B, the present embodiment includes an exercise
本実施形態を図2(a)のように運動情報取得装置30と身体状態情報推定装置50とに分けて構成した場合、利用者が身体に装着する運動情報取得装置を小型化し、利用者の運動情報取得装置の装着にかかる負荷を軽減することができる。また、身体状態情報推定部132やメッセージ作成部133を大型の機器とすることができるので、身体状態情報を高い精度で推定することができる。また、推定し、あるいは表示できる身体状態情報の種別やメッセージの内容を多様化し、あるいは充実することができる。
また、図2(b)のように、本実施形態を運動情報取得装置20と身体状態情報推定装置40とに分けてネットワークNに接続した場合、取得した運動情報を逐次身体状態情報推定装置に送信し、リアルタイムで歩数や運動強度を計測することができる。そして、利用者に対してリアルタイムにメッセージを送信することができる。
When this embodiment is divided into the exercise
Further, as shown in FIG. 2B, when the present embodiment is divided into the exercise
[身体状態情報推定方法]
次に、本実施形態の身体状態情報推定方法を説明する。
本実施形態の身体状態情報推定方法は、少なくとも、被験者の運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及びこの運動が行われた時間帯に関する利用者の運動情報を適用して利用者の身体状態情報を推定する工程を含んでいる。本実施形態では、このような身体状態情報推定方法の説明に先立って、先ず、身体状態関連情報について説明する。
[Physical condition information estimation method]
Next, the body state information estimation method of this embodiment will be described.
In the body state information estimation method of the present embodiment, at least the exercise performed by the user and this exercise were performed on the body state related information representing the relationship between the exercise information of the subject and the body state information of the subject. It includes the step of estimating the user's physical condition information by applying the user's exercise information regarding the time zone. In the present embodiment, prior to the description of such a body state information estimation method, first, body state related information will be described.
(身体状態関連情報)
本発明者らは、500人の男性を被験者として各人の運動情報を取得した。運動情報の取得は、被験者の歩行を運動の指標とし、歩行の歩数を「運動量」、歩行強度を「運動強度」とした。また、運動情報の取得は、図2(a)に示した運動情報取得装置30を被験者が28日間起床から就寝の間腰につけて行った。さらに、運動情報の取得は、3時間の時間範囲内に行われた歩行を1単位として行った。このため、本実施形態では、被験者の28日間の歩行の歩数と歩行強度とが3時間毎に時間帯と対応つけられて記録される。
(Physical condition related information)
The present inventors acquired exercise information of each person using 500 men as subjects. The exercise information was obtained by using the walking of the subject as an index of exercise, the number of steps taken as “momentum”, and the walking intensity as “exercise intensity”. Further, the exercise information was acquired by putting the exercise
本発明者らは、被験者の歩行の歩数、歩行強度及び歩行が行われた時間帯と、被験者の身体状態情報との間に相関性があることを見出した。例えば、昼から午後にかけての時間帯はエネルギー代謝が他の時間より高く、ホルモンの分泌も活発に行われている。本発明者らの調査によれば、このような時間帯に運動を行うと、脂肪を効率的に燃焼することができる。また、夕方から夜の時間帯は、スピードや持久力が他の時間帯より高まって運動能力を発揮させやすい。さらに、夜間の運動は、細胞がたんぱく質を他の時間帯より多く生成するため、重量挙げ等の筋力の増強に効果的である。このような調査の結果は、運動学、栄養学の観点からも妥当であると考えられる。本発明者らは、このような運動学等に加え、被験者の実際の身体状態情報と運動情報との対応を使って利用者の要望に即したトレーニングをアドバイスすることに想到し、本発明を完成させた。 The present inventors have found that there is a correlation between the number of steps taken by the subject, the walking intensity, and the time zone during which the walking was performed, and the physical condition information of the subject. For example, during the period from noon to afternoon, energy metabolism is higher than other times, and hormone secretion is also active. According to the investigation by the present inventors, when exercise is performed in such a time zone, fat can be burned efficiently. Also, during the evening and evening hours, speed and endurance are higher than in other hours, making it easier to exercise. Furthermore, nighttime exercise is effective in enhancing muscle strength such as weight lifting because cells produce more protein than other time zones. The results of such surveys are considered valid from the viewpoints of kinematics and nutrition. In addition to such kinematics, the present inventors came up with the idea of advising training according to the user's request using the correspondence between the actual physical condition information of the subject and the exercise information, and the present invention Completed.
運動を歩行(走行を含む)とした場合、本実施形態は、以下の(1)から(10)に示した44種類のパラメータを定める。そして、このパラメータを使って被験者の身体状態情報を推定する身体状態関連情報を作成する。 In the case where the exercise is walking (including running), the present embodiment defines 44 types of parameters shown in the following (1) to (10). Then, using this parameter, body state related information for estimating the body state information of the subject is created.
(1) 1〜8;各時間帯の歩数の平均値
設定された3時間の時間帯(例えば3−6時)毎の歩数(Ns3−6)を計測する。そして、各時間帯の歩数の28日間の平均値(Ns3−6ave)を算出して、各時間帯の歩数の平均値とする。
Ns3−6ave、Ns6−9ave、Ns9−12ave、Ns12−15ave、Ns15−18ave、Ns18−21ave、Ns21−24ave、Ns24−3ave
(1) 1-8: Average value of the number of steps in each time zone The number of steps (Ns 3-6 ) for each set time zone of 3 hours (for example, 3-6 o'clock) is measured. Then, an average value (Ns 3-6ave ) of 28 days of the number of steps in each time zone is calculated and set as the average value of the number of steps in each time zone.
Ns 3-6ave , Ns 6-9ave , Ns 9-12ave , Ns 12-15ave , Ns 15-18ave , Ns 18-21ave , Ns 21-24ave , Ns 24-3ave
(2) 9〜16;各時間帯の歩行強度の平均値
設定された3時間の時間帯(例えば3−6時)毎の歩行の強度(Np3−6)を計測し、前記した1秒以上10秒以下、たとえば4秒間や6秒間等の決定間隔で歩行強度を決定する。歩行強度は3時間の間に変化するから、利用者が歩行中であると運動情報作成部131が判断した時間内における歩行強度を強度決定間隔ごとに算出し、それらを時間平均した値を、その時間帯の平均歩行強度とする。そして、各時間帯の平均歩行強度に関して28日間の平均値(Np3−6ave)を算出して、各時間帯の歩行強度の平均値とする。
Np3−6ave、Np6−9ave、Np9−12ave、Np12−15ave、Np15−18ave、Np18−21ave、Np21−24ave、Np24−3ave
(2) 9 to 16: Average walking intensity in each time zone Measure the walking strength (Np 3-6 ) every 3 hours set time (for example, 3-6 o'clock) for 1 second as described above The walking intensity is determined at a determination interval of 10 seconds or less, for example, 4 seconds or 6 seconds. Since the walking intensity changes during 3 hours, the walking intensity within the time determined by the exercise
Np 3-6ave , Np 6-9ave , Np 9-12ave , Np 12-15ave , Np 15-18ave , Np 18-21ave , Np 21-24ave , Np 24-3ave
(3) 17〜27;各段階(0〜9及び0.5)の強度の出現頻度の平均値
1日において、決定間隔ごとに出現した強度を強度毎(Nf0、Nf0.5、Nf1、Nf2、Nf3、Nf4、Nf5、Nf6、Nf7、Nf8、Nf9)に毎日カウントする。そして、各強度の出現頻度に関して28日間の平均値(Nf0ave)を算出して、各段階の強度の頻度の平均値とする。
Nf0ave、Nf0.5ave、Nf1ave、Nf2ave、Nf3ave、Nf4ave、Nf5ave、Nf6ave、Nf7ave、Nf8ave、Nf9ave
(3) 17-27; average value of appearance frequency of intensity at each stage (0-9 and 0.5) Intensity appearing at every determination interval in one day is shown for each intensity (Nf0, Nf0.5, Nf1, Nf2) Nf3, Nf4, Nf5, Nf6, Nf7, Nf8, Nf9). Then, an average value (Nf0ave) for 28 days is calculated with respect to the appearance frequency of each intensity, and is set as the average value of the intensity frequency at each stage.
Nf0ave, Nf0.5ave, Nf1ave, Nf2ave, Nf3ave, Nf4ave, Nf5ave, Nf6ave, Nf7ave, Nf8ave, Nf9ave
(4) 28;歩数の変動係数
28日間の歩数の標準偏差Nssdを算出する。また、計測された歩数を28日間で平均した平均値(Nsave)を算出する。そして、標準偏差Nssdを平均値(Nsave)で除算した以下の値を歩数の変動係数とする。
Nssd/Nsave
(4) 28: Variation coefficient of the number of steps The standard deviation Ns sd of the number of steps for 28 days is calculated. Further, an average value (Ns ave ) obtained by averaging the measured number of steps over 28 days is calculated. Then, the following value obtained by dividing the standard deviation Ns sd by the average value (Ns ave ) is set as the variation coefficient of the number of steps.
Ns sd / Ns ave
(5) 29;装着時間変動係数
28日間の装着時間の標準偏差Nisdを算出する。また、計測された装着時間を28日間で平均した平均値(Niave)を算出する。そして、標準偏差Nisdを平均値Niaveで除算した以下の値を装着時間変動係数とする。
Nisd/Niave
(5) 29: Coefficient of wearing time variation The standard deviation Ni sd of the wearing time for 28 days is calculated. In addition, an average value (Ni ave ) obtained by averaging the measured wearing time over 28 days is calculated. Then, the following value obtained by dividing the standard deviation Ni sd by the average value Ni ave is taken as the wearing time variation coefficient.
Ni sd / Ni ave
(6) 30;歩行強度変動係数
28日間の歩行強度の標準偏差Npsdを算出する。また、計測された歩行強度を28日間で平均した平均値(Npave)を算出する。そして、標準偏差Npsdを平均値Npaveで除算した以下の値を歩行強度変動係数とする。
Npsd/Npave
(6) 30: Coefficient of variation in walking strength The standard deviation Np sd of walking strength for 28 days is calculated. In addition, an average value (Np ave ) obtained by averaging the measured walking intensity over 28 days is calculated. Then, the following value obtained by dividing the standard deviation Np sd by the average value Np ave is defined as a walking strength variation coefficient.
Np sd / Np ave
(7) 31〜41;各段階(0〜9及び0.5)の歩行強度の頻度の変動係数
各段階(0〜9及び0.5)の強度で歩行が行われた頻度(Nf0、Nf0.5、Nf1、Nf2、Nf3、Nf4、Nf5、Nf6、Nf7、Nf8、Nf9)を毎日カウントする。また、カウントされた頻度の標準偏差を強度毎に算出する(Nsd0、Nsd0.5、Nsd1、Nsd2、Nsd3、Nsd4、Nsd5、Nsd6、Nsd7、Nsd8、Nsd9)。そして、上記標準偏差(Nsd0、Nsd0.5、Nsd1、Nsd2、Nsd3、Nsd4、Nsd5、Nsd6、Nsd7、Nsd8、Nsd9)を(3)に示した各強度の28日間の平均値(Nf0ave、Nf0.5ave、Nf1ave、Nf2ave、Nf3ave、Nf4ave、Nf5ave、Nf6ave、Nf7ave、Nf8ave、Nf9ave)で除算して、各段階の歩行強度の頻度の変動係数とする。
Nsd0/Nf0ave、Nsd0.5/Nf0.5ave、Nsd1/Nf1ave、Nsd2/Nf2ave、Nsd3/Nf3ave、Nsd4/Nf4ave、Nsd5/Nf5ave、Nsd6/Nf6ave、Nsd7/Nf7ave、Nsd8/Nf8ave、Nsd9/Nf9ave
ただし、上記Nsd0、Nf0aveは、いずれも被験者が運動情報取得装置30を装着していない時間帯の情報を除くものとする。
(8) 42;年齢
(9) 43;身長
(10) 44;体重
(7) 31-41; coefficient of variation of the frequency of walking intensity at each stage (0-9 and 0.5) The frequency of walking at the intensity of each stage (0-9 and 0.5) (Nf 0 , Nf 0.5 , Nf 1 , Nf 2 , Nf 3 , Nf 4 , Nf 5 , Nf 6 , Nf 7 , Nf 8 , Nf 9 ) are counted daily. The standard deviation of the counted frequency is calculated for each intensity (Nsd 0 , Nsd 0.5 , Nsd 1 , Nsd 2 , Nsd 3 , Nsd 4 , Nsd 5 , Nsd 6 , Nsd 7 , Nsd 8 , Nsd 9 ). Each intensity shown in (3) with the above standard deviation (Nsd 0 , Nsd 0.5 , Nsd 1 , Nsd 2 , Nsd 3 , Nsd 4 , Nsd 5 , Nsd 6 , Nsd 7 , Nsd 8 , Nsd 9 ) Average of 28 days (
Nsd 0 / Nf 0ave, Nsd 0.5 / Nf 0.5ave, Nsd 1 / Nf 1ave,
However, both Nsd 0 and Nf 0ave exclude information on a time zone when the subject is not wearing the exercise
(8) 42; Age (9) 43; Height (10) 44; Weight
表1、表2及び表3は、上記パラメータのうち、被験者の身体状態情報と、この身体状態情報を推定するために使用されるパラメータを例示するものである。また、表1から表3は、被験者の身体状態情報の実測値と推定値との相関性を示している。パラメータの欄において、「;」の後に続く括弧付き数字は上記した各パラメータの括弧付き数字に対応する。
表1においては、身体状態情報として、内臓脂肪、腹囲、骨格筋指数及び体脂肪率を挙げている。表2は、表1に続く表であり、表2においては、身体状態情報として、腹囲と腰の周長との比(腹囲/腰の周長、以下、「ウェスト・ヒップ比」と記す)及び握力を挙げている。特に握力は、全身の筋力と相関性の高いパラメータである。さらに、表3においては、身体状態情報として、細胞内水分量、細胞外水分量、タンパク質量、ミネラル量、体水分量及びECW/TBCを挙げている。表1から表3に示すように、本実施形態のパラメータを使った握力及びECW/TBCを除く身体状態情報の推定では、実測値との相関関数Rが0.709から0.94、決定係数R2が0.502から0.883の高い値をとっている。
Table 1, Table 2, and Table 3 exemplify the parameters used for estimating the physical condition information of the subject and the physical condition information among the parameters. Tables 1 to 3 show the correlation between the actually measured value and the estimated value of the body condition information of the subject. In the parameter column, the number in parentheses following “;” corresponds to the number in parentheses of each parameter described above.
In Table 1, visceral fat, abdominal circumference, skeletal muscle index, and body fat percentage are listed as body condition information. Table 2 is a table following Table 1. In Table 2, the ratio between the abdominal circumference and the waist circumference (abdominal circumference / waist circumference, hereinafter referred to as “waist / hip ratio”) as body condition information. And grip strength. In particular, grip strength is a parameter highly correlated with whole-body muscle strength. Furthermore, in Table 3, as the body state information, intracellular water content, extracellular water content, protein content, mineral content, body water content, and ECW / TBC are listed. As shown in Tables 1 to 3, in the estimation of the body condition information excluding the grip strength and ECW / TBC using the parameters of the present embodiment, the correlation function R with the actually measured value is 0.709 to 0.94, the coefficient of determination R 2 has a high value of 0.502 to 0.883.
上記パラメータのうち、(1)の歩行強度の平均値は、利用者の歩行速度の推定に使用することができる。歩行強度の推定は、歩行強度の平均値を重回帰式に適用して行われる。歩行速度を推定する重回帰式は、以下のとおりである。
(男性)
推定歩行速度(Km/h)=0.862(歩行強度平均値)+0.035(身長(cm))−4.705
(女性)
推定歩行速度(Km/h)=0.684(歩行強度平均値)+1.851
Among the above parameters, the average value of the walking intensity (1) can be used for estimating the walking speed of the user. The walking strength is estimated by applying an average value of walking strength to the multiple regression equation. The multiple regression equation for estimating the walking speed is as follows.
(male)
Estimated walking speed (Km / h) = 0.862 (average walking intensity) +0.035 (height (cm))-4.705
(Woman)
Estimated walking speed (Km / h) = 0.684 (average walking intensity) +1.851
本実施形態の歩行強度「5」等の数値は、例えば、METsで定められる最大酸素摂取量の酸素を利用者が摂取すると考えられる歩行強度を最大値とし、安静時の酸素摂取量を最小値とし、この間を分割することによって定めることができる。なお、METsでは、例えば、3METsを67m/分で平地を歩く程度、3.3METsを81m/分で平地を歩く程度、3.8METsを94m/分で平地を歩く程度、4METsを95m〜100m/分で平地を歩く程度、5METsを107m/分で平地を速歩する程度と定めている。
本実施形態の回帰分析は、市販の統計計算用のソフトウェアを使って行った。回帰分析には、多変量回帰分析や、ロジスティック回帰分析が使用される。回帰分析では、説明変数に使用されるパラメータに変数増加法、変数減少法あるいはその両方を行って組み合わせを変えながら正答率が高くなるパラメータが選択される。さらに、パラメータに付される係数は適宜選択される。
The numerical values such as walking intensity “5” in the present embodiment are, for example, the maximum walking intensity that the user is supposed to ingest oxygen with the maximum oxygen intake determined by METs, and the minimum oxygen intake at rest. And can be determined by dividing the interval. In METs, for example, 3METs walks on flat ground at 67 m / min, 3.3 METs walks on flat ground at 81 m / min, 3.8 METs walks on flat ground at 94 m / min, 4 METs ranges from 95 m to 100 m / min It is determined that walking on the flat ground in minutes and 5METs are walking fast on the flat ground at 107 m / min.
The regression analysis of this embodiment was performed using commercially available statistical calculation software. For regression analysis, multivariate regression analysis or logistic regression analysis is used. In the regression analysis, a parameter that increases the correct answer rate is selected while changing the combination by performing the variable increasing method, the variable decreasing method, or both for the parameters used for the explanatory variables. Furthermore, the coefficient attached to the parameter is appropriately selected.
また、本実施形態の身体状態情報推定方法では、表1から表3に示すように、身体状態情報の推定にあたり、身体状態情報の他、さらに、身長、体重及び年齢の少なくとも一つを使って身体状態情報を推定している。本実施形態では、被験者の身長、体重及び年齢の少なくとも一つを被験者の運動情報と共に使って身体状態関連情報を決定し、決定した身体状態関連情報に対して利用者の運動情報と共に身長、体重及び年齢の少なくとも一つを適用して利用者の身体状態情報を推定する。
さらに、本実施形態の身体状態情報推定方法では、表1から表3に示すように、被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報を被験者の運動情報として使用している。
表1から表3中に示した身体状態情報や身長等のパラメータの末尾に付された(+)は、そのパラメータが大きくなれば身体状態情報の推定値が大きくなることを示している。また、(−)は、そのパラメータが大きくなれば身体状態情報の推定値が小さくなることを示している。
In addition, in the body state information estimation method of the present embodiment, as shown in Tables 1 to 3, the body state information is estimated using at least one of height, weight, and age in addition to the body state information. Estimating body condition information. In the present embodiment, body state related information is determined using at least one of the subject's height, weight, and age together with the subject's exercise information, and the height and weight together with the user's exercise information for the determined body state related information. And the user's physical condition information is estimated by applying at least one of age.
Furthermore, in the body state information estimation method of the present embodiment, as shown in Tables 1 to 3, information on the amount of exercise or exercise intensity of the exercise performed by the subject during a specific time period of the day is obtained. It is used as
The (+) added to the end of the parameters such as body condition information and height shown in Tables 1 to 3 indicates that the estimated value of the body condition information increases as the parameter increases. Moreover, (-) has shown that the estimated value of body state information becomes small, if the parameter becomes large.
