JP7431414B2 - 熱中症発症検知装置 - Google Patents
熱中症発症検知装置 Download PDFInfo
- Publication number
- JP7431414B2 JP7431414B2 JP2020097152A JP2020097152A JP7431414B2 JP 7431414 B2 JP7431414 B2 JP 7431414B2 JP 2020097152 A JP2020097152 A JP 2020097152A JP 2020097152 A JP2020097152 A JP 2020097152A JP 7431414 B2 JP7431414 B2 JP 7431414B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- heatstroke
- onset
- rri
- index data
- 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
- 206010019345 Heat stroke Diseases 0.000 title claims description 135
- 238000001514 detection method Methods 0.000 title claims description 89
- 238000000513 principal component analysis Methods 0.000 claims description 15
- 230000010365 information processing Effects 0.000 description 32
- 238000010276 construction Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 208000024891 symptom Diseases 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 206010010904 Convulsion Diseases 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000036757 core body temperature Effects 0.000 description 3
- 208000002173 dizziness Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000010792 warming Methods 0.000 description 3
- 230000002567 autonomic effect Effects 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 206010025482 malaise Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 208000008454 Hyperhidrosis Diseases 0.000 description 1
- 208000032023 Signs and Symptoms Diseases 0.000 description 1
- 238000003070 Statistical process control Methods 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 229940124645 emergency medicine Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000013433 lightheadedness Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
本開示を具体的に説明する前に、概要を述べる。本実施例は、被検者の心電信号におけるR波の間隔が示されたRRI(R-R Interval)データから熱中症の発症を検知する熱中症発症検知システムに関する。温暖化の進展に伴い、毎年のように初夏から秋にかけて熱中症関連の話題がニュースを騒がせている。今後、高齢化と地球温暖化が進展するにつれて、さらに熱中症発症者数が増加することが予想され、熱中症対策が求められる。熱中症は立ちくらみや気分が悪くなるなどのI度(軽度)の症状・徴候を認めた時点で、休息や水分補給など速やかに適切な対処ができれば、本来は救急搬送や死亡までは至ることはない。したがって、熱中症発症前に発症を予知してアラートするシステムがあれば、熱中症による被害を大幅に軽減できるはずである。
図2は、第1情報処理装置300aの構成を示す。第1情報処理装置300aは、通信部310、取得部320、生成部330、構築部340、記憶部350を含む。通信部310は、心拍センサ200から無線送信されたR波を示す信号を受信する。通信部310は、受信した信号からR波を示すデータ(以下、「R波データ」という)を生成して取得部320に出力する。R波データは、例えば、R波を示す信号の振幅がしきい値電圧以上である場合に「1」となり、しきい値電圧以上でない場合に「0」となるデジタルデータである。つまり、R波データは、心電信号におけるR波に対応する期間が「1」に設定され、それ以外の期間が「0」に設定された矩形パルス列である。
図5は、第2情報処理装置300bの構成を示す。第2情報処理装置300bは、通信部310、取得部320、生成部330、記憶部350、検知部360、通知部370を含む。通信部310は、これまでと同様に、心拍センサ200から無線送信されたR波を示す信号を受信し、受信した信号をもとにR波データを生成する。通信部310は、R波データを取得部320に出力する。取得部320も、これまでと同様に、通信部310からR波データを受けつけ、R波データをもとにRRIデータを取得する。取得部320は、RRIデータを生成部330に出力する。
次に、実施例2を説明する。実施例2は、実施例1と同様に、被検者の心電信号におけるR波の間隔が示されたRRIデータから熱中症の発症を検知する熱中症発症検知システムに関する。実施例1では、異常検知手法としてMSPCを使用するが、実施例2は、異常検知手法として自己符号化器(オートエンコーダ)を使用する。実施例2に係る熱中症発症検知システム1000、第2情報処理装置300bは、図1(a)-(b)、図5と同様のタイプである。ここでは、実施例1との差異を中心に説明する。
(1)学習動作
図8は、第1情報処理装置300aの構成を示す。第1情報処理装置300aは、通信部310、取得部320、生成部330、記憶部350、学習部380を含む。通信部310、取得部320、生成部330は、実施例1と同一である。学習部380は、自己符号化器の学習を実行する。その前処理として、学習部380は、複数の提供者10のHRV指標データを使用して、HRV指標毎に平均値を算出する。また、学習部380は、HRV指標データに含まれる複数種類のHRV指標のそれぞれに対して平均値を減算することによって、新たなHRV指標データ(以下、これもまた「HRV指標データ」という)を生成する。学習部380は、このような前処理を省略してもよい。
図5の第2情報処理装置300bにおける通信部310、取得部320、生成部330は、実施例1と同一である。検知部360は、図9に示された自己符号化器の各ノード700に、記憶部350に記憶した係数を設定する。検知部360は、生成部330において生成したHRV指標データを自己符号化器に入力することによって、出力データを取得する。発症検知動作において生成されるHRV指標データ、出力データを「第1HRV指標データ」、「第1出力データ」と呼ぶ場合、学習動作において生成されるHRV指標データ、出力データは「第2HRV指標データ」、「第2出力データ」と呼ばれる。
Claims (5)
- 被検者の心電信号におけるR波の間隔が示されたRRIデータを取得する取得部と、
前記取得部において取得したRRIデータをもとに、心拍に関する複数種類の指標のそれぞれについての指標値が含まれた第1指標データを生成する生成部と、
前記複数種類の指標のそれぞれについての指標値から少なくとも1つの管理値を算出する熱中症発症検知モデルを使用して、前記生成部において生成した前記第1指標データから算出される前記管理値をもとに、前記被検者における熱中症の発症を検知する検知部とを備え、
前記熱中症発症検知モデルは、熱中症を発症していない提供者の心電信号におけるR波の間隔が示されたRRIデータをもとに生成された第2指標データであって、かつ心拍に関する前記複数種類の指標それぞれについての指標値が含まれた第2指標データに対して主成分分析がなされることによって生成されている熱中症発症検知装置。 - 前記検知部は、前記熱中症発症検知モデルを使用して、前記第1指標データに対して主成分分析を実行することにより主成分得点および予測誤差を算出してから、前記主成分得点および前記予測誤差をもとにT2統計量およびQ統計量を前記管理値として算出し、
前記検知部は、前記T2統計量および前記Q統計量の少なくとも1つが管理領域を外れた場合、前記被検者における熱中症の発症を検知する請求項1に記載の熱中症発症検知装置。 - 被検者の心電信号におけるR波の間隔が示されたRRIデータを取得する取得部と、
前記取得部において取得したRRIデータをもとに、心拍に関する複数種類の指標のそれぞれについての指標値が含まれた第1指標データを生成する生成部と、
前記生成部において生成した前記第1指標データを自己符号化器に入力して得られた第1出力データと、前記第1指標データとをもとに、前記被検者における熱中症の発症を検知する検知部とを備え、
前記自己符号化器は、熱中症を発症していない提供者の心電信号におけるR波の間隔が示されたRRIデータをもとに生成された第2指標データであって、かつ心拍に関する前記複数種類の指標それぞれについての指標値が含まれた第2指標データを入力して得られた第2出力データと、前記第2指標データとが近くなるように学習されている熱中症発症検知装置。 - 前記検知部は、前記第1出力データと、前記第1指標データとの差異がしきい値よりも大きい場合に、前記被検者における熱中症の発症を検知する請求項3に記載の熱中症発症検知装置。
- 前記複数種類の指標には、前記RRIデータの標準偏差を前記RRIデータの平均値で除算したCVが含まれる請求項1から4のいずれかに記載の熱中症発症検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020097152A JP7431414B2 (ja) | 2020-06-03 | 2020-06-03 | 熱中症発症検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020097152A JP7431414B2 (ja) | 2020-06-03 | 2020-06-03 | 熱中症発症検知装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021186461A JP2021186461A (ja) | 2021-12-13 |
JP7431414B2 true JP7431414B2 (ja) | 2024-02-15 |
Family
ID=78850417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020097152A Active JP7431414B2 (ja) | 2020-06-03 | 2020-06-03 | 熱中症発症検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7431414B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090198112A1 (en) | 2005-12-08 | 2009-08-06 | Electronics And Telecommunications Research Institute | Portable data transmitting device, and system and method for managing heat stress using the same |
JP2015112423A (ja) | 2013-12-13 | 2015-06-22 | 国立大学法人京都大学 | てんかん性発作兆候検知装置、てんかん性発作兆候検知モデル生成装置、てんかん性発作兆候検知方法、てんかん性発作兆候検知モデル生成方法、てんかん性発作兆候検知プログラムおよびてんかん性発作兆候検知モデル生成プログラム |
JP2017113382A (ja) | 2015-12-25 | 2017-06-29 | 大阪瓦斯株式会社 | 複数生体指標を用いた健康管理システム |
JP2018019821A (ja) | 2016-08-02 | 2018-02-08 | 日本電信電話株式会社 | 熱障害危険度判定方法およびウェアラブルセンサシステム |
JP2018083018A (ja) | 2016-11-25 | 2018-05-31 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 解析装置、通知システム、解析方法、通知方法及びコンピュータプログラム |
JP2020021191A (ja) | 2018-07-31 | 2020-02-06 | 学校法人産業医科大学 | 暑熱環境下における体調管理方法及び体調管理システム |
-
2020
- 2020-06-03 JP JP2020097152A patent/JP7431414B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090198112A1 (en) | 2005-12-08 | 2009-08-06 | Electronics And Telecommunications Research Institute | Portable data transmitting device, and system and method for managing heat stress using the same |
JP2015112423A (ja) | 2013-12-13 | 2015-06-22 | 国立大学法人京都大学 | てんかん性発作兆候検知装置、てんかん性発作兆候検知モデル生成装置、てんかん性発作兆候検知方法、てんかん性発作兆候検知モデル生成方法、てんかん性発作兆候検知プログラムおよびてんかん性発作兆候検知モデル生成プログラム |
JP2017113382A (ja) | 2015-12-25 | 2017-06-29 | 大阪瓦斯株式会社 | 複数生体指標を用いた健康管理システム |
JP2018019821A (ja) | 2016-08-02 | 2018-02-08 | 日本電信電話株式会社 | 熱障害危険度判定方法およびウェアラブルセンサシステム |
JP2018083018A (ja) | 2016-11-25 | 2018-05-31 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 解析装置、通知システム、解析方法、通知方法及びコンピュータプログラム |
JP2020021191A (ja) | 2018-07-31 | 2020-02-06 | 学校法人産業医科大学 | 暑熱環境下における体調管理方法及び体調管理システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021186461A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | An algorithm for sleep apnea detection from single-lead ECG using Hermite basis functions | |
CN108463165B (zh) | 用于确定网络连接的方法和系统 | |
US9801553B2 (en) | System, method, and computer program product for the real-time mobile evaluation of physiological stress | |
Salem et al. | Sensor fault and patient anomaly detection and classification in medical wireless sensor networks | |
US7621871B2 (en) | Systems and methods for monitoring and evaluating individual performance | |
van Westrhenen et al. | Ictal autonomic changes as a tool for seizure detection: a systematic review | |
Al-Libawy et al. | HRV-based operator fatigue analysis and classification using wearable sensors | |
Vanitha et al. | Hybrid SVM classification technique to detect mental stress in human beings using ECG signals | |
US20170258410A1 (en) | Method and apparatus for prediction of epileptic seizures | |
KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
JP6344912B2 (ja) | てんかん性発作兆候検知装置、てんかん性発作兆候検知モデル生成装置、てんかん性発作兆候検知方法、てんかん性発作兆候検知モデル生成方法、てんかん性発作兆候検知プログラムおよびてんかん性発作兆候検知モデル生成プログラム | |
Vanitha et al. | Hierarchical SVM to detect mental stress in human beings using Heart Rate Variability | |
JP2022538417A (ja) | 生理学的状態の検出のためのイベント駆動型スパイキング・ニューラル・ネットワーク・システム | |
US20130041275A1 (en) | System, apparatus and method for diagnosing seizures | |
JP7431414B2 (ja) | 熱中症発症検知装置 | |
CN116504398A (zh) | 用于使用基于变换器的神经网络来进行心律失常预测的方法和系统 | |
KR102488616B1 (ko) | 심장의 동적 특성을 이용한 감성 인식 방법 및 시스템 | |
Tóth-Laufer et al. | Anytime sport activity risk level calculation using HOSVD based hierarchical fuzzy models | |
JP7403166B2 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定装置の動作方法、及び、睡眠時無呼吸症候群判定プログラム | |
Mallick et al. | Sleep Apnea Detection System Using Machine Learning on Resource-Constrained Devices | |
Gu et al. | Detecting epileptic seizures via non-uniform multivariate embedding of EEG signals | |
KR102345884B1 (ko) | 수치 데이터를 이용한 수면무호흡증 예측 모델의 생성 방법 및 이 모델을 이용한 수면무호흡증 예측 방법 | |
CN113261924A (zh) | 一种脑卒中智能预警系统及方法 | |
KR101375673B1 (ko) | 간질 발작 경보 방법 및 이를 지원하는 단말기 | |
JP6865438B2 (ja) | 精神神経状態を判別する指標の作成方法および作成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230602 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230627 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231108 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7431414 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |