JP7047174B1 - 予測システム、予測装置、予測方法および予測プログラム - Google Patents
予測システム、予測装置、予測方法および予測プログラム Download PDFInfo
- Publication number
- JP7047174B1 JP7047174B1 JP2021134364A JP2021134364A JP7047174B1 JP 7047174 B1 JP7047174 B1 JP 7047174B1 JP 2021134364 A JP2021134364 A JP 2021134364A JP 2021134364 A JP2021134364 A JP 2021134364A JP 7047174 B1 JP7047174 B1 JP 7047174B1
- Authority
- JP
- Japan
- Prior art keywords
- context
- body temperature
- user
- prediction
- information
- 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
- 238000000034 method Methods 0.000 title claims description 79
- 230000036760 body temperature Effects 0.000 claims abstract description 235
- 208000031636 Body Temperature Changes Diseases 0.000 claims abstract description 124
- 230000008569 process Effects 0.000 claims description 37
- 230000036541 health Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 31
- 230000009471 action Effects 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 15
- 238000003860 storage Methods 0.000 description 25
- 238000007726 management method Methods 0.000 description 24
- 238000013500 data storage Methods 0.000 description 21
- 230000010365 information processing Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 19
- 102100040259 Deoxyribonuclease TATDN1 Human genes 0.000 description 10
- 101000891564 Homo sapiens Deoxyribonuclease TATDN1 Proteins 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 208000035473 Communicable disease Diseases 0.000 description 9
- 206010019345 Heat stroke Diseases 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 206010037660 Pyrexia Diseases 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 102100021277 Beta-secretase 2 Human genes 0.000 description 1
- 102100028966 HLA class I histocompatibility antigen, alpha chain F Human genes 0.000 description 1
- 101100165118 Homo sapiens BACE2 gene Proteins 0.000 description 1
- 101000986080 Homo sapiens HLA class I histocompatibility antigen, alpha chain F Proteins 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
Description
昨今、発熱検知により感染症対策を実施しようとする風潮が高まってきている。また、これに伴い、各個人も日頃から自身の体温変化に気を配るようになってきている。このため、例えば、将来の行動予定に応じてどのような体温変化が生じるか予め知ることができれば、感染症予防をはじめとして熱中症対策など、各種の健康管理を個人個人が行えるようになり便利であるが、そのような技術には未だ検討の余地がある。
まず、図1を用いて、実施形態に係る予測システムの構成を説明する。図1は、実施形態に係る予測システムの一例を示す図である。図1には、実施形態に係る予測システムの一例として、予測システム1が示される。
続いて、図2を用いて、実施形態に係る情報処理の具体的な一例を示す。図2は、実施形態に係る情報処理の一例を示す図である。図2には、予測装置100が、第1の利用者Unの体温と、第1の利用者Unが体温を検知された際のコンテキストである第1のコンテキストをモデルに学習させる学習処理を行う場面(ステップS11~S14)が示される。また、図2には、予測装置100が、関係性を学習した学習済のモデルと、第2の利用者Uxの将来のコンテキストである第2のコンテキストとに基づいて、将来における第2の利用者Uxの体温変化に関する情報を予測する予測処理を行う場面(ステップS21~S23)が示される。
はじめに学習処理について説明する。まず、端末装置10-nは、第1の利用者Unの体温を検知する(ステップS11)。図2の例によれば、スマートフォンである端末装置10-11が、第1の利用者U11の体温を検知した例が示される。また、図2の例によれば、防犯カメラである端末装置10-12が、第1の利用者U12の体温を検知した例が示される。さらに、図2の例によれば、顔認識用の情報処理端末である端末装置10-13が、第1の利用者U13の体温を検知した例が示される。
続いて、予測処理について説明する。まず、端末装置10-xは、第2の利用者Uxによる操作に応じて、第2の利用者Uxの将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報を予測装置100に送信する(ステップS21)。図2の例によれば、スマートフォンである端末装置10-21が、第2の利用者U21による入力操作に応じて、第2の利用者U21に対応する第2のコンテキスト情報を予測装置100に送信した例が示される。
ここからは、図3を用いて、実施形態に係る予測装置100について説明する。図3は、実施形態に係る予測装置100の構成例を示す図である。図3に示すように、予測装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、例えば、端末装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部120は、元データ記憶部121と、学習データ記憶部122と、学習結果記憶部123と、予測結果記憶部124とを有する。
元データ記憶部121は、学習データの元となる元データに関する情報を記憶する。ここで、図4に、実施形態に係る元データ記憶部121の一例を示す。図4の例では、元データ記憶部121は、「利用者ID」、「体温情報」、「第1のコンテキスト情報」といった項目を有する。
学習データ記憶部122は、元データ記憶部121に記憶される元データ(「体温情報」、「第1のコンテキスト情報」)から生成された学習データを記憶する。学習でータは、第1の利用者Unの体温と、体温が検知された際の第1の利用者Unの第1のコンテキストとの関係性をモデルMnに学習させるために用いられる。
学習結果記憶部123は、モデルMnによって学習された関係性に関する情報を記憶する。ここで、図6に、実施形態に係る学習結果記憶部123の一例を示す。図6の例では、学習結果記憶部123は、「関係性情報」、「コンテキスト情報」といった項目を有する。
予測結果記憶部124は、第2の利用者について予測された体温変化に関する情報を予測結果として記憶する。ここで、図7に、実施形態に係る予測結果記憶部124の一例を示す。図7の例では、予測結果記憶部124は、「利用者ID」、「第2のコンテキスト情報」、「予測結果」といった項目を有する。
取得部131は、第1の利用者Unの体温を示す体温情報と、第1の利用者Unが体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する。例えば、取得部131は、第1のコンテキスト情報として、体温を検知された際の第1の利用者Unの位置、体温を検知された際の第1の利用者Unの行動状態、体温を検知された際の第1の利用者Unの周辺環境、第1の利用者Unが体温を検知された際の日時、または、第1の利用者Unの属性を示す第1のコンテキスト情報を取得する。また、取得部131は、取得した体温情報と、第1のコンテキスト情報とを対応付けた状態で元データ記憶部121に登録する。
学習部132は、第1の利用者Unの体温に関する情報と、第1の利用者Unが体温を検知された際のコンテキストである第1のコンテキストとの関係性をモデルMnに学習させる。例えば、学習部132は、第1のコンテキストに応じて第1の利用者Unにどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルMnに学習させる。
管理部133は、モデルMnが学習した関係性を示す情報と、当該関係性から推定された将来のコンテキストを示すコンテキスト情報とを紐付けて管理する。例えば、管理部133は、モデルMnにより関係性が学習された場合に、学習された関係性に基づいて、この関係性に応じた将来のコンテキストを推定する。
受付部134は、各種情報を受け付ける。具体的には、受付部134は、端末装置10を介して予測装置100に入力された入力情報を受け付ける。例えば、受付部134は、第2の利用者Uxの将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報の入力を受け付ける。
予測部135は、第1の利用者Unの体温と、第1の利用者Unが体温を検知された際のコンテキストである第1のコンテキストとの関係性を学習したモデルMnと、第2の利用者Uxの将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、将来における第2の利用者Uxの体温変化に関する情報を予測する。例えば、予測部135は、第2のコンテキスト情報として、第2の利用者Uxの行動予定を示す第2のコンテキスト情報に基づいて、行動予定とされている行動が将来的に実際に行われた際にはどのような体温変化が第2の利用者Uxに生じるかを予測する。
提供部136は、予測部135により予測された予測結果が所定の条件を満たすか否かに基づいて、第2の利用者Uxに対して所定の情報を提供する。例えば、提供部136は、予測手段により予測された予測結果が所定の条件を満たすことに応じて、身体的なリスクが予想される場合には、予想されたリスクへの対策手段が提案される提案情報を第2の利用者Uxに提供する。また、提供部136は、予測部135により予測された予測結果が所定の条件を満たすことに応じて、身体的なリスクが予想される場合には、リスク発生を警告するアラートが第2の利用者Uxに対して出力されるよう出力制御してもよい。
予測情報取得部137は、体温が所定の閾値を超えるか否かに応じて利用者の健康管理を実施する健康管理システムによって第2の利用者Uxの体温が計測される場合に、第2の利用者Uxについて予測された体温変化に関する情報を取得する。
システム制御部138は、予測情報取得部137により取得された情報に基づき所定の閾値を調整するとともに、調整後の閾値を用いて第2の利用者Uxの健康状態を判断するよう健康管理システムを制御する。例えば、システム制御部138は、予測情報取得部137により取得された情報が示す体温変化が所定の条件を満たすか否かに基づいて、所定の閾値を調整する。
ここで、システム制御部138によって行われる閾値制御処理について図8の例を用いて説明する。図8は、実施形態に係る閾値制御処理の一例を示す図である。
次に、図9を用いて、実施形態に係る予測処理の手順について説明する。図9は、実施形態に係る予測処理手順を示すフローチャートである。なお、図9の例では、予測装置100は、機械学習によりモデルMnを生成済みであるものとして説明する。
上記実施形態では、予測装置100が、第1の利用者の体温に関する情報と、第1の利用者が体温を検知された際のコンテキストである第1のコンテキストとの関係性をモデルMnに学習させることで、学習済みのモデルMnを用いて、将来における第2の利用者の体温変化に関する情報を予測する例を示した。また、予測装置100が、予測結果をこの第2の利用者に提供する例を示した。
また、上述してきた予測装置100は、例えば、図10に示すような構成のコンピュータ1000によって実現される。図10は、予測装置100の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記各実施形態において説明した処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
10 端末装置
100 予測装置
120 記憶部
121 元データ記憶部
122 学習データ記憶部
123 学習結果記憶部
124 予測結果記憶部
130 制御部
131 取得部
132 学習部
133 管理部
134 受付部
135 予測部
136 提供部
137 予測情報取得部
138 システム制御部
Claims (24)
- 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手段と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習手段と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手段と
を備え、
前記学習手段は、前記第1のコンテキストに応じて前記体温変化が生じる確率を示す確率情報と、前記第1のコンテキスト情報との組を学習データとして用い、前記モデルとして、コンテキスト情報を入力とし、どのような体温変化がどのような確率で生じるかを示す情報を出力とする第2の予測モデルを生成し、
前記予測手段は、前記第2の予測モデルと、前記第2のコンテキスト情報とを用いて、前記第2のコンテキストに応じて前記第2の利用者に生じる体温変化と当該体温変化が起こる確率とを予測する
ことを特徴とする予測システム。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手段と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習手段と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手段と、
前記モデルが学習した関係性を示す情報と、当該関係性から推定された将来のコンテキストを示すコンテキスト情報とを紐付けて管理する管理手段と
を備え、
前記予測手段は、前記管理手段により管理されるコンテキスト情報のうち、前記第2のコンテキスト情報に対応するコンテキスト情報に紐付けられる関係性に基づいて、前記第2の利用者の体温変化に関する情報を予測する
ことを特徴とする予測システム。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手段と、
前記体温と前記第1のコンテキストとの関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手段と、
体温が所定の閾値を超えるか否かに応じて利用者の健康管理を実施する健康管理システムによって前記第2の利用者の体温が計測される場合に、前記第2の利用者について予測された体温変化に関する情報を取得する予測情報取得手段と、
前記予測情報取得手段により取得された情報に基づき前記所定の閾値を調整するとともに、調整後の閾値を用いて前記第2の利用者の健康状態を判断するよう前記健康管理システムを制御するシステム制御手段と
を備えることを特徴とする予測システム。 - 前記システム制御手段は、前記予測情報取得手段により取得された情報が示す体温変化が所定の条件を満たすか否かに基づいて、前記所定の閾値を調整する
ことを特徴とする請求項3に記載の予測システム。 - 前記システム制御手段は、前記体温変化が前記所定の条件を満たす場合には、前記体温変化が予測されるに至ったコンテキスト情報に基づいて、前記所定の条件を満たす原因が正当な原因であるか否かを判定し、正当な原因であると判定した場合には、前記所定の閾値を調整する
ことを特徴とする請求項4に記載の予測システム。 - 前記システム制御手段は、前記所定の条件を満たす原因が正当な原因であると判定した場合には、前記所定の条件に応じた値だけ前記閾値を高めるように調整する
ことを特徴とする請求項5に記載の予測システム。 - 前記取得手段は、前記第1のコンテキスト情報として、前記体温を検知された際の前記第1の利用者の位置、前記体温を検知された際の前記第1の利用者の行動状態、前記体温を検知された際の前記第1の利用者の周辺環境、前記体温を検知された際の日時、または、前記第1の利用者の属性を示す第1のコンテキスト情報を取得する
ことを特徴とする請求項1~6のいずれか1つに記載の予測システム。 - 前記予測手段は、前記第2のコンテキスト情報として、前記第2の利用者の行動予定を示す第2のコンテキスト情報に基づいて、予定された行動が将来行われた場合における前記体温変化に関する情報を予測する
ことを特徴とする請求項1~7のいずれか1つに記載の予測システム。 - 前記体温と前記第1のコンテキストとの関係性をモデルに学習させる学習手段をさらに有する
ことを特徴とする請求項3~8のいずれか1つに記載の予測システム。 - 前記学習手段は、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性を前記モデルに学習させる
ことを特徴とする請求項9に記載の予測システム。 - 前記学習手段は、前記体温変化を示す情報と、前記第1のコンテキスト情報との組を学習データとして用い、前記モデルとして、コンテキスト情報を入力とし、体温変化を示す情報を出力とする第1の予測モデルを生成し、
前記予測手段は、前記第1の予測モデルと、前記第2のコンテキスト情報とを用いて、前記第2のコンテキストに応じて前記第2の利用者に生じる体温変化を予測する
ことを特徴とする請求項10に記載の予測システム。 - 前記予測手段は、前記第2のコンテキスト情報の入力が前記第2の利用者から受け付けられた場合には、受け付けられた第2のコンテキスト情報と、前記モデルとを用いて、前記第2の利用者の体温変化に関する情報を予測する
ことを特徴とする請求項1~11のいずれか1つに記載の予測システム。 - 前記予測手段により予測された予測結果が所定の条件を満たすか否かに基づいて、前記第2の利用者に対して所定の情報を提供する提供手段をさらに備える
ことを特徴とする請求項1~12のいずれか1つに記載の予測システム。 - 前記提供手段は、前記予測手段により予測された予測結果が所定の条件を満たすことに応じて、身体的なリスクが予想される場合には、予想されたリスクへの対策手段が提案される提案情報を前記第2の利用者に提供する
ことを特徴とする請求項13に記載の予測システム。 - 前記提供手段は、前記予測手段により予測された予測結果が所定の条件を満たすことに応じて、身体的なリスクが予想される場合には、リスクの発生を警告するアラートを前記第2の利用者に対して出力する
ことを特徴とする請求項13または14に記載の予測システム。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得部と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習部と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測部と
を有し、
前記学習部は、前記第1のコンテキストに応じて前記体温変化が生じる確率を示す確率情報と、前記第1のコンテキスト情報との組を学習データとして用い、前記モデルとして、コンテキスト情報を入力とし、どのような体温変化がどのような確率で生じるかを示す情報を出力とする第2の予測モデルを生成し、
前記予測部は、前記第2の予測モデルと、前記第2のコンテキスト情報とを用いて、前記第2のコンテキストに応じて前記第2の利用者に生じる体温変化と当該体温変化が起こる確率とを予測する
ことを特徴とする予測装置。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得部と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習部と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測部と、
前記モデルが学習した関係性を示す情報と、当該関係性から推定された将来のコンテキストを示すコンテキスト情報とを紐付けて管理する管理部と
を有し、
前記予測部は、前記管理部により管理されるコンテキスト情報のうち、前記第2のコンテキスト情報に対応するコンテキスト情報に紐付けられる関係性に基づいて、前記第2の利用者の体温変化に関する情報を予測する
ことを特徴とする予測装置。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得部と、
前記体温と前記第1のコンテキストとの関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測部と、
体温が所定の閾値を超えるか否かに応じて利用者の健康管理を実施する健康管理システムによって前記第2の利用者の体温が計測される場合に、前記第2の利用者について予測された体温変化に関する情報を取得する予測情報取得部と、
前記予測情報取得部により取得された情報に基づき前記所定の閾値を調整するとともに、調整後の閾値を用いて前記第2の利用者の健康状態を判断するよう前記健康管理システムを制御するシステム制御部と
を有することを特徴とする予測装置。 - 予測装置が実行する予測方法であって、
第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得工程と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習工程と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測工程と
を含み、
前記学習工程は、前記第1のコンテキストに応じて前記体温変化が生じる確率を示す確率情報と、前記第1のコンテキスト情報との組を学習データとして用い、前記モデルとして、コンテキスト情報を入力とし、どのような体温変化がどのような確率で生じるかを示す情報を出力とする第2の予測モデルを生成し、
前記予測工程は、前記第2の予測モデルと、前記第2のコンテキスト情報とを用いて、前記第2のコンテキストに応じて前記第2の利用者に生じる体温変化と当該体温変化が起こる確率とを予測する
ことを特徴とする予測方法。 - 予測装置が実行する予測方法であって、
第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得工程と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習工程と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測工程と、
前記モデルが学習した関係性を示す情報と、当該関係性から推定された将来のコンテキストを示すコンテキスト情報とを紐付けて管理する管理工程と
を含み、
前記予測工程は、前記管理工程により管理されるコンテキスト情報のうち、前記第2のコンテキスト情報に対応するコンテキスト情報に紐付けられる関係性に基づいて、前記第2の利用者の体温変化に関する情報を予測する
ことを特徴とする予測方法。 - 予測装置が実行する予測方法であって、
第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得工程と、
前記体温と前記第1のコンテキストとの関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測工程と、
体温が所定の閾値を超えるか否かに応じて利用者の健康管理を実施する健康管理システムによって前記第2の利用者の体温が計測される場合に、前記第2の利用者について予測された体温変化に関する情報を取得する予測情報取得工程と、
前記予測情報取得工程により取得された情報に基づき前記所定の閾値を調整するとともに、調整後の閾値を用いて前記第2の利用者の健康状態を判断するよう前記健康管理システムを制御するシステム制御工程と
を含むことを特徴とする予測方法。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手順と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習手順と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手順と
を予測装置に実行させ、
前記学習手順は、前記第1のコンテキストに応じて前記体温変化が生じる確率を示す確率情報と、前記第1のコンテキスト情報との組を学習データとして用い、前記モデルとして、コンテキスト情報を入力とし、どのような体温変化がどのような確率で生じるかを示す情報を出力とする第2の予測モデルを生成し、
前記予測手順は、前記第2の予測モデルと、前記第2のコンテキスト情報とを用いて、前記第2のコンテキストに応じて前記第2の利用者に生じる体温変化と当該体温変化が起こる確率とを予測する
ことを特徴とする予測プログラム。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手順と、
前記体温と前記第1のコンテキストとの関係性として、前記第1のコンテキストに応じて前記第1の利用者にどのような体温変化が生じる傾向にあるか体温変化とコンテキストとの関係性をモデルに学習させる学習手順と、
前記関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手順と、
前記モデルが学習した関係性を示す情報と、当該関係性から推定された将来のコンテキストを示すコンテキスト情報とを紐付けて管理する管理手順と
を予測装置に実行させ、
前記予測手順は、前記管理手順により管理されるコンテキスト情報のうち、前記第2のコンテキスト情報に対応するコンテキスト情報に紐付けられる関係性に基づいて、前記第2の利用者の体温変化に関する情報を予測する
ことを特徴とする予測プログラム。 - 第1の利用者の体温を示す体温情報と、前記第1の利用者が前記体温を検知された際のコンテキストである第1のコンテキストを示す第1のコンテキスト情報とを取得する取得手順と、
前記体温と前記第1のコンテキストとの関係性を学習した学習済のモデルと、第2の利用者の将来のコンテキストである第2のコンテキストを示す第2のコンテキスト情報とに基づいて、前記将来における前記第2の利用者の体温変化に関する情報を予測する予測手順と、
体温が所定の閾値を超えるか否かに応じて利用者の健康管理を実施する健康管理システムによって前記第2の利用者の体温が計測される場合に、前記第2の利用者について予測された体温変化に関する情報を取得する予測情報取得手順と、
前記予測情報取得手順により取得された情報に基づき前記所定の閾値を調整するとともに、調整後の閾値を用いて前記第2の利用者の健康状態を判断するよう前記健康管理システムを制御するシステム制御手順と
を予測装置に実行させることを特徴とする予測プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021134364A JP7047174B1 (ja) | 2021-08-19 | 2021-08-19 | 予測システム、予測装置、予測方法および予測プログラム |
US17/886,806 US20230059310A1 (en) | 2021-08-19 | 2022-08-12 | Prediction system, prediction device, prediction method, and non-transitory computer readable storage |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021134364A JP7047174B1 (ja) | 2021-08-19 | 2021-08-19 | 予測システム、予測装置、予測方法および予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7047174B1 true JP7047174B1 (ja) | 2022-04-04 |
JP2023028573A JP2023028573A (ja) | 2023-03-03 |
Family
ID=81256634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021134364A Active JP7047174B1 (ja) | 2021-08-19 | 2021-08-19 | 予測システム、予測装置、予測方法および予測プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230059310A1 (ja) |
JP (1) | JP7047174B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005319283A (ja) | 2004-04-08 | 2005-11-17 | Matsushita Electric Ind Co Ltd | 生体情報活用システム |
JP2014186402A (ja) | 2013-03-21 | 2014-10-02 | Toshiba Corp | 生活見守り支援装置 |
JP2016048517A (ja) | 2014-08-28 | 2016-04-07 | ソフトバンク株式会社 | 情報提供サーバ及びプログラム |
WO2017199663A1 (ja) | 2016-05-16 | 2017-11-23 | シャープ株式会社 | 生体状態予測装置、生体状態予測方法、および生体状態予測プログラム |
JP2020130438A (ja) | 2019-02-15 | 2020-08-31 | 株式会社豊田中央研究所 | 生体情報予測装置及びプログラム |
JP2021039637A (ja) | 2019-09-05 | 2021-03-11 | Assest株式会社 | 熱中症リスク判別プログラム及びシステム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10305016A (ja) * | 1997-05-08 | 1998-11-17 | Casio Comput Co Ltd | 行動情報提供システム |
-
2021
- 2021-08-19 JP JP2021134364A patent/JP7047174B1/ja active Active
-
2022
- 2022-08-12 US US17/886,806 patent/US20230059310A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005319283A (ja) | 2004-04-08 | 2005-11-17 | Matsushita Electric Ind Co Ltd | 生体情報活用システム |
JP2014186402A (ja) | 2013-03-21 | 2014-10-02 | Toshiba Corp | 生活見守り支援装置 |
JP2016048517A (ja) | 2014-08-28 | 2016-04-07 | ソフトバンク株式会社 | 情報提供サーバ及びプログラム |
WO2017199663A1 (ja) | 2016-05-16 | 2017-11-23 | シャープ株式会社 | 生体状態予測装置、生体状態予測方法、および生体状態予測プログラム |
JP2020130438A (ja) | 2019-02-15 | 2020-08-31 | 株式会社豊田中央研究所 | 生体情報予測装置及びプログラム |
JP2021039637A (ja) | 2019-09-05 | 2021-03-11 | Assest株式会社 | 熱中症リスク判別プログラム及びシステム |
Also Published As
Publication number | Publication date |
---|---|
JP2023028573A (ja) | 2023-03-03 |
US20230059310A1 (en) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Otoom et al. | An IoT-based framework for early identification and monitoring of COVID-19 cases | |
US10706446B2 (en) | Method, system, and computer-readable medium for using facial recognition to analyze in-store activity of a user | |
US20180108048A1 (en) | Method, apparatus and system for recommending contents | |
KR102020551B1 (ko) | 모바일 컨텍스트 정보 기반의 음식점 추천방법 및 그를 위한 장치 | |
JP2019040475A (ja) | 人流予測装置、システムおよびプログラム | |
US20180359609A1 (en) | Systems and methods for sensing and locating passive electronic devices | |
US11778457B2 (en) | Integration of content distribution systems with device detection systems in physical venues | |
Yahaya et al. | Detecting anomaly and its sources in activities of daily living | |
CN111227789A (zh) | 人体健康监护方法和装置 | |
JPWO2009075294A1 (ja) | 危険度予測システム及び方法 | |
JP7047174B1 (ja) | 予測システム、予測装置、予測方法および予測プログラム | |
JP2017010223A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
WO2022132436A1 (en) | System and method for video analytics for thermography procedure compliance | |
CN111033545A (zh) | 信息处理装置、信息处理方法和程序 | |
JP7084962B2 (ja) | 推定プログラム、推定装置、推定方法、生成プログラム、生成装置及び生成方法 | |
US20170316259A1 (en) | Augmenting gesture based security technology for improved classification and learning | |
US20170316260A1 (en) | Augmenting gesture based security technology using mobile devices | |
JP2022185634A (ja) | 端末装置、情報処理装置、情報処理方法、情報処理プログラムおよび情報処理システム | |
Lee et al. | Ubiquitous sensor networks and image processing based environmental monitoring system for fire safety | |
WO2019130437A1 (ja) | 地域別笑顔度表示システム、地域別笑顔度表示方法及びプログラム | |
JP2020201608A (ja) | データ収集・提供システム及び方法 | |
KR102645192B1 (ko) | 인공지능 모델을 기반으로 욕창을 관리하는 방법 및 이를 수행하는 전자 장치 | |
JP7040664B1 (ja) | データ収集装置、データ取得装置及びデータ収集方法 | |
Moreno-Fernandez-de-Leceta et al. | Real prediction of elder people abnormal situations at home | |
JP7471545B1 (ja) | 情報表示システム、表示制御装置、プログラム及び表示制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211007 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211007 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220217 |
|
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: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7047174 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |