TW202223913A - 生物資訊演算系統 - Google Patents

生物資訊演算系統 Download PDF

Info

Publication number
TW202223913A
TW202223913A TW110132641A TW110132641A TW202223913A TW 202223913 A TW202223913 A TW 202223913A TW 110132641 A TW110132641 A TW 110132641A TW 110132641 A TW110132641 A TW 110132641A TW 202223913 A TW202223913 A TW 202223913A
Authority
TW
Taiwan
Prior art keywords
data
pulse wave
antecedent
recorded
evaluation
Prior art date
Application number
TW110132641A
Other languages
English (en)
Inventor
石澤広明
倉沢進太郎
千野駿
Original Assignee
日商Ｓｓｓｔ股份有限公司
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 JP2020148048A external-priority patent/JP6851665B1/ja
Priority claimed from JP2020148047A external-priority patent/JP6851664B1/ja
Priority claimed from JP2020160846A external-priority patent/JP6845520B1/ja
Application filed by 日商Ｓｓｓｔ股份有限公司 filed Critical 日商Ｓｓｓｔ股份有限公司
Publication of TW202223913A publication Critical patent/TW202223913A/zh

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
    • A61B5/145—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
    • A61B5/14551—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 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
    • A61B5/02—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
    • A61B5/024—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
    • A61B5/72—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
    • 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
    • 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
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • 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
    • A61B5/02108—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)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Optics & Photonics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

[課題]提供謀求評估精度之提升的生物資訊演算系統。 [解決手段]一種將關於使用者的血中二氧化碳之特徵的資訊予以輸出的生物資訊演算系統，係具備：取得手段、資料庫、生成手段。取得手段，係將基於前記使用者之脈波的評估資料，加以取得。資料庫，係記憶有分類資訊，其係把基於預先所被取得之學習用脈波的輸入資料、及含有與前記輸入資料相關連之血中二氧化碳之特徵的參考資料之配對，當作學習用資料，使用複數個前記學習用資料而被生成。生成手段，係參照前記資料庫，生成針對前記評估資料的含有前記血中二氧化碳之特徵的評估結果。

Description

生物資訊演算系統
本發明係有關於，將關於使用者的血中二氧化碳之特徵的資訊予以輸出的生物資訊演算系統。
先前，作為用來推定關於使用者的血中二氧化碳分壓(PaCO 2)等之生物資訊的方法，係有像是例如專利文獻1的方法，已被提出。
在專利文獻1中，將針對具有彼此互異之光波長的至少2個容積脈波之每一者的平均訊框予以構成之後，而可使用於為了推定關於這2個容積脈波的2個平均訊框間之增益，亦可將該增益值，使用於用來取得血中氧飽和度所需之資訊，或存在於血中之其他成分，例如：血紅素、二氧化碳或其他等的推定的意旨，已被揭露。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特表2020-513876號公報
[發明所欲解決之課題]
此處，使用者的血中二氧化碳分壓等之值的計測之際，藉由將計測值以特定週期進行監測，就可詳細掌握使用者之健康狀態。然而，在計測值的監測之際，會因為計測條件等而導致計測值的變差變大，而降低評估精度，存有這類課題。這點，在專利文獻1中，係基於使用到2種類之光波長的容積脈波，來推定血中二氧化碳之特徵。因此，可能會因為光線的射出、或入射至感測器的角度的些微差距，而導致計測值會產生很大的變差之疑慮。
於是，本發明係有鑑於上述問題點而研發，其目的在於提供一種，謀求評估精度之提升的生物資訊演算系統。 [用以解決課題之手段]
第1發明所述之生物資訊演算系統，係將關於使用者的血中二氧化碳之特徵的資訊予以輸出的生物資訊演算系統，其特徵為，具備：取得手段，係用以取得基於前記使用者之脈波的評估資料；和資料庫，係被記憶有分類資訊，其係把基於預先所被取得之學習用脈波的輸入資料、及含有與前記輸入資料相關連之血中二氧化碳之特徵的參考資料之配對，當作學習用資料，使用複數個前記學習用資料而被生成；和生成手段，係用以參照前記資料庫，生成針對前記評估資料的含有前記血中二氧化碳之特徵的評估結果。
第2發明所述之生物資訊演算系統，係於第1發明中，其特徵為，前記參考資料係含有：表示計測了前記學習用脈波的被檢者之健康狀態的狀態資訊；前記分類資訊係含有：藉由使用了複數個前記學習用資料之機器學習而被生成的已學習模型；前記生成手段係包含：參照前記已學習模型，將表示與前記評估資料相關連之前記使用者之健康狀態的健康狀態結果，包含在前記評估結果中而加以生成。
第3發明所述之生物資訊演算系統，係於第2發明中，其特徵為，複數個前記學習用資料係僅含有：前記被檢者之健康時的前記輸入資料及前記參考資料；前記健康狀態結果係表示，與前記評估資料相關連之前記使用者之健康狀態是健康、或健康以外。
第4發明所述之生物資訊演算系統，係於第1發明中，其特徵為，前記分類資訊係為，使用以前記輸入資料為解釋變數、以前記參考資料為目標變數的PLS迴歸分析而獲得的校正模型。
第5發明所述之生物資訊演算系統，係於第1發明中，其特徵為，前記取得手段係包含：基於前記脈波，而取得異於前記評估資料的預備評估資料；前記生成手段係包含：參照前記資料庫，而生成針對前記預備評估資料的含有前記使用者之生物資訊的預備評估結果。
第6發明所述之生物資訊演算系統，係於第5發明中，其特徵為，前記資料庫中係被記憶有預備分類資訊，其係把基於前記學習用脈波的預備輸入資料、及含有與前記預備輸入資料相關連之前記生物資訊的預備參考資料之配對，當作預備學習用資料，使用複數個前記預備學習用資料而被生成；前記生成手段係包含：參照前記預備分類資訊，而生成針對前記預備評估資料的前記預備評估結果。
第7發明所述之生物資訊演算系統，係於第1發明中，其特徵為，前記取得手段係包含：基於前記脈波，而取得異於前記評估資料的預備評估資料；前記分類資訊係含有：使用彼此不同的前記學習用資料而被算出的複數個屬性別分類資訊；前記生成手段係包含：選擇手段，係用以參照前記預備評估資料，而在複數個前記屬性別分類資訊之中選擇第1分類資訊；和屬性別生成手段，係用以參照前記第1分類資訊，而生成針對前記評估資料的前記評估結果。
第8發明所述之生物資訊演算系統，係於第7發明中，其特徵為，前記取得手段係包含：將相當於基於前記脈波之速度脈波的資料，當作前記評估資料而加以取得；將相當於基於前記脈波之加速度脈波的資料，當作前記預備評估資料而加以取得。 [發明效果]
若依據第1發明~第8發明，則生成手段，係參照資料庫，而生成針對評估資料的含有血中二氧化碳之特徵的評估結果。又，資料庫中係被記憶有，使用複數個學習用資料而被算出的分類資訊。因此，在評估結果的生成之際，可使其含有依循過去有記錄的資料(輸入資料及血中二氧化碳之特徵)定量性的血中二氧化碳之特徵。藉此，可謀求評估精度之提升。
尤其是，若依據第2發明，則生成手段，係可參照已學習模型，而將與評估資料相關連之健康狀態結果，包含在評估結果中而加以生成。因此，可將以血中二氧化碳之特徵為判斷材料的健康狀態，報知給使用者，相較於僅報知血中二氧化碳之特徵的情況，可更容易掌握健康狀態。藉此，可謀求對使用者的便利性之提升。
尤其是，若依據第3發明，則複數個學習用資料係僅含有：被檢者之健康時的輸入資料及參考資料；健康狀態結果係表示，與評估資料相關連之前記使用者之健康狀態，是否為健康。因此，即使基於不健康時的學習用脈波的輸入資料、及無法準備血中二氧化碳之特徵的情況下，仍可生成表示使用者之健康狀態的結果。藉此，不會提高分類資訊的生成之際的難易度，就可謀求對使用者的便利性之更進一步提升。
尤其是，若依據第4發明，則分類資訊係為，使用以輸入資料為解釋變數、以參考資料為目標變數的PLS迴歸分析而獲得的校正模型。因此，相較於使用機器學習等而算出分類資訊的情況，可大幅減少學習用資料之數量，同時可容易實施校正模型之更新。藉此，可謀求生物資訊演算系統的建構及更新的容易化。
尤其是，若依據第5發明，則生成手段，係參照資料庫，生成針對預備評估資料的含有使用者之生物資訊的預備評估結果。因此，可利用藉由與評估結果不同觀點而被生成的預備評估結果，可實施多角度的評估。藉此，可實現符合使用者之要求的適切的評估。
尤其是，若依據第6發明，則生成手段係包含：參照預備分類資訊，而生成針對預備評估資料的預備評估結果。因此，可利用參照與評估結果不同資訊而被生成的預備評估結果，可實施更多角度的評估。藉此，可容易實現符合使用者之要求的適切的評估。
尤其是，若依據第7發明，則生成手段係包含：選擇手段，係用以參照預備評估資料，而選擇第1分類資訊；和屬性別生成手段，係用以參照第1分類資訊，而生成針對評估資料的評估結果。因此，可先選擇出對於脈波之特徵而言為最適合的屬性分類資訊，然後生成針對評估資料的評估結果。藉此，可謀求評估精度的更進一步之提升。
尤其是，若依據第8發明，則取得手段，係將基於脈波的相當於速度脈波的資料，當作評估資料而加以取得。又，取得手段，係將基於脈波的相當於加速度脈波的資料，當作預備評估資料而加以取得。因此，相較於速度脈波，可使用較容易將脈波之特徵予以分類的加速度脈波，來選擇屬性分類資訊。又，相較於加速度脈波，可使用較容易算出血中二氧化碳之特徵的速度脈波，來生成評估結果。藉此，可謀求評估精度的更進一步之提升。
以下，針對本發明的實施形態中的生物資訊演算系統之一例，參照圖式來做說明。
(第1實施形態：生物資訊演算系統100) 圖1係第1實施形態中的生物資訊演算系統100之一例的模式圖。
生物資訊演算系統100，係為了輸出關於使用者的血中二氧化碳之特徵的資訊，而被使用。生物資訊演算系統100，係可從基於使用者之脈波的評估資料，而生成含有血中二氧化碳之特徵的評估結果。此外，所謂「血中二氧化碳之特徵」，係表示使用者之血液中所含之二氧化碳的程度。作為血中二氧化碳之特徵，係除了使用例如血中二氧化碳分壓(PaCO 2)之值以外，亦可使用血中二氧化碳之溶存濃度、或血液中所含之碳酸氫根、碳酸氫鹽(HCO 3 -)之濃度，亦可隨著狀況而使用考慮到血液之pH的值。以下主要是針對，作為血中二氧化碳之特徵，是使用血中二氧化碳分壓之值的情況，來做說明。
生物資訊演算系統100，係例如如圖1所示，具備生物資訊演算裝置1，亦可具備例如感測器5及伺服器4之至少任一者。生物資訊演算裝置1，係例如透過通訊網3而與感測器5或伺服器4連接。
在生物資訊演算系統100中，係例如如圖2(a)所示，生物資訊演算裝置1，係取得已被感測器5等所被生成之感測器資料。其後，生物資訊演算裝置1，係對已取得之資料，實施濾波器處理等之前處理，而取得評估資料。
生物資訊演算裝置1，係參照資料庫，而算出針對評估資料的血中二氧化碳之特徵(例如血中二氧化碳分壓之值)。資料庫中係被記憶有例如：用來從評估資料算出血中二氧化碳分壓之值所需之分類資訊。
分類資訊，係例如如圖3(a)所示，將基於過去已被取得之學習用脈波的輸入資料、及含有與輸入資料相關連之血中二氧化碳分壓之值的參考資料之配對，當作學習用資料，使用複數個學習用資料而被生成。因此，作為學習用資料，可以使用以健康狀態等為明確的被檢者等為對象的資料，因此相較於使用單純地被累積的資料的情況，可生成能夠信賴的分類資訊。又，藉由參照分類資訊，就可消除經時性的算出基準之變動，而算出定量性的血中二氧化碳分壓之值。
生物資訊演算裝置1，係生成含有已算出之血中二氧化碳分壓之值的評估結果，輸出至例如顯示器等。評估結果中，係除了血中二氧化碳分壓之值以外，亦可還含有像是例如「正常」、「異常」等，表示針對血中二氧化碳分壓之值的評估的資訊。
如上述，在本實施形態中的生物資訊演算系統100中，係參照資料庫，而可生成針對評估資料的含有血中二氧化碳之特徵的評估結果。因此，在評估結果的生成之際，可使其含有依循過去有記錄的資料的定量性的血中二氧化碳之特徵。藉此，可謀求評估精度之提升。
此外，在生物資訊演算系統100中，例如如圖2(b)所示，亦可從感測器5等，取得評估資料。此情況下，從感測器資料取得評估資料的前處理，係被感測器5等所實施。
＜感測器資料＞ 感測器資料，係含有表示使用者的脈波之特徵的資料，亦可含有例如表示脈波以外之特徵的資料(雜訊)。感測器資料，係為表示對計測時間之振幅的資料，藉由實施用途或感測器資料之生成條件所相應的濾波器處理，就可從感測器資料取得相當於加速度脈波或速度脈波等的資料。
感測器資料，係可藉由應變感測器、陀螺儀感測器、光電容積脈波(PPG)感測器、壓力感測器等之公知的感測器來加以生成。感測器資料，係除了數位訊號以外，亦可為例如類比訊號。此外，感測器資料的生成之際的計測時間，係為例如脈波之1~20週期份的計測時間，可隨著感測器資料之處理方法、或資料通訊方法等之條件，而任意設定。
＜評估資料＞ 評估資料，係表示用來算出血中二氧化碳之特徵所需之資料。評估資料，係表示例如基於使用者之脈波的相當於加速度脈波的資料，是表示對特定之週期(例如1週期)的振幅。
評估資料，係藉由將感測器資料以生物資訊演算裝置1等實施處理(前處理)，而被取得。例如如圖3(b)及圖3(c)所示，藉由對感測器資料實施複數個處理，就可獲得評估資料。關於各處理的細節，係於後述。
＜資料庫＞ 資料庫，係主要是在針對評估資料的血中二氧化碳之特徵的算出之際，會被使用。資料庫中係除了記憶1個以上之分類資訊以外，亦可還記憶例如分類資訊之生成時所被使用的複數個學習用資料。
分類資訊係為例如，表示預先所被取得之過去之評估資料(輸入資料)、與含有血中二氧化碳之特徵的參考資料之相關關係的函數。分類資訊係表示例如，將輸入資料當作解釋變數，將參考資料當作目標變數，藉由迴歸分析等進行解析，基於該解析結果而被生成的校正模型。分類資訊係例如，除了可將校正模型定期地更新以外，亦可還隨應於使用者的性別、年齡、健康狀態等之屬性資訊而生成。
作為分類資訊的生成之際所使用的迴歸分析之方法，可以使用例如PLS(Partial Least Squares)迴歸分析、按照每一級別而進行主成分分析以獲得主成分模型的利用SIMCA(Soft Independent Modeling of Class Analogy)法的迴歸分析等。
分類資訊係亦可含有例如：使用了複數個學習用資料藉由機器學習而被生成的已學習模型。已學習模型，係除了表示例如CNN(Convolutional Neural Network)等之神經網路模型以外，也表示SVM(Support vector machine)等。又，作為機器學習，可以使用例如深度學習。
輸入資料，係使用與評估資料同種類的資料，例如表示對應的血中二氧化碳之特徵已為明確的過去之評估資料。輸入資料係表示，基於健康狀態等為明確的被檢者之脈波(學習用脈波)而被取得的資料。
例如，令被檢者穿戴感測器5等，將表示學習用脈波之特徵的感測器資料(學習用感測器資料)予以生成。然後，藉由對學習用感測器資料實施處理，就可取得輸入資料。此外，輸入資料，係除了從生物資訊演算系統100的使用者取得以外，亦可從例如有別於使用者的其他使用者取得。亦即，上述的被檢者，係除了為生物資訊演算系統100的使用者以外，亦可以使用者以外為對象，亦可為特定或不特定之多數人。
輸入資料係例如，藉由與評估資料的取得之際所利用的感測器5等之種類，感測器資料的生成條件、及對感測器資料的處理條件同樣之內容而被取得，較為理想。例如將上記3個內容予以統一，就可飛躍性地提升血中二氧化碳之特徵的算出之際的精度。
參考資料係含有，使用計測裝置而被計測到的，被檢者的血中二氧化碳之特徵。例如令被檢者穿戴感測器5等而生成學習用感測器資料之際，將被檢者的血中二氧化碳之特徵加以計測，就可取得與輸入資料相關連之參考資料。此情況下，血中二氧化碳之特徵的計測時序，係與學習用感測器資料的生成時序同時為理想，但亦可為例如1~10分鐘程度前後的時序。
作為計測裝置係除了可使用例如經皮血液氣體監視儀TCM5(Radiometer Basel公司製造)等之公知的裝置以外，亦可使用例如公知的血中二氧化碳分壓(PaCO 2)的計測或推定之裝置。此外，例如作為計測裝置，亦可使用，能夠將血液中所含之碳酸氫根、碳酸氫鹽(HCO 3 -)之濃度、或血中之pH予以計測或推定的公知的計測裝置。又，參考資料，係除了包含血中二氧化碳分壓之值等之血中二氧化碳之特徵以外，亦可還包含有例如氧飽和度之值、或大氣壓之值等這類，可能與血中二氧化碳之特徵有關連的計測值。
＜生物資訊演算裝置1＞ 生物資訊演算裝置1，係表示例如個人電腦(PC)、行動電話、智慧型手機、平板型終端、可穿戴式終端等之電子機器，是表示例如基於使用者的操作，而可透過通訊網3進行通訊的電子機器。此外，生物資訊演算裝置1，係亦可內建感測器5。以下說明，作為生物資訊演算裝置1，是使用PC的情況之一例。
圖4(a)係生物資訊演算裝置1的構成之一例的模式圖，圖4(b)係生物資訊演算裝置1的機能之一例的模式圖。
生物資訊演算裝置1，係例如如圖4(a)所示，具備：框體10、CPU(Central Processing Unit)101、ROM (Read Only Memory)102、RAM(Random Access Memory) 103、保存部104、I/F105~107。各構成101~107，係藉由內部匯流排110而被連接。
CPU101，係控制生物資訊演算裝置1全體。ROM102，係儲存CPU101的動作程式碼。RAM103，係為CPU101之動作時所被使用的作業領域。保存部104，係記憶著資料庫或評估資料等之各種資訊。作為保存部104係例如，除了HDD(Hard Disk Drive)以外，也可使用SSD (Solid State Drive)等之資料保存裝置。此外，例如生物資訊演算裝置1，係亦可具有未圖示的GPU(Graphics Processing Unit)。
I/F105，係透過通訊網3，因應需要而與伺服器4或感測器5等之各種資訊進行收送訊所需之介面。I/F106，係為與輸入部108進行資訊之收送訊所需之介面。作為輸入部108，係使用例如鍵盤，生物資訊演算裝置1的使用者等，係透過輸入部108，而將各種資訊、或生物資訊演算裝置1之控制指令等予以輸入。I/F107，係為與顯示部109進行各種資訊之收送訊所需之介面。顯示部109，係將保存部104中所被保存的各種資訊、或評估結果等，加以顯示。作為顯示部109，係使用顯示器，例如為觸控面板式的情況，則與輸入部108一體設置。
圖4(b)係生物資訊演算裝置1的機能之一例的模式圖。生物資訊演算裝置1係具備：取得部11、生成部12、輸出部13、記憶部14，亦可具備例如學習部15。此外，圖4(b)所示的各機能，係藉由CPU101，把RAM103當作作業領域，將保存部104等中所被記憶的程式予以執行，而加以實現。
＜取得部11＞ 取得部11，係將基於使用者之脈波的評估資料，加以取得。取得部11，係例如從感測器5等取得了感測器資料之後，藉由對感測器資料實施處理，而取得評估資料。
取得部11，係例如如圖3(b)所示，對已取得之感測器資料，實施濾波處理(濾波器處理)。在濾波器處理中，係使用例如0.5~5.0Hz的帶通濾波器。藉此，取得部11，係將相當於使用者之脈波的資料(脈波資料)，予以抽出。脈波資料，係表示例如相當於速度脈波的資料。此外，脈波資料，係亦可為表示例如相當於加速度脈波或容積脈波的資料，亦可隨著感測器的種類或用途而任意設定。又，帶通濾波器的濾波器範圍，係可隨著用途而任意設定。
取得部11，係例如對脈波資料，實施微分處理。例如對相當於速度脈波的脈波資料實施微分處理的情況下，取得部11，係將相當於加速度脈波的資料(微分資料)，加以取得。此外，在微分處理中，除了1次微分以外也可實施2次微分。
取得部11，係例如對微分資料，實施分割處理。在分割處理中，例如相當於複數週期之加速度脈波的微分資料，係被分割成相當於每1週期之加速度脈波的資料(分割資料)。因此，取得部11係藉由例如對1個微分資料實施微分處理，就可取得複數個分割資料。此外，在分割處理中，可隨著用途而每任意之週期(例如週期之正數倍)地，將微分資料進行分割。
例如於分割處理中，已分割之各分割資料中的資料量，會有各自不同的情況。此情況下，取得部11，係亦可將最少資料量的分割資料予以特定，並對其他分割資料，實施資料量之削減(裁剪)。藉此，可統一各分割資料中的資料量，使得各分割資料的資料之對比變為容易。
除了上記之外，亦可例如以分割資料的對應於時間軸的值為對象而實施規格化處理。在規格化處理中，例如令對應於時間軸的值的最小值為0，令最大值為1，而實施規格化。藉此，各分割資料的資料之對比就會變得容易。
取得部11，係亦可例如將實施過資料量之削減、或規格化的複數個分割資料的平均予以算出，當作分割資料。
取得部11，係對分割資料，實施規格化處理。在規格化處理中，以對應於振幅的值為對象，生成已被規格化之資料(規格化資料)。在規格化處理中，例如令振幅的最低值為0，令振幅的最高值為1而實施規格化。取得部11，係將例如規格化資料，當作評估資料而加以取得。此情況下，作為評估資料，可以獲得相當於使用者的加速度脈波的資料。
取得部11，係除了將上述的各處理依序實施以外，亦可例如如圖3(c)所示般地，不實施微分處理。此情況下，作為評估資料，可以獲得相當於使用者的速度脈波的資料。
又，取得部11，係亦可例如僅實施上述的各處理之一部分。此情況下，取得部11，係亦可將脈波資料、微分資料、分割資料、已被裁剪之分割資料、及對應於時間軸的值予以規格化而成的分割資料之任一者，當作評估資料而加以取得，隨著用途而任意設定。
＜生成部12＞ 生成部12，係參照資料庫，而生成針對評估資料的含有血中二氧化碳之特徵(例如血中二氧化碳分壓之值)的評估結果。生成部12，係例如參照資料庫中所被記憶之分類資訊，而算出針對評估資料的血中二氧化碳之特徵。生成部12，係例如使用保存部104等中所被預先記憶的顯示用之格式，生成已經把血中二氧化碳之特徵轉換成使用者能夠理解之形式的評估結果。
例如，分類資訊是含有已學習模型的情況下，生成部12，係亦可參照已學習模型，將表示與評估資料相關連的使用者之健康狀態的健康狀態結果，包含在評估結果中而加以生成。此情況下，已學習模型的生成之際所使用的參考資料係含有：表示計測了學習用脈波的被檢者之健康狀態的狀態資訊。狀態資訊係含有例如「健康」、「有○○之可能性」、「過去有□□疾患之經驗」等這類，關於被檢者的現在及過去之健康狀態之詳細的資訊。
此外，已學習模型的生成之際所使用的複數個學習用資料，係亦可僅含有例如被檢者之健康時的輸入資料及參考資料。此情況下，評估結果(健康狀態結果)，係亦可僅表示與評估資料相關連之使用者之健康狀態，是健康、或健康以外。亦即，亦可為，在評估資料是與學習用資料類似的情況下，作為健康狀態結果是表示「健康」；在評估資料是與學習用資料乖離的情況下，作為健康狀態結果是表示「健康以外」，生成部12是以如此方式來生成評估結果。此外，將「健康」、「健康以外」進行分類的閾值，係可任意設定。
＜輸出部13＞ 輸出部13，係將評估結果予以輸出。輸出部13，係除了對顯示部109輸出評估結果以外，亦可例如對感測器5等輸出評估結果。
＜記憶部14＞ 記憶部14，係將保存部104中所被保存之資料庫等之各種資料，因應需要而取出。記憶部14，係將藉由各構成11~13、15而被取得或生成的各種資料，因應需要而保存在保存部104中。
＜學習部15＞ 學習部15，係例如使用複數個學習用資料，來生成分類資訊。學習部15，係亦可例如取得新的學習用資料，而將既存的分類資訊予以更新。
＜通訊網3＞ 通訊網3，係為將生物資訊演算裝置1、伺服器4、感測器5透過通訊線路而被連接的公知的網際網路網等。通訊網3，係在將生物資訊演算系統100於一定之狹小區域內做運用的情況下，亦可由LAN(Local Area Network)等來加以構成。又，通訊網3，係亦可由所謂的光纖通訊網來加以構成。又，通訊網3，係不限定於有線通訊網，亦可用無線通訊網來加以實現，可隨著用途而任意設定。
伺服器4，係將透過通訊網3而被送來的資訊，予以積存。伺服器4，係基於來自生物資訊演算裝置1之要求，而將透過通訊網3所被積存的資訊，發送至生物資訊演算裝置1。
＜感測器5＞ 感測器5，係生成感測器資料。感測器5，係例如如圖5(a)所示，具備偵測部6。感測器5，係被穿戴在可透過偵測部6而偵測使用者之脈波的位置，例如被腕帶55所固定。
偵測部6，係使用能夠偵測使用者之脈波的公知的偵測裝置。作為偵測部6，係可使用例如：光纖布拉格光柵(FBG)感測器等之應變感測器、陀螺儀感測器、脈波訊號測定所需之1個以上之電極、光電容積脈波(PPG)感測器、壓力感測器、及光偵測模組之至少任一者。偵測部6，係亦可例如被複數配置。
此外，感測器5，係亦可被嵌埋在衣服內。又，穿戴感測器5的使用者，係除了人以外，也可以狗或貓等之寵物為對象，亦可例如以牛或豬等之家畜、魚等之養殖為對象。
感測器5，係例如如圖5(b)所示，具備取得部50、通訊I/F51、記憶體52、命令部53，各構成係分別以內部匯流排54而被連接。
取得部50，係透過偵測部6而測定使用者的脈波，而生成感測器資料。取得部50，係將例如已生成之感測器資料，發送至通訊I/F51、或記憶體52。
通訊I/F51，係透過通訊網3，而將感測器資料等之各種資料，發送至生物資訊演算裝置1或伺服器4。又，通訊I/F51係被實作有：用來與通訊網3連接所需之線路控制電路、或與生物資訊演算裝置1或伺服器4之間進行資料通訊所需之訊號轉換電路等。通訊I/F51，係對來自內部匯流排54之各種命令實施轉換處理，將其往通訊網3側送出，並且在接收到來自通訊網3之資料的情況下，對其實施所定之轉換處理然後往內部匯流排54發送。
記憶體52，係將從取得部50所被發送的感測器資料等之各種資料，加以保存。記憶體52，係例如藉由從透過通訊網3而被連接的其他終端裝置接受命令，而將已保存之感測器資料等之各種資料，發送至通訊I/F51。
命令部53，係含有用來取得感測器資料所需之操作鈕或鍵盤等，例如包含CPU等之處理器。命令部53，係在受理了感測器資料之取得之命令的情況下，將其通知給取得部50。收到該通知的取得部50，係取得感測器資料。此外，命令部53，係亦可例如如圖3(b)及圖3(c)所示，實施從感測器資料取得評估資料所需之處理。
此處，作為取得感測器資料的一例，說明使用FBG感測器的情況。
FBG感測器，係在1根光纖內隔開所定間隔而形成了繞射光柵結構。FBG感測器係具有例如：感測器部分的長度為10mm，波長解析力為±0.1pm，波長範圍為1550±0.5nm，光纖的直徑為145μm，核心徑為10.5μm的特徵。可將FBG感測器當作上述的偵測部6，在接觸於使用者之皮膚的狀態下，進行測定。
例如作為使用於光纖的光源，是使用波長範圍1525~1570nm的ASE(Amplified Spontaneous Emission)光源。來自光源的射出光，係透過循環器而入射至FBG感測器。來自FBG感測器的反射光，係透過循環器而被導往馬赫-曾德爾干涉儀，將來自馬赫-曾德爾干涉儀的輸出光，藉由光偵測器而予以測知。馬赫-曾德爾干涉儀，係藉由分束器而分離成帶有光程差的2個光路，並再次藉由分束器重合成一道而製作出干擾光所需。為了賦予光程差，例如亦可把一方之光纖的長度設成較長。相干光，係會隨著光程差而產生干涉條紋，因此藉由測定干涉條紋的圖案，就可測知FBG感測器中所產生的應變之變化，亦即可測知脈波。取得部50，係基於已被測知的脈波，而生成感測器資料。藉此，可取得感測器資料。
此外，偵測FBG感測器之應變量，而偵測脈波之波形的光纖感測器系統，係除了入射至FBG感測器的光源以外，還包含：作為廣頻帶的ASE光源的手段、循環器、馬赫-曾德爾干涉儀、分束器這些光學系、或光偵測器所具備的受光感測器、或將波長位移量予以解析的解析手段。光纖感測器系統，係可隨應於所使用的FBG感測器之特性來選擇並使用光源或波段光，關於檢波方法等之解析手段也可採用多種方法。
(實施形態1：生物資訊演算系統100的動作) 接著，說明本實施形態中的生物資訊演算系統100的動作之一例。圖6係本實施形態中的生物資訊演算系統100的動作之一例的流程圖。
生物資訊演算系統100，係例如透過被安裝在生物資訊演算裝置1內的生物資訊演算程式而執行。亦即，使用者係可操作生物資訊演算裝置1、或感測器5，透過生物資訊演算裝置1中所被安裝的生物資訊演算程式，而從感測器資料，取得含有血中二氧化碳之特徵(例如血中二氧化碳分壓之值)的評估結果。
生物資訊演算系統100的動作，係具備取得手段S110、和生成手段S120，亦可具備例如輸出手段S130。
＜取得手段S110＞ 取得手段S110，係將基於使用者之脈波的評估資料，加以取得。例如感測器5的取得部50，係透過偵測部6而測定使用者的脈波，並生成感測器資料。取得部50，係透過通訊I/F51、及通訊網3，而將感測器資料發送至生物資訊演算裝置1。生物資訊演算裝置1的取得部11，係從感測器5接收感測器資料。
取得部11，係將例如圖3(b)所示的處理，對感測器資料加以實施，以取得評估資料。取得部11，係例如透過記憶部14，而將已取得之評估資料，保存在保存部104中。此外，取得部11從感測器5取得感測器資料的頻率等之條件，係可隨著用途而任意設定。
＜生成手段S120＞ 接著，生成手段S120，係參照資料庫，而生成針對評估資料的含有血中二氧化碳之特徵(例如血中二氧化碳分壓之值)的評估結果。例如生成部12，係參照分類資訊，而算出針對評估資料的血中二氧化碳分壓之值。生成部12，係生成含有已算出之值的評估結果。生成部12，係例如透過記憶部14，而將已生成之評估結果，保存在保存部104中。此外，作為血中二氧化碳分壓之值，除了表示特定之值以外，亦可算出例如誤差範圍(例如「○○±2mmHg」等)。
生成部12，係亦可例如將計測時間不同的複數個針對評估資料的血中二氧化碳分壓之值分別予以算出，並將各值包含在評估結果中。此情況下，使用者等就可容易掌握血中二氧化碳分壓的經時變化或平均值等。
＜輸出手段S130＞ 接著，例如輸出手段S130，係亦可將評估結果予以輸出。例如輸出部13，係對顯示部109，輸出評估結果。
藉此，生物資訊演算系統100的動作就結束。此外，實施各步驟的頻率或順序，係可隨著用途而任意設定。
若依據本實施形態，則生成手段S120，係參照資料庫，而生成針對評估資料的含有血中二氧化碳之特徵的評估結果。又，資料庫中係被記憶有，使用複數個學習用資料而被算出的分類資訊。因此，在評估結果的生成之際，可使其含有依循過去有記錄的資料(輸入資料及血中二氧化碳之特徵)定量性的血中二氧化碳之特徵。藉此，可謀求評估精度之提升。
又，若依據本實施形態，則生成手段S120，係可參照已學習模型，而將與評估資料相關連之健康狀態結果，包含在評估結果中而加以生成。因此，可將以血中二氧化碳之特徵為判斷材料的健康狀態，報知給使用者，相較於僅報知血中二氧化碳之特徵的情況，可更容易掌握健康狀態。藉此，可謀求對使用者的便利性之提升。
又，若依據本實施形態，則複數個學習用資料係僅含有：被檢者之健康時的輸入資料及參考資料；健康狀態結果係表示，與評估資料相關連之使用者之健康狀態，是否為健康。因此，即使基於不健康時的學習用脈波的輸入資料、及無法準備血中二氧化碳之特徵的情況下，仍可生成表示使用者之健康狀態的結果。藉此，不會提高分類資訊的生成之際的難易度，就可謀求對使用者的便利性之更進一步提升。
又，若依據本實施形態，則分類資訊係為，使用以輸入資料為解釋變數、以參考資料為目標變數的PLS迴歸分析而獲得的校正模型。因此，相較於使用機器學習等而算出分類資訊的情況，可大幅減少學習用資料之數量，同時可容易實施校正模型之更新。藉此，可謀求生物資訊演算系統100的建構及更新的容易化。
(第2實施形態：生物資訊演算系統100) 接著，說明第2實施形態中的生物資訊演算系統100之一例。上述的實施形態、與第2實施形態之差異，係為取得基於脈波的預備評估資料的這點。此外，關於和上述的實施形態相同的內容，係省略說明。
本實施形態中的生物資訊演算裝置1，係例如如圖7所示，針對基於脈波而被生成的1個感測器資料，實施2種類的處理。藉此，生物資訊演算裝置1係會取得評估資料、和異於評估資料的預備評估資料。此外，預備評估資料，係亦可被複數取得。
生物資訊演算裝置1，係將針對預備評估資料的生物資訊予以算出，生成例如含有生物資訊的預備評估結果。例如在生物資訊演算裝置1中，除了評估結果以外，還可將預備評估結果予以輸出。此外，例如在生物資訊演算裝置1中，亦可在評估結果中包含有生物資訊。
作為生物資訊，可以算出例如脈搏數及呼吸數之至少任一者。此情況下，例如如圖8(a)及圖8(b)所示，於取得手段S110中所被實施的前處理之內容，及於生成手段S120中所被參照的資料庫之內容，係會有不同的情況。以下，說明將脈搏數及呼吸數當作生物資訊而予以算出的例子。
＜脈搏數的算出＞ 例如在算出脈搏數的情況下，如圖8(a)所示，取得部11，係將上述的濾波器處理對感測器資料加以實施，以抽出脈波資料。
然後，取得部11，係對脈波資料，實施峰值位置算出處理。在峰值位置算出處理中，係偵測出脈波資料中所含之複數個峰值(振幅的最大值)，將已被取樣之順序(相當於從測定開始起算之時間)加以特定。藉此，取得部11，係取得脈波資料中所含之峰值位置資料。
其後，取得部11，係對峰值位置資料，實施峰值間隔平均算出處理。峰值間隔平均算出處理，係將峰值位置資料中所含之峰值的間隔(相鄰之峰值所被取樣之順序的差分)予以算出，而將例如峰值間隔之平均值予以算出。其後，取得部11，係對峰值間隔或峰值間隔之平均值，除以感測器資料的取樣頻率，將表示相當於秒數的峰值間隔的資料，當作預備評估資料而加以取得。
其後，生成部12，係參照資料庫，而算出針對預備評估資料的脈搏數。此時，生成部12，係會參照資料庫中所被記憶的脈搏數用分類資訊。脈搏數用分類資訊係表示，例如將60[秒]除以峰值間隔的函數。因此，生成部12係可算出例如針對預備評估資料(峰值間隔=0.85[秒])的脈搏數(=71[bpm])。藉此，生成部12，係可生成含有脈搏數的評估結果或預備評估結果。
＜呼吸數的算出＞ 例如在算出呼吸數的情況下，如圖8(b)所示，取得部11，係將上述的濾波器處理對感測器資料加以實施，以抽出脈波資料。
其後，取得部11，係對脈波資料，實施傅立葉轉換處理。在傅立葉轉換處理中，例如表示取樣時間對振幅的脈波資料，係被轉換成表示頻率對強度的頻率資料。藉此，取得部11，係取得針對脈波資料的頻率資料。
其後，取得部11，係對頻率資料，實施最大頻率偵測處理。在最大頻率偵測處理中，係在頻率資料之中，將0.15~0.35Hz之間的最大強度之頻率，加以特定。藉此，取得部11，係將已被特定之頻率的值，當作預備評估資料而加以取得。
其後，生成部12，係參照資料庫，而算出針對預備評估資料的呼吸數。此時，生成部12，係會參照資料庫中所被記憶的呼吸數用分類資訊。呼吸數用分類資訊係表示，例如對已被特定之頻率乘以60[秒]的函數。因此，生成部12係可算出例如針對預備評估資料(已被特定之頻率=0.225Hz)的呼吸數(=13.5[bpm])。藉此，生成部12，係可生成例如含有呼吸數的評估結果或預備評估結果。
如此，在生物資訊演算裝置1中，可隨應於被包含在預備評估結果中的生物資訊之內容，來設定針對感測器資料的前處理，可將所參照的資料庫之內容做任意設定。
此外，作為生物資訊，係除了上述的脈搏數、呼吸數以外，還可以使用例如像是壓力、血糖值、血壓、氧飽和度、血管年齡、糖尿病之程度等這類，可基於脈波而算出的資訊。
又，亦可隨應於所要算出的生物資訊之內容，而將算出時所使用的預備分類資訊，預先記憶在資料庫中。此情況下，是將上述的表示學習用脈波的預備輸入資料、及含有與預備輸入資料相關連之生物資訊的預備參考資料之配對，當作預備學習用資料而加以複數準備。然後，例如學習部15係使用複數個預備學習用資料來生成預備分類資訊，並記憶在資料庫中。
此外，預備參考資料中所含之生物資訊的取得，係例如和上述的參考資料同樣地，使用為了計測必要之生物資訊所需之計測裝置，以被檢者為對象進行計測就可加以取得。又，預備分類資訊的學習方法，係可使用和上述的分類資訊相同的方法。
除了上記以外，在生物資訊演算裝置1中，例如如圖9所示，還可基於評估結果、及預備評估結果，而生成綜合評估結果，並予以輸出等。因此，在生物資訊演算系統100中，可利用藉由與評估結果不同觀點而被生成的預備評估結果，可實施多角度的評估。
