JPWO2022208581A5 - 学習装置、判定装置、学習済みモデル生成方法及びプログラム - Google Patents
学習装置、判定装置、学習済みモデル生成方法及びプログラム Download PDFInfo
- Publication number
- JPWO2022208581A5 JPWO2022208581A5 JP2023509896A JP2023509896A JPWO2022208581A5 JP WO2022208581 A5 JPWO2022208581 A5 JP WO2022208581A5 JP 2023509896 A JP2023509896 A JP 2023509896A JP 2023509896 A JP2023509896 A JP 2023509896A JP WO2022208581 A5 JPWO2022208581 A5 JP WO2022208581A5
- Authority
- JP
- Japan
- Prior art keywords
- patient
- biological information
- restless
- learning device
- state
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims 3
- 206010038743 Restlessness Diseases 0.000 claims 17
- 208000001431 Psychomotor Agitation Diseases 0.000 claims 3
- 238000013019 agitation Methods 0.000 claims 3
- 230000000284 resting effect Effects 0.000 claims 2
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
Claims (13)
- 不穏状態になる可能性がある人物である患者の生体情報と、非患者の生体情報とを取得する取得手段と、
前記患者の生体情報及び前記非患者の生体情報を用いて、対象患者の前記生体情報に基づいて前記対象患者が不穏状態であるかまたは非不穏状態であるかを判定する不穏判定モデルを生成するモデル生成手段と、
を備える学習装置。 - 前記モデル生成手段は、前記患者の生体情報及び前記非患者の生体情報を学習データとして用いて、前記不穏判定モデルを生成する
請求項１に記載の学習装置。 - 前記学習データは、前記非患者の安静状態における生体情報を含む
請求項２に記載の学習装置。 - 前記非不穏状態に対応する前記学習データは、前記非患者の生体情報を含む
請求項２または３に記載の学習装置。 - 前記非患者の安静状態は、睡眠状態を含む
請求項３または４に記載の学習装置。 - 前記不穏状態に対応する前記学習データは、前記患者の前記不穏状態における生体情報を含む
請求項２から５の何れか一項に記載の学習装置。 - 前記非不穏状態に対応する前記学習データは、前記患者の前記非不穏状態における生体情報を含む
請求項２から６の何れか一項に記載の学習装置。 - 前記非患者は、前記不穏状態になる可能性が所定の確率以下の人物である
請求項１から７の何れか一項に記載の学習装置。 - 前記非患者は、日常生活行動を自身で行うことができる人物、基礎疾患がない人物、及び他者の介助や介護を必要としない人物の少なくとも一つである
請求項１から８の何れか一項に記載の学習装置。 - 前記非患者の生体情報は、年代が異なる非患者の生体情報を含む
請求項１から９の何れか一項に記載の学習装置。 - 前記対象患者の前記生体情報と前記不穏判定モデルとを用いて前記対象患者が前記不穏状態であるか否かを判定する判定手段を備え、
前記不穏判定モデルは、請求項１から１０の何れか一項に記載の学習装置によって生成された学習済みモデルである
判定装置。 - コンピュータが、
不穏状態になる可能性がある人物である患者の生体情報と非患者の生体情報とを取得し、
前記患者の生体情報及び前記非患者の生体情報を用いて、対象患者の前記生体情報に基づいて前記対象患者が不穏状態であるか否かを判定する不穏判定モデルを生成する
学習済みモデル生成方法。 - 不穏状態になる可能性がある人物である患者の生体情報と非患者の生体情報とを取得し、
前記患者の生体情報及び前記非患者の生体情報を用いて、対象患者の前記生体情報に基づいて前記対象患者が不穏状態であるか否かを判定する不穏判定モデルを生成する
処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2021/013208 WO2022208581A1 (ja) | 2021-03-29 | 2021-03-29 | 学習装置、判定装置、学習済みモデル生成方法及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2022208581A1 JPWO2022208581A1 (ja) | 2022-10-06 |
| JPWO2022208581A5 true JPWO2022208581A5 (ja) | 2023-10-06 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Learning spatial–spectral–temporal EEG features with recurrent 3D convolutional neural networks for cross-task mental workload assessment | |
| Elliott | The motivational significance of heart rate | |
| Balters et al. | Capturing emotion reactivity through physiology measurement as a foundation for affective engineering in engineering design science and engineering practices | |
| CN106446533B (zh) | 一种人体健康数据处理系统及其方法 | |
| Kralemann et al. | In vivo cardiac phase response curve elucidates human respiratory heart rate variability | |
| Blake et al. | Perception of human motion | |
| Hsia et al. | Analysis and comparison of sleeping posture classification methods using pressure sensitive bed system | |
| JP6503327B2 (ja) | 生理状態判定装置及び生理状態判定方法 | |
| JP2018094029A (ja) | 精神疾患判定装置 | |
| CN109166627A (zh) | 一种健康评估方法、评估装置及用于康复治疗的系统 | |
| CN102804190A (zh) | 用于分析一次性尿布的穿着与睡眠和/或发展指标之间的关系的机器、制造制品和方法 | |
| JP2013052165A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| Jøranson et al. | Effects on sleep from group activity with a robotic seal for nursing home residents with dementia: a cluster randomized controlled trial | |
| US20210106290A1 (en) | Systems and methods for the determination of arousal states, calibrated communication signals and monitoring arousal states | |
| CA3111668A1 (en) | Systems and methods of pain treatment | |
| Tiwari et al. | Classification of physiological signals for emotion recognition using IoT | |
| Sevil et al. | Assessing the effects of stress response on glucose variations | |
| US20200155038A1 (en) | Therapy monitoring system | |
| Mortensen et al. | Multi-class stress detection through heart rate variability: A deep neural network based study | |
| JPWO2022208581A5 (ja) | 学習装置、判定装置、学習済みモデル生成方法及びプログラム | |
| JP2019000283A (ja) | モデル選択方法、モデル選択装置およびプログラム | |
| JP5189893B2 (ja) | 瞬目種別識別装置、瞬目種別識別方法、及び瞬目種別識別プログラム | |
| JP6910919B2 (ja) | システム及び意思疎通を図るために行うアクションの評価方法 | |
| Dessai et al. | Emotion Detection and Classification Using Machine Learning Techniques | |
| CN111951950A (zh) | 基于深度学习的三维数据医疗分类系统、方法和装置 |