KR20230062851A - 생체 정보 연산 시스템 - Google Patents

생체 정보 연산 시스템 Download PDF

Info

Publication number
KR20230062851A
KR20230062851A KR1020237011084A KR20237011084A KR20230062851A KR 20230062851 A KR20230062851 A KR 20230062851A KR 1020237011084 A KR1020237011084 A KR 1020237011084A KR 20237011084 A KR20237011084 A KR 20237011084A KR 20230062851 A KR20230062851 A KR 20230062851A
Authority
KR
South Korea
Prior art keywords
data
evaluation
pulse wave
user
biometric information
Prior art date
Application number
KR1020237011084A
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 JP2021032877A external-priority patent/JP7083193B1/ja
Application filed by 에스에스에스티 가부시키가이샤 filed Critical 에스에스에스티 가부시키가이샤
Publication of KR20230062851A publication Critical patent/KR20230062851A/ko

Links

Images

Classifications

    • 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
    • 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
    • A61B5/14546—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 for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • 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
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/14532—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 for measuring glucose, e.g. by tissue impedance measurement
    • 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
    • A61B5/14542—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 for measuring blood gases
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Dentistry (AREA)

Abstract

[과제] 유저의 혈중 락트산값을 고정밀도로 생성할 수 있는 생체 정보 연산 시스템을 제공한다.
[해결 수단] 유저의 혈중 락트산값을 생성하는 생체 정보 연산 시스템으로서, 상기 유저의 맥파에 기초하는 평가 데이터를 취득하는 취득 수단과, 미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 혈중 락트산값을 포함하는 참조 데이터의 한 쌍을 학습용 데이터로 하여, 복수의 상기 학습용 데이터를 사용하여 생성된 분류 정보가 기억된 데이터베이스와, 상기 데이터베이스를 참조하여, 상기 평가 데이터에 대한 상기 혈중 락트산값을 포함하는 평가 결과를 생성하는 생성 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.

Description

생체 정보 연산 시스템
본 발명은 유저의 혈중 락트산값을 생성하는 생체 정보 연산 시스템에 관한 것이다.
종래, 유저의 혈중 락트산값을 생성하는 방법으로서, 예를 들면, 특허문헌 1과 같은 방법이 제안되었다.
특허문헌 1에 개시된 운동 효과 판정 방법에서는, 소정의 운동을 행하고 있을 때의 유저의 맥파 신호 및 체동(體動) 신호를 측정하는 것과, 맥파 신호 및 체동 신호에 기초하여 운동 시 맥박수를 산출하는 것과, 미리 취득된 유저의 맥박수와 혈중 락트산량과의 관계를 표시하는 락트산값 정보와, 운동 시 맥박수에 기초하여, 소정의 운동이 유저의 체력에 기여하는 효과 정도를 판정한 운동 효과 판정 결과를 얻는 것과, 판정 결과를 유저에게 통지하는 것을 포함하는 것을 특징으로 하고 있다.
일본 특개 2016-195661호 공보
여기에서, 유저의 혈중 락트산값을 평가할 때 운동 강도가 높을 경우, 운동을 행하는 유저의 맥박수가 급격하게 변화되는 것에 반해, 혈중 락트산값은 완만하게 변화되는 경향이 있다. 이 점에서, 맥박수와 혈중 락트산값과의 관계에는 타임 래그가 생기기 때문에, 맥박수와 혈중 락트산값과의 관계가 일의적으로 결정되지 않을 가능성이 있다. 이 때문에, 특허문헌 1과 같은 종래기술에서는, 맥박수에 적합한 혈중 락트산값을 특정하는 것이 어려워, 유저의 혈중 락트산값을 고정밀도로 생성할 수 없을 염려를 들 수 있다.
그래서 본 발명은 상기한 문제점을 감안하여 안출된 것으로, 그 목적으로 하는 바는 유저의 혈중 락트산값을 고정밀도로 생성할 수 있는 생체 정보 연산 시스템을 제공하는 것에 있다.
제1 발명에 따른 생체 정보 연산 시스템은 유저의 혈중 락트산값을 생성하는 생체 정보 연산 시스템으로서, 상기 유저의 맥파에 기초하는 평가 데이터를 취득하는 취득 수단과, 미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 혈중 락트산값을 포함하는 참조 데이터의 한 쌍을 학습용 데이터로 하여, 복수의 상기 학습용 데이터를 사용하여 생성된 분류 정보가 기억된 데이터베이스와, 상기 데이터베이스를 참조하여, 상기 평가 데이터에 대한 상기 혈중 락트산값을 포함하는 평가 결과를 생성하는 생성 수단을 갖추는 것을 특징으로 한다.
제2 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 분류 정보는 상기 입력 데이터를 설명변수로 하고, 상기 참조 데이터를 목적변수로 한 PLS 회귀분석을 사용하여 얻어진 검량 모델인 것을 특징으로 한다.
제3 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 유저의 특징을 나타내는 부가 정보를 취득하고, 상기 평가 결과 및 상기 부가 정보에 기초하여, 상기 유저의 운동능력을 평가한 종합평가 결과를 생성하는 종합평가 수단을 갖추는 것을 특징으로 한다.
제4 발명에 따른 생체 정보 연산 시스템은, 제3 발명에 있어서, 상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득하는 것을 포함하고, 상기 생성 수단은 상기 부가 데이터에 기초하는 상기 부가 정보를 생성하는 것을 포함하는 것을 특징으로 한다.
제5 발명에 따른 생체 정보 연산 시스템은, 제3 발명 또는 제4 발명에 있어서, 상기 부가 정보는 스트레스 레벨, 맥박수, 호흡수, 혈당값, 혈압, 혈중 이산화탄소의 특징, 및 운동량의 적어도 어느 하나를 나타내는 것을 특징으로 한다.
제6 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득하는 것을 포함하고, 상기 생성 수단은, 상기 데이터베이스를 참조하여, 상기 부가 데이터에 대한 상기 유저의 특징을 나타내는 부가 정보를 생성하는 것을 포함하는 것을 특징으로 한다.
제7 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 생성 수단은 상기 유저의 특징을 나타내는 부가 정보를 취득하고, 복수의 상기 평가 데이터 및 상기 부가 정보에 기초하여, 상기 평가 결과를 생성하는 것을 포함하는 것을 특징으로 한다.
제8 발명에 따른 생체 정보 연산 시스템은, 제1 발명에 있어서, 상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 예비 평가 데이터를 취득하는 것을 포함하고, 상기 분류 정보는 각각 다른 상기 학습용 데이터를 사용하여 산출된 복수의 속성별 분류 정보를 포함하고, 상기 생성 수단은, 상기 예비 평가 데이터를 참조하여, 복수의 상기 속성별 분류 정보 중 제1 분류 정보를 선택하는 선택 수단과, 상기 제1 분류 정보를 참조하여, 상기 평가 데이터에 대한 상기 평가 결과를 생성하는 속성별 생성 수단을 포함하는 것을 특징으로 한다.
제9 발명에 따른 생체 정보 연산 시스템은, 제8 발명에 있어서, 상기 취득 수단은, 상기 맥파에 기초하는 속도 맥파에 상당하는 데이터를, 상기 평가 데이터로서 취득하고, 상기 맥파에 기초하는 가속도 맥파에 상당하는 데이터를, 상기 예비 평가 데이터로서 취득하는 것을 포함하는 것을 특징으로 한다.
제1 발명∼제9 발명에 의하면, 생성 수단은, 데이터베이스를 참조하여, 평가 데이터에 대한 혈중 락트산값을 포함하는 평가 결과를 생성한다. 이 때문에, 혈중 락트산값이 직접 영향을 주는 맥파에 기초하여 취득된 평가 데이터로부터, 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 혈중 락트산값을 고정밀도로 생성하는 것이 가능하게 된다.
또, 제1 발명∼제9 발명에 의하면, 생성 수단은, 데이터베이스를 참조하여, 평가 데이터에 대한 평가 결과를 생성한다. 또, 데이터베이스에는, 복수의 학습용 데이터를 사용하여 생성된 분류 정보가 기억된다. 이 때문에, 평가 결과를 생성할 때, 과거에 실적이 있는 데이터를 근거로 한 정량적인 혈중 락트산값을 포함시킬 수 있다. 이것에 의해, 평가 결과를 생성할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
특히, 제2 발명에 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, 학습용 데이터의 수를 대폭 절감할 수 있음과 아울러, 검량 모델의 갱신을 용이하게 실시할 수 있다. 이것에 의해, 생체 정보 연산 시스템의 구축 및 갱신의 용이화를 도모하는 것이 가능하게 된다.
특히, 제3 발명에 의하면, 종합평가 수단은, 평가 결과 및 부가 정보에 기초하여, 유저의 운동능력을 평가한 종합평가 결과를 생성한다. 이 때문에, 평가 결과에 더하여, 유저의 특징을 고려한 종합적인 평가를 실현할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를 고정밀도로 생성하는 것이 가능하게 된다.
특히, 제4 발명에 의하면, 취득 수단은, 맥파에 기초하여, 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득한다. 또, 생성 수단은 부가 데이터에 기초하는 부가 정보를 생성한다. 즉 1개의 맥파에 기초하여 생성된 평가 결과 및 부가 정보로부터 종합평가 결과가 생성된다. 이 때문에, 동일한 파라미터에 기초하는 복수 종류의 정보를 사용함으로써, 다각적인 관점을 근거로 한 종합적인 평가를 실현할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를 더욱 고정밀도로 생성하는 것이 가능하게 된다.
특히, 제5 발명에 의하면, 부가 정보는 스트레스 레벨, 맥박수, 호흡수, 혈당값, 혈압, 혈중 이산화탄소의 특징, 및 운동량의 적어도 어느 하나를 나타낸다. 이 때문에, 유저의 운동능력에 상관이 있는 파라미터를 이용하여, 다각적인 관점을 근거로 한 종합적인 평가를 실현할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를 더욱 고정밀도로 생성하는 것이 가능하게 된다.
특히, 제6 발명에 의하면, 생성 수단은, 데이터베이스를 참조하여, 부가 데이터에 대한 유저의 특징을 나타내는 부가 정보를 생성한다. 이 때문에, 평가 결과와는 다른 관점에 의해 생성된 부가 정보를 이용할 수 있어, 다각적인 평가를 실현할 수 있다. 이것에 의해, 유저의 요구에 따른 적절한 평가를 실현하는 것이 가능하게 된다.
특히, 제7 발명에 의하면, 평가 수단은, 부가 정보를 취득하고, 복수의 평가 데이터 및 부가 정보에 기초하여, 평가 결과를 생성하는 것을 포함한다. 이 때문에, 복수의 평가 데이터에 더하여, 유저의 특징을 고려한 다각적인 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 혈중 락트산값을 더욱 고정밀도로 생성하는 것이 가능하게 된다.
특히, 제8 발명에 의하면, 생성 수단은, 예비 평가 데이터를 참조하여, 제1 분류 정보를 선택하는 선택 수단과, 제1 분류 정보를 참조하여, 평가 데이터에 대한 평가 결과를 생성하는 속성별 생성 정보를 포함한다. 이 때문에, 맥파의 특징에 대하여 최적의 속성 분류 정보를 선택한 뒤에, 평가 데이터에 대한 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
특히, 제9 발명에 의하면, 취득 수단은 맥파에 기초하는 속도 맥파에 상당하는 데이터를 평가 데이터로서 취득하고, 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, 혈중 락트산값을 산출하기 쉬운 속도 맥파를 사용하여, 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
도 1은 제1 실시형태에 있어서의 생체 정보 연산 시스템의 1 예를 도시하는 모식도이다.
도 2(a) 및 도 2(b)는 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) 및 도 3(c)는 센서 데이터에 대한 처리의 1 예를 도시하는 모식도이다.
도 4(a)는 생체 정보 연산 장치의 구성의 1 예를 도시하는 모식도이며, 도 4(b)는 생체 정보 연산 장치의 기능의 1 예를 도시하는 모식도이다.
도 5(a) 및 도 5(b)는 센서의 1 예를 도시하는 모식도이다.
도 6은 제1 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 나타내는 흐름도이다.
도 7은 제2 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 8은 제3 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 9(a) 및 도 9(b)는 센서 데이터에 대한 부가 정보를 산출하는 처리의 1 예를 도시하는 모식도이다.
도 10은 제3 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 변형예를 도시하는 모식도이다.
도 11은 제4 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 12는 제5 실시형태에 있어서의 생체 정보 연산 시스템의 동작의 1 예를 도시하는 모식도이다.
도 13은 가속도 맥파에 상당하는 데이터의 분류예를 도시하는 모식도이다.
도 14는 속도 맥파에 상당하는 데이터의 분류예를 도시하는 모식도이다.
(발명을 실시하기 위한 형태)
이하, 본 발명의 실시형태에 있어서의 생체 정보 연산 시스템의 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 혈중 락트산값을 생성하기 위해 사용된다. 유저의 혈중 락트산값은, 예를 들면, 유저의 혈중에 포함되는 락트산의 농도, 혈중 락트산량의 경향, 및 특정 기준값에 대한 괴리도 등을 나타낸다.
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)은, 유저의 맥파에 기초하는 평가 데이터로부터, 혈중 락트산값을 포함하는 평가 결과를 생성한다.
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. 그 후, 생체 정보 연산 장치(1)는, 취득한 센서 데이터에 대하여, 필터 처리 등의 전처리를 실시하여, 평가 데이터를 취득한다.
생체 정보 연산 장치(1)는 평가 데이터에 대한 평가 결과를 생성한다. 이 때문에, 혈중 락트산값의 특징이 직접 영향을 주는 맥파에 기초하여 취득된 평가 데이터로부터 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 혈중 락트산값을, 고정밀도로 생성하는 것이 가능하게 된다.
여기에서, 생체 정보 연산 장치(1)는, 평가 데이터에 대한 평가 결과를 생성할 때, 데이터베이스를 참조한다. 데이터베이스에는, 복수의 학습용 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 혈중 락트산값을 포함하는 참조 데이터의 한 쌍을 학습용 데이터로 하여, 복수의 학습용 데이터를 사용하여 생성된다. 이 때문에, 평가 결과를 생성할 때, 과거에 실적이 있는 입력 데이터 및 출력 데이터를 근거로 한 정량적인 혈중 락트산값을 포함시킬 수 있다. 이것에 의해, 평가 결과를 생성할 때의 정밀도 향상을 도모하는 것이 가능하게 된다.
생체 정보 연산 장치(1)는, 예를 들면, 생성한 평가 결과를 디스플레이 등에 출력한다. 평가 결과에는 혈중 락트산값이 포함된다.
또한, 생체 정보 연산 시스템(100)에서는, 예를 들면, 도 2(b)에 도시하는 바와 같이, 센서(5) 등으로부터 평가 데이터를 취득해도 된다. 이 경우, 센서 데이터로부터 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∼20 주기분의 측정 시간이며, 센서 데이터의 처리 방법이나 데이터 통신 방법 등의 조건에 따라, 임의로 설정할 수 있다.
<평가 데이터>
평가 데이터는 평가 결과를 생성하기 위한 데이터를 나타낸다. 평가 데이터는, 예를 들면, 유저의 맥파에 기초하는 가속도 맥파에 상당하는 데이터를 나타내고, 특정한 주기(예를 들면, 1 주기)에 대한 진폭을 나타낸다.
평가 데이터는 센서 데이터를 생체 정보 연산 장치(1) 등에 의해 처리(전처리)를 실시함으로써 취득된다. 예를 들면, 도 3(b) 및 도 3(c)에 도시하는 바와 같이, 센서 데이터에 대하여 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 학습용 데이터가 기억되어도 된다.
분류 정보는, 예를 들면, 미리 취득된 과거의 평가 데이터(입력 데이터)와, 혈중 락트산값을 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 정보에 따라 생성해도 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 학습용 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 평가 결과가 명확하게 되어 있는 과거의 평가 데이터를 나타낸다. 예를 들면, 피검자에게 센서(5) 등을 장착시켜, 학습용 맥파의 특징을 나타내는 센서 데이터(학습용 센서 데이터)를 생성한다. 그리고, 학습용 센서 데이터에 대하여 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 불특정한 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, 평가 결과를 생성할 때의 정밀도를 비약적으로 향상시키는 것이 가능하게 된다.
참조 데이터는, 계측 장치 등을 사용하여 계측된, 피검자의 혈중 락트산값을 포함한다. 예를 들면, 피검자에게 센서(5) 등을 장착시켜 학습용 센서 데이터를 생성할 때, 피검자의 혈중 락트산값을 계측함으로써, 입력 데이터에 연계되는 참조 데이터를 취득할 수 있다. 이 경우, 혈중 락트산값을 계측하는 타이밍은 학습용 센서 데이터를 생성하는 타이밍과 동시가 바람직하지만, 예를 들면, 1∼10분 정도 전후하는 타이밍이어도 된다.
또한, 「혈중 락트산값」이란 계측 가능한 혈액 내의 락트산의 농도나 비율 등을 나타내고, 예를 들면, 혈중 락트산량을 나타낸다.
참조 데이터는 공지의 계측 장치를 사용하여 계측된다. 예를 들면, 혈중 락트산값을 계측하는 경우, 계측 장치로서 락테이트·프로2(아크레이 카부시키카이샤제) 등의 공지의 장치가 사용된다. 예를 들면, 산소포화도를 계측하는 경우, 계측 장치로서 PULSOX-Neo(코니카미놀타 카부시키카이샤제) 등의 공지의 장치가 사용된다.
<평가 결과>
평가 결과는 참조 데이터와 동종의 데이터로서 생성되고, 혈중 락트산값을 포함한다. 평가 결과는, 분류 정보를 참조하여, 참조 데이터와 동일 또는 유사한 데이터로서 생성된다.