在生物資訊演算裝置1中，亦可例如藉由實施圖3(b)及圖3(c)所示的2種類之處理，以從感測器資料，取得評估資料、及預備評估資料。亦即，作為評估資料，是獲得了相當於使用者之加速度脈波的資料的情況下，作為預備評估資料，則是獲得相當於使用者之速度脈波的資料。此情況下，藉由使用針對評估資料而被生成的評估結果、和針對預備評估結果而被生成的預備評估結果，就可實現較高精度的評估。
若依據本實施形態，則除了上述的實施形態的效果以外，生成手段S120，係參照資料庫，而生成針對預備評估資料的含有使用者之生物資訊的預備評估結果。因此，可利用藉由與評估結果不同觀點而被生成的預備評估結果，可實施多角度的評估。藉此，可實現符合使用者之要求的適切的評估。
又，若依據本實施形態，則生成手段S120係包含：參照預備分類資訊，而生成針對預備評估資料的預備評估結果。因此，可利用參照與評估結果不同資訊而被生成的預備評估結果，可實施更多角度的評估。藉此，可容易實現符合使用者之要求的適切的評估。
(第3實施形態：生物資訊演算系統100) 接著，說明第3實施形態中的生物資訊演算系統100之一例。上述的實施形態、與第3實施形態之差異，係從複數個分類資訊，選擇出適合於評估資料的分類資訊的這點。此外，關於和上述的實施形態相同的內容，係省略說明。
本實施形態中的生物資訊演算裝置1，係例如如圖10所示，參照預備評估資料，在複數個屬性別分類資訊之中，選擇出特定的分類資訊(例如第1分類資訊)(選擇手段)。又，生物資訊演算裝置1，係參照已選擇的第1分類資訊，而算出針對評估資料的血中二氧化碳之特徵(例如血中二氧化碳分壓之值)，生成評估結果(屬性別生成手段)。
複數個屬性別分類資訊，係使用彼此不同的學習用資料而被算出。例如作為學習用資料的輸入資料，是使用相當於被檢者之加速度脈波的資料的情況下，例如按照如圖11的7種類(A~G)之每一者而準備輸入資料，生成7種類之屬性分類資訊。
如此的複數個屬性別分類資訊是被記憶在資料庫中的情況下，例如取得部11，係將相當於使用者的加速度脈波的評估資料、及預備評估資料，加以取得。然後，生成部12，係參照預備評估資料，而選擇第1分類資訊。其後，生成部12，係參照第1分類資訊，而算出針對評估資料的血中二氧化碳之特徵(例如血中二氧化碳分壓之值)。因此，在各屬性分類資訊之中，可選擇出最適合於使用者的分類資訊。
此外，例如作為學習用資料的輸入資料，是使用相當於被檢者之速度脈波的資料的情況下，則亦可例如按照如圖12的2種類(群組1、群組2)之每一者而準備輸入資料，生成2種類之屬性分類資訊。
此處，圖11所示的相當於加速度脈波的資料，係基於特徵而詳細的分類係為容易，但其反面，在血中二氧化碳之特徵的算出之際，伴隨峰值之誤偵測等，而會有精度降低的這類疑慮。又，圖12所示的相當於速度脈波的資料，雖然相較於相當於加速度脈波的資料，基於特徵的詳細分類較為困難，但由於峰值之誤偵測等較少，因此可高精度地算出血中二氧化碳之特徵。
根據上記，複數個屬性分類資訊，係作為為了選擇特定之分類資訊而被使用的選擇用資料，而含有例如如圖11的相當於加速度脈波的資料，在屬性分類資訊的生成之際的學習用資料中，亦可使用相當於速度脈波的資料。
此情況下，作為取得手段S110係為例如，取得部11，係從基於使用者之脈波的感測器資料，將相當於速度脈波的資料，當作評估資料而加以取得。又，取得部11，係從感測器資料，將相當於加速度脈波的資料當作預備評估資料而加以取得。
接著，作為選擇手段，例如生成部12，係參照預備評估資料，在含有相當於加速度脈波之資料的複數個選擇用資料之中，特定出與預備評估資料最類似的選擇用資料(第1選擇用資料)，而選擇第1選擇用資料所關連對應之第1分類資訊。然後，作為屬性別生成手段，生成部12，係參照第1分類資訊，而生成針對評估資料的評估結果。藉此，可謀求評估精度的更進一步之提升。
此處，說明上述的選擇用資料等中所被使用的資料之一例。
例如如圖11所示，加速度脈波中，係存在有a~e之反曲點。例如，令加速度脈波中的最大之峰值為a點，從a點起依序將各反曲點令作b點、c點、d點、e點，令a點為1，令最小值的b點或者是d點為0而進行規格化的情況下，加速度脈波，係使用根據各反曲點之值、與其差之大小關係而進行分類的方法，而可分類成7種型態。首先，反曲點之值為b＜d的情況下，則分類成型態A或B。若b＜d而且c≧0.5則分類成A，若非如此則分類成B。接著反曲點之值為b≒d的情況下，則分類成型態C或D。若b≒d而且c≒0的情況則分類成型態D，若非如此則分類成型態C。最後，b＞d的情況下，則可分類成型態E、F、G之任一者。若b＞d而且b＜c則分類成型態E，若b≒c則分類成型態F，若b＞c則分類成型態G。
例如生成部12係判斷預備評估資料是符合例如圖11的哪一型態，而將第1選擇用資料加以特定。例如，若已被輸入之預備評估資料的反曲點b是小於反曲點d，且反曲點c≧0.5，則將型態A當作第1選擇用資料。藉此，可參照適合於評估資料之特徵的分類資訊，而精度良好地算出血中二氧化碳之特徵。
若依據本實施形態，則除了上述的實施形態之效果以外，生成手段S120係還包含有：參照預備評估資料，選擇第1分類資訊的選擇手段；和參照第1分類資訊，生成針對評估資料的評估結果的屬性別生成手段。因此，可先選擇出對於脈波之特徵而言為最適合的屬性分類資訊，然後生成針對評估資料的評估結果。藉此，可謀求評估精度的更進一步之提升。
又，若依據本實施形態，則取得手段S110，係將基於脈波的相當於速度脈波的資料，當作評估資料而加以取得。又，取得手段，係將基於脈波的相當於加速度脈波的資料，當作預備評估資料而加以取得。因此，相較於速度脈波，可使用較容易將脈波之特徵予以分類的加速度脈波，來選擇屬性分類資訊。又，相較於加速度脈波，可使用較容易算出血中二氧化碳之特徵的速度脈波，來生成評估結果。藉此，可謀求評估精度的更進一步之提升。
此外，在上述的各實施形態中，作為血中二氧化碳之特徵，主要是說明使用血中二氧化碳分壓之值的情況，但即使在使用血中二氧化碳之溶存濃度、血液中所含之碳酸氫根、碳酸氫鹽之濃度、及血液之pH之至少任一者的情況下也是同樣如此，因此省略說明。尤其是，在作為血中二氧化碳之特徵是使用血中二氧化碳分壓之值的情況下，相較於其他的值，具有較容易收集參考資料的傾向。因此，可實現分類資訊的生成之際所花費的時間及費用的大幅削減。
雖然說明了本發明的實施形態，但該實施形態係僅作為例子而提示，並非意圖用來限定發明的範圍。如此的新穎的實施形態，係可藉由其他各式各樣的形態而被實施，在不脫離發明之宗旨的範圍內，可進行各種的省略、置換、變更。該實施形態或其變形，係被發明之範圍或宗旨所包含，同時也被申請專利範圍中所記載之發明及其均等範圍所包含。
1:生物資訊演算裝置 3:通訊網 4:伺服器 5:感測器 6:偵測部 10:框體 11:取得部 12:生成部 13:輸出部 14:記憶部 15:學習部 50:取得部 51:通訊I/F 52:記憶體 53:命令部 54:內部匯流排 55:腕帶 100:生物資訊演算系統 101:CPU 102:ROM 103:RAM 104:保存部 105:I/F 106:I/F 107:I/F 108:輸入部 109:顯示部 110:內部匯流排 S110:取得手段 S120:生成手段 S130:輸出手段
[圖1]圖1係第1實施形態中的生物資訊演算系統之一例的模式圖。 [圖2]圖2(a)及圖2(b)係第1實施形態中的生物資訊演算系統的動作之一例的模式圖。 [圖3]圖3(a)係分類資訊之一例的模式圖，圖3(b)及圖3(c)係針對感測器資料的處理之一例的模式圖。 [圖4]圖4(a)係生物資訊演算裝置的構成之一例的模式圖，圖4(b)係生物資訊演算裝置的機能之一例的模式圖。 [圖5]圖5(a)及圖5(b)係感測器之一例的模式圖。 [圖6]圖6係第1實施形態中的生物資訊演算系統的動作之一例的流程圖。 [圖7]圖7係第2實施形態中的生物資訊演算系統的動作之一例的模式圖。 [圖8]圖8(a)及圖8(b)係針對感測器資料的生物資訊的算出處理之一例的模式圖。 [圖9]圖9係第2實施形態中的生物資訊演算系統的動作之變形例的模式圖。 [圖10]圖10係第3實施形態中的生物資訊演算系統的動作之一例的模式圖。 [圖11]圖11係相當於加速度脈波的資料之分類例的模式圖。 [圖12]圖12係相當於速度脈波的資料之分類例的模式圖。
1:生物資訊演算裝置
3:通訊網
4:伺服器
5:感測器
100:生物資訊演算系統

Claims (8)

  1. 一種生物資訊演算系統，係將關於使用者的血中二氧化碳之特徵的資訊予以輸出的生物資訊演算系統，其特徵為，具備： 取得手段，係用以取得基於前記使用者之脈波的評估資料；和 資料庫，係被記憶有分類資訊，其係把基於預先所被取得之學習用脈波的輸入資料、及含有與前記輸入資料相關連之血中二氧化碳之特徵的參考資料之配對，當作學習用資料，使用複數個前記學習用資料而被生成；和 生成手段，係用以參照前記資料庫，生成針對前記評估資料的含有前記血中二氧化碳之特徵的評估結果。
  2. 如請求項1所記載之生物資訊演算系統，其中， 前記參考資料係含有：表示計測了前記學習用脈波的被檢者之健康狀態的狀態資訊； 前記分類資訊係含有：藉由使用了複數個前記學習用資料之機器學習而被生成的已學習模型； 前記生成手段係包含：參照前記已學習模型，將表示與前記評估資料相關連之前記使用者之健康狀態的健康狀態結果，包含在前記評估結果中而加以生成。
  3. 如請求項2所記載之生物資訊演算系統，其中， 複數個前記學習用資料係僅含有：前記被檢者之健康時的前記輸入資料及前記參考資料； 前記健康狀態結果係表示，與前記評估資料相關連之前記使用者之健康狀態是健康、或健康以外。
  4. 如請求項1所記載之生物資訊演算系統，其中， 前記分類資訊係為，使用以前記輸入資料為解釋變數、以前記參考資料為目標變數的PLS迴歸分析而獲得的校正模型。
  5. 如請求項1所記載之生物資訊演算系統，其中， 前記取得手段係包含：基於前記脈波，而取得異於前記評估資料的預備評估資料； 前記生成手段係包含：參照前記資料庫，而算出針對前記預備評估資料的前記使用者的生物資訊。
  6. 如請求項5所記載之生物資訊演算系統，其中， 前記資料庫中係被記憶有預備分類資訊，其係把基於前記學習用脈波的預備輸入資料、及含有與前記預備輸入資料相關連之前記生物資訊的預備參考資料之配對，當作預備學習用資料，使用複數個前記預備學習用資料而被生成； 前記生成手段係包含：參照前記預備分類資訊，而算出針對前記預備評估資料的前記生物資訊。
  7. 如請求項1所記載之生物資訊演算系統，其中， 前記取得手段係包含：基於前記脈波，而取得異於前記評估資料的預備評估資料； 前記分類資訊係含有：使用彼此不同的前記學習用資料而被算出的複數個屬性別分類資訊； 前記生成手段係包含： 選擇手段，係用以參照前記預備評估資料，而在複數個前記屬性別分類資訊之中選擇第1分類資訊；和 屬性別生成手段，係用以參照前記第1分類資訊，而生成針對前記評估資料的前記評估結果。
  8. 如請求項7所記載之生物資訊演算系統，其中， 前記取得手段係包含： 將相當於基於前記脈波之速度脈波的資料，當作前記評估資料而加以取得； 將相當於基於前記脈波之加速度脈波的資料，當作前記預備評估資料而加以取得。
TW110132641A 2020-09-03 2021-09-02 生物資訊演算系統 TW202223913A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2020-148048 2020-09-03
JP2020-148047 2020-09-03
JP2020148048A JP6851665B1 (ja) 2020-09-03 2020-09-03 生体情報演算システム
JP2020148047A JP6851664B1 (ja) 2020-09-03 2020-09-03 生体情報演算システム
JP2020-160846 2020-09-25
JP2020160846A JP6845520B1 (ja) 2020-09-25 2020-09-25 生体情報演算システム