また、本実施形態は、身体状態情報の推定に使用するパラメータとして、計測された運動情報そのものばかりでなく、被験者が行った運動の運動量または運動強度の分散の程度を使用している。運動量または運動強度の分散の程度は、例えば、運動量または運動強度の計測期間内における「ばらつき」を示すパラメータであり、本実施形態では上記変動係数によって表される。
さらに、本実施形態は、運動の一日のうちの運動量の分布に関する情報をも運動情報として推定に使用することができる。運動量の分布とは、例えば、「朝運動時間割合」、「昼運動時間割合」及び「夜運動時間割合」等によって表される。朝運動時間割合は、3時から9時に行われた歩行の歩数が1日の歩数に占める割合を示す。昼運動時間割合は、9時から18時に行われた歩行の歩数が1日の歩数に占める割合を示す。夜運動時間割合は、18時から3時に行われた歩行の歩数が1日の歩数に占める割合を示す。
In addition, the present embodiment uses not only the measured exercise information itself but also the degree of movement of exercise performed by the subject or the degree of dispersion of exercise intensity as parameters used for estimation of body state information. The degree of dispersion of the exercise amount or the exercise intensity is a parameter indicating “variation” within the measurement period of the exercise amount or the exercise intensity, for example, and is represented by the variation coefficient in the present embodiment.
Further, in the present embodiment, information relating to the distribution of the amount of exercise during one day of exercise can also be used for estimation as exercise information. The distribution of the amount of exercise is represented by, for example, “morning exercise time ratio”, “daytime exercise time ratio”, “night exercise time ratio”, and the like. The morning exercise time ratio indicates the ratio of the number of steps taken from 3:00 to 9:00 to the number of steps per day. The daytime exercise time ratio indicates the ratio of the number of steps taken from 9:00 to 18:00 to the number of steps per day. The night exercise time ratio indicates the ratio of the number of steps taken from 18:00 to 3 o'clock to the number of steps per day.
ただし、本実施形態の運動情報を含むパラメータは、以上説明した例に限定されるものではない。例えば、運動情報は、3時間毎に1単位として計測されるものに限定されず、任意の時間を単位として計測するものであってもよい。パラメータの平均値は、計測時間中の平均に限定されるものでなく、任意の単位時間あたりの平均値であってもよいし、1日あたりの平均値であってもよい。
また、本実施形態は、被験者の歩数と歩行強度とを28日間に亘って記録するものに限定されるものではない。歩数等の記録は、7日間以上行えばよい。
However, the parameter including the exercise information of the present embodiment is not limited to the example described above. For example, the exercise information is not limited to information measured as one unit every three hours, and may be information measured in arbitrary time. The average value of the parameters is not limited to the average during the measurement time, and may be an average value per arbitrary unit time or an average value per day.
Moreover, this embodiment is not limited to what records a test subject's step count and walking intensity over 28 days. The number of steps may be recorded for 7 days or more.
表1から表3に示した相関係数R及び決定係数R2は、被験者の各身体状態情報の実測値と、パラメータを使って推定された推定値との相関性を示している。各身体状態情報の実測値は、いずれも被験者の身体に微弱な電流を流して計測されたインピーダンスから測定された値である。内臓脂肪では、相関係数Rが0.805、決定係数R2が0.649の高い相関性を得た。また、腹囲では、相関係数Rが0.911、決定係数R2が0.830、骨格筋指数では相関係数Rが0.846、決定係数R2が0.715、体脂肪率では相関係数Rが0.781、決定係数R2が0.610、ウェスト・ヒップ比では相関係数Rが0.709、決定係数R2が0.502と、いずれも高い相関性を得た。
以上のことにより、本実施形態は、被験者の身体状態情報を高い信頼性を持って推定することが可能である。
The correlation coefficient R and the coefficient of determination R 2 shown in Table 3 Table 1 shows the measured values of the physical condition information of the subject, the correlation between the estimated value estimated using parameters. The actual measurement values of each body state information are values measured from impedance measured by passing a weak current through the subject's body. The visceral fat, the correlation coefficient R is 0.805, the coefficient of determination R 2 to obtain a high correlation of 0.649. Further, in the abdominal circumference, the correlation coefficient R is 0.911, the coefficient of determination R 2 is 0.830, the correlation coefficient R is in skeletal muscle index 0.846, the coefficient of determination R 2 is 0.715, the phases in the body fat percentage The correlation number R was 0.781, the determination coefficient R 2 was 0.610, and the waist-hip ratio was such that the correlation coefficient R was 0.709 and the determination coefficient R 2 was 0.502.
As described above, the present embodiment can estimate the body condition information of the subject with high reliability.
次に、以上説明した被験者の身体状態情報の実測値と推定値との関係の具体例を示す。
図3は、身体状態情報のうち、内臓脂肪面積(VFA)の実測値と推定値との関係を示した図である。図3の縦軸は実測値を示し、横軸は推定値を示している。この例では、横軸に示した推定値が以下の式(1)によって算出されている。式(1)は、運動情報と推定値との関係を統計的にロジスティック回帰分析した結果得られた関数である。
Next, a specific example of the relationship between the actual measurement value and the estimated value of the body condition information of the subject described above will be shown.
FIG. 3 is a diagram showing the relationship between the measured value and estimated value of the visceral fat area (VFA) in the body condition information. The vertical axis in FIG. 3 indicates actual measurement values, and the horizontal axis indicates estimated values. In this example, the estimated value shown on the horizontal axis is calculated by the following equation (1). Equation (1) is a function obtained as a result of statistical logistic regression analysis of the relationship between exercise information and an estimated value.
(数1)
−4×10−3(6時から9時の間の歩数の平均)−7×10−3(12時から15時の間の歩数の平均値)+3.479(体重)−1.587(身長)+0.706(年齢)
...式(1)
図3に示した実測値と推定値は、相関係数Rが0.805、決定係数R2が0.649の高い相関性を有している。式(1)は、被験者の運動情報と身体状態情報(内臓脂肪面積)との関係性を示す身体状態関連情報の一例となる。本実施形態は、式(1)中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
(Equation 1)
−4 × 10 −3 (average number of steps from 6 o'clock to 9 o'clock) −7 × 10 −3 (average value of steps from 12 o'clock to 15 o'clock) +3.479 (weight) −1.587 (height) +0. 706 (age)
... Formula (1)
Found an estimated value shown in FIG. 3, the correlation coefficient R is 0.805, the coefficient of determination R 2 has a high correlation with 0.649. Expression (1) is an example of body state related information indicating the relationship between the exercise information of the subject and the body state information (visceral fat area). This embodiment applies a user's thing to the parameter shown in the parenthesis in Formula (1), and estimates a user's physical condition information.
図4は、身体状態情報のうち、骨格筋指数(SMI)の実測値と、骨格筋指数の推定値との関係を示した図である。図4の縦軸は実測値を示し、横軸は推定値を示している。この例では、横軸に示した推定値が以下の式(2)によって算出されている。式(2)は、運動情報と推定値との関係を統計的にロジスティック回帰分析した結果得られた関数である。 FIG. 4 is a diagram showing the relationship between the measured value of the skeletal muscle index (SMI) and the estimated value of the skeletal muscle index in the body state information. The vertical axis in FIG. 4 indicates actual measurement values, and the horizontal axis indicates estimated values. In this example, the estimated value shown on the horizontal axis is calculated by the following equation (2). Equation (2) is a function obtained as a result of statistical logistic regression analysis of the relationship between exercise information and an estimated value.
(数2)
1.38×10−4(9時から12時の間の歩数の平均)+8×10−5(15時から18時の間の歩数の平均)+0.206(18時から21時の間の歩行強度の平均値)+0.062(体重)−0.11(身長) ...式(2)
図4に示した実測値と推定値は、相関係数Rが0.846、決定係数R2が0.715の高い相関性を有している。式(2)は、被験者の運動情報と身体状態情報(骨格筋指数)との関係性を示す身体状態関連情報の一例となる。本実施形態は、式(2)中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
(Equation 2)
1.38 × 10 −4 (average number of steps from 9 o'clock to 12 o'clock) + 8 × 10 −5 (average number of steps from 15 o'clock to 18 o'clock) +0.206 (average value of walking intensity between 18 o'clock and 21 o'clock) +0.062 (weight) -0.11 (height) ... Formula (2)
Found an estimated value shown in FIG. 4, the correlation coefficient R is 0.846, the coefficient of determination R 2 has a high correlation with 0.715. Expression (2) is an example of body state related information indicating the relationship between the exercise information of the subject and the body state information (skeletal muscle index). This embodiment applies a user's thing to the parameter shown in the parenthesis in Formula (2), and estimates a user's physical condition information.
さらに、本発明者は、表2に示した握力が以下の式(3)、式(4)で表される身体状態関連情報によって推定できることを見出した。式(3)は、男性についてパラメータから握力を推定する身体状態関連情報であり、式(4)は、女性についてパラメータから握力を推定する身体状態関連情報である。 Furthermore, the present inventor has found that the grip strength shown in Table 2 can be estimated by the body state related information represented by the following formulas (3) and (4). Equation (3) is body state related information for estimating grip strength from parameters for men, and Equation (4) is body state related information for estimating grip strength from parameters for women.
(数3)
7×10−4(12−15時の間の歩数の平均)+5×10−4(18−21時の間の歩数の平均値)−0.328(年齢)+0.232(身長)+0.126(体重)+10.599 式(3)
(数4)
0.385(3−6時の歩行強度の平均値)+0.754(15−18時に行った歩の強度の平均値)−0.163(年齢)+0.204(身長)+0.108(体重)−4.86 式(4)
また、本実施形態の身体状態関連情報は、当然のことながら、式(1)から式(4)のような一次式の形式に限定されるものではない。身体状態関連情報は、利用者の運動情報や身長等を入力して身体状態情報を得るものであればどのようなものであってもよく、例えば、一次式以外の演算式であってもよいし、テーブル等の対応表であってもよい。
(Equation 3)
7 × 10 −4 (average number of steps during 12-15 o'clock) + 5 × 10 −4 (average number of steps during 18-21 o'clock) −0.328 (age) +0.232 (height) +0.126 (weight) +10.599 Formula (3)
(Equation 4)
0.385 (average walking intensity at 3-6 o'clock) +0.754 (average walking intensity at 15-18 o'clock) -0.163 (age) +0.204 (height) +0.108 (weight) ) -4.86 Formula (4)
In addition, as a matter of course, the body condition related information of the present embodiment is not limited to the form of the primary expression such as Expression (1) to Expression (4). The physical state related information may be any information as long as it obtains the physical state information by inputting the user's exercise information, height, etc., for example, may be an arithmetic expression other than the primary expression. Alternatively, it may be a correspondence table such as a table.
(メッセージ)
次に、上記した身体状態関連情報に運動情報を適用して得られた結果に基づいて作成されるアドバイス情報を含むメッセージの例について説明する。
メッセージ作成部133は、利用者が目標とする身体状態情報及び、この身体状態情報に対応する身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成する。
上記記載において、アドバイスとは、利用者に対して運動の量、強度、運動すべき時間帯等を示唆する情報であり、アドバイス情報に適宜必要な情報を付加してメッセージが作成される。アドバイス情報に付加される情報としては、例えば、図5に示した図等がある。
(message)
Next, an example of a message including advice information created based on a result obtained by applying exercise information to the above-described body state related information will be described.
The
In the above description, the advice is information that suggests the amount of exercise, intensity, time zone for exercise, etc. to the user, and a message is created by appropriately adding necessary information to the advice information. The information added to the advice information includes, for example, the diagram shown in FIG.
図5は、アドバイスに付加されるメッセージを例示した図である。図5では、利用者の握力が同年代、同性の握力の平均値と比較して何パーセントであるかを示した「筋力」を示している。「筋力」は、50%を平均値としているため、利用者の握力が平均値以下である場合には50%以下の数値がメッセージに表示される。また、利用者の握力が平均値以上である場合には50%以上の数値がメッセージに表示される。
さらに、図5に例示したメッセージには、筋力レベルを五角形のグラフで示した「筋力レベル」と、当該筋力が利用者と同性のどの年代の平均値に該当するかを示す「筋力年齢」と、が含まれている。「筋力レベル」では、「2」で示した領域が平均値を示し、「1」で示した領域が平均値以下、「3」で示した領域が平均値以上を示す。メッセージにおいては、例えば、利用者の握力に対応する領域が所定の色に着色されて利用者に表示されるようにしてもよい。
さらに、図5に示したメッセージには、利用者の握力が同性のどの年代に該当するかを示す「筋力年齢」が含まれる。握力は、全身の筋力と高い相関性を持つため、利用者の気筋力の推定する指標に好適である。
FIG. 5 is a diagram illustrating a message added to the advice. FIG. 5 shows “muscle strength” indicating what percentage the user's grip strength is compared with the average value of the same-sex, same-sex grip strength. Since “muscle strength” has an average value of 50%, a numerical value of 50% or less is displayed in the message when the grip strength of the user is less than the average value. When the user's grip strength is greater than or equal to the average value, a numerical value of 50% or more is displayed in the message.
Further, the message illustrated in FIG. 5 includes a “muscle strength level” in which the muscle strength level is indicated by a pentagonal graph, and “muscle strength age” that indicates an average value of the same age as that of the user. ,It is included. In the “muscle strength level”, the region indicated by “2” indicates an average value, the region indicated by “1” indicates the average value or less, and the region indicated by “3” indicates the average value or more. In the message, for example, an area corresponding to the grip strength of the user may be colored in a predetermined color and displayed to the user.
Furthermore, the message shown in FIG. 5 includes “muscle age” indicating which age of the same sex the user's grip strength falls into. Since the grip strength has a high correlation with the muscle strength of the whole body, it is suitable as an index for estimating the user's muscle strength.
上記したメッセージは、さらに紙媒体に印字されて出力されるようにしてもよいし、利用者のスマートフォン等にメール等として送信してもよい。このようなメールは、本人の他、予め登録された第三者(家族等)にも送信するようにしてもよい。さらに、本実施形態は、運動情報取得装置30にも図示しない表示部を設け、メッセージを運動情報取得装置30の表示部を通じて両者に提示してもよい。さらに、本実施形態は、運動情報取得装置30を身体状態情報推定装置50に接続したとき、身体状態情報推定装置50の表示部15にメッセージが表示されるようにすることができる。
The above-described message may be further printed on a paper medium and output, or may be transmitted as e-mail or the like to the user's smartphone or the like. Such an email may be transmitted to a third party (a family member, etc.) registered in advance in addition to the person himself / herself. Furthermore, in the present embodiment, a display unit (not shown) may be provided in the exercise
本実施形態では、図1、図2に示した入力部21により、利用者が目標とする内臓脂肪面積等の身体状態情報(以下、「目標値」と記す)や利用者が設定した運動量や運動強度の上限値を予め入力することができる。メッセージ作成部133は、式(1)に示した身体状態関連情報に利用者の身長、体重、年齢を入力し、目標値に対応して利用者が歩行すべき6時から9時、及び12時から15時の歩数を算出する。
次に、メッセージ作成部133は、算出された歩数と取得された利用者の歩数との差分を算出し、例えば、「6時の歩行の歩数をあと○○○歩増やしましょう」等のアドバイス情報を含んだメッセージを送信する。
このような処理において、利用者の体重、身長及び年齢は、利用者が本実施形態の身体状態情報推定方法の利用開始にあたり、入力部21を使って身体状態情報推定装置50に予め登録しておいてもよいし、入力部21から任意のタイミングで入力するものであってもよい。
In the present embodiment, the
Next, the
In such processing, the user's weight, height, and age are registered in advance in the body state
また、本実施形態では、上記の処理において、増やすべき運動量や運動強度が利用者の設定した上限値を上回った場合、メッセージ作成部133は、上限値に設定された歩数や強度の歩行をするように利用者にアドバイスするメッセージを作成する。このような処理によれば、利用者の実際の身体状態情報と目標値との差分が比較的大きくても、時間をかけることによって利用者の苦痛を抑えながら身体状態情報を目標値に近づけることができる。
さらに、メッセージ作成部133は、利用者の身体状態情報が目標値に達した場合、「内臓脂肪面積が×××まで減りました、目標達成です」等のメッセージを作成してもよい。
In the present embodiment, when the amount of exercise or exercise intensity to be increased exceeds the upper limit set by the user in the above processing, the
Further, when the user's body condition information reaches the target value, the
(利用者の身体状態情報の推定)
図6は、本実施形態の身体状態情報推定方法を説明するためのフローチャートである。また、図6のフローチャートは、図2(a)に示した身体状態情報推定装置50として構成されるコンピュータによって行われる例を示している。このフローチャートでは、利用者の運動情報として運動強度を3時間計測し、計測値の平均値を算出する処理を例示するものとする。また、図6のフローチャートでは、説明の簡単のため、1つの運動情報を一回取得する例を示している。しかし、表1から表3に示すように、本実施形態は、複数種の運動情報を複数回取得する場合も多い。
本実施形態の身体状態情報推定方法では、処理が開始されると、運動情報取得装置30の加速度センサ11が、利用者の運動情報の取得を開始する(ステップS501)。なお、このような処理は、例えば、利用者が望んでいる身体状態情報の推定内容に応じた時刻に自動的に開始するものであってもよいし、起床と同時に開始するものであってもよい。
「利用者が望んでいる身体状態情報の推定内容に応じた時刻」とは、例えば、利用者が表1に示した内蔵脂肪の減少を望んでいる場合の6時または12時を指す。
(Estimation of user physical condition information)
FIG. 6 is a flowchart for explaining the body state information estimation method of the present embodiment. Moreover, the flowchart of FIG. 6 has shown the example performed by the computer comprised as the body state
In the body state information estimation method of the present embodiment, when the process is started, the
The “time according to the estimated content of the body condition information desired by the user” refers to, for example, 6 o'clock or 12 o'clock when the user desires the reduction of the internal fat shown in Table 1.
利用者の運動情報の取得が開始されると、タイマ17は、3時間が経過するまで計時を継続して行う(ステップS502)。加速度センサ11は、タイマ17が計時を行っている間は利用者にかかる加速度を検出し、運動情報作成部131に運動強度として出力し続ける。3時間の計時が終了した場合(ステップS502:Yes)、運動情報作成部131は、加速度センサ11が計測した運動強度の3時間の平均値を算出する(ステップS503)。また、運動情報作成部131は、算出された平均値に計測が行われた時間帯を対応つけて運動情報を作成する。作成された運動情報は、出力I/F31及び入力I/F51を介して身体状態情報推定部132に送られる。身体状態情報推定部132は、関連情報蓄積用メモリ19から身体状態関連情報を読み出し、利用者の運動情報を適用して身体状態情報を推定する(ステップS504)。
When acquisition of user exercise information is started, the
メッセージ作成部133は、例えば、推定された利用者の身体状態情報と実際の身体状態情報の差分に基づいて利用者に歩数や運動強度をアドバイスするアドバイス情報を作成する。そして、アドバイス情報に身体状態情報等を付加してメッセージを作成する(ステップS505)。メッセージは、表示部15に出力される(ステップS506)。
なお、メッセージの出力は、図6に示したフローチャートに記載されたものに限定されるものではない。例えば、表1に示した骨格筋指数のように、9時から12時、15時から18時、18時から21時の3回に渡って行われる運動から運動情報を取得する場合、21時までに行われた運動の運動情報から身体状態情報を推定する。そして、推定された身体状態情報に基づいて作成されたメッセージを、例えば、翌日の運動開始時に利用者に提供するようにしてもよい。
For example, the
The message output is not limited to that described in the flowchart shown in FIG. For example, as in the case of the skeletal muscle index shown in Table 1, when acquiring exercise information from three exercises from 9 o'clock to 12 o'clock, 15 o'clock to 18 o'clock, and 18 o'clock to 21 o'clock, The body state information is estimated from the motion information of the motions performed so far. Then, a message created based on the estimated body condition information may be provided to the user at the start of exercise the next day, for example.
以上説明したフローチャートの少なくともステップS504からステップS506は、例えば、身体状態情報推定装置50において図示しないコンピュータによって実現されるプログラムによって処理される。
At least steps S504 to S506 in the flowchart described above are processed by a program realized by a computer (not shown) in the body state
以上説明した本実施形態は、利用者が行った運動に基づいて利用者の身体状態情報を推定している。このため、利用者は特別な機器を用いることなく身体状態情報を推定することができる。また、本実施形態は、自動的に利用者から運動情報を取得することができるので、利用者に負担をかけることなく身体状態情報の推定を習慣化することができる。
また、本実施形態は、時間行動学の原理に基づいて被験者の実測値を考慮した身体状態関連情報に運動情報を適用して身体状態情報を推定している。このため、実測値と相関性が高い推定値を得ることができる。
In the present embodiment described above, the user's physical state information is estimated based on the exercise performed by the user. For this reason, the user can estimate the body state information without using a special device. Moreover, since this embodiment can automatically acquire exercise information from a user, it is possible to make body condition information estimation habitual without placing a burden on the user.
Further, in the present embodiment, the body state information is estimated by applying the exercise information to the body state related information considering the actual measurement value of the subject based on the principle of temporal behavior. For this reason, an estimated value having high correlation with the actually measured value can be obtained.
[変形例]
また、本実施形態は、以上説明したように、運動情報から身体状態情報を推定することに限定されるものではない。例えば、利用者の運動情報を被験者の運動情報と比較して、利用者が将来発生し得る障害または疾病(以下、「疾病等」と記す)を予測する疾病予測工程をさらに含む、ようにすることもできる。
疾病等を予測する場合、図2に示した関連情報蓄積用メモリ19には身体状態関連情報に代えて、疾病関連情報が蓄積される。疾病関連情報とは、被験者の活動に関する情報をパラメータにして表される活動と疾病の予測値(INDEX)との関係を示す情報である。例えば、認知症(疾病)に関するINDEXを得るための疾病関連情報は、以下のように表される。
−1.629(3〜6時に行った歩行の強度の平均値)−0.02(21〜24時に行った歩行の歩数の平均値)+0.192(年齢)−17.139 式(5)
[Modification]
Further, as described above, the present embodiment is not limited to estimating body state information from exercise information. For example, the method further includes a disease prediction step of comparing a user's exercise information with a subject's exercise information to predict a disorder or disease that may occur in the future (hereinafter referred to as “disease etc.”). You can also.
When predicting a disease or the like, disease related information is stored in the related
-1.629 (average value of the intensity of walking performed at 3 to 6 o'clock) -0.02 (average value of the number of steps of walking performed at 21 to 24 o'clock) +0.192 (age) -17.139 Equation (5)
本変形例にあっては、図6に示したフローチャートにおいて、図2に示した身体状態情報推定部132が関連情報蓄積用メモリ19から例えば式(5)の疾病関連情報を読み出し、式(5)に示した括弧()内に利用者の活動(歩行)に関するパラメータや年齢等のパラメータを適用することにより、利用者が認知症を発症する可能性の有無やその度合いを予測することができる。
なお、本変形例において、疾病関連情報は、身体状態関連情報と同様に、式の形に限定されずテーブル等の活動情報を与えて疾病の予測値を得られるものであれば、どのような形式のものであってもよい。
In the present modification, in the flowchart shown in FIG. 6, the body state
In this modification, the disease-related information is not limited to the form of a formula, as in the case of the body condition-related information, and any information can be used as long as it can provide activity information such as a table and obtain a predicted value of the disease. It may be of a form.
上記実施形態及び実施例は以下の技術思想を包含するものである。
<1>
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含むことを特徴とする、身体状態情報推定方法。
<2>
前記身体状態情報推定工程においては、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の身体状態情報が推定される、<1>に記載の身体状態情報推定方法。
<3>
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報である、<1>または<2>に記載の身体状態情報推定方法。
<4>
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分散の程度に関する情報である、<1>または<2>に記載の身体状態情報推定方法。
<5>
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分布の程度に関する情報である、<1>または<2>に記載の身体状態情報推定方法。
<6>
前記利用者が目標とする前記身体状態情報に対応する前記身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む<1>から<5>のいずれか1項に記載の身体状態情報推定方法。
<7>
前記被験者運動情報と、前記被験者の疾病または障害に関する被験者疾病情報と、の関連性を表す疾病関連情報に前記利用者運動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程をさらに含む、<1>から<6>のいずれか1項に記載の身体状態情報推定方法。
<8>
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする身体状態情報推定プログラム。
<9>
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含むことを特徴とする、身体状態情報推定装置。
<10>
利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、
前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する<9>に記載の身体状態情報推定装置と、
を含むことを特徴とする身体状態情報推定システム。
The above embodiments and examples include the following technical ideas.
<1>
At least body motion related information representing a relationship between exercise performed by a plurality of subjects acquired in advance and subject motion information related to a time zone during which the motion was performed, and subject physical status information regarding the subject's body, Body state information comprising a body state information estimating step of estimating the user's body state information by applying the user's motion information relating to the exercise performed by the user and the time zone during which the exercise was performed Estimation method.
<2>
The physical condition information according to <1>, wherein in the physical condition information estimation step, the physical condition information of the user is further estimated based on information on at least one of the height, weight, and age of the user. Estimation method.
<3>
The body condition information estimation method according to <1> or <2>, wherein the subject exercise information is information relating to an exercise amount or an exercise intensity of an exercise performed by the subject during a specific time of the day.
<4>
The body condition information estimation method according to <1> or <2>, wherein the subject exercise information is information related to a degree of movement or exercise intensity dispersion of exercise performed by the subject.
<5>
The body condition information estimation method according to <1> or <2>, wherein the subject exercise information is information related to a degree of exercise amount or intensity distribution of exercise performed by the subject.
<6>
<1> to <5, further comprising a message creation step of creating a message including advice on exercises to be performed by the user based on the body condition related information corresponding to the body condition information targeted by the user. > The body state information estimation method according to any one of the above.
<7>
Disease prediction that predicts a disease or disorder that the user develops by applying the user movement information to disease-related information that represents a relationship between the subject movement information and subject disease information related to the subject's disease or disorder The body state information estimation method according to any one of <1> to <6>, further including a step.
<8>
The body state related information representing the relationship between at least the subject exercise information acquired in advance and the subject exercise information related to the time zone in which the exercise was performed and the subject's body state information, A body state information estimation program comprising a body state information estimation method step of estimating body state information of a user by applying user motion information relating to a performed exercise and a time zone in which the exercise was performed.
<9>
At least body motion related information representing a relationship between exercise performed by a plurality of subjects acquired in advance and subject motion information related to a time zone during which the motion was performed, and subject physical status information regarding the subject's body, Body state information including a body state information estimation unit that estimates user's body state information by applying user motion information related to the exercise performed by the user and the time zone during which the exercise was performed Estimating device.
<10>
An exercise information acquisition device for acquiring user exercise information related to the exercise performed by the user and the time zone during which the exercise was performed;
The body state information estimation device according to <9>, wherein the user motion information is input from the motion information acquisition device, and body state information related to the user's body is estimated based on the user motion information;
The body state information estimation system characterized by including.
10,40,50 身体状態情報推定装置
11 加速度センサ
13 制御部
15 表示部
17 タイマ
19 関連情報蓄積用メモリ
20,30 運動情報取得装置
21 入力部
31 出力I/F
51 入力I/F
131 運動情報作成部
132 身体状態情報推定部
133 メッセージ作成部
N ネットワーク
10, 40, 50 Physical state
51 Input I / F
131 exercise
Claims (9)
前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する請求項8に記載の身体状態情報推定装置と、
を含むことを特徴とする身体状態情報推定システム。 An exercise information acquisition device for acquiring user exercise information related to the exercise performed by the user and the time zone during which the exercise was performed;
The body state information estimation device according to claim 8, wherein the user motion information is input from the motion information acquisition device, and body state information related to the user's body is estimated based on the user motion information;
The body state information estimation system characterized by including.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016225215A JP6830799B2 (en) | 2016-11-18 | 2016-11-18 | Physical condition information estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016225215A JP6830799B2 (en) | 2016-11-18 | 2016-11-18 | Physical condition information estimation method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018079220A true JP2018079220A (en) | 2018-05-24 |
JP6830799B2 JP6830799B2 (en) | 2021-02-17 |
Family
ID=62196998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016225215A Active JP6830799B2 (en) | 2016-11-18 | 2016-11-18 | Physical condition information estimation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6830799B2 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019204405A (en) * | 2018-05-25 | 2019-11-28 | シャープ株式会社 | Network system, server, and information processing method |
WO2020208945A1 (en) * | 2019-04-09 | 2020-10-15 | パナソニックIpマネジメント株式会社 | Muscle strength management system and muscle strength management method |
WO2023127007A1 (en) * | 2021-12-27 | 2023-07-06 | 日本電気株式会社 | Muscular strength index estimation device, muscular strength index estimation system, muscular strength index estimation method, and recording medium |
JP7506386B2 (en) | 2019-07-30 | 2024-06-26 | コネクトフリー株式会社 | Biometric information collection system and wearable device |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005205167A (en) * | 2003-12-22 | 2005-08-04 | Matsushita Electric Works Ltd | Exercise state sensing system |
JP2012081166A (en) * | 2010-10-14 | 2012-04-26 | Seiko Epson Corp | System for predicting blood glucose level |
JP2014229212A (en) * | 2013-05-24 | 2014-12-08 | セイコーエプソン株式会社 | Information processing system, program, and information processing method |
-
2016
- 2016-11-18 JP JP2016225215A patent/JP6830799B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005205167A (en) * | 2003-12-22 | 2005-08-04 | Matsushita Electric Works Ltd | Exercise state sensing system |
JP2012081166A (en) * | 2010-10-14 | 2012-04-26 | Seiko Epson Corp | System for predicting blood glucose level |
JP2014229212A (en) * | 2013-05-24 | 2014-12-08 | セイコーエプソン株式会社 | Information processing system, program, and information processing method |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019204405A (en) * | 2018-05-25 | 2019-11-28 | シャープ株式会社 | Network system, server, and information processing method |
WO2020208945A1 (en) * | 2019-04-09 | 2020-10-15 | パナソニックIpマネジメント株式会社 | Muscle strength management system and muscle strength management method |
JPWO2020208945A1 (en) * | 2019-04-09 | 2021-12-09 | パナソニックIpマネジメント株式会社 | Strength management system and strength management method |
JP7209199B2 (en) | 2019-04-09 | 2023-01-20 | パナソニックIpマネジメント株式会社 | MUSCLE STRENGTH MANAGEMENT SYSTEM AND MUSCLE STRENGTH MANAGEMENT METHOD |
JP7506386B2 (en) | 2019-07-30 | 2024-06-26 | コネクトフリー株式会社 | Biometric information collection system and wearable device |
WO2023127007A1 (en) * | 2021-12-27 | 2023-07-06 | 日本電気株式会社 | Muscular strength index estimation device, muscular strength index estimation system, muscular strength index estimation method, and recording medium |
Also Published As
Publication number | Publication date |
---|---|
JP6830799B2 (en) | 2021-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tedesco et al. | Accuracy of consumer-level and research-grade activity trackers in ambulatory settings in older adults | |
Butte et al. | Assessing physical activity using wearable monitors: measures of physical activity | |
JP2022088612A (en) | Balance testing and training system and method | |
JP6110869B2 (en) | Cortisol level estimation system for determining the user's estimated mental balance or unbalance level | |
JP6236862B2 (en) | How to calculate geriatric disorder risk | |
JP6830799B2 (en) | Physical condition information estimation method | |
WO2012117632A9 (en) | Physical activity amount meter | |
JP2017508589A (en) | Health risk index determination | |
JP6535778B1 (en) | Motor ability evaluation system | |
EP3866172A1 (en) | Method, device, and program for assessing relevance of respective preventive interventional actions to health in health domain of interest | |
US20140005575A1 (en) | Activity meter | |
JP2020017153A (en) | Health condition diagnosis system | |
JP4636523B2 (en) | Exercise state management system and pulse data processing device | |
JP6864460B2 (en) | Disease prediction device | |
Pires et al. | Limitations of energy expenditure calculation based on a mobile phone accelerometer | |
Ladlow et al. | Impact of anatomical placement of an accelerometer on prediction of physical activity energy expenditure in lower-limb amputees | |
JP4068965B2 (en) | Exercise support apparatus and method | |
Richardson et al. | Young, formidable men show greater sensitivity to facial cues of dominance | |
US20180256114A1 (en) | Exercise assistance system, information device, measurement device, exercise assistance method, and program | |
CN107242853B (en) | Waist movement risk assessment and monitoring device | |
US8808146B2 (en) | Activity meter | |
KR102499773B1 (en) | Method and system for predicting geriatric syndromes using foot characteristics and balance characteristics | |
Badawi et al. | Towards a context-aware biofeedback activity recommendation mobile application for healthy lifestyle | |
JP2018124242A (en) | Variation measuring device by biological activity and variation display method by biological activity | |
JP2022048075A (en) | Information processing system, server, information processing method and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200715 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200910 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201111 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210127 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6830799 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |