JP2019215797A - Calorie balance estimating apparatus, calorie balance estimating method, and calorie balance estimating program - Google Patents
Calorie balance estimating apparatus, calorie balance estimating method, and calorie balance estimating program Download PDFInfo
- Publication number
- JP2019215797A JP2019215797A JP2018113684A JP2018113684A JP2019215797A JP 2019215797 A JP2019215797 A JP 2019215797A JP 2018113684 A JP2018113684 A JP 2018113684A JP 2018113684 A JP2018113684 A JP 2018113684A JP 2019215797 A JP2019215797 A JP 2019215797A
- Authority
- JP
- Japan
- Prior art keywords
- calorie balance
- calorie
- estimation
- concentration
- estimating
- 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 description 25
- 239000007789 gas Substances 0.000 claims description 86
- 238000005259 measurement Methods 0.000 claims description 86
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 claims description 77
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 17
- 239000001257 hydrogen Substances 0.000 claims description 13
- 229910052739 hydrogen Inorganic materials 0.000 claims description 13
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 9
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 claims description 9
- 210000000476 body water Anatomy 0.000 claims description 8
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- RRHGJUQNOFWUDK-UHFFFAOYSA-N Isoprene Chemical compound CC(=C)C=C RRHGJUQNOFWUDK-UHFFFAOYSA-N 0.000 claims description 6
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 claims description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- BSAIUMLZVGUGKX-UHFFFAOYSA-N non-2-enal Chemical compound CCCCCCC=CC=O BSAIUMLZVGUGKX-UHFFFAOYSA-N 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000036760 body temperature Effects 0.000 claims description 4
- 235000012054 meals Nutrition 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 3
- IKHGUXGNUITLKF-XPULMUKRSA-N acetaldehyde Chemical compound [14CH]([14CH3])=O IKHGUXGNUITLKF-XPULMUKRSA-N 0.000 claims description 3
- 210000000577 adipose tissue Anatomy 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 3
- 230000035622 drinking Effects 0.000 claims description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 2
- 229940079593 drug Drugs 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims description 2
- 210000003205 muscle Anatomy 0.000 claims description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 21
- 235000019577 caloric intake Nutrition 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000004060 metabolic process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 210000004400 mucous membrane Anatomy 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 239000002041 carbon nanotube Substances 0.000 description 1
- 229910021393 carbon nanotube Inorganic materials 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007937 eating Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000001138 tear Anatomy 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000006276 transfer reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本発明は、カロリー収支推定装置、カロリー収支推定方法、及びカロリー収支推定プログラムに関する。 The present invention relates to a calorie balance estimation device, a calorie balance estimation method, and a calorie balance estimation program.
摂取カロリーと消費カロリーとの差であるカロリー収支を推定するカロリー収支推定システムが知られている。 2. Description of the Related Art A calorie balance estimating system for estimating a calorie balance, which is a difference between consumed calories and consumed calories, is known.
例えば、ユーザから放出されるガス成分からアセトンの濃度を取得し、予め求められたアセトン濃度とカロリー収支との相関関係と、取得したアセトンの濃度とに基づいて、ユーザのカロリー収支を推定するシステムが知られている（例えば、特許文献１参照）。 For example, a system that acquires the concentration of acetone from a gas component emitted from a user, and estimates the calorie balance of the user based on the correlation between the acetone concentration and the calorie balance obtained in advance and the acquired concentration of acetone. Is known (for example, see Patent Document 1).
特許文献１に開示された技術によれば、ユーザは、食事による摂取カロリーや身体活動等による消費カロリー等の情報を入力しなくても、カロリー収支を容易に推定することができるようになる。 According to the technology disclosed in Patent Literature 1, the user can easily estimate the calorie balance without inputting information such as calorie intake through meals and calorie consumption due to physical activity.
しかし、特許文献１に開示された技術では、ユーザ毎にアセトンの濃度とカロリー収支との相関関係に差異があることから、ユーザ毎にその相関関係を調査する期間を設けて、その調査結果を活用しなければカロリー収支の推定精度を向上させることは困難である。 However, in the technique disclosed in Patent Literature 1, since there is a difference in the correlation between the concentration of acetone and the calorie balance for each user, a period for investigating the correlation is provided for each user, and the result of the investigation is determined. Unless it is utilized, it is difficult to improve the accuracy of estimating the calorie balance.
本発明の実施形態は、上記の問題点に鑑みてなされたものであって、カロリー収支推定装置において、ユーザ毎に、ガス成分の濃度とカロリー収支との相関関係を調査する調査期間を設けなくても、カロリー収支の推定精度を向上させることができるようにする。 The embodiment of the present invention has been made in view of the above problems, and in the calorie balance estimation device, does not provide a survey period for investigating the correlation between the concentration of the gas component and the calorie balance for each user. Even so, the accuracy of estimating the calorie balance can be improved.
上記の課題を解決するため、本発明の一実施形態に係るカロリー収支推定装置は、生体ガス中における複数種類のガス成分の濃度及び放出量のうちの少なくとも一方を示す測定データを取得する取得部と、前記複数種類のガス成分の濃度及び放出量のうちの少なくとも一方の測定結果に基づいて予め作成したカロリー収支推定モデルと、前記取得部が取得した前記測定データとを用いてカロリー収支を推定する推定部と、を有する。 In order to solve the above-mentioned problem, a calorie balance estimating device according to an embodiment of the present invention is an acquisition unit that acquires measurement data indicating at least one of a concentration and a release amount of a plurality of types of gas components in a biological gas. And estimating a calorie balance using a calorie balance estimation model created in advance based on at least one of the measurement results of the concentration and emission amount of the plurality of types of gas components, and the measurement data acquired by the acquisition unit. And an estimating unit.
本発明の一実施形態によれば、カロリー収支推定装置において、ユーザ毎に、ガス成分の濃度とカロリー収支との相関関係を調査する調査期間を設けなくても、カロリー収支の推定精度を向上させることができるようになる。 According to an embodiment of the present invention, in a calorie balance estimating apparatus, the accuracy of calorie balance estimation is improved without providing a survey period for investigating a correlation between a gas component concentration and a calorie balance for each user. Will be able to do it.
以下、図面を参照して本発明の実施の形態を説明する。なお、以下で説明する実施の形態は一例であり、本発明が適用される実施の形態は、以下の実施の形態に限られない。 Embodiments of the present invention will be described below with reference to the drawings. The embodiment described below is an example, and the embodiment to which the present invention is applied is not limited to the following embodiment.
＜アセトンの濃度によるカロリー収支の推定について＞
本発明の実施形態の説明を行う前に、本発明に関連するアセトンの濃度によるカロリー収支の推定について簡単に説明する。
<Estimation of calorie balance based on acetone concentration>
Before describing the embodiments of the present invention, the estimation of the calorie balance based on the concentration of acetone related to the present invention will be briefly described.
（背景）
近年、食事、喫煙、飲酒などの生活習慣が発症の原因となる生活習慣病が深刻化している。また、生活習慣病になるリスクを上昇させる肥満については、様々な予防策や改善策が研究されている。
(background)
2. Description of the Related Art In recent years, lifestyle-related diseases caused by lifestyle habits such as eating, smoking, and drinking have become serious. In addition, various preventive and remedial measures have been studied for obesity, which increases the risk of becoming a lifestyle-related disease.
一般的に、肥満を予防、抑制するためには、カロリー収支のコントロールが重要であるとされている。カロリー収支とは、摂取カロリーから消費カロリーを減じた差をいい、カロリーバランスともいう。また、消費カロリーには、基礎代謝によるものと身体活動（運動等）によるものが含まれる。 Generally, it is considered that calorie balance control is important for preventing and suppressing obesity. The calorie balance refers to the difference between the calorie intake and the calorie consumption, and is also called a calorie balance. The consumed calories include those due to basal metabolism and those due to physical activity (exercise and the like).
