JP7471472B2 - 改善された皮膚温度モニタリングのための方法、システム、およびデバイス - Google Patents

Description

分野
本開示は、概して健康モニタリングおよび健康モニタリングのためのウェアラブルデバイスに関する。より具体的には、本開示は、改善された皮膚温度モニタリングのための方法およびデバイスに関する。

背景
皮膚温度データは、周囲温度の変動に支配されることがある。そのため、皮膚温度モニタリングを提供するデバイスでは、センサの誤差とは無関係の不正確さが生じることがある。生理学的に引き起こされる皮膚温度の変化と環境によって引き起こされる皮膚温度の変化を区別する方法、システム、およびデバイスが必要である。

要約
本開示の実施形態の態様および利点は、一部が以下の説明に記載されるか、または説明から学ぶことができるか、または実施形態の実践を通して学ぶことができる。

本開示の１つの例示的な態様は、改善された皮膚温度モニタリングを提供するための、コンピュータによって実行される方法に向けられる。上記方法は、１つまたは複数のコンピューティングデバイスを含むコンピューティングシステムが、ユーザが装着するウェアラブルデバイスの中に含まれる内部デバイス温度センサから受信したセンサデータに基づいて、上記ウェアラブルデバイスの内部デバイス温度を求めることを含む。また、上記方法は、上記コンピューティングシステムが、上記ウェアラブルデバイスの上または中に含まれる皮膚温度センサから受信したセンサデータに基づいて、上記ユーザの皮膚温度の第１の推定値を求めることを含む。次に、上記方法は、上記コンピューティングシステムが、上記皮膚温度の上記第１の推定値および上記内部デバイス温度に少なくとも部分的に基づいて、周囲空気温度を推定することを含む。次に、上記方法は、上記コンピューティングシステムが、推定された上記周囲空気温度に少なくとも部分的に基づいて上記皮膚温度の上記第１の推定値を改良して、上記皮膚温度の第２の推定値を生成することを含む。

本開示の別の例示的な態様は、ウェアラブルデバイスに向けられ、上記ウェアラブルデバイスは、ユーザによって装着されるように構成されたデバイス筐体と、上記デバイス筐体の中に含まれる１つまたは複数のプロセッサと、上記デバイス筐体の上または中に含まれ、皮膚温度センサデータを生成するように構成された１つまたは複数の皮膚温度センサと、上記デバイス筐体の中に含まれ、内部デバイス温度センサデータを生成するように構成された１つまたは複数の内部デバイス温度センサと、上記デバイス筐体の中に含まれ、命令を格納した非一時的なコンピュータ読取可能メモリとを含み、上記命令は、上記１つまたは複数のプロセッサによって実行されると、上記ウェアラブルデバイスに動作を実行させる。特に、上記動作は、上記ウェアラブルデバイスの中に含まれる上記１つまたは複数の内部デバイス温度センサから受信した上記内部デバイス温度センサデータに少なくとも部分的に基づいて、上記デバイス筐体の中の内部デバイス温度を求めることと、上記デバイス筐体の上または中に含まれる皮膚温度センサから受信したセンサデータに基づいて、上記ユーザの皮膚温度の第１の推定値を求めることと、上記皮膚温度の上記第１の推定値および上記内部デバイス温度に少なくとも部分的に基づいて、周囲空気温度を推定することと、推定された上記周囲空気温度に少なくとも部分的に基づいて上記皮膚温度の上記第１の推定値を改良して、上記皮膚温度の第２の推定値を生成することとを含む。

本開示の別の例示的な態様は、改善された皮膚温度モニタリングを提供するための、コンピュータによって実行される方法に向けられる。上記方法は、１つまたは複数のコンピューティングデバイスを含むコンピューティングシステムが、ユーザが装着するウェアラブルデバイスの中に含まれる内部デバイス温度センサから受信したセンサデータに基づいて、上記ウェアラブルデバイスの内部デバイス温度を求めることを含む。次に、上記方法は、上記コンピューティングシステムが、上記ウェアラブルデバイスの上または中に含まれる皮膚温度センサから受信したセンサデータに基づいて、上記ユーザの皮膚温度の第１の推定値を求めることを含む。次に、上記方法は、上記コンピューティングシステムが、上記ウェアラブルデバイスの上記内部デバイス温度に少なくとも部分的に基づいて上記皮膚温度の上記第１の推定値を改良して、上記皮膚温度の第２の推定値を生成することを含む。次に、上記方法は、上記コンピューティングシステムが、上記皮膚温度の上記第２の推定値に少なくとも部分的に基づいて、１つまたは複数の生理学的事象を判定することを含む。

当業者に向けられた実施形態の詳細な記述が、添付の図面を参照する明細書に記載されている。

本開示の実施形態例に係る例示的なウェアラブルデバイスの正面図である。 本開示の実施形態例に係る例示的なウェアラブルデバイスの背面図である。 本開示の実施形態例に係る筐体の中に含まれる内部デバイス温度センサを示す例示的なウェアラブルデバイスの内部側面図である。 本開示の実施形態例に係る筐体の中に含まれる皮膚温度センサを示す例示的なウェアラブルデバイスの内部側面図である。 本開示の実施形態例に係る例示的な皮膚温度ノイズ除去方法のステップのフローを示す図である。 本開示の実施形態例に係る例示的な生理学的事象検出システムを示す図である。 本開示の実施形態例に係る生理学的事象検出システムの別の例を示す図である。 本開示の実施形態例に係る生理学的事象検出システムの別の例を示す図である。 本開示の実施形態例に係る例示的なコンピューティングシステムを示す図である。 本開示の実施形態例に係るウェアラブルデバイスの例示的な温度データのグラフを示す図である。 本開示の実施形態例に係るウェアラブルデバイスの例示的な内部デバイス温度センサおよび皮膚温度センサのデータのグラフを示す図である。 本開示の実施形態例に係る例示的な内部デバイス温度と皮膚温度との差分データのグラフを示す図である。 本開示の実施形態例に係る複数のウェアラブルデバイスの例示的な温度データのグラフを示す図である。 本開示の実施形態例に係る周囲温度推定予測の例示的な線形回帰モデルを示すグラフを示す図である。 本開示の実施形態例に係る発熱からの日数に対する例示的な皮膚温度変動のグラフを示す図である。 本開示の実施形態例に係る睡眠データを組み込んだ例示的な温度変動のグラフを示す図である。

詳細な説明
概要
概して、本開示は、改善された皮膚温度モニタリングのための方法およびデバイスなどの、健康モニタリングおよび健康モニタリングのためのウェアラブルデバイスに向けられる。特に、本開示の例示的な態様は、改善された皮膚温度モニタリングを提供するための、コンピュータによって実行される方法を含む。本開示の方法は、人の深部体温の有意な変化を観察すること、ならびに人の健康に関する生理学的傾向および事象を特定することを可能にする。

より具体的には、人の皮膚温度は、その人の深部体温の変動に伴って変化することが予想される。時には、人の皮膚温度と人の深部体温との間に正の相関があり得るが、またある時には、この関係は逆変化をもたらし得る。たとえば、人の体は、自身の深部体温を上昇させて発熱することがあり、その際に四肢の灌流を低下させるので、人の深部体温が上昇している間は皮膚温度が低くなることが予想される。生理学的に引き起こされるこれらの展開により、他のデータストリームを観察することによっては不可能であり得る、温度データストリームの比較から傾向を観察することが可能になる。その一方で、皮膚温度の変化は周囲温度の変動にも支配されることがあるため、生理学的変化に関連付けられた皮膚温度の変化を特定することは困難である。このため、生理学的に引き起こされる皮膚温度の変化と環境によって引き起こされる変化を区別する方法が必要である。

そのような課題に鑑みて、本開示は、改善された皮膚温度モニタリングのための、コンピュータによって実行されるシステムおよび方法を提供する。いくつかの実装では、本開示の方法は、コンピューティングシステムが、ユーザが装着するウェアラブルデバイスの中に含まれる１つまたは複数のセンサからのセンサデータに少なくとも部分的に基づいて、ウェアラブルデバイスの内部温度を求めることを含む。一例では、ウェアラブルデバイスは、リストバンド、ブレスレット、腕時計、アームバンド、ユーザの指の周りに配置されるリング、または本開示で説明するようなセンサを備え得るその他のウェアラブル製品であってもよい。別の例として、デバイスの内部温度を測定する１つまたは複数のセンサは、ウェアラブルデバイスの筐体の中に含まれてもよいが、ユーザの皮膚と熱的に接触していなくてもよい。デバイスの内部温度を測定する１つまたは複数のセンサがこの例に従って配置される場合、センサは、ユーザの皮膚温度と相関し得るが、たとえば専用の皮膚温度センサと比較して、外気温度の影響も受けやすくなり得る。

別の態様によれば、本開示の方法は、コンピューティングシステムが、ユーザと熱的に接触しておりウェアラブルデバイスの中に含まれる１つまたは複数の皮膚温度センサから受信したセンサデータに基づいて、ユーザの皮膚温度の第１の推定値を求めることを含む。別の例では、ウェアラブルデバイスは、ユーザの皮膚と接触するように構成された熱伝導ベースプレートを含み得る。この例では、１つまたは複数の皮膚温度センサは、ベースプレートの温度を測定するように構成され得る。ユーザの皮膚温度の第１の推定値を測定する１つまたは複数のセンサがこのように配置される場合、センサを、たとえば上述の内部デバイス温度センサおよび／または専用の周囲空気温度センサと比較して、外気温度の影響を受けにくくすることができる。

本開示の別の態様によれば、コンピューティングシステムは、皮膚温度の第１の推定値および内部デバイス温度に少なくとも部分的に基づいて、周囲空気温度を推定し得る。いくつかの実装では、コンピューティングシステムは、皮膚温度の第１の推定値とウェアラブルデバイスの内部温度との差を求めることによって、周囲空気温度を推定する。一例では、推定される周囲空気温度は、上述のような温度差に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であり得る。いくつかの実装では、コンピューティングシステムは、皮膚温度の第１の推定値およびウェアラブルデバイスの内部温度を機械学習モデルで処理することによって、周囲空気温度を推定してもよい。一例として、機械学習モデルは、線形回帰モデル、ニューラルネットワーク（たとえばリカレントニューラルネットワーク）、またはクラスタリングモデルを含み得る。いくつかの実装では、コンピューティングシステムは、周囲空気温度を、機械学習モデルが出力する予測として受信してもよい。

本開示の別の態様によれば、コンピューティングシステムは、皮膚温度の第１の推定値および内部デバイス温度に少なくとも部分的に基づいて、皮膚温度の中間推定値を生成し得る。皮膚温度のこの中間推定値を、周囲温度推定値に少なくとも部分的に基づいてさらに改良して、皮膚温度の第２の推定値を生成するのに役立てることができる。一例では、皮膚温度の中間推定値は、上述のような温度差に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であり得る。いくつかの実装では、コンピューティングシステムは、皮膚温度の第１の推定値およびウェアラブルデバイスの内部温度を機械学習モデルで処理することによって、皮膚温度の中間推定値を生成してもよい。一例として、機械学習モデルは、線形回帰モデル、ニューラルネットワーク（たとえばリカレントニューラルネットワーク）、またはクラスタリングモデルを含み得る。いくつかの実装では、コンピューティングシステムは、皮膚温度の中間推定値を、機械学習モデルが出力する予測として受信してもよい。

いくつかの実装では、コンピューティングシステムは、ウェアラブルデバイスの中に含まれる追加の周囲センサから取得された追加の周囲センサデータに少なくとも部分的に基づいて、周囲空気温度推定値を調整し得る。いくつかの実装では、追加の周囲センサは、位置センサ（たとえばグローバルポジショニングセンサ）、ジオセンサ、気象センサ、モーションセンサ、高度センサ、高度計温度センサ、周囲光センサ、心拍数センサ、およびその他の生理学的センサを含み得る。一例では、コンピューティングシステムは、ウェアラブルデバイスの中に含まれる周囲光センサが覆われているか否かを観察してもよい。この例では、コンピューティングシステムは、周囲光センサが覆われていることに基づいて、より暖かい周囲温度を推測することができ、これは、皮膚温度、皮膚温度の変化、および皮膚温度の変化率に基づいて、皮膚温度推定値を、したがって生理学的傾向を判断するのに役立ち得る。いくつかの実装では、コンピューティングシステムは、ウェアラブルデバイスが収集したユーザの睡眠データに少なくとも部分的に基づいて、周囲空気温度推定値を調整し得る。いくつかの実装では、睡眠データの例は、ユーザが起きているか眠っているかを示すデータ、ユーザの睡眠係数、およびユーザの心拍数を含み得る。ユーザが眠っている場合、当該データは、ユーザが動いている（たとえば体位を変えている）か否かを示す情報、およびユーザが経験している睡眠の種類の特徴付け（たとえば、落ち着きのない睡眠、浅い睡眠、深い睡眠、急速眼球運動（レム）睡眠）も含み得る。一例では、コンピューティングシステムは、睡眠中のユーザの体位変換はユーザの体温調節サイクルの機能であると推測することができ、したがって、ユーザの皮膚温度の第２の推定値に少なくとも部分的に基づいてユーザの深部体温を求めるのに役立ち得る。

本開示の別の態様によれば、この方法は、コンピューティングシステムが、推定された周囲空気温度または皮膚温度の中間推定値に少なくとも部分的に基づいて皮膚温度の第１の推定値を改良して、皮膚温度の第２の推定値を生成することを含む。一例では、皮膚温度の第２の推定値は、推定された周囲空気温度に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であり得る。いくつかの実装では、コンピューティングシステムは、皮膚温度の第２の推定値または推定された周囲空気温度に関連付けられた信頼値を修正する。一例として、信頼値は、皮膚温度の第１の推定値または推定された周囲空気温度とウェアラブルデバイスの内部温度との温度差が減少するにつれて増加し得る。別の言い方をすれば、皮膚温度の第１の推定値または推定された周囲空気温度とウェアラブルデバイスの内部温度との温度差が小さくなることは、皮膚温度の第２の推定値に対する信頼が高まることと同じであり得る。また、別の例として、温度差が小さいほど、周囲温度がユーザの皮膚温度の変化を引き起こしている可能性が低いことを意味し得る。

本開示の別の態様によれば、この方法は、コンピューティングシステムが、皮膚温度の第２の推定値に少なくとも部分的に基づいて、ユーザの１つまたは複数の生理学的事象を判定することを含む。いくつかの実装では、生理学的事象は、発熱、概日リズム、月経周期、排卵、熱ストレス、および熱的快適性を含み得る。生理学的事象の検出は、生理学的事象の開始の検出、事象の現在進行中の状態の判定、および／もしくは事象の将来の状態に関する予測（たとえば、今後６時間以内に起こると予想される発熱ピーク）などの、生理学的事象の状態の検出または判定を含み得る。一例では、コンピューティングシステムは、ユーザの皮膚温度の上昇後に収集された皮膚温度の第２の推定値のデータセットを平滑化することによって、発熱を検出してもよい。

いくつかの実装では、コンピューティングシステムは、皮膚温度の第２の推定値に基づいてユーザの深部体温を推定し得る。一例では、推定されるユーザの深部体温は、さまざまな頻度で、かつユーザの異なる睡眠段階（たとえば、起きているまたは眠っている）時に収集された皮膚温度の第２の推定値に基づき得る。いくつかの実装では、コンピューティングシステムは、生理学的に引き起こされる深部体温の変化と環境によって引き起こされる深部体温の変化を区別する。いくつかの実装では、コンピューティングシステムは、皮膚温度の第２の推定値の変化率をモニタリングして、皮膚温度の第２の推定値の遷移を検出し得る。一例として、コンピューティングシステムは、検出された遷移に基づいて生理学的事象を判定し得る。いくつかの例では、生理学的事象は、発熱の開始、概日リズム、月経周期、排卵、熱ストレス、および熱的快適性を含み得る。

本開示の方法およびデバイスは、人の真の皮膚温度のより信頼性の高い推定値を求めること、人の深部体温の有意な変化を観察すること、ならびに人の健康に関する生理学的傾向および事象を特定することを含む、多くの技術的効果および利点を提供する。

また、本開示は、ユーザが生データだけでなくそのデータから推測される傾向および事象も観察できるように、複数のセンサからのデータを組み合わせて分析することによって、ウェアラブルデバイス内のセンサから受信したデータの改良を可能にする。このように、本開示は、ウェアラブルデバイス内の追加のセンサの必要性をなくすことにより、デバイススペースおよびプロセッサの使用量を節約することもできる。また、本開示は、より効率的な、予測可能な、かつ有用な方法でデバイスのセンサを実装することによって、皮膚温度をモニタリングするより正確なデバイスを可能にする。

次に図面を参照して、本開示の実施形態例についてさらに詳細に述べる。
例示的な方法、システム、およびデバイス
図１は、本開示の実施形態例に係る例示的なウェアラブルデバイス１００の正面図を示す。図１のウェアラブルデバイス１００は腕時計であるが、本開示のシステムおよび方法は、たとえば、リストバンド、ブレスレット、腕時計、アームバンド、ヘッドバンド、眼鏡、イヤホン、ユーザの指の周りに配置されるリング、コンピュータが埋め込まれた衣類、および／または本開示で説明するようなセンサを備え得るその他のウェアラブル製品などの、任意の異なる種類のウェアラブルデバイスに適用することができる。ウェアラブルデバイス１００は、ディスプレイ１０２と、デバイス筐体１０４と、バンド１０６とを用いて構成され得る。

いくつかの実装では、ウェアラブルデバイス１００は、ディスプレイ１０２および／または触覚デバイス、発光ダイオード等の任意の他のデータ出力デバイスを介してユーザにデータを伝達するように構成され得る。伝達されるデータは、皮膚温度、心拍数、睡眠状態（たとえば、浅い睡眠、深い睡眠、およびレム睡眠）、睡眠係数（たとえば、睡眠スコア）に関するデータ、ならびにユーザのその他の生理学的データ（たとえば、血中酸素濃度）を含み得る。また、ディスプレイ１０２は、ウェアラブルデバイス１００の中または上に含まれる追加の周囲センサからのデータを通信するように構成され得る。ディスプレイ１０２によって通信されるこれらの追加の周囲センサからの例示的な情報は、ユーザに関連付けられた場所の位置、高度、および天候を含み得る。ディスプレイ１０２は、ユーザの動作に関するデータ（たとえば、ユーザが静止しているか、歩いているか、および／または走っているか）も伝達することができる。

いくつかの実装では、ディスプレイ１０２は、ユーザの生理学的事象に関する情報を表示するように構成され得る。表示され得る例示的な生理学的事象は、ユーザの発熱、概日リズム、月経周期、排卵、熱ストレス、および熱的快適性を含む。また、ディスプレイ１０２は、ユーザの生理学的事象の検出に関する情報を伝達することができる。ディスプレイ１０２は、このように構成されることにより、生理学的事象の開始の検出、事象の現在進行中の状態の判定、および／もしくは事象の将来の状態に関する予測（たとえば、今後６時間以内に起こると予想される発熱ピーク）などの、生理学的事象の状態の検出または判定をユーザに伝達することができる。

また、ディスプレイ１０２またはその他のデータ入力デバイス（たとえば、さまざまなタッチセンサおよび／または物理的なボタン、スイッチ、もしくはトグル）は、ユーザが入力するデータを受信するように構成され得る。ユーザが入力するデータの例は、症状、睡眠状況、排卵、月経に関する情報、およびユーザの健康に関するその他の生理学的情報を含み得る。

デバイス筐体１０４は、１つまたは複数のセンサを含むように構成され得る。デバイス筐体１０４が含む例示的なセンサは、皮膚温度センサ、内部デバイス温度センサ、位置センサ（たとえばＧＰＳ）、モーションセンサ、高度センサ、心拍数センサ、およびその他の生理学的センサ（たとえば血中酸素濃度センサ）を含み得る。デバイス筐体１０４は、１つまたは複数のプロセッサを含むように構成され得る。

バンド１０６は、たとえば、バックル、クラスプ、またはその他の同様の固定装置でバンド１０６の端部を接続することによってウェアラブルデバイス１００をユーザの腕の周りに固定し、それによってウェアラブルデバイス１００がユーザによって装着可能となるように構成され得る。

図２は、本開示の実施形態例に係る例示的なウェアラブルデバイス１００の背面図を示す。ウェアラブルデバイス１００は、ベースプレート２０２を用いて構成され得る。また、ウェアラブルデバイス１００は、ベースプレート２０２に取り付けることができる１つまたは複数のセンサ２０４を用いて構成され得る。例示的なセンサ２０４は、皮膚温度センサ、位置センサ（たとえばＧＰＳ）、モーションセンサ、高度センサ、心拍数センサ、高度計温度センサ、およびその他の生理学的センサ（たとえば血中酸素濃度センサ）を含み得る。ベースプレート２０２は、熱伝導性とすることができ、ウェアラブルデバイス１００がユーザによって装着されるとユーザおよび／または皮膚温度センサと熱的に接触するように構成され得る。たとえば、装着されると、ベースプレートはユーザの皮膚に押し当てられ得る。同様に、皮膚温度センサは、ベースプレートの温度読取値を生成するように構成され得る。このように、ベースプレート２０２は、ベースプレート２０２がユーザと熱的に接触しているときにユーザの皮膚温度の測定を可能にする（たとえば、ベースプレートの温度がユーザの皮膚温度の代用となる）ように構成され得る。

いくつかの実装例では、ユーザの皮膚の温度を読取るためにベースプレートを使用するが、ユーザの皮膚と直接接触するように構成された温度センサなど、その他のアプローチも使用可能である。別の例では、赤外線センサがデバイス１００（たとえば筐体１０４の中）に含まれることができ、赤外線を用いてユーザの皮膚の温度を測定することができる。たとえば、赤外線はベースプレート２０２の開口を通ることができる。別の例では、１つまたは複数の温度センサがバンド１０６に組み込まれることができ、ユーザの皮膚の温度を測定することができる。たとえば、１つまたは複数の温度センサが布地バージョンのバンド１０６に織り込まれることができる。

図３は、本開示の実施形態例に係るデバイス筐体１０４の中に含まれる内部デバイス温度センサ３０２を示す例示的なウェアラブルデバイス１００の内部側面図を示す。内部デバイス温度センサ３０２は、デバイス筐体１０４の内部空間の温度（たとえば内部デバイス温度）を測定し、当該温度に関するデータを生成するように構成され得る。また、内部デバイス温度センサ３０２は、複数の内部デバイス温度センサで構成され得る。内部デバイス温度センサ３０２は、ウェアラブルデバイス１００のデバイス筐体１０４の中に含まれてもよいが、典型的にはユーザの皮膚と熱的に接触していない。一例では、内部デバイス温度センサ３０２は、デバイス筐体１０４の内側（たとえばベースプレート２０２以外）に取り付けられ得る。別の例では、内部デバイス温度センサ３０２は、デバイス１００のプリント回路基板（たとえば「マザーボード」）に取り付けられ得る。

図４は、本開示の実施形態例に係るデバイス筐体１０４の中に含まれる皮膚温度センサ４０２を示す例示的なウェアラブルデバイス１００の内部側面図を示す。いくつかの実装では、皮膚温度センサ４０２はユーザと物理的に接触するように構成され得る。このように、皮膚温度センサ４０２は、ユーザの皮膚温度を測定し、当該温度に関するデータを生成し得る。他の実装では、ウェアラブルデバイス１００は、皮膚温度センサ４０２およびユーザの皮膚の両方と熱的に接触するように構成された熱伝導ベースプレート２０２を含み得る。そのような実施形態では、皮膚温度センサ４０２は、ユーザの皮膚の温度も表すベースプレート２０２の温度を測定し、当該温度に関するデータを生成するように構成され得る。さらに他の実装では、赤外線センサがデバイス１００（たとえば筐体１０４の中）に含まれることができ、赤外線を用いてユーザの皮膚の温度を測定することができる。たとえば、赤外線はベースプレート２０２の開口を通ることができる。また、皮膚温度センサ４０２は、複数の皮膚温度センサ（たとえば、本明細書で説明するような複数の異なるアプローチを取る複数の異なるセンサ）で構成されることができる。その他の配置も可能である。

図５は、本開示の実施形態例に係る例示的な皮膚温度ノイズ除去方法５００のステップのフローを示す。ステップ５０２において、皮膚温度ノイズ除去方法５００は、ユーザが装着するウェアラブルデバイス１００の内部デバイス温度を求め得る。ステップ５０２においてウェアラブルデバイス１００の内部温度を求めることは、ウェアラブルデバイス１００の上または中に含まれる１つまたは複数の内部デバイス温度センサ３０２からのセンサデータに少なくとも部分的に基づき得る。別の例では、ステップ５０２においてウェアラブルデバイス１００の内部温度を求めることは、自身の出力をモニタリングおよび較正することの一部として温度データを生成する、加速度計および充電回路内に存在する温度センサなどの、デバイス１００のその他のコンポーネントの中に含まれる温度センサからのデータに少なくとも部分的に基づき得る。次のステップ５０４において、皮膚温度ノイズ除去方法５００は、ユーザの皮膚温度の第１の推定値を求め得る。ステップ５０４においてユーザの皮膚温度の第１の推定値を求めることは、ユーザと物理的および／または熱的に接触している、ウェアラブルデバイス１００の中に含まれる１つまたは複数の皮膚温度センサ４０２から受信したセンサデータに少なくとも部分的に基づき得る。別の例では、ステップ５０４においてユーザの皮膚温度の第１の推定値を求めることは、ベースプレート２０２と熱的に接触している１つまたは複数の皮膚温度センサ４０２からのセンサデータに少なくとも部分的に基づき得る。この例では、ベースプレート２０２はまた、ウェアラブルデバイス１００がユーザによって装着されるとユーザの皮膚と熱的に接触するように構成され得る。

ステップ５０６において、皮膚温度ノイズ除去方法５００は、ステップ５０４からの皮膚温度の第１の推定値およびステップ５０２からのウェアラブルデバイス１００の内部デバイス温度に少なくとも部分的に基づいて、周囲空気温度を推定し得る。ステップ５０６における周囲空気温度の推定値は、ステップ５０４からの皮膚温度の第１の推定値とステップ５０２からのウェアラブルデバイス１００の内部デバイス温度との差を求めることに基づき得る。別の例では、ステップ５０６における周囲空気温度の推定値は、ステップ５０４からの皮膚温度の第１の推定値とステップ５０２におけるウェアラブルデバイス１００の内部デバイスの温度との温度差に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であり得る。

ステップ５０６において、皮膚温度ノイズ除去方法５００はまた、ステップ５０４からの皮膚温度の第１の推定値およびステップ５０２からのウェアラブルデバイス１００の内部デバイス温度に少なくとも部分的に基づいて、皮膚温度の中間推定値を生成し得る。ステップ５０６からの皮膚温度の中間推定値を、周囲温度推定値に少なくとも部分的に基づいてさらに改良して、皮膚温度ノイズ除去方法５００のステップ５０８において皮膚温度の第２の推定値を生成するのに役立てることができる。ステップ５０６における皮膚温度の中間推定値は、ステップ５０４からの皮膚温度の第１の推定値とステップ５０２におけるウェアラブルデバイス１００の内部デバイス温度との温度差に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であってよい。

さらに別の例では、ステップ５０６における周囲空気温度の推定値または皮膚温度の中間推定値は、ステップ５０４からの皮膚温度の第１の推定値およびステップ５０２からのウェアラブルデバイスの内部温度を機械学習モデルで処理することによって求められ得る。そのような実装では、ステップ５０６における周囲空気温度の推定値または皮膚温度の中間推定値は、機械学習モデルの予測出力であり得る。たとえば、機械学習モデルは、教師あり学習アプローチを用いて、入力データおよびグラウンドトゥルースラベルのペアを含む訓練データセットで訓練されている場合がある。たとえば、各ペアについて、入力データは例示的な皮膚温度および内部デバイス温度の読取値を含み得るのに対して、グラウンドトゥルースラベルはグラウンドトゥルース周囲温度を含み得る。たとえば、訓練データセットは、ウェアラブルデバイスが既知の周囲温度を有する環境で動作している状況から時間の経過とともに収集され得る。いくつかの実装では、訓練データセットは、ユーザの皮膚および周囲環境を表す温度を含むさまざまな温度の制御を可能にするテストチャンバ内に存在するセンサを使用して生成され得る。そのような訓練データセットで訓練することによって、機械学習モデルは、皮膚温度および内部デバイス温度に基づいて予測周囲温度または皮膚温度の中間推定値を生成するように構成され得る。機械学習モデルは、さまざまなニューラルネットワーク（たとえば、フィードフォワードニューラルネットワーク、リカレントニューラルネットワーク、トランスフォーマネットワーク等）、線形モデル、サポートベクターマシン、クラスタリングモデル等を含む、任意の形式のモデルであり得る。

別の例では、ステップ５０６における周囲空気温度の推定値は、ウェアラブルデバイス１００の上または中に含まれる追加の周囲センサから取得された追加の周囲センサデータに少なくとも部分的に基づいて調整され得る。一例では、ステップ５０６における周囲空気温度の推定値は、ユーザが入力してウェアラブルデバイス１００が収集した睡眠データおよび／または本明細書に記載されるようなその他の周囲データに基づいて少なくとも部分的に基づいて調整され得る。

ステップ５０８において、皮膚温度ノイズ除去方法５００は、ステップ５０６からの推定された周囲空気温度または皮膚温度の中間推定値に少なくとも部分的に基づいて皮膚温度の第１の推定値を改良することによって、ユーザの皮膚温度の第２の推定値を生成する。ステップ５０８において生成される皮膚温度の第２の推定値は、推定された周囲空気温度または皮膚温度の中間推定値に対応するデータセットの１つまたは複数の平滑化または曲線フィッティング処理の結果であり得る。別の例では、データセットの１つまたは複数の平滑化または曲線フィッティング処理は、ユーザが毛布をかぶるまたは毛布を取るときに起こるようなユーザの軽微な体位変換、およびその他の同様の行動要因（たとえば、ユーザの一般的な動き）を考慮することができる。この例では、１つまたは複数の平滑化または曲線フィッティング処理は、皮膚温度データ点の信号を、当該信号がこれらの行動要因によって生じる温度ピークの影響を受けにくくなるように、修正することができる。

別の例では、ステップ５０８においてユーザの皮膚温度の第２の推定値を生成することは、皮膚温度の第２の推定値または推定された周囲空気温度に関連付けられた信頼値を修正することを含み得る。そのような例では、信頼値は、皮膚温度の第１の推定値または推定された周囲空気温度とウェアラブルデバイス１００の内部温度との温度差が減少するにつれて増加し得る。この例では、皮膚温度の第１の推定値または推定された周囲空気温度とウェアラブルデバイス１００の内部温度との温度差が小さくなることは、皮膚温度の第２の推定値に対する信頼が高まることと同じであり得る。

いくつかの実装では、ステップ５０８において、皮膚温度の第２の推定値は、ステップ５０４からの皮膚温度の第１の推定値と、ステップ５０６からの皮膚温度の中間推定値と、ステップ５０６からの推定された周囲温度とを機械学習モデルで処理することによって求められ得る。そのような実装では、ステップ５０８における皮膚温度の第２の推定値は、機械学習モデルの予測出力であり得る。たとえば、機械学習モデルは、教師あり学習アプローチを用いて、入力データおよびグラウンドトゥルースラベルのペアを含む訓練データセットで訓練されている場合がある。たとえば、各ペアについて、入力データは例示的な推定された皮膚温度および周囲温度の読取値を含み得るのに対して、グラウンドトゥルースラベルはグラウンドトゥルース皮膚温度を含み得る。たとえば、訓練データセットは、ウェアラブルデバイスがより正確な皮膚温度センサとともに動作している状況から時間の経過とともに収集され得る。そのような訓練データセットで訓練することによって、機械学習モデルは、（たとえば、環境的事象ではなく生理学的事象のみを反映する）改良された皮膚温度読取値を生成するように構成され得る。いくつかの実装では、訓練データセットは、ユーザの皮膚および周囲環境を表す温度を含むさまざまな温度の制御を可能にするテストチャンバ内に存在するセンサを使用して生成され得る。機械学習モデルは、さまざまなニューラルネットワーク（たとえば、フィードフォワードニューラルネットワーク、リカレントニューラルネットワーク、トランスフォーマネットワーク等）、線形モデル、サポートベクターマシン、クラスタリングモデル等を含む、任意の形式のモデルであり得る。

図６は、本開示の実施形態例に係る例示的な生理学的事象検出システム６００を示す。一例では、生理学的事象検出システム６００は、追加の周囲条件センサデータ６０２、内部デバイス温度センサデータ６０４、皮膚温度センサデータ６０６、および睡眠データ６０８の形態で入力を受信し得る。

追加の周囲条件センサデータ６０２は任意であり、ウェアラブルデバイス１００の上または中に含まれる位置センサ（たとえばグローバルポジショニングセンサ）、ジオセンサ、気象センサ、モーションセンサ、高度センサ、高度計温度センサ、周囲光センサ、心拍数センサ、およびその他の生理学的センサ（たとえば血中酸素センサ）からのデータを含み得る。たとえば、位置センサを介してユーザの位置を求めることにより、局所的な周囲条件（たとえば、温度またはその他の気象データ）に関するさまざまなデータベースからの情報を取得し、使用してプロセスを導くことができる。同様に、心拍数およびその他の生理学的センサに関するデータは、環境によって起こるのではなく生理学的に起こる温度変化を理解するのに役立ち得る。

内部デバイス温度センサデータ６０４は、ウェアラブルデバイス１００の上または中に含まれる１つまたは複数の内部デバイス温度センサ３０２からのデータを含み得る。皮膚温度センサデータ６０６は、ウェアラブルデバイス１００の上または中に含まれてユーザまたはウェアラブルデバイス１００のベースプレート２０２のいずれかと熱的に接触している１つまたは複数の皮膚温度センサ４０２からのデータを含み得る。

睡眠データ６０８は、ウェアラブルデバイス１００が収集した、またはユーザが入力したデータを含み得る。睡眠データの例は、ユーザが起きているか眠っているかを示すデータ、ユーザの睡眠係数、およびユーザの心拍数を含み得る。この例では、ユーザが眠っている場合、睡眠データ６０８は、ユーザが動いているか否かを示す情報、およびユーザが経験している睡眠の種類の特徴付け（たとえば、落ち着きのない睡眠、浅い睡眠、深い睡眠、レム睡眠）も含み得る。

生理学的事象検出システム６００のこの例では、皮膚温度ノイズ除去方法５００の実行により、データ入力６０２および６０８はデータ入力６０４および６０６の処理と組み合わせて処理され得る。生理学的事象検出システム６００のコンポーネント６１０として、データ入力６０２および６０８と、ノイズ除去方法５００の実行により生成された皮膚温度の第２の推定値とに少なくとも部分的に基づいて、ユーザの生理学的事象が検出され得る。そのような例では、コンポーネント６１０からの生理学的事象は、発熱、概日リズム、月経周期、排卵、熱ストレス、および熱的快適性を含み得る。

生理学的事象の検出６１０は、生理学的事象の開始などの生理学的事象の状態の検出もしくは判定、および／または事象の将来の状態に関する予測（たとえば、今後６時間以内に起こると予想される発熱ピーク）を含み得る。別の例では、生理学的事象の検出６１０は、ユーザの皮膚温度の上昇後に収集された皮膚温度の第２の推定値のデータセットを平滑化することを含み得る。

生理学的事象検出システム６００のコンポーネント６１２において、システムは生理学的事象を推測し得る。コンポーネント６１２において生理学的事象を推測することは、デバイス筐体１０４の中に含まれる１つまたは複数のプロセッサが、ディスプレイ１０２に、コンポーネント６１０から検出された生理学的事象に関する情報をユーザに伝達させることを含み得る。

図７は、本開示の実施形態例に係る生理学的事象検出システム６００の別の例を示す。この例では、生理学的事象検出システム６００は、図６の生理学的事象検出システムにおいて受信したのと同じ入力６０２、６０４、６０６および６０８を受信し得る。また、図７のシステムは、図６について上述したのと同じ生理学的事象を検出して推測し得る。

図７の生理学的事象検出システム６００は、内部デバイス温度センサデータ６０４および皮膚温度センサデータ６０６を機械学習モデル７０２で処理するように構成され得る。この例示的な構成では、機械学習モデル７０２は、線形回帰モデル、ニューラルネットワーク（たとえばリカレントニューラルネットワーク）、またはクラスタリングモデルを含み得る。そのような例では、生理学的事象検出システム６００は、周囲空気温度の推定値または皮膚温度の中間推定値を、機械学習モデル７０２による予測出力として受信し得る。このように受信した周囲空気温度の推定値または皮膚温度の中間推定値を用いて、ウェアラブルデバイス１００を装着しているユーザの真の皮膚温度を推定することもできる。コンポーネント７０６において、図７の生理学的事象検出システム６００はまた、周囲空気温度およびユーザの真の皮膚温度の推定値の遷移（たとえば変化率）を検出してモニタリングするように構成され得る。この構成では、７０６における温度遷移の検出は、コンポーネント６１０における生理学的事象の検出および６１２における生理学的事象の推測に寄与し得る。

図８は、本開示の実施形態例に係る生理学的事象検出システム６００の別の例を示す。この例では、システム６００は、図６および図７の生理学的事象検出システムにおいて受信したのと同じ入力６０２、６０４、６０６および６０８を受信し得る。また、図８のシステムは、コンポーネント７０６からの温度遷移の検出に関する入力を含む、図６および図７について上述したのと同じ生理学的事象を検出して推測し得る。

図８の生理学的事象検出システム６００は、ウェアラブルデバイス１００の内部温度と、ウェアラブルデバイス１００を装着しているユーザの皮膚温度の第１の推定値との差を求めるコンポーネント８０２を用いて構成され得る。生理学的事象検出システム６００のコンポーネント８０４において、システムは、この差に基づいて周囲空気温度または皮膚温度の中間推定値を推定し得る。８０４からの推定された周囲空気温度または皮膚温度の中間推定値を用いて、ユーザの皮膚温度の第２の推定値を生成することによって、周囲空気温度がユーザの皮膚温度に与える影響を推定することもできる。また、生理学的事象検出システム６００は、８０４からの皮膚温度の第２の推定値または推定された周囲空気温度に関連付けられた信頼値を修正するように構成され得る。生理学的事象検出システム６００のこの構成では、信頼値は、皮膚温度の第１の推定値または推定された周囲空気温度とウェアラブルデバイスの内部温度との温度差が減少するにつれて増加し得る。また、８０２において求められた温度差が小さいほど、推定された周囲空気温度が皮膚温度の第２の推定値に影響を及ぼしている可能性が低いことを意味し得る。８０２における皮膚温度の第２の推定値を用いて、ユーザの深部体温を推定することもできる。そのような構成では、生理学的事象検出システム６００は、生理学的に引き起こされる深部体温の変化と環境によって引き起こされる深部体温の変化を区別することができる。

図９は、本開示の実施形態例に係る例示的なコンピューティングシステムを示す。コンピューティングシステムは、図９に示されているユーザコンピューティングデバイス（たとえばウェアラブルデバイス１００）を含み得る。ユーザコンピューティングデバイスは、いくつかの実装では、ネットワークを介してサーバコンピューティングシステムに接続し得る。サーバおよびネットワークは図９に示されていない。

図９に示されるようなユーザデバイスは、１つまたは複数のプロセッサとメモリとを含み得る。１つまたは複数のプロセッサは、任意の適切な処理デバイス（たとえば、プロセッサコア、マイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡ、コントローラ、マイクロコントローラ等）であり得るものであり、１つのプロセッサまたは動作可能に接続される複数のプロセッサであり得る。メモリは、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、フラッシュメモリデバイス、磁気ディスク等、およびそれらの組み合わせなどの、１つまたは複数の非一時的なコンピュータ読取可能記憶媒体を含み得る。メモリは、プロセッサによって実行されて図９のコンピューティングシステムに動作を実行させるデータおよび命令を格納し得る。例示的な動作は、皮膚温度ノイズ除去方法５００のステップのフロー、ならびに図６、図７および図８の生理学的事象検出システムのさまざまな構成において説明したコンポーネントのタスクの実行を含み得る。

また、図９のユーザデバイスは、ユーザ入力を受信する１つまたは複数のユーザ入力コンポーネントを含み得る。たとえば、ユーザ入力コンポーネントは、ユーザ入力オブジェクト（たとえば、指またはスタイラス）のタッチに反応するタッチセンサ式コンポーネント（たとえば、ウェアラブルデバイス１００のディスプレイ１０２）であり得る。タッチセンサ式コンポーネントは、仮想キーボードを実装するように機能し得る。図９のコンピューティングシステムが受信する例示的なユーザ入力は、症状、睡眠状況、排卵、月経に関する情報、およびユーザの健康に関するその他の生理学的情報を含み得る。

また、図９のユーザデバイスは、１つまたは複数の皮膚温度センサ４０２および１つまたは複数の内部デバイス温度センサ３０２を含む、１つまたは複数のセンサを含み得る。皮膚温度センサ４０２および内部デバイス温度センサ３０２は、負温度係数（ＮＴＣ）サーミスタ、抵抗温度検出器（ＲＴＤ）、熱電対、および半導体ベースのセンサを含み得る。図９のコンピューティングシステムの追加のセンサは、位置センサ（たとえばＧＰＳ）、モーションセンサ、高度センサ、心拍数センサ、およびその他の生理学的センサ（たとえば血中酸素濃度センサ）であり得る。位置センサは、セルラーベースまたは衛星ベースのＧＰＳセンサであってもよい。例示的なモーションセンサは、受動型赤外線（ＰＩＲ）、マイクロ波、およびデュアルテック／ハイブリッドモーションセンサを含む。例示的な高度センサは、気圧高度計（たとえばアネロイド気圧計）および電波高度計を含む。例示的な心拍数センサは、光伝送型の脈拍センサ（たとえば光電式容積脈波記録法（ＰＰＧ））および心電図（ＥＣＤ）センサを含む。

サーバコンピューティングシステム（図９には図示せず）は、１つまたは複数のプロセッサとメモリとを含み得る。１つまたは複数のプロセッサは、任意の適切な処理デバイス（たとえば、プロセッサコア、マイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡ、コントローラ、マイクロコントローラ等）であり得るものであり、１つのプロセッサまたは動作可能に接続される複数のプロセッサであり得る。メモリは、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、フラッシュメモリデバイス、磁気ディスク等、およびそれらの組み合わせなどの、１つまたは複数の非一時的なコンピュータ読取可能記憶媒体を含み得る。メモリは、プロセッサによって実行されてサーバコンピューティングシステムに動作を実行させるデータおよび命令を格納し得る。

いくつかの実装では、サーバコンピューティングシステムは、１つまたは複数のサーバコンピューティングデバイスを含むか、そうでなければ当該サーバコンピューティングデバイスによって実装される。サーバコンピューティングシステムが複数のサーバコンピューティングデバイスを含む例では、そのようなサーバコンピューティングデバイスは、順次コンピューティングアーキテクチャ、並列コンピューティングアーキテクチャ、またはそれらの何らかの組み合わせに従って動作し得る。

ネットワークは、ローカルエリアネットワーク（たとえばイントラネット）、ワイドエリアネットワーク（たとえばインターネット）、またはそれらの何らかの組み合わせなどの、任意の種類の通信ネットワークであり得るものであり、任意の数の有線または無線リンクを含み得る。一般に、ネットワーク上の通信は、多種多様な通信プロトコル（たとえば、ＴＣＰ／ＩＰ、ＨＴＴＰ、ＳＭＴＰ、ＦＴＰ）、エンコーディングもしくはフォーマット（たとえば、ＨＴＭＬ、ＸＭＬ）、および／または保護方式（たとえば、ＶＰＮ、セキュアＨＴＴＰ、ＳＳＬ）を使用して、任意の種類の有線および／または無線接続によって搬送され得る。

いくつかの実装では、図９のユーザデバイスは、１つまたは複数の機械学習モデルを格納し得るか含み得る。たとえば、機械学習モデルは、さまざまなニューラルネットワーク（たとえば、フィードフォワードニューラルネットワーク、リカレントニューラルネットワーク、トランスフォーマネットワーク等）、線形モデル、サポートベクターマシン、クラスタリングモデルなどのさまざまな機械学習モデルであり得るか、そうでなければ当該機械学習モデルを含み得る。

いくつかの実装では、１つまたは複数の機械学習モデルは、ネットワークを介してサーバコンピューティングシステムから受信され、ユーザデバイスのメモリに格納され、その後、１つまたは複数のプロセッサによって使用され得るかそうでなければ実装され得る。いくつかの実装では、ユーザコンピューティングデバイスは、単一の機械学習モデルの複数の並列インスタンスを実装し得る。

これに加えてまたはこれに代えて、１つまたは複数の機械学習モデルは、クライアント－サーバ関係に従って図９のユーザデバイスと通信するサーバコンピューティングシステムに含まれ得るか、そうでなければ当該サーバコンピューティングシステムに格納されて当該サーバコンピューティングシステムによって実装され得る。たとえば、機械学習モデルは、ウェブサービス（たとえばデータ拡張サービス）の一部としてサーバコンピューティングシステムによって実装され得る。したがって、１つもしくは複数のモデルが図９のユーザデバイスにおいて格納され実装され得るものであり、および／または、１つもしくは複数のモデルがサーバコンピューティングシステムにおいて格納され実装され得る。加えて、一部またはすべての動作が１つの場所または複数の場所で実行され得る。

例示的なデータ
図１０は、本開示の実施形態例に係るウェアラブルデバイス１００の例示的な温度データのグラフを示す。図１０では、ウェアラブルデバイス１００の温度測定値が、さまざまな時間およびウェアラブルデバイス１００のユーザによる異なる使用状態において示されている。また、図１０は、温度データのあらゆる変動の大きさ、ならびにそれらの変動が時刻およびユーザがウェアラブルデバイス１００を装着しているか否かと比べてどうであるか、の特徴付けを含む。

図１１は、本開示の実施形態例に係る内部デバイス温度センサ３０２および皮膚温度センサ４０２からの温度データの例示的なグラフを示す。図１１では、内部デバイス温度センサ３０２および皮膚温度センサ４０２の温度測定値が、さまざまな時間およびウェアラブルデバイス１００のユーザによる異なる使用状態において示されている。図１１は、時刻およびユーザがウェアラブルデバイスを装着しているか否かに基づく、両センサ３０２および４０２からの温度データの記録を表している。図１１はさらに、内部デバイス温度センサ３０２の測定値と皮膚温度センサ４０２の測定値との温度差が最大および最小である時間帯を示している。２つの温度センサ３０２と４０２との温度差が最小である（たとえば、差分値が閾値未満である）時間帯が、図１１において特定されて網掛けされている。温度差が最小である時間帯はまた、ユーザの皮膚温度の推定値に対する高い信頼値と相関し、つまり、周囲温度がウェアラブルデバイス１００のユーザの皮膚温度の変化を引き起こしている可能性が低い。

図１２は、本開示の実施形態例に係る内部デバイス温度センサ３０２および皮膚温度センサ４０２からの差分温度データの例示的なグラフを示す。図１２は、図１１に示したグラフと関連しているが、代わりに、内部デバイス温度センサ３０２の温度測定値と皮膚温度センサ４０２の温度測定値との温度差の値をプロットしている。図１２は、温度差値が最大および最小である時間帯を説明するための、（たとえば図１１と比較して）代替的な表現を提供している。２つの温度センサ３０２と４０２との温度差が最小である（たとえば、温度差値が閾値未満である）時間帯が、図１２において特定されて網掛けされている。図１１と同様に、温度差が最小である時間帯はまた、ユーザの皮膚温度の推定値に対する高い信頼値と相関し、つまり、周囲温度がウェアラブルデバイス１００のユーザの皮膚温度の変化を引き起こしている可能性が低い。

図１３は、本開示の実施形態例に係る複数のウェアラブルデバイス１００の例示的な温度データのグラフを示す。特に、図１３のグラフは、ウェアラブルデバイス１００の中に含まれる残量ゲージ（fuel gauge）および皮膚温度センサ４０２の温度測定値、それらの測定値が規定された期間にわたって規定された周囲温度環境にさらされたときにどのように変動するか、およびウェアラブルデバイス１００がユーザの手首にあるか否か、をプロットしている。

図１４は、本開示の実施形態例に係る周囲温度推定予測の例示的な線形回帰モデルを示すグラフを示す。図１４では、周囲温度推定予測を、規定された期間にわたって、周囲およびファントムグラウンドトゥルースセンサ（高度計温度センサ、皮膚温度センサ４０２、および内部デバイス温度センサ３０２をさらに含む）を含むソースからの温度センサデータと比較している。

図１５は、本開示の実施形態例に係る発熱からの日数に対する例示的な皮膚温度変動のグラフを示す。特に、図１５は、ユーザの平均皮膚温度の変動を、発熱までの日および発熱後の日において、真の温度データおよび平滑化された温度データに関してプロットしている。

図１６は、本開示の実施形態例に係る睡眠データを組み込んだ例示的な温度変動のグラフを示す。より具体的には、図１６は、睡眠時間およびユーザがウェアラブルデバイス１００を装着しているか否かの状態が特定されて網掛けされている規定された期間にわたって取得された、ウェアラブルデバイス１００の中に含まれる内部デバイス温度センサ３０２および皮膚温度センサ４０２からの温度データの記録を表している。また、図１６は、同じ期間中に取得された内部デバイスおよび皮膚温度センサの測定値のカウント値を示している。

追加の開示
本明細書に記載の技術は、サーバ、データベース、ソフトウェアアプリケーション、およびその他のコンピュータベースのシステム、ならびにそのようなシステムとの間で行われる動作および送信される情報に言及している。コンピュータベースのシステムの固有の柔軟性は、コンポーネント間のタスクおよび機能の多種多様な可能な構成、組み合わせ、および分割を可能にする。たとえば、本明細書に記載のプロセスは、単一のデバイスもしくはコンポーネントを使用して、または組み合わされて機能する複数のデバイスもしくはコンポーネントを使用して、実行することができる。データベースおよびアプリケーションは、単一のシステム上で実装することができ、または複数のシステムに分散させることができる。分散したコンポーネントは、順次または並列に動作可能である。

本主題を、その実施形態のさまざまな具体例に関して詳細に説明してきたが、各例は説明として提供されており、本開示を限定するものではない。当業者は、上記の理解を得た上で、そのような実施形態に対する変更、変形、および等価物を容易に作りだすことができる。したがって、本開示は、当業者に容易に明らかになるような本主題に対するそのような修正、変形および／または追加の包含を排除するものではない。たとえば、ある実施形態の一部として図示または記載されている特徴を別の実施形態とともに使用することで、さらに他の実施形態を得ることができる。したがって、本開示はそのような変更、変形、および等価物をカバーすることが意図されている。

特に、図１～図１６は図示および説明のために特定の順序で実行されるステップをそれぞれ示しているが、本開示の方法は具体的に示されている順序または配置に限定されるものではない。皮膚温度ノイズ除去方法５００および生理学的事象検出システム６００のさまざまなステップを、本開示の範囲から逸脱することなくさまざまな方法で省略する、並び替える、組み合わせる、および／または適合させることができる。

Claims (20)

