TWI540997B - 資訊處理裝置、資訊處理方法及資訊處理程式產品 - Google Patents
資訊處理裝置、資訊處理方法及資訊處理程式產品 Download PDFInfo
- Publication number
- TWI540997B TWI540997B TW104122785A TW104122785A TWI540997B TW I540997 B TWI540997 B TW I540997B TW 104122785 A TW104122785 A TW 104122785A TW 104122785 A TW104122785 A TW 104122785A TW I540997 B TWI540997 B TW I540997B
- Authority
- TW
- Taiwan
- Prior art keywords
- days
- term
- moving average
- short
- body temperature
- Prior art date
Links
- 0 *C(C=CC1)=CC=CC2=CC1=CC2 Chemical compound *C(C=CC1)=CC=CC2=CC1=CC2 0.000 description 1
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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
-
- 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
- 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
- G16H40/63—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 local 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
- 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
- G16H50/30—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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
- A61B2010/0019—Ovulation-period determination based on measurement of temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/20—Clinical contact thermometers for use with humans or animals
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Reproductive Health (AREA)
- Gynecology & Obstetrics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本發明,係有關於基於所測定之體溫來推測出排卵日或者是預測生理日的技術領域。
一般而言,月經週期係由低溫期和高溫期所成,相較於低溫期的天數,高溫期的天數之變動係為較少。因此,從先前技術起,對於此種性質有所利用的技術便為周知。例如,在專利文獻1中,係揭示有:當體溫成為基準體溫以上的天數作了3天連續的情況時,將從該天起而回溯2天的日子作為高溫相之開始,並將高溫相開始日之前一天作為排卵日而檢測出來,以及藉由在排卵日而加算平均高溫相期間,來預測下一次的生理日。
[專利文獻1]日本特開2009-45155號公報
實際上,在從低溫期而遷移至高溫期之時序的前後,體溫係會有產生大幅度之上下變動的情形。故而,若是將體溫成為高體溫之時序判定為高溫期之開始,則當實際上係仍身為低溫期的情況時,係會成為導致錯誤的推測。另一方面,若是如同在專利文獻1中所揭示一般,當體溫成為了高體溫的天數作了特定天數之連續的情況時,將其判定為高溫期已開始,則就算是已移行至了高溫期,也仍無法進行生理日之推測或生理日的預測。
本發明,係為有鑑於上述之問題而進行者,其目的,係在於提供一種:就算是當在實際從低溫期而遷移至高溫期之時序的前後而體溫產生上下變動的情況時,亦能夠進行對於精確度之降低作了抑制的排卵日之推測以及生理日之預測的至少其中一者之資訊處理裝置以及資訊處理方法等。
為了解決上述課題,請求項1中所記載之發明,係為一種資訊處理裝置,其特徵為,係具備有:決定手段,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較
長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定手段,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定手段所決定的前述短期天數之移動平均會成為較藉由前述決定手段所決定的前述長期天數之移動平均而更高的時序;和推測手段,係基於藉由前述特定手段所特定出之時序,來預測前述作為對象之月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
若依據本發明,則資訊處理裝置,係以使體溫的短期之移動平均會成為較長期之移動平均而更低的時序,會與可視為低溫期之開始之生理日相重疊的方式,來決定短期之天數和長期之天數。又,資訊處理裝置,係基於使用所決定的天數而針對現在之月經週期之體溫所計算出的短期之移動平均和長期之移動平均,來特定出短期之移動平均會成為較長期之移動平均而更高的時序。藉由移動平均,由於體溫之時間序列係被平滑化,因此,藉由特定出此時序,就算是當實際在從低溫期而遷移至高溫期之時序的前後而體溫產生有上下變動的情況時,亦能夠將該時序適當的特定出來。又,從高溫期而遷移至低溫期之時序,係成為生理日。因此,係能夠適當的決定短期之天數和長期之天數。故而,係成為能夠進行對於精確度之降低作了抑制的排卵日之推測以及生理日之預測的至少其中一者。
請求項2中所記載之發明,係在請求項1所記載之資訊處理裝置中,具備有下述特徵:亦即是,前述推測手段,係在前述過去之1以上的月經週期中,將從前述短期天數之移動平均會成為較前述長期天數之移動平均而更高的時序起直到前述短期天數之移動平均會成為較前述長期天數之移動平均而更低的時序為止之天數的代表值,加算至藉由前述特定手段所特定出之時序,而對於前述下一個生理日作預測。
若依據本發明,則資訊處理裝置,係將與對象者之高溫期之天數相對應的從短期之移動平均會成為較長期之移動平均而更高的時序起直到短期之移動平均會成為較長期之移動平均而更低的時序為止之天數特定出來。故而,係能夠因應於對象者之高溫期之天數的傾向,來更加適當地進行排卵日之推測以及生理日之預測的至少其中一者。
請求項3中所記載之發明,係在請求項1或2所記載之資訊處理裝置中,具備有下述特徵:亦即是,前述決定手段,係以使在前述過去之1以上的月經週期中所測定之體溫的短期之移動平均會成為較該體溫之長期之移動平均而更低的時序與生理日之兩者間的時間差會變小,並且在前述過去之1以上的月經週期中之短期之移動平均與長期之移動平均的兩者間之差的積分值會變大的方式,來決定前述短期天數和前述長期天數。
若是體溫的短期之移動平均和長期之移動平
均的兩者間之差的積分越大,則越能夠適當地特定出短期之移動平均會成為較長期之移動平均而更高的時序。若依據本發明,則基於此積分、和體溫的短期之移動平均會成為較長期之移動平均而更低的時序與生理日之間的時間差,係能夠決定出更為適當的短期之天數和長期之天數。
請求項4中所記載之發明,係在請求項1或2所記載之資訊處理裝置中,具備有下述特徵:亦即是,係更進而具備有:預測手段,係當並未藉由前述特定手段而特定出前述短期天數之移動平均會成為較前述長期天數之移動平均而更高的時序的情況時,基於前述過去之1以上的月經週期之天數,來對於下一個生理日作預測。
若依據本發明,則就算是在尚未從低溫期而遷移至高溫期的情況時,亦能夠對於生理日作預測。
請求項5中所記載之發明,係為一種藉由電腦所實行之資訊處理方法,其特徵為,係包含有:決定步驟,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定步驟,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定步驟所決定的前述短期天數之移動平均會成為較藉由前述決定步驟所決定的前述長期天數之移動平均而更高的時序;和推測步驟,係基於藉由前述特定步驟所特定出之時序,來預測前述作為對象之
月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
請求項6中所記載之發明,其特徵為,係使電腦作為下述之手段而起作用:決定手段,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定手段,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定手段所決定的前述短期天數之移動平均會成為較藉由前述決定手段所決定的前述長期天數之移動平均而更高的時序;和推測手段,係基於藉由前述特定手段所特定出之時序,來預測前述作為對象之月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
若依據本發明,則資訊處理裝置,係以使體溫的短期之移動平均會成為較長期之移動平均而更低的時序,會與可視為低溫期之開始之生理日相重疊的方式,來決定短期之天數和長期之天數。又,資訊處理裝置,係基於使用所決定的天數而針對現在之月經週期之體溫所計算出的短期之移動平均和長期之移動平均,來特定出短期之移動平均會成為較長期之移動平均而更高的時序。藉由移
動平均,由於體溫之時間序列係被平滑化,因此,藉由特定出此時序,就算是當在從低溫期而遷移至高溫期之時序的前後而體溫產生有上下變動的情況時,亦能夠將該時序適當的特定出來。又,從高溫期而遷移至低溫期之時序,係成為生理日。因此,係能夠適當的決定短期之天數和長期之天數。故而,係成為能夠進行對於精確度之降低作了抑制的排卵日之推測以及生理日之預測的至少其中一者。
1‧‧‧資訊處理伺服器
2‧‧‧使用者終端
11‧‧‧通訊部
12‧‧‧記憶部
12a‧‧‧會員資訊DB
12b‧‧‧體溫DB
12c‧‧‧生理日DB
12d‧‧‧參數DB
13‧‧‧輸入輸出介面
14‧‧‧系統控制部
14a‧‧‧CPU
14b‧‧‧ROM
14c‧‧‧RAM
15‧‧‧系統匯流排
141‧‧‧參數候補取得部
142‧‧‧週期組取得部
143‧‧‧修正參考週期取得部
144‧‧‧代表值取得部
145‧‧‧參數決定部
146‧‧‧週期基礎預測部
147‧‧‧期間天數決定部
148‧‧‧時序特定部
149‧‧‧體溫基礎預測部
NW‧‧‧網路
S‧‧‧資訊處理系統
[圖1]係為對於其中一種實施形態的資訊處理系統S之概要構成的其中一例作展示之圖。
[圖2A]係為對於其中一種實施形態的資訊處理伺服器1之概要構成的其中一例作展示之區塊圖。
[圖2B]係為對於其中一種實施形態的系統控制部14之功能區塊的其中一例作展示之圖。
[圖3]係為對於被登錄在建構於資訊處理伺服器1之記憶部12b中的資料庫中之內容的其中一例作展示之圖。
[圖4A]係為對於參數的候補之其中一例作展示之圖。
[圖4B]係為對於所產生的複數之候補組合中之3個的候補組合之例作展示之圖。
[圖4C]係為對於週期組之取得例作展示之圖。
[圖5A]係為對於藉由修正參考週期取得部143所取
得的參考週期之頻度分布的其中一例作展示並且對於該頻度分布和臨限值OF之間的位置關係之其中一例作展示之圖表。
[圖5B]係為對於將異常值除去後的複數之參考週期之例作展示之圖。
[圖5C]係為對於將異常值除去後的參考週期之頻度分布之其中一例作展示之圖表。
[圖6A]係為對於將異常值除去後的參考週期之頻度分布的其中一例作展示並且對於該頻度分布和臨限值WN之間的位置關係之其中一例作展示之圖表。
[圖6B]係為對於被施加了極值推壓(winsorization)後的複數之參考週期之例作展示之圖。
[圖6C]係為對於極值推壓後的參考週期之頻度分布之其中一例作展示之圖表。
[圖7A]係為對於極值推壓後的參考週期之頻度分布之其中一例作展示並且對於該頻度分布和代表值之間的位置關係之其中一例作展示之圖表。
[圖7B]係為對於代表值被作決定的情形和代表值與基準週期之天數之間的差被計算出來的情形之其中一例作展示之圖。
[圖8A]係為對於代表值與基準週期之差的合計之計算例作展示之圖。
[圖8B]係為對於決定了第1候補的使用者之人數以及決定了第2候補的使用者之人數之例作展示之圖表。
[圖9]係為對於在現在之月經週期中的體溫之實測值的曲線和體溫之短期之移動平均線與長期之移動平均線之例作展示之圖。
[圖10]係為對於在過去之3個月經週期中的體溫之曲線和體溫之短期之移動平均線與長期之移動平均線之例作展示之圖。
[圖11]係為對於在過去之3個月經週期中的體溫之短期之移動平均線與長期之移動平均線間的關係之例作展示之圖。
[圖12A]係為對於預測生理日被計算出來的情形之其中一例作展示之圖。
[圖12B]係為對於被使用在下一個的生理日之預測中的手法之決定例作展示之圖。
[圖13]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的生理日預測處理之其中一例作展示之流程圖。
[圖14]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的參數決定處理之其中一例作展示之流程圖。
[圖15]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的週期基礎參數決定處理之其中一例作展示之流程圖。
[圖16]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的天數差計算處理之其中一例作展
示之流程圖。
[圖17]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的人數取得處理之其中一例作展示之流程圖。
[圖18]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的週期基礎預測處理之其中一例作展示之流程圖。
[圖19]係為對於其中一種實施形態的資訊處理伺服器1之系統控制部14的體溫基礎參數決定處理之其中一例作展示之流程圖。
以下,參考圖面,對本發明之實施形態作詳細說明。另外,以下所說明之實施形態,係為對於資訊處理系統而適用本發明的情況時之實施形態。
首先,使用圖1,針對本實施形態的資訊處理系統S之構成以及功能概要作說明。圖1,係為對於本實施形態的資訊處理系統S之概要構成的其中一例作展示之圖。
如同圖1中所示一般,資訊處理系統S,係包含有資訊處理伺服器1、和複數之使用者終端2、和複數之體溫計3,而構成之。資訊處理伺服器1和各使用者終端2之間,係透過網路NW,而成為能夠在通訊協定中例
如使用TCP/IP等來相互進行資料之送受訊。另外,網路NW,例如係藉由網際網路、專用通訊線路(例如,CATV(Community Antenna Television)線路)、移動通訊網(包含基地台等)以及閘道器等,而建構出來。
資訊處理伺服器1,係為對於使用者終端2而發佈有關於女性之健康的資訊之伺服器裝置。又,資訊處理伺服器1,係從使用者終端2而取得使用者之基礎體溫、生理日等的資訊。又,資訊處理伺服器1,係基於所取得之資訊,來推測使用者之排卵日,或者是預測下一個生理日。
使用者終端2,係為利用資訊處理系統S之使用者的終端裝置。使用者終端2,例如,係可為智慧型手機、平板型電腦、PDA(Personal Digital Assistant)、行動電話、個人電腦等。使用者終端2,係將藉由體溫計3所測定出的基礎體溫送訊至資訊處理伺服器1處。又,使用者終端2,係將由使用者所輸入的實際之生理日送訊至資訊處理伺服器1處。又,使用者終端2,係顯示藉由資訊處理伺服器1所推測出的排卵日、生理日等之資訊。
體溫計3,係為測定使用者之基礎體溫的電子體溫計。體溫計3,例如係藉由近距離無線通訊來將所測定出的體溫送訊至使用者終端2處。另外,係亦可讓使用者以手動來將藉由體溫計所測定出的體溫輸入至使用者終端2中。
使用者,係使用體溫計3,而例如每天(一天
一次)對於體溫進行測定。將實際所測定出的體溫稱作實測值。又,若是使用者將實際的生理日輸入,則月經週期係確定。月經週期,例如係為從前一次的生理日起直到下一次的生理日之前一天為止的期間。當生理日有所連續的情況時,資訊處理伺服器1,係將連續的生理日中之第1天,決定為在月經週期之確定中所使用的生理日。資訊處理伺服器1,係分別使用週期基礎預測手法和體溫基礎預測手法,來預測下一次的生理日。週期基礎預測手法,係為使用過去之複數之月經週期的天數之手法。體溫基礎預測手法,係為使用體溫的實測值之手法。在使用體溫基礎預測手法的情況時,資訊處理伺服器1,係亦可在預測下一次的生理日的同時,亦對於現在的月經週期中之排卵日作推測。現在的月經週期,係為從過去的生理日中之最後的生理日而開始並且在下一次的生理日之前一天而結束的月經週期。亦即是,現在的月經週期,係為現在所進行中之月經週期。
接著,針對資訊處理伺服器1之構成,使用圖2A~圖3來作說明。
圖2A,係為對於本實施形態的資訊處理伺服器1之概要構成的其中一例作展示之區塊圖。如同圖2A中所示一般,資訊處理伺服器1,係具備有通訊部11、和記憶部12、和輸入輸出介面13、和系統控制部14。又,
系統控制部14和輸入輸出介面13,係透過系統匯流排15而被作連接。
通訊部11,係成為與網路NW作連接並對於與使用者終端2等之間的通訊狀態作控制。
記憶部12,例如,係藉由硬碟等所構成。記憶部12,係為記憶手段之其中一例。在此記憶部12中,係建構有會員資訊DB12a、體溫DB12b、生理日DB12c、參數DB12d等之資料庫。「DB」,係為資料庫之略稱。圖3,係為對於被登錄在建構於資訊處理伺服器1之記憶部12b中的資料庫中之內容的其中一例作展示之圖。
在會員資訊DB12a中,係針對各使用者之每一者而分別登錄有關連於對資訊處理系統S作利用之使用者的使用者資訊。具體而言,在會員資訊DB12a中,係作為使用者資訊,來附加有對應關係地而登錄有使用者ID、密碼、暱稱、姓名、出生年月日、性別、郵遞區號、住址、電話號碼、電子郵件位址等之使用者的屬性。使用者ID,係為使用者之辨識資訊。
在體溫DB12b中,係登錄有關連於實測值之資訊。具體而言,在體溫DB12b中,使用者ID、測定日以及實測值係被附加有對應關係地而作登錄。使用者ID,係代表對於體溫作了測定的使用者。測定日,係代表對於體溫作了測定的日期。例如,系統控制部14,係從使用者終端2,而受訊對於使用者終端2作利用之使用者ID、測定日以及實測值。之後,系統控制部14,係將所
受訊的資訊登錄在體溫DB12b中。
在生理日DB12c中,係登錄有關連於生理日之資訊。具體而言,在生理日體溫DB12c中,使用者ID以及生理日係被附加有對應關係地而作登錄。使用者ID,係代表將生理日作了輸入的使用者。例如,系統控制部14,係從使用者終端2,而受訊對於使用者終端2作利用之使用者ID、使用者所輸入的生理日。之後,系統控制部14,係將所受訊的資訊登錄在生理日DB12c中。
在參數DB12d中,係登錄有包含在生理日之預測中所使用的參數之參數資訊。系統控制部14,係針對1人的使用者,而基本上在每次之新的月經週期開始時,將參數資訊登錄在參數Db12d中。具體而言,在參數DB12d中,作為參數資訊,使用者ID、登錄日期、週期基礎預測手法之參數、週期基礎預測手法之預測生理日、體溫基礎參數、推測高溫期天數係被附加有對應關係地而作登錄。使用者ID,係代表使用參數而對於生理日作預測的使用者。登錄日期,係代表參數資訊被登錄在參數DB12d中之日期。週期基礎預測手法之參數,例如係包含有異常值除去之臨限值、極值推壓(winsorization,winsorizating)之臨限值以及代表值種類別。所謂異常值除去,係指從複數之月經週期中作為不符值而將超過臨限值或者是位置在較臨限值更外側處之資料除去一事。將此不符值稱作異常值。異常值,係為在本發明中之第1不符值的其中一例。異常值除去之臨限值,係代表作為異常值
而被除去的月經週期之臨限值。具體而言,在異常值除去之臨限值中,例如係亦可儲存有百分比。異常值除去之臨限值,係為在本發明中之第1臨限值的其中一例。極值推壓,係指在統計資料的分布中,作為不符值而將超過臨限值或者是位置在較臨限值更外側處之資料的值變更為該臨限值一事。此不符值,係為在本發明中之第2不符值的其中一例。本實施形態之極值推壓的臨限值,係代表從複數之月經週期之中而使天數被作了變更的月經週期之臨限值,並且亦代表變更後之天數。具體而言,在極值推壓之臨限值中,例如係亦可儲存有百分比。極值推壓之臨限值,係為在本發明中之第2臨限值的其中一例。代表值種類別,係代表複數之月經週期的代表值之取得方法。具體而言,代表值種類別,係代表是取得平均值或者是取得中央值。週期基礎預測手法之預測生理日,係為使用週期基礎預測手法所預測的生理日。體溫基礎預測手法之參數,例如係包含有短期天數以及長期天數。短期天數,係為當計算體溫之短期之移動平均的情況時所使用之天數。長期天數,係為當計算體溫之長期之移動平均的情況時所使用之天數。長期天數係較短期天數更長。推測高溫期天數,係為藉由體溫基礎預測手法所推測出的高溫期之天數。一般而言,月經週期係被分成低溫期和高溫期。低溫期,係為在月經週期內而體溫相對而言為較低之期間,高溫期,係為在月經週期內而體溫相對而言為較高的期間。與月經週期之開始同時地,低溫期係開始,之後,係遷移至高溫
期。
接著,針對在記憶部12中所記憶之其他的資訊作說明。在記憶部12中,係被記憶有用以顯示網頁之HTML文件、XML(Extensible Markup Language)文件、畫像資料、文字資料、電子文件等的各種之資料。又,在記憶部12中,係被記憶有各種的設定值、臨限值、常數等。
又,在記憶部12中,係被記憶有作業系統、WWW(World Wide Web)伺服器程式、DBMS(Database Management System)、預測處理程式等之各種程式。預測處理程式,係為用以推測排卵日以及預測生理日之程式。預測處理程式,係為在本發明中之資訊處理程式的其中一例。另外,各種程式,例如,係亦可經由網路NW來從其他之伺服器裝置等來取得,亦可被記憶在磁帶、光碟、記憶卡等之記錄媒體中並透過驅動裝置來讀入。又,預測處理程式,係亦可為程式產品。
又,在記憶部12中,係被記憶有終端用應用程式。終端用應用程式,係為藉由使用者終端2所實行之程式。終端用應用程式,係為用以將實測值或生理日等之資訊送訊至資訊處理伺服器1並將推測排卵日以及預測生理日等之資訊作顯示的程式。使用者終端2,例如係從資訊處理伺服器1而下載終端用應用程式。
輸入輸出介面13,係成為進行通訊部11和記憶部12以及系統控制部14之間的介面處理。
系統控制部14,係藉由CPU14a、ROM(Read Only Memory)14b、RAM(Random Access Memory)14c等所構成。CPU14,係為處理器之其中一例。另外,本發明,係亦可對於與CPU相異之各種的處理器而作適用。記憶部12、ROM14b以及RAM14c,係分別為記憶體之其中一例。另外,本發明,係亦可對於與硬碟、ROM以及RAM相異之各種的記憶體而作適用。
另外,資訊處理伺服器1,係亦可由複數之伺服器裝置所構成。例如,係亦可將取得從使用者終端2而來之資訊的伺服器裝置、進行排卵日之推測以及生理日之預測的伺服器裝置、對於使用者終端2提供資訊之伺服器裝置、以及對於資料庫作管理之伺服器裝置等,相互藉由LAN等來作連接。於此情況,進行排卵日之推測以及生理日之預測的伺服器裝置,係亦可為本發明中之資訊處理裝置的其中一例。又,在本發明中之資訊處理裝置,係可被安裝在1個的伺服器裝置中,亦可藉由複數之伺服器裝置的協同處理而被作安裝。
接著,針對系統控制部14之功能概要,使用圖2B、圖4A~圖12B來作說明。圖2B,係為對於本實施形態的系統控制部14之功能區塊的其中一例作展示之圖。系統控制部14,係基於特定之條件,來決定要使用週期基礎預測手法以及體溫基礎預測手法之何者。之後,系統控制
部14,係使用所決定的手法來預測下一次的生理日。因此,系統控制部14,係藉由使CPU14a讀出預測處理程式等之程式並實行,而如同圖2B中所示一般,作為參數候補取得部141、週期組取得部142、修正參考週期取得部143、代表值取得部144、參數決定部145、週期基礎預測部146、期間天數決定部147、時序特定部148、體溫基礎預測部149等而起作用。週期基礎預測部146,係為在本發明中之預測手段的其中一例。期間天數決定部147,係為在本發明中之決定手段的其中一例。時序特定部148,係為在本發明中之特定手段的其中一例。體溫基礎預測部149,係為在本發明中之推測手段的其中一例。
當使用週期基礎預測手法的情況時,系統控制部14,係取得過去之複數之月經週期。接著,系統控制部14,係對於過去之複數之月經週期中的藉由臨限值所特定出來之不符值施加特定之處理,而取得所收錄了的複數之月經週期。特定之處理,例如,係可為將根據臨限值所特定出的不符值除去之處理,亦可為對於根據臨限值所特定出的不符值施加極值推壓之處理。或者是,系統控制部14,係亦可作為特定之處理,而進行異常值除去和極值推壓之雙方。於此情況,系統控制部14,係亦可先進行異常值除去,之後再進行極值推壓。係會有就算是在從複數之月經週期而將異常值除去之後參考週期之天數的參差亦
仍為大的情況。若是維持於參差為大的狀況,則會有使預測之精確度降低的可能性。然而,就算是在異常值被作了除去的狀態下更進而特定出不符值,並單純地將此不符值除去,也仍會有使預測之精確度降低的可能性。因此,係藉由極值推壓來以使不符值會成為位置在月經週期之分布的外側並使資訊有所殘留的方式而進行變更,藉由此,係能夠對於預測精確度的降低作抑制。若是複數之月經週期被作修正,則系統控制部14,係計算出修正後的複數之月經週期之代表值。之後,系統控制部14,係基於月經週期之代表值,來預測下一次的生理日。
系統控制部14,係為了使用週期基礎預測手法來預測生理日,而針對各使用者而分別決定在週期基礎預測手法中所使用的參數。所決定的參數,係為異常值除去之臨限值、極值推壓之臨限值以及代表值種類別的決定中之至少一者。另外,異常值除去之臨限值、極值推壓之臨限值以及代表值種類別的至少一者,例如係亦可在資訊處理系統S之全體而預先作制定。又,例如在複數之月經週期的修正中僅使用有異常值除去的情況時,極值推壓之臨限值係成為不必要。又,例如在複數之月經週期的修正中僅使用有極值推壓的情況時,異常值除去之臨限值係成為不必要。
系統控制部14,係使用過去之複數之月經週
期、和參數之候補,而藉由週期基礎預測手法來預測月經週期。又,系統控制部14,係將所預測的月經週期與其他的過去之月經週期作比較,並決定要將參數之候補中的何者之候補決定為在實際之預測中所使用的參數。藉由讓系統控制部14使用所決定的參數,就算是在過去之複數之月經週期的天數中存在有參差,也能夠以良好的精確度來預測下一次的生理日。
參數候補取得部141,係取得不符值之臨限值的複數之候補。具體而言,參數候補取得部141,係取得異常值除去之臨限值的複數之候補、和極值推壓之臨限值的複數之候補,此兩者中的至少其中一者。例如,在記憶部12中,係亦可記憶有儲存異常值除去之臨限值的複數之候補之表。又,例如,係亦可分別記憶有儲存極值推壓之臨限值的複數之候補之表。參數候補取得部141,係亦可從被記憶在記憶部12中之表來取得臨限值的複數之候補。各別的臨限值之候補之數量,係為2以上。異常值除去之臨限值的複數之候補和極值推壓之臨限值的複數之候補,其數量係可為相同,亦可並非為相同。又,當並未在資訊處理系統S之全體而預先制定有代表值種類別的情況時,參數候補取得部141,係亦可作為代表值種類別之候補,而取得「平均值」和「中央值」。例如,當在月經週期之分布中存在有中心性傾向或者是存在有對稱性的情況時,也許係以使用平均值的情況時會能夠使預測精確度更加提昇。另一方面,當在月經週期之分布中並不存在中心
性傾向或者是並不存在對稱性的情況時,也許係以使用中央值的情況時會能夠使預測精確度更加提昇。圖4A,係為對於參數的候補之其中一例作展示之圖。在圖4A之例中,異常值除去之臨限值的候補之數量係為3,極值推壓之臨限值的候補之數量係為3。又,作為代表值種類別之候補,係存在有「平均值」和「中央值」。
當異常值除去之臨限值、極值推壓之臨限值以及代表值種類別之中的2以上之參數被決定的情況時,參數候補取得部141,係產生複數的2以上之參數之候補的組合。將此組合稱作候補組合。例如,當3個的參數被決定的情況時,參數候補取得部141,係產生複數的候補組合,該候補組合,係由異常值除去之臨限值的複數之候補中之其中一者、和極值推壓之臨限值的複數之候補中之其中一者、以及代表值種類別的複數之候補中之其中一者,而構成之。圖4B,係為對於所產生的複數之候補組合中之3個的候補組合之例作展示之圖。在圖4A之例中,係能夠產生18個的候補組合。
週期組取得部142,係從生理日之預測的對象者之過去之複數之月經週期中,而取得由1個的基準週期和參考週期所構成的週期組。複數之參考週期,係為在月經週期之暫定預測中所使用的月經週期。基準週期,係為被與暫定預測之月經週期作比較的月經週期。基準週期,係可為複數之參考週期的其中一者,又,基準週期係亦可為與複數之參考週期相異之月經週期。又,複數之參考週
期,係可相互連續,亦可並非為連續。又,基準週期與複數之參考週期,係可相互連續,亦可並非為連續。又,基準週期之時期性的位置,係可為較複數之參考週期而更早,亦可為更晚。又,基準週期係亦可被包夾在複數之參考週期之間。
週期組取得部142,係可僅取得1個的週期組,亦可取得複數之週期組。週期組之數量,係可由資訊處理系統S之管理者預先作設定,亦可讓週期組取得部142來決定。當取得複數之週期組的情況時,週期組取得部142,例如係亦可取得在基準週期之時期性位置、複數之參考週期的一部分或全部、以及參考週期之數量上的至少其中一者為有所相異之複數之週期組。圖4C,係為對於週期組之取得例作展示之圖。在圖4C中,被顯示於過去之月經週期C1~C9上的編號,係代表月經週期之時期性的位置。作為元件符號Cn之n,係附加有代表時期性位置之編號。例如,第1個的月經週期C1,係為過去的月經週期中之最新的月經週期,第2個的月經週期C2,係為第2新的月經週期。在圖4C之例中,各週期組之參考週期的數量係為6個。又,6個的參考週期係相互連續。又,基準週期,係與6個的參考週期相連續,並且較此些之參考週期而更新。在圖4C之例中,係取得有3個的週期組。例如,第1週期組,係由基準週期C1和參考週期C2~C7所構成。第2週期組,係由基準週期C2和參考週期C3~C8所構成。第3週期組,係由基準週期C3
和參考週期C4~C9所構成。
修正參考週期取得部143,係針對藉由參數候補取得部141所取得的臨限值之候補的每一者,而使用臨限值之候補來對於藉由週期組取得部142所取得的複數之參考週期作修正。之後,週期組取得部142,係取得被作了修正的複數之參考週期。當藉由參數候補取得部141而取得了至少包含有異常值除去之臨限值和極值推壓之臨限值之候補組的情況時,修正參考週期取得部143,係針對各候補組之每一者而對於複數之參考週期作修正,並取得被作了修正的複數之參考週期。
例如,參數候補取得部141,假設係作為臨限值之候補而至少取得了異常值除去之臨限值的候補OF。於此情況,週期組取得部142,係計算出各個天數之參考週期的出現機率。之後,週期組取得部142,係從複數之參考週期中,將出現機率為未滿OF%之天數的參考週期,作為異常值而除去之。之後,週期組取得部142,係將使異常值被作了除去的複數之參考週期,作為被作了修正的參考週期而取得之。
例如,參數候補取得部141,假設係作為臨限值之候補而至少取得了極值推壓之臨限值的候補WN。於此情況,週期組取得部142,係從以天數為較短起的順序而並排了的複數之參考週期中,將未滿WN百分位數之天數的參考週期之天數,變更為WN百分位數。進而,週期組取得部142,係從複數之參考週期中,將較(100-WN)
百分位數而更長之天數的參考週期之天數,變更為(100-WN)百分位數。於此,在修正前之複數的參考週期之中,也可能會存在有與臨限值WN所代表之位置完全一致的位置之參考週期。例如,當參考週期之數量為6的情況時,係存在有位於16.7%之位置處的參考週期、以及位於33.3%之位置處的參考週期。然而,當臨限值WN乃身為20%的情況時,係並不存在位於20%之位置處的參考週期。於此情況,修正參考週期取得部143,例如係亦可基於位於臨限值WN所代表之位置的前後之最為接近的位置處之參考週期的天數及其位置,來藉由內插而計算出WN百分位數。或者是,修正參考週期取得部143,例如係亦可將未滿WN百分位置之天數的參考週期之天數,變更為位於較臨限值WN所代表之位置而更內側的參考週期中之最為接近的參考週期之天數。所謂「內側」,係指從WN百分位數起直到(100-WN)百分位數為止的範圍。又,當並不存在與臨限值(100-WN)所代表之位置完全一致的位置之參考週期的情況時,亦能夠與WN百分位數的情況時同樣的來進行處理。
例如,參數候補取得部141,當作為臨限值之候補而取得了包含有異常值除去之臨限值的候補OF以及極值推壓之臨限值的候補WN之雙方之候補組合的情況時,修正參考週期取得部143,例如係亦可先進行臨限值除去,並接著進行極值推壓。圖5A~圖6C,係為對於進行臨限值除去以及極值推壓的過程之例作展示。例如,假
設係藉由週期組取得部142而取得了圖4C中所示之第1週期組。基準週期C1之天數係為30。參考週期C2~C7之天數,係分別為35、24、34、29、29、29。圖5A,係為對於藉由修正參考週期取得部143所取得的參考週期之頻度分布的其中一例作展示並且對於該頻度分布和臨限值OF之間的位置關係之其中一例作展示之圖表。另外,圖5A,係為為了進行說明而對於參考週期之頻度分布的其中一例作展示者,而並非絕對為與參考週期C2~C7之實際的頻度分布相互一致。圖5B,係為對於將異常值除去後的複數之參考週期之例作展示之圖。例如,假設35天之參考週期的出現機率係為未滿OF%,而24天、29天以及34天之參考週期的各者之參考週期的出現機率係為OF%以上。於此情況,修正參考週期取得部143,係從參考週期C2~C7中,將天數為35天之參考週期C2,作為異常值而除去之。藉由此,修正參考週期取得部143,係如圖5B中所示一般,取得被作了修正的參考週期C3~C7。圖5C,係為對於將異常值除去後的參考週期之頻度分布之其中一例作展示之圖表。在圖5C中,係對於將出現機率為未滿OF%的參考週期作了除去一事作展示。
圖6A,係為對於將異常值除去後的參考週期之頻度分布的其中一例作展示並且對於該頻度分布和臨限值WN之間的位置關係之其中一例作展示之圖表。修正參考週期取得部143,係將在異常值除去中之OF百分位數,決定為在極值推壓中之0百分位數。又,修正參考週
期取得部143,係將在異常值除去中之(100-OF)百分位數,決定為在極值推壓中之100百分位數。之後,修正參考週期取得部143,係在所決定的範圍內,而決定WN百分位數以及(100-WN)百分位數。圖6B,係為對於被施加了極值推壓後的複數之參考週期之例作展示之圖。例如,假設WN百分位數係為25天,(100-WN)百分位數係為32天。於此情況,修正參考週期取得部143,係如圖6B中所示一般,將參考週期C3之24天變更為25天,並將參考週期C4之34天變更為32天。圖6C,係為對於極值推壓後的參考週期之頻度分布之其中一例作展示之圖表。在圖6C中,係將未滿WN百分位數之天數的參考週期變更為WN百分位數,並將較(100-WN)百分位數而更長之天數的參考週期之天數,變更為(100-WN)百分位數。
代表值取得部144,係針對藉由參數候補取得部141所取得的臨限值之候補的每一者,而計算出藉由修正參考週期取得部143所取得的修正後之複數之參考週期之代表值。當藉由參數候補取得部141而取得了至少包含有異常值除去之臨限值和極值推壓之臨限值之候補組的情況時,修正參考週期取得部143,係針對各候補組之每一者而對於修正後的複數之參考週期之代表值作計算。當預先制定有在預測中所使用之代表值種類別的情況時,代表值取得部144,係僅取得被作了修正的複數之參考週期之平均值或中央值之中的預先所被制定者。另一方面,當並
未預先制定有代表值種類別的情況時,代表值取得部144,係取得被作了修正的複數之參考週期之平均值或中央值之雙方。具體而言,代表值取得部144,當在所取得的候補組合中所包含之代表值種類別係為「平均值」的情況時,係計算出平均值,當代表值種類別為「中央值」的情況時,係決定中央值。圖7A,係為對於極值推壓後的參考週期之頻度分布之其中一例作展示並且對於該頻度分布和代表值之間的位置關係之其中一例作展示之圖表。圖7B,係為對於代表值被作決定的情形和代表值與基準週期之天數之間的差被計算出來的情形之其中一例作展示之圖。例如,當代表值種類別係為「平均值」的情況時,代表值取得部144,係對於圖6C中所示之參考週期,而如同圖7B中所示一般地計算出平均值28.8。另一方面,當代表值種類別為「中央值」的情況時,代表值取得部144,係決定中央值29。所取得的代表值,係相當於月經週期之暫定的預測值。
參數決定部145,係針對藉由參數候補取得部141所取得的臨限值之候補的每一者、或者是針對候補組合之每一者,而對於藉由代表值取得部144所取得的代表值和基準週期之天數作比較。之後,參數決定部145,係基於此比較之結果,來決定在預測中所使用之參數或組合。例如,參數決定部145,係亦可計算出代表值和基準週期間之差。例如,參數決定部145,係如同圖7B中所示一般,計算出基準週期C1之天數30和平均值28.8之
間的差1.2。參數決定部145,係亦可將所計算出之差為最小的參數或組合,決定為在預測中所使用之參數或組合。代表值與基準週期的天數間之差,係為月經週期之暫定的預測值與實際的月經週期之間之差。故而,若是此差越小,則可以想見,月經週期之預測精確度係為越高。
當藉由週期組取得部142而取得了複數之週期組的情況時,修正參考週期取得部143、代表值取得部144以及參數決定部145,係針對藉由參數候補取得部141所取得的臨限值之候補的每一者、或者是針對候補組合之每一者,而對於複數之週期組之各者而分別實行處理。亦即是,修正參考週期取得部143,係針對各臨限值之候補之每一者或者是各候補組之每一者,而對於複數之週期組之各者的複數之參考週期作修正,並分別取得被作了修正的複數之參考週期。又,代表值取得部144,係針對各臨限值之候補之每一者或者是各候補組之每一者,而在複數之週期組之各者中取得被作了修正的複數之參考週期之代表值。又,參數決定部145,係針對各臨限值之候補之每一者或者是各候補組之每一者,而針對在複數之週期組之各者中所取得的代表值和複數之週期組之各者的基準週期之天數分別作比較。
參數決定部145,例如係亦可針對各參數之候補之每一者或者是各候補組之每一者,而計算出針對複數之週期組之各者所計算出的差之合計。之後,參數決定部145,係亦可將差的合計為最小之參數之候補或候補組
合,決定為在預測中所使用之參數或組合。於後,當單純稱作「候補」的情況時,係為代表參數之候補或候補組合。另外,參數決定部145,係亦可代替計算出合計,而計算出例如平均值或中央值等。
參數決定部145,當使用複數之週期組之各者的代表值與基準週期間之差來決定參數時,係亦可基於在週期組中所包含之基準週期的時期性之位置,來對於代表值與基準週期間之差附加權重,或者是亦可並不附加權重。例如,參數決定部145,係亦可構成為若是基準週期之時期性的位置為越古老,則將權重設為越小。參數決定部145,係決定用以對於現在月經週期之天數作預測的參數。若是時期性位置為越古老之基準週期,則在時期性而言係與現在月經週期越為遠離。因此,若是基準週期之時期性位置為越古老,則越會有基準週期與現在月經週期之間的類似性為低之可能性。因此,藉由使用基於若是基準週期之時期性的位置為越古老則將權重設為越小一事所決定的參數,係能夠將月經週期之天數的預測精確度提高。
圖8A,係為對於代表值與基準週期之差的合計之計算例作展示之圖。例如,假設係取得了圖4A中所示之候補組合,並取得了圖4C中所示之第1週期組~第3週期組。於此情況,參數決定部145,係針對各候補組合之每一者,而計算出代表值和基準週期間之差的加權合計。此時,參數決定部145,例如係亦可在第1週期組之代表值與基準週期間之差上,乘上權重係數1,並在第2
週期組之代表值與基準週期間之差上,乘上權重係數0.8,且在第3週期組之代表值與基準週期間之差上,乘上權重係數0.5。另外,只要是滿足若是基準週期之時期性的位置為越古老則權重係數會變得越小之條件,則係亦可對於各週期組之權重係數自由作設定。
另外,也可能會有針對其他之1或複數之候補而計算出了和代表值與基準週期間之差為最小之候補的該差同等程度之差的情形。亦即是,係可能會發生存在有複數之暫定預測精確度為同等程度之高精確度之候補的情形。於此,係將代表值與基準週期間之差為最小之候補,稱作第1候補。又,係將取得了與針對第1候補所取得之差之間的差距為特定範圍內的差之候補,稱作第2候補。參數決定部145,就算是在此種情況時,亦可將第1候補決定為在預測中所使用之參數或組合。或者是,參數決定部145,係亦可基於特定之條件,而從第1候補與第2候補之中來決定在預測中所使用之參數或組合。取得了與針對第1候補所取得之差之間的差距為特定範圍內的差之候補,係有可能會存在有複數。於此情況,參數決定部145,係可僅將此些之候補中的特定數量以下之候補特定為第2候補,亦可將所有的候補均特定為第2候補。
參數決定部145,例如係亦可取得在與此次之生理日的預測之對象者相異的使用者中之作為在預測中所使用之參數或組合而決定為第1候補之使用者的人數和作為在預測中所使用之參數或組合而決定為第2候補之使用
的人數。參數決定部145,係可基於被登錄在參數DB12d中之參數資訊,來取得此種使用者之人數。參數決定部145,係亦可將第1候補和1或複數之第2候補之中的作了取得之人數為最多者的候補,決定為在預測中所使用之參數或組合。其理由係在於:若是身為針對越多的使用者而作了使用的參數,則係存在有該參數乃身為能夠對於各種之使用者而均可進行適當之預測之參數的概然性之故。
圖8B,係為對於決定了第1候補的使用者之人數以及決定了第2候補的使用者之人數之例作展示之圖表。假設候補組合CC2係被特定為第1候補,而候補組合CC8係被特定為第2候補。於此,如同圖8B中所示一般,決定為候補組合CC8的使用者之人數,係較決定為候補組合CC2的使用者之人數而更多。故而,參數決定部145,係亦可將候補組合CC8決定為在預測中所使用的參數之組合。
另外,也會有針對1人的使用者而將複數之參數資訊作了複數登錄的情況。於此情況,參數決定部145,例如係亦可使用登錄日期為最新的參數資訊,來對於人數作計數。或者是,參數決定部145,例如係亦可基於複數之參數資訊,而分別針對將第1候補以及第2候補決定為在預測中所使用之參數或組合之頻度作計算。之後,參數決定部145,例如係亦可判定為將第1候補以及第2候補中之使用頻度為最高的候補決定為在預測中所使用之參數或組合。
又,參數決定部145,係亦可取得在決定為第1候補的使用者中之具有為與對象者所具備之特徵同一性的特徵之使用者的人數。又,參數決定部145,係亦可取得在決定為第2候補的使用者中之具有為與對象者所具備之特徵同一性的特徵之使用者的人數。之後,參數決定部145,係亦可基於所取得的人數,來決定在預測中所使用之參數或組合。其理由係在於,具有為與對象者所具備之特徵同一性的特徵之使用者的月經或月經週期之傾向,係存在有會與對象者之月經或月經週期之傾向相類似的概然性之故。作為特徵之例,係可列舉出年齡、年齡層、決定在預測中所使用之參數或組合時的季節或月份、體溫之遷移的傾向、低溫期之天數、高溫期之天數等。參數決定部145,例如係可基於會員資訊DB12a,來取得年齡或年齡層。又,參數決定部145,例如係可基於被登錄在參數DB12d中之參數資訊,來取得決定在預測中所使用之參數或組合時的季節或月份。又,參數決定部145,係可基於體溫DB12b以及生理期DB12c,來取得體溫之遷移的傾向、低溫期之天數以及高溫期之天數。所謂具有為與對象者所具備之特徵間之同一性的特徵,例如係可為與對象者之特徵相同的特徵,亦可為與對象者之特徵間的差距為特定範圍以內之特徵,亦可為與對象者之特徵相類似之特徵。
週期基礎預測部146,係使用藉由參數決定部145所決定的參數或組合,來預測對象者之現在月經週期之天數。具體而言,週期基礎預測部146,係取得生理日之預測的對象者之過去之複數之月經週期。接著,週期基礎預測部146,係藉由對於所取得的複數之月經週期中之藉由作為參數所決定了的臨限值而特定出來之不符值施加特定之處理,而取得被修正後的複數之月經週期。更詳細而言,週期基礎預測部146,係從複數之月經週期而將異常值除去,或者是對於複數之月經週期而施加極值推壓。或者是,週期基礎預測部146,係在進行了異常值的除去之後,更進而進行極值推壓。在藉由參數決定部145而決定了異常值除去之臨限值的情況時,週期基礎預測部146,係使用此臨限值來將異常值除去。在藉由參數決定部145而決定了極值推壓之臨限值的情況時,週期基礎預測部146,係使用此臨限值來進行極值推壓。週期基礎預測部146,係將修正後的複數之月經週期之代表值,作為現在月經週期之天數的預測值而取得之。當藉由參數決定部145來作為代表值種類別而決定了「平均值」的情況時,週期基礎預測部146,係計算出平均值,當作為代表值種類別而決定了「中央值」的情況時,週期基礎預測部146,係決定中央值。接著,週期基礎預測部146,係在現在月經週期之第1天上,加算上所取得的代表值,而計算出預測生理日。
另外,係可能會發生在過去之月經週期的頻
度分布中存在有2個的極大值的情形。於此情況,週期基礎預測部146,例如係亦可對於頻度分布全體而僅決定1個的代表值。或者是,週期基礎預測部146,例如係亦可將月經週期之分布,在頻度會成為極小值的週期之位置作分割。週期基礎預測部146,例如係亦可對於分割後的各分布之每一者而分別取得代表值。之後,週期基礎預測部146,係亦可針對各代表值之每一者,而在現在月經週期之第1天上,加算上代表值,並計算出預測生理日。亦即是,週期基礎預測部146,係亦可預測出2個的下一次之生理日。於此情況,週期基礎預測部146,係亦可在使用者終端2處,顯示例如「當週期為短的情況時之下一次的預定生理日,係為X號,當週期為長的情況時之下一次的預定生理日,係為Y號」的訊息。X,係為2個的預測生理日中之距離今天較近的預測生理日,Y係為距離今天較遠的預測生理日。另外,當極大值存在有3個以上的情況時,週期基礎預測部146,例如係亦可並不將月經週期之分布作分割地而僅預測出1個的下一次之生理日。
另外,係亦可對於在週期基礎預測手法中所使用的參數之全部而均預先作制定。例如,參數係亦可被記憶在記憶部12中。於此情況,臨限值候補取得部141、週期組取得部142、修正參考週期取得部143、代表值取得部144以及參數決定部145係成為不需要。
當使用體溫基礎預測手法的情況時,系統控制部14,係例如針對每一天,而計算出進行生理日之預測的對象者之體溫的實測值之短期的移動平均和長期的移動平均。之後,系統控制部14,係在現在之月經週期中,而特定出短期之移動平均會成為較長期之移動平均而更大的時序。所謂短期之移動平均會成為較長期之移動平均而更大的時序,例如係為在短期之移動平均線與長期之移動平均線相交叉的時序中之緊接於移動平均線相交叉的時序後之短期之移動平均會成為較長期之移動平均而更高的時序。將此種移動平均線相互交叉的情形,稱作P交叉(正交叉)。所謂短期之移動平均成為較長期之移動平均而更大,係指發生有P交叉。圖9,係為對於在現在之月經週期中的體溫之實測值的曲線和體溫之短期之移動平均線與長期之移動平均線之例作展示之圖。如同圖9中所示一般,在從1月1號起而開始了現在之月經週期之後,於1月12號係發生有P交叉。系統控制部14,係基於所特定出之時序,來預測下一個生理期,或者是推測出排卵日的到來。或者是,系統控制部14,係亦可進行下一個生理期之預測和排卵日的到來之推測的雙方。
如同上述一般,一般而言,月經週期係由低溫期和高溫期所構成。在月經週期中之排卵日時,係從卵泡而排出卵子。如此一來,係從卵泡而形成黃體。從此黃體係分泌出黃體賀爾蒙。起因於此黃體賀爾蒙,體溫係上升,並從低溫期而遷移至高溫期。若是黃體萎縮,則黃體
賀爾蒙之分泌係結束。如此一來,係成為無法維持子宮內膜,並成為月經。又,若是黃體賀爾蒙之分泌結束,則體溫係降低。故而,係遷移至下一次的月經週期之低溫期。黃體賀爾蒙之壽命係相當安定。例如,黃體賀爾蒙之壽命,一般而言係為14天±2天。
從低溫期而遷移至高溫期的該日,或者是該日之鄰近日期,其身為排卵日的概然性係為高。然而,實際的每天之體溫也會有並未安定地遷移的情況。例如,也可能會有在應該身為從低溫期而遷移至高溫期之時序的前後而體溫產生大幅度之上下變動的情形。故而,就算是僅對於每天的體溫之實測值作觀察,也難以判斷是否已遷移至了高溫期。
相對於此,在本實施形態之體溫基礎預測手法中,由於係使用移動平均,因此體溫之時間序列係被平滑化。又,短期之移動平均,係代表在最近的短期間中之體溫的傾向,長期之移動平均,係代表在場期間中之體溫的傾向。故而,係能夠基於短期之移動平均會成為較長期之移動平均而更大的時序,來適當地特定出從低溫期而遷移至高溫期之時序。故而,係能夠以良好之精確度而推測出排卵日的到來。在圖9之例中,在1月12號或其周邊之日子,排卵日到來的概然性係為高。
就算是同一之對象者,依存於月經週期,低溫期之天數相對而言係較容易變動。另一方面,高溫期之天數相對而言係較為安定。其理由係在於,高溫期之天數
係與黃體之壽命相對應之故。故而,若是能夠推測出排卵日到來的日子,則便能夠進行下一次的月經週期之預測。
所計算出之移動平均,係不論是何種種類的移動平均均可。例如,係亦可計算出單純移動平均、加權移動平均或指數移動平均等。作為指數移動平均之計算式,係可利用周知之各種數式。例如,假設期間之天數係為p。天數p,實際上係為短期天數或者是長期天數。於此情況,從指數移動平均之計算開始的日子起之t天後的日子之指數移動平均EMAp(t),例如係亦可藉由下述之式1來計算。
e(t),係為t天後的日子之體溫的實測值。d係為衰減係數。d,例如係亦可藉由下述之式2來計算。
期間天數決定部147,係為了使用體溫基礎預測手法來進行排卵日之到來的推測或者是生理日的預測,而決定在體溫基礎預測手法中所使用的參數。所決定的參數,係為在移動平均之計算中所使用的短期天數和長期天數。
例如,當單純移動平均或加權移動平均的情況時,短期天數以及長期天數,係代表成為用以計算平均值之基礎的體溫之實測值之數量。將短期天數設為s,並將長期天數設為l。短期之移動平均,係為最近之s天之間的體溫之實測值的平均值。長期之移動平均,係為最近之1天之間的體溫之實測值的平均值。當指數移動平均的情況時,短期天數以及長期天數,係身為用以計算平均之參數的其中一者。在每次之指數移動平均被進行計算時,於計算中所使用的體溫之實測值的權重係作指數函數性的減少。故而,短期天數以及長期天數,例如係亦可為直到體溫之實測值的權重會成為特定值以下為止所需要的天數。在數式1以及數式2的情況時,短期天數以及長期天數,係身為直到體溫之實測值的權重會成為1/2以下為止所需要的天數。
例如,期間天數決定部147,係亦可使用對象者之過去之1以上的月經週期之體溫的實測值,來決定在體溫基礎預測手法中所使用的參數。過去之1以上的月經週期,例如係亦可為與現在之月經週期相連續的月經週期。又,當使用過去之2以上的月經週期之體溫之實測值的情況時,此些之月經週期例如係亦可為相連續的月經週期。期間天數決定部147,例如係亦可使用作為參數來利用之短期天數以及長期天數的各別之候補,來計算出在過去之1以上的月經週期中之短期之移動平均和長期之移動平均。圖10,係為對於在過去之3個月經週期中的體溫
之曲線和體溫之短期之移動平均線與長期之移動平均線之例作展示之圖。
期間天數決定部147,係以使在過去之1以上的月經週期中之體溫之短期之移動平均會成為較長期之移動平均而更小的時序,會與身為過去之1以上的月經週期之第1天的生理日相重疊的方式,來決定作為參數而利用的短期天數和長期天數。所謂短期之移動平均會成為較長期之移動平均而更小的時序,例如係為在短期之移動平均線與長期之移動平均線相交叉的時序中之緊接於移動平均線相交叉的時序後之短期之移動平均會成為較長期之移動平均而更低的時序。將此種移動平均線相互交叉的情形,稱作N交叉(負交叉)。所謂短期之移動平均成為較長期之移動平均而更小,係指發生有N交叉。圖11,係為對於在過去之3個月經週期中的體溫之短期之移動平均線與長期之移動平均線間的關係之例作展示之圖。在圖11之例中,於3次的生理日之各者處,N交叉的時序係概略相互重疊。
如同上述一般,從高溫期而遷移至下一次的月經週期之低溫期的該日,其身為實際的生理日之概然性係為高。故而,藉由讓期間天數決定部147以使N交叉之時序會與實際之生理日相互重疊的方式來決定短期天數以及長期天數,係能夠將使用有移動平均而進行的排卵日之到來的推測精確度或者是生理日的預測精確度提高。
具體而言,期間天數決定部147,例如係亦能
夠以使代表生理日和N交叉之時序之間的差之函數err會成為最小的方式,來決定短期天數和長期天數。函數err之參變數,係為短期天數s和長期天數l。為了方便說明,係將矩陣(s,l)之轉置矩陣設為x,並將err之參變數設為矩陣x。於此情況,err例如係亦可藉由下述之式3來作表現。
menday(i),係為過去之n個的月經週期中之第i個的月經週期之第1天,亦即是生理日。ncoday(x,i),係為基於藉由x所計算出來的短期之移動平均和長期之移動平均而特定出的發生有n交叉之日期中的最為接近menday(i)之日期。期間天數決定部147,例如係亦可對於求取出err(x)會成為最小的x之凸型最佳化問題求解。此問題,例如係亦可藉由下述之式4來表現。
X以及Y,係分別為任意之自然數的集合。只要是能夠對於此最佳化問題求解的演算法,則期間天數決定部147不論是使用何種的演算法均可。例如,期間天數決定部147,係亦可使用單體法(simplex method)等。或者是,當預先制定有長期天數之上限的情況時,期間天數決定部147,係亦可例如針對短期天數和長期天數之全
部的組合而分別計算出err,並將計算出最小的err之短期天數和長期天數之組合,決定為在排卵日之到來的推測或者是下一次的生理日之預測中所使用的短期天數和長期天數。
期間天數決定部147,係亦能夠以使在過去之1以上的月經週期中之體溫之短期之移動平均會成為較長期之移動平均而更小的時序與生理日之間的差會變小的方式,來決定短期天數以及長期天數,並且例如以使在過去之1以上的月經週期中之短期之移動平均和長期之移動平均之間的差之積分值會變大的方式,來決定短期天數以及長期天數。亦即是,例如在圖10中,期間天數決定部147,係亦能夠以被短期之移動平均線和長期之移動平均線所包圍的區域之面積會盡可能變大的方式,來決定短期天數以及長期天數。其理由係在於,係為了明確地特定出N交叉之故。此係因為,當全體性而言短期之移動平均和長期之移動平均之間的差為小的情況時,係會有難以特定出N交叉或者是在1個月經週期內而發生複數之N交叉的情況之故。短期之移動平均和長期之移動平均之間的差之定積分area(x),係藉由下述之式5來表現。
TE,係為從過去之1以上的月經週期之最初之月經週期的第1天起直到最後之月經週期的最後一天為
止所經過之天數。EMAs,係為將期間之天數設為s的短期之移動平均,EMA1,係為將期間之天數設為l的長期之移動平均。
為了對於至此為止之2個的條件作表現,例如,係亦能夠使用若是短期之移動平均會成為較長期之移動平均而更小的時序與生理日之間的差變得越大則會變得越小、並且若是短期之移動平均和長期之移動平均之間的差之定積分變得越大則會變得越大之函數f(x)。例如,f(x)係亦可藉由下述之式6來作表現。
α以及β係分別為常數。另外,數式6,係為函數f(x)之數式的其中一例。亦可藉由與數式6相異之數式,來計算函數f(x)。
期間天數決定部147,例如係亦能夠以使f成為最大的方式,來決定短期天數和長期天數。例如,期間天數決定部147,係亦可對於求取出f會成為最大的x之凸型最佳化問題求解。此問題,例如係亦可藉由下述之式7來表現。
只要是能夠對於此最佳化問題求解的演算法,則期間天數決定部147不論是使用何種的演算法均
可。例如,期間天數決定部147,係亦可使用單體法(simplex method)等。或者是,當預先制定有長期天數之上限的情況時,期間天數決定部147,係亦可例如針對短期天數和長期天數之全部的組合而分別計算出f,並將計算出最大的f之短期天數和長期天數之組合,決定為在排卵日之到來的推測或者是下一次的生理日之預測中所使用的短期天數和長期天數。
另外,期間天數決定部147,係亦能夠以使若是短期之移動平均會成為較長期之移動平均而更小的時序與生理日之間的差變得越大則會變得越大並且若是短期之移動平均和長期之移動平均之間的差之定積分變得越大則會變得越小之函數g(x)成為最小的方式,來決定短期天數以及長期天數。藉由使函數f(x)之符號反轉,由於係會改變為求取出使-f(x)會成為最小之短期天數以及長期天數的最佳化問題,因此,函數f(x)之最佳化問題和函數g(x)之最佳化問題實質上係為相同。
時序特定部148,係使用藉由期間天數決定部147所決定的短期天數以及長期天數,而計算出在現在之月經週期中的短期之移動平均和長期之移動平均。在計算指數移動平均的情況時,時序特定部148,例如係亦可從過去之1以上的月經週期內之某一日起而開始指數移動平均之計算。時序特定部148,係在現在之月經週期中,而特定出
短期之移動平均會成為較長期之移動平均而更大的時序、亦即是特定出發生P交叉之日期。
體溫基礎預測部149,係基於藉由時序特定部148所特定出之時序,來推測出排卵日的到來,或者是預測下一個生理日。
當推測排卵日之到來的情況時,體溫基礎預測部149,例如係亦可將發生P交叉之日期推測為排卵日。或者是,體溫基礎預測部149,係亦可將從發生P交叉之日期起而經過特定天數之後的日期或者是該日期之特定天數之前的日期,推測為排卵日。或者是,當係藉由排卵日之檢查而已判明了對象者之在過去的月經週期中之排卵日的情況時,體溫基礎預測部149,例如係亦可計算出已判明的排卵日與在過去之月經週期中而發生P交叉之日期之間的差。之後,體溫基礎預測部149,係亦可藉由對於在現在之月經週期中而發生P交叉之日期,而加算上所計算出之差,來計算推測排卵日。
當對於下一次的生理日作預測的情況時,體溫基礎預測部149,例如係亦可在發生P交叉之日期上加算上特定之天數,來計算預測生理日,亦可藉由在推測排卵日上加算上特定之天數,來計算預測生理日。被作加算之天數,例如係亦可在14天±2天的範圍內而預先作制定。或者是,體溫基礎預測部149,例如係亦可基於過去之1以上的月經週期之短期之移動平均以及長期之移動平均,而計算出從在過去之1以上之月經週期中而發生P交
叉之日期起直到發生N交叉的日期為止之天數的代表值。體溫基礎預測部149,例如係可計算出平均值,亦可計算出中央值。之後,體溫基礎預測部149,例如係亦可藉由對於在現在之月經週期中而發生P交叉之日期,而加算上所計算出之代表值,來計算預測生理日。圖12A,係為對於預測生理日被計算出來的情形之其中一例作展示之圖。例如,在圖11之例的情況中,在3個月經週期中之從發生P交叉之日期起直到發生N交叉的日期為止之天數,係分別為11、13以及15。故而,平均值係為13。如同圖12A中所示一般,在現在之月經週期中而發生P交叉的日期,係為1月14號。故而,體溫基礎預測部149,係將下一次之生理日預測為1月27號。
另外,排卵日之推測的對象之月經週期,係可為現在之月經週期,亦可為過去之月經週期。例如,時序特定部148,係亦可使用藉由期間天數決定部147所決定的短期天數以及長期天數,而計算出在過去之某一月經週期中的短期之移動平均和長期之移動平均,並在該月經週期中,而特定出短期之移動平均會變得較長期之移動平均而更大的時序。之後,體溫基礎預測部149,係亦可基於所特定出之時序,來推測出在該月經週期中之排卵日。又,係亦可對於在體溫基礎預測手法中所使用的短期天數以及長期天數預先作制定。例如,短期天數以及長期天數係亦可預先被記憶在記憶部12中。於此情況,期間天數決定部147係成為不需要。
若依據週期基礎預測手法,則只要特定出過去之3個以上的月經週期之各別的天數,則不論現在係身為低溫期或高溫期,均能夠預測下一個生理日。另一方面,若依據體溫基礎預測手法,則係能夠基於體溫之短期之移動平均會成為較長期之移動平均而更大的時序、亦即是特定出發生P交叉之時序,而以良好之精確度來對於下一個生理日作預測。然而,當在現在之月經週期中而尚未發生P交叉的情況時、亦即是當現在的時期乃身為低溫期之概然性為高的情況時,係無法使用體溫基礎預測手法。
因此,當並未藉由時序特定部148而在現在之月經週期中特定出體溫之短期之移動平均會成為較長期之移動平均而更大的時序的情況時,週期基礎預測部146係亦可對於下一個生理日作預測。另一方面,當藉由時序特定部148而特定出了短期之移動平均會成為較長期之移動平均而更大的時序的情況時,體溫基礎預測部149係亦可對於下一個生理日作預測。
圖12B,係為對於被使用在下一個的生理日之預測中的手法之決定例作展示之圖。如同圖12B中所示一般,從1月13號起直到1月16號為止,短期之移動平均係成為較長期之移動平均而更低。故而,於此期間中,週期基礎預測部146係使用週期基礎預測手法來預測下一次的生理日。在1月17號時,係發生有P交叉。故而,
於1月17號以後,體溫基礎預測部149係使用體溫基礎預測手法來預測下一次的生理日。
另外,例如亦可不論是在何種狀況下,均恆常讓週期基礎預測部146對於下一個生理日作預測。於此情況,體溫基礎預測部149係成為不需要。又,例如,當尚未在現在之月經週期中而特定出發生有P交叉之時序的情況時,系統控制部14,係亦可使用與在第3-1節中所說明之週期基礎預測手法相異的手法,來對於下一個生理日作預測。例如,只要是藉由將過去之1以上的週期之天數的代表值加算到現在之月經週期之生理日處一事來預測下一個生理日的手法,則系統控制部14不論是使用何種手法均可。於此情況,例如係亦可使過去之1以上的週期中之至少1個的週期之天數被作修正或變更。又,在特定出發生有P交叉之時序之後,體溫基礎預測部149係亦可對於下一個生理日作預測。或者是,例如當尚未在現在之月經週期中而特定出發生有P交叉之時序的情況時,系統控制部14,係亦可並不對於下一個生理日作預測。又,在特定出發生有P交叉之時序之後,體溫基礎預測部149係亦可對於下一個生理日作預測。於此情況,週期基礎預測部146係成為不需要。
接著,針對資訊處理系統S之動作,使用圖13~圖19來作說明。
圖13,係為對於本實施形態的資訊處理伺服器1之系統控制部14的生理日預測處理之其中一例作展示之流程圖。例如,基於使用者之操作,使用者終端2係啟動終端用應用程式。之後,使用者係使用體溫計3而對於本日的體溫進行測定。如此一來,使用者終端2,係將所計測出的體溫作為實測值而從體溫計3受訊。之後,使用者終端2,係將體溫之實測值與對於使用者終端2作利用之使用者ID一同地而對於資訊處理伺服器1進行送訊。當從使用者終端2而受訊了體溫之實測值以及使用者ID時,系統控制部14,係實行生理日預測處理。於此情況,使用者ID所代表的使用者,係為對於下一個生理日作預測的對象者。
如同圖13中所示一般,體溫基礎預測部149,係將所受訊的實測值作記錄(步驟S1)。具體而言,體溫基礎預測部149,係作為測定日而取得今天的日期。之後,體溫基礎預測部149,係將所受訊的實測值以及使用者ID,與測定日期相互附加有對應地而登錄在體溫DB12b中。
接著,週期基礎預測部146,係判定針對對象者之使用者ID所代表的使用者而作了記錄的過去之月經週期之數量,是否為較被預先記憶在記憶部12中之臨限值KN而更大(步驟S2)。例如,週期基礎預測部146,係從生理日DB12c而檢索出與對象者之使用者ID相對應的生理日。週期基礎預測部146,係從藉由此檢索而發現
到的生理日之數量減去1,而計算出過去之月經週期之數量。臨限值KN,例如係亦可為代表2以上之數字的任意之數字。週期基礎預測部146,當判定過去之月經週期之數量為較臨限值KN而更大的情況時(步驟S2:YES),係前進至步驟S3。另一方面,週期基礎預測部146,當判定過去之月經週期之數量並非為較臨限值KN而更大的情況時(步驟S2:NO),係結束生理日預測處理。
在步驟S3中,體溫基礎預測部149,係判定被記錄有各天之體溫的實測值之過去之月經週期之數量,是否為較臨限值KN而更大。例如,體溫基礎預測部149,係將在步驟S2中所發現到的生理日,以日期較早者為先之順序來重新排列。體溫基礎預測部149,係針對被作了重新排列的生理日中之各個相鄰接之2個的生理日之組之每一者,而特定出月經週期。或者是,從生理日起直到下一次的生理日之前一天為止的期間,係身為1個的月經週期。體溫基礎預測部149,係針對各月經週期之每一者,而分別檢索出與對象者之使用者ID相對應的體溫之實測值中之從月經週期之第1天起直到最後1天為止的實測值。檢索之結果,當在從第1天起直到最後一天為止的所有日期中均發現到實測值的情況時,體溫基礎預測部149,係使被記錄有各天之體溫的實測值之過去之月經週期之數量作1的增加。體溫基礎預測部149,當判定如此這般所作了計數的月經週期之數量為較臨限值KN而更大的情況時(步驟S3:YES),係前進至步驟S4。另一方
面,體溫基礎預測部149,當判定被記錄有各天之體溫的實測值之過去之月經週期之數量並非為較臨限值KN而更大的情況時(步驟S3:NO),係結束生理日預測處理。另外,在某一月經週期中,當於一部分的日期中並未被記錄有體溫之實測值的情況時,體溫基礎預測部149,例如係亦可藉由該一部分之日期的前後之日期等之體溫之實測值,來對於該日期之實測值作內插。藉由此,體溫基礎預測部149,係亦能夠使被記錄有各天之體溫的實測值之月經週期之數量增加。或者是,體溫基礎預測部149,例如係亦能夠對於使用者終端2而送訊促使使用者進行並未被記錄有體溫的實測值之日期之體溫之輸入的訊息。之後,體溫基礎預測部149,例如係亦可將由使用者而作了手動輸入的體溫作為實測值而從使用者終端2來取得之。
在步驟S4中,系統控制部14,係判定是否登錄有現在之月經週期用之參數資訊。例如,系統控制部14,係將在步驟S2中所發現到的生理日中之最新的生理日,特定為現在之月經週期之第1天。接著,系統控制部14,係從參數DB12d中,而對於在與對象者之使用者ID相對應的參數資訊中之登錄日期為位於現在之月經週期的第1天之後之參數資訊進行檢索。檢索之結果,系統控制部14,當判定在參數DB12d中係登錄有參數資訊的情況時(步驟S4:YES)的情況時,係前進至步驟S6。另一方面,系統控制部14,當判定在參數DB12d中係並未登錄有參數資訊的情況時(步驟S4:NO)的情況時,係前
進至步驟S5。在步驟S5中,系統控制部14,係實行參數決定處理。在參數決定處理中,系統控制部14,係產生週期基礎預測手法以及體溫基礎預測手法之參數。又,系統控制部14,係藉由週期基礎預測手法來預測下一個生理日。又,系統控制部14,係藉由體溫基礎預測手法來推測出現在之月經週期的高溫期之天數。之後,系統控制部14,係產生現在之月經週期用之參數資訊。關於參數決定處理的詳細內容,係於後再述。接著,系統控制部14,係前進至步驟S6。
在步驟S6中,體溫基礎預測部149,係判定是否被記錄有現在之月經週期之各天之體溫的實測值。例如,體溫基礎預測部149,係從體溫DB12b,而分別檢索出與對象者之使用者ID相對應的體溫之實測值中之從現在之月經週期之第1天起直到今天為止的實測值。檢索之結果,當在從第1天起直到今天為止的所有日期中均發現到實測值的情況時,體溫基礎預測部149,係判定為被記錄有現在之月經週期之各天之體溫的實測值(步驟S6:YES)。於此情況,體溫基礎預測部149係前進至步驟S7。另一方面,當在從第1天起直到今天為止的至少其中一天中並未發現到實測值的情況時,體溫基礎預測部149,係判定為並未被記錄有現在之月經週期之各天之體溫的實測值(步驟S6:NO)。於此情況,體溫基礎預測部149係前進至步驟S10。另外,體溫基礎預測部149,例如係亦能夠藉由內插來決定並未被記錄有體溫之實測值
的日期之體溫,亦可促使使用者進行輸入。
在步驟S7中,時序特定部148,係從現在之月經週期用之參數資訊,而取得短期天數以及長期天數。接著,時序特定部148,係基於現在之月經週期之各天的體溫之實測值和短期天數以及長期天數,而計算出從現在之月經週期的第1天起直到今天為止的各日之短期之移動平均和長期之移動平均(步驟S8)。接著,時序特定部148,係判定是否在現在之月經週期中而特定出P交叉(步驟S9)。例如,當某一天之短期之移動平均係成為較長期之移動平均而更低,並且在該某一天之一天之後的短期之移動平均係為較長期之移動平均而更高的情況時,時序特定部148,係亦可判定為係發生有P交叉。於此情況,時序特定部148,例如係可將此些之2天之間的某一天特定為發生有P交叉之日期。例如,時序特定部148,係亦可將短期之移動平均與長期之移動平均之間的差為較小之日期,特定為發生有P交叉之日期。又,例如,當某一天之短期之移動平均係成為較長期之移動平均而更低,且在該某一天之一天之後的短期之移動平均係為與長期之移動平均相一致,並且在該某一天之兩天後的短期之移動平均係成為較長期之移動平均而更高的情況時,時序特定部148,係亦可判定為係發生有P交叉。於此情況,時序特定部148,例如係可將此些之3天之中的中間之日期特定為發生有P交叉之日期。時序特定部148,當判定為係特定出P交叉的情況時(步驟S9:YES),係前進至步驟
S11。另一方面,時序特定部148,當判定為係並未特定出P交叉的情況時(步驟S9:NO),係前進至步驟S10。
在步驟S10中,週期基礎預測部146,係將在現在之月經週期用之參數資訊中所包含的預測生理日送訊至使用者終端2處,並使生理日預測處理結束。使用者終端2,係在畫面上顯示從資訊處理伺服器1所受訊的預測生理日。
在步驟S11中,體溫基礎預測部149,係基於在現在之月經週期中而發生P交叉之日期,而決定推測排卵日。例如,體溫基礎預測部149,係亦可將發生P交叉之日期決定為推測排卵日。接著,體溫基礎預測部149,係藉由對於發生P交叉之日期,而加算上在現在之月經週期用之參數資訊中所包含的推測高溫期天數,來計算預測生理日(步驟S12)。接著,體溫基礎預測部149,係將推測排卵日以及預測生理日送訊至使用者終端2(步驟S13)。使生理日預測處理結束。使用者終端2,係在畫面上顯示從資訊處理伺服器1所受訊的推測排卵日以及預測生理日。
圖14,係為對於本實施形態的資訊處理伺服器1之系統控制部14的參數決定處理之其中一例作展示之流程圖。如同圖14中所示一般,系統控制部14,係實行週期基礎參數決定處理(步驟S21)。在週期基礎參數決定處理中,系統控制部14,係決定在週期基礎預測手
法中所使用之參數。關於週期基礎參數決定處理的詳細內容,係於後再述。接著,週期基礎預測部146,係實行週期基礎預測處理(步驟S22)。在週期基礎預測處理中,週期基礎預測部146係使用週期基礎預測手法來決定預測生理日。關於週期基礎預測處理的詳細內容,係於後再述。
接著,期間天數決定部147,係實行體溫基礎參數決定處理(步驟S23)。在體溫基礎參數決定處理中,期間天數決定部147,係決定在體溫基礎預測手法中所使用之參數。關於體溫基礎參數決定處理的詳細內容,係於後再述。接著,體溫基礎預測部149,係基於被決定為體溫基礎預測手法之參數的短期天數和長期天數,而計算出短期之移動平均以及長期之移動平均,並基於該些短期之移動平均以及長期之移動平均,而特定出在過去之1以上之月經週期中的發生P交叉之日期和發生N交叉的日期。之後,體溫基礎預測部149,係將從發生P交叉之日期起直到發生N交叉的日期為止之天數的平均值,作為推測高溫期天數而計算出來(步驟S24)。
接著,系統控制部14,係作為登錄日而取得今天的日期。接著,系統控制部14,係產生參數資訊,該參數資訊,係包含有對象者之使用者ID、登錄日期、藉由週期基礎參數決定處理以及體溫基礎參數決定處理所決定的參數、藉由週期基礎預測手法所決定的預測生理日、以及推測高溫期天數。之後,系統控制部14,係將
所產生的參數資訊登錄在參數DB12d中(步驟S25),並結束參數決定處理。
圖15,係為對於本實施形態的資訊處理伺服器1之系統控制部14的週期基礎參數決定處理之其中一例作展示之流程圖。如同圖15中所示一般,參數候補取得部141,係決定參考週期之數量RN(步驟S31)。例如,參數候補取得部141,係亦可取得預先被記憶在記憶部12中之參考週期之數量。接著,參數候補取得部141,係判定過去之月經週期之數量是否為較初期值而更大。當過去之月經週期之數量係為較初期值而更大的情況時,參數候補取得部141,係將初期值決定為RN。另一方面,當過去之月經週期之數量係為初期值以下的情況時,參數候補取得部141,係藉由從過去之月經週期之數量減去1,而計算出RN。
接著,參數候補取得部141,係將編號i設定為1(步驟S32)。之後,參數候補取得部141,係從記憶部12而取得異常值除去之臨限值的候補OF(i)。接著,參數候補取得部141,係將編號j設定為1(步驟S33)。之後,參數候補取得部141,係從記憶部12而取得極值推壓之臨限值的候補WN(j)。接著,參數候補取得部141,係將代表值種類別設定為「平均值」(步驟S34)。接著,系統控制部14,係實行天數差計算處理(步驟S35)。在天數差計算處理中,系統控制部14,係基於在步驟S32~S34中所決定的參數之候補組合,而對
於複數之參考週期進行修正。之後,系統控制部14,係將修正後的參考週期之代表值與基準週期之間之差,作為合計天數差而計算出來。關於天數差計算處理的詳細內容,係於後再述。
接著,參數候補取得部141,係判定代表值種類別是否為「平均值」(步驟S36)。此時,參數候補取得部141,當判定代表值種類別係為「平均值」的情況時(步驟S36:YES),係前進至步驟S37。在步驟S37中,參數候補取得部141,係將代表值種類別變更為「中央值」,並前進至步驟S35。另一方面,參數候補取得部141,當判定代表值種類別係並非為「平均值」的情況時(步驟S36:NO),係前進至步驟S38。在步驟S38中,參數候補取得部141,係判定編號j是否為未滿極值推壓之臨限值的候補之數量。此時,參數候補取得部141,當判定參數編號j係為未滿極值推壓之臨限值的候補之數量的情況時(步驟S38:YES),係前進至步驟S39。在步驟S39中,參數候補取得部141,係在編號j上加算上1,並前進至步驟S34。另一方面,參數候補取得部141,當判定參數編號j係並非為未滿極值推壓之臨限值的候補之數量的情況時(步驟S38:NO),係前進至步驟S40。在步驟S40中,參數候補取得部141,係判定編號i是否為未滿異常值除去之臨限值的候補之數量。此時,當判定參數編號i係為未滿異常值除去之臨限值的候補之數量的情況時(步驟S40:YES),係前進至步驟S41。在步驟
S41中,參數候補取得部141,係在編號i上加算上1,並前進至步驟S33。另一方面,參數候補取得部141,當判定參數編號i係並非為未滿異常值除去之臨限值的候補之數量的情況時(步驟S40:NO),係前進至步驟S42。
在步驟S42中,參數決定部145,係將所有的候補組合,從合計天數差為小者起之順序來重新作排列。接著,參數決定部145,係將合計天數差為最小的候補組合,特定為第1候補。接著,參數決定部145,係判定是否存在有被計算出與第1候補之合計天數差的差距為特定之範圍內的合計天數差之其他的候補組合(步驟S43)。例如,參數決定部145,係對於第1候補之合計天數差而乘上預先被記憶在記憶部12中之係數,並計算出合計天數差之基準值。此係數之值,例如係為較1而更大。接著,參數決定部145,係判定是否存在有1個以上的除了第1候補以外之合計天數差係成為基準值以下的候補組合。此時,當合計天數差係成為基準值以下的候補組合為存在有1個以上的情況時,參數決定部145,係判定是否存在有被計算出與第1候補之合計天數差的差距為特定之範圍內的合計天數差之其他的候補組合(步驟S43:YES)。於此情況,參數決定部145,係將合計天數差係成為基準值以下的候補組合,特定為第2候補。之後,參數決定部145,係前進至步驟S45。另一方面,當並不存在有合計天數差係成為基準值以下之候補組合的情況時,參數決定部145,係判定並不存在有被計算出與第1候補
之合計天數差的差距為特定之範圍內的合計天數差之其他的候補組合(步驟S43:NO)。於此情況,參數決定部145,係前進至步驟S44。
在步驟S44中,參數決定部145,係將第1候補決定為在週期基礎預測手法中所使用之參數,並結束週期基礎參數決定處理。
在步驟S45中,參數決定部145,係實行人數取得處理。在人數取得處理中,參數決定部145,係取得將第1候補決定為在週期基礎預測手法中所使用之參數的使用者之人數,並且取得將第2候補決定為在週期基礎預測手法中所使用之參數的使用者之人數。關於人數取得處理的詳細內容,係於後再述。接著,參數決定部145,係將第1候補以及第2候補中之將其決定為參數的使用者之人數為最多之候補,決定為在週期基礎預測手法中所使用之參數(步驟S46),並結束週期基礎參數決定處理。
圖16,係為對於本實施形態的資訊處理伺服器1之系統控制部14的天數差計算處理之其中一例作展示之流程圖。如同圖16中所示一般,參數決定部145,係將合計天數差TD(i,j,k)設定為0(步驟S51)。接著,週期組取得部142,係將月經週期之編號m設定為1(步驟S52)。接著,週期組取得部142,係將在生理日預測處理中所特定出的過去之複數之月經週期中之月經週期(m)的天數,作為基準週期之天數而取得之(步驟S53)。月經週期(m),係為過去的月經週期中之第m
新的月經週期。接著,週期組取得部142,係將在生理日預測處理中所特定出的過去之複數之月經週期中之月經週期(m+1)~月經週期(m+RN+1)的各別之天數,作為參考週期之天數而取得之(步驟S54)。之後,週期組取得部142,係將所取得的參考週期之天數以升順來重新排列。
接著,修正參考週期取得部143,係針對各天數之每一者而對於參考週期的出現數量作計數。之後,修正週期群取得部143,係藉由將各出現數量除以RN,來針對各天數之每一者而計算出參考週期的出現機率(步驟S55)。接著,修正參考週期取得部143,係從所取得的參考週期中,將出現機率為未滿OF(i)%之天數的參考週期,作為異常值而除去之(步驟S56)。
接著,修正參考週期取得部143,係從異常值被作了除去之後的剩餘之參考週期之天數中,決定WN(j)百分位數以及(100-WN(j))百分位數。之後,修正參考週期取得部143,係將剩餘的參考週期中之未滿WN(j)百分位數之天數的參考週期之天數,變更為WN(j)百分位數(步驟S57)。又,修正參考週期取得部143,係將剩餘的參考週期中之超過(100-WN(j))百分位數之天數的參考週期之天數,變更為(100-WN(j))百分位數(步驟S58)。
接著,代表值取得部144,係判定代表值種類別k是否為「平均值」(步驟S59)。此時,代表值取得
部144,當判定代表值種類別k係為「平均值」的情況時(步驟S59:YES),係前進至步驟S60。在步驟S60中,代表值取得部144,係將修正後的參考週期之天數之平均值作為代表值P而計算出來,並前進至步驟S62。另一方面,代表值取得部144,當判定代表值種類別k係並非為「平均值」的情況時(步驟S59:NO),係前進至步驟S61。在步驟S61中,代表值取得部144,係將修正後的參考週期之天數之中央值作為代表值P而決定之,並前進至步驟S62。
在步驟S62中,參數決定部145,係計算出基準週期之天數和代表值P之間之差的絕對值D。接著,參數決定部145,係從記憶部12而取得加權係數W(m)。若是m的值越大,則W(m)之值係變得越小。接著,參數決定部145,係在差的絕對值D上乘上W(m),而計算出加權差。之後,參數決定部145,係在合計天數差T(i,j,k)上加算上加權差,而將T(i,j,k)作更新(步驟S63)。
接著,週期組取得部142,係判定編號m和參考週期RN之和是否為未滿過去之月經週期之數量(步驟S64)。此時,週期組取得部142,當判定編號m和參考週期RN之和為未滿過去之月經週期之數量的情況時(步驟S64:YES),係前進至步驟S65。在步驟S65中,週期組取得部142,係在編號m上加算上1,並前進至步驟S53。另一方面,週期組取得部142,當判定編號
m和參考週期RN之和並非為未滿過去之月經週期之數量的情況時(步驟S64:NO),係使天數差計算處理結束。
圖17,係為對於本實施形態的資訊處理伺服器1之系統控制部14的人數取得處理之其中一例作展示之流程圖。另外,以下,係針對在對象者之特徵的同一性中使用了年齡層的情況之例來作說明。如同圖17中所示一般,參數決定部145,係從會員資訊DB12a中取得與對象者之使用者ID相對應的年齡。之後,參數決定部145,係基於所取得的年齡,來取得對象者之年齡層(步驟S71)。接著,參數決定部145,係從第1候補以及1或複數之第2候補之中而選擇1個的候補(步驟S72)。接著,參數決定部145,係從參數DB12d中而檢索出包含有所選擇了的候補之異常值除去之臨限值、極值推壓之臨限值以及代表值種類別之全部的參數資訊。之後,參數決定部145,係產生藉由檢索而發現到的參數資訊之清單(步驟S73)。
接著,參數決定部145,係從清單中而將並非為最新之參數資訊削除(步驟S74)。例如,參數決定部145,係從清單中之參數資訊而取得使用者ID。接著,參數決定部145,係從參數DB12d中,而對於在與所取得了的使用者ID相對應之參數資訊中之登錄日期為最新的參數資訊進行檢索。接著,參數決定部145,當清單中之參數資訊的登錄日期為較最新之登錄日期而更舊的情況時,係將該參數資訊刪除。參數決定部145,係針對清單中之
各參數資訊的每一者而實行該些之處理。
接著,參數決定部145,係對於與對象者之年齡層相互一致的使用者之人數作計數(步驟S75)。例如,參數決定部145,係從會員資訊DB12a而取得與在清單中之參數資訊中所包含的使用者ID相對應之年齡。之後,參數決定部145,係基於所取得的年齡,來取得使用者ID所代表的使用者之年齡層。當所取得的年齡層為與對象者之年齡層相互一致的情況時,參數決定部145係將使用者之人數作1的增加。參數決定部145,係針對清單中之各參數資訊的每一者而實行該些之處理(步驟S75)。
接著,參數決定部145,係判定是否對於第1候補以及1或複數之第2候補的全部而作了選擇(步驟S76)。此時,參數決定部145,當判定係存在有尚未被作選擇之候補的情況時(步驟S76:NO),係前進至步驟S77。在步驟S77中,參數決定部145,係從尚未被作選擇之候補中選擇1個候補,並前進至步驟S73。另一方面,參數決定部145,當判定係已對於所有的候補作了選擇的情況時(步驟S76:YES),係使人數取得處理結束。
圖18係為對於本實施形態的資訊處理伺服器1之系統控制部14的週期基礎預測處理之其中一例作展示之流程圖。如同圖18中所示一般,週期基礎預測部146,係取得作為參數而決定了的異常值除去之臨限值
OF、極值推壓之臨限值WN以及代表值種類別PR(步驟S81)。接著,週期基礎預測部146,係取得對象者之過去之複數之月經週期的各者之天數(步驟S82)。
接著,週期基礎預測部146,係針對各天數之每一者而對於過去之月經週期的出現數量作計數。之後,週期基礎預測部146,係藉由將各出現數量除以過去之月經週期之數量,來針對各天數之每一者而計算出過去之月經週期的出現機率(步驟S83)。接著,週期基礎預測部146,係從所取得的參考週期中,將出現機率為未滿OF%之天數的參考週期,作為異常值而除去之(步驟S84)。接著,週期基礎預測部146,係從異常值被作了除去之後的剩餘之月經週期之天數中,決定WN百分位數以及(100-WN)百分位數。之後,週期基礎預測部146,係將剩餘的月經週期中之未滿WN百分位數之天數的月經週期之天數,變更為WN百分位數(步驟S85)。又,週期基礎預測部146,係將剩餘的月經週期中之超過(100-WN)百分位數之天數的月經週期之天數,變更為(100-WN)百分位數(步驟S86)。
接著,週期基礎預測部146,係判定代表值種類別PR是否為「平均值」(步驟S87)。此時,週期基礎預測部146,當判定代表值種類別PR係為「平均值」的情況時(步驟S87:YES),係前進至步驟S88。在步驟S88中,週期基礎預測部146,係將修正後的月經週期之天數之平均值作為代表值P而計算出來,並前進至步驟
S90。另一方面,週期基礎預測部146,當判定代表值種類別PR係並非為「平均值」的情況時(步驟S87:NO),係前進至步驟S89。在步驟S89中,週期基礎預測部146,係將修正後的月經週期之天數之中央值作為代表值P而決定之,並前進至步驟S90。
在步驟S90中,週期基礎預測部146,係在現在之月經週期之第1天的日期上,加算上代表值P,而計算出預測生理日。接著,週期基礎預測部146,係結束週期基礎預測處理。
圖19,係為對於本實施形態的資訊處理伺服器1之系統控制部14的體溫基礎參數決定處理之其中一例作展示之流程圖。如同圖19中所示一般,期間天數決定部147,係取得1個的短期天數和長期天數之組合(步驟S101)。接著,期間天數決定部147,係基於所取得的組合、和對象者之過去之1以上之月經週期的體溫之實測值,而計算出過去之1以上之月經週期的體溫之短期之移動平均和長期之移動平均(步驟S102)。接著,期間天數決定部147,係基於所計算出的移動平均,而特定出發生N交叉之日期(步驟S103)。除了短期之移動平均與長期之移動平均之間的高低之關係會成為相反以外,特定出發生N交叉之日期的方法,係與特定出發生P交叉之日期的方法相同。發生P交叉之日期的特定方法,係如同針對在圖13中所示之生理日預測處理的步驟S9而進行之說明中所述一般。
接著,期間天數決定部147,係針對身為過去之1以上之月經週期之各者的最後一天之下一天之生理日,而計算出生理日、和在發生有P交叉的日期中之與該生理日最為接近的日期,此兩者間之差。接著,期間天數決定部147,係計算出生理日和發生P交叉之日期之間的差之平均值(步驟S104)。亦即是,期間天數決定部147係對於數式3作計算。接著,期間天數決定部147,係計算出在過去之1以上之月經週期中的短期之移動平均和長期之移動平均之間的差之定積分(步驟S105)。亦即是,期間天數決定部147係對於數式5作計算。接著,期間天數決定部147,係使用步驟S104以及S105之計算結果,而對於數式6中所示之函數f作計算(步驟S106)。
接著,期間天數決定部147,係判定是否取得了短期天數和長期天數間之所有的組合(步驟S107)。此時,期間天數決定部147,當判定係存在有尚未被取得之組合的情況時(步驟S107:NO),係前進至步驟S108。在步驟S108中,期間天數決定部147,係取得尚未被取得之組合中的1個組合,並前進至步驟S102。另一方面,期間天數決定部147,當判定係已取得了所有之組合的情況時(步驟S107:YES),係前進至步驟S109。
在步驟S109中,期間天數決定部147,係將短期天數和長期天數間之複數的組合中之函數f為最大的組合,決定為體溫基礎預測手法之參數。之後,體溫基礎
預測部149,係結束體溫基礎參數決定處理。
如同以上所說明一般,若依據本實施形態,則系統控制部14,係亦可取得異常值除去之臨限值的複數之候補、和極值推壓之臨限值的複數之候補,此兩者中的至少其中一者之臨限值的複數之候補。又,系統控制部14,係亦可從對象者之過去之複數之月經週期中,而取得基準週期和複數之參考週期。又,系統控制部14,係亦可針對各臨限值之候補之每一者,而分別取得藉由對於複數之參考週期中的藉由臨限值之候補所特定出來之不符值施加特定之處理一事所作了修正的複數之參考週期。又,系統控制部14,係亦可針對各臨限值之候補之每一者,而分別取得被作了修正的複數之參考週期之代表值。又,系統控制部14,係亦可將針對各臨限值之候補之每一者所分別取得的代表值與基準週期作比較。又,系統控制部14,係亦可基於比較結果,而從臨限值之複數之候補中,決定被使用在對象者之月經週期之天數的預測中之臨限值。於此情況,係成為能夠決定出就算是當月經週期之參差為大的情況時亦能夠對於預測精確度之降低作抑制的臨限值。因此,係能夠基於此臨限值,而對於預測精確度之降低作抑制並對月經週期進行預測,並且能夠使用此月經週期來預測生理日。
又,系統控制部14,係亦可取得異常值除去之臨限值的複數之候補和極值推壓之臨限值的複數之候補。又,系統控制部14,係亦可針對包含有異常值除去
之臨限值之候補和極值推壓之臨限值之候補的各候補組之每一者,而從複數之參考週期中來將藉由異常值除去之臨限值而作為異常值所特定出來的參考週期除去,並且將該使異常值被作了除去的複數之參考週期中之藉由極值推壓之臨限值而作為不符值所被特定出來的參考週期之天數變更為與極值推壓之臨限值相對應的天數,而藉由此來取得修正後的複數之參考週期。又,系統控制部14,係亦可針對各候補組之每一者,而分別取得被作了修正的複數之參考週期之代表值。又,系統控制部14,係亦可針對各候補組之每一者而對於代表值與基準週期作比較。又,系統控制部14,係亦可基於比較結果,而從複數之候補組中,決定在預測中所使用的候補組。於此情況,係成為能夠決定出就算是當月經週期之參差為大的情況時亦能夠對於預測精確度之降低作抑制的異常值除去之臨限值以及極值推壓之臨限值。
又,系統控制部14,係亦可取得異常值除去之臨限值和極值推壓之臨限值。又,系統控制部14,係亦可從複數之月經週期中而將藉由異常值除去之臨限值而作為異常值所特定出來的月經週期除去。又,系統控制部14,係亦可將使異常值被作了除去的複數之月經週期中之藉由極值推壓之臨限值而作為不符值所被特定出來的月經週期之天數變更為與該極值推壓之臨限值相對應的天數。之後,系統控制部14,係亦可基於使月經週期之天數被作了變更的複數之月經週期,來預測對象者之月經週期之
天數。於此情況,將算是當月經週期之參差為大的情況時,亦能夠對於預測精確度之降低作抑制並對月經週期進行預測,並且能夠使用此月經週期來預測生理日。
又,系統控制部14,係亦可取得複數之週期組。又,系統控制部14,係亦可針對各臨限值之候補與週期組的組合之每一者,而分別取得被作了修正的複數之參考週期。又,系統控制部14,係亦可針對各臨限值之候補與週期組的組合之每一者,而分別取得被作了修正的複數之參考週期之代表值。又,系統控制部14,係亦可針對各臨限值之候補與週期組之每一者,而對於代表值與基準週期作比較。又,系統控制部14,係亦可基於針對各臨限值之候補的每一者所得到的複數之比較結果,而決定在預測中所使用之臨限值。於此情況,係能夠決定更為適當之臨限值。
又,系統控制部14,係亦可取得相互連續之複數之參考週期、和與複數之參考週期相連續並且為較複數之參考週期而更新的基準週期。又,系統控制部14,係亦可對於針對各臨限值之候補的每一者所得到的複數之比較結果之各者,而分別附加權重,並決定在預測中所使用之臨限值。此時,系統控制部14,係亦可構成為若是基準週期為越舊則便將該基準週期與代表值之間的比較結果之權重設為越小。於此情況,係能夠決定用以進行月經週期之預測的更為適當之臨限值。
又,系統控制部,當在複數之臨限值之候補
之中,存在有取得了與代表值與基準週期之間之差為最小的第1候補之該差之間的差距為特定之範圍內的差之第2候補的情況時,係亦可基於在與對象者相異之使用者中的作為在預測中所使用之臨限值而決定為第1候補的使用者之人數和作為在預測中所使用之臨限值而決定為第2候補的使用者之人數,來從第1候補與第2候補之中,決定在預測中所使用的臨限值。於此情況,係能夠決定用以進行月經週期之預測的更為適當之臨限值。
又,系統控制部14,係亦可基於在作為在預測中所使用之臨限值而決定為第1候補的使用者之中之具備有存在與對象者所具備之特徵的同一性之特徵的使用者之人數、和作為在預測中所使用之臨限值而決定為第2候補的使用者之中之具備有存在與對象者所具備之特徵的同一性之特徵的使用者之人數,來決定在預測中所使用的臨限值。於此情況,係能夠決定對於對象者而言為更加適當之臨限值。
又,系統控制部14,係亦可針對各臨限值之候補之每一者,而分別取得被作了修正的複數之參考週期之平均值以及中央值。又,系統控制部14,係亦可針對各臨限值之候補之每一者,而將平均值以及中央值之各者與基準週期作比較。又,系統控制部14,係亦可從包含有臨限值之候補與代表值種類別的複數之候補組中,決定在預測中所使用的候補組。於此情況,係能夠取得對於對象者之過去之複數之月經週期的分布狀況而言為合適的代
表值。
又,系統控制部14,當在現在之月經週期內,在對象者之現在之月經週期中所測定的體溫之短期之移動平均會成為較長期之移動平均而更大的時序係尚未到來的情況時,係亦可基於所決定的臨限值和對象者之過去之複數之月經週期,來預測對象者之現在之月經週期的天數,並基於所預測之天數,來預測下一個生理日。又,系統控制部14,當在現在之月經週期內,短期之移動平均會成為較長期之移動平均而更大的時序係已經到來的情況時,係亦可基於該時序,來預測下一個生理日。於此情況,在從低溫期而遷移至高溫期之後,係成為能夠進行精確度為更高之生理日的預測。
又,系統控制部14,係亦可針對在過去之1以上之月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上之生理日相重疊的方式,來決定短期天數和長期天數。又,系統控制部14,係亦可針對在對象之月經週期中所測定的體溫之移動平均,而特定出短期天數之移動平均會成為較長期天數之移動平均而更高的時序。之後,系統控制部14,係亦可基於所特定出之時序,來預測作為對象之月經週期的下一個生理日,或者是推測出在作為對象之月經週期中的排卵日之到來。於此情況,藉由移動平均,由於體溫之時間序列係被平滑化,因此,藉由特定出此時序,就算是當在從低溫期而遷
移至高溫期之時序的前後而體溫產生有上下變動的情況時,亦能夠將該時序適當的特定出來。又,從高溫期而遷移至低溫期之時序,係成為生理日。因此,係能夠適當的決定短期天數和長期天數。故而,係成為能夠進行對於精確度之降低作了抑制的排卵日之推測以及生理日之預測的至少其中一者。
又,系統控制部14,係亦可在前述過去之1以上的月經週期中,將從短期天數之移動平均會成為較長期天數之移動平均而更高的時序起直到短期天數之移動平均會成為較長期天數之移動平均而更低的時序為止之天數的代表值,加算至在現在之月經週期中的短期天數之移動平均會成為較長期天數之移動平均而更高的時序處,而對於前述下一個生理日作預測。於此情況,係能夠因應於對象者之高溫期的傾向,來更加適當地進行排卵日之推測以及生理日之預測的至少其中一者。
又,系統控制部14,係亦能夠以使在過去之1以上的月經週期中所測定之體溫的短期之移動平均會成為較該體溫之長期之移動平均而更低的時序與生理日之兩者間的時間差會變小,並且在過去之1以上的月經週期中之短期之移動平均與長期之移動平均的兩者間之差的積分值會變大的方式,來決定短期天數和長期天數。於此情況,基於體溫之短期之移動平均和長期之移動平均之間的差之積分值、和體溫的短期之移動平均會成為較長期之移動平均而更低的時序與生理日之間的時間差,係能夠決定
出更為適當的短期之天數和長期之天數。
又,系統控制部14,當在現在之月經週期內,係並未特定出短期之移動平均會成為較長期之移動平均而更高之時序的情況時,係亦可基於過去之1以上之月經週期的天數,來預測下一個生理日。於此情況,就算是在尚未從低溫期而遷移至高溫期的情況時,亦能夠對於生理日作預測。
另外,在上述之各實施形態中,本發明之資訊處理裝置,係被適用於客戶端伺服器系統中的伺服器裝置處。然而,本發明之資訊處理裝置,係亦可適用於伺服器裝置以外的資訊處理裝置處。例如,本發明之資訊處理裝置,係亦可適用於使用者終端2等處。於此情況,資訊處理裝置,係亦可受理從使用者而來之體溫之實測值以及生理日的輸入,並推測該使用者之排卵日或預測下一個生理日。
Claims (6)
- 一種資訊處理裝置,其特徵為,係具備有:決定手段,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定手段,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定手段所決定的前述短期天數之移動平均會成為較藉由前述決定手段所決定的前述長期天數之移動平均而更高的時序;和推測手段,係基於藉由前述特定手段所特定出之時序,來預測前述作為對象之月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
- 如申請專利範圍第1項所記載之資訊處理裝置,其中,前述推測手段,係在前述過去之1以上的月經週期中,將從前述短期天數之移動平均會成為較前述長期天數之移動平均而更高的時序起直到前述短期天數之移動平均會成為較前述長期天數之移動平均而更低的時序為止之天數的代表值,加算至藉由前述特定手段所特定出之時序,而對於前述下一個生理日作預測。
- 如申請專利範圍第1項或第2項所記載之資訊處理裝置,其中, 前述決定手段,係以使在前述過去之1以上的月經週期中所測定之體溫的短期之移動平均會成為較該體溫之長期之移動平均而更低的時序與生理日之兩者間的時間差會變小,並且在前述過去之1以上的月經週期中之短期之移動平均與長期之移動平均的兩者間之差的積分值會變大的方式,來決定前述短期天數和前述長期天數。
- 如申請專利範圍第1項或第2項所記載之資訊處理裝置,其中,係更進而具備有:預測手段,係當並未藉由前述特定手段而特定出前述短期天數之移動平均會成為較前述長期天數之移動平均而更高的時序的情況時,基於前述過去之1以上的月經週期之天數,來對於下一個生理日作預測。
- 一種資訊處理方法,係為藉由電腦所實行之資訊處理方法,其特徵為,係包含有:決定步驟,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定步驟,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定步驟所決定的前述短期天數之移動平均會成為較藉由前述決定步驟所決定的前述長期天數之移動平均而更高的時序;和推測步驟,係基於藉由前述特定步驟所特定出之時 序,來預測前述作為對象之月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
- 一種資訊處理程式產品,其特徵為,係使電腦作為下述之手段而起作用:決定手段,係針對在過去之1以上的月經週期之期間中所測定的複數天數之體溫,而以使短期天數之移動平均會成為較長期天數之移動平均而更低的時序,會與過去之1以上的生理日相重疊的方式,來決定前述短期天數和前述長期天數;和特定手段,係針對在作為對象之月經週期中所測定的體溫,而特定出藉由前述決定手段所決定的前述短期天數之移動平均會成為較藉由前述決定手段所決定的前述長期天數之移動平均而更高的時序;和推測手段,係基於藉由前述特定手段所特定出之時序,來預測前述作為對象之月經週期的下一個生理日,或者是推測出前述作為對象之月經週期中的排卵日之到來。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/054790 WO2016132529A1 (ja) | 2015-02-20 | 2015-02-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201609042A TW201609042A (zh) | 2016-03-16 |
TWI540997B true TWI540997B (zh) | 2016-07-11 |
Family
ID=54192557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104122785A TWI540997B (zh) | 2015-02-20 | 2015-07-14 | 資訊處理裝置、資訊處理方法及資訊處理程式產品 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10485487B2 (zh) |
JP (1) | JP5775242B1 (zh) |
TW (1) | TWI540997B (zh) |
WO (1) | WO2016132529A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5775243B1 (ja) | 2015-02-20 | 2015-09-09 | 楽天株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP6259147B1 (ja) * | 2017-05-16 | 2018-01-10 | 佐々木 修 | 体調予測システム |
JP6987534B2 (ja) * | 2017-05-26 | 2022-01-05 | 京セラ株式会社 | 測定装置、測定器具及び測定システム |
JP2020008922A (ja) * | 2018-07-03 | 2020-01-16 | グラフテック株式会社 | 計測データ管理装置、計測データ管理方法、および計測データ管理プログラム |
CN112689471A (zh) | 2018-07-12 | 2021-04-20 | 普瑞玛太普公司 | 阴道温度传感设备和方法 |
JP2020014665A (ja) * | 2018-07-25 | 2020-01-30 | 日本光電工業株式会社 | 生体情報表示装置、および生体情報表示用データの出力方法 |
AU2022234363A1 (en) * | 2021-03-12 | 2023-09-28 | Oura Health Oy | Menstrual cycle tracking |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4151831A (en) * | 1976-11-15 | 1979-05-01 | Safetime Monitors, Inc. | Fertility indicator |
DE3474076D1 (en) * | 1983-02-24 | 1988-10-20 | Bioself Int Inc | Apparatus indicating the present fertility conditions of a person |
JPS63191345A (ja) * | 1987-02-04 | 1988-08-08 | Fujitsu Ten Ltd | 磁気テ−プの無音部の検出装置 |
JP4240632B2 (ja) * | 1999-02-10 | 2009-03-18 | パナソニック株式会社 | 婦人体温計 |
JP2002063360A (ja) * | 2000-08-23 | 2002-02-28 | Kentex Kk | 投資情報提供装置及び方法並びにシステム |
JP5179799B2 (ja) | 2007-08-16 | 2013-04-10 | テルモ株式会社 | 婦人体温計及び生理周期予測プログラム |
JP6127249B2 (ja) * | 2013-02-12 | 2017-05-17 | キューオーエル株式会社 | ホルモンバランス推定装置およびホルモンバランス推定方法 |
GB201311580D0 (en) * | 2013-06-27 | 2013-08-14 | Fertility Focus Ltd | Data analysis system and method |
RU2016139972A (ru) * | 2014-03-28 | 2018-04-28 | Мти Лтд. | Программа для прогнозирования дня овуляции и способ его расчета |
-
2015
- 2015-02-20 JP JP2015520745A patent/JP5775242B1/ja active Active
- 2015-02-20 WO PCT/JP2015/054790 patent/WO2016132529A1/ja active Application Filing
- 2015-02-20 US US15/552,311 patent/US10485487B2/en active Active
- 2015-07-14 TW TW104122785A patent/TWI540997B/zh active
Also Published As
Publication number | Publication date |
---|---|
JPWO2016132529A1 (ja) | 2017-04-27 |
JP5775242B1 (ja) | 2015-09-09 |
US10485487B2 (en) | 2019-11-26 |
WO2016132529A1 (ja) | 2016-08-25 |
TW201609042A (zh) | 2016-03-16 |
US20180035954A1 (en) | 2018-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI540997B (zh) | 資訊處理裝置、資訊處理方法及資訊處理程式產品 | |
US11004551B2 (en) | Sleep improvement system, and sleep improvement method using said system | |
KR102178633B1 (ko) | 사용자 신용 평가 방법 및 장치, 그리고 저장 매체 | |
US11593817B2 (en) | Demand prediction method, demand prediction apparatus, and non-transitory computer-readable recording medium | |
US20220044148A1 (en) | Adapting prediction models | |
JP5508610B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US10977589B2 (en) | Task assignment method, computer program product and task assignment system | |
CN105228531B (zh) | 月经开始预定日计算装置和月经开始预定日计算方法 | |
JP6603600B2 (ja) | 需要予測方法、需要予測装置及び需要予測プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP5998307B2 (ja) | 排卵日予測プログラム及び排卵日予測方法 | |
TWI540996B (zh) | 資訊處理裝置、資訊處理方法及資訊處理程式產品 | |
Eaton et al. | Unpacking the recommended indicator for concurrent sexual partnerships | |
JP6303630B2 (ja) | 排卵日推定装置、排卵日推定方法及び排卵日推定プログラム | |
CN111354449B (zh) | 长期护理策略分配方法、装置、计算机设备和存储介质 | |
JP2018077656A (ja) | パラメータ推定装置、予測装置、方法、及びプログラム | |
JP6259147B1 (ja) | 体調予測システム | |
Brummel et al. | Flexibly monitoring group sequential survival trials when testing is based upon a weighted log-rank statistic | |
Chen | A stopping rule using the quasi-independent sequence | |
US20190029602A1 (en) | Weight Management System | |
Li et al. | Local linear extrapolation | |
JP7342968B2 (ja) | 説明作成方法、説明作成装置、及び説明作成プログラム | |
JP5269061B2 (ja) | サービス時間予測装置及びサービス時間予測方法 | |
CN116932869A (zh) | 信息推荐方法及装置 | |
Montefalcone | COVID-19 Data Analysis and Predictions in Italy Why this is relevant in the US# STAYHOME | |
KR20200073418A (ko) | 응급의료기관 종에 따른 응급실 혼잡도 예측 방법 |