減量するためには、カロリー収支がマイナスになるように（すなわち、消費カロリーが摂取カロリーよりも多くなるように）食事や運動を管理する必要がある。しかし、カロリー収支のうち、基礎代謝については年齢と体重から計算可能であるものの、食事による摂取カロリーや身体活動による消費カロリーについては、ユーザが逐一食事内容を記録したり、活動量計を常に携帯したりする必要がある。それゆえ、ユーザにとっては、カロリー収支を継続的に管理することには困難を伴っていた。 In order to lose weight, it is necessary to manage diet and exercise so that the calorie balance is negative (that is, calorie consumption is greater than calorie intake). However, in the calorie balance, basal metabolism can be calculated from age and weight, but for calorie intake from meals and calories consumed by physical activity, the user can record the contents of meals one by one and always carry an activity meter. Or need to. Therefore, it has been difficult for the user to continuously manage the calorie balance.
このような背景に鑑み、特許文献１に開示された技術では、呼気中に含まれるアセトンの濃度から、簡便にカロリー収支を推定する技術が開示されている。 In view of such a background, the technology disclosed in Patent Document 1 discloses a technology for easily estimating a calorie balance from the concentration of acetone contained in breath.
（アセトンの濃度とカロリー収支との関係）
アセトンは、生体において体脂肪の燃焼・分解によって生成される代謝産物である。アセトンは、代謝によって血中に放出された後、肺、皮膚、粘膜等を通じて生体ガスとして放出される。また、所定の期間におけるカロリー収支と、呼気ガスのアセトンの濃度との間に相関関係があり、この相関関係と、呼気ガスのアセトンの濃度とを用いて、所定の期間内におけるユーザのカロリー収支を推定できること等が、特許文献１に示されている。
(Relationship between acetone concentration and calorie balance)
Acetone is a metabolite generated by burning and decomposing body fat in a living body. Acetone is released into the blood by metabolism and then released as biological gas through lungs, skin, mucous membranes, and the like. Further, there is a correlation between the calorie balance in a predetermined period and the concentration of acetone in the exhaled gas, and using this correlation and the concentration of acetone in the exhaled gas, the calorie balance of the user in the predetermined period. It is shown in Patent Literature 1 that it can be estimated.
ただし、この方法では、ユーザ毎にアセトンの濃度とカロリー収支との相関関係に差異があることから、ユーザ毎にその相関関係を調査する期間を設けて、その調査結果を活用しなければカロリー収支の推定精度が低下するという問題がある。 However, in this method, since there is a difference in the correlation between the concentration of acetone and the calorie balance for each user, a period for investigating the correlation is provided for each user, and the calorie balance must be utilized unless the result of the survey is utilized. However, there is a problem that the estimation accuracy of is reduced.
そこで、本発明の実施形態では、生体ガス中のアセトンの濃度に加えて、他のガス成分の濃度及び放出量のうちの少なくとも一方を加味してカロリー収支を推定することにより、カロリー収支の推定精度を向上させるカロリー収支推定装置等について説明する。 Therefore, in the embodiment of the present invention, the calorie balance is estimated by estimating the calorie balance by considering at least one of the concentration and the release amount of other gas components in addition to the concentration of acetone in the biological gas. A calorie balance estimating device and the like for improving accuracy will be described.
［第１の実施形態］
＜カロリー収支推定装置の構成＞
図１〜３を用いて、第１の実施形態に係るカロリー収支推定装置の構成について説明する。カロリー収支推定装置１００は、コンピュータの構成を有する情報処理装置であり、例えば、図３に示すようなハードウェア構成を備えている。なお、カロリー収支推定装置１００は、携帯型、据置型のいずれであっても良い。
[First Embodiment]
<Configuration of calorie balance estimation device>
The configuration of the calorie balance estimation device according to the first embodiment will be described with reference to FIGS. The calorie
図１は、第１の実施形態に係るカロリー収支推定装置１００の構成例を示す図（１）である。カロリー収支推定装置１００は、図３のプロセッサ３０１で所定のプログラム（カロリー収支推定プログラム）を実行することにより、図１に示す取得部１０１、推定部１０２、及び記憶部１０３等を実現している。なお、取得部１０１、推定部１０２、及び記憶部１０３の少なくとも一部は、ハードウェアによって実現されるものであっても良い。
FIG. 1 is a diagram (1) illustrating a configuration example of a calorie
取得部１０１は、生体ガス中に含まれる複数種類のガス成分の濃度を示す測定データを取得する。例えば、取得部１０１は、図３に示す１つ以上のセンサ３０８ａ、３０８ｂ、・・・を用いて、ユーザの呼気に含まれる複数種類のガス成分の濃度を測定し、測定データを取得する。なお、ガス成分の濃度は、ガス成分の放出量であっても良いし、ガス成分の濃度と放出量であっても良い。
The
なお、取得部１０１が取得する複数のガス成分の濃度には、前述したように、カロリー収支と相関関係があるアセトンの濃度が含まれる。また、取得部１０１が取得する複数のガス成分の濃度には、例えば、水素、エタノール、アセトアルデヒド、イソプレン、アンモニア、メタン、ノネナール、硫化水素、一酸化炭素、一酸化窒素、二酸化炭素、メチルメルカプタン、ホルムアルデヒド、ベンゼン、及びトルエンのうち、１つ以上のガス成分の濃度が含まれる。
Note that, as described above, the concentrations of the plurality of gas components acquired by the
推定部１０２は、取得部１０１が取得する複数種類のガス成分と同じ、複数種類のガス成分の濃度の測定結果に基づいて予め作成したカロリー収支推定モデル１１０と、取得部１０１が取得した測定データとを用いてカロリー収支を推定する。
The estimating
ここで、推定部１０２が推定するカロリー収支には、例えば、測定データが測定された時点から所定の時間前までの間における摂取カロリーと消費カロリーとの差を示すカロリー収支の値、範囲、又は正負等が含まれ得る。
Here, the calorie balance estimated by the
記憶部１０３は、例えば、図３のプロセッサ３０１で実行されるプログラム、及びストレージ３０３、メモリ３０２等によって実現され、カロリー収支推定モデル１１０等を記憶する。なお、これに限られず、カロリー収支推定モデル１１０は、推定部１０２が有していても良いし、推定部１０２が、図３の通信装置３０６を用いて、外部サーバ等から取得するもの等であっても良い。
The
ここで、カロリー収支推定モデル１１０は、前述した複数種類のガス成分の濃度を測定した複数の測定結果に基づいて、機械学習により予め作成したモデル（予測モデル）である。
Here, the calorie
具体的な一例として、モデルを作成する作成者等は、複数の被験者の摂取カロリー、及び消費カロリーをコントロールして、１日のカロリー収支の値を把握した上で、翌日の朝等に、各被験者の呼気中における複数種類のガス成分の濃度を測定する。 As a specific example, the creator or the like who creates the model controls the calorie intake and consumed calorie of a plurality of subjects, grasps the value of the calorie balance of the day, and then, on the morning of the next day, etc. The concentrations of a plurality of types of gas components in the breath of the subject are measured.
また、作成者等は、測定した複数種類のガス成分の濃度の測定結果を特徴量のデータとし、１日のカロリー収支の値を正解データとして、機械学習（例えば、サポートベクター回帰）によりカロリー収支推定モデル１１０を作成する。
In addition, the creator or the like uses the measurement results of the concentrations of the plurality of types of gas components measured as feature amount data, and the value of the daily calorie balance as correct data, and uses machine learning (for example, support vector regression) to calculate the calorie balance. An
このカロリー収支推定モデル１１０を、記憶部１０３等に記憶しておくことにより、推定部１０２は、取得部１０１が取得した測定データをカロリー収支推定モデル１１０に入力することで、カロリー収支の推定値を算出することができるようになる。
By storing the calorie
なお、サポートベクター回帰による機械学習は一例である。カロリー収支推定モデル１１０は、被験者から測定した複数種類のガス成分の濃度を測定した複数の測定結果に基づいて、他の機械学習、例えば、ニューラルネットワーク、ディープラーニング等による学習によって作成するものであっても良い。
Note that machine learning by support vector regression is an example. The calorie
図２は、第１の実施形態に係るカロリー収支推定装置１００の構成例を示す図（２）である。図２に示すように、カロリー収支推定装置１００の取得部１０１は、生体ガス中に含まれる複数種類のガス成分の濃度を示す測定データを、外部の測定装置２００から取得するものであっても良い。この場合、取得部１０１は、例えば、図３の通信装置３０６を用いて測定装置２００と通信を行い、測定装置２００が測定した複数種類のガス成分の濃度を示す測定データを取得する。また、別の一例として、取得部１０１は、図３の外部接続インタフェース３０７に接続されている測定装置２００から、測定装置２００が測定した複数種類のガス成分の濃度を示す測定データを取得するものであっても良い。
FIG. 2 is a diagram (2) illustrating a configuration example of the calorie
図３は、第１の実施形態に係るカロリー収支推定装置１００のハードウェア構成の例を示す図である。カロリー収支推定装置１００は、物理的には、プロセッサ３０１、メモリ３０２、ストレージ３０３、入力装置３０４、出力装置３０５、通信装置３０６、外部接続インタフェース３０７、１つ以上のセンサ３０８ａ、３０８ｂ、・・・、及びバス３０９等を含むコンピュータ装置として構成されても良い。なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニット等に読み替えることができる。また、以下の説明において、１つ以上のセンサ３０８ａ、３０８ｂ、・・・のうち、任意のセンサを示す場合、「センサ３０８」を用いる。
FIG. 3 is a diagram illustrating an example of a hardware configuration of the calorie
プロセッサ３０１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ３０１は、周辺装置とのインタフェース、制御装置、演算装置、レジスタ等を含む中央処理装置（ＣＰＵ：Central Processing Unit）で構成されても良い。
The
また、プロセッサ３０１は、プログラム（プログラムコード）、ソフトウェアモジュールやデータを、ストレージ３０３及び／又は通信装置３０６からメモリ３０２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、カロリー収支推定装置１００の動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。カロリー収支推定装置１００において実行される各種処理は、１つのプロセッサ３０１で実行されても良いし、２以上のプロセッサ３０１により同時又は逐次に実行されても良い。プロセッサ３０１は、１以上のチップで実装されても良い。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
In addition, the
メモリ３０２は、コンピュータ読み取り可能な記憶媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）等の少なくとも１つで構成されても良い。メモリ３０２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）等と呼ばれても良い。メモリ３０２は、本発明の一実施の形態に係るサービス提供方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュール等を保存することができる。
The
ストレージ３０３は、コンピュータ読み取り可能な記憶媒体であり、例えば、ＣＤ−ＲＯＭ（Compact Disc ＲＯＭ）等の光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ−ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップ等の少なくとも１つで構成されても良い。ストレージ３０３は、補助記憶装置と呼ばれても良い。上述の記憶媒体は、例えば、メモリ３０２及び／又はストレージ３０３を含むデータベース、サーバその他の適切な媒体であっても良い。
The
入力装置３０４は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサ等）である。出力装置３０５は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカ、ＬＥＤランプ等）である。なお、入力装置３０４及び出力装置３０５は、一体となった構成（例えば、タッチパネル）であっても良い。
The
通信装置３０６は、有線及び／又は無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュール等ともいう。また、通信装置３０６は、近距離無線通信により、測定装置２００等の外部装置と直接通信を行う機能を有していても良い。
The
外部接続インタフェース３０７は、カロリー収支推定装置１００に、例えば、図２の測定装置２００等の外部装置を接続するためのインタフェースである。
The
１つ以上のセンサ３０８ａ、３０８ｂ、・・・は、ユーザが放出する生体ガス中における、アセトンを含む複数種類のガス成分の濃度を測定する検出装置、又は検出デバイスである。
The one or
ここで、ユーザが放出する生体ガスは、例えば、ユーザの呼気、粘膜、皮膚、便、尿、唾液、涙液、汗のいずれか１つ以上から発せられるガスであっても良い。 Here, the biological gas released by the user may be, for example, gas emitted from one or more of the user's breath, mucous membrane, skin, stool, urine, saliva, tears, and sweat.
また、複数種類のガス成分には、アセトンのガス成分に加えて、エタノール、アセトアルデヒド、イソプレン、水素、アンモニア、メタン、ノネナール、硫化水素、一酸化炭素、一酸化窒素、二酸化炭素、メチルメルカプタン、ホルムアルデヒド、ベンゼン、トルエンのうち、１つ以上のガス成分が含まれる。 In addition, in addition to the gas component of acetone, ethanol, acetaldehyde, isoprene, hydrogen, ammonia, methane, nonenal, hydrogen sulfide, carbon monoxide, nitric oxide, carbon dioxide, methyl mercaptan, formaldehyde , Benzene, and toluene.
センサ３０８には、例えば、半導体式ガスセンサ、カーボンナノチューブ型センサ、グラフェン型センサ、電気化学式センサ、光ファイバー型センサ、薄膜型センサ、ＭＥＭＳ熱伝導式センサ、弾性表面波センサ、マイクロ熱電式センサ、接触燃焼式センサ、起電力変化方式センサ、ＱＣＭセンサ、又は光学式センサ等を適用することができる。 Examples of the sensor 308 include a semiconductor gas sensor, a carbon nanotube sensor, a graphene sensor, an electrochemical sensor, an optical fiber sensor, a thin film sensor, a MEMS heat conduction sensor, a surface acoustic wave sensor, a micro thermoelectric sensor, and a contact combustion. A type sensor, an electromotive force change type sensor, a QCM sensor, an optical sensor, or the like can be applied.
また、センサ３０８は、上述した複数種類のセンサのうち、１つの種類のセンサを、複数種類のガス成分を測定できるように構成してアレイ化したものや、種類が異なる２つ以上のセンサを組み合わせてアレイ化したもの等であっても良い。 In addition, the sensor 308 may be configured by arraying one type of sensor among the above-described types of sensors so as to measure a plurality of types of gas components, or by using two or more sensors of different types. An array formed by combining them may be used.
また、センサ３０８には、例えば、ガスクロマトグラフィー質量分析装置、プロトン移動反応質量分析計、イオン選択型質量分析計、又は可視・赤外分光装置等を用いるものであっても良い。 Further, as the sensor 308, for example, a gas chromatography mass spectrometer, a proton transfer reaction mass spectrometer, an ion selective mass spectrometer, or a visible / infrared spectrometer may be used.
上記のプロセッサ３０１やメモリ３０２等の各装置は、情報を通信するためのバス３０９で接続される。バス３０９は、単一のバスで構成されても良いし、装置間で異なるバスで構成されても良い。
Each device such as the
＜処理の流れ＞
続いて、本実施形態に係るカロリー収支推定方法の処理の流れについて説明する。
<Process flow>
Subsequently, a flow of processing of the calorie balance estimation method according to the present embodiment will be described.
図４は、第１の実施形態に係るカロリー収支推定処理の流れを示すフローチャートである。なお、図４に示す処理の開始時点において、図１、２に示すように、カロリー収支推定装置１００の記憶部１０３に、予め作成されたカロリー収支推定モデル１１０が記憶されているものとする。また、以下の説明の中で、「濃度又は放出量」は、濃度であっても良いし、放出量であっても良いし、濃度＋放出量であっても良いことを示すものとする。
FIG. 4 is a flowchart illustrating the flow of the calorie balance estimation process according to the first embodiment. At the start of the process shown in FIG. 4, it is assumed that a calorie
ステップＳ４０１において、カロリー収支推定装置１００（又は測定装置２００）は、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定する。 In step S401, the calorie balance estimation device 100 (or the measurement device 200) measures the concentrations or the release amounts of a plurality of types of gas components in the biological gas released by the user.
例えば、図１に示す構成のカロリー収支推定装置１００では、取得部１０１が、図３の１つ以上のセンサ３０８ａ、３０８ｂ、・・・に、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定させる。
For example, in the calorie
また、図２に示す構成のカロリー収支推定装置１００では、取得部１０１が、測定装置２００に、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定させる。或いは、測定装置２００は、ユーザの測定操作等に応じて、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定するものであっても良い。
Further, in the calorie
ステップＳ４０２において、カロリー収支推定装置１００の取得部１０１は、ステップＳ４０１で測定された、複数種類のガス成分の濃度又は放出量の測定データを取得する。
In step S402, the obtaining
ステップＳ４０３において、カロリー収支推定装置１００の推定部１０２は、カロリー収支推定モデル１１０を取得する。例えば、推定部１０２は、記憶部１０３に記憶したカロリー収支推定モデル１１０を読出する。或いは、推定部１０２は、図３の通信装置３０６を用いて、外部サーバ等からカロリー収支推定モデル１１０を取得するものであっても良い。また、推定部１０２に、カロリー収支推定モデル１１０が予め組み込まれている場合には、ステップＳ４０３の処理は省略することができる。
In step S403, the
ステップＳ４０４において、カロリー収支推定装置１００の推定部１０２は、ステップＳ４０２で取得した測定データを、カロリー収支推定モデル１１０に入力することで、カロリー収支の推定値を算出する（カロリー収支を推定する）。
In step S404, the
上記の処理により、カロリー収支推定装置１００は、測定データが測定された時点から所定の時間前（例えば、２４時間前）までの間における摂取カロリーと消費カロリーとの差を示すカロリー収支の値を推定することができる。なお、カロリー収支推定装置１００が推定するカロリー収支は、カロリー収支の値に限られず、例えば、カロリー収支の範囲、カロリー収支がプラスであるかマイナスであるかを示すカロリー収支の正負、又はカロリー収支の正負の値等であっても良い。
By the above processing, the calorie
＜効果＞
ここで、本実施形態に係るカロリー収支推定装置１００による、カロリー収支の推定精度を向上させる効果について説明する。
<Effect>
Here, an effect of improving the calorie balance estimation accuracy by the calorie
発明者らは、呼気中の複数種類のガス成分や身体情報とカロリー収支との関係を調べるため、３９名の成人被験者を対象に６日間に亘って、以下のような実験を行った。 The present inventors conducted the following experiments on 39 adult subjects over a period of 6 days in order to investigate the relationship between the calorie balance and a plurality of types of gas components and physical information in breath.
まず、栄養バランスに偏りがない食事を被験者に与えて１日の摂取カロリーをコントロールするとともに、活動量計を常時携帯すること、体組成計にて基礎代謝を測ることにより、各被験者の１日の消費カロリーを算出した。また、各被験者の１日のカロリー収支がおおよそ−１０００ｋｃａｌ、−５００ｋｃａｌ、０ｋｃａｌ、＋５００ｋｃａｌ、＋１０００ｋｃａｌとなるようにコントロールした。 First of all, by giving the subjects a diet that is balanced in their nutritional balance to control the daily calorie intake, carrying an activity meter at all times, and measuring basal metabolism with a body composition meter, each subject's daily Calorie consumption was calculated. The subjects were controlled so that the daily calorie balance of each subject was approximately -1000 kcal, -500 kcal, 0 kcal, +500 kcal, and +1000 kcal.
続いて、カロリー収支をコントロールした翌日午前の朝食前に、呼気中のアセトン、水素の濃度を測定し、呼気アセトン濃度を特徴量として、機械学習の手法である、サポートベクター回帰を用いて、モデル（予測モデル）を作成した。 Next, before breakfast in the morning the next day after controlling the calorie balance, the concentrations of acetone and hydrogen in the breath were measured, and the breath acetone concentration was used as a feature value. (Prediction model) was created.
作成したモデルをｋ分割交差検証（ｋ＝１０）にて、モデルの精度を評価した結果を図５に示す。作成したモデルを用いて予測したカロリー収支と、実際のカロリー収支との相関係数は０．５８であった。 FIG. 5 shows the result of evaluating the accuracy of the created model by k-division cross validation (k = 10). The correlation coefficient between the calorie balance predicted using the created model and the actual calorie balance was 0.58.
続いて、呼気アセトン濃度、呼気水素濃度を特徴量として、モデル（カロリー収支推定モデル１１０）を作成し、評価した結果を図６に示す。作成したモデル（カロリー収支推定モデル１１０）を用いて予測したカロリー収支と、実際のカロリー収支との相関係数は０．６１であった。 Subsequently, a model (calorie balance estimation model 110) was created using the exhaled acetone concentration and the exhaled hydrogen concentration as characteristic amounts, and the evaluation results are shown in FIG. The correlation coefficient between the calorie balance predicted using the created model (calorie balance estimation model 110) and the actual calorie balance was 0.61.
このように、呼気アセトン濃度のみからカロリー収支を推定（予測）するよりも、呼気アセトン濃度と呼気水素濃度とを用いてカロリー収支を推定する方が、推定精度を向上できることが判る。 Thus, it can be seen that the estimation accuracy can be improved by estimating the calorie balance using the exhaled acetone concentration and the exhaled hydrogen concentration rather than estimating (predicting) the calorie balance only from the exhaled acetone concentration.
なお、呼気アセトン濃度と呼気水素濃度は、生体ガス中における複数種類のガス成分の濃度又は放出量の一例である。複数種類のガス成分の濃度又は放出量は、アセトンの濃度と、アセトン及び水素とは異なる１つ以上のガス成分であっても良い。 Note that the breath acetone concentration and the breath hydrogen concentration are examples of the concentration or release amount of a plurality of types of gas components in the biological gas. The concentration or release amount of the plurality of types of gas components may be one or more gas components different from the concentration of acetone and acetone and hydrogen.
このように、複数種類のガス成分の濃度又は放出量の測定結果に基づいて予め作成したカロリー収支推定モデル１１０を用いることにより、カロリー収支の推定精度を向上させることができる。
As described above, by using the calorie
従って、本実施形態に係るカロリー収支推定装置１００によれば、ユーザ毎に、アセトン等のガス成分の濃度とカロリー収支との相関関係を調査する調査期間を設けなくても、カロリー収支の推定精度を向上させることができるようになる。
Therefore, according to the calorie
［第２の実施形態］
第２の実施形態では、複数種類のガス成分の濃度又は放出量に加えて、身体の状態を示す身体情報や、生活習慣を示す生活習慣情報等のユーザ情報を用いることにより、カロリー収支の推定精度をさらに向上させる場合の例について説明する。
[Second Embodiment]
In the second embodiment, the calorie balance is estimated by using user information such as physical information indicating the state of the body and lifestyle information indicating the lifestyle in addition to the concentration or the emission amount of a plurality of types of gas components. An example in the case where the accuracy is further improved will be described.
＜カロリー収支推定装置の構成＞
図２は、第２の実施形態に係るカロリー収支推定装置の構成例を示す図である。なお、カロリー収支推定装置１００は、図２に示すように、外部に測定装置２００を有する構成であっても良い。
<Configuration of calorie balance estimation device>
FIG. 2 is a diagram illustrating a configuration example of a calorie balance estimation device according to the second embodiment. Note that the calorie
図７に示すように、第２の実施形態に係るカロリー収支推定装置１００は、図１に示す第１の実施形態に係るカロリー収支推定装置１００の構成に加えて、ユーザ情報取得部７０１を有している。
As shown in FIG. 7, the calorie
ユーザ情報取得部７０１は、例えば、図３のプロセッサ３０１で実行されるプログラムによって実現される。例えば、ユーザ情報取得部７０１は、図３の出力装置３０５等にユーザ情報の入力を促す入力画面を表示させ、ユーザによって入力されるユーザ情報を、入力装置３０４を用いて取得する。
The user
また、別の一例として、ユーザ情報取得部７０１は、通信装置３０６を用いて、ユーザが所持する情報端末、ウェアラブル端末、ＩＣカード等からユーザ識別情報を取得し、ユーザ識別情報に対応するユーザ情報を外部サーバ等から取得するもの等であっても良い。
Further, as another example, the user
ここで、ユーザ情報取得部７０１が取得するユーザ情報には、例えば、ユーザの身体の状態を示す年齢、性別、身長、体重、ＢＭＩ（Body Mass Index）、体温、体脂肪率、筋肉量、体水分量、脈拍、血圧、体温、病歴等の身体情報が含まれ得る。また、ユーザ情報取得部７０１が取得するユーザ情報には、ユーザの食事履歴、運動履歴、飲酒履歴、服薬履歴等の生活習慣情報が含まれ得る。
Here, the user information acquired by the user
また、ユーザ情報取得部７０１が取得したユーザ情報は、図７に示すように記憶部１０３に記憶しておくものであっても良い。これにより、例えば、カロリー収支推定装置１００を特定のユーザが利用する場合には、次回からユーザ情報の入力を省略することができるようになる。
The user information acquired by the user
また、第２の実施形態に係るカロリー収支推定モデル１１０は、複数種類のガス成分の濃度又は放出量に加えて、身体情報、生活習慣情報等のユーザ情報に基づいて予め作成しておく。一例として、第２の実施形態に係るカロリー収支推定モデル１１０は、呼気アセトン濃度、呼気エタノール濃度、呼気水素濃度、ＢＭＩ、体水分量等を特徴量として作成される。
In addition, the calorie
なお、第２の実施形態に係るカロリー収支推定装置１００の上記以外の構成は、図１に示す第１の実施形態に係るカロリー収支推定装置１００と同様で良い。
The configuration other than the above of the calorie
＜処理の流れ＞
続いて、第２の実施形態に係るカロリー収支推定方法の処理の流れについて説明する。
<Process flow>
Subsequently, a processing flow of the calorie balance estimation method according to the second embodiment will be described.
図８は、第２の実施形態に係るカロリー収支推定処理の流れを示すフローチャートである。なお、図８に示す処理の開始時点において、図８に示すように、カロリー収支推定装置１００の記憶部１０３に、予め作成されたカロリー収支推定モデル１１０と、予め入力されたユーザ情報７１０が記憶されているものとする。また、ここでは、第１の実施形態と同様の処理内容に対する詳細な説明は省略する。
FIG. 8 is a flowchart illustrating the flow of the calorie balance estimation process according to the second embodiment. At the start of the process shown in FIG. 8, as shown in FIG. 8, the
ステップＳ８０１において、カロリー収支推定装置１００のユーザ情報取得部７０１は、ユーザの身体情報、生活習慣情報等のユーザ情報を取得する。
In step S801, the user
例えば、ユーザ情報取得部７０１は、図３の出力装置３０５等にユーザ情報の入力を促す入力画面を表示させ、ユーザによって入力されるユーザ情報（例えば、ＢＭＩ、体水分量等）７１０を、入力装置３０４を用いて取得し、記憶部１０３に記憶する。
For example, the user
なお、記憶部１０３に、カロリー収支の推定対象となるユーザのユーザ情報７１０が既に記憶されている場合、ステップＳ８０１の処理は省略することができる。
If the
ステップＳ８０２において、カロリー収支推定装置１００は、第１の実施形態と同様にして、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定する。
In step S802, the calorie
ステップＳ８０３において、カロリー収支推定装置１００の取得部１０１は、ステップＳ８０２で測定された、複数種類のガス成分の濃度又は放出量の測定データを取得する。
In step S803, the
ステップＳ８０４において、カロリー収支推定装置１００の推定部１０２は、カロリー収支推定モデル１１０を取得する。例えば、推定部１０２は、記憶部１０３に記憶したカロリー収支推定モデル１１０を読出する。
In step S804, the
ステップＳ８０５において、カロリー収支推定装置１００の推定部１０２は、ステップＳ８０３で取得した測定データと、記憶部１０３に記憶したユーザ情報７１０とを、カロリー収支推定モデル１１０に入力することで、カロリー収支の推定値を算出する。
In step S805, the
上記の処理により、カロリー収支推定装置１００は、測定データが測定された時点から所定の時間前までの間における摂取カロリーと消費カロリーとの差を示すカロリー収支の値を推定することができる。
Through the above processing, the calorie
＜効果＞
ここで、第２の実施形態に係るカロリー収支推定装置１００による、カロリー収支の推定精度を向上させる効果について説明する。
<Effect>
Here, the effect of improving the calorie balance estimation accuracy by the calorie
発明者らは、第１の実施形態と同様にして、複数の被験者の摂取カロリー、消費カロリーをコントロールし、１日のカロリー収支を把握した。また、カロリー収支をコントロールした翌日午前の朝食前に、呼気中のアセトン、エタノール、水素の濃度を測定した。さらに、体組成計による基礎代謝測定時に、あわせて体重、体水分量も測定した。 The inventors controlled the calorie intake and consumed calories of a plurality of subjects and grasped the daily calorie balance in the same manner as in the first embodiment. Before breakfast in the morning the next day after controlling the calorie balance, the concentrations of acetone, ethanol, and hydrogen in the breath were measured. Furthermore, at the time of basal metabolism measurement using a body composition meter, body weight and body water content were also measured.
続いて、呼気アセトン濃度、呼気エタノール濃度、呼気水素濃度、ＢＭＩ、及び体水分量を特徴量としてモデル（カロリー収支推定モデル１１０）を作成し、評価した結果を図９に示す。図９に示すように、呼気アセトン濃度、呼気エタノール濃度、呼気水素濃度、ＢＭＩ、及び体水分量に基づいて作成したカロリー収支推定モデル１１０を用いて予測したカロリー収支と、実際のカロリー収支との相関係数は０．７０であった。
Subsequently, a model (calorie balance estimation model 110) was created using the exhaled acetone concentration, the exhaled ethanol concentration, the exhaled hydrogen concentration, the BMI, and the body water content as characteristic amounts, and the evaluation results are shown in FIG. As shown in FIG. 9, the calorie balance predicted using the calorie
このように、複数種類のガス成分の濃度と、ＢＭＩ、体水分量等の身体情報とを用いて作成したカロリー収支推定モデル１１０を用いることにより、カロリー収支の推定精度をさらに向上させることができることが判る。
As described above, by using the calorie
なお、ＢＭＩと対水分量は、身体情報、生活習慣情報等のユーザ情報の一例である。ユーザ情報として、前述した身体情報、生活習慣情報に含まれる１つ以上の情報を適用することができる。 The BMI and the water content are examples of user information such as physical information and lifestyle information. As the user information, one or more pieces of information included in the aforementioned physical information and lifestyle information can be applied.
このように、複数種類のガス成分の濃度又は放出量の測定結果と、身体情報、生活習慣情報等のユーザ情報とに基づいて予め作成したカロリー収支推定モデル１１０を用いることにより、カロリー収支の推定精度をさらに向上させることができる。
As described above, the calorie balance estimation is performed by using the calorie
以上、第２の実施形態に係るカロリー収支推定装置１００によれば、ユーザ毎に、アセトン等のガス成分の濃度とカロリー収支との相関関係を調査する調査期間を設けなくても、カロリー収支の推定精度をさらに向上させることができるようになる。
As described above, according to the calorie
［第３の実施形態］
＜システム構成＞
図１０は、第３の実施形態に係るカロリー収支推定システム１０００のシステム構成の例を示す図である。図１０に示すように、カロリー収支推定装置１００は、通信ネットワーク１０１０を介して測定装置２００等と通信可能に接続された情報処理装置であっても良い。
[Third Embodiment]
<System configuration>
FIG. 10 is a diagram illustrating an example of a system configuration of a calorie
さらに、カロリー収支推定装置１００は、通信ネットワーク１０１０を介して通信可能に接続された１つ以上の測定装置２００にカロリー収支推定サービスを提供するサーバ装置であっても良い。
Furthermore, the calorie
（カロリー収支推定装置の構成）
第３の実施形態に係るカロリー収支推定装置１００の構成は、図２に示す第１の実施形態に係るカロリー収支推定装置１００の構成と同様で良い。
(Configuration of calorie balance estimation device)
The configuration of the calorie
第３の実施形態に係る取得部１０１は、通信ネットワーク１０１０を介して、測定装置２００から、生体ガス中の複数種類のガス成分の濃度又は放出量を示す測定データ、ユーザ情報等を取得する。
The
また、第３の実施形態に係る推定部１０２は、カロリー収支の推定結果を、例えば、通信ネットワーク１０１０を介して、測定装置２００等に通知する。
In addition, the
（測定装置の構成）
測定装置２００は、例えば、図３に示すカロリー収支推定装置１００と同様のハードウェア構成を有している。また、測定装置２００は、図３のプロセッサ３０１で所定のプログラムを実行することにより、図１０に示す測定制御部１００１、表示入力部１００２等を実現している。
(Configuration of measuring device)
The
表示入力部１００２は、例えば、図３の出力装置３０５に、測定開始操作、ユーザ情報の入力等を受け付ける表示画面を表示し、図３の入力装置３０４を用いて、ユーザによる入力操作を受け付ける。また、表示入力部１００２は、例えば、カロリー収支推定装置１００から通知されたカロリー収支の推定値を含む表示画面を、出力装置３０５に表示させる。
The
測定制御部１００１は、例えば、表示入力部１００２が受け付けた測定開始操作等に応じて、図３の１つ以上のセンサ３０８ａ、３０８ｂ、・・・を用いて、生体ガス中におけるアセトンを含む複数種類のガス成分の濃度又は放出量を測定する。また、測定制御部１００１は、測定した複数種類のガス成分の濃度又は放出量の測定データ、ユーザ情報等をカロリー収支推定装置１００に送信する。
The measurement control unit 1001 uses one or
＜処理の流れ＞
（カロリー収支推定処理１）
続いて、第３の実施形態に係るカロリー収支推定方法の処理の流れについて説明する。
<Process flow>
(Calorie balance estimation process 1)
Next, a processing flow of the calorie balance estimation method according to the third embodiment will be described.
図１１は、第３の実施形態に係るカロリー収支推定処理の例を示すシーケンス図（１）である。なお、基本的な処理内容は、図４に示す第１の実施形態に係るカロリー収支推定処理と同様なので、ここでは同様の処理に対する詳細な説明は省略する。 FIG. 11 is a sequence diagram (1) illustrating an example of the calorie balance estimation process according to the third embodiment. Note that the basic processing contents are the same as the calorie balance estimation processing according to the first embodiment shown in FIG. 4, and thus detailed description of the same processing is omitted here.
ステップＳ１１０１において、測定装置２００の測定制御部１００１は、例えば、表示入力部１００２が受け付けた測定開始操作等に応じて、ユーザが放出する生体ガス中における複数種類のガス成分の濃度又は放出量を測定する。
In step S1101, the measurement control unit 1001 of the
例えば、測定制御部１００１は、図３の１つ以上のセンサ３０８ａ、３０８ｂ、・・・を用いて、ユーザが放出する生体ガス中におけるアセトンを含む複数種類のガス成分の濃度又は放出量を測定する。
For example, the measurement control unit 1001 measures the concentration or the release amount of a plurality of types of gas components including acetone in the biological gas released by the user using one or
ステップＳ１１０２において、測定装置２００の測定制御部１００１は、測定した複数種類のガス成分の濃度又は放出量を示す測定データを、カロリー収支推定装置１００に送信する。
In step S1102, the measurement control unit 1001 of the
ステップＳ１１０３において、カロリー収支推定装置１００の取得部１０１は、測定装置２００から送信された測定データを取得する。
In step S1103, the
ステップＳ１１０４において、カロリー収支推定装置１００の推定部１０２は、記憶部１０３に記憶したカロリー収支推定モデル１１０を取得する。なお、ここでは、記憶部１０３には、アセトンを含む複数種類のガス成分の測定結果に基づいて予め作成したカロリー収支推定モデル１１０が記憶されているものとする。
In step S1104, the
ステップＳ１１０５において、カロリー収支推定装置１００の推定部１０２は、ステップＳ１１０３で取得した測定データを、カロリー収支推定モデル１１０に入力することで、カロリー収支の推定値を算出する。
In step S1105, the
ステップＳ１１０６において、カロリー収支推定装置１００の推定部１０２は、算出したカロリー収支の推定値を測定装置２００に送信する。
In step S1106, the
ステップＳ１１０７において、測定装置２００の表示入力部１００２は、カロリー収支推定装置１００から送信されたカロリー収支の推定値を含む表示画面を、図３の出力装置３０５等の表示部に表示させる。
In step S1107, the
上記の処理により、カロリー収支推定装置１００は、第１の実施形態に係るカロリー収支推定装置１００と同様に、測定データが測定された時点から所定の時間前までの間における摂取カロリーと消費カロリーとの差を示すカロリー収支の値を推定することができる。
By the above processing, the calorie
（カロリー収支推定処理２）
図１２は、第３の実施形態に係るカロリー収支推定処理の例を示すシーケンス図（２）である。なお、基本的な処理内容は、図８に示す第２の実施形態に係るカロリー収支推定処理と同様なので、ここでは同様の処理に対する詳細な説明は省略する。
(Calorie balance estimation process 2)
FIG. 12 is a sequence diagram (2) illustrating an example of the calorie balance estimation process according to the third embodiment. Note that the basic processing contents are the same as the calorie balance estimation processing according to the second embodiment shown in FIG. 8, and thus detailed description of the same processing is omitted here.
ステップＳ１２０１において、測定装置２００の表示入力部１００２は、ユーザによる身体情報、生活習慣情報等のユーザ情報の入力を促す入力画面を図３の出力装置３０５等の表示部に表示させて、入力された身体情報、生活習慣情報等のユーザ情報を取得する。
In step S1201, the
ステップＳ１２０２において、測定装置２００の測定制御部１００１は、ユーザが放出する生体ガス中におけるアセトンを含む複数種類のガス成分の濃度又は放出量を測定する。
In step S1202, the measurement control unit 1001 of the
ステップＳ１２０３において、測定装置２００の測定制御部１００１は、測定した複数種類のガス成分の濃度又は放出量を示す測定データと、取得したユーザ情報とを、カロリー収支推定装置１００に送信する。
In step S1203, the measurement control unit 1001 of the
ステップＳ１２０４において、カロリー収支推定装置１００の取得部１０１は、測定装置２００から送信された測定データと、ユーザ情報とを取得する。
In step S1204, the
ステップＳ１２０５において、カロリー収支推定装置１００の推定部１０２は、記憶部１０３に記憶したカロリー収支推定モデル１１０を取得する。なお、ここでは、記憶部１０３には、アセトンを含む複数種類のガス成分の測定結果と、ユーザ情報とに基づいて予め作成したカロリー収支推定モデル１１０が記憶されているものとする。
In step S1205, the
ステップＳ１２０６において、カロリー収支推定装置１００の推定部１０２は、ステップＳ２０４で取得した測定データと、ユーザ情報とを、カロリー収支推定モデル１１０に入力することで、カロリー収支の推定値を算出する。
In step S1206, the
ステップＳ１２０７において、カロリー収支推定装置１００の推定部１０２は、算出したカロリー収支の推定値を測定装置２００に送信する。
In step S1207, the
ステップＳ１２０８において、測定装置２００の表示入力部１００２は、カロリー収支推定装置１００から送信されたカロリー収支の推定値を含む表示画面を、図３の出力装置３０５等の表示部に表示させる。
In step S1208, the
上記の処理により、カロリー収支推定装置１００は、第２の実施形態に係るカロリー収支推定装置１００と同様に、測定データが測定された時点から所定の時間前までの間における摂取カロリーと消費カロリーとの差を示すカロリー収支の値を推定することができる。
By the above processing, the calorie
なお、第３の実施形態では、カロリー収支推定装置１００が１つ以上の測定装置２００にカロリー収支推定サービスを提供するサーバ装置である場合、サービス提供者は、記憶部１０３に記憶したカロリー収支推定モデル１１０を容易に更新、変更することができる。
In the third embodiment, when the calorie
これにより、測定装置２００を利用するユーザは、常に最新のカロリー収支推定モデル１１０を用いてカロリー収支を測定することができるようになる。
Thereby, the user using the
＜補足＞
なお、図１、２、１０の構成図は、機能単位のブロックを示している。これらの機能ブロックは、ハードウェア及び／又はソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的及び／又は論理的に結合した１つの装置により実現されても良いし、物理的及び／又は論理的に分離した２つ以上の装置を直接的及び／又は間接的に（例えば、有線及び／又は無線）で接続し、これら複数の装置により実現されても良い。
<Supplement>
The configuration diagrams of FIGS. 1, 2, and 10 show blocks of functional units. These functional blocks are realized by any combination of hardware and / or software. Further, the means for realizing each functional block is not particularly limited. That is, each functional block may be realized by one device physically and / or logically coupled, or two or more devices physically and / or logically separated from each other directly and / or indirectly. (For example, wired and / or wireless), and may be realized by the plurality of devices.
また、図３に示すカロリー収支推定装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されても良いし、一部の装置を含まずに構成されても良い。また、カロリー収支推定装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを含んで構成されても良く、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されても良い。例えば、プロセッサ３０１は、これらのハードウェアの少なくとも１つで実装されても良い。
The hardware configuration of the calorie
本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャート等は、矛盾のない限り、順序を入れ替えても良い。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。 The processing procedure, sequence, flowchart, and the like of each aspect / embodiment described in this specification may be interchanged as long as there is no inconsistency. For example, the methods described herein present the elements of the various steps in an exemplary order and are not limited to the specific order presented.
入出力された情報等は特定の場所（例えば、メモリ）に保存されても良いし、管理テーブルで管理しても良い。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されても良い。入力された情報等は他の装置へ送信されても良い。 The input and output information and the like may be stored in a specific place (for example, a memory) or may be managed by a management table. Information that is input and output can be overwritten, updated, or added. The output information or the like may be deleted. The input information or the like may be transmitted to another device.
判定は、１ビットで表される値（０か１か）によって行われても良いし、真偽値（Boolean：true又はfalse）によって行われても良いし、数値の比較（例えば、所定の値との比較）によって行われても良い。 The determination may be made based on a value represented by 1 bit (0 or 1), a Boolean value (Boolean: true or false), or a comparison of numerical values (for example, a predetermined value). Comparison with a value).
本明細書で説明した各態様／実施形態は単独で用いても良いし、組み合わせて用いても良いし、実行に伴って切り替えて用いても良い。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われても良い。 Each aspect / embodiment described in the present specification may be used alone, may be used in combination, or may be switched and used in execution. In addition, the notification of the predetermined information (for example, the notification of “X”) is not limited to explicitly performed, and is performed implicitly (for example, not performing the notification of the predetermined information). Is also good.
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。 Software, regardless of whether it is called software, firmware, middleware, microcode, a hardware description language, or any other name, instructions, instruction sets, codes, code segments, program codes, programs, subprograms, software modules , Applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, functions, and the like.
また、ソフトウェア、命令などは、伝送媒体を介して送受信されても良い。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び／又は無線技術は、伝送媒体の定義内に含まれる。 Further, software, instructions, and the like may be transmitted and received via a transmission medium. For example, software may use websites, servers, or other devices using wired technology such as coaxial cable, fiber optic cable, twisted pair and digital subscriber line (DSL) and / or wireless technology such as infrared, wireless and microwave. When transmitted from a remote source, these wired and / or wireless technologies are included within the definition of transmission media.
本明細書で説明した情報、信号等は、様々な異なる技術のいずれかを使用して表されても良い。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されても良い。 The information, signals, etc. described herein may be represented using any of a variety of different technologies. For example, data, instructions, commands, information, signals, bits, symbols, chips, etc., that can be referred to throughout the above description are not limited to voltages, currents, electromagnetic waves, magnetic or magnetic particles, optical or photons, or any of these. May be represented by a combination of
なお、本明細書で説明した用語及び／又は本明細書の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えても良い。 Note that terms described in this specification and / or terms necessary for understanding this specification may be replaced with terms having the same or similar meanings.
本明細書で使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。 As used herein, the terms “system” and “network” are used interchangeably.
また、本明細書で説明した情報、パラメータなどは、絶対値で表されても良いし、所定の値からの相対値で表されても良いし、対応する別の情報で表されてもよい。例えば、無線リソースはインデックスで指示されるものであっても良い。 In addition, the information, parameters, and the like described in this specification may be represented by an absolute value, may be represented by a relative value from a predetermined value, or may be represented by another corresponding information. . For example, the radio resource may be indicated by an index.
本明細書で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。 The phrase "based on" as used herein does not mean "based solely on" unless stated otherwise. In other words, the phrase “based on” means both “based only on” and “based at least on.”
「含む(ｉｎｃｌｕｄｉｎｇ)」、「含んでいる（ｃｏｍｐｒｉｓｉｎｇ）」、及びそれらの変形が、本明細書、或いは特許請求の範囲で使用されている限り、これら用語は、用語「備える」と同様に、包括的であることが意図される。さらに、本明細書、或いは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。 As long as “including”, “comprising”, and variations thereof, are used herein or in the claims, these terms are used as well as the term “comprising” It is intended to be comprehensive. Further, it is intended that the term "or", as used herein or in the claims, not be the exclusive OR.
本開示の全体において、例えば、英語でのa, an, 及びtheのように、翻訳により冠詞が追加された場合、これらの冠詞は、文脈から明らかにそうではないことが示されていなければ、複数のものを含むものとする。 Throughout this disclosure, when articles are added by translation, e.g., a, an, and the in English, unless the context clearly indicates otherwise, It shall include a plurality.
以上、本発明について詳細に説明したが、当業者にとっては、本発明が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本発明は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。従って、本明細書の記載は、例示説明を目的とするものであり、本発明に対して何ら制限的な意味を有するものではない。 Although the present invention has been described in detail above, it will be apparent to those skilled in the art that the present invention is not limited to the embodiments described herein. The present invention can be implemented as modified and changed modes without departing from the spirit and scope of the present invention defined by the description of the scope of claims. Therefore, the description of the present specification is for illustrative purposes and does not have any limiting meaning to the present invention.
１００ カロリー収支推定装置（コンピュータ）
１０１ 取得部
１０２ 推定部
１０３ 記憶部
１１０ カロリー収支推定モデル
２００ 測定装置
１０００ カロリー収支推定システム
１００１ 測定制御部
１００２ 表示入力部
100 Calorie balance estimation device (computer)
101
Claims (10)
前記複数種類のガス成分の濃度及び放出量のうちの少なくとも一方の測定結果に基づいて予め作成したカロリー収支推定モデルと、前記取得部が取得した前記測定データとを用いてカロリー収支を推定する推定部と、
を有する、カロリー収支推定装置。 An acquisition unit that acquires measurement data indicating at least one of the concentration and the release amount of a plurality of types of gas components in the biological gas,
Estimation of estimating a calorie balance using a calorie balance estimation model created in advance based on a measurement result of at least one of the concentration and emission amount of the plurality of types of gas components and the measurement data acquired by the acquisition unit Department and
A calorie balance estimating device comprising:
アセトンのガス成分と、
水素、エタノール、アセトアルデヒド、イソプレン、アンモニア、メタン、ノネナール、硫化水素、一酸化炭素、一酸化窒素、二酸化炭素、メチルメルカプタン、ホルムアルデヒド、ベンゼン、及びトルエンのうち、１つ以上のガス成分と、
を含む、請求項１又は２に記載のカロリー収支推定装置。 The plurality of types of gas components are:
Gas components of acetone,
One or more gas components of hydrogen, ethanol, acetaldehyde, isoprene, ammonia, methane, nonenal, hydrogen sulfide, carbon monoxide, nitric oxide, carbon dioxide, methyl mercaptan, formaldehyde, benzene, and toluene;
The calorie balance estimation device according to claim 1, comprising:
前記推定部は、ユーザの前記身体情報をさらに用いて前記カロリー収支を推定する、請求項１乃至４のいずれか一項に記載のカロリー収支推定装置。 The calorie balance estimation model is created in advance based on physical information indicating physical information,
The calorie balance estimating device according to claim 1, wherein the estimating unit estimates the calorie balance further using the physical information of the user.
前記推定部は、被験者の前記生活習慣情報をさらに用いて前記カロリー収支を推定する、請求項１乃至６のいずれか一項に記載のカロリー収支推定装置。 The calorie balance estimation model is created in advance based on lifestyle information indicating lifestyle.
The calorie balance estimating device according to claim 1, wherein the estimating unit estimates the calorie balance further using the lifestyle information of the subject.
生体ガス中における複数種類のガス成分の濃度及び放出量のうちの少なくとも一方を示す測定データを取得し、
前記複数種類のガス成分の濃度及び放出量のうちの少なくとも一方の測定結果に基づいて予め作成したカロリー収支推定モデルと、前記取得した測定データとを用いてカロリー収支を推定する、
カロリー収支推定方法。 Computer
Obtain measurement data indicating at least one of the concentration and release amount of multiple types of gas components in the biological gas,
Calorie balance estimation model created in advance based on the measurement results of at least one of the concentration and release amount of the plurality of types of gas components, and a calorie balance is estimated using the acquired measurement data,
Calorie balance estimation method.
生体ガス中における複数種類のガス成分の濃度及び放出量のうちの少なくとも一方を示す測定データを取得するステップと、
前記複数種類のガス成分の濃度及び放出量のうちの少なくとも一方の測定結果に基づいて予め作成したカロリー収支推定モデルと、前記取得した測定データとを用いてカロリー収支を推定するステップと、
を実行させる、カロリー収支推定プログラム。 On the computer,
Acquiring measurement data indicating at least one of the concentration and release amount of a plurality of types of gas components in the biological gas,
A calorie balance estimation model created in advance based on the measurement results of at least one of the concentration and release amount of the plurality of types of gas components, and a step of estimating a calorie balance using the acquired measurement data,
Is a calorie balance estimation program.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018113684A JP7117167B2 (en) | 2018-06-14 | 2018-06-14 | Calorie balance estimation device, calorie balance estimation method, and calorie balance estimation program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018113684A JP7117167B2 (en) | 2018-06-14 | 2018-06-14 | Calorie balance estimation device, calorie balance estimation method, and calorie balance estimation program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019215797A true JP2019215797A (en) | 2019-12-19 |
| JP7117167B2 JP7117167B2 (en) | 2022-08-12 |
Family
ID=68919122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018113684A Active JP7117167B2 (en) | 2018-06-14 | 2018-06-14 | Calorie balance estimation device, calorie balance estimation method, and calorie balance estimation program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7117167B2 (en) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090054799A1 (en) * | 2007-08-08 | 2009-02-26 | Vrtis Joan K | Biosensor system with a multifunctional portable electronic device |
| JP2010197081A (en) * | 2009-02-23 | 2010-09-09 | Toto Ltd | Health state measuring device, reporting device, and reporting method |
| WO2013038959A1 (en) * | 2011-09-14 | 2013-03-21 | 株式会社 エヌ・ティ・ティ・ドコモ | Diet support system and diet support method |
| US20150289790A1 (en) * | 2014-04-10 | 2015-10-15 | Mission Biomedical Scientific, Inc. | Wearable metabolic physical activity monitor and method |
| WO2016111215A1 (en) * | 2015-01-07 | 2016-07-14 | 株式会社Ｎｔｔドコモ | Information processing device, calorie management system, caloric balance estimation method, and program |
| WO2017150224A1 (en) * | 2016-02-29 | 2017-09-08 | 京セラ株式会社 | Prediction device and prediction system |
| JP2017209581A (en) * | 2017-09-11 | 2017-11-30 | 株式会社タニタ | Apparatus, method and program for evaluating body change |
-
2018
- 2018-06-14 JP JP2018113684A patent/JP7117167B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090054799A1 (en) * | 2007-08-08 | 2009-02-26 | Vrtis Joan K | Biosensor system with a multifunctional portable electronic device |
| JP2010197081A (en) * | 2009-02-23 | 2010-09-09 | Toto Ltd | Health state measuring device, reporting device, and reporting method |
| WO2013038959A1 (en) * | 2011-09-14 | 2013-03-21 | 株式会社 エヌ・ティ・ティ・ドコモ | Diet support system and diet support method |
| US20150289790A1 (en) * | 2014-04-10 | 2015-10-15 | Mission Biomedical Scientific, Inc. | Wearable metabolic physical activity monitor and method |
| WO2016111215A1 (en) * | 2015-01-07 | 2016-07-14 | 株式会社Ｎｔｔドコモ | Information processing device, calorie management system, caloric balance estimation method, and program |
| WO2017150224A1 (en) * | 2016-02-29 | 2017-09-08 | 京セラ株式会社 | Prediction device and prediction system |
| JP2017209581A (en) * | 2017-09-11 | 2017-11-30 | 株式会社タニタ | Apparatus, method and program for evaluating body change |
Non-Patent Citations (2)
| Title |
|---|
| 山田 祐樹 他1名: "セルフ健康管理への生体ガス計測の応用展開", ＮＴＴ技術ジャーナル, vol. 第29巻 , 第2号, JPN6021051315, 1 February 2017 (2017-02-01), pages 28 - 33, ISSN: 0004672379 * |
| 申 ウソク 他１名: "セラミックスセンサによる生体ガス検知", JOURNAL OF THE MASS SPECTROMETRY SOCIETY OF JAPAN, vol. 66巻2号, JPN6022029250, 1 April 2018 (2018-04-01), pages 82 - 86, ISSN: 0004827124 * |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7117167B2 (en) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5958064B2 (en) | System for monitoring stress | |
| JP6089443B2 (en) | Data collection platform | |
| JP5867282B2 (en) | Continuous monitoring of stress using a stress profile created by Doppler ultrasound of the kidney | |
| JP5958063B2 (en) | System for monitoring stress | |
| US9189599B2 (en) | Calculating and monitoring a composite stress index | |
| CN110832524A (en) | Evaluation request program, evaluation request method, and computer device | |
| US10638980B2 (en) | System and method for predicting heart failure decompensation | |
| JP2020507397A (en) | Computer implemented method and portable device for analyzing glucose monitoring data indicative of glucose levels in body fluids, and computer program product | |
| JPWO2013038959A1 (en) | Diet support system and diet support method | |
| JP5410511B2 (en) | Information providing system, information providing method, program, and server device | |
| Strain et al. | Considerations for the use of consumer-grade wearables and smartphones in population surveillance of physical activity | |
| JPWO2016111215A1 (en) | Information processing apparatus, calorie management system, calorie balance estimation method and program | |
| CN111433859B (en) | Information processing device, method, and program | |
| JP2018155510A (en) | Apparatus, method and program for estimating ketone body concentration | |
| JP7117167B2 (en) | Calorie balance estimation device, calorie balance estimation method, and calorie balance estimation program | |
| US20210134435A1 (en) | Behavior modification assistance device, terminal, and server | |
| JP2017207424A (en) | Determination device | |
| JP6960849B2 (en) | Bio-information processing equipment, bio-information processing system, bio-information processing method and program | |
| Cao et al. | Prenatal stress assessment using heart rate variability and salivary cortisol: A machine learning-based approach | |
| JP7057927B1 (en) | Information processing equipment, estimation method, and estimation program | |
| JP2020013246A (en) | Disease prediction device, method and program | |
| Abrar | The Repercussion of SARS-CoV-2 on the Blood Glucose Level of Diabetes Patients’ Prior and During the Lockdown in Bangladesh | |
| TW202341920A (en) | Information processing device, method, and program | |
| JP2023142803A (en) | Information processing method, information processing apparatus, program, and information processing system | |
| Nelson et al. | Smartphone Photoplethysmography Covaries with Stress and Anxiety During a Digital Acute Social Stressor Preprint |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210128 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220104 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220307 |
|
| 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: 20220719 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220801 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7117167 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |