JP5800119B1 - 健康度判定装置および健康度判定システム - Google Patents

Abstract

対象者の健康度を判定する健康度判定装置（端末装置（５１））は、対象者の器官の撮影画像から抽出され、健康度の判定に用いる特徴量が入力される特徴量入力部（通信部（５４））と、上記特徴量入力部を介して入力された対象者の特徴量を、母集団の特徴量の分布と比較することにより、他人との個人差に相当する対象者の体質の偏りと、対象者の体調の変化とを判定する判定部（５３）とを備えている。判定部（５３）は、対象者の体質の偏りを判定する場合、母集団の特徴量の分布として、他人を対象として作成される、他人の特徴量の分布を用い、対象者の体調の変化を判定する場合、母集団の特徴量の分布として、体調を評価する評価期間内で集めた対象者本人の特徴量の分布を用いる。

Description

本発明は、対象者の健康度を判定する健康度判定装置および健康度判定システムに関するものである。

従来から、生体（例えば人間）の健康状態を測定する手法として、健康診断での生化学検査、問診票による自覚症状の記述、体力測定などが知られている。しかし、健康診断は、費用や時間がかかるため、日常の体調変化のモニタリングには適さない。また、健康診断では、個別の疾病の有無を判断することはできるが、診断項目が細分化されているため、総合的な健康状態を表すことは難しい。

問診票を利用する場合、自覚症状を回答しているため、個人差が大きく、過去の履歴や他人と比較することが難しい。体力測定は、健康診断と同様に、費用や時間がかかるため、日常の体調変化のモニタリングには適さない。また、体力測定では、運動能力を測定できるが、体力と健康状態との関連性は明らかではなく、体力測定によって健康状態を把握できるとは必ずしも言えない。

そこで、近年では、デジタルカメラを用いて舌を撮影し、その画像の特徴量を用いて健康度を診断するシステムが提案されている。例えば、特許文献１では、舌画像から得られる多くの特徴量から、１種類の出力情報（具体的にはマハラノビス距離）を算出することにより、撮影された舌を持つ人についての総合的な健康度の判定を容易にかつ客観的に行うことが可能となっている。このように、マハラノビス距離を用いて健康度判定を総合的に行うシステムは、例えば特許文献２でも提案されている。

特許第４４８７５３５号公報（請求項１、段落〔０００６〕、〔００１８〕、〔００９６〕等参照） 特許第４６４９９６５号公報（請求項１、段落〔０００８〕等参照）

ところで、遺伝的な要因や長年の生活習慣により、健康時でも舌の状態に個人差（年齢差を含む）がある。つまり、健康時でも、舌の色が元々青っぽい人や赤っぽい人などが存在する。このため、舌を撮影して得られる画像から、特徴量として舌の色を抽出して健康度を判定するだけでは、舌の色が青っぽい場合、それが体質の偏り（個人差）によるものなのか、体調（健康度）の変化によるものなのかを判別することができない。その結果、体質の偏りを含んだ状態でしか健康度を判定することができず、健康度を精度よく判定することができない。また、体質の偏りがわからないため、食事療法や生活習慣の改善などの長期的な改善策による効果を確認することも困難である。このような問題は、マハラノビス距離を用いて多変量解析を行う特許文献１および２でも同様に生ずる。

本発明は、上記の問題点を解決するためになされたもので、その目的は、体質の偏りの影響を低減しながら健康度（体調）を精度よく判定できるとともに、体質の偏りの改善効果を容易に確認できる健康度判定装置および健康度判定システムを提供することにある。

本発明の一側面に係る健康度判定装置は、対象者の健康度を判定する健康度判定装置であって、対象者の器官の撮影画像から抽出され、健康度の判定に用いる特徴量が入力される特徴量入力部と、前記特徴量入力部を介して入力された対象者の特徴量を、母集団の特徴量の分布と比較することにより、他人との個人差に相当する対象者の体質の偏りと、対象者の体調の変化とを判定する判定部とを備え、前記判定部は、対象者の体質の偏りを判定する場合、前記母集団の特徴量の分布として、他人を対象として作成される、他人の特徴量の分布を用い、対象者の体調の変化を判定する場合、前記母集団の特徴量の分布として、体調を評価する評価期間内で集めた対象者本人の特徴量の分布を用いる。

上記の構成によれば、体質の偏りの影響を低減しながら健康度を精度よく判定できるとともに、体質の偏りの改善効果を容易に確認することができる。

本発明の実施の一形態に係る健康度判定システムの概略の構成を示す説明図である。 上記健康度判定システムを構成する器官画像撮影装置の外観を示す斜視図である。 上記器官画像撮影装置の概略の構成を示すブロック図である。 撮影対象に対する照明部と撮像部との位置関係を示す説明図である。 舌の撮影画像およびエッジ抽出フィルタの一例と、上記フィルタを用いて抽出された舌の輪郭線を示す説明図である。 舌の撮影画像における特徴量を抽出する領域を示す説明図である。 舌の輪郭線およびその近似曲線を示すグラフである。 上記輪郭線と上記近似曲線とでのｙ座標の差をプロットしたグラフである。 舌の撮影画像と舌の断面形状とを示す説明図である。 上記撮影画像における光沢度の検出領域を示す説明図である。 舌の分光分布を示すグラフである。 上記検出領域から抽出したＢの画像データの度数分布を模式的に示すグラフである。 表面に亀裂がある舌の撮影画像を示す説明図である。 舌表面に亀裂がない場合と亀裂がある場合の各度数分布を示すグラフである。 水平方向の画像データの分布を、舌が薄い場合と厚い場合とで示すグラフである。 上記健康度判定システムを構成する端末装置の概略の構成を示すブロック図である。 上記端末装置の判定部が作成する他人の特徴量の分布を模式的に示す説明図である。 患者、健常者、対象者について、長期的な体調変化のイメージを示すグラフである。 図１８の対象者について、ある評価期間における体調変化を拡大して示すグラフである。 上記健康度判定システムにおける処理の流れを示すフローチャートである。 対象者の体調の評価値（第１の評価値）の変化を示すグラフである。 図２１の評価期間における対象者の体調の評価値の変化を拡大して示すグラフである。 対象者の体調の評価値（第２の評価値）の変化を示すグラフである。 対象者の体調の評価値（第１の評価値）の中期的な変化を示すグラフである。 特徴量が１変量の場合の度数分布を示すグラフである。

本発明の実施の一形態について、図面に基づいて説明すれば、以下の通りである。なお、本明細書において、数値範囲をＡ〜Ｂと表記した場合、その数値範囲に下限Ａおよび上限Ｂの値は含まれるものとする。

〔健康度判定システムの全体構成〕
図１は、本実施形態の健康度判定システム５０の概略の構成を示す説明図である。健康度判定システム５０は、器官画像撮影装置１と、端末装置５１とを有している。器官画像撮影装置１は、生体の器官を撮影して、健康度の診断に必要な情報（特徴量、診断項目）を抽出（検出）するものであり、例えば多機能携帯情報端末で構成されている。端末装置５１は、器官画像撮影装置１で取得された情報をもとに、生体の健康度を判定するものであり、パーソナルコンピュータ等で構成されている。

器官画像撮影装置１と端末装置５１とは、通信回線を介して通信可能に接続されている。上記の通信回線は、有線であってもよいし、無線であってもよい。また、端末装置５１の少なくとも一部の機能を器官画像撮影装置１に持たせたり、逆に、器官画像撮影装置１の少なくとも一部の機能を端末装置５１に持たせてもよい。以下、器官画像撮影装置１および端末装置５１の詳細について説明する。なお、以下では、生体は人間であり、器官は舌である場合を例として説明する。

〔器官画像撮影装置の構成〕
図２は、本実施形態の器官画像撮影装置１の外観を示す斜視図であり、図３は、器官画像撮影装置１の概略の構成を示すブロック図である。器官画像撮影装置１は、照明部２、撮像部３、表示部４、操作部５、通信部６および音声出力部７を備えている。照明部２は筐体２１に設けられており、照明部２以外の構成（例えば撮像部３、表示部４、操作部５、通信部６、音声出力部７）は、筐体２２に設けられている。筐体２１と筐体２２とは相対的に回転可能に連結されているが、必ずしも回転は必要ではなく、一方が他方に完全に固定されていてもよい。なお、上記の照明部２等は、単一の筐体に設けられていてもよい。

照明部２は、撮影対象である生体の器官（ここでは舌）を照明するものであり、撮影対象を上方より照明する照明器で構成されている。照明部２の光源としては、色再現性を向上させるために、例えばキセノンランプなどの昼光色を発光するものを用いている。光源の明るさは、撮像部３の感度や撮影対象までの距離により異なるが、一例としては、撮影対象の照度が１０００〜１００００ｌｘとなるような明るさを考えることができる。照明部２は、上記の光源の他に、点灯回路や調光回路を有しており、照明制御部１１からの指令によって点灯／消灯および調光が制御される。

撮像部３は、照明部２による照明下で、健康度を判定する対象者の器官（ここでは舌）を撮影して画像を取得するものであり、撮像レンズとエリアセンサ（撮像素子）とを有している。撮像レンズの絞り（レンズの明るさ）、シャッター速度、焦点距離は、撮影対象の全ての範囲に焦点が合うように設定されている。一例としては、Ｆナンバー：１６、シャッター速度：１／１２０秒、焦点距離：２０ｍｍである。

エリアセンサは、例えばＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）のような撮像素子で構成されており、撮影対象の色および形状を十分に検出できるように、感度や解像度などが設定されている。一例としては、感度：６０ｄｂ、解像度：１０００万画素である。

撮像部３による撮影は、撮像制御部１２によって制御されている。また、撮像部３は、撮像レンズやエリアセンサの他にも、不図示のフォーカス機構、絞り機構、駆動回路およびＡ／Ｄ変換回路などを有しており、撮像制御部１２からの指令により、フォーカスや絞りの制御、Ａ／Ｄ変換などが制御される。撮像部３では、撮影画像のデータとして、赤（Ｒ）、緑（Ｇ）、青（Ｂ）のそれぞれについて、例えば８ビットで０〜２５５のデータが取得される。

図４は、撮影対象（舌や顔）に対する照明部２と撮像部３との位置関係を示す説明図である。同図に示すように、撮像部３は、撮影対象に正対して配置されている。照明部２は、撮影対象を通る撮像部３の撮影光軸Ｘに対して、例えば０°〜４５°の角度Ａで撮影対象を照明するように配置されている。なお、撮影光軸Ｘとは、撮像部３が有する撮像レンズの光軸を指す。

照明時の角度Ａが大きいと、上唇の影により、舌を撮影できる範囲が小さくなる。逆に、角度Ａが小さいと、正反射による色とびが大きくなる。以上のことを考慮すると、照明時の角度Ａの好ましい範囲は、１５°〜３０°である。

表示部４は、不図示の液晶パネル、バックライト、点灯回路および制御回路を有しており、撮像部３での撮影によって取得される画像や、後述する特徴量抽出部１６にて算出されて出力された情報を表示する。また、表示部４は、後述する問診に必要な項目を表示したり、通信部６を介して外部から取得した情報（例えば外部の医療機関に情報を送信して診断された結果）を表示することもできる。表示部４における各種の情報の表示は、表示制御部１３によって制御されている。

操作部５は、撮像部３による撮影を指示するための入力部であり、ＯＫボタン（撮影実行ボタン）５ａおよびＣＡＮＣＥＬボタン５ｂで構成されている。本実施形態では、表示部４および操作部５を、共通のタッチパネル表示装置４１で構成し、タッチパネル表示装置４１における表示部４の表示領域と操作部５の表示領域とを別々にしている。タッチパネル表示装置４１における操作部５の表示は、操作制御部１４によって制御される。なお、操作部５は、タッチパネル表示装置４１以外の入力部で構成されてもよい（タッチパネル表示装置４１の表示領域外の位置に操作部５を設けてもよい）。

また、操作部５は、表示部４に表示された問診に必要な項目に対して返答するための情報入力部としても機能する。上記のように表示部４および操作部５がタッチパネル表示装置４１で構成される場合、表示部４が上記項目を表示するとともに、操作者が返答するのに必要なキー（例えばテンキー、シフトキー、ＯＫボタンなど）を表示することにより、操作者は、表示されたキーを介して必要な情報を入力することができる。したがって、この場合、表示部４は操作部５の上記情報入力部としての機能を兼ねる。

通信部６は、撮像部３にて取得された画像のデータや、後述する特徴量抽出部１６で算出されて出力された情報を、通信回線を介して外部に送信したり、外部からの情報を受信するためのインターフェースである。特に、通信部６は、特徴量抽出部１６にて抽出された対象者の特徴量の情報を、端末装置５１に送信する送信部を構成している。通信部６における情報の送受信は、通信制御部１８によって制御されている。

音声出力部７は、各種の情報を音声で出力するものであり、例えばスピーカーで構成される。音声で出力される情報には、端末装置５１の後述する判定部５３（図１６参照）で判定された結果が含まれる。音声出力部７における音声出力は、音声出力制御部１９によって制御される。

また、器官画像撮影装置１は、さらに、照明制御部１１、撮像制御部１２、表示制御部１３、操作制御部１４、画像処理部１５、特徴量抽出部１６、記憶部１７、通信制御部１８、音声出力制御部１９およびこれらの各部を制御する全体制御部２０を備えている。照明制御部１１、撮像制御部１２、表示制御部１３、操作制御部１４、通信制御部１８および音声出力制御部１９は、上述したように、照明部２、撮像部３、表示部４、操作部５、通信部６および音声出力部７をそれぞれ制御する。全体制御部２０は、例えばＣＰＵ（Central Processing Unit）で構成されている。なお、照明制御部１１、撮像制御部１２、表示制御部１３、操作制御部１４、通信制御部１８および音声出力制御部１９と、全体制御部２０とは、一体的に（例えば１つのＣＰＵで）構成されてもよい。

画像処理部１５は、撮像部３にて取得された画像から器官の輪郭線を抽出する処理を行う。本実施形態では、画像処理部１５は、撮影画像の輝度エッジ（画像の中で急激に明るさが変化している部分）に基づいて、器官としての舌の輪郭線を抽出する。

輝度エッジの抽出は、例えば図５に示すようなエッジ抽出フィルタを用いて行うことができる。エッジ抽出フィルタは、１次微分をするときに（隣接画素間で画像データの差分をとるときに）、注目画素の近傍の画素に重みを付けるフィルタである。このようなエッジ抽出フィルタを用い、例えば、撮影画像の各画素のＧの画像データについて、注目画素と近傍画素とで画像データの差分を取り、その差分値が所定の閾値を超える画素を抽出することで、輝度エッジとなる画素を抽出できる。舌の周囲には、その影に起因する輝度差が存在するため、上記のように輝度エッジとなる画素を抽出することにより、舌の輪郭線を抽出することができる。なお、ここでは、輝度への影響が最も大きいＧの画像データを演算に用いているが、ＲやＢの画像データを用いてもよい。

記憶部１７は、撮像部３にて取得した画像のデータ、画像処理部１５で取得したデータ、特徴量抽出部１６で算出されたデータ、外部から受信した情報などを記憶したり、上述した各種の制御部を動作させるためのプログラムを記憶するメモリである。

特徴量抽出部１６は、撮像部３にて取得された画像のデータから、健康度の判定に用いる特徴量を抽出する。上記の特徴量には、舌の色、苔の色、苔の形（厚さ）、歯痕、湿り気（光沢度）、裂紋（亀裂）、舌の形（厚さ）などがある。これらの特徴量は、例えば以下のようにして抽出（検出）することができる。

（舌の色、苔の色、苔の厚さの抽出）
図６は、舌の撮影画像を示している。以下では、舌の撮影画像において、舌の左右方向の中央で上下方向に帯状に形成される領域を上下方向に並ぶ３つの領域に分けたときに、それぞれの領域を、上部領域Ｒ１、中央領域Ｒ２、下部領域Ｒ３と称することとする。なお、これらの領域は、画像処理部１５で検出される舌の輪郭線で囲まれる領域の左右方向の幅Ｗ、上下方向の長さＨをもとに、図６に示すサイズで規定されるが、図示したサイズは一例であり、これに限定されるわけではない。

舌の色は、血液の色を反映するため、ＲＧＢの画像データのうちで、主にＲ成分またはＢ成分が増減する。このため、舌の下部領域Ｒ３におけるＲの比率（Ｒ／（Ｒ＋Ｇ＋Ｂ））またはＢの比率（Ｂ／（Ｒ＋Ｇ＋Ｂ））を求めることにより、舌の色を定量化して抽出することができる。なお、上記のＲＧＢのデータとしては、下部領域Ｒ３を構成する複数の画素間でのＲの画像データの平均値、Ｇの画像データの平均値、Ｂの画像データの平均値を用いることができる。

なお、舌の色の抽出の際に、舌の下部領域Ｒ３の画像データを使用しているのは、以下の理由による。すなわち、漢方医学で用いられている舌診では、舌の色は、一般に、苔の無い舌の左右端部か、舌の中心下部で診断されているが、舌の左右端部は、表面の凹凸により照明光の当たり方が変化して濃淡が発生しやすく、画像データが本来の舌の色を示す値から変動しやすいためである。

苔の色は、角化組織の分量により、白から茶色を呈するため、ＲＧＢの画像データのうちで、主にＧ成分または（Ｇ＋Ｒ）成分が増減する。このため、舌の上部領域Ｒ１におけるＧの比率（Ｇ／（Ｒ＋Ｇ＋Ｂ））または（Ｇ＋Ｒ）の比率（（Ｇ＋Ｒ）／（Ｒ＋Ｇ＋Ｂ））を求めることにより、苔の色を定量化して抽出することができる。なお、上記のＲＧＢのデータとしては、上部領域Ｒ１を構成する複数の画素間でのＲの画像データの平均値、Ｇの画像データの平均値、Ｂの画像データの平均値を用いることができる。

なお、苔の色の抽出の際に、舌の上部領域Ｒ１の画像データを使用しているのは、苔は、舌粘膜の乳頭組織が角化したものであり、舌の上部から中央にかけて存在し、特に上部に多いためである。

苔は、厚くなると舌の赤色から苔の白色に変化するため、ＲＧＢの画像データのうちで、主にＲ成分またはＧ成分が増減する。このため、舌の中央領域Ｒ２におけるＲの比率（Ｒ／（Ｒ＋Ｇ＋Ｂ））またはＧの比率（Ｇ／（Ｒ＋Ｇ＋Ｂ））を求めることにより、苔の厚さを定量化して抽出することができる。なお、上記のＲＧＢのデータとしては、中央領域Ｒ２を構成する複数の画素間でのＲの画像データの平均値、Ｇの画像データの平均値、Ｂの画像データの平均値を用いることができる。

なお、苔の厚さの抽出の際に、舌の中央領域Ｒ２の画像データを使用しているのは、苔は上述のように舌の上部に存在し、中央領域Ｒ２の色が上部領域Ｒ１の色に近いか否かで、苔の厚さを判断できるためである。なお、舌の上部領域Ｒ１と中央領域Ｒ２との色の差（例えば色度差）と、中央領域Ｒ２と下部領域Ｒ３との色の差（例えば色度差）との比率を求めることにより、苔の厚さを定量化することもできる。

（歯痕の抽出）
特徴量抽出部１６は、画像処理部１５で得られる舌の輪郭線を近似曲線で近似し、輪郭線と近似曲線との相関度に基づいて、輪郭線の凹凸（滑らかさ）を検出し、それによって舌の歯痕を検出する。近似曲線は細かい凹凸の無い滑らかな曲線であるため、輪郭線がこの近似曲線に近いほど、滑らかで歯痕が少ないと言える。すなわち、輪郭線と近似曲線との相関度が高いほど歯痕が少なく、相関度が低いほど歯痕が多いことになる。

したがって、相関度に基づいて、歯痕の状態を検出することができる。例えば、相関度が高い場合は、歯痕の状態が軽度（レベル１）であり、相関度が低い場合は、歯痕の状態が重度（レベル３）であり、相関度がその中間の場合は、歯痕の状態が軽度と重度との中間（レベル２）であると判断することができる。

ここで、２者の相関度を表す指標としては、以下の第１〜第３の指標を用いることができる。

相関度を表す第１の指標は、以下の式で表わされる決定係数Ｒ²である。
Ｒ²＝１−｛（Σ（ｙｉ−ｆｉ）²）／（Σ（ｙｉ−Ｙ）²）｝
ただし、
ｉ ：ｘｙ平面上で、輪郭線または近似曲線の一端部のｘ座標をｊとし、
他端部のｘ座標をｋとしたときの、ｊからｋまでのいずれかの値
ｙｉ：ｘｙ平面上で、輪郭線上の点のｘ座標ｉにおけるｙ座標の値
ｆｉ：ｘｙ平面上で、近似曲線上の点のｘ座標ｉにおけるｙ座標の値
Ｙ ：輪郭線上の全ての点についてのｙｉの平均値
である。なお、ｉ，ｊ，ｋは、いずれも整数であり、ｊ＜ｋであり、ｊ≦ｉ≦ｋである。また、Σ（ｙｉ−ｆｉ）²は、ｉをｊからｋまで変化させたときの（ｙｉ−ｆｉ）²の総和を指し、Σ（ｙｉ−Ｙ）²は、ｉをｊからｋまで変化させたときの（ｙｉ−Ｙ）²の総和を指す。

図７は、舌の輪郭線（実線参照）およびその近似曲線（破線参照）と、近似曲線を表す多項式と、決定係数Ｒ²とを示している。近似曲線は、最小二乗法によって求められ、以下の多項式で表されている。このときの決定係数Ｒ²は、０．９９４２である。なお、同図の近似曲線の係数において、「Ｅ−ｎ」の表記は、×１０^-nであることを示す。
ｙ＝５×１０^-7・ｘ⁴＋６×１０^-6・ｘ³＋２×１０^-3・ｘ²＋６．２９×１０^-2・ｘ＋２１．２１３

歯痕が重度である（輪郭線の凹凸が大きい）Ａ部においても、歯痕が軽度である（輪郭線の凹凸が小さい）Ｂ部においても、輪郭線と近似曲線との差が決定係数Ｒ²に反映される。したがって、決定係数Ｒ²に基づいて歯痕を検出する手法を用いると、仮に、歯痕が軽度の歯痕のみである場合でも、決定係数Ｒ²に基づいて、その軽度の歯痕を検出することが可能となり、歯痕の検出精度を向上させることができる。

相関度を表す第２の指標は、輪郭線と近似曲線とにおける座標値（ｙ座標）の差に基づいて得られる値であって、｜ｙｉ−ｆｉ｜の最大値（以下では「座標値差の最大値」とも言う）である。ただし、
ｉ ：ｘｙ平面上で、輪郭線または近似曲線の一端部のｘ座標をｊとし、
他端部のｘ座標をｋとしたときの、ｊからｋまでのいずれかの値
ｙｉ：ｘｙ平面上で、輪郭線上の点のｘ座標ｉにおけるｙ座標の値
ｆｉ：ｘｙ平面上で、近似曲線上の点のｘ座標ｉにおけるｙ座標の値
である。なお、ｉ，ｊ，ｋは、いずれも整数であり、ｊ＜ｋであり、ｊ≦ｉ≦ｋである。

図８は、図７で示した舌の輪郭線とその近似曲線（ｘｙ多項式）とでのｙ座標の差（｜ｙｉ−ｆｉ｜）をプロットしたグラフである。歯痕が重度であるＡ部においても、歯痕が軽度であるＢ部においても、｜ｙｉ−ｆｉ｜の値が歯痕のない部位に比べて大きくなる。したがって、仮に、歯痕が軽度の歯痕のみである場合でも、｜ｙｉ−ｆｉ｜の最大値を検出することで、その値に基づいて軽度の歯痕を検出することが可能となり、歯痕の検出精度を向上させることができる。

相関度を表す第３の指標は、輪郭線と近似曲線とにおける座標値（ｙ座標）の差に基づいて得られる値であって、以下の式で表される係数Ａである。すなわち、
Ａ＝Σ｜ｙｉ−ｆｉ｜
ただし、
ｉ ：ｘｙ平面上で、輪郭線または近似曲線の一端部のｘ座標をｊとし、
他端部のｘ座標をｋとしたときの、ｊからｋまでのいずれかの値
ｙｉ：ｘｙ平面上で、輪郭線上の点のｘ座標ｉにおけるｙ座標の値
ｆｉ：ｘｙ平面上で、近似曲線上の点のｘ座標ｉにおけるｙ座標の値
である。なお、ｉ，ｊ，ｋは、いずれも整数であり、ｊ＜ｋであり、ｊ≦ｉ≦ｋである。また、Σ｜ｙｉ−ｆｉ｜は、ｉをｊからｋまで変化させたときの｜ｙｉ−ｆｉ｜の総和（以下では「座標値差の総和」とも言う）を指す。

座標値差の最大値の代わりに、座標値差の総和を用いることにより、細かな歯痕の影響を正確に反映した歯痕検出を行うことができ、歯痕の検出精度をさらに向上させることができる。

なお、相関度として、座標値差の総和の逆数、すなわち、１／（Σ｜ｙｉ−ｆｉ｜）の値を用いてもよい。

（湿り気（光沢度）の抽出）
図９は、舌の撮影画像と舌の断面形状とを示している。舌を撮影する際、舌は口腔から前方に突き出される。その突き出された舌の上唇側の表面を撮像部３で撮影するため、舌はその上唇側の表面が撮像部３側に凸になるように湾曲している（Ｃ−Ｃ’断面参照）。なお、必要に応じて、仕様書やマニュアルに舌の出し方を規定しておき、舌を適切な撮影位置に案内するようにしてもよい。

図４で示した照明部２および撮像部３の配置で舌を撮影すると、舌の上半分に正反射領域が発生する（照明部２が撮影光軸Ｘに対して上方にあるため）。一方、舌の左右方向については、舌の中心と左右端がともに凹んでＭ字状に湾曲している（Ｄ−Ｄ’断面参照）。このような断面形状は、舌の上部から下部にかけてほぼ同様である。さらに、舌の中央部Ｅには、亀裂による模様が入っていることがある。したがって、本実施形態では、照明時の角度Ａを１５度に設定し、舌の上半分で、かつ、左右方向の中央部および両端部を避けた残りの領域を、光沢度の検出に適した検出領域として設定している。

より具体的には、特徴量抽出部１６は、画像処理部１５で検出された舌の輪郭線から、舌の上下端および左右端を検出して、舌の上下の長さＨおよび左右の幅Ｗを検出し、図１０に示す位置関係となるように、舌の輪郭線を基準にして光沢度の検出領域Ｒ４・Ｒ５を設定している。

図１１は、舌の分光分布を示すグラフである。舌は粘膜構造であり、表皮が無いため、舌の色としては、血液の色が現れる。血液は、Ｒ成分（波長６００ｎｍ〜７００ｎｍ）が多く、Ｂ成分（波長５００ｎｍ以下）が少ない。また、舌の色が淡い場合には、Ｒ成分の比率が下がり、濃い場合にはＲ成分の比率が上がる。

一方、苔は角化した乳頭細胞で形成されており、白色から黄色を呈する。そして、苔が薄い場合には、下地となる舌の色が現れるため、同図のようにＲ成分の比率が高くなり、苔が白く、濃い場合には、Ｇ成分（波長５００ｎｍ〜６００ｎｍ）の比率が上がる。

生体の体調や個人差により、舌と苔の色は上記のように変化するが、Ｂ成分の変化は少ない。そこで、本実施形態では、舌の撮影画像から得られるＢの画像データに基づき、以下のようにして舌の表面の光沢度を検出する。

まず、特徴量抽出部１６は、撮影画像の検出領域Ｒ４・Ｒ５の各画素からＢの画像データを抽出して、その度数分布を作成する。図１２は、抽出したＢの画像データの度数分布を模式的に示している。なお、図１２の横軸は、Ｂの画素値（画像データ）を示し、縦軸は度数（画素数）を示している。ただし、ここでの説明を簡略化するため、画素値は、１から１００までの値とし、画素値が大きいほど明るいことを示す。

次に、特徴量抽出部１６は、上記の度数分布より、最大度数Ｎｐに対応する画素値Ｄｐを求め（図１２の例ではＤｐ＝７０）、この画素値Ｄｐを１．２倍した値を閾値Ｍとし（図１２の例ではＭ＝８４）、閾値Ｍから画像データの最大値（最大画素値Ｄｍ＝１００）までの区間における度数の総和を上位画素数として積算する。なお、画素値Ｄｐを求めるにあたって、度数の変化を連続的に示す関数を求めてこれをスムージングし、ノイズを除去してから、最大度数Ｎｐに対応する画素値Ｄｐを求めるようにしてもよい。また、スムージング後の関数を所定の区間で積分して上位画素数を求めるようにしてもよい。

ここで、Ｂの画像データの度数分布は、撮影時に舌の表面での正反射がない場合、正規分布に近い分布（第１の群Ｇ１）のみとなるが、正反射がある場合、第１の群Ｇ１に、高画素値側で度数が大きい分布（第２の群Ｇ２）が加算されたものとなる。しかも、Ｂの画像データは、上述のように生体の体調や個人差による変化が少ないため、第１の群Ｇ１の幅（第１の群Ｇ１の最小画素値から最大画素値までの幅）は、他のＲやＧの画像データの度数分布（正規分布）に比べて狭くなる。その結果、第１の群Ｇ１と第２の群Ｇ２との境界（度数が減少から増加に転じるような極小となる部分）が、度数が最大となる画像データの値（画素値Ｄｐ）と画像データの最大値（画素値Ｄｍ）との間で明確に現れ、第１の群Ｇ１と第２の群Ｇ２とを容易に識別することが可能となる。光沢度を検出するためには、光沢成分（正反射成分）を含まない第１の群Ｇ１ではなく、光沢成分を表す第２の群Ｇ２に基づいて光沢度を検出することが望ましい。

そこで、特徴量抽出部１６は、画素値Ｄｐよりも大きい閾値Ｍを設定し、この閾値Ｍと画素値Ｄｍとの間の度数の総和を上位画素数として求めることにより、第２の群Ｇ２の度数の総和に近い値を得るようにしている。

特に、Ｂの画像データの度数分布においては、第１の群Ｇ１と第２の群Ｇ２との境界が、画素値Ｄｐの１．１〜１．３倍の範囲内で現れることが実験的にわかっている。このため、本実施形態では、特徴量抽出部１６は、上記の閾値Ｍを、画素値Ｄｐの１．１〜１．３倍の範囲内（図１２の例では、１．２Ｄｐ＝８４）に設定し、閾値Ｍと画素値Ｄｍとの間の度数の総和を上位画素数として求めるようにしている。

舌が乾燥している（光沢度が低い）症例では、上位画素数が少ないことがわかっており、舌が湿潤である（光沢度が高い）症例では、上位画素数が多いことがわかっている。したがって、特徴量抽出部１６は、上位画素数に基づいて、光沢度を例えばレベル１（光沢度高い）〜レベル３（光沢度低い）に数値化して検出することができる。

（裂紋（亀裂）の抽出）
図１３は、表面に亀裂がある舌の撮影画像を示している。舌を撮影する際、舌は口腔から前方に突き出される。その突き出された舌の上唇側の表面を撮像部３で撮影する。一般に、舌表面の亀裂は、舌の中心付近で多く発生するため、本実施形態では、撮影画像における舌の上下左右の中心部（上下左右方向の中心を含む領域）を、亀裂の検出に適した検出領域として設定している。

より具体的には、特徴量抽出部１６は、画像処理部１５が抽出した舌の輪郭線から、舌の上下端および左右端を検出して、舌の上下の長さ（縦寸法）Ｈおよび左右の幅（横寸法）Ｗを検出し、図１３に示した寸法関係で定まる、縦Ｈ／４、横Ｗ／４の舌の中心領域を亀裂の検出領域Ｄとして設定している。

舌の表面に亀裂があると、亀裂がない場合に比べて、舌の下地がより現れるため、下地を構成する画素の画像データの取り得る値の範囲が、ＲＧＢともに広がる。このため、撮影画像の画像データの度数分布を作成したときに、度数分布の幅が広がる。特に、下地は血液の色を強く表しているため、血液の色に多く含まれるＲやＢについては、亀裂がない場合に比べて度数分布の幅が顕著に広がる。このような傾向は、舌表面の苔の厚さや亀裂の長さに関係なく現れることがわかっている。

そこで、本実施形態では、特徴量抽出部１６は、舌の撮影画像（特に上述した検出領域Ｄの画像）から、例えばＢの画像データの度数分布を作成するとともに、当該度数分布の広がりを示す指標として、画像データのバラツキを示す標準偏差σを演算により取得するようにしている。標準偏差σは、画像データの値が、Ｎ個の値ｘ₁、ｘ₂、・・・ｘ_Nをとるとき、以下の式で示される分散σ²の正の平方根である。

図１４は、特徴量抽出部１６が作成したＢの画像データの度数分布を模式的に示したものであり、上段の度数分布は舌表面に亀裂がない場合を示し、下段の度数分布は舌表面に亀裂がある場合を示している。なお、これらの度数分布の横軸は、Ｂの画素値（画像データ）を示し、縦軸は度数（画素数）を示している。画素値は０から２５５までの値とし、画素値が大きいほど明るいことを示す。

上段の度数分布における標準偏差σ１を求めると、σ１＝１３．１８であった。これに対して、下段の度数分布における標準偏差σ２を求めると、σ２＝２６．７８であった。このことから、舌表面に亀裂があると、亀裂がない場合に比べて標準偏差σが大きくなり、度数分布の幅が広がることがわかる。ちなみに、上段の度数分布における画素値の平均値ｍ１を求めると、ｍ１＝１７７．７１であり、下段の度数分布における画素値の平均値ｍ２を求めると、ｍ２＝１１２．７５であった。

亀裂の多い症例では、上記度数分布の標準偏差が大きく、亀裂の少ない症例では、上記度数分布の標準偏差が小さいことがわかっている。したがって、特徴量抽出部１６は、上記度数分布の標準偏差に基づいて、亀裂を例えばレベル１（亀裂多い）〜レベル３（亀裂少ない）に数値化して検出することができる。なお、上記の例では、Ｂの画像データの度数分布を用いて亀裂を検出しているが、他のＲやＧの画像データの度数分布を用いても亀裂を検出することは可能である。

（舌の厚さの抽出）
図１５は、照明部２による照明下で、撮像部４にて舌の表面を撮影したときに得られる画像データの分布であって、舌表面の上下方向のほぼ中心を通る水平方向における撮影画像のＲＧＢの画像データの分布を示している。ただし、上段の分布は、舌が薄い場合のものであり、下段の分布は、舌が厚い場合のものである。なお、実線はＲの画像データの分布を示し、１点鎖線はＧの画像データの分布を示し、破線はＢの画像データの分布を示している。

舌が厚い場合、舌はその端部から中央部にかけて上に凸となる部分を含む。このような舌表面の凸部は、照明部２に近づいて明るく照明されるため、舌の撮影画像において凸部に対応する部分では、画像データの値が増大する。逆に、舌が薄い場合、舌の表面は、端部から中央部にかけてほぼ平坦か、下に凹となる部分を含む。舌表面の平坦部や凹部は、上記の凸部に比べて照明部２から遠ざかるため、照明されても凸部よりも暗い。このため、舌の撮影画像において、表面の平坦部や凹部に対応する部分では、画像データの値が凸部に対応する部分に比べて減少する。このような傾向は、ＲＧＢのいずれの画像データについても同様である。

そこで、特徴量抽出部１６は、照明部２の照明下で得られる舌の撮影画像におけるＲＧＢのいずれかの色の水平方向の画像データの分布（単色の分布）の凹凸に基づいて、舌が厚いか、薄いかの検出を行うことができる。つまり、舌の撮影画像に含まれるＲＧＢのいずれかの色の画像データの水平方向の分布を、舌表面の凹凸の度合いを示すデータ分布として用い、凹凸の度合いを例えばレベル１（舌が厚い）〜レベル５（舌が薄い）に数値化することで、舌厚の検出を精度よく（舌の外形形状に関係なく）行うことができる。なお、データ分布の凹凸の度合いは、例えばデータ分布の中央部を近似する近似曲線（例えば２次式）を最小二乗法等で算出し、近似曲線の２次の係数およびその絶対値を見ることで判別することができる。ちなみに、近似曲線の２次の係数が正であれば凹形状であり、負であれば凸形状である。

なお、上記画像データの分布として、Ｒの成分比（Ｒ／（Ｒ＋Ｇ＋Ｂ））、Ｇの成分比（Ｇ／（Ｒ＋Ｇ＋Ｂ））、Ｂの成分比（Ｂ／（Ｒ＋Ｇ＋Ｂ））を示すデータの分布を用いても、上記と同様に、舌厚を精度よく検出することができる。

（その他）
舌の形、歯痕、裂紋等の特徴量を抽出するにあたり、特許文献１に記載の方法を用いてもよい。また、特許文献２に記載のように、舌の撮影画像を複数の領域に分割し、個々の領域ごとにＲＧＢのデータを読み出して特徴量を抽出するようにしてもよい。

〔端末装置について〕
次に、端末装置５１について説明する。図１６は、端末装置５１の概略の構成を示すブロック図である。端末装置５１は、対象者の健康度を判定する健康度判定装置であり、記憶部５２、判定部５３、通信部５４および制御部５５を有している。

記憶部５２は、複数の他人の器官（ここでは舌）の撮影画像のデータや、器官画像撮影装置１を含む外部装置から送信されるデータを記憶するメモリである。通信部５４は、外部装置との間で通信を行うためのインターフェースである。特に、本実施形態では、通信部５４は、対象者の器官の撮影画像から抽出され、健康度の判定に用いる特徴量が入力される特徴量入力部を構成しており、また、外部（器官画像撮影装置１）から送信される対象者の特徴量の情報を受信する受信部を構成している。なお、端末装置５１は、対象者の器官の撮影画像から抽出された特徴量が記録された記録媒体から、その特徴量を読み取る読取部を備えていてもよい。この場合、端末装置５１は、読取部での情報の読み取りにより、特徴量を取得することができる。したがって、この場合は、読取部を上記の特徴量入力部として機能させることができる。制御部５５は、例えばＣＰＵで構成され、端末装置５１の各部の動作を制御する。

判定部５３は、器官画像撮影装置１から送信され、特徴量入力部としての通信部５４を介して入力された対象者の特徴量を、母集団の特徴量の分布と比較することによって、他人との個人差に相当する対象者の体質の偏りと、対象者の体調の変化とを判定する。上記の母集団の特徴量の分布としては、他人の特徴量の分布または対象者本人の特徴量の分布を用いることができる。これらの分布は、判定部５３によって作成される。すなわち、他人の特徴量の分布は、記憶部５２に記憶された他人の撮影画像のデータから、特徴量抽出部１６と同様の抽出方法で特徴量を抽出することで作製される。対象者の特徴量の分布は、体調を評価する評価期間内で特徴量抽出部１６にて抽出された特徴量を用いて作成される。

図１７は、判定部５３が作成する他人の特徴量の分布を模式的に示している。同図中の×印は、個々の他人の特徴量のプロット位置を示している。ここでは、例として、特徴量が２次元（Ｘｉ、Ｘｊ）の場合の分布を示している。Ｘｉとしては、例えば舌の色を考えることができ、Ｘｊとしては、例えば苔の色を考えることができる。また、横軸のａ₁およびａ₂は互いに異なる色に対応する値を示し、縦軸のｂ₁およびｂ₂も互いに異なる色に対応する値を示している。この特徴量の分布の原点Ｏは、Ｘｉの平均およびＸｊの平均を示す点である。

同図の例では、ＸｉおよびＸｊの分布に偏りがあり、これらの間に相関があることがわかる。つまり、Ｘｉの値が原点Ｏよりもａ₁側では、Ｘｊの値はｂ₂側よりもｂ₁側の値のほうが多く、Ｘｉの値が原点Ｏよりもａ₂側では、Ｘｊの値はｂ₁側よりもｂ₂側の値のほうが多い。特徴量が３次元以上の多次元の場合でも、互いにある種の相関関係が生ずるものと考えられる。

ここで、図１７において、入力された対象者の特徴量（例えば点Ａ）の、他人の特徴量の分布の原点Ｏからの距離を、体調の評価値（第１の評価値）とする。この評価値は、ユークリッド距離ではなく、マハラノビス距離である。マハラノビス距離とは、多くの計測項目（特徴量）ごとのばらつきや相関関係を考慮して計算される距離の尺度である。母集団の個数をｎ、計測項目毎のデータの平均値をｍ、標準偏差をσ、計測項目相互の相関を表す相関行列に対する逆行列の要素をａｉｊとし、計測項目の数をｋとすると、ｍ１、ｍ２、・・・ｍｋの平均値ベクトルが、母集団の作る分布（空間）の原点となる。ここで標準偏差のベクトルをσ１、σ２、・・・σｋ、健康度を判定する対象者の計測値（特徴量）をｘ１、ｘ２、・・・ｘｋとすると、マハラノビス距離Ｄは、次の数２式により求められる。

上記の数２式において、母集団空間の全対象であるｎ個のマハラノビス距離の平均は「１」となる。これにより、体調の評価値を示す尺度の原点と距離の単位が定まることになる。なお、マハラノビス距離が小さいほど、対象者は母集団に近く、マハラノビス距離が大きいほど、母集団から遠い。

図１８は、疾患のある患者Ａ、健常者Ｂ、健康度を判定する対象となる対象者Ｃについて、長期的な体調変化のイメージを示している。なお、図中の原点Ｏは、図１７で示した他人の特徴量の分布の原点Ｏに対応しており、横軸は、生まれてからの時間を示し、縦軸は、上記した体調の評価値を示している。縦軸の単位量Ｕは、原点Ｏからの距離の単位を示す。

特別な疾患が無い場合、生後から１０歳代までは、患者Ａ、健常者Ｂ、対象者Ｃともに、体調に関する個人差は少ない（原点Ｏとの距離が短い）。２０歳を超えると、飲酒や喫煙、不規則な生活習慣などにより、体調に個人差が現れ、健常者Ｂであっても、胃腸が弱い、血圧が高い、風邪をひきやすい、などによる個人差が生じる（原点Ｏとの距離が増大する）。これらの個人差を、ここでは「体質の偏り」と定義する。

一方、図１９は、図１８の対象者Ｃについて、ある評価期間における体調変化を拡大して示している。同一人の中でも、胃腸の調子が悪い、動機や息切れがする、風邪で熱がある、などにより、日常の体調は変化する。このような状態が限度を超えると、病気となって顕在化し、治療が必要な状態となる。一定の評価期間内での対象者Ｃの評価値の変動を、「体調の変化」と定義する。以下、判定部５３による判定方法も含めて、基本的な処理の流れについて説明する。

（処理の流れ）
図２０は、本実施形態の健康度判定システム５０における処理の流れを示すフローチャートである。健康度判定システム５０では、以下の第１〜第３ステップが順に行われる。

＜第１ステップ＞
（１−１．健常者の舌画像収集）
まず、フラッシュを備えた撮影装置（例えばデジタルカメラ）により、体質の偏りの無い、若い健常者（他人）の舌画像を収集する。なお、上記の健常者は、図１８の母集団Ｐ１に属する。舌の様相は、１０歳代でほぼ成人と同じになると言われている。ここでは、成人病など生活習慣による体質の偏りが現れていない、１０歳代前半の健常者の画像をサンプルとして収集する。サンプル数の目安は、１０〜１００例程度が望ましい。上述したマハラノビス距離を求めるには、特徴量の数以上のサンプルが必要となる（逆行列を演算するため）。収集した画像のデータは、端末装置５１に送られて記憶部５２に記憶される。

（１−２．特徴量の抽出）
端末装置５１の判定部５３は、記憶部５２に記憶されている他人の撮影画像のデータから、健康度の判定に用いる他人の特徴量を、特徴量抽出部１６と同様の抽出方法で抽出する。これにより、舌の色、苔の色、苔の形（厚さ）、歯痕、湿り気（光沢度）、裂紋（亀裂）、舌の形（厚さ）などが他人の特徴量として抽出される。その他、東洋医学の診断方法で用いられる特徴量を抽出してもよい。

（１−３．距離尺度の演算１）
次に、判定部５３は、抽出した他人の特徴量を母集団とする分布（特徴量が２次元であれば例えば図１７のような分布）の原点Ｏ₁と単位量Ｕ₁を設定する。原点Ｏ₁は、他人の特徴量の平均を示す点であり、単位量Ｕ₁は、原点Ｏ₁からの距離の単位を示す。これらの設定は、上述したマハラノビス距離を用いた多変量解析によって行うことができる。多変量解析の方法としては、この他にも、線形関数を用いる方法や、回帰分析を用いる方法があるが、どの方法を用いてもよい。

（１−４．日々の撮影）
器官画像撮影装置１の撮像部３により、対象者の日々の舌画像を上記と同様に収集する。サンプル数の目安は、上記の約２倍（２０〜２００例程度）が望ましい。特徴量抽出部１６は、対象者の舌画像のデータから、舌色等の特徴量を上述の方法で抽出する。撮像部３にて撮影された画像、および特徴量抽出部１６にて抽出された特徴量の情報は、端末装置５１に送信され、記憶部５２に記憶される。

（１−５．体質の偏りの演算）
端末装置５１の判定部５３は、対象者の特徴量と母集団の分布（他人の特徴量の分布）とを比較して、母集団との差異（マハラノビス距離）を求め、時間経過に対するマハラノビス距離の変化を、対象者の体調の評価値（第１の評価値）の変化として求める。図２１は、このときの対象者の体調の評価値の変化を示している。なお、対象者の特徴量と母集団との差異は、図２１の距離（１）に相当する。判定部５３は、評価期間における距離（１）の平均（距離Ｍ）を求め、この距離Ｍを対象者の体質の偏りとして判定する。

＜第２ステップ＞
（２−１．対象者の健康時の舌画像収集）
図２２は、図２１の評価期間における対象者の体調の評価値の変化を拡大して示している。判定部５３は、上記の距離Ｍを閾値とし、評価期間内で評価値が閾値以下となる日時の（撮影日）の画像を抽出する。このとき、距離Ｍの代わりに、（平均値−標準偏差）などを閾値として、評価値が閾値以下となる画像を抽出してもよい（より健康度の高い日の画像を抽出してもよい）。この場合、サンプル数を相当分増やしておくことが望ましい。

（２−２．距離尺度の演算２）
次に、判定部５３は、評価値が閾値以下となる全ての日時の対象者本人の撮影画像から、対象者の特徴量を抽出し、抽出した対象者の特徴量を母集団とする分布の原点Ｏ₂と単位量Ｕ₂とを設定する。原点Ｏ₂は、対象者の特徴量の平均を示す点であり、単位量Ｕ₂は、原点Ｏ₂からの距離の単位を示すものである。これらの設定は、上述したマハラノビス距離を用いた多変量解析によって行うことができ、また、線形関数や回帰分析を用いて多変量解析を行うこともできる。

（２−３．体調の変化の演算）
判定部５３は、判定時の対象者の特徴量と母集団の分布（対象者の特徴量の分布）とを比較して、母集団との差異（マハラノビス距離）を求め、時間経過に対するマハラノビス距離の変化を、対象者の体調の評価値（第２の評価値）の変化として求める。図２３は、このときの対象者の体調の評価値の変化を示している。なお、対象者の特徴量と母集団との差異は、図２３の距離（２）に相当する。判定部５３は、評価期間における距離（２）の変化を、対象者の体調の変化として判定する。対象者本人の特徴量の分布を母集団としているため、体質の偏りによる底上げが無く、日々の体調変化を感度良く測定することができる。

＜第３ステップ＞
（３−１．データの更新）
図２４は、対象者の体調の評価値（第１の評価値）の中期的な変化を示している。ある評価期間（例えば評価期間１）が終了すると、次の評価期間（例えば評価期間２）に移行する。このとき、体調の変化を判定する際に用いる母集団、すなわち、第１の評価値が閾値以下となる対象者の特徴量の分布を、一定期間ごとに更新する。図２４の例では、評価期間１では、体調の変化を判定する際に、母集団Ｐ２（第１の評価値が距離Ｍ以下となる対象者の特徴量の分布）を用いているが、評価期間２では、母集団Ｐ３（第１の評価値が距離Ｎ以下となる対象者の特徴量の分布）を用いる。なお、距離Ｎは、評価期間２における、第１の評価値の原点Ｏ₁からの距離（マハラノビス距離）の平均である。母集団の更新は、総てのデータを一度に入れ替えてもよいし、日々新しいものを追加し、古いものを削除する方法でもよい。図２４は、前者の例を示している。

評価期間２では、判定部５３は、上記の距離Ｎを閾値とし、評価期間２内で第１の評価値が閾値以下となる撮影日の画像を抽出し、対象者の特徴量の分布（母集団Ｐ３の分布）の原点Ｏ₂と単位量Ｕ₂とを設定する。そして、評価期間２における判定時の対象者の特徴量と母集団Ｐ３との距離を、評価期間２における対象者の体調の変化とする。なお、図２４において、Ｑ１は、評価期間１における体調の変化の幅を示し、Ｑ２は、評価期間２における体調の変化の幅を示す。また、距離Ｍと距離Ｎとの差は、評価期間１から評価期間２における体質の改善となる。なお、前の評価期間１における母集団Ｐ２との差異を、評価期間２における母集団との距離としてもよい。なお、前述した母集団Ｐ１は変えなくてもよい。

母集団Ｐ２からＰ３への更新により、距離Ｍも距離Ｎに更新されるが、以降の評価期間においても同様に、距離Ｎが順に更新される。なお、図２３で示した距離（２）は、毎日の撮影によって更新される。

（３−２．結果の出力）
評価期間において判定された体質の偏りおよび体調の変化に関する情報（図２２の距離Ｍまたは図２４の距離Ｎの値、図２３の距離（２）の値）は、端末装置５１から器官画像撮影装置１に送信され、表示部４にて表示される。

（３−３．データの活用）
端末装置５１は、日々の距離の変動をグラフ化して対象者（器官画像撮影装置１）に提示してもよい。また、体調変化を示す距離（２）の増大により、対象者の健康度が低下していたり、体質の偏りを示す距離Ｍが大きい場合、その改善の方法を併せて提示してもよい。提示する改善の方法は、東洋医学に基づくものでも、西洋医学に基づくものでもよい。

また、特徴量の寄与度を用いて、改善方法を具体的に示してもよい。例えば、健康度の低下に舌色の寄与が大きい場合には、血流を改善する処置を、苔の厚さの寄与が大きい場合には、免疫を改善する処置などを提示することができる。

求めた体調の変化（距離（２））をある基準とさらに比較して、体調が良好か否かを判断してもよい。その際の基準として、本人の過去の履歴を利用してもよい。例えば、過去に病気になった時点の対象者の舌画像があれば、それを端末装置５１に送信し、端末装置５１にて、舌画像から特徴量を抽出してそのときの母集団（他人の特徴量の分布）の原点からの距離（病気になった時点の舌画像が複数ある場合は上記距離の平均）を求め、これを上記の基準としてもよい。このような基準を用いて体調の良否を判定することにより、対象者の現在の体調が、過去の病気になったときの体調に近いか否かを判定することが可能となり、近づいた場合には、体調の改善方法をより的確なタイミングで提示することができる。

求めた対象者の体質の偏り（距離Ｍ）をある基準とさらに比較して、体質の偏りが大きいか否かを判断してもよい。その際の基準として、同年齢の他の健常者の第１の評価値の平均値を用いてもよい。例えば対象者が５０歳代の場合、１０歳代の他人との比較で体質の偏りを判断するよりも、同年齢の他人との比較で体質の偏りを判断するほうが、同年齢での個人差がわかるため、体質の偏りを的確に把握することができる。

以上のように、端末装置５１の判定部５３は、対象者の体質の偏りを判定する場合、他人の特徴量の分布を母集団の分布とし、これを対象者の特徴量との比較対象とする。他人の特徴量の分布を比較対象とすることで、他人との個人差である体質の偏りがわかるため、体質の偏りの改善策の効果を容易に確認することが可能となる。また、判定部５３は、対象者の体調の変化を判定する場合、評価期間内で集めた対象者本人の特徴量の分布を母集団の分布とし、これを対象者本人の特徴量との比較対象とする。対象者本人の特徴量の分布を比較対象とするため、他人との個人差の影響はほとんどなく、体質の偏りの影響を低減しながら、対象者本人の体調（健康度）を精度よく判定することができる。

また、判定部５３は、入力された対象者の特徴量の、他人の特徴量の分布の原点Ｏ₁からの距離を第１の評価値として求め、評価期間において経時的に変化する第１の評価値の平均を、対象者の体質の偏りとして判定するため、評価期間内で第１の評価値が変動したり、ばらついても、対象者の体質の偏りを適切に判定することができる。

また、判定部５３は、評価期間内において経時的に変化する第１の評価値が閾値以下となる日時の特徴量を集めて対象者の特徴量の分布を作成し、対象者の特徴量の、上記分布の原点Ｏ₂からの距離を第２の評価値として求め、評価期間において経時的に変化する第２の評価値の変化を、対象者の体調の変化として判定している。上記した対象者の特徴量の分布は、第１の評価値が閾値以下となる特徴量の分布であり、体質の偏りが小さいと判断できる。したがって、このような対象者の特徴量の分布を比較対象として第２の評価値を求め、第２の評価値を用いて体調の変化を判定することにより、体質の偏りの影響を確実に低減しながら、体調の変化を判定することができる。

また、判定部５３は、入力された対象者本人の特徴量と母集団の特徴量の分布との比較を、マハラノビス距離を用いて行っている。特徴量が多次元であっても、マハラノビス距離という１つの尺度で母集団の分布と比較することにより、体質の偏りと体調の変化とを適切に判定することができる。

また、本実施形態では、判定部５３が体質の偏りを判定する際に、母集団の分布として用いる他人の特徴量の分布は、１０歳代、つまり、１０歳以上１９歳以下の他人の特徴量の分布となっている。１０歳代の若い人は、生活習慣による体質の偏りがほとんどないと考えられるため、上記分布を用いることにより、対象者の体質の偏りを精度よく判定することができる。

特に、１０歳代の健康で若い人は、生活習慣による体質の偏りがほとんどなく、特徴量の均一性も高いと考えられるため、１０歳以上１９歳以下で、かつ、健康な他人の特徴量の分布を用いることにより、対象者の体質の偏りをさらに精度よく判定することができる。

また、判定部５３が体調の変化を判定する際に用いる母集団の分布としての対象者の特徴量の分布は、２０歳以上である対象者の特徴量の分布であってもよい。対象者の年齢が１０歳代を超えると、体質の偏りが生じてくるため、母集団の分布に体質の偏りが含まれる可能性が出てくる。対象者本人の体調の変化を、体質の偏りも含めて判定したい場合には、上記分布とすることが有効となる。特に、上記分布が、２０歳以上で、かつ、健康な対象者の特徴量の分布であれば、健康な状態を基準として、体質の偏りも含めた体調の変化を判定することが可能となる。

また、本実施形態では、撮影対象となる器官を舌としている。このように舌を撮影して対象者の健康度を判定する構成において、上述の効果を得ることができる。なお、器官は舌以外であってもよい。例えば、まぶたなど、水分代謝の良否によりむくみが現れる部位を撮影対象とし、そのような部位の特徴量を抽出して体質の偏りや体調の変化を判定するようにしてもよい。

また、本実施形態では、対象者の特徴量として、舌の色、苔の色、舌の形（厚さ）、苔の厚さ（形）等を用いている。つまり、対象者の特徴量には、器官の色および形の少なくとも一方についての情報が含まれている。少なくとも器官の色や形の情報を特徴量として用いることにより、体質の偏りおよび体調の変化を判定することができる。

〔問診の付加について〕
漢方の問診により、体の状態を診断する方法が知られている（例えば、寺澤捷年、「症例から学ぶ和漢診療学（第２版）」、医学書院、1998 参照）。画像の特徴量にこれらの項目を加えて健康度の指標としてもよい。

例えば、漢方の「気虚」を診断する項目として、以下のものが紹介されている。
１．身体がだるい
２．気力がない
３．疲れやすい
４．日中の睡気
５．食欲不振
６．風邪をひきやすい
７．物事に驚きやすい
８．眼光・音声に力が無い
９．舌が淡白紅・腫大
１０．脈が弱い
１１．腹力が軟弱
１２．内臓のアトニー
１３．下腹部が軟弱
１４．下痢傾向

具体的な処理としては、器官画像撮影装置１の表示部４に、問診に必要な上記項目を表示する。対象者は、舌画像の撮影に加えて、操作部５を操作して、上記項目に対する返答を入力する。入力された返答は、端末装置５１に送信される。端末装置５１の判定部５３は、対象者の特徴量の母集団の分布との比較と、操作部５を介して入力されて端末装置５１に送信された返答結果とに基づいて、対象者の体質の偏りと、対象者の体調の変化とを判定する。例えば、体調変化の判定の際には、項目１〜５、９、１０、１４に対する返答結果を参照し、体調の変化が大きいか否かを判定する。一方、体質の偏りの判定の際には、項目６〜８、１１〜１３に対する返答結果を参照し、体質の偏りが大きいか否かを判定する。判定結果および体質や体調の改善方法は、器官画像撮影装置１にフィードバックされ、表示部４に表示される。

このように、外部から入力された特徴量と母集団の分布との比較のみならず、問診項目に対して操作部５により返答された結果に基づいて、体質の偏りと体調の変化とを判定することにより、漢方診断の蓄積を活かして、また本人の主訴も考慮して、より適切な判定を行うことができる。

〔課金サービスについて〕
本実施形態の健康度判定システム５０において、判定結果や改善方法を対象者に提供して対価を得るサービスを構築してもよい。この場合、提供する内容に応じて、代金に差を付けることもできる。例えば、提供する内容が、（ａ）画像特徴量の変化のみ、（ｂ）（ａ）に加えて体調の変化、（ｃ）（ｂ）に加えて体質の変化、の３パターンであった場合、（ａ）（ｂ）（ｃ）の順に代金を高く設定してもよい。また、画像の撮影から健康度の判定結果の回答までの時間に応じて、代金に差をつけてもよい。

〔１次元の特徴量について〕
以上では、特徴量が多次元（多変量）の場合について説明したが、特徴量は１次元（１変量）であってもよい。図２５は、特徴量が１変量（例えば舌色）の場合の度数分布を示している。なお、縦軸の値は、舌色の画像データ（例えばＲ／（Ｒ＋Ｇ＋Ｂ））を示している。ただし、原点は、舌色の平均値に対応している。図２５の分布の原点を、図２２および図２３の原点に対応させ、図２５の±３σ（σ：標準偏差）を、図２２および図２３の単位量に対応させることにより、体質の偏りや体調の変化を判定することができる。

〔母集団の他の例〕
体質の偏りを判定する際の比較対象として、以下の画像から抽出される特徴量の分布を用いてもよい。

（１）１０歳代の健康な他人の撮影画像であれば、健康度の判定時よりも前、判定時と同じとき、判定時よりも後、に撮影したいずれの画像を用いてもよい。例えば対象者の現在の年齢が５０歳で、対象者の４０歳のときの健康度を判定する場合、対象者の４０歳のときよりも前、同じとき、後に撮影されたいずれの画像を用いてもよい。画像の種類が増えることにより、健康度をより明確に判断できる。

（２）１０歳代の不健康な他人の撮影画像であれば、健康度の判定時よりも前、判定時と同じとき、判定時よりも後、に撮影したいずれの画像を用いてもよい。他人の不健康状態の特徴量と比較することにより、対象者の健康状態をより明確に判断できる。

（３）１０歳代の健康または不健康な対象者本人の撮影画像を用いてもよい。他人と比べる必要がないので、簡便な比較が可能となる。

また、体調の変化を判定する際の比較対象として、以下の画像から抽出される特徴量の分布を用いてもよい。すなわち、あらゆる年代で、健康または不健康な本人の画像であれば、判定時よりも前または後に撮影したいずれの画像を用いてもよい。画像の種類が増え、複数の不健康状態と比較することにより、健康状態をより明確に判断できる。

以上で説明した健康度判定装置および健康度判定システムは、以下のように表現することができ、これによって以下の作用効果を奏する。

以上で説明した健康度判定装置は、対象者の健康度を判定する健康度判定装置であって、対象者の器官の撮影画像から抽出され、健康度の判定に用いる特徴量が入力される特徴量入力部と、前記特徴量入力部を介して入力された対象者の特徴量を、母集団の特徴量の分布と比較することにより、他人との個人差に相当する対象者の体質の偏りと、対象者の体調の変化とを判定する判定部とを備え、前記判定部は、対象者の体質の偏りを判定する場合、前記母集団の特徴量の分布として、他人を対象として作成される、他人の特徴量の分布を用い、対象者の体調の変化を判定する場合、前記母集団の特徴量の分布として、体調を評価する評価期間内で集めた対象者本人の特徴量の分布を用いる。

判定部は、特徴量入力部を介して入力された対象者の特徴量を母集団の特徴量の分布と比較することにより、対象者の体質の偏りと体調の変化とを判定する。ここで、対象者の体質の偏りを判定する場合は、他人の特徴量の分布を母集団の特徴量の分布として用いる。他人の特徴量の分布を比較対象とすることにより、他人との個人差、つまり、対象者の体質の偏りがわかるため、体質の偏りの改善策の効果を確認することが容易となる。

また、対象者の体調の変化を判定する場合、評価期間内で集めた対象者本人の特徴量の分布を母集団の特徴量の分布として用いる。対象者本人の特徴量の分布を比較対象とするため、他人との個人差の影響は排除される。これにより、体質の偏りの影響を低減しながら、対象者本人の体調（健康度）を精度よく判定することができる。

前記判定部は、前記特徴量入力部を介して入力された対象者の特徴量の、前記他人の特徴量の分布の原点からの距離を第１の評価値として求め、前記評価期間において経時的に変化する前記第１の評価値の平均を、対象者の体質の偏りとして判定してもよい。

経時的に変化する第１の評価値の平均を、対象者の体質の偏りとして判定するため、第１の評価値の変動やばらつきに関係なく、対象者の体質の偏りを判定することができる。

前記判定部は、前記評価期間内において経時的に変化する前記第１の評価値が閾値以下となる日時の特徴量を集めて対象者の特徴量の分布を作成し、前記特徴量入力部を介して入力された対象者の特徴量の、前記分布の原点からの距離を第２の評価値として求め、前記評価期間において経時的に変化する第２の評価値の変化を、対象者の体調の変化として判定してもよい。

