JP2021029922A - 被検者判別装置、被検者判別方法、コンピュータプログラム、および非一時的コンピュータ可読媒体 - Google Patents

Abstract

【課題】取得された生体情報と被検者の関連付けに係る正確性を高める装置を提供する。【解決手段】被検者２の生体情報の経時変化に対応する第一データセットと第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットとを取得する取得部と、第一データセットと第二データセットのいずれか一方を訓練データとして学習した識別器１２１を作成する作成部と、第一データセットと第二データセットのうち識別器１２１の作成に用いられなかったデータセットの入力情報と、識別器１２１の作成に用いられなかったデータセットを識別器１２１に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、第一類似度に基づいて、第一データセットと第二データセットが同じ被検者２から取得されたものであるかを判別する判別部と、判別部による判別結果に対応する出力信号を出力する出力部と、を備える被検者判別装置１。【選択図】図１

Description

本発明は、心電図検査等の被検者を判別するための装置および方法、当該装置に当該方法を実行させるためのコンピュータプログラム、および当該コンピュータプログラムが記録されたコンピュータ可読媒体に関する。

心臓の電気的な活動を測定する検査として心電計を用いた心電図検査がある。心電図検査を行う場合、ユーザは心電図の測定を始める前に、被検者ＩＤ等の被検者情報を入力する。心電図データ等の生体情報は、入力された被検者情報に対応付けられて記録される（特許文献１参照）。

特開平０７−１５５３００号公報

しかし、特許文献１に開示された心電図計では、入力された被検者情報に誤りがある場合、取得された生体情報が別の被検者に対応付けられてしまう虞がある。取得された生体情報が別の被検者に対応付けられて記録されてしまうと、検査の正確性が損なわれてしまう。なお当該課題は、心電図に限った問題ではなく、他のパラメータを扱う際にも生じうる問題である。

本発明の目的は、取得された生体情報と被検者の関連付けに係る正確性を高めることである。

上記の目的を達成するための一態様は、被検者判別装置であって、
被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得する取得部と、
前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成する作成部と、
前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別する判別部と、
前記判別部による判別結果に対応する出力信号を出力する出力部と、
を備える。

上記の目的を達成するための一態様に係る被検者判別方法は、
被検者判別装置により実行される被検者判別方法であって、
被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得するステップと、
前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成するステップと、
前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別するステップと、
を含む。

上記の目的を達成するための一態様に係るコンピュータプログラムは、
コンピュータによって実行されることにより、被検者判別装置に
被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得させ、
前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成させ、
前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別させる。

上記のコンピュータプログラムが記録された非一時的コンピュータ可読媒体もまた、上記の目的を達成するための本発明の一態様である。

上記のような構成によれば、被検者から取得された生体情報が、当該被検者から第一データセットとは異なるタイミングで取得された可能性がある生体情報の特徴を学習した識別器へ入力され、両者の類似性に基づいて両者が同じ被検者から取得されたものであるかが判断される。これにより、取得された生体情報と被検者の関連付けに係る正確性を高めることができる。

一実施形態に係る被検者判別装置の機能構成を例示している。 被検者判別装置により実行される処理の流れを例示している。 識別器が作成されるまでに被検者判別装置が行う処理の一例を示している。 被検者判別装置が被検者の判別を行う際に実行する処理を例示している。 被検者判別装置が被検者の判別を行う際に実行する処理を例示している。 被検者判別装置が被検者の判別を行う際に実行する処理を例示している。 データオーギュメンテーションの処理を例示している。 識別器が作成されるまでに被検者判別装置が行う処理の別例を示している。

以下、実施形態の例について添付の図面を参照しながら詳細に説明する。

図１は、一実施形態に係る被検者判別装置１（以下、簡単に判別装置１と称する）の機能構成を例示している。判別装置１は、入力インターフェース１１、プロセッサ１２、および出力インターフェース１３を備えている。

入力インターフェース１１は、被検者２の身体に装着されたセンサ３から被検者２の生体情報の経時変化に対応する入力信号ＩＳを受け付ける。以降の説明においては、被検者２が心電図検査に供される場合を例示する。なお、センサ３が取得する情報は心電図以外にも例えば動脈血酸素飽和度（ＳｐＯ２）等が考えられる。