1. 皮膚温度モニタリングを提供するための、コンピュータによって実行される方法であって、前記方法は、
   １つまたは複数のコンピューティングデバイスを含むコンピューティングシステムが、ユーザが装着するウェアラブルデバイスの中に含まれる内部デバイス温度センサから受信したセンサデータに基づいて、前記ウェアラブルデバイスの内部デバイス温度を求めることと、
   前記コンピューティングシステムが、前記ウェアラブルデバイスの上または中に含まれる皮膚温度センサから受信したセンサデータに基づいて、前記ユーザの皮膚温度の第１の推定値を求めることと、
   前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値および前記内部デバイス温度に少なくとも部分的に基づいて、周囲空気温度を推定することと、
   前記コンピューティングシステムが、推定された前記周囲空気温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良して、前記皮膚温度の第２の推定値を生成することとを備える、方法。
2. 前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値に少なくとも部分的に基づいて、１つまたは複数の生理学的事象を判定することをさらに備える、請求項１に記載のコンピュータによって実行される方法。
3. 前記１つまたは複数の生理学的事象は、発熱の開始、概日リズム、月経周期、排卵、熱ストレス、および熱的快適性、のうちの少なくとも１つを含む、請求項２に記載のコンピュータによって実行される方法。
4. 前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値に少なくとも部分的に基づいて、前記１つまたは複数の生理学的事象を判定することは、
   前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値に少なくとも部分的に基づいて、前記ユーザの深部体温を推定することと、
   前記コンピューティングシステムが、生理学的に引き起こされるユーザの深部体温の変化と環境によって引き起こされるユーザの深部体温の変化を区別することとを備える、請求項２または請求項３に記載のコンピュータによって実行される方法。
5. 前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値に少なくとも部分的に基づいて、前記１つまたは複数の生理学的事象を判定することは、
   前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値の変化率をモニタリングして、前記皮膚温度の前記第２の推定値の遷移を検出することと、
   前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値の検出された前記遷移に少なくとも部分的に基づいて、前記１つまたは複数の生理学的事象を判定することとを備える、請求項２または請求項３に記載のコンピュータによって実行される方法。
6. 前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値および前記内部デバイス温度に少なくとも部分的に基づいて、前記周囲空気温度を推定することは、
   前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値と前記内部デバイス温度との差を求めることと、
   前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値と前記内部デバイス温度との前記差に少なくとも部分的に基づいて、前記周囲空気温度を推定することとを備える、請求項１～請求項５のいずれか１項に記載のコンピュータによって実行される方法。
7. 前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値および前記内部デバイス温度に少なくとも部分的に基づいて、前記周囲空気温度を推定することは、
   前記皮膚温度の前記第１の推定値および前記内部デバイス温度を機械学習モデルで処理することと、
   前記周囲空気温度を、前記機械学習モデルが出力する予測として受信することとを備える、請求項１～請求項５のいずれか１項に記載のコンピュータによって実行される方法。
8. 前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値および前記内部デバイス温度に少なくとも部分的に基づいて、前記周囲空気温度を推定することは、
   前記コンピューティングシステムが、前記ウェアラブルデバイスの中に含まれる位置センサ、ジオセンサ、気象センサ、モーションセンサ、高度センサ、高度計温度センサ、周囲光センサ、または心拍数センサ、のうちの少なくとも１つからのセンサデータに少なくとも部分的に基づいて、前記周囲空気温度の推定値を調整することを備える、請求項１～請求項５のいずれか１項に記載のコンピュータによって実行される方法。
9. 前記コンピューティングシステムが、前記皮膚温度の前記第１の推定値および前記内部デバイス温度に少なくとも部分的に基づいて、前記周囲空気温度を推定することは、
   前記コンピューティングシステムが、前記ウェアラブルデバイスが収集した前記ユーザの睡眠データに少なくとも部分的に基づいて、前記周囲空気温度を調整することを備える、請求項１～請求項５のいずれか１項に記載のコンピュータによって実行される方法。
10. 前記コンピューティングシステムが、推定された前記周囲空気温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良して、前記皮膚温度の第２の推定値を生成することは、前記皮膚温度の前記第２の推定値に関連付けられた信頼値を修正することを備える、請求項１～請求項９のいずれか１項に記載のコンピュータによって実行される方法。
11. 前記皮膚温度の前記第２の推定値に関連付けられた前記信頼値は、前記皮膚温度の前記第１の推定値と前記内部デバイス温度との温度差が減少するにつれて増加する、請求項１０に記載のコンピュータによって実行される方法。
12. 前記ウェアラブルデバイスの中に含まれる前記内部デバイス温度センサは、複数の内部デバイス温度センサで構成され、
    前記ウェアラブルデバイスの上または中に含まれる前記皮膚温度センサは、複数の皮膚温度センサで構成される、請求項１～請求項１１のいずれか１項に記載のコンピュータによって実行される方法。
13. ウェアラブルデバイスであって、
    ユーザによって装着されるように構成されたデバイス筐体と、
    前記デバイス筐体の中に含まれ、１つまたは複数のプロセッサを有する、コンピュータと、
    前記デバイス筐体の上または中に含まれ、皮膚温度センサデータを生成するように構成された１つまたは複数の皮膚温度センサと、
    前記デバイス筐体の中に含まれ、内部デバイス温度センサデータを生成するように構成された１つまたは複数の内部デバイス温度センサと、
    前記デバイス筐体の中に含まれ、命令を格納した非一時的なコンピュータ読取可能メモリとを備え、前記命令は、前記１つまたは複数のプロセッサによって実行されると、請求項１～請求項１２のいずれか１項に記載のコンピュータによって実行される方法を、前記コンピュータに動作を実施させる、ウェアラブルデバイス。
14. 改善された皮膚温度モニタリングを提供するための、コンピュータによって実行される方法であって、前記方法は、
    １つまたは複数のコンピューティングデバイスを含むコンピューティングシステムが、ユーザが装着するウェアラブルデバイスの中に含まれる内部デバイス温度センサから受信したセンサデータに基づいて、前記ウェアラブルデバイスの内部デバイス温度を求めることと、
    前記コンピューティングシステムが、前記ウェアラブルデバイスの上または中に含まれる皮膚温度センサから受信したセンサデータに基づいて、前記ユーザの皮膚温度の第１の推定値を求めることと、
    前記コンピューティングシステムが、前記ウェアラブルデバイスの前記内部デバイス温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良して、前記皮膚温度の第２の推定値を生成することと、
    前記コンピューティングシステムが、前記皮膚温度の前記第２の推定値に少なくとも部分的に基づいて、１つまたは複数の生理学的事象を判定することとを備える、方法。
15. 前記コンピューティングシステムが、前記ウェアラブルデバイスの前記内部デバイス温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良することは、
    前記皮膚温度の前記第１の推定値および前記内部デバイス温度を機械学習モデルで処理することと、
    前記皮膚温度の前記第２の推定値を、前記機械学習モデルが出力する予測として受信することとを備える、請求項１４に記載のコンピュータによって実行される方法。
16. 前記コンピューティングシステムが、前記ウェアラブルデバイスの前記内部デバイス温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良して、前記皮膚温度の第２の推定値を生成することは、前記皮膚温度の前記第２の推定値に関連付けられた信頼値を修正することを備える、請求項１４に記載のコンピュータによって実行される方法。
17. 前記皮膚温度の前記第２の推定値に関連付けられた前記信頼値は、前記皮膚温度の前記第１の推定値と前記内部デバイス温度との温度差が増加するにつれて減少する、請求項１６に記載のコンピュータによって実行される方法。
18. 前記コンピューティングシステムが、前記ウェアラブルデバイスの前記内部デバイス温度に少なくとも部分的に基づいて前記皮膚温度の前記第１の推定値を改良して、前記皮膚温度の第２の推定値を生成することはさらに、
    前記コンピューティングシステムが、前記ウェアラブルデバイスの中に含まれる位置センサ、ジオセンサ、気象センサ、モーションセンサ、高度センサ、高度計温度センサ、周囲光センサ、または心拍数センサ、のうちの少なくとも１つからのセンサデータに少なくとも部分的に基づいて、前記皮膚温度の第２の推定値を調整することを備える、請求項１４に記載のコンピュータによって実行される方法。
19. 前記１つまたは複数の生理学的事象は、発熱の開始、概日リズム、月経周期、排卵、熱ストレス、または熱的快適性、のうちの少なくとも１つを含む、請求項１４～請求項１８のいずれか１項に記載のコンピュータによって実行される方法。
20. コンピュータの１つまたは複数のプロセッサによって実行されると、前記コンピュータに請求項１～請求項１２および請求項１４～請求項１９のいずれか１項に記載の方法を実施させる命令を含む、プログラム。

Images