JP6984467B2 - 食事推定プログラム、食事推定方法及び食事推定装置 - Google Patents
食事推定プログラム、食事推定方法及び食事推定装置 Download PDFInfo
- Publication number
- JP6984467B2 JP6984467B2 JP2018021448A JP2018021448A JP6984467B2 JP 6984467 B2 JP6984467 B2 JP 6984467B2 JP 2018021448 A JP2018021448 A JP 2018021448A JP 2018021448 A JP2018021448 A JP 2018021448A JP 6984467 B2 JP6984467 B2 JP 6984467B2
- Authority
- JP
- Japan
- Prior art keywords
- meal
- certainty
- heart rate
- calculated
- period
- 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
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
図1は、実施例1に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。図1に示すヘルスケア支援システム1は、各種のヘルスケア支援サービスを提供するものである。このようなヘルスケア支援サービスの例として、ウェアラブル端末10により取得される心拍データを用いて、対象者の食事内容にかかわる情報を記録するサービス、さらには、その記録を活用する派生のサービスなどが挙げられる。
次に、本実施例に係るサーバ装置30の機能的構成について説明する。図1に示すように、サーバ装置30は、第一の取得部31Aと、第二の取得部31Bと、特徴量算出部32と、モデル記憶部33と、確信度算出部34と、対応情報記憶部35と、変換部36と、提供部37とを有する。なお、サーバ装置30は、図1に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば他の装置との間で通信制御を行う通信インタフェースなどを有することとしてもかまわない。
図5は、実施例1に係る食事推定処理の手順を示すフローチャートである。この処理は、一例として、心拍データが取得された場合に実行される。図5に示すように、第一の取得部31Aは、心拍データを取得する(ステップS101)。これと同時または前後して、第二の取得部31Bは、ユーザ入力、あるいはユーザデータの行動分析等を通じて、食事行動期間を取得する(ステップS102)。
上述してきたように、本実施例に係るサーバ装置30は、食事行動期間の推定を目的として、心拍データから算出される特徴量と、食事または非食事のラベルが付与された特徴量を入力として食事および非食事を識別する学習モデルとの比較から算出される食事らしさの確信度を、食事摂取指標の生成に活用する。したがって、本実施例に係るサーバ装置30によれば、食事内容にかかわる情報を生成できる。さらに、本実施例に係るサーバ装置30では、食事内容にかかわる情報の生成に、既存の食事行動期間を推定する仕組みを流用できる。
上記の実施例1では、ウェアラブル端末10が装着される対象者の区別なく、各対象者から計測された心拍データに同様の処理が実行される場合を例示したが、対象者の個人特性や食事の摂取量に合わせて確信度算出部34が算出する確信度を補正することができる。
すなわち、ある対象者Aが体内に摂取できる最大の食事量で最大カロリーを摂取する場合、すなわち満腹の状態まで食事を摂取する場合には、確信度として0.65という値が観測されるが、別の対象者Bが満腹の状態まで食事を摂取する場合、確信度として0.9という値が観測されるといった個人差が現れる場合がある。そのため、確信度算出部34が算出する確信度にしたがって、確信度の値が0.7未満の場合はカロリーが低い、0.7〜0.9の場合はカロリーが中程度、0.9以上の場合はカロリーが多い、というような一律な変換を実施すると、次のような事態が起こり得る。すなわち、対象者Aにとって最大カロリーで摂取された食事であっても、低カロリーと確信度が誤変換されてしまう。
また、補正部は、上記の満腹時の確信度の個人差に着目する補正の他、少量の食事が摂取される場合に関しても補正を行うことができる。このような少量の食事の摂取時に補正を行う場合、次のような創作の困難性がある。すなわち、食事を取ったが、摂取量が少ないというケースは稀であるので、食事時の確信度の最小値を基準に補正を行うと、うまく個人差を吸収することができない。このことから、食事が少ない場合に関しては、非食事の確信度を基準に補正を行う。例えば、補正部は、食事行動期間に対応しない窓データから算出された確信度、すなわち非食事の確信度の平均値を少量の食事の摂取時の値として用い、確信度算出部34が算出する確信度から非食事の確信度の平均値を減算することにより、補正後の確信度を得ることもできる。
さらに、補正部は、上記の(1)および上記の(2)を組み合わせて実行することもできる。例えば、補正部は、確信度算出部34により算出された確信度、もしくは食事行動期間に対応する窓データの確信度の代表値を下記の式(1)にしたがって補正することができる。さらに、補正部が実行する補正は、食事の時間帯、例えば朝・昼・夜などに分割して行っても良い。これによって、朝食、昼食、夕食でそれぞれ食事摂取物の量が異なる事態に対応できる。
