KR20230062850A - 생체 정보 연산 시스템, 서버, 및 데이터 구조 - Google Patents

생체 정보 연산 시스템, 서버, 및 데이터 구조 Download PDF

Info

Publication number
KR20230062850A
KR20230062850A KR1020237011080A KR20237011080A KR20230062850A KR 20230062850 A KR20230062850 A KR 20230062850A KR 1020237011080 A KR1020237011080 A KR 1020237011080A KR 20237011080 A KR20237011080 A KR 20237011080A KR 20230062850 A KR20230062850 A KR 20230062850A
Authority
KR
South Korea
Prior art keywords
data
evaluation
unit
pulse wave
biometric information
Prior art date
Application number
KR1020237011080A
Other languages
English (en)
Inventor
신타로 쿠라사와
슌 치노
šœ 치노
Original Assignee
에스에스에스티 가부시키가이샤
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
Priority claimed from JP2020148047A external-priority patent/JP6851664B1/ja
Priority claimed from JP2020148048A external-priority patent/JP6851665B1/ja
Priority claimed from JP2021032880A external-priority patent/JP6899609B1/ja
Application filed by 에스에스에스티 가부시키가이샤 filed Critical 에스에스에스티 가부시키가이샤
Publication of KR20230062850A publication Critical patent/KR20230062850A/ko

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Pulmonology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Business, Economics & Management (AREA)

Abstract

[과제] 생체 정보를 평가할 때의 정밀도 향상을 도모할 수 있는 생체 정보 연산 시스템을 제공한다.
[해결 수단] 유저의 생체 정보를 평가하는 생체 정보 연산 시스템으로서, 상기 유저의 맥파에 기초하여, 제1 평가 데이터 및 제2 평가 데이터를 취득하는 취득 수단과, 데이터베이스와, 상기 데이터베이스를 참조하여, 상기 제1 평가 데이터에 대한 제1 생체 정보를 포함하는 제1 평가 결과를 생성하는 생성 수단을 갖춘다. 상기 데이터베이스에는, 미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 생체 정보를 포함하는 참조 데이터의 한 쌍을 학습 데이터로 하여, 복수의 상기 학습 데이터를 사용하여 생성된 분류 정보가 기억된다.

Description

생체 정보 연산 시스템, 서버, 및 데이터 구조
본 발명은 생체 정보 연산 시스템, 서버, 및 데이터 구조에 관한 것이다.
종래, 유저의 혈당값 등의 생체 정보를 평가하는 방법으로서, 예를 들면, 특허문헌 1과 같은 방법이 제안되었다.
특허문헌 1에서는, 유저의 가속도 맥파를 측정하고, 측정한 가속도 맥파의 파형 정보로부터, 침습 측정법에 의해 측정한 혈당값과 동시 측정한 가속도 맥파 사이의 상관관계에 기초하여, 분광 분석을 이용하지 않고, 유저의 혈당값 정보를 비칩습적 방법으로 추출하는 생체 정보 추정 장치 및 그 방법이 개시되어 있다.
일본 특허 제6544751호 공보
여기에서, 유저의 생체 정보를 평가할 때의 정밀도 향상이 요망되고 있다.
그래서 본 발명은 상기한 문제점을 감안하여 안출된 것으로, 그 목적으로 하는 바는 생체 정보를 평가할 때의 정밀도 향상을 도모할 수 있는 생체 정보 연산 시스템, 서버, 및 데이터 구조를 제공하는 것에 있다.
제1 발명에 따른 생체 정보 연산 시스템은 유저의 생체 정보를 평가하는 생체 정보 연산 시스템으로서, 상기 유저의 맥파에 기초하여, 제1 평가 데이터 및 제2 평가 데이터를 취득하는 취득 수단과, 미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 생체 정보를 포함하는 참조 데이터의 한 쌍을 학습 데이터로 하여, 복수의 상기 학습 데이터를 사용하여 생성된 분류 정보가 기억된 데이터베이스와, 상기 데이터베이스를 참조하여, 상기 제1 평가 데이터에 대한 제1 생체 정보를 포함하는 제1 평가 결과를 생성하는 생성 수단을 갖추는 것을 특징으로 한다.
제2 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 생성 수단은 상기 제2 평가 데이터에 대한 상기 제1 생체 정보와는 다른 종류의 제2 생체 정보를 포함하는 제2 평가 결과를 생성하는 것을 포함하는 것을 특징으로 한다.
제3 발명에 따른 생체 정보 연산 시스템은, 제2 발명에 있어서, 상기 제1 평가 결과, 및 상기 제2 평가 결과를 보존하는 보존 수단을 더 갖추는 것을 특징으로 한다.
제4 발명에 따른 생체 정보 연산 시스템은, 제2 발명에 있어서, 상기 취득 수단은, 상기 유저의 맥파에 기초하는 속도 맥파 및 가속도 맥파 중 어느 하나에 상당하는 1개의 맥파 데이터에 대하여, 각각 다른 종류의 처리를 실시함으로써, 상기 제1 평가 데이터 및 상기 제2 평가 데이터를 취득하는 것을 특징으로 한다.
제5 발명에 따른 생체 정보 연산 시스템은, 제2 발명에 있어서, 상기 분류 정보는 다른 종류의 상기 학습 데이터를 사용하여 생성된 제1 분류 정보, 및 제2 분류 정보를 포함하고, 상기 생성 수단은 상기 제1 분류 정보를 참조하여 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하고, 상기 제2 분류 정보를 참조하여 상기 제2 평가 데이터에 대한 상기 제2 평가 결과를 생성하는 것을 포함하는 것을 특징으로 한다.
제6 발명에 따른 생체 정보 연산 시스템은, 제2 발명에 있어서, 상기 유저의 특징을 나타내는 부가 정보를 취득하고, 상기 제1 평가 결과, 상기 제2 평가 결과, 및 상기 부가 정보에 기초하여, 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성하는 종합평가 수단을 갖추는 것을 특징으로 한다.
제7 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 분류 정보는 각각 다른 상기 학습 데이터를 사용하여 산출된 복수의 속성별 분류 정보를 포함하고, 상기 생성 수단은, 상기 제2 평가 데이터를 참조하여, 복수의 상기 속성별 분류 정보 중 제1 분류 정보를 선택하는 선택 수단과, 상기 제1 분류 정보를 참조하여, 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하는 속성별 생성 수단을 포함하는 것을 특징으로 한다.
제8 발명에 따른 생체 정보 연산 시스템은, 제7 발명에 있어서, 상기 취득 수단은, 상기 맥파에 기초하는 속도 맥파에 상당하는 데이터를, 상기 제1 평가 데이터로서 취득하고, 상기 맥파에 기초하는 가속도 맥파에 상당하는 데이터를, 상기 제2 평가 데이터로서 취득하는 것을 포함하는 것을 특징으로 한다.
제9 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 생성 수단은, 상기 분류 정보 중, 상기 맥파의 특징에 기초하여 제1 분류 정보를 선택하고, 상기 제1 분류 정보를 참조하여, 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하는 것을 포함하는 것을 특징으로 한다.
제10 발명에 따른 생체 정보 연산 시스템은, 제3 발명에 있어서, 상기 보존 수단에 의해 보존된 상기 제1 평가 결과, 및 상기 제2 평가 결과에 기초하여, 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성하는 산출 수단을 갖추는 것을 특징으로 한다.
제11 발명에 따른 생체 정보 연산 시스템은, 제3 발명에 있어서, 상기 보존 수단은 상기 제1 평가 결과, 및 상기 제2 평가 결과의 내용에 대하여 상기 유저가 판정한 판정 결과를 취득하고, 상기 판정 결과, 상기 제1 평가 결과, 및 상기 제2 평가 결과를 각각 연계시켜 보존하는 것을 포함하는 것을 특징으로 한다.
제12 발명에 따른 생체 정보 연산 시스템은, 제11 발명에 있어서, 상기 보존 수단에 보존된 상기 판정 결과, 상기 제1 평가 결과, 및 상기 제2 평가 결과에 기초하여, 상기 분류 정보를 갱신하는 갱신 수단을 갖추는 것을 특징으로 한다.
제13 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 데이터베이스가 보존되고, 상기 생성 수단에 의해 상기 제1 평가 결과를 생성하는 서버와, 상기 제1 평가 결과를 상기 서버로부터 수신하고, 표시하는 생체 정보 연산 장치를 갖추는 것을 특징으로 한다.
제14 발명에 따른 서버는 제1 발명에 있어서의 상기 제1 평가 결과가 보존된 것을 특징으로 한다.
제15 발명에 따른 데이터 구조는 표시부, 제어부 및 기억부를 갖추는 컴퓨터에 사용되고, 상기 기억부에 기억되는 데이터 구조로서, 제2 발명에 있어서의 생체 정보 연산 시스템에 의해 생성된 상기 제1 평가 결과, 및 상기 제2 평가 결과를 포함하고, 상기 제1 평가 결과, 및 상기 제2 평가 결과는 상기 제어부가 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성할 때 사용되는 것을 특징으로 한다.
제1 발명∼제13 발명에 의하면, 취득 수단은, 유저의 맥파에 기초하여, 제1 평가 데이터 및 제2 평가 데이터를 취득한다. 또, 생성 수단은 제1 평가 데이터에 대한 제1 생체 정보를 포함하는 제1 평가 결과를 생성한다. 즉 복수의 평가 데이터는 1개의 유저의 맥파로부터 취득된다. 이 때문에, 각 평가 데이터를 취득할 때, 맥파의 계측 조건에 기인하는 편차를 배제할 수 있다. 이것에 의해, 생체 정보를 평가할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
제1 발명∼제13 발명에 의하면, 생성 수단은, 데이터베이스를 참조하여, 제1 평가 결과를 생성한다. 또, 데이터베이스에는, 복수의 학습 데이터를 사용하여 생성된 분류 정보가 기억된다. 이 때문에, 평가 결과를 생성할 때, 과거에 실적이 있는 맥파의 특징과 생체 정보와의 관계를 근거로 하여, 정량적인 평가 결과를 생성할 수 있다. 이것에 의해, 유저 등의 주관에 따르는 평가의 편차를 억제하는 것이 가능하게 된다.
특히, 제13 발명에 의하면, 서버는 생성 수단에 의해 제1 평가 결과를 생성한다. 또, 생체 정보 연산 장치는 제1 평가 결과를 서버로부터 수신하고, 표시한다. 이 때문에, 생체 정보 연산 장치에 대하여, 평가 결과를 생성할 때의 부하를 저감시킬 수 있다. 이것에 의해, 생체 정보 연산 장치의 편리성을 향상시키는 것이 가능하게 된다. 또, 생체 정보 연산 장치에, 데이터베이스를 보존할 필요가 없다. 이것에 의해, 생체 정보 연산 장치의 데이터 보존 용량을 대폭 저감시키는 것이 가능하게 된다. 또, 데이터베이스가 서버에 보존됨으로써, 복수의 생체 정보 연산 장치에 대하여, 1개의 분류 정보를 참조하여 생성된 평가 결과를 출력할 수 있다. 이것에 의해, 데이터베이스의 갱신 등의 메인터넌스에 따라, 생체 정보 연산 장치마다 데이터베이스를 갱신하는 방대한 시간과 비용을 삭감하는 것이 가능하게 된다.
제14 발명에 의하면, 서버는 생체 정보를 평가할 때의 정밀도 향상을 도모한 제1 평가 결과를 보존하는 것이 가능하게 된다.
제14 발명에 의하면, 데이터 구조는 생체 정보를 평가할 때의 정밀도 향상을 도모한 제1 평가 결과, 및 제2 평가 결과를 포함하고, 종합평가 결과를 생성할 때 사용하는 것이 가능하게 된다.
도 1은 제1 실시형태에 있어서의 생체 정보 연산 시스템의 1 예를 도시하는 모식도이다.
도 2는 제1 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 3(a)는 분류 정보의 1 예를 도시하는 모식도이며, 도 3(b)는 분류 정보의 다른 예를 도시하는 모식도이다.
도 4(a)∼도 4(d)는 센서 데이터에 대한 처리의 예를 도시하는 모식도이다.
도 5(a)는 생체 정보 연산 장치의 구성의 1 예를 도시하는 모식도이며, 도 5(b)는 생체 정보 연산 장치의 기능의 1 예를 도시하는 모식도이다.
도 6(a) 및 도 6(b)는 센서의 1 예를 도시하는 모식도이다.
도 7은 제1 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 나타내는 흐름도이다.
도 8은 제2 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 9는 제2 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 변형예를 도시하는 모식도이다.
도 10은 제3 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 11은 제4 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 12는 가속도 맥파에 상당하는 데이터의 분류 예를 도시하는 모식도이다.
도 13은 속도 맥파에 상당하는 데이터의 분류 예를 도시하는 모식도이다.
도 14는 제4 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 제1 변형예를 도시하는 모식도이다.
도 15는 제4 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 제2 변형예를 도시하는 모식도이다.
도 16은 제4 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 제3 변형예를 도시하는 모식도이다.
도 17은 제5 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 18은 제6 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 19는 제7 실시형태에 있어서의 전자 기기의 생체 정보 연산 프로그램을 실현하기 위한 시퀀스를 나타내는 도면이다.
도 20은 제1 추출부 및 제1 데이터 취득부의 1 예를 도시하는 모식도이다.
도 21은 제2 추출부 및 제2 데이터 취득부의 1 예를 도시하는 모식도이다.
도 22는 제7 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 나타내는 흐름도이다.
도 23은 제8 실시형태에 있어서의 전자 기기의 생체 정보 연산 프로그램을 실현하기 위한 시퀀스를 나타내는 도면이다.
도 24는 분류 데이터 추출부의 1 예를 도시하는 모식도이다.
도 25는 평가용 데이터 추출부의 1 예를 도시하는 모식도이다.
도 26은 제8 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 나타내는 흐름도이다.
(발명을 실시하기 위한 형태)
이하, 본 발명의 실시형태에 있어서의 생체 정보 연산 시스템, 서버, 및 데이터 구조의 일례에 대해, 도면을 참조하면서 설명한다.
(제1 실시형태: 생체 정보 연산 시스템(100))
도 1은 제1 실시형태에 있어서의 생체 정보 연산 시스템(100)의 1 예를 도시하는 모식도이다.
생체 정보 연산 시스템(100)은 유저의 생체 정보를 평가하기 위해 사용된다. 생체 정보 연산 시스템(100)은 유저의 맥파에 기초하는 복수의 평가 데이터를 취득하고, 평가 데이터에 대한 생체 정보를 포함하는 평가 결과를 생성한다. 즉 복수의 평가 데이터는 1개의 유저의 맥파로부터 취득된다. 이 때문에, 각 평가 데이터를 취득할 때, 맥파의 계측 조건에 기인하는 편차를 배제할 수 있다. 예를 들면, 1개의 평가 데이터의 특징에 기초하여, 다른 평가 데이터의 처리 조건을 특정해도 된다. 또, 복수의 평가 데이터로부터, 각각 다른 평가 결과를 생성해도 된다. 어느 경우에서도, 1개의 유저의 맥파를 사용하여 실시하기 때문에, 측정 조건의 영향을 억제할 수 있다. 따라서, 생체 정보를 평가할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
특히, 본 실시형태에 있어서의 생체 정보 연산 시스템(100)은 유저의 맥파에 기초하는 복수의 평가 데이터로부터, 각각 다른 종류의 생체 정보를 포함하는 복수의 평가 결과를 생성한다. 즉 유저로부터 계측된 1개의 맥파에 기초하여, 복수 종류의 생체 정보를 포함하는 평가 결과의 생성을 실현할 수 있다. 또한, 「생체 정보」란, 예를 들면, 맥파로부터 추정할 수 있는 혈액의 특징이나, 몸의 특징 등을 나타낸다.
생체 정보로서, 예를 들면, 혈중 이산화탄소의 특징이 사용되는 이외에, 예를 들면, 혈당값, 혈압, 산소포화도, 락트산값, 맥박수, 호흡수, 스트레스 레벨, 혈관연령, 당뇨병의 정도 등이 사용된다. 또한, 「혈중 이산화탄소의 특징」이란 유저의 혈액에 포함되는 이산화탄소의 정도를 나타낸다. 혈중 이산화탄소의 특징으로서, 예를 들면, 혈중 이산화탄소 분압(PaCO2)의 값이 사용되는 이외에, 혈중 이산화탄소의 용존 농도나, 혈액에 포함되는 중탄산·바이카보네이트(HCO3 -)의 농도가 사용되어도 되고, 상황에 따라 혈액의 pH를 고려한 값이 사용되어도 된다.
생체 정보 연산 시스템(100)은, 예를 들면, 도 1에 도시하는 바와 같이, 생체 정보 연산 장치(1)를 갖추고, 예를 들면, 센서(5) 및 서버(4)의 적어도 어느 하나를 갖추어도 된다. 생체 정보 연산 장치(1)는, 예를 들면, 통신망(3)을 통하여 센서(5)나 서버(4)와 접속된다.
생체 정보 연산 시스템(100)에서는, 예를 들면, 도 2(a)에 도시하는 바와 같이, 생체 정보 연산 장치(1)가 센서(5) 등에 의해 생성된 센서 데이터를 취득한다. 센서 데이터는 특정한 기간에 계측된 1개의 유저의 맥파의 특징을 포함하는 데이터를 나타낸다. 그 후, 생체 정보 연산 장치(1)는, 취득한 1개의 센서 데이터에 대하여, 필터 처리 등의 전처리를 실시하고, 복수의 평가 데이터(예를 들면, 제1 평가 데이터 및 제2 평가 데이터)를 취득한다. 즉 생체 정보 연산 장치(1)는, 각 평가 데이터를 취득할 때, 1개의 센서 데이터에 대하여, 각각 다른 종류의 전처리를 실시한다.
생체 정보 연산 장치(1)는, 데이터베이스를 참조하여, 각 평가 데이터에 대하여 각각 다른 종류의 생체 정보(예를 들면, 제1 생체 정보 및 제2 생체 정보)를 산출한다. 그 후, 생체 정보 연산 장치(1)는 각각 다른 종류의 생체 정보를 포함하는 복수의 평가 결과(예를 들면, 제1 평가 결과 및 제2 평가 결과)를 생성한다. 즉 복수의 생체 정보는 1개의 유저의 맥파에 기초하여 산출된다. 이 때문에, 각 생체 정보를 산출할 때, 맥파의 계측 조건에 기인하는 편차를 배제할 수 있다. 이것에 의해, 생체 정보를 평가할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
여기에서, 생체 정보 연산 장치(1)는, 각 평가 데이터에 대한 생체 정보를 산출할 때, 데이터베이스를 참조한다. 데이터베이스에는, 복수의 학습 데이터를 사용하여 생성된 분류 정보가 기억된다.
분류 정보는, 예를 들면, 도 3(a)에 도시하는 바와 같이, 과거에 취득된 학습용 맥파에 기초하는 입력 데이터, 및 입력 데이터에 연계되는 생체 정보를 포함하는 참조 데이터의 한 쌍을 학습 데이터로 하여, 복수의 학습 데이터를 사용하여 생성된다. 이 때문에, 생체 정보를 산출할 때, 과거에 실적이 있는 맥파의 특징과 생체 정보와의 관계를 근거로 하여, 정량적인 각 평가 결과를 생성할 수 있다. 이것에 의해, 유저 등의 주관에 따르는 평가의 편차를 억제하는 것이 가능하게 된다.
또한, 분류 정보는, 예를 들면, 도 3(b)에 도시하는 바와 같이, 다른 종류의 학습 데이터를 사용하여 생성된 복수의 분류 정보(예를 들면, 제1 분류 정보, 및 제2 분류 정보)를 포함해도 된다. 이 경우, 평가 데이터마다의 종류에 따라 최적의 분류 정보를 참조하여, 각 평가 결과를 생성할 수 있다.
생체 정보 연산 장치(1)는 생성한 복수의 평가 결과를 서버(4) 등에 보존한다. 이것에 의해, 각 평가 결과의 2차 이용을 용이하게 실현할 수 있다.
생체 정보 연산 장치(1)는, 예를 들면, 생성한 각 평가 결과를 디스플레이 등에 출력한다. 이것에 의해, 유저는 생성된 복수의 평가 결과를 파악할 수 있다.
또한, 생체 정보 연산 시스템(100)에서는, 예를 들면, 센서(5) 등으로부터 복수의 평가 데이터를 취득해도 된다. 이 경우, 센서 데이터로부터 복수의 평가 데이터를 취득하는 전처리는 센서(5) 등에 의해 실시된다.
<센서 데이터>
센서 데이터는 유저의 맥파의 특징을 나타내는 데이터를 포함하고, 예를 들면, 맥파 이외의 특징을 나타내는 데이터(노이즈)를 포함해도 된다. 센서 데이터는 측정 시간에 대한 진폭을 나타내는 데이터이며, 용도나 센서 데이터의 생성 조건에 따른 필터 처리를 실시함으로써, 센서 데이터로부터 가속도 맥파나 속도 맥파 등에 상당하는 데이터를 취득할 수 있다.
센서 데이터는 스트레인 센서, 자이로 센서, 광전용적맥파(PPG) 센서, 압력 센서 등의 공지의 센서에 의해 생성할 수 있다. 센서 데이터는 디지털 신호 이외에, 예를 들면, 아날로그 신호이어도 된다. 또한, 센서 데이터를 생성할 때의 측정 시간은, 예를 들면, 맥파의 1∼20주기분의 측정 시간이며, 센서 데이터의 처리 방법이나, 데이터 통신 방법 등의 조건에 따라, 임의로 설정할 수 있다.
<평가 데이터>
평가 데이터는 생체 정보를 산출하기 위한 데이터를 나타낸다. 평가 데이터는, 예를 들면, 유저의 맥파에 기초하는 가속도 맥파에 상당하는 데이터를 나타내고, 특정 주기(예를 들면, 1주기)에 대한 진폭을 나타낸다.
평가 데이터는 센서 데이터를 생체 정보 연산 장치(1) 등에 의해 처리(전처리)를 실시함으로써 취득된다. 예를 들면, 도 4(a)∼도 4(d)에 도시하는 바와 같이, 센서 데이터에 대해 복수의 처리를 실시함으로써, 평가 데이터를 얻을 수 있다. 각 처리의 상세에 대해서는 후술한다.
<데이터베이스>
데이터베이스는, 주로, 평가 데이터에 대한 평가 결과를 생성할 때 사용된다. 데이터베이스에는, 1개 이상의 분류 정보가 기억되는 이외에, 예를 들면, 분류 정보의 생성에 사용된 복수의 학습 데이터가 기억되어도 된다.
분류 정보는, 예를 들면, 미리 취득된 과거의 평가 데이터(입력 데이터)와, 생체 정보를 포함하는 참조 데이터와의 상관관계를 나타내는 함수이다. 분류 정보는, 예를 들면, 입력 데이터를 설명변수로 하고 참조 데이터를 목적변수로 하여, 회귀분석 등에 의해 해석하고, 그 해석 결과에 기초하여 생성되는 검량 모델을 나타낸다. 분류 정보는, 예를 들면, 검량 모델을 정기적으로 갱신할 수 있는 이외에, 유저의 성별, 연령, 운동 내용 등의 속성 정보마다 생성된 복수의 검량 모델을 포함해도 된다.
분류 정보를 생성할 때 사용하는 회귀분석의 방법으로서, 예를 들면, PLS(Partial Least Squares) 회귀분석, 클래스마다 주성분 분석을 행하여 주성분 모델을 얻는 SIMCA(Soft Independent Modeling of Class Analogy)법을 이용한 회귀분석 등을 사용할 수 있다.
분류 정보는, 예를 들면, 복수의 학습 데이터를 사용한 기계학습에 의해 생성된, 학습된 모델을 포함해도 된다. 학습된 모델은, 예를 들면, CNN(Convolutional Neural Network) 등의 뉴럴 네트워크 모델을 나타내는 이외에, SVM(Support vector machine) 등을 나타낸다. 또, 기계학습으로서, 예를 들면, 심층학습을 사용할 수 있다.
입력 데이터는 평가 데이터와 동종의 데이터가 사용되고, 예를 들면, 대응하는 생체 정보가 명확하게 되어 있는 과거의 평가 데이터를 나타낸다. 예를 들면, 피검자에게 센서(5) 등을 장착시키고, 학습용 맥파의 특징을 나타내는 센서 데이터(학습용 센서 데이터)를 생성한다. 그리고, 학습용 센서 데이터에 대해 처리를 실시함으로써, 입력 데이터를 취득할 수 있다. 또한, 입력 데이터는 생체 정보 연산 시스템(100)의 유저로부터 취득하는 이외에, 예를 들면, 유저와는 다른 유저로부터 취득해도 된다. 즉 상기한 피검자는 생체 정보 연산 시스템(100)의 유저인 이외에, 유저 이외를 대상으로 해도 되고, 특정 또는 불특정 다수이어도 된다.
입력 데이터는, 예를 들면, 평가 데이터를 취득할 때 이용하는 센서(5) 등의 종류, 센서 데이터의 생성 조건, 및 센서 데이터에 대한 처리 조건과 동일한 내용에 의해 취득되는 것이 바람직하다. 예를 들면, 상기 3개의 내용을 통일함으로써, 생체 정보를 생성할 때의 정밀도를 비약적으로 향상시키는 것이 가능하게 된다.
참조 데이터는 계측 장치 등을 사용하여 계측된, 피검자의 생체 정보를 포함한다. 예를 들면, 피검자에게 센서(5) 등을 장착시켜 학습용 센서 데이터를 생성할 때, 피검자의 혈중 이산화탄소의 특징 등과 같은 생체 정보를 계측함으로써, 입력 데이터에 연계되는 참조 데이터를 취득할 수 있다. 이 경우, 생체 정보를 계측하는 타이밍은 학습용 센서 데이터를 생성하는 타이밍과 동시가 바람직하지만, 예를 들면, 1∼10분 정도 전후하는 타이밍이어도 된다.
참조 데이터는 공지의 계측 장치를 사용하여 계측된다. 예를 들면, 혈중 이산화탄소 농도의 특징을 계측하는 경우, 계측 장치로서 경피혈액가스 모니터 TCM5(라디오미터바젤사제) 등의 장치가 사용된다. 예를 들면, 혈중 락트산량을 계측하는 경우, 계측 장치로서 락테이트·프로 2(아크레이 카부시키카이샤제) 등의 공지의 장치가 사용된다. 예를 들면, 산소포화도를 계측하는 경우, 계측 장치로서 PULSOX-Neo(코니카미놀타 카부시키카이샤제) 등의 공지의 장치가 사용된다.
<생체 정보>
생체 정보 연산 시스템(100)에서 산출되는 생체 정보는 참조 데이터와 동종의 데이터로서 산출된다. 생체 정보는 분류 정보를 참조하여, 참조 데이터와 동일 또는 유사의 데이터로서 산출된다. 생체 정보 연산 시스템(100)에서는, 예를 들면, 복수의 평가 데이터를 임의의 시계열에 따라 각각 취득하고, 각 평가 데이터에 대한 복수의 생체 정보를 복수 생성한다. 또, 생체 정보 연산 시스템(100)에서는, 예를 들면, 임의의 타이밍마다 복수의 평가 데이터를 취득하고, 각 평가 데이터에 대한 복수의 생체 정보를 복수 산출해도 된다.
<평가 결과>
평가 결과는 생체 정보 연산 장치(1)에 의해 산출된 유저의 생체 정보를 포함한다. 평가 결과에는, 생체 정보 이외에, 예를 들면, 미리 설정된 임계값과의 비교 결과가 포함되어도 된다. 평가 결과는, 예를 들면, 시계열에 따른 복수의 생체 정보에 기초하여 도출한 값을 포함해도 된다. 평가 결과에는, 예를 들면, 「건강」, 「운동이 필요」, 「무산소성 운동 중」등과 같은, 유저의 건강 상태, 건강 유지와 연결되는 조언, 운동 능력의 경향에 대한 평가를 나타내는 정보가 포함되어도 된다. 이것에 의해, 복수의 생체 정보마다의 시간에 따른 변화를 용이하게 파악할 수 있다. 예를 들면, 평가 결과를 출력함으로써, 유저의 생체 정보를 파악할 수 있다.
<생체 정보 연산 장치(1)>
생체 정보 연산 장치(1)는, 예를 들면, 퍼스널컴퓨터(PC), 휴대전화, 스마트폰, 태블릿형 단말, 웨어러블 단말 등의 전자 기기를 나타내고, 예를 들면, 유저의 조작에 따라, 통신망(3)을 통하여 통신 가능한 전자 기기를 나타낸다. 또한, 생체 정보 연산 장치(1)는 센서(5)를 내장해도 된다. 이하, 생체 정보 연산 장치(1)로서 PC가 사용되는 경우의 일례를 설명한다.
도 5(a)는 생체 정보 연산 장치(1)의 구성의 1 예를 도시하는 모식도이며, 도 5(b)는 생체 정보 연산 장치(1)의 기능의 1 예를 도시하는 모식도이다.
생체 정보 연산 장치(1)는, 예를 들면, 도 5(a)에 도시하는 바와 같이, 케이싱(10)과, CPU(Central Processing Unit)(101)와, ROM(Read Only Memory)(102)과, RAM(Random Access Memory)(103)과, 보존부(104)와, I/F(105∼107)를 갖춘다. 각 구성 101∼107은 내부 버스(110)에 의해 접속된다.
CPU(101)는 생체 정보 연산 장치(1) 전체를 제어한다. ROM(102)은 CPU(101)의 동작 코드를 저장한다. RAM(103)은 CPU(101)의 동작 시에 사용되는 작업 영역이다. 보존부(104)는 데이터베이스나 평가 데이터 등의 각종 정보가 기억된다. 보존부(104)로서, 예를 들면, HDD(Hard Disk Drive) 이외에, SSD(Solid State Drive) 등의 데이터 보존 장치가 사용된다. 또한, 예를 들면, 생체 정보 연산 장치(1)는 도시하지 않은 GPU(Graphics Processing Unit)를 가져도 된다.
I/F(105)는, 통신망(3)을 통하여, 필요에 따라 서버(4)나 센서(5) 등과의 각종 정보의 송수신을 행하기 위한 인터페이스이다. I/F(106)는 입력부(108)와의 정보의 송수신을 행하기 위한 인터페이스이다. 입력부(108)로서, 예를 들면, 키보드가 사용되고, 생체 정보 연산 장치(1)의 유저 등은, 입력부(108)를 통하여, 각종 정보, 또는 생체 정보 연산 장치(1)의 제어 명령 등을 입력한다. I/F(107)는 표시부(109)와의 각종 정보의 송수신을 행하기 위한 인터페이스이다. 표시부(109)는 보존부(104)에 보존된 각종 정보, 또는 평가 결과 등을 표시한다. 표시부(109)로서 디스플레이가 사용되고, 예를 들면, 터치패널식의 경우, 입력부(108)와 일체로 설치된다.
도 5(b)는 생체 정보 연산 장치(1)의 기능의 1 예를 도시하는 모식도이다. 생체 정보 연산 장치(1)는 취득부(11)와, 생성부(12)와, 출력부(13)와, 기억부(14)를 갖추고, 예를 들면, 학습부(15)를 갖추어도 된다. 또한, 도 5(b)에 도시한 각 기능은 CPU(101)가 RAM(103)을 작업 영역으로 하여, 보존부(104) 등에 기억된 프로그램을 실행함으로써 실현된다.
<취득부(11)>
취득부(11)는 유저의 맥파에 기초하는 복수의 평가 데이터를 취득한다. 취득부(11)는, 예를 들면, 센서(5) 등으로부터 센서 데이터를 취득한 뒤, 센서 데이터에 대해 처리를 실시함으로써, 평가 데이터를 취득한다. 취득부(11)는 각각 다른 종류의 처리를 실시함으로써, 1개의 센서 데이터에 대하여 복수의 평가 데이터를 취득한다.
취득부(11)는, 예를 들면, 도 4(a)에 도시하는 바와 같이, 취득한 센서 데이터에 대하여, 필터링 처리(필터 처리)를 실시한다. 필터 처리에서는, 예를 들면, 0.5∼5.0Hz의 밴드패스 필터가 사용된다. 이것에 의해, 취득부(11)는 유저의 맥파에 상당하는 데이터(맥파 데이터)를 추출한다. 맥파 데이터는, 예를 들면, 속도 맥파에 상당하는 데이터를 나타낸다. 또한, 맥파 데이터는, 예를 들면, 가속도 맥파 또는 용적맥파에 상당하는 데이터를 나타내도 되고, 센서의 종류나 용도에 따라 임의로 설정할 수 있다. 또, 밴드패스 필터의 필터 범위는 용도에 따라 임의로 설정할 수 있다.
취득부(11)는, 예를 들면, 맥파 데이터에 대하여, 미분 처리를 실시한다. 예를 들면, 속도 맥파에 상당하는 맥파 데이터에 대하여 미분 처리가 실시되는 경우, 취득부(11)는 가속도 맥파에 상당하는 데이터(미분 데이터)를 취득한다. 또한, 미분 처리에서는, 1회 미분 이외에 2회 미분이 실시되어도 된다.
취득부(11)는, 예를 들면, 미분 데이터에 대하여, 분할 처리를 실시한다. 분할 처리에서는, 예를 들면, 복수 주기의 가속도 맥파에 상당하는 미분 데이터가 1주기마다의 가속도 맥파에 상당하는 데이터(분할 데이터)로 분할된다. 이 때문에, 취득부(11)는, 예를 들면, 1개의 미분 데이터에 대하여 미분 처리를 실시함으로써, 복수의 분할 데이터를 취득할 수 있다. 또한, 분할 처리에서는, 용도에 따라 임의의 주기(예를 들면, 주기의 정수배)마다, 미분 데이터를 분할할 수 있다.
예를 들면, 분할 처리에 있어서, 분할한 각 분할 데이터에 있어서의 데이터량이 각각 다른 경우가 있다. 이 경우, 취득부(11)는 가장 적은 데이터량의 분할 데이터를 특정하고, 다른 분할 데이터에 대하여, 데이터량의 삭감(트리밍)을 실시해도 된다. 이것에 의해, 각 분할 데이터에 있어서의 데이터량을 통일할 수 있어, 각 분할 데이터에 있어서의 데이터의 대비가 용이하게 된다.
상기 이외에, 예를 들면, 분할 데이터의 시간축에 대응하는 값을 대상으로 규격화 처리를 실시해도 된다. 규격화 처리에서는, 예를 들면, 시간축에 대응하는 값의 최소값을 0으로 하고, 최대값을 1로 한 규격화가 실시된다. 이것에 의해, 각 분할 데이터에 있어서의 데이터의 대비가 용이하게 된다.
취득부(11)는, 예를 들면, 데이터량의 삭감, 또는 규격화를 실시한 복수의 분할 데이터에 있어서의 평균을 산출하고, 분할 데이터로 해도 된다.
취득부(11)는, 분할 데이터에 대하여, 규격화 처리를 실시한다. 규격화 처리에서는, 진폭에 대응하는 값을 대상으로, 규격화된 데이터(규격화 데이터)가 생성된다. 규격화 처리에서는, 예를 들면, 진폭의 최저값을 0으로 하고, 진폭의 최고값을 1로 한 규격화가 실시된다. 취득부(11)는, 예를 들면, 규격화 데이터를 평가 데이터(예를 들면, 평가 데이터(A))로서 취득한다. 이 경우, 평가 데이터(A)로서 유저의 가속도 맥파에 상당하는 데이터가 얻어진다.
취득부(11)는 상기한 각 처리를 순차 실시하는 이외에, 예를 들면, 도 4(b)에 도시하는 바와 같이, 미분 처리를 실시하지 않아도 된다. 이 경우, 평가 데이터(예를 들면, 평가 데이터(B))로서 유저의 속도 맥파에 상당하는 데이터가 얻어진다.
또, 취득부(11)는, 예를 들면, 상기한 각 처리의 일부만을 실시해도 된다. 이 경우, 취득부(11)는 맥파 데이터, 미분 데이터, 분할 데이터, 트리밍된 분할 데이터, 및 시간축에 대응하는 값을 규격화한 분할 데이터의 어느 하나를, 평가 데이터로서 취득해도 되고, 용도에 따라 임의로 설정할 수 있다.
취득부(11)는, 예를 들면, 도 4(c)에 도시하는 바와 같이, 생체 정보로서 맥박수를 산출하는 경우에 적합한 평가 데이터(C)를 취득해도 된다.
이 경우, 취득부(11)는 상기한 필터 처리를 센서 데이터에 대하여 실시하고, 맥파 데이터를 추출한다. 그리고, 취득부(11)는, 맥파 데이터에 대하여, 피크 위치 산출 처리를 실시한다. 피크 위치 산출 처리에서는, 맥파 데이터에 포함되는 복수의 피크(진폭의 최대값)를 검출하고, 샘플링된 순서(측정 개시로부터의 시간에 상당)를 특정한다. 이것에 의해, 취득부(11)는 맥파 데이터에 포함되는 피크 위치 데이터를 취득한다.
그 후, 취득부(11)는, 피크 위치 데이터에 대하여, 피크 간격 평균 산출 처리를 실시한다. 피크 간격 평균 산출 처리는 피크 위치 데이터에 포함되는 피크의 간격(인접하는 피크가 샘플링된 순서의 차분)을 산출하고, 예를 들면, 피크 간격의 평균값을 산출한다. 그 후, 취득부(11)는, 피크 간격 또는 피크 간격의 평균값에 대하여, 센서 데이터의 샘플링 레이트로 나누고, 초수(秒數)에 상당하는 피크 간격을 나타내는 데이터를 평가 데이터(예를 들면, 평가 데이터(C))로서 취득한다.
취득부(11)는, 예를 들면, 도 4(d)에 도시하는 바와 같이, 생체 정보로서 호흡수를 산출하는 경우에 적합한 평가 데이터(D)를 취득해도 된다.
이 경우, 취득부(11)는 상기한 필터 처리를 센서 데이터에 대하여 실시하고, 맥파 데이터를 추출한다. 그 후, 취득부(11)는 맥파 데이터에 대하여 푸리에 변환 처리를 실시한다. 푸리에 변환 처리에서는, 예를 들면, 샘플링 시간 대 진폭을 나타내는 맥파 데이터가 주파수 대 강도를 나타내는 주파수 데이터로 변환된다. 이것에 의해, 취득부(11)는 맥파 데이터에 대한 주파수 데이터를 취득한다.
그 후, 취득부(11)는, 주파수 데이터에 대하여, 최대 주파수 검출 처리를 실시한다. 최대 주파수 검출 처리에서는, 주파수 데이터 중, 0.15∼0.35Hz 사이에 있어서의 최대 강도의 주파수가 특정된다. 이것에 의해, 취득부(11)는 특정된 주파수의 값을 평가 데이터(D)로서 취득한다.
<생성부(12)>
생성부(12)는, 데이터베이스를 참조하여, 평가 데이터에 대한 평가 결과를 생성한다. 생성부(12)는, 예를 들면, 데이터베이스에 기억된 분류 정보를 참조하여, 평가 데이터에 대한 생체 정보를 산출하고, 평가 결과로서 생성한다. 생성부(12)는 각각 다른 복수의 평가 데이터마다에 대한 평가 결과를 복수 생성한다.
생성부(12)는, 예를 들면, 복수의 평가 데이터에 대하여, 동일한 분류 정보를 참조하여 복수의 평가 데이터를 생성해도 된다. 이 경우, 예를 들면, 각각 다른 종류의 전처리를 사용하여 복수의 평가 데이터를 취득함으로써, 동일한 분류 정보를 사용해도, 각각 다른 종류의 생체 정보를 산출할 수 있다. 이 때문에, 평가 데이터마다 분류 정보를 생성할 필요가 없어, 데이터베이스의 데이터 용량을 억제할 수 있다.
생성부(12)는, 예를 들면, 복수의 평가 데이터에 대하여, 각각 다른 분류 정보를 참조하여 복수의 생체 정보를 산출해도 된다. 이 경우, 평가 데이터마다의 종류에 따라 최적의 분류 정보를 참조하여, 각 평가 결과를 생성할 수 있다.
생성부(12)는, 예를 들면, 보존부(104) 등에 미리 기억된 표시용의 포맷을 사용하여, 생체 정보에 대해 유저가 이해할 수 있는 형식으로 변환한 평가 결과를 생성해도 된다.
<출력부(13)>
출력부(13)는 복수의 평가 결과를 출력한다. 출력부(13)는 표시부(109)에 복수의 평가 결과를 출력하는 이외에, 예를 들면, 센서(5) 등에 복수의 평가 결과를 출력해도 된다.
<기억부(14)>
기억부(14)는 보존부(104)에 보존된 데이터베이스 등의 각종 데이터를 필요에 따라 꺼낸다. 기억부(14)는, 각 구성 11∼13, 15에 의해 취득 또는 생성된 각종 데이터를, 필요에 따라 보존부(104)에 보존한다.
기억부(14)는, 예를 들면, 복수의 평가 결과에 연계되는 센서 데이터를 보존부(104)에 보존해도 된다. 예를 들면, 기억부(14)는 센서 데이터를 사용하여 생성된 복수의 평가 데이터도 보존부(104)에 보존해도 된다.
<학습부(15)>
학습부(15)는, 예를 들면, 복수의 학습 데이터를 사용하여, 분류 정보를 생성한다. 학습부(15)는, 예를 들면, 새로운 학습 데이터를 취득하고, 기존의 분류 정보를 갱신해도 된다.
<통신망(3)>
통신망(3)은 생체 정보 연산 장치(1)와, 서버(4)와, 센서(5)를 통신회선을 통하여 접속되는 공지의 인터넷망 등이다. 통신망(3)은, 생체 정보 연산 시스템(100)을 일정한 좁은 에리어 내에서 운용하는 경우에는, LAN(Local Area Network) 등으로 구성되어도 된다. 또, 통신망(3)은 소위 광파이버 통신망으로 구성되어도 된다. 또, 통신망(3)은 유선 통신망에 한정되는 것은 아니고, 무선 통신망으로 실현되어도 되고, 용도에 따라 임의로 설정할 수 있다.
<서버(4)>
서버(4)는 통신망(3)을 통하여 보내져 온 평가 결과 등의 각종 정보를 보존하고, 축적한다. 서버(4)는, 생체 정보 연산 장치(1)로부터의 요구에 기초하여, 통신망(3)을 통하여 축적된 정보를 생체 정보 연산 장치(1)에 송신한다.
서버(4)는, 예를 들면, 복수의 생체 정보 연산 장치(1)와 접속되어, 각 생체 정보 연산 장치(1)로부터 평가 결과 등의 각종 정보를 취득하고, 일괄하여 보존해도 된다. 또한, 서버(4)는, 상기한 생체 정보 연산 장치(1)가 갖추는 각 기능 중, 적어도 일부의 기능을 갖추어도 된다. 또, 서버(4)는 상기한 생체 정보 연산 장치(1)에 기억된 데이터베이스 등이 기억되어도 된다.
<센서(5)>
센서(5)는 센서 데이터를 생성한다. 센서(5)는, 예를 들면, 도 6(a)에 도시하는 바와 같이, 검출부(6)를 갖춘다. 센서(5)는 검출부(6)를 통하여 유저의 맥파를 검출 가능한 위치에 장착되고, 예를 들면, 손목밴드(55)에 고정된다.
검출부(6)는 유저의 맥파를 검출 가능한 공지의 검출 장치가 사용된다. 검출부(6)로서, 예를 들면, 파이버 브래그 그레이팅(FBG) 센서 등의 스트레인 센서, 자이로 센서, 맥파 신호 측정을 위한 1개 이상의 전극, 광전용적맥파(PPG) 센서, 압력 센서, 및 광검출 모듈의 적어도 어느 하나가 사용된다. 검출부(6)는, 예를 들면, 복수 배치되어도 된다.
또한, 센서(5)는 의복에 넣어져도 된다. 또, 센서(5)를 장착하는 유저는 인간 이외에, 개나 고양이 등의 애완동물을 대상으로 해도 되고, 예를 들면, 소나 돼지 등의 가축, 물고기 등의 양식을 대상으로 해도 된다.
센서(5)는, 예를 들면, 도 6(b)에 도시하는 바와 같이, 취득부(50)와, 통신 I/F(51)와, 메모리(52)와, 명령부(53)를 갖추고, 각 구성이 각각 내부 버스(54)로 접속된다.
취득부(50)는 검출부(6)를 통하여 유저의 맥파를 측정하고, 센서 데이터를 생성한다. 취득부(50)는, 예를 들면, 생성한 센서 데이터를, 통신 I/F(51), 또는 메모리(52)에 송신한다.
통신 I/F(51)는, 통신망(3)을 통하여, 센서 데이터 등의 각종 데이터를 생체 정보 연산 장치(1)나 서버(4)에 송신한다. 또, 통신 I/F(51)는 통신망(3)과 접속하기 위한 회선 제어 회로나, 생체 정보 연산 장치(1)나 서버(4)와의 사이에서 데이터통신을 행하기 위한 신호 변환 회로 등이 실장되어 있다. 통신 I/F(51)는 내부 버스(54)로부터의 각종 명령으로 변환 처리를 시행하여, 이것을 통신망(3)측으로 송출함과 아울러, 통신망(3)으로부터의 데이터를 수신한 경우에는, 이것에 소정의 변환 처리를 시행하여 내부 버스(54)에 송신한다.
메모리(52)는 취득부(50)로부터 송신된 센서 데이터 등의 각종 데이터를 보존한다. 메모리(52)는, 예를 들면, 통신망(3)을 통하여 접속되는 다른 단말 장치로부터 명령을 받음으로써, 보존한 센서 데이터 등의 각종 데이터를, 통신 I/F(51)에 송신한다.
명령부(53)는 센서 데이터를 취득하기 위한 조작 버튼이나 키보드 등을 포함하고, 예를 들면, CPU 등의 프로세서를 포함한다. 명령부(53)는, 센서 데이터의 취득의 명령을 접수한 경우에, 이것을 취득부(50)에 통지한다. 이 통지를 받은 취득부(50)는 센서 데이터를 취득한다. 또한, 명령부(53)는, 예를 들면, 도 4(a)∼도 4(d)에 도시하는 바와 같이, 센서 데이터로부터 복수의 평가 데이터를 취득하기 위한 처리를 실시해도 된다.
여기에서, 센서 데이터를 취득하는 일례로서 FBG 센서를 사용하는 경우를 설명한다.
FBG 센서는 1개의 광파이버 내에 소정 간격을 두고 회절격자 구조를 형성한 것이다. FBG 센서는, 예를 들면, 센서 부분의 길이가 10mm, 파장 분해능이 ±0.1pm, 파장범위가 1550±0.5nm, 파이버의 직경이 145㎛, 코어 직경 10.5㎛인 특징을 가진다. FBG 센서를 상기한 검출부(6)로 하여, 유저의 피부에 접촉시킨 상태에서 측정을 할 수 있다.
예를 들면, 광파이버에 사용하는 광원으로서, 파장범위 1525∼1570nm의 ASE(Amplified Spontaneous Emission) 광원이 사용된다. 광원으로부터의 출사광은 서큘레이터를 통하여 FBG 센서에 입사시킨다. FBG 센서로부터의 반사광은 서큘레이터를 통하여 마흐젠더 간섭계에 인도되고, 마흐젠더 간섭계로부터의 출력광을 광검출기에 의해 검지한다. 마흐젠더 간섭계는 빔 스플리터에 의해 광로차가 있는 2개의 광로로 분리하고, 다시 빔 스플리터에 의해 하나로 중첩하여 간섭광을 만들어 내기 위한 것이다. 광로차를 만들기 위해, 예를 들면, 일방의 광파이버의 길이를 길게 해도 된다. 코히어런트 광은 광로차에 따라 간섭무늬가 생기기 때문에, 간섭무늬의 패턴을 측정함으로써, FBG 센서에 생긴 스트레인 변화, 즉 맥파를 검지할 수 있다. 취득부(50)는 검지된 맥파에 기초하여, 센서 데이터를 생성한다. 이것에 의해, 센서 데이터가 취득된다.
또한, FBG 센서의 스트레인량을 검출하고, 맥파의 파형을 검출하는 광섬유 센서 시스템은 FBG 센서에 입사시키는 광원 이외에, 넓은 대역의 ASE 광원, 서큘레이터, 마흐젠더 간섭계, 빔 스플리터와 같은 광학계나, 광검출기가 갖추는 수광 센서나, 파장 시프트량을 해석하는 해석 방법을 포함한다. 광섬유 센서 시스템은 사용하는 FBG 센서의 특성에 따라 광원이나 대역광을 선택하여 사용할 수 있고, 검파 방법 등의 해석 방법에 대해도 다양한 방법을 채용할 수 있다.
<데이터 구조>
예를 들면, 상기한 생체 정보 연산 시스템(100)에 의해 생성된 복수의 평가 결과(예를 들면, 제1 평가 결과, 및 제2 평가 결과)를 포함하는 데이터 구조가 서버(4) 또는 보존부(104)에 기억된다. 데이터 구조는 상기한 생체 정보 연산 장치(1)(표시부(109), CPU(101)(제어부), 및 보존부(104)를 갖추는 컴퓨터)에 사용된다. 복수의 평가 결과를 포함하는 데이터 구조는, 예를 들면, CPU(101)에 의해 제어되는 생성부(12)가 각 평가 결과에 기초하는 종합평가 결과를 생성할 때 사용된다. 또한, 종합평가 결과에 대해서는 후술한다.
(제1 실시형태: 생체 정보 연산 시스템(100)의 동작)
다음에 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 일례에 대해 설명한다. 도 7은 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 1 예를 나타내는 흐름도이다.
생체 정보 연산 시스템(100)은, 예를 들면, 생체 정보 연산 장치(1) 내에 인스톨된 생체 정보 연산 프로그램을 통하여 실행한다. 즉 유저는 생체 정보 연산 장치(1), 또는 센서(5)를 조작하여, 생체 정보 연산 장치(1)에 인스톨되어 있는 생체 정보 연산 프로그램을 통하여, 센서 데이터로부터 유저의 생체 정보를 포함하는 평가 결과를 복수 취득할 수 있다.
생체 정보 연산 시스템(100)의 동작은 취득 스텝(S110)과, 생성 스텝(S120)과, 보존 스텝(S140)을 갖추고, 예를 들면, 출력 스텝(S130)을 갖추어도 된다.
<취득 스텝(S110)>
취득 스텝(S110)은 유저의 맥파에 기초하여 복수의 평가 데이터를 취득한다. 예를 들면, 센서(5)의 취득부(50)는 검출부(6)를 통하여 유저의 맥파를 측정하고, 센서 데이터를 생성한다. 취득부(50)는 통신 I/F(51) 및 통신망(3)을 통하여 센서 데이터를 생체 정보 연산 장치(1)에 송신한다. 생체 정보 연산 장치(1)의 취득부(11)는 센서(5)로부터 센서 데이터를 수신한다.
취득부(11)는, 예를 들면, 도 4(a) 및 4(b)에 도시한 처리를 센서 데이터에 대하여 실시하고, 제1 평가 데이터 및 제2 평가 데이터를 취득한다. 취득부(11)는, 예를 들면, 기억부(14)를 통하여, 취득한 각 평가 데이터를 보존부(104)에 보존한다. 또한, 취득부(11)가 센서(5)로부터 센서 데이터를 취득하는 빈도 등의 조건은 용도에 따라 임의로 설정할 수 있다. 예를 들면, 취득부(11)는 미리 설정된 주기로 각 평가 데이터를 취득한다.
<생성 스텝(S120)>
다음에 생성 스텝(S120)은, 데이터베이스를 참조하여, 각 평가 데이터에 대한 생체 정보를 포함하는 평가 결과를 복수 생성한다. 예를 들면, 생성부(12)는, 분류 정보를 참조하여, 제1 평가 데이터에 대한 혈중 이산화탄소 분압의 값을 제1 생체 정보로서 산출하고, 제2 평가 데이터에 대한 혈당값을 제2 생체 정보로서 산출한다. 생성부(12)는 제1 생체 정보를 포함하는 제1 평가 결과, 및 제2 생체 정보를 포함하는 제2 평가 결과를 생성한다.
생성부(12)는, 예를 들면, 제1 분류 정보를 참조하여 제1 평가 데이터에 대한 제1 평가 결과를 생성하고, 제2 분류 정보를 참조하여 제2 평가 데이터에 대한 제2 평가 결과를 생성한다. 이때, 제1 분류 정보 및 제2 분류 정보는 분류 정보에 포함되고, 각각 다른 종류의 학습 데이터를 사용하여 생성된다.
생성부(12)는, 예를 들면, 기억부(14)를 통하여, 생성한 각 평가 결과를 보존부(104)에 보존한다. 또한, 각 평가 결과로서 특정 값을 나타내는 이외에, 예를 들면, 오차범위(예를 들면, 「○○±2mmHg」 등)가 산출되어도 된다.
예를 들면, 생체 정보로서 맥박수를 산출하는 경우, 평가 데이터로서, 예를 들면, 도 4(c)에 나타낸 평가 데이터(C)가 사용되고, 생성부(12)는 분류 정보에 포함되는 맥박수용 분류 정보를 참조한다. 맥박수용 분류 정보는, 예를 들면, 60[초]를 피크 간격으로 나누는 함수를 나타낸다. 이 때문에, 생성부(12)는, 예를 들면, 평가 데이터(C)(피크 간격=0.85[초])에 대한 맥박수(=71[bpm])를 산출할 수 있다. 이것에 의해, 생성부(12)는 맥박수를 나타내는 생체 정보를 포함하는 평가 결과를 생성할 수 있다.
예를 들면, 생체 정보로서 호흡수를 산출하는 경우, 평가 데이터로서, 예를 들면, 도 4(d)에 도시한 평가 데이터(D)가 사용되고, 생성부(12)는 분류 정보에 포함되는 호흡수용 분류 정보를 참조한다. 호흡수용 분류 정보는, 예를 들면, 특정된 주파수에 60[초]을 곱하는 함수를 나타낸다. 이 때문에, 생성부(12)는, 예를 들면, 평가 데이터(D)(특정된 주파수=0.225Hz)에 대한 호흡수(=13.5[bpm])를 산출할 수 있다. 이것에 의해, 생성부(12)는 호흡수를 나타내는 생체 정보를 포함하는 평가 결과를 생성할 수 있다.
<출력 스텝(S130)>
다음에, 예를 들면, 출력 스텝(S130)은 복수의 평가 결과를 출력해도 된다. 예를 들면, 출력부(13)는 표시부(109)에 제1 평가 결과 및 제2 평가 결과를 출력한다.
<보존 스텝(S140)>
다음에 보존 스텝(S140)은 제1 평가 결과 및 제2 평가 결과를 보존한다. 예를 들면, 기억부(14)는 제1 평가 결과 및 제2 평가 결과를 보존부(104)에 보존한다. 예를 들면, 출력부(13)는 제1 평가 결과 및 제2 평가 결과를 통신망(3)을 통하여 서버(4)에 출력하고, 보존해도 된다. 예를 들면, 보존 스텝(S140)은 출력 스텝(S130) 전에 실시해도 된다.
또한, 보존 스텝(S140)은, 예를 들면, 복수의 평가 결과에 연계되는 센서 데이터를 보존해도 된다. 이 경우, 센서 데이터는 복수의 평가 데이터의 생성에 사용되고, 유저의 맥파의 특징을 나타낸다.
이것에 의해, 생체 정보 연산 시스템(100)의 동작이 종료된다. 또한, 각 스텝을 실시하는 빈도나 순서는 용도에 따라 임의로 설정할 수 있다.
생체 정보 연산 시스템(100)에서는, 예를 들면, 상기한 각 스텝 S110, S120을 생체 정보 연산 장치(1)에서 실시하는 이외에, 적어도 일부를 서버(4)에서 실시해도 된다. 이 경우, 상기한 각 스텝 S110, S120에는, 통신망(3)을 통하여 서버(4)가 각종 정보를 송수신하기 위한 처리가 포함된다. 또한, 생체 정보 연산 장치(1)와 서버(4) 사이에서의 통신은 공지의 기술을 사용하여 실현할 수 있다.
예를 들면, 취득 스텝(S110)에서는, 복수의 평가 데이터를, 서버(4)가 취득해도 된다. 이 경우, 서버(4)에 포함되는 취득부는 통신망(3)을 통하여 생체 정보 연산 장치(1)로부터 송신된 복수의 평가 데이터를 취득한다.
서버(4)에 포함되는 취득부는, 예를 들면, 생체 정보 연산 장치(1) 또는 센서(5)로부터 송신된 센서 데이터를 취득하고, 상기한 전처리를 실시함으로써, 복수의 평가 데이터를 취득해도 된다. 이 경우, 생체 정보 연산 장치(1)에 있어서, 상기한 전처리를 실시하는 부하를 저감시키는 것이 가능하게 된다.
예를 들면, 생성 스텝(S120)에서는, 각 평가 데이터에 대한 평가 결과를, 서버(4)가 복수 생성해도 된다. 이 경우, 서버(4)에 포함되는 생성부는, 서버(4)에 보존된 데이터베이스를 참조하여, 복수의 평가 결과를 생성한다. 이 경우, 생체 정보 연산 장치(1)에 있어서, 상기한 복수의 평가 결과를 생성하는 처리를 실시하는 부하를 저감시키는 것이 가능하게 된다.
또한, 생성 스텝(S120)을 서버(4)에서 실시한 경우, 출력 스텝(S130)에서는, 예를 들면, 서버(4)에 포함되는 출력부가 통신망(3)을 통하여 생체 정보 연산 장치(1) 등에 복수의 평가 결과를 송신한다. 이 경우, 생체 정보 연산 장치(1)의 출력부(13)는 수신한 복수의 평가 결과를 표시부(109)에 출력한다.
상기한 바와 같이, 생체 정보 연산 시스템(100)에 있어서의 각 스텝 S110∼S140은 생체 정보 연산 장치(1) 또는 서버(4) 모두 실시할 수 있다. 특히, 취득 스텝(S110) 및 생성 스텝(S120)을 서버(4)에서 실시함으로써, 생체 정보 연산 장치(1)에 대한 부하의 저감 등을 도모하는 것이 가능하게 된다. 또한, 후술하는 각 실시형태에서도 마찬가지이기 때문에 설명을 생략한다.
여기에서, 유저의 생체 정보를 평가할 때, 한번에 복수의 생체 정보에 관한 평가가 요망되고 있다. 이 점에서, 종래기술에서는, 생체 정보 중 혈중 이산화탄소 포화도나, 헤모글로빈 등을 측정할 때, 2개의 용적맥파를 사용하는 것을 전제로 하고 있다. 이 때문에, 각 용적맥파의 계측 조건에 기인하는 데이터의 편차가 추정 정밀도에 크게 영향을 주는 경우가 있다. 또, 종래기술을 사용하여 복수의 생체 정보를 추정하는 경우에는, 생체 정보의 수나 종류에 따른 복수의 용적맥파를 취득할 필요가 있다. 이 때문에, 복수의 생체 정보를 추정하기 위해 필요한 용적맥파의 수에 비례하여, 용적맥파마다의 편차에 기인한 추정 정밀도의 저하를 염려로서 들 수 있다.
이것에 대해, 본 실시형태에 의하면, 취득부(11)는, 유저의 맥파에 기초하여, 제1 평가 데이터 및 제2 평가 데이터를 취득한다. 또, 생성부(12)는 제1 평가 데이터에 대한 제1 생체 정보를 포함하는 제1 평가 결과, 및 제2 평가 데이터에 대한 제1 생체 정보와는 다른 종류의 제2 생체 정보를 포함하는 제2 평가 결과를 각각 생성한다. 즉 제1 생체 정보 및 제2 생체 정보는 1개의 유저의 맥파에 기초하여 산출된다. 이 때문에, 각 생체 정보를 산출할 때, 맥파의 계측 조건에 기인하는 편차를 배제할 수 있다. 이것에 의해, 생체 정보를 평가할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 생성부(12)는, 데이터베이스를 참조하여, 제1 평가 결과 및 제2 평가 결과를 생성한다. 또, 데이터베이스에는, 복수의 학습 데이터를 사용하여 산출된 분류 정보가 기억된다. 이 때문에, 각 평가 결과를 생성할 때, 과거에 실적이 있는 맥파의 특징과 생체 정보와의 관계를 근거로 하여, 정량적인 각 평가 결과를 생성할 수 있다. 이것에 의해, 유저 등의 주관에 따르는 평가의 편차를 억제하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 취득부(11)는, 유저의 맥파에 기초하는 속도 맥파 및 가속도 맥파 중 어느 하나에 상당하는 1개의 맥파 데이터에 대하여, 각각 다른 종류의 처리를 실시함으로써, 제1 평가 데이터 및 제2 평가 데이터를 취득한다. 이 때문에, 광전식 용적맥파를 사용한 경우에 비교하여, 노이즈 데이터의 영향을 억제한 학습 데이터 및 각 평가 데이터를 사용한 평가를 실시할 수 있다. 이것에 의해, 고정밀도 평가를 실현하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 분류 정보는 다른 종류의 학습 데이터를 사용하여 생성된 제1 분류 정보, 및 제2 분류 정보를 포함한다. 이 때문에, 평가 데이터마다의 종류에 따라 최적의 분류 정보를 참조하여, 각 평가 결과를 생성할 수 있다. 이것에 의해, 생체 정보를 평가할 때의 더한층의 정밀도 향상을 도모하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 분류 정보는 입력 데이터를 설명변수로 하고, 참조 데이터를 목적변수로 한 PLS 회귀분석을 사용하여 얻어진 검량 모델이다. 이 때문에, 기계학습 등을 사용하여 분류 정보를 산출하는 경우에 비교하여, 학습 데이터의 수를 대폭 절감할 수 있음과 아울러, 검량 모델의 갱신을 용이하게 실시할 수 있다. 이것에 의해, 생체 정보 연산 시스템(100)의 구축 및 갱신의 용이화를 도모하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 제1 생체 정보는 혈당값을 나타내고, 제2 생체 정보는 혈압, 맥박수, 호흡수, 혈중 이산화탄소 농도의 특징, 락트산값, 및 산소포화도 중 적어도 어느 하나를 나타낸다. 이 때문에, 종래의 계측 방법에 비해 침습식의 계측 방법을 필요로 하지 않기 때문에, 각 정보를 용이하게 취득할 수 있다. 이것에 의해, 유저에 대한 부하를 대폭 감소시키는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 기억부(14) 또는 서버(4)는 제1 평가 결과, 및 제2 평가 결과에 연계되는 센서 데이터를 보존하는 것을 포함한다. 이 때문에, 분류 정보의 갱신이나 새롭게 생성할 때, 학습 데이터를 용이하게 준비할 수 있다. 이것에 의해, 생체 정보 연산 시스템(100)의 메인터넌스를 용이하게 실현하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 서버(4)는 서버(4)가 포함하는 생성부에 의해 제1 평가 결과, 및 제2 평가 결과를 생성한다. 또, 생체 정보 연산 장치(1)는 제1 평가 결과, 및 제2 평가 결과를 서버(4)로부터 수신하고, 표시한다. 이 때문에, 생체 정보 연산 장치(1)에 대하여, 각 평가 결과를 생성할 때의 부하를 저감시킬 수 있다. 이것에 의해, 생체 정보 연산 장치(1)의 편리성을 향상시키는 것이 가능하게 된다. 또, 생체 정보 연산 장치(1)에 데이터베이스를 보존할 필요가 없다. 이것에 의해, 생체 정보 연산 장치(1)의 데이터 보존 용량을 대폭 저감시키는 것이 가능하게 된다. 또, 데이터베이스가 서버(4)에 보존됨으로써, 복수의 생체 정보 연산 장치(1)에 대하여, 1개의 분류 정보를 참조하여 생성된 평가 결과를 출력할 수 있다. 이것에 의해, 데이터베이스의 갱신 등의 메인터넌스에 따라, 생체 정보 연산 장치(1)마다 데이터베이스를 갱신하는 방대한 시간과 비용을 삭감하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 서버(4)는 생체 정보를 평가할 때의 정밀도 향상을 도모한 제1 평가 결과, 및 제2 평가 결과를 보존하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 데이터 구조는 생체 정보를 평가할 때의 정밀도 향상을 도모한 제1 평가 결과, 및 제2 평가 결과를 포함하고, 종합평가 결과를 생성할 때 사용하는 것이 가능하게 된다.
(제2 실시형태: 생체 정보 연산 시스템(100))
다음에 제2 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제2 실시형태와의 차이는 부가 정보를 사용하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)은, 예를 들면, 종합평가 스텝(S150)을 갖춘다. 생체 정보 연산 시스템(100)에서는, 예를 들면, 상기한 생성 스텝(S120) 후에, 종합평가 스텝(S150)이 실시되고, 종합평가 스텝(S150) 후에 보존 스텝(S140)이 실시된다.
종합평가 스텝(S150)은, 예를 들면, 도 8에 도시하는 바와 같이, 부가 정보를 취득하고, 복수의 평가 결과(예를 들면, 제1 평가 결과, 및 제2 평가 결과) 및 부가 정보에 기초하여, 종합평가 결과를 생성한다. 종합평가 스텝(S150)은, 예를 들면, 생성부(12)에 포함되는 종합평가부에 의해 실행할 수 있다.
부가 정보는 유저의 특징을 나타내고, 예를 들면, 상기한 생체 정보와는 다른 정보를 도시한다. 이 경우, 부가 정보로서, 예를 들면, 유저의 성별, 연령 등의 속성 정보가 사용되는 이외에, 진단 결과나 운동량 등과 같은 유저의 건강 상태 등을 특정하는 정보가 사용되어도 된다. 부가 정보는, 예를 들면, 유저의 병력, 생활 습관, 투약 정보, 동맥 경화의 정도, 유전 정보 등의 정보를 포함하는 이외에, 예를 들면, 주변환경의 온도, 습도나, 센서(5)에 부착된 가속도 센서가 측정한 가속도 등과 같은, 인체에 관련될 가능성이 있는 정보를 포함해도 된다. 부가 정보는, 예를 들면, 입력부(108) 등을 통하여 유저가 입력하고, 종합 취득부 등에 의해 취득된다.
종합평가 결과는 유저의 특징을 종합적으로 평가한 결과를 나타낸다. 종합평가 결과는, 각 평가 결과에 포함되는 생체 정보에 대하여, 부가 정보에 기초하는 보정 처리 등을 실시한 결과를 나타낸다. 예를 들면, 부가 정보로서 유저의 연령이 사용된 경우, 미리 설정된 연대(年代)마다의 기준값과, 각 평가 결과와의 비교 결과가 종합평가 결과로서 생성된다.
상기 이외에, 종합평가 결과로서, 예를 들면, 「혈당값이 높음」, 「혈압이 높음」, 「운동능력이 높음」, 「운동량을 억제하는 편이 좋음」 등의 유저 마다의 특징을 표시하는 문자열이 사용되는 이외에, 예를 들면, 임의의 기준값과의 차분이나 편차값 등의 수치가 사용되어도 된다.
또, 종합평가 결과는, 예를 들면, 보험료를 포함하는 추정 보험 정보를 나타낸다. 추정 보험 정보는, 예를 들면, 각 평가 결과를 근거로 하여 추정되는 보험료를 나타내는 값을 포함하는 이외에, 예를 들면, 보험의 종류 등을 나타내는 문자열을 포함해도 된다. 추정되는 보험료는, 예를 들면, 보험수리에 기초하여 산출된다.
종합평가부는, 예를 들면, 미리 보존부(104) 등에 보존된, 유저가 인식 가능한 데이터 형식을 참조하여, 종합평가 결과를 생성한다. 종합평가부는, 예를 들면, 후처리용 데이터베이스를 참조하여, 복수의 평가 결과 및 부가 정보에 대하여 적합한 종합평가 결과를 생성해도 된다. 후처리용 데이터베이스는, 예를 들면, 보존부(104)에 보존된다.
후처리용 데이터베이스에는, 예를 들면, 상기한 데이터베이스와 마찬가지로, 복수의 평가 결과 및 부가 정보에 대한 종합평가 결과를 생성하기 위한 후처리용 분류 정보가 기억되어도 된다. 후처리용 데이터베이스에는, 1개 이상의 후처리용 분류 정보가 기억되는 이외에, 예를 들면, 후처리용 분류 정보의 생성에 사용된 복수의 후처리용 학습 데이터가 기억되어도 된다.
후처리용 분류 정보는, 예를 들면, 미리 취득된 과거의 복수의 평가 결과 및 과거의 부가 정보(후처리용 입력 데이터)와, 후처리용 입력 데이터에 연계되는 후처리용 참조 데이터와의 상관관계를 나타내는 함수이다. 후처리용 참조 데이터는 유저의 특징을 종합적으로 평가한 결과를 나타낸다. 후처리용 분류 정보는 후처리용 입력 데이터와 후처리용 참조 데이터를 한 쌍의 후처리용 학습 데이터로 하여, 복수의 후처리용 학습 데이터를 사용하여 생성된다.
후처리용 분류 정보는, 예를 들면, 후처리용 입력 데이터를 설명변수로 하고, 후처리용 참조 데이터를 목적변수로 하여, 상기한 회귀분석 등에 의해 해석하고, 그 해석 결과에 기초하여 생성되는 검량 모델을 나타낸다. 후처리용 분류 정보는, 예를 들면, 검량 모델(후처리용 검량 모델)을 정기적으로 갱신할 수 있는 이외에, 예를 들면, 부가 정보별로 생성해도 된다. 또한, 후처리용 분류 정보는 상기한 분류 정보와 마찬가지로, 예를 들면, 복수의 후처리용 학습 데이터를 사용한 기계학습에 의해 생성된, 학습된 모델(후처리용 학습된 모델)을 포함해도 된다.
보존 스텝(S140)은 종합평가 결과를 보존한다. 보존 스텝(S140)에서는, 상기한 실시형태와 동일한 처리를 실행함으로써, 보존부(104) 및 서버(4)의 적어도 어느 하나에 종합평가 결과를 보존한다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 종합평가부는, 제1 평가 결과, 제2 평가 결과, 및 부가 정보에 기초하여, 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성한다. 이 때문에, 각 평가 결과에 대하여, 유저의 특징을 고려한 평가를 실현할 수 있다. 이것에 의해, 유저마다 적합한 평가 결과를 생성하는 것이 가능하게 된다.
(제2 실시형태: 생체 정보 연산 시스템(100)의 변형예)
다음에 제2 실시형태에 있어서의 생체 정보 연산 시스템(100)의 변형예에 대해 설명한다. 상기한 제2 실시형태와 변형예와의 차이는 생성 스텝(S120)에서 상기한 부가 정보를 취득하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 변형예에서는, 예를 들면, 도 9에 도시하는 바와 같이, 생성 스텝(S120)은 부가 정보를 취득하고, 제1 평가 데이터, 및 부가 정보에 기초하여, 제1 평가 결과를 생성하는 것을 포함한다. 부가 정보는 상기한 내용과 동일하며, 예를 들면, 입력부(108) 등을 통하여 유저가 입력하고, 생성부(12) 등이 취득한다.
생성부(12)는, 예를 들면, 부가 정보의 내용에 따라, 제1 평가 데이터에 대한 연산 방법을 결정해도 된다. 이 경우, 부가 정보의 종류마다 다른 함수 등이 분류 정보에 포함된다. 또한, 생성부(12)는, 예를 들면, 제1 평가 데이터와 부가 정보를 조합한 정보에 기초하여, 제1 평가 결과를 생성해도 된다.
본 변형예에 의하면, 생성부(12)는 부가 정보를 취득하고, 제1 평가 데이터, 및 부가 정보에 기초하여, 제1 평가 결과를 생성하는 것을 포함한다. 이 때문에, 제1 평가 데이터에 더하여, 유저의 특징을 고려한 다각적인 제1 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 생체 정보에 대한 평가를 더욱 고정밀도로 생성하는 것이 가능하게 된다.
(제3 실시형태: 생체 정보 연산 시스템(100))
다음에 제3 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제3 실시형태와의 차이는, 제2 평가 결과를 생성할 때, 제2 평가 데이터와 더불어 제1 평가 결과를 사용하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 예를 들면, 도 10에 도시하는 바와 같이, 생성 스텝(S120)은 데이터베이스를 참조하고, 제1 평가 결과 및 제2 평가 데이터에 기초하여, 제2 평가 결과를 생성하는 것을 포함한다. 예를 들면, 생성부(12)는 제1 평가 결과를 생성한 후, 제2 평가 결과를 생성한다.
생성부(12)는, 예를 들면, 제1 평가 결과의 내용에 따라, 제2 평가 데이터에 대한 연산 방법을 결정해도 된다. 이 경우, 제1 평가 결과의 내용의 특징마다 다른 함수 등이 분류 정보에 포함된다. 또한, 생성부(12)는, 예를 들면, 제1 평가 결과와 제2 평가 데이터를 조합한 정보에 기초하여, 제2 평가 결과를 생성해도 된다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 생성부(12)는, 제1 평가 결과 및 제2 평가 데이터에 기초하여, 제2 평가 결과를 생성한다. 이 때문에, 제1 평가 결과를 근거로 한 제2 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 생체 정보에 대한 평가를 더욱 고정밀도로 생성하는 것이 가능하게 된다.
(제4 실시형태: 생체 정보 연산 시스템(100))
다음에 제4 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제4 실시형태와의 차이는, 분류 정보에 포함되는 복수의 속성별 분류 정보로부터, 평가 데이터에 적합한 속성별 분류 정보를 선택하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 장치(1)에서는, 예를 들면, 도 11에 도시하는 바와 같이, 생성 스텝(S120)이 선택 스텝(S121)과 속성별 생성 스텝(S122)을 포함한다. 또한, 도 11에서는, 제2 평가 데이터 및 제2 평가 결과의 내용에 대해서는 기재를 생략한다.
선택 스텝(S121)은, 예비 평가 데이터를 참조하여, 복수의 속성별 분류 정보 중 특정 속성별 분류 정보(예를 들면, 제1 분류 정보)를 선택한다. 선택 스텝(S121)은, 예를 들면, 생성부(12)에 포함되는 선택부에 의해 실행할 수 있다. 예비 평가 데이터는 제1 평가 데이터와는 다른 특징을 나타내며, 예를 들면, 제2 평가 데이터와 동일한 특징을 나타낸다. 또한, 예를 들면, 제2 평가 데이터를 예비 평가 데이터로서 사용해도 된다.
속성별 생성 스텝(S122)은, 선택한 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 생체 정보(예를 들면, 혈중 이산화탄소 분압의 값)를 산출하고, 제1 평가 결과를 생성한다. 속성별 생성 스텝(S122)은, 예를 들면, 생성부(12)에 포함되는 속성별 생성부에 의해 실행할 수 있다.
복수의 속성별 분류 정보는 각각 다른 학습 데이터를 사용하여 산출된다. 예를 들면, 학습 데이터의 입력 데이터로서 피검자의 가속도 맥파에 상당하는 데이터가 사용되는 경우, 예를 들면, 도 12와 같은 7종류(A∼G)마다 입력 데이터를 준비하고, 7종류의 속성 분류 정보를 생성한다.
이러한 복수의 속성별 분류 정보가 데이터베이스에 기억되는 경우, 예를 들면, 취득부(11)는 유저의 가속도 맥파에 상당하는 평가 데이터, 및 예비 평가 데이터를 취득한다. 그리고, 생성부(12)는, 예비 평가 데이터를 참조하여, 제1 분류 정보를 선택한다. 그 후, 생성부(12)는, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 이 때문에, 각 속성 분류 정보 중, 유저에게 최적의 분류 정보를 선택할 수 있다.
또한, 예를 들면, 학습 데이터의 입력 데이터로서, 피검자의 속도 맥파에 상당하는 데이터가 사용되는 경우, 예를 들면, 도 13과 같은 2종류(그룹 1, 그룹 2)마다 입력 데이터를 준비하고, 2종류의 속성 분류 정보를 생성해도 된다.
여기에서, 도 12에 도시하는 가속도 맥파에 상당하는 데이터는 특징에 기초하는 상세한 분류가 용이한 반면, 생체 정보를 산출할 때, 피크의 오검출 등에 따른 정밀도 저하를 염려로서 들 수 있다. 또, 도 13에 나타내는 속도 맥파에 상당하는 데이터는, 가속도 맥파에 상당하는 데이터에 비교하여, 특징에 기초하는 상세한 분류가 곤란하지만, 피크의 오검출 등이 적기 때문에, 생체 정보를 고정밀도로 산출할 수 있다.
상기를 근거로 하여, 복수의 속성 분류 정보는 특정 분류 정보를 선택하기 위해 사용되는 선택용 데이터로서, 예를 들면, 도 12와 같은 가속도 맥파에 상당하는 데이터를 포함하고, 속성 분류 정보를 생성할 때의 학습 데이터에는 속도 맥파에 상당하는 데이터가 사용되어도 된다.
이 경우, 취득 스텝(S110)으로서, 예를 들면, 취득부(11)는 유저의 맥파에 기초하는 센서 데이터로부터 속도 맥파에 상당하는 데이터를 제1 평가 데이터로서 취득한다. 또, 취득부(11)는 센서 데이터로부터 가속도 맥파에 상당하는 데이터를 예비 평가 데이터로서 취득한다.
다음에 선택 스텝(S121)으로서, 예를 들면, 생성부(12)는, 예비 평가 데이터를 참조하여, 가속도 맥파에 상당하는 데이터를 포함하는 복수의 선택용 데이터 중, 예비 평가 데이터에 가장 유사한 선택용 데이터(제1 선택용 데이터)를 특정하고, 제1 선택용 데이터에 연계되는 제1 분류 정보를 선택한다. 그리고, 속성별 생성 스텝(S122)으로서, 생성부(12)는, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
여기에서, 상기한 선택용 데이터 등에 사용되는 데이터의 일례를 설명한다.
예를 들면, 도 12에 도시하는 바와 같이, 가속도 맥파에는, a∼e의 변곡점이 존재한다. 예를 들면, 가속도 맥파에 있어서의 최대의 피크를 a점으로 하고, a점부터 차례로 각 변곡점을 b점, c점, d점, e점으로 하고, a점을 1로 하고, 최소값인 b점 혹은 d점을 0으로 한 규격화를 행한 경우, 가속도 맥파는, 각 변곡점의 값과, 그 차이의 대소관계에 의해 분류하는 방법을 사용하여, 7패턴으로 분류할 수 있다. 우선, 변곡점의 값이 b<d인 경우는 패턴 A 또는 B로 분류한다. b<d이며 또한 c≥0.5이면 A, 그렇지 않으면 B로 분류한다. 다음에 변곡점의 값이 b≒d인 경우, 패턴 C 또는 D로 분류한다. b≒d이며 또한 c≒0인 경우는 패턴 D, 그렇지 않으면 패턴 C로 분류한다. 마지막으로, b>d인 경우는 패턴 E, F, G 중 어느 하나로 분류할 수 있다. b>d이며 또한 b<c이면 패턴 E로, b≒c이면 패턴 F, b>c이면 패턴 G로 분류한다.
예를 들면, 생성부(12)는, 예비 평가 데이터가, 예를 들면, 도 12의 어느 패턴에 맞는지를 판단하고, 제1 선택용 데이터를 특정한다. 예를 들면, 입력된 예비 평가 데이터의 변곡점 b가 변곡점 d보다 작고, 또한 변곡점 c≥0.5이면, 패턴 A를 제1 선택용 데이터로 한다. 이것에 의해, 제1 평가 데이터의 특징에 적합한 분류 정보를 참조하여, 생체 정보를 정밀도 좋게 산출할 수 있다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 생성부(12)는, 예비 평가 데이터를 참조하여, 제1 분류 정보를 선택하는 선택부와, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성하는 속성별 생성부를 포함한다. 이 때문에, 맥파의 특징에 대하여 최적의 제1 분류 정보를 선택한 뒤에, 제1 평가 데이터에 대한 제1 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 취득부(11)는 맥파에 기초하는 속도 맥파에 상당하는 데이터를 제1 평가 데이터로서 취득한다. 또, 취득부(11)는, 맥파에 기초하는 가속도 맥파에 상당하는 데이터를, 예비 평가 데이터로서 취득한다. 이 때문에, 속도 맥파에 비교하여, 맥파의 특징을 분류하기 쉬운 가속도 맥파를 사용하여, 속성 분류 정보를 선택할 수 있다. 또, 가속도 맥파에 비교하여, 생체 정보를 산출하기 쉬운 속도 맥파를 사용하여, 제1 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
(제4 실시형태: 생체 정보 연산 시스템(100)의 제1 변형예)
다음에 제4 실시형태에 있어서의 생체 정보 연산 시스템(100)의 제1 변형예에 대해 설명한다. 상기한 제4 실시형태의 일례와 제1 변형예와의 차이는 평가 결과를 사용하여 분류 정보를 선택하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 변형예에서는, 예를 들면, 도 14에 도시하는 바와 같이, 생성 스텝(S120)은, 분류 정보 중, 제2 평가 결과에 기초하여 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 예를 들면, 생성부(12)는, 상기한 선택 스텝(S121)과 마찬가지로, 제2 평가 결과를 참조하여, 복수의 속성별 분류 정보 중 특정 속성별 분류 정보를 선택한다.
생성부(12)는, 예를 들면, 제2 평가 결과에 포함되는 생체 정보의 값에 기초하여, 제1 분류 정보를 선택한다. 이때, 복수의 속성 정보에는 선택하기 위한 값이 미리 설정되어 있다.
생성부(12)는, 상기한 속성별 생성 스텝(S122)과 마찬가지로, 선택한 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 생체 정보를 산출하고, 제1 평가 결과를 생성한다.
본 변형예에 의하면, 생성부(12)는 제2 평가 결과에 기초하여 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 이 때문에, 제2 평가 결과에 따라 최적의 제1 분류 정보를 선택한 뒤에, 제1 평가 데이터에 대한 제1 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
(제4 실시형태: 생체 정보 연산 시스템(100)의 제2 변형예)
다음에 제4 실시형태에 있어서의 생체 정보 연산 시스템(100)의 제2 변형예에 대해 설명한다. 상기한 제4 실시형태의 일례와 제2 변형예와의 차이는 맥파의 특징에 기초하여 제1 분류 정보를 선택하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 변형예에서는, 예를 들면, 도 15에 도시하는 바와 같이, 생성 스텝(S120)은, 분류 정보 중, 맥파의 특징(예를 들면, 센서 데이터)에 기초하여 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 예를 들면, 생성부(12)는, 상기한 선택 스텝(S121)과 마찬가지로, 센서 데이터를 참조하여, 복수의 속성별 분류 정보 중 특정 속성별 분류 정보를 선택한다.
또한, 「맥파의 특징」으로서, 예를 들면, 도 4(a)∼도 4(d)에 도시하는 바와 같은 각 처리의 적어도 일부를, 센서 데이터에 대하여 실시한 후의 데이터가 사용되어도 된다. 특히, 센서 데이터에 대하여 필터 처리를 시행한 후의 맥파 데이터를, 맥파의 특징으로서 사용함으로써, 특정 속성 분류 정보를 선택할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
생성부(12)는, 예를 들면, 상기한 선택용 데이터와 맥파의 특징을 비교하여 제1 분류 정보를 선택한다. 생성부(12)는, 예를 들면, 센서 데이터 등에 포함되는 피크의 반값폭이나 상대강도에 기초하여, 제1 분류 정보를 선택해도 된다. 이때, 복수의 속성 정보에는 선택하기 위한 값이 미리 설정되어 있다.
생성부(12)는, 상기한 속성별 생성 스텝(S122)과 마찬가지로, 선택한 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 생체 정보를 산출하고, 제1 평가 결과를 생성한다.
본 변형예에 의하면, 생성부(12)는, 맥파의 특징에 기초하여, 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 이 때문에, 맥파의 특징에 따라 최적의 제1 분류 정보를 선택한 뒤에, 제1 평가 데이터에 대한 제1 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
(제4 실시형태: 생체 정보 연산 시스템(100)의 제3 변형예)
다음에 제4 실시형태에 있어서의 생체 정보 연산 시스템(100)의 제3 변형예에 대해 설명한다. 상기한 제4 실시형태의 일례와 제3 변형예와의 차이는 부가 정보에 기초하여 제1 분류 정보를 선택하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 변형예에서는, 예를 들면, 도 16에 도시하는 바와 같이, 생성 스텝(S120)은 분류 정보 중, 부가 정보에 기초하여 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 예를 들면, 생성부(12)는, 상기한 선택 스텝(S121)과 마찬가지로, 부가 정보를 참조하여, 복수의 속성별 분류 정보 중 특정 속성별 분류 정보를 선택한다. 또한, 부가 정보는 상기한 부가 정보와 동일하다.
생성부(12)는, 예를 들면, 부가 정보에 포함되는 연령이나 성별 등의 속성 정보 등에 기초하여, 제1 분류 정보를 선택해도 된다. 이때, 복수의 속성 정보에는 선택하기 위한 속성 정보 등이 미리 설정되어 있다.
생성부(12)는, 상기한 속성별 생성 스텝(S122)과 마찬가지로, 선택한 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 생체 정보를 산출하고, 제1 평가 결과를 생성한다.
본 변형예에 의하면, 생성부(12)는, 부가 정보에 기초하여 제1 분류 정보를 선택하고, 제1 분류 정보를 참조하여, 제1 평가 데이터에 대한 제1 평가 결과를 생성한다. 이 때문에, 부가 정보의 특징에 따라 최적의 제1 분류 정보를 선택한 뒤에, 제1 평가 데이터에 대한 제1 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
(제5 실시형태: 생체 정보 연산 시스템(100))
다음에 제5 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제5 실시형태와의 차이는 산출 스텝(S160)을 갖추는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)은, 예를 들면, 산출 스텝(S160)을 갖춘다. 생체 정보 연산 시스템(100)에서는, 예를 들면, 상기한 보존 스텝(S140)의 후에, 산출 스텝(S160)이 실시된다.
산출 스텝(S160)은, 예를 들면, 도 17에 도시하는 바와 같이, 서버(4) 또는 보존부(104)에 보존된 복수의 평가 결과(예를 들면, 제1 평가 결과, 및 제2 평가 결과)에 기초하여, 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성한다. 산출 스텝(S160)은, 예를 들면, 생체 정보 연산 장치(1)의 생성부(12)에 포함되는 종합평가부에 의해 실행할 수 있는 이외에, 예를 들면, 서버(4)에 포함되는 종합평가부에 의해 실행해도 된다.
종합평가 결과는 상기한 실시형태와 동일하며, 이하에서는 일례로서 보험료를 포함하는 추정 보험 정보로서 설명한다.
종합평가부는, 예를 들면, 미리 보존부(104) 등에 보존된, 유저가 인식 가능한 데이터 형식을 참조하여, 추정 보험 정보를 생성해도 된다. 종합평가부는, 예를 들면, 데이터베이스를 참조하여, 복수의 평가 결과에 대해 적합한 추정 보험 정보를 생성해도 된다.
데이터베이스에는, 예를 들면, 상기한 데이터베이스와 마찬가지로, 복수의 평가 결과에 대한 추정 보험 정보를 생성하기 위한 보험용 분류 정보가 기억되어도 된다. 데이터베이스에는, 1개 이상의 보험용 분류 정보가 기억되는 이외에, 예를 들면, 보험용 분류 정보의 생성에 사용된 복수의 보험용 학습 데이터가 기억되어도 된다.
보험용 분류 정보는, 예를 들면, 미리 취득된 과거의 복수의 평가 결과(보험용 입력 데이터)와 보험용 입력 데이터에 연계되는 보험용 참조 데이터와의 상관관계를 나타내는 함수이다. 보험용 참조 데이터는 과거에 실적이 있는 보건용 입력 데이터에 대한 보험료를 포함한다. 보험용 분류 정보는 보험용 입력 데이터와 보험용 참조 데이터를 한 쌍의 보험용 학습 데이터로 하여, 복수의 보험용 학습 데이터를 사용하여 생성된다.
보험용 분류 정보는, 예를 들면, 보험용 입력 데이터를 설명변수로 하고, 보험용 참조 데이터를 목적변수로 하여, 상기한 회귀분석 등에 의해 해석하고, 그 해석 결과에 기초하여 생성되는 검량 모델을 나타낸다. 보험용 분류 정보는, 예를 들면, 검량 모델(보험용 검량 모델)을 정기적으로 갱신할 수 있다. 또한, 보험용 분류 정보는, 상기한 분류 정보와 마찬가지로, 예를 들면, 복수의 보험용 학습 데이터를 사용한 기계학습에 의해 생성된, 학습된 모델(보험용 학습된 모델)을 포함해도 된다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 종합평가부는 제1 평가 결과, 및 제2 평가 결과에 기초하여, 종합평가 결과를 생성한다. 이 때문에, 각 평가 결과에 대하여, 유저의 특징을 고려한 평가를 실현할 수 있다. 이것에 의해, 유저마다 적합한 평가 결과를 생성하는 것이 가능하게 된다. 특히, 종합평가 결과로서 추정 보험 정보가 사용된 경우, 유저 등의 주관에 따른 추정 보험료 등의 편차를 억제하는 것이 가능하게 된다.
(제6 실시형태: 생체 정보 연산 시스템(100))
다음에 제6 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제6 실시형태와의 차이는, 판정 결과를 사용하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 예를 들면, 도 18에 도시하는 바와 같이, 보존 스텝(S140)은 복수의 평가 결과(예를 들면, 제1 평가 결과, 및 제2 평가 결과)의 내용에 대해 유저가 판정한 판정 결과를 취득하고, 판정 결과 및 복수의 평가 결과를 각각 연계시켜 보존한다. 보존 스텝(S140)은, 예를 들면, 기억부(14) 또는 서버(4)에 의해 실행할 수 있다.
판정 결과는, 예를 들면, 출력된 복수의 평가 결과와, 공지의 계측 장치를 사용하여 계측된 생체 정보를 비교한 결과를 유저가 입력부(108) 등을 통하여 입력함으로써 취득할 수 있다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)은, 예를 들면, 갱신 스텝(S170)을 갖추어도 된다. 이 경우, 갱신 스텝(S170)은, 예를 들면, 학습부(15)에 의해 실행할 수 있고, 예를 들면, 서버(4)에 의해 실행해도 된다.
학습부(15)는, 보존 스텝(S140)에서 보존된 판정 결과 및 복수의 평가 결과에 기초하여, 분류 정보를 갱신한다. 학습부(15)는, 예를 들면, 공지의 기술을 사용하여 분류 정보를 갱신한다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 기억부(14) 또는 서버(4)는 판정 결과, 제1 평가 결과, 및 제2 평가 결과를 각각 연계시켜 보존한다. 이 때문에, 각 평가 결과와 판정 결과와의 비교를 용이하게 실시하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 학습부(15)는 판정 결과, 제1 평가 결과, 및 제2 평가 결과에 기초하여, 분류 정보를 갱신한다. 이 때문에, 각 평가 결과의 정밀도가 저하했을 때, 용이하게 개선할 수 있다. 이것에 의해, 생체 정보를 평가할 때의 정밀도 향상을 유지하는 것이 가능하게 된다.
(제7 실시형태: 생체 정보 연산 시스템(100))
다음에 제7 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제7 실시형태와의 차이는 전자 기기(2)를 사용하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 상기한 생체 정보 연산 장치(1) 대신에 전자 기기(2)를 사용하는 이외에, 예를 들면, 생체 정보 연산 장치(1) 및 전자 기기(2)의 각각을 상황에 따라 사용해도 된다.
전자 기기(2)는, 생체 정보 연산 장치(1)와 마찬가지로, 상기한 퍼스널컴퓨터 등의 전자 기기를 나타낸다. 전자 기기(2)의 구성은, 예를 들면, 도 5(a)와 동일한 구성을 갖추어도 된다. 전자 기기(2)의 생체 정보 연산 프로그램을 실현하기 위한 각 기능은, 생체 정보 연산 장치(1)와 마찬가지로, CPU(101)가 RAM(103)을 작업 영역으로 하여, 보존부(104) 등에 기억된 프로그램을 실행함으로써 실현된다.
도 19는 전자 기기(2)의 생체 정보 연산 프로그램을 실현하기 위한 시퀀스를 나타내고 있다. 전자 기기(2)는 맥파 신호 취득부(60)와, 맥파 신호 취득부(60)에 접속된 제1 추출부(61) 및 제2 추출부(63)와, 제1 추출부(61)에 접속된 제1 데이터 취득부(62)와, 제2 추출부(63)에 접속된 제2 데이터 취득부(64)와, 제1 데이터 취득부(62) 및 제2 데이터 취득부(64)에 접속된 최적 혈당값 산출부(65)를 갖추고 있다.
맥파 신호 취득부(60)는 통신망(3)을 통하여 센서(5), 서버(4) 및 다른 전자 기기로부터 송신된 맥파 신호를 취득한다. 맥파 신호 취득부(60)는 취득한 맥파 신호를 제1 추출부(61) 및 제2 추출부(63)에 출력한다. 또한, 맥파 신호는 상기한 센서 데이터와 동일한 특징을 나타낸다.
제1 추출부(61)는, 제1 추출 조건을 참조하여, 맥파 신호 취득부(60)로부터 입력된 맥파 신호에 기초하는 제1 평가 데이터를 추출한다. 제1 추출부(61)는 추출한 제1 평가 데이터를 제1 데이터 취득부(62)에 출력한다.
제1 데이터 취득부(62)는, 제1 추출 조건에 연계되는 제1 처리 조건을 참조하고, 제1 추출부(61)로부터 입력된 제1 평가 데이터를 처리하여, 제1 데이터를 취득한다. 제1 데이터 취득부(62)는 취득한 제1 데이터를 최적 혈당값 산출부(65)에 출력한다.
제2 추출부(63)는, 제2 추출 조건을 참조하여, 맥파 신호 취득부(60)로부터 입력된 맥파 신호에 기초하는 제2 평가 데이터를 추출한다. 제2 추출부(63)는 추출한 제2 평가 데이터를 제2 데이터 취득부(64)에 출력한다.
제2 데이터 취득부(64)는, 제2 추출 조건에 연계되는 제2 처리 조건을 참조하고, 제2 추출부(63)로부터 입력된 제2 평가 데이터를 처리하여, 제2 데이터를 취득한다. 제2 데이터 취득부(64)는 취득한 제2 데이터를 최적 혈당값 산출부(65)에 출력한다.
최적 혈당값 산출부(65)는, 제1 데이터 취득부(62)로부터 입력된 제1 데이터와 제2 데이터 취득부(64)로부터 입력된 제2 데이터에 기초하여, 최적값이 되는 생체 정보를 산출한다.
또, 최적 혈당값 산출부(65)는 전자 기기(2)에 반드시 구비되어 있는 것은 아니고, 제1 데이터 및 제2 데이터를 생체 정보로서 출력해도 된다.
도 20은 제1 추출부(61) 및 제1 데이터 취득부(62)의 구체적인 구성예를 도시하고 있다. 제1 추출부(61)는 필터 처리부(610)와, 필터 처리부(610)에 접속된 미분부(611)와, 필터 처리부(610)에 접속된 피크 위치 산출부(614)와, 미분부(611)에 접속된 분할부(612)와, 분할부(612)에 접속된 규격화부(613)와, 피크 위치 산출부(614)에 접속된 피크 간격 평균 산출부(615)와, 피크 위치 산출부(614)에 접속된 피크 간격 플롯부(616)와, 피크 위치 산출부(614)에 접속된 푸리에 변환부(617)와, 푸리에 변환부(617)에 접속된 최대 주파수 검출부(618)를 갖추고 있다.
필터 처리부(610)는 취득한 맥파 신호에 필터링 처리를 시행한다. 필터 처리부(610)는 필터링에, 예를 들면, 0.5∼5Hz의 밴드패스 필터를 사용하지만, 이것에 한정되지는 않는다. 또, 필터 처리부(610)는, 제1 추출 조건을 참조하여, 취득한 맥파 신호로부터 제1 평가 데이터를 추출하는 추출 방법을 결정한다. 필터 처리부(610)는, 필터링 처리된 맥파 신호를 결정된 추출 방법에 기초하여, 미분부(611)와, 피크 위치 산출부(614)와, 푸리에 변환부(617)의 적어도 어느 하나에 출력한다.
제1 추출부(61)는 하나의 제1 평가 데이터를 취득하기 위해 제1 추출부(61)에 구비된 추출 방법의 반드시 모두를 사용하는 것은 아니고, 필터 처리부(610)에 의해 정해진 적어도 하나의 추출 방법으로 맥파 신호로부터 제1 평가 데이터를 추출한다.
미분부(611)는 필터 처리부(610)로부터 입력된 맥파 신호를 미분한다. 미분부(611)는, 필터 처리부(610)에 의해, 미분 처리가 필요하다고 판단된 경우, 입력된 맥파 신호에 미분 처리를 행한다. 미분부(611)는 처리한 맥파 신호를 분할부(612)에 출력한다.
분할부(612)는, 미분부(611)로부터 입력된 복수의 파형 신호의 각각을 정수 주기분의 분할 파형 데이터로 분할한다. 본 실시형태에서는 분할부(612)는 정수 주기는 1주기로 하고 있지만, 복수 주기로 해도 된다. 분할부(612)는 분할 파형 데이터를 규격화부(613)에 출력한다.
규격화부(613)는 분할부(612)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 규격화를 하여, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 진폭의 최대값을 1, 최소값을 0으로 한 규격화를 행한다. 규격화부(613)는 규격화된 평균 파형 신호를 회귀분석부(620)에 출력한다.
규격화부(613)는 분할 파형 신호의 시간폭을 통일하기 위해 분할부(612)로부터 입력된 복수의 분할 파형 신호를 일정한 시간폭 또는 일정한 샘플링 수로 트리밍을 행해도 된다. 규격화부(613)는 시간폭을 통일하기 위한 처리 방법이 필터 처리부(610)에 의해 정해진다.
규격화부(613)는, 평균 파형 신호를 취득할 때, 복수의 분할 파형 신호를 필요로 하지만, 필요한 분할 파형 신호의 수는 필터 처리부(610)에 의해 정해진다.
피크 위치 산출부(614)는 필터 처리부(610)로부터 입력된 맥파 신호의 피크 위치와, 이웃하는 피크끼리의 거리인 피크 간격을 산출한다. 피크 위치 산출부(614)는, 추출 방법에 기초하여, 산출한 피크 간격을 피크 간격 평균 산출부(615)와, 피크 간격 플롯부(616)와, 푸리에 변환부(617)의 적어도 어느 하나에 출력한다.
피크 간격 평균 산출부(615)는 피크 위치 산출부(614)로부터 입력된 피크 간격의 평균을 산출하고, 피크 간격의 평균값을 측정기의 샘플링 레이트로 나누고, 초수로 변환한다. 피크 간격 평균 산출부(615)는 초수로 변환한 평균값을 맥박 처리부(621)에 출력한다.
피크 간격 플롯부(616)는 피크 위치 산출부(614)로부터 입력된 피크 간격을 가로축으로 하고, 상기한 피크 간격의 이웃의 피크 간격을 세로축으로 한 그래프를 플롯하여, 맥파의 피크 간격의 푸앵카레 플롯을 취득한다. 피크 간격 플롯부(616)는 맥파의 피크 간격의 푸앵카레 플롯을 스트레스 플롯 처리부(622)에 출력한다.
푸리에 변환부(617)는, 피크 위치 산출부(614)로부터 피크 간격을 입력받은 경우는, 피크 간격을 시계열 데이터로 변환한 데이터를 푸리에 변환한다. 또, 푸리에 변환부(617)는, 필터 처리부(610)에서 처리된 맥파 신호를 입력으로 하여, 푸리에 변환을 행해도 된다. 푸리에 변환부(617)은, 추출 방법에 기초하여, 푸리에 변환한 신호를 최대 주파수 검출부(618), 및 스트레스 푸리에 처리부(623)의 적어도 어느 하나에 출력한다.
최대 주파수 검출부(618)는 푸리에 변환부(617)로부터 입력된 신호를 0.15∼0.35Hz의 사이에서 최대값을 나타내는 주파수인 최대 주파수를 검출한다. 최대 주파수 검출부(618)는 검출한 최대 주파수를 호흡수 처리부(624)에 출력한다.
제1 데이터 취득부(62)는 규격화부(613)에 접속된 회귀분석부(620)와, 피크 간격 평균 산출부(615)에 접속된 맥박 처리부(621)와, 피크 간격 플롯부(616)에 접속된 스트레스 플롯 처리부(622)와, 푸리에 변환부(617)에 접속된 스트레스 푸리에 처리부(623)와, 최대 주파수 검출부(618)에 접속된 호흡수 처리부(624)를 갖춘다.
제1 데이터 취득부(62)는, 예를 들면, 처리의 방법으로서, 생체 정보의 실측값과 미리 취득된 맥파 신호와의 상관관계에 기초하여 구축된 검량 모델을 사용하여, 제1 평가 데이터로부터 제1 데이터를 취득한다.
회귀분석부(620)는 규격화부(613)로부터 입력된 규격화된 평균 파형 신호로부터, 검량 모델에 기초하여, 제1 데이터로서, 예를 들면, 혈당값, 혈압, 혈중 산소포화도, 혈중 이산화탄소 농도 등을 취득한다.
회귀분석부(620)는, 미리 구축해 둔 범용적으로 이용할 수 있는 검량 모델을 사용하여, 제1 데이터 취득부(62)에 기억시켜 제1 데이터를 취득할 수도 있다.
맥박 처리부(621)는 피크 간격 평균 산출부(615)로부터 입력된 피크 간격의 평균값을 샘플링 레이트로 나누어, 초수로 변환한다. 맥박 처리부(621)는 60초를 산출한 초수로 나누고, 1분당의 맥박수(bpm)를 산출하여, 제1 데이터로서 맥박수를 취득한다.
스트레스 플롯 처리부(622)는, 피크 간격 플롯부(616)로부터 입력된 푸앵카레 플롯으로부터, 제1 데이터로서, 예를 들면, 스트레스도를 취득한다. 스트레스 플롯 처리부(622)는 푸앵카레 플롯의 분산값을 계산하고, 분산값의 크기로부터 스트레스도를 추정한다.
스트레스 푸리에 처리부(623)는 푸리에 변환부(617)로부터 입력된 신호의 적분비로부터, 제1 데이터로서, 예를 들면, 스트레스도를 취득한다. 구체적인 방법으로서, 스트레스 푸리에 처리부(623)는, 예를 들면, 푸리에 변환된 피크 간격의 시계열 데이터로부터 자기회귀 모델(autoregressive model)을 사용하여, PSD(power spectral density)를 계산하고, 파워 스펙트럼의 0.5Hz부터 0.15Hz까지의 영역을 저주파(LF(Low Frequency))로 하고, 0.15Hz부터 0.40Hz까지의 영역을 고주파(HF(Hi Frequency))의 강도를 각각 합계한 적분값의 비에 의해 스트레스도를 결정한다.
호흡수 처리부(624)는 최대 주파수 검출부(618)로부터 입력된 최대값을 나타내는 주파수에 60초를 곱하여 1분당의 호흡수(bpm)로 환산하고, 제1 데이터로서 호흡수를 취득한다.
도 21은 제2 추출부(63) 및 제2 데이터 취득부(64)의 구체적인 구성예를 도시하고 있다. 제2 추출부(63)는 필터 처리부(630)와, 필터 처리부(630)에 접속된 미분부(631)와, 필터 처리부(630)에 접속된 피크 위치 산출부(634)와, 미분부(631)에 접속된 분할부(632)와, 분할부(632)에 접속된 규격화부(633)와, 피크 위치 산출부(634)에 접속된 피크 간격 평균 산출부(635)와, 피크 위치 산출부(634)에 접속된 피크 간격 플롯부(636)와, 피크 위치 산출부(634)에 접속된 푸리에 변환부(637)와, 푸리에 변환부(637)에 접속된 최대 주파수 검출부(638)를 갖춘다. 제2 추출부(63)는 제1 추출부(61)와 같은 것으로 구성되어 있지만, 제1 추출부(61)에 있어서, 제1 추출 조건을 참조하고 있었던 것이, 제2 추출부(63)의 경우는 제1 추출 조건이 아니고, 제2 추출 조건을 참조하고 있다.
필터 처리부(630)는 취득한 맥파 신호에 필터링 처리를 시행한다. 필터 처리부(630)는 필터링에, 예를 들면, 0.5∼5Hz의 밴드패스 필터를 사용하지만, 이것에 한정되는 것은 아니다. 또, 필터 처리부(630)는, 제2 추출 조건을 참조하여, 취득한 맥파 신호로부터 제1 평가 데이터를 추출하는 방법을 결정한다. 필터 처리부(630)는 필터링 처리된 맥파 신호를, 결정된 추출 방법에 기초하여, 미분부(631)와, 피크 위치 산출부(634)와, 푸리에 변환부(637)의 적어도 어느 하나에 출력한다.
제2 추출부(63)는 1개의 제2 평가 데이터를 취득하기 위해 제2 추출부(63)에 구비된 추출 방법을 반드시 모두 사용하는 것은 아니고, 필터 처리부(630)에 의해 정해진 적어도 하나의 추출 방법으로 맥파 신호로부터 제2 평가 데이터를 추출한다.
미분부(631)는 필터 처리부(630)로부터 입력된 맥파 신호를 미분한다. 미분부(631)는, 필터 처리부(630)에 의해, 미분 처리가 필요하다고 판단된 경우, 입력된 맥파 신호에 미분 처리를 행한다. 미분부(631)는 미분 처리한 맥파 신호를 분할부(632)에 출력한다.
분할부(632)는 미분부(631)로부터 입력된 복수의 파형 신호의 각각을 정수 주기분의 분할 파형 데이터로 분할한다. 본 실시형태에서는 분할부(632)는 정수 주기는 1주기로 하고 있지만, 복수 주기로 해도 된다. 분할부(632)는 분할 파형 데이터를 규격화부(633)에 출력한다.
규격화부(633)는 분할부(632)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 규격화를 하고, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 진폭의 최대값을 1, 최소값을 0으로 한 규격화를 행한다. 규격화부(633)는 규격화된 평균 파형 신호를 회귀분석부(640)에 출력한다.
규격화부(633)는 분할 파형 신호의 시간폭을 통일하기 위해 분할부(632)로부터 입력된 복수의 분할 파형 신호를 일정한 시간폭 또는 일정한 샘플링 수로 트리밍을 해도 된다. 규격화부(633)는 시간폭을 통일하기 위한 처리 방법이 필터 처리부(630)에 의해 정해진다.
규격화부(633)는, 평균 파형 신호를 취득할 때, 복수의 분할 파형 신호를 필요로 하지만, 필요한 분할 파형 신호의 수는 필터 처리부(630)에 의해 정해진다.
피크 위치 산출부(634)는 필터 처리부(630)로부터 입력된 맥파 신호의 피크 위치와, 이웃하는 피크끼리의 거리인 피크 간격을 산출한다. 피크 위치 산출부(634)는, 추출 방법에 기초하여, 산출한 피크 간격을 피크 간격 평균 산출부(635)와, 피크 간격 플롯부(636)와, 푸리에 변환부(637)의 적어도 어느 하나에 출력한다.
피크 간격 평균 산출부(635)는 피크 위치 산출부(634)로부터 입력된 피크 간격의 평균을 산출하고, 피크 간격의 평균값을 측정기의 샘플링 레이트로 나누어, 초수로 변환한다. 피크 간격 평균 산출부(635)는 초수로 변환한 평균값을 맥박 처리부(641)에 출력한다.
피크 간격 플롯부(636)는 피크 위치 산출부(634)로부터 입력된 피크 간격을 가로축으로 하고, 상기한 피크 간격의 이웃의 피크 간격을 세로축으로 한 그래프를 플롯하여, 맥파의 피크 간격의 푸앵카레 플롯을 취득한다. 피크 간격 플롯부(636)는 맥파의 피크 간격의 푸앵카레 플롯을 스트레스 플롯 처리부(642)에 출력한다.
푸리에 변환부(637)는, 피크 위치 산출부(634)로부터 피크 간격을 입력받은 경우는, 피크 간격을 시계열 데이터로 변환한 데이터를 푸리에 변환한다. 또, 푸리에 변환부(637)는 필터 처리부(630)에서 처리된 맥파 신호를 입력으로 하여, 푸리에 변환을 행해도 된다. 푸리에 변환부(637)는, 추출 방법에 기초하여, 푸리에 변환한 신호를 최대 주파수 검출부(638)와 스트레스 푸리에 처리부(643)의 적어도 어느 하나에 출력한다.
최대 주파수 검출부(638)는 푸리에 변환부(637)로부터 입력된 신호를 0.15∼0.35Hz의 사이에서 최대값을 나타내는 주파수인 최대 주파수를 검출한다. 최대 주파수 검출부(638)는 검출한 최대 주파수를 호흡수 처리부(644)에 출력한다.
제2 데이터 취득부(64)는 규격화부(633)에 접속된 회귀분석부(640)와, 피크 간격 평균 산출부(635)에 접속된 맥박 처리부(641)와, 피크 간격 플롯부(636)에서 플롯한 그래프로부터 스트레스도를 취득하는 스트레스 플롯 처리부(642)와, 푸리에 변환부(637)에 접속된 스트레스 푸리에 처리부(643)와, 최대 주파수 검출부(638)에 접속된 호흡수 처리부(644)를 갖춘다.
제2 데이터 취득부(64)는 제2 추출 조건에 연계되는 제2 처리 조건을 참조하고, 제2 추출부(63)에 의해 추출된 제2 평가 데이터를 처리하여, 제2 데이터를 취득한다.
제2 데이터 취득부(64)는, 예를 들면, 처리의 방법으로서, 생체 정보의 실측값과 미리 취득된 맥파 신호와의 상관관계에 기초하여 구축된 검량 모델을 사용하여 구축하고, 제2 평가 데이터로부터 제2 데이터를 취득한다.
회귀분석부(640)는 규격화부(633)로부터 입력된 규격화된 평균 파형 신호로부터, 검량 모델에 기초하여, 제2 데이터로서, 예를 들면, 혈당값, 혈압, 혈중 산소포화도, 혈중 이산화탄소 농도 등을 취득한다.
회귀분석부(640)는 미리 구축해 둔 범용적으로 이용할 수 있는 검량 모델을 범용 데이터로 하여, 제2 데이터 취득부(64)에 기억시켜 제2 데이터를 취득할 수도 있다.
맥박 처리부(641)는 피크 간격 평균 산출부(635)로부터 입력된 피크 간격의 평균값을 샘플링 레이트로 나누어, 초수로 변환한다. 맥박 처리부(641)는 60초를 산출한 초수로 나누어, 1분당의 맥박수(bpm)를 산출하고, 제2 데이터로서 맥박수를 취득한다.
스트레스 플롯 처리부(642)는 피크 간격 플롯부(636)로부터 입력된 푸앵카레 플롯으로부터, 제2 데이터로서, 예를 들면, 스트레스도를 취득한다. 스트레스 플롯 처리부(642)는 푸앵카레 플롯의 분산값을 계산하고, 분산값의 크기로부터 스트레스도를 추정한다.
스트레스 푸리에 처리부(643)는, 푸리에 변환부(637)로부터 입력된 신호의 적분비로부터, 제2 데이터로서, 예를 들면, 스트레스도를 취득한다.
호흡수 처리부(644)는, 최대 주파수 검출부(638)로부터 입력된 최대값을 나타내는 주파수에 60초를 곱하여 1분당의 호흡수(bpm)로 환산하고, 제2 데이터로서 호흡수를 취득한다.
생체 정보 연산 시스템(100)에 의해 취득되는 제1 데이터 및 제2 데이터는, 예를 들면, 혈압, 혈당값, 혈중의 산소포화도, 혈중 이산화탄소 농도, 맥박수, 호흡수, 스트레스도, 혈관 연령, 당뇨병의 정도 등 중 적어도 하나를 포함한다.
다음에 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 일례에 대해 설명한다. 도 22는 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 1 예를 나타내는 흐름도이다.
맥파 신호 취득 스텝(S10)에 있어서, 취득부(50)가 맥파 신호를 취득하고, 내부 버스(54)를 통하여, 통신 I/F(51)에 맥파 신호를 출력한다. 또 이때, 취득부(50)가 취득한 맥파 신호 대신에, 생체 정보 연산 시스템(100)은 메모리(52)에 기록되어 있었던 맥파 신호를, 내부 버스(54)를 통하여, 통신 I/F(51)에 맥파 신호를 출력해도 된다. 맥파 신호의 구체적인 취득 방법으로서, 예를 들면, FBG 센서가 사용된다.
다음에 취득부(50)로부터 맥파 신호를 입력받은 통신 I/F(51)는, 통신망(3)을 통하여, 맥파 신호를 맥파 신호 취득부(60)에 송신한다. 또, 이때, 취득부(50)가 취득한 맥파 신호 대신에, 서버(4)에 보존된 맥파 신호를 맥파 신호 취득부(60)에 송신해도 된다.
다음에 통신망(3)을 통하여, 맥파 신호를 송신받은 맥파 신호 취득부(60)는 맥파 신호를 제1 추출부(61) 및 제2 추출부(63)에 출력한다.
다음에 제1 추출 조건 결정 스텝(S11)에 있어서, 제1 추출부(61)는 맥파 신호 취득부(60)로부터 입력된 맥파 신호를 필터 처리부(610)에 입력한다. 그 후, 필터 처리부(610)는 입력된 맥파 신호에 시행하는 추출 방법을, 제1 추출 조건을 참조하여, 결정한다.
필터 처리부(610)는, 제1 추출 조건 중에서, 취득한 맥파 신호의 상태, 취득하고 싶은 생체 정보, 외부요인에 의해, 제1 추출부(61)가 맥파 신호에 시행하는 추출 방법을 결정한다. 외부요인은, 예를 들면, 유저의 연령이나, 성별이나, 병력이나, 생활 습관이나, 투약 정보나, 동맥 경화의 정도나, 건강 상태나, 유전 정보 등의 유저의 정보, 온도나, 습도 등의 환경 정보 등 중 적어도 하나를 포함한다. 예를 들면, 취득하고 싶은 생체 정보로서 혈당값을 취득하고 싶을 경우, 필터 처리부(610)는, 맥파 신호가 필터 처리부(610)에서 처리가 된 후, 미분부(611)에 출력되도록 제1 추출부(61)에 명령을 한다. 제1 추출 조건은 맥파 신호로부터 제1 평가 데이터를 추출하기 위한 추출 방법의 일람을 포함하는 데이터군이다. 제1 추출 조건의 데이터군은 복수의 추출 방법을 포함해도 되고, 미리 정해진 단일의 추출 방법을 포함하고 있어도 된다.
다음에 제1 추출 스텝(S12)에 있어서, 제1 추출부(61)는 맥파 신호 취득부(60)로부터 입력된 맥파 신호로부터 제1 평가 데이터를 추출한다. 제1 평가 데이터란 제1 데이터 취득부(62)에서 생체 정보를 취득하기 위해, 제1 추출부(61)에 의해, 맥파 신호로부터 추출된 파형 데이터이다. 제1 평가 데이터는, 예를 들면, 맥파 신호가 필터링 처리, 미분 처리, 규격화 처리, 및 평균화 처리의 적어도 어느 하나에 의해 1주기분 등의 파형으로 처리된 파형 데이터이다. 본 실시형태에서는, 예로서 혈당값을 취득하기 위한 생체 정보 연산 시스템(100)을 설명한다.
우선 필터 처리부(610)는, 맥파 신호 취득부(60)로부터 입력된 맥파 신호에 필터링 처리를 시행한 후, 예를 들면, 혈당값을 생체 정보로서 취득하는 경우, 제1 추출 조건 결정 스텝(S11)에서 결정한 추출 방법에 기초하여, 맥파 신호를 미분부(611)에 출력한다.
다음에 미분부(611)는 필터 처리부(610)로부터 입력된 맥파 신호에 미분을 할지 안 할지를, 제1 추출 조건 결정 스텝(S11)에서 결정한 추출 방법에 기초하여 판단하고, 처리를 시행한 후, 맥파 신호를 분할부(612)에 출력한다.
제1 추출 조건 결정 스텝(S11)에서 결정한 추출 방법에 기초하여, 미분부(611)가 맥파 신호를 미분할지 안 할지를 판단하는 이유는, 맥파 신호를 미분할지 하지 않을지에서 얻어지는 제1 평가 데이터의 특징에 차이가 생기고, 취득하고 싶은 제1 데이터에 따라, 그것에 적합한 제1 평가 데이터를 얻기 위함이다. 또, 「맥파 신호를 미분한다」란 맥파 신호를 가속도 맥파로서 추출하는 것이며, 「맥파 신호를 미분하지 않는다」란 맥파 신호를 속도 맥파로서 추출하는 것이다.
다음에 분할부(612)는 미분부(611)로부터 입력된 복수의 파형 신호의 각각을 평균화하기 위해 1주기분의 분할 파형 데이터로 분할한다. 그 후, 분할부(612)는 분할 파형 데이터를 규격화부(613)에 출력한다.
규격화부(613)는 분할부(612)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 가로축의 규격화를 하고, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 세로축의 규격화를 행한다. 이때, 제1 추출부(61)는 평균 파형 신호를 제1 평가 데이터로서 취득한다. 그 후, 규격화부(613)는 규격화된 평균 파형 신호를 제1 데이터 취득부(62)에 출력한다.
규격화부(613)에서 시간폭을 통일하기 위해 가로축의 규격화 처리를 행하는 이유는 맥파의 종단측에서 차이가 크게 나타나므로, 이 부분을 삭제하고, 맥파의 본체 부분을 해석 대상으로 하기 위함이다. 또 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 세로축의 규격화를 행하는 이유는 FBG 센서를 측정 부위에 부착할 때의 누르는 압력의 편차이나, 측정 시에 FBG 센서가 위치 어긋나는 것에 의한 측정 데이터의 편차를 평균화하여, 측정 시의 편차에 기인하는 노이즈를 억제하여, 맥파 신호와 생체 정보의 실측값의 상관관계의 정밀도를 향상시키기 위함이다.
다음에 생체 정보 연산 시스템(100)은 제1 데이터 취득 스텝(S13)으로 이행하고, 제1 추출 조건에 연계되는 제1 처리 조건을 참조하고, 제1 추출부(61)로부터 입력된 제1 평가 데이터를 제1 데이터 취득부(62)에서 처리하여, 제1 데이터를 취득한다.
제1 처리 조건은, 제1 추출부(61)로부터 입력된 제1 평가 데이터에, 제1 데이터 취득부(62)에서 시행하는 처리의 제1 추출 조건에 연계시켜진 방법을 포함하는 데이터군이다. 제1 데이터 취득부(62)는 제1 처리 조건 중에서 처리 방법을 결정한다. 제1 처리 조건의 데이터군은 복수의 처리 방법을 포함해도 되고, 미리 정해진 단일의 처리 방법을 포함하고 있어도 된다.
예를 들면, 상기한 추출 방법으로 취득한 평균 파형 신호를 제1 평가 데이터로 하여, 제1 데이터 취득부(62)에서 처리하는 경우, 제1 데이터 취득부(62)는 평균 파형 신호를 회귀분석부(620)에 출력하도록 결정하고, 또한 회귀분석부(620)에서 평균 파형 신호에 시행하는 처리 방법을 결정한다.
제1 추출부(61)로부터 평균 파형 신호를 입력받은 회귀분석부(620)는 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 평균 파형 신호로부터, 예를 들면, 혈당값을 취득하고, 제1 데이터로서 출력한다.
검량 모델은, 예를 들면, 미리 측정된 평균 파형 맥파를 설명변수로 하고, 생체 정보의 실측값을 목적변수로 하여, 회귀분석 등에 의해 해석하고, 그 해석 결과에 기초하여 구축된 것이다. 검량 모델은 미리 구축해 둔 범용적으로 이용할 수 있는 검량 모델을 기억부 등에 기억시켜, 제1 데이터를 측정할 수도 있다. 검량 모델의 구축은, 예를 들면, 정기적으로 캘리브레이션하는 경우나, 유저가 바뀌었을 때 다시 구축하는 것과 같은 경우에 필요하게 되는 경우가 있다.
또, 예를 들면, 혈중 이산화탄소 농도 등의 이상값의 값을 관측하기 어렵고, 이상값의 데이터를 모으기 어려운 생체 정보를 추정할 때, 회귀분석부(620)는 제1 추출부(61)로부터 입력된 평균 파형 신호와 검량 모델과의 괴리도로부터, 생체 정보의 이상값을 추정해도 된다.
회귀분석부(620)는 복수의 검량 모델을 가지고, 입력된 평균 파형 데이터에 대하여, 어느 검량 모델을 사용하는지는 제1 데이터 취득부(62)에서 제1 처리 조건을 참조하여 결정한 처리 방법에 의해 결정된다. 예를 들면, 필터 처리부(610)에서, 취득하고 싶은 생체 정보로서, 혈당값이 선택된 경우, 제1 데이터 취득부(62)는 제1 추출부(61)로부터 입력된 평균 파형 신호를 회귀분석부(620)에 출력하고, 회귀분석부(620)에서, 미리 측정된 맥파의 파형 데이터를 설명변수로 하고, 혈당값의 실측값을 목적변수로 하여, 회귀분석에 의해 해석하고, 그 해석 결과에 기초하여 구축된 검량 모델을 사용하여, 입력된 평균 파형 데이터로부터 제1 데이터를 취득하도록 결정한다.
또, 예를 들면, 필터 처리부(610)가, 외부요인으로서 유저의 연령에 기초하여, 신호의 추출 조건을 결정한 경우, 제1 데이터 취득부(62)는 제1 추출 조건에 연계시켜진 제1 처리 조건을 참조함으로써, 제1 추출부(61)로부터 입력된 평균 파형 신호를 회귀분석부(620)에 출력하고, 회귀분석부(620)에서, 미리 측정된 맥파의 파형 데이터를 설명변수로 하고, 유저의 연령에 가까운 유저의 혈당값의 실측값을 목적변수로 하여, 회귀분석에 의해 해석하고, 그 해석 결과에 기초하여 구축된 검량 모델을 사용하여, 입력된 평균 파형 데이터로부터 제1 데이터를 취득하도록 결정한다. 이것들에 의해, 추출 방법에 적합한 처리 방법의 결정이 가능하게 된다.
다음에 제2 추출부(63)는, 제2 추출 조건 결정 스텝(S14)에 있어서, 맥파 신호 취득부(60)로부터 입력된 맥파 신호를 필터 처리부(630)에 입력한다. 그 후, 필터 처리부(630)는 입력된 맥파 신호에 시행하는 추출 방법을, 제2 추출 조건을 참조하여, 결정한다.
제2 추출 조건은 맥파 신호로부터 제2 평가 데이터를 추출하기 위한 추출 방법의 일람을 포함하는 데이터군이다. 제2 추출 조건의 데이터군은 복수의 추출 방법을 포함해도 되고, 미리 정해진 단일의 추출 방법을 포함하고 있어도 된다. 또, 제2 추출 조건은 제1 추출 조건과 같은 것이어도 된다.
필터 처리부(630)는, 제2 추출 조건 중에서, 취득한 맥파 신호의 상태, 취득하고 싶은 생체 정보, 외부요인에 따라, 제2 추출부(63)가 맥파 신호에 시행하는 추출 방법을 결정한다. 외부요인은, 예를 들면, 유저의 연령이나, 성별이나, 병력이나, 생활 습관이나, 건강 상태나, 유전 정보 등의 유저의 정보, 온도나, 습도 등의 환경 정보 등 중 적어도 하나를 포함한다. 또, 필터 처리부(630)는 제1 데이터 취득부(62)에서 취득한 제1 데이터의 내용에 따라, 제2 추출부(63)가 맥파 신호에 시행하는 추출 방법을 결정해도 된다. 예를 들면, 제1 데이터 취득부(62)에서 취득한 제1 데이터의 혈당값의 정밀도가 낮은 경우, 필터 처리부(630)는 제1 추출부(61)에서 행하지 않은 추출 방법을 결정한다. 또, 예를 들면, 제1 데이터로서 혈당값을 취득한 경우, 필터 처리부(630)는, 혈압을 제2 데이터로서 취득하기 위해, 규격화부(633)에서, 분할 파형 신호의 시간폭을 통일하기 위해 일정한 샘플링 수로 트리밍을 행하는 추출 조건을 결정해도 된다. 이것에 의해, 제1 데이터의 변화나 특징에 맞춘 제2 데이터의 취득이 가능하게 되어, 고정밀도의 평가 결과를 얻을 수 있다. 또, 필터 처리부(630)는, 제1 데이터 취득부(62)에서 취득한 제1 데이터의 내용에 따라, 제2 데이터 취득부(64)가 제2 평가 데이터에 시행하는 처리 방법을 결정해도 된다. 구체적인 방법으로서는, 후술하는 제2 데이터 취득부(64)가, 제1 데이터 취득부(62)에서 취득한 제1 데이터의 내용에 따라, 제2 평가 데이터에 시행하는 처리 방법을 결정하는 방법과 동일한 것이어도 된다.
또, 필터 처리부(630)는, 제1 데이터 취득부(62)에서 취득한 제1 평가 데이터의 추출 방법에 따라, 제2 추출부(63)가 맥파 신호에 시행하는 추출 방법을 결정해도 된다. 예를 들면, 제1 평가 데이터를 취득할 때, 미분부(611)에서 미분을 행한 경우, 필터 처리부(630)는 미분부(631)에서 미분을 행하지 않도록 결정한다. 이것들에 의해, 제1 데이터의 변화에 따라, 최적의 제2 데이터를 취득하는 것이 가능하게 된다.
다음에 제2 추출부(63)는, 제2 추출 스텝(S15)에 있어서, 맥파 신호 취득부(60)로부터 입력된 맥파 신호로부터 제2 평가 데이터를 추출한다. 제2 평가 데이터란, 제2 데이터 취득부(64)에서 처리를 하기 위해 제2 추출부(63)에 의해, 맥파 신호로부터 추출된 파형 데이터이다. 제2 평가 데이터는, 예를 들면, 맥파 신호가 필터링 처리, 미분 처리, 규격화 처리, 및 평균화 처리의 적어도 어느 하나에 의해 1주기분 등의 파형으로 처리된 파형 데이터이다.
우선 필터 처리부(630)는, 맥파 신호 취득부(60)로부터 입력된 맥파 신호에 필터링 처리를 시행한 후, 예를 들면, 혈당값을 생체 정보로서 취득하는 경우, 제2 추출 조건 결정 스텝(S14)에서 결정한 추출 방법에 기초하여, 맥파 신호를 미분부(631)에 출력한다.
다음에 미분부(631)는 필터 처리부(630)로부터 입력된 맥파 신호에 미분을 할지 안 할지를, 제2 추출 조건 결정 스텝(S14)에서 결정한 추출 방법에 기초하여 판단하고, 처리를 시행한 후, 맥파 신호를 분할부(632)에 출력한다.
다음에 분할부(632)는 미분부(631)로부터 입력된 복수의 파형 신호의 각각을 1주기분의 분할 파형 데이터로 분할한다. 그 후, 분할부(632)는 분할 파형 데이터를 규격화부(633)에 출력한다.
규격화부(633)는 분할부(632)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 규격화를 하고, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 규격화를 행한다. 이때, 제2 추출부(63)는 평균 파형 신호를 제2 평가 데이터로서 취득한다. 그 후, 규격화부(633)는 규격화된 평균 파형 신호를 제2 데이터 취득부(64)에 출력한다.
다음에 생체 정보 연산 시스템(100)은 제2 데이터 취득 스텝(S16)으로 이행하고, 제2 추출 조건에 연계되는 제2 처리 조건을 참조하고, 제2 추출부(63)로부터 입력된 제2 평가 데이터를 제2 데이터 취득부(64)에서 처리하여, 제2 데이터를 취득한다.
제2 처리 조건은, 제2 추출부(63)로부터 입력된 제2 평가 데이터에, 제2 데이터 취득부(64)에서 시행하는 처리의 제2 추출 조건에 연계시켜진 방법을 포함하는 데이터군이다. 제2 데이터 취득부(64)는 제2 처리 조건 중에서 처리 방법을 결정한다. 제2 처리 조건의 데이터군은 복수의 처리 방법을 포함해도 되고, 미리 정해진 단일의 처리 방법을 포함하고 있어도 된다. 또, 제2 처리 조건은 제1 처리 조건과 같은 것이어도 된다.
또, 제2 데이터 취득부(64)는, 제1 데이터의 처리 방법에 따라, 제2 데이터 취득부(64)에서 시행하는 제2 평가 데이터의 처리 방법을 결정해도 된다. 예를 들면, 젊은층의 유저로부터 측정한 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 평균 파형 신호로부터 제1 데이터를 취득하는 처리 방법을 시행한 경우, 제2 데이터 취득부(64)는, 상기의 처리 방법에 따라, 보다 유저에게 적합한 검량 모델을 사용하여, 평균 파형 신호로부터 제2 데이터를 취득해도 된다. 이것에 의해, 다른 처리의 방법으로 취득한 복수의 생체 정보를 취득하는 것이 가능하게 되어, 보다 다각적이며 고정밀도의 평가가 가능하게 된다.
또, 제2 데이터 취득부(64)는, 제2 처리 조건을 참조하여, 제1 데이터의 내용에 대응하는 처리 방법을 결정해도 된다. 예를 들면, 제1 데이터에 의해, 유저가 저혈당의 경향이 있는 것이 밝혀진 경우, 제2 데이터 취득부(64)는 제2 데이터 취득부(64)에서 시행하는 제2 평가 데이터의 처리 방법으로서, 저혈당의 유저의 혈당값의 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 혈당값을 취득하는 처리 방법을 결정해도 된다. 취득할 수 있는 혈당값의 값에는 큰 오차가 있을 경우가 상정되기 때문에, 제1 데이터의 내용으로부터 저혈당대, 통상혈당대, 고혈당대, 초고혈당대로 분류하고, 그 혈당대에 맞춘 검량 모델을 사용함으로써 제2 데이터로서 취득하는 혈당값의 정밀도를 대폭 향상하는 것이 가능하게 된다. 또, 제1 데이터의 내용으로부터 유저가 당뇨병인지 아닌지를 판단하고, 그 결과에 맞추어 제2 데이터 취득부(64)에서 시행하는 제2 평가 데이터의 처리 방법을 결정해도 된다. 이것들에 의해, 제1 데이터의 변화에 추종하여, 제2 평가 데이터의 처리를 결정함으로써, 보다 고정밀도의 평가가 가능하게 된다.
처리 방법은, 예를 들면, 회귀분석부(620)에서, 평균 파형 신호로부터 제1 데이터를 취득하는 처리에서 사용되는 검량 모델의 내용에 의해서도 분류할 수 있다. 예를 들면, 젊은층의 유저로부터 측정한 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 평균 파형 신호로부터 제1 데이터를 취득하는 처리 방법과 다른 연대층의 유저로부터 측정한 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 평균 파형 신호로부터 제1 데이터를 취득하는 처리 방법은 각각 다른 처리 방법이다.
또, 제2 데이터 취득부(64)는, 제1 평가 데이터의 분류 패턴을 참조하여, 제1 평가 데이터를 분류한 결과를 제1 데이터로 하고, 상기한 제1 데이터를 참조하여, 제2 데이터 취득부(64)에서 시행하는 제2 평가 데이터의 처리 방법을 결정해도 된다. 이것에 의해, 예를 들면, 분류하기 쉬운 가속도 맥파를 사용하여, 신호의 특징을 분류한 다음, 오류 검출을 억제할 수 있는 속도 맥파를 사용한 고정밀도의 평가가 가능하게 된다. 이것에 의해, 제1 데이터의 변화에 추종하여, 보다 유저에게 적합한 제2 평가 데이터의 처리를 결정하는 것이 가능하게 된다.
분류 패턴은 신호의 파형의 특징에 따라, 신호를 2개 이상의 그룹으로 분류하기 위한 분류표이며, 예를 들면, 도 12에 도시하는 가속도 맥파의 분류 패턴이 사용된다.
제1 데이터 취득부(62)는, 미분부(611)에서 맥파 신호를 미분한 가속도 맥파에 기초한 제1 평가 데이터가 입력된 경우, 제1 평가 데이터가, 예를 들면, 도 12의 어느 패턴에 맞는지를 판단하고, 분류 패턴을 결정한다. 예를 들면, 입력된 제1 평가 데이터의 변곡점 b가 변곡점 d보다 작고, 또한 변곡점 c≥0.5이면, 패턴 A를 제1 평가 데이터의 분류 패턴으로 한다.
가속도 맥파의 분류마다, 적합한 검량 모델이 다르므로, 제2 데이터 취득부(64)는, 제1 평가 데이터의 분류 패턴을 참조하여, 제1 평가 데이터를 분류한 결과를 제1 데이터로 하고, 상기한 제1 데이터를 참조하여, 제2 데이터 취득부(64)에서 시행하는 제2 평가 데이터의 처리의 방법을 결정함으로써, 유저마다 적합한 처리 방법을 실현할 수 있다. 예를 들면, 제1 평가 데이터가 패턴 A로 분류된 결과를 제1 데이터로 할 때, 제2 데이터 취득부(64)는, 회귀분석부(640)에서, 미리 측정된 맥파의 패턴 A의 파형 데이터를 설명변수로 하고, 생체 정보의 실측값을 목적변수로 하여, 회귀분석에 의해 해석하고, 그 해석 결과에 기초하여 구축된 검량 모델을 사용하여, 입력된 평균 파형 데이터로부터 제2 데이터를 취득하도록 결정한다.
상기한 가속도 맥파의 분류 패턴 대신에, 예를 들면, 도 13에 도시하는 속도 맥파의 분류 패턴을 사용해도 된다. 이것을 상기한 바와 같이 사용함으로써, 제1 데이터 취득부(62)는 미분부(611)에서 맥파 신호를 미분하지 않는 속도 맥파에 기초한 제1 평가 데이터가 입력된 경우에도 분류 패턴을 결정할 수 있다.
다음에 최적 혈당값 산출 스텝(S17)에 있어서, 제1 데이터 취득부(62)에서 취득한 제1 데이터와, 제2 데이터 취득부(64)에서 취득한 제2 데이터를 최적 혈당값 산출부(65)에 입력하고, 제1 데이터와 제2 데이터로부터 최적의 생체 정보를 취득한다. 예를 들면, 제1 데이터로서 취득한 혈당값을 제1 혈당값으로 하고, 제2 데이터로서 취득한 혈당값을 제2 혈당값으로 하여, 제1 혈당값과 제2 혈당값으로부터 최적 혈당값을 산출한다. 최적값이 되는 생체 정보의 산출 방법에 대해서는, 예를 들면, 제1 데이터와 제2 데이터에 각각의 측정정밀도에 따라 가중을 하고, 가중에 기초하여, 복수의 제1 데이터 및 복수의 제2 데이터로부터 최적값이 되는 생체 정보를 산출해도 된다. 또, 다른 예로서, 타 센서 등에 의해 취득된 혈당값을 참조값으로 하고, 참조값과 제1 데이터 및 제2 데이터의 플롯 그래프를 작성하고 2개의 플롯 그래프 중, 에러 그리드 상에서 양호한 값을 나타내는 데이터를 출력하는 방법과, 제1 데이터와 제2 데이터를 각각 복수 취득하고, 편차가 작은 데이터를 출력하는 방법과, 미리 설정된 허용범위에, 제1 데이터와 제2 데이터가 범위 내에 포함되는지를 평가하고, 포함되는 데이터를 출력하는 방법 등을 들 수 있다.
여기에서, 맥파의 파형 신호는, 추출 조건이나 처리의 방법에 따라, 취득할 수 있는 생체 정보의 수치에 편차가 생기는 경우가 있다. 예를 들면, 추출 조건으로서 미분을 행한 맥파를 처리한 경우와, 추출 조건으로서 미분을 행하지 않은 맥파를 처리한 경우를 비교했을 때, 취득할 수 있는 생체 정보의 수치에 편차가 생기는 것이 염려된다. 즉, 맥파의 파형 신호를 이용하여 충분한 정밀도가 있는 생체 정보를 취득하기 위해서는, 복수 종류의 추출 조건 등을 거쳐 동시에 출력된 복수의 생체 정보로부터, 맥파의 파형 신호를 다각적으로 평가할 필요가 있다.
한편, 종래기술에서는, 1개의 맥파의 파형 신호에 대하여, 복수 종류의 추출 조건 등을 거쳐, 복수의 생체 정보를 동시에 출력하는 것이 개시되어 있지 않다. 이 때문에, 종래기술에서는 추출 조건 등에 따라 취득할 수 있는 생체 정보에 편차가 생기므로, 충분한 정밀도가 얻어지지 않는다고 하는 염려가 있다.
이에 대하여, 본 실시형태에 있어서의 생체 정보 연산 시스템(100)은, 예를 들면, 속도 맥파를 맥파 신호로서 취득하는 맥파 신호 취득 스텝(S10)과, 제1 추출 조건을 참조하여, 맥파 신호에 기초하는 제1 평가 데이터를 추출하는 제1 추출 스텝(S12)과, 제1 추출 조건에 연계되는 제1 처리 조건을 참조하여, 제1 평가 데이터에 대한 제1 데이터를 취득하는 제1 데이터 취득 스텝(S13)과, 제2 추출 조건을 참조하여, 맥파 신호에 기초하는 제2 평가 데이터를 추출하는 제2 추출 스텝(S15)과, 제2 추출 조건에 연계되는 제2 처리 조건을 참조하여, 제2 평가 데이터에 대한 제2 데이터를 취득하는 제2 데이터 취득 스텝(S16)을 갖춘다. 또, 제2 추출 스텝(S15)은, 제1 데이터에 따라, 참조하는 제2 추출 조건에 포함되는 복수의 추출 방법 중 어느 하나, 또는 제2 처리 조건에 포함되는 복수의 처리 방법 중 어느 하나를 결정한다.
즉 본 실시형태에 의하면, 제1 추출 조건을 참조한 제1 추출 스텝(S12)에 의해, 맥파 신호에 기초하는 제1 평가 데이터를 추출하고, 또한 제1 추출 조건에 연계되는 제1 처리 조건을 참조한 제1 데이터 취득 스텝(S13)에 의해, 제1 평가 데이터에 대한 제1 데이터를 취득한다. 또, 생체 정보 연산 시스템(100)은, 제2 추출 조건을 참조한 제2 추출(S15)에 의해, 맥파 신호에 기초하는 제2 평가 데이터를 추출하고, 또한 제2 추출 조건에 연계되는 제2 처리 조건을 참조한 제2 데이터 취득 스텝(S16)에 의해, 제2 평가 데이터에 대한 제2 데이터를 취득한다. 이것들에 의해, 입력된 1개의 맥파 신호로부터, 다른 추출 방법 및 처리 방법을 시행한 복수의 생체 정보를 동시에 취득할 수 있다. 이 복수의 생체 정보에 의해, 하나의 맥파 신호로 생체 정보의 다각적인 평가에 따라 고정밀도의 평가 결과를 얻는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 제2 추출 스텝(S15)은, 제1 데이터 취득 스텝(S13)에 의해 취득된 제1 데이터에 따라, 참조하는 제2 추출 조건에 포함되는 복수의 추출 방법 중 어느 하나, 또는 상기 제2 처리 조건에 포함되는 복수의 처리 방법 중 어느 하나를 결정한다. 이 때문에, 제1 데이터의 내용으로부터, 최적의 맥파 신호에 추출 방법을 결정하고, 제1 데이터의 변화나 특징에 맞춘 제2 데이터의 취득이 가능하게 된다. 이것에 의해, 유저의 특징에 맞춘 고정밀도의 평가 결과를 얻을 수 있다.
또, 본 실시형태에 의하면, 제2 추출 스텝(S15)은, 제1 추출 스텝(S12)에 의해 추출된 제1 평가 데이터의 추출 방법에 기초하여, 참조하는 제2 추출 조건에 포함되는 복수의 추출 방법 중 어느 하나를 결정한다. 이것에 의해, 제2 추출 스텝(S15)은, 제1 평가 데이터의 추출 방법으로부터, 보다 적합한 추출 방법을 결정하여, 맥파 신호에 보다 적합한 추출 방법이 다른 복수의 생체 정보를 취득할 수 있고, 다각적인 평가에 의해, 보다 고정밀도의 평가 결과를 얻는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 제2 데이터 취득 스텝(S16)은, 제1 데이터 취득 스텝(S13)에 의해 결정된 제1 데이터의 처리 방법에 따라, 참조하는 제2 처리 조건에 포함되는 복수의 처리 방법 중 어느 하나를 결정한다. 이것에 의해, 제2 데이터 취득 스텝(S16)은 제1 데이터의 처리 방법으로부터 최적의 제2 평가 데이터의 처리 방법을 결정할 수 있어, 맥파 신호에 보다 적합한 처리 방법이 다른 복수의 생체 정보를 취득하여, 보다 다각적인 평가에 의해, 보다 고정밀도의 평가 결과를 얻는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 제1 추출 스텝(S12)은 맥파 신호를 미분하고, 제1 평가 데이터를 추출하고, 제1 데이터 취득 스텝(S13)은, 제1 평가 데이터의 분류 패턴을 참조하여, 제1 평가 데이터를 분류한 결과를 제1 데이터의 처리 방법으로서 취득하는 것과, 제2 추출 스텝(S15)은 맥파 신호를 미분하지 않고, 제2 평가 데이터를 추출함으로써, 분류에 적합한 가속도 맥파를 제1 평가 데이터로서 분류를 행하고, 오류 검출을 억제할 수 있는 속도 맥파를 제2 평가 데이터로서 처리를 하는 것이 가능하여, 다각적인 평가에 의해, 보다 고정밀도의 평가 결과를 얻는 것이 가능하게 된다.
(제8 실시형태: 생체 정보 연산 시스템(100))
다음에 제8 실시형태에 있어서의 생체 정보 연산 시스템(100)의 일례에 대해 설명한다. 상기한 실시형태와 제8 실시형태와의 차이는 전자 기기(2)가 다른 처리를 실시하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
도 23은 전자 기기(2)의 생체 정보 연산 프로그램을 실현하기 위한 시퀀스를 나타내고 있다. 전자 기기(2)는 맥파 신호 취득부(60a)와, 맥파 신호 취득부(60a)에 접속된 분류 데이터 추출부(61a) 및 평가용 데이터 추출부(65a)와, 분류 데이터 추출부(61a)에 접속된 제1 패턴 선택부(62a)와, 평가용 데이터 추출부(65a)에 접속된 제2 패턴 선택부(66a)와, 제1 패턴 선택부(62a) 및 제2 패턴 선택부(66a)에 접속된 제1 처리 선택부(63a)와, 제1 처리 선택부(63a) 및 평가용 데이터 추출부(65a)에 접속된 혈당값 취득부(64a)를 갖추고 있다.
맥파 신호 취득부(60a)는 통신망(3)을 통하여 센서(5), 서버(4) 및 다른 전자 기기(2)로부터 송신된 맥파 신호를 취득한다. 맥파 신호 취득부(60a)는 취득한 맥파 신호를 분류 데이터 추출부(61a) 및 평가용 데이터 추출부(65a)에 출력한다. 또, 평가용 데이터 추출부(65a)에 의한 맥파 신호의 추출을 필요로 하지 않는 경우, 맥파 신호 취득부(60a)는 맥파 신호를 혈당값 취득부(64a)에 출력해도 된다.
분류 데이터 추출부(61a)는, 추출 조건을 참조하여, 맥파 신호 취득부(60a)로부터 입력된 맥파 신호에 기초하는 분류 데이터를 추출한다. 분류 데이터 추출부(61a)는 추출한 분류 데이터를 제1 패턴 선택부(62a)에 출력한다.
제1 패턴 선택부(62a)는, 제1 분류 패턴을 참조하여, 분류 데이터 추출부(61a)로부터 입력된 분류 데이터에 대한 제1 패턴을 선택한다. 제1 패턴 선택부(62a)는 선택한 제1 패턴을 제1 처리 선택부(63a)에 출력한다.
평가용 데이터 추출부(65a)는, 평가용 추출 조건을 참조하여, 맥파 신호 취득부(60a)로부터 입력된 맥파 신호에 기초하는 평가용 데이터를 추출한다. 평가용 데이터 추출부(65a)는 추출한 평가용 데이터를 제2 패턴 선택부(66a) 및 혈당값 취득부(64a)에 출력한다.
제2 패턴 선택부(66a)는, 제2 분류 패턴을 참조하여, 평가용 데이터 추출부(65a)로부터 입력된 평가용 데이터에 대한 제2 패턴을 선택한다. 제2 패턴 선택부(66a)는 선택한 제2 패턴을 제1 처리 선택부(63a)에 출력한다.
제1 처리 선택부(63a)는, 미리 취득된 처리 패턴을 참조하여, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴과, 제2 패턴 선택부(66a)로부터 입력된 제2 패턴에 기초하여, 제1 처리를 선택한다. 제1 처리 선택부(63a)는 선택한 제1 처리를 혈당값 취득부(64a)에 출력한다.
혈당값 취득부(64a)는 제1 처리 선택부(63a)로부터 입력된 제1 처리를 참조하여, 평가용 데이터 추출부(65a)로부터 입력된 평가용 데이터에 대한 혈당값을 취득한다.
도 24는 분류 데이터 추출부(61a)의 구체적인 구성예를 도시하고 있다. 분류 데이터 추출부(61a)는 맥파 신호 취득부(60a)에 접속된 필터 처리부(610a)와, 필터 처리부(610a)에 접속된 미분부(611a)와, 미분부(611a)에 접속된 분할부(612a)와, 분할부(612a)에 접속된 규격화부(613a)를 갖춘다.
분류 데이터 추출부(61a)는, 하나의 분류 데이터를 취득하기 위해 분류 데이터 추출부(61a)에 구비된 추출 방법의 반드시 모두를 사용하는 것은 아니고, 추출 조건에 따라 정해진 적어도 하나의 추출 방법으로 맥파 신호로부터 분류 데이터를 추출한다.
필터 처리부(610a)는 취득한 맥파 신호에 필터링 처리를 시행한다. 필터 처리부(610a)는 필터링에, 예를 들면, 0.5∼5Hz의 밴드패스 필터를 사용하지만, 이것에 한정되는 것은 아니다. 또, 필터 처리부(610a)는, 추출 조건을 참조하여, 취득한 맥파 신호로부터 분류 데이터를 추출하는 추출 방법을 결정한다. 필터 처리부(610a)는 필터링 처리된 맥파 신호를 미분부(611a)에 출력한다.
미분부(611a)는 필터 처리부(610a)로부터 입력된 맥파 신호를 미분한다. 미분부(611a)는, 필터 처리부(610a)에 의해, 미분 처리가 필요하다고 판단된 경우, 입력된 맥파 신호에 미분 처리를 행한다. 미분부(611a)는 처리한 맥파 신호를 분할부(612a)에 출력한다.
분할부(612a)는, 미분부(611a)로부터 입력된 복수의 파형 신호의 각각을, 정수 주기분의 분할 파형 데이터로 분할한다. 본 실시형태에서는 분할부(612a)는 정수 주기는 1주기로 하고 있지만, 복수 주기로 해도 된다. 분할부(612a)는 분할 파형 데이터를 규격화부(613a)에 출력한다.
규격화부(613a)는 분할부(612a)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 규격화를 하여, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 진폭의 최대값을 1, 최소값을 0으로 한 규격화를 행하여, 분류 데이터를 취득한다. 규격화부(613a)는 취득한 분류 데이터를 제1 패턴 선택부(62a)에 출력한다.
규격화부(613a)는 분할 파형 신호의 시간폭을 통일하기 위해 분할부(612a)로부터 입력된 복수의 분할 파형 신호를 일정한 시간폭 또는 일정한 샘플링 수로 트리밍을 행해도 된다. 규격화부(613a)는 시간폭을 통일하기 위한 처리 방법이 필터 처리부(610a)에 의해 정해진다.
규격화부(613a)는, 평균 파형 신호를 취득할 때, 복수의 분할 파형 신호를 필요로 하지만, 필요한 분할 파형 신호의 수는 필터 처리부(610a)에 의해 정해진다.
제1 패턴 선택부(62a)는, 미리 취득된 제1 분류 패턴을 참조하여, 규격화부(613a)로부터 입력된 분류 데이터를, 제1 패턴으로 분류한다. 제1 패턴 선택부(62a)는 분류된 제1 패턴을 제1 처리 선택부(63a)에 출력한다.
도 25는 평가용 데이터 추출부(65a)의 구체적인 구성예를 도시하고 있다. 평가용 데이터 추출부(65a)는 맥파 신호 취득부(60a)에 접속된 필터 처리부(650a)와, 필터 처리부(650a)에 접속된 미분부(651a)와, 미분부(651a)에 접속된 분할부(652a)와, 분할부(652a)에 접속된 규격화부(653a)를 갖춘다. 평가용 데이터 추출부(65a)는 분류 데이터 추출부(61a)와 같은 것으로 구성되어 있지만, 분류 데이터 추출부(61a)에서, 추출 조건을 참조하고 있었지만, 평가용 데이터 추출부(65a)의 경우는, 추출 조건이 아니고, 평가용 추출 조건을 참조하고 있다.
필터 처리부(650a)는 취득한 맥파 신호에 필터링 처리를 시행한다. 필터 처리부(650a)는 필터링에, 예를 들면, 0.5∼5Hz의 밴드패스 필터를 사용하지만, 이것에 한정되는 것은 아니다. 또, 필터 처리부(650a)는, 평가용 추출 조건을 참조하여, 취득한 맥파 신호로부터 평가용 데이터를 추출하는 추출 방법을 결정한다. 필터 처리부(650a)는 필터링 처리된 맥파 신호를 미분부(651a)에 출력한다.
미분부(651a)는 필터 처리부(650a)로부터 입력된 맥파 신호를 미분한다. 미분부(651a)는, 필터 처리부(650a)에 의해, 미분 처리가 필요하다고 판단된 경우, 입력된 맥파 신호에 미분 처리를 행한다. 미분부(651a)는 처리한 맥파 신호를 분할부(652a)에 출력한다.
분할부(652a)는, 미분부(651a)로부터 입력된 복수의 파형 신호의 각각을, 정수 주기분의 분할 파형 데이터로 분할한다. 본 실시형태에서는 분할부(652a)는 정수 주기는 1주기로 하고 있지만, 복수 주기로 해도 된다. 분할부(652a)는 분할 파형 데이터를 규격화부(653a)에 출력한다.
규격화부(653a)는 분할부(652a)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 규격화를 하여, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 진폭의 최대값을 1, 최소값을 0로 한 규격화를 행하여, 평가용 데이터를 취득한다. 규격화부(653a)는 취득한 평가용 데이터를 제2 패턴 선택부(66a)에 출력한다.
규격화부(653a)는 분할 파형 신호의 시간폭을 통일하기 위해 분할부(652a)로부터 입력된 복수의 분할 파형 신호를 일정한 시간폭 또는 일정한 샘플링 수로 트리밍을 행해도 된다. 규격화부(653a)는 시간폭을 통일하는 방법이 필터 처리부(650a)에 의해 정해진다.
규격화부(653a)는, 평균 파형 신호를 취득할 때, 복수의 분할 파형 신호를 필요로 하지만, 필요한 분할 파형 신호의 수는 필터 처리부(650a)에 의해 정해진다.
제2 패턴 선택부(66a)는, 미리 취득된 제2 분류 패턴을 참조하여, 규격화부(653a)로부터 입력된 평가용 데이터를 제2 패턴으로 분류한다. 제2 패턴 선택부(66a)는 분류된 제2 패턴을 제1 처리 선택부(63a)에 출력한다.
제1 처리 선택부(63a)는, 미리 취득된 처리 패턴을 참조하여, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴 및 제2 패턴 선택부(66a)로부터 입력된 제2 패턴으로부터, 제1 처리를 선택한다. 제1 처리 선택부(63a)는 선택한 제1 처리를 혈당값 취득부(64a)에 출력한다.
생체 정보 연산 시스템(100)에 의해 취득되는 생체 정보는 혈당값을 포함하고, 다른 예로서 혈압, 혈중의 산소포화도, 혈중 이산화탄소 농도, 혈관 연령, 당뇨병의 정도 등을 포함해도 된다. 생체 정보 연산 시스템(100)은, 예를 들면, 상기 이외의 맥파 신호에 상관관계가 있는 정보를 생체 정보로서 취득해도 된다.
다음에 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 일례에 대해 설명한다. 도 26은 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 1 예를 나타내는 흐름도이다.
우선 맥파 신호 취득 스텝(S10a)에 있어서, 취득부(50)가 맥파 신호를 취득하고, 내부 버스(54)를 통하여, 통신 I/F(51)에 맥파 신호를 출력한다. 맥파 신호 취득 스텝(S10a)은, 예를 들면, 취득부(50)가 취득한 맥파 신호 대신에, 메모리(52)에 기록되어 있던 맥파 신호를, 내부 버스(54)를 통하여, 통신 I/F(51)에 맥파 신호를 출력해도 된다. 맥파 신호는, 예를 들면, FBG 센서를 사용하여 측정된다.
다음에 취득부(50)로부터 맥파 신호를 입력받은 통신 I/F(51)는, 통신망(3)을 통하여, 맥파 신호를 맥파 신호 취득부(60a)에 송신한다. 또, 이때, 취득부(50)가 취득한 맥파 신호 대신에, 서버(4)에 보존된 맥파 신호를 맥파 신호 취득부(60a)에 송신해도 된다.
다음에 통신망(3)을 통하여, 맥파 신호를 송신받은 맥파 신호 취득부(60a)는 맥파 신호를 분류 데이터 추출부(61a) 및 평가용 데이터 추출부(65a)에 출력한다.
분류 데이터 추출부(61a)는, 추출 조건을 참조하여, 맥파 신호 취득부(60a)로부터 입력된 맥파 신호로부터 분류 데이터를 추출한다. 분류 데이터란 제1 패턴 선택부(62a)에서 맥파 신호를 분류하기 위해 분류 데이터 추출부(61a)에 의해 추출된 파형 데이터이다. 분류 데이터는, 예를 들면, 맥파 신호가 필터링 처리, 미분 처리, 규격화 처리, 및 평균화 처리의 적어도 어느 하나에 의해 1주기분 등의 파형으로 처리된 파형 데이터이다.
필터 처리부(610a)는, 추출 조건을 참조하여, 취득한 맥파 신호의 상태, 부가 정보에 의해, 분류 데이터 추출부(61a)가 맥파 신호에 시행하는 추출의 방법을 결정한다. 부가 정보는 유저의 정보를 나타내고, 예를 들면, 유저의 연령, 성별, 병력, 생활 습관, 건강 상태, 투약 정보, 동맥 경화의 정도, 또는 유전 정보 등의 정보 이외에, 온도, 습도, 또는 센서(5)에 부착된 가속도 센서가 측정한 가속도 등의 환경 정보 중 적어도 1개를 포함한다.
예를 들면, 필터 처리부(610a)는, 미분부(611a)에서, 필터 처리부(610a)로부터 입력된 맥파 신호를 미분하도록 명령을 한다.
우선 분류 데이터 추출부(61a)는 맥파 신호 취득부(60a)로부터 입력된 맥파 신호를 필터 처리부(610a)에 출력한다.
다음에 필터 처리부(610a)는 맥파 신호 취득부(60a)로부터 입력된 맥파 신호에 필터링 처리를 시행한 후, 맥파 신호를 미분부(611a)에 출력한다.
다음에 미분부(611a)는, 필터 처리부(610a)로부터 입력된 맥파 신호에 미분을 할지 안 할지를, 필터 처리부(610a)에 기초하여 판단하고, 처리를 시행한 후, 맥파 신호를 분할부(612a)에 출력한다.
필터 처리부(610a)에 기초하여, 미분부(611a)가 맥파 신호를 미분할지 안 할지를 판단하는 이유는, 맥파 신호를 미분할지 하지 않을지에서 얻어지는 분류 데이터의 특징에 차이가 생기고, 취득한 맥파 신호에 따라, 그것에 적합한 제1 처리를 결정하기 위함이다.
다음에 분할부(612a)는, 미분부(611a)로부터 입력된 복수의 파형 신호의 각각을, 평균화하기 위해 1주기분의 분할 파형 데이터로 분할한다. 그 후, 분할부(612a)는 분할 파형 데이터를 규격화부(613a)에 출력한다.
규격화부(613a)는 분할부(612a)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 가로축의 규격화를 하여, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 세로축의 규격화를 행하여, 분류 데이터를 취득한다. 그 후, 규격화부(613a)는 분류 데이터를 제1 패턴 선택부(62a)에 출력한다.
규격화부(613a)에서 시간폭을 통일하기 위해 가로축의 규격화 처리를 행하는 이유는, 맥파의 종단측에서 차이가 크게 나타나므로, 이 부분을 삭제하여, 맥파의 본체 부분을 해석 대상으로 하기 위함이다. 또 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 세로축의 규격화를 행하는 이유는, FBG 센서를 측정 부위에 부착할 때의 누름 압력의 편차나, 측정 시에 FBG 센서가 위치 벗어나는 것에 의한 측정 데이터의 편차를 평균화하여, 측정 시의 편차에 기인하는 노이즈를 억제하여, 맥파 신호와 생체 정보의 실측값의 상관관계의 정밀도를 향상시키기 위함이다.
다음에 제1 패턴 선택 스텝(S12a)은, 제1 분류 패턴을 참조하여, 분류 데이터 추출부(61a)로부터 입력된 분류 데이터를 제1 패턴 선택부(62a)에서 분류하고, 제1 패턴을 취득한다. 분류 패턴은, 예를 들면, 상기한 실시형태와 마찬가지로, 도 12등과 같은 가속도 맥파의 분류 패턴이 사용된다.
제1 패턴 선택부(62a)는, 미분부(611a)에서 맥파 신호를 미분한 가속도 맥파에 기초한 분류 데이터가 입력된 경우, 분류 데이터가, 예를 들면, 도 12의 어느 패턴에 맞는지를 판단하여, 제1 패턴을 결정한다.
다음에 평가용 데이터 추출 스텝(S13a)에 있어서, 평가용 데이터 추출부(65a)는, 평가용 추출 조건을 참조하여, 맥파 신호 취득부(60a)로부터 입력된 맥파 신호로부터 평가용 데이터를 추출한다. 평가용 데이터 추출부(65a)가 맥파 신호에 시행하는 추출 방법은 분류 데이터 추출부(61a)가 맥파 신호에 시행하는 추출 방법과 거의 동일하지만, 분류 데이터 추출부(61a)에 있어서, 추출 조건을 참조하고 있었지만, 평가용 데이터 추출부(65a)의 경우는, 추출 조건이 아니고, 평가용 추출 조건을 참조하고 있는 점에서 다르다. 또, 평가용 데이터 추출부(65a)는 맥파 신호 취득부(60a)로부터 분류 데이터 추출부(61a)에 입력된 맥파 신호와는 다른 맥파 신호를 맥파 신호 취득부(60a)로부터 입력받아, 상기한 맥파 신호로부터 평가용 데이터를 추출해도 된다. 평가용 데이터란 제2 패턴 선택부(66a)에서 맥파 신호를 분류 또는 혈당값 취득부(64a)에서 생체 정보를 취득하기 위해 평가용 데이터 추출부(65a)에 의해 추출된 파형 데이터이다. 평가용 데이터는, 예를 들면, 맥파 신호가 필터링 처리, 미분 처리, 규격화 처리, 및 평균화 처리의 적어도 어느 하나에 의해 1주기분 등의 파형으로 처리된 파형 데이터이다.
필터 처리부(650a)는 평가용 추출 조건을 참조하여, 취득한 맥파 신호의 상태, 부가 정보에 의해, 평가용 데이터 추출부(65a)가 맥파 신호에 시행하는 추출의 방법을 결정한다. 추출의 방법으로서, 예를 들면, 부가 정보로서 상기한 가속도가 높은 수치가 측정된 경우, 필터 처리부(650a)는 통과 주파수대가 보다 좁은 밴드패스 필터를 사용해도 된다.
또, 필터 처리부(650a)는, 분류 데이터의 추출 방법에 의해서도, 평가용 데이터 추출부(65a)가 맥파 신호에 시행하는 추출의 방법을 결정한다. 예를 들면, 미분부(611a)에 미분하는 추출 방법을 결정했었을 경우, 필터 처리부(650a)는, 미분부(651a)에서, 필터 처리부(650a)로부터 입력된 맥파 신호를 미분하지 않도록 명령을 한다. 이것에 의해, 분류하기 쉬운 가속도 맥파를 분류 데이터로 하여 분류를 행하고, 분류 데이터에 대한 제1 패턴을 선택하여, 제1 패턴에 대한 제1 처리를 결정할 수 있고, 오류 검출을 억제하기 쉬운 속도 맥파를 평가용 데이터로 하여, 평가용 데이터에 대한 혈당값을 취득하는 것이 가능하게 되어, 보다 고정밀도의 평가를 할 수 있다.
우선 평가용 데이터 추출부(65a)는 맥파 신호 취득부(60a)로부터 입력된 맥파 신호를 필터 처리부(650a)에 출력한다.
다음에 필터 처리부(650a)는, 맥파 신호 취득부(60a)로부터 입력된 맥파 신호에 필터링 처리를 시행한 후, 맥파 신호를 미분부(651a)에 출력한다.
다음에 미분부(651a)는 필터 처리부(650a)로부터 입력된 맥파 신호에 미분을 할지 안 할지를, 필터 처리부(650a)에 기초하여 판단하고, 처리를 시행한 후, 맥파 신호를 분할부(652a)에 출력한다.
다음에 분할부(652a)는 미분부(651a)로부터 입력된 복수의 파형 신호의 각각을 평균화하기 위해 1주기분의 분할 파형 데이터로 분할한다. 그 후, 분할부(652a)는 분할 파형 데이터를 규격화부(653a)에 출력한다.
규격화부(653a)는 분할부(652a)로부터 입력된 복수의 분할 파형 신호의 시간폭을 통일하기 위해 가로축의 규격화를 하고, 복수의 분할 파형 신호의 평균이 되는 평균 파형 신호를 취득하고, 평균 파형 신호의 최대값을 1, 최소값을 0로 한 세로축의 규격화를 행하여, 평가용 데이터를 취득한다. 그 후, 규격화부(653a)는 평가용 데이터를 제2 패턴 선택부(66a)에 출력한다.
규격화부(653a)에서 시간폭을 통일하기 위해 가로축의 규격화 처리를 행하는 이유는, 맥파의 종단측에서 차이가 크게 나타나므로, 이 부분을 삭제하여, 맥파의 본체 부분을 해석 대상으로 하기 위함이다. 또 평균 파형 신호의 최대값을 1, 최소값을 0으로 한 세로축의 규격화를 행하는 이유는, FBG 센서를 측정 부위에 부착할 때의 누름 압력의 편차나, 측정 시에 FBG 센서가 위치 벗어나는 것에 의한 측정 데이터의 편차를 평균화하여, 측정 시의 편차에 기인하는 노이즈를 억제하여, 맥파 신호와 생체 정보의 실측값의 상관관계의 정밀도를 향상시키기 위함이다.
다음에 제2 패턴 선택 스텝(S14a)는, 제2 분류 패턴을 참조하고, 평가용 데이터 추출부(65a)로부터 입력된 평가용 데이터를 제2 패턴 선택부(66a)에서 분류하여, 제2 패턴을 취득한다.
제2 패턴 선택부(66a)는, 제1 패턴 선택부(62a)와 마찬가지로, 입력된 평가용 데이터 및 부가 정보가, 예를 들면, 어느 패턴에 맞는지를 판단하고, 제2 패턴을 결정한다.
또, 제2 패턴 선택부(66a)는, 제1 패턴 선택부(62a)와 마찬가지로, 입력된 복수의 분류 데이터와 부가 정보로부터, 각각의 분류 결과를 가중하여, 복수의 패턴의 비율을 제2 패턴으로 해도 된다.
다음에 제1 처리 선택 스텝(S15a)에 있어서, 제1 처리 선택부(63a)는, 미리 취득된 처리 패턴을 참조하고, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴 및 제2 패턴 선택부(66a)로부터 입력된 제2 패턴에 대한 제1 처리를 선택하여, 혈당값 취득부(64a)에 출력한다.
처리 패턴은, 평가용 데이터로부터 혈당값을 취득하기 위해, 혈당값 취득부(64a)가 평가용 데이터에 시행하는 일련의 처리 방법을 포함하는 데이터군이다. 제1 처리 선택부(63a)는 처리 패턴 중에서 평가용 데이터에 시행하는 처리 방법을 제1 처리로서 결정한다. 처리 패턴의 데이터군은 복수의 처리 방법을 포함해도 된다. 처리 패턴으로서, 예를 들면, 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용하여, 평가용 데이터로부터 혈당값을 취득하는 처리 방법을 들 수 있다. 또, 처리 패턴은, 예를 들면, 입력된 평가용 데이터와 검량 모델과의 괴리도로부터, 혈당값의 이상값을 추정하는 처리 방법을 포함한다.
제1 처리 선택부(63a)는, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴 및 제2 패턴 선택부(66a)로부터 입력된 제2 패턴에 대하여, 최적의 검량 모델을 사용한 처리 방법을 제1 처리로서 선택하고, 혈당값 취득부(64a)에 출력해도 된다.
제1 처리의 선택 방법으로서, 예를 들면, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴 및 제2 패턴 선택부(66a)로부터 입력된 제2 패턴에 가장 해당하는 맥파의 패턴의 파형 데이터를 설명변수로 하고, 혈당값의 실측값을 목적변수로 하여, 회귀분석에 의해 해석하고, 그 해석 결과에 기초하여 구축된 검량 모델을 사용한 처리 패턴을 제1 처리로서 선택하여, 혈당값 취득부(64a)에 출력해도 된다. 예를 들면, 패턴 B가 제1 패턴으로서 입력된 경우, 패턴 B의 파형 데이터를 설명변수로 하고, 혈당값의 실측값을 목적변수로 하여, 회귀분석에 의해 해석하고, 그 해석 결과에 기초하여 구축된 검량 모델을 사용한 처리 방법을 처리 패턴으로부터 제1 처리로서 선택한다.
또, 제1 패턴 선택부(62a)로부터 입력된 제1 패턴 및 제2 패턴 선택부(66a)로부터 입력된 제2 패턴이 복수의 패턴으로 구성되는 경우, 제1 처리 선택부(63a)는 각각의 패턴에 해당하는 복수의 검량 모델을 사용한 복수의 제1 처리를 선택하고, 혈당값 취득부(64a)에 출력해도 된다.
또, 제1 처리 선택부(63a)는 입력된 부가 정보에 대한 제1 처리를 선택해도 된다. 예를 들면, 부가 정보로서 유저의 연령이 40대로 입력된 경우, 제1 처리 선택부(63a)는 40대의 유저로부터 측정한 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용한 처리 방법을 제1 처리로서 선택하고, 혈당값 취득부(64a)에 출력해도 된다. 또, 예를 들면, 동맥 경화의 정도나, 당뇨병인지 아닌지 등을 부가 정보로 하여, 상기한 바와 같이, 제1 처리 선택부(63a)는 부가 정보에 맞는 유저로부터 측정한 실측값과 맥파 신호의 상관관계를 나타낸 검량 모델을 사용한 처리 방법을 제1 처리로서 선택하여, 혈당값 취득부(64a)에 출력해도 된다.
다음에 혈당값 취득부(64a)는, 혈당값 취득 스텝(S16a)에 있어서, 제1 처리 선택부(63a)로부터 입력된 제1 처리를 참조하여, 평가용 데이터 추출부(65a)로부터 입력된 평가용 데이터에 대한 혈당값 등의 생체 정보를 취득한다.
혈당값 취득부(64a)는 제1 처리 선택부(63a)로부터 복수의 제1 처리를 입력받은 경우, 각각의 제1 처리에 기초하여, 평가용 데이터에 대한 복수의 혈당값을 취득해도 된다. 또, 그 경우는 예를 들면, 복수의 혈당값으로부터 최적 혈당값을 산출해도 된다. 최적 혈당값의 산출 방법으로서, 복수의 혈당값의 평균값을 최적의 혈당값으로서 출력해도 된다. 또, 예를 들면, 각각의 측정 정밀도에 따라, 각각의 혈당값에 가중을 하고, 가중에 기초하여, 복수의 혈당값으로부터 최적 혈당값을 산출해도 된다. 또, 다른 예로서, 혈당값을 취득한 복수의 제1 처리 중, 에러 그리드상에서 양호한 값을 나타내는 제1 처리에 의해 취득한 혈당값을 최적 혈당값으로서 출력하는 방법과, 각각의 제1 처리를 사용하여, 혈당값을 복수 취득하고, 편차가 작은 제1 처리에 의해 취득된 혈당값을 최적 혈당값으로서 출력하는 방법과, 미리 설정된 허용범위에, 혈당값이 범위 내에 포함되는지를 평가하고, 포함되는 혈당값을 최적 혈당값으로서 출력하는 방법 등을 들 수 있다.
여기에서, 맥파의 파형 신호는, 유저의 성별이나 연령 등의 속성에 의해, 맥파의 파형 신호로부터 취득할 수 있는 혈당값의 수치에 편차가 생기는 경우가 있다. 예를 들면, 20대의 남성을 유저로 하여 측정한 맥파를 처리한 경우와, 50대의 여성을 유저로 하여 측정한 맥파를 처리한 경우를 비교했을 때, 처리의 방법에 따라, 취득할 수 있는 혈당값의 정밀도에 편차가 생겨, 충분한 정밀도가 얻어지지 않는다고 하는 염려가 있다.
이에 대하여 본 실시형태에 따른 생체 정보 연산 시스템(100)은, 속도 맥파를 맥파 신호로서 취득하는 맥파 신호 취득 스텝(S10a)과, 맥파 신호에 기초하는 분류 데이터를 추출하는 분류 데이터 추출 스텝(S11a)과, 평가용 추출 조건을 참조하여, 분류 데이터와 다른 추출 방법에 의해, 맥파 신호에 기초하는 평가용 데이터를 추출하는 평가용 데이터 추출 스텝(S13a)과, 미리 취득된 복수의 제1 패턴을 포함하는 제1 분류 패턴을 참조하여, 분류 데이터에 대한 제1 패턴을 1 이상 선택하는 제1 패턴 선택 스텝(S12a)과, 미리 취득된 복수의 제1 처리를 포함하는 처리 패턴을 참조하여, 제1 패턴에 대한 제1 처리를 1 이상 선택하는 제1 처리 선택 스텝(S15a)과, 제1 처리를 참조하여, 평가용 데이터로부터 혈당값 등의 생체 정보를 취득하는 생체 정보 취득 스텝(예를 들면, 혈당값 취득 스텝(S16a))을 갖춘다.
즉 본 실시형태에 의하면, 생체 정보 연산 시스템(100)은, 제1 처리 선택 스텝(S15a)에 의해 선택된 제1 패턴에 대한 제1 처리를 참조하여, 평가용 데이터 추출 스텝(S13a)에 의해 추출된 평가용 데이터로부터 혈당값 등의 생체 정보를 취득한다. 이것에 의해, 입력된 맥파 신호로부터, 맥파 신호에 대하여 최적의 처리 방법을 선택하고, 혈당값 등의 생체 정보를 취득할 수 있기 때문에, 유저의 속성에 맞춘 맥파 신호의 처리가 가능하게 되어, 고정밀도의 평가 결과를 얻을 수 있다.
또, 본 실시형태에 의하면, 생체 정보 연산 시스템(100)은, 분류 데이터 추출 스텝(S11a)에서 맥파 신호를 미분함으로써, 가속도 맥파를 분류 데이터로서 추출하고, 분류 데이터에 대한 제1 패턴을 선택한다. 또, 평가용 데이터 추출 스텝(S13a)은, 맥파 신호를 미분하지 않음으로써, 속도 맥파를 평가용 데이터로서 추출한다. 이것들에 의해, 분류에 적합한 가속도 맥파를 사용하여 맥파 신호의 특징을 분류한 뒤에, 오류 검출을 억제할 수 있는 속도 맥파를 사용하여 혈당값을 계측하기 때문에, 고정밀도의 평가가 가능하게 된다.
또, 본 실시형태에 의하면, 제1 처리 선택 스텝(S15a)은 제1 패턴 선택 수단에 의해 선택된 제1 패턴 및 제2 패턴 선택 스텝(S12a, S14a)에 따라 선택된 제2 패턴에 대한 제1 처리를 선택한다. 이것에 의해, 1개의 맥파 신호로부터 취득한 다른 추출 방법을 시행한 복수의 패턴으로부터, 보다 최적의 처리 방법의 선택이 가능하게 되어, 더욱 정밀도가 향상된다.
또, 본 실시형태에 의하면, 제1 패턴 선택 스텝(S12a)은 분류 데이터 추출 스텝(S11a)에 의해 추출된 분류 데이터 및 부가 정보에 대한 제1 패턴을 선택한다. 이것에 의해, 부가 정보에 대한 제1 패턴의 선택이 가능하게 되어, 더욱 정밀도가 향상된다.
또, 본 실시형태에 의하면, 제1 처리 선택 스텝(S15a)은 분류 데이터 추출 스텝(S11a)에 의해 추출된 제1 패턴 및 부가 정보에 대한 제1 처리를 선택한다. 이것에 의해, 부가 정보에 대한 제1 처리의 선택이 가능하게 되어, 더욱 정밀도가 향상된다.
본 발명의 실시형태를 설명했지만, 이 실시형태는 예로서 제시한 것이며, 발명의 범위를 한정하는 것은 의도하지 않았다. 이러한 신규한 실시형태는 그 밖의 다양한 형태로 실시되는 것이 가능하며, 발명의 요지를 일탈하지 않는 범위에서, 다양한 생략, 치환, 변경을 행할 수 있다. 이 실시형태나 그 변형은 발명의 범위나 요지에 포함됨과 아울러, 특허청구범위에 기재된 발명과 그 균등한 범위에 포함된다.
1: 생체 정보 연산 장치
3: 통신망
4: 서버
5: 센서
6: 검출부
10: 케이싱
11: 취득부
12: 생성부
13: 출력부
14: 기억부
15: 학습부
50: 취득부
51: 통신 I/F
52: 메모리
53: 명령부
54: 내부 버스
55: 손목밴드
100: 생체 정보 연산 시스템
101: CPU
102: ROM
103: RAM
104: 보존부
105: I/F
106: I/F
107: I/F
108: 입력부
109: 표시부
110: 내부 버스
S110: 취득 스텝
S120: 생성 스텝
S130: 출력 스텝
S140: 보존 스텝
S150: 종합평가 스텝
S160: 산출 스텝
S170: 갱신 스텝

Claims (15)

  1. 유저의 생체 정보를 평가하는 생체 정보 연산 시스템으로서,
    상기 유저의 맥파에 기초하여, 제1 평가 데이터 및 제2 평가 데이터를 취득하는 취득 수단과,
    미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 생체 정보를 포함하는 참조 데이터의 한 쌍을 학습 데이터로 하여, 복수의 상기 학습 데이터를 사용하여 생성된 분류 정보가 기억된 데이터베이스와,
    상기 데이터베이스를 참조하여, 상기 제1 평가 데이터에 대한 제1 생체 정보를 포함하는 제1 평가 결과를 생성하는 생성 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  2. 제1항에 있어서,
    상기 생성 수단은 상기 제2 평가 데이터에 대한 상기 제1 생체 정보와는 다른 종류의 제2 생체 정보를 포함하는 제2 평가 결과를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  3. 제2항에 있어서,
    상기 제1 평가 결과 및 상기 제2 평가 결과를 보존하는 보존 수단을 더 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  4. 제2항에 있어서,
    상기 취득 수단은 상기 유저의 맥파에 기초하는 속도 맥파 및 가속도 맥파 중 어느 하나에 상당하는 1개의 맥파 데이터에 대하여, 각각 다른 종류의 처리를 실시함으로써, 상기 제1 평가 데이터 및 상기 제2 평가 데이터를 취득하는 것을 특징으로 하는 생체 정보 연산 시스템.
  5. 제2항에 있어서,
    상기 분류 정보는 다른 종류의 상기 학습 데이터를 사용하여 생성된 제1 분류 정보, 및 제2 분류 정보를 포함하고,
    상기 생성 수단은
    상기 제1 분류 정보를 참조하여 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하고,
    상기 제2 분류 정보를 참조하여 상기 제2 평가 데이터에 대한 상기 제2 평가 결과를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  6. 제2항에 있어서,
    상기 유저의 특징을 나타내는 부가 정보를 취득하고, 상기 제1 평가 결과, 상기 제2 평가 결과, 및 상기 부가 정보에 기초하여, 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성하는 종합평가 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  7. 제1항에 있어서,
    상기 분류 정보는 각각 다른 상기 학습 데이터를 사용하여 산출된 복수의 속성별 분류 정보를 포함하고,
    상기 생성 수단은
    상기 제2 평가 데이터를 참조하여, 복수의 상기 속성별 분류 정보 중 제1 분류 정보를 선택하는 선택 수단과,
    상기 제1 분류 정보를 참조하여, 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하는 속성별 생성 수단을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  8. 제7항에 있어서,
    상기 취득 수단은
    상기 맥파에 기초하는 속도 맥파에 상당하는 데이터를 상기 제1 평가 데이터로서 취득하고,
    상기 맥파에 기초하는 가속도 맥파에 상당하는 데이터를 상기 제2 평가 데이터로서 취득하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  9. 제1항에 있어서,
    상기 생성 수단은,
    상기 분류 정보 중, 상기 맥파의 특징에 기초하여 제1 분류 정보를 선택하고,
    상기 제1 분류 정보를 참조하여, 상기 제1 평가 데이터에 대한 상기 제1 평가 결과를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  10. 제3항에 있어서,
    상기 보존 수단에 의해 보존된 상기 제1 평가 결과, 및 상기 제2 평가 결과에 기초하여, 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성하는 산출 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  11. 제3항에 있어서,
    상기 보존 수단은
    상기 제1 평가 결과, 및 상기 제2 평가 결과의 내용에 대하여 상기 유저가 판정한 판정 결과를 취득하고,
    상기 판정 결과, 상기 제1 평가 결과, 및 상기 제2 평가 결과를 각각 연계시켜 보존하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  12. 제11항에 있어서,
    상기 보존 수단에 보존된 상기 판정 결과, 상기 제1 평가 결과, 및 상기 제2 평가 결과에 기초하여, 상기 분류 정보를 갱신하는 갱신 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  13. 제1항에 있어서,
    상기 데이터베이스가 보존되고, 상기 생성 수단에 의해 상기 제1 평가 결과를 생성하는 서버와,
    상기 제1 평가 결과를 상기 서버로부터 수신하고, 표시하는 생체 정보 연산 장치를 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  14. 제1항에 기재된 상기 제1 평가 결과가 보존된 것을 특징으로 하는 서버.
  15. 표시부, 제어부 및 기억부를 갖추는 컴퓨터에 사용되고, 상기 기억부에 기억되는 데이터 구조로서,
    제2항의 생체 정보 연산 시스템에 의해 생성된 상기 제1 평가 결과, 및 상기 제2 평가 결과를 포함하고,
    상기 제1 평가 결과, 및 상기 제2 평가 결과는 상기 제어부가 상기 유저의 특징을 종합적으로 평가한 종합평가 결과를 생성할 때 사용되는 것을 특징으로 하는 데이터 구조.
KR1020237011080A 2020-09-03 2021-09-02 생체 정보 연산 시스템, 서버, 및 데이터 구조 KR20230062850A (ko)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
JP2020148047A JP6851664B1 (ja) 2020-09-03 2020-09-03 生体情報演算システム
JPJP-P-2020-148047 2020-09-03
JPJP-P-2020-148048 2020-09-03
JP2020148048A JP6851665B1 (ja) 2020-09-03 2020-09-03 生体情報演算システム
JPJP-P-2021-032880 2021-03-02
JP2021032880A JP6899609B1 (ja) 2021-03-02 2021-03-02 生体情報演算システム、及びサーバ
PCT/JP2021/032231 WO2022050333A1 (ja) 2020-09-03 2021-09-02 生体情報演算システム、サーバ、及びデータ構造

Publications (1)

Publication Number Publication Date
KR20230062850A true KR20230062850A (ko) 2023-05-09

Family

ID=80491079

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237011080A KR20230062850A (ko) 2020-09-03 2021-09-02 생체 정보 연산 시스템, 서버, 및 데이터 구조

Country Status (6)

Country Link
US (1) US20230309932A1 (ko)
EP (1) EP4210064A4 (ko)
KR (1) KR20230062850A (ko)
CN (1) CN116097365A (ko)
TW (1) TW202221728A (ko)
WO (1) WO2022050333A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6544751B2 (ja) 2015-03-13 2019-07-17 国立大学法人信州大学 非侵襲血糖値測定方法および非侵襲血糖値測定装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3087915B1 (en) * 2015-04-27 2022-02-09 Tata Consultancy Services Limited Method and system for noise cleaning of photoplethysmogram signals for estimating blood pressure
CN109414174B (zh) * 2016-02-01 2021-09-28 威里利生命科学有限责任公司 用于概率性地估计个体的脉搏率的方法和系统
US20200065649A1 (en) * 2018-08-21 2020-02-27 Odd Inge Sandbekkhaug Method for robust and noise-tolerant SpO2 determination
WO2020099218A1 (en) * 2018-11-15 2020-05-22 My-Vitality Sàrl Self-monitoring and care assistant for achieving glycemic goals
JP7115247B2 (ja) * 2018-11-21 2022-08-09 富士通株式会社 機械学習方法、機械学習プログラムおよび機械学習装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6544751B2 (ja) 2015-03-13 2019-07-17 国立大学法人信州大学 非侵襲血糖値測定方法および非侵襲血糖値測定装置

Also Published As

Publication number Publication date
EP4210064A4 (en) 2024-02-21
WO2022050333A1 (ja) 2022-03-10
CN116097365A (zh) 2023-05-09
US20230309932A1 (en) 2023-10-05
TW202221728A (zh) 2022-06-01
EP4210064A1 (en) 2023-07-12

Similar Documents

Publication Publication Date Title
US11039766B2 (en) Apparatus and method for estimating biological component
JP6899609B1 (ja) 生体情報演算システム、及びサーバ
JP6918394B1 (ja) 生体情報演算システム
KR20230062850A (ko) 생체 정보 연산 시스템, 서버, 및 데이터 구조
JP6851665B1 (ja) 生体情報演算システム
JP6845520B1 (ja) 生体情報演算システム
KR20230061459A (ko) 생체 정보 연산 시스템
JP7083185B2 (ja) 生体情報演算システム
JP6851664B1 (ja) 生体情報演算システム
JP7142997B1 (ja) 生体情報演算システム、サーバ、及び生体情報演算方法
JP7083194B1 (ja) 生体情報演算システム
WO2022050336A1 (ja) 生体情報演算システム
JP7083195B1 (ja) 生体情報演算システム
KR20230062851A (ko) 생체 정보 연산 시스템
JP7083193B1 (ja) 生体情報演算システム
JP2010200911A (ja) 血液成分計測装置