생체 정보 연산 시스템(100)에서는, 예를 들면, 임의의 시계열에 따라 복수의 평가 데이터를 취득하고, 각 평가 데이터에 대한 평가 결과를 복수 생성한다. 또, 생체 정보 연산 시스템(100)에서는, 예를 들면, 운동량의 변화 시 등의 임의의 타이밍마다 복수의 평가 데이터를 취득하고, 각 평가 데이터에 대한 평가 결과를 복수 생성해도 된다. 이 경우, 예를 들면, 평가 결과로서 LT(Lactate Threshold: 락트산성 작업 임계값), 및 OBLA(Onset of Blood Lactate Accumulation: 혈중 락트산 축적 개시 점)의 적어도 어느 하나가 포함되어도 된다.
<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 4(a)는 생체 정보 연산 장치(1)의 구성의 1 예를 도시하는 모식도이며, 도 4(b)는 생체 정보 연산 장치(1)의 기능의 1 예를 도시하는 모식도이다.
생체 정보 연산 장치(1)는, 예를 들면, 도 4(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 통하고, 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 4(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 4(b)에 나타낸 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 평가 데이터를 취득한다. 취득부(11)는, 예를 들면, 센서(5) 등으로부터 센서 데이터를 취득한 뒤, 센서 데이터에 대하여 처리를 실시함으로써, 평가 데이터를 취득한다.
취득부(11)는, 예를 들면, 도 3(b)에 도시하는 바와 같이, 취득한 센서 데이터에 대하여, 필터링 처리(필터 처리)를 시행한다. 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 1 주기마다의 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 산출하여, 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 데이터로서 취득한다. 이 경우, 평가 데이터로서 유저의 가속도 맥파에 상당하는 데이터가 얻어진다.
취득부(11)는 상기한 각 처리를 순차 실시하는 이외에, 예를 들면, 도 3(c)에 도시하는 바와 같이, 미분 처리를 실시하지 않아도 된다. 이 경우, 평가 데이터로서, 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.
또한, 취득부(11)는, 예를 들면, 입력부(108) 등을 통하여 유저가 입력한, 유저의 특징, 운동 내용, 경기 종목 등과 같은 평가 대상의 정보를 취득하고, 평가 데이터에 포함시켜도 된다. 평가 대상의 정보는, 예를 들면, 평가 결과를 생성할 때에 이용해도 된다.
<생성부(12)>
생성부(12)는, 데이터베이스를 참조하여, 평가 데이터에 대한 평가 결과를 생성한다. 생성부(12)는, 예를 들면, 데이터베이스에 기억된 분류 정보를 참조하고, 평가 데이터에 대한 혈중 락트산값을 산출하여, 평가 결과로서 생성한다. 생성부(12)는, 각각 다른 평가 데이터에 대한 평가 결과를, 복수 생성한다.
<출력부(13)>
출력부(13)는 평가 결과를 출력한다. 출력부(13)는 표시부(109)에 평가 결과를 출력하는 이외에, 예를 들면, 센서(5) 등에 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.
<학습부(15)>
학습부(15)는, 예를 들면, 복수의 학습용 데이터를 사용하여, 분류 정보를 생성한다. 학습부(15)는, 예를 들면, 새로운 학습용 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)는 통신망(3)을 통하여 보내져 온 정보가 축적된다. 서버(4)는 생체 정보 연산 장치(1)로부터의 요구에 기초하여, 통신망(3)을 통하여 축적된 정보를 생체 정보 연산 장치(1)에 송신한다.
<센서(5)>
센서(5)는 센서 데이터를 생성한다. 센서(5)는, 예를 들면, 도 5(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 5(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 측정하여, 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 명령에 변환 처리를 시행하고, 이것을 통신망(3)측에 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 3(b) 및 도 3(c)에 도시하는 바와 같이, 센서 데이터로부터 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. 광원에서의 출사광은 서큘레이터를 통하여 FBG 센서에 입사된다. 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 검출하여, 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 대해서도 다양한 방법을 채용할 수 있다.
(제1 실시형태: 생체 정보 연산 시스템(100)의 동작)
다음에 본 실시형태에 있어서의 생체 정보 연산 시스템(100)의 동작의 일례에 대해 설명한다. 도 6은 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 혈중 락트산값을 나타낸 평가 결과를 취득할 수 있다.
생체 정보 연산 시스템(100)의 동작은 취득 스텝(S110)과, 생성 스텝(S120)을 갖추고, 예를 들면, 출력 스텝(S130)을 갖추어도 된다.
<취득 스텝(S110)>
취득 스텝(S110)은 유저의 맥파에 기초하는 평가 데이터를 취득한다. 예를 들면, 센서(5)의 취득부(50)는 검출부(6)를 통하여 유저의 맥파를 측정하여, 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 3(b)에 나타낸 처리를 센서 데이터에 대하여 실시하여, 평가 데이터를 취득한다. 취득부(11)는, 예를 들면, 기억부(14)를 통하여, 취득한 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 평가 데이터를 취득한다. 이 경우, 평가 결과를 생성할 때의 연산 처리를 간소화할 수 있기 때문에, 처리 속도의 향상을 도모하는 것이 가능하게 된다.
<생성 스텝(S120)>
다음에 생성 스텝(S120)은 데이터베이스를 참조하여, 평가 데이터에 대한 혈중 락트산값을 포함하는 평가 결과를 생성한다. 예를 들면, 생성부(12)는 분류 정보를 참조하여, 평가 데이터에 대한 혈중 락트산값을 산출한다. 생성부(12)는 산출한 값을 포함하는 평가 결과를 생성한다. 생성부(12)는, 예를 들면, 기억부(14)를 통하여, 생성한 평가 결과를 보존부(104)에 보존한다. 또한, 혈중 락트산값으로서 특정한 값을 나타내는 이외에, 예를 들면, 오차범위(예를 들면, 「○○±2mmol/L」 등)가 산출되어도 된다.
<출력 스텝(S130)>
다음에 예를 들면, 출력 스텝(S130)은 평가 결과를 출력해도 된다. 예를 들면, 출력부(13)는 표시부(109)에 평가 결과를 출력한다.
이것에 의해, 생체 정보 연산 시스템(100)의 동작이 종료된다. 또한, 각 스텝을 실시하는 빈도나 순서는 용도에 따라 임의로 설정할 수 있다.
본 실시형태에 의하면, 생성부(12)는 평가 데이터에 대한 혈중 락트산값을 포함하는 평가 결과를 생성한다. 이 때문에, 평가 데이터를 사용함으로써, 예를 들면, 맥파에 기초하는 진폭의 피크 형상이나 상대강도 등을 사용하여 혈중 락트산값을 특정할 수 있기 때문에, 특정 수치만을 나타내는 맥박수를 사용하여 혈중 락트산값을 특정하는 경우에 비교하여 특징이 많고, 또, 혈중 락트산값이 직접 영향을 주는 맥파에 기초하여 취득된 평가 데이터로부터 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 혈중 락트산값을 고정밀도로 생성하는 것이 가능하게 된다.
또, 본 실시형태에 의하면, 생성부(12)는, 데이터베이스를 참조하여, 평가 데이터에 대한 평가 결과를 생성한다. 또, 데이터베이스에는, 복수의 학습용 데이터를 사용하여 산출된 분류 정보가 기억된다. 이 때문에, 평가 결과를 생성할 때, 과거에 실적이 있는 데이터를 근거로 한 정량적인 혈중 락트산값을 포함시킬 수 있다. 이것에 의해, 평가 결과를 생성할 때의 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, 학습용 데이터의 수를 대폭 줄일 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.
(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 점 및 종합평가 스텝(S140)을 갖추는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 예를 들면, 상기한 생성 스텝(S120) 후에, 종합평가 스텝(S140)이 실시되고, 종합평가 스텝(S140) 후에 출력 스텝(S130)이 실시된다.
종합평가 스텝(S140)은, 예를 들면, 도 7에 도시하는 바와 같이, 부가 정보를 취득하고, 평가 결과 및 부가 정보에 기초하여, 종합평가 결과를 생성한다. 종합평가 스텝(S140)은, 예를 들면, 생체 정보 연산 장치(1)에 포함되는 종합평가부에 의해 실행할 수 있다.
부가 정보는 유저의 특징을 나타내고, 예를 들면, 유저의 스트레스 레벨, 맥박수, 호흡수, 혈당값, 혈압, 혈중 이산화탄소의 특징, 및 운동량의 적어도 어느 하나를 포함한다.
운동량은, 예를 들면, 운동 중인 유저에 부착된 가속도 센서로부터 취득한 가속도에 기초하여 취득해도 된다. 또, 운동량은, 예를 들면, 3축 가속도 센서를 사용하면 xyz 각 축에 대한 가속도값이 구해지기 때문에, 3개의 가속도값으로부터 1개의 가속도를 구하는 처리나, 당해 처리에 부수되어 노이즈 저감 처리, 이동 평균을 구하는 처리 등을 행해도 되고, 또 그것들의 처리 후의 정보를 취득해도 된다.
부가 정보로서, 예를 들면, 공지의 계측 방법을 사용하여 계측된 데이터가 사용되고, 데이터 형식은 임의이다. 또, 부가 정보를 취득하는 타이밍은 맥파를 측정하는 타이밍과 동시 이외에, 용도에 따라 임의의 타이밍이어도 된다.
부가 정보는, 예를 들면, 유저의 성별이나 연령 등의 속성 정보를 포함하는 이외에, 유저가 행하고 있는 운동 내용, 경기 종목 등과 같은 평가시에 있어서의 운동에 관한 정보를 포함해도 된다. 부가 정보는, 예를 들면, 입력부(108) 등을 통하여 유저가 입력하고, 종합 취득부 등에 의해 취득된다.
종합평가 결과는 유저의 운동능력을 평가한 결과를 나타낸다. 종합평가 결과로서 「운동능력이 높음」, 「운동능력이 낮음」 등의 유저마다의 운동능력의 정도를 나타내는 문자열이 사용되는 이외에, 예를 들면, 임의의 기준값과의 차분이나, 편차값 등의 수치가 사용되어도 된다.
종합평가 결과는 유저의 운동능력의 경향을 수치화한 정보가 포함되고, 예를 들면, 무산소성 작업 임계값 등과 같은 유저마다 다른 임계값이 포함되어도 된다. 종합평가 결과에는, 예를 들면, 「유산소성 운동 중」, 「무산소성 운동 중」 등과 같은, 유저의 운동능력의 경향에 대한 평가를 나타내는 정보가 포함되어도 된다. 또, 종합평가 결과로서 LT, 및 OBLA의 적어도 어느 하나가 포함되어도 된다.
종합평가 스텝(S140)에 있어서, 예를 들면, 종합평가부는, 미리 설정된 임계값을 참조하여, 평가 결과 및 부가 정보를 임계값과 비교한 결과를 종합평가 결과로서 생성한다. 예를 들면, 종합평가부는 평가 결과 및 부가 정보가 임계값보다 낮을 경우, 운동능력이 높은 것을 나타내는 종합평가 결과를 생성하고, 평가 결과 및 부가 정보가 임계값보다 높을 경우, 운동능력이 낮은 것을 나타내는 종합평가 결과를 생성한다.
종합평가부는, 예를 들면, 미리 보존부(104) 등에 보존된, 유저가 인식 가능한 데이터 형식을 참조하여, 종합평가 결과를 생성한다. 종합평가부는, 예를 들면, 후처리용 데이터베이스를 참조하여, 평가 결과 및 부가 정보에 대하여 적합한 종합평가 결과를 생성해도 된다.
후처리용 데이터베이스에는, 예를 들면, 상기한 데이터베이스와 마찬가지로, 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 평가 결과 및 부가 정보(후처리용 입력 데이터)와, 후처리용 입력 데이터에 연계되는 후처리용 참조 데이터와의 상관관계를 나타내는 함수이다. 후처리용 참조 데이터는 유저의 운동능력의 평가 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.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 종합평가부는, 평가 결과 및 부가 정보에 기초하여, 유저의 운동능력을 평가한 종합평가 결과를 생성한다. 이 때문에, 평가 결과에 더하여, 유저의 특징을 고려한 종합적인 평가를 실현할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를 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 부가 정보를 생성하기 위한 부가 데이터를 취득하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 취득 스텝(S110)은 부가 데이터를 취득하는 것을 포함한다. 또, 본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 생성 스텝(S120)은 부가 데이터에 기초하는 부가 정보를 생성하는 것을 포함한다.
본 실시형태에 있어서의 생체 정보 연산 장치(1)는, 예를 들면, 도 8에 도시하는 바와 같이, 맥파에 기초하여 생성된 1개 센서 데이터에 대하여, 2종류의 처리를 실시한다. 이것에 의해, 예를 들면, 취득부(11)는, 동일한 맥파에 기초하여, 평가 데이터와, 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득한다. 또한, 부가 데이터는 복수 취득되어도 된다.
예를 들면, 생성부(12)는 부가 데이터에 기초하는 부가 정보를 생성한다. 본 실시형태에서는, 부가 정보로서, 예를 들면, 맥박수 및 호흡수의 적어도 어느 하나를 산출할 수 있다. 이 경우, 예를 들면, 도 9(a) 및 도 9(b)에 도시하는 바와 같이, 취득 스텝(S110)에서 실시되는 전처리의 내용, 및 생성 스텝(S120)에서 참조되는 데이터베이스의 내용이 다른 경우가 있다. 이하, 맥박수 및 호흡수를 부가 정보로서 산출하는 예를 설명한다.
<맥박수의 산출>
예를 들면, 맥박수를 산출하는 경우, 도 9(a)에 도시하는 바와 같이, 취득부(11)는 상기한 필터 처리를 센서 데이터에 대하여 실시하여, 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 부가 데이터로서 취득한다.
그 후, 생성부(12)는, 데이터베이스를 참조하여, 부가 데이터에 대한 맥박수를 산출한다. 이때, 생성부(12)는 데이터베이스에 기억된 맥박수용 분류 정보를 참조한다. 맥박수용 분류 정보는, 예를 들면, 60[초]을 피크 간격으로 나누는 함수를 나타낸다. 이 때문에, 생성부(12)는, 예를 들면, 부가 데이터(피크 간격=0.85[초])에 대한 맥박수(=71[bpm])를 산출할 수 있다. 이것에 의해, 생성부(12)는 맥박수를 포함하는 부가 정보를 생성할 수 있다.
<호흡수의 산출>
예를 들면, 호흡수를 산출하는 경우, 도 9(b)에 도시하는 바와 같이, 취득부(11)는 상기한 필터 처리를 센서 데이터에 대하여 실시하여, 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∼0.35Hz의 사이에서의 최대 강도의 주파수가 특정된다. 이것에 의해, 취득부(11)는 특정된 주파수의 값을 부가 데이터로서 취득한다.
그 후, 생성부(12)는, 데이터베이스를 참조하여, 부가 데이터에 대한 호흡수를 산출한다. 이때, 생성부(12)는 데이터베이스에 기억된 호흡수용 분류 정보를 참조한다. 호흡수용 분류 정보는, 예를 들면, 특정된 주파수에 60[초]을 곱하는 함수를 나타낸다. 이 때문에, 생성부(12)는, 예를 들면, 부가 데이터(특정된 주파수=0.225Hz)에 대한 호흡수(=13.5[bpm])를 산출할 수 있다. 이것에 의해, 생성부(12)는, 예를 들면, 호흡수를 포함하는 부가 정보를 생성할 수 있다.
이와 같이, 생체 정보 연산 장치(1)에서는, 부가 정보에 포함시키는 생체 정보의 내용에 따라, 센서 데이터에 대한 전처리를 설정하여, 참조하는 데이터베이스의 내용을 임의로 설정할 수 있다.
또한, 생체 정보로서 상기한 맥박수, 호흡수 이외에, 예를 들면, 혈당값, 혈압, 혈관 연령, 당뇨병의 정도, 혈중 이산화탄소의 특징 등과 같은 맥파에 기초하여 산출 가능한 정보를 사용할 수 있다. 또한, 「혈중 이산화탄소의 특징」이란 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.
또, 산출하는 생체 정보의 내용에 따라, 산출에 사용하는 분류 정보(예비 분류 정보)를 미리 데이터베이스에 기억시켜도 된다. 이 경우, 상기한 학습용 맥파를 나타내는 예비 입력 데이터, 및 예비 입력 데이터에 연계되는 생체 정보를 포함하는 예비 참조 데이터의 한 쌍을 예비 학습용 데이터로서 복수 준비한다. 그리고, 예를 들면, 학습부(15)는 복수의 예비 학습용 데이터를 사용하여 예비 분류 정보를 생성하고, 데이터베이스에 기억시킨다.
또한, 예비 참조 데이터에 포함되는 생체 정보의 취득은, 예를 들면, 상기한 참조 데이터와 마찬가지로, 필요한 생체 정보를 계측하기 위한 계측 장치를 사용하여, 피검자를 대상으로 계측함으로써 취득할 수 있다. 또, 예비 분류 정보의 학습 방법은 상기한 분류 정보와 동일한 방법을 사용할 수 있다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)은, 예를 들면, 도 10에 도시하는 바와 같이, 생성된 부가 정보를 출력해도 된다. 이 경우, 평가 결과와는 다른 정보를 참조하여 생성된 부가 정보를 이용할 수 있어, 유저 등은 다각적인 판단을 실시할 수 있다. 이것에 의해, 유저의 요구에 따른 적절한 평가를 용이하게 실현하는 것이 가능하게 된다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 취득부(11)는, 맥파에 기초하여, 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득한다. 또, 생성부(12)는 부가 데이터에 기초하는 부가 정보를 생성한다. 즉 1개의 맥파에 기초하여 생성된 평가 결과 및 부가 정보로부터 종합평가 결과가 생성된다. 이 때문에, 동일한 파라미터에 기초하는 복수 종류의 정보를 사용함으로써, 다각적인 관점을 근거로 한 종합적인 평가를 실현할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를 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 생성 스텝(S120)에서 상기한 부가 정보를 취득하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 시스템(100)에서는, 예를 들면, 도 11에 도시하는 바와 같이, 생성 스텝(S120)은 부가 정보를 취득하고, 평가 데이터, 및 부가 정보에 기초하여, 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, 평가 데이터에 대한 연산 방법을 결정해도 된다. 이 경우, 부가 정보의 종류마다 다른 함수 등이 보존부(104)나 평가용 데이터베이스 내에 기억된다. 또한, 생성부(12)는, 예를 들면, 평가 데이터와, 부가 정보를 조합시킨 정보에 기초하여, 평가 결과를 생성해도 된다.
본 실시형태에 의하면, 상기한 실시형태의 효과에 더하여, 생성부(12)는 부가 정보를 취득하고, 평가 데이터, 및 부가 정보에 기초하여, 평가 결과를 생성하는 것을 포함한다. 이 때문에, 평가 데이터에 더하여, 유저의 특징을 고려한 다각적인 평가 결과를 생성할 수 있다. 이것에 의해, 유저의 운동능력에 관한 정보를, 더욱 고정밀도로 생성하는 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, 제1 실시형태와의 차이는, 복수의 분류 정보로부터, 평가 데이터에 적합한 분류 정보를 선택하는 점이다. 또한, 상기한 실시형태와 동일한 내용에 대해서는 설명을 생략한다.
본 실시형태에 있어서의 생체 정보 연산 장치(1)에서는, 예를 들면, 도 12에 도시하는 바와 같이, 생성 스텝(S120)이 선택 스텝(S121)과, 속성별 생성 스텝(S122)을 포함한다.
선택 스텝(S121)은, 예비 평가 데이터를 참조하여, 복수의 속성별 분류 정보 중 특정한 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 평가 데이터와는 다른 특징을 나타내고, 예를 들면, 상기한 부가 데이터와 동일한 특징을 나타낸다. 예비 평가 데이터는, 예를 들면, 상기한 부가 데이터와 마찬가지로, 부가 정보를 생성하기 위한 것 등에 사용해도 된다.
속성별 생성 스텝(S122)은, 생체 정보 연산 장치(1)는 선택한 제1 분류 정보를 참조하고, 평가 데이터에 대한 혈중 락트산값을 산출하여, 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 학습용 데이터를 사용하여 산출된다. 예를 들면, 학습용 데이터의 입력 데이터로서 피검자의 가속도 맥파에 상당하는 데이터가 사용되는 경우, 예를 들면, 도 13과 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, 평가 데이터에 대한 평가 결과를 생성한다. 이 때문에, 각 속성 분류 정보 중, 유저에 최적의 분류 정보를 선택할 수 있다.
또한, 예를 들면, 학습용 데이터의 입력 데이터로서 피검자의 속도 맥파에 상당하는 데이터가 사용되는 경우, 예를 들면, 도 14와 같은 2종류(그룹 1, 그룹 2)마다 입력 데이터를 준비하고, 2종류의 속성 분류 정보를 생성해도 된다.
여기에서, 도 13에 나타내는 가속도 맥파에 상당하는 데이터는 특징에 기초하는 상세한 분류가 용이한 반면, 혈중 락트산값을 산출할 때, 피크의 오검출 등에 따르는 정밀도 저하를 염려로서 들 수 있다. 또, 도 14에 나타내는 속도 맥파에 상당하는 데이터는, 가속도 맥파에 상당하는 데이터에 비교하여, 특징에 기초하는 상세한 분류가 곤란하지만, 피크의 오검출 등이 적기 때문에, 혈중 락트산값을 고정밀도로 산출할 수 있다.
상기를 근거로 하여, 복수의 속성 분류 정보는 특정 분류 정보를 선택하기 위해 사용되는 선택용 데이터로서, 예를 들면, 도 13과 같은 가속도 맥파에 상당하는 데이터를 포함하고, 속성 분류 정보를 생성할 때의 학습용 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 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, 평가 데이터에 대한 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 13에 도시하는 바와 같이, 가속도 맥파에는, a∼e의 변곡점이 존재한다. 예를 들면, 가속도 맥파에 있어서의 최대의 피크를 a점으로 하고, a점으로부터 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, 7 패턴으로 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 13의 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, 평가 데이터의 특징에 적합한 분류 정보를 참조하여, 혈중 락트산값을 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, 평가 데이터에 대한 평가 결과를 생성하는 속성별 생성부를 포함한다. 이 때문에, 맥파의 특징에 대하여 최적의 속성 분류 정보를 선택한 뒤에, 평가 데이터에 대한 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 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, 혈중 락트산값을 산출하기 쉬운 속도 맥파를 사용하여, 평가 결과를 생성할 수 있다. 이것에 의해, 평가 정밀도의 더한층의 향상을 도모하는 것이 가능하게 된다.
본 발명의 실시형태를 설명했지만, 이 실시형태는 예로서 제시한 것이며, 발명의 범위를 한정하는 것은 의도하고 있지 않다. 이러한 신규한 실시형태는 그 밖의 다양한 형태로 실시되는 것이 가능하며, 발명의 요지를 일탈하지 않는 범위에서, 다양한 생략, 대치, 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: 종합평가 스텝

Claims (9)

  1. 유저의 혈중 락트산값을 생성하는 생체 정보 연산 시스템으로서,
    상기 유저의 맥파에 기초하는 평가 데이터를 취득하는 취득 수단과,
    미리 취득된 학습용 맥파에 기초하는 입력 데이터, 및 상기 입력 데이터에 연계되는 혈중 락트산값을 포함하는 참조 데이터의 한 쌍을 학습용 데이터로 하여, 복수의 상기 학습용 데이터를 사용하여 생성된 분류 정보가 기억된 데이터베이스와,
    상기 데이터베이스를 참조하여, 상기 평가 데이터에 대한 상기 혈중 락트산값을 포함하는 평가 결과를 생성하는 생성 수단를 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  2. 제1항에 있어서,
    상기 분류 정보는 상기 입력 데이터를 설명변수로 하고, 상기 참조 데이터를 목적변수로 한 PLS 회귀분석을 사용하여 얻어진 검량 모델인 것을 특징으로 하는 생체 정보 연산 시스템.
  3. 제1항에 있어서,
    상기 유저의 특징을 나타내는 부가 정보를 취득하고, 상기 평가 결과 및 상기 부가 정보에 기초하여, 상기 유저의 운동능력을 평가한 종합평가 결과를 생성하는 종합평가 수단을 갖추는 것을 특징으로 하는 생체 정보 연산 시스템.
  4. 제3항에 있어서,
    상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득하는 것을 포함하고,
    상기 생성 수단은 상기 부가 데이터에 기초하는 상기 부가 정보를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  5. 제3항 또는 제4항에 있어서,
    상기 부가 정보는 스트레스 레벨, 맥박수, 호흡수, 혈당값, 혈압, 혈중 이산화탄소의 특징, 및 운동량의 적어도 어느 하나를 나타내는 것을 특징으로 하는 생체 정보 연산 시스템.
  6. 제1항에 있어서,
    상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 특징을 나타내는 부가 데이터를 취득하는 것을 포함하고,
    상기 생성 수단은, 상기 데이터베이스를 참조하여, 상기 부가 데이터에 대한 상기 유저의 특징을 나타내는 부가 정보를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  7. 제1항에 있어서,
    상기 생성 수단은
    상기 유저의 특징을 나타내는 부가 정보를 취득하고,
    복수의 상기 평가 데이터 및 상기 부가 정보에 기초하여, 상기 평가 결과를 생성하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  8. 제1항에 있어서,
    상기 취득 수단은, 상기 맥파에 기초하여, 상기 평가 데이터와는 다른 예비 평가 데이터를 취득하는 것을 포함하고,
    상기 분류 정보는 각각 다른 상기 학습용 데이터를 사용하여 산출된 복수의 속성별 분류 정보를 포함하고,
    상기 생성 수단은,
    상기 예비 평가 데이터를 참조하여, 복수의 상기 속성별 분류 정보 중 제1 분류 정보를 선택하는 선택 수단과,
    상기 제1 분류 정보를 참조하여, 상기 평가 데이터에 대한 상기 평가 결과를 생성하는 속성별 생성 수단을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.
  9. 제8항에 있어서,
    상기 취득 수단은
    상기 맥파에 기초하는 속도 맥파에 상당하는 데이터를 상기 평가 데이터로서 취득하고,
    상기 맥파에 기초하는 가속도 맥파에 상당하는 데이터를 상기 예비 평가 데이터로서 취득하는 것을 포함하는 것을 특징으로 하는 생체 정보 연산 시스템.

KR1020237011084A 2020-09-03 2021-09-02 생체 정보 연산 시스템 KR20230062851A (ko)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
JPJP-P-2020-148047 2020-09-03
JP2020148047A JP6851664B1 (ja) 2020-09-03 2020-09-03 生体情報演算システム
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-2021-032877 2021-03-02
JP2021032877A JP7083193B1 (ja) 2021-03-02 2021-03-02 生体情報演算システム
PCT/JP2021/032233 WO2022050335A1 (ja) 2020-09-03 2021-09-02 生体情報演算システム

Publications (1)

Publication Number Publication Date
KR20230062851A true KR20230062851A (ko) 2023-05-09

Family

ID=80491080

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237011084A KR20230062851A (ko) 2020-09-03 2021-09-02 생체 정보 연산 시스템

Country Status (6)

Country Link
US (1) US20240016423A1 (ko)
EP (1) EP4210065A4 (ko)
KR (1) KR20230062851A (ko)
CN (1) CN116157062A (ko)
TW (1) TW202219981A (ko)
WO (1) WO2022050335A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016195661A (ja) 2015-04-03 2016-11-24 セイコーエプソン株式会社 運動効果判定方法、および運動効果判定システム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017014183A1 (ja) * 2015-07-17 2017-01-26 Ｂｌｕｅ Ｗｙｃｈ合同会社 運動能力及び運動の評価システム
WO2017027856A1 (en) * 2015-08-12 2017-02-16 Massachusetts Institute Of Technology System and methods to predict serum lactate level
US20170258367A1 (en) * 2016-03-08 2017-09-14 bOMDIC Inc. Method and device for real-time monitoring maximal oxygen consumption
JP6884718B2 (ja) * 2018-02-22 2021-06-09 京セラ株式会社 電子機器、推定システム、推定方法及び推定プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016195661A (ja) 2015-04-03 2016-11-24 セイコーエプソン株式会社 運動効果判定方法、および運動効果判定システム

Also Published As

Publication number Publication date
TW202219981A (zh) 2022-05-16
WO2022050335A1 (ja) 2022-03-10
EP4210065A1 (en) 2023-07-12
US20240016423A1 (en) 2024-01-18
CN116157062A (zh) 2023-05-23
EP4210065A4 (en) 2024-02-28

Similar Documents

Publication Publication Date Title
US20210321917A1 (en) Method, system and non-transitory computer-readable recording medium for monitoring body tissues
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
KR20230062851A (ko) 생체 정보 연산 시스템
JP7083193B1 (ja) 生体情報演算システム
JP7083195B1 (ja) 生体情報演算システム
JP7083194B1 (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
WO2022050336A1 (ja) 生体情報演算システム
US20230309932A1 (en) Biometric information computing system, server, and data structure
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
KR102445749B1 (ko) 머신 러닝을 이용하여 인지 기능을 평가하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
JP2020000596A (ja) 血流解析装置、血流解析プログラム、血流解析システム
JP2010200911A (ja) 血液成分計測装置
JP2022042920A (ja) 生体情報演算システム
JP2022042597A (ja) 生体情報演算システム
CN115515483A (zh) 测定装置以及推定系统
JP2018117968A (ja) 生体信号解析装置およびその制御方法