JP6751903B2 - 噴嚔予測システムおよび噴嚔予測方法 - Google Patents

噴嚔予測システムおよび噴嚔予測方法 Download PDF

Info

Publication number
JP6751903B2
JP6751903B2 JP2019517505A JP2019517505A JP6751903B2 JP 6751903 B2 JP6751903 B2 JP 6751903B2 JP 2019517505 A JP2019517505 A JP 2019517505A JP 2019517505 A JP2019517505 A JP 2019517505A JP 6751903 B2 JP6751903 B2 JP 6751903B2
Authority
JP
Japan
Prior art keywords
human body
information
prediction
airway
sneeze
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.)
Expired - Fee Related
Application number
JP2019517505A
Other languages
English (en)
Other versions
JPWO2018207520A1 (ja
Inventor
祐司 尾崎
祐司 尾崎
遥 仲宗根
遥 仲宗根
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JPWO2018207520A1 publication Critical patent/JPWO2018207520A1/ja
Application granted granted Critical
Publication of JP6751903B2 publication Critical patent/JP6751903B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Pulmonology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本発明は、噴嚔の発生を予測するための噴嚔予測システム等に関する。
特許文献１は、自車両の運転操作を制御する車両操作支援装置を示している。この車両挙動制御装置は、自車両のドライバのくしゃみといった所定の生理現象を検知する。そして、所定の生理現象が検知された際に、車両挙動制御装置は、ドライバによる所定の操作が行われたか否かを判定する。所定の操作が行われたと判定された場合に、車両挙動制御装置は、所定の操作による自車両の挙動を緩和する緩和制御を行なう。これにより、くしゃみといった所定の生理現象を原因とする意図しない急な車両挙動を緩和することが可能になる。
特開２０１１−１４０２７１号公報
しかしながら、くしゃみと呼ばれる噴嚔の検知結果に従って行われる制御は、噴嚔の検知後に行われるため、手遅れになる可能性がある。
そこで、本発明は、人体における噴嚔の発生を適切に予測することができる噴嚔予測システム等を提供することを目的とする。
本発明の一態様における噴嚔予測システムは、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、前記取得部は、さらに、前記人体の気道を示す気道モデルを取得し、前記予測部は、前記気道モデルに対して前記環境情報および前記人体情報のデータ同化を行い、前記環境情報および前記人体情報のデータ同化が行われた前記気道モデルに従って、前記気道の状態である気道状態を推定し、推定された前記気道状態に従って、前記噴嚔の発生を予測する。また、本発明の一態様における噴嚔予測システムは、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、前記人体情報は、前記人体の気道を示す気道モデルを含む。また、本発明の一態様における噴嚔予測システムは、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、前記取得部は、前記人体から離れた空間である観測空間における状態を示す状態情報を取得し、前記人体および前記観測空間を含む空間を示す空間モデルに対して前記状態情報のデータ同化を行い、前記状態情報のデータ同化が行われた前記空間モデルに従って、前記観測空間よりも前記人体に近い空間である近傍空間における前記環境を推定し、推定された前記環境を示す前記環境情報を取得する。
本発明の一態様における噴嚔予測方法は、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、前記取得ステップは、さらに、前記人体の気道を示す気道モデルを取得し、前記予測ステップは、前記気道モデルに対して前記環境情報および前記人体情報のデータ同化を行い、前記環境情報および前記人体情報のデータ同化が行われた前記気道モデルに従って、前記気道の状態である気道状態を推定し、推定された前記気道状態に従って、前記噴嚔の発生を予測する。また、本発明の一態様における噴嚔予測方法は、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、前記人体情報は、前記人体の気道を示す気道モデルを含む。また、本発明の一態様における噴嚔予測方法は、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、前記取得ステップは、前記人体から離れた空間である観測空間における状態を示す状態情報を取得し、前記人体および前記観測空間を含む空間を示す空間モデルに対して前記状態情報のデータ同化を行い、前記状態情報のデータ同化が行われた前記空間モデルに従って、前記観測空間よりも前記人体に近い空間である近傍空間における前記環境を推定し、推定された前記環境を示す前記環境情報を取得する。
本発明の一態様における噴嚔予測システム等は、人体における噴嚔の発生を適切に予測することができる。
図１は、実施の形態における噴嚔予測システムの構成の例を示すブロック図である。 図２は、実施の形態における情報源の例を示す概念図である。 図３は、実施の形態における噴嚔予測システムの動作の例を示すフローチャートである。 図４は、具体例１における噴嚔予測モデルの例を示す概念図である。 図５は、具体例１における噴嚔予測システムの動作の例を示すフローチャートである。 図６は、具体例２における気道モデルの例を示す概念図である。 図７は、具体例２における噴嚔予測システムの動作の例を示すフローチャートである。 図８は、具体例３における空間モデルの例を示す概念図である。 図９は、具体例３における取得部の動作の例を示すフローチャートである。
以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示す。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置および接続形態、動作の順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素は、任意の構成要素として説明される。
（実施の形態）
図１は、本実施の形態における噴嚔予測システムの構成の例を示すブロック図である。図１に示された噴嚔予測システム１００は、取得部１０１および予測部１０２を備える。
噴嚔予測システム１００は、人体における噴嚔の発生を予測するシステムであり、例えば、コンピュータシステムである。噴嚔予測システム１００は、噴嚔予測装置とも表現され得る。噴嚔予測システム１００は、単一の装置であってもよいし、複数の装置で構成されてもよい。また、噴嚔予測システム１００は、噴嚔の発生が予測される人体の近くに設置されてもよいし、遠くに設置されてもよい。なお、噴嚔は、くしゃみを意味する。
取得部１０１は、人体における噴嚔の発生を予測するための情報を取得する取得器である。取得部１０１は、汎用または専用の電気回路であってもよい。取得部１０１は、有線または無線の通信で情報を受信することによって情報を取得してもよい。この場合、取得部１０１は、通信のための端子またはアンテナを備えていてもよい。
例えば、取得部１０１は、各種のセンサから情報を受信することによって、各種のセンサで検知された情報を取得してもよい。取得部１０１は、情報を検知するための各種のセンサを備えていてもよい。
また、取得部１０１は、マウス、キーボードまたはタッチパネル等の入力インタフェースを介して情報を取得してもよい。また、取得部１０１は、記録媒体などのメモリから情報を取得してもよい。また、取得部１０１は、入力インタフェースを備えていてもよいし、メモリを備えていてもよい。また、取得部１０１は、取得された情報に対して情報処理を行い、情報処理の結果を新たな情報として取得してもよい。
具体的には、取得部１０１は、環境を示す環境情報を取得する。例えば、環境は、人体に対する環境であって、人体の周辺における温度、湿度、空気質、塵埃量、花粉量、ＰＭ２．５濃度、におい、風速、風向き、放射線量、または、浮遊粒子状物質特性等を含む。また、着衣量が、環境に含まれてもよい。
環境は、環境センサによって検知されてもよい。そして、取得部１０１は、検知された環境を示す環境情報を環境センサから取得してもよい。取得部１０１は、環境を検知する環境センサを備えていてもよい。
あるいは、取得部１０１は、環境センサによらず、環境情報を取得してもよい。例えば、取得部１０１は、環境に影響を与える空調機または送風機等の機器の状態を示す情報を環境情報として取得してもよいし、機器の状態から推定される温度および湿度等を示す環境情報を取得してもよい。また、取得部１０１は、人体の位置を示す情報を環境情報として取得してもよいし、人体の位置から推定される温度および湿度等を示す環境情報を取得してもよい。
また、取得部１０１は、入力インタフェースを介して環境情報を取得してもよい。また、取得部１０１は、複数の情報源の組み合わせから環境情報を取得してもよい。
また、取得部１０１は、人体の属性を示す人体情報を取得する。例えば、人体の属性は、血圧、脈拍、心拍、血液成分、呼吸量、肺活量、アレルギー強度、代謝量、体温、体表面温度、身長、体重、年齢、性別、または、自律神経バランス等を含む。
また、人体の属性は、ＭＲＩ（核磁気共鳴画像法：Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）によって得られる画像であるＭＲＩ画像、または、ＭＲＩ画像によって示される特徴を含んでいてもよい。また、人体の属性は、ＣＴ（コンピュータ断層撮影：Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）によって得られる画像であるＣＴ画像、または、ＣＴ画像によって示される特徴を含んでいてもよい。
また、人体情報は、人体の生体情報、バイタルサイン、バイタルデータまたは血液情報等に含まれる属性を人体の属性として示してもよい。また、人体情報は、行動特性を人体の属性として示してもよい。例えば、行動特性は、外出先、外出時刻、外出期間、行動内容、食事内容、服薬内容、起床時間、就寝時間、または、生活習慣等を含む。
人体の生体情報の属性は、人体の属性として、生体センサによって検知されてもよい。そして、取得部１０１は、検知された属性を示す人体情報を生体センサから取得してもよい。取得部１０１は、人体の生体情報の属性を人体の属性として検知する生体センサを備えていてもよい。
あるいは、取得部１０１は、生体センサによらず、人体情報を取得してもよい。例えば、取得部１０１は、入力インタフェースを介して予め入力されメモリに記憶された人体情報をメモリから取得してもよい。また、取得部１０１は、複数の情報源の組み合わせから人体情報を取得してもよい。
また、取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報を取得してもよい。例えば、実績情報は、人体において噴嚔が発生したか否かを実績値として示す。実績情報は、人体において噴嚔が発生した頻度を実績値として示してもよい。人体における噴嚔の発生は、カメラで得られる画像、マイクで得られる音、または、これらの組み合わせによって検知されてもよい。
例えば、取得部１０１は、カメラで得られる画像をカメラから取得し、マイクで得られる音をマイクから取得する。そして、取得部１０１は、取得された画像に対して画像認識を行い、取得された音に対して音認識を行う。そして、取得部１０１は、画像認識および音認識の結果に従って、人体において噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報の取得に用いられるカメラおよびマイクを備えていてもよい。
あるいは、生体センサが、人体において噴嚔が発生したか否かを検知してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を生体センサから取得してもよい。取得部１０１は、人体において噴嚔が発生したか否かを検知する生体センサを備えていてもよい。
また、取得部１０１は、人体の気道を示す気道モデルを取得してもよい。ここで、気道モデルは、人体の気道の形状が反映された数理モデルである。例えば、取得部１０１は、ＭＲＩ画像またはＣＴ画像等を取得する。そして、取得部１０１は、ＭＲＩ画像またはＣＴ画像等から人体の気道の形状を推定し、推定された形状の数理モデル化を行うことにより、気道を数理モデルとして示す気道モデルを取得する。
あるいは、取得部１０１は、ＭＲＩ画像またはＣＴ画像等に従って他のコンピュータシステムで構築された気道モデルを他のコンピュータシステムから取得してもよい。また、取得部１０１は、気道モデルを含む人体情報を取得してもよい。
また、取得部１０１は、観測空間における状態を示す状態情報を取得してもよい。観測空間は、人体から離れた空間であって、状態が観測される空間である。この状態は、観測空間における機器の動作の状態であってもよいし、観測空間における環境センサによって環境として検知された状態であってもよい。取得部１０１は、状態を示す状態情報を機器または環境センサ等から取得してもよい。
そして、取得部１０１は、取得された状態情報に従って、観測空間よりも人体に近い空間である近傍空間における環境を示す環境情報を取得してもよい。近傍空間は、人体の表面付近の空間であってもよいし、人体の鼻または口付近の空間であってもよい。
例えば、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して、取得された状態情報のデータ同化を行う。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、近傍空間における環境を推定する。そして、取得部１０１は、推定された環境を示す環境情報を取得する。人体および観測空間を含む空間は、包括空間とも表現され得る。
また、取得部１０１は、複数種の情報を取得する複数の取得部で構成されていてもよい。例えば、取得部１０１は、環境情報を取得する環境情報取得部、人体情報を取得する人体情報取得部、実績情報を取得する実績情報取得部、状態情報を取得する状態情報取得部、および、気道モデルを取得する気道モデル取得部を含んでいてもよい。
予測部１０２は、取得部１０１で取得された情報に従って、人体における噴嚔の発生を予測する予測器である。予測部１０２は、汎用または専用の電気回路であってもよい。
例えば、予測部１０２は、人体において噴嚔が発生するか否かを予測する。あるいは、予測部１０２は、人体において噴嚔が発生する可能性、つまり人体において噴嚔が発生する確率を予測してもよい。言い換えれば、予測部１０２は、人体において噴嚔が発生する可能性、つまり人体において噴嚔が発生する確率を推定してもよい。
そして、予測部１０２は、人体における噴嚔の発生の予測結果を出力する。予測部１０２は、予測結果をディスプレイ等に表示することにより予測結果を出力してもよいし、予測結果を音声として出力してもよいし、予測結果をデータとして他のシステムへ出力してもよい。
また、本実施の形態において、予測部１０２は、取得部１０１で取得された環境情報および人体情報に従って、人体における噴嚔の発生を予測する。例えば、予測部１０２は、噴嚔が発生しやすい環境を環境情報が示しているか否か、および、噴嚔が発生しやすい人体の属性を人体情報が示しているか否か等に従って、人体における噴嚔の発生を予測してもよい。
また、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、かつ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。予測情報は、人体において噴嚔が発生するか否かを予測値として示してもよいし、人体において噴嚔が発生する確率を予測値として示してもよい。
そして、予測部１０２は、上記の噴嚔予測モデルに従って、取得部１０１で取得された環境情報および人体情報から予測情報を導出し、導出された予測情報に従って噴嚔の発生を予測してもよい。また、予測部１０２は、取得部１０１で取得された実績情報に従って、上記の噴嚔予測モデルを更新してもよい。より具体的には、予測部１０２は、上記の噴嚔予測モデルにおける予測情報に実績情報を反映させてもよい。
あるいは、予測部１０２は、噴嚔の発生を予測するため、取得部１０１で取得された気道モデルに対して、取得部１０１で取得された環境情報および人体情報のデータ同化を行ってもよい。つまり、予測部１０２は、気道モデルに環境情報および人体情報を反映させてもよい。
そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、人体の気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って噴嚔の発生を予測してもよい。すなわち、予測部１０２は、推定された気道状態を示す気道状態情報に従って噴嚔の発生を予測してもよい。具体的には、予測部１０２は、推定された気道状態を示す状態値に従って噴嚔の発生を予測してもよい。
気道状態は、気道に付着している花粉または塵埃等である異物の量に関する状態でもよいし、気道における気流の大きさに関する状態でもよいし、気道における空気の成分に関する状態でもよい。気道状態の状態値は、気道に付着している異物の量を示す値でもよいし、気道における気流の大きさを示す値でもよいし、気道における空気の成分を示す値でもよい。
例えば、予測部１０２は、噴嚔が発生しやすい気道状態に、推定された気道状態が適合するか否かに従って、人体における噴嚔の発生を予測する。また、予測部１０２は、気道状態の状態値を噴嚔の発生の予測値に変換する関係式に従って、推定された気道状態の状態値から噴嚔の発生の予測値を導出し、導出された予測値に従って、噴嚔の発生を予測してもよい。この予測値は、人体において噴嚔が発生するか否かの予測値でもよいし、人体において噴嚔が発生する確率の予測値でもよい。
あるいは、予測部１０２は、推定された気道状態の状態値が閾値よりも大きいか否かに従って、人体において噴嚔が発生するか否かを予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値と、１以上の閾値とを比較することにより、人体において噴嚔が発生する確率を予測してもよい。
より具体的には、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道に付着している異物の量を気道状態として推定してもよい。そして、予測部１０２は、異物の量が多いほど、噴嚔の発生の確率を高く予測してもよい。その際、異物の量を噴嚔の発生の確率に変換する関係式が用いられてもよいし、異物の量と１以上の閾値との比較結果が用いられてもよい。
また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行ってもよい。そして、予測部１０２は、次元削減が行われた気道モデルに従って気道状態を推定してもよい。
また、噴嚔予測システム１００は、さらに、人体における噴嚔の発生の予測結果を出力する出力部（図示せず）を備えていてもよい。出力部は、予測結果をディスプレイ等に表示することにより予測結果を出力してもよいし、予測結果を音声として出力してもよいし、予測結果をデータとして他のシステムへ出力してもよい。
図２は、図１に示された取得部１０１によって取得される情報の情報源の例を示す概念図である。図２には、情報源の例として、機器１１１、環境センサ１１２、生体センサ１１３、カメラ１１４、および、マイク１１５が示されている。例えば、取得部１０１は、これらの情報源から有線または無線の通信によって情報を取得する。
機器１１１は、人体に対する環境に影響を与える機器である。機器１１１は、空調機、送風機、加湿器、換気扇、扇風機、空気清浄機または掃除機等である。取得部１０１は、機器１１１の動作の状態を示す状態情報を環境情報として取得してもよい。あるいは、取得部１０１は、機器１１１の動作の状態を示す状態情報から人体に対する環境を推定することにより、推定された環境を示す環境情報を取得してもよい。
例えば、取得部１０１は、機器１１１が送風動作を行っているか否かの状態を示す状態情報を環境情報として取得してもよい。あるいは、取得部１０１は、機器１１１が送風動作を行っているか否かの状態を示す状態情報を取得し、取得された状態情報から風速を推定しもよい。そして、取得部１０１は、推定された風速を示す環境情報を取得してもよい。
環境センサ１１２は、環境を検知するセンサである。例えば、環境センサ１１２は、温度、湿度、空気質、塵埃量、花粉量、ＰＭ２．５濃度、におい、風速、風向き、放射線量、または、浮遊粒子状物質特性等を検知する。環境センサ１１２は、これらの任意の組み合わせを検知してもよい。また、環境センサ１１２は、複数のセンサで構成されていてもよい。
例えば、取得部１０１は、環境センサ１１２によって検知された環境を示す環境情報を環境センサ１１２から取得する。あるいは、取得部１０１は、環境センサ１１２によって検知された環境を状態として示す状態情報を環境センサ１１２から取得してもよい。取得部１０１は、状態情報から、環境センサ１１２よりも人体に近い近傍空間における環境を推定し、推定された環境を示す環境情報を取得してもよい。
具体的には、人体よりも高い位置に環境センサ１１２が設置されている場合、環境センサ１１２によって人体の付近よりも高い温度が検知されると想定される。この場合、取得部１０１は、環境センサ１１２から取得された状態情報によって示される温度よりも低い温度を近傍空間における環境として推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
生体センサ１１３は、人体の生体情報に関する属性を検知するセンサである。例えば、生体センサ１１３は、血圧、脈拍、心拍、呼吸量、体温または体表面温度等を検知する。生体センサ１１３は、これらの任意の組み合わせを検知してもよい。生体センサ１１３は、複数のセンサで構成されてもよい。また、生体センサ１１３は、人体に装着されてもよい。そして、例えば、取得部１０１は、生体センサ１１３によって検知された属性を示す人体情報を生体センサ１１３から取得する。
また、生体センサ１１３は、人体において噴嚔が発生したか否かを検知してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を生体センサ１１３から取得してもよい。
カメラ１１４は、デジタルカメラであって、画像を電気信号として取得する機器である。カメラ１１４は、人体を被写体として含む画像を取得する。カメラ１１４は、画像を映像として取得してもよい。
例えば、取得部１０１は、カメラ１１４で取得された画像をカメラ１１４から取得する。そして、取得部１０１は、カメラ１１４から取得された画像に対する画像認識の結果に従って、人体において噴嚔が発生したか否かを検知する。具体的には、取得部１０１は、カメラ１１４から取得された画像の特徴が、噴嚔の発生時の画像の特徴に適合するか否かに従って、噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
マイク１１５は、音を電気信号として取得する機器である。マイク１１５は、人体の付近の音を取得することにより、人体が発する音を取得する。
例えば、取得部１０１は、マイク１１５で取得された音をマイク１１５から取得する。そして、取得部１０１は、マイク１１５から取得された音に対する音認識の結果に従って、人体において噴嚔が発生したか否かを検知する。具体的には、取得部１０１は、マイク１１５から取得された音が、噴嚔の発生時の音に適合するか否かに従って、噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
なお、取得部１０１は、生体センサ１１３から取得される情報、カメラ１１４から取得される情報、および、マイク１１５から取得される情報のうちの１以上に従って、人体における噴嚔の発生の実績値を示す実績情報を取得してもよい。
例えば、取得部１０１は、生体センサ１１３から取得される情報、カメラ１１４から取得される情報、および、マイク１１５から取得される情報の任意の組み合わせに従って、人体において噴嚔が発生したか否かを総合的に判定してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの総合的な判定結果を実績値として示す実績情報を取得してもよい。
また、環境センサ１１２は、生体センサ１１３と同様に、人体に装着されてもよい。また、生体センサ１１３と環境センサ１１２とが一体化されていてもよい。
また、図示しない開閉センサが、ドアまたは窓の開閉を検知してもよい。取得部１０１は、開閉センサから、ドアまたは窓の開閉の状態を示す状態情報を取得してもよい。取得部１０１は、開閉センサから取得される状態情報を環境情報の取得に用いてもよい。例えば、取得部１０１は、ドアまたは窓が開かれていることを示す状態情報に従って、浄化された環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
また、取得部１０１は、複数のセンサおよび複数の機器から複数の状態を示す状態情報を取得してもよい。そして、取得部１０１は、複数の状態から、複数のセンサおよび複数の機器のどれよりも人体または人体の呼吸器系に近い環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
また、図２は、情報源の例を示し、情報源は、図２の例に限られない。特に、人体情報は、生体センサ１１３から得られる情報に限られない。例えば、取得部１０１は、入力インタフェースを介して入力された人体情報等を取得してもよい。また、取得部１０１は、記録媒体などのメモリ、または、他のコンピュータシステムから、気道モデル等を取得してもよい。
図３は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本実施の形態において、噴嚔予測システム１００は、図３に示された動作を行う。
まず、噴嚔予測システム１００の取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する（Ｓ１０１）。例えば、取得部１０１は、図２に示された機器１１１または環境センサ１１２から環境情報を取得する。また、例えば、取得部１０１は、図２に示された生体センサ１１３から人体情報を取得する。
次に、噴嚔予測システム１００の予測部１０２は、環境情報および人体情報に従って、人体における噴嚔の発生を予測する（Ｓ１０２）。予測部１０２は、人体において噴嚔が発生するか否かを予測してもよいし、人体において噴嚔が発生する確率を予測してもよい。
これにより、噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
例えば、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。これにより、噴嚔予測システム１００は、環境情報および人体情報から適切な予測情報を導出することができ、導出された予測情報に従って、噴嚔の発生を適切に予測することができる。
噴嚔予測モデルが用いられる場合において、取得部１０１は、さらに、噴嚔の発生の実績値を示す実績情報を取得してもよい。そして、予測部１０２は、取得された実績情報に従って、噴嚔予測モデルを更新してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の実績に従って、噴嚔の発生の予測精度を改善することができる。
また、例えば、噴嚔の発生の予測（Ｓ１０２）の前に、取得部１０１は、人体の気道を示す気道モデルを取得してもよい。そして、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、気道モデルに対して環境情報および人体情報のデータ同化を行ってもよい。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って噴嚔の発生を予測してもよい。
これにより、噴嚔予測システム１００は、気道モデル、環境情報および人体情報から推定される気道状態に従って、噴嚔の発生を適切に予測することができる。
気道モデルが用いられる場合、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、推定された気道状態の状態値、および、状態値と噴嚔の発生の予測値との関係式に従って、噴嚔の発生を予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値、および、１以上の閾値に従って、噴嚔の発生を予測してもよい。これにより、噴嚔予測システム１００は、気道状態の状態値等に従って、噴嚔の発生を適切に予測することができる。
また、気道モデルが用いられる場合において、予測部１０２は、気道モデルの次元削減を行い、次元削減が行われた気道モデルに従って気道状態を推定してもよい。これにより、噴嚔予測システム１００は、簡素化された気道モデルに従って、高速に気道状態を推定することができる。
また、例えば、取得部１０１は、人体情報の取得（Ｓ１０１）において、人体の気道を示す気道モデルを含む人体情報を取得してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、気道モデルを反映させることができる。気道モデルは、噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される気道モデルを含む人体情報、および、環境情報によって、適切に、噴嚔の発生を予測することができる。
また、例えば、取得部１０１は、環境情報の取得（Ｓ１０１）において、人体から離れた観測空間における状態を示す状態情報を取得してもよい。そして、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して状態情報のデータ同化を行ってもよい。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、人体に近い空間における環境を示す環境情報を反映させることができる。人体に近い空間における環境を示す環境情報は、噴嚔の発生に大きく影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される環境情報、および、人体情報によって、より適切に、噴嚔の発生を予測することができる。
次に、上記の噴嚔予測システム１００の動作に関し、図４〜図９を用いて、複数の具体例を説明する。
（具体例１）
まず、図４および図５を用いて、具体例１を説明する。本具体例において、噴嚔予測システム１００は、噴嚔予測モデルを用いて、噴嚔の発生を予測する。
図４は、図１に示された噴嚔予測システム１００によって用いられる噴嚔予測モデルの例を示す概念図である。本具体例において、噴嚔予測システム１００は、図４に示されているような噴嚔予測モデルを用いる。
噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、予測情報が目的変数として用いられるモデルである。本具体例において、環境情報は、温度および花粉量等を示す。また、人体情報は、血圧および体重等を示す。また、予測情報は、噴嚔の発生の予測値を示し、具体的には、噴嚔が発生するか否かの予測値を示す。
また、噴嚔予測モデルにおいて、環境情報と、人体情報と、予測情報とが互いに対応付けられている。具体的には、環境情報の複数のパターンと、人体情報の複数のパターンとの各組み合わせに対して、予測情報が対応付けられている。これにより、噴嚔予測システム１００は、環境情報および人体情報から予測情報を導出することができる。
噴嚔予測モデルは、取得部１０１によって取得されてもよいし、予測部１０２に予め組み込まれていてもよい。また、予測部１０２は、データベースを備え、噴嚔予測モデルは、データベースのテーブルとして実装されてもよい。
図５は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本具体例において、噴嚔予測システム１００は、図５に示された動作を行う。
まず、噴嚔予測システム１００の取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する（Ｓ１１１）。本具体例において、取得部１０１は、温度および花粉量等を示す環境情報、および、血圧および体重等を示す人体情報を取得する。
次に、噴嚔予測システム１００の予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、人体における噴嚔の発生を予測する（Ｓ１１２）。具体的には、予測部１０２は、噴嚔予測モデルに従って、環境情報によって示される温度および花粉量等、並びに、人体情報によって示される血圧および体重等に対応付けられている予測値を導出する。そして、予測部１０２は、導出された予測値に従って、人体における噴嚔の発生を予測する。
次に、噴嚔予測システム１００の取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報を取得する（Ｓ１１３）。例えば、取得部１０１は、図２に示されたカメラ１１４およびマイク１１５から画像および音を取得し、取得された画像および音に対して画像認識および音認識を行うことにより、人体における噴嚔の発生を検知する。そして、取得部１０１は、人体における噴嚔の発生を検知することにより、人体における噴嚔の発生の実績値を示す実績情報を取得する。
次に、噴嚔予測システム１００の予測部１０２は、取得部１０１で取得された実績情報に従って、噴嚔予測モデルを更新する（Ｓ１１４）。
例えば、予測部１０２は、噴嚔予測モデルにおいて、取得部１０１で取得された環境情報および人体情報に対応付けられている予測情報における予測値を取得部１０１で取得された実績情報における実績値に更新する。また、予測部１０２は、取得部１０１で取得された環境情報と人体情報と実績情報との組み合わせを環境情報と人体情報と予測情報との組み合わせとして噴嚔予測モデルに挿入することにより、噴嚔予測モデルを更新してもよい。
そして、噴嚔予測システム１００は、上記の一連の処理（Ｓ１１１〜Ｓ１１４）を繰り返す。これにより、噴嚔予測システム１００は、噴嚔予測モデル等に従って、噴嚔の発生を予測し、また、噴嚔の発生の実績に従って、噴嚔予測モデルを更新することができる。
なお、噴嚔の発生の実績に従って噴嚔予測モデルを更新する処理（Ｓ１１４）は、省略されてもよい。この場合、実績情報の取得（Ｓ１１３）も省略されてもよい。
また、一連の処理（Ｓ１１１〜Ｓ１１４）の繰り返しにおいて、環境情報および人体情報のうち、一方の情報が繰り返して取得されてもよい。そして、他方の情報は、初回のみ取得され、繰り返して取得されなくてもよい。
また、噴嚔予測システム１００は、予測部１０２とは別に、噴嚔予測モデルを更新する更新部を備えていてもよい。
また、本具体例において、噴嚔予測モデルは、テーブルで表現されている。しかしながら、噴嚔予測モデルは、テーブルで表現されるモデルに限定されない。噴嚔予測モデルは、関係式で表現されてもよい。また、噴嚔予測モデルは、機械学習で用いられるニューラルネットワークモデルで表現されてもよい。さらに、噴嚔予測モデルは、深層学習で用いられる多層構造のニューラルネットワークモデルで表現されてもよい。噴嚔予測モデルは、学習モデルとも表現され得る。
（具体例２）
次に、図６および図７を用いて、具体例２を説明する。本具体例において、噴嚔予測システム１００は、気道モデルを用いて、噴嚔の発生を予測する。
図６は、図１に示された噴嚔予測システム１００によって用いられる気道モデルの例を示す概念図である。本具体例において、噴嚔予測システム１００は、図６に概念的に示されているような気道モデルであって、気道を数理モデルとして示す気道モデルを用いる。具体的には、噴嚔予測システム１００は、環境情報および人体情報のデータ同化が行われた気道モデルに従って気道の状態である気道状態を推定し、推定された気道状態に従って噴嚔の発生を予測する。
例えば、噴嚔予測システム１００の取得部１０１は、入力インタフェース等を介して噴嚔予測システム１００に入力されたＭＲＩ画像またはＣＴ画像等を取得する。そして、取得部１０１は、ＭＲＩ画像またはＣＴ画像等から人体の気道の形状を推定し、推定された形状の数理モデルを気道モデルとして取得する。つまり、気道モデルが取得部１０１によって取得された段階において、気道モデルは気道の形状を示す。
また、噴嚔予測システム１００の取得部１０１は、環境情報および人体情報を取得する。そして、噴嚔予測システム１００の予測部１０２は、気道モデルに対して、環境情報および人体情報のデータ同化を行う。つまり、予測部１０２は、気道モデルに対して、環境情報および人体情報を反映させる。
例えば、環境情報は、気道に入る空気の性質に影響する。また、例えば、人体情報は、気道の内部の状態、特に気道の内面の状態に影響し、また、気道に入る空気の量に影響する。具体的には、環境情報における温度、湿度および花粉量などは、気道に入る空気の性質に影響し得る。また、人体情報における血液成分、代謝量、体温、食事内容およびアレルギー強度等は、気道の内部の状態、特に気道の内面の状態に影響し得る。また、人体情報における呼吸量および肺活量等は、気道に入る空気の量に影響し得る。
したがって、環境情報および人体情報のデータ同化が行われた気道モデルは、気道に入る空気の性質および量、並びに、気道の内部の状態等を示し得る。つまり、環境情報および人体情報のデータ同化が行われた気道モデルは、気道における空気の成分を含む気道状態を示し得る。予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道状態を推定する。推定される気道状態には、気道における空気の成分も含まれ得る。
そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルから推定される気道状態に従って、噴嚔の発生を予測する。
図７は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本具体例において、噴嚔予測システム１００は、図７に示された動作を行う。
まず、噴嚔予測システム１００の取得部１０１は、気道モデル、環境情報および人体情報を取得する（Ｓ１２１）。例えば、取得部１０１は、入力インタフェース等を介してＭＲＩ画像またはＣＴ画像等を取得し、ＭＲＩ画像またはＣＴ画像等に従って気道モデルを取得する。また、取得部１０１は、図２に示された環境センサ１１２から環境情報を取得してもよい。また、取得部１０１は、図２に示された生体センサ１１３から人体情報を取得してもよい。
次に、噴嚔予測システム１００の予測部１０２は、気道モデルに対して、環境情報および人体情報のデータ同化を行う（Ｓ１２２）。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道状態を推定する（Ｓ１２３）。
次に、予測部１０２は、推定された気道状態に従って、噴嚔の発生を予測する（Ｓ１２４）。例えば、予測部１０２は、気道状態の状態値を噴嚔の発生の予測値に変換する関係式に従って、推定された気道状態の状態値から噴嚔の発生の予測値を導出し、導出された予測値に従って、噴嚔の発生を予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値と、１以上の閾値との比較結果に従って、噴嚔の発生を予測してもよい。
そして、噴嚔予測システム１００は、上記の一連の処理（Ｓ１２１〜Ｓ１２４）を繰り返す。これにより、噴嚔予測システム１００は、気道モデルから推定される気道状態に従って、噴嚔の発生を予測することができる。
なお、一連の処理（Ｓ１２１〜Ｓ１２４）の繰り返しにおいて、環境情報および人体情報のうち、一方の情報が繰り返して取得されてもよい。そして、他方の情報は、初回のみ取得され、繰り返して取得されなくてもよい。また、気道モデルも、初回のみ取得され、繰り返して取得されなくてもよい。
また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行ってもよい。そして、予測部１０２は、次元削減が行われた気道モデルに従って気道状態を推定してもよい。極端な例では、予測部１０２は、取得部１０１で取得された３次元の気道モデルを２次元の気道モデルに次元削減を行い、２次元の気道モデルに従って気道状態を推定してもよい。なお、次元削減は、気道モデルの空間的な次元の削減に限らず、気道モデルに相当する関係式における次元の削減であってもよい。
気道モデルの次元削減によって、気道モデルに従って気道状態を推定するための処理量および処理時間が削減される。
また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行い、次元削減が行われた気道モデルに対して、環境情報および人体情報のデータ同化を行ってもよい。これにより、環境情報および人体情報のデータ同化のための処理量および処理時間が削減される。
また、本具体例では、気道モデルに従って気道状態が推定されているが、気道モデルが人体情報の要素として取得され、具体例１に示された噴嚔予測モデルの説明変数の要素として用いられてもよい。そして、具体例１に示された噴嚔予測モデルに従って、噴嚔の発生が予測されてもよい。
また、具体例１と具体例２とが組み合わされてもよい。例えば、具体例１に基づく予測結果と、具体例２に基づく予測結果とが組み合わせされて、噴嚔の発生の予測が総合的に行われてもよい。
（具体例３）
次に、図８および図９を用いて、具体例３を説明する。本具体例において、噴嚔予測システム１００は、観測空間における状態を示す状態情報を取得し、観測空間よりも人体に近い空間である近傍空間における環境を示す環境情報を取得する。
図８は、図１に示された取得部１０１によって用いられる空間モデルの例を示す概念図である。本具体例において、取得部１０１は、図８に概念的に示されているような空間モデルであって、人体および観測空間を含む空間を数理モデルとして示す空間モデルを用いる。
例えば、空間モデルは、人体が存在する部屋、施設または建物等に相当する空間を示す。この空間は、基本的には、壁、床および天井などによって閉鎖された空間であるが、部分的または全体的に開放された空間であってもよい。そして、空間モデルは、初期段階において、空間の形状および大きさ、空間における物体の位置、形状および大きさ、空間における人体の位置、並びに、空間における観測空間の位置等を示す。
空間における人体の位置は、椅子またはベッド等の位置に従って推定される固定的な位置であってもよいし、図２に示されたカメラ１１４から取得される画像等に従って推定される動的な位置であってもよい。空間における物体の位置、形状および大きさ、並びに、空間における観測空間の位置も、固定的な位置であってもよいし、カメラ１１４から取得される画像に従って推定される動的な位置であってもよい。
また、空間モデルには、空間に含まれる位置間の環境的な差異が反映されていてもよい。例えば、空間には、温度または湿度が相対的に高い位置と、温度または湿度が相対的に低い位置とが含まれる場合がある。空間モデルには、このような環境的な差異が反映されていてもよい。
また、空間モデルは、入出力インタフェース等を介して取得部１０１によって取得されてもよいし、取得部１０１に予め組み込まれていてもよい。
空間モデルによって示される空間に含まれる観測空間は、例えば、図２に示された機器１１１または環境センサ１１２等が設置された空間である。取得部１０１は、機器１１１の動作の状態を示す状態情報を機器１１１から取得してもよいし、環境センサ１１２によって検知された環境を状態として示す状態情報を環境センサ１１２から取得してもよい。
取得部１０１は、空間モデルに対して、取得された状態情報のデータ同化を行う。つまり、取得部１０１は、状態情報を空間モデルに反映させる。
例えば、機器１１１の動作の状態が機器１１１の周囲の環境に与える影響は、機器１１１に対する距離によって異なると想定される。そのため、取得部１０１は、機器１１１が設置された観測空間に近いほど機器１１１の動作の状態が大きく反映されるように、状態情報を空間モデルに反映させてもよい。また、取得部１０１は、状態情報を空間モデルに反映させる際に、空間に含まれる位置間の環境的な差異を所定の割合で維持してもよい。
そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定し、推定された環境を示す環境情報を取得する。
図９は、図１に示された取得部１０１の動作の例を示すフローチャートである。本具体例において、取得部１０１は、環境情報の取得において、図９に示された動作を行う。
まず、取得部１０１は、観測空間における状態を示す状態情報を取得する（Ｓ１３１）。観測空間における状態は、観測空間における機器１１１の動作の状態であってもよいし、観測空間における環境センサ１１２によって検知された環境の状態であってもよい。例えば、取得部１０１は、観測空間における機器１１１から、機器１１１の動作の状態を示す状態情報を取得する。あるいは、取得部１０１は、観測空間における環境センサ１１２から、環境センサ１１２によって検知された環境の状態を示す状態情報を取得する。
次に、取得部１０１は、人体および観測空間を含む空間を数理モデルとして示す空間モデルに対して、状態情報のデータ同化を行う（Ｓ１３２）。つまり、取得部１０１は、空間モデルに対して、状態情報を反映させる。例えば、状態情報によって示される状態と、空間における各位置の環境とは、相関関係を有し得る。したがって、状態情報のデータ同化が行われた空間モデルは、空間における各位置の環境を示し得る。
取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い近傍空間における環境を推定する（Ｓ１３３）。そして、推定された環境を示す環境情報を取得する（Ｓ１３４）。これにより、取得部１０１は、機器１１１または環境センサ１１２が設置された観測空間よりも人体に近い近傍空間における環境を示す環境情報を取得することができる。
近傍空間における環境は、観測空間における環境よりも、噴嚔の発生に大きく影響を及ぼすと想定される。したがって、噴嚔予測システム１００は、近傍空間における環境を示す環境情報によって、より適切に噴嚔の発生を予測することができる。
なお、本具体例において、取得部１０１は、１つの観測空間における状態を示す状態情報を取得しているが、取得部１０１は、複数の観測空間における各状態を示す状態情報を取得してもよい。そして、取得部１０１は、空間モデルに対して、各状態を示す状態情報のデータ同化を行ってもよい。そして、取得部１０１は、どの観測空間よりも人体に近い近傍空間における環境を推定し、推定された環境を示す環境情報を取得してもよい。これにより、環境をより適切に示す環境情報が取得される。
（効果等）
実施の形態等に示された噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
例えば、噴嚔予測システム１００は、噴嚔の際に飛散するウィルスまたは細菌等の拡散の防止に用いられる。例えば、噴嚔が発生することが噴嚔予測システム１００によって予測された場合において、空気清浄機が殺菌モードまたは除菌モード等で動作を行うことで、効果的にウィルスまたは細菌等の拡散が防止される。このような仕組みは、病院などで特に有用である。噴嚔予測システム１００は、このような空気清浄機を備えていてもよい。あるいは、噴嚔予測システム１００は、このような空気清浄機に含まれていてもよい。
また、例えば、噴嚔が発生することが噴嚔予測システム１００によって予測された場合において、環境に影響を与える機器１１１が、噴嚔の発生を防止するための動作を行ってもよい。つまり、この場合において、噴嚔が発生しないことが噴嚔予測システム１００によって予測されるように、機器１１１が動作を変更してもよい。噴嚔予測システム１００は、このような機器１１１を備えていてもよい。あるいは、噴嚔予測システム１００は、このような機器１１１に含まれていてもよい。
例えば、車両を運転するドライバが、噴嚔の発生によって、誤った操作を行う可能性がある。噴嚔予測システム１００および機器１１１等によって噴嚔の発生を防止するための動作が行われることで、噴嚔の発生が防止され、誤った操作が防止される可能性がある。
また、噴嚔予測システム１００は、噴嚔の発生の予測結果に従って、警報を発生させる警報部を備えていてもよい。この警報部は、噴嚔が発生すると予測される場合、または、噴嚔が発生すると予測される確率が所定の確率以上である場合、警報を発生させてもよい。これにより、例えば、車両を運転するドライバに対して、噴嚔の発生の予測結果に従って、注意が促される。そして、これにより、誤った操作が防止される。
したがって、噴嚔予測システム１００は、噴嚔の発生に伴う影響を抑制するための支援を行うことができる。
以上、本発明の一態様における噴嚔予測システム１００について、実施の形態等に従って説明したが、本発明は、実施の形態等に限定されない。実施の形態等に対して当業者が思いつく変形を施して得られる形態、および、実施の形態等における複数の構成要素を任意に組み合わせて実現される別の形態も本発明に含まれる。
例えば、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。
また、本発明は、噴嚔予測システム１００として実現できるだけでなく、噴嚔予測システム１００を構成する各構成要素が行うステップを含む噴嚔予測方法として実現できる。例えば、それらのステップは、プロセッサ、メモリおよび入出力回路等を備えるコンピュータシステムによって実行される。そして、本発明は、それらの方法に含まれるステップを、コンピュータシステムに実行させるためのプログラムとして実現できる。なお、コンピュータシステムは、単にコンピュータと表現される場合がある。
また、本発明は、上記のプログラムを記録した非一時的なコンピュータ読み取り可能な記録媒体として実現できる。記録媒体は、ＣＤ−ＲＯＭ等の光ディスクでもよいし、ハードディスドライブ等の磁気ディスクでもよいし、光磁気ディスク（ＭＯ）でもよいし、フラッシュメモリ等の半導体メモリでもよいし、他の非一時的なコンピュータ読み取り可能な記録媒体でもよい。また、プログラムは、記録媒体に予め記録されていてもよいし、通信ネットワークを介して記録媒体に供給されることで記録媒体に記録されてもよい。
例えば、本発明が、プログラムで実現される場合には、コンピュータシステムのプロセッサ、メモリおよび入出力回路等のハードウェア資源を利用してプログラムが実行されることによって、各ステップが実行される。つまり、プロセッサがデータをメモリまたは入出力回路等から取得して演算したり、演算結果をメモリまたは入出力回路等に出力したりすることによって、各ステップが実行される。プログラムを実行するためのプロセッサとして、任意の種類のプロセッサが利用可能である。
また、噴嚔予測システム１００等に含まれる複数の構成要素は、それぞれ、専用または汎用の回路として実現されてもよい。これらの構成要素は、１つの回路として実現されてもよいし、複数の回路として実現されてもよい。
また、噴嚔予測システム１００等に含まれる複数の構成要素は、集積回路（ＩＣ：Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であるＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。これらの構成要素は、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。これらの構成要素が、１つの装置の１以上のチップに設けられてもよいし、複数の装置の複数のチップに設けられてもよい。
また、ＬＳＩは、集積度の違いにより、システムＬＳＩ、スーパーＬＳＩまたはウルトラＬＳＩと呼称される場合がある。また、集積回路は、専用回路または汎用プロセッサで実現されてもよい。プログラム可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、または、内部の回路セルの接続および設定が再構成可能なリコンフィギュラブル・プロセッサが、利用されてもよい。
さらに、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて、噴嚔予測システム１００に含まれる複数の構成要素の集積回路化が行われてもよい。
最後に、噴嚔予測システム１００等の複数の態様を例として示す。これらの態様は、適宜、組み合わされてもよい。また、上記の実施の形態等に示された任意の構成等が追加されてもよい。
（第１態様）
本発明の一態様における噴嚔予測システム１００は、取得部１０１と予測部１０２とを備える。取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する。予測部１０２は、環境情報および人体情報に従って、人体における噴嚔の発生を予測する。
これにより、噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
（第２態様）
例えば、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、かつ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。これにより、噴嚔予測システム１００は、環境情報および人体情報から適切な予測情報を導出することができ、導出された予測情報に従って、噴嚔の発生を適切に予測することができる。
（第３態様）
例えば、取得部１０１は、さらに、噴嚔の発生の実績値を示す実績情報を取得してもよい。そして、予測部１０２は、さらに、実績情報に従って、噴嚔予測モデルを更新してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の実績に従って、噴嚔の発生の予測精度を改善することができる。
（第４態様）
例えば、取得部１０１は、さらに、人体の気道を示す気道モデルを取得してもよい。そして、予測部１０２は、気道モデルに対して環境情報および人体情報のデータ同化を行ってもよい。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って、噴嚔の発生を予測してもよい。
これにより、噴嚔予測システム１００は、環境情報および人体情報が反映された気道モデルから推定される気道状態に従って、噴嚔の発生を適切に予測することができる。
（第５態様）
例えば、予測部１０２は、気道モデルの次元削減を行い、次元削減が行われた気道モデルに従って気道状態を推定してもよい。これにより、噴嚔予測システム１００は、簡素化された気道モデルに従って、高速に気道状態を推定することができる。
（第６態様）
例えば、人体情報は、人体の気道を示す気道モデルを含んでいてもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、気道モデルを反映させることができる。気道モデルは、噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される気道モデルを含む人体情報、および、環境情報によって、適切に、噴嚔の発生を予測することができる。
（第７態様）
例えば、取得部１０１は、人体から離れた空間である観測空間における状態を示す状態情報を取得してもよい。そして、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して状態情報のデータ同化を行ってもよい。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、人体に近い空間における環境を示す環境情報を反映させることができる。人体に近い空間における環境を示す環境情報は、噴嚔の発生に大きく影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される環境情報、および、人体情報によって、より適切に、噴嚔の発生を予測することができる。
（第８態様）
本発明の一態様における噴嚔予測方法は、取得ステップ（Ｓ１０１）と、予測ステップ（Ｓ１０２）とを含む。取得ステップ（Ｓ１０１）では、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する。予測ステップ（Ｓ１０２）では、環境情報および人体情報に従って、人体における噴嚔の発生を予測する。
これにより、この噴嚔予測方法を実行するシステム等は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、この噴嚔予測方法を実行するシステム等は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
（第９態様）
本発明の一態様におけるプログラムは、噴嚔予測方法をコンピュータに実行させるためのプログラムである。これにより、噴嚔予測方法がプログラムによって実装される。
１００ 噴嚔予測システム
１０１ 取得部
１０２ 予測部

Claims (10)

  1. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、
    前記取得部は、さらに、前記人体の気道を示す気道モデルを取得し、
    前記予測部は、
    前記気道モデルに対して前記環境情報および前記人体情報のデータ同化を行い、
    前記環境情報および前記人体情報のデータ同化が行われた前記気道モデルに従って、前記気道の状態である気道状態を推定し、
    推定された前記気道状態に従って、前記噴嚔の発生を予測する
    噴嚔予測システム。
  2. 前記予測部は、前記気道モデルの次元削減を行い、次元削減が行われた前記気道モデルに従って前記気道状態を推定する
    請求項１に記載の噴嚔予測システム。
  3. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、
    前記人体情報は、前記人体の気道を示す気道モデルを含む
    噴嚔予測システム。
  4. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備え、
    前記取得部は、
    前記人体から離れた空間である観測空間における状態を示す状態情報を取得し、
    前記人体および前記観測空間を含む空間を示す空間モデルに対して前記状態情報のデータ同化を行い、
    前記状態情報のデータ同化が行われた前記空間モデルに従って、前記観測空間よりも前記人体に近い空間である近傍空間における前記環境を推定し、
    推定された前記環境を示す前記環境情報を取得する
    噴嚔予測システム。
  5. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、
    前記取得ステップは、さらに、前記人体の気道を示す気道モデルを取得し、
    前記予測ステップは、
    前記気道モデルに対して前記環境情報および前記人体情報のデータ同化を行い、
    前記環境情報および前記人体情報のデータ同化が行われた前記気道モデルに従って、前記気道の状態である気道状態を推定し、
    推定された前記気道状態に従って、前記噴嚔の発生を予測する
    噴嚔予測方法。
  6. 請求項５に記載の噴嚔予測方法をコンピュータに実行させるための
    プログラム。
  7. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、
    前記人体情報は、前記人体の気道を示す気道モデルを含む
    噴嚔予測方法。
  8. 請求項７に記載の噴嚔予測方法をコンピュータに実行させるための
    プログラム。
  9. 人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、
    前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含み、
    前記取得ステップは、
    前記人体から離れた空間である観測空間における状態を示す状態情報を取得し、
    前記人体および前記観測空間を含む空間を示す空間モデルに対して前記状態情報のデータ同化を行い、
    前記状態情報のデータ同化が行われた前記空間モデルに従って、前記観測空間よりも前記人体に近い空間である近傍空間における前記環境を推定し、
    推定された前記環境を示す前記環境情報を取得する
    噴嚔予測方法。
  10. 請求項９に記載の噴嚔予測方法をコンピュータに実行させるための
    プログラム。
JP2019517505A 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法 Expired - Fee Related JP6751903B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017095957 2017-05-12
JP2017095957 2017-05-12
PCT/JP2018/014860 WO2018207520A1 (ja) 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法

Publications (2)

Publication Number Publication Date
JPWO2018207520A1 JPWO2018207520A1 (ja) 2020-01-09
JP6751903B2 true JP6751903B2 (ja) 2020-09-09

Family

ID=64102778

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019517505A Expired - Fee Related JP6751903B2 (ja) 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法

Country Status (2)

Country Link
JP (1) JP6751903B2 (ja)
WO (1) WO2018207520A1 (ja)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011140271A (ja) * 2010-01-07 2011-07-21 Toyota Motor Corp 車両操作支援装置
JP6320143B2 (ja) * 2014-04-15 2018-05-09 株式会社東芝 健康情報サービスシステム

Also Published As

Publication number Publication date
WO2018207520A1 (ja) 2018-11-15
JPWO2018207520A1 (ja) 2020-01-09

Similar Documents

Publication Publication Date Title
US10332254B2 (en) Computer Aided Diagnosis (CAD) apparatus and method
JP7187430B2 (ja) 人工知能の検出出力から疾患の進行を決定するシステムおよび方法
JP6435257B2 (ja) 患者音を処理するための方法および装置
US20130070998A1 (en) Medical image processing apparatus
Zulfiqar et al. Abnormal respiratory sounds classification using deep CNN through artificial noise addition
CN110782502B (zh) 基于深度学习的pet散射估计系统和使用感知神经网络模型的方法
CN109948680B (zh) 病历数据的分类方法及系统
US10918309B2 (en) Artificial intelligence-based COPD assessment
JP2018138137A (ja) 快眠支援装置及び快眠支援方法
Maali et al. A novel partially connected cooperative parallel PSO-SVM algorithm: Study based on sleep apnea detection
JP2022514683A (ja) 骨および軟組織の知的組織分類器
JP6751903B2 (ja) 噴嚔予測システムおよび噴嚔予測方法
JP6648435B2 (ja) 判別装置、判別方法、プログラム、モデル生成装置、及びモデル生成方法
US20230054957A1 (en) Carbon dioxide concentration prediction system, carbon dioxide concentration prediction method, and computer readable medium
KR102589471B1 (ko) 데이터 증강 장치 및 방법
JP2022151708A (ja) 判定装置、判定システム、判定方法および判定プログラム
JP2018123989A (ja) 温熱快適装置及び制御内容決定方法
US20200268309A1 (en) Information processing method and information processing system
JP7500980B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Malek et al. A primary study on application of artificial neural network in classification of pediatric fracture healing time of the lower limb
CN114258518A (zh) 使用可穿戴传感器来评价对象的系统和方法
JP7491467B2 (ja) 計測装置、計測方法、計測プログラム、および判定システム
JPWO2019039261A1 (ja) 睡眠の質判定システム、睡眠の質モデル作成プログラム、および、睡眠の質判定プログラム
WO2023224085A1 (ja) 情報処理システムおよび情報処理方法
US11928817B2 (en) Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods

Legal Events

Date Code Title Description
A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A527

Effective date: 20190904

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190904

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200526

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200623

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: 20200714

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200730

R151 Written notification of patent or utility model registration

Ref document number: 6751903

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

LAPS Cancellation because of no payment of annual fees