JP6724745B2 - 情報処理装置、情報処理方法、情報処理プログラム及び情報処理システム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、情報処理プログラム及び情報処理システムに関する。

食事摂取に関する指標を推定する技術に関し、例えば、食事中の心拍数の上昇に着目して食事量を推定する技術が開示されている（例えば、特許文献１等参照）。また、身体組成やカロリー支出からカロリー摂取量を決定する技術が開示されている（例えば、特許文献２等参照）。

特開平１０−５０４７３９号公報 国際公開第２０１３／０８６３６３号

しかしながら、上記技術では、生体のエネルギーに係る指標を簡単に推定することができない。

１つの側面では、本発明は、生体のエネルギーに係る指標を簡単に推定することが可能な情報処理装置、情報処理方法、情報処理プログラム及び情報処理システムを提供することを目的とする。

一つの態様では、情報処理装置は、所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、取得した生体に関する情報と、推定モデルと、を用いて推定する第１推定部と、前記３つの指標が満たす関係式と、前記第１推定部の推定結果とに基づいて、前記未知の指標を推定する第２推定部と、前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する生成部と、を備え、前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、情報処理装置である。

生体のエネルギーに係る指標を簡単に推定することができる。

一実施形態に係る情報処理システムの構成を概略的に示す図である。 図１の情報処理装置のハードウェア構成を示す図である。 情報処理装置の機能ブロック図である。 情報処理装置の処理を示すフローチャート（その１）である。 情報処理装置の処理を示すフローチャート（その２）である。 図６（ａ）、図６（ｂ）は、心拍第２ピーク面積を説明するための図である。

以下、情報処理システムの一実施形態について、図１〜図６に基づいて詳細に説明する。

図１は、一実施形態に係る情報処理システム１００の構成を概略的に示す図である。図１に示すように、情報処理システム１００は、心拍計１０、活動量計１２、生体量計１４、情報入力装置１６、及び情報処理装置２０を備える。情報処理システム１００に含まれる各装置は、ネットワーク７０に接続されている。

心拍計１０は、ユーザが装着した状態で、ユーザの心拍数（脈拍数）等を計測する装置である。心拍計１０による計測結果は、ネットワーク７０を介して情報処理装置２０に送信される。

活動量計１２は、加速度センサ等を含み、ユーザが保持した状態で、ユーザの活動量を計測する装置である。活動量計１２による計測結果は、ネットワーク７０を介して情報処理装置２０に送信される。

生体量計１４は、例えば、重量センサや生体インピーダンスセンサ等を含む、ユーザの体重体組成を計測する装置である。生体量計１４による計測結果は、ネットワーク７０を介して情報処理装置２０に送信される。

情報入力装置１６は、例えばＰＣ（Personal Computer）等であり、ユーザが、ユーザの年齢、身長、生体量の初期値などを入力するための装置である。情報入力装置１６に入力された情報は、ネットワーク７０を介して情報処理装置２０に送信される。なお、情報処理装置２０に設けられた入力部や、心拍計１０、活動量計１２、生体量計１４からユーザの年齢や身長、生体量の初期値などの情報を入力することができる場合には、情報入力装置１６を省略してもよい。

情報処理装置２０は、例えばＰＣ等であり、心拍計１０、活動量計１２、生体量計１４、及び情報入力装置１６から取得した情報に基づいて、ユーザが摂取、消費、蓄積したエネルギーに係る指標を推定し、推定結果に基づく出力を行う装置である。なお、情報処理装置２０は、スマートフォンなどであってもよい。また、心拍計１０、活動量計１２、生体量計１４について、直接エネルギー指標を計測値として出力するものが有る場合は、その値に関する推定処理は省略し、その値をそのまま出力しても良い。また、情報処理装置２０と心拍計１０等とは、ネットワーク７０を介さずに接続されてもよい。

図２には、情報処理装置２０のハードウェア構成が示されている。図２に示すように、情報処理装置２０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ここではＨＤＤ（Hard Disk Drive））９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９、表示部９３、入力部９５等を備えている。これら情報処理装置２０の構成各部は、バス９８に接続されている。情報処理装置２０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（情報処理プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（情報処理プログラムを含む）をＣＰＵ９０が実行することにより、図３に示す、各部の機能が実現される。なお、図３においては、図示の便宜上、ＨＤＤ９６等により実現される情報記憶部４０とモデルパラメータ記憶部４２についても図示している。

図３には、情報処理装置２０のＣＰＵ９０の機能ブロック図が示されている。図３に示すように、ＣＰＵ９０は、プログラムを実行することにより、情報取得部２２と、第１推定部としてのエネルギー指標推定部２４と、生成部及び第２推定部としてのモデルパラメータ決定部２６、及び出力部としての情報提示部２８、として機能する。

情報取得部２２は、心拍計１０、活動量計１２、生体量計１４、及び情報入力装置１６から受信した情報を取得し、エネルギー指標推定部２４やモデルパラメータ決定部２６に送信したり、情報記憶部４０に格納したりする。

エネルギー指標推定部２４は、ユーザが摂取、消費、蓄積したエネルギーに係る指標を推定する。具体的には、図３に示すように、摂取カロリー推定部２４２と、消費カロリー推定部２４４と、蓄積カロリー推定部２４６と、を含んでいる。摂取カロリー推定部２４２は、所定期間内に心拍計１０から取得したユーザの心拍数に基づいて、ユーザが所定期間に摂取したカロリー（摂取カロリー）を推定する。消費カロリー推定部２４４は、所定期間内に活動量計１２から取得したユーザの活動量に基づいて、所定期間にユーザが消費したカロリー（消費カロリー）を推定する。蓄積カロリー推定部は、所定期間内に生体量計１４から取得したユーザの体重等に基づいて、ユーザの体内に蓄積されているカロリーの所定期間内における変化量（蓄積カロリーの変化量）を推定する。なお、詳細については後述するが、本実施形態では、３つの指標のうち、ユーザが指定した１つの指標については、エネルギー収支の関係式に基づいて、他の２つの指標から推定することができるようになっている。

モデルパラメータ決定部２６は、摂取カロリー、消費カロリー、蓄積カロリーの変化量を推定するために用いる推定モデルのモデルパラメータを決定する。ここで、推定モデルは次式（１）の各項であり、推定モデルを用いた、摂取、消費、蓄積のエネルギー収支の関係式は、次式（１）のように表される。

ここで、Ｃ_inは摂取カロリー、Ｃ_outは消費カロリー、Ｃ_bodyは蓄積カロリーの変化量を意味する。また、ａ_iは、摂取カロリー推定モデルパラメータ、ａ₀は、消費カロリー推定モデルパラメータ、ａ_bは、蓄積カロリー変化量推定モデルパラメータを意味する。また、Ｓは、心拍数計測値の変化から求める食事特徴量ベクトル、ｘ_oは、加速度計測値や身長及び体重入力値等から求める活動特徴量ベクトル、ｘ_bは体重計測値、生体インピーダンス、身長入力値等の変化量から求める体重体組成変化特徴量ベクトルを意味する。なお、明細書の文章中では、電子出願の関係上、ベクトルを表す文字を太文字で表記することができないため、ベクトルを細字「Ｓ」，「ａ」，「ｘ」で表記している。本実施形態において、食事特徴量ベクトルＳは、食事摂取時の心拍第２ピーク面積であるものとする。なお、食事摂取時の心拍第２ピーク面積の詳細については、後述する。消費カロリー推定及び蓄積カロリー変化量推定で用いるモデル、パラメータ、特徴量は、一般的に開示されている推定手段のものを用いても良い。

モデルパラメータ決定部２６は、上式（１）のモデルパラメータａ_i，ａ₀，ａ_bのうちの２つを予め定めた上で、計測又は推定されたＳ、ｘ_o、ｘ_bに基づいて、残り１つのモデルパラメータ（未知のモデルパラメータ）を決定（推定）する。モデルパラメータ記憶部４２には、各モデルパラメータａ_i，ａ₀，ａ_bの値を記憶する。

情報提示部２８は、摂取カロリー推定部２４２、消費カロリー推定部２４４、蓄積カロリー推定部２４６が推定した摂取カロリー、消費カロリー、蓄積カロリーの変化量に基づいて、ユーザに提示（リコメンド）する情報を決定する。また、情報提示部２８は、決定した情報を表示部９３上に表示することで、ユーザに提示する。

情報記憶部４０は、情報取得部２２が取得した情報や、その他の情報を記憶する。

（情報処理装置２０の処理）
次に、本実施形態の情報処理装置２０の処理について、図４、図５のフローチャートに沿って詳細に説明する。

図４の処理では、まず、ステップＳ１０において、情報取得部２２が、生体情報の入力を受け付ける。この場合、情報取得部２２は、ユーザが情報入力装置１６や入力部９５を介して入力する情報を受け付け、取得する。ここで、ユーザが入力する情報は、生体情報のうち、長期間における変化が微小である情報（年齢、身長）や、生体情報の初期値（体重の初期値等）であるものとする。情報取得部２２は、取得した情報を情報記憶部４０に記憶する。なお、年齢に代えて、ユーザが誕生日を入力してもよい。この場合、情報取得部２２は、誕生日に基づいて年齢を算出してもよい。

次いで、ステップＳ１２では、情報取得部２２が、既知モデルパラメータの指定を受け付ける。この場合、情報取得部２２は、ユーザが情報入力装置１６や入力部９５を介して、３つのモデルパラメータａ_i，ａ₀，ａ_bのうち、どの２つのモデルパラメータを既知のモデルパラメータとして指定したかの情報を受け付け、取得する。なお、モデルパラメータ決定部２６は、２つの既知モデルパラメータについては、ユーザ入力として受け付け、取得するか、デフォルトパラメータとして予め定めたものを用いるものとし、残りの１つの未知モデルパラメータは、後述するように学習するものとする。ここで、既知モデルパラメータは、例えば推定精度の良いモデルが確立されているものや、個人差が小さいもの、求めるためのコストが小さいものなどを判断基準として選択すればよい。どのモデルパラメータが既知モデルパラメータで、どのモデルパラメータが未知モデルパラメータであるかの情報と取得したモデルパラメータは、エネルギー指標推定部２４やモデルパラメータ決定部２６に送信される。

次いで、ステップＳ１４では、エネルギー指標推定部２４が、タイマー及びカウンタを初期化する。具体的には、エネルギー指標推定部２４は、摂取カロリー、消費カロリー、蓄積カロリーの変化量を推定するために用いる計測値を取得する期間（所定期間Ｔ）を測定するためのタイマーｔを０にリセットし、食事回数を示すカウンタｎを０に設定する。

次いで、ステップＳ１６では、情報取得部２２が、心拍数計測値を取得したか否かを判断する。このステップＳ１６の判断が否定された場合、すなわち心拍数計測値を心拍計１０から取得していない場合には、ステップＳ１８〜Ｓ２６をスキップして、ステップＳ２８に移行するが、肯定された場合には、ステップＳ１８に移行する。

ステップＳ１８に移行した場合、情報取得部２２は、取得した心拍数計測値を心拍数時系列データとして情報記憶部４０に記憶する。

ステップＳ２０では、情報取得部２２が、心拍第２ピークが終了したか否かを判断する。このステップＳ２０の判断が否定された場合には、ステップＳ２２〜Ｓ２６をスキップしてステップＳ２８に移行するが、肯定された場合には、ステップＳ２２に移行する。

ここで、心拍第２ピークについて説明する。図６（ａ）は、食事に由来する心拍数の経時変化（心拍数時系列データ）の一例を示すグラフである。図６（ａ）において、横軸は経過時間を表し、縦軸は心拍数を表す。心拍数は、単位時間あたりの拍動数のことであり、具体的には１分あたりの拍動数である。

図６（ａ）に示すように、食事に由来する心拍数の上昇区間には、２つのピークが現れる。第１ピークは、食事開始直後に現れる心拍数の変化であり、第２ピークは、食事時刻から長時間にわたって現れる心拍数の変化である。例えば、第１ピークは、咀嚼、飲み込み、手の動きなどに由来すると推測され、第２ピークは、消化活動、吸収などの胃腸内の動きなどに由来すると推測される。第１ピークの立ち上がりが検出された上昇区間の開始時点が、食事開始時点ｉであり、第１ピークの極大点iiが、食事終了時点である。また、第２ピークの心拍数が極大点を越えて所定の値まで戻った時点iiiが、食事に由来する心拍数の上昇区間の終了時点である。また、第１ピークにおいて心拍数の減少が落ち着く時点が時点ivである。なお、所定の値は、食事開始時の心拍数であってもよいし、食事開始時点の心拍数に所定数を加算または乗算した値であってもよい。

すなわち、ステップＳ２０においては、情報取得部２２は、心拍数時系列データにおいて時点iiiが出現したか否かを判断する。

ステップＳ２０の判断が肯定され、ステップＳ２２に移行すると、摂取カロリー推定部２４２は、食事特徴量ベクトルとして心拍第２ピーク面積Ｓを算出し、情報記憶部４０に記憶する。ここで、心拍第２ピーク面積Ｓは、食事終了後の生体反応信号値の経時変化における積分値を含む。具体的には、心拍第２ピーク面積Ｓは、図６（ｂ）においてハッチングを付して示すような面積Ｓを意味する。すなわち、第２ピークの面積Ｓは、食事終了後、第１ピークにおいて心拍数の減少が落ち着いた（下降速度が低下した）時点ivから、時点iiiまでの間の面積である。摂取カロリー推定部２４２は、心拍第２ピーク面積Ｓの算出結果と、食事回数を示すカウンタｎを１インクリメントした値（ｎ＝ｎ＋１）を、時刻とともに情報記憶部４０に記憶する。

次いで、ステップＳ２４では、摂取カロリー推定部２４２が、摂取カロリー推定モデルパラメータがあるか否か、すなわち、摂取カロリー推定モデルパラメータが既知であるか否かを判断する。このステップＳ２４の判断が否定された場合には、ステップＳ２６をスキップしてステップＳ２８に移行するが、肯定された場合には、ステップＳ２６に移行する。

ステップＳ２６に移行すると、摂取カロリー推定部２４２は、摂取カロリーを推定する。具体的には、摂取カロリー推定部２４２は、既知の摂取カロリー推定モデルパラメータａ_iを用いて、摂取カロリーＣ_in（ａ_i，Ｓ）を推定する。摂取カロリー推定部２４２は、推定した摂取カロリーを時刻とともに情報記憶部４０に記憶する。その後は、ステップＳ２８に移行する。

ステップＳ２８に移行した場合、情報取得部２２は、活動量計測値を取得したか否かを判断する。このステップＳ２８の判断が否定された場合、すなわち活動量計測値を取得していない場合には、ステップＳ３０〜Ｓ３４をスキップして、ステップＳ３６に移行するが、肯定された場合には、ステップＳ３０に移行する。

ステップＳ３０では、消費カロリー推定部２４４が、活動特徴量ベクトルを算出し、情報記憶部４０に記憶する。本実施形態では、活動特徴量ベクトルｘ_oは、活動量であるものとする。消費カロリー推定部２４４は、活動特徴量ベクトルｘ₀と生体情報を、時刻とともに情報記憶部４０に記憶する。

次いで、ステップＳ３２では、消費カロリー推定部２４４が、消費カロリー推定モデルパラメータがあるか否か、すなわち消費カロリー推定モデルパラメータが既知であるか否かを判断する。このステップＳ３２の判断が否定された場合には、ステップＳ３４をスキップして、ステップＳ３６に移行する。一方、ステップＳ３２の判断が肯定されると、ステップＳ３４に移行する。

ステップＳ３４に移行すると、消費カロリー推定部２４４は、消費カロリーを推定する。具体的には、消費カロリー推定部２４４は、予め決められたモデルを用い、消費カロリー推定モデルパラメータａ_oと活動特徴量ベクトルｘ₀とから、消費カロリーＣ_out（ａ_o，ｘ_o）を推定する。そして、消費カロリー推定部２４４は、推定した消費カロリーを時刻とともに情報記憶部４０に記憶する。その後は、ステップＳ３６に移行する。

ステップＳ３６に移行すると、情報取得部２２は、生体量計測値を取得したか否かを判断する。このステップＳ３６の判断が否定された場合、すなわち生体量計測値を取得していない場合には、ステップＳ３８〜Ｓ４４をスキップして、ステップＳ４６に移行するが、肯定された場合には、ステップＳ３８に移行する。

ステップＳ３８に移行すると、情報取得部２２は、情報記憶部４０に記憶されている生体情報（例えば、体重）を更新する。なお、生体情報に変化がない場合には、情報記憶部４０の生体情報の値をそのままの値で維持する。

次いで、ステップＳ４０では、蓄積カロリー推定部２４６が、体重体組成変化特徴量ベクトルを情報記憶部４０に記憶する。この場合、蓄積カロリー推定部２４６は、体重体組成変化特徴量ベクトルｘ_b及び生体情報を時刻とともに情報記憶部４０に記憶する。

次いで、ステップＳ４２では、蓄積カロリー推定部２４６が、蓄積カロリー推定モデルパラメータがあるか否か、すなわち蓄積カロリー推定モデルパラメータが既知であるかを判断する。このステップＳ４２の判断が否定された場合には、ステップＳ４４をスキップして、ステップＳ４６に移行するが、肯定された場合には、ステップＳ４４に移行する。

ステップＳ４４に移行すると、蓄積カロリー推定部２４６が、蓄積カロリーの変化量を推定する。具体的には、蓄積カロリー推定部２４６は、予め決められたモデルを用い、蓄積カロリー推定モデルパラメータａ_bと体重体組成変化特徴量ベクトルｘ_bとから、蓄積カロリーの変化量Ｃ_body（ａ_b，ｘ_b）を推定する。なお、蓄積カロリー推定部２４６は、推定した蓄積カロリー変化量を時刻とともに情報記憶部４０に記憶する。その後は、ステップＳ４６に移行する。

ステップＳ４６に移行すると、情報取得部２２が、タイマーｔが満了したか（ｔ＝Ｔとなったか）否か、すなわち所定期間Ｔが経過したか否かを判断する。このステップＳ４６の判断が否定された場合には、ステップＳ１６に戻り、ステップＳ１６〜Ｓ４４の処理・判断を繰り返し実行する。一方、ステップＳ４６の判断が肯定された場合には、図５のステップＳ５０に移行する。なお、ステップＳ５０に移行する段階では、３つのモデルパラメータａ_i，ａ₀，ａ_bのうちの１つが未知であるため、摂取カロリー、消費カロリー、蓄積カロリーの変化量のうちの２つが推定できており、１つが未知となっている。また、ステップＳ５０に移行する段階では、所定期間Ｔ内に得られた食事毎の食事特徴量ベクトルＳ、所定期間Ｔに得られた消費カロリー推定に必要な各種計測値ｘ_o、所定期間Ｔに得られた蓄積カロリーの変化量の推定に必要な各種計測値ｘ_bが情報記憶部４０に記憶された状態となっている。

ステップＳ５０に移行すると、モデルパラメータ決定部２６が、現時点におけるエネルギー指標（カロリー）及びエネルギー指標特徴量（Ｓ、ｘ_o、ｘ_b）を推定する。具体的には、これまでに得られた２種のエネルギー指標と、３種のエネルギー指標特徴量とに基づいて、外挿により現時点における２種の指標と３種のエネルギー指標特徴量を推定し、時刻とともに情報記憶部４０に記憶する。

次いで、ステップＳ５２では、モデルパラメータ決定部２６が、区間エネルギー指標を推定する。この場合、モデルパラメータ決定部２６は、各時点のエネルギー指標を積分して所定期間Ｔ中のエネルギー指標を算出し、情報記憶部４０に記憶する。ここで、上式（１）は、具体的には、次式（２）のように表すことができる。但し、右辺については詳細を省略し、概念的な積分式で記載しているが、実際には各時刻毎に記憶された値の加算式になる。

上式（２）のうち、左辺は所定期間における摂取カロリーの合計を表している。左辺のうち、ｎは所定期間中の食事回数を意味し、ｋは、所定期間中に摂取した食事の番号を意味する。また、右辺第１項は所定期間における消費カロリーの合計を表しており、右辺第２項は所定期間における蓄積カロリー変化量の合計、即ち所定期間開始時に対する終了時の変化量を表している。すなわち、ステップＳ５２では、上式（２）のうち、左辺、右辺第１項、右辺第２項のうちの２つが算出される。

次いで、ステップＳ５４では、モデルパラメータ決定部２６は、未知エネルギー指標を推定する。この場合、２つの既知の区間エネルギー指標と、上式（２）（摂取エネルギー＝消費エネルギー＋蓄積エネルギーの変化量）とに基づいて、未知の区間エネルギー指標を推定する。これにより、所定期間における摂取エネルギー、消費エネルギー、蓄積エネルギーの変化量のすべてを推定できたことになる。モデルパラメータ決定部２６は、推定したエネルギー指標を情報記憶部４０に記憶する。

次いで、ステップＳ５６では、モデルパラメータ決定部２６が、未知モデルパラメータが存在するか否かを判断する。このステップＳ５６の判断が否定された場合には、ステップＳ１４に戻り、ステップＳ１４〜Ｓ５４の処理・判断を繰り返す。一方、ステップＳ５６の判断が肯定された場合には、ステップＳ５８に移行する。

ステップＳ５８に移行すると、モデルパラメータ決定部２６は、未知エネルギーモデルパラメータの学習を実行する。この場合、モデルパラメータ決定部２６は、情報記憶部４０に記憶された未知のエネルギー指標（ステップＳ５４で推定されたエネルギー指標）と、未知のエネルギー指標に対応するエネルギー指標特徴量とを用いて、未知のモデルパラメータを決定し、一時記憶する。

次いで、ステップＳ６０では、モデルパラメータ決定部２６が、未知のモデルパラメータが収束したか否かを判断する。この場合、直近において決定された所定数の未知のモデルパラメータの値との差分が予め定めた範囲に収まるようになった場合には、ステップＳ６０の判断が肯定され、ステップＳ６２に移行する。一方、ステップＳ６０の判断が否定された場合には、ステップＳ１４に戻り、ステップＳ１４〜Ｓ５８の処理・判断を繰り返す。

ステップＳ６０の判断が肯定された場合、すなわち、未知のモデルパラメータの値が収束した場合、ステップＳ６２に移行し、モデルパラメータ決定部２６は、未知のモデルパラメータの値（ステップＳ５８で一時記憶された値）をモデルパラメータ記憶部４２に記憶する。

その後は、ステップＳ１４に戻り、ステップＳ１４以降の処理を繰り返す。なお、情報処理装置２０は、未知のモデルパラメータをモデルパラメータ記憶部４２に記憶した後も、適当なタイミングで、未知のモデルパラメータの学習処理を実行するようにしてもよい。また、情報処理装置２０は、適当なタイミングで、上記処理において既知とされたモデルパラメータを未知に設定し、未知のモデルパラメータを学習する処理を実行するようにしてもよい。

以上のように、図４，図５の処理が行われることで、３つのモデルパラメータａ_i，ａ₀，ａ_bのすべてが存在している状態では、Ｓ，ｘ_o、ｘ_bのいずれかの算出又は推定を省略することができる。すなわち、例えばｘ_bの取得を省略する場合には、ａ_iとＳを用いて、摂取カロリーを推定するとともに、ａ_oとｘ_oを用いて、消費カロリーを推定し、上記式（２）（カロリー収支の関係式）に基づいて、蓄積カロリーの変化量を推定するようにすればよい。また、例えばｘ_oの取得を省略する場合には、ａ_iとＳを用いて、摂取カロリーを推定するとともに、ａ_bとｘ_bを用いて、蓄積カロリーの変化量を推定し、上記式（２）に基づいて、消費カロリーを推定するようにすればよい。更に、例えばＳの取得を省略する場合には、ａ_oとｘ_oを用いて、消費カロリーを推定するとともに、ａ_bとｘ_bを用いて、蓄積カロリーの変化量を推定し、上記式（２）に基づいて、摂取カロリーを推定するようにすればよい。このように、Ｓ，ｘ_o、ｘ_bのいずれかの算出又は推定を省略することで、ユーザのエネルギー指標を簡単に推定することが可能である。ここで、エネルギー指標特徴量Ｓ，ｘ_o、ｘ_bから、実際に算出又は推定する２つのエネルギー指標特徴量を選択する場合、推定精度のよいモデルが確立されたものや、計測コストが小さいもの等を判断基準とすることができる。例えば、Ｓは心拍数に基づき求めることができ、心拍数の計測コストは他と比べて小さいことから、計測対象として選択するようにすることができる。

なお、推定モデルとして複雑な推定モデルを定めた場合、未知のモデルパラメータの要素数が多数となる場合がある。この場合、複数の期間経過後に、誤差関数＝|摂取カロリー−（蓄積カロリー変化量＋消費カロリー）|を複数期間分生成し、各期間の誤差関数の総和を最小にする未知のモデルパラメータの値を探索し、決定するようにすればよい。

（情報提示部２８の提示処理）
次に、情報提示部２８の提示処理について説明する。ここで、食事は、人の健康に大きく影響を及ぼす要素の一つであるため、食事は正しくとる必要があり、例えば、健康に影響のある食事が続いている場合には注意喚起する必要がある。また、消費カロリーが少ない場合には、健康のために運動を促す必要がある。そこで、本実施形態では、情報提示部２８が、日常生活中において推定される生体のエネルギー利用に関連する指標（摂取カロリーＣ_in、消費カロリーＣ_out、蓄積カロリーの変化量Ｃ_body）に基づいて、以下のような情報をユーザに提示する情報として決定する。なお、提示する情報を決定する際には、Ｃ_in、Ｃ_out、Ｃ_body以外の情報、例えば時刻情報やユーザが予め登録しておいたユーザの習慣情報などを考慮することもできる。

（１）Ｃ_in−Ｃ_out＞閾値の場合には、情報提示部２８は、食べ過ぎであることを示す情報を提示する情報として決定する。
（２）情報提示部２８は、|Ｃ_in−Ｃ_out|を歩数に換算して、換算した歩数だけ歩くように促す情報を提示する情報として決定する。
（３）Ｃ_in−Ｃ_out＜閾値、かつ、食事摂取間隔＞閾値、かつ、時刻が特定の範囲内の場合、情報提示部２８は、食事をとることを促す情報を提示する情報として決定する。
（４）Ｃ_in−Ｃ_out＞閾値、かつ、Ｃ_body＞閾値、かつ、Ｃ_out＞閾値の場合、情報提示部２８は、現在の運動量が適当であることを示す情報を提示する情報として決定する。
（５）Ｃ_in−Ｃ_out＞閾値、かつ、Ｃ_in＞閾値の場合、情報提示部２８は、食べ過ぎであることや、運動量を増やすべきことを示す情報を提示する情報として決定する。
（６）Ｃ_in−Ｃ_out＞閾値、かつ、Ｃ_out＞閾値の場合、情報提示部２８は、運動量が過剰であることや、運動量を減らす代わりに食事を減らすべきことを示す情報を提示する情報として決定する。

以上のように、情報提示部２８が、所定期間内の摂取カロリーＣ_in、消費カロリーＣ_out、蓄積カロリーＣ_bodyの変化量に基づいて、提示する情報を決定することで、ユーザに対して食事や運動関する適切な情報を提示することが可能となる。

なお、上述した提示する情報の決定方法は一例である。すなわち、２つのエネルギー指標（カロリー）の比に基づいて提示する情報を決定することとしてもよい。

なお、上記説明では、エネルギー指標がカロリー（熱量）である場合について説明しているが、エネルギーに関する値であり、単位変換によりエネルギー収支の等式（式（１））に代入できるものであれば、その他の値（例えば、炭水化物の重さ（ｇ）など）を用いてもよい。

なお、上記説明では、エネルギー指標が、摂取カロリー、消費カロリー、蓄積カロリーの変化量の３つである場合について説明したが、これに限られるものではない。例えば、
（ａ）摂取カロリー＝炭水化物のカロリー＋脂質のカロリー＋タンパク質のカロリー
（ｂ）消費カロリー＝活動誘発エネルギー支出＋基礎代謝＋食事誘発熱産生＋非活動熱産生
（ｃ）蓄積カロリーの変化量＝脂肪による蓄積カロリーの変化量＋肝臓による蓄積カロリーの変化量＋筋肉による蓄積カロリーの変化量
のように、３つのエネルギー指標それぞれが複数の指標を含むこととし、全指標のうちの１つを未知のエネルギー指標として設定してもよい。

（摂取カロリー推定モデルパラメータの推定方法）
次に、摂取カロリー推定モデルパラメータの推定方法について、より詳細に説明する。

仮定として、食事摂取時の摂取カロリーＣ_inと、その時の心拍第２ピーク面積Ｓは次式（３）のように関数でモデル化できるものとする。
Ｃ_in−Ｃ_heat＝ｆ（ａ，Ｓ） …（３）

ここで、Ｃ_heatは、食事誘発性熱産生を意味し、ａは摂取カロリー推定モデルパラメータを意味する。なお、食事誘発性熱産生は、消費カロリーＣ_outに含まれるが、一般的な推定モデルでは摂取カロリーを変数として用いるため、摂取カロリーのモデルに含めることができる。

また、カロリー収支の関係式は、次式（４）で表すことができる。
Ｃ_in−Ｃ_heat＝Ｃ_Δbd＋Ｃ_act＋Ｃ_bm …（４）

ここで、Ｃ_Δbdは、脂肪又は筋肉として蓄えられるカロリー、Ｃ_actは、活動により消費されるカロリー、Ｃ_bmは、基礎代謝により消費されるカロリーを意味するものとする。

また、所定期間Ｔの間にｎ回の食事を摂取したとすると、所定期間Ｔの間に摂取した総カロリーは、次式（５）にて表すことができる。

また、所定期間Ｔの間に消費された総カロリーは、次式（６）にて表すことができる。

ここで、上式（６）の右辺第１項は、例えば、所定期間Ｔの開始時と終了時の体重差に定数を掛けて算出することができる。また、右辺第２項は、例えば、所定期間Ｔの間に活動量計１２によって計測した消費カロリーを積分することで算出することができる。また、右辺第３項は、例えば、所定期間Ｔの開始時と終了時の体重、身長、年齢の平均と性別情報により、ハリス−ベネディクトの公式などによって算出することができる。

このようにして求められる上式（６）の右辺の値（第１項、第２項、第３項の合計）をＣ_Tとすると、上式（５）、（６）より、次式（７）の関係が得られる。

そして、ある期間ｍにおける上式（７）の両辺の差を次式（８）のように表し、計測等によって得られたＳ_m、Ｃ_Tm、ｎ_mを代入して、｜ｇ_m（ａ，Ｓ_m，Ｃ_Tm）｜が最小となるａを、摂取カロリー推定モデルパラメータとして推定する。

以上のような計算により、摂取カロリー推定モデルパラメータを推定することができる。

ここで、ａの要素が複数ある場合には、上式（６）の右辺の体重増減等を離散的に計測するなどして、上式（８）の期間ｍ毎の複数の関係として得ることとし、例えば次式（９）を最小とするａを求めるようにしてもよい。

ところで、Ｃ_heatはＣ_inに比例する量として扱われることが一般的であり、その比例係数は、摂取した栄養素の種類によって異なると言われている。また、食事摂取による心拍上昇は、摂取した栄養素によって異なる変動を示すと仮定し、複数の栄養素を摂取した際は、それぞれの変動成分が合成された結果であると仮定することができる。

したがって、心拍第２ピーク面積Ｓ及び比例係数αを各栄養素毎のＬ個の面積、比例係数として定め、上式（３）のモデルを次式（１０）のように定義することができる。

また、上式（１０）を変形すると、次式（１１）のようになる。

ここで、αは予め定めた定数である。したがって、上式（１１）のように、上式（３）のｆを食事誘発性熱産生の影響も含めたｆ_hとして定義することにより、上述したようにして摂取カロリー推定モデルパラメータａを求めることができるようになっている。

（摂取カロリー推定モデルパラメータの推定方法（直線モデル））
次に、食事摂取時の摂取カロリーと、その時の心拍第２ピーク面積Ｓとの関係が直線関係にある場合の、摂取カロリー推定モデルパラメータの推定方法について、説明する。

この場合、食事誘発性熱産生は摂取カロリーに対して比例関係となるため、上式（３）は、次式（１２）として表すことができる。
Ｃ_in−Ｃ_heat＝Ｃ_in−αＣ_in＝ｖＳ＋ｗ …（１２）

ここで、ｖは傾き係数、ｗは切片係数、αは比例係数（例えば０．１）であるものとする。

この場合の、カロリー収支の関係式は、上式（４）で表されるため、所定期間Ｔの間にｎ回の食事を摂取したとすると、所定期間Ｔの間に摂取した総カロリーは、次式（１３）にて表すことができる。

なお、ΣＳ_kは、所定期間Ｔの間の各食事摂取時に検出されたＳを合算し、Ｓ_Tとして算出することができる。

また、所定期間Ｔの間に消費された総カロリーは、上式（６）にて表すことができる。また、上式（６）の右辺の値（第１項、第２項、第３項の合計）をＣ_Tとすると、上式（１３）、（６）より、次式（１４）の関係が得られる。
ｖＳ_T＋ｎｗ＝Ｃ_T …（１４）

そして、所定期間Ｔを定め、その期間Ｔの間の食事回数ｎ、Ｓ_T、Ｃ_Tを計測又は算出する処理を複数期間において実行することで、（ｎ、Ｓ_T、Ｃ_T）を複数取得し、例えば線形回帰によりｖＳ_T＋ｎｗ＝Ｃ_Tの係数ｖ、ｗを求める。

以上のような計算により、食事摂取時の摂取カロリーと、その時の心拍第２ピーク面積Ｓとの関係が直線関係にある場合において、摂取カロリー推定モデルパラメータを推定することが可能となっている。

なお、上記例においては、所定期間Ｔを定め、その期間Ｔの間の食事回数ｎ、Ｓ_T、Ｃ_Tを計測又は算出する処理を複数期間において実行する場合について説明したが、これに限られるものではない。例えば、食事回数Ｎを予め定めておき、Ｎ回の食事摂取が含まれる期間について、Ｓ_T、Ｃ_Tを計測又は算出する処理を複数期間において実行することとしてもよい。この場合、複数得られる（Ｓ_T、Ｃ_T）から、例えば線形回帰により、ＶＳ_T＋Ｗ＝Ｃ_Tの係数Ｖ，Ｗを求める。このとき、上式（１４）より、Ｖ＝ｖ、Ｗ＝Ｎｗであるため、上式（３）の係数を決定することが可能となっている。

以上、詳細に説明したように、本実施形態によると、エネルギー指標推定部２４は、所定期間Ｔにおいて生体が摂取したエネルギーに係る指標（摂取カロリーＣ_in）と、所定期間Ｔにおいて生体が消費したエネルギーに係る指標（消費カロリーＣ_out）と、所定期間Ｔにおいて生体に蓄積されたエネルギーの変化量に係る指標（蓄積カロリーの変化量Ｃ_body）と、の３つの指標のうち、１つの未知の指標以外の指標を推定モデルを用いて推定し、モデルパラメータ決定部２６は、３つの指標が満たす関係式（摂取カロリー＝消費カロリー＋蓄積カロリーの変化量）と、未知の指標以外の指標の推定結果とに基づいて、未知の指標を推定する（Ｓ５４）。そして、モデルパラメータ決定部２６は、推定モデルのモデルパラメータａ_i、ａ_o、ａ_bのうちの２つを予め取得し、残りの１つを、予め取得したモデルパラメータと３つの指標（Ｃ_in、Ｃ_out、Ｃ_body）の推定値に基づいて生成する（Ｓ５８）。また、生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標（本実施形態では心拍第２ピーク面積Ｓ）である。これにより、本実施形態では、推定した３つの指標（Ｃ_in、Ｃ_out、Ｃ_body）に基づいて未知のモデルパラメータを決定するため、３つのモデルパラメータを計測値等に基づいて決定する場合よりもモデルパラメータを簡単に決定することができる。また、本実施形態では、心拍第２ピーク面積Ｓに基づいて推定された摂取カロリーＣ_in、消費カロリーＣ_out及び蓄積カロリーの変化量Ｃ_bodyのいずれか２つに基づいて、残りの１つを推定するので、残りの１つを推定するために必要なエネルギー指標特徴量（生体情報等）を取得しなくてもよくなる。したがって、簡単に３つのエネルギーに係る指標を推定することが可能である。

また、本実施形態では、情報提示部２８は、３つの指標（Ｃ_in、Ｃ_out、Ｃ_body）のうちの少なくとも１つに基づいて、生体に関する情報をユーザに対して提示する。これにより、ユーザにカロリーの摂取や消費に関する注意喚起事項や、推奨する行動に関する情報を提供することが可能となる。また、情報提示部２８は、指標の差などに基づいて提示する情報を決定するため、簡易に提示する情報を決定することができる。

また、本実施形態では、摂取カロリーを推定する際に、心拍第２ピーク面積Ｓを用いるため、摂取カロリーを精度よく推定することが可能である。この場合、カロリーが既知である食事の摂取行動を行う必要なしに、心拍数から食事による摂取カロリーを精度良く推定できることができる。

なお、上記実施形態では、摂取カロリーを推定する際に、心拍第２ピーク面積Ｓを用いる場合について説明したが、これに限られるものではない。例えば、生体反応信号値の経時変化における１点と、食事終了後の生体反応信号値の経時変化における１点との間の上昇速度および下降速度の少なくとも一方を用いてもよい。また、生体反応信号値の経時変化における１点と、食事終了後の生体反応信号値の経時変化における１点との間の上昇幅および下降幅の少なくとも一方を用いてもよい。また、生体反応信号値の経時変化における１点と、食事終了後の生体反応信号値の経時変化における１点との間の時間幅を用いてもよい。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記録媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の実施形態の説明に関して、更に以下の付記を開示する。
（付記１） 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を推定モデルを用いて推定する第１推定部と、
前記３つの指標が満たす関係式と、前記第１推定部の推定結果とに基づいて、前記未知の指標を推定する第２推定部と、
前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する生成部と、を備え、
前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
ことを特徴とする情報処理装置。
（付記２） 前記生成部は、前記推定モデルのモデルパラメータのうち少なくとも１つの未知のモデルパラメータ以外のモデルパラメータを予め取得し、予め取得したモデルパラメータと前記３つの指標の推定値に基づいて、前記未知のモデルパラメータを決定する、ことを特徴とする付記１に記載の情報処理装置。
（付記３） 前記第１推定部は、前記生体に関する実測値又は入力値に基づいて、前記未知の指標以外の指標を前記推定モデルを用いて推定する、ことを特徴とする付記１又は２に記載の情報処理装置。
（付記４） 前記３つの指標のうちの少なくとも１つに基づいて、前記生体に関する情報を出力する出力部を更に備える付記１〜３のいずれかに記載の情報処理装置。
（付記５） 前記生体に関する情報は、少なくとも、前記生体が摂取したエネルギーに係る指標と、前記生体が消費したエネルギーに係る指標の差又は比に基づく情報であることを特徴とする付記４に記載の情報処理装置。
（付記６） 前記特徴量は、食事終了後の前記生体反応信号値の経時変化における積分値を含む、ことを特徴とする付記１〜５のいずれかに記載の情報処理装置。
（付記７）前記生体が摂取したエネルギーに係る指標は、炭水化物と、脂質と、タンパク質と、の少なくとも１つを含む摂取物のエネルギーに係る指標であることを特徴とする付記１〜６のいずれかに記載の情報処理装置。
（付記８）前記生体が消費したエネルギーに係る指標は、活動誘発エネルギー支出と、基礎代謝と、食事誘発熱産生と、非活動熱産生と、の少なくとも１つを含む摂取物のエネルギーに係る指標であることを特徴とする付記１〜７のいずれかに記載の情報処理装置。
（付記９）前記生体に蓄積されたエネルギーに係る指標は、脂肪による蓄積カロリーと、肝臓による蓄積カロリーと、筋肉による蓄積カロリーと、の少なくとも１つを含む摂取物のエネルギーに係る指標であることを特徴とする付記１〜８のいずれかに記載の情報処理装置。
（付記１０） 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を推定モデルを用いて推定し、
前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定し、
前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する、処理をコンピュータが実行し、
前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
ことを特徴とする情報処理方法。
（付記１１） 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を推定モデルを用いて推定し、
前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定し、
前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する、処理をコンピュータに実行させ、
前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
ことを特徴とする情報処理プログラム。
（付記１２） 生体に関する情報を取得する取得装置と、
所定期間において前記生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、前記取得装置が取得した情報と、推定モデルと、を用いて推定する第１推定部と、前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定する第２推定部と、前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する生成部と、を有する情報処理装置と、を備え、
前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
ことを特徴とする情報処理システム。

２０ 情報処理装置
２４ エネルギー指標推定部（第１推定部）
２６ モデルパラメータ決定部（第２推定部、生成部）
２８ 情報提示部（出力部）
１００ 情報処理システム

Claims (9)

1. 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、取得した生体に関する情報と、推定モデルと、を用いて推定する第１推定部と、
   前記３つの指標が満たす関係式と、前記第１推定部の推定結果とに基づいて、前記未知の指標を推定する第２推定部と、
   前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する生成部と、を備え、
   前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
   ことを特徴とする情報処理装置。
2. 前記生成部は、前記推定モデルのモデルパラメータのうち少なくとも１つの未知のモデルパラメータ以外のモデルパラメータを予め取得し、予め取得したモデルパラメータと前記３つの指標の推定値に基づいて、前記未知のモデルパラメータを決定する、ことを特徴とする請求項１に記載の情報処理装置。
3. 前記生体に関する情報は、前記生体に関する実測値又は入力値である、ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記３つの指標のうちの少なくとも１つに基づく情報を出力する出力部を更に備える請求項１〜３のいずれか一項に記載の情報処理装置。
5. 前記出力部が出力する情報は、少なくとも、前記生体が摂取したエネルギーに係る指標と、前記生体が消費したエネルギーに係る指標の差又は比に基づく情報であることを特徴とする請求項４に記載の情報処理装置。
6. 前記特徴量は、食事終了後の前記生体反応信号値の経時変化における積分値を含む、ことを特徴とする請求項１〜５のいずれか一項に記載の情報処理装置。
7. 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、取得した生体に関する情報と、推定モデルと、を用いて推定し、
   前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定し、
   前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する、処理をコンピュータが実行し、
   前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
   ことを特徴とする情報処理方法。
8. 所定期間において生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、取得した生体に関する情報と、推定モデルと、を用いて推定し、
   前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定し、
   前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する、処理をコンピュータに実行させ、
   前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
   ことを特徴とする情報処理プログラム。
9. 生体に関する情報を取得する取得装置と、
   所定期間において前記生体が摂取したエネルギーに係る指標と、前記所定期間において前記生体が消費したエネルギーに係る指標と、前記所定期間において前記生体に蓄積されたエネルギーの変化量に係る指標と、の３つの指標のうち、１つの未知の指標以外の指標を、前記取得装置が取得した情報と、推定モデルと、を用いて推定する第１推定部と、前記３つの指標が満たす関係式と、前記未知の指標以外の指標の推定結果とに基づいて、前記未知の指標を推定する第２推定部と、前記推定モデルのモデルパラメータのうちの少なくとも１つを、前記３つの指標の推定値に基づいて生成する生成部と、を有する情報処理装置と、を備え、
   前記生体が摂取したエネルギーに係る指標は、食事終了後の食事に由来する生体反応信号値の経時変化の特徴量に関連する指標である、
   ことを特徴とする情報処理システム。
   

Images