上記の実施例1では、確信度からカロリーの摂取または消化のレベルへ変換する例を説明したが、レベルではなく、数値へ変換することもできる。例えば、一日の摂取カロリーの統計値、例えば平均値からカロリーの値を算出しても良い。一般に、1日で摂取するのがよいとされているカロリーは、男性2100kcal、女性1800kcalとされている。また、理想的な朝・昼・晩の摂取カロリーの比は「3:4:3」と言われている。そのため、例えば、確信度からカロリーへ変換する場合、次のようにして変換することができる。すなわち、「(2100kcal+1800kcal)/2の計算により、1950kcalを一日合計の想定カロリーとして算出する。その上で、昼の時間帯に対応する食事行動期間における確信度の代表値、例えば最頻値を1950kcal×4/(3+4+3)となるように、確信度と比例する摂取カロリーを算出する。すなわち、変換部36は、1950kcal×4/(3+4+3)/最頻値×今回の食事の確信度(昼)の計算により、今回の食事の摂取カロリー(昼)を算出することができる。なお、対象者のアカウントから男性または女性の性別が識別できる場合には、1950kcalではなく、2100kcalや1800kcalの値をそのまま用いることができる。この他、3:4:3の摂取カロリーの比率はあくまで一例であり、実態に合わせて変更しても良い。また、朝・昼・晩の摂取カロリーの比の代わりに、朝・昼・晩の食事時間の比を用いることとしても良い。
上記の実施例1では、食事摂取指標の一例として、カロリーの高低の例を挙げたが、モデルを用いて算出された確信度を食事体積の大小、食事重量の軽重、消化負荷量の大小などの他の食事摂取指標へ変換することもできる。
例えば、確信度から食事重量へ変換する場合、変換部36は、アトウォータ係数を用いて摂取カロリー量から変換できる。そのため、変換部36は、確信度から摂取カロリーへ変換した後、アトウォータ係数を用いて食事重量を推定する。この時、アトウォータ係数はタンパク質、脂質、糖質によって異なるが、一般的に良く食べられる混合比を用いる。例えば、日本人の場合であれば、たんぱく質15%、脂質25%、糖質60%である。さらに、食事の種類に基づいて変換しても良い。また、ユーザのプロファイルとして脂っこいものを食べる事が多い、といった混合比の偏りに関する情報が得られる場合は、アトウォータ係数の混合比を変更し、脂質の割合をたかくして計算しても良い。この他、何を食べたかの情報が食事毎に与えられる場合には、それらの情報を用いても良い。例えば、手首につけたモーションセンサやスマートフォンで撮影されたカメラを用いることで、現在食べたものの種類がラーメンである、といったようなことが推論できる。その場合、種類とタンパク質・脂質・糖質の混合比の対応関係が保存されたデータベースから現在食べたものの種類の混合比を取得し、その混合比に基づいて食事重量を推定しても良い。
また、変換部36は、確信度から早食い度、すなわち食物が摂取される速さの度合いへ変換することもできる。この場合、変換部36は、確信度を食事期間で除算することにより、確信度を早食い度へ変換する。この他、変換部36は、上記の食事重量を求めた後、食事期間で除算された除算値を早食い度として算出することとしてもよい。例えば、確信度が0以上0.04未満である場合、早食い度「低」へ変換され、0.04以上0.08未満である場合、早食い度「中」に変換され、また、0.08以上である場合、早食い度「高」に変換される。
また、変換部36は、一例として、下記の式にしたがって確信度から満腹度へ変換することもできる。例えば、変換部36は、人は食事する際、腹8分目の食事が最も多いというヒューリスティクスに基づいて、確信度の履歴から生成された分布、例えばヒストグラムや確率密度分布のうち度数が最大である階級の確信度、すなわち確信度の最頻値を用いて確信度を満腹度へ変換することができる。さらに、変換部は、確信度算出部34により算出された確信度、もしくは食事行動期間に対応する窓データの確信度の代表値が履歴の最頻値で除算された除算値を腹8分目として、当該除算値に係数α、例えば0.8を乗算することにより、満腹度へ変換することとしてもかまわない。
(確信度算出部34が算出する確信度−非食事の確信度の平均値)/(食事の確信度の分布の最頻値−非食事の確信度の平均値)×0.8
上記の実施例1では、食事摂取指標もしくはその推移などの時系列変化が出力される場合を例示したが、確信度の時系列変化を出力することもできるし、前後する食事イベントの間で確信度または食事摂取指標の相対変化、例えば前回に比べて今回は高い、あるいは低いなどを出力することができる。
上記の実施例1では、上記のヘルスケア支援システム1をクライアントサーバシステムとして構築される場合を例示したが、必ずしもクライアントサーバシステムとして構築されずともよい。例えば、サーバ装置30が有する機能部により実行される図5に示す食事推定処理は、ウェアラブル端末10に接続されたIoTデバイス20によりスタンドアローンで実行されることとしてもかまわない。さらに、ウェアラブル端末10及びIoTデバイス20は、必ずしも別個の装置として構成されずともよい。すなわち、心拍センサ11を搭載するコンピュータにより、サーバ装置30が有する機能部により実行される図5に示す処理がスタンドアローンで実行されることとしてもかまわない。
また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、第一の取得部31A、第二の取得部31B、特徴量算出部32、確信度算出部34、変換部36又は提供部37をサーバ装置30の外部装置としてネットワーク経由で接続するようにしてもよい。また、第一の取得部31A、第二の取得部31B、特徴量算出部32、確信度算出部34、変換部36又は提供部37を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサーバ装置30の機能を実現するようにしてもよい。
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図6を用いて、上記の実施例と同様の機能を有する食事推定プログラムを実行するコンピュータの一例について説明する。
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出し、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する、
処理をコンピュータに実行させることを特徴とする食事推定プログラム。
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出し、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する、
処理をコンピュータが実行することを特徴とする食事推定方法。
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出する確信度算出部と、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する変換部と、
を有することを特徴とする食事推定装置。
10 ウェアラブル端末
20 IoTデバイス
30 サーバ装置
31A 第一の取得部
31B 第二の取得部
32 特徴量算出部
33 モデル記憶部
34 確信度算出部
35 対応情報記憶部
36 変換部
37 提供部
Claims (5)
- 心拍データと食事期間を取得し、
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出し、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する、
処理をコンピュータに実行させることを特徴とする食事推定プログラム。 - 算出された前記確信度の履歴のうち最大値を用いて、算出された前記確信度を補正する処理を前記コンピュータにさらに実行させることを特徴とする請求項1に記載の食事推定プログラム。
- 算出された前記確信度の履歴のうち最頻値を用いて、算出された前記確信度を補正する処理を前記コンピュータにさらに実行させることを特徴とする請求項1に記載の食事推定プログラム。
- 心拍データと食事期間を取得し、
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出し、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する、
処理をコンピュータが実行することを特徴とする食事推定方法。 - 心拍データと食事期間を取得する取得部と、
取得した前記心拍データと、前記心拍データからある期間が食事か非食事かを識別する学習モデルとに基づき、前記心拍データの特徴が、食事か非食事かどちらの特徴に近いかを示す確信度を少なくとも食事期間について算出する確信度算出部と、
前記確信度と食事内容にかかわる情報とが対応付けられた対応情報を用いて、算出された確信度を食事内容にかかわる情報に変換する変換部と、
を有することを特徴とする食事推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018021448A JP6984467B2 (ja) | 2018-02-08 | 2018-02-08 | 食事推定プログラム、食事推定方法及び食事推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018021448A JP6984467B2 (ja) | 2018-02-08 | 2018-02-08 | 食事推定プログラム、食事推定方法及び食事推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019136256A JP2019136256A (ja) | 2019-08-22 |
JP6984467B2 true JP6984467B2 (ja) | 2021-12-22 |
Family
ID=67692483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018021448A Active JP6984467B2 (ja) | 2018-02-08 | 2018-02-08 | 食事推定プログラム、食事推定方法及び食事推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6984467B2 (ja) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003173375A (ja) * | 2001-09-28 | 2003-06-20 | Toshiba Corp | 生活管理端末装置、生活管理方法並びに生活管理システム |
US20120316451A1 (en) * | 2010-12-08 | 2012-12-13 | Intrapace, Inc. | Event Evaluation Using Heart Rate Variation for Ingestion Monitoring and Therapy |
JP6557952B2 (ja) * | 2014-09-03 | 2019-08-14 | 富士通株式会社 | 対象者特定装置、対象者特定プログラム及び対象者特定方法 |
EP3231362A4 (en) * | 2014-12-12 | 2017-12-06 | Fujitsu Limited | Meal intake estimation program, meal intake estimation method, and meal intake estimation device |
JP2017012249A (ja) * | 2015-06-26 | 2017-01-19 | 富士通株式会社 | 食事時間推定方法、食事時間推定プログラム及び食事時間推定装置 |
WO2017077615A1 (ja) * | 2015-11-05 | 2017-05-11 | 富士通株式会社 | 食事検知装置、食事検知方法および食事検知プログラム |
JP6504265B2 (ja) * | 2015-11-12 | 2019-04-24 | 富士通株式会社 | 食事摂取指標推定装置、食事摂取指標推定方法および食事摂取指標推定プログラム |
JP6589994B2 (ja) * | 2015-11-13 | 2019-10-16 | 富士通株式会社 | 行動検知装置、行動検知方法及び行動検知プログラム |
-
2018
- 2018-02-08 JP JP2018021448A patent/JP6984467B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019136256A (ja) | 2019-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11862340B2 (en) | Method and system for cardiovascular disease assessment and management | |
US20170273634A1 (en) | Meal estimation method, meal estimation apparatus, and recording medium | |
US11504034B2 (en) | Systems and methods for determining blood pressure of a subject | |
Kuru et al. | Biomedical visual data analysis to build an intelligent diagnostic decision support system in medical genetics | |
Mikos et al. | A wearable, patient-adaptive freezing of gait detection system for biofeedback cueing in Parkinson's disease | |
US20200250496A1 (en) | Sequential minimal optimization algorithm for learning using partially available privileged information | |
US20180240543A1 (en) | Information processing apparatus, method and non-transitory computer-readable storage medium | |
WO2021044696A1 (ja) | 栄養摂取量の推定装置、健康管理支援装置、栄養摂取量の推定方法、健康管理支援方法、プログラムおよび栄養摂取量の推定システム | |
WO2019196076A1 (en) | Systems and methods for determining blood pressure of subject | |
CN114758781A (zh) | 一种生成用户的健康画像方法和系统、装置及存储介质 | |
EP3417773B1 (en) | Meal detection method, meal detection system, and meal detection program | |
JP7097570B2 (ja) | データ収集解析装置及びデータ収集解析方法 | |
JP2019005503A (ja) | 心拍数補正プログラム、心拍数補正方法及び心拍数補正システム | |
EP3376462A1 (en) | Behavior detection device, behavior detection method, and behavior detection program | |
CA3175840A1 (en) | System and methods utilizing artificial intelligence algorithms to analyze wearable activity tracker data | |
JP6984467B2 (ja) | 食事推定プログラム、食事推定方法及び食事推定装置 | |
KR102445248B1 (ko) | 탈모 예측 및 개인 맞춤형 두피 케어를 위한 방법 및 장치 | |
US20210407667A1 (en) | Systems and methods for prediction of unnecessary emergency room visits | |
Madhuri et al. | Novel Internet of Things Based Disease Diagnosis Framework for Smart Healthcare Schemes using Combined Optimized Artificial Intelligence Approach | |
US20240008813A1 (en) | Smart wearable device and method for estimating traditional medicine system parameters | |
Tolentino et al. | Development of Smart Health Screening System for Rural Communities in the Philippines | |
Hema et al. | An Effective Expectation of Diabetes Mellitus via Improved Support Vector Machine through Cloud Security | |
US20230307127A1 (en) | Systems and methods for predicting health outcomes | |
Agarwal et al. | Artificial Intelligence for Iris-Based Diagnosis in Healthcare | |
WO2021044695A1 (ja) | 健康管理支援装置、健康管理支援方法、プログラム、および健康管理の支援システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201110 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211020 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6984467 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |