JP2020155099A - 環境制御システム - Google Patents
環境制御システム Download PDFInfo
- Publication number
- JP2020155099A JP2020155099A JP2020003216A JP2020003216A JP2020155099A JP 2020155099 A JP2020155099 A JP 2020155099A JP 2020003216 A JP2020003216 A JP 2020003216A JP 2020003216 A JP2020003216 A JP 2020003216A JP 2020155099 A JP2020155099 A JP 2020155099A
- Authority
- JP
- Japan
- Prior art keywords
- data
- subject
- sided
- recuperator
- risk
- 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
- 230000029142 excretion Effects 0.000 claims abstract description 39
- 230000007613 environmental effect Effects 0.000 claims description 112
- 210000002700 urine Anatomy 0.000 claims description 8
- 230000000474 nursing effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 81
- 238000013058 risk prediction model Methods 0.000 description 60
- 238000007405 data analysis Methods 0.000 description 57
- 238000011156 evaluation Methods 0.000 description 29
- 238000010801 machine learning Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 22
- 230000008859 change Effects 0.000 description 21
- 238000005259 measurement Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 12
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 10
- 206010022437 insomnia Diseases 0.000 description 10
- 238000000034 method Methods 0.000 description 10
- 206010010774 Constipation Diseases 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 208000004210 Pressure Ulcer Diseases 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 208000002193 Pain Diseases 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000005037 parasympathetic nerve Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002889 sympathetic effect Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/202—Assessing bladder functions, e.g. incontinence assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0257—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using atmospheric pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/029—Humidity sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/40—Pressure, e.g. wind pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/20—Sunlight
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/30—Artificial light
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/40—Noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Combustion & Propulsion (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Pulmonology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Software Systems (AREA)
Abstract
Description
環境を制御するアクチュエータと、
前記アクチュエータの運転条件を決定する運転条件決定部と、
前記運転条件決定部により決定された運転条件に基づいて前記アクチュエータを制御する制御部と、
第1学習済みモデルと第2学習済みモデルとを有する推定部と、を有し、
前記第1学習済みモデルは、
対象者の環境を示す環境情報と、
前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータと、
を関連付けて学習したモデルであり、
前記第2学習済みモデルは、
前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータと、
前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータと、
を関連付けて学習したモデルであり、
前記推定部は、
対象者の環境情報を前記第1学習済みモデルに入力したときの出力データ、又は、前記第1学習済みモデルに入力したときの出力データと対象者の状態に関するデータとの組み合わせを、前記第2学習済みモデルに入力することで前記1つ以上のリスクの大きさに相関するデータを推定し、
前記運転条件決定部は、前記推定部によって推定された前記1つ以上のリスクの大きさに相関するデータを評価することによって、前記アクチュエータの運転条件を決定する。
前記第2学習済みモデルは、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータとして前記対象者の生体情報を用いて学習したモデルである。
前記生体情報には、前記対象者の移動量、前記対象者の掻破回数、前記対象者の心拍のゆらぎ、前記対象者の睡眠深度、前記対象者の推定尿量または排泄回数、の少なくともいずれかが含まれる。
前記第1学習済みモデルは、前記対象者の環境情報と前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータとを学習用データセットとして学習したモデルである。
前記第1学習済みモデルは、更に、前記対象者の環境情報と前記対象者の属性を示す属性情報との組み合わせに従って、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータを学習したモデルである。
前記第2学習済みモデルは、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態と相関するデータと、前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータとを学習用データセットとして学習したモデルである。
前記推定部は、対象者の状態に関するデータとして看護記録を用いる。
前記運転条件決定部は、前記推定部により推定された、前記1つ以上のリスクの大きさに相関するデータを重み付け加算することで評価する。
前記環境情報には、温度、湿度、気圧、照度、騒音の少なくともいずれか1つが含まれる。
前記アクチュエータには、前記対象者の環境を制御する空調機器が含まれる。
環境を制御するアクチュエータと、
前記アクチュエータの運転条件を決定する運転条件決定部と、
前記運転条件決定部により決定された運転条件に基づいて前記アクチュエータを制御する制御部と、
第3学習済みモデルを有する推定部と、を有し、
前記第3学習済みモデルは、
対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータ、及び、前記対象者の環境を示す環境情報と、
前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータと、
を関連付けて学習したモデルであり、
前記推定部は、
対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータ、及び、対象者の環境情報を、前記第3学習済みモデルに入力することで、前記1つ以上のリスクの大きさに相関するデータを推定し、
前記運転条件決定部は、前記推定部によって推定された1つ以上のリスクの大きさに相関するデータを評価することによって、前記アクチュエータの運転条件を決定する。
<環境制御システムのシステム構成>
はじめに、第1の実施形態に係る環境制御システムのシステム構成について説明する。図1は、第1の実施形態に係る環境制御システムのシステム構成の一例を示す図であり、病院や介護施設(在宅療養の場合にあっては、対象者の一例である療養者の自宅)に設置される。図1に示すように、環境制御システム100は、アクチュエータ制御システム110と、5側面計測システム120と、状態記録システム140と、データ解析システム150とを有する。環境制御システム100において、各システムは、ネットワーク160を介して接続される。以下、各システムの構成について説明する。
アクチュエータ制御システム110は、療養者170がいる居室の環境をセンシング機器を用いてセンシングすることで、療養者の環境を示す環境情報を取得するとともに、療養者170がいる居室の環境を、アクチュエータを用いて制御するシステムである。
5側面計測システム120は、療養者170の生体情報のうち、療養者170の5側面(睡眠、排泄、移動、皮膚、ストレス)に相関するデータを、センシング機器を用いてセンシングするシステムである。
・"皮膚"に相関するデータとして、画像データに基づいて皮膚を掻いた掻破回数を算出し、
・"睡眠"に相関するデータとして、体動データに基づいて算出した寝返り回数と、睡眠データに基づいて算出した睡眠及び覚醒の状態と、に基づいて睡眠深度を算出し、
・"移動"に相関するデータとして、加速度データに基づいて移動量を算出し、
・"ストレス"に相関するデータとして、心電位データに基づいて心拍のゆらぎを算出し、
・"排泄"に相関するデータとして、超音波データに基づいて推定尿量を算出する、
ものとした。
状態記録システム140は、療養者170を医療介護する看護師130が記録した、日々の看護記録に含まれる5側面(睡眠、排泄、移動、皮膚、ストレス)データと、リスク発生情報とを入力するシステムである。
データ解析システム150は、療養者170を含む複数の療養者について蓄積したデータを解析することで得た知見に基づき、新たな療養者(対象者)における問題事象の発生を抑制し、QOL向上に貢献するための最適な環境を特定するシステムである。
次に、環境制御システム100の処理の概要について説明する。
はじめに、学習フェーズにおける環境制御システム100の処理の概要について説明する。図2は、第1の実施形態に係る環境制御システム(学習フェーズ)の処理の概要を説明するための図である。
・アクチュエータ制御システム110より送信された所定区間(例えば、1日分)の環境情報と5側面計測システム120より送信された、当該所定区間開始時の5側面相関データとを入力とし、
・5側面計測システム120より送信された、当該所定区間の5側面相関データを正解データとして、
5側面算出モデル201について機械学習を行い、学習結果として、学習済み5側面算出モデルを生成する。
・5側面計測システム120より送信された、所定区間の5側面相関データ(及び状態記録システム140より送信された5側面データ)を入力とし、
・状態記録システム140より送信されたリスク発生情報に基づいて算出されたリスク相関データを正解データとして、
リスク予測モデル202について機械学習を行い、学習結果として、学習済みリスク予測モデルを生成する。
次に、推定フェーズにおける環境制御システム100の処理の概要について説明する。図3は、第1の実施形態に係る環境制御システム(推定フェーズ)の処理の概要を説明するための図である。
・複数のアクチュエータ制御パターンのうちのいずれかのアクチュエータ制御パターンと、
・5側面計測システム120より送信された、現在の5側面相関データと、
の組み合わせを入力することで、現在より先の所定区間の5側面相関データを推定する。
次に、データ解析装置152のハードウェア構成について説明する。図4は、データ解析装置のハードウェア構成の一例を示す図である。図4に示すように、データ解析装置152は、CPU(Central Processing Unit)401、ROM(Read Only Memory)402、RAM(Random Access Memory)403を有する。CPU401、ROM402、RAM403は、いわゆるコンピュータを形成する。また、データ解析装置152は、補助記憶装置404、表示装置405、操作装置406、I/F(Interface)装置407、ドライブ装置408を有する。データ解析装置152の各ハードウェアは、バス409を介して相互に接続される。
次に、データサーバ151に蓄積される学習用データセット(療養者属性情報、環境情報、5側面相関データ、5側面データ、リスク発生情報)の具体例について説明する。
はじめに、療養者属性情報の具体例について説明する。図5は、療養者属性情報の一例を示す図である。療養者属性情報は、療養者ごとに生成され、データサーバ151に蓄積される。図5の例は、療養者氏名="AAA"、"BBB"、"CCC"の各療養者の療養者属性情報501〜503を示している。
次に、環境情報の具体例について説明する。図6は、環境情報の一例を示す図である。環境情報は、療養者ごとに取得され、療養者属性情報と対応付けてデータサーバ151に蓄積される。
次に、5側面相関データの具体例について説明する。図7は、5側面相関データの一例を示す図である。5側面相関データは、療養者ごとに取得され、療養者属性情報と対応付けてデータサーバ151に蓄積される。
次に、5側面データの具体例について説明する。図8は、5側面データの一例を示す図である。5側面データは、療養者ごとに取得され、療養者属性情報と対応付けてデータサーバ151に蓄積される。
次に、リスク発生情報の具体例、及び、リスク発生情報に基づいて算出されるリスク相関データの具体例について説明する。図9は、リスク発生情報及びリスク相関データの一例を示す図である。
次に、データ解析装置152の第1の学習部153aの機能構成について説明する。ここでは、異なるデータセットを用いて学習するケースについて説明する。
図10Aは、第1の学習部の機能構成の一例を示す第1の図である。図10Aに示すように、第1の学習部153aは、5側面算出モデル201と、比較及び変更部1001とを有する。
・5側面算出モデル201より出力された5側面相関データと、
・データサーバ151より読み出した5側面相関データ(正解データ)と、
を比較する。また、比較及び変更部1001は、比較結果に応じて、5側面算出モデル201のモデルパラメータを変更する。
・療養者の環境を示す所定区間の環境情報及び所定区間開始時点での5側面相関データと、
・療養者の所定区間の5側面相関データと、
の対応関係を特定する5側面算出モデル201について機械学習を行う。これにより、第1の学習部153aは、学習結果として、5側面相関データを推定するための学習済み5側面算出モデルを生成する。
上記第1のケースでは、5側面算出モデル201が、睡眠、排泄、移動、皮膚、ストレスの状態に相関するデータを出力する場合について示した。しかしながら、5側面算出モデル201は、これらのデータの一部のみを出力するように構成してもよい。
・2側面算出モデル201'より出力された2側面相関データと、
・データサーバ151より読み出された2側面相関データ(正解データ)と、
を比較する。また、比較及び変更部1001は、比較結果に応じて、2側面算出モデル201'のモデルパラメータを変更する。
・療養者の環境を示す所定区間の環境情報及び所定区間開始時点での2側面相関データと、
・療養者の所定区間の2側面相関データと、
の対応関係を特定する2側面算出モデル201'について機械学習を行う。これにより、第1の学習部153aは、学習結果として、2側面相関データを推定するための学習済み2側面算出モデルを生成する。
次に、データ解析装置152の第2の学習部153bの機能構成について説明する。ここでも、異なるデータセットを用いて学習するケースについて説明する。
図11Aは、第2の学習部の機能構成の一例を示す第1の図である。図11Aに示すように、第2の学習部153bは、リスク予測モデル202と、比較及び変更部1101とを有する。
・リスク予測モデル202より出力されたリスク相関データと、
・データサーバ151より読み出したリスク発生情報に基づいて算出したリスク相関データ(正解データ)と、
を比較する。また、比較及び変更部1101は、比較結果に応じて、リスク予測モデル202のモデルパラメータを変更する。
・療養者の所定区間の5側面相関データと、
・療養者に将来起こり得る1つ以上のリスクの所定区間におけるリスク相関データと
の対応関係を特定するリスク予測モデル202について機械学習を行う。これにより、第2の学習部153bは、リスク相関データを推定するための学習済みリスク予測モデルを生成する。
上記第1のケースでは、第2の学習部153bが、5側面相関データとして、睡眠、排泄、移動、皮膚、ストレスの状態に相関するデータをリスク予測モデル202に入力する場合について示した。しかしながら、第2の学習部153bは、これらのデータの一部のみを、リスク予測モデル202に入力し、残りは、データサーバ151より読み出した5側面データの一部を入力してもよい。
・リスク予測モデル202'より出力されたリスク相関データと、
・データサーバ151より読み出したリスク発生情報に基づいて算出したリスク相関データ(正解データ)と、
を比較する。また、比較及び変更部1101は、比較結果に応じて、リスク予測モデル202'のモデルパラメータを変更する。
・療養者の所定区間の2側面相関データ及び3側面データと、
・療養者に将来起こり得る1つ以上のリスクの所定区間におけるリスク相関データと
の対応関係を特定するリスク予測モデル202'について機械学習を行う。これにより、第2の学習部153bは、リスク相関データを推定するための学習済みリスク予測モデルを生成する。
次に、データ解析装置152の第1の推定部154aの機能構成について説明する。ここでは、異なるデータセットを用いて推定するケースについて説明する。
図12Aは、第1の推定部の機能構成の一例を示す第1の図である。図12Aに示すように、第1の推定部154aは、学習済み5側面算出モデル301を有する。
上記第1のケースでは、第1の推定部154aが、学習済み5側面算出モデル301を有する場合について示した。これに対して、第2のケースでは、第1の推定部154aが、第1学習済みモデルの一例である学習済み2側面算出モデル301'を有する場合について説明する。
次に、データ解析装置152の第2の推定部154bの機能構成について説明する。図13は、第2の推定部の機能構成の一例を示す図である。このうち、図13(a)の例は、第2の推定部154bが、学習済みリスク予測モデル302を有する場合を示している。
次に、データ解析装置152の運転条件決定部155の機能構成について説明する。図14は、運転条件決定部の機能構成の一例を示す図である。図14に示すように、運転条件決定部155は、リスク評価部303と、決定部1401とを有する。
評価値=n1×L1+n2×L2+n3×L3+・・・
なお、リスク評価部303は、リスク相関データ1310に含まれる各リスク相関データについてそれぞれ評価値を算出し、順次、決定部1401に出力する。
次に、データ解析装置152によるデータ解析処理全体の流れについて説明する。図15は、データ解析装置によるデータ解析処理の流れを示すフローチャートである。なお、データ解析装置152がデータ解析処理を実行するにあたり、データサーバ151には、複数の療養者の療養者属性情報、環境情報、5側面相関データ、5側面データ、リスク発生情報(学習用データセット)が蓄積されているものとする。
以上の説明から明らかなように、第1の実施形態では、
・療養者の環境を示す環境情報と、療養者の5側面相関データとを関連付けて学習する。
・療養者の5側面相関データと、療養者に将来起こり得る1つ以上のリスクのリスク相関データとを関連付けて学習する。
・新たな療養者の現在の環境を変化させた場合の変化後の環境情報を、学習済み5側面算出モデルに入力することで推定された5側面相関データを、学習済みリスク予測モデルに入力することで、リスク相関データを推定する。あるいは、当該推定された5側面相関データと新たな療養者の現在の5側面データとの組み合わせを、学習済みリスク予測モデルに入力することで、リスク相関データを推定する。
・推定されたリスク相関データを評価することで、新たな療養者の環境を制御するアクチュエータの運転条件を決定する。
上記第1の実施形態では、第1の学習部153aが、5側面算出モデル201について機械学習を行うにあたり、1日分の環境情報及び1日分の5側面相関データを用いる場合について説明した。しかしながら、5側面算出モデル201について機械学習を行うにあたっては、複数日分の環境情報及び複数日分の5側面相関データを用いてもよい。
・5側面算出モデル201より出力された、2日目から5日目の5側面相関データと、
・データサーバ151より読み出した、2日目から5日目の5側面相関データ(正解データ)と、
を比較する。また、比較及び変更部1001は、比較結果に基づいて、5側面算出モデル201のモデルパラメータを変更する。
・療養者の環境を示す複数日分の環境情報及び複数日数開始時点での5側面相関データと、
・療養者の複数日分の5側面相関データと、
の対応関係を特定する5側面算出モデル201について機械学習を行ってもよい。
上記第1及び第2の実施形態では、第1の学習部153aが、5側面算出モデル201について機械学習を行うにあたり、環境情報を入力する場合について説明した。しかしながら、5側面算出モデル201について機械学習を行うにあたっては、更に、療養者属性情報を入力してもよい。
・5側面算出モデル201より出力された5側面相関データと、
・データサーバ151より読み出した5側面相関データ(正解データ)と、
を比較する。また、比較及び変更部1001は、比較結果に基づいて、5側面算出モデル201のモデルパラメータを変更する。
・療養者の環境を示す所定区間の環境情報、所定区間開始時点での5側面相関データ、及び、療養者属性情報の組み合わせと、
・療養者の所定区間の5側面相関データと、
の対応関係を特定する5側面算出モデル201について機械学習を行う。
・療養者の所定区間の5側面相関データと、療養者属性情報との組み合わせと、
・療養者に将来起こり得る1つ以上のリスクのリスク相関データと、
の対応関係を特定するリスク予測モデル202について機械学習を行うことになる。
上記第1乃至第3の実施形態では、データ解析システム150が、5側面算出モデル201とリスク予測モデル202とを有するものとして説明した。これに対して、第4の実施形態では、データ解析システム150が、リスク予測モデルのみを有する場合について説明する。
図18は、第4の実施形態に係る環境制御システム(学習フェーズ)の処理の概要を説明するための図である。図18に示すように、第4の実施形態に係るデータ解析システム150の場合、リスク予測モデル1800は、
・アクチュエータ制御システム110より送信された所定区間の環境情報と、5側面計測システム120より送信されたm側面相関データ(及び状態記録システム140より送信された(5−m)側面データ)とを入力とし、
・状態記録システム140より送信されたリスク発生情報に基づいて算出されたリスク相関データを正解データとして、
機械学習を行い、学習済みリスク予測モデルを生成する。
図19は、第4の実施形態に係る環境制御システム(推定フェーズ)の処理の概要を説明するための図である。図19に示すように、第4の実施形態に係るデータ解析システム150の場合、第3学習済みモデルの一例である学習済みリスク予測モデル1900は、
・新たな療養者の現在の環境を、複数の異なるアクチュエータ制御パターンに基づいて変化させた場合の変化後の複数の環境情報と、
・5側面計測システム120より送信された、新たな療養者の現在のm側面相関データ(及び状態記録システム140より送信された、新たな療養者の現在の(5−m)側面データ)と、
を入力し、リスク相関データをそれぞれ推定する。
上記第1の実施形態では、データ解析システム150において、データ解析装置152が、第1の学習部153a、第2の学習部153b、第1の推定部154a、第2の推定部154b、運転条件決定部155を有するものとして説明した。しかしながら、データ解析装置152が有する各部は、データ解析システム150内において、別体の装置において構成されていてもよい。あるいは、データ解析装置152が有する各部のうちの一部(例えば、運転条件決定部155)は、例えば、アクチュエータ制御システム110において実現されていてもよい。
・学習済み2側面算出モデル301'より出力された2側面相関データ1211と、
・現在の5側面データ1312のうちの、移動、皮膚、ストレスの程度と、
を入力するものとして説明した。しかしながら、学習済みリスク予測モデル302'に入力するデータの組み合わせは、これに限定されない。例えば、現在の5側面データ1312のうちの一部を、現在の5側面相関データのうちの対応する一部のデータに置き換えてもよい。
・学習済み2側面算出モデル301'より出力された2側面相関データ1211と、
・現在の5側面データ1312のうちの、移動、皮膚の程度と、
・現在の5側面相関データのうちの、ストレスに相関するデータと、
を入力してもよい。
110 :アクチュエータ制御システム
115 :アクチュエータ制御装置
116 :収集部
117 :制御部
120 :5側面計測システム
140 :状態記録システム
141 :5側面データ
142 :リスク発生情報
150 :データ解析システム
151 :データサーバ
152 :データ解析装置
153a :第1の学習部
153b :第2の学習部
154a :第1の推定部
154b :第2の推定部
155 :運転条件決定部
201 :5側面算出モデル
202 :リスク予測モデル
301 :学習済み5側面算出モデル
302 :学習済みリスク予測モデル
303 :リスク評価部
501〜503 :療養者属性情報
900_a1等 :リスク相関データ
1401 :決定部
1800 :リスク予測モデル
1900 :学習済みリスク予測モデル
Claims (11)
- 対象者の環境を制御する環境制御システムであって、
環境を制御するアクチュエータと、
前記アクチュエータの運転条件を決定する運転条件決定部と、
前記運転条件決定部により決定された運転条件に基づいて前記アクチュエータを制御する制御部と、
第1学習済みモデルと第2学習済みモデルとを有する推定部と、を有し、
前記第1学習済みモデルは、
対象者の環境を示す環境情報と、
前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータと、
を関連付けて学習したモデルであり、
前記第2学習済みモデルは、
前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータと、
前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータと、
を関連付けて学習したモデルであり、
前記推定部は、
対象者の環境情報を前記第1学習済みモデルに入力したときの出力データ、又は、前記第1学習済みモデルに入力したときの出力データと対象者の状態に関するデータとの組み合わせを、前記第2学習済みモデルに入力することで前記1つ以上のリスクの大きさに相関するデータを推定し、
前記運転条件決定部は、前記推定部によって推定された前記1つ以上のリスクの大きさに相関するデータを評価することによって、前記アクチュエータの運転条件を決定する、環境制御システム。 - 前記第2学習済みモデルは、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータとして前記対象者の生体情報を用いて学習したモデルである、請求項1に記載の環境制御システム。
- 前記生体情報には、前記対象者の移動量、前記対象者の掻破回数、前記対象者の心拍のゆらぎ、前記対象者の睡眠深度、前記対象者の推定尿量または排泄回数、の少なくともいずれかが含まれる、請求項2に記載の環境制御システム。
- 前記第1学習済みモデルは、前記対象者の環境情報と前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータとを学習用データセットとして学習したモデルである、請求項1乃至3のいずれか1項に記載の環境制御システム。
- 前記第1学習済みモデルは、更に、前記対象者の環境情報と前記対象者の属性を示す属性情報との組み合わせに従って、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータを学習したモデルである、請求項4に記載の環境制御システム。
- 前記第2学習済みモデルは、前記対象者の睡眠、排泄、移動、皮膚、ストレスの状態と相関するデータと、前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータとを学習用データセットとして学習したモデルである、請求項1乃至5のいずれか1項に記載の環境制御システム。
- 前記推定部は、対象者の状態に関するデータとして看護記録を用いる、請求項1乃至6のいずれか1項に記載の環境制御システム。
- 前記運転条件決定部は、前記推定部により推定された、前記1つ以上のリスクの大きさに相関するデータを重み付け加算することで評価する、請求項1に記載の環境制御システム。
- 前記環境情報には、温度、湿度、気圧、照度、騒音の少なくともいずれか1つが含まれる、請求項1に記載の環境制御システム。
- 前記アクチュエータには、前記対象者の環境を制御する空調機器が含まれる、請求項1に記載の環境制御システム。
- 対象者の環境を制御する環境制御システムであって、
環境を制御するアクチュエータと、
前記アクチュエータの運転条件を決定する運転条件決定部と、
前記運転条件決定部により決定された運転条件に基づいて前記アクチュエータを制御する制御部と、
第3学習済みモデルを有する推定部と、を有し、
前記第3学習済みモデルは、
対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータ、及び、前記対象者の環境を示す環境情報と、
前記対象者に将来起こり得る1つ以上のリスクの大きさに相関するデータと、
を関連付けて学習したモデルであり、
前記推定部は、
対象者の睡眠、排泄、移動、皮膚、ストレスの状態の少なくともいずれか1つと相関するデータ、及び、対象者の環境情報を、前記第3学習済みモデルに入力することで、前記1つ以上のリスクの大きさに相関するデータを推定し、
前記運転条件決定部は、前記推定部によって推定された1つ以上のリスクの大きさに相関するデータを評価することによって、前記アクチュエータの運転条件を決定する、環境制御システム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202080018616.5A CN113544789B (zh) | 2019-03-15 | 2020-03-12 | 环境控制系统 |
US17/310,670 US20220043404A1 (en) | 2019-03-15 | 2020-03-12 | Environment control system |
EP20774021.8A EP3940708A4 (en) | 2019-03-15 | 2020-03-12 | ENVIRONMENT MONITORING SYSTEM |
PCT/JP2020/010945 WO2020189529A1 (ja) | 2019-03-15 | 2020-03-12 | 環境制御システム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019049194 | 2019-03-15 | ||
JP2019049194 | 2019-03-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6737416B1 JP6737416B1 (ja) | 2020-08-12 |
JP2020155099A true JP2020155099A (ja) | 2020-09-24 |
Family
ID=71949263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020003216A Active JP6737416B1 (ja) | 2019-03-15 | 2020-01-10 | 環境制御システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220043404A1 (ja) |
EP (1) | EP3940708A4 (ja) |
JP (1) | JP6737416B1 (ja) |
CN (1) | CN113544789B (ja) |
WO (1) | WO2020189529A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022208873A1 (ja) * | 2021-04-02 | 2022-10-06 | 日本電気株式会社 | ストレス推定装置、ストレス推定方法及び記憶媒体 |
WO2023105790A1 (ja) * | 2021-12-10 | 2023-06-15 | 日本電気株式会社 | ストレス推定方法 |
WO2023167169A1 (ja) * | 2022-03-04 | 2023-09-07 | ダイキン工業株式会社 | 増悪リスク予測システム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240082532A1 (en) * | 2022-09-08 | 2024-03-14 | Sleep Number Corporation | Bed with features for determination of insomnia risk |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005226882A (ja) * | 2004-02-10 | 2005-08-25 | Daikin Ind Ltd | 空調制御システム、ベビーベッド、および介護用ベッド |
JP2006087850A (ja) * | 2004-09-21 | 2006-04-06 | Charm & Mark Kk | 睡眠状態検知装置・検知システム、および睡眠状態検知起動の空調機器・照明機器・音響機器等制御装置・制御システム |
US20130246088A1 (en) * | 2012-03-14 | 2013-09-19 | Hill-Rom Services, Inc. | Algorithm for predicting and mitigating adverse events |
JP2019017499A (ja) * | 2017-07-12 | 2019-02-07 | パラマウントベッド株式会社 | 療養支援システム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005021255A (ja) * | 2003-06-30 | 2005-01-27 | Sony Corp | 制御装置及び制御方法 |
EP2210226A4 (en) * | 2007-10-12 | 2013-11-06 | Patientslikeme Inc | SELF-IMPROVED METHOD OF USING ONLINE COMMUNITIES TO PREDICT CLINICAL RESULTS |
US9189599B2 (en) * | 2011-05-13 | 2015-11-17 | Fujitsu Limited | Calculating and monitoring a composite stress index |
EP3500224A4 (en) * | 2016-08-19 | 2020-03-25 | Curiato Inc. | SYSTEM, METHOD AND COMPUTER READABLE MEDIUM FOR DYNAMIC PRESSURE DAMAGE RISK ASSESSMENT AND REACTION |
CN107496117B (zh) * | 2017-08-31 | 2023-05-02 | 任鹏宇 | 反馈式二次压力自调节褥疮监测预防智能设备 |
JP2020003216A (ja) | 2018-06-25 | 2020-01-09 | 公益財団法人鉄道総合技術研究所 | 貨物輸送シミュレーション装置及びプログラム |
JP6602445B2 (ja) | 2018-11-26 | 2019-11-06 | 有限会社江部電気 | 融雪屋根構造体及び融雪屋根構造 |
US20200205741A1 (en) * | 2018-12-28 | 2020-07-02 | X Development Llc | Predicting anxiety from neuroelectric data |
-
2020
- 2020-01-10 JP JP2020003216A patent/JP6737416B1/ja active Active
- 2020-03-12 WO PCT/JP2020/010945 patent/WO2020189529A1/ja active Application Filing
- 2020-03-12 CN CN202080018616.5A patent/CN113544789B/zh active Active
- 2020-03-12 US US17/310,670 patent/US20220043404A1/en active Pending
- 2020-03-12 EP EP20774021.8A patent/EP3940708A4/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005226882A (ja) * | 2004-02-10 | 2005-08-25 | Daikin Ind Ltd | 空調制御システム、ベビーベッド、および介護用ベッド |
JP2006087850A (ja) * | 2004-09-21 | 2006-04-06 | Charm & Mark Kk | 睡眠状態検知装置・検知システム、および睡眠状態検知起動の空調機器・照明機器・音響機器等制御装置・制御システム |
US20130246088A1 (en) * | 2012-03-14 | 2013-09-19 | Hill-Rom Services, Inc. | Algorithm for predicting and mitigating adverse events |
JP2019017499A (ja) * | 2017-07-12 | 2019-02-07 | パラマウントベッド株式会社 | 療養支援システム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022208873A1 (ja) * | 2021-04-02 | 2022-10-06 | 日本電気株式会社 | ストレス推定装置、ストレス推定方法及び記憶媒体 |
WO2023105790A1 (ja) * | 2021-12-10 | 2023-06-15 | 日本電気株式会社 | ストレス推定方法 |
WO2023167169A1 (ja) * | 2022-03-04 | 2023-09-07 | ダイキン工業株式会社 | 増悪リスク予測システム |
JP2023128930A (ja) * | 2022-03-04 | 2023-09-14 | ダイキン工業株式会社 | 増悪リスク予測システム |
JP7368767B2 (ja) | 2022-03-04 | 2023-10-25 | ダイキン工業株式会社 | 増悪リスク予測システム |
Also Published As
Publication number | Publication date |
---|---|
JP6737416B1 (ja) | 2020-08-12 |
CN113544789A (zh) | 2021-10-22 |
US20220043404A1 (en) | 2022-02-10 |
EP3940708A4 (en) | 2022-12-07 |
WO2020189529A1 (ja) | 2020-09-24 |
EP3940708A1 (en) | 2022-01-19 |
CN113544789B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020189529A1 (ja) | 環境制御システム | |
Saleem et al. | IoT Healthcare: Design of Smart and Cost‐Effective Sleep Quality Monitoring System | |
JP6466422B2 (ja) | 医療支援システム及び方法 | |
JP6145042B2 (ja) | 患者の病気重篤性、致死性および滞在長さの連続的な予測の方法 | |
Paalasmaa et al. | Unobtrusive online monitoring of sleep at home | |
JP6178331B2 (ja) | 総リスクスコアを算出するヘルス・モニタリング・システム | |
JP6297578B2 (ja) | ヘルスケアシステム及びこれを用いたヘルスケア方法 | |
US20170103174A1 (en) | Diagnosis model generation system and method | |
JP5135197B2 (ja) | 生体指標管理装置 | |
CA2838232A1 (en) | Methods and systems for remotely determining levels of healthcare interventions | |
JP2015504555A5 (ja) | ||
US20210241909A1 (en) | Method and a system for evaluating treatment strategies on a virtual model of a patient | |
US20230079951A1 (en) | System for configuring patient monitoring | |
JP2018534697A (ja) | 個人化された予測モデルに基づいて健康モニタリングを容易化するシステム及び方法 | |
Morishima et al. | Human body skin temperature prediction based on machine learning | |
Martinez-Tabares et al. | Multiobjective design of wearable sensor systems for electrocardiogram monitoring | |
JP7017740B2 (ja) | 認知機能出力システム及びプログラム | |
JP3994773B2 (ja) | 在宅者健康状態遠隔診断装置 | |
JP2010146491A (ja) | 糖尿病診療支援システム、コンピュータプログラム、及び記録媒体 | |
WO2023074283A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
WO2023074284A1 (ja) | 健康状態判定方法、及び、健康状態判定システム | |
WO2021215495A1 (ja) | 予測支援システム、予測支援方法、予測支援プログラム、記録媒体、学習用データセットおよび学習済みモデルの生成方法 | |
US20230008923A1 (en) | Information processing device | |
US20240188883A1 (en) | Hypnodensity-based sleep apnea monitoring system and method of operation thereof | |
Saleem et al. | Research Article IoT Healthcare: Design of Smart and Cost-Effective Sleep Quality Monitoring System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200124 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200305 |
|
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: 20200616 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200629 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6737416 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |