JP7143892B2

JP7143892B2 - 人の体重を予測する装置並びに健康管理装置及び方法

Info

Publication number: JP7143892B2
Application number: JP2020543618A
Authority: JP
Inventors: 直樹土屋
Original assignee: Omron Corp
Current assignee: Omron Corp
Priority date: 2018-03-05
Filing date: 2018-03-05
Publication date: 2022-09-29
Anticipated expiration: 2038-03-05
Also published as: JP2021515928A; CN111684536A; WO2019171119A1; US20200367834A1; EP3762941A1

Description

本発明は、バイオメトリック識別の分野に関する。より詳細には、本発明は、人の体重を予測する装置並びに健康管理装置及び方法に関する。

従来の識別装置においては、生体データに基づく機械学習方法を利用し、入力された生体データ及び対応する識別結果に基づき、所定の機能を有する識別装置を生成する。ここでは、達成可能な識別機能に基づき、識別装置へ入力される生体データには、収集した生体データの対象として決定された人または識別可能な個人のデータが含まれることがある。例えば、既存の解決方法では、人の血圧または体重が機械学習のために保存され、人の生物学的特性を識別するために使用することができる。つまり、人の生体特性（血圧や体重）が他人により取得可能となる。生体データの場合、これらの対象、人または個人を生体データから識別できないようにする必要がある場合がある。

このような状況下で、生体データの表現方法を研究して暗号化を行う方法が提案されている。取消可能な生体識別技術では、生体情報は変換パラメータにより不可逆的に変換され、変換された情報は登録テンプレートとしてシステムに保存される。比較識別を行う間に、同一の変換パラメータにより同一の方法で比較する生体情報を変換し、登録テンプレートと比較することで、データの認証と識別を実現する。しかしながら、識別装置に提供する学習データを独自に暗号化すると、学習器が生成されるたびに合成処理を行う必要があり、学習器がスムーズに生成されない場合がある。

したがって、学習データを暗号化せずにデータの匿名性を確保できる技術を提供する必要がある。

本発明は、前述の課題の少なくとも一部またはすべてを解決することを意図している。

本発明の実施形態では、生体情報及び対応するイベント情報を取得し、生体情報を組み合わせ、さらにイベント情報を組み合わせ、組み合わせた生体情報及び組み合わせイベント情報を識別装置の学習データとして採用する。

本発明の実施形態では、健康管理装置及び方法を提供し、識別装置を訓練するための学習データの生体情報を、対象、人または個人の識別情報（生体情報等）を取得できない情報にどのように処理するかどいう課題を少なくとも解決する。

本発明の実施形態の一態様によれば、取得部と、入力部と、記憶部と、組み合わせ部と、予測部とを含む、人の体重を予測する装置を提供する。取得部は、複数の人における各人の血圧を取得するように構成される。入力部は、血圧を取得したときに人の体重を入力するように構成される。記憶部は、血圧及び対応する体重とを関連付けて記憶するように構成される。組み合わせ部は、少なくとも２人の血圧の平均血圧を取得し、少なくとも２人の体重の平均体重を取得するように構成される。ここで、平均血圧と平均体重は関連付けられて学習データとして記憶部に記憶される。そして、予測部は、学習データに基づいて機械学習を行い、学習結果に基づき血圧に基づいて体重を予測するように構成される。

このように、学習データに含まれる人の血圧と体重を組み合わせて記憶するため、血圧と体重から人の識別情報を直接取得することはできない。処理された学習データに基づき、正確な体重予測を行うことができる。

本発明の実施形態の別の態様によれば、取得部、入力部、記憶部、組み合わせ部、及び予測部を含む健康管理装置を提供する。取得部は、複数の人における各人の生体情報を取得するように構成される。入力部は、各生体情報に対応するイベント情報を取得するように構成され、このイベント情報は、感知装置によって取得した物理的実体パラメータを表す。記憶部は、生体情報及び対応するイベント情報を関連付けて記憶するように構成される。組み合わせ部は、少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、少なくとも２つの生体情報にそれぞれ対応するイベント情報の組み合わせの組み合わせイベント情報を取得し、組み合わせ値及び組み合わせイベント情報を関連付けて学習データとして記憶部に記憶するように構成される。そして、予測部は、学習データに基づいて機械学習を行い、学習結果に基づき生体情報に基づいてイベント情報を予測するように構成される。

このように、学習データに含まれる生体情報及び対応するイベント情報を組み合わせて記憶するため、生体情報から対象や人の生体情報等の識別情報を直接取得することはできない。処理された学習データに基づき、正確なイベント予測を行うことができる。

本発明の例示的な実施形態によれば、イベント情報は数値形式の情報であり、健康管理装置は、ラベル生成部をさらに含む。ラベル生成部は、少なくとも２つの生体情報に対応するイベント情報の平均値を組み合わせイベント情報として算出し、組み合わせイベント情報をラベルとして組み合わせ値に割り当てるように構成される。

したがって、数値形式のイベント情報を組み合わせて処理するため、イベント情報から生体情報として使用される対象や人の識別情報を直接取得することはできない。

イベント情報が動作を表す情報である本発明の例示的な実施形態によれば、ラベル生成部は、少なくとも２つの生体情報に対応するイベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を、組み合わせイベント情報として決定し、組み合わせイベント情報を組み合わせイベント値にラベルとして組み合わせ値に割り当てるように構成される。

したがって、動作を表すイベント情報を組み合わせて処理するため、イベント情報から生体情報として使用される対象や人の識別情報を直接取得することはできない。

本発明の例示的な実施形態によれば、組み合わせ値は、少なくとも２つの生体情報の平均値である。

したがって、生体情報を組み合わせて処理するため、生体情報から生体情報として使用される対象や人の識別情報を直接取得することはできない。

本発明の例示的な実施形態によれば、健康管理装置は、暗号化情報生成部をさらに含む。暗号化情報生成部は、少なくとも２つの生体情報のそれぞれに乱数を追加して、複数の暗号化生体情報を取得し、ここで、少なくとも２つの暗号化生体情報の平均値は、少なくとも２つの生体情報の平均値と等しく、さらに、暗号化情報生成部は、複数の暗号化生体情報を記憶部に送信し、保存された学習データのイベント情報に関連付けられた生体情報を、対応する暗号化生体情報に置き換えるように構成される。

したがって、生体情報はさらに暗号化され、必要な学習データを保持すると同時に生体情報が変更され、生体情報から対象や人の生体情報として使用される識別情報を直接取得することはできない。

本発明の例示的な実施形態によれば、組み合わせのための少なくとも２つの生体情報に対応する少なくとも２つの人は、同一のイベント情報を有する人である。

したがって、学習データに適した生体情報が学習データとして選択される。

本発明の例示的な実施形態によれば、組み合わせのための少なくとも２つの生体情報に対応する少なくとも２人について、少なくとも２つの生体情報の値の間の近さは、所定の閾値よりも高い。

本発明の実施形態の別の態様によれば、複数の人における各人の生体情報を取得し、各生体情報に対応する、感知装置によって取得した物理的実体パラメータを表すイベント情報を取得することと、生体情報及び対応するイベント情報を関連付けて記憶することと、少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、少なくとも２つの生体情報にそれぞれ対応するイベント情報の組み合わせの組み合わせイベント情報を取得することと、を含み、組み合わせ値と組み合わせイベント情報は、関連付けられて記憶部に学習データとして記憶され、学習データに基づいて機械学習を行い、学習結果に基づき生体情報に基づいてイベント情報を予測する、健康管理方法を提供する。

このように、学習データに含まれる生体情報と対応するイベント情報とを組み合わせて記憶するため、生体情報から対象や人の生体情報等の識別情報を直接取得することはできない。処理された学習データに基づき、正確なイベント予測を行うことができる。

本発明の例示的な実施形態によれば、イベント情報は数値形式の情報であり、健康管理方法は、少なくとも２つの生体情報に対応するイベント情報の平均値を組み合わせイベント情報として算出し、組み合わせイベント情報を組み合わせ値にラベルとして割り当てることをさらに含む。

本発明の例示的な実施形態によれば、イベント情報は動作を表す情報であり、健康管理方法は、少なくとも２つの生体情報に対応するイベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を、組み合わせイベント情報として決定し、組み合わせイベント情報を組み合わせ値にラベルとして割り当てることをさらに含む。

発明の例示的な実施形態によれば、健康管理方法は、少なくとも２つの生体情報のそれぞれに乱数を追加して、複数の暗号化生体情報を取得し、ここで、少なくとも２つの暗号化生体情報の平均値は、少なくとも２つの生体情報の平均値と等しく、さらに、保存された学習データのイベント情報に関連付けられた生体情報を、対応する暗号化生体情報に置き換えることをさらに含む。

本発明の実施形態の別の態様によれば、健康管理方法は、複数の人における各人の血圧を取得することと、血圧が取得されたときにその人の体重を取得することと、血圧及び対応する体重を関連付けて記憶することと、少なくとも２人の血圧の平均血圧を取得し、少なくとも２人の体重の平均体重を取得し、平均血圧と平均体重とを関連付けて学習データとして記憶することを含む。

本発明の実施形態の別の態様によれば、前述の健康管理方法によって生成された学習データを取得し、学習データに基づいて機械学習を行い、学習結果に基づき血圧に基づいて体重を予測する、イベント予測方法を提供する。

したがって、処理された学習データに基づき、正確な体重予測を行うことができる。

本発明の実施形態の別の態様によれば、プログラムが記憶される記憶媒体が提供され、プログラムが実行されると、記憶媒体を含む機器が前述の方法を実行できるようにする。

本発明の実施形態の別の態様によれば、１つまたは複数のプロセッサ、メモリ、表示装置、及び１つまたは複数のプログラムを含む端末が提供され、１つまたは複数のプログラムはメモリに格納され、１つまたは複数のプロセッサによって実行されるように構成され、１つまたは複数のプログラムは、前述の方法を実行するように構成される。

プログラム及び記憶媒体は、前述の各方法と同一の効果を達成することができる。

本発明の実施形態では、処理された学習データは、識別デバイスを正確に訓練するか、またはイベント予測のために構成されても良い。同時に、処理された学習データから、生体情報として使用される対象や人の識別情報を識別することはできない。

本明細書で説明される図面は、本発明のさらなる理解を提供するために使用され、本発明の一部を構成する。本発明の概略的な実施形態及びその説明は、本発明を説明するために使用され、本発明に対する不適切な限定を構成しない。

本発明の実装モードによる健康管理システム１００のハードウェア構成のモード図である。本発明の実施形態による健康管理装置のブロック図である。本発明の実施形態による生体情報及び暗号化生体情報のデータ分布図である。本発明の実施形態による健康管理方法のフローチャートである。本発明の例示的な実施形態による健康管理方法のフローチャートである。本発明の例示的な実施形態による健康管理方法のフローチャートである。本発明の例示的な実施形態による健康管理方法のフローチャートである。

当業者が、本発明が課題を解決するための方法をよりよく理解できるように、本発明の実施形態における課題を解決するための手段を、本発明の実施形態における図面と組み合わせて、以下に明確かつ完全に説明する。明らかに、説明される実施形態は、実施形態の全てではなく、本発明の実施形態の一部にすぎない。本発明の実施形態に基づいて当業者によって創造的な努力なしに得られる他のすべての実施形態は、本発明の保護範囲に含まれるものとする。

本発明の明細書、特許請求の範囲、及び図面における「第１」、「第２」等の用語は、特定の順序または順序を説明するためではなく、類似の対象を区別するために採用されることに留意することが重要である。このように使用されるデータは、本明細書に記載または説明されているもの以外の順序で、本明細書に記載されている本発明の実施形態を実施するため、適切な条件下で交換できることを理解されたい。さらに、「含む」及び「有する」という用語、並びにそれらのあらゆる変形は、非排他的な包含をカバーすることを意図している。例えば、一連のステップまたはモジュールまたはユニットを含む工程、方法、システム、製品または機器は、明示的に列挙されているそれらの工程またはモジュールまたはユニットに限定されず、明示的に列挙されていないか説明されていない他の工程、方法、製品または機器に固有の他のステップ、モジュールまたはユニットを含むことができる。

本発明が課題を解決するための手段では、生体情報の対象として決定された被検出対象者から取得した生体情報は、複数の検被検出対象者の生体情報間で学習データとして組み合わせられる。組み合わせ生体情報データを学習データとして使用するので、識別可能な被検出対象者の学習データに基づき、識別装置の訓練のためまたはイベント予測のために、学習器を生成することができる。

まず、本発明の実施の形態に係る健康管理システム１００のハードウェア構成について説明する。

図１は、本発明の実装モードによる健康管理システム１００のハードウェア構成のモード図である。図１に示すように、例えば、健康管理システム１００は、汎用コンピュータによって実現しても良い。健康管理システム１００は、プロセッサ１１０、メインメモリ１１２、メモリ１１４、入力インターフェース１１６、ディスプレイインターフェース１１８、及び通信インターフェース１２０を含んでも良い。これらの部材は、例えば、内部バス１２２を介して互いに通信することができる。

プロセッサ１１０は、メモリ１１４に記憶されたプログラムをメインメモリ１１２に展開して実行することにより、以下に説明する機能及び処理を実現する。メインメモリ１１２は、不揮発性メモリとして構成することができ、プロセッサ１１０のプログラム実行に必要なワーキングメモリとして機能する。

入力インターフェース１１６は、マウスやキーボード等の入力部と接続され、操作者が入力部を操作することにより入力指示を受ける。

ディスプレイインターフェース１１８は、ディスプレイと接続することができ、プロセッサ１１０のプログラム実行によって生成された様々な処理結果をディスプレイに出力することができる。

通信インターフェース１２０は、ネットワーク２００を介してプログラマブルロジックコントローラ（ＰＬＣ）、データベース装置等と通信するように構成される。

メモリ１１４は、機能を実現するための健康管理システム１００としてコンピュータを決定することができるプログラム、例えば健康管理プログラム及びオペレーティングシステム（ＯＳ）を記憶することができる。

メモリ１１４に記憶された健康管理プログラムは、デジタルバーサタイルディスク（ＤＶＤ）等の光記録媒体またはユニバーサルシリアルバス（ＵＳＢ）メモリ等の半導体記録媒体を介して健康管理システム１００にインストールすることができる。または、健康管理プログラムは、ネットワーク上のサーバ装置等からダウンロードしても良い。

実装モードに係る健康管理プログラムは、他のプログラムと組み合わせて提供されても良い。このような状況下では、健康管理プログラムは、そのような組み合わせの他のプログラムに含まれるモジュールを含まず、他のプログラムと連携して処理を行う。したがって、実装モードに係る健康管理プログラムは、他のプログラムと組み合わせた形態であっても良い。

本発明の実施形態によれば、健康管理装置が提供される。図２は、本発明の実施形態による健康管理装置のブロック図である。図２に示すように、健康管理装置２００は、複数の人における各人の血圧を取得するように構成される取得部２０１と、血圧が取得されたときの体重を入力するように構成される入力部２０３と、血圧及び対応する体重を関連付けて記憶するように構成される記憶部２０５と、少なくとも２人の血圧の平均血圧を取得し、少なくとも２人の体重の平均体重を取得し、平均血圧と平均体重とが関連付けられて学習データとして記憶部に記憶するように構成される組み合わせ部２０７と、を含み。学習データが機械学習用に生成される。例えば、予測部２０９は、学習データに基づいて機械学習を行う場合、特定の血液値と特定の体重とを関連付けることができる。そして、予測部２０９は、学習結果に基づき、血圧に基づいて体重を予測するように構成されている。

別の実施形態では、機械学習は、ニューラルネットワークが血圧から体重を予測することができるように、ニューラルネットワークによって実行することができる。ニューラルネットワークは、任意の種類の既存のニューラルネットワークであっても良く、学習データ、例えば、予測に使用されるデータ及び対応する予測結果を含むデータのセットとして入力を受信することができる。ニューラルネットワークは、受信した学習データを処理した後、予測に使用されることができる。例えば、血圧及び対応する体重が学習データとして受信され、ニューラルネットワークが機械学習を行う。つまり、ニューラルネットワークは特定の血圧と体重の間にリンクを作成する。機械学習後、ニューラルネットワークが訓練され、予測のためにさらに入力を受診することができるようになる。血圧を受信すると、ニューラルネットワークは対応する体重を予測する結果を生成するか、作成されたリンクに基づいて可能な体重に関する可能性の値を生成できる。

取得部２０１は、例えば、血圧を取得する装置であり、対応する装置から血圧を取得する機器であっても良い。取得部２０１は、後続の処理のために複数の人の血圧を取得する。効果的な学習データを得るには、血圧に加え、血圧を取得したときの体重も必要である。学習データは、血圧を取得したときの体重を示す。

入力部２０３は、体重を取得するように構成される。入力部２０３は、使用者が手動で体重を入力するための機器であっても良いし、他の機器から体重を取得しても良い。

記憶部２０５は、例えば、不揮発性メモリや、血圧及び対応する体重を関連付けて記憶したデータを記憶することができる任意のメモリである。

組み合わせ部２０７は、取得した血圧及び体重を処理するように構成される。組み合わせ部２０７によって処理する血圧及び体重は、学習データとして、識別装置を正確に訓練するためか、イベント予測のために構成されることができる。処理されたデータから人の情報を識別することはできない。組み合わせ部２０７は、血圧について、平均血圧及び平均体重を計算して取得する。このように、平均血圧や平均体重は人の直接的な情報ではなく、変更された情報を表すため、生体情報が取得された人を特定することはできない。つまり、仮想化された人の血圧とそれに対応する体重が生成される。また、生成されたデータを使用して実際の人を特定することはできない。組み合わせ部２０７は、処理した平均血圧と平均体重を記憶部２０５に送り、記憶部２０５は、平均血圧と平均体重とを関連付けて記憶する。つまり、平均血圧は平均体重に対応する。

イベント予測部２０９は、識別装置であっても良く、学習データにより訓練することができ、そしてまた、血圧が入力されたとき、人の体重を確定することができる。

別の実施形態では、機械学習及び予測は、産業用、例えば、ファクトリーオートメーションに用いることができる。そのような場合、例えば、学習データは、心拍数と、その人が現在実行している、または実行したばかりの対応するプロセスを含む。特に、取得部２０１は、プロセスを実行している複数の人の心拍数を取得する。入力部２０３は、人が現在実行している、または実行したばかりのプロセスを入力するために使用することができる。つまり、特定の心拍数は特定のプロセスに関連している。複数のプロセスが存在する場合がある。プロセスの種類ごとに、対応する心拍数がデータセットを形成しても良い。複数の種類のプロセスの場合、対応する数のデータセットが存在する。心拍数及びプロセスを、人を識別するために使用できない程度に変換するために、組み合わせ部２０７は、各データセットの心拍数の平均心拍数を生成する。平均心拍数は、任意の１人の心拍数を表すものではなく、個人を識別するために用いることはできない。したがって、各平均心拍数は特定の種類のプロセスに対応する。平均心拍数及び対応するプロセスは、機械学習用の学習データとして記憶部２０５に関連付けて記憶することができる。予測部２０９は、学習データを受け取り、平均心拍数及び対応するプロセスに基づいて機械学習を行うすることができる。機械学習後、予測部２０９は、心拍数の入力に基づいて、人が現在実行している、または実行したばかりのプロセスを予測することができる。予測部２０９は、心拍数を検出または受信すると、人が現在実行している、または実行したばかりの対応するプロセスを生成するか、または可能なプロセスごとに可能性を生成する。この実施形態では、人が実行している、または実行したばかりのプロセスを監視することができる。

本発明の別の実施形態によれば、学習データは、生体情報及びイベント情報を含む。取得部２０１は、複数の人における各人の生体情報を取得するように構成される。入力部２０３は、各生体情報に対応するイベント情報を取得するように構成される。記憶部２０５は、生体情報及び対応するイベント情報を関連付けて記憶するように構成される。そして、組み合わせ部２０７は、少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、少なくとも２つの生体情報にそれぞれ対応するイベント情報の組み合わせの組み合わせイベント情報を取得し、組み合わせ値と組み合わせイベント情報を関連付けて学習データとして記憶部に記憶するように構成される。予測部２０９は、生成された学習データを取得するように構成され、学習データに基づいて機械学習を行うように構成される。予測部２０９は、学習結果に基づき、生体情報に基づいてイベント情報を予測する。

生体情報は、人の生物学的特徴を示す情報である。生体情報を取得される人は、例えば、人であり、他の生体であっても良い。生体情報は、対応する装置を介して人から取得することができる。例えば、血圧や心拍数等のデータを生体情報として取得することができる。識別装置を訓練するため、またはイベント予測のために学習データとして情報を使用できる限り、他の生体情報も取得できることを理解されたい。

取得部２０１は、例えば、生体情報を取得する対応機器であり、対応機器から生体情報を取得する機器であっても良い。取得部２０１は、後続する処理のために複数の生体情報を取得する。効果的な学習データを取得するためには、生体情報に加え、生体情報に対応するイベント情報も必要である。例えば、イベント情報は、生体情報が取得されたときに対応する人に発生するイベントを表す情報であり、感知装置によって取得される物理的実体パラメータを表し、学習データは、生体情報が取得されたとき、対応するイベントが人に発生することを示す。

入力部２０３は、イベント情報を取得するように構成される。入力部２０３は、使用者がイベント情報を手動で入力する機器であって良く、他の機器からイベント情報を取得しても良い。

記憶部２０５は、例えば、不揮発性メモリや、生体情報及び対応するイベント情報を関連付けて記憶するデータを記憶することができる任意のメモリである。

組み合わせ部２０７は、取得した生体情報及びイベント情報を処理するように構成される。組み合わせ部２０７によって処理される生体情報及びイベント情報は、学習データとして識別装置を正確に訓練するように、またはイベント予測のために構成されても良く、処理されたデータから人の情報を特定することは不可能である。複数の生体情報について、組み合わせ部２０７は、所定のアルゴリズムにより複数の生体情報を組み合わせて、組み合わせ値を得る。さらに、対応する複数のイベント情報について、組み合わせ部２０７は、所定のアルゴリズムにより複数のイベント情報を組み合わせる。このように、組み合わせ値及び組み合わせイベント情報は、人の生体情報を直接表すものではなく、変更された生体情報を表すものであり、生体情報が取得された人を特定することはできない。組み合わせ部２０７は、処理された組み合わせ値と組み合わせイベントデータを記憶部２０５に送信し、記憶部２０５は、組み合わせ値と組み合わせイベントデータを関連付けて記憶する。つまり、組み合わせ値は組み合わせイベント情報に対応する。

前述した健康管理装置２００は、組み合わせ値と組み合わせイベントデータに基づいて学習データを生成し、イベント予測部２０９は、識別装置であっても良く、学習データにより訓練することができ、また、血圧や心拍数等の生体情報が入力されたときに、人のイベント情報を確定することができる。

図２に示すように、本発明の例示的な実施形態によれば、健康管理装置２００は、少なくとも２つの生体情報に対応するイベント情報の平均値を組み合わせイベント情報として算出するように構成されるラベル生成部２１１をさらに含む。ここで、イベント情報は数値形式の情報であり、組み合わせイベント情報をラベルとして組み合わせ値に割り当てる。

ラベル生成部２１１は、組み合わせ値に対応する情報を表すために、組み合わせ値にラベルを割り当てるように構成される。例えば、実装モードでは、イベント情報は数値形式の情報であり、例えば、人の体重である。ラベル生成部２１１は、平均体重等の複数の人の情報の平均値を数値化して、組み合わせイベント情報として算出する。ラベル生成部２１１は、組み合わせ値が組み合わせイベント情報の平均値に対応することを示す対応情報として、組み合わせイベント情報を平均値形式で組み合わせ値に割り当てる。

本発明の例示的な実施形態によれば、ラベル生成部２１１は、少なくとも２つの生体情報に対応する、動作を表す情報であるイベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を、組み合わせイベント情報として決定し、組み合わせイベント情報を組み合わせ値にラベルとして割り当てるように構成されている。

イベント情報は、人の体重等の数値情報のほか、動作を表す情報であっても良い。例えば、イベント情報は、座っている、立っている、歩いている、ジャンプしている等の情報であっても良い。学習データとして使用する場合、これらの動作において人が完了した特定の動作は、対応する生体情報に従って確定しても良い。したがって、複数の動作の中から、他の動作よりも発生頻度が高いイベント情報を組み合わせイベント情報として選択しても良い。同様に、組み合わせイベント情報は、特定の人の識別情報を表さないが、識別装置を正確に訓練するため、またはイベント予測のために使用することができる。ラベル生成部２１１は、組み合わせイベント情報をラベルとして組み合わせ値に割り当て、組み合わせ値は、他のイベントよりも発生頻度が高いイベント情報に対応していることを表す。

本発明の例示的な実施形態によれば、組み合わせ値は、少なくとも２つの生体情報の平均値である。生体情報は、例えば、血圧や心拍数等の数値情報であり、それらの平均値を組み合わせ値としても良い。組み合わせ値は、学習データにおいて生体情報として利用されてもよいが、一方で、人の識別情報を取得するために利用されなくても良い。

図２に示すように、本発明の例示的な実施形態によれば、健康管理装置２００は、少なくとも２つの生体情報のそれぞれに乱数を追加して、複数の暗号化された生体情報を取得するように構成される暗号化情報生成部２１３をさらに含む。ここで、暗号化された少なくとも２つの生体情報の平均値は、少なくとも２つの生体情報の平均値と等しい。さらに、暗号化情報生成部は、複数の暗号化生体情報を記憶部に送信し、記憶されている学習データのイベント情報に関連付けられている生体情報を、対応する暗号化生体情報に置き換える。

生体情報の組み合わせ値をさらに処理して暗号化することにより、人の識別情報をさらに取得しにくくすることができる。図３は、本発明の実施形態による、生体情報及び暗号化生体情報のデータ分布図である。図３に示すように、縦軸は生体情報のデータを表し、横軸は複数の生体情報のデータ分布を表す。複数の生体情報は、組み合わせ値を中心として両側に分布している。暗号化情報生成部２１３による処理を行うこと、すなわち、複数の生体情報に乱数を付加することにより、各生体情報が変更されるが、複数の生体情報のデータの全体的な分布は、依然として組み合わせ値を中心線とする。即ち、組み合わせ値は変更されず、個々の生体情報が変更されるため、そこから人の識別情報を取得することはできない。

したがって、生体情報はさらに暗号化され、生体情報は必要な学習データを保持すると同時に変更され、生体情報から生体情報として使用される対象や人の識別情報を直接取得することはできない。

例示的な実施形態では、所定の条件に基づいて人が選択され、学習データとして使用される合理的なサンプルが提供される。この人は、生体情報を取得したときと同一のイベントが発生した人であるので、取得されるデータは、生体情報を取得したときに人に発生したイベントを確定するように構成されても良い。

本発明の別の実施形態によれば、健康管理方法が提供される。図４は、本発明の実施形態による健康管理方法のフローチャートである。図４に示すように、健康管理方法４００は、以下のステップを含む。Ｓ４０１では、複数の人における各人の生体情報を取得する。Ｓ４０３では、各生体情報に対応するイベント情報を取得する。Ｓ４０５では、生体情報と対応するイベント情報とを関連付けて記憶する。Ｓ４０７では、少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、少なくとも２つの生体情報にそれぞれ対応するイベント情報の組み合わせの組み合わせイベント情報を取得し、ここで、組み合わせ値と組み合わせイベント情報を関連付けて学習データとして記憶する。本発明の他の実施形態による健康管理方法は、前述の健康管理装置２００によって実行される方法と同一であり、本明細書では詳述しない。

このように、学習データに含まれる生体情報及び対応するイベント情報を組み合わせて記憶するので、組み合わせた生体情報から、対象や人のオリジナルの生体情報等の識別情報を直接取得することはできない。

図４に示すように、本発明の例示的な実施形態によれば、健康管理方法４００は、以下のステップをさらに含む。Ｓ４０９では、少なくとも２つの生体情報に対応する、数値形式の情報であるイベント情報の平均値を組み合わせイベント情報として算出する。Ｓ４１３では、組み合わせイベント情報を組み合わせ値にラベルとして割り当てる。イベント情報が、例えば、体重等の数値形式の情報である場合、健康管理方法では、ステップＳ４０７の後にステップＳ４０９が実行される。そして、ステップＳ４１３において、組み合わせイベント情報を組み合わせ値にラベルとして割り当てる。

図４に示すように、本発明の例示的な実施形態によれば、健康管理のための方法４００は、以下のステップをさらに含む。Ｓ４１１では、少なくとも２つの生体情報に対応する、動作を表す情報であるイベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を組み合わせイベント情報として決定する。そして、組み合わせイベント情報を、ラベルとして組み合わせ値に割り当てる。イベント情報が、座っている、立っている、歩いている、ジャンプしている等の動作を表す情報である場合、健康管理方法では、ステップＳ４０７の後にステップＳ４１１が実行される。そして、ステップＳ４１３において、組み合わせイベント情報を組み合わせ値にラベルとして割り当てる。

したがって、動作を表すイベント情報を組み合わせて処理するため、イベント情報から、生体情報として使用される対象や人の識別情報を直接取得することはできない。

本発明の例示的な実施形態によれば、組み合わせ値は、少なくとも２つの生体情報の平均値である。したがって、生体情報を組み合わせて処理するため、生体情報から対象や人の生体情報として使用される識別情報を直接取得することはできない。

図５は、本発明の例示的な実施形態による健康管理方法のフローチャートであり、図５に示すように、健康管理方法５００は、以下のステップを含む。Ｓ５０１では、少なくとも２つの生体情報のそれぞれに乱数を付加して、複数の暗号化生体情報を取得する。ここで、少なくとも２つの暗号化生体情報の平均値は、少なくとも２つの生体情報の平均値に等しい。Ｓ５０３では、記憶された学習データのイベント情報に関連付けられている生体情報を、対応する暗号化生体情報に置き換える。特に、乱数は人から生体情報を取得する際に生成され、暗号化に利用される。

したがって、生体情報はさらに暗号化され、必要な学習データを保持すると同時に生体情報が変更され、生体情報から対象や人の生体情報等の識別情報を直接取得することはできない。

本発明の実施形態によれば、組み合わせ対象の少なくとも２つの生体情報に対応する少なくとも２人は、同一のイベント情報を有する人である。したがって、学習データに適した生体情報が学習データとして選択される。

本発明の例示的な実施形態によれば、組み合わせのための少なくとも２つの生体情報に対応する少なくとも２人の人について、少なくとも２つの生体情報の値の間の近さは、所定の閾値よりも高い。したがって、学習データに適した生体情報が学習データとして選択される。

本発明の実施形態の別の態様によれば、健康管理方法が提供される。図６は、本発明の例示的な実施形態による健康管理方法のフローチャートである。図６に示すように、健康管理方法６００は、以下のステップを含む。Ｓ６０１では、複数の人における各人の血圧を取得する。Ｓ６０３では、血圧を取得したときの人の体重を取得する。Ｓ６０５では、血圧及び対応する体重を関連付けて記憶し、２人以上の血圧の平均血圧を取得し、２人以上の体重の平均体重を取得する。ここで、Ｓ６０７では、平均血圧と平均体重を関連付けて学習データとして記憶する。このように、学習データに含まれる人の血圧と体重を組み合わせて記憶するため、血圧と体重から人の識別情報を直接取得することはできない。

本発明の実施形態の別の態様によれば、イベント予測方法が提供される。図７は、本発明の例示的な実施形態による健康管理方法のフローチャートである。図７に示すように、イベント予測方法７００は、以下のステップを含む。Ｓ７０１では、前述の健康管理方法により生成された学習データを取得する。Ｓ７０３では、学習データに基づいて機械学習を行う。Ｓ７０５では、学習結果に基づき生体情報に基づいてイベント情報を予測する。したがって、処理された学習データに基づき、正確なイベント予測を行うことができる。

本発明の例示的な実施形態による健康管理方法は、本発明の実施形態による健康管理装置２００によって実行される方法と同一であり、本明細書では詳述しない。

本発明の実施形態の別の態様によれば、１つまたは複数のプロセッサ、メモリ、表示装置、及び１つまたは複数のプログラムを含む端末が提供される。ここで、１つまたは複数のプログラムはメモリに記憶され、１つまたは複数のプロセッサによって実行されるように構成され、１つまたは複数のプログラムは前述の方法を実行するように構成される。

本発明の実施形態に係るプログラム及び記憶媒体は、上記の内容を参照するものであり、それらの具体的な実施形態については、ここでは詳述しない。本発明の実施形態では、各実施形態に関する説明に異なる強調が置かれ、特定の実施形態で詳述されていない部分は、他の実施形態の関連する説明を参照することができる。

本発明で提供されるいくつかの実施形態では、開示される技術内容は他の方法で実現されてもよいことを理解するべきである。前述の装置の実施形態は、単に概略的なものである。例えば、ユニットまたはモジュールの分割は、論理機能の分割であってもよく、実際の実現においては、他の分割方法を採用しても良い。例えば、複数のユニット、モジュールまたは部材を組み合わせるか、または別のシステムに統合してもよく、またはいくつかの機能を無視するか、または実行しなくても良い。さらに、図示または説明した相互結合または直接結合または通信接続は、いくつかのインターフェース、ユニットまたはモジュールを介した間接結合または通信接続であっても良く、電気的または他の形態であっても良い。

個別の部材として説明されているユニットまたはモジュールは、物理的に分離されている場合とされていない場合がある。ユニットまたはモジュールとして表示される部材は、物理的なユニットまたはモジュールである場合とそうでない場合がある。つまり、１つの場所に配置することも、複数のユニットまたはモジュールに分散して配置することもできる。実施形態が課題を解決するための手段を達成するための実際の必要性に従って、ユニットまたはモジュールの一部または全てを選択することができる。

さらに、本発明の実施形態における各機能ユニットまたはモジュールは、１つの処理部またはモジュールに統合しても良く、あるいは各ユニットまたはモジュールは、物理的かつ独立して存在しても良く、または２つ以上のユニットまたはモジュールを、１つのユニットまたはモジュールに統合しても良い。前述の統合されたユニットまたはモジュールは、ハードウェアの形で実装することができ、ソフトウェア機能部またはモジュールの形で実装することもできる。

ソフトウェア機能ユニットの形で実現され、独立した製品として販売または使用される場合、統合されたユニットは、コンピュータ可読記憶媒体に格納することができる。この理解に基づいて、本発明が課題を解決するための手段において、本質的に、または従来技術に寄与する部分、または課題を解決するための手段の全てまたは一部は、ソフトウェア製品の形で実装されても良く、コンピュータソフトウェア製品は、本発明の実施形態による方法のステップの全部または一部をコンピュータ機器（パーソナルコンピュータ、サーバまたはネットワーク機器等）に実行させるいくつかの命令を含む記憶媒体に格納される。前述の記憶媒体は、ＵＳＢディスク、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、リムーバブルハードディスク、磁気ディスク、または光ディスク等のプログラムコードを記憶することができる様々な媒体を含む。

以上は、本発明の好ましい実施形態にすぎず、当業者は、本発明の原理から逸脱することなく、いくつかの改善及び修正を行うことができることに留意されたい。これらの改善及び修正は、本発明の保護の範囲内であると見なされるべきである。

１００：健康管理システム
１１０：プロセッサ
１１２：メインメモリ
１１４：メモリ
１１６：入力インターフェース
１１８：ディスプレイインターフェイス
１２０：通信インターフェース
１２２：バス
２００：健康管理装置
２０１：取得部
２０３：入力部
２０５：記憶部
２０７：組み合わせ部
２０９：予測部
２１１：ラベル生成部
２１３：暗号化情報生成部

Claims

複数の人における各人の血圧を取得するように構成される取得部と、
前記血圧が取得されたときに前記人の体重を入力するように構成される入力部と、
前記血圧及び対応する前記体重を関連付けて記憶するように構成される記憶部と、
前記複数の人のうち、少なくとも２人の前記血圧から計算され仮想化された人の平均血圧を取得し、前記少なくとも２人の前記体重から計算され仮想化された人の前記体重の平均体重を取得し、前記平均血圧と前記平均体重を関連付けて学習データとして前記記憶部に記憶するように構成される組み合わせ部と、
前記学習データに基づいて機械学習を行い、学習結果に基づき血圧に基づいて体重を予測するように構成される予測部と、
を含む、人の体重を予測する装置。
複数の人における各人の生体情報を取得するように構成される取得部と、
各前記生体情報に対応する、感知装置によって取得した物理的実体パラメータを表すイベント情報を取得するように構成される入力部と、
前記生体情報及び対応する前記イベント情報を関連付けて記憶するように構成される記憶部と、
前記生体情報のうち、少なくとも２人にそれぞれ対応する少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、前記少なくとも２つの生体情報にそれぞれ対応する前記イベント情報の組み合わせの組み合わせイベント情報を取得し、前記組み合わせ値と前記組み合わせイベント情報を、前記各人を識別するために使用できないようなデータに変換してから両者を関連付けて学習データとして記憶部に記憶するように構成される組み合わせ部と、
前記学習データに基づいて機械学習を行い、学習結果に基づき生体情報に基づいてイベント情報を予測するように構成される予測部と、
を含む、
健康管理装置。
前記イベント情報は数値形式の情報であり、
前記少なくとも２つの生体情報に対応する前記イベント情報の平均値を前記組み合わせイベント情報として算出するラベル生成部をさらに含み、
前記組み合わせイベント情報を前記組み合わせ値にラベルとして割り当てる、請求項２に記載の健康管理装置。
前記イベント情報は、動作を表す情報であり、
前記少なくとも２つの生体情報に対応する前記イベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を、前記組み合わせイベント情報として決定するラベル生成部をさらに含み、
前記組み合わせイベント情報を前記組み合わせ値にラベルとして割り当てる、請求項２に記載の健康管理装置。
前記組み合わせ値は、前記少なくとも２つの生体情報の平均値である、請求項２～４のいずれか一項に記載の健康管理装置。
前記少なくとも２つの生体情報のそれぞれに乱数を加え、複数の暗号化された生体情報を取得するように構成される暗号化情報生成部をさらに含み、
前記暗号化された生体情報のうち、少なくとも２つの暗号化された生体情報の平均値は、前記少なくとも２つの生体情報の前記平均値に等しく、
前記暗号化情報生成部は、前記複数の暗号化された生体情報を記憶部に送信して、記憶された前記学習データ中の前記イベント情報に関連する前記生体情報を、対応する前記暗号化された生体情報に置き換える、請求項５に記載の健康管理装置。
組み合わせ用の前記少なくとも２つの生体情報に対応する少なくとも２人は、同一のイベント情報を有する人である、請求項２～４のいずれか一項に記載の健康管理装置。
組み合わせのための前記少なくとも２つの生体情報に対応する少なくとも２人について、前記少なくとも２つの生体情報の値の間の近さは、所定の閾値よりも高い、請求項２～４のいずれか一項に記載の健康管理装置。
複数の人における各人の生体情報を取得することと、
前記生体情報のうち、各生体情報に対応する、感知装置によって取得した物理的実体パラメータを表すイベント情報を取得することと、
前記生体情報及び対応する前記イベント情報を関連付けて記憶することと、
前記生体情報のうち、少なくとも２人にそれぞれ対応する少なくとも２つの生体情報の組み合わせの組み合わせ値を取得し、前記少なくとも２つの生体情報にそれぞれ対応する前記イベント情報の組み合わせの組み合わせイベント情報を取得し、前記組み合わせ値と前記組み合わせイベント情報を、前記各人を識別するために使用できないようなデータに変換してから両者を関連付けて学習データとして記憶部に記憶することと、
前記学習データに基づいて機械学習を行い、学習結果に基づき生体情報に基づいてイベント情報を予測することと、を含む、
コンピュータが実行する健康管理方法。
前記イベント情報は数値形式の情報であり、
前記少なくとも２つの生体情報に対応する前記イベント情報の平均値を前記組み合わせイベント情報として算出することをさらに含み、前記組み合わせイベント情報を前記組み合わせ値にラベルとして割り当てる、請求項９に記載のコンピュータが実行する健康管理方法。
前記イベント情報が動作を表す情報である請求項９に記載のコンピュータが実行する健康管理方法において、健康管理方法が、
前記少なくとも２つの生体情報に対応する前記イベント情報のうち、他のイベント情報よりも発生頻度が高いイベント情報を前記組み合わせイベント情報として決定することと、
前記組み合わせイベント情報を前記組み合わせ値にラベルとして割り当てることをさらに含む、コンピュータが実行する健康管理方法。
前記組み合わせ値は、前記少なくとも２つの生体情報の平均値である、請求項９～１１のいずれか一項に記載のコンピュータが実行する健康管理方法。
前記少なくとも２つの生体情報のそれぞれに乱数を追加し、複数の暗号化された生体情報を取得することと、保存された前記学習データ中の前記イベント情報に関連付けられた前記生体情報を、対応する前記暗号化された生体情報に置き換えることと、をさらに含み、前記暗号化された少なくとも２つの生体情報の平均値は、前記少なくとも２つの生体情報の前記平均値に等しい、請求項１２に記載のコンピュータが実行する健康管理方法。
組み合わせのための前記少なくとも２つの生体情報に対応する少なくとも２人は、同一のイベント情報を有する人である、請求項９～１１のいずれか一項に記載のコンピュータが実行する健康管理方法。
組み合わせのための前記少なくとも２つの生体情報に対応する少なくとも２人について、前記少なくとも２つの生体情報の値の間の近さは所定の閾値よりも高い、請求項９～１１のいずれか一項に記載のコンピュータが実行する健康管理方法。