JP7030639B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法及び情報処理プログラム Download PDF

Info

Publication number
JP7030639B2
JP7030639B2 JP2018139182A JP2018139182A JP7030639B2 JP 7030639 B2 JP7030639 B2 JP 7030639B2 JP 2018139182 A JP2018139182 A JP 2018139182A JP 2018139182 A JP2018139182 A JP 2018139182A JP 7030639 B2 JP7030639 B2 JP 7030639B2
Authority
JP
Japan
Prior art keywords
subject
sleep onset
unit
information processing
predetermined time
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
JP2018139182A
Other languages
English (en)
Other versions
JP2020014648A (ja
Inventor
宏平 山西
佳州 佐藤
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 Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 Corp of America filed Critical Panasonic Intellectual Property Corp of America
Priority to JP2018139182A priority Critical patent/JP7030639B2/ja
Priority to US16/415,814 priority patent/US11058348B2/en
Priority to CN201910455015.XA priority patent/CN110772220B/zh
Publication of JP2020014648A publication Critical patent/JP2020014648A/ja
Application granted granted Critical
Publication of JP7030639B2 publication Critical patent/JP7030639B2/ja
Active 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb occurring during breathing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Cardiology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Anesthesiology (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本開示は、対象者の生体情報を用いて前記対象者が入眠する前に前記対象者が入眠することを予測する情報処理装置、情報処理方法及び情報処理プログラムに関するものである。
従来、心拍のデータから対象者の睡眠段階を推定する方法が知られている。
例えば、特許文献１に記載の睡眠段階推定装置は、心拍の波を示す生体データを取得する取得手段と、心拍の波の中周波成分をパラメータを用いて定義した数式に対し、生体データを用いてパラメータを推定するパラメータ推定手段と、推定されたパラメータを適用した数式に基づき、任意の時点における中周波成分の値から睡眠段階を推定する睡眠段階推定手段とを備えている。そして、パラメータ推定手段は、対象者が就寝するベッドと敷き布団との間に設置された無拘束型センサから取得した生体データから心拍の波の中周波成分を推定する。また、睡眠段階推定手段は、中周波成分の値から睡眠段階を推定する。
さらに、特許文献１には、推定した睡眠段階を利用して、介護施設入居者の睡眠モニタリングを行うことが記載されている。例えば、入居者の睡眠が深いときにおむつ交換をすることで、入居者にあまり気づかれずに交換することを可能としている。
国際公開第２０１６／１４８１１１号
しかしながら、上記従来の技術では、入眠後の対象者の睡眠段階を推定することができるが、入眠前に対象者がいつ入眠するかを予測することはできず、更なる改善が必要とされていた。
本開示は、上記の問題を解決するためになされたもので、入眠前に対象者がいつ入眠するかを予測することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とするものである。
本開示の一態様に係る情報処理装置は、対象者の生体情報を取得する取得部と、前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測する予測部と、前記対象者が所定時間後に入眠することを通知する通知部と、を備える。
本開示によれば、入眠前に対象者がいつ入眠するかを予測することができる。
本開示の実施の形態に係る入眠予測システムの構成を示す図である。 本実施の形態に係る入眠予測装置の全体的な動作を説明するための第１のフローチャートである。 本実施の形態に係る入眠予測装置の全体的な動作を説明するための第２のフローチャートである。 本実施の形態における体動データ、呼吸データ及び心拍データの一例を示す図である。 本実施の形態において、記憶部に記録された体動データ、心拍データ及び呼吸データの波形の一例を示す図である。 本実施の形態において、１８時００分以降に生体データに対して入眠予測モデルが出力した予測値の変化の一例を示す図である。 図２のステップＳ７における閾値調整処理について説明するためのフローチャートである。 本実施の形態で用いる入眠時刻傾向分布の一例を示す図である。 図３のステップＳ１１における通知処理について説明するためのフローチャートである。
（本開示の基礎となった知見）
特許文献１では、おむつ交換は入居者の睡眠中に行われることを前提としているが、入居者に対する他の介助としては、歯磨きなどの睡眠中ではなく入眠する直前に行われる介助が存在する。本開示では、歯磨き、着替え及び投薬などの入眠する直前に行われる介助を入眠介助と呼ぶ。実際に、介助者は、入居者が入眠するタイミングが分からず、入居者が入眠した後に介助に向かうことで入居者を起こしてしまうことがある。特許文献１では、対象者の入眠後に睡眠段階が推定されるので、入眠前に対象者がいつ入眠するかを予測することはできない。
以上の課題を解決するために、本開示の一態様に係る情報処理装置は、対象者の生体情報を取得する取得部と、前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測する予測部と、前記対象者が所定時間後に入眠することを通知する通知部と、を備える。
この構成によれば、対象者の生体情報を用いて、対象者が所定時間後に入眠することが予測され、対象者が所定時間後に入眠することが通知されるので、入眠前に対象者がいつ入眠するかを予測することができる。例えば、対象者が被介助者であり、対象者が所定時間後に入眠することが通知された介助者は、対象者が入眠する前に、対象者に対して所定の介助を行うことができる。
また、上記の情報処理装置において、前記取得部は、前記対象者から非接触で前記生体情報を測定するセンサから前記生体情報を取得してもよい。
この構成によれば、対象者から非接触で生体情報を測定するセンサから生体情報が取得されるので、対象者はセンサを身につける必要がなく、対象者の動きを妨げることなく、生体情報を取得することができる。
また、上記の情報処理装置において、前記センサは、電波式のドップラーセンサであってもよい。この構成によれば、電波式のドップラーセンサにより、非接触で生体情報を測定することができる。
また、上記の情報処理装置において、前記生体情報は、前記対象者の体動を示す体動データと、前記対象者の呼吸を示す呼吸データと、前記対象者の心拍を示す心拍データとを含んでもよい。
この構成によれば、対象者の体動を示す体動データと、対象者の呼吸を示す呼吸データと、対象者の心拍を示す心拍データとを用いて、対象者が所定時間後に入眠することをより正確に予測することができる。
また、上記の情報処理装置において、前記生体情報を入力値とし、前記対象者が所定時間後に入眠する確率を示す予測値を出力値とし、機械学習により構築された入眠予測モデルを記憶する記憶部をさらに備え、前記予測部は、前記生体情報を前記入眠予測モデルに入力することで得られた前記予測値が閾値より大きいか否かを判断し、前記予測値が前記閾値より大きいと判断した場合、前記対象者が所定時間後に入眠すると判断してもよい。
この構成によれば、機械学習により構築された入眠予測モデルに生体情報を入力することで、対象者が所定時間後に入眠する確率を示す予測値を容易に得ることができ、予測値と閾値とを比較することで、対象者が所定時間後に入眠することを容易に予測することができる。
また、上記の情報処理装置において、前記対象者の過去の入眠時刻の傾向分布に基づいて前記閾値を調整する閾値調整部をさらに備えてもよい。
この構成によれば、対象者の過去の入眠時刻の傾向分布に基づいて閾値が調整されるので、所定時間後の時刻が過去に対象者の入眠する確率が高い時刻であれば閾値を低く調整し、所定時間後の時刻が過去に対象者の入眠する確率が低い時刻であれば閾値を高く調整することにより、対象者が所定時間後に入眠することを高い精度で予測することができる。
また、上記の情報処理装置において、前記通知部は、前記対象者の過去の入眠時刻のばらつきの大きさが所定の値以下であるか否かを判断し、前記ばらつきの大きさが前記所定の値以下であると判断した場合、前記対象者が所定時間後に入眠することを通知してもよい。
この構成によれば、対象者の過去の入眠時刻のばらつきの大きさが所定の値以下であると判断された場合、対象者が所定時間後に入眠することが通知されるので、対象者が所定時間後に入眠することを高い精度で通知することができる。
また、上記の情報処理装置において、前記対象者は、入眠する直前に所定の介助を受ける被介助者であり、前記通知部は、前記ばらつきの大きさが前記所定の値より大きいと判断した場合、前記対象者に対して前記所定の介助を受けるか否かを確認するための確認情報を送信してもよい。
この構成によれば、対象者は、入眠する直前に所定の介助を受ける被介助者である。ばらつきの大きさが所定の値より大きいと判断された場合、対象者に対して所定の介助を受けるか否かを確認するための確認情報が送信される。
過去の入眠時刻が一定ではない場合、対象者が所定時間後に入眠するという予測結果が誤っている可能性が高くなる。しかしながら、過去の入眠時刻が一定ではない場合に、対象者に対して所定の介助を受けるか否かを確認することにより、対象者が所定時間後に入眠することを正確に通知することができる。
本開示の他の態様に係る情報処理方法は、コンピュータが、対象者の生体情報を取得し、前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測し、前記対象者が所定時間後に入眠することを通知する。
この構成によれば、対象者の生体情報を用いて、対象者が所定時間後に入眠することが予測され、対象者が所定時間後に入眠することが通知されるので、入眠前に対象者がいつ入眠するかを予測することができる。例えば、対象者が被介助者であり、対象者が所定時間後に入眠することが通知された介助者は、対象者が入眠する前に、対象者に対して所定の介助を行うことができる。
本開示の他の態様に係る情報処理プログラムは、対象者の生体情報を取得する取得部と、前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測する予測部と、前記対象者が所定時間後に入眠することを通知する通知部としてコンピュータを機能させる。
この構成によれば、対象者の生体情報を用いて、対象者が所定時間後に入眠することが予測され、対象者が所定時間後に入眠することが通知されるので、入眠前に対象者がいつ入眠するかを予測することができる。例えば、対象者が被介助者であり、対象者が所定時間後に入眠することが通知された介助者は、対象者が入眠する前に、対象者に対して所定の介助を行うことができる。
以下添付図面を参照しながら、本開示の実施の形態について説明する。なお、以下の実施の形態は、本開示を具体化した一例であって、本開示の技術的範囲を限定するものではない。
（実施の形態）
図１は、本開示の実施の形態に係る入眠予測システムの構成を示す図である。
図１に示す入眠予測システムは、入眠予測装置１、測定装置２及び介助予告装置３を備える。
入眠予測装置１は、対象領域に存在する人の入眠を予測する。本実施の形態において、対象領域は、例えば、介護施設又はサービス付き高齢者向け住宅等の施設に設けられて、予測対象者によって使用される個室内の領域である。対象領域が、介護施設又はサービス付き高齢者向け住宅の個室内の領域であれば、予測対象者は、個室に居住する被介助者である。また、対象領域が、病院の病室内の領域であれば、予測対象者は、治療等のために病室に入院している患者である。例えば、介護施設又はサービス付き高齢者向け住宅では、歯磨き、着替え及び投薬等の入眠前の介助が必要な被介助者が存在する。すでに寝てしまった被介助者を起こすようなことなくスムーズに入眠介助を行うために、被介助者の入眠のタイミングを事前に知りたいという介助者からの要望がある。本実施の形態の入眠予測装置１は、対象者の入眠を予測し、事前に介助者に通知する。
入眠予測装置１は、例えば、パーソナルコンピュータ又はタブレット型コンピュータであり、対象者を介助する介助者によって使用される。
介助予告装置３は、例えば、パーソナルコンピュータ、スマートフォン又はタブレット型コンピュータであり、対象者によって使用される。
入眠予測装置１は、ネットワークを介して介助予告装置３と互いに通信可能に接続されている。なお、ネットワークは、例えば、インターネットである。
測定装置２は、対象領域における人の存否及び動作に応じて値が変化する物理量を測定する。本実施の形態では、測定装置２は、対象領域における人の存否及び動作に応じて値が変化する物理量を非接触で測定する。測定装置２は、対象者から非接触で生体データ（生体情報）を測定するセンサを含む。測定装置２は、測定した生体データを入眠予測装置１へ送信する。
入眠予測装置１は、生体データ取得部１１、記憶部１２、プロセッサ１３、表示部１４及び通信部１５を備える。
プロセッサ１３は、入眠予測部１０１、閾値調整部１０２及び通知処理部１０３を備える。
生体データ取得部１１は、対象者の生体データ（生体情報）を取得する。生体データ取得部１１は、測定装置２から対象者の体動、心拍及び呼吸に関する生体データを取得する。生体データは、対象者の体動を示す体動データと、対象者の呼吸を示す呼吸データと、対象者の心拍を示す心拍データとを含む。
記憶部１２は、生体データ取得部１１によって取得された生体データを記憶する。また、記憶部１２は、プログラム又はパラメータ等のデータも必要に応じて記憶している。
入眠予測部１０１は、記憶部１２に記憶された生体データを用いて、対象者の入眠を予測する。入眠予測部１０１は、生体データ取得部１１によって取得された生体データを用いて、対象者が所定時間後に入眠することを予測する。所定時間は、例えば、３０分である。すなわち、入眠予測部１０１は、生体データ取得部１１によって取得された生体データを用いて、対象者が３０分後に入眠することを予測する。なお、所定時間は３０分に限定されない。
また、記憶部１２は、生体データを入力値とし、対象者が所定時間後に入眠する確率を示す予測値を出力値とし、機械学習により構築された入眠予測モデルを記憶する。入眠予測部１０１は、生体データを入眠予測モデルに入力することで得られた予測値が閾値より大きいか否かを判断し、予測値が閾値より大きいと判断した場合、対象者が所定時間後に入眠すると判断する。なお、本実施の形態において、対象者は、入眠する直前に所定の介助を受ける被介助者である。
閾値調整部１０２は、対象者の過去の入眠時刻の傾向分布に基づいて、入眠予測部１０１で用いる閾値を調整する。
通知処理部１０３は、入眠予測部１０１によって対象者が所定時間後に入眠することが検知されたときに、対象者又は介助者への通知処理を行う。通知処理部１０３は、対象者が所定時間後に入眠することを通知する。
より具体的に、通知処理部１０３は、対象者の過去の入眠時刻のばらつきの大きさが所定の値以下であるか否かを判断する。通知処理部１０３は、ばらつきの大きさが所定の値以下であると判断した場合、対象者が所定時間後に入眠することを通知するための通知情報を生成し、生成した通知情報を表示部１４へ出力する。また、通知処理部１０３は、ばらつきの大きさが所定の値より大きいと判断した場合、対象者に対して所定の介助を受けるか否かを確認するための確認情報を生成し、生成した確認情報を介助予告装置３へ送信する。
表示部１４は、例えば液晶ディスプレイであり、通知処理部１０３によって生成された通知情報を表示する。介助者は、表示部１４に表示された通知情報を見ることで、対象者が所定時間後に入眠することを認識する。そして、介助者は、対象者が入眠する前に所定の介助を行う。
通信部１５は、対象者に対して所定の介助を受けるか否かを確認するための確認情報を介助予告装置３へ送信する。また、通信部１５は、対象者が所定の介助を受けるか否かを示す応答情報を介助予告装置３から受信する。
すなわち、入眠予測装置１は、測定装置２から取得される生体データに基づいて、対象者の入眠の予兆を検知し通知することによって、介助者の入眠介助を行うための補助的役割を果たす。
なお、本実施の形態では、表示部１４が、対象者が所定時間後に入眠することを表示しているが、本開示は特にこれに限定されず、入眠予測装置１がスピーカを備えてもよく、スピーカが、対象者が所定時間後に入眠することを音声により通知してもよい。
介助予告装置３は、通信部３１、プロセッサ３２、表示部３３及び入力部３４を備える。
通信部３１は、対象者に対して所定の介助を受けるか否かを確認するための確認情報を入眠予測装置１から受信する。
プロセッサ３２は、介助確認処理部３０１を備える。介助確認処理部３０１は、対象者に対して所定の介助を受けるか否かを確認するための確認画面を生成し、生成した確認画面を表示部３３に表示させる。
表示部３３は、例えば液晶ディスプレイであり、対象者に対して所定の介助を受けるか否かを確認するための確認画面を表示する。
入力部３４は、例えばタッチパネルであり、所定の介助を受けるか否かの対象者による入力を受け付ける。例えば、確認画面には、対象者に対して所定の介助を受けるか否かを確認する文章が表示されるとともに、所定の介助を受ける場合に押下される第１ボタンと、所定の介助を受けない場合に押下される第２ボタンとが表示される。対象者は、所定の介助を受ける場合に第１ボタンを押下し、所定の介助を受けない場合に第２ボタンを押下する。
介助確認処理部３０１は、入力部３４によって入力された所定の介助を受けるか否かを示す情報に基づいて、対象者が所定の介助を受けるか否かを示す応答情報を生成し、生成した応答情報を入眠予測装置１へ送信する。通信部３１は、対象者が所定の介助を受けるか否かを示す応答情報を入眠予測装置１へ送信する。
以下、本実施の形態に係る入眠予測システムの詳細について説明する。
以下では、対象空間がサービス付き高齢者住宅の個室内に設定されている場合を例に説明する。この場合の対象者は、個室の入居者である。
入眠予測装置１は、対象者の入眠を予測し、介助者等に通知する。
測定装置２は、例えば、電波式のドップラーセンサと、信号処理部とを備える。ドップラーセンサは、例えば、所定の時間間隔（例えば１秒間隔）で、マイクロ波帯の電波を対象領域に送信する。ドップラーセンサは、対象領域に存在する人などで反射された反射波を受信する。測定装置２の信号処理部は、ドップラーセンサが受信した反射波を信号処理して、対象領域に存在する人の体動を示す体動データを生成する。また、測定装置２の信号処理部は、人の体動を示す体動データをフィルタリングし、心拍によって発生する体動の周波数成分を抽出することで、心拍によって発生する体動を示す心拍データを生成する。また、測定装置２の信号処理部は、人の体動を示す体動データをフィルタリングし、呼吸によって発生する体動の周波数成分を抽出することで、呼吸によって発生する体動を示す呼吸データを生成する。
測定装置２は、対象領域に存在する人の体動を示す体動データと、心拍によって発生する体動を示す心拍データと、呼吸によって発生する体動を示す呼吸データとを入眠予測装置１に出力する。なお、測定装置２は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などに準拠した無線通信部を備え、測定した生体データを入眠予測装置１に無線送信する。
また、測定装置２が備えるセンサは、電波式のドップラーセンサに限定されず、超音波を送信する超音波式のドップラーセンサであってもよい。また、測定装置２と入眠予測装置１との間の通信は無線通信に限定されず、有線通信であってもよい。また、測定装置２は、体動データなどの生体データを非接触で測定しているので、人の動きを妨げることがない。
なお、測定装置２は、例えば、腕に装着可能なウエアラブルなセンサを備えてもよく、対象者に接触した状態で生体データを測定してもよい。
本実施の形態では、入眠予測装置１は、例えば、介護施設又はサービス付き高齢者住宅等の施設において、介助者などの詰め所に設けられたパーソナルコンピュータによって実現される。
生体データ取得部１１は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などに準拠した無線通信部を含む。生体データ取得部１１は、測定装置２との間で定期的又は不定期的に無線通信を行うことによって、測定装置２から体動データと心拍データと呼吸データとを取得する。生体データ取得部１１は、測定装置２から体動データ、心拍データ及び呼吸データを取得すると、取得した体動データ、心拍データ及び呼吸データを記憶部１２に出力する。
記憶部１２は、例えば、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の電気的に書き換え可能な不揮発性メモリ、及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリを含む。記憶部１２は、生体データ取得部１１によって取得された体動データ、心拍データ及び呼吸データ等を記憶する。
プロセッサ１３が所定のプログラムを実行することにより、入眠予測部１０１、閾値調整部１０２及び通知処理部１０３の機能が実現される。プログラムは、メモリ又は記憶部１２に予め記録されていてもよいし、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。
記憶部１２は、入眠予測モデルを記憶している。入眠予測モデルは、所定のタイミング以前で取得された生体データを用いて、予測値を出力する。本実施の形態では、一例として、予測値は、０以上１以下の実数で表され、対象者が現時点から３０分以内に入眠する確率を表す指標である。また、本実施の形態では、入眠予測モデルは、過去に記録されている入眠時刻の３０分前から入眠直前の時刻までの期間における生体データと、午後１８時から入眠時刻の３０分前の時刻までの期間における生体データとを入力データとして用いた機械学習によって予め構築されている。本実施の形態では、対象者が入眠する３０分以内の時刻における入力データを、入眠予兆がある陽性データと呼び、対象者が入眠する３０分前の時刻以前の時刻における入力データを、入眠予兆が無い陰性データと呼ぶ。
入眠予測部１０１は、生体データ取得部１１によって取得された生体データを入眠予測モデルに入力し、入眠予測モデルから出力される予測値を得る。
閾値調整部１０２は、入眠予測モデルによって出力された予測値と比較するための閾値を算出する。閾値調整部１０２は、第１閾値ＴＨ１、第２閾値ＴＨ２及び入眠時刻傾向分布を用いて、後述の入眠予測処理に用いる閾値を算出する。
本実施の形態では、入眠予測部１０１の判定結果として、予測値が閾値を上回る場合を陽性と呼び、予測値が閾値を下回る場合を陰性と呼ぶ。また、陽性データを入力したときに誤って陰性と判定することを偽陰性と呼び、陰性データを入力したときに誤って陽性と判定することを偽陽性と呼ぶ。偽陰性率（Ｆａｌｓｅ Ｎｅｇａｔｉｖｅ Ｒａｔｅ）は全陽性データのうち陰性と判定された割合であり、偽陽性率（Ｆａｌｓｅ Ｐｏｓｉｔｉｖｅ Ｒａｔｅ）は全陰性データのうち陽性と判定された割合である。
第１閾値ＴＨ１は、入眠予測モデルの偽陰性率を一定以下に抑えることを目的とした閾値である。第２閾値ＴＨ２は、入眠予測モデルの偽陽性率を一定以下に抑えることを目的とした閾値であり、第１閾値ＴＨ１より大きい値である。第１閾値ＴＨ１及び第２閾値ＴＨ２は、機械学習で入眠予測モデルを構築する際に様々な閾値を用いた交差検証を行うことで付加的に取得可能な数値である。本実施の形態では、記憶部１２が、第１閾値ＴＨ１及び第２閾値ＴＨ２を予め記憶している。
入眠時刻傾向分布は、対象者の過去の活動／睡眠情報又は対象者を介助する介助者の私見などに基づいて作成される、どの時刻帯にどの程度の確率で入眠するかを表す。入眠時刻傾向分布は、例えば単純に過去一定期間における入眠時刻の分布に基づいた度数分布又は確率分布であってもよく、また、日中の体動データ、心拍データ及び呼吸データを入眠予測モデルとは異なる入眠時刻傾向分布予測モデルに入力して得た確率分布であってもよい。入眠時刻傾向分布予測モデルは、機械学習により生成され、予め記憶部１２に記憶される。なお、本実施の形態において、記憶部１２は、入眠時刻傾向分布を予め記憶していてもよい。
入眠予測部１０１は、入眠予測モデルによって出力された予測値が、閾値調整部１０２によって算出された閾値より大きい場合、対象者の入眠の予兆を検知した、すなわち対象者が所定時間後に入眠すると判定する。
通知処理部１０３は、入眠予測部１０１によって対象者の入眠予兆が検知された場合、対象者又は介助者への通知処理を行う。
なお、本実施の形態において、入眠予測装置１が測定装置２を備えてもよい。この場合、入眠予測装置１は対象者がいる部屋に配置され、介助者がいる部屋に配置された端末装置が表示部１４の機能を有する。また、本実施の形態において、入眠予測装置１がサーバであってもよい。この場合、介助者がいる部屋に配置された端末装置が表示部１４の機能を有する。
続いて、本実施の形態に係る入眠予測装置１の全体的な動作について図２のフローチャートを参照して説明する。
図２は、本実施の形態に係る入眠予測装置の全体的な動作を説明するための第１のフローチャートであり、図３は、本実施の形態に係る入眠予測装置の全体的な動作を説明するための第２のフローチャートである。
まず、生体データ取得部１１は、定期的に又は不定期的に、生体データを測定装置２から取得する（ステップＳ１）。本実施の形態では、一例として、生体データ取得部１１は、１秒ごとに、体動データ、心拍データ及び呼吸データを測定装置２から取得する。
次に、生体データ取得部１１は、取得した生体データを記憶部１２に記憶する（ステップＳ２）。本実施の形態では、一例として、生体データ取得部１１は、１分ごとに、体動データ、心拍データ及び呼吸データの１分間の平均値を記憶部１２に記憶する。
入眠予測部１０１は、現在時刻が所定の時刻に到達したか否かを判断する（ステップＳ３）。なお、所定の時刻は、例えば、施設が設定した夕食の終了時刻である。所定の時刻は、例えば、１８時である。上記の所定の時刻は一例であり、対象者に応じて適切な時刻が設定される。ここで、現在時刻が所定の時刻に到達していないと判断された場合（ステップＳ３でＮＯ）、ステップＳ１に処理が戻る。
一方、現在時刻が所定の時刻に到達したと判断された場合（ステップＳ３でＹＥＳ）、閾値調整部１０２は、対象者の入眠時刻傾向分布を作成する（ステップＳ４）。閾値調整部１０２は、例えば午前７時から午後１８時までの日中の体動データ、心拍データ及び呼吸データを入眠時刻傾向分布予測モデルに入力し、入眠時刻傾向分布予測モデルから出力される入眠時刻傾向分布を得ることにより、入眠時刻傾向分布を作成する。閾値調整部１０２は、作成した入眠時刻傾向分布を記憶部１２に記憶する。なお、記憶部１２が入眠時刻傾向分布を予め記憶している場合、ステップＳ４の処理は省略される。
次に、生体データ取得部１１は、生体データを測定装置２から取得する（ステップＳ１）。本実施の形態では、一例として、生体データ取得部１１は、１秒ごとに、体動データ、心拍データ及び呼吸データを測定装置２から取得する。
次に、生体データ取得部１１は、取得した生体データを記憶部１２に記憶する（ステップＳ２）。本実施の形態では、一例として、生体データ取得部１１は、１分ごとに、体動データ、心拍データ及び呼吸データの１分間の平均値を記憶部１２に記憶する。
次に、閾値調整部１０２は、所定のタイミング（例えば１分間隔）で、現在時刻において入眠予測処理に用いる閾値を算出する閾値調整処理を行う（ステップＳ７）。なお、閾値調整処理については、後述する。
次に、入眠予測部１０１は、現在時刻から所定の時間分の過去の生体データを記憶部１２から取得する（ステップＳ８）。例えば、入眠予測部１０１は、現在時刻から１時間分の過去の体動データ、心拍データ及び呼吸データを記憶部１２から取得する。
次に、入眠予測部１０１は、取得した生体データを入眠予測モデルに入力し、入眠予測モデルから出力された予測値を得ることにより、予測値を算出する（ステップＳ９）。
なお、閾値調整部１０２により閾値設定処理が行われる時間間隔は、入眠予測部１０１により予測値が算出される時間間隔と同じであってもよいし、予測値が算出される時間間隔よりも長くてもよい。すなわち、例えば、閾値設定処理が行われる時間間隔は、予測値が算出される時間間隔と同じ１分間隔であってもよいし、予測値が算出される時間間隔よりも長い３０分間隔であってもよい。
また、閾値調整部１０２は、１日に１回だけ所定時刻（例えば、１８時）に閾値設定処理を行い、１８時以降の所定時間毎（例えば、１分毎）の閾値を算出し、算出した所定時間毎の閾値を記憶部１２に記憶してもよい。
ここで、入眠予測部１０１が予測値を算出する処理についてより具体的に説明する。
入眠予測部１０１は、記憶部１２に記録されている体動データ、心拍データ及び呼吸データから、対象者の入眠予兆を判定する処理を行う。
図４は、本実施の形態における体動データ、呼吸データ及び心拍データの一例を示す図である。本実施の形態において、入力に用いられる体動データ、心拍データ及び呼吸データは図４に示すように、各測定データが２次元の値を持ち、６次元の生体データが１分毎に記録される。すなわち、測定装置２のドップラーセンサから出力された体動信号は、信号処理の１つであるＩ／Ｑ検波により、体動Ｉ信号及び体動Ｑ信号に分けられ、さらに、体動Ｉ信号及び体動Ｑ信号がフィルタリングされることにより、呼吸Ｉ信号、呼吸Ｑ信号、心拍Ｉ信号及び心拍Ｑ信号が計測される。
入眠予測部１０１は、所定のタイミングで現在時刻から１時間分の生体データを記憶部１２から取得し、入眠予測モデルへ入力して予測値を得る。
例えば、現在時刻が１９時００分の場合、入眠予測部１０１は、１８時００分～１８時５９分における生体データを記憶部１２から取得し、入眠予測モデルへ入力する。入眠予測モデルは、入力に対し、０以上１以下の実数値で表され、現在時刻から３０分以内に入眠する確率を示す予測値を出力する。
図５は、本実施の形態において、記憶部１２に記録された体動データ、心拍データ及び呼吸データの波形の一例を示す図であり、図６は、本実施の形態において、１８時００分以降に生体データに対して入眠予測モデルが出力した予測値の変化の一例を示す図である。なお、図５において、体動データは、体動Ｉ信号及び体動Ｑ信号の平均値を表し、心拍データは、心拍Ｉ信号及び心拍Ｑ信号の平均値を表し、呼吸データは、呼吸Ｉ信号及び呼吸Ｑ信号の平均値を表す。
図５に示す波形によれば、対象者は１９時００分頃に入室し、２１時３０分頃より活動が穏やかになり、およそ２２時３０分～２３時００分の間に入眠したと考えられる。また、図６に示すように、入眠予測モデルが出力する予測値は、対象者の活動が穏やかになった後の２２時００分頃から徐々に上昇していき、２２時３０分頃にピークを迎えていることがわかる。
図３に戻り、次に、入眠予測部１０１は、算出した予測値が、閾値調整部１０２によって算出された閾値より大きいか否かを判断する（ステップＳ１０）。ここで、予測値が閾値以下であると判断された場合（ステップＳ１０でＮＯ）、ステップＳ５に処理が戻る。
一方、予測値が閾値より大きいと判断された場合（ステップＳ１０でＹＥＳ）、通知処理部１０３は、対象者が所定時間後に入眠することを介助者に通知する、又は入眠介助を受けるか否かを対象者に確認する通知処理を行う（ステップＳ１１）。
次に、通知処理部１０３は、対象者が所定時間後に入眠することを介助者に通知したか否かを判断する（ステップＳ１２）。ここで、対象者が所定時間後に入眠することを介助者に通知していないと判断された場合（ステップＳ１２でＮＯ）、ステップＳ５に処理が戻る。
一方、対象者が所定時間後に入眠することを介助者に通知したと判断された場合（ステップＳ１２でＹＥＳ）、ステップＳ１に処理が戻る。
続いて、閾値調整部１０２が行う閾値調整処理について図４を参照して説明する。閾値調整処理において、閾値調整部１０２は、第１閾値ＴＨ１、第２閾値ＴＨ２及び入眠時刻傾向分布を用いて、入眠予測処理に用いる閾値を設定する。
図７は、図２のステップＳ７における閾値調整処理について説明するためのフローチャートである。
まず、閾値調整部１０２は、第１閾値ＴＨ１及び第２閾値ＴＨ２を記憶部１２から取得する（ステップＳ２１）。
次に、閾値調整部１０２は、入眠時刻傾向分布を記憶部１２から取得する（ステップＳ２２）。
図８は、本実施の形態で用いる入眠時刻傾向分布の一例を示す図である。入眠時刻傾向分布は、対象者の過去の入眠時刻の分布を示すヒストグラム、又は対象者の過去の入眠時刻からカーネル密度推定により生成した確率密度関数ｆ（ｔ）であり、閾値調整処理を行うタイミングの間隔に応じてどちらを用いてもよい。図８ではヒストグラムの横軸の範囲を１８時～２４時としているが、当該範囲は、対象者の入眠時刻の傾向に合わせて変更してもよい。また、入眠時刻の傾向を示すものであれば、別の方法により生成した分布を用いてもよい。
図７に戻り、次に、閾値調整部１０２は、現在時刻ｔに対応する閾値ＴＨｔを算出する（ステップＳ２３）。閾値調整部１０２は、現在時刻ｔが入眠する傾向がある時刻であるほど第１閾値ＴＨ１に近くなり、現在時刻ｔが入眠する傾向がない時刻であるほど第２閾値ＴＨ２に近くなる閾値ＴＨｔを算出する。閾値調整部１０２は、入眠時刻傾向分布に図８の確率密度関数ｆ（ｔ）を用いる場合、各時刻ｔに対応する閾値ＴＨｔを、以下の式（１）により算出する。なお、式（１）において、ｍａｘ（ｆ）は関数ｆの最大値を表す。
Figure 0007030639000001
ここで、関数をｆ（ｔ＋０．５）としているのは、入眠予測モデルが現在時刻から３０分以内に入眠する確率を出力するように設計されているためであり、入眠予測モデルの設計に応じて変更してもよい。分母のｍａｘ（ｆ）についても、関数ｆが最大値であるときにＴＨｔ＝ＴＨ１とするための一例であり、適宜変更可能である。上記の式（１）を用いて閾値ＴＨｔを算出することにより、閾値ＴＨｔは、３０分後の時刻が過去に対象者の入眠する確率が高い時刻であれば第１閾値ＴＨ１に近い低い値となり、３０分後の時刻が過去に対象者の入眠する確率が低い時刻であれば第２閾値ＴＨ２に近い高い値となる。
次に、閾値調整部１０２は、後述する通知処理において対象者から介助不要の指示が同日中にあったか否かを判断する（ステップＳ２４）。ここで、介助不要の指示が同日中になかったと判断された場合（ステップＳ２４でＮＯ）、閾値調整処理が終了する。
一方、介助不要の指示が同日中にあったと判断された場合（ステップＳ２４でＹＥＳ）、閾値調整部１０２は、対象者により介助不要が指示された介助不要時刻から現在時刻までの時間に応じて閾値ＴＨｔを補正する（ステップＳ２５）。閾値調整部１０２は、介助不要時刻から現在時刻までの時間が短いほど、閾値ＴＨｔを増加させるように補正する。これにより、介助不要時刻に近い時刻に余計な介助予告が発生する頻度を抑えることができる。補正方法としては、例えば、関数ｆの値が変更され、閾値調整部１０２は、介助不要時刻から３０分以内は関数ｆを０とし、介助不要時刻の３０分後から６０分後までは関数ｆを半減することで閾値ＴＨｔを増加させる。また、閾値調整部１０２が閾値ＴＨｔを増加させるかわりに、介助不要時刻から一定時間（例えば３０分）以内は、入眠予測部１０１が入眠の予測自体を行わないようにしてもよい。
続いて、通知処理部１０３が行う通知処理について図９のフローチャートを参照して説明する。
図９は、図３のステップＳ１１における通知処理について説明するためのフローチャートである。
まず、通知処理部１０３は、対象者の入眠時刻傾向分布を記憶部１２から取得する（ステップＳ４１）。
次に、通知処理部１０３は、取得した入眠時刻傾向分布から入眠時刻の分散σ２を算出する（ステップＳ４２）。
次に、通知処理部１０３は、分散σ２が所定の値以下であるか否かを判断する（ステップＳ４３）。入眠時刻の分散σ２は、入眠時刻のばらつきの大きさを表す。そのため、分散σ２が小さければ、入眠時刻が一定であり、毎日ほぼ同じ時刻に入眠していることになる。一方、分散σ２が大きければ、入眠時刻が一定ではなく、入眠時刻にばらつきが多いことになる。ここで、分散σ２が所定の値以下であると判断した場合（ステップＳ４３でＹＥＳ）、通知処理部１０３は、対象者が所定時間後に入眠することを通知するための通知情報を表示部１４に表示する（ステップＳ４４）。通知情報が表示されることで、対象者が所定時間後に入眠することが介助者に通知される。介助者は、表示部１４に表示された通知情報を確認することで、対象者が入眠する前に所定の介助を行う。
一方、分散σ２が所定の値より大きいと判断した場合（ステップＳ４３でＮＯ）、通知処理部１０３は、対象者に対して所定の介助を受けるか否かを確認するための確認情報を介助予告装置３へ送信する（ステップＳ４５）。介助予告装置３の通信部３１は、確認情報を受信する。介助確認処理部３０１は、対象者に対して所定の介助を受けるか否かを確認するための確認画面を生成し、生成した確認画面を表示部３３に表示させる。なお、介助確認処理部３０１は、音声により確認情報を出力してもよい。そして、入力部３４は、所定の介助を受けるか否かの対象者による入力を受け付ける。通信部３１は、対象者が所定の介助を受けるか否かを示す応答情報を入眠予測装置１へ送信する。
次に、通信部１５は、介助予告装置３によって送信された応答情報を受信する（ステップＳ４６）。
次に、通知処理部１０３は、受信された応答情報に基づいて、対象者が所定の介助を受けるか否かを判断する（ステップＳ４７）。ここで、対象者が所定の介助を受けると判断した場合（ステップＳ４７でＹＥＳ）、ステップＳ４４に処理が移行し、通知処理部１０３は、対象者が所定時間後に入眠することを通知するための通知情報を表示部１４に表示する。
一方、対象者が所定の介助を受けないと判断された場合、すなわち介助不要の指示があったと判断された場合（ステップＳ４７でＮＯ）、通知処理部１０３は、現在時刻を、介助不要が指示された介助不要時刻として記憶部１２に記憶する（ステップＳ４８）。記憶部１２に記憶された介助不要時刻は、上記したように、閾値調整部１０２による閾値の補正に用いられる。
なお、ステップＳ４６において、所定の時間が経過しても応答情報が受信されない場合、すなわち、対象者による所定の介助を受けるか否かの回答がない場合、ステップＳ４８の処理が行われてもよい。
また、本実施の形態では、入眠時刻の分散σ２により入眠時刻のばらつきの大きさを表しているが、本開示は特にこれに限定されず、入眠時刻の標準偏差により入眠時刻のばらつきの大きさを表してもよい。
また、認知機能の障害等により所定の介助を受けるか否かに対する回答が困難又は不可能な対象者に対しては、事前に設定することで、確認情報を送信することなく、無条件に表示部１４に通知情報を表示してもよい。
また、介助予告装置３により確認情報が表示される前に、対象者が能動的に所定の介助を要求する操作を入力部３４に対して行い、通信部３１が、所定の介助を要求する情報を入眠予測装置１へ送信し、入眠予測装置１の表示部１４は、所定の介助を要求する情報を表示してもよい。
本開示において、ユニット、装置、部材又は部の全部又は一部、又は図に示されるブロック図の機能ブロックの全部又は一部は、半導体装置、半導体集積回路（ＩＣ）、又はＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）を含む一つ又は複数の電子回路によって実行されてもよい。ＬＳＩ又はＩＣは、一つのチップに集積されてもよいし、複数のチップを組み合わせて構成されてもよい。例えば、記憶素子以外の機能ブロックは、一つのチップに集積されてもよい。ここでは、ＬＳＩやＩＣと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（Ｖｅｒｙ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、若しくはＵＬＳＩ（Ｕｌｔｒａ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）と呼ばれるものであってもよい。ＬＳＩの製造後にプログラムされる、Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ（ＦＰＧＡ）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができるＲｅｃｏｎｆｉｇｕｒａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅも同じ目的で使うことができる。
さらに、ユニット、装置、部材又は部の全部又は一部の機能又は操作は、ソフトウエア処理によって実行することが可能である。この場合、ソフトウエアは一つ又は複数のＲＯＭ、光学ディスク、ハードディスクドライブなどの非一時的記録媒体に記録され、ソフトウエアが処理装置（Ｐｒｏｃｅｓｓｏｒ）によって実行されたときに、そのソフトウエアで特定された機能が処理装置（Ｐｒｏｃｅｓｓｏｒ）および周辺装置によって実行される。システム又は装置は、ソフトウエアが記録されている一つ又は複数の非一時的記録媒体、処理装置（Ｐｒｏｃｅｓｓｏｒ）、及び必要とされるハードウエアデバイス、例えばインターフェース、を備えていてもよい。
本開示に係る情報処理装置、情報処理方法及び情報処理プログラムは、入眠前に対象者がいつ入眠するかを予測することができるので、対象者が入眠する前に前記対象者が入眠することを予測する情報処理装置、情報処理方法及び情報処理プログラムとして有用である。
１ 入眠予測装置
２ 測定装置
３ 介助予告装置
１１ 生体データ取得部
１２ 記憶部
１３ プロセッサ
１４ 表示部
１５ 通信部
３１ 通信部
３２ プロセッサ
３３ 表示部
３４ 入力部
１０１ 入眠予測部
１０２ 閾値調整部
１０３ 通知処理部
３０１ 介助確認処理部

Claims (10)

  1. 対象者の生体情報を取得する取得部と、
    前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測する予測部と、
    前記予測部によって予測された、前記対象者が所定時間後に入眠することを通知する通知部と、
    を備える情報処理装置。
  2. 前記取得部は、前記対象者から非接触で前記生体情報を測定するセンサから前記生体情報を取得する、
    請求項１に記載の情報処理装置。
  3. 前記センサは、電波式のドップラーセンサである、
    請求項２に記載の情報処理装置。
  4. 前記生体情報は、前記対象者の体動を示す体動データと、前記対象者の呼吸を示す呼吸データと、前記対象者の心拍を示す心拍データとを含む、
    請求項１～３のいずれか１項に記載の情報処理装置。
  5. 前記生体情報を入力値とし、前記対象者が所定時間後に入眠する確率を示す予測値を出力値とし、機械学習により構築された入眠予測モデルを記憶する記憶部をさらに備え、
    前記予測部は、前記生体情報を前記入眠予測モデルに入力することで得られた前記予測値が閾値より大きいか否かを判断し、前記予測値が前記閾値より大きいと判断した場合、前記対象者が所定時間後に入眠すると判断する、
    請求項１～４のいずれか１項に記載の情報処理装置。
  6. 前記対象者の過去の入眠時刻の傾向分布に基づいて前記閾値を調整する閾値調整部をさらに備える、
    請求項５に記載の情報処理装置。
  7. 前記通知部は、前記対象者の過去の入眠時刻のばらつきの大きさが所定の値以下であるか否かを判断し、前記ばらつきの大きさが前記所定の値以下であると判断した場合、前記対象者が所定時間後に入眠することを通知する、
    請求項１～６のいずれか１項に記載の情報処理装置。
  8. 前記対象者は、入眠する直前に所定の介助を受ける被介助者であり、
    前記通知部は、前記ばらつきの大きさが前記所定の値より大きいと判断した場合、前記対象者に対して前記所定の介助を受けるか否かを確認するための確認情報を送信する、
    請求項７に記載の情報処理装置。
  9. コンピュータが、
    対象者の生体情報を取得し、
    前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測し、
    予測された、前記対象者が所定時間後に入眠することを通知する、
    情報処理方法。
  10. 対象者の生体情報を取得する取得部と、
    前記生体情報を用いて、前記対象者が所定時間後に入眠することを予測する予測部と、
    前記予測部によって予測された、前記対象者が所定時間後に入眠することを通知する通知部としてコンピュータを機能させる情報処理プログラム。
JP2018139182A 2018-07-25 2018-07-25 情報処理装置、情報処理方法及び情報処理プログラム Active JP7030639B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018139182A JP7030639B2 (ja) 2018-07-25 2018-07-25 情報処理装置、情報処理方法及び情報処理プログラム
US16/415,814 US11058348B2 (en) 2018-07-25 2019-05-17 Information processing device, information processing method, and computer-readable recording medium recording information processing program
CN201910455015.XA CN110772220B (zh) 2018-07-25 2019-05-29 信息处理装置、方法以及存储了信息处理程序的记录介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018139182A JP7030639B2 (ja) 2018-07-25 2018-07-25 情報処理装置、情報処理方法及び情報処理プログラム

Publications (2)

Publication Number Publication Date
JP2020014648A JP2020014648A (ja) 2020-01-30
JP7030639B2 true JP7030639B2 (ja) 2022-03-07

Family

ID=69179690

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018139182A Active JP7030639B2 (ja) 2018-07-25 2018-07-25 情報処理装置、情報処理方法及び情報処理プログラム

Country Status (3)

Country Link
US (1) US11058348B2 (ja)
JP (1) JP7030639B2 (ja)
CN (1) CN110772220B (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120457400A (zh) * 2023-03-27 2025-08-08 三菱电机株式会社 动作预测程序、动作预测装置及动作预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004254827A (ja) 2003-02-25 2004-09-16 Matsushita Electric Ind Co Ltd 睡眠状態判定装置
JP2016187429A (ja) 2015-03-30 2016-11-04 パイオニア株式会社 就寝案内装置
JP2018057581A (ja) 2016-10-05 2018-04-12 株式会社北電子 情報処理装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4347621B2 (ja) * 2003-05-21 2009-10-21 株式会社デルタツーリング 生体評価システム、コンピュータプログラム及び記録媒体
WO2007012927A1 (en) * 2005-07-26 2007-02-01 Matsushita Electric Works, Ltd. Illumination and sleep evaluation system
JP5427350B2 (ja) * 2007-10-31 2014-02-26 パナソニックヘルスケア株式会社 傾向予測装置及び傾向予測システム
US10292625B2 (en) * 2010-12-07 2019-05-21 Earlysense Ltd. Monitoring a sleeping subject
JP5953563B2 (ja) * 2012-09-06 2016-07-20 株式会社北電子 音楽情報処理システム、音楽情報処理サーバ装置及び音楽情報処理プログラム
WO2015107681A1 (ja) * 2014-01-17 2015-07-23 任天堂株式会社 情報処理システム、情報処理サーバ、情報処理プログラム、および情報提供方法
JP6485037B2 (ja) * 2014-12-25 2019-03-20 オムロン株式会社 睡眠改善システム及びこのシステムを用いた睡眠改善方法
JP6652764B2 (ja) 2015-03-18 2020-02-26 国立大学法人電気通信大学 睡眠段階推定装置、生体データ推定装置、睡眠段階推定方法、生体データ推定方法、睡眠段階推定プログラムおよび生体データ推定プログラム
JP6692828B2 (ja) * 2015-03-25 2020-05-13 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 睡眠補助のためのウェアラブルデバイス
WO2016157641A1 (ja) * 2015-03-27 2016-10-06 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP6477300B2 (ja) * 2015-06-29 2019-03-06 ヤマハ株式会社 音源装置
US9692874B2 (en) * 2015-09-30 2017-06-27 Apple Inc. Adjusting alarms based on sleep onset latency
JP6439729B2 (ja) * 2016-03-24 2018-12-19 トヨタ自動車株式会社 睡眠状態推定装置
JP6406552B2 (ja) * 2016-05-19 2018-10-17 株式会社北電子 情報処理システム及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004254827A (ja) 2003-02-25 2004-09-16 Matsushita Electric Ind Co Ltd 睡眠状態判定装置
JP2016187429A (ja) 2015-03-30 2016-11-04 パイオニア株式会社 就寝案内装置
JP2018057581A (ja) 2016-10-05 2018-04-12 株式会社北電子 情報処理装置

Also Published As

Publication number Publication date
US11058348B2 (en) 2021-07-13
CN110772220B (zh) 2024-11-12
JP2020014648A (ja) 2020-01-30
CN110772220A (zh) 2020-02-11
US20200029890A1 (en) 2020-01-30

Similar Documents

Publication Publication Date Title
US11911174B2 (en) Systems and methods for prevention of pressure ulcers
JP6010558B2 (ja) 患者の悪化の検出
US10755817B2 (en) Systems, apparatuses and methods for predicting medical events and conditions reflected in gait
JP7108267B2 (ja) 生体情報処理システム、生体情報処理方法、及びコンピュータプログラム
CN110248593B (zh) 通信装置、异常通知系统及生成体温的履历数据的方法
JP7752643B2 (ja) 掻破検出および炎症予測用コンピュータ化意思決定支援ツールおよび医療機器
JP2020510947A (ja) 身体行動パターンの分析による健康予測の方法および装置
CN109419493B (zh) 身体状况预测方法、身体状况预测装置和身体状况预测程序
CN113598721B (zh) 可穿戴终端及其核心体温监测方法和计算机可读存储介质
CN111837168A (zh) 提供紧急响应通知的方法和系统
JP7030639B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP7419904B2 (ja) 生体モニタ装置、生体モニタ方法及びプログラム
JP6385398B2 (ja) 活動量処理装置、活動量処理方法、及び、活動量処理プログラム
US20190277958A1 (en) Presence/absence detection method, non-transitory storage medium, sensor processing system, and sensor system
JP7084526B2 (ja) 端末装置、出力方法及びコンピュータプログラム
CN110236557B (zh) 现象预测系统、传感器信号处理系统、现象预测方法、非瞬时性记录介质及计算机记录介质
JP7180259B2 (ja) 生体情報解析装置、生体情報解析方法、および生体情報解析システム
JP2024519637A (ja) 持続グルコースモニタリングのための適応型システム
CN113671489A (zh) 状态提醒方法及装置、电子设备和计算机可读存储介质
JP7821517B1 (ja) 容体変化検出システム、容体変化検出プログラムおよびバイタルデータ補完方法
EP4385402A1 (en) Hypnodensity-based sleep apnea monitoring system and method of operation thereof
RU2818831C1 (ru) Компьютеризированное инструментальное средство поддержки принятия решений и медицинское устройство для обнаружения расчесов и прогнозирования покраснений
TWI836783B (zh) 獨居個人適用型智能監測方法及智能監測系統
JP7217007B2 (ja) 排尿情報分析装置、排尿情報分析システム及びプログラム
Sathananthavathi et al. Development of health tracker system for elderly people

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210127

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211025

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211116

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220117

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: 20220215

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220222

R150 Certificate of patent or registration of utility model

Ref document number: 7030639

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150