JPWO2018179301A1 - 情報処理システム、情報処理装置、および情報処理方法 - Google Patents

情報処理システム、情報処理装置、および情報処理方法 Download PDF

Info

Publication number
JPWO2018179301A1
JPWO2018179301A1 JP2019508077A JP2019508077A JPWO2018179301A1 JP WO2018179301 A1 JPWO2018179301 A1 JP WO2018179301A1 JP 2019508077 A JP2019508077 A JP 2019508077A JP 2019508077 A JP2019508077 A JP 2019508077A JP WO2018179301 A1 JPWO2018179301 A1 JP WO2018179301A1
Authority
JP
Japan
Prior art keywords
period
exercise
information processing
processing apparatus
boundary
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.)
Granted
Application number
JP2019508077A
Other languages
English (en)
Other versions
JP6638860B2 (ja
Inventor
真路 堀田
一穂 前田
勇輝 笹本
明大 猪又
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JPWO2018179301A1 publication Critical patent/JPWO2018179301A1/ja
Application granted granted Critical
Publication of JP6638860B2 publication Critical patent/JP6638860B2/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
    • A61B5/103—Detecting, measuring or recording 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, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity

Abstract

情報処理装置（１００）は、計測機（１０１）から患者の動きに関する計測情報を取得する。情報処理装置（１００）は、計測情報に基づいて、歩行期間（ｐ１−ｂｅｆｏｒｅ）と、歩行期間（ｐ１−ａｆｔｅｒ）とを検知する。情報処理装置（１００）は、歩行期間（ｐ１−ｂｅｆｏｒｅ）と歩行期間（ｐ１−ａｆｔｅｒ）との間にある境界期間（ｐ１−ｃｅｎｔｅｒ）を特定する。情報処理装置（１００）は、計測情報に基づいて、境界期間（ｐ１−ｃｅｎｔｅｒ）における、歩行期間（ｐ１−ｂｅｆｏｒｅ）との上下加速度のピーク振幅の非類似度と、歩行期間（ｐ１−ａｆｔｅｒ）との上下加速度のピーク間隔の類似度とを算出する。情報処理装置（１００）は、算出した非類似度と類似度とに基づいて、境界期間（ｐ１−ｃｅｎｔｅｒ）が異常運動期間であるか否かを判定する。

Description

本発明は、情報処理システム、情報処理装置、および情報処理方法に関する。
従来、医療分野では、患者に対して適切な医療処置をするために、患者の状態を把握することが求められる。しかし、医療現場の問診など限られた時間で患者を正確に理解することは困難である。そこで、患者にセンサ装置を装着してもらい、日常生活中における患者の運動特徴を把握し、診断や治療の手がかりとして活用するアプローチが有効である。具体的には、そのセンサ装置から得られる時系列データに基づいて、その患者によって運動が行われた運動期間を特定し、その運動期間およびその運動期間における特徴量を参照して、その患者の状態を把握できる。
先行技術としては、例えば、各時刻における前後方向および上下方向の加速度成分が反映された特徴量を二値化した二値化データのばらつき程度を算出し、ばらつき程度が所定の閾値を超える期間内において移動運動期間を決定するものがある。また、例えば、加速度信号の周波数スペクトル分布から検出した最大のパワー値を持つ第１ピーク周波数と２番目に大きいパワー値を持つ第２ピーク周波数との関係に基づいて、健常歩行か着地が不適切な異常歩行かを判定する技術がある。また、例えば、周波数データに現れるピーク位置から動きのペースを検出する技術がある。
特開２０１５−１３９６６７号公報 特開２０１３−０５９４８９号公報 特開２０１１−１８８９０１号公報
しかしながら、従来技術では、患者によって運動が行われた運動期間を特定することが難しい場合がある。例えば、患者が歩行運動中にバランスを崩した場合、患者に装着されたセンサ装置から得られる時系列データに乱れが生じるゆえ、非典型的なパターンが観測される。この場合において、患者がバランスを崩していた期間は、運動期間として特定することができず、また、バランスを崩した前後での運動特徴を抽出することもできない。
１つの側面では、本発明は、運動期間および運動特徴を特定する精度の向上を図ることができる情報処理システム、情報処理装置、および情報処理方法を提供することを目的とする。
１つの実施態様によれば、計測対象の動きに関する計測情報を取得し、取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する情報処理システム、情報処理装置、および情報処理方法が提案される。
一態様によれば、運動期間を特定する精度の向上を図ることが可能になる。
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、計測機１０１のハードウェア構成例を示すブロック図である。 図５は、情報処理装置１００の機能的構成例を示すブロック図である。 図６は、情報処理装置１００が取得する時系列データ６００の一例を示す説明図である。 図７は、情報処理装置１００が歩行期間を検知する一例を示す説明図である。 図８は、情報処理装置１００が境界期間を特定する一例を示す説明図である。 図９は、情報処理装置１００が異常運動期間であるか否かを判定する一例を示す説明図である。 図１０は、尤度を算出する対象になる境界期間の一例を示す説明図である。 図１１は、情報処理装置１００が境界期間１０３０を分割する具体例を示す説明図である。 図１２は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その１）である。 図１３は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その２）である。 図１４は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その３）である。 図１５は、第１の特徴量の非類似度を算出する第２の例を示す説明図である。 図１６は、第１の特徴量の非類似度を算出する第１の例と第２の例とを使い分ける一例を示す説明図である。 図１７は、第１の特徴量の非類似度を算出する第３の例を示す説明図である。 図１８は、第２の特徴量の類似度を算出する第１の例を示す説明図（その１）である。 図１９は、第２の特徴量の類似度を算出する第１の例を示す説明図（その２）である。 図２０は、第２の特徴量の類似度を算出する第１の例を示す説明図（その３）である。 図２１は、第２の特徴量の類似度を算出する第２の例を示す説明図である。 図２２は、尤度を算出する第２の例を示す説明図（その１）である。 図２３は、尤度を算出する第２の例を示す説明図（その２）である。 図２４は、尤度を算出する第３の例を示す説明図である。 図２５は、尤度を算出する第４の例を示す説明図（その１）である。 図２６は、尤度を算出する第４の例を示す説明図（その２）である。 図２７は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その１）である。 図２８は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その２）である。 図２９は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その３）である。 図３０は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その４）である。 図３１は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その５）である。 図３２は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その６）である。 図３３は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その７）である。 図３４は、解析処理手順の一例を示すフローチャートである。
以下に、図面を参照して、開示の情報処理システム、情報処理装置、および情報処理方法の実施の形態を詳細に説明する。
（実施の形態にかかる情報処理方法の一実施例）
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。情報処理装置１００は、計測対象によって運動が行われた運動期間を特定するコンピュータである。計測対象は、生体である。計測対象は、機械、例えば、２足歩行する自律ロボットであってもよい。
生体の代表的な例は、人間である。例えば、医療機関による検査対象になる対象者である。具体的には、医師などの医療関係者による診断や治療、リハビリ指導などを受ける患者であってもよい。また、他にも、スポーツインストラクターによる運動指導を受ける被指導者であってもよい。さらに、自ら健康管理を行う個人であってもよい。なお、生体は人間に限らず、動物であってもよい。
ここで、生体によって所定の運動が行われた運動期間では、その生体に装着したセンサ装置から得られる時系列データに、特徴的なパターンが現れる傾向がある。所定の運動は、例えば、歩行運動である。所定の運動は、例えば、立位維持運動、階段昇降運動、サイクリング運動などであってもよい。時系列データは、例えば、一定期間における生体の上下方向の加速度が、時系列に並べられたデータである。以下の説明では、上下方向の加速度を「上下加速度」と表記する場合がある。
特徴的なパターンは、例えば、生体によって歩行運動が行われた運動期間であれば、その生体の加速度から抽出される上下振動成分のゼロクロス点が周期的に出現するというパターン、または、その生体の上下加速度のピーク振幅が周期的に出現するというパターンなどである。ゼロクロス点は、対象信号の信号値がゼロになった時点を示す。
このため、所定の運動に対応する特徴的なパターンを予め記憶しておき、一定期間のうち、生体に装着したセンサ装置から得られる時系列データに、その特徴的なパターンと合致するパターンが現れた期間を、その生体の運動期間として特定する場合が考えられる。しかしながら、この場合、生体の運動期間を特定することが難しいことがある。
例えば、生体が歩行運動中にバランスを崩すと、その生体に装着されたセンサ装置から得られる時系列データに、不規則な乱れが生じることがある。そして、生体がバランスを崩していた期間では、その生体に装着されたセンサ装置から得られる時系列データに、特徴的なパターンと合致するパターンが現れず、その期間については、その生体の運動期間として特定することができない。
これに対し、特徴的なパターンと合致すると判定されるパターンの範囲を、特徴的なパターンが発生した時点の前後に広げることにより、センサ装置から得られる時系列データに不規則な乱れが生じていても、その特徴的なパターンと合致するパターンを検知しようとする場合が考えられる。このように、生体の運動期間を精度よく特定しようとする場合がある。しかしながら、この場合でも、生体の運動期間を特定することが難しいことがある。
例えば、生体が歩行運動中にバランスを大きく崩すと、センサ装置から得られる時系列データに、特徴的なパターンと合致すると判定されるパターンの範囲を広げたとしても、例えば、ふらついた故に動きの特徴が急変する場合など、その特徴的なパターンと合致すると判定することが難しいパターンが現れることがある。このため、依然として、生体がバランスを崩していた期間では、その生体に装着されたセンサ装置から得られる時系列データに、特徴的なパターンと合致すると判定されるパターンが現れず、その期間については、その生体の運動期間として特定することができない。
一方で、特徴的なパターンと合致すると判定されるパターンの範囲を広げたため、生体によって所定の運動が行われていない期間についても、その生体の運動期間として誤って特定されてしまう可能性がある。このように、特徴的なパターンと合致すると判定されるパターンの範囲を広げると、生体の運動期間を特定する精度の低下を招いてしまう可能性がある。
また、生体がバランスを崩していた期間などを、その生体の運動期間として特定することができないため、その運動期間における生体の運動の特徴を解析することが難しく、医師などの医療関係者が把握することが難しい。例えば、生体がふらついた後に歩き方が復帰するまでに要する時間、または、生体がふらついた時に生体の身体が動揺した程度などを解析することができない。
そこで、本実施の形態では、ある期間に特徴的なパターンと合致するパターンが現れなくても、その期間と運動期間として既に検知された期間とについて比較することにより、運動期間を特定する精度の向上を図ることができる情報処理方法について説明する。
図１の例では、生体は患者であるとする。図１の例では、患者は、少なくとも時点ｔ１〜ｔ５までの期間ｐ１において、歩行運動を行っている。患者は、時点ｔ１から、安定した姿勢で歩行運動を行っている。患者は、時点ｔ２において、バランスを崩している。患者は、時点ｔ３から、バランスを持ち直しつつあり、姿勢を安定させ始めている。患者は、時点ｔ４から、再び安定した姿勢で歩行運動を行っている。
図１の例では、情報処理装置１００は、計測機１０１と通信することができる。計測機１０１は、計測対象ｕとなる生体の動きに関する計測情報を計測する。計測機１０１は、計測対象ｕとなる生体に装着される。計測機１０１は、例えば、患者に装着される。計測機１０１は、具体的には、患者の腰に装着され、上下加速度を計測する加速度センサを有するセンサ装置である。
（１−１）情報処理装置１００は、計測機１０１から計測情報を取得する。計測情報は、例えば、計測機１０１の加速度センサが期間ｐ１に計測した上下加速度を、時系列に並べた時系列データである。時系列データは、例えば、波形データである。
（１−２）情報処理装置１００は、取得した計測情報に基づいて、患者によって所定の運動が行われた第１の運動期間と、患者によって所定の運動が行われた第２の運動期間とを検知する。第１の運動期間と第２の運動期間とは、例えば、患者によって歩行運動が行われた歩行期間である。第１の運動期間は、例えば、第２の運動期間より前である。
情報処理装置１００は、例えば、期間ｐ１のうち、時系列データに歩行運動に対応する特徴的なパターンが現れる時点ｔ１〜ｔ２までの歩行期間ｐ１−ｂｅｆｏｒｅを検知する。また、情報処理装置１００は、例えば、期間ｐ１のうち、時系列データに歩行運動に対応する特徴的なパターンが現れる時点ｔ４〜ｔ５までの歩行期間ｐ１−ａｆｔｅｒを検知する。
ここで、歩行期間ｐ１−ｂｅｆｏｒｅと歩行期間ｐ１−ａｆｔｅｒとの間にある、時点ｔ２〜ｔ４までの境界期間ｐ１−ｃｅｎｔｅｒのうち、時点ｔ２〜ｔ３までの前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔでは、患者がバランスを崩している。このため、その境界期間ｐ１−ｃｅｎｔｅｒは、運動期間として検知されづらい。
そこで、情報処理装置１００は、境界期間ｐ１−ｃｅｎｔｅｒが、運動期間として検知されづらい場合でも、その境界期間ｐ１−ｃｅｎｔｅｒが、運動期間であるか否かを判定する処理をさらに実行することにより、運動期間を特定する精度の向上を図る。
（１−３）情報処理装置１００は、取得した計測情報に基づいて、検知した第１の運動期間と第２の運動期間との間にある境界期間における、第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する。
１以上の特徴量は、例えば、計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む。
図１の例では、情報処理装置１００は、取得した計測情報に基づいて、検知した第１の運動期間と第２の運動期間との間にある境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出する。
第１の特徴量は、例えば、上下加速度のピーク振幅である。ピーク振幅は、例えば、極大値である。ピーク振幅は、例えば、極小値、または極大値と極小値の差分などであってもよい。第２の特徴量は、例えば、上下加速度のピーク間隔である。ピーク間隔は、例えば、極大値になった時点の間隔である。ピーク間隔は、例えば、極小値になった時点の間隔であってもよい。
情報処理装置１００は、例えば、境界期間ｐ１−ｃｅｎｔｅｒにおける、歩行期間ｐ１−ｂｅｆｏｒｅとの上下加速度のピーク振幅の非類似度と、歩行期間ｐ１−ａｆｔｅｒとの上下加速度のピーク間隔の類似度とを算出する。
情報処理装置１００は、具体的には、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク振幅の代表値と、歩行期間ｐ１−ｂｅｆｏｒｅの上下加速度のピーク振幅の代表値との比率が大きいほど非類似度が大きくなるように、その非類似度を算出する。代表値は、例えば、最大値である。また、代表値は、例えば、平均値、中央値、最小値などであってもよい。
情報処理装置１００は、具体的には、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク間隔の代表値と、歩行期間ｐ１−ａｆｔｅｒの上下加速度のピーク間隔の代表値との比率が小さいほど類似度が大きくなるように、その類似度を算出する。代表値は、例えば、最大値である。また、代表値は、例えば、平均値、中央値、最小値などであってもよい。
ここで、境界期間に、歩行運動に関連する異常運動が行われた場合、その異常運動の種類によっては、例えば、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある場合がある。このような異常運動は、例えば、患者が歩行運動中にふらつくなどして、バランスを崩すという例外的な運動である。
情報処理装置１００は、この性質を利用し、非類似度と類似度とに基づいて、境界期間が、患者によって異常運動が行われた運動期間であるか否かを判定することが可能になる。以下の説明では、患者によって異常運動が行われた運動期間を「異常運動期間」と表記する場合がある。
例えば、患者がバランスを崩した場合、患者の身体のいずれかの部位の動きが速くなる傾向があり、さらにその後に強い衝撃を受ける傾向がある。例えば、患者が歩行運動中にバランスを崩した場合、その患者の足または腰の動きが速くなり、次に足が着地した際にその患者の足に床から反発を受ける傾向がある。他には、例えば、患者が立位維持運動中にバランスを崩した場合、その患者の手または腰の動きが速くなり、その患者の手が強く壁に付けられ、その患者の手が壁から反発を受けることがある。
このため、境界期間ｐ１−ｃｅｎｔｅｒは、患者がバランスを崩していれば、歩行期間ｐ１−ｂｅｆｏｒｅに比べて、所定の特徴量、例えば上下加速度のピーク振幅に、高振幅かつ高周波な成分が含まれやすく、その特徴量の代表値が大きくなりやすい。特に、前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔに、患者がバランスを崩している可能性が大きく、前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔは、その特徴量に高振幅かつ高周波な成分が含まれやすくなる。
これにより、境界期間ｐ１−ｃｅｎｔｅｒに、患者がバランスを崩していると、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク振幅の代表値と、歩行期間ｐ１−ｂｅｆｏｒｅの上下加速度のピーク振幅の代表値との非類似度は大きくなりやすい。したがって、非類似度は、境界期間ｐ１−ｃｅｎｔｅｒに、患者によって異常運動が行われた可能性の大きさ、例えば、患者がバランスを崩した可能性の大きさを評価する基準の一つになりうる。
また、患者がバランスを崩した後、バランスを持ち直していく傾向がある。このとき、患者の身体のいずれかの部位の動きは、患者が慎重になるため、バランスを崩す前より遅くなりやすく、バランスを崩す前の動きに徐々に戻っていく傾向がある。
このため、境界期間ｐ１−ｃｅｎｔｅｒは、患者がバランスを崩した後、バランスを持ち直していくと、所定の特徴量、例えば上下加速度のピーク間隔の代表値が、歩行期間ｐ１−ａｆｔｅｒと類似しやすくなる。特に、後半期間ｐ１−ｃｅｎｔｅｒ−ｌａｔｔｅｒに、患者がバランスを持ち直していく可能性が大きく、後半期間ｐ１−ｃｅｎｔｅｒ−ｌａｔｔｅｒは、所定の特徴量、例えば上下加速度のピーク間隔の代表値が、歩行期間ｐ１−ａｆｔｅｒと類似しやすくなる。
これにより、境界期間ｐ１−ｃｅｎｔｅｒに、患者がバランスを持ち直していると、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク間隔の代表値と、歩行期間ｐ１−ａｆｔｅｒの上下加速度のピーク間隔の代表値との類似度が大きくなりやすい。したがって、類似度は、境界期間ｐ１−ｃｅｎｔｅｒに、患者によって異常運動が行われた可能性の大きさ、例えば、患者がバランスを崩した後、バランスを持ち直した可能性の大きさを評価する基準の一つになりうる。
（１−４）情報処理装置１００は、算出した非類似度と類似度とに基づいて、境界期間が、患者によって運動が行われた第３の運動期間であるか否かを判定する。第３の運動期間は、異常運動期間である。第３の運動期間は、例えば、患者によって歩行運動に関連する異常運動が行われた異常運動期間である。第３の運動期間は、具体的には、患者が歩行運動中にバランスを崩すという異常運動が行われた異常運動期間である。
情報処理装置１００は、例えば、非類似度と類似度とに基づいて、異常運動期間としての尤度を算出し、その尤度に基づいて、境界期間ｐ１−ｃｅｎｔｅｒが、異常運動期間であるか否かを判定する。
情報処理装置１００は、具体的には、非類似度が大きいほど尤度が大きくなるように、かつ、類似度が大きいほど尤度が大きくなるように、尤度を算出する。そして、情報処理装置１００は、算出した尤度が第１の閾値以上である場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であると判定する。一方で、情報処理装置１００は、算出した尤度が第１の閾値以上ではない場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間ではないと判定する。
また、情報処理装置１００は、例えば、非類似度が第２の閾値以上であるか否かを判定した結果と、類似度が第３の閾値以上であるか否かを判定した結果とに基づいて、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であるか否かを判定してもよい。
情報処理装置１００は、具体的には、非類似度が第２の閾値以上であると判定し、かつ、類似度が第３の閾値以上であると判定した場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であると判定する。一方で、情報処理装置１００は、非類似度が第２の閾値以上ではないと判定した場合、または、類似度が第３の閾値以上ではないと判定した場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間ではないと判定する。
これにより、情報処理装置１００は、患者によって異常運動が行われ、患者に装着された計測機１０１から得られる時系列データに、特徴的なパターンと合致するパターンが現れない期間があっても、その期間を異常運動期間であると判定することができる。また、情報処理装置１００は、患者によって異常運動が行われていない期間を異常運動期間であると判定せず、運動期間が誤って特定されることを抑制することができる。このため、情報処理装置１００は、異常運動期間を含む種々の運動期間を特定する精度の向上を図ることができる。
その後、情報処理装置１００は、検知した運動期間、その運動期間における所定の特徴量、特定した異常運動期間、その異常運動期間における所定の特徴量、その異常運動期間に行われた異常運動の内容などを出力してもよい。情報処理装置１００は、例えば、検知した運動期間、その運動期間における所定の特徴量、特定した異常運動期間、その異常運動期間における所定の特徴量などを、患者、または医師などの医療関係者に提供する。所定の特徴量は、例えば、生体の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである。
これにより、情報処理装置１００は、医師などの医療関係者が、患者によって異常運動が行われた異常運動期間と、その異常運動期間における特徴量と、その異常運動の内容などに基づいて、患者の状態を精度よく把握できる。そして、情報処理装置１００は、その医療関係者の業務を支援できる。また、情報処理装置１００は、患者、または医師などの医療関係者が、患者の、ある疾病につながる可能性のある異常運動特徴を精度よく把握することを可能にする。結果として、情報処理装置１００は、患者の健康管理などが効果的に行われるようにすることができる。
医療関係者は、例えば、患者の状態を定量化しやすくなる。また、医療関係者は、例えば、異常運動期間が特定されない場合に比べ、患者の状態を精度よく把握しやすくなる。医療関係者は、具体的には、従来のように異常運動期間が特定されない場合では、患者がバランスを崩していない運動期間だけを参照することになり、患者の体性感覚などの状態異常の有無を把握することが難しい。これに対し、医療関係者は、情報処理装置１００から異常運動期間に関する情報を提供され、患者がバランスを崩した長さや頻度を把握し、患者の体性感覚などの状態異常の有無などを把握することができる。
ここでは、計測機１０１が、患者の腰に装着される場合について説明したが、これに限らない。例えば、計測機１０１が、患者の腰以外の部位に装着される場合があってもよい。具体的には、計測機１０１が、患者の手首や足首などに装着される場合があってもよい。
ここでは、計測機１０１が、患者に装着される場合について説明したが、これに限らない。例えば、計測機１０１が、患者が歩行する床に埋め込まれ、患者から床にかかる圧力を計測する場合があってもよい。また、例えば、計測機１０１が、患者を撮影可能な場所に設置され、患者を撮影した画像に基づいて、患者の動きに関する計測情報を計測する場合があってもよい。
ここでは、計測機１０１が、上下加速度を計測する場合について説明したが、これに限らない。例えば、計測機１０１が、左右方向の加速度を計測する場合があってもよい。また、例えば、計測機１０１が、前後方向の加速度を計測する場合があってもよい。また、例えば、計測機１０１が、上下加速度、左右方向の加速度、前後方向の加速度のうち、２つ以上の加速度を計測する場合があってもよい。また、計測信号の種類として、加速度のみに限らず、例えば角速度や地磁気、位置を計測する場合があってもよい。以下の説明では、左右方向の加速度を「左右加速度」と表記する場合がある。以下の説明では、前後方向の加速度を「前後加速度」と表記する場合がある。
ここでは、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出する場合について説明したが、これに限らない。例えば、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の類似度と、第２の運動期間との第２の特徴量の非類似度とを算出する場合があってもよい。この場合、情報処理装置１００は、類似度が大きいほど尤度が小さくなるように、かつ、非類似度が大きいほど尤度が小さくなるように、尤度を算出する。
ここでは、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の非類似度を算出する場合について説明したが、これに限らない。上述したように、境界期間の前半期間において、高振幅かつ高周波な成分が含まれやすい傾向がある。したがって、例えば、情報処理装置１００が、境界期間の前半期間における、第１の運動期間との第１の特徴量の非類似度を算出する場合があってもよい。
ここでは、情報処理装置１００が、境界期間における、第２の運動期間との第２の特徴量の類似度を算出する場合について説明したが、これに限らない。上述したように、境界期間の後半期間において、第２の特徴量が第２の運動期間と類似しやすい傾向がある。したがって、情報処理装置１００が、境界期間の後半期間における、第２の運動期間との第２の特徴量の類似度を算出する場合があってもよい。
ここでは、情報処理装置１００が、境界期間が、患者が歩行運動中にバランスを崩すという、１つの異常運動が行われた異常運動期間であるか否かを判定する場合について説明したが、これに限らない。例えば、情報処理装置１００が、境界期間が、複数の異常運動のそれぞれの異常運動が行われた異常運動期間であるか否かを判定する場合があってもよい。この場合、情報処理装置１００は、異常運動ごとに異なる第１の特徴量と第２の特徴量とを用いる。
複数の異常運動は、例えば、上述した歩行運動中にバランスを崩すという異常運動のほか、立位維持運動中にバランスを崩すという異常運動、階段昇降運動中にバランスを崩すという異常運動、サイクリング運動中にバランスを崩すという異常運動などを含む。
ここでは、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある、異常運動の種類について説明したが、これに限らない。
例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある場合がある。
また、例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の非類似度は大きくなりやすい性質がある場合がある。
例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の非類似度は大きくなりやすい性質がある場合がある。
例えば、歩行運動中において、一時的に頭痛が起こった故にバランスを崩し、その後に頭痛が回復した後は元の歩行に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、１歩あたりのステップ時間、すなわち着地の間隔は、前半期間と後半期間ともに、第１の運動期間と第２の運動期間と比べて大きくなるが、その違いは比較的微小である傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、着地の間隔を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は類似し、また後半期間においても第２の運動期間と比べ第２の特徴量は類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。
また、例えば、歩行運動中において、足が何物かに躓いた後、大きく崩れたバランスを立て直して、元の歩行に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、腰の加速度の振幅特徴は、躓いた直後、すなわち前半期間は第１の運動期間と比べて非類似になり、大きく崩れたバランスを立て直しているとき、すなわち後半期間においても第２の運動期間と比べて非類似になる傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、腰の加速度の振幅を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は非類似し、また後半期間においても第２の運動期間と比べ第２の特徴量は非類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。
また、例えば、片足で身体を支持する静止運動中において、一度僅かにバランスを崩すと、その後に、加速的にバランスを崩し、さらにその後に元の安定した姿勢に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、腰の加速度の振幅特徴は、第１の運動期間と前半期間、すなわち僅かにバランスを崩した直後の期間で類似するが、第２の運動期間と後半期間、すなわち加速的にバランスを崩している期間で非類似になる傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、腰の加速度の振幅を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は類似し、また後半期間では第２の運動期間と比べ第２の特徴量は非類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。このように、情報処理装置１００は、境界期間が、様々な異常運動の運動期間のいずれであるかを特定することができる。
ここでは、主に、情報処理装置１００が、第１の運動期間と前半期間との第１の特徴量を用いる場合について説明したが、これに限らない。例えば、情報処理装置１００は、上述したように、第１の運動期間と前半期間との１以上の特徴量を用いてもよい。
例えば、横から押されて、僅かにふらついたが殆どそのまま歩き続けたような場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、前半期間では、第１の運動期間と比べ、横方向の腰加速度の振幅特徴は非類似になるが、着地の間隔は類似する傾向がある。そこで、情報処理装置１００は、横方向の腰加速度の振幅特徴の非類似度、着地の間隔の類似度を用いることにより、判定精度を向上することができる。
ここでは、主に、情報処理装置１００が、第２の運動期間と後半期間との第２の特徴量を用いる場合について説明したが、これに限らない。例えば、情報処理装置１００は、上述したように、第２の運動期間と後半期間との１以上の特徴量を用いてもよい。
例えば、後ろから押されて、数歩ふらついた後に踏みとどまってそのまま歩き続けたような場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、後半期間では、第２の運動期間と比べ、上下方向の腰加速度の振幅特徴は非類似になるが、着地の間隔は類似する傾向がある。そこで、情報処理装置１００は、上下方向の腰加速度の振幅特徴の非類似度と、着地の間隔とを用いることにより、判定精度を向上することができる。
ここでは、第１の運動期間と第２の運動期間が同じ運動が行われた運動期間である場合について説明したが、これに限らない。例えば、第１の運動期間と、第２の運動期間とは、それぞれ異なる運動が行われた運動期間であってもよい。
（情報処理システム２００の一例）
次に、図２を用いて、図１に示した情報処理装置１００を適用した、情報処理システム２００の一例について説明する。
図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１００と、１以上の計測機１０１とを含む。情報処理システム２００において、情報処理装置１００と計測機１０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。
情報処理装置１００は、計測機１０１から計測情報を取得し、患者によって運動が行われた運動期間を検知し、患者によって異常運動が行われた異常運動期間を特定するコンピュータである。情報処理装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノートＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。
計測機１０１は、計測対象ｕとなる生体に装着されるコンピュータである。計測機１０１は、計測情報を計測し、情報処理装置１００に送信する。計測機１０１は、例えば、図４に示すセンサ部を有し、そのセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた時系列データを、計測情報として作成し、情報処理装置１００に送信する。計測機１０１は、例えば、センサ装置である。計測機１０１は、例えば、スマートフォン、ウェアラブル端末などであってもよい。
ここでは、計測機１０１が、時系列データを作成する場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機１０１から、計測機１０１のセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた対応情報を順次受信し、その対応情報をまとめた時系列データを作成する場合があってもよい。
ここでは、情報処理装置１００と計測機１０１とが異なる装置である場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機１０１と一体である場合があってもよい。ここでは、生体に、計測機１０１が１つ装着される場合について説明したが、これに限らない。例えば、生体に、複数の計測機１０１が装着される場合があってもよい。
情報処理システム２００は、例えば、患者の状態を把握する遠隔見守りサービスや健康状態モニタリングを実現する場合に適用されたり、ＰＨＲ（Ｐｅｒｓｏｎａｌ Ｈｅａｌｔｈ Ｒｅｃｏｒｄ）向けのサービスを実現する場合に適用されたりする。
（情報処理装置１００のハードウェア構成例）
次に、図３を用いて、図２に示した情報処理システム２００に含まれる情報処理装置１００のハードウェア構成例について説明する。
図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。
ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。
記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御にしたがって記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報処理装置１００から着脱可能であってもよい。
情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。
（計測機１０１のハードウェア構成例）
次に、図４を用いて、図２に示した情報処理システム２００に含まれる計測機１０１のハードウェア構成例について説明する。
図４は、計測機１０１のハードウェア構成例を示すブロック図である。図４において、計測機１０１は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、センサ部４０４と、タイマー部４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。
ここで、ＣＰＵ４０１は、計測機１０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３は、例えば、Ｗｉ−Ｆｉ（登録商標）に対応する通信回路、Ｂｌｕｅｔｏｏｔｈ（登録商標）に対応する通信回路などである。ネットワークＩ／Ｆ４０３は、例えば、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）に対応する通信回路であってもよい。
センサ部４０４は、計測機１０１の状態を計測する。センサ部４０４は、例えば、計測機１０１の位置、動き、および向きのうち少なくともいずれかを計測する。センサ部４０４は、具体的には、加速度センサ、角速度センサ、地磁気センサ、光センサ、振動センサなどの少なくともいずれかを有する。また、センサ部４０４は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ）受信機を有し、計測機１０１のＧＰＳ座標を検出してもよい。タイマー部４０５は、現在の時刻を計測する。
計測機１０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、計測機１０１は、上述した構成部のほか、記録媒体Ｉ／Ｆや記録媒体を有してもよい。この記録媒体は、計測機１０１から着脱可能であってもよい。
（情報処理装置１００の機能的構成例）
次に、図５を用いて、情報処理装置１００の機能的構成例について説明する。
図５は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部５００と、取得部５０１と、検知部５０２と、算出部５０３と、判定部５０４と、出力部５０５とを含む。
記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。取得部５０１〜出力部５０５は、制御部となる機能である。取得部５０１〜出力部５０５は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。
記憶部５００は、複数の運動のそれぞれの運動の検知パターンを記憶する。運動は、例えば、歩行運動、立位維持運動、階段昇降運動、サイクリング運動などである。運動の検知パターンは、例えば、その運動が行われた運動期間を検知する検知条件を規定する。検知条件は、例えば、所定の特徴量について特徴的なパターンが現れることを条件として示す。検知条件は、具体的には、３軸の加速度から抽出される上下振動成分についてゼロクロス点が周期的に出現するという特徴的なパターンが現れることを条件として示す。これにより、記憶部５００は、それぞれの運動に対応する検知パターンを検知部５０２が参照可能にすることができる。
記憶部５００は、複数の異常運動のそれぞれの異常運動の判定パターンを記憶する。複数の異常運動は、例えば、生体が歩行運動中にバランスを崩すという異常運動、立位維持運動中にバランスを崩すという異常運動、階段昇降運動中にバランスを崩すという異常運動、サイクリング運動中にバランスを崩すという異常運動などである。異常運動の判定パターンは、例えば、その異常運動が行われた異常運動期間であるか否かを判定する判定条件を規定する。また、異常運動の判定パターンは、例えば、判定条件に用いられる第１の特徴量と第２の特徴量とを規定する。判定条件は、例えば、第１の特徴量と第２の特徴量とに基づき算出した異常運動期間としての尤度が閾値以上であることを条件として示す。
第１の特徴量は、例えば、生体の合成加速度の分散値である。第１の特徴量は、例えば、生体の上下加速度のピーク振幅である。第１の特徴量は、例えば、生体の前後加速度のピーク振幅である。第１の特徴量は、生体の左右加速度のピーク振幅である。第２の特徴量は、例えば、生体の合成加速度の分散値である。第２の特徴量は、例えば、生体の上下加速度のピーク間隔である。第２の特徴量は、例えば、生体の前後加速度のピーク間隔である。第２の特徴量は、生体の左右加速度の分散値である。これにより、記憶部５００は、それぞれの異常運動に対応する判定パターンを判定部５０４が参照可能にすることができる。
記憶部５００は、生体の動きに関する計測情報を記憶する。記憶部５００は、例えば、計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べた時系列データを記憶する。計測値は、例えば、上下加速度、左右加速度、前後加速度の少なくともいずれかである。計測値は、例えば、角速度、振動の大きさ、位置などであってもよい。これにより、記憶部５００は、生体によって運動が行われた運動期間を検知するために、その生体についての時系列データを検知部５０２が参照可能にすることができる。また、記憶部５００は、生体についての時系列データを算出部５０３が参照可能にすることができる。
取得部５０１は、計測情報を取得する。取得部５０１は、例えば、計測機１０１が作成した計測情報として、その計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた時系列データを、計測機１０１から受信して記憶部５００に記憶する。取得部５０１は、例えば、計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた対応情報を計測機１０１から順次受信し、その対応情報をまとめた時系列データを作成して記憶部５００に記憶してもよい。これにより、取得部５０１は、生体についての時系列データを検知部５０２や算出部５０３が参照可能なように、記憶部５００に記憶することができる。
検知部５０２は、取得部５０１が取得した計測情報に基づいて、生体によって運動が行われた運動期間を検知する。検知部５０２は、例えば、記憶部５００に記憶された検知パターンを参照し、検知条件を満たす複数の期間のそれぞれの期間を、運動期間として検知する。検知部５０２は、具体的には、３軸の加速度から抽出される上下振動成分についてゼロクロス点が周期的に出現する特徴的なパターンが現れる複数の期間のそれぞれの期間を、運動期間として検知する。これにより、検知部５０２は、境界期間を特定する際に用いられる運動期間を、算出部５０３に通知することができる。
算出部５０３は、検知部５０２が検知した複数の運動期間から、第１の運動期間と第２の運動期間とを選択し、第１の運動期間と第２の運動期間との間にある境界期間を特定する。第１の運動期間は、例えば、第２の運動期間より前である。第１の運動期間と第２の運動期間とは、第１の運動期間と第２の運動期間との間に他の運動期間を挟まないことが好ましい。これにより、算出部５０３は、異常運動期間である可能性がある境界期間を特定することができる。
次に、算出部５０３は、取得部５０１が取得した計測情報に基づいて、特定した境界期間における、第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する。
１以上の特徴量は、例えば、計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む。これにより、算出部５０３は、例えば、加速度に加えて、角速度、位置、地磁気などを利用することができ、ピーク振幅やピーク間隔に加えて、ゼロクロス点の時間間隔、積分値、分散値などを利用することができる。
算出部５０３は、取得部５０１が取得した計測情報に基づいて、特定した境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出してもよい。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第１の特徴量を特定し、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値とを算出する。算出部５０３は、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が大きいほど、非類似度が大きくなるように、非類似度を算出する。算出部５０３は、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が１に近いほど、非類似度が小さくなるように、非類似度を算出してもよい。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第２の特徴量を特定し、境界期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値とを算出する。算出部５０３は、境界期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値との比率が小さいほど、類似度が大きくなるように、類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
また、算出部５０３は、境界期間の前半期間と第１の運動期間との第１の特徴量の非類似度と、境界期間の後半期間と第２の運動期間との第２の特徴量の類似度とを算出してもよい。境界期間の前半期間と後半期間とは、その境界期間を２分割した前半部分と後半部分とである。境界期間の前半期間と後半期間とは、例えば、その境界期間を２等分割した前半部分と後半部分とであってもよい。
算出部５０３は、例えば、境界期間を前半期間と後半期間とに分割する分割時点の複数の候補時点のうち、前半期間と後半期間との第３の特徴量の比率が最大になる候補時点を用いて境界期間を２分割する。第３の特徴量は、例えば、上下加速度の分散値である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第１の特徴量を特定し、前半期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値とを算出する。算出部５０３は、前半期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が大きいほど、非類似度が大きくなるように、非類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第２の特徴量を特定し、後半期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値とを算出する。算出部５０３は、後半期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値との比率が小さいほど、類似度が大きくなるように、類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、第１の運動期間から前半期間までの第１の特徴量が所定方向に単調変化する度合いを示す値を算出し、その値が大きいほど非類似度の値が大きくなるように、非類似度を算出してもよい。所定方向は、例えば、増加方向である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、後半期間から第２の運動期間までの第２の特徴量が所定方向に単調変化する度合いを示す値を算出し、その値が大きいほど類似度の値が大きくなるように、類似度を算出してもよい。所定方向は、例えば、減少方向である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間において第１の特徴量が所定値を超えた回数が多いほど、非類似度の値が大きくなるように、非類似度を算出してもよい。所定値は、第１の運動期間における第１の特徴量の代表値に基づいて設定される。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
そして、算出部５０３は、第３の運動期間としての尤度を算出する。第３の運動期間は、異常運動期間である。第３の運動期間は、例えば、歩行運動中にバランスを崩すという異常運動である。算出部５０３は、例えば、非類似度が大きいほど尤度が大きくなり、類似度が大きいほど尤度が大きくなるように算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさに対応する尤度を算出することができる。
算出部５０３は、例えば、第１の運動期間と第２の運動期間とにおける、第１の特徴量または第２の特徴量の代表値の差分に基づいて、尤度を算出してもよい。算出部５０３は、具体的には、第１の運動期間における第１の特徴量の代表値が、第２の運動期間における第１の特徴量の代表値よりも大きいほど、尤度が大きくなるように、尤度を算出する。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間の一部期間における、第１の運動期間に行われた運動や第２の運動期間に行われた運動とは異なる運動が行われた可能性の大きさを示す指標値に基づいて、尤度を算出してもよい。算出部５０３は、具体的には、指標値が大きいほど、尤度が小さくなるように、尤度を算出する。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間の長さに基づいて、尤度を算出してもよい。算出部５０３は、具体的には、境界期間が長いほど、尤度が小さくなるように、尤度を算出してもよい。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
判定部５０４は、算出部５０３が算出した結果に基づいて、特定した境界期間が、生体によって運動が行われた第３の運動期間であるか否かを判定する。これにより、判定部５０４は、動作特徴量として、加速度に加えて、または加速度に代えて、角速度、位置、地磁気などを利用して、第３の運動期間であるか否かを判定することができる。
例えば、歩行運動中にバランスを崩したときに足の捻りを伴った場合には、上半身または下半身に異常な回転運動が現れる傾向がある。この場合に、判定部５０４は、角速度の振幅を用いることで、判定精度を高めることができる。また、例えば、バランスを崩したときに歩幅が顕著に乱れる場合があり得る。この場合に、判定部５０４は、位置情報から算出される１歩ごとの歩幅を用いることで、判定精度を高めることができる。
また、判定部５０４は、時間的特徴量として、ピーク振幅やピーク間隔に加えて、またはピーク振幅やピーク間隔に代えて、ゼロクロス点の時間間隔、積分値、分散値などを利用して、第３の運動期間であるか否かを判定することができる。
例えば、歩行運動中にバランスを崩したときに足の引きずりを伴った場合には、１歩あたりに加速度のピークが複数発生し得る。この場合に、判定部５０４は、時間的特徴量として加速度のピーク間隔を用いても、着地間隔を評価することが難しい。そこで、判定部５０４は、加速度のピーク間隔の代わりに、加速度から抽出される上下振動成分のゼロクロス点の間隔を用いることで、着地間隔を精度よく評価することができる。そして、判定部５０４は、着地間隔を評価した結果に基づいて、判定精度を高めることができる。
また、例えば、歩行運動中にバランスを崩したときに上半身動揺を伴った場合には、着地時点の間の腰加速度がばらつく傾向がある。この場合に、判定部５０４は、動作特徴量として加速度ピークの振幅を用いても、上半身動揺を評価することが難しい。そこで、判定部５０４は、加速度ピークの振幅の代わりに、ピーク点の間の加速度の分散値を用いることで上半身動揺を精度よく評価することができる。そして、判定部５０４は、上半身動揺を評価した結果に基づいて、判定精度を高めることができる。
判定部５０４は、算出部５０３が算出した非類似度と類似度とに基づいて、特定した境界期間が、生体によって運動が行われた第３の運動期間であるか否かを判定してもよい。判定部５０４は、例えば、尤度が閾値以上である場合に、境界期間が第３の運動期間であると判定する。判定部５０４は、具体的には、尤度が閾値以上である場合に、境界期間が異常運動期間であると判定する。これにより、判定部５０４は、境界期間が異常運動期間であり、生体の運動期間に含まれるか否かを判定することができる。
出力部５０５は、算出部５０３が算出した非類似度や類似度、算出部５０３が算出した尤度、判定部５０４が判定した結果などを出力する。出力部５０５は、第３の運動期間であると判定された境界期間に対応付けて、境界期間の一部期間における第１の運動期間と第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値、第１の運動期間から境界期間の前半期間までの第１の特徴量が所定方向に単調変化する度合いの大きさ、境界期間の後半期間から第２の運動期間までの第２の特徴量が所定方向に単調変化する度合いの大きさ、および境界期間において第１の特徴量が所定値を超えた回数の少なくともいずれかを出力してもよい。
出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶などである。これにより、出力部５０５は、算出部５０３が算出した非類似度や類似度、算出部５０３が算出した尤度、判定部５０４が判定した結果などを、患者、または医師などの医療関係者に提供することができる。
出力部５０５は、検知部５０２が検知した第１の運動期間や第２の運動期間についての情報を出力してもよい。出力部５０５は、例えば、第１の運動期間の長さ、第２の運動期間の長さなどを出力する。出力部５０５は、例えば、第１の運動期間における所定の特徴量の代表値、第２の運動期間における所定の特徴量の代表値などを出力する。所定の特徴量は、例えば、生体の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである。所定の特徴量は、例えば、上下加速度のピーク振幅、上下加速度のピーク間隔、上下加速度の分散値などである。これにより、出力部５０５は、運動期間についての情報を、患者、または医師などの医療関係者に提供することができる。
出力部５０５は、判定部５０４によって第３の運動期間であると判定された境界期間についての情報を出力してもよい。出力部５０５は、例えば、異常運動期間の長さを出力する。出力部５０５は、例えば、異常運動期間における第１の特徴量の代表値や第２の特徴量の代表値を出力する。出力部５０５は、例えば、第１の運動期間から異常運動期間までの第１の特徴量の変化率や単調変化率、異常運動期間から第２の運動期間までの第２の特徴量の変化率や単調変化率などを出力する。変化率は、例えば、２つの期間の特徴量の平均値の比率である。単調変化率は、例えば、２つの期間の特徴量の変化を示す近似直線の傾きである。これにより、出力部５０５は、異常運動期間についての情報を、患者、または医師などの医療関係者に提供することができる。
（情報処理装置１００の動作の流れの一例）
次に、図６〜図９を用いて、情報処理装置１００の動作の流れの一例について説明する。
図６は、情報処理装置１００が取得する時系列データ６００の一例を示す説明図である。図６の例では、計測機１０１は、患者の腰に装着される。計測機１０１は、センサ部４０４を用いて、上下加速度、左右加速度、前後加速度を計測する。計測機１０１は、タイマー部４０５を用いて、計測した上下加速度、左右加速度、前後加速度を、それらの加速度を計測した時点に対応付けて蓄積する。
計測機１０１は、一定期間、計測した上下加速度、左右加速度、前後加速度を、それらの加速度を計測した時点に対応付けて蓄積した結果、図６に示した時系列データ６００を作成することができる。計測機１０１は、図６に示した時系列データ６００を作成すると、その時系列データ６００を、情報処理装置１００に送信する。情報処理装置１００は、図６に示した時系列データ６００を、計測機１０１から受信する。次に、図７の説明に移行する。
図７は、情報処理装置１００が歩行期間を検知する一例を示す説明図である。図７において、情報処理装置１００は、図６に示した時系列データ６００において、上下加速度、左右加速度、または前後加速度について、これらから抽出される上下振動成分のゼロクロス点が周期的に出現する特徴的なパターンが現れている歩行期間７０１〜７０４を検知する。歩行期間の検知は、例えば、特開２００８−１７１３４７号公報などを参照することができる。次に、図８の説明に移行する。
図８は、情報処理装置１００が境界期間を特定する一例を示す説明図である。図８において、情報処理装置１００は、特定した歩行期間７０１〜７０４の２つに挟まれた境界期間８０１〜８０３を、異常運動期間である可能性がある期間として特定する。情報処理装置１００は、境界期間８０１〜８０３に、それぞれ、境界期間番号「Ｎｏ１〜Ｎｏ３」を割り当てておく。次に、図９の説明に移行する。
図９は、情報処理装置１００が異常運動期間であるか否かを判定する一例を示す説明図である。図９において、情報処理装置１００は、特定した境界期間８０１〜８０３について、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出し、その尤度に基づいて境界期間８０１〜８０３が異常運動期間であるか否かを判定する。
尤度を算出する具体例については、図１０〜図３３を用いて後述する。情報処理装置１００は、算出した尤度や判定した結果を、図９に示した判定情報テーブル９００に記憶する。
判定情報テーブル９００は、例えば、図３に示した情報処理装置１００のメモリ３０２や記録媒体３０５などの記憶領域により実現される。判定情報テーブル９００は、境界期間番号と、異常運動期間の尤度と、判定結果とのフィールドを有する。判定情報テーブル９００は、境界期間ごとに各フィールドに情報を設定することにより、判定情報がレコードとして記憶される。
境界期間番号のフィールドは、異常運動期間であるか否かを判定する対象になる境界期間に割り当てられた境界期間番号が設定される。異常運動期間の尤度のフィールドは、その境界期間について算出した、複数の異常運動のいずれかの異常運動が行われた異常運動期間としての尤度が設定される。判定結果のフィールドは、尤度が閾値以上であるか否かが設定される。判定結果は、例えば、「○」であれば、尤度が閾値以上であることを示し、異常運動期間であると判定したことを示す。
図９の例では、情報処理装置１００は、境界期間８０１の異常運動期間としての尤度「０．８９」を算出する。情報処理装置１００は、算出した尤度「０．８９」を閾値「０．５」と比較する。情報処理装置１００は、閾値以上であるため、境界期間８０１を異常運動期間であると判定する。このため、情報処理装置１００は、境界期間８０１について、境界期間番号「Ｎｏ１」と、異常運動期間の尤度「０．８９」と、判定結果「○」とを対応付けたレコードを作成し、判定情報テーブル９００に記憶する。
情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間としての尤度を算出し、境界期間８０１が、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを判定してもよい。これにより、情報処理装置１００は、それぞれの異常運動が行われた異常運動期間を特定する精度の向上を図ることができる。
ここで、例えば、患者によって立位維持運動中にバランスを崩すという異常運動が行われた場合、患者の腰のいずれかの方向の加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、立位維持運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の合成加速度の分散値を用いることが好ましい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の合成加速度の分散値を用いることが好ましい。
また、例えば、患者によって階段昇降運動中にバランスを崩すという異常運動が行われた場合、患者の腰の上下加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、階段昇降運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の上下方向の加速度のピーク振幅を用いることが好ましい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の上下方向の加速度のピーク間隔を用いることが好ましい。
また、例えば、患者によって歩行運動中にバランスを崩すという異常運動が行われた場合、患者の腰の上下加速度に急変化が生じたり、患者の腰の前後加速度に急変化が生じたりすると考えられる。このため、情報処理装置１００は、境界期間８０１が、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の前後方向の加速度のピーク振幅を用いてもよい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の前後方向の加速度のピーク間隔を用いてもよい。
また、例えば、患者によってサイクリング運動中にバランスを崩すという異常運動が行われた場合、患者の腰の左右加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、サイクリング運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の左右方向の加速度のピーク振幅を用いることが好ましい。情報処理装置１００は、第２の特徴量に、生体の左右方向の加速度の分散値を用いることが好ましい。
情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間であるか否かを判定する際、それぞれの異常運動が行われた異常運動期間としての尤度を比較することができる。このため、情報処理装置１００は、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを判定することができる。
情報処理装置１００は、境界期間８０１の前後の運動期間で行われた運動に基づき、境界期間８０１が、その運動に関連する異常運動が行われた異常運動期間であるか否かを判定してもよい。これにより、情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間としての尤度を算出する場合に比べて、処理量を低減することができる。
（情報処理装置１００が尤度を算出する具体例）
次に、図１０〜図２６を用いて、情報処理装置１００が尤度を算出する具体例について説明する。
図１０は、尤度を算出する対象になる境界期間の一例を示す説明図である。図１０のグラフ１０００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図１０のグラフ１０００の横軸は時刻である。図１０のグラフ１０００の縦軸は上下加速度である。上下加速度は、正の値であれば上方向の加速度であり、負の値であれば下方向の加速度である。
図１０のグラフ１０００の前側には、前歩行期間１０１０が検知されている。同様に、図１０のグラフ１０００の後側には、後歩行期間１０２０が検知されている。また、図１０のグラフ１０００の中央には、検知された前歩行期間１０１０と後歩行期間１０２０とに挟まれた境界期間１０３０が特定されている。情報処理装置１００は、この境界期間１０３０を、尤度を算出する対象として選択する。
ここで、境界期間１０３０において、もし患者が異常運動を行っていれば、境界期間１０３０の前側で、患者の身体のいずれかの部位の動きが速くなり、その部位の上下加速度のピーク振幅の代表値が大きくなりやすいという性質がある。この性質によれば、境界期間１０３０と前歩行期間１０１０との第１の特徴量の非類似度は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。特に、境界期間１０３０の前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度は、患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準の一つになりうる。
また、境界期間１０３０において、もし患者が異常運動を行っていれば、境界期間１０３０の後側で、患者が異常運動を行う前の動きに徐々に戻っていく傾向があり、患者の身体のいずれかの部位の動きは遅くなりやすいという性質がある。この性質によれば、境界期間１０３０と後歩行期間１０２０との第２の特徴量の類似度は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。特に、境界期間１０３０の後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度は、患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準の一つになりうる。
したがって、情報処理装置１００は、第１の特徴量の非類似度と第２の特徴量の類似度とを算出する前には、境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割することが好ましい。境界期間１０３０を分割する具体例については、図１１を用いて後述する。
そして、情報処理装置１００は、その前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度と、その後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度とを算出する。第１の特徴量の非類似度を算出する具体例については、図１２〜図１７を用いて後述する。第２の特徴量の類似度を算出する具体例については、図１８〜図２１を用いて後述する。
これにより、情報処理装置１００は、算出する第１の特徴量の非類似度や第２の特徴量の類似度が、境界期間１０３０に患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準になるようにすることができる。このため、情報処理装置１００は、その基準に基づいて、尤度を算出する精度の向上を図ることができる。
図１１は、情報処理装置１００が境界期間１０３０を分割する具体例を示す説明図である。図１１において、情報処理装置１００は、境界期間１０３０の長さに合わせて、その境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する分割時点について、Ｎ個の候補時点Ｔ1、Ｔ2・・・Ｔnを用意する。
情報処理装置１００は、用意したＮ個の候補時点Ｔ1、Ｔ2・・・Ｔnのうち前半期間１０３１と後半期間１０３２との第３の特徴量の比率が最大になる候補時点を選択する。情報処理装置１００は、具体的には、前半期間１０３１と後半期間１０３２との上下加速度の分散値の比率が最大になる候補時点を選択する。
そして、情報処理装置１００は、選択した候補時点で境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する。これにより、情報処理装置１００は、第１の特徴量の非類似度や第２の特徴量の類似度が、境界期間１０３０に患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準になるように、境界期間１０３０を分割することができる。
〈第１の特徴量の非類似度を算出する具体例〉
図１２〜図１４は、第１の特徴量の非類似度を算出する第１の例を示す説明図である。ここで、情報処理装置１００は、歩行運動中にバランスを崩すという異常運動の判定パターンを参照し、第１の特徴量として上下加速度のピーク振幅を用いることにする。
図１２において、情報処理装置１００は、前歩行期間１０１０の上下加速度のピークを検出し、前歩行期間１０１０の上下加速度のピーク振幅１２０１〜１２０３を算出する。ピークは、上下加速度が極大または極小になった時点である。ピーク振幅１２０１〜１２０３は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が３．２と２．８と２．９とである。
また、情報処理装置１００は、前半期間１０３１の上下加速度のピークを検出し、前半期間１０３１の上下加速度のピーク振幅１２０４，１２０５を算出する。ピーク振幅１２０４，１２０５は、具体的には、それぞれ、ピーク番号１，２が割り当てられ、値が７．４と１．６とである。これにより、情報処理装置１００は、第１の特徴量の非類似度を算出する準備を行うことができる。次に、図１３の説明に移行する。
図１３のグラフ１３００は、前歩行期間１０１０の上下加速度のピーク振幅１２０１〜１２０３の最大値と、前半期間１０３１の上下加速度のピーク振幅１２０４，１２０５の最大値との比率に対する、ピーク振幅の非類似度を示したグラフである。図１３のグラフ１３００は、下記式（１）によって示される。
Figure 2018179301
ここで、ｘは、前歩行期間１０１０と前半期間１０３１との第１の特徴量の代表値の比率である。ｘは、例えば、前歩行期間１０１０と前半期間１０３１とのピーク振幅の最大値の比率である。ｆ（ｘ）は、前歩行期間１０１０と前半期間１０３１との第１の特徴量の非類似度である。α1，α2は、関数の形状を決めるパラメータである。α1は、負である。情報処理装置１００は、図１３のグラフ１３００を用いることによりピーク振幅の非類似度を算出可能になる。次に、図１４の説明に移行する。
図１４において、情報処理装置１００は、前歩行期間１０１０の上下加速度のピーク振幅の最大値３．２と、前半期間１０３１の上下加速度のピーク振幅の最大値７．４との比率２．３を算出し、上記式（１）に代入する。情報処理装置１００は、上記式（１）によって、非類似度０．８７を算出して記憶する。これにより、情報処理装置１００は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
図１５は、第１の特徴量の非類似度を算出する第２の例を示す説明図である。図１５のグラフ１５００は、時刻ごとに、その時刻の第１の特徴量を示したグラフである。図１５のグラフ１５００の横軸は時刻である。図１５のグラフ１５００の縦軸は第１の特徴量であり、例えば、上下加速度のピーク振幅である。図１５のグラフ１５００上で、それぞれの時刻での第１の特徴量は「○」を用いて示される。
ここで、境界期間の前半期間において、もし患者が異常運動を行っていれば、前歩行期間から前半期間にかけて、患者の身体のいずれかの部位の上下加速度のピーク振幅が大きくなっていく傾向がある。このため、前歩行期間と前半期間との上下加速度のピーク振幅が類似しにくいという性質がある。この性質によれば、前半期間と前歩行期間との第１の特徴量の非類似度は、前歩行期間から前半期間までの上下加速度のピーク振幅の増加度合いによっても表現可能である。
このため、情報処理装置１００は、前歩行期間１５０１から前半期間１５０２までの第１の特徴量の単調増加の度合いを示す値を、前歩行期間１５０１と前半期間１５０２との第１の特徴量の非類似度として算出する。情報処理装置１００は、例えば、前歩行期間１５０１から前半期間１５０２までの上下加速度のピーク振幅の近似直線１５１０の傾きを、前歩行期間１５０１と前半期間１５０２との上下加速度のピーク振幅の非類似度として算出する。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
ここで、境界期間の前半期間において、患者が異常運動を開始した直後までは、患者の身体のいずれかの部位の上下加速度のピーク振幅が大きくなるが、患者が異常運動を開始した直後よりも後には小さくなってしまう可能性がある。これによれば、前半期間と前歩行期間との第１の特徴量の非類似度は、前歩行期間から、前半期間のうち上下加速度のピーク振幅が最大になった時点までの、上下加速度のピーク振幅の増加度合いによって表現することが好ましい場合がある。
このため、情報処理装置１００は、前半期間１５０２において上下加速度のピーク振幅が最大になった後にあるピーク振幅を、近似直線１５１０を求める際に用いないようにしてもよい。情報処理装置１００は、例えば、ピーク振幅１５２０を用いないようにする。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
図１６は、第１の特徴量の非類似度を算出する第１の例と第２の例とを使い分ける一例を示す説明図である。情報処理装置１００は、例えば、前歩行期間の長さに応じて、第１の特徴量の非類似度を算出する、上述した第１の例と第２の例とを使い分ける場合があってもよい。
情報処理装置１００は、具体的には、患者、または医師などの医療関係者によって設定された、前歩行期間について推定される長さに応じて、第１の例と第２の例とのいずれかを用いるようにする。また、情報処理装置１００は、具体的には、検知した前歩行期間の長さに応じて、第１の例と第２の例とを使い分けてもよい。
ここで、図１６のグラフ１６１０のように、前半期間１６１２に比べて前歩行期間１６１１の長さが比較的短い場合がある。この場合には、前歩行期間１６１１の第１の特徴量にも異常運動が開始された影響が現れやすい傾向があり、第１の特徴量が単調増加しやすい傾向があると考えられる。このため、情報処理装置１００は、前歩行期間１６１１の長さが比較的短い場合には、上述した第２の例を用いることが好ましく、非類似度として近似直線１６２０の傾きを算出することが好ましい。これにより、情報処理装置１００は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
一方で、図１６のグラフ１６３０のように、前半期間１６３２に比べて前歩行期間１６３１の長さが比較的長い場合がある。この場合には、前歩行期間１６３１の第１の特徴量には異常運動が開始された影響が現れにくい傾向があり、第１の特徴量が単調増加しにくい傾向があると考えられる。このため、情報処理装置１００は、前歩行期間１６３１の長さが比較的長い場合には、上述した第１の例を用いることが好ましい。これにより、情報処理装置１００は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
図１７は、第１の特徴量の非類似度を算出する第３の例を示す説明図である。図１７の例では、図１０のグラフ１０００とは異なるグラフを用いる。図１７のグラフ１７００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図１７のグラフ１７００の横軸は時刻である。図１７のグラフ１７００の縦軸は上下加速度である。
図１７のグラフ１７００の前側には、前歩行期間１７１０が検知されている。同様に、図１７のグラフ１７００の後側には、後歩行期間１７２０が検知されている。また、図１７のグラフ１７００の中央には、検知された前歩行期間１７１０と後歩行期間１７２０とに挟まれた境界期間１７３０が特定されている。情報処理装置１００は、この境界期間１７３０を、尤度を算出する対象として選択する。
ここで、境界期間１７３０において、もし患者が異常運動を行っていれば、境界期間１７３０の上下加速度のピーク振幅は、前歩行期間１７１０の上下加速度のピーク振幅よりも大きくなりやすいという性質がある。この性質によれば、境界期間１７３０と前歩行期間１７１０との第１の特徴量の非類似度は、境界期間１７３０の上下加速度のピーク振幅のうち、前歩行期間１７１０の上下加速度のピーク振幅に基づく閾値以上であるピーク振幅の数によっても表現可能である。
このため、情報処理装置１００は、前歩行期間１７１０の上下加速度のピーク振幅の平均値４．０を閾値となる所定値Ｆthとして算出する。情報処理装置１００は、境界期間１７３０の上下加速度のピーク振幅１７３１〜１７３３などを算出する。ピーク振幅１７３１〜１７３３などは、具体的には、それぞれ、ピーク番号１〜３などが割り当てられ、値が５．４と６．８と７．０となどである。
情報処理装置１００は、算出した境界期間１７３０の上下加速度のピーク振幅のうち、所定値Ｆth以上であるピーク振幅が連続した回数を算出する。情報処理装置１００は、連続した回数、または連続した回数に基づく値を、前歩行期間１７１０と境界期間１７３０との上下加速度のピーク振幅の非類似度として算出して記憶する。これにより、情報処理装置１００は、境界期間１７３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得することができる。
情報処理装置１００は、第１の特徴量の非類似度を算出する、上述した第１の例と第２の例と第３の例との少なくとも２以上の例を組み合わせて、第１の特徴量の非類似度を算出する場合があってもよい。
〈第２の特徴量の類似度を算出する具体例〉
図１８〜図２０は、第２の特徴量の類似度を算出する第１の例を示す説明図である。ここで、情報処理装置１００は、歩行運動中にバランスを崩すという異常運動の判定パターンを参照し、第２の特徴量として上下加速度のピーク間隔を用いることにする。
図１８において、情報処理装置１００は、後半期間１０３２の上下加速度のピーク間隔１８０１〜１８０３を算出する。ピーク間隔１８０１〜１８０３は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が０．８５と０．６８と０．６５とである。
また、情報処理装置１００は、後歩行期間１０２０の上下加速度のピーク間隔１８０４〜１８０６を算出する。ピーク間隔１８０４〜１８０６は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が０．６５と０．６３と０．６１とである。これにより、情報処理装置１００は、第２の特徴量の類似度を算出する準備を行うことができる。次に、図１９の説明に移行する。
図１９のグラフ１９００は、後半期間１０３２の上下加速度のピーク間隔１８０１〜１８０３の最大値と、後歩行期間１０２０の上下加速度のピーク間隔１８０４〜１８０６の最大値との比率に対する、ピーク間隔の類似度を示したグラフである。図１９のグラフ１９００は、下記式（２）によって示される。
Figure 2018179301
ここで、ｘは、後半期間１０３２と後歩行期間１０２０との第２の特徴量の代表値の比率である。ｘは、例えば、後半期間１０３２と後歩行期間１０２０とのピーク間隔の最大値の比率である。ｇ（ｘ）は、後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度である。β1，β2は、関数の形状を決めるパラメータである。β1は、正である。情報処理装置１００は、図１９のグラフ１９００を用いることによりピーク間隔の類似度を算出可能になる。次に、図２０の説明に移行する。
図２０において、情報処理装置１００は、後半期間１０３２の上下加速度のピーク間隔の最大値０．６３と、後歩行期間１０２０の上下加速度のピーク間隔の最大値０．７３との比率０．８６を算出し、上記式（２）に代入する。情報処理装置１００は、上記式（２）によって、類似度０．７８を算出して記憶する。これにより、情報処理装置１００は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
図２１は、第２の特徴量の類似度を算出する第２の例を示す説明図である。図２１のグラフ２１００は、時刻ごとに、その時刻の第２の特徴量を示したグラフである。図２１のグラフ２１００の横軸は時刻である。図２１のグラフ２１００の縦軸は第２の特徴量であり、例えば、上下加速度のピーク間隔である。図２１のグラフ２１００上で、それぞれの時刻での第２の特徴量は「○」を用いて示される。
ここで、境界期間の後半期間において、もし患者が異常運動から徐々に復帰していれば、後半期間から後歩行期間にかけて、患者の身体のいずれかの部位の上下加速度のピーク間隔が徐々に大きい値から小さい値に安定していく性質がある。このため、後半期間と後歩行期間との上下加速度のピーク間隔が類似しやすいという性質がある。この性質によれば、後半期間と後歩行期間との第２の特徴量の類似度は、後半期間から後歩行期間までの上下加速度のピーク間隔の減少度合いによっても表現可能である。
このため、情報処理装置１００は、後半期間２１０１から後歩行期間２１０２までの第２の特徴量の単調減少の度合いを示す値を、後半期間２１０１と後歩行期間２１０２との第２の特徴量の類似度として算出する。情報処理装置１００は、例えば、後半期間２１０１から後歩行期間２１０２までの上下加速度のピーク間隔の近似直線２１１０の傾きを、後歩行期間２１０２と後半期間２１０１との上下加速度のピーク間隔の類似度として算出する。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
〈尤度を算出する具体例〉
次に、情報処理装置１００が、算出した第１の特徴量の非類似度や第２の特徴量の類似度に基づいて、境界期間１０３０について、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出する第１の例について説明する。
情報処理装置１００は、例えば、第１の特徴量の非類似度Ｄ1と、第２の特徴量の類似度Ｄ2とを乗算した値を、尤度として算出する。これにより、情報処理装置１００は、非類似度Ｄ1が大きいほど尤度が大きくなり、かつ、類似度Ｄ2が大きいほど尤度が大きくなるように、尤度を算出することができる。そして、情報処理装置１００は、異常運動期間としての尤もらしさを評価することができる。次に、図２２の説明に移行する。
図２２および図２３は、尤度を算出する第２の例を示す説明図である。ここで、患者は、境界期間１０３０に異常運動を行ってしまうと、後歩行期間１０２０では、前歩行期間１０１０よりも慎重に運動を行う傾向がある。このため、前歩行期間１０１０と後歩行期間１０２０との第１の特徴量または第２の特徴量の代表値の差分は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。
ここで、具体的には、患者が慎重に運動を行うと、患者の動きは遅くなり、患者の歩幅は大きめになることが考えられる。このため、具体的には、患者が慎重に運動を行うと、ピーク振幅は小さくなり、ピーク間隔は大きくなることが考えられる。
図２２において、情報処理装置１００は、前歩行期間１０１０のピーク振幅２２０１とピーク間隔２２０２とを算出する。また、情報処理装置１００は、後歩行期間１０２０のピーク振幅２２０３とピーク間隔２２０４とを算出する。
情報処理装置１００は、前歩行期間１０１０のピーク振幅２２０１と、後歩行期間１０２０のピーク振幅２２０３との差分を算出する。また、情報処理装置１００は、前歩行期間１０１０のピーク間隔２２０２と、後歩行期間１０２０のピーク間隔２２０４との差分を算出する。そして、情報処理装置１００は、算出した差分に基づいて下記式（３）により尤度を算出する。
Figure 2018179301
ここで、ｗAは、算出した差分に基づいて設定される重みである。ｗAを設定する具体例については、図２３を用いて後述する。Ｄ1は、第１の特徴量の非類似度である。Ｄ2は、第２の特徴量の類似度である。次に、図２３の説明に移行する。
図２３のグラフ２３００は、算出した差分に対する重みを示したグラフである。図２３のグラフ２３００は、下記式（４）によって示される。
Figure 2018179301
ここで、ｒは、算出した比率である。λ1，λ2は、関数の形状を決めるパラメータである。λ1は、負である。情報処理装置１００は、図２３のグラフ２３００を用いて、算出した比率に対応する重みｗAを設定し、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
図２４は、尤度を算出する第３の例を示す説明図である。図２４の例では、図１０のグラフ１０００とは異なるグラフを用いる。図２４のグラフ２４００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図２４のグラフ２４００の横軸は時刻である。図２４のグラフ２４００の縦軸は上下加速度である。
図２４のグラフ２４００の前側には、前歩行期間２４１０が検知されている。同様に、図２４のグラフ２４００の後側には、後歩行期間２４２０が検知されている。また、図２４のグラフ２４００の中央には、検知された前歩行期間２４１０と後歩行期間２４２０とに挟まれた境界期間２４３０が特定されている。
情報処理装置１００は、歩行期間のほか、患者が着席した着席期間２４４０や患者が起立した起立期間２４５０などを検知しているとする。情報処理装置１００は、例えば、ある期間の所定の特徴量が、患者の着席や起立に対応する条件を満たすか否かに基づいて、着席期間２４４０や起立期間２４５０などを検知する。
図２４の例では、検知した着席期間２４４０や起立期間２４５０などは、境界期間２４３０に含まれている。着席期間や起立期間の検知は、例えば、非特許文献ＳＶＭ−ｂａｓｅｄ ｐｏｓｔｕｒｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｗｉｔｈ ａ ｓｉｎｇｌｅ ｗａｉｓｔ−ｌｏｃａｔｅｄ ｔｒｉａｘｉａｌ ａｃｃｅｌｅｒｏｍｅｔｅｒなどを参照することができる。
ここで、前歩行期間２４１０と、後歩行期間２４２０とに挟まれた境界期間２４３０では、歩行運動以外の運動が行われている場合、歩行運動に関連する異常運動が行われている可能性が低くなる性質がある。この性質によれば、境界期間２４３０に、着席期間２４４０や起立期間２４５０などが含まれている場合、尤度を小さくすることが好ましいと考えられる。
このため、情報処理装置１００は、検知した着席期間２４４０や起立期間２４５０などが、境界期間２４３０に含まれているため、尤度が小さくなるように、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
図２５および図２６は、尤度を算出する第４の例を示す説明図である。ここで、異常運動は、例外的な、危険が大きい運動であるため、患者は、異常運動が長く続かないようにする傾向があり、境界期間は、短くなる傾向がある。このため、境界期間の長さは、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。そして、情報処理装置１００は、境界期間の長さに基づいて下記式（５）により尤度を算出する。
Figure 2018179301
ここで、ｗBは、境界期間の長さに基づいて設定される重みである。例えば、図２５のグラフ２５１０のように、前歩行期間２５１１と後歩行期間２５１２とに挟まれた境界期間２５１３の長さが比較的長い場合には、重みｗBを小さく設定して、尤度を小さくすることが好ましい。
一方で、図２５のグラフ２５２０のように、前歩行期間２５２１と後歩行期間２５２２とに挟まれた境界期間２５２３の長さが比較的短い場合には、重みｗBを大きく設定して、尤度を大きくすることが好ましい。ｗBを設定する具体例については、図２６を用いて後述する。Ｄ1は、第１の特徴量の非類似度である。Ｄ2は、第２の特徴量の類似度である。次に、図２６の説明に移行する。
図２６のグラフ２６００は、境界期間の長さに対する重みを示したグラフである。図２６のグラフ２６００は、下記式（６）によって示される。
Figure 2018179301
ここで、ｔは、境界期間の長さである。ε1，ε2は、関数の形状を決めるパラメータである。ε1は、負である。情報処理装置１００は、図２６のグラフ２６００を用いて、境界期間の長さに対応する重みｗBを設定し、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
（異常運動期間であるか否かを判定した結果の一例）
図２７〜図３３は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図である。
図２７のグラフ２７００は、患者が歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２７１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２７２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２７１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２７１０上に丸印で囲まれた期間は、患者が一時的にバランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２７２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が一時的にバランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図２８の説明に移行する。
図２８のグラフ２８００は、患者が歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２８１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２８２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２８１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２８１０上に丸印で囲まれた期間は、患者が一定期間バランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２８２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が一定期間バランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図２９の説明に移行する。
図２９のグラフ２９００は、患者が長期間歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２９１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２９２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２９１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２９１０上に丸印で囲まれた期間は、患者が一時的にバランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２９２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が長期間歩行運動を行っていて、一時的にバランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図３０の説明に移行する。
図３０のグラフ３０００は、患者が歩行運動を行っている途中に静止していた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３０１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３０２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３０１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３０１０上に丸印で囲まれた期間は、患者が静止していたため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３０の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３０２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が歩行運動を行っている途中に静止していた期間を、誤って運動期間として特定することを防止することができる。次に、図３１の説明に移行する。
図３１のグラフ３１００は、患者が歩行運動を行っている途中に静止した後に回転した場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３１１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３１２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３１１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３１１０上に丸印で囲まれた期間は、患者が静止し、静止した後に回転したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３１の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３１２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が歩行運動を行っている途中に静止し、静止した後に回転した期間を、誤って運動期間として特定することを防止することができる。次に、図３２の説明に移行する。
図３２のグラフ３２００は、患者が歩行運動を行っている途中に計測機１０１の装着位置がずれた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３２１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３２２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３２１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３２１０上に丸印で囲まれた期間は、計測機１０１の装着位置がずれたため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３２の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３２２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、計測機１０１の装着位置がずれていた期間を、誤って運動期間として特定することを防止することができる。次に、図３３の説明に移行する。
図３３のグラフ３３００は、患者が歩行運動を行っている途中に静止して屈んだ場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３３１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３３２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３３１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３３１０上に丸印で囲まれた期間は、患者が静止して屈んだため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３３の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３３２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が静止して屈んでいた期間を、誤って運動期間として特定することを防止することができる。
このように、情報処理装置１００は、運動期間として検知されなかった境界期間について、運動期間に含まれる異常運動期間であるかを精度よく判定することができる。このため、情報処理装置１００は、運動期間を特定する精度の向上を図り、患者、または医師などの医療関係者を支援することができる。
（解析処理手順の一例）
次に、図３４を用いて、情報処理装置１００が実行する解析処理手順の一例について説明する。
図３４は、解析処理手順の一例を示すフローチャートである。図３４において、情報処理装置１００は、一定期間の時系列データを計測機１０１から取得する（ステップＳ３４０１）。
次に、情報処理装置１００は、取得した時系列データに基づいて、一定期間のうちの運動期間を検知する（ステップＳ３４０２）。そして、情報処理装置１００は、検知した運動期間に基づいて、一定期間のうちの運動期間に挟まれた境界期間を特定する（ステップＳ３４０３）。
次に、情報処理装置１００は、特定した境界期間のいずれかを選択する（ステップＳ３４０４）。そして、情報処理装置１００は、選択した境界期間を２分割し、境界期間の前半期間と、境界期間の後半期間とを特定する（ステップＳ３４０５）。
その後、情報処理装置１００は、複数の異常運動のうち、いずれかの異常運動を選択する（ステップＳ３４０６）。
次に、情報処理装置１００は、選択した異常運動の判定パターンにしたがって、特定した境界期間の前半期間と、その境界期間の直前の運動期間とのそれぞれについて、第１の特徴量を抽出する（ステップＳ３４０７）。そして、情報処理装置１００は、境界期間の前半期間について抽出した第１の特徴量と、その境界期間の直前の運動期間について抽出した第１の特徴量との非類似度を算出する（ステップＳ３４０８）。
次に、情報処理装置１００は、選択した異常運動の判定パターンにしたがって、特定した境界期間の後半期間と、その境界期間の直後の運動期間とのそれぞれについて、第２の特徴量を抽出する（ステップＳ３４０９）。そして、情報処理装置１００は、境界期間の後半期間について抽出した第２の特徴量と、その境界期間の直後の運動期間について抽出した第２の特徴量との類似度を算出する（ステップＳ３４１０）。
その後、情報処理装置１００は、算出した非類似度と類似度とに基づいて、選択した異常運動が行われた異常運動期間としての尤度を算出する（ステップＳ３４１１）。
次に、情報処理装置１００は、複数の異常運動をすべて選択したか否かを判定する（ステップＳ３４１２）。ここで、選択していない異常運動がある場合（ステップＳ３４１２：Ｎｏ）、情報処理装置１００は、ステップＳ３４０６の処理に戻る。
一方で、複数の異常運動をすべて選択している場合（ステップＳ３４１２：Ｙｅｓ）、情報処理装置１００は、ステップＳ３４１３の処理に移行する。ステップＳ３４１３の処理に移行すると、情報処理装置１００は、それぞれの異常運動について算出した尤度に基づいて、選択した境界期間が、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを決定する（ステップＳ３４１３）。
次に、情報処理装置１００は、特定した境界期間をすべて選択したか否かを判定する（ステップＳ３４１４）。ここで、選択していない境界期間がある場合（ステップＳ３４１４：Ｎｏ）、情報処理装置１００は、ステップＳ３４０４の処理に戻る。
一方で、境界期間をすべて選択している場合（ステップＳ３４１４：Ｙｅｓ）、情報処理装置１００は、検知した運動期間やいずれかの異常運動が行われた異常運動期間について所定の特徴量を抽出する（ステップＳ３４１５）。
次に、情報処理装置１００は、抽出した所定の特徴量を出力する（ステップＳ３４１６）。そして、情報処理装置１００は、解析処理を終了する。これにより、情報処理装置１００は、運動期間を精度よく特定し、その運動期間についての解析結果を患者、または医師などの医療関係者に通知し、患者の状態を把握しやすくすることができる。
以上説明したように、情報処理装置１００によれば、生体の動きに関する計測情報に基づいて、生体によって運動が行われた前歩行期間１０１０と、生体によって運動が行われた後歩行期間１０２０とを検知することができる。情報処理装置１００によれば、計測情報に基づいて、前歩行期間１０１０と後歩行期間１０２０との間にある境界期間１０３０における、前歩行期間１０１０との第１の特徴量の非類似度と、後歩行期間１０２０との第２の特徴量の類似度とを算出することができる。情報処理装置１００によれば、算出した非類似度と類似度とに基づいて、境界期間１０３０が、生体によって運動が行われた第３の運動期間であるか否かを判定することができる。これにより、情報処理装置１００は、境界期間１０３０を運動期間として検知することが難しくても、その境界期間１０３０が第３の運動期間であると判定することができ、種々の運動期間を特定する精度の向上を図ることができる。
また、情報処理装置１００によれば、前歩行期間１０１０に、境界期間１０３０よりも前の運動期間を用いることができる。情報処理装置１００によれば、後歩行期間１０２０に、境界期間１０３０よりも後の運動期間を用いることができる。情報処理装置１００によれば、計測情報に基づいて、境界期間１０３０の前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度と、境界期間１０３０の後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度とを算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つとして非類似度や類似度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する分割時点の複数の候補時点を用意することができる。情報処理装置１００によれば、複数の候補時点のうち、前半期間１０３１と後半期間１０３２との第３の特徴量の比率が最大になる候補時点を用いて境界期間１０３０を２分割することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つとして非類似度や類似度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、第３の運動期間としての尤度を、非類似度が大きいほど尤度が大きくなり、類似度が大きいほど尤度が大きくなるように算出することができる。情報処理装置１００によれば、尤度が閾値以上である場合に、境界期間１０３０が第３の運動期間であると判定することができる。これにより、情報処理装置１００は、非類似度と類似度とを尤度にまとめることができ、非類似度と類似度との大きさの関係性を考慮して、境界期間１０３０が、第３の運動期間であるか否かを判定することができる。また、情報処理装置１００は、非類似度と類似度とのほかに、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準になる要素があっても、その要素を尤度にまとめることができる。
また、情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間を、第３の運動期間として用いる場合にも適用することができる。情報処理装置１００は、それぞれの異常運動が行われた異常運動期間としての尤度を比較することができ、境界期間１０３０が、いずれの異常運動が行われた異常運動期間であるかを判定することができる。
また、情報処理装置１００によれば、前歩行期間１０１０と後歩行期間１０２０とにおける、第１の特徴量または第２の特徴量の代表値の差分に基づいて、尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０の一部期間における前歩行期間１０１０と後歩行期間１０２０とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値が大きいほど尤度が小さくなるように尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０が長いほど尤度が小さくなるように尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、前歩行期間１０１０から前半期間１０３１までの第１の特徴量が所定方向に単調変化する度合いが大きいほど非類似度の値が大きくなるように非類似度を算出することができる。情報処理装置１００によれば、後半期間１０３２から後歩行期間１０２０までの第２の特徴量が所定方向に単調変化する度合いが大きいほど類似度の値が大きくなるように類似度を算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０において第１の特徴量が所定値を超えた回数が多いほど非類似度の値が大きくなるように非類似度を算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、所定値を、前歩行期間１０１０における第１の特徴量の代表値に基づいて設定することができる。これにより、情報処理装置１００は、前歩行期間１０１０と、境界期間１０３０とにおける第１の特徴量の関係を考慮して、その境界期間１０３０に、生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の合成加速度の分散値を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の合成加速度の分散値を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、立位維持運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の上下方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の上下方向の加速度のピーク間隔を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、階段昇降運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の前後方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の前後方向の加速度のピーク間隔を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の左右方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の左右方向の加速度の分散値を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、サイクリング運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。
１００ 情報処理装置
１０１ 計測機
２００ 情報処理システム
２１０ ネットワーク
３００，４００ バス
３０１，４０１ ＣＰＵ
３０２，４０２ メモリ
３０３，４０３ ネットワークＩ／Ｆ
３０４ 記録媒体Ｉ／Ｆ
３０５ 記録媒体
４０４ センサ部
４０５ タイマー部
５００ 記憶部
５０１ 取得部
５０２ 検知部
５０３ 算出部
５０４ 判定部
５０５ 出力部
６００ 時系列データ
７０１〜７０４ 歩行期間
８０１〜８０３，１０３０，１７３０，２４３０，２５１３，２５２３ 境界期間
９００ 判定情報テーブル
１０００，１３００，１５００，１６１０，１６３０，１７００，１９００，２１００，２３００，２４００，２５１０，２５２０，２６００，２７００，２８００，２９００，３０００，３１００，３２００，３３００ グラフ
１０１０，１５０１，１６１１，１６３１，１７１０，２４１０，２５１１，２５２１ 前歩行期間
１０２０，１７２０，２１０２，２４２０，２５１２，２５２２ 後歩行期間
１０３１，１５０２，１６１２，１６３２ 前半期間
１０３２，２１０１ 後半期間
１２０１〜１２０５，１５２０，１７３１〜１７３３，２２０１，２２０３ ピーク振幅
１５１０，１６２０，２１１０ 近似直線
１８０１〜１８０６，２２０２，２２０４ ピーク間隔
２４４０ 着席期間
２４５０ 起立期間
２７１０，２７２０，２８１０，２８２０，２９１０，２９２０，３０１０，３０２０，３１１０，３１２０，３２１０，３２２０，３３１０，３３２０ 時間軸
本発明は、情報処理システム、情報処理装置、および情報処理方法に関する。
従来、医療分野では、患者に対して適切な医療処置をするために、患者の状態を把握することが求められる。しかし、医療現場の問診など限られた時間で患者を正確に理解することは困難である。そこで、患者にセンサ装置を装着してもらい、日常生活中における患者の運動特徴を把握し、診断や治療の手がかりとして活用するアプローチが有効である。具体的には、そのセンサ装置から得られる時系列データに基づいて、その患者によって運動が行われた運動期間を特定し、その運動期間およびその運動期間における特徴量を参照して、その患者の状態を把握できる。
先行技術としては、例えば、各時刻における前後方向および上下方向の加速度成分が反映された特徴量を二値化した二値化データのばらつき程度を算出し、ばらつき程度が所定の閾値を超える期間内において移動運動期間を決定するものがある。また、例えば、加速度信号の周波数スペクトル分布から検出した最大のパワー値を持つ第１ピーク周波数と２番目に大きいパワー値を持つ第２ピーク周波数との関係に基づいて、健常歩行か着地が不適切な異常歩行かを判定する技術がある。また、例えば、周波数データに現れるピーク位置から動きのペースを検出する技術がある。
特開２０１５−１３９６６７号公報 特開２０１３−０５９４８９号公報 特開２０１１−１８８９０１号公報
しかしながら、従来技術では、患者によって運動が行われた運動期間を特定することが難しい場合がある。例えば、患者が歩行運動中にバランスを崩した場合、患者に装着されたセンサ装置から得られる時系列データに乱れが生じるゆえ、非典型的なパターンが観測される。この場合において、患者がバランスを崩していた期間は、運動期間として特定することができず、また、バランスを崩した前後での運動特徴を抽出することもできない。
１つの側面では、本発明は、運動期間および運動特徴を特定する精度の向上を図ることができる情報処理システム、情報処理装置、および情報処理方法を提供することを目的とする。
１つの実施態様によれば、計測対象の動きに関する計測情報を取得し、取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する情報処理システム、情報処理装置、および情報処理方法が提案される。
一態様によれば、運動期間を特定する精度の向上を図ることが可能になる。
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、計測機１０１のハードウェア構成例を示すブロック図である。 図５は、情報処理装置１００の機能的構成例を示すブロック図である。 図６は、情報処理装置１００が取得する時系列データ６００の一例を示す説明図である。 図７は、情報処理装置１００が歩行期間を検知する一例を示す説明図である。 図８は、情報処理装置１００が境界期間を特定する一例を示す説明図である。 図９は、情報処理装置１００が異常運動期間であるか否かを判定する一例を示す説明図である。 図１０は、尤度を算出する対象になる境界期間の一例を示す説明図である。 図１１は、情報処理装置１００が境界期間１０３０を分割する具体例を示す説明図である。 図１２は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その１）である。 図１３は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その２）である。 図１４は、第１の特徴量の非類似度を算出する第１の例を示す説明図（その３）である。 図１５は、第１の特徴量の非類似度を算出する第２の例を示す説明図である。 図１６は、第１の特徴量の非類似度を算出する第１の例と第２の例とを使い分ける一例を示す説明図である。 図１７は、第１の特徴量の非類似度を算出する第３の例を示す説明図である。 図１８は、第２の特徴量の類似度を算出する第１の例を示す説明図（その１）である。 図１９は、第２の特徴量の類似度を算出する第１の例を示す説明図（その２）である。 図２０は、第２の特徴量の類似度を算出する第１の例を示す説明図（その３）である。 図２１は、第２の特徴量の類似度を算出する第２の例を示す説明図である。 図２２は、尤度を算出する第２の例を示す説明図（その１）である。 図２３は、尤度を算出する第２の例を示す説明図（その２）である。 図２４は、尤度を算出する第３の例を示す説明図である。 図２５は、尤度を算出する第４の例を示す説明図（その１）である。 図２６は、尤度を算出する第４の例を示す説明図（その２）である。 図２７は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その１）である。 図２８は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その２）である。 図２９は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その３）である。 図３０は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その４）である。 図３１は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その５）である。 図３２は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その６）である。 図３３は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図（その７）である。 図３４は、解析処理手順の一例を示すフローチャートである。
以下に、図面を参照して、開示の情報処理システム、情報処理装置、および情報処理方法の実施の形態を詳細に説明する。
（実施の形態にかかる情報処理方法の一実施例）
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。情報処理装置１００は、計測対象によって運動が行われた運動期間を特定するコンピュータである。計測対象は、生体である。計測対象は、機械、例えば、２足歩行する自律ロボットであってもよい。
生体の代表的な例は、人間である。例えば、医療機関による検査対象になる対象者である。具体的には、医師などの医療関係者による診断や治療、リハビリ指導などを受ける患者であってもよい。また、他にも、スポーツインストラクターによる運動指導を受ける被指導者であってもよい。さらに、自ら健康管理を行う個人であってもよい。なお、生体は人間に限らず、動物であってもよい。
ここで、生体によって所定の運動が行われた運動期間では、その生体に装着したセンサ装置から得られる時系列データに、特徴的なパターンが現れる傾向がある。所定の運動は、例えば、歩行運動である。所定の運動は、例えば、立位維持運動、階段昇降運動、サイクリング運動などであってもよい。時系列データは、例えば、一定期間における生体の上下方向の加速度が、時系列に並べられたデータである。以下の説明では、上下方向の加速度を「上下加速度」と表記する場合がある。
特徴的なパターンは、例えば、生体によって歩行運動が行われた運動期間であれば、その生体の加速度から抽出される上下振動成分のゼロクロス点が周期的に出現するというパターン、または、その生体の上下加速度のピーク振幅が周期的に出現するというパターンなどである。ゼロクロス点は、対象信号の信号値がゼロになった時点を示す。
このため、所定の運動に対応する特徴的なパターンを予め記憶しておき、一定期間のうち、生体に装着したセンサ装置から得られる時系列データに、その特徴的なパターンと合致するパターンが現れた期間を、その生体の運動期間として特定する場合が考えられる。しかしながら、この場合、生体の運動期間を特定することが難しいことがある。
例えば、生体が歩行運動中にバランスを崩すと、その生体に装着されたセンサ装置から得られる時系列データに、不規則な乱れが生じることがある。そして、生体がバランスを崩していた期間では、その生体に装着されたセンサ装置から得られる時系列データに、特徴的なパターンと合致するパターンが現れず、その期間については、その生体の運動期間として特定することができない。
これに対し、特徴的なパターンと合致すると判定されるパターンの範囲を、特徴的なパターンが発生した時点の前後に広げることにより、センサ装置から得られる時系列データに不規則な乱れが生じていても、その特徴的なパターンと合致するパターンを検知しようとする場合が考えられる。このように、生体の運動期間を精度よく特定しようとする場合がある。しかしながら、この場合でも、生体の運動期間を特定することが難しいことがある。
例えば、生体が歩行運動中にバランスを大きく崩すと、センサ装置から得られる時系列データに、特徴的なパターンと合致すると判定されるパターンの範囲を広げたとしても、例えば、ふらついた故に動きの特徴が急変する場合など、その特徴的なパターンと合致すると判定することが難しいパターンが現れることがある。このため、依然として、生体がバランスを崩していた期間では、その生体に装着されたセンサ装置から得られる時系列データに、特徴的なパターンと合致すると判定されるパターンが現れず、その期間については、その生体の運動期間として特定することができない。
一方で、特徴的なパターンと合致すると判定されるパターンの範囲を広げたため、生体によって所定の運動が行われていない期間についても、その生体の運動期間として誤って特定されてしまう可能性がある。このように、特徴的なパターンと合致すると判定されるパターンの範囲を広げると、生体の運動期間を特定する精度の低下を招いてしまう可能性がある。
また、生体がバランスを崩していた期間などを、その生体の運動期間として特定することができないため、その運動期間における生体の運動の特徴を解析することが難しく、医師などの医療関係者が把握することが難しい。例えば、生体がふらついた後に歩き方が復帰するまでに要する時間、または、生体がふらついた時に生体の身体が動揺した程度などを解析することができない。
そこで、本実施の形態では、ある期間に特徴的なパターンと合致するパターンが現れなくても、その期間と運動期間として既に検知された期間とについて比較することにより、運動期間を特定する精度の向上を図ることができる情報処理方法について説明する。
図１の例では、生体は患者であるとする。図１の例では、患者は、少なくとも時点ｔ１〜ｔ５までの期間ｐ１において、歩行運動を行っている。患者は、時点ｔ１から、安定した姿勢で歩行運動を行っている。患者は、時点ｔ２において、バランスを崩している。患者は、時点ｔ３から、バランスを持ち直しつつあり、姿勢を安定させ始めている。患者は、時点ｔ４から、再び安定した姿勢で歩行運動を行っている。
図１の例では、情報処理装置１００は、計測機１０１と通信することができる。計測機１０１は、計測対象ｕとなる生体の動きに関する計測情報を計測する。計測機１０１は、計測対象ｕとなる生体に装着される。計測機１０１は、例えば、患者に装着される。計測機１０１は、具体的には、患者の腰に装着され、上下加速度を計測する加速度センサを有するセンサ装置である。
（１−１）情報処理装置１００は、計測機１０１から計測情報を取得する。計測情報は、例えば、計測機１０１の加速度センサが期間ｐ１に計測した上下加速度を、時系列に並べた時系列データである。時系列データは、例えば、波形データである。
（１−２）情報処理装置１００は、取得した計測情報に基づいて、患者によって所定の運動が行われた第１の運動期間と、患者によって所定の運動が行われた第２の運動期間とを検知する。第１の運動期間と第２の運動期間とは、例えば、患者によって歩行運動が行われた歩行期間である。第１の運動期間は、例えば、第２の運動期間より前である。
情報処理装置１００は、例えば、期間ｐ１のうち、時系列データに歩行運動に対応する特徴的なパターンが現れる時点ｔ１〜ｔ２までの歩行期間ｐ１−ｂｅｆｏｒｅを検知する。また、情報処理装置１００は、例えば、期間ｐ１のうち、時系列データに歩行運動に対応する特徴的なパターンが現れる時点ｔ４〜ｔ５までの歩行期間ｐ１−ａｆｔｅｒを検知する。
ここで、歩行期間ｐ１−ｂｅｆｏｒｅと歩行期間ｐ１−ａｆｔｅｒとの間にある、時点ｔ２〜ｔ４までの境界期間ｐ１−ｃｅｎｔｅｒのうち、時点ｔ２〜ｔ３までの前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔでは、患者がバランスを崩している。このため、その境界期間ｐ１−ｃｅｎｔｅｒは、運動期間として検知されづらい。
そこで、情報処理装置１００は、境界期間ｐ１−ｃｅｎｔｅｒが、運動期間として検知されづらい場合でも、その境界期間ｐ１−ｃｅｎｔｅｒが、運動期間であるか否かを判定する処理をさらに実行することにより、運動期間を特定する精度の向上を図る。
（１−３）情報処理装置１００は、取得した計測情報に基づいて、検知した第１の運動期間と第２の運動期間との間にある境界期間における、第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する。
１以上の特徴量は、例えば、計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む。
図１の例では、情報処理装置１００は、取得した計測情報に基づいて、検知した第１の運動期間と第２の運動期間との間にある境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出する。
第１の特徴量は、例えば、上下加速度のピーク振幅である。ピーク振幅は、例えば、極大値である。ピーク振幅は、例えば、極小値、または極大値と極小値の差分などであってもよい。第２の特徴量は、例えば、上下加速度のピーク間隔である。ピーク間隔は、例えば、極大値になった時点の間隔である。ピーク間隔は、例えば、極小値になった時点の間隔であってもよい。
情報処理装置１００は、例えば、境界期間ｐ１−ｃｅｎｔｅｒにおける、歩行期間ｐ１−ｂｅｆｏｒｅとの上下加速度のピーク振幅の非類似度と、歩行期間ｐ１−ａｆｔｅｒとの上下加速度のピーク間隔の類似度とを算出する。
情報処理装置１００は、具体的には、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク振幅の代表値と、歩行期間ｐ１−ｂｅｆｏｒｅの上下加速度のピーク振幅の代表値との比率が大きいほど非類似度が大きくなるように、その非類似度を算出する。代表値は、例えば、最大値である。また、代表値は、例えば、平均値、中央値、最小値などであってもよい。
情報処理装置１００は、具体的には、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク間隔の代表値と、歩行期間ｐ１−ａｆｔｅｒの上下加速度のピーク間隔の代表値との比率が小さいほど類似度が大きくなるように、その類似度を算出する。代表値は、例えば、最大値である。また、代表値は、例えば、平均値、中央値、最小値などであってもよい。
ここで、境界期間に、歩行運動に関連する異常運動が行われた場合、その異常運動の種類によっては、例えば、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある場合がある。このような異常運動は、例えば、患者が歩行運動中にふらつくなどして、バランスを崩すという例外的な運動である。
情報処理装置１００は、この性質を利用し、非類似度と類似度とに基づいて、境界期間が、患者によって異常運動が行われた運動期間であるか否かを判定することが可能になる。以下の説明では、患者によって異常運動が行われた運動期間を「異常運動期間」と表記する場合がある。
例えば、患者がバランスを崩した場合、患者の身体のいずれかの部位の動きが速くなる傾向があり、さらにその後に強い衝撃を受ける傾向がある。例えば、患者が歩行運動中にバランスを崩した場合、その患者の足または腰の動きが速くなり、次に足が着地した際にその患者の足に床から反発を受ける傾向がある。他には、例えば、患者が立位維持運動中にバランスを崩した場合、その患者の手または腰の動きが速くなり、その患者の手が強く壁に付けられ、その患者の手が壁から反発を受けることがある。
このため、境界期間ｐ１−ｃｅｎｔｅｒは、患者がバランスを崩していれば、歩行期間ｐ１−ｂｅｆｏｒｅに比べて、所定の特徴量、例えば上下加速度のピーク振幅に、高振幅かつ高周波な成分が含まれやすく、その特徴量の代表値が大きくなりやすい。特に、前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔに、患者がバランスを崩している可能性が大きく、前半期間ｐ１−ｃｅｎｔｅｒ−ｆｉｒｓｔは、その特徴量に高振幅かつ高周波な成分が含まれやすくなる。
これにより、境界期間ｐ１−ｃｅｎｔｅｒに、患者がバランスを崩していると、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク振幅の代表値と、歩行期間ｐ１−ｂｅｆｏｒｅの上下加速度のピーク振幅の代表値との非類似度は大きくなりやすい。したがって、非類似度は、境界期間ｐ１−ｃｅｎｔｅｒに、患者によって異常運動が行われた可能性の大きさ、例えば、患者がバランスを崩した可能性の大きさを評価する基準の一つになりうる。
また、患者がバランスを崩した後、バランスを持ち直していく傾向がある。このとき、患者の身体のいずれかの部位の動きは、患者が慎重になるため、バランスを崩す前より遅くなりやすく、バランスを崩す前の動きに徐々に戻っていく傾向がある。
このため、境界期間ｐ１−ｃｅｎｔｅｒは、患者がバランスを崩した後、バランスを持ち直していくと、所定の特徴量、例えば上下加速度のピーク間隔の代表値が、歩行期間ｐ１−ａｆｔｅｒと類似しやすくなる。特に、後半期間ｐ１−ｃｅｎｔｅｒ−ｌａｔｔｅｒに、患者がバランスを持ち直していく可能性が大きく、後半期間ｐ１−ｃｅｎｔｅｒ−ｌａｔｔｅｒは、所定の特徴量、例えば上下加速度のピーク間隔の代表値が、歩行期間ｐ１−ａｆｔｅｒと類似しやすくなる。
これにより、境界期間ｐ１−ｃｅｎｔｅｒに、患者がバランスを持ち直していると、境界期間ｐ１−ｃｅｎｔｅｒの上下加速度のピーク間隔の代表値と、歩行期間ｐ１−ａｆｔｅｒの上下加速度のピーク間隔の代表値との類似度が大きくなりやすい。したがって、類似度は、境界期間ｐ１−ｃｅｎｔｅｒに、患者によって異常運動が行われた可能性の大きさ、例えば、患者がバランスを崩した後、バランスを持ち直した可能性の大きさを評価する基準の一つになりうる。
（１−４）情報処理装置１００は、算出した非類似度と類似度とに基づいて、境界期間が、患者によって運動が行われた第３の運動期間であるか否かを判定する。第３の運動期間は、異常運動期間である。第３の運動期間は、例えば、患者によって歩行運動に関連する異常運動が行われた異常運動期間である。第３の運動期間は、具体的には、患者が歩行運動中にバランスを崩すという異常運動が行われた異常運動期間である。
情報処理装置１００は、例えば、非類似度と類似度とに基づいて、異常運動期間としての尤度を算出し、その尤度に基づいて、境界期間ｐ１−ｃｅｎｔｅｒが、異常運動期間であるか否かを判定する。
情報処理装置１００は、具体的には、非類似度が大きいほど尤度が大きくなるように、かつ、類似度が大きいほど尤度が大きくなるように、尤度を算出する。そして、情報処理装置１００は、算出した尤度が第１の閾値以上である場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であると判定する。一方で、情報処理装置１００は、算出した尤度が第１の閾値以上ではない場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間ではないと判定する。
また、情報処理装置１００は、例えば、非類似度が第２の閾値以上であるか否かを判定した結果と、類似度が第３の閾値以上であるか否かを判定した結果とに基づいて、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であるか否かを判定してもよい。
情報処理装置１００は、具体的には、非類似度が第２の閾値以上であると判定し、かつ、類似度が第３の閾値以上であると判定した場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間であると判定する。一方で、情報処理装置１００は、非類似度が第２の閾値以上ではないと判定した場合、または、類似度が第３の閾値以上ではないと判定した場合、境界期間ｐ１−ｃｅｎｔｅｒが異常運動期間ではないと判定する。
これにより、情報処理装置１００は、患者によって異常運動が行われ、患者に装着された計測機１０１から得られる時系列データに、特徴的なパターンと合致するパターンが現れない期間があっても、その期間を異常運動期間であると判定することができる。また、情報処理装置１００は、患者によって異常運動が行われていない期間を異常運動期間であると判定せず、運動期間が誤って特定されることを抑制することができる。このため、情報処理装置１００は、異常運動期間を含む種々の運動期間を特定する精度の向上を図ることができる。
その後、情報処理装置１００は、検知した運動期間、その運動期間における所定の特徴量、特定した異常運動期間、その異常運動期間における所定の特徴量、その異常運動期間に行われた異常運動の内容などを出力してもよい。情報処理装置１００は、例えば、検知した運動期間、その運動期間における所定の特徴量、特定した異常運動期間、その異常運動期間における所定の特徴量などを、患者、または医師などの医療関係者に提供する。所定の特徴量は、例えば、生体の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである。
これにより、情報処理装置１００は、医師などの医療関係者が、患者によって異常運動が行われた異常運動期間と、その異常運動期間における特徴量と、その異常運動の内容などに基づいて、患者の状態を精度よく把握できる。そして、情報処理装置１００は、その医療関係者の業務を支援できる。また、情報処理装置１００は、患者、または医師などの医療関係者が、患者の、ある疾病につながる可能性のある異常運動特徴を精度よく把握することを可能にする。結果として、情報処理装置１００は、患者の健康管理などが効果的に行われるようにすることができる。
医療関係者は、例えば、患者の状態を定量化しやすくなる。また、医療関係者は、例えば、異常運動期間が特定されない場合に比べ、患者の状態を精度よく把握しやすくなる。医療関係者は、具体的には、従来のように異常運動期間が特定されない場合では、患者がバランスを崩していない運動期間だけを参照することになり、患者の体性感覚などの状態異常の有無を把握することが難しい。これに対し、医療関係者は、情報処理装置１００から異常運動期間に関する情報を提供され、患者がバランスを崩した長さや頻度を把握し、患者の体性感覚などの状態異常の有無などを把握することができる。
ここでは、計測機１０１が、患者の腰に装着される場合について説明したが、これに限らない。例えば、計測機１０１が、患者の腰以外の部位に装着される場合があってもよい。具体的には、計測機１０１が、患者の手首や足首などに装着される場合があってもよい。
ここでは、計測機１０１が、患者に装着される場合について説明したが、これに限らない。例えば、計測機１０１が、患者が歩行する床に埋め込まれ、患者から床にかかる圧力を計測する場合があってもよい。また、例えば、計測機１０１が、患者を撮影可能な場所に設置され、患者を撮影した画像に基づいて、患者の動きに関する計測情報を計測する場合があってもよい。
ここでは、計測機１０１が、上下加速度を計測する場合について説明したが、これに限らない。例えば、計測機１０１が、左右方向の加速度を計測する場合があってもよい。また、例えば、計測機１０１が、前後方向の加速度を計測する場合があってもよい。また、例えば、計測機１０１が、上下加速度、左右方向の加速度、前後方向の加速度のうち、２つ以上の加速度を計測する場合があってもよい。また、計測信号の種類として、加速度のみに限らず、例えば角速度や地磁気、位置を計測する場合があってもよい。以下の説明では、左右方向の加速度を「左右加速度」と表記する場合がある。以下の説明では、前後方向の加速度を「前後加速度」と表記する場合がある。
ここでは、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出する場合について説明したが、これに限らない。例えば、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の類似度と、第２の運動期間との第２の特徴量の非類似度とを算出する場合があってもよい。この場合、情報処理装置１００は、類似度が大きいほど尤度が小さくなるように、かつ、非類似度が大きいほど尤度が小さくなるように、尤度を算出する。
ここでは、情報処理装置１００が、境界期間における、第１の運動期間との第１の特徴量の非類似度を算出する場合について説明したが、これに限らない。上述したように、境界期間の前半期間において、高振幅かつ高周波な成分が含まれやすい傾向がある。したがって、例えば、情報処理装置１００が、境界期間の前半期間における、第１の運動期間との第１の特徴量の非類似度を算出する場合があってもよい。
ここでは、情報処理装置１００が、境界期間における、第２の運動期間との第２の特徴量の類似度を算出する場合について説明したが、これに限らない。上述したように、境界期間の後半期間において、第２の特徴量が第２の運動期間と類似しやすい傾向がある。したがって、情報処理装置１００が、境界期間の後半期間における、第２の運動期間との第２の特徴量の類似度を算出する場合があってもよい。
ここでは、情報処理装置１００が、境界期間が、患者が歩行運動中にバランスを崩すという、１つの異常運動が行われた異常運動期間であるか否かを判定する場合について説明したが、これに限らない。例えば、情報処理装置１００が、境界期間が、複数の異常運動のそれぞれの異常運動が行われた異常運動期間であるか否かを判定する場合があってもよい。この場合、情報処理装置１００は、異常運動ごとに異なる第１の特徴量と第２の特徴量とを用いる。
複数の異常運動は、例えば、上述した歩行運動中にバランスを崩すという異常運動のほか、立位維持運動中にバランスを崩すという異常運動、階段昇降運動中にバランスを崩すという異常運動、サイクリング運動中にバランスを崩すという異常運動などを含む。
ここでは、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある、異常運動の種類について説明したが、これに限らない。
例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の類似度は大きくなりやすい性質がある場合がある。
また、例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の非類似度は大きくなりやすい性質がある場合がある。
例えば、異常運動の種類によって、境界期間における第１の運動期間との第１の特徴量の非類似度は大きくなりやすく、かつ、境界期間における第２の運動期間との第２の特徴量の非類似度は大きくなりやすい性質がある場合がある。
例えば、歩行運動中において、一時的に頭痛が起こった故にバランスを崩し、その後に頭痛が回復した後は元の歩行に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、１歩あたりのステップ時間、すなわち着地の間隔は、前半期間と後半期間ともに、第１の運動期間と第２の運動期間と比べて大きくなるが、その違いは比較的微小である傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、着地の間隔を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は類似し、また後半期間においても第２の運動期間と比べ第２の特徴量は類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。
また、例えば、歩行運動中において、足が何物かに躓いた後、大きく崩れたバランスを立て直して、元の歩行に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、腰の加速度の振幅特徴は、躓いた直後、すなわち前半期間は第１の運動期間と比べて非類似になり、大きく崩れたバランスを立て直しているとき、すなわち後半期間においても第２の運動期間と比べて非類似になる傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、腰の加速度の振幅を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は非類似し、また後半期間においても第２の運動期間と比べ第２の特徴量は非類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。
また、例えば、片足で身体を支持する静止運動中において、一度僅かにバランスを崩すと、その後に、加速的にバランスを崩し、さらにその後に元の安定した姿勢に戻る場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、例えば、腰の加速度の振幅特徴は、第１の運動期間と前半期間、すなわち僅かにバランスを崩した直後の期間で類似するが、第２の運動期間と後半期間、すなわち加速的にバランスを崩している期間で非類似になる傾向がある。
したがって、情報処理装置１００は、第１の特徴量、第２の特徴量に共に、腰の加速度の振幅を用いることにより、このような異常運動の運動期間を判定することができる。情報処理装置１００は、例えば、前半期間では第１の運動期間と比べ第１の特徴量は類似し、また後半期間では第２の運動期間と比べ第２の特徴量は非類似する場合、境界期間が、このような異常運動の運動期間であると判定することができる。このように、情報処理装置１００は、境界期間が、様々な異常運動の運動期間のいずれであるかを特定することができる。
ここでは、主に、情報処理装置１００が、第１の運動期間と前半期間との第１の特徴量を用いる場合について説明したが、これに限らない。例えば、情報処理装置１００は、上述したように、第１の運動期間と前半期間との１以上の特徴量を用いてもよい。
例えば、横から押されて、僅かにふらついたが殆どそのまま歩き続けたような場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、前半期間では、第１の運動期間と比べ、横方向の腰加速度の振幅特徴は非類似になるが、着地の間隔は類似する傾向がある。そこで、情報処理装置１００は、横方向の腰加速度の振幅特徴の非類似度、着地の間隔の類似度を用いることにより、判定精度を向上することができる。
ここでは、主に、情報処理装置１００が、第２の運動期間と後半期間との第２の特徴量を用いる場合について説明したが、これに限らない。例えば、情報処理装置１００は、上述したように、第２の運動期間と後半期間との１以上の特徴量を用いてもよい。
例えば、後ろから押されて、数歩ふらついた後に踏みとどまってそのまま歩き続けたような場合があり、このような異常運動の運動期間を判定対象とし、その運動期間の特徴量を定量化することが望まれる場合がある。このような場合において、後半期間では、第２の運動期間と比べ、上下方向の腰加速度の振幅特徴は非類似になるが、着地の間隔は類似する傾向がある。そこで、情報処理装置１００は、上下方向の腰加速度の振幅特徴の非類似度と、着地の間隔とを用いることにより、判定精度を向上することができる。
ここでは、第１の運動期間と第２の運動期間が同じ運動が行われた運動期間である場合について説明したが、これに限らない。例えば、第１の運動期間と、第２の運動期間とは、それぞれ異なる運動が行われた運動期間であってもよい。
（情報処理システム２００の一例）
次に、図２を用いて、図１に示した情報処理装置１００を適用した、情報処理システム２００の一例について説明する。
図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１００と、１以上の計測機１０１とを含む。情報処理システム２００において、情報処理装置１００と計測機１０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。
情報処理装置１００は、計測機１０１から計測情報を取得し、患者によって運動が行われた運動期間を検知し、患者によって異常運動が行われた異常運動期間を特定するコンピュータである。情報処理装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノートＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。
計測機１０１は、計測対象ｕとなる生体に装着されるコンピュータである。計測機１０１は、計測情報を計測し、情報処理装置１００に送信する。計測機１０１は、例えば、図４に示すセンサ部を有し、そのセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた時系列データを、計測情報として作成し、情報処理装置１００に送信する。計測機１０１は、例えば、センサ装置である。計測機１０１は、例えば、スマートフォン、ウェアラブル端末などであってもよい。
ここでは、計測機１０１が、時系列データを作成する場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機１０１から、計測機１０１のセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた対応情報を順次受信し、その対応情報をまとめた時系列データを作成する場合があってもよい。
ここでは、情報処理装置１００と計測機１０１とが異なる装置である場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機１０１と一体である場合があってもよい。ここでは、生体に、計測機１０１が１つ装着される場合について説明したが、これに限らない。例えば、生体に、複数の計測機１０１が装着される場合があってもよい。
情報処理システム２００は、例えば、患者の状態を把握する遠隔見守りサービスや健康状態モニタリングを実現する場合に適用されたり、ＰＨＲ（Ｐｅｒｓｏｎａｌ Ｈｅａｌｔｈ Ｒｅｃｏｒｄ）向けのサービスを実現する場合に適用されたりする。
（情報処理装置１００のハードウェア構成例）
次に、図３を用いて、図２に示した情報処理システム２００に含まれる情報処理装置１００のハードウェア構成例について説明する。
図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。
ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。
記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御にしたがって記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報処理装置１００から着脱可能であってもよい。
情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。
（計測機１０１のハードウェア構成例）
次に、図４を用いて、図２に示した情報処理システム２００に含まれる計測機１０１のハードウェア構成例について説明する。
図４は、計測機１０１のハードウェア構成例を示すブロック図である。図４において、計測機１０１は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、センサ部４０４と、タイマー部４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。
ここで、ＣＰＵ４０１は、計測機１０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３は、例えば、Ｗｉ−Ｆｉ（登録商標）に対応する通信回路、Ｂｌｕｅｔｏｏｔｈ（登録商標）に対応する通信回路などである。ネットワークＩ／Ｆ４０３は、例えば、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）に対応する通信回路であってもよい。
センサ部４０４は、計測機１０１の状態を計測する。センサ部４０４は、例えば、計測機１０１の位置、動き、および向きのうち少なくともいずれかを計測する。センサ部４０４は、具体的には、加速度センサ、角速度センサ、地磁気センサ、光センサ、振動センサなどの少なくともいずれかを有する。また、センサ部４０４は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ）受信機を有し、計測機１０１のＧＰＳ座標を検出してもよい。タイマー部４０５は、現在の時刻を計測する。
計測機１０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、計測機１０１は、上述した構成部のほか、記録媒体Ｉ／Ｆや記録媒体を有してもよい。この記録媒体は、計測機１０１から着脱可能であってもよい。
（情報処理装置１００の機能的構成例）
次に、図５を用いて、情報処理装置１００の機能的構成例について説明する。
図５は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部５００と、取得部５０１と、検知部５０２と、算出部５０３と、判定部５０４と、出力部５０５とを含む。
記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。取得部５０１〜出力部５０５は、制御部となる機能である。取得部５０１〜出力部５０５は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。
記憶部５００は、複数の運動のそれぞれの運動の検知パターンを記憶する。運動は、例えば、歩行運動、立位維持運動、階段昇降運動、サイクリング運動などである。運動の検知パターンは、例えば、その運動が行われた運動期間を検知する検知条件を規定する。検知条件は、例えば、所定の特徴量について特徴的なパターンが現れることを条件として示す。検知条件は、具体的には、３軸の加速度から抽出される上下振動成分についてゼロクロス点が周期的に出現するという特徴的なパターンが現れることを条件として示す。これにより、記憶部５００は、それぞれの運動に対応する検知パターンを検知部５０２が参照可能にすることができる。
記憶部５００は、複数の異常運動のそれぞれの異常運動の判定パターンを記憶する。複数の異常運動は、例えば、生体が歩行運動中にバランスを崩すという異常運動、立位維持運動中にバランスを崩すという異常運動、階段昇降運動中にバランスを崩すという異常運動、サイクリング運動中にバランスを崩すという異常運動などである。異常運動の判定パターンは、例えば、その異常運動が行われた異常運動期間であるか否かを判定する判定条件を規定する。また、異常運動の判定パターンは、例えば、判定条件に用いられる第１の特徴量と第２の特徴量とを規定する。判定条件は、例えば、第１の特徴量と第２の特徴量とに基づき算出した異常運動期間としての尤度が閾値以上であることを条件として示す。
第１の特徴量は、例えば、生体の合成加速度の分散値である。第１の特徴量は、例えば、生体の上下加速度のピーク振幅である。第１の特徴量は、例えば、生体の前後加速度のピーク振幅である。第１の特徴量は、生体の左右加速度のピーク振幅である。第２の特徴量は、例えば、生体の合成加速度の分散値である。第２の特徴量は、例えば、生体の上下加速度のピーク間隔である。第２の特徴量は、例えば、生体の前後加速度のピーク間隔である。第２の特徴量は、生体の左右加速度の分散値である。これにより、記憶部５００は、それぞれの異常運動に対応する判定パターンを判定部５０４が参照可能にすることができる。
記憶部５００は、生体の動きに関する計測情報を記憶する。記憶部５００は、例えば、計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べた時系列データを記憶する。計測値は、例えば、上下加速度、左右加速度、前後加速度の少なくともいずれかである。計測値は、例えば、角速度、振動の大きさ、位置などであってもよい。これにより、記憶部５００は、生体によって運動が行われた運動期間を検知するために、その生体についての時系列データを検知部５０２が参照可能にすることができる。また、記憶部５００は、生体についての時系列データを算出部５０３が参照可能にすることができる。
取得部５０１は、計測情報を取得する。取得部５０１は、例えば、計測機１０１が作成した計測情報として、その計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた時系列データを、計測機１０１から受信して記憶部５００に記憶する。取得部５０１は、例えば、計測機１０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた対応情報を計測機１０１から順次受信し、その対応情報をまとめた時系列データを作成して記憶部５００に記憶してもよい。これにより、取得部５０１は、生体についての時系列データを検知部５０２や算出部５０３が参照可能なように、記憶部５００に記憶することができる。
検知部５０２は、取得部５０１が取得した計測情報に基づいて、生体によって運動が行われた運動期間を検知する。検知部５０２は、例えば、記憶部５００に記憶された検知パターンを参照し、検知条件を満たす複数の期間のそれぞれの期間を、運動期間として検知する。検知部５０２は、具体的には、３軸の加速度から抽出される上下振動成分についてゼロクロス点が周期的に出現する特徴的なパターンが現れる複数の期間のそれぞれの期間を、運動期間として検知する。これにより、検知部５０２は、境界期間を特定する際に用いられる運動期間を、算出部５０３に通知することができる。
算出部５０３は、検知部５０２が検知した複数の運動期間から、第１の運動期間と第２の運動期間とを選択し、第１の運動期間と第２の運動期間との間にある境界期間を特定する。第１の運動期間は、例えば、第２の運動期間より前である。第１の運動期間と第２の運動期間とは、第１の運動期間と第２の運動期間との間に他の運動期間を挟まないことが好ましい。これにより、算出部５０３は、異常運動期間である可能性がある境界期間を特定することができる。
次に、算出部５０３は、取得部５０１が取得した計測情報に基づいて、特定した境界期間における、第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する。
１以上の特徴量は、例えば、計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む。これにより、算出部５０３は、例えば、加速度に加えて、角速度、位置、地磁気などを利用することができ、ピーク振幅やピーク間隔に加えて、ゼロクロス点の時間間隔、積分値、分散値などを利用することができる。
算出部５０３は、取得部５０１が取得した計測情報に基づいて、特定した境界期間における、第１の運動期間との第１の特徴量の非類似度と、第２の運動期間との第２の特徴量の類似度とを算出してもよい。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第１の特徴量を特定し、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値とを算出する。算出部５０３は、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が大きいほど、非類似度が大きくなるように、非類似度を算出する。算出部５０３は、境界期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が１に近いほど、非類似度が小さくなるように、非類似度を算出してもよい。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第２の特徴量を特定し、境界期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値とを算出する。算出部５０３は、境界期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値との比率が小さいほど、類似度が大きくなるように、類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
また、算出部５０３は、境界期間の前半期間と第１の運動期間との第１の特徴量の非類似度と、境界期間の後半期間と第２の運動期間との第２の特徴量の類似度とを算出してもよい。境界期間の前半期間と後半期間とは、その境界期間を２分割した前半部分と後半部分とである。境界期間の前半期間と後半期間とは、例えば、その境界期間を２等分割した前半部分と後半部分とであってもよい。
算出部５０３は、例えば、境界期間を前半期間と後半期間とに分割する分割時点の複数の候補時点のうち、前半期間と後半期間との第３の特徴量の比率が最大になる候補時点を用いて境界期間を２分割する。第３の特徴量は、例えば、上下加速度の分散値である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第１の特徴量を特定し、前半期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値とを算出する。算出部５０３は、前半期間における第１の特徴量の代表値と、第１の運動期間とにおける第１の特徴量の代表値との比率が大きいほど、非類似度が大きくなるように、非類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、異常運動の判定パターンを参照し、判定条件に用いられる第２の特徴量を特定し、後半期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値とを算出する。算出部５０３は、後半期間における第２の特徴量の代表値と、第２の運動期間とにおける第２の特徴量の代表値との比率が小さいほど、類似度が大きくなるように、類似度を算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、第１の運動期間から前半期間までの第１の特徴量が所定方向に単調変化する度合いを示す値を算出し、その値が大きいほど非類似度の値が大きくなるように、非類似度を算出してもよい。所定方向は、例えば、増加方向である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、後半期間から第２の運動期間までの第２の特徴量が所定方向に単調変化する度合いを示す値を算出し、その値が大きいほど類似度の値が大きくなるように、類似度を算出してもよい。所定方向は、例えば、減少方向である。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間において第１の特徴量が所定値を超えた回数が多いほど、非類似度の値が大きくなるように、非類似度を算出してもよい。所定値は、第１の運動期間における第１の特徴量の代表値に基づいて設定される。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
そして、算出部５０３は、第３の運動期間としての尤度を算出する。第３の運動期間は、異常運動期間である。第３の運動期間は、例えば、歩行運動中にバランスを崩すという異常運動である。算出部５０３は、例えば、非類似度が大きいほど尤度が大きくなり、類似度が大きいほど尤度が大きくなるように算出する。これにより、算出部５０３は、境界期間に生体によって異常運動が行われた可能性の大きさに対応する尤度を算出することができる。
算出部５０３は、例えば、第１の運動期間と第２の運動期間とにおける、第１の特徴量または第２の特徴量の代表値の差分に基づいて、尤度を算出してもよい。算出部５０３は、具体的には、第１の運動期間における第１の特徴量の代表値が、第２の運動期間における第１の特徴量の代表値よりも大きいほど、尤度が大きくなるように、尤度を算出する。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間の一部期間における、第１の運動期間に行われた運動や第２の運動期間に行われた運動とは異なる運動が行われた可能性の大きさを示す指標値に基づいて、尤度を算出してもよい。算出部５０３は、具体的には、指標値が大きいほど、尤度が小さくなるように、尤度を算出する。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
算出部５０３は、例えば、境界期間の長さに基づいて、尤度を算出してもよい。算出部５０３は、具体的には、境界期間が長いほど、尤度が小さくなるように、尤度を算出してもよい。これにより、算出部５０３は、尤度を算出する精度の向上を図ることができる。
判定部５０４は、算出部５０３が算出した結果に基づいて、特定した境界期間が、生体によって運動が行われた第３の運動期間であるか否かを判定する。これにより、判定部５０４は、動作特徴量として、加速度に加えて、または加速度に代えて、角速度、位置、地磁気などを利用して、第３の運動期間であるか否かを判定することができる。
例えば、歩行運動中にバランスを崩したときに足の捻りを伴った場合には、上半身または下半身に異常な回転運動が現れる傾向がある。この場合に、判定部５０４は、角速度の振幅を用いることで、判定精度を高めることができる。また、例えば、バランスを崩したときに歩幅が顕著に乱れる場合があり得る。この場合に、判定部５０４は、位置情報から算出される１歩ごとの歩幅を用いることで、判定精度を高めることができる。
また、判定部５０４は、時間的特徴量として、ピーク振幅やピーク間隔に加えて、またはピーク振幅やピーク間隔に代えて、ゼロクロス点の時間間隔、積分値、分散値などを利用して、第３の運動期間であるか否かを判定することができる。
例えば、歩行運動中にバランスを崩したときに足の引きずりを伴った場合には、１歩あたりに加速度のピークが複数発生し得る。この場合に、判定部５０４は、時間的特徴量として加速度のピーク間隔を用いても、着地間隔を評価することが難しい。そこで、判定部５０４は、加速度のピーク間隔の代わりに、加速度から抽出される上下振動成分のゼロクロス点の間隔を用いることで、着地間隔を精度よく評価することができる。そして、判定部５０４は、着地間隔を評価した結果に基づいて、判定精度を高めることができる。
また、例えば、歩行運動中にバランスを崩したときに上半身動揺を伴った場合には、着地時点の間の腰加速度がばらつく傾向がある。この場合に、判定部５０４は、動作特徴量として加速度ピークの振幅を用いても、上半身動揺を評価することが難しい。そこで、判定部５０４は、加速度ピークの振幅の代わりに、ピーク点の間の加速度の分散値を用いることで上半身動揺を精度よく評価することができる。そして、判定部５０４は、上半身動揺を評価した結果に基づいて、判定精度を高めることができる。
判定部５０４は、算出部５０３が算出した非類似度と類似度とに基づいて、特定した境界期間が、生体によって運動が行われた第３の運動期間であるか否かを判定してもよい。判定部５０４は、例えば、尤度が閾値以上である場合に、境界期間が第３の運動期間であると判定する。判定部５０４は、具体的には、尤度が閾値以上である場合に、境界期間が異常運動期間であると判定する。これにより、判定部５０４は、境界期間が異常運動期間であり、生体の運動期間に含まれるか否かを判定することができる。
出力部５０５は、算出部５０３が算出した非類似度や類似度、算出部５０３が算出した尤度、判定部５０４が判定した結果などを出力する。出力部５０５は、第３の運動期間であると判定された境界期間に対応付けて、境界期間の一部期間における第１の運動期間と第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値、第１の運動期間から境界期間の前半期間までの第１の特徴量が所定方向に単調変化する度合いの大きさ、境界期間の後半期間から第２の運動期間までの第２の特徴量が所定方向に単調変化する度合いの大きさ、および境界期間において第１の特徴量が所定値を超えた回数の少なくともいずれかを出力してもよい。
出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶などである。これにより、出力部５０５は、算出部５０３が算出した非類似度や類似度、算出部５０３が算出した尤度、判定部５０４が判定した結果などを、患者、または医師などの医療関係者に提供することができる。
出力部５０５は、検知部５０２が検知した第１の運動期間や第２の運動期間についての情報を出力してもよい。出力部５０５は、例えば、第１の運動期間の長さ、第２の運動期間の長さなどを出力する。出力部５０５は、例えば、第１の運動期間における所定の特徴量の代表値、第２の運動期間における所定の特徴量の代表値などを出力する。所定の特徴量は、例えば、生体の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである。所定の特徴量は、例えば、上下加速度のピーク振幅、上下加速度のピーク間隔、上下加速度の分散値などである。これにより、出力部５０５は、運動期間についての情報を、患者、または医師などの医療関係者に提供することができる。
出力部５０５は、判定部５０４によって第３の運動期間であると判定された境界期間についての情報を出力してもよい。出力部５０５は、例えば、異常運動期間の長さを出力する。出力部５０５は、例えば、異常運動期間における第１の特徴量の代表値や第２の特徴量の代表値を出力する。出力部５０５は、例えば、第１の運動期間から異常運動期間までの第１の特徴量の変化率や単調変化率、異常運動期間から第２の運動期間までの第２の特徴量の変化率や単調変化率などを出力する。変化率は、例えば、２つの期間の特徴量の平均値の比率である。単調変化率は、例えば、２つの期間の特徴量の変化を示す近似直線の傾きである。これにより、出力部５０５は、異常運動期間についての情報を、患者、または医師などの医療関係者に提供することができる。
（情報処理装置１００の動作の流れの一例）
次に、図６〜図９を用いて、情報処理装置１００の動作の流れの一例について説明する。
図６は、情報処理装置１００が取得する時系列データ６００の一例を示す説明図である。図６の例では、計測機１０１は、患者の腰に装着される。計測機１０１は、センサ部４０４を用いて、上下加速度、左右加速度、前後加速度を計測する。計測機１０１は、タイマー部４０５を用いて、計測した上下加速度、左右加速度、前後加速度を、それらの加速度を計測した時点に対応付けて蓄積する。
計測機１０１は、一定期間、計測した上下加速度、左右加速度、前後加速度を、それらの加速度を計測した時点に対応付けて蓄積した結果、図６に示した時系列データ６００を作成することができる。計測機１０１は、図６に示した時系列データ６００を作成すると、その時系列データ６００を、情報処理装置１００に送信する。情報処理装置１００は、図６に示した時系列データ６００を、計測機１０１から受信する。次に、図７の説明に移行する。
図７は、情報処理装置１００が歩行期間を検知する一例を示す説明図である。図７において、情報処理装置１００は、図６に示した時系列データ６００において、上下加速度、左右加速度、または前後加速度について、これらから抽出される上下振動成分のゼロクロス点が周期的に出現する特徴的なパターンが現れている歩行期間７０１〜７０４を検知する。歩行期間の検知は、例えば、特開２００８−１７１３４７号公報などを参照することができる。次に、図８の説明に移行する。
図８は、情報処理装置１００が境界期間を特定する一例を示す説明図である。図８において、情報処理装置１００は、特定した歩行期間７０１〜７０４の２つに挟まれた境界期間８０１〜８０３を、異常運動期間である可能性がある期間として特定する。情報処理装置１００は、境界期間８０１〜８０３に、それぞれ、境界期間番号「Ｎｏ１〜Ｎｏ３」を割り当てておく。次に、図９の説明に移行する。
図９は、情報処理装置１００が異常運動期間であるか否かを判定する一例を示す説明図である。図９において、情報処理装置１００は、特定した境界期間８０１〜８０３について、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出し、その尤度に基づいて境界期間８０１〜８０３が異常運動期間であるか否かを判定する。
尤度を算出する具体例については、図１０〜図３３を用いて後述する。情報処理装置１００は、算出した尤度や判定した結果を、図９に示した判定情報テーブル９００に記憶する。
判定情報テーブル９００は、例えば、図３に示した情報処理装置１００のメモリ３０２や記録媒体３０５などの記憶領域により実現される。判定情報テーブル９００は、境界期間番号と、異常運動期間の尤度と、判定結果とのフィールドを有する。判定情報テーブル９００は、境界期間ごとに各フィールドに情報を設定することにより、判定情報がレコードとして記憶される。
境界期間番号のフィールドは、異常運動期間であるか否かを判定する対象になる境界期間に割り当てられた境界期間番号が設定される。異常運動期間の尤度のフィールドは、その境界期間について算出した、複数の異常運動のいずれかの異常運動が行われた異常運動期間としての尤度が設定される。判定結果のフィールドは、尤度が閾値以上であるか否かが設定される。判定結果は、例えば、「○」であれば、尤度が閾値以上であることを示し、異常運動期間であると判定したことを示す。
図９の例では、情報処理装置１００は、境界期間８０１の異常運動期間としての尤度「０．８９」を算出する。情報処理装置１００は、算出した尤度「０．８９」を閾値「０．５」と比較する。情報処理装置１００は、閾値以上であるため、境界期間８０１を異常運動期間であると判定する。このため、情報処理装置１００は、境界期間８０１について、境界期間番号「Ｎｏ１」と、異常運動期間の尤度「０．８９」と、判定結果「○」とを対応付けたレコードを作成し、判定情報テーブル９００に記憶する。
情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間としての尤度を算出し、境界期間８０１が、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを判定してもよい。これにより、情報処理装置１００は、それぞれの異常運動が行われた異常運動期間を特定する精度の向上を図ることができる。
ここで、例えば、患者によって立位維持運動中にバランスを崩すという異常運動が行われた場合、患者の腰のいずれかの方向の加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、立位維持運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の合成加速度の分散値を用いることが好ましい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の合成加速度の分散値を用いることが好ましい。
また、例えば、患者によって階段昇降運動中にバランスを崩すという異常運動が行われた場合、患者の腰の上下加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、階段昇降運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の上下方向の加速度のピーク振幅を用いることが好ましい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の上下方向の加速度のピーク間隔を用いることが好ましい。
また、例えば、患者によって歩行運動中にバランスを崩すという異常運動が行われた場合、患者の腰の上下加速度に急変化が生じたり、患者の腰の前後加速度に急変化が生じたりすると考えられる。このため、情報処理装置１００は、境界期間８０１が、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の前後方向の加速度のピーク振幅を用いてもよい。また、情報処理装置１００は、この場合、第２の特徴量に、生体の前後方向の加速度のピーク間隔を用いてもよい。
また、例えば、患者によってサイクリング運動中にバランスを崩すという異常運動が行われた場合、患者の腰の左右加速度に急変化が生じると考えられる。このため、情報処理装置１００は、境界期間８０１が、サイクリング運動中にバランスを崩すという異常運動が行われた異常運動期間であるか否かを判定する場合、第１の特徴量に、生体の左右方向の加速度のピーク振幅を用いることが好ましい。情報処理装置１００は、第２の特徴量に、生体の左右方向の加速度の分散値を用いることが好ましい。
情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間であるか否かを判定する際、それぞれの異常運動が行われた異常運動期間としての尤度を比較することができる。このため、情報処理装置１００は、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを判定することができる。
情報処理装置１００は、境界期間８０１の前後の運動期間で行われた運動に基づき、境界期間８０１が、その運動に関連する異常運動が行われた異常運動期間であるか否かを判定してもよい。これにより、情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間としての尤度を算出する場合に比べて、処理量を低減することができる。
（情報処理装置１００が尤度を算出する具体例）
次に、図１０〜図２６を用いて、情報処理装置１００が尤度を算出する具体例について説明する。
図１０は、尤度を算出する対象になる境界期間の一例を示す説明図である。図１０のグラフ１０００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図１０のグラフ１０００の横軸は時刻である。図１０のグラフ１０００の縦軸は上下加速度である。上下加速度は、正の値であれば上方向の加速度であり、負の値であれば下方向の加速度である。
図１０のグラフ１０００の前側には、前歩行期間１０１０が検知されている。同様に、図１０のグラフ１０００の後側には、後歩行期間１０２０が検知されている。また、図１０のグラフ１０００の中央には、検知された前歩行期間１０１０と後歩行期間１０２０とに挟まれた境界期間１０３０が特定されている。情報処理装置１００は、この境界期間１０３０を、尤度を算出する対象として選択する。
ここで、境界期間１０３０において、もし患者が異常運動を行っていれば、境界期間１０３０の前側で、患者の身体のいずれかの部位の動きが速くなり、その部位の上下加速度のピーク振幅の代表値が大きくなりやすいという性質がある。この性質によれば、境界期間１０３０と前歩行期間１０１０との第１の特徴量の非類似度は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。特に、境界期間１０３０の前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度は、患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準の一つになりうる。
また、境界期間１０３０において、もし患者が異常運動を行っていれば、境界期間１０３０の後側で、患者が異常運動を行う前の動きに徐々に戻っていく傾向があり、患者の身体のいずれかの部位の動きは遅くなりやすいという性質がある。この性質によれば、境界期間１０３０と後歩行期間１０２０との第２の特徴量の類似度は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。特に、境界期間１０３０の後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度は、患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準の一つになりうる。
したがって、情報処理装置１００は、第１の特徴量の非類似度と第２の特徴量の類似度とを算出する前には、境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割することが好ましい。境界期間１０３０を分割する具体例については、図１１を用いて後述する。
そして、情報処理装置１００は、その前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度と、その後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度とを算出する。第１の特徴量の非類似度を算出する具体例については、図１２〜図１７を用いて後述する。第２の特徴量の類似度を算出する具体例については、図１８〜図２１を用いて後述する。
これにより、情報処理装置１００は、算出する第１の特徴量の非類似度や第２の特徴量の類似度が、境界期間１０３０に患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準になるようにすることができる。このため、情報処理装置１００は、その基準に基づいて、尤度を算出する精度の向上を図ることができる。
図１１は、情報処理装置１００が境界期間１０３０を分割する具体例を示す説明図である。図１１において、情報処理装置１００は、境界期間１０３０の長さに合わせて、その境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する分割時点について、Ｎ個の候補時点Ｔ1、Ｔ2・・・Ｔnを用意する。
情報処理装置１００は、用意したＮ個の候補時点Ｔ1、Ｔ2・・・Ｔnのうち前半期間１０３１と後半期間１０３２との第３の特徴量の比率が最大になる候補時点を選択する。情報処理装置１００は、具体的には、前半期間１０３１と後半期間１０３２との上下加速度の分散値の比率が最大になる候補時点を選択する。
そして、情報処理装置１００は、選択した候補時点で境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する。これにより、情報処理装置１００は、第１の特徴量の非類似度や第２の特徴量の類似度が、境界期間１０３０に患者によって異常運動が行われた可能性の大きさをより精度よく評価する基準になるように、境界期間１０３０を分割することができる。
〈第１の特徴量の非類似度を算出する具体例〉
図１２〜図１４は、第１の特徴量の非類似度を算出する第１の例を示す説明図である。ここで、情報処理装置１００は、歩行運動中にバランスを崩すという異常運動の判定パターンを参照し、第１の特徴量として上下加速度のピーク振幅を用いることにする。
図１２において、情報処理装置１００は、前歩行期間１０１０の上下加速度のピークを検出し、前歩行期間１０１０の上下加速度のピーク振幅１２０１〜１２０３を算出する。ピークは、上下加速度が極大または極小になった時点である。ピーク振幅１２０１〜１２０３は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が３．２と２．８と２．９とである。
また、情報処理装置１００は、前半期間１０３１の上下加速度のピークを検出し、前半期間１０３１の上下加速度のピーク振幅１２０４，１２０５を算出する。ピーク振幅１２０４，１２０５は、具体的には、それぞれ、ピーク番号１，２が割り当てられ、値が７．４と１．６とである。これにより、情報処理装置１００は、第１の特徴量の非類似度を算出する準備を行うことができる。次に、図１３の説明に移行する。
図１３のグラフ１３００は、前歩行期間１０１０の上下加速度のピーク振幅１２０１〜１２０３の最大値と、前半期間１０３１の上下加速度のピーク振幅１２０４，１２０５の最大値との比率に対する、ピーク振幅の非類似度を示したグラフである。図１３のグラフ１３００は、下記式（１）によって示される。
Figure 2018179301
ここで、ｘは、前歩行期間１０１０と前半期間１０３１との第１の特徴量の代表値の比率である。ｘは、例えば、前歩行期間１０１０と前半期間１０３１とのピーク振幅の最大値の比率である。ｆ（ｘ）は、前歩行期間１０１０と前半期間１０３１との第１の特徴量の非類似度である。α1，α2は、関数の形状を決めるパラメータである。α1は、負である。情報処理装置１００は、図１３のグラフ１３００を用いることによりピーク振幅の非類似度を算出可能になる。次に、図１４の説明に移行する。
図１４において、情報処理装置１００は、前歩行期間１０１０の上下加速度のピーク振幅の最大値３．２と、前半期間１０３１の上下加速度のピーク振幅の最大値７．４との比率２．３を算出し、上記式（１）に代入する。情報処理装置１００は、上記式（１）によって、非類似度０．８７を算出して記憶する。これにより、情報処理装置１００は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
図１５は、第１の特徴量の非類似度を算出する第２の例を示す説明図である。図１５のグラフ１５００は、時刻ごとに、その時刻の第１の特徴量を示したグラフである。図１５のグラフ１５００の横軸は時刻である。図１５のグラフ１５００の縦軸は第１の特徴量であり、例えば、上下加速度のピーク振幅である。図１５のグラフ１５００上で、それぞれの時刻での第１の特徴量は「○」を用いて示される。
ここで、境界期間の前半期間において、もし患者が異常運動を行っていれば、前歩行期間から前半期間にかけて、患者の身体のいずれかの部位の上下加速度のピーク振幅が大きくなっていく傾向がある。このため、前歩行期間と前半期間との上下加速度のピーク振幅が類似しにくいという性質がある。この性質によれば、前半期間と前歩行期間との第１の特徴量の非類似度は、前歩行期間から前半期間までの上下加速度のピーク振幅の増加度合いによっても表現可能である。
このため、情報処理装置１００は、前歩行期間１５０１から前半期間１５０２までの第１の特徴量の単調増加の度合いを示す値を、前歩行期間１５０１と前半期間１５０２との第１の特徴量の非類似度として算出する。情報処理装置１００は、例えば、前歩行期間１５０１から前半期間１５０２までの上下加速度のピーク振幅の近似直線１５１０の傾きを、前歩行期間１５０１と前半期間１５０２との上下加速度のピーク振幅の非類似度として算出する。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
ここで、境界期間の前半期間において、患者が異常運動を開始した直後までは、患者の身体のいずれかの部位の上下加速度のピーク振幅が大きくなるが、患者が異常運動を開始した直後よりも後には小さくなってしまう可能性がある。これによれば、前半期間と前歩行期間との第１の特徴量の非類似度は、前歩行期間から、前半期間のうち上下加速度のピーク振幅が最大になった時点までの、上下加速度のピーク振幅の増加度合いによって表現することが好ましい場合がある。
このため、情報処理装置１００は、前半期間１５０２において上下加速度のピーク振幅が最大になった後にあるピーク振幅を、近似直線１５１０を求める際に用いないようにしてもよい。情報処理装置１００は、例えば、ピーク振幅１５２０を用いないようにする。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
図１６は、第１の特徴量の非類似度を算出する第１の例と第２の例とを使い分ける一例を示す説明図である。情報処理装置１００は、例えば、前歩行期間の長さに応じて、第１の特徴量の非類似度を算出する、上述した第１の例と第２の例とを使い分ける場合があってもよい。
情報処理装置１００は、具体的には、患者、または医師などの医療関係者によって設定された、前歩行期間について推定される長さに応じて、第１の例と第２の例とのいずれかを用いるようにする。また、情報処理装置１００は、具体的には、検知した前歩行期間の長さに応じて、第１の例と第２の例とを使い分けてもよい。
ここで、図１６のグラフ１６１０のように、前半期間１６１２に比べて前歩行期間１６１１の長さが比較的短い場合がある。この場合には、前歩行期間１６１１の第１の特徴量にも異常運動が開始された影響が現れやすい傾向があり、第１の特徴量が単調増加しやすい傾向があると考えられる。このため、情報処理装置１００は、前歩行期間１６１１の長さが比較的短い場合には、上述した第２の例を用いることが好ましく、非類似度として近似直線１６２０の傾きを算出することが好ましい。これにより、情報処理装置１００は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
一方で、図１６のグラフ１６３０のように、前半期間１６３２に比べて前歩行期間１６３１の長さが比較的長い場合がある。この場合には、前歩行期間１６３１の第１の特徴量には異常運動が開始された影響が現れにくい傾向があり、第１の特徴量が単調増加しにくい傾向があると考えられる。このため、情報処理装置１００は、前歩行期間１６３１の長さが比較的長い場合には、上述した第１の例を用いることが好ましい。これにより、情報処理装置１００は、患者によって異常運動が行われた可能性の大きさを評価する基準の一つをより精度よく算出することができる。
図１７は、第１の特徴量の非類似度を算出する第３の例を示す説明図である。図１７の例では、図１０のグラフ１０００とは異なるグラフを用いる。図１７のグラフ１７００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図１７のグラフ１７００の横軸は時刻である。図１７のグラフ１７００の縦軸は上下加速度である。
図１７のグラフ１７００の前側には、前歩行期間１７１０が検知されている。同様に、図１７のグラフ１７００の後側には、後歩行期間１７２０が検知されている。また、図１７のグラフ１７００の中央には、検知された前歩行期間１７１０と後歩行期間１７２０とに挟まれた境界期間１７３０が特定されている。情報処理装置１００は、この境界期間１７３０を、尤度を算出する対象として選択する。
ここで、境界期間１７３０において、もし患者が異常運動を行っていれば、境界期間１７３０の上下加速度のピーク振幅は、前歩行期間１７１０の上下加速度のピーク振幅よりも大きくなりやすいという性質がある。この性質によれば、境界期間１７３０と前歩行期間１７１０との第１の特徴量の非類似度は、境界期間１７３０の上下加速度のピーク振幅のうち、前歩行期間１７１０の上下加速度のピーク振幅に基づく閾値以上であるピーク振幅の数によっても表現可能である。
このため、情報処理装置１００は、前歩行期間１７１０の上下加速度のピーク振幅の平均値４．０を閾値となる所定値Ｆthとして算出する。情報処理装置１００は、境界期間１７３０の上下加速度のピーク振幅１７３１〜１７３３などを算出する。ピーク振幅１７３１〜１７３３などは、具体的には、それぞれ、ピーク番号１〜３などが割り当てられ、値が５．４と６．８と７．０となどである。
情報処理装置１００は、算出した境界期間１７３０の上下加速度のピーク振幅のうち、所定値Ｆth以上であるピーク振幅が連続した回数を算出する。情報処理装置１００は、連続した回数、または連続した回数に基づく値を、前歩行期間１７１０と境界期間１７３０との上下加速度のピーク振幅の非類似度として算出して記憶する。これにより、情報処理装置１００は、境界期間１７３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得することができる。
情報処理装置１００は、第１の特徴量の非類似度を算出する、上述した第１の例と第２の例と第３の例との少なくとも２以上の例を組み合わせて、第１の特徴量の非類似度を算出する場合があってもよい。
〈第２の特徴量の類似度を算出する具体例〉
図１８〜図２０は、第２の特徴量の類似度を算出する第１の例を示す説明図である。ここで、情報処理装置１００は、歩行運動中にバランスを崩すという異常運動の判定パターンを参照し、第２の特徴量として上下加速度のピーク間隔を用いることにする。
図１８において、情報処理装置１００は、後半期間１０３２の上下加速度のピーク間隔１８０１〜１８０３を算出する。ピーク間隔１８０１〜１８０３は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が０．８５と０．６８と０．６５とである。
また、情報処理装置１００は、後歩行期間１０２０の上下加速度のピーク間隔１８０４〜１８０６を算出する。ピーク間隔１８０４〜１８０６は、具体的には、それぞれ、ピーク番号１〜３が割り当てられ、値が０．６５と０．６３と０．６１とである。これにより、情報処理装置１００は、第２の特徴量の類似度を算出する準備を行うことができる。次に、図１９の説明に移行する。
図１９のグラフ１９００は、後半期間１０３２の上下加速度のピーク間隔１８０１〜１８０３の最大値と、後歩行期間１０２０の上下加速度のピーク間隔１８０４〜１８０６の最大値との比率に対する、ピーク間隔の類似度を示したグラフである。図１９のグラフ１９００は、下記式（２）によって示される。
Figure 2018179301
ここで、ｘは、後半期間１０３２と後歩行期間１０２０との第２の特徴量の代表値の比率である。ｘは、例えば、後半期間１０３２と後歩行期間１０２０とのピーク間隔の最大値の比率である。ｇ（ｘ）は、後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度である。β1，β2は、関数の形状を決めるパラメータである。β1は、正である。情報処理装置１００は、図１９のグラフ１９００を用いることによりピーク間隔の類似度を算出可能になる。次に、図２０の説明に移行する。
図２０において、情報処理装置１００は、後半期間１０３２の上下加速度のピーク間隔の最大値０．６３と、後歩行期間１０２０の上下加速度のピーク間隔の最大値０．７３との比率０．８６を算出し、上記式（２）に代入する。情報処理装置１００は、上記式（２）によって、類似度０．７８を算出して記憶する。これにより、情報処理装置１００は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
図２１は、第２の特徴量の類似度を算出する第２の例を示す説明図である。図２１のグラフ２１００は、時刻ごとに、その時刻の第２の特徴量を示したグラフである。図２１のグラフ２１００の横軸は時刻である。図２１のグラフ２１００の縦軸は第２の特徴量であり、例えば、上下加速度のピーク間隔である。図２１のグラフ２１００上で、それぞれの時刻での第２の特徴量は「○」を用いて示される。
ここで、境界期間の後半期間において、もし患者が異常運動から徐々に復帰していれば、後半期間から後歩行期間にかけて、患者の身体のいずれかの部位の上下加速度のピーク間隔が徐々に大きい値から小さい値に安定していく性質がある。このため、後半期間と後歩行期間との上下加速度のピーク間隔が類似しやすいという性質がある。この性質によれば、後半期間と後歩行期間との第２の特徴量の類似度は、後半期間から後歩行期間までの上下加速度のピーク間隔の減少度合いによっても表現可能である。
このため、情報処理装置１００は、後半期間２１０１から後歩行期間２１０２までの第２の特徴量の単調減少の度合いを示す値を、後半期間２１０１と後歩行期間２１０２との第２の特徴量の類似度として算出する。情報処理装置１００は、例えば、後半期間２１０１から後歩行期間２１０２までの上下加速度のピーク間隔の近似直線２１１０の傾きを、後歩行期間２１０２と後半期間２１０１との上下加速度のピーク間隔の類似度として算出する。これにより、情報処理装置１００は、境界期間に患者によって異常運動が行われた可能性の大きさを評価する基準の一つを取得し、尤度を算出する際に用いることができる。
〈尤度を算出する具体例〉
次に、情報処理装置１００が、算出した第１の特徴量の非類似度や第２の特徴量の類似度に基づいて、境界期間１０３０について、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出する第１の例について説明する。
情報処理装置１００は、例えば、第１の特徴量の非類似度Ｄ1と、第２の特徴量の類似度Ｄ2とを乗算した値を、尤度として算出する。これにより、情報処理装置１００は、非類似度Ｄ1が大きいほど尤度が大きくなり、かつ、類似度Ｄ2が大きいほど尤度が大きくなるように、尤度を算出することができる。そして、情報処理装置１００は、異常運動期間としての尤もらしさを評価することができる。次に、図２２の説明に移行する。
図２２および図２３は、尤度を算出する第２の例を示す説明図である。ここで、患者は、境界期間１０３０に異常運動を行ってしまうと、後歩行期間１０２０では、前歩行期間１０１０よりも慎重に運動を行う傾向がある。このため、前歩行期間１０１０と後歩行期間１０２０との第１の特徴量または第２の特徴量の代表値の差分は、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。
ここで、具体的には、患者が慎重に運動を行うと、患者の動きは遅くなり、患者の歩幅は大きめになることが考えられる。このため、具体的には、患者が慎重に運動を行うと、ピーク振幅は小さくなり、ピーク間隔は大きくなることが考えられる。
図２２において、情報処理装置１００は、前歩行期間１０１０のピーク振幅２２０１とピーク間隔２２０２とを算出する。また、情報処理装置１００は、後歩行期間１０２０のピーク振幅２２０３とピーク間隔２２０４とを算出する。
情報処理装置１００は、前歩行期間１０１０のピーク振幅２２０１と、後歩行期間１０２０のピーク振幅２２０３との差分を算出する。また、情報処理装置１００は、前歩行期間１０１０のピーク間隔２２０２と、後歩行期間１０２０のピーク間隔２２０４との差分を算出する。そして、情報処理装置１００は、算出した差分に基づいて下記式（３）により尤度を算出する。
Figure 2018179301
ここで、ｗAは、算出した差分に基づいて設定される重みである。ｗAを設定する具体例については、図２３を用いて後述する。Ｄ1は、第１の特徴量の非類似度である。Ｄ2は、第２の特徴量の類似度である。次に、図２３の説明に移行する。
図２３のグラフ２３００は、算出した差分に対する重みを示したグラフである。図２３のグラフ２３００は、下記式（４）によって示される。
Figure 2018179301
ここで、ｒは、算出した比率である。λ1，λ2は、関数の形状を決めるパラメータである。λ1は、負である。情報処理装置１００は、図２３のグラフ２３００を用いて、算出した比率に対応する重みｗAを設定し、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
図２４は、尤度を算出する第３の例を示す説明図である。図２４の例では、図１０のグラフ１０００とは異なるグラフを用いる。図２４のグラフ２４００は、時刻ごとに、その時刻の上下加速度を示したグラフであり、上下加速度の時系列データに対応する。図２４のグラフ２４００の横軸は時刻である。図２４のグラフ２４００の縦軸は上下加速度である。
図２４のグラフ２４００の前側には、前歩行期間２４１０が検知されている。同様に、図２４のグラフ２４００の後側には、後歩行期間２４２０が検知されている。また、図２４のグラフ２４００の中央には、検知された前歩行期間２４１０と後歩行期間２４２０とに挟まれた境界期間２４３０が特定されている。
情報処理装置１００は、歩行期間のほか、患者が着席した着席期間２４４０や患者が起立した起立期間２４５０などを検知しているとする。情報処理装置１００は、例えば、ある期間の所定の特徴量が、患者の着席や起立に対応する条件を満たすか否かに基づいて、着席期間２４４０や起立期間２４５０などを検知する。
図２４の例では、検知した着席期間２４４０や起立期間２４５０などは、境界期間２４３０に含まれている。着席期間や起立期間の検知は、例えば、非特許文献ＳＶＭ−ｂａｓｅｄ ｐｏｓｔｕｒｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｗｉｔｈ ａ ｓｉｎｇｌｅ ｗａｉｓｔ−ｌｏｃａｔｅｄ ｔｒｉａｘｉａｌ ａｃｃｅｌｅｒｏｍｅｔｅｒなどを参照することができる。
ここで、前歩行期間２４１０と、後歩行期間２４２０とに挟まれた境界期間２４３０では、歩行運動以外の運動が行われている場合、歩行運動に関連する異常運動が行われている可能性が低くなる性質がある。この性質によれば、境界期間２４３０に、着席期間２４４０や起立期間２４５０などが含まれている場合、尤度を小さくすることが好ましいと考えられる。
このため、情報処理装置１００は、検知した着席期間２４４０や起立期間２４５０などが、境界期間２４３０に含まれているため、尤度が小さくなるように、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
図２５および図２６は、尤度を算出する第４の例を示す説明図である。ここで、異常運動は、例外的な、危険が大きい運動であるため、患者は、異常運動が長く続かないようにする傾向があり、境界期間は、短くなる傾向がある。このため、境界期間の長さは、境界期間１０３０に患者によって異常運動が行われた可能性の大きさを評価する基準の一つになりうる。そして、情報処理装置１００は、境界期間の長さに基づいて下記式（５）により尤度を算出する。
Figure 2018179301
ここで、ｗBは、境界期間の長さに基づいて設定される重みである。例えば、図２５のグラフ２５１０のように、前歩行期間２５１１と後歩行期間２５１２とに挟まれた境界期間２５１３の長さが比較的長い場合には、重みｗBを小さく設定して、尤度を小さくすることが好ましい。
一方で、図２５のグラフ２５２０のように、前歩行期間２５２１と後歩行期間２５２２とに挟まれた境界期間２５２３の長さが比較的短い場合には、重みｗBを大きく設定して、尤度を大きくすることが好ましい。ｗBを設定する具体例については、図２６を用いて後述する。Ｄ1は、第１の特徴量の非類似度である。Ｄ2は、第２の特徴量の類似度である。次に、図２６の説明に移行する。
図２６のグラフ２６００は、境界期間の長さに対する重みを示したグラフである。図２６のグラフ２６００は、下記式（６）によって示される。
Figure 2018179301
ここで、ｔは、境界期間の長さである。ε1，ε2は、関数の形状を決めるパラメータである。ε1は、負である。情報処理装置１００は、図２６のグラフ２６００を用いて、境界期間の長さに対応する重みｗBを設定し、尤度を算出する。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
（異常運動期間であるか否かを判定した結果の一例）
図２７〜図３３は、情報処理装置１００が異常運動期間であるか否かを判定した結果の一例を示す説明図である。
図２７のグラフ２７００は、患者が歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２７１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２７２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２７１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２７１０上に丸印で囲まれた期間は、患者が一時的にバランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２７２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が一時的にバランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図２８の説明に移行する。
図２８のグラフ２８００は、患者が歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２８１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２８２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２８１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２８１０上に丸印で囲まれた期間は、患者が一定期間バランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２８２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が一定期間バランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図２９の説明に移行する。
図２９のグラフ２９００は、患者が長期間歩行運動を行っていた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸２９１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸２９２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸２９１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸２９１０上に丸印で囲まれた期間は、患者が一時的にバランスを崩したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。これにより、情報処理装置１００は、時間軸２９２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間を判定することができる。このため、情報処理装置１００は、患者が長期間歩行運動を行っていて、一時的にバランスを崩していても、異常運動期間を含む運動期間を精度よく特定することができる。次に、図３０の説明に移行する。
図３０のグラフ３０００は、患者が歩行運動を行っている途中に静止していた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３０１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３０２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３０１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３０１０上に丸印で囲まれた期間は、患者が静止していたため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３０の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３０２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が歩行運動を行っている途中に静止していた期間を、誤って運動期間として特定することを防止することができる。次に、図３１の説明に移行する。
図３１のグラフ３１００は、患者が歩行運動を行っている途中に静止した後に回転した場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３１１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３１２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３１１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３１１０上に丸印で囲まれた期間は、患者が静止し、静止した後に回転したため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３１の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３１２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が歩行運動を行っている途中に静止し、静止した後に回転した期間を、誤って運動期間として特定することを防止することができる。次に、図３２の説明に移行する。
図３２のグラフ３２００は、患者が歩行運動を行っている途中に計測機１０１の装着位置がずれた場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３２１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３２２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３２１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３２１０上に丸印で囲まれた期間は、計測機１０１の装着位置がずれたため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３２の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３２２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、計測機１０１の装着位置がずれていた期間を、誤って運動期間として特定することを防止することができる。次に、図３３の説明に移行する。
図３３のグラフ３３００は、患者が歩行運動を行っている途中に静止して屈んだ場合に対応する時系列データの一例である。この時系列データは、上下加速度、左右加速度、前後加速度を含む。時間軸３３１０は、歩行期間として検知された期間を、角丸の四角形で示す。時間軸３３２０は、異常運動期間として検知された期間を、角丸の四角形で示す。
情報処理装置１００は、この時系列データに基づいて、時間軸３３１０上に角丸の四角形で示す期間を、歩行期間として検知することができる。一方で、時間軸３３１０上に丸印で囲まれた期間は、患者が静止して屈んだため、歩行期間として検知されていない。
これに対し、情報処理装置１００は、図１０〜図２６と同様に、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間としての尤度を算出することができる。図３３の例では、尤度は閾値よりも小さくなる。これにより、情報処理装置１００は、時間軸３３２０上に示すように、歩行運動に関連する異常運動が行われた異常運動期間は存在しないと判定することができる。このため、情報処理装置１００は、患者が静止して屈んでいた期間を、誤って運動期間として特定することを防止することができる。
このように、情報処理装置１００は、運動期間として検知されなかった境界期間について、運動期間に含まれる異常運動期間であるかを精度よく判定することができる。このため、情報処理装置１００は、運動期間を特定する精度の向上を図り、患者、または医師などの医療関係者を支援することができる。
（解析処理手順の一例）
次に、図３４を用いて、情報処理装置１００が実行する解析処理手順の一例について説明する。
図３４は、解析処理手順の一例を示すフローチャートである。図３４において、情報処理装置１００は、一定期間の時系列データを計測機１０１から取得する（ステップＳ３４０１）。
次に、情報処理装置１００は、取得した時系列データに基づいて、一定期間のうちの運動期間を検知する（ステップＳ３４０２）。そして、情報処理装置１００は、検知した運動期間に基づいて、一定期間のうちの運動期間に挟まれた境界期間を特定する（ステップＳ３４０３）。
次に、情報処理装置１００は、特定した境界期間のいずれかを選択する（ステップＳ３４０４）。そして、情報処理装置１００は、選択した境界期間を２分割し、境界期間の前半期間と、境界期間の後半期間とを特定する（ステップＳ３４０５）。
その後、情報処理装置１００は、複数の異常運動のうち、いずれかの異常運動を選択する（ステップＳ３４０６）。
次に、情報処理装置１００は、選択した異常運動の判定パターンにしたがって、特定した境界期間の前半期間と、その境界期間の直前の運動期間とのそれぞれについて、第１の特徴量を抽出する（ステップＳ３４０７）。そして、情報処理装置１００は、境界期間の前半期間について抽出した第１の特徴量と、その境界期間の直前の運動期間について抽出した第１の特徴量との非類似度を算出する（ステップＳ３４０８）。
次に、情報処理装置１００は、選択した異常運動の判定パターンにしたがって、特定した境界期間の後半期間と、その境界期間の直後の運動期間とのそれぞれについて、第２の特徴量を抽出する（ステップＳ３４０９）。そして、情報処理装置１００は、境界期間の後半期間について抽出した第２の特徴量と、その境界期間の直後の運動期間について抽出した第２の特徴量との類似度を算出する（ステップＳ３４１０）。
その後、情報処理装置１００は、算出した非類似度と類似度とに基づいて、選択した異常運動が行われた異常運動期間としての尤度を算出する（ステップＳ３４１１）。
次に、情報処理装置１００は、複数の異常運動をすべて選択したか否かを判定する（ステップＳ３４１２）。ここで、選択していない異常運動がある場合（ステップＳ３４１２：Ｎｏ）、情報処理装置１００は、ステップＳ３４０６の処理に戻る。
一方で、複数の異常運動をすべて選択している場合（ステップＳ３４１２：Ｙｅｓ）、情報処理装置１００は、ステップＳ３４１３の処理に移行する。ステップＳ３４１３の処理に移行すると、情報処理装置１００は、それぞれの異常運動について算出した尤度に基づいて、選択した境界期間が、複数の異常運動のいずれの異常運動が行われた異常運動期間であるかを決定する（ステップＳ３４１３）。
次に、情報処理装置１００は、特定した境界期間をすべて選択したか否かを判定する（ステップＳ３４１４）。ここで、選択していない境界期間がある場合（ステップＳ３４１４：Ｎｏ）、情報処理装置１００は、ステップＳ３４０４の処理に戻る。
一方で、境界期間をすべて選択している場合（ステップＳ３４１４：Ｙｅｓ）、情報処理装置１００は、検知した運動期間やいずれかの異常運動が行われた異常運動期間について所定の特徴量を抽出する（ステップＳ３４１５）。
次に、情報処理装置１００は、抽出した所定の特徴量を出力する（ステップＳ３４１６）。そして、情報処理装置１００は、解析処理を終了する。これにより、情報処理装置１００は、運動期間を精度よく特定し、その運動期間についての解析結果を患者、または医師などの医療関係者に通知し、患者の状態を把握しやすくすることができる。
以上説明したように、情報処理装置１００によれば、生体の動きに関する計測情報に基づいて、生体によって運動が行われた前歩行期間１０１０と、生体によって運動が行われた後歩行期間１０２０とを検知することができる。情報処理装置１００によれば、計測情報に基づいて、前歩行期間１０１０と後歩行期間１０２０との間にある境界期間１０３０における、前歩行期間１０１０との第１の特徴量の非類似度と、後歩行期間１０２０との第２の特徴量の類似度とを算出することができる。情報処理装置１００によれば、算出した非類似度と類似度とに基づいて、境界期間１０３０が、生体によって運動が行われた第３の運動期間であるか否かを判定することができる。これにより、情報処理装置１００は、境界期間１０３０を運動期間として検知することが難しくても、その境界期間１０３０が第３の運動期間であると判定することができ、種々の運動期間を特定する精度の向上を図ることができる。
また、情報処理装置１００によれば、前歩行期間１０１０に、境界期間１０３０よりも前の運動期間を用いることができる。情報処理装置１００によれば、後歩行期間１０２０に、境界期間１０３０よりも後の運動期間を用いることができる。情報処理装置１００によれば、計測情報に基づいて、境界期間１０３０の前半期間１０３１と前歩行期間１０１０との第１の特徴量の非類似度と、境界期間１０３０の後半期間１０３２と後歩行期間１０２０との第２の特徴量の類似度とを算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つとして非類似度や類似度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０を前半期間１０３１と後半期間１０３２とに分割する分割時点の複数の候補時点を用意することができる。情報処理装置１００によれば、複数の候補時点のうち、前半期間１０３１と後半期間１０３２との第３の特徴量の比率が最大になる候補時点を用いて境界期間１０３０を２分割することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つとして非類似度や類似度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、第３の運動期間としての尤度を、非類似度が大きいほど尤度が大きくなり、類似度が大きいほど尤度が大きくなるように算出することができる。情報処理装置１００によれば、尤度が閾値以上である場合に、境界期間１０３０が第３の運動期間であると判定することができる。これにより、情報処理装置１００は、非類似度と類似度とを尤度にまとめることができ、非類似度と類似度との大きさの関係性を考慮して、境界期間１０３０が、第３の運動期間であるか否かを判定することができる。また、情報処理装置１００は、非類似度と類似度とのほかに、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準になる要素があっても、その要素を尤度にまとめることができる。
また、情報処理装置１００は、複数の異常運動のそれぞれの異常運動が行われた異常運動期間を、第３の運動期間として用いる場合にも適用することができる。情報処理装置１００は、それぞれの異常運動が行われた異常運動期間としての尤度を比較することができ、境界期間１０３０が、いずれの異常運動が行われた異常運動期間であるかを判定することができる。
また、情報処理装置１００によれば、前歩行期間１０１０と後歩行期間１０２０とにおける、第１の特徴量または第２の特徴量の代表値の差分に基づいて、尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０の一部期間における前歩行期間１０１０と後歩行期間１０２０とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値が大きいほど尤度が小さくなるように尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０が長いほど尤度が小さくなるように尤度を算出することができる。これにより、情報処理装置１００は、尤度を算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、前歩行期間１０１０から前半期間１０３１までの第１の特徴量が所定方向に単調変化する度合いが大きいほど非類似度の値が大きくなるように非類似度を算出することができる。情報処理装置１００によれば、後半期間１０３２から後歩行期間１０２０までの第２の特徴量が所定方向に単調変化する度合いが大きいほど類似度の値が大きくなるように類似度を算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、境界期間１０３０において第１の特徴量が所定値を超えた回数が多いほど非類似度の値が大きくなるように非類似度を算出することができる。これにより、情報処理装置１００は、境界期間１０３０に生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出する精度の向上を図ることができる。
また、情報処理装置１００によれば、所定値を、前歩行期間１０１０における第１の特徴量の代表値に基づいて設定することができる。これにより、情報処理装置１００は、前歩行期間１０１０と、境界期間１０３０とにおける第１の特徴量の関係を考慮して、その境界期間１０３０に、生体によって異常運動が行われた可能性の大きさを評価する基準の一つを算出することができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の合成加速度の分散値を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の合成加速度の分散値を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、立位維持運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の上下方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の上下方向の加速度のピーク間隔を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、階段昇降運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の前後方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の前後方向の加速度のピーク間隔を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、歩行運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
また、情報処理装置１００によれば、第１の特徴量に、生体の左右方向の加速度のピーク振幅を用いることができる。情報処理装置１００によれば、第２の特徴量に、生体の左右方向の加速度の分散値を用いることができる。これにより、情報処理装置１００は、第３の運動期間として、サイクリング運動中にバランスを崩すという異常運動が行われた異常運動期間を用いることができる。
なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。
上述した実施の形態に関し、さらに以下の付記を開示する。
（付記１）計測機と、前記計測機と通信可能な情報処理装置とを含む情報処理システムであって、
前記計測機は、
計測対象の動きに関する計測情報を計測し、
前記情報処理装置は、
前記計測機から前記計測情報を取得し、
取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
ことを特徴とする情報処理システム。
（付記２）前記第１の運動期間は、前記境界期間よりも前の運動期間であり、
前記第２の運動期間は、前記境界期間よりも後の運動期間であり、
前記情報処理装置は、
前記計測情報に基づいて、前記境界期間の前半期間と前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記境界期間の後半期間と前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する、ことを特徴とする付記１に記載の情報処理システム。
（付記３）前記情報処理装置は、
前記境界期間を前記前半期間と前記後半期間とに分割する分割時点の複数の候補時点のうち、前記前半期間と前記後半期間との第３の特徴量の比率が最大になる候補時点を用いて前記境界期間を２分割する、ことを特徴とする付記２に記載の情報処理システム。
（付記４）前記情報処理装置は、
前記境界期間における、前記第１の運動期間との第１の特徴量の非類似度と、前記第２の運動期間との第２の特徴量の類似度とを算出する、ことを特徴とする付記１〜３のいずれか一つに記載の情報処理システム。
（付記５）前記情報処理装置は、
前記第３の運動期間としての尤度を、前記非類似度が大きいほど前記尤度が大きくなり、前記類似度が大きいほど前記尤度が大きくなるように算出し、前記尤度が閾値以上である場合に、前記境界期間が前記第３の運動期間であると判定する、ことを特徴とする付記４に記載の情報処理システム。
（付記６）前記情報処理装置は、
前記第１の運動期間と前記第２の運動期間とにおける、前記第１の特徴量または前記第２の特徴量の代表値の差分に基づいて、前記尤度を算出する、ことを特徴とする付記５に記載の情報処理システム。
（付記７）前記情報処理装置は、
前記境界期間の一部期間における前記第１の運動期間と前記第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値が大きいほど前記尤度が小さくなるように前記尤度を算出する、ことを特徴とする付記５または６に記載の情報処理システム。
（付記８）前記情報処理装置は、
前記境界期間が長いほど前記尤度が小さくなるように前記尤度を算出する、ことを特徴とする付記５〜７のいずれか一つに記載の情報処理システム。
（付記９）前記情報処理装置は、
前記第１の運動期間から前記境界期間の前半期間までの前記第１の特徴量が所定方向に単調変化する度合いが大きいほど前記非類似度の値が大きくなるように前記非類似度を算出し、前記境界期間の後半期間から前記第２の運動期間までの前記第２の特徴量が所定方向に単調変化する度合いが大きいほど前記類似度の値が大きくなるように前記類似度を算出する、ことを特徴とする付記４〜８のいずれか一つに記載の情報処理システム。
（付記１０）前記情報処理装置は、
前記境界期間において前記第１の特徴量が所定値を超えた回数が多いほど前記非類似度の値が大きくなるように前記非類似度を算出する、ことを特徴とする付記４〜８のいずれか一つに記載の情報処理システム。
（付記１１）前記所定値は、前記第１の運動期間における前記第１の特徴量の代表値に基づいて設定される、ことを特徴とする付記１０に記載の情報処理システム。
（付記１２）前記１以上の特徴量は、前記計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む、ことを特徴とする付記１〜１１のいずれか一つに記載の情報処理システム。
（付記１３）前記第１の特徴量は、前記計測対象の合成加速度の分散値であり、
前記第２の特徴量は、前記計測対象の合成加速度の分散値である、ことを特徴とする付記４〜１１のいずれか一つに記載の情報処理システム。
（付記１４）前記第１の特徴量は、前記計測対象の上下方向の加速度のピーク振幅であり、
前記第２の特徴量は、前記計測対象の上下方向の加速度のピーク間隔である、ことを特徴とする付記４〜１１のいずれか一つに記載の情報処理システム。
（付記１５）前記第１の特徴量は、前記計測対象の前後方向の加速度のピーク振幅であり、
前記第２の特徴量は、前記計測対象の前後方向の加速度のピーク間隔である、ことを特徴とする付記４〜１１のいずれか一つに記載の情報処理システム。
（付記１６）前記第１の特徴量は、前記計測対象の左右方向の加速度のピーク振幅であり、
前記第２の特徴量は、前記計測対象の左右方向の加速度の分散値である、ことを特徴とする付記４〜１１のいずれか一つに記載の情報処理システム。
（付記１７）前記情報処理装置は、
前記第３の運動期間であると判定された前記境界期間に対応付けて、前記境界期間の一部期間における前記第１の運動期間と前記第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値、前記境界期間の長さ、前記第１の運動期間から前記境界期間の前半期間までの前記第１の特徴量が所定方向に単調変化する度合いの大きさ、前記境界期間の後半期間から前記第２の運動期間までの前記第２の特徴量が所定方向に単調変化する度合いの大きさ、および前記境界期間において前記第１の特徴量が所定値を超えた回数の少なくともいずれかを出力する、ことを特徴とする付記４〜１１のいずれか一つに記載の情報処理システム。
（付記１８）前記情報処理装置は、
前記第３の運動期間であると判定された前記境界期間に対応付けて、前記第３の運動期間であると判定された前記境界期間における所定の特徴量を出力する、ことを特徴とする付記１〜１７のいずれか一つに記載の情報処理システム。
（付記１９）前記情報処理装置は、
前記第１の運動期間および前記第２の運動期間に対応付けて、前記第１の運動期間および前記第２の運動期間における所定の特徴量を出力する、ことを特徴とする付記１〜１８のいずれか一つに記載の情報処理システム。
（付記２０）前記所定の特徴量は、前記計測対象の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである、ことを特徴とする付記１８または１９に記載の情報処理システム。
（付記２１）前記情報処理装置は、
前記第３の運動期間であると判定された前記境界期間に対応付けて、算出した結果および判定した結果の少なくともいずれかを出力する、ことを特徴とする付記１〜２０のいずれか一つに記載の情報処理システム。
（付記２２）計測対象の動きに関する計測情報を取得し、
取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
制御部を有することを特徴とする情報処理装置。
（付記２３）コンピュータが、
計測対象の動きに関する計測情報を取得し、
取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
処理を実行することを特徴とする情報処理方法。
１００ 情報処理装置
１０１ 計測機
２００ 情報処理システム
２１０ ネットワーク
３００，４００ バス
３０１，４０１ ＣＰＵ
３０２，４０２ メモリ
３０３，４０３ ネットワークＩ／Ｆ
３０４ 記録媒体Ｉ／Ｆ
３０５ 記録媒体
４０４ センサ部
４０５ タイマー部
５００ 記憶部
５０１ 取得部
５０２ 検知部
５０３ 算出部
５０４ 判定部
５０５ 出力部
６００ 時系列データ
７０１〜７０４ 歩行期間
８０１〜８０３，１０３０，１７３０，２４３０，２５１３，２５２３ 境界期間
９００ 判定情報テーブル
１０００，１３００，１５００，１６１０，１６３０，１７００，１９００，２１００，２３００，２４００，２５１０，２５２０，２６００，２７００，２８００，２９００，３０００，３１００，３２００，３３００ グラフ
１０１０，１５０１，１６１１，１６３１，１７１０，２４１０，２５１１，２５２１ 前歩行期間
１０２０，１７２０，２１０２，２４２０，２５１２，２５２２ 後歩行期間
１０３１，１５０２，１６１２，１６３２ 前半期間
１０３２，２１０１ 後半期間
１２０１〜１２０５，１５２０，１７３１〜１７３３，２２０１，２２０３ ピーク振幅
１５１０，１６２０，２１１０ 近似直線
１８０１〜１８０６，２２０２，２２０４ ピーク間隔
２４４０ 着席期間
２４５０ 起立期間
２７１０，２７２０，２８１０，２８２０，２９１０，２９２０，３０１０，３０２０，３１１０，３１２０，３２１０，３２２０，３３１０，３３２０ 時間軸

Claims (23)

  1. 計測機と、前記計測機と通信可能な情報処理装置とを含む情報処理システムであって、
    前記計測機は、
    計測対象の動きに関する計測情報を計測し、
    前記情報処理装置は、
    前記計測機から前記計測情報を取得し、
    取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
    取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
    算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
    ことを特徴とする情報処理システム。
  2. 前記第１の運動期間は、前記境界期間よりも前の運動期間であり、
    前記第２の運動期間は、前記境界期間よりも後の運動期間であり、
    前記情報処理装置は、
    前記計測情報に基づいて、前記境界期間の前半期間と前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記境界期間の後半期間と前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出する、ことを特徴とする請求項１に記載の情報処理システム。
  3. 前記情報処理装置は、
    前記境界期間を前記前半期間と前記後半期間とに分割する分割時点の複数の候補時点のうち、前記前半期間と前記後半期間との第３の特徴量の比率が最大になる候補時点を用いて前記境界期間を２分割する、ことを特徴とする請求項２に記載の情報処理システム。
  4. 前記情報処理装置は、
    前記境界期間における、前記第１の運動期間との第１の特徴量の非類似度と、前記第２の運動期間との第２の特徴量の類似度とを算出する、ことを特徴とする請求項１〜３のいずれか一つに記載の情報処理システム。
  5. 前記情報処理装置は、
    前記第３の運動期間としての尤度を、前記非類似度が大きいほど前記尤度が大きくなり、前記類似度が大きいほど前記尤度が大きくなるように算出し、前記尤度が閾値以上である場合に、前記境界期間が前記第３の運動期間であると判定する、ことを特徴とする請求項４に記載の情報処理システム。
  6. 前記情報処理装置は、
    前記第１の運動期間と前記第２の運動期間とにおける、前記第１の特徴量または前記第２の特徴量の代表値の差分に基づいて、前記尤度を算出する、ことを特徴とする請求項５に記載の情報処理システム。
  7. 前記情報処理装置は、
    前記境界期間の一部期間における前記第１の運動期間と前記第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値が大きいほど前記尤度が小さくなるように前記尤度を算出する、ことを特徴とする請求項５または６に記載の情報処理システム。
  8. 前記情報処理装置は、
    前記境界期間が長いほど前記尤度が小さくなるように前記尤度を算出する、ことを特徴とする請求項５〜７のいずれか一つに記載の情報処理システム。
  9. 前記情報処理装置は、
    前記第１の運動期間から前記境界期間の前半期間までの前記第１の特徴量が所定方向に単調変化する度合いが大きいほど前記非類似度の値が大きくなるように前記非類似度を算出し、前記境界期間の後半期間から前記第２の運動期間までの前記第２の特徴量が所定方向に単調変化する度合いが大きいほど前記類似度の値が大きくなるように前記類似度を算出する、ことを特徴とする請求項４〜８のいずれか一つに記載の情報処理システム。
  10. 前記情報処理装置は、
    前記境界期間において前記第１の特徴量が所定値を超えた回数が多いほど前記非類似度の値が大きくなるように前記非類似度を算出する、ことを特徴とする請求項４〜８のいずれか一つに記載の情報処理システム。
  11. 前記所定値は、前記第１の運動期間における前記第１の特徴量の代表値に基づいて設定される、ことを特徴とする請求項１０に記載の情報処理システム。
  12. 前記１以上の特徴量は、前記計測対象の加速度、角速度、位置、および地磁気の少なくともいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値の少なくともいずれかを含む、ことを特徴とする請求項１〜１１のいずれか一つに記載の情報処理システム。
  13. 前記第１の特徴量は、前記計測対象の合成加速度の分散値であり、
    前記第２の特徴量は、前記計測対象の合成加速度の分散値である、ことを特徴とする請求項４〜１１のいずれか一つに記載の情報処理システム。
  14. 前記第１の特徴量は、前記計測対象の上下方向の加速度のピーク振幅であり、
    前記第２の特徴量は、前記計測対象の上下方向の加速度のピーク間隔である、ことを特徴とする請求項４〜１１のいずれか一つに記載の情報処理システム。
  15. 前記第１の特徴量は、前記計測対象の前後方向の加速度のピーク振幅であり、
    前記第２の特徴量は、前記計測対象の前後方向の加速度のピーク間隔である、ことを特徴とする請求項４〜１１のいずれか一つに記載の情報処理システム。
  16. 前記第１の特徴量は、前記計測対象の左右方向の加速度のピーク振幅であり、
    前記第２の特徴量は、前記計測対象の左右方向の加速度の分散値である、ことを特徴とする請求項４〜１１のいずれか一つに記載の情報処理システム。
  17. 前記情報処理装置は、
    前記第３の運動期間であると判定された前記境界期間に対応付けて、前記境界期間の一部期間における前記第１の運動期間と前記第２の運動期間とに行われた運動とは異なる運動が行われた可能性の大きさを示す指標値、前記境界期間の長さ、前記第１の運動期間から前記境界期間の前半期間までの前記第１の特徴量が所定方向に単調変化する度合いの大きさ、前記境界期間の後半期間から前記第２の運動期間までの前記第２の特徴量が所定方向に単調変化する度合いの大きさ、および前記境界期間において前記第１の特徴量が所定値を超えた回数の少なくともいずれかを出力する、ことを特徴とする請求項４〜１１に記載の情報処理システム。
  18. 前記情報処理装置は、
    前記第３の運動期間であると判定された前記境界期間に対応付けて、前記第３の運動期間であると判定された前記境界期間における所定の特徴量を出力する、ことを特徴とする請求項１〜１７に記載の情報処理システム。
  19. 前記情報処理装置は、
    前記第１の運動期間および前記第２の運動期間に対応付けて、前記第１の運動期間および前記第２の運動期間における所定の特徴量を出力する、ことを特徴とする請求項１〜１８に記載の情報処理システム。
  20. 前記所定の特徴量は、前記計測対象の加速度、角速度、位置、および地磁気のいずれかについての、ピーク振幅、ピーク間隔、ゼロクロス点の時間間隔、積分値、および分散値のいずれかである、ことを特徴とする請求項１８または１９に記載の情報処理システム。
  21. 前記情報処理装置は、
    前記第３の運動期間であると判定された前記境界期間に対応付けて、算出した結果および判定した結果の少なくともいずれかを出力する、ことを特徴とする請求項１〜２０に記載の情報処理システム。
  22. 計測対象の動きに関する計測情報を取得し、
    取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
    取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
    算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
    制御部を有することを特徴とする情報処理装置。
  23. コンピュータが、
    計測対象の動きに関する計測情報を取得し、
    取得した前記計測情報に基づいて、前記計測対象によって運動が行われた第１の運動期間と、前記計測対象によって運動が行われた第２の運動期間とを検知し、
    取得した前記計測情報に基づいて、検知した前記第１の運動期間と前記第２の運動期間との間にある境界期間における、前記第１の運動期間との１以上の特徴量それぞれの類似度または非類似度と、前記第２の運動期間との１以上の特徴量それぞれの類似度または非類似度とを算出し、
    算出した結果に基づいて、前記境界期間が、前記計測対象によって運動が行われた第３の運動期間であるか否かを判定する、
    処理を実行することを特徴とする情報処理方法。
JP2019508077A 2017-03-30 2017-03-30 情報処理システム、情報処理装置、および情報処理方法 Active JP6638860B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/013485 WO2018179301A1 (ja) 2017-03-30 2017-03-30 情報処理システム、情報処理装置、および情報処理方法

Publications (2)

Publication Number Publication Date
JPWO2018179301A1 true JPWO2018179301A1 (ja) 2019-11-07
JP6638860B2 JP6638860B2 (ja) 2020-01-29

Family

ID=63677631

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019508077A Active JP6638860B2 (ja) 2017-03-30 2017-03-30 情報処理システム、情報処理装置、および情報処理方法

Country Status (3)

Country Link
EP (1) EP3603506A4 (ja)
JP (1) JP6638860B2 (ja)
WO (1) WO2018179301A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240061859A1 (en) * 2020-12-28 2024-02-22 Nec Corporation Information processing apparatus, information processing method, and computer program
CN115381408A (zh) * 2022-10-28 2022-11-25 深圳市心流科技有限公司 一种基于运动状态的穿戴式检测装置的调控方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013059489A (ja) * 2011-09-13 2013-04-04 Toshiba Corp 歩行評価装置
JP2015139669A (ja) * 2014-01-30 2015-08-03 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置、方法及びシステム並びにプログラム
JP2016220923A (ja) * 2015-05-29 2016-12-28 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置及びシステム並びにプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4957258B2 (ja) 2007-01-15 2012-06-20 富士通株式会社 歩数計数装置および歩数計数方法
JP5035370B2 (ja) 2010-03-12 2012-09-26 沖電気工業株式会社 運動検出装置、運動検出方法、及びプログラム
JP6259301B2 (ja) 2014-01-30 2018-01-10 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置、方法及びシステム並びにプログラム
JP6557995B2 (ja) * 2015-03-02 2019-08-14 富士通株式会社 計測プログラム、計測装置及び計測方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013059489A (ja) * 2011-09-13 2013-04-04 Toshiba Corp 歩行評価装置
JP2015139669A (ja) * 2014-01-30 2015-08-03 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置、方法及びシステム並びにプログラム
JP2016220923A (ja) * 2015-05-29 2016-12-28 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置及びシステム並びにプログラム

Also Published As

Publication number Publication date
WO2018179301A1 (ja) 2018-10-04
EP3603506A4 (en) 2020-03-18
JP6638860B2 (ja) 2020-01-29
EP3603506A1 (en) 2020-02-05

Similar Documents

Publication Publication Date Title
US10959647B2 (en) System and method for sensing and responding to fatigue during a physical activity
US20200046263A1 (en) System and method for characterizing biomechanical activity
US20180133551A1 (en) System and method for personalized exercise training and coaching
JP6356616B2 (ja) 逐次姿勢識別装置および自律神経機能情報取得装置、方法ならびにプログラム
US9179862B2 (en) Method and system for assessing locomotive bio-rhythms
JP5647240B2 (ja) 転倒防止
US20180264320A1 (en) System and method for automatic location detection for wearable sensors
Ricci et al. Assessment of motor impairments in early untreated Parkinson's disease patients: the wearable electronics impact
JP6362521B2 (ja) 行動分類システム、行動分類装置及び行動分類方法
AU2017202152B2 (en) Method and system for determining postural balance of a person
JP2006198073A (ja) 体動検出機および体動検出機を備える携帯端末装置
JP6951516B2 (ja) 人の歩調を検出する方法及びシステム
EP3649938A1 (en) Information processing device, information processing system, and information processing method
WO2018179301A1 (ja) 情報処理システム、情報処理装置、および情報処理方法
JP5612627B2 (ja) 身体能力判定装置及びデータ処理方法
JP5659644B2 (ja) 情報処理方法，情報処理システム，情報処理装置，情報処理用プログラムおよび同プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2020120807A (ja) 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム
EP3269300A1 (en) Meal time estimation method, meal time estimation program, and meal time estimation device
JPWO2018211550A1 (ja) 情報処理装置、情報処理システム及び情報処理方法
KR101785284B1 (ko) 보행정보를 이용한 피로도 측정장치 및 측정방법
JP6721113B2 (ja) 情報処理システム、情報処理装置、および情報処理方法
JP6870733B2 (ja) 情報処理装置、情報処理システム、および情報処理方法
JP6738249B2 (ja) 歩行分析方法及び歩行分析装置
CN112753056B (zh) 用于身体部位的体育训练的系统和方法
JP2023064594A (ja) 情報処理プログラム、情報処理方法、および情報処理装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190521

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190521

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: 20191126

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191209

R150 Certificate of patent or registration of utility model

Ref document number: 6638860

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150