JP6481335B2 - Information processing system, information processing apparatus, information processing method, and information processing program - Google Patents

Information processing system, information processing apparatus, information processing method, and information processing program Download PDF

Info

Publication number
JP6481335B2
JP6481335B2 JP2014226533A JP2014226533A JP6481335B2 JP 6481335 B2 JP6481335 B2 JP 6481335B2 JP 2014226533 A JP2014226533 A JP 2014226533A JP 2014226533 A JP2014226533 A JP 2014226533A JP 6481335 B2 JP6481335 B2 JP 6481335B2
Authority
JP
Japan
Prior art keywords
information
relationship
biological information
information processing
types
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.)
Active
Application number
JP2014226533A
Other languages
Japanese (ja)
Other versions
JP2016087182A (en
Inventor
広晃 福西
広晃 福西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2014226533A priority Critical patent/JP6481335B2/en
Publication of JP2016087182A publication Critical patent/JP2016087182A/en
Application granted granted Critical
Publication of JP6481335B2 publication Critical patent/JP6481335B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

本発明は、情報処理システム、情報処理装置、情報処理方法および情報処理プログラムに関する。   The present invention relates to an information processing system, an information processing apparatus, an information processing method, and an information processing program.

上記技術分野において、特許文献１には、複数の生体情報を用いて生体の異常を検知する技術が開示されている。   In the above technical field, Patent Document 1 discloses a technique for detecting a biological abnormality using a plurality of biological information.

特開２００５−１６０９８４号公報JP 2005-160984 A

しかしながら、上記文献に記載の技術では、一つ一つの生体情報が正常範囲内にあるか否かを複数回判定することで生体の異常を検知しているため、表面上の生体情報に表われない異常を検出することができなかった。   However, in the technique described in the above-mentioned document, abnormalities in the living body are detected by determining whether or not each piece of biological information is within the normal range multiple times. No abnormalities could be detected.

本発明の目的は、上述の課題を解決する技術を提供することにある。   The objective of this invention is providing the technique which solves the above-mentioned subject.

上記目的を達成するため、本発明に係る情報処理システムは、
複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、
前記複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成手段と、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定手段と、
を備える。
In order to achieve the above object, an information processing system according to the present invention provides:
An acquisition means for acquiring a plurality of types of biometric information in time series and storing the same as a plurality of types of time-series biometric information,
Generating means for generating a relationship model indicating the degree of statistical relationship between the plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. Determining means for determining whether or not the relationship model is maintained based on :
Is provided.

上記目的を達成するため、本発明に係る情報処理装置は、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得手段と、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成手段と、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定手段と、
を備える。
In order to achieve the above object, an information processing apparatus according to the present invention provides:
An acquisition means for acquiring a plurality of types of biological information in time series and storing the information as time series biological information;
Generating means for generating a relationship model indicating the degree of statistical relationship between multiple types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. Determining means for determining whether or not the relationship model is maintained based on :
Is provided.

上記目的を達成するため、本発明に係る情報処理方法は、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成ステップと、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定ステップと、
を含む。
In order to achieve the above object, an information processing method according to the present invention includes:
An acquisition step of acquiring a plurality of types of biological information in time series and accumulating as time series biological information;
A generation step for generating a relationship model indicating a degree of statistical relationship between a plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. A determination step of determining whether the relationship model is maintained based on :
including.

上記目的を達成するため、本発明に係る情報処理プログラムは、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成ステップと、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定ステップと、
をコンピュータに実行させる。 In order to achieve the above object, an information processing program according to the present invention provides:
An acquisition step of acquiring a plurality of types of biological information in time series and accumulating as time series biological information;
A generation step for generating a relationship model indicating a degree of statistical relationship between a plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. A determination step of determining whether the relationship model is maintained based on :
Is executed on the computer.

本発明によれば、表面上の生体情報に表われない生体異常を検出できる。   According to the present invention, it is possible to detect a biological abnormality that does not appear in biological information on the surface.

本発明の第１実施形態に係る情報処理システムの構成を示すブロックである。It is a block which shows the structure of the information processing system which concerns on 1st Embodiment of this invention. 本発明の第１実施形態に係る情報処理システムを一つの情報処理装置１２０内で実現した場合の構成で示すブロック図である。1 is a block diagram showing a configuration when an information processing system according to a first embodiment of the present invention is realized in one information processing apparatus 120. FIG. 本発明の第２実施形態に係る情報処理システムの動作の概略を示す図である。It is a figure which shows the outline of operation | movement of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る情報処理システムの動作の概略を示す図である。It is a figure which shows the outline of operation | movement of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る情報処理システムの適用場面を示す図である。It is a figure which shows the application scene of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る情報処理システムの構成を示すブロック図である。It is a block diagram which shows the structure of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る異常判定用情報の構成を示す図である。It is a figure which shows the structure of the information for abnormality determination which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る生体情報の構成を示す図である。It is a figure which shows the structure of the biometric information which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る関係性モデルに対応するテーブルの一例を示す図である。It is a figure which shows an example of the table corresponding to the relationship model which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る関係性モデルの一例を示す図である。It is a figure which shows an example of the relationship model which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る異常検出テーブルの一例を示す図である。It is a figure which shows an example of the abnormality detection table which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る情報処理システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第２実施形態に係る情報処理システムを一つの情報処理装置で実現した場合の情報処理装置のハードウェア構成を示すブロック図である。It is a block diagram which shows the hardware constitutions of the information processing apparatus at the time of implement | achieving the information processing system which concerns on 2nd Embodiment of this invention with one information processing apparatus. 本発明の第２実施形態に係る情報処理システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the information processing system which concerns on 2nd Embodiment of this invention. 本発明の第３実施形態に係る情報処理システムの構成を示すブロック図である。It is a block diagram which shows the structure of the information processing system which concerns on 3rd Embodiment of this invention. 本発明の第３実施形態に係る関係性モデルの一例を示す図である。It is a figure which shows an example of the relationship model which concerns on 3rd Embodiment of this invention. 本発明の第３実施形態に係る情報処理システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the information processing system which concerns on 3rd Embodiment of this invention. 本発明の第４実施形態に係る関係性モデルの一例を示す図である。It is a figure which shows an example of the relationship model which concerns on 4th Embodiment of this invention. 本発明の第４実施形態に係る関係性モデルを生体にマッピングした場合の概要を示す図である。It is a figure which shows the outline | summary at the time of mapping the relationship model which concerns on 4th Embodiment of this invention on the biological body. 本発明の第５実施形態に係る関係性モデルに対応するテーブルの一例を示す図である。It is a figure which shows an example of the table corresponding to the relationship model which concerns on 5th Embodiment of this invention. 本発明の第６実施形態に係る関係性モデルの一例を示す図である。It is a figure which shows an example of the relationship model which concerns on 6th Embodiment of this invention.

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。   DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments for carrying out the present invention will be exemplarily described in detail with reference to the drawings. However, the configuration, numerical values, process flow, functional elements, and the like described in the following embodiments are merely examples, and modifications and changes are free, and the technical scope of the present invention is described in the following description. It is not intended to be limited.

［第１実施形態］
本発明の第１実施形態としての情報処理システム１１０について、図１Ａを用いて説明する。情報処理システム１１０は、時系列生体情報の統計的な関係性が維持されているか否かを判定するシステムである。 [First Embodiment]
An information processing system 110 as a first embodiment of the present invention will be described with reference to FIG. 1A. The information processing system 110 is a system that determines whether or not the statistical relationship of time-series biological information is maintained.

情報処理システム１１０は、取得装置１１１と生成装置１１２と記憶装置１１３と判定装置１１４とを備える。これらの装置１１１〜１１４は、ＬＡＮ（Local Area Network）などにより接続されている。取得装置１１１は、複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する。生成装置１１２は、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する。記憶装置１１３は、関係性モデルなどを記憶する。判定装置１１４は、生体情報の観測値を関係性モデルに適用して、関係性が維持されているか否かを判定する。   The information processing system 110 includes an acquisition device 111, a generation device 112, a storage device 113, and a determination device 114. These devices 111 to 114 are connected by a LAN (Local Area Network) or the like. The acquisition device 111 acquires a plurality of types of biological information in time series and accumulates them as time series biological information. The generation device 112 generates a relationship model indicating a statistical relationship between a plurality of types of time-series biological information. The storage device 113 stores a relationship model and the like. The determination device 114 determines whether or not the relationship is maintained by applying the observation value of the biological information to the relationship model.

図１Ｂは、本実施形態に係る情報処理システム１１０を一つの情報処理装置１２０内で実現した場合の構成で示すブロック図である。情報処理装置１２０は、時系列生体情報の統計的な関係性に基づいて生体の異常を判定する装置である。情報処理装置１２０は、取得部１１１と生成部１１２と判定部１１３とを備える。   FIG. 1B is a block diagram showing a configuration when the information processing system 110 according to the present embodiment is realized in one information processing apparatus 120. The information processing apparatus 120 is an apparatus that determines a biological abnormality based on a statistical relationship of time-series biological information. The information processing apparatus 120 includes an acquisition unit 111, a generation unit 112, and a determination unit 113.

取得部１１１は、複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する。生成部１１２は、複数種類の時系列生体情報間の統計的な関係性（statistical relationship）を示す関係性モデル１２１を生成する。判定部１１３は、生体情報の観測値を関係性モデル１２１に適用して、関係性が維持されているか否かを判定する。   The acquisition unit 111 acquires a plurality of types of biological information in time series and accumulates them as time series biological information. The production | generation part 112 produces | generates the relationship model 121 which shows the statistical relationship (statistical relationship) between multiple types of time series biometric information. The determination unit 113 applies the observation value of the biological information to the relationship model 121 to determine whether the relationship is maintained.

本実施形態によれば、表面的なデータからは判定できない生体の異常を精度高く検出することができる。   According to this embodiment, it is possible to detect a biological abnormality that cannot be determined from superficial data with high accuracy.

［第２実施形態］
次に本発明の第２実施形態に係る情報処理システム２００について、図２Ａ〜図１１を用いて説明する。図２Ａは、本実施形態に係る情報処理システムの処理の概略を説明するための図である。 [Second Embodiment]
Next, an information processing system 200 according to the second embodiment of the present invention will be described with reference to FIGS. 2A to 11. FIG. 2A is a diagram for explaining an outline of processing of the information processing system according to the present embodiment.

情報収集装置は例えば、血圧計や体温計、心拍数計などを含む。すなわち、情報収集装置は、患者などの血圧や体温、心拍数、血中酸素濃度、心電図波形、脳波などの複数種類の生体情報（バイタルデータ）を時系列生体情報２０１（時系列データ）として収集する。   The information collection device includes, for example, a blood pressure monitor, a thermometer, a heart rate meter, and the like. That is, the information collection device collects a plurality of types of biological information (vital data) such as blood pressure, body temperature, heart rate, blood oxygen concentration, electrocardiogram waveform, and electroencephalogram as time-series biological information 201 (time-series data). To do.

情報処理システムは、情報収集装置が収集した生体情報に基づいて、生体情報間の統計的な関係性を示す関係性モデル２０３を生成する（２０２）。情報処理システムは、生体情報の観測値を生成した関係性モデル２０３に適用して、生体情報のそれぞれについて推定を行なう。そして、情報処理システムは、推定した結果と観測値とを比較することにより（２０４）、生体に異常があるか否かを判定する（２０５）。   The information processing system generates a relationship model 203 indicating a statistical relationship between the biological information based on the biological information collected by the information collection device (202). The information processing system applies the observation value of the biological information to the relationship model 203 that generated the biological information, and estimates each of the biological information. Then, the information processing system determines whether or not there is an abnormality in the living body by comparing the estimated result with the observed value (204) (205).

図２Ｂは、本実施形態に係る情報処理システムの処理の概略を説明する図である。情報処理システムは、取得した時系列生体情報２１１に基づいて、生体情報間の統計的な関係性から関係性モデル２０３を構築する。そして、関係性モデル２０３の構築により、生体情報同士の関係性が分かっているので、例えば、体温（ｘ）の観測値２１２をこの関係性モデル２０３に適用することにより、心拍数（ｙ＊）および血圧（ｚ＊）を推定することができる。そして、心拍数および血圧の観測値（ｙ、ｚ）２１２と推定結果（ｙ＊、ｚ＊）２１３とを比較して、異常２１４を検出する。例えば、図示の例では、心拍数は正常２１５であるが、体温と血圧との関係に異常２１４が発生していることがわかる。 FIG. 2B is a diagram illustrating an outline of processing of the information processing system according to the present embodiment. Based on the acquired time-series biological information 211, the information processing system constructs the relationship model 203 from the statistical relationship between the biological information. Since the relationship between the biological information is known by the construction of the relationship model 203, for example, by applying the observed value 212 of the body temperature (x) to the relationship model 203, the heart rate (y * ) And blood pressure (z * ) can be estimated. Then, the observed values (y, z) 212 of the heart rate and blood pressure are compared with the estimation results (y * , z * ) 213, and an abnormality 214 is detected. For example, in the illustrated example, the heart rate is normal 215, but it can be seen that an abnormality 214 has occurred in the relationship between body temperature and blood pressure.

図３は、本実施形態に係る情報処理システム２２０の適用場面を示す図である。本実施形態に係る情報処理システム２２０（例えば、クラウドシステム）は、ネットワーク２３０を介して入院中２１１の患者や在宅２１２の患者、ジョギング２１３などをしている人と接続されている。   FIG. 3 is a diagram illustrating an application scene of the information processing system 220 according to the present embodiment. An information processing system 220 (for example, a cloud system) according to the present embodiment is connected to a patient 211 in hospital, a patient at home 212, a person jogging 213, and the like via a network 230.

情報処理システム２２０は、これらの対象者から生体情報をネットワーク２３０を介して取得する。なお、ここでは情報処理システム２２０についてクラウドサーバを例に説明したが、情報処理システム２２０はこれに限定されず、スタンドアローン型のコンピュータやウェアラブル端末などでもよい。   The information processing system 220 acquires biometric information from these subjects via the network 230. Although the information processing system 220 has been described by taking a cloud server as an example here, the information processing system 220 is not limited to this, and may be a stand-alone computer or a wearable terminal.

図４は、本実施形態に係る情報処理システム２２０の構成を示すブロック図である。情報処理システム２２０は、通信制御部４０１と生体情報取得部４０２とＤＢ（データベース）４０３と関係性モデル生成部４０４と推定部４０５と異常判定部４０６と異常通知部４０７とを備える。   FIG. 4 is a block diagram illustrating a configuration of the information processing system 220 according to the present embodiment. The information processing system 220 includes a communication control unit 401, a biological information acquisition unit 402, a DB (database) 403, a relationship model generation unit 404, an estimation unit 405, an abnormality determination unit 406, and an abnormality notification unit 407.

通信制御部４０１は、情報処理システム２２０と生体情報４３２を取得する医療機器やセンサ、ウェアラブル端末、スマートフォンなどの他の機器との間の通信を制御する。   The communication control unit 401 controls communication between the information processing system 220 and other devices such as medical devices, sensors, wearable terminals, and smartphones that acquire the biological information 432.

生体情報取得部４０２は、通信制御部４０１で受信した血圧や体温、心拍数、血中酸素濃度、心電図波形、脳波などの生体情報４３２を取得する。生体情報取得部４０２は、取得した生体情報をＤＢ４０３に格納する。   The biological information acquisition unit 402 acquires biological information 432 such as blood pressure, body temperature, heart rate, blood oxygen concentration, electrocardiogram waveform, and electroencephalogram received by the communication control unit 401. The biometric information acquisition unit 402 stores the acquired biometric information in the DB 403.

ＤＢ４０３は、生体情報取得部４０２から受信した生体情報４３２を格納する。ＤＢ４０３は、さらに、異常判定用情報４３１や関係性モデル４３３、異常履歴４３４などを格納する。なお、異常判定用情報４３１や生体情報４３２、関係性モデル４３３、異常履歴４３４をそれぞれ別のＤＢに格納してもよい。   The DB 403 stores the biological information 432 received from the biological information acquisition unit 402. The DB 403 further stores abnormality determination information 431, a relationship model 433, an abnormality history 434, and the like. Note that the abnormality determination information 431, the biological information 432, the relationship model 433, and the abnormality history 434 may be stored in different DBs.

関係性モデル生成部４０４は、ＤＢ４０３から複数種類の時系列の生体情報４３２を取得して、生体情報４３２のそれぞれの間の統計的な関係性を示す関係性モデル４３３を生成し、ＤＢ４０３に格納する。   The relationship model generation unit 404 acquires a plurality of types of time-series biological information 432 from the DB 403, generates a relationship model 433 that indicates a statistical relationship between each of the biological information 432, and stores the relationship model 433 in the DB 403. To do.

推定部４０５は、ＤＢ４０３から関係性モデル４３３を読み出して、通信制御部４０１で受信した生体情報４３２の観測値を読み出した関係性モデル４３３に適用して、生体情報４３２のそれぞれについて推定を行なう。推定部４０５は、推定した結果を異常判定部４０６に送信する。   The estimation unit 405 reads the relationship model 433 from the DB 403, applies the observation value of the biological information 432 received by the communication control unit 401 to the read relationship model 433, and estimates each of the biological information 432. The estimation unit 405 transmits the estimated result to the abnormality determination unit 406.

異常判定部４０６は、比較部４６１をさらに備え、推定部４０５から受信した推定結果と通信制御部４０１で受信した生体情報４３２の観測値とを比較して、異常の判定を行う。異常判定部４０６は、異常が検出された場合には、検出結果を異常通知部４０７に送る。異常通知部４０７は、異常の検出結果を通信制御部４０１に送り、通信制御部４０１がその異常の検出結果を、例えば、医師などが勤務する病院のコンピュータなどに通知する。   The abnormality determination unit 406 further includes a comparison unit 461, and compares the estimation result received from the estimation unit 405 with the observation value of the biological information 432 received by the communication control unit 401 to determine abnormality. The abnormality determination unit 406 sends the detection result to the abnormality notification unit 407 when an abnormality is detected. The abnormality notification unit 407 sends an abnormality detection result to the communication control unit 401, and the communication control unit 401 notifies the abnormality detection result to, for example, a hospital computer where a doctor or the like works.

図５は、ＤＢ４０３に記憶されている異常判定用情報４３１の構成を示す図である。異常判定用情報４３１は、生体情報の種類に関する生体情報種類情報５１０と関係性モデルに関する関係性モデル情報５２０と対象者情報５３０と閾値情報５４０とを記憶する。   FIG. 5 is a diagram illustrating a configuration of the abnormality determination information 431 stored in the DB 403. The abnormality determination information 431 stores biometric information type information 510 regarding the type of biometric information, relationship model information 520 regarding the relationship model, target person information 530, and threshold information 540.

生体情報種類情報５１０は、生体情報の種類に関する情報、例えば、体温や血圧、心拍数などを格納する。関係性モデル情報５２０は、モデル周期５２１および観測周期５２１を記憶する。対象者情報５３０は、対象者ＩＤ５３１と属性５３２と入院フラグ５３３とモデル種類５３４と通知先アドレス５３５とを記憶する。   The biometric information type information 510 stores information related to the type of biometric information, such as body temperature, blood pressure, and heart rate. The relationship model information 520 stores a model period 521 and an observation period 521. The target person information 530 stores a target person ID 531, an attribute 532, an hospitalization flag 533, a model type 534, and a notification destination address 535.

対象者ＩＤ５３１は、対象者を識別するための番号などである。属性５３２は、対象者の属性を表す情報であり、例えば、年齢や性別、遺伝子情報などがある。入院フラグ５３３は、対象者が入院中か否かを示すためのフラグであり、対象者が入院している場合には、このフラグを、例えば、ＯＮにする。   The target person ID 531 is a number for identifying the target person. The attribute 532 is information representing the attribute of the target person, and includes, for example, age, sex, gene information, and the like. The hospitalization flag 533 is a flag for indicating whether or not the subject is hospitalized. When the subject is hospitalized, this flag is turned ON, for example.

モデル種類５３４は、例えば、対象者が入院中であれば入院用の関係性モデル４３３を用いなければ正しい異常検出ができないので、どのような関係性モデル４３３を用いているかを示すものである。   The model type 534 indicates, for example, which relationship model 433 is used because correct abnormality cannot be detected unless the relationship model 433 for hospitalization is used if the subject is hospitalized.

通知先アドレス５３５は、異常が検出された場合に、異常検出を通知すべき相手先のアドレスである。例えば、対象者が入院中の患者であれば、通知先アドレス５３５は、主治医の通信端末などのアドレスであり、対象者が健康管理をしている人物であれば、通知先アドレス５３５は、かかりつけ医やその他のアドバイザーのアドレスなどである。   The notification destination address 535 is an address of the other party to be notified of the abnormality detection when the abnormality is detected. For example, if the target person is a hospitalized patient, the notification destination address 535 is an address of a communication terminal of the attending physician, and if the target person is a person who is managing health, the notification destination address 535 is a family address. Such as the address of a doctor or other advisor.

閾値情報５４０は、関係性度閾値５４１と比較結果閾値５４２とトータルスコア閾値５４３の追加とを記憶する。関係性度閾値５４１は、関係性の崩れを判定するためのものであり、関係性に崩れがあったとしても、その崩れが所定の閾値の範囲内であれば、関係性の崩れとは判断しない。また、比較結果閾値５４２も同様に、比較の結果、異常の検出か否かを判定するためのものであり、ズレが生じていたとしても、そのズレが所定の範囲内であれば、異常の検出とはしない。   The threshold information 540 stores the relevance threshold 541, the comparison result threshold 542, and the addition of the total score threshold 543. The degree-of-relationship threshold 541 is used to determine whether the relationship is broken. Even if the relationship is broken, if the breakage is within a predetermined threshold range, it is determined that the relationship is broken. do not do. Similarly, the comparison result threshold value 542 is used to determine whether or not an abnormality has been detected as a result of the comparison. Even if a deviation has occurred, if the deviation is within a predetermined range, an abnormality is detected. It is not detected.

図６は、本実施形態に係る生体情報４３２の構成を示す図である。日時６０１は、生体情報４３２を収集した日時を示すものである。バイタル情報６０２は、体温や心拍数、血圧などを含み、それぞれの収集した値が示される。   FIG. 6 is a diagram illustrating a configuration of the biological information 432 according to the present embodiment. The date / time 601 indicates the date / time when the biometric information 432 is collected. The vital information 602 includes body temperature, heart rate, blood pressure, and the like, and each collected value is shown.

そして、生体情報４３２は、関係性モデル周期と観測周期とに基づくデータ使用フラグ６０３、６０４を記憶する。例えば、関係性モデル周期６０３は、モデルの周期が１０分で、観測周期が１分であるので、１分ごとに生体情報４３２を取得することを“○”で示している。また、関係性モデル周期６０４は、モデルの周期が１日で、観測周期が２時間であるので、２時間おきに生体情報４３２を取得することを“○”で示す。   The biological information 432 stores data use flags 603 and 604 based on the relationship model period and the observation period. For example, the relationship model period 603 indicates that the biological information 432 is acquired every minute because the model period is 10 minutes and the observation period is 1 minute. The relationship model period 604 indicates that the biological information 432 is acquired every two hours because the model period is one day and the observation period is two hours.

図７Ａは、本実施形態に係る関係性モデル４３３に対応するテーブルの構成を示す図である。このテーブルは、時系列生体情報７１０、７１１と統計的関係性７１２とを記憶する。時系列生体情報７１０、７１１には、体温や血圧、心拍数などが記憶される。統計的関係性７１２は、時系列生体情報７１０と時系列生体情報７１１との統計的関係性を示す、関数やパラメータ（係数）、関係度が記憶される。   FIG. 7A is a diagram illustrating a configuration of a table corresponding to the relationship model 433 according to the present embodiment. This table stores time-series biological information 710 and 711 and statistical relationship 712. The time series biological information 710 and 711 stores body temperature, blood pressure, heart rate, and the like. The statistical relationship 712 stores a function, parameter (coefficient), and degree of relationship indicating the statistical relationship between the time-series biological information 710 and the time-series biological information 711.

関数やパラメータ（係数）は、例えば、ＡＲモデルや自己回帰モデル、確率分布モデルなどを用いて算出することができるが、算出方法はこれらには限定されない。   The functions and parameters (coefficients) can be calculated using, for example, an AR model, an autoregressive model, a probability distribution model, etc., but the calculation method is not limited to these.

図７Ｂは、本実施形態に係る関係性モデル４３３の構成を示す図である。図示したように、関係性の強い生体情報４３２同士は太い線で結ばれ、関係性の弱い生体情報４３２同士は細い線で結ばれている。また、関係性が全くなければ生体情報４３２同士は、線で結ばれない。すなわち、関係性モデル４３３は、線の太さにより関係性の強さを示している。例えば、図７Ａで関係度が０．５以上は太い線で結ばれている。   FIG. 7B is a diagram showing a configuration of the relationship model 433 according to the present embodiment. As shown in the figure, the biological information 432 having a strong relationship is connected by a thick line, and the biological information 432 having a weak relationship is connected by a thin line. If there is no relationship at all, the biological information 432 is not connected by a line. That is, the relationship model 433 indicates the strength of the relationship by the thickness of the line. For example, in FIG. 7A, the degree of relationship is 0.5 or more, which is connected with a thick line.

図８は、本実施形態に係る異常検出テーブル８００の構成を示す図である。異常検出テーブル８００は、時系列観測値８０１と時系列推定結果８０２と比較観測値８０３と比較結果８０４と閾値８０５と異常スコア８０６とを記憶する。   FIG. 8 is a diagram showing the configuration of the abnormality detection table 800 according to the present embodiment. The abnormality detection table 800 stores a time series observation value 801, a time series estimation result 802, a comparison observation value 803, a comparison result 804, a threshold value 805, and an abnormality score 806.

時系列観測値８０１には、体温測定値などが記憶される。時系列推定結果８０２には、血圧推定値や心拍数推定値などが記憶され、比較観測値８０３には、血圧観測値や心拍数観測値が記憶される。閾値８０５には、閾値の値（α、β）が記憶される。異常スコア８０６には、個別の生体情報４３２が異常か否かを示すスコアが示されており、さらに、異常スコアのトータルのスコアも記憶されている。   The time series observation value 801 stores a body temperature measurement value and the like. The time series estimation result 802 stores a blood pressure estimation value, a heart rate estimation value, and the like, and the comparative observation value 803 stores a blood pressure observation value and a heart rate observation value. The threshold value 805 stores threshold values (α, β). The abnormality score 806 indicates a score indicating whether or not the individual biological information 432 is abnormal, and further stores the total score of the abnormality score.

図９は、本実施形態に係る情報処理システム２００の処理手順を示すフローチャートである。情報処理システム２００は、ステップＳ９０１において、時系列の生体情報４３２を収集する。情報処理システム２００は、ステップＳ９０３において、収集した生体情報４３２に基づいて、生体情報４３２の間の統計的な関係性を示す関係性モデル４３３を生成する。   FIG. 9 is a flowchart showing a processing procedure of the information processing system 200 according to the present embodiment. In step S901, the information processing system 200 collects time-series biological information 432. In step S <b> 903, the information processing system 200 generates a relationship model 433 indicating a statistical relationship between the biological information 432 based on the collected biological information 432.

情報処理システム２００は、ステップＳ９０５において、生体情報４３２の観測値を取得する。情報処理システム２００は、ステップＳ９０７において、取得した生体情報４３２の観測値を生成した関係性モデルに適用することにより推定を行なう。情報処理システム２００は、ステップＳ９０９において、推定した結果と観測値とを比較する。   In step S905, the information processing system 200 acquires the observation value of the biological information 432. In step S907, the information processing system 200 performs estimation by applying the acquired observation value of the biological information 432 to the generated relationship model. In step S909, the information processing system 200 compares the estimated result with the observed value.

情報処理システム２００は、ステップＳ９１１において、比較の結果、異常が検出されたか否かを判定する。異常が検出された場合には、情報処理システム２００は、ステップＳ９１３において、その異常を所定の通知先に通知する。異常が検出されなかった場合には、処理を終了する。   In step S911, the information processing system 200 determines whether an abnormality is detected as a result of the comparison. If an abnormality is detected, the information processing system 200 notifies the predetermined notification destination of the abnormality in step S913. If no abnormality is detected, the process ends.

図１０は、本実施形態に係る情報処理システム２２０を１つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。情報処理システム２２０（情報処理装置２２０）は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１０、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０２０およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０４０を備えている。さらに、情報処理装置２２０は、ストレージ１０５０と通信制御部４０１とを備えている。   FIG. 10 is a block diagram showing a hardware configuration when the information processing system 220 according to the present embodiment is realized by one information processing apparatus. The information processing system 220 (information processing apparatus 220) includes a CPU (Central Processing Unit) 1010, a ROM (Read Only Memory) 1020, and a RAM (Random Access Memory) 1040. Further, the information processing apparatus 220 includes a storage 1050 and a communication control unit 401.

ＣＰＵ１０１０は、演算処理用のプロセッサであり、プログラムを実行することにより情報処理装置２２０の各機能構成部を実現する。なお、ＣＰＵ１０１０は１つに限定されず、複数であってもよく、また、画像処理用のＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含んでもよい。ＲＯＭ１０２０は、リードオンリメモリであり、ファームウェアなどのプログラムを記憶する。通信制御部４０１は、例えば、情報処理装置２２０とその他の機器などとの間の通信を制御する。   The CPU 1010 is a processor for arithmetic processing, and implements each functional component of the information processing apparatus 220 by executing a program. Note that the number of CPUs 1010 is not limited to one, and a plurality of CPUs 1010 may be included, or a GPU (Graphics Processing Unit) for image processing may be included. The ROM 1020 is a read-only memory and stores programs such as firmware. For example, the communication control unit 401 controls communication between the information processing apparatus 220 and other devices.

ＲＡＭ１０４０は、ＣＰＵ１０１０が一時記憶用のワークエリアとして使用するランダムアクセスメモリである。ＲＡＭ１０４０には、本実施形態の実現に必要なデータを記憶する領域がある。このようなデータとして、ＲＡＭ１０４０は、関係性モデル生成用時系列生体情報１０４１、観測値１０４２、推定結果１０４３、比較結果１０４４、異常判定結果１０４５および送受信データ１０４６を一時的に記憶する。   The RAM 1040 is a random access memory that the CPU 1010 uses as a work area for temporary storage. The RAM 1040 has an area for storing data necessary for realizing the present embodiment. As such data, the RAM 1040 temporarily stores the relationship model generation time-series biological information 1041, the observed value 1042, the estimation result 1043, the comparison result 1044, the abnormality determination result 1045, and the transmission / reception data 1046.

ストレージ１０５０は、本実施形態の実現に必要なプログラムやデータベースなどを記憶する記憶デバイスである。ストレージ１０５０は、異常判定用情報４３１と生体情報４３２と関係性モデル４３３と異常判定履歴４３４とを格納する。   The storage 1050 is a storage device that stores programs and databases necessary for realizing the present embodiment. The storage 1050 stores abnormality determination information 431, biological information 432, a relationship model 433, and an abnormality determination history 434.

異常判定履歴４３４は、過去に異常判定がされた場合の履歴を保存するものであり、異常判定がされた日付や異常の種類、異常の危険度、異常を検出した臓器や器官などの様々な情報を記録する。   The abnormality determination history 434 stores a history when abnormality is determined in the past. The abnormality determination history 434 stores various information such as the date on which the abnormality is determined, the type of abnormality, the risk of abnormality, and the organ or organ in which the abnormality is detected. Record information.

ストレージ１０５０は、さらに、情報処理装置制御プログラム１０５１と関係性モデル生成モジュール１０５２と推定結果生成モジュール１０５３と異常判定モジュール１０５４とを格納する。これらのモジュール１０５２〜１０５４は、ＣＰＵ１０１０によりＲＡＭ１０４０のアプリケーション実行領域に読み出され、実行される。情報処理装置制御プログラム１０５１は、情報処理装置２２０の全体を制御するためのプログラムである。   The storage 1050 further stores an information processing apparatus control program 1051, a relationship model generation module 1052, an estimation result generation module 1053, and an abnormality determination module 1054. These modules 1052 to 1054 are read by the CPU 1010 into the application execution area of the RAM 1040 and executed. The information processing device control program 1051 is a program for controlling the entire information processing device 220.

なお、図１０に示したＲＡＭ１０４０やストレージ１０５０には、情報処理装置２２０が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。   Note that the RAM 1040 and the storage 1050 shown in FIG. 10 do not show programs and data related to general-purpose functions and other realizable functions that the information processing apparatus 220 has.

図１１は、本実施形態に係る情報処理システム２２０の処理手順を示すフローチャートである。情報処理システム２２０は、ステップ１１０１において、関係性モデル４３３の生成か否かを判断する。関係性モデル４３３の生成である場合、情報処理システム２２０は、ステップＳ１１０３において、生体情報４３２を時系列生体情報として蓄積する。   FIG. 11 is a flowchart showing a processing procedure of the information processing system 220 according to the present embodiment. In step 1101, the information processing system 220 determines whether the relationship model 433 is generated. In the case of generating the relationship model 433, the information processing system 220 stores the biological information 432 as time-series biological information in step S1103.

情報処理システム２２０は、ステップＳ１１０５において、蓄積された生体情報４３２に基づいて、関係性モデル４３３を生成する。情報処理システム２２０は、ステップＳ１１０７において、生成した関係性モデルをストレージ１０５０などに格納する。   In step S <b> 1105, the information processing system 220 generates the relationship model 433 based on the stored biological information 432. In step S1107, the information processing system 220 stores the generated relationship model in the storage 1050 or the like.

関係性モデル４３３の生成でない場合、情報処理システム２２０は、ステップＳ１１２１において、異常検出の判定か否かを判断する。異常検出の判定でない場合、情報処理システム２２０は、ステップＳ１１６１において、他の処理を実行する。   If the relationship model 433 is not generated, the information processing system 220 determines whether or not abnormality detection is determined in step S1121. If it is not a determination of abnormality detection, the information processing system 220 executes another process in step S1161.

異常検出の判定である場合、情報処理システム２２０は、ステップＳ１１２３において、ストレージ１０５０などに格納した関係性モデル４３３を読み出す。情報処理システム２２０は、ステップＳ１１２５において、生体情報４３２の観測値を受信する。情報処理システム２２０は、ステップＳ１１２７において、読み出した関係性モデル４３３に、取得した生体情報４３２の観測値を適用して推定を実行する。   If the determination is abnormality detection, the information processing system 220 reads the relationship model 433 stored in the storage 1050 or the like in step S1123. In step S1125, the information processing system 220 receives the observation value of the biological information 432. In step S <b> 1127, the information processing system 220 performs estimation by applying the acquired observation value of the biological information 432 to the read relationship model 433.

情報処理システム２２０は、ステップＳ１１２９において、推定した結果を同じ生体情報の観測値と比較する。情報処理システム２２０は、ステップＳ１１３１において、比較した結果、観測値と推定結果との差分が所定の閾値よりも大きいか否かを判断する。差分が所定の閾値よりも大きい場合、情報処理システム２２０は、ステップＳ１１３３において、異常スコアを加算する。   In step S1129, the information processing system 220 compares the estimated result with the observed value of the same biological information. In step S1131, the information processing system 220 determines whether the difference between the observed value and the estimation result is greater than a predetermined threshold as a result of the comparison. If the difference is greater than the predetermined threshold, the information processing system 220 adds an abnormal score in step S1133.

情報処理システム２２０は、ステップＳ１１３５において、残りの生体情報４３２との関係性があるか否かを判定し、残りの生体情報４３２との関係性が有る場合、情報処理システム２２０は、ステップＳ１１２７へ戻り、その後のステップを繰り返す。   In step S1135, the information processing system 220 determines whether or not there is a relationship with the remaining biological information 432. If there is a relationship with the remaining biological information 432, the information processing system 220 proceeds to step S1127. Return and repeat the subsequent steps.

情報処理システム２２０は、ステップＳ１１３７において、全ての生体情報４３２について処理が済んだか否かを判断する。全ての生体情報４３２について処理が済んでいない場合、情報処理システム２２０は、ステップＳ１１２７へ戻り、その後のステップを繰り返す。   In step S <b> 1137, the information processing system 220 determines whether or not all the biological information 432 has been processed. If all the biological information 432 has not been processed, the information processing system 220 returns to step S1127 and repeats the subsequent steps.

全ての生体情報４３２の処理が完了した場合、情報処理システム２２０は、ステップＳ１１３９において、加算スコアの合計が所定の閾値よりも大きいか否かを判断する。加算スコアの合計が所定の閾値よりも大きい場合、情報処理システム２２０は、ステップＳ１１４１において、所定の通知先へ異常を通知する。加算スコアの合計が所定の閾値よりも小さい場合、情報処理システム２２０は、処理を終了する。   When all the biological information 432 has been processed, the information processing system 220 determines in step S1139 whether the sum of the addition scores is greater than a predetermined threshold value. When the sum of the addition scores is larger than the predetermined threshold value, the information processing system 220 notifies the predetermined notification destination of the abnormality in step S1141. When the sum of the addition scores is smaller than the predetermined threshold value, the information processing system 220 ends the process.

所定の閾値よりも大きいか否かの判断は、（異常関係性／全関係性）＞閾値（例えば、３０％）などにより判断することができる。ここで、異常関係性は、関係性モデルの関係性が維持されておらず、関係性が崩れている関係性モデルである。この他に、例えば、規定の異常関係性集合と現在の異常関係性集合とのマッチ度が、８０％以上であれば、規定の異常が発生したものと判断してもよい。   The determination as to whether or not the threshold value is larger than the predetermined threshold value can be made based on (abnormal relationship / total relationship)> threshold value (for example, 30%). Here, the abnormal relationship is a relationship model in which the relationship of the relationship model is not maintained and the relationship is broken. In addition, for example, if the degree of matching between the specified abnormal relationship set and the current abnormal relationship set is 80% or more, it may be determined that the specified abnormality has occurred.

なお、上記の説明では、体温や血圧などの生体情報４３２を取得する医療機器などの生体情報取得センサの数は１個として説明してきたが、生体情報取得センサの数は１個に限定されない。例えば、体温計であれば、頭部や胸部、腹部、脚部、背部など人体の様々な場所の体温を測定してもよい。   In the above description, the number of biological information acquisition sensors such as medical devices that acquire biological information 432 such as body temperature and blood pressure has been described as one, but the number of biological information acquisition sensors is not limited to one. For example, if it is a thermometer, you may measure the body temperature of various places of the human body, such as the head, chest, abdomen, legs, and back.

また、生体情報４３２の間の統計的な関係性に基づいて関係性モデル４３３を生成する例で説明をしたが、関係性モデル４３３の生成方法はこれには限定されない。例えば、生体情報４３２の間の相関関数を算出し、これに基づいて関係性モデル４３３を生成してもよい。また、この相関関数の係数を算出することもできる。さらに、相関関数の他に時系列データの分散を分析して、この分析結果に基づいて関係性モデル４３３を生成してもよい。   Moreover, although the example which produces | generates the relationship model 433 based on the statistical relationship between the biometric information 432 was demonstrated, the production | generation method of the relationship model 433 is not limited to this. For example, a correlation function between the biological information 432 may be calculated, and the relationship model 433 may be generated based on the correlation function. Also, the coefficient of this correlation function can be calculated. Further, in addition to the correlation function, the variance of the time series data may be analyzed, and the relationship model 433 may be generated based on the analysis result.

なお、本実施形態では、生体情報のそれぞれについて推定を行なう例で説明をしたが、例えば、生体情報それぞれについて、期待値や予測値などを推定してもよい。そして、この推定した期待値や予測値に基づいて、異常の判定を行なってもよい。   In this embodiment, an example has been described in which estimation is performed for each piece of biological information. However, for example, an expected value or a predicted value may be estimated for each piece of biological information. And abnormality determination may be performed based on the estimated expected value and predicted value.

本実施形態によれば、関係性モデル４３３に基づいて異常判定を行うので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。   According to the present embodiment, since abnormality determination is performed based on the relationship model 433, it is possible to accurately and reliably detect a biological abnormality that does not appear in the biological information on the surface.

［第３実施形態］
次に本発明の第３実施形態に係る情報処理システム１２２０について、図１２〜図１４を用いて説明する。図１２は、本実施形態に係る情報処理システム１２２０の構成を説明するためのブロック図である。本実施形態に係る情報処理システム１２２０は、上記第２実施形態と比べると、関係性モデル選択部１２０８を有する点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。 [Third Embodiment]
Next, an information processing system 1220 according to the third embodiment of the present invention will be described with reference to FIGS. FIG. 12 is a block diagram for explaining the configuration of the information processing system 1220 according to this embodiment. The information processing system 1220 according to the present embodiment is different from the second embodiment in that a relationship model selection unit 1208 is included. Since other configurations and operations are the same as those of the second embodiment, the same configurations and operations are denoted by the same reference numerals, and detailed description thereof is omitted.

関係性モデル選択部１２０８は、生成した関係性モデル１２３３を選択可能に格納し、使用する関係性モデル１２３３を選択する。例えば、対象者が入院中であれば、入院中の関係性モデル１２３３を選択する。また、対象者が、例えば、普段の生活をしていて健康管理などを行っている場合などは通常の関係性モデル１２３３、ジョギングなどをしていて走行中の状態にある場合には走行中の関係性モデル１２３３を選択する。   The relationship model selection unit 1208 stores the generated relationship model 1233 in a selectable manner, and selects the relationship model 1233 to be used. For example, if the subject is hospitalized, the hospital relationship model 1233 is selected. In addition, for example, when the subject is in a normal life and performing health care, the normal relationship model 1233, when jogging or the like is in the running state, A relationship model 1233 is selected.

図１３は、本実施形態に係る関係性モデル１２３３の構成を示す図である。生体の状況に応じて、使用する関係性モデルがあらかじめ決められており、入院中であれば、入院中モデルを使用し、走行中であれば、走行中モデルを使用する。   FIG. 13 is a diagram showing the configuration of the relationship model 1233 according to the present embodiment. The relationship model to be used is determined in advance according to the state of the living body, and the in-hospital model is used when hospitalized, and the in-run model is used when traveling.

図１４は、本実施形態に係る情報処理システム１２２０の処理手順を示すフローチャートである。なお、図１１と同様のステップについては、同じステップ番号を付けて説明を省略する。情報処理システム１２２０は、ステップＳ１１０１において、関係性モデル１２３３の生成である場合、ステップＳ１４０１において、関係性モデル１２３３を選択するための選択情報を取得する。情報処理システム１２２０は、ステップＳ１４０３において、選択情報に対応付けて関係性モデル１２３３をストレージなどの記憶デバイスに格納する。   FIG. 14 is a flowchart showing a processing procedure of the information processing system 1220 according to this embodiment. In addition, about the step similar to FIG. 11, the same step number is attached and description is abbreviate | omitted. When the information processing system 1220 generates the relationship model 1233 in step S1101, the information processing system 1220 acquires selection information for selecting the relationship model 1233 in step S1401. In step S1403, the information processing system 1220 stores the relationship model 1233 in a storage device such as a storage in association with the selection information.

情報処理システム１２２０は、関係性モデル１２３３の生成でなく、異常判定の場合、ステップＳ１４２１において、関係性モデル１２３３を選択するための選択情報を取得する。生体の状況は、例えば、病院に入院中、就寝中、運動中、歩行中、入浴中および排便中などがあるが、これらには限定されない。   The information processing system 1220 acquires selection information for selecting the relationship model 1233 in step S1421 in the case of abnormality determination rather than generation of the relationship model 1233. Examples of the state of the living body include, but are not limited to, being hospitalized at the hospital, sleeping, exercising, walking, bathing, and defecation.

本実施形態によれば、生体の状況に応じて、適切な関係性モデル１２３３を選択できるので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。   According to this embodiment, since an appropriate relationship model 1233 can be selected according to the state of the living body, it is possible to accurately and reliably detect a biological abnormality that does not appear in the biological information on the surface.

［第４実施形態］
次に本発明の第４実施形態に係る情報処理システムについて、図１５Ａ〜図１５Ｂを用いて説明する。図１５Ａは、本実施形態に係る情報処理システムの生成する関係性モデル１５００を説明するための図である。本実施形態に係る関係性モデル１５００は、上記第２実施形態と比べると、網羅的に複数種類の生体情報４３２間の関係性を算出し、さらに、同じ生体情報４３２であっても生体の複数の部分から取得した生体情報４３２間の関係性を算出する点で異なる。すなわち、生体の複数の部分にセンサなどを設け、生体の複数の部分から取得した生体情報に基づいて、網羅的に関係性を導出して関係性モデル１５００を生成している点で異なる。 [Fourth Embodiment]
Next, an information processing system according to a fourth embodiment of the present invention will be described with reference to FIGS. 15A to 15B. FIG. 15A is a diagram for explaining a relationship model 1500 generated by the information processing system according to the present embodiment. Compared with the second embodiment, the relationship model 1500 according to the present embodiment comprehensively calculates relationships between a plurality of types of biological information 432, and even if the same biological information 432 is used, a plurality of biological information is calculated. The difference is that the relationship between the biological information 432 acquired from the part is calculated. That is, the difference is that a relationship model 1500 is generated by providing sensors in a plurality of parts of a living body and exhaustively deriving relationships based on biological information acquired from the plurality of parts of the living body.

図１５Ｂは、関係性モデル１５００を生体モデル上にマッピングした様子を示している。本実施形態では、生体の様々な箇所にセンサなどの生体情報取得機器を取り付けて、１つの生体情報４３２について生体の複数の箇所から取得した生体情報４３２間（例えば、頭部の体温と腹部の体温との間など）の関係性を導出する。さらに、生体情報４３２のそれぞれの間（例えば、血圧と体温との間など）の関係性をも導出し、網羅的に関係性を導出して関係性モデル１５００を生成する。   FIG. 15B shows a state in which the relationship model 1500 is mapped on the biological model. In the present embodiment, biological information acquisition devices such as sensors are attached to various parts of the living body, and one piece of biological information 432 is acquired between a plurality of pieces of living body information 432 (for example, the body temperature of the head and the abdominal part). Deriving the relationship between body temperature etc.) Furthermore, the relationship between each of the biometric information 432 (for example, between blood pressure and body temperature) is also derived, and the relationship model 1500 is generated by comprehensively deriving the relationship.

本実施形態によれば、網羅的に関係性を抽出して関係性モデル１５００生成するので、表面上の生体情報からは検出できない生体の異常を正確かつ確実に検出することができる。   According to this embodiment, since the relationship model 1500 is generated by exhaustively extracting relationships, it is possible to accurately and reliably detect biological abnormalities that cannot be detected from biological information on the surface.

［第５実施形態］
次に本発明の第５実施形態に係る情報処理システム１６００について、図１６を用いて説明する。図１６は、本実施形態に係る関係性モデルに対応するテーブル１６００を説明するための図である。本実施形態に係るテーブル１６００は、上記第２実施形態と比べると、属性１６０１と対象者の周辺の環境１６０２との情報を記憶している点で異なる。属性１６０１としては、例えば、年齢や性別、遺伝子情報などがある。また、環境１６０２の情報としては、例えば、加速度センサの値やＧＰＳの値、ベッドの圧力、音声情報などがある。環境１６０２の情報としては、さらに、気温や湿度、気圧などがある。 [Fifth Embodiment]
Next, an information processing system 1600 according to the fifth embodiment of the present invention will be described with reference to FIG. FIG. 16 is a diagram for explaining a table 1600 corresponding to the relationship model according to the present embodiment. The table 1600 according to the present embodiment is different from the second embodiment in that information about the attribute 1601 and the environment 1602 around the subject is stored. Examples of the attribute 1601 include age, sex, and gene information. The information on the environment 1602 includes, for example, an acceleration sensor value, a GPS value, bed pressure, audio information, and the like. The information on the environment 1602 further includes temperature, humidity, and atmospheric pressure.

本実施形態によれば、対象者の属性や周辺環境の情報を加味して、環境ごとに異なる関係性モデル４３３を生成したり、選択することができるので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。   According to the present embodiment, the relationship model 433 that is different for each environment can be generated or selected in consideration of the attributes of the subject and the surrounding environment, so that it does not appear in the biological information on the surface. Abnormalities in the living body can be detected accurately and reliably.

［第６実施形態］
次に本発明の第６実施形態に係る情報処理システムについて、図１７を用いて説明する。図１７は、本実施形態に関係性モデルの構成を示す図である。本実施形態に係る情報処理システムは、生体情報間の統計的な関係性の他に、環境情報と生体情報との間の統計的な関係性を加味して、関係性モデルを生成する。 [Sixth Embodiment]
Next, an information processing system according to a sixth embodiment of the present invention will be described with reference to FIG. FIG. 17 is a diagram showing the configuration of the relationship model in this embodiment. The information processing system according to the present embodiment generates a relationship model in consideration of the statistical relationship between environmental information and biological information in addition to the statistical relationship between biological information.

本実施形態によれば、生体情報と環境情報との間の関係性も加味して関係性モデルを生成するので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。   According to the present embodiment, since the relationship model is generated in consideration of the relationship between the biological information and the environmental information, it is possible to accurately and reliably detect a biological abnormality that does not appear in the biological information on the surface. Can do.

［他の実施形態］
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。 [Other Embodiments]
While the present invention has been described with reference to the embodiments, the present invention is not limited to the above embodiments. Various changes that can be understood by those skilled in the art can be made to the configuration and details of the present invention within the scope of the present invention. In addition, a system or an apparatus in which different features included in each embodiment are combined in any way is also included in the scope of the present invention.

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、本発明の範疇に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体（non-transitory computer readable medium）は本発明の範疇に含まれる。   In addition, the present invention may be applied to a system composed of a plurality of devices, or may be applied to a single device. Furthermore, the present invention can also be applied to a case where an information processing program that implements the functions of the embodiments is supplied directly or remotely to a system or apparatus. Therefore, in order to realize the functions of the present invention on a computer, a program installed in the computer, a medium storing the program, and a WWW (World Wide Web) server that downloads the program are also included in the scope of the present invention. . In particular, at least a non-transitory computer readable medium storing a program for causing a computer to execute the processing steps included in the above-described embodiments is included in the scope of the present invention.

Claims (13)

複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、
前記複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成手段と、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定手段と、
を備える情報処理システム。 An acquisition means for acquiring a plurality of types of biometric information in time series and storing the same as a plurality of types of time-series biometric information,
Generating means for generating a relationship model indicating the degree of statistical relationship between the plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. Determining means for determining whether or not the relationship model is maintained based on :
An information processing system comprising: 前記判定手段は、前記各観測値と前記各推定値との差が各前記関係性に応じた第１閾値を超えた前記関係性にスコアを付与し、付与したスコアのトータル値が第２閾値を超えた場合に、前記関係性モデルが維持されていないと判定する請求項１に記載の情報処理システム。The determination means assigns a score to the relationship in which a difference between each observed value and each estimated value exceeds a first threshold value corresponding to each relationship, and a total value of the assigned scores is a second threshold value. The information processing system according to claim 1, wherein the relationship model is determined not to be maintained when the relationship is exceeded. 生体の状況に応じた複数の前記関係性モデルを記憶するモデル記憶手段と、
前記生体の状況に基づいて前記モデル記憶手段から一つの関係性モデルを選択する選択手段と、
をさらに備え、
前記判定手段は、前記選択手段によって選択された前記関係性モデルを用いて、判定する請求項１または２に記載の情報処理システム。 Model storage means for storing a plurality of the relationship models according to the state of the living body;
Selecting means for selecting one relationship model from the model storage means based on the state of the living body;
Further comprising
The determining means uses the relationship model selected by said selecting means, an information processing system according to claim 1 or 2 judges. 前記生体の環境情報を時系列に取得する環境情報取得手段と、
前記環境情報に基づいて、前記生体の状況を判定する生体状況判定手段と、
をさらに備える請求項３に記載の情報処理システム。 Environmental information acquisition means for acquiring environmental information of the living body in time series;
A biological state determination means for determining the state of the biological body based on the environmental information;
The information processing system according to claim 3 , further comprising: 前記生体の環境情報を時系列に取得する環境情報取得手段をさらに備え、
前記生成手段は、前記複数種類の時系列生体情報と前記環境情報との間の統計的な関係性の度合を示す関係性モデルを生成する請求項３に記載の情報処理システム。 It further comprises environmental information acquisition means for acquiring environmental information of the living body in time series,
The information processing system according to claim 3 , wherein the generation unit generates a relationship model indicating a degree of statistical relationship between the plurality of types of time-series biological information and the environment information. 前記環境情報とは、加速度センサの値、ＧＰＳの値、ベッドの圧力、および音声情報の少なくともいずれか一つを含む請求項４または５に記載の情報処理システム。   6. The information processing system according to claim 4, wherein the environmental information includes at least one of an acceleration sensor value, a GPS value, a bed pressure, and audio information. 前記生体情報は、体温、血圧、心拍数、脳波、血糖値、呼吸数、血中酸素濃度、および心電図波形の少なくともいずれか一つを含む請求項１乃至６のいずれか１項に記載の情報処理システム。   The information according to any one of claims 1 to 6, wherein the biological information includes at least one of body temperature, blood pressure, heart rate, electroencephalogram, blood sugar level, respiratory rate, blood oxygen concentration, and electrocardiogram waveform. Processing system. 前記複数種類の生体情報とは、生体の異なる位置で測定された生体情報を含み、前記関係性モデルは、前記生体の異なる位置で測定された生体情報間の統計的な関係性の度合を含む請求項１乃至７のいずれか１項に記載の情報処理システム。 Wherein a plurality of types of biological information, see contains the biological information measured at different positions of a living body, the relationship model, the degree of statistical relationships between biological information measured at different positions of said living body the information processing system according to any one of including the claims 1 to 7. 前記モデル記憶手段は、前記関係性モデルを、前記生体の遺伝子情報に関連付けて記憶し、
前記選択手段は、前記遺伝子情報に基づいて前記モデル記憶手段から一つの関係性モデルを選択する請求項３に記載の情報処理システム。 The model storage means stores the relationship model in association with genetic information of the living body,
The information processing system according to claim 3 , wherein the selection unit selects one relationship model from the model storage unit based on the genetic information. 前記生成手段は、前記統計的な関係性の度合を生体モデル上にマッピングして前記関係性モデルを生成する請求項１乃至９のいずれか１項に記載の情報処理システム。 The information processing system according to claim 1 , wherein the generation unit generates the relationship model by mapping the statistical relationship degree on a biological model . 複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得手段と、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成手段と、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定手段と、
を備える情報処理装置。 An acquisition means for acquiring a plurality of types of biological information in time series and storing the information as time series biological information;
Generating means for generating a relationship model indicating the degree of statistical relationship between multiple types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. Determining means for determining whether or not the relationship model is maintained based on :
An information processing apparatus comprising: 複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成ステップと、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定ステップと、
を含む情報処理方法。 An acquisition step of acquiring a plurality of types of biological information in time series and accumulating as time series biological information;
A generation step for generating a relationship model indicating a degree of statistical relationship between a plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. A determination step of determining whether the relationship model is maintained based on :
An information processing method including: 複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性の度合を示す関係性モデルを生成する生成ステップと、
前記複数種類の時系列生体情報の観測値を前記関係性モデルに適用して、他の前記複数種類の時系列生体情報の推定値を生成し、各観測値と各推定値との比較結果に基づいて前記関係性モデルが維持されているか否を判定する判定ステップと、
をコンピュータに実行させる情報処理プログラム。 An acquisition step of acquiring a plurality of types of biological information in time series and accumulating as time series biological information;
A generation step for generating a relationship model indicating a degree of statistical relationship between a plurality of types of time-series biological information;
Applying the observed values of the plurality of types of time-series biological information to the relationship model, generating estimated values of the other types of time-series biological information, and comparing the observed values with the estimated values. A determination step of determining whether the relationship model is maintained based on :
An information processing program that causes a computer to execute.
JP2014226533A 2014-11-06 2014-11-06 Information processing system, information processing apparatus, information processing method, and information processing program Active JP6481335B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2014226533A JP6481335B2 (en) 2014-11-06 2014-11-06 Information processing system, information processing apparatus, information processing method, and information processing program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014226533A JP6481335B2 (en) 2014-11-06 2014-11-06 Information processing system, information processing apparatus, information processing method, and information processing program

Publications (2)

Publication Number Publication Date
JP2016087182A JP2016087182A (en) 2016-05-23
JP6481335B2 true JP6481335B2 (en) 2019-03-13

Family

ID=56016012

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014226533A Active JP6481335B2 (en) 2014-11-06 2014-11-06 Information processing system, information processing apparatus, information processing method, and information processing program

Country Status (1)

Country Link
JP (1) JP6481335B2 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7476508B2 (en) 2018-12-28 2024-05-01 コニカミノルタ株式会社 HEALTH CONDITION DETERMINATION SYSTEM, HEALTH CONDITION DETERMINATION METHOD, AND PROGRAM
JP7470601B2 (en) 2020-08-19 2024-04-18 浜松ホトニクス株式会社 Physical condition estimation system and physical condition estimation method
JP2023004383A (en) * 2021-06-25 2023-01-17 オムロンヘルスケア株式会社 Biological information measuring system, biological information measuring program, and biological information measuring device

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2244913A1 (en) * 1996-02-09 1997-08-14 Adeza Biomedical Corporation Method for selecting medical and biochemical diagnostic tests using neural network-related applications
WO2007010521A2 (en) * 2005-07-18 2007-01-25 Integralis Ltd. Apparatus, method and computer readable code for forecasting the onset of potentially life-threatening disease
AU2006325153B2 (en) * 2005-11-29 2013-03-28 PhysIQ Inc. Residual-based monitoring of human health
JP5219700B2 (en) * 2008-09-01 2013-06-26 オムロンヘルスケア株式会社 Biometric index management device

Also Published As

Publication number Publication date
JP2016087182A (en) 2016-05-23

Similar Documents

Publication Publication Date Title
JP5584413B2 (en) Patient monitoring system and monitoring method
JP6408479B2 (en) Patient monitoring system and patient monitoring method
US20170103174A1 (en) Diagnosis model generation system and method
JP5388580B2 (en) Residue-based management of human health
US11051768B1 (en) Determining when to emit an alarm
US20210269046A1 (en) Estimator generation apparatus, monitoring apparatus, estimator generation method, and computer-readable storage medium storing estimator generation program
US11580432B2 (en) System monitor and method of system monitoring to predict a future state of a system
EP3065631A1 (en) Noninvasive predictive and/or estimative blood pressure monitoring
WO2017017986A1 (en) Biological monitoring device and biological monitoring program
JP7229491B1 (en) Learning device and estimation system
JP6481335B2 (en) Information processing system, information processing apparatus, information processing method, and information processing program
CN105593860B (en) For determining the device and patient health condition determiner of composite score distribution
JP5544365B2 (en) Improvements in multi-parameter monitoring or improvements related to multi-parameter monitoring
WO2017058534A1 (en) Monitoring systems and methods for monitoring a condition of a patient
KR102494309B1 (en) Method, apparatus and computer program for detecting shock occurrence through biometric image analysis of artificial intelligence model
WO2021122490A1 (en) System for configuring patient monitoring
Panagiotou et al. A multi: modal decision making system for an ambient assisted living environment
CN109414201A (en) Biological information measures auxiliary device, vital information measurement device, biological information measurement householder method and auxiliary program
JP6460380B2 (en) Information processing system, information processing apparatus, information processing method, and information processing program
JP7002168B1 (en) ECG analyzer, ECG analysis method and program
Ramesh et al. An intelligent decision support system for enhancing an m-health application
JP6578648B2 (en) Information processing system, information processing apparatus, information processing method for information processing apparatus, and information processing program
JP6485680B2 (en) Information processing system, information processing apparatus, information processing method, and information processing program
WO2017218583A1 (en) User interface for displaying predictive cardio information
UWAMARIYA IoT-Based remote health monitoring system for infected people

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171005

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180618

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180621

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180809

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: 20190115

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190128

R150 Certificate of patent or registration of utility model

Ref document number: 6481335

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150