第１の評価値が閾値以下となる日時の特徴量を集めてなる対象者の特徴量の分布は、他人との個人差、つまり、体質の偏りが小さいと判断できる特徴量の分布である。したがって、このような特徴量の分布を比較対象として第２の評価値を求め、第２の評価値を用いて体調の変化を判定することにより、体質の偏りの影響を確実に低減しながら、体調の変化を判定することができる。

前記判定部は、前記特徴量入力部を介して入力された対象者の特徴量と前記母集団の特徴量の分布との比較を、マハラノビス距離を用いて行ってもよい。この場合、特徴量入力部を介して入力された特徴量が多次元であっても、体質の偏りと体調の変化とを適切に判定することができる。

前記他人の特徴量の分布は、１０歳以上１９歳以下の他人の特徴量の分布であってもよい。

１０歳代の若い人は、生活習慣による体質の偏りがほとんどないと考えられる。このため、母集団の特徴量の分布として、１０歳代の他人の特徴量の分布を用いることにより、その分布を用いて対象者の体質の偏りを精度よく判定することができる。

前記他人の特徴量の分布は、１０歳以上１９歳以下で、かつ、健康な他人の特徴量の分布であってもよい。

１０歳代の健康で若い人は、生活習慣による体質の偏りがほとんどなく、特徴量の均一性も高いと考えられる。このため、母集団の特徴量の分布として、１０歳代の健康な他人の特徴量の分布を用いることにより、その分布を用いて対象者の体質の偏りをさらに精度よく判定することができる。

前記対象者の特徴量の分布は、２０歳以上である対象者の特徴量の分布であってもよい。

対象者の年齢が１０歳代を超えると、体質の偏りが生じてくるため、母集団の分布に体質の偏りが含まれる可能性が出てくる。対象者本人の体調の変化を、体質の偏りも含めて判定したい場合には、上記分布を用いることが有効となる。

前記対象者の特徴量の分布は、２０歳以上で、かつ、健康な対象者の特徴量の分布であってもよい。

母集団の分布に体質の偏りが含まれる可能性が出てくるものの、健康な対象者の特徴量の分布を比較対象（母集団の特徴量の分布）とするため、健康な状態を基準として、体質の偏りも含めた体調の変化を判定することが可能となる。

前記器官は、舌であってもよい。この場合、舌を撮影して対象者の健康度を判定する構成において、上述の効果を得ることができる。

前記特徴量入力部を介して入力された対象者の特徴量は、器官の色および形の少なくとも一方についての情報を含んでいてもよい。少なくとも器官の色や形の情報を特徴量として用いることにより、体質の偏りおよび体調の変化を判定することができる。

前記特徴量入力部は、外部から送信される対象者の特徴量の情報を受信する受信部で構成されていてもよい。この場合、対象者の特徴量の情報を受信部にて取得する構成において、上述の効果を得ることができる。

以上で説明した健康度判定システムは、上述した健康度判定装置と、器官画像撮影装置とを、通信回線を介して通信可能に接続してなり、前記器官画像撮影装置は、対象者の器官を撮影する撮像部と、前記撮像部にて撮影された画像から、健康度の判定に用いる特徴量を抽出する特徴量抽出部と、前記特徴量抽出部にて抽出された対象者の特徴量の情報を、前記健康度判定装置に送信する送信部とを備えている。健康度の判定に用いる対象者の特徴量が、器官画像撮影装置で取得されて健康度判定装置に送信されるシステムにおいて、上述の効果を得ることができる。

前記器官画像撮影装置は、前記健康度判定装置の前記判定部により判定された体質の偏りおよび体調の変化に関する情報を表示する表示部を備えていてもよい。対象者の体質の偏りと体調の変化とに関する情報が表示部に表示されるため、対象者は表示部に表示された情報に基づき、体質の改善効果と体調（健康度）との両方を容易に把握することができる。

前記器官画像撮影装置は、問診に必要な項目を表示する表示部と、前記表示部に表示された前記項目に対して返答するための情報入力部とをさらに備え、前記健康度判定装置の前記判定部は、前記器官画像撮影装置から送信された情報に含まれる対象者の特徴量と前記母集団の特徴量の分布との比較と、前記情報入力部により入力されて該健康度判定装置に送信される返答結果とに基づいて、対象者の体質の偏りと、対象者の体調の変化とを判定してもよい。

送信された対象者の特徴量と母集団の特徴量の分布との比較のみならず、問診項目に対して情報入力部により返答された結果に基づいて、体質の偏りと体調の変化とを判定することにより、より適切な判定を行うことができる。

本発明は、対象者の器官の撮影画像から特徴量を抽出して対象者の健康度を判定するシステムに利用可能である。

１ 器官画像撮影装置
３ 撮像部
４ 表示部
５ 操作部（情報入力部）
６ 通信部（送信部）
１６ 特徴量抽出部
５０ 健康度判定システム
５１ 端末装置（健康度判定装置）
５３ 判定部
５４ 通信部（特徴量入力部、受信部）

Claims (14)

1. 対象者の健康度を判定する健康度判定装置であって、
   対象者の器官の撮影画像から抽出され、健康度の判定に用いる特徴量が入力される特徴量入力部と、
   前記特徴量入力部を介して入力された対象者の特徴量を、母集団の特徴量の分布と比較することにより、他人との個人差に相当する対象者の体質の偏りと、対象者の体調の変化とを判定する判定部とを備え、
   前記判定部は、対象者の体質の偏りを判定する場合、前記母集団の特徴量の分布として、他人を対象として作成される、他人の特徴量の分布を用い、対象者の体調の変化を判定する場合、前記母集団の特徴量の分布として、体調を評価する評価期間内で集めた対象者本人の特徴量の分布を用いることを特徴とする健康度判定装置。
2. 前記判定部は、前記特徴量入力部を介して入力された対象者の特徴量の、前記他人の特徴量の分布の原点からの距離を第１の評価値として求め、前記評価期間において経時的に変化する前記第１の評価値の平均を、対象者の体質の偏りとして判定することを特徴とする請求項１に記載の健康度判定装置。
3. 前記判定部は、前記評価期間内において経時的に変化する前記第１の評価値が閾値以下となる日時の特徴量を集めて対象者の特徴量の分布を作成し、前記特徴量入力部を介して入力された対象者の特徴量の、前記分布の原点からの距離を第２の評価値として求め、前記評価期間において経時的に変化する第２の評価値の変化を、対象者の体調の変化として判定することを特徴とする請求項２に記載の健康度判定装置。
4. 前記判定部は、前記特徴量入力部を介して入力された対象者の特徴量と前記母集団の特徴量の分布との比較を、マハラノビス距離を用いて行うことを特徴とする請求項１から３のいずれかに記載の健康度判定装置。
5. 前記他人の特徴量の分布は、１０歳以上１９歳以下の他人の特徴量の分布であることを特徴とする請求項１から４のいずれかに記載の健康度判定装置。
6. 前記他人の特徴量の分布は、１０歳以上１９歳以下で、かつ、健康な他人の特徴量の分布であることを特徴とする請求項１から５のいずれかに記載の健康度判定装置。
7. 前記対象者の特徴量の分布は、２０歳以上である対象者の特徴量の分布であることを特徴とする請求項１から６のいずれかに記載の健康度判定装置。
8. 前記対象者の特徴量の分布は、２０歳以上で、かつ、健康な対象者の特徴量の分布であることを特徴とする請求項１から７のいずれかに記載の健康度判定装置。
9. 前記器官は、舌であることを特徴とする請求項１から８のいずれかに記載の健康度判定装置。
10. 前記特徴量入力部を介して入力された対象者の特徴量は、器官の色および形の少なくとも一方についての情報を含むことを特徴とする請求項１から９のいずれかに記載の健康度判定装置。
11. 前記特徴量入力部は、外部から送信される対象者の特徴量の情報を受信する受信部で構成されていることを特徴とする請求項１から１０のいずれかに記載の健康度判定装置。
12. 請求項１から１１のいずれかに記載の健康度判定装置と、器官画像撮影装置とを、通信回線を介して通信可能に接続してなり、
    前記器官画像撮影装置は、
    対象者の器官を撮影する撮像部と、
    前記撮像部にて撮影された画像から、健康度の判定に用いる特徴量を抽出する特徴量抽出部と、
    前記特徴量抽出部にて抽出された対象者の特徴量の情報を、前記健康度判定装置に送信する送信部とを備えていることを特徴とする健康度判定システム。
13. 前記器官画像撮影装置は、
    前記健康度判定装置の前記判定部により判定された体質の偏りおよび体調の変化に関する情報を表示する表示部を備えていることを特徴とする請求項１２に記載の健康度判定システム。
14. 前記器官画像撮影装置は、
    問診に必要な項目を表示する表示部と、
    前記表示部に表示された前記項目に対して返答するための情報入力部とをさらに備え、
    前記健康度判定装置の前記判定部は、前記器官画像撮影装置から送信された情報に含まれる対象者の特徴量と前記母集団の特徴量の分布との比較と、前記情報入力部により入力されて該健康度判定装置に送信される返答結果とに基づいて、対象者の体質の偏りと、対象者の体調の変化とを判定することを特徴とする請求項１２に記載の健康度判定システム。

Images