Publications (1)

Publication Number Publication Date
TW202223913A true TW202223913A (zh) 2022-06-16

Family

ID=80491075

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110132641A TW202223913A (zh) 2020-09-03 2021-09-02 生物資訊演算系統

Country Status (6)

Country Link
US (1) US20240016422A1 (zh)
EP (1) EP4209173A4 (zh)
KR (1) KR20230061459A (zh)
CN (1) CN116018088A (zh)
TW (1) TW202223913A (zh)
WO (1) WO2022050334A1 (zh)

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2277855B (en) * 1993-05-06 1997-12-10 S S Stereo P Limited Audio signal reproducing apparatus
JP3562469B2 (ja) * 1995-09-13 2004-09-08 セイコーエプソン株式会社 健康状態管理装置
JP2000217797A (ja) * 1999-02-03 2000-08-08 Matsushita Electric Ind Co Ltd 加速度脈波計
JP2002143097A (ja) * 2000-11-10 2002-05-21 Kuniaki Otsuka 疾病発症予知通報システム及び方法
IL155955A0 (en) * 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
JP5296392B2 (ja) * 2008-02-08 2013-09-25 有限会社Ｓｏｍジャパン 自己組織化マップを用いた健康状態判定支援システム及び自己組織化マップ生成システム
JP2009252250A (ja) * 2008-04-01 2009-10-29 Alpine Electronics Inc コンテンツ再生装置およびコンテンツ再生方法
US20110082357A1 (en) * 2008-05-28 2011-04-07 Neetour Medical Ltd. Method and apparatus for co2 evaluation
EP2356579B1 (en) * 2008-10-29 2015-05-20 The Regents of the University of Colorado, a body corporate Long term active learning from large continually changing data sets
WO2018112401A1 (en) 2016-12-15 2018-06-21 Rhythm Diagnostic Systems, Inc. Health monitoring systems and methods
US10470704B2 (en) * 2013-09-16 2019-11-12 Koninklijke Philips N.V. System and method for estimating cardiovascular fitness of a person
US9848820B2 (en) * 2014-01-07 2017-12-26 Covidien Lp Apnea analysis system and method
JP6525138B2 (ja) * 2014-05-14 2019-06-05 国立大学法人信州大学 血圧測定装置
EP3261524B1 (en) * 2015-02-25 2021-04-21 Spry Health, Inc. Systems and methods for non-invasive blood pressure measurement
US10426386B2 (en) * 2015-03-13 2019-10-01 Shinshu University Non-invasive blood glucose level measurement method and non-invasive blood glucose level measurement device
US10799122B2 (en) * 2015-06-14 2020-10-13 Facense Ltd. Utilizing correlations between PPG signals and iPPG signals to improve detection of physiological responses
KR101861741B1 (ko) * 2016-12-19 2018-05-29 순천향대학교 산학협력단 맥파를 이용한 환자 병명 진단장치 및 방법
JP7018640B2 (ja) * 2017-03-24 2022-02-14 株式会社NeU 情報処理装置、情報処理方法および情報処理プログラム
JP7016680B2 (ja) * 2017-11-29 2022-02-07 日本光電工業株式会社 生体情報処理装置、生体情報処理方法およびプログラム
CN107863156A (zh) * 2017-12-26 2018-03-30 桂林电子科技大学 一种高血压筛查与管理方法与装置
WO2019216417A1 (ja) * 2018-05-10 2019-11-14 シャープ株式会社 モデル設定装置、血圧測定装置、およびモデル設定方法
JP7204785B2 (ja) * 2019-01-09 2023-01-16 シャープ株式会社 血圧測定装置、モデル設定装置、および血圧測定方法

Also Published As

Publication number Publication date
WO2022050334A1 (ja) 2022-03-10
US20240016422A1 (en) 2024-01-18
CN116018088A (zh) 2023-04-25
KR20230061459A (ko) 2023-05-08
EP4209173A1 (en) 2023-07-12
EP4209173A4 (en) 2024-02-21

Similar Documents

Publication Publication Date Title
US10368792B2 (en) Method for detecting deception and predicting interviewer accuracy in investigative interviewing using interviewer, interviewee and dyadic physiological and behavioral measurements
US11617545B2 (en) Methods and systems for adaptable presentation of sensor data
JP6918394B1 (ja) 生体情報演算システム
JP6899609B1 (ja) 生体情報演算システム、及びサーバ
TW202223913A (zh) 生物資訊演算系統
JP6845520B1 (ja) 生体情報演算システム
JP7083194B1 (ja) 生体情報演算システム
JP7083195B1 (ja) 生体情報演算システム
JP7083193B1 (ja) 生体情報演算システム
US20230309932A1 (en) Biometric information computing system, server, and data structure
TW202219981A (zh) 生物資訊演算系統
WO2022050336A1 (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
JP7083185B2 (ja) 生体情報演算システム
JP6851665B1 (ja) 生体情報演算システム
JP6851664B1 (ja) 生体情報演算システム
KR20240009890A (ko) 심박 변이도에 대한 특징 추출의 정확도를 향상시키는방법, 프로그램 및 장치