センサ３として、複数の電極が被検者２の身体に装着される。入力信号ＩＳは、当該電極により検出される電位の経時変化を表す。入力インターフェース１１は、プロセッサ１２が後述する処理を実行できるデータ形式に入力信号ＩＳを変換する回路を、必要に応じて備えうる。

プロセッサ１２は、第一データセットＤ１と第二データセットＤ２を取得するように構成されている。第一データセットＤ１は、被検者２の心電図波形情報を含む。心電図波形情報は、生体情報の経時変化に対応するデータの一例である。第二データセットＤ２は、第一データセットＤ１よりも過去に取得された心電図波形情報を含む。第二データセットＤ２は、第一データセットＤ１とは異なるタイミングで取得された生体情報を含むデータセットの一例である。プロセッサ１２は、取得部の一例である。

プロセッサ１２は、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかを判別するように構成されている。判別処理の詳細については後述する。プロセッサ１２は、判別部の一例である。

プロセッサ１２は、判別結果に対応する出力データを出力するように構成されている。出力インターフェース１３は、出力データに対応する出力信号ＯＳを出力するように構成されている。出力信号ＯＳは、外部装置４に送信されうる。出力インターフェース１３は、当該外部装置が処理可能な出力信号ＯＳに出力データを変換する回路を、必要に応じて備えうる。出力インターフェース１３は、出力部の一例である。

外部装置４は、ユーザに判別結果を報知するように構成されうる。報知は、視覚的報知、聴覚的報知、および触覚的報知の少なくとも一つを通じて行われうる。

判別装置１は、報知部１４を備えうる。この場合、プロセッサ１２は、判別結果に対応する出力信号ＯＳを、報知部１４へ送信しうる。この場合、プロセッサ１２は、出力部の一例である。報知部１４は、出力信号ＯＳに基づいて、ユーザに判別結果を報知するように構成されうる。報知は、視覚的報知、聴覚的報知、および触覚的報知の少なくとも一つを通じて行われうる。

図２は、プロセッサ１２により実行される処理の流れを例示している。まずプロセッサ１２は、入力信号ＩＳに基づいて、第一データセットＤ１を取得する（ＳＴＥＰ１）。

続いてプロセッサ１２は、第二データセットＤ２を取得する（ＳＴＥＰ２）。例えば図３に示されるように、第一データセットＤ１は、被検者２の識別情報ＩＤを含みうる。識別情報ＩＤは、判別装置１によって付与されてもよいし、入力信号ＳＩとともに外部より提供されてもよい。この場合、プロセッサ１２は、同じ識別情報ＩＤが付与された過去の検査結果に対応する第二データセットＤ２を取得する。

図１に例示されるように、第二データセットＤ２は、外部のデータベース５から取得されうる。プロセッサ１２は、データベース５に格納された過去の検査結果から第一データセットＤ１と同じ識別情報ＩＤが付与されたデータセットを特定し、当該データセットを第二データセットＤ２として取得する。

あるいは、判別装置１は、ストレージ１５（保存部の一例）を備えうる。ストレージ１５は、半導体メモリやハードディスク装置などの記憶装置である。過去の検査結果は、ストレージ１５に格納されてもよい。この場合、プロセッサ１２は、ストレージ１５に格納された過去の検査結果から第一データセットＤ１と同じ識別情報ＩＤが付与されたデータセットを特定し、当該データセットを第二データセットＤ２として取得する。

続いてプロセッサ１２は、図３に例示されるように、第二データセットＤ２を訓練データとして学習した識別器１２１を作成する（図２のＳＴＥＰ３）。プロセッサ１２は、作成部の一例である。識別器１２１は、プロセッサ１２により実行される処理関数と理解することができる。識別器１２１は、第二データセットＤ２の特徴量を抽出して構成される。詳細には識別器１２１は、第二データセットＤ２を訓練データとして用いる学習を通じて、第二データセットＤ２の特徴が集約された処理関数となる。例えば、この識別器１２１に対して、訓練データとして用いたデータセット（本実施形態においては第二データセットＤ２）とは異なるデータセットが入力されうる。当該入力されたデータセットが、識別器１２１の性質（第二データセットＤ２）に対応するものである場合には、当該入力されたデータセットの入力と類似性のある出力が得られる。第二データセットＤ２の特徴量は、ユーザによって事前設定されるものではなく、訓練データを用いた学習を通じてプロセッサ１２により抽出される。

識別器１２１は、中間層の次元圧縮を伴う自己符号化器を用いて作成されうる。例えば、畳み込みオートエンコーダ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ａｕｔｏｅｎｃｏｄｅｒ）を用いて１０００次元から１２５次元への次元圧縮を伴う自己符号化がなされる。自己符号化器の他の例としては、オートエンコーダ（Ａｕｔｏｅｎｃｏｄｅｒ）、雑音除去自己符号化器（Ｄｅｎｏｉｓｉｎｇ Ａｕｔｏｅｎｃｏｄｅｒ）、スパース自己符号化器（Ｓｐａｒｓｅ Ａｕｔｏｅｎｃｏｄｅｒ）、積層自己符号化器（Ｓｔａｃｋｅｄ Ａｕｔｏｅｎｃｏｄｅｒ）などが挙げられる。

このような構成によれば、訓練データの特徴を効率よく抽出できる。

続いてプロセッサ１２は、図４に例示されるように、第一データセットＤ１を識別器１２１に入力する。第二データセットＤ２の特徴が集約された識別器１２１に第一データセットＤ１が入力されると、プロセッサ１２は、波形情報である第一出力情報Ｏ１を取得する（図２のＳＴＥＰ４）。ここで、第一データセットＤ１と第二データセットＤ２の特徴が類似しているほど、第一出力情報Ｏ１と第一データセットＤ１の類似度が高くなる。

続いてプロセッサ１２は、第一データセットＤ１と第一出力情報Ｏ１とを比較し、第一類似度Ｓ１を取得する（図２のＳＴＥＰ５）。第一類似度Ｓ１は、第一データセットＤ１と第一出力情報Ｏ１の類似の強さを表す指標である。例えば、第一データセットＤ１に含まれる波形情報における特定時点の値と、第一出力情報Ｏ１に含まれる波形情報における当該時点の値との差分が取得される。複数の時点について取得された当該差分が統計処理されることによって、第一類似度Ｓ１が取得される。

第一類似度Ｓ１を取得するための統計処理としては、例えば二乗平均平方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ）が用いられうる。このような統計処理によって、第一データセットＤ１と第一出力情報Ｏ１の類似の強さが評価されうる。なお統計処理の手法としては、二乗平均平方根誤差に限られず、例えば平均絶対誤差（ＭＡＥ）、動的時間伸縮法ＤＴＷ、平均絶対パーセント誤差（ＭＡＰＥ）、平均二乗誤差（ＭＳＥ）、相互相関関数（ＣＣＦ）等であってもよい。

第一データセットＤ１の取得元である被検者２が第二データセットＤ２の取得元である被検者と一致する場合、波形情報に含まれる特徴は一致する傾向にあるので、第一データセットＤ１と第一出力情報Ｏ１との比較により得られる第一類似度Ｓ１は高くなる。他方、第一データセットＤ１の取得元である被検者２が第二データセットＤ２の取得元である被検者と異なる場合、第一データセットＤ１の特徴が強調された第一出力情報Ｏ１と第一データセットＤ１の特徴の差異がより強調され、比較結果としての第一類似度Ｓ１は低くなる。

したがって、プロセッサ１２は、第一類似度Ｓ１に基づいて、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかを判別できる（図２のＳＴＥＰ６）。例えば、図５に例示されるように、プロセッサ１２は、第一類似度Ｓ１と所定の閾値Ｓｔを比較する。プロセッサ１２は、第一類似度Ｓ１が閾値Ｓｔを上回る場合に第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであると判断するように構成されうる。

図６は、プロセッサ１２により実行される判別処理の流れの詳細を例示している。第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであると判断されると（ＳＴＥＰ６１においてＹＥＳ）、プロセッサ１２は、当該判断結果を示す出力データを出力する（ＳＴＥＰ６２）。これにより、当該出力データに基づく出力信号ＯＳが出力され、当該判断結果の報知が報知部１４または外部装置４によってなされる。

第一データセットＤ１と第二データセットＤ２が別の被検者から取得されたものであると判断されると（ＳＴＥＰ６１においてＮＯ）、プロセッサ１２は、当該判断結果を示す出力データを出力する（ＳＴＥＰ６３）。これにより、当該出力データに基づく出力信号ＯＳが出力され、当該判断結果の報知が報知部１４または外部装置４によってなされる。

上記のような構成によれば、被検者２から取得された心電図波形情報が、例えば当該被検者２から過去に取得された可能性がある心電図波形情報の特徴を学習した識別器１２１へ入力され、両者の類似性に基づいて両者が同じ被検者から取得されたものであるかが判断される。すなわち、同じ識別情報ＩＤが対応付けられている心電図波形情報が同じ被検者から取得されたものであることの確認を支援できる。したがって、取得された心電図波形情報と被検者の関連付けに係る正確性を高めることができる。

図２に例示されるように、プロセッサ１２は、第一データセットＤ１及び第二データセットよりも過去に取得された生体情報の経時変化に対応する第三データセットＤ３（図４参照）をさらに取得してもよい（図２のＳＴＥＰ７）。なお、第三データセットＤ３は、第一データセットＤ１及び第二データセットＤ２とは異なるタイミングで取得された生体情報を含むデータセットの一例である。この場合、プロセッサ１２は、第一データセットＤ１に対応する識別情報ＩＤと同じ識別情報ＩＤが付与されたデータセットを特定する。そして特定されたデータセットのうち、第二データセットよりも過去に取得されたデータセットを第三データセットＤ３として取得する。

続いてプロセッサ１２は、図４に例示されるように、第三データセットＤ３を識別器１２１に入力する。第二データセットＤ２の特徴が集約された識別器１２１に第三データセットＤ３が入力されると、プロセッサ１２は、波形情報である第二出力情報Ｏ２を取得する（図２のＳＴＥＰ８）。ここで、第二データセットＤ２と第三データセットＤ３の特徴が類似しているほど、第二出力情報Ｏ２と第三データセットＤ３の類似度が高くなる。

続いてプロセッサ１２は、第三データセットＤ３と第二出力情報Ｏ２とを比較し、第二類似度Ｓ２を取得する（図２のＳＴＥＰ９）。第二類似度Ｓ２は、第三データセットＤ３と第二出力情報Ｏ２の類似の強さを表す指標である。例えば、第三データセットＤ３に含まれる波形情報における特定時点の値と、第二出力情報Ｏ２に含まれる波形情報における当該時点の値との差分が取得される。複数の時点について取得された当該差分が統計処理されることによって、第二類似度Ｓ２が取得される。

第二類似度Ｓ２を取得するための統計処理としては、二乗平均平方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ）が用いられうる。このような統計処理によって、第三データセットＤ３と第二出力情報Ｏ２の類似の強さが評価されうる。なお統計処理の手法としては、二乗平均平方根誤差に限られず、例えば平均絶対誤差（ＭＡＥ）、動的時間伸縮法ＤＴＷ、平均絶対パーセント誤差（ＭＡＰＥ）、平均二乗誤差（ＭＳＥ）、相互相関関数（ＣＣＦ）等であってもよい。

続いてプロセッサ１２は、第一類似度Ｓ１と第二類似度Ｓ２に基づいて、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかを判別する（図２のＳＴＥＰ６）。例えば、図５に例示されるように、プロセッサ１２は、第一類似度Ｓ１と第二類似度Ｓ２の乖離度に基づき、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかを判別する。具体的には、プロセッサ１２は、第一類似度Ｓ１と第二類似度Ｓ２の乖離度が所定値以下である場合に、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであると判断するように構成されうる。

このような構成によれば、例えば、第二データセットＤ２よりも過去に取得された生体情報の経時変化に対応する第三データセットＤ３を用いて第二類似度Ｓ２が算出される。そしてプロセッサ１２は、第一類似度Ｓ１と第二類似度Ｓ２に基づいて、第一データセットＤ１と第二データセットＤ２が同じ被検者２から取得されたものであるか否か判別する。第三データセットＤ３は被検者２から取得されたものであることが確認されているので、判別に使用されるデータとしての信頼性が高い。したがって、第一類似度Ｓ１と第三データセットＤ３から算出された第二類似度Ｓ２を用いることにより、プロセッサ１２による判別精度を高めることができる。

図６に例示されるように、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであると判断されると（ＳＴＥＰ６１においてＹＥＳ）、プロセッサ１２は、第一データセットＤ１を、次回以降の判定において訓練データとなりうるデータセットである第二データセットＤ２としてストレージ１５に保存するように構成されうる（ＳＴＥＰ６４）。なお、第二データセットＤ２の保存は、データベース５に行なわれてもよい。

このような構成によれば、第一データセットＤ１が被検者２から取得されたものであることが確認された場合、当該第一データセットＤ１は、次回以降の検査において識別器１２１の訓練データとなる第二データセットＤ２として用いられる。つまり、被検者２から取得された最新のデータセットを用いて、次回以降に取得される第一データセットＤ１に対する判別が行なわれる。これにより、プロセッサ１２は次回以降の検査において、精度の高い識別器１２１を作成することができる。その結果、プロセッサ１２が行う判別結果の精度が高まる。

同じ理由に基づき、プロセッサ１２は、第二データセットＤ２を、識別器１２１に入力されるデータセットのうち第一データセットＤ１とは異なるデータセットである第三データセットＤ３としてストレージ１５に保存してもよい（ＳＴＥＰ６５）。なお、第三データセットＤ３の保存は、データベース５に行なわれてもよい。

図４に例示されるように、第一データセットＤ１は、データオーギュメンテーションによりデータ拡張されうる。その具体的な手法の例について、図７を参照しつつ説明する。

第一データセットＤ１が時間長さＴ１をかけて取得された生体情報である場合、プロセッサ１２は、時刻ｔ１からの時間長さＴ２に対応するデータセットｄ１を抽出する。続いてプロセッサ１２は、時刻ｔ１に時間長さＴ３を加えた時刻ｔ２からの時間長さＴ２に対応するデータセットｄ２を取得する。同様にして、プロセッサ１２は、時刻ｔ２に時間長さＴ３を加えた時刻ｔ３からの時間長さＴ２に対応するデータセットｄ３を取得する。

時間長さＴ１は、例えば１０秒である。時間長さＴ２は、例えば２秒である。時間長さＴ３は、例えば０．２秒である。この場合、データセットｄ１は、時刻０秒から２秒までの生体情報を含む。データセットｄ２は、時刻０．２秒から２．２秒までの生体情報を含む。データセットｄ３は、時刻０．４秒から２．４秒までの生体情報を含む。

このような処理が繰り返されることにより、最後に時刻８秒から１０秒までの生体情報を含むデータセットｄ４１が取得され、計４１個のデータセットｄ１〜ｄ４１が生成される。第一データセットＤ１が６万個のサンプリングデータを含んでいる場合、データセットｄ１〜ｄ４１の各々が含むサンプリングデータの数は、１万２千個である。したがって、データオーギュメンテーションの結果得られるサンプリングデータの数は４９万２０００個となり、データ拡張がなされていることがわかる。

上記のようにして生成されたデータセットｄ１〜ｄ４１の各々が、識別器１２１に入力される。これにより、図４に例示されるように、データセットｄ１〜ｄ４１の各々について第一出力情報Ｏ１が取得される。複数の第一出力情報Ｏ１の各々が自身の生成元であるデータセットと比較される結果として、図５に例示されるように、複数の第一類似度Ｓ１が算出される。

このような構成によれば、プロセッサ１２は、複数の第一類似度Ｓ１と閾値Ｓｔを比較し、第一データセットＤ１と第二データセットＤ２が同じ被検者２から取得されたものであるか否か判別する。例えば、複数の第一類似度Ｓ１の平均値と閾値Ｓｔを比較することにより、判別を行なう。閾値Ｓｔとの比較を統計的に行えるので、ノイズの影響を受けにくく、プロセッサ１２が行う判別結果の精度が高まる。

図４に例示されるように、プロセッサ１２は、第三データセットＤ３についても同様に、データオーギュメンテーションによりデータ拡張を行ないうる。この場合、図５に例示されるように、複数の第二類似度Ｓ２が算出される。

この場合、プロセッサ１２は、複数の第一類似度Ｓ１と複数の第二類似度Ｓ２を比較し、第一データセットＤ１と第二データセットＤ２が同じ被検者２から取得されたものであるか否か判別する。例えば、複数の第一類似度Ｓ１の平均値と複数の第二類似度Ｓ２の平均値の乖離度が閾値を下回る場合に、第一データセットＤ１と第二データセットＤ２が同じ被検者２から取得されたものであると判別される。

このような構成によれば、被検者２から取得されたことが判明している第三データセットＤ３を用いた統計的な比較が可能であるので、固定的な閾値Ｓｔを用いた比較が不要であり、より精度の高い判別を行うことができる。

図３に例示されるように、プロセッサ１２は、第二データセットＤ２をデータオーギュメンテーションによりデータ拡張し、データ拡張された第二データセットＤ２に基づいて、識別器１２１を作成してもよい。データオーギュメンテーションの具体的な手法は、第一データセットＤ１や第三データセットＤ３に対する上記の手法と同様である。

このような構成によれば、データオーギュメンテーションによって、識別器１２１を作成する際に用いる訓練データの数が増えるので、プロセッサ１２はより精度の高い識別器１２１を作成することができる。その結果、プロセッサ１２は、第一データセットＤ１と第二データセットＤ２が同じ被検者２から取得されたものであるか否かをより高度に判別することができる。

図２に例示されるように、プロセッサ１２は、取得された第一データセットＤ１に基づき、被検者の判別が実行可能かどうかを判断してもよい（図２のＳＴＥＰ１０）。判別が実行可能かどうかの判断には、既知の心電図用ノイズ判定プログラムや既知の不整脈用解析アルゴリズム等が用いられうる。例えば、心電図用ノイズ判定プログラムが用いられる場合、プロセッサ１２は、第一データセットＤ１に対して統計処理を行うことで得られるノイズスコアと、あらかじめ設定された閾値と、を比較することで、被検者の判別が実行可能かどうかを判断しうる。得られたノイズスコアが閾値以上であるとき、プロセッサ１２は被検者の判別が実行不可能であると判断し（ＳＴＥＰ１０においてＮＯ）、本処理を終了する。この場合、判別装置１は、第一データセットＤ１が識別器１２１に入力するための所定の条件に合致しないことを示す出力信号ＯＳを、出力インターフェース１３から出力する。一方、プロセッサ１２が被検者の判別は実行可能であると判断した場合（ＳＴＥＰ１０においてＹＥＳ）、プロセッサ１２はＳＴＥＰ２以降の処理を実行する。

例えば、被検者の心臓に器質的に大きな変化があった場合や被検者が不整脈である場合、第一データセットＤ１と第二データセットＤ２がたとえ同一の被検者から取得されたデータセットであったとしても、第一データセットＤ１の特徴と、第一データセットＤ１よりも過去に取得された第二データセットＤ２の特徴と、は大きく異なりうる。このため、第一データセットＤ１は上述した統計処理を行う上でノイズとなる虞がある。上記のような構成によれば、ノイズとなりうる第一データセットＤ１は識別器１２１に入力されないため、判別精度を維持することができる。

第二データセットＤ２を取得するために利用される情報は、被検者２に付与された識別情報ＩＤに限られない。図８は、被検者２の心電図波形情報がストリーミングデータＳＤとして取得される場合を例示している。ストリーミングデータＳＤは、判別装置１のストレージ１５またはデータベース５に保存される。本例においては、判別装置１は、ストリーミングデータＳＤの入力に途絶が生じた場合に、当該途絶よりも過去に取得されたストリーミングデータＳＤを取得するように構成される。入力が途絶する原因としては、センサ３の被検者２の身体からの脱落や通信障害などが挙げられる。

図８に例示されるように、ストリーミングデータＳＤは、取得された時刻を示す時刻情報を含みうる。時刻ｔ１１は、入力途絶から復帰後にストリーミングデータＳＤの取得が開始された時刻を表している。すなわち、プロセッサ１２は、時刻ｔ１１を時刻情報として有するストリーミングデータＳＤを、第一データセットＤ１として取得する（図２のＳＴＥＰ１）。

ストリーミングデータの入力に途絶が発生した場合、プロセッサ１２は、時刻ｔ１１よりも過去の時刻ｔ１２を時刻情報として有するストリーミングデータＳＤを、第二データセットＤ２として取得する（図２のＳＴＥＰ２）。

続いて、プロセッサ１２は、図２に例示されるＳＴＥＰ３〜ＳＴＥＰ６の処理を実行する。すなわち、プロセッサ１２は、ｔ１２を時刻情報として有するストリーミングデータＳＤである第二データセットＤ２（入力途絶前に取得されたデータセット）を訓練データとして学習した識別器１２１を作成する。続いてプロセッサ１２は、時刻ｔ１１を時刻情報として有するストリーミングデータＳＤである第一データセットＤ１（入力途絶から回復後に取得されたデータセット）を識別器１２１に入力することで第一類似度Ｓ１を取得する。そしてプロセッサ１２は、第一類似度Ｓ１と閾値Ｓｔを比較することにより、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかどうかを判別する。

上記のような構成によれば、ストリーミングデータ入力の途絶後に被検者２から取得された心電図波形情報が、当該被検者２から過去に取得された可能性がある心電図波形情報の特徴を学習した識別器１２１へ入力され、両者の類似性に基づいて両者が同じ被検者から取得されたものであるかが判断される。すなわち、ストリーミングデータの入力途絶の前後に取得された心電図波形情報が同じ被検者から取得されたものであることの確認を支援できる。したがって、取得された心電図波形情報と被検者の関連付けに係る正確性を高めることができる。

これまで説明したような機能を有するプロセッサは、汎用メモリと共同して動作する汎用マイクロプロセッサにより実現されうる。当該プロセッサは、複数のプロセッサコアを含みうる。汎用メモリとしては、ＲＯＭ、ＲＡＭなどが例示されうる。汎用メモリには、後述の処理を実行するためのコンピュータプログラムが記憶されうる。当該コンピュータプログラムは、予め汎用メモリに格納されていてもよいし、通信ネットワークを介して外部のサーバからダウンロードされてもよい。当該コンピュータプログラムは、プロセッサが実行可能な命令の一例である。例えば、プロセッサは、ＲＯＭに記憶されたコンピュータプログラムの少なくとも一部を指定してＲＡＭ上に展開し、ＲＡＭと協働して後述の処理を実行しうる。

本実施形態においては、コンピュータ可読媒体が利用されてもよい。コンピュータ可読媒体は、プロセッサが読み取ることのできる情報やデータを記憶し得る、あらゆるタイプの物理メモリ（ＲＡＭ、ＲＯＭ等）を指す。コンピュータ可読媒体は、１つ以上のプロセッサによる実行処理に関する命令を記憶し得る。なお、「コンピュータ可読媒体」という用語は、有形の品目を包含し、かつ搬送波や一時的な信号は除外する（すなわち、非一時的なものを指す）。

なお、本発明は、上述した実施形態に限定されず、適宜、変形、改良等が自在である。その他、上述した実施形態における各構成要素の材質、形状、寸法、数値、形態、数、配置場所等は、本発明を達成できるものであれば任意であり、限定されない。

上記の実施形態においては、プロセッサ１２は、第二データセットＤ２を訓練データとして識別器１２１を作成している。すなわち、第一データセットＤ１は、識別器の作成に用いられなかったデータセット（換言すると識別器１２１への入力となるデータセット）の一例である。しかしながら、プロセッサ１２は、第一データセットＤ１を訓練データとして識別器１２１を作成してもよい。この場合、第二データセットＤ２が、識別器の作成に用いられなかったデータセットの一例となる。すなわち、第一データセットＤ１と第二データセットＤ２を用いた被検者の同一性判定を行う場合、各データセットの取得のタイミング（どちらのデータセットの取得が先に行われたか）に関わらず一方のデータセットから識別器１２１を作成し、他方のデータセットを識別器１２１への入力とすればよい。なお、被検者の同一性判定とは、第一データセットＤ１と第二データセットＤ２が同じ被検者から取得されたものであるかどうかの判定である。

また、プロセッサ１２は、第三データセットＤ３を訓練データとして識別器１２１を作成してもよい。この場合、第一データセットＤ１および第二データセットＤ２が、識別器の作成に用いられなかったデータセット（換言すると識別器１２１への入力となるデータセット）の一例となる。すなわち、第一データセットＤ１〜第三データセットＤ３を用いた被検者の同一性判定を行う場合、各データセットを取得するタイミング（どのデータセットの取得が先に行われたか）に関わらず任意の一つのデータセットから識別器１２１を作成し、その他二つのデータセットを識別器１２１への入力とすればよい。

上記の実施形態において、第二データセットＤ２は、第一データセットＤ１よりも過去に取得されたデータセットであるが、第一データセットＤ１が、第二データセットＤ２よりも過去に取得されたデータセットであってもよい。また、第三データセットＤ３は、第二データセットよりも過去に取得されたデータセットであるが、第三データセットＤ３は、第一データセットＤ１及び第二データセットＤ２の少なくとも一つよりも時間的に後に取得されたデータセットであってもよい。

１：被検者判別装置、２：被検者、３：センサ、４：外部装置、５：データベース、１０：被検者、１１：入力インターフェース、１２：プロセッサ、１３：出力インターフェース、１４：報知部、１５：ストレージ、１２１：識別器

Claims (13)

1. 被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得する取得部と、
   前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成する作成部と、
   前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別する判別部と、
   前記判別部による判別結果に対応する出力信号を出力する出力部と、
   を備える、被検者判別装置。
2. 前記取得部は、さらに前記第一データセット及び前記第二データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第三データセットを取得可能であり、
   前記判別部は、前記第三データセットの入力情報と、前記前記第三データセットを前記識別器に入力することにより得られる第二出力情報と、を用いて第二類似度を算出し、前記第一類似度と前記第二類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別する、請求項１に記載の被検者判別装置。
3. 前記第一データセットは、前記被検者の識別情報を含んでおり、
   前記取得部は、前記被検者の識別情報を参照して前記第二データセットを取得する、請求項１または２に記載の被検者判別装置。
4. 前記装置は、データセットを保存可能な保存部をさらに備えており、
   前記判別部によって、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであると判別されると、前記識別器の作成に用いられなかったデータセットは、前記訓練データとして使用されるために前記保存部に保存される、請求項１から３のいずれか一項に記載の被検者判別装置。
5. 前記第一データセットおよび前記第二データセットはストリーミングデータである、請求項１に記載の被検者判別装置。
6. 前記識別器の作成に用いられるデータセットは、データオーギュメンテーションによりデータ拡張される、請求項１から５のいずれか一項に記載の被検者判別装置。
7. 前記識別器の作成に用いられないデータセットが、前記識別器に入力するための所定の条件に合致しないとき、前記出力部は、前記所定の条件に合致しないことを示す出力信号を出力する、請求項１から６のいずれか一項に記載の被検者判別装置。
8. 前記判別部は、二乗平均平方根誤差により、前記第一類似度を算出する、請求項１から７のいずれか一項に記載の被検者判別装置。
9. 前記判別部は、二乗平均平方根誤差により、前記第一類似度および前記第二類似度を算出する、請求項２に記載の被検者判別装置。
10. 前記識別器は、自己符号化器を用いて作成される、請求項１から９のいずれか一項に記載の被検者判別装置。
11. 被検者判別装置により実行される被検者判別方法であって、
    被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得するステップと、
    前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成するステップと、
    前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別するステップと、
    を含む、被検者判別方法。
12. コンピュータによって実行されることにより、被検者判別装置に
    被検者の生体情報の経時変化に対応する第一データセットと、前記第一データセットとは異なるタイミングで取得された生体情報の経時変化に対応する第二データセットと、を取得させ、
    前記第一データセットと前記第二データセットのいずれか一方を訓練データとして学習した識別器を作成させ、
    前記第一データセットと前記第二データセットのうち、前記識別器の作成に用いられなかったデータセットの入力情報と、前記識別器の作成に用いられなかったデータセットを前記識別器に入力することで得られる第一出力情報と、を用いて第一類似度を算出し、前記第一類似度に基づいて、前記第一データセットと前記第二データセットが同じ被検者から取得されたものであるかを判別させる、
    コンピュータプログラム。
13. 請求項１２に記載のコンピュータプログラムが記録された非一時的コンピュータ可読媒体。

Images