WO2018207520A1 - 噴嚔予測システムおよび噴嚔予測方法 - Google Patents

噴嚔予測システムおよび噴嚔予測方法 Download PDF

Info

Publication number
WO2018207520A1
WO2018207520A1 PCT/JP2018/014860 JP2018014860W WO2018207520A1 WO 2018207520 A1 WO2018207520 A1 WO 2018207520A1 JP 2018014860 W JP2018014860 W JP 2018014860W WO 2018207520 A1 WO2018207520 A1 WO 2018207520A1
Authority
WO
WIPO (PCT)
Prior art keywords
human body
information
prediction
airway
environment
Prior art date
Application number
PCT/JP2018/014860
Other languages
English (en)
French (fr)
Inventor
祐司 尾崎
遥 仲宗根
Original Assignee
パナソニックＩｐマネジメント株式会社
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
Application filed by パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to JP2019517505A priority Critical patent/JP6751903B2/ja
Publication of WO2018207520A1 publication Critical patent/WO2018207520A1/ja

Links

Images

Classifications

    • 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
    • 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

Definitions

  • the present invention relates to a spray prediction system and the like for predicting the occurrence of a spray.
  • Patent Document 1 shows a vehicle operation support device that controls the driving operation of the host vehicle.
  • the vehicle behavior control device detects a predetermined physiological phenomenon such as sneezing of the driver of the host vehicle. Then, when a predetermined physiological phenomenon is detected, the vehicle behavior control device determines whether a predetermined operation by the driver has been performed. When it is determined that the predetermined operation has been performed, the vehicle behavior control device performs the relaxation control for alleviating the behavior of the own vehicle by the predetermined operation. This makes it possible to mitigate unintended sudden vehicle behavior caused by a predetermined physiological phenomenon such as sneezing.
  • control performed according to the detection result of the spray called sneezing may be too late because it is performed after the detection of the spray.
  • an object of the present invention is to provide a spray prediction system etc. which can predict generation of a spray in a human body appropriately.
  • an effusion prediction system including: an acquisition unit configured to acquire environment information indicating an environment with respect to a human body and human body information indicating an attribute of the human body; And a prediction unit that predicts the occurrence of wrinkles.
  • an effusion prediction method comprising: acquiring environmental information indicating an environment with respect to a human body and human body information indicating an attribute of the human body; And V. predicting the occurrence of a pressure sore.
  • the effusion prediction system or the like can appropriately predict the occurrence of effusion in a human body.
  • FIG. 1 is a block diagram showing an example of the configuration of a spray prediction system according to the embodiment.
  • FIG. 2 is a conceptual diagram showing an example of an information source in the embodiment.
  • FIG. 3 is a flowchart showing an example of the operation of the injection prediction system according to the embodiment.
  • FIG. 4 is a conceptual diagram showing an example of the spray prediction model in the first specific example.
  • FIG. 5 is a flowchart showing an example of the operation of the injection prediction system in the first example.
  • FIG. 6 is a conceptual diagram showing an example of an airway model in Example 2.
  • FIG. 7 is a flowchart showing an example of the operation of the injection prediction system in the second example.
  • FIG. 8 is a conceptual diagram showing an example of the space model in the third example.
  • FIG. 9 is a flowchart illustrating an example of the operation of the acquisition unit in the third specific example.
  • FIG. 1 is a block diagram showing an example of the configuration of a spray prediction system according to the present embodiment.
  • the spray prediction system 100 shown in FIG. 1 includes an acquisition unit 101 and a prediction unit 102.
  • the effusion prediction system 100 is a system for predicting the occurrence of effusion in a human body, and is, for example, a computer system.
  • the spray prediction system 100 may also be described as a spray prediction device.
  • the spray prediction system 100 may be a single device or may be configured of multiple devices.
  • the effusion prediction system 100 may be installed near or far from the human body where the occurrence of effusion is predicted.
  • vomiting means sneezing.
  • the acquisition unit 101 is an acquisition device that acquires information for predicting the occurrence of an effusion in a human body.
  • the acquisition unit 101 may be a general-purpose or dedicated electric circuit.
  • the acquisition unit 101 may acquire information by receiving information through wired or wireless communication.
  • the acquisition unit 101 may include a terminal or an antenna for communication.
  • the acquisition unit 101 may acquire information detected by various sensors by receiving information from various sensors.
  • the acquisition unit 101 may include various sensors for detecting information.
  • the acquisition unit 101 may acquire information via an input interface such as a mouse, a keyboard, or a touch panel. Further, the acquisition unit 101 may acquire information from a memory such as a recording medium. Further, the acquisition unit 101 may include an input interface or may include a memory. Further, the acquisition unit 101 may perform information processing on the acquired information, and acquire the result of the information processing as new information.
  • the acquisition unit 101 acquires environment information indicating an environment.
  • the environment is the environment for the human body, and the temperature, humidity, air quality, dust amount, pollen amount, PM 2.5 concentration, odor, wind speed, wind direction, radiation dose, or suspended particulate matter characteristics in the vicinity of the human body Etc.
  • the amount of clothing may be included in the environment.
  • the environment may be detected by an environmental sensor. Then, the acquisition unit 101 may acquire environmental information indicating the detected environment from the environmental sensor.
  • the acquisition unit 101 may include an environment sensor that detects an environment.
  • the acquisition unit 101 may acquire environmental information without using the environmental sensor.
  • the acquisition unit 101 may acquire, as environmental information, information indicating the state of a device such as an air conditioner or fan that affects the environment, or environmental information indicating temperature and humidity estimated from the state of the device. You may get Further, the acquisition unit 101 may acquire information indicating the position of a human body as environmental information, or may acquire environmental information indicating temperature and humidity estimated from the position of the human body.
  • the acquisition unit 101 may also acquire environment information via an input interface. Further, the acquisition unit 101 may acquire environmental information from a combination of a plurality of information sources.
  • the acquisition unit 101 acquires human body information indicating an attribute of a human body.
  • the attributes of the human body include blood pressure, pulse, heart rate, blood component, respiratory volume, vital capacity, allergy intensity, metabolic rate, body temperature, body surface temperature, height, weight, age, gender, autonomic nervous balance, and the like.
  • the attributes of the human body may include an MRI image which is an image obtained by MRI (Magnetic Resonance Imaging), or a feature indicated by the MRI image.
  • the attribute of the human body may include a CT image which is an image obtained by CT (Computed Tomography) or a feature indicated by the CT image.
  • the human body information may indicate an attribute included in biological information, vital signs, vital data, blood information or the like of the human body as an attribute of the human body.
  • the human body information may indicate behavior characteristics as an attribute of the human body.
  • the behavior characteristic includes the place to go out, the time to go out, the period to go out, the action content, the meal content, the medication content, the wake-up time, the bedtime, or the lifestyle.
  • the attribute of the biological information of the human body may be detected by the biological sensor as the attribute of the human body.
  • acquisition part 101 may acquire human body information which shows a detected attribute from a living body sensor.
  • the acquisition unit 101 may include a biological sensor that detects an attribute of biological information of a human body as an attribute of the human body.
  • the acquisition unit 101 may acquire human body information without using a biological sensor.
  • the acquisition unit 101 may acquire, from the memory, human body information which is previously input through the input interface and stored in the memory.
  • the acquisition unit 101 may acquire human body information from a combination of a plurality of information sources.
  • the acquisition unit 101 may acquire performance information indicating a performance value of the occurrence of a spray on a human body.
  • the performance information indicates, as a performance value, whether or not an eruption has occurred in the human body.
  • the performance information may indicate, as a performance value, the frequency of occurrence of an effusion in the human body.
  • the generation of a spray on the human body may be detected by an image obtained by a camera, a sound obtained by a microphone, or a combination thereof.
  • the acquisition unit 101 acquires an image acquired by the camera from the camera, and acquires a sound acquired by the microphone from the microphone. Then, the acquisition unit 101 performs image recognition on the acquired image, and performs sound recognition on the acquired sound. Then, the acquisition unit 101 detects whether or not an ejaculation has occurred in the human body according to the result of the image recognition and the sound recognition. Then, the acquisition unit 101 acquires performance information indicating, as a performance value, a detection result as to whether or not an injection has occurred in a human body.
  • the acquisition unit 101 may include a camera and a microphone that are used to acquire performance information indicating a performance value of the occurrence of a jet of the human body.
  • the living body sensor may detect whether or not an eruption has occurred in the human body. Then, the acquiring unit 101 may acquire, from the biological sensor, result information indicating, as a result value, a detection result as to whether or not an injection has occurred in the human body.
  • the acquisition unit 101 may include a biological sensor that detects whether or not an eruption has occurred in the human body.
  • the acquisition unit 101 may acquire an airway model indicating the airway of a human body.
  • the airway model is a mathematical model in which the shape of the airway of the human body is reflected.
  • the acquisition unit 101 acquires an MRI image, a CT image, or the like. Then, the acquiring unit 101 estimates the shape of the airway of a human body from an MRI image or a CT image, and performs mathematical modeling of the estimated shape, thereby acquiring an airway model representing the airway as a mathematical model.
  • the acquisition unit 101 may acquire, from another computer system, an airway model constructed by another computer system according to an MRI image or a CT image.
  • the acquisition unit 101 may also acquire human body information including an airway model.
  • the acquisition unit 101 may acquire state information indicating a state in the observation space.
  • the observation space is a space apart from the human body and a space in which a state is observed. This state may be a state of operation of the device in the observation space, or may be a state detected as an environment by an environment sensor in the observation space.
  • the acquisition unit 101 may acquire state information indicating a state from a device, an environment sensor, or the like.
  • the acquisition unit 101 may acquire environment information indicating an environment in a near space, which is a space closer to the human body than the observation space, according to the acquired state information.
  • the near space may be a space near the surface of the human body or a space near the nose or mouth of the human body.
  • the acquisition unit 101 performs data assimilation of acquired state information on a space model indicating a space including a human body and an observation space. Then, the acquisition unit 101 estimates the environment in the near space according to the space model in which data assimilation of state information has been performed. Then, the acquisition unit 101 acquires environment information indicating the estimated environment.
  • the space including the human body and the observation space can also be expressed as an inclusive space.
  • the acquisition unit 101 may be configured by a plurality of acquisition units that acquire a plurality of types of information.
  • the acquisition unit 101 includes an environment information acquisition unit that acquires environment information, a human body information acquisition unit that acquires human body information, a track record information acquisition unit that acquires track record information, a state information acquisition unit that acquires state information, and an airway.
  • An airway model acquisition unit that acquires a model may be included.
  • the prediction unit 102 is a predictor that predicts the occurrence of ejaculation in the human body according to the information acquired by the acquisition unit 101.
  • the prediction unit 102 may be a general-purpose or dedicated electric circuit.
  • the prediction unit 102 predicts whether or not an effusion occurs in a human body.
  • the prediction unit 102 may predict the possibility of occurrence of ejaculation in the human body, that is, the probability of occurrence of ejaculation in the human body.
  • the prediction unit 102 may estimate the possibility of occurrence of ejaculation in the human body, that is, the probability of occurrence of ejaculation in the human body.
  • the prediction part 102 outputs the prediction result of generation
  • the prediction unit 102 may output the prediction result by displaying the prediction result on a display or the like, may output the prediction result as voice, or may output the prediction result as data to another system. Good.
  • the prediction unit 102 predicts the occurrence of an effusion in the human body in accordance with the environment information and the human body information acquired by the acquisition unit 101. For example, the prediction unit 102 determines whether or not the environment information indicates an environment in which a spray is likely to occur, and whether or not the human body information indicates an attribute of a human body in which a spray is likely to occur. The occurrence of hemorrhoids may be predicted.
  • the prediction unit 102 may predict the occurrence of the injection according to the injection prediction model, the environment information and the human body information.
  • the spray prediction model is a model in which environmental information and human body information are used as explanatory variables, and prediction information indicating a predicted value of occurrence of jets is used as a target variable.
  • the prediction information may indicate, as a prediction value, whether or not an ejaculation occurs in a human body, or may indicate, as a prediction value, a probability that an ejaculation occurs in a human body.
  • the prediction unit 102 may derive prediction information from the environment information and the human body information acquired by the acquisition unit 101 according to the above-described injection prediction model, and may predict the occurrence of injection according to the derived prediction information. .
  • the prediction unit 102 may update the above-described injection prediction model in accordance with the track record information acquired by the acquisition unit 101. More specifically, the prediction unit 102 may reflect the actual result information on the prediction information in the above-described injection prediction model.
  • the prediction unit 102 may perform data assimilation of environmental information and human body information acquired by the acquisition unit 101 with respect to the airway model acquired by the acquisition unit 101 in order to predict the occurrence of an effusion. That is, the prediction unit 102 may reflect environmental information and human body information on the airway model.
  • the prediction part 102 may estimate the airway state which is a state of the airway of a human body according to the airway model in which data assimilation of environmental information and human body information was performed. Then, the prediction unit 102 may predict the occurrence of an effusion according to the estimated airway state. That is, the prediction unit 102 may predict the occurrence of an ejaculation in accordance with airway state information indicating the estimated airway state. Specifically, the prediction unit 102 may predict the occurrence of ejaculation according to the state value indicating the estimated airway state.
  • the airway condition may be a condition relating to the amount of foreign matter such as pollen or dust adhering to the airway, a condition relating to the size of air flow in the airway, or a condition relating to the composition of air in the airway.
  • the state value of the airway state may be a value indicating the amount of foreign matter adhering to the airway, a value indicating the size of the air flow in the airway, or a value indicating the component of air in the airway.
  • the prediction unit 102 predicts the occurrence of ejaculation in the human body according to whether or not the estimated airway state matches the airway state in which the ejaculation tends to occur. Further, the prediction unit 102 derives a predicted value of the occurrence of ejaculation from the estimated state value of the airway condition according to a relational expression for converting the state value of the airway condition into a predicted value of the occurrence of ejaculation. According to the predicted value, the occurrence of an effusion may be predicted. The predicted value may be a predicted value as to whether or not an ejaculation occurs in a human body, or a predicted value of a probability of an ejaculation occurring in a human body.
  • the prediction unit 102 may predict whether or not an effusion occurs in the human body according to whether or not the estimated state value of the airway state is larger than a threshold. Alternatively, the prediction unit 102 may predict the probability of occurrence of ejaculation in the human body by comparing the estimated state value of the airway state with one or more threshold values.
  • the prediction unit 102 may estimate the amount of foreign matter adhering to the airway as the airway state in accordance with the airway model in which data assimilation of environmental information and human body information is performed. Then, the prediction unit 102 may predict the probability of occurrence of a jet of the higher, as the amount of foreign matter is larger. At that time, a relational expression that converts the amount of foreign matter into the probability of occurrence of injection may be used, or the comparison result between the amount of foreign matter and one or more threshold values may be used.
  • the prediction unit 102 may perform dimension reduction of the airway model acquired by the acquisition unit 101. Then, the prediction unit 102 may estimate the airway state according to the airway model in which the dimension reduction has been performed.
  • the effusion prediction system 100 may further include an output unit (not shown) that outputs a prediction result of the occurrence of effusion in a human body.
  • the output unit may output the prediction result by displaying the prediction result on a display or the like, may output the prediction result as voice, or may output the prediction result as data to another system .
  • FIG. 2 is a conceptual diagram showing an example of an information source of information acquired by the acquisition unit 101 shown in FIG.
  • the apparatus 111, the environment sensor 112, the biometric sensor 113, the camera 114, and the microphone 115 are shown by FIG. 2 as an example of an information source.
  • the acquisition unit 101 acquires information from these information sources by wired or wireless communication.
  • the device 111 is a device that affects the environment for the human body.
  • the device 111 is an air conditioner, a blower, a humidifier, a ventilation fan, a fan, an air cleaner, a vacuum cleaner or the like.
  • the acquisition unit 101 may acquire state information indicating the state of operation of the device 111 as environment information. Alternatively, the acquiring unit 101 may acquire environment information indicating an estimated environment by estimating an environment for a human body from state information indicating an operation state of the device 111.
  • the acquisition unit 101 may acquire, as environment information, state information indicating whether the device 111 is performing the air blowing operation.
  • the acquisition unit 101 may acquire state information indicating the state of whether or not the device 111 is performing the air blowing operation, and estimate the wind speed from the acquired state information. Then, the acquisition unit 101 may acquire environmental information indicating the estimated wind speed.
  • the environment sensor 112 is a sensor that detects an environment.
  • the environment sensor 112 detects temperature, humidity, air quality, dust amount, pollen amount, PM 2.5 concentration, odor, wind speed, wind direction, radiation amount, suspended particulate matter characteristics and the like.
  • Environment sensor 112 may detect any combination of these.
  • the environment sensor 112 may be configured by a plurality of sensors.
  • the acquisition unit 101 acquires, from the environment sensor 112, environment information indicating the environment detected by the environment sensor 112.
  • the acquisition unit 101 may acquire, from the environment sensor 112, state information indicating the environment detected by the environment sensor 112 as a state.
  • the acquisition unit 101 may estimate the environment in the near space closer to the human body than the environment sensor 112 from the state information, and may acquire environment information indicating the estimated environment.
  • the acquisition unit 101 may estimate a temperature lower than the temperature indicated by the state information acquired from the environment sensor 112 as the environment in the near space. Then, the acquisition unit 101 may acquire environment information indicating the estimated environment.
  • the living body sensor 113 is a sensor that detects an attribute related to living body information of a human body.
  • the biological sensor 113 detects blood pressure, pulse, heart rate, respiratory rate, body temperature, body surface temperature, and the like. Biometric sensor 113 may detect any combination of these.
  • the living body sensor 113 may be configured by a plurality of sensors. Further, the living body sensor 113 may be attached to a human body. Then, for example, the acquiring unit 101 acquires, from the biological sensor 113, human body information indicating the attribute detected by the biological sensor 113.
  • the living body sensor 113 may detect whether or not an eruption has occurred in the human body. Then, the acquiring unit 101 may acquire, from the biological sensor 113, result information indicating, as a result value, a detection result as to whether or not an injection has occurred in a human body.
  • the camera 114 is a digital camera and is an apparatus that acquires an image as an electrical signal.
  • the camera 114 acquires an image including a human body as a subject.
  • the camera 114 may acquire an image as a video.
  • the acquisition unit 101 acquires an image acquired by the camera 114 from the camera 114. Then, according to the result of the image recognition on the image acquired from the camera 114, the acquisition unit 101 detects whether or not a spray has occurred in the human body. Specifically, the acquisition unit 101 detects whether or not the jet has occurred, according to whether or not the feature of the image obtained from the camera 114 matches the feature of the image at the time of occurrence of the jet. Then, the acquisition unit 101 acquires performance information indicating, as a performance value, a detection result as to whether or not an injection has occurred in a human body.
  • the microphone 115 is a device that acquires sound as an electrical signal.
  • the microphone 115 acquires the sound emitted by the human body by acquiring the sound in the vicinity of the human body.
  • the acquisition unit 101 acquires the sound acquired by the microphone 115 from the microphone 115. Then, in accordance with the result of the sound recognition for the sound acquired from the microphone 115, the acquisition unit 101 detects whether or not a spray has occurred in the human body. Specifically, the acquisition unit 101 detects whether or not the jet has occurred according to whether the sound obtained from the microphone 115 matches the sound at the time of the occurrence of the jet. Then, the acquisition unit 101 acquires performance information indicating, as a performance value, a detection result as to whether or not an injection has occurred in a human body.
  • the acquisition unit 101 uses the information acquired from the living body sensor 113, the information acquired from the camera 114, and the information acquired from the microphone 115 to indicate the actual value of the occurrence of the injection of the human body in the human body. You may acquire the performance information which shows.
  • the acquiring unit 101 may determine whether or not an ejaculation has occurred in the human body according to any combination of the information acquired from the biological sensor 113, the information acquired from the camera 114, and the information acquired from the microphone 115. It may be determined comprehensively. Then, the acquisition unit 101 may acquire performance information indicating, as a performance value, a comprehensive determination result as to whether or not an injection has occurred in a human body.
  • the environment sensor 112 may be attached to the human body as in the case of the biological sensor 113. Further, the living body sensor 113 and the environment sensor 112 may be integrated.
  • an open / close sensor (not shown) may detect the open / close of the door or window.
  • the acquisition unit 101 may acquire state information indicating an open / close state of the door or window from the open / close sensor.
  • the acquisition unit 101 may use state information acquired from the open / close sensor to acquire environmental information. For example, the acquisition unit 101 may estimate the cleaned environment according to status information indicating that a door or window is opened. Then, the acquisition unit 101 may acquire environment information indicating the estimated environment.
  • the acquisition unit 101 may acquire state information indicating a plurality of states from a plurality of sensors and a plurality of devices. Then, the acquisition unit 101 may estimate an environment closer to the human body or the respiratory system of the human body than any of the plurality of sensors and the plurality of devices from the plurality of states. Then, the acquisition unit 101 may acquire environment information indicating the estimated environment.
  • FIG. 2 shows an example of an information source, and the information source is not limited to the example of FIG.
  • human body information is not limited to the information obtained from the biometric sensor 113.
  • the acquisition unit 101 may acquire human body information and the like input via the input interface. Further, the acquisition unit 101 may acquire an airway model and the like from a memory such as a recording medium or from another computer system.
  • FIG. 3 is a flow chart showing an example of the operation of the spray prediction system 100 shown in FIG. In the present embodiment, the spray prediction system 100 performs the operation shown in FIG.
  • the acquiring unit 101 of the effusion prediction system 100 acquires environment information indicating an environment with respect to a human body and human body information indicating an attribute of the human body (S101). For example, the acquisition unit 101 acquires environmental information from the device 111 or the environmental sensor 112 illustrated in FIG. Further, for example, the acquisition unit 101 acquires human body information from the biological sensor 113 illustrated in FIG.
  • the prediction unit 102 of the effusion prediction system 100 predicts the occurrence of effusion in the human body according to the environment information and the human body information (S102).
  • the prediction unit 102 may predict whether or not ejaculation occurs in the human body, or may predict the probability of ejaculation occurring in the human body.
  • the ejaculation prediction system 100 can predict the occurrence of ejaculation in the human body according to the environmental information indicating the environment with respect to the human body and the human body information indicating the attribute of the human body.
  • Environmental information indicating the environment with respect to the human body and human body information indicating the attribute of the human body are assumed to affect the occurrence of ejaculation in the human body. Therefore, the effusion prediction system 100 can appropriately predict the occurrence of ejaculation in the human body based on environmental information and human body information assumed to affect the occurrence of ejaculation in the human body.
  • the prediction unit 102 may predict the generation of the spray according to the spray prediction model, the environment information and the human body information.
  • the spray prediction model is a model in which environmental information and human body information are used as explanatory variables, and prediction information indicating a predicted value of occurrence of injection is used as a target variable.
  • the ejection prediction system 100 can derive appropriate prediction information from the environment information and the human body information, and can appropriately predict the occurrence of the injection according to the derived prediction information.
  • the acquisition unit 101 may further acquire the actual result information indicating the actual value of the occurrence of the injection. Then, the prediction unit 102 may update the injection prediction model according to the acquired performance information. Thereby, the injection prediction system 100 can improve the prediction accuracy of the occurrence of the injection according to the record of the generation of the injection.
  • the acquisition unit 101 may acquire an airway model indicating the airway of a human body. Then, in the prediction of the occurrence of the eruption (S102), the prediction unit 102 may perform data assimilation of environmental information and human body information on the airway model. And the prediction part 102 may estimate the airway state which is a state of the airway according to the airway model in which data assimilation of environmental information and human body information was performed. Then, the prediction unit 102 may predict the occurrence of an effusion according to the estimated airway state.
  • the ejaculation prediction system 100 can appropriately predict the occurrence of ejaculation according to the airway state estimated from the airway model, the environment information and the human body information.
  • the prediction unit 102 predicts the occurrence of ejaculation (S102) according to the estimated state value of the airway state and the relationship between the state value and the predicted value of the occurrence of ejaculation.
  • the occurrence of an effusion may be predicted.
  • the prediction unit 102 may predict the occurrence of ejaculation according to the estimated airway condition state value and one or more threshold values. Thereby, the ejection prediction system 100 can appropriately predict the occurrence of the ejection according to the state value of the airway state and the like.
  • the prediction unit 102 may perform dimensional reduction of the airway model, and estimate the airway state in accordance with the airway model in which the dimensional reduction has been performed. Thereby, the ejaculation prediction system 100 can estimate the airway state at high speed according to the simplified airway model.
  • the acquisition unit 101 may acquire human body information including an airway model indicating an airway of a human body.
  • the effusion prediction system 100 can reflect an airway model in prediction of occurrence of effusion.
  • the airway model is assumed to affect the occurrence of effusions. Therefore, the effusion prediction system 100 can appropriately predict the occurrence of the effusion based on the human body information including the airway model assumed to affect the occurrence of the effusion and the environmental information.
  • the acquisition unit 101 may acquire state information indicating a state in the observation space apart from the human body. Then, the acquisition unit 101 may perform data assimilation of state information on a space model indicating a space including a human body and an observation space. Then, the acquisition unit 101 may estimate the environment in the near space, which is a space closer to the human body than the observation space, according to the space model in which data assimilation of state information is performed. Then, the acquisition unit 101 may acquire environment information indicating the estimated environment.
  • the ejection prediction system 100 can reflect environmental information indicating an environment in a space close to the human body in the prediction of the occurrence of the ejection.
  • Environmental information that indicates the environment in a space close to the human body is assumed to greatly affect the occurrence of the effusion. Therefore, the ejection prediction system 100 can predict the occurrence of the injection more appropriately by the environmental information assumed to affect the occurrence of the injection and the human body information.
  • FIG. 4 a plurality of specific examples will be described using FIGS. 4 to 9.
  • FIG. 4 a plurality of specific examples will be described using FIGS. 4 to 9.
  • Specific Example 1 First, Specific Example 1 will be described using FIGS. 4 and 5.
  • the spray prediction system 100 predicts the occurrence of spray using a spray prediction model.
  • FIG. 4 is a conceptual diagram showing an example of a spray prediction model used by the spray prediction system 100 shown in FIG.
  • the spray prediction system 100 uses a spray prediction model as shown in FIG.
  • the effusion prediction model is a model in which environmental information and human body information are used as explanatory variables, and prediction information is used as a target variable.
  • the environmental information indicates the temperature, the amount of pollen, and the like.
  • the human body information also indicates blood pressure, body weight and the like.
  • the prediction information indicates a prediction value of occurrence of a jet, and specifically indicates a prediction value of whether or not a jet is generated.
  • environmental information, human body information, and prediction information are associated with each other.
  • prediction information is associated with each combination of a plurality of patterns of environmental information and a plurality of patterns of human body information.
  • the injection prediction system 100 can derive prediction information from environmental information and human body information.
  • the effusion prediction model may be acquired by the acquisition unit 101 or may be incorporated in the prediction unit 102 in advance.
  • the prediction unit 102 may include a database, and the injection prediction model may be implemented as a table of the database.
  • FIG. 5 is a flow chart showing an example of the operation of the spray prediction system 100 shown in FIG. In this specific example, the spray prediction system 100 performs the operation shown in FIG.
  • the acquiring unit 101 of the effusion prediction system 100 acquires environment information indicating an environment with respect to a human body and human body information indicating an attribute of the human body (S111).
  • the acquisition unit 101 acquires environmental information indicating temperature and pollen amount and the like, and human body information indicating blood pressure and weight and the like.
  • the prediction unit 102 of the spray prediction system 100 predicts the occurrence of spray in the human body according to the spray prediction model, the environment information and the human body information (S112). Specifically, the prediction unit 102 derives prediction values associated with the temperature and the amount of pollen and the like indicated by the environmental information and the blood pressure and the weight and the like indicated by the human body information according to the ejaculation prediction model. Then, the prediction unit 102 predicts the occurrence of ejaculation in the human body according to the derived predicted value.
  • the acquisition unit 101 of the injection prediction system 100 acquires actual result information indicating an actual value of occurrence of injection in a human body (S113). For example, the acquiring unit 101 acquires an image and a sound from the camera 114 and the microphone 115 illustrated in FIG. 2 and performs image recognition and sound recognition on the acquired image and sound to obtain an image of the human body. Detect the occurrence. And the acquisition part 101 acquires the performance information which shows the performance value of generation
  • the prediction unit 102 of the injection prediction system 100 updates the injection prediction model according to the result information acquired by the acquisition unit 101 (S114).
  • the prediction unit 102 may use, as the actual value in the actual information acquired by the acquisition unit 101, the predicted value in the prediction information associated with the environment information and human body information acquired by the acquisition unit 101 in the injection prediction model. Update.
  • the prediction unit 102 inserts the combination of the environmental information, the human body information, and the performance information acquired by the acquisition unit 101 into the injection prediction model as a combination of the environmental information, the human body information, and the prediction information.
  • the prediction model may be updated.
  • the spray prediction system 100 repeats the above-described series of processes (S111 to S114). Thereby, the spray prediction system 100 can predict the occurrence of the spray according to the spray prediction model or the like, and can update the spray prediction model according to the record of the occurrence of the spray.
  • one of the environment information and the human body information may be repeatedly acquired.
  • the other information may be acquired only at the first time, and may not be acquired repeatedly.
  • the injection prediction system 100 may include an update unit that updates the injection prediction model.
  • the spray prediction model is represented by a table.
  • the spray prediction model is not limited to a model represented by a table.
  • the effusion prediction model may be expressed by a relational expression.
  • the spray prediction model may be represented by a neural network model used in machine learning.
  • the spray prediction model may be represented by a neural network model of a multi-layered structure used in deep learning.
  • the eruption prediction model can also be expressed as a learning model.
  • the effusion prediction system 100 predicts the occurrence of effusion using an airway model.
  • FIG. 6 is a conceptual diagram showing an example of an airway model used by the effusion prediction system 100 shown in FIG.
  • the ejaculation prediction system 100 is an airway model as schematically shown in FIG. 6, and uses an airway model that shows the airway as a mathematical model. Specifically, the ejaculation prediction system 100 estimates an airway state which is a state of an airway according to an airway model in which data assimilation of environmental information and human body information is performed, and predicts the occurrence of ejaculation according to the estimated airway state Do.
  • the acquisition unit 101 of the effusion prediction system 100 acquires an MRI image or a CT image or the like input to the effusion prediction system 100 via an input interface or the like. Then, the acquisition unit 101 estimates the shape of the airway of a human body from an MRI image, a CT image or the like, and acquires a mathematical model of the estimated shape as an airway model. That is, at the stage when the airway model is acquired by the acquisition unit 101, the airway model shows the shape of the airway.
  • the acquisition unit 101 of the injection prediction system 100 acquires environmental information and human body information. Then, the prediction unit 102 of the effusion prediction system 100 performs data assimilation of environmental information and human body information on the airway model. That is, the prediction unit 102 reflects environmental information and human body information on the airway model.
  • environmental information affects the nature of air entering the airways.
  • human body information affects the condition inside the airway, in particular the condition inside the airway, and also affects the amount of air entering the airway.
  • temperature, humidity and pollen quantity in environmental information can affect the nature of air entering the airway.
  • blood components, metabolic amounts, body temperature, food content, allergy intensity and the like in human body information may affect the internal condition of the airway, in particular the internal condition of the airway.
  • respiratory volume and vital capacity etc. in human body information can affect the amount of air entering the airway.
  • an airway model subjected to data assimilation of environmental information and human body information can indicate the nature and amount of air entering the airway, the internal condition of the airway, and the like. That is, an airway model in which data assimilation of environmental information and human body information is performed can indicate an airway state including a component of air in the airway.
  • the prediction unit 102 estimates an airway state according to an airway model in which data assimilation of environmental information and human body information is performed. Estimated airway conditions may also include components of air in the airways.
  • the prediction unit 102 predicts the occurrence of ejaculation according to the airway state estimated from the airway model in which data assimilation of environmental information and human body information has been performed.
  • FIG. 7 is a flow chart showing an example of the operation of the spray prediction system 100 shown in FIG. In this specific example, the spray prediction system 100 performs the operation shown in FIG.
  • the acquiring unit 101 of the effusion prediction system 100 acquires an airway model, environmental information, and human body information (S121).
  • the acquisition unit 101 acquires an MRI image or a CT image or the like via an input interface or the like, and acquires an airway model according to the MRI image or the CT image or the like.
  • the acquisition unit 101 may acquire environmental information from the environmental sensor 112 shown in FIG.
  • the acquisition unit 101 may acquire human body information from the biological sensor 113 shown in FIG.
  • the prediction unit 102 of the effusion prediction system 100 performs data assimilation of environmental information and human body information on the airway model (S122). Then, the prediction unit 102 estimates the airway state according to the airway model in which data assimilation of environmental information and human body information has been performed (S123).
  • the prediction unit 102 predicts the occurrence of an effusion according to the estimated airway state (S124). For example, the prediction unit 102 derives a predicted value of the occurrence of ejaculation from the estimated state value of the airway condition according to a relational expression for converting the state value of the airway condition into a predicted value of the occurrence of ejaculation. According to the predicted value, the occurrence of an effusion may be predicted. Alternatively, the prediction unit 102 may predict the occurrence of ejaculation according to the comparison result of the estimated airway condition state value and one or more threshold values.
  • the spray prediction system 100 repeats the above-described series of processes (S121 to S124). Thereby, the ejaculation prediction system 100 can predict the occurrence of ejaculation according to the airway state estimated from the airway model.
  • one of the environment information and the human body information may be repeatedly acquired.
  • the other information may be acquired only at the first time, and may not be acquired repeatedly.
  • the airway model may be acquired only at the first time, and may not be acquired repeatedly.
  • the prediction unit 102 may perform dimension reduction of the airway model acquired by the acquisition unit 101. Then, the prediction unit 102 may estimate the airway state according to the airway model in which the dimension reduction has been performed. In an extreme example, the prediction unit 102 may reduce the three-dimensional airway model acquired by the acquisition unit 101 into a two-dimensional airway model, and estimate the airway state according to the two-dimensional airway model.
  • the dimension reduction is not limited to the reduction of the spatial dimension of the airway model, but may be a reduction of the dimension in a relational expression corresponding to the airway model.
  • the dimensional reduction of the airway model reduces the amount of processing and processing time to estimate airway conditions according to the airway model.
  • the prediction unit 102 may perform dimension reduction of the airway model acquired by the acquisition unit 101, and perform data assimilation of environmental information and human body information on the airway model for which the dimension reduction has been performed. This reduces the amount of processing and processing time for data assimilation of environmental information and human body information.
  • the airway model is acquired as an element of human body information and used as an element of explanatory variables of the ejaculation prediction model shown in the first example. It is also good. And, according to the spray prediction model shown in the specific example 1, the occurrence of the spray may be predicted.
  • Specific Example 1 and Specific Example 2 may be combined.
  • the prediction result based on the specific example 1 and the prediction result based on the specific example 2 may be combined to comprehensively predict the occurrence of a jet.
  • the effusion prediction system 100 acquires state information indicating the state in the observation space, and acquires environment information indicating the environment in the near space, which is a space closer to the human body than the observation space.
  • FIG. 8 is a conceptual diagram showing an example of a space model used by the acquisition unit 101 shown in FIG.
  • the acquisition unit 101 is a space model as conceptually shown in FIG. 8 and uses a space model that represents a space including a human body and an observation space as a mathematical model.
  • the space model indicates a space corresponding to a room, facility, building or the like in which a human body is present.
  • This space is basically a space closed by walls, floors and ceilings, etc., but may be a partially or totally open space.
  • the space model indicates the shape and size of the space, the position, shape and size of the object in the space, the position of the human body in the space, the position of the observation space in the space, and the like at an early stage.
  • the position of the human body in the space may be a fixed position estimated according to the position of a chair or bed or the like, or a dynamic position estimated according to an image etc. obtained from the camera 114 shown in FIG. It may be The position, shape and size of the object in space, and the position of the observation space in space may also be fixed positions or dynamic positions estimated according to the image obtained from the camera 114 It is also good.
  • the spatial model may also reflect environmental differences between locations contained in the space.
  • the space may include a position where the temperature or humidity is relatively high and a position where the temperature or humidity is relatively low. Such environmental differences may be reflected in the spatial model.
  • the space model may be acquired by the acquisition unit 101 via an input / output interface or the like, or may be incorporated in the acquisition unit 101 in advance.
  • the observation space included in the space indicated by the space model is, for example, a space in which the device 111 or the environment sensor 112 or the like shown in FIG. 2 is installed.
  • the acquisition unit 101 may acquire state information indicating the state of operation of the device 111 from the device 111, or may acquire state information indicating the environment detected by the environment sensor 112 from the environment sensor 112. .
  • the acquisition unit 101 performs data assimilation of the acquired state information on the space model. That is, the acquisition unit 101 reflects the state information on the space model.
  • the acquisition unit 101 may reflect the state information on the spatial model so that the operation state of the device 111 is reflected more as the observation space in which the device 111 is installed is closer.
  • the acquisition unit 101 may maintain the environmental difference between the positions included in the space at a predetermined ratio.
  • the acquisition unit 101 estimates the environment in the near space, which is a space closer to the human body than the observation space, according to the space model in which data assimilation of state information is performed, and acquires environment information indicating the estimated environment.
  • FIG. 9 is a flowchart showing an example of the operation of the acquisition unit 101 shown in FIG. In this specific example, the acquisition unit 101 performs the operation illustrated in FIG. 9 in acquiring environmental information.
  • the acquisition unit 101 acquires state information indicating a state in the observation space (S131).
  • the state in the observation space may be the state of the operation of the device 111 in the observation space, or may be the state of the environment detected by the environment sensor 112 in the observation space.
  • the acquisition unit 101 acquires, from the device 111 in the observation space, state information indicating the state of the operation of the device 111.
  • the acquiring unit 101 acquires state information indicating the state of the environment detected by the environment sensor 112 from the environment sensor 112 in the observation space.
  • the acquisition unit 101 performs data assimilation of state information on a space model indicating a space including a human body and an observation space as a mathematical model (S132). That is, the acquisition unit 101 reflects the state information on the space model. For example, the state indicated by the state information and the environment at each position in space may have a correlation. Therefore, a space model in which data assimilation of state information is performed can indicate the environment at each position in space.
  • the acquisition unit 101 estimates an environment in a near space closer to the human body than the observation space according to the space model in which data assimilation of state information is performed (S133). Then, environmental information indicating the estimated environment is acquired (S134). Thus, the acquisition unit 101 can acquire environment information indicating an environment in a near space closer to the human body than the observation space where the device 111 or the environment sensor 112 is installed.
  • the injection prediction system 100 can predict the occurrence of the injection more appropriately by the environmental information indicating the environment in the near space.
  • the acquiring unit 101 may acquire state information indicating each state in a plurality of observation spaces. Good. Then, the acquiring unit 101 may perform data assimilation of state information indicating each state on the space model. Then, the acquisition unit 101 may estimate the environment in the near space closer to the human body than any observation space, and may acquire environment information indicating the estimated environment. Thereby, environmental information indicating the environment more appropriately is acquired.
  • the effusion prediction system 100 shown in the embodiment and the like can predict the occurrence of ejaculation in the human body according to environmental information indicating an environment with respect to the human body and human body information indicating an attribute of the human body.
  • Environmental information indicating the environment with respect to the human body and human body information indicating the attribute of the human body are assumed to affect the occurrence of ejaculation in the human body. Therefore, the effusion prediction system 100 can appropriately predict the occurrence of ejaculation in the human body based on environmental information and human body information assumed to affect the occurrence of ejaculation in the human body.
  • the spray prediction system 100 is used to prevent the spread of viruses, bacteria, and the like that scatter during spraying.
  • the air purifier operates in the sterilization mode or the sterilization mode, etc. to effectively prevent the spread of viruses or bacteria, etc. Be done.
  • the spray prediction system 100 may include such an air purifier.
  • the spray prediction system 100 may be included in such an air purifier.
  • the device 111 that affects the environment may perform an operation to prevent the occurrence of the spray. That is, in this case, the device 111 may change the operation so that the injection prediction system 100 predicts that no injection will occur.
  • the spray prediction system 100 may include such a device 111.
  • the spray prediction system 100 may be included in such a device 111.
  • a driver driving a vehicle may perform an erroneous operation due to the occurrence of a spray.
  • the operation for preventing the occurrence of the injection is performed by the injection prediction system 100, the device 111, and the like, so that the generation of the injection may be prevented and an erroneous operation may be prevented.
  • the injection prediction system 100 may include an alarm unit that generates an alarm according to the prediction result of the occurrence of injection.
  • the alarm unit may generate an alarm if it is predicted that a spray will occur, or if the probability that a spray will be generated is equal to or greater than a predetermined probability. Thereby, for example, the driver driving the vehicle is alerted according to the prediction result of the occurrence of the spray. And thereby, the erroneous operation is prevented.
  • the spray prediction system 100 can provide support for suppressing the influence caused by the occurrence of the spray.
  • the effusion prediction system 100 in 1 aspect of this invention was demonstrated according to embodiment etc., this invention is not limited to embodiment etc.
  • the present invention also includes an embodiment obtained by applying variations that will occur to those skilled in the art to the embodiment and the like, and another embodiment realized by arbitrarily combining a plurality of components in the embodiment and the like.
  • another component may perform the processing that a particular component performs. Further, the order of executing the processing may be changed, or a plurality of processing may be executed in parallel.
  • the present invention can be realized not only as the injection prediction system 100 but also as an injection prediction method including the steps performed by the components constituting the injection prediction system 100.
  • the steps may be performed by a computer system comprising a processor, memory, input / output circuitry and the like.
  • the present invention can be realized as a program for causing a computer system to execute the steps included in those methods.
  • a computer system may be expressed simply as a computer.
  • the present invention can be realized as a non-temporary computer readable recording medium recording the above program.
  • the recording medium may be an optical disk such as a CD-ROM, a magnetic disk such as a hard disk drive, a magneto-optical disk (MO), a semiconductor memory such as a flash memory, or any other non-temporary It may be a computer readable recording medium.
  • the program may be recorded in advance in a recording medium, or may be recorded in a recording medium by being supplied to the recording medium via a communication network.
  • each step is performed by executing the program using hardware resources such as a processor of a computer system, a memory, and an input / output circuit. That is, each step is performed by the processor acquiring data from the memory or the input / output circuit and performing an operation, or outputting the operation result to the memory or the input / output circuit or the like.
  • hardware resources such as a processor of a computer system, a memory, and an input / output circuit. That is, each step is performed by the processor acquiring data from the memory or the input / output circuit and performing an operation, or outputting the operation result to the memory or the input / output circuit or the like.
  • Any type of processor can be used as a processor for executing a program.
  • the plurality of components included in the spray prediction system 100 and the like may be realized as dedicated or general-purpose circuits, respectively. These components may be realized as one circuit or as a plurality of circuits.
  • the plurality of components included in the spray prediction system 100 and the like may be realized as a large scale integration (LSI) which is an integrated circuit (IC: Integrated Circuit). These components may be individually made into one chip, or may be made into one chip so as to include some or all. These components may be provided on one or more chips of one device, or may be provided on a plurality of chips of a plurality of devices.
  • LSI large scale integration
  • IC integrated circuit
  • LSI may be called system LSI, super LSI, or ultra LSI depending on the degree of integration.
  • the integrated circuit may be realized by a dedicated circuit or a general purpose processor.
  • a programmable field programmable gate array (FPGA) or a reconfigurable processor in which connections and settings of internal circuit cells can be reconfigured may be used.
  • spray prediction system 100 is shown as an example. These aspects may be combined as appropriate. In addition, any configuration or the like shown in the above-described embodiment and the like may be added.
  • the effusion prediction system 100 includes an acquisition unit 101 and a prediction unit 102.
  • the acquisition unit 101 acquires environmental information indicating an environment with respect to a human body and human body information indicating an attribute of the human body.
  • the prediction unit 102 predicts the occurrence of ejaculation in the human body in accordance with the environmental information and the human body information.
  • the ejaculation prediction system 100 can predict the occurrence of ejaculation in the human body according to the environmental information indicating the environment with respect to the human body and the human body information indicating the attribute of the human body.
  • Environmental information indicating the environment with respect to the human body and human body information indicating the attribute of the human body are assumed to affect the occurrence of ejaculation in the human body. Therefore, the effusion prediction system 100 can appropriately predict the occurrence of ejaculation in the human body based on environmental information and human body information assumed to affect the occurrence of ejaculation in the human body.
  • the prediction unit 102 may predict the occurrence of the jet according to the jet prediction model, the environment information and the human body information.
  • the spray prediction model is a model in which environmental information and human body information are used as explanatory variables, and prediction information indicating a predicted value of occurrence of jets is used as a target variable.
  • the ejection prediction system 100 can derive appropriate prediction information from the environment information and the human body information, and can appropriately predict the occurrence of the injection according to the derived prediction information.
  • the acquiring unit 101 may further acquire the record information indicating the record value of the occurrence of the injection. Then, the prediction unit 102 may further update the injection prediction model according to the result information. Thereby, the injection prediction system 100 can improve the prediction accuracy of the occurrence of the injection according to the record of the generation of the injection.
  • the acquisition unit 101 may further acquire an airway model indicating the airway of a human body. Then, the prediction unit 102 may perform data assimilation of environmental information and human body information on the airway model. And the prediction part 102 may estimate the airway state which is a state of the airway according to the airway model in which data assimilation of environmental information and human body information was performed. Then, the prediction unit 102 may predict the occurrence of an effusion according to the estimated airway state.
  • the ejaculation prediction system 100 can appropriately predict the occurrence of ejaculation according to the airway state estimated from the airway model in which the environmental information and the human body information are reflected.
  • the prediction unit 102 may reduce the dimension of the airway model, and estimate the airway state according to the airway model subjected to the dimension reduction. Thereby, the ejaculation prediction system 100 can estimate the airway state at high speed according to the simplified airway model.
  • human body information may include an airway model that indicates the airways of the human body.
  • the effusion prediction system 100 can reflect an airway model in prediction of occurrence of effusion.
  • the airway model is assumed to affect the occurrence of effusions. Therefore, the effusion prediction system 100 can appropriately predict the occurrence of the effusion based on the human body information including the airway model assumed to affect the occurrence of the effusion and the environmental information.
  • the acquisition unit 101 may acquire state information indicating a state in an observation space which is a space apart from the human body. Then, the acquisition unit 101 may perform data assimilation of state information on a space model indicating a space including a human body and an observation space. Then, the acquisition unit 101 may estimate the environment in the near space, which is a space closer to the human body than the observation space, according to the space model in which data assimilation of state information is performed. Then, the acquisition unit 101 may acquire environment information indicating the estimated environment.
  • the ejection prediction system 100 can reflect environmental information indicating an environment in a space close to the human body in the prediction of the occurrence of the ejection.
  • Environmental information that indicates the environment in a space close to the human body is assumed to greatly affect the occurrence of the effusion. Therefore, the ejection prediction system 100 can predict the occurrence of the injection more appropriately by the environmental information assumed to affect the occurrence of the injection and the human body information.
  • the effusion prediction method includes an acquisition step (S101) and a prediction step (S102).
  • acquisition step (S101) environmental information indicating an environment with respect to the human body and human body information indicating an attribute of the human body are acquired.
  • prediction step (S102) the occurrence of ejaculation in the human body is predicted according to the environmental information and the human body information.
  • a system or the like that executes the effusion prediction method can predict the occurrence of ejaculation in the human body according to environmental information indicating an environment with respect to the human body and human body information indicating an attribute of the human body.
  • Environmental information indicating the environment with respect to the human body and human body information indicating the attribute of the human body are assumed to affect the occurrence of ejaculation in the human body. Therefore, a system or the like that executes this effusion prediction method can appropriately predict the occurrence of ejaculation in the human body based on environmental information and human body information assumed to affect the occurrence of ejaculation in the human body.
  • a program according to an aspect of the present invention is a program for causing a computer to execute a spray prediction method. Thereby, the injection prediction method is implemented by the program.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

噴嚔予測システム（１００）は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する取得部（１０１）と、環境情報および人体情報に従って、人体における噴嚔の発生を予測する予測部（１０２）とを備える。

Description

噴嚔予測システムおよび噴嚔予測方法
　本発明は、噴嚔の発生を予測するための噴嚔予測システム等に関する。
　特許文献１は、自車両の運転操作を制御する車両操作支援装置を示している。この車両挙動制御装置は、自車両のドライバのくしゃみといった所定の生理現象を検知する。そして、所定の生理現象が検知された際に、車両挙動制御装置は、ドライバによる所定の操作が行われたか否かを判定する。所定の操作が行われたと判定された場合に、車両挙動制御装置は、所定の操作による自車両の挙動を緩和する緩和制御を行なう。これにより、くしゃみといった所定の生理現象を原因とする意図しない急な車両挙動を緩和することが可能になる。
特開２０１１－１４０２７１号公報
　しかしながら、くしゃみと呼ばれる噴嚔の検知結果に従って行われる制御は、噴嚔の検知後に行われるため、手遅れになる可能性がある。
　そこで、本発明は、人体における噴嚔の発生を適切に予測することができる噴嚔予測システム等を提供することを目的とする。
　本発明の一態様における噴嚔予測システムは、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備える。
　本発明の一態様における噴嚔予測方法は、人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含む。
　本発明の一態様における噴嚔予測システム等は、人体における噴嚔の発生を適切に予測することができる。
図１は、実施の形態における噴嚔予測システムの構成の例を示すブロック図である。 図２は、実施の形態における情報源の例を示す概念図である。 図３は、実施の形態における噴嚔予測システムの動作の例を示すフローチャートである。 図４は、具体例１における噴嚔予測モデルの例を示す概念図である。 図５は、具体例１における噴嚔予測システムの動作の例を示すフローチャートである。 図６は、具体例２における気道モデルの例を示す概念図である。 図７は、具体例２における噴嚔予測システムの動作の例を示すフローチャートである。 図８は、具体例３における空間モデルの例を示す概念図である。 図９は、具体例３における取得部の動作の例を示すフローチャートである。
　以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示す。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置および接続形態、動作の順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素は、任意の構成要素として説明される。
　（実施の形態）
　図１は、本実施の形態における噴嚔予測システムの構成の例を示すブロック図である。図１に示された噴嚔予測システム１００は、取得部１０１および予測部１０２を備える。
　噴嚔予測システム１００は、人体における噴嚔の発生を予測するシステムであり、例えば、コンピュータシステムである。噴嚔予測システム１００は、噴嚔予測装置とも表現され得る。噴嚔予測システム１００は、単一の装置であってもよいし、複数の装置で構成されてもよい。また、噴嚔予測システム１００は、噴嚔の発生が予測される人体の近くに設置されてもよいし、遠くに設置されてもよい。なお、噴嚔は、くしゃみを意味する。
　取得部１０１は、人体における噴嚔の発生を予測するための情報を取得する取得器である。取得部１０１は、汎用または専用の電気回路であってもよい。取得部１０１は、有線または無線の通信で情報を受信することによって情報を取得してもよい。この場合、取得部１０１は、通信のための端子またはアンテナを備えていてもよい。
　例えば、取得部１０１は、各種のセンサから情報を受信することによって、各種のセンサで検知された情報を取得してもよい。取得部１０１は、情報を検知するための各種のセンサを備えていてもよい。
　また、取得部１０１は、マウス、キーボードまたはタッチパネル等の入力インタフェースを介して情報を取得してもよい。また、取得部１０１は、記録媒体などのメモリから情報を取得してもよい。また、取得部１０１は、入力インタフェースを備えていてもよいし、メモリを備えていてもよい。また、取得部１０１は、取得された情報に対して情報処理を行い、情報処理の結果を新たな情報として取得してもよい。
　具体的には、取得部１０１は、環境を示す環境情報を取得する。例えば、環境は、人体に対する環境であって、人体の周辺における温度、湿度、空気質、塵埃量、花粉量、ＰＭ２．５濃度、におい、風速、風向き、放射線量、または、浮遊粒子状物質特性等を含む。また、着衣量が、環境に含まれてもよい。
　環境は、環境センサによって検知されてもよい。そして、取得部１０１は、検知された環境を示す環境情報を環境センサから取得してもよい。取得部１０１は、環境を検知する環境センサを備えていてもよい。
　あるいは、取得部１０１は、環境センサによらず、環境情報を取得してもよい。例えば、取得部１０１は、環境に影響を与える空調機または送風機等の機器の状態を示す情報を環境情報として取得してもよいし、機器の状態から推定される温度および湿度等を示す環境情報を取得してもよい。また、取得部１０１は、人体の位置を示す情報を環境情報として取得してもよいし、人体の位置から推定される温度および湿度等を示す環境情報を取得してもよい。
　また、取得部１０１は、入力インタフェースを介して環境情報を取得してもよい。また、取得部１０１は、複数の情報源の組み合わせから環境情報を取得してもよい。
　また、取得部１０１は、人体の属性を示す人体情報を取得する。例えば、人体の属性は、血圧、脈拍、心拍、血液成分、呼吸量、肺活量、アレルギー強度、代謝量、体温、体表面温度、身長、体重、年齢、性別、または、自律神経バランス等を含む。
　また、人体の属性は、ＭＲＩ（核磁気共鳴画像法：Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　Ｉｍａｇｉｎｇ）によって得られる画像であるＭＲＩ画像、または、ＭＲＩ画像によって示される特徴を含んでいてもよい。また、人体の属性は、ＣＴ（コンピュータ断層撮影：Ｃｏｍｐｕｔｅｄ　Ｔｏｍｏｇｒａｐｈｙ）によって得られる画像であるＣＴ画像、または、ＣＴ画像によって示される特徴を含んでいてもよい。
　また、人体情報は、人体の生体情報、バイタルサイン、バイタルデータまたは血液情報等に含まれる属性を人体の属性として示してもよい。また、人体情報は、行動特性を人体の属性として示してもよい。例えば、行動特性は、外出先、外出時刻、外出期間、行動内容、食事内容、服薬内容、起床時間、就寝時間、または、生活習慣等を含む。
　人体の生体情報の属性は、人体の属性として、生体センサによって検知されてもよい。そして、取得部１０１は、検知された属性を示す人体情報を生体センサから取得してもよい。取得部１０１は、人体の生体情報の属性を人体の属性として検知する生体センサを備えていてもよい。
　あるいは、取得部１０１は、生体センサによらず、人体情報を取得してもよい。例えば、取得部１０１は、入力インタフェースを介して予め入力されメモリに記憶された人体情報をメモリから取得してもよい。また、取得部１０１は、複数の情報源の組み合わせから人体情報を取得してもよい。
　また、取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報を取得してもよい。例えば、実績情報は、人体において噴嚔が発生したか否かを実績値として示す。実績情報は、人体において噴嚔が発生した頻度を実績値として示してもよい。人体における噴嚔の発生は、カメラで得られる画像、マイクで得られる音、または、これらの組み合わせによって検知されてもよい。
　例えば、取得部１０１は、カメラで得られる画像をカメラから取得し、マイクで得られる音をマイクから取得する。そして、取得部１０１は、取得された画像に対して画像認識を行い、取得された音に対して音認識を行う。そして、取得部１０１は、画像認識および音認識の結果に従って、人体において噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
　取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報の取得に用いられるカメラおよびマイクを備えていてもよい。
　あるいは、生体センサが、人体において噴嚔が発生したか否かを検知してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を生体センサから取得してもよい。取得部１０１は、人体において噴嚔が発生したか否かを検知する生体センサを備えていてもよい。
　また、取得部１０１は、人体の気道を示す気道モデルを取得してもよい。ここで、気道モデルは、人体の気道の形状が反映された数理モデルである。例えば、取得部１０１は、ＭＲＩ画像またはＣＴ画像等を取得する。そして、取得部１０１は、ＭＲＩ画像またはＣＴ画像等から人体の気道の形状を推定し、推定された形状の数理モデル化を行うことにより、気道を数理モデルとして示す気道モデルを取得する。
　あるいは、取得部１０１は、ＭＲＩ画像またはＣＴ画像等に従って他のコンピュータシステムで構築された気道モデルを他のコンピュータシステムから取得してもよい。また、取得部１０１は、気道モデルを含む人体情報を取得してもよい。
　また、取得部１０１は、観測空間における状態を示す状態情報を取得してもよい。観測空間は、人体から離れた空間であって、状態が観測される空間である。この状態は、観測空間における機器の動作の状態であってもよいし、観測空間における環境センサによって環境として検知された状態であってもよい。取得部１０１は、状態を示す状態情報を機器または環境センサ等から取得してもよい。
　そして、取得部１０１は、取得された状態情報に従って、観測空間よりも人体に近い空間である近傍空間における環境を示す環境情報を取得してもよい。近傍空間は、人体の表面付近の空間であってもよいし、人体の鼻または口付近の空間であってもよい。
　例えば、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して、取得された状態情報のデータ同化を行う。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、近傍空間における環境を推定する。そして、取得部１０１は、推定された環境を示す環境情報を取得する。人体および観測空間を含む空間は、包括空間とも表現され得る。
　また、取得部１０１は、複数種の情報を取得する複数の取得部で構成されていてもよい。例えば、取得部１０１は、環境情報を取得する環境情報取得部、人体情報を取得する人体情報取得部、実績情報を取得する実績情報取得部、状態情報を取得する状態情報取得部、および、気道モデルを取得する気道モデル取得部を含んでいてもよい。
　予測部１０２は、取得部１０１で取得された情報に従って、人体における噴嚔の発生を予測する予測器である。予測部１０２は、汎用または専用の電気回路であってもよい。
　例えば、予測部１０２は、人体において噴嚔が発生するか否かを予測する。あるいは、予測部１０２は、人体において噴嚔が発生する可能性、つまり人体において噴嚔が発生する確率を予測してもよい。言い換えれば、予測部１０２は、人体において噴嚔が発生する可能性、つまり人体において噴嚔が発生する確率を推定してもよい。
　そして、予測部１０２は、人体における噴嚔の発生の予測結果を出力する。予測部１０２は、予測結果をディスプレイ等に表示することにより予測結果を出力してもよいし、予測結果を音声として出力してもよいし、予測結果をデータとして他のシステムへ出力してもよい。
　また、本実施の形態において、予測部１０２は、取得部１０１で取得された環境情報および人体情報に従って、人体における噴嚔の発生を予測する。例えば、予測部１０２は、噴嚔が発生しやすい環境を環境情報が示しているか否か、および、噴嚔が発生しやすい人体の属性を人体情報が示しているか否か等に従って、人体における噴嚔の発生を予測してもよい。
　また、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、かつ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。予測情報は、人体において噴嚔が発生するか否かを予測値として示してもよいし、人体において噴嚔が発生する確率を予測値として示してもよい。
　そして、予測部１０２は、上記の噴嚔予測モデルに従って、取得部１０１で取得された環境情報および人体情報から予測情報を導出し、導出された予測情報に従って噴嚔の発生を予測してもよい。また、予測部１０２は、取得部１０１で取得された実績情報に従って、上記の噴嚔予測モデルを更新してもよい。より具体的には、予測部１０２は、上記の噴嚔予測モデルにおける予測情報に実績情報を反映させてもよい。
　あるいは、予測部１０２は、噴嚔の発生を予測するため、取得部１０１で取得された気道モデルに対して、取得部１０１で取得された環境情報および人体情報のデータ同化を行ってもよい。つまり、予測部１０２は、気道モデルに環境情報および人体情報を反映させてもよい。
　そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、人体の気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って噴嚔の発生を予測してもよい。すなわち、予測部１０２は、推定された気道状態を示す気道状態情報に従って噴嚔の発生を予測してもよい。具体的には、予測部１０２は、推定された気道状態を示す状態値に従って噴嚔の発生を予測してもよい。
　気道状態は、気道に付着している花粉または塵埃等である異物の量に関する状態でもよいし、気道における気流の大きさに関する状態でもよいし、気道における空気の成分に関する状態でもよい。気道状態の状態値は、気道に付着している異物の量を示す値でもよいし、気道における気流の大きさを示す値でもよいし、気道における空気の成分を示す値でもよい。
　例えば、予測部１０２は、噴嚔が発生しやすい気道状態に、推定された気道状態が適合するか否かに従って、人体における噴嚔の発生を予測する。また、予測部１０２は、気道状態の状態値を噴嚔の発生の予測値に変換する関係式に従って、推定された気道状態の状態値から噴嚔の発生の予測値を導出し、導出された予測値に従って、噴嚔の発生を予測してもよい。この予測値は、人体において噴嚔が発生するか否かの予測値でもよいし、人体において噴嚔が発生する確率の予測値でもよい。
　あるいは、予測部１０２は、推定された気道状態の状態値が閾値よりも大きいか否かに従って、人体において噴嚔が発生するか否かを予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値と、１以上の閾値とを比較することにより、人体において噴嚔が発生する確率を予測してもよい。
　より具体的には、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道に付着している異物の量を気道状態として推定してもよい。そして、予測部１０２は、異物の量が多いほど、噴嚔の発生の確率を高く予測してもよい。その際、異物の量を噴嚔の発生の確率に変換する関係式が用いられてもよいし、異物の量と１以上の閾値との比較結果が用いられてもよい。
　また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行ってもよい。そして、予測部１０２は、次元削減が行われた気道モデルに従って気道状態を推定してもよい。
　また、噴嚔予測システム１００は、さらに、人体における噴嚔の発生の予測結果を出力する出力部（図示せず）を備えていてもよい。出力部は、予測結果をディスプレイ等に表示することにより予測結果を出力してもよいし、予測結果を音声として出力してもよいし、予測結果をデータとして他のシステムへ出力してもよい。
　図２は、図１に示された取得部１０１によって取得される情報の情報源の例を示す概念図である。図２には、情報源の例として、機器１１１、環境センサ１１２、生体センサ１１３、カメラ１１４、および、マイク１１５が示されている。例えば、取得部１０１は、これらの情報源から有線または無線の通信によって情報を取得する。
　機器１１１は、人体に対する環境に影響を与える機器である。機器１１１は、空調機、送風機、加湿器、換気扇、扇風機、空気清浄機または掃除機等である。取得部１０１は、機器１１１の動作の状態を示す状態情報を環境情報として取得してもよい。あるいは、取得部１０１は、機器１１１の動作の状態を示す状態情報から人体に対する環境を推定することにより、推定された環境を示す環境情報を取得してもよい。
　例えば、取得部１０１は、機器１１１が送風動作を行っているか否かの状態を示す状態情報を環境情報として取得してもよい。あるいは、取得部１０１は、機器１１１が送風動作を行っているか否かの状態を示す状態情報を取得し、取得された状態情報から風速を推定しもよい。そして、取得部１０１は、推定された風速を示す環境情報を取得してもよい。
　環境センサ１１２は、環境を検知するセンサである。例えば、環境センサ１１２は、温度、湿度、空気質、塵埃量、花粉量、ＰＭ２．５濃度、におい、風速、風向き、放射線量、または、浮遊粒子状物質特性等を検知する。環境センサ１１２は、これらの任意の組み合わせを検知してもよい。また、環境センサ１１２は、複数のセンサで構成されていてもよい。
　例えば、取得部１０１は、環境センサ１１２によって検知された環境を示す環境情報を環境センサ１１２から取得する。あるいは、取得部１０１は、環境センサ１１２によって検知された環境を状態として示す状態情報を環境センサ１１２から取得してもよい。取得部１０１は、状態情報から、環境センサ１１２よりも人体に近い近傍空間における環境を推定し、推定された環境を示す環境情報を取得してもよい。
　具体的には、人体よりも高い位置に環境センサ１１２が設置されている場合、環境センサ１１２によって人体の付近よりも高い温度が検知されると想定される。この場合、取得部１０１は、環境センサ１１２から取得された状態情報によって示される温度よりも低い温度を近傍空間における環境として推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
　生体センサ１１３は、人体の生体情報に関する属性を検知するセンサである。例えば、生体センサ１１３は、血圧、脈拍、心拍、呼吸量、体温または体表面温度等を検知する。生体センサ１１３は、これらの任意の組み合わせを検知してもよい。生体センサ１１３は、複数のセンサで構成されてもよい。また、生体センサ１１３は、人体に装着されてもよい。そして、例えば、取得部１０１は、生体センサ１１３によって検知された属性を示す人体情報を生体センサ１１３から取得する。
　また、生体センサ１１３は、人体において噴嚔が発生したか否かを検知してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を生体センサ１１３から取得してもよい。
　カメラ１１４は、デジタルカメラであって、画像を電気信号として取得する機器である。カメラ１１４は、人体を被写体として含む画像を取得する。カメラ１１４は、画像を映像として取得してもよい。
　例えば、取得部１０１は、カメラ１１４で取得された画像をカメラ１１４から取得する。そして、取得部１０１は、カメラ１１４から取得された画像に対する画像認識の結果に従って、人体において噴嚔が発生したか否かを検知する。具体的には、取得部１０１は、カメラ１１４から取得された画像の特徴が、噴嚔の発生時の画像の特徴に適合するか否かに従って、噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
　マイク１１５は、音を電気信号として取得する機器である。マイク１１５は、人体の付近の音を取得することにより、人体が発する音を取得する。
　例えば、取得部１０１は、マイク１１５で取得された音をマイク１１５から取得する。そして、取得部１０１は、マイク１１５から取得された音に対する音認識の結果に従って、人体において噴嚔が発生したか否かを検知する。具体的には、取得部１０１は、マイク１１５から取得された音が、噴嚔の発生時の音に適合するか否かに従って、噴嚔が発生したか否かを検知する。そして、取得部１０１は、人体において噴嚔が発生したか否かの検知結果を実績値として示す実績情報を取得する。
　なお、取得部１０１は、生体センサ１１３から取得される情報、カメラ１１４から取得される情報、および、マイク１１５から取得される情報のうちの１以上に従って、人体における噴嚔の発生の実績値を示す実績情報を取得してもよい。
　例えば、取得部１０１は、生体センサ１１３から取得される情報、カメラ１１４から取得される情報、および、マイク１１５から取得される情報の任意の組み合わせに従って、人体において噴嚔が発生したか否かを総合的に判定してもよい。そして、取得部１０１は、人体において噴嚔が発生したか否かの総合的な判定結果を実績値として示す実績情報を取得してもよい。
　また、環境センサ１１２は、生体センサ１１３と同様に、人体に装着されてもよい。また、生体センサ１１３と環境センサ１１２とが一体化されていてもよい。
　また、図示しない開閉センサが、ドアまたは窓の開閉を検知してもよい。取得部１０１は、開閉センサから、ドアまたは窓の開閉の状態を示す状態情報を取得してもよい。取得部１０１は、開閉センサから取得される状態情報を環境情報の取得に用いてもよい。例えば、取得部１０１は、ドアまたは窓が開かれていることを示す状態情報に従って、浄化された環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
　また、取得部１０１は、複数のセンサおよび複数の機器から複数の状態を示す状態情報を取得してもよい。そして、取得部１０１は、複数の状態から、複数のセンサおよび複数の機器のどれよりも人体または人体の呼吸器系に近い環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
　また、図２は、情報源の例を示し、情報源は、図２の例に限られない。特に、人体情報は、生体センサ１１３から得られる情報に限られない。例えば、取得部１０１は、入力インタフェースを介して入力された人体情報等を取得してもよい。また、取得部１０１は、記録媒体などのメモリ、または、他のコンピュータシステムから、気道モデル等を取得してもよい。
　図３は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本実施の形態において、噴嚔予測システム１００は、図３に示された動作を行う。
　まず、噴嚔予測システム１００の取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する（Ｓ１０１）。例えば、取得部１０１は、図２に示された機器１１１または環境センサ１１２から環境情報を取得する。また、例えば、取得部１０１は、図２に示された生体センサ１１３から人体情報を取得する。
　次に、噴嚔予測システム１００の予測部１０２は、環境情報および人体情報に従って、人体における噴嚔の発生を予測する（Ｓ１０２）。予測部１０２は、人体において噴嚔が発生するか否かを予測してもよいし、人体において噴嚔が発生する確率を予測してもよい。
　これにより、噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
　例えば、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。これにより、噴嚔予測システム１００は、環境情報および人体情報から適切な予測情報を導出することができ、導出された予測情報に従って、噴嚔の発生を適切に予測することができる。
　噴嚔予測モデルが用いられる場合において、取得部１０１は、さらに、噴嚔の発生の実績値を示す実績情報を取得してもよい。そして、予測部１０２は、取得された実績情報に従って、噴嚔予測モデルを更新してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の実績に従って、噴嚔の発生の予測精度を改善することができる。
　また、例えば、噴嚔の発生の予測（Ｓ１０２）の前に、取得部１０１は、人体の気道を示す気道モデルを取得してもよい。そして、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、気道モデルに対して環境情報および人体情報のデータ同化を行ってもよい。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って噴嚔の発生を予測してもよい。
　これにより、噴嚔予測システム１００は、気道モデル、環境情報および人体情報から推定される気道状態に従って、噴嚔の発生を適切に予測することができる。
　気道モデルが用いられる場合、噴嚔の発生の予測（Ｓ１０２）において、予測部１０２は、推定された気道状態の状態値、および、状態値と噴嚔の発生の予測値との関係式に従って、噴嚔の発生を予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値、および、１以上の閾値に従って、噴嚔の発生を予測してもよい。これにより、噴嚔予測システム１００は、気道状態の状態値等に従って、噴嚔の発生を適切に予測することができる。
　また、気道モデルが用いられる場合において、予測部１０２は、気道モデルの次元削減を行い、次元削減が行われた気道モデルに従って気道状態を推定してもよい。これにより、噴嚔予測システム１００は、簡素化された気道モデルに従って、高速に気道状態を推定することができる。
　また、例えば、取得部１０１は、人体情報の取得（Ｓ１０１）において、人体の気道を示す気道モデルを含む人体情報を取得してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、気道モデルを反映させることができる。気道モデルは、噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される気道モデルを含む人体情報、および、環境情報によって、適切に、噴嚔の発生を予測することができる。
　また、例えば、取得部１０１は、環境情報の取得（Ｓ１０１）において、人体から離れた観測空間における状態を示す状態情報を取得してもよい。そして、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して状態情報のデータ同化を行ってもよい。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
　これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、人体に近い空間における環境を示す環境情報を反映させることができる。人体に近い空間における環境を示す環境情報は、噴嚔の発生に大きく影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される環境情報、および、人体情報によって、より適切に、噴嚔の発生を予測することができる。
　次に、上記の噴嚔予測システム１００の動作に関し、図４～図９を用いて、複数の具体例を説明する。
　（具体例１）
　まず、図４および図５を用いて、具体例１を説明する。本具体例において、噴嚔予測システム１００は、噴嚔予測モデルを用いて、噴嚔の発生を予測する。
　図４は、図１に示された噴嚔予測システム１００によって用いられる噴嚔予測モデルの例を示す概念図である。本具体例において、噴嚔予測システム１００は、図４に示されているような噴嚔予測モデルを用いる。
　噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、予測情報が目的変数として用いられるモデルである。本具体例において、環境情報は、温度および花粉量等を示す。また、人体情報は、血圧および体重等を示す。また、予測情報は、噴嚔の発生の予測値を示し、具体的には、噴嚔が発生するか否かの予測値を示す。
　また、噴嚔予測モデルにおいて、環境情報と、人体情報と、予測情報とが互いに対応付けられている。具体的には、環境情報の複数のパターンと、人体情報の複数のパターンとの各組み合わせに対して、予測情報が対応付けられている。これにより、噴嚔予測システム１００は、環境情報および人体情報から予測情報を導出することができる。
　噴嚔予測モデルは、取得部１０１によって取得されてもよいし、予測部１０２に予め組み込まれていてもよい。また、予測部１０２は、データベースを備え、噴嚔予測モデルは、データベースのテーブルとして実装されてもよい。
　図５は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本具体例において、噴嚔予測システム１００は、図５に示された動作を行う。
　まず、噴嚔予測システム１００の取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する（Ｓ１１１）。本具体例において、取得部１０１は、温度および花粉量等を示す環境情報、および、血圧および体重等を示す人体情報を取得する。
　次に、噴嚔予測システム１００の予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、人体における噴嚔の発生を予測する（Ｓ１１２）。具体的には、予測部１０２は、噴嚔予測モデルに従って、環境情報によって示される温度および花粉量等、並びに、人体情報によって示される血圧および体重等に対応付けられている予測値を導出する。そして、予測部１０２は、導出された予測値に従って、人体における噴嚔の発生を予測する。
　次に、噴嚔予測システム１００の取得部１０１は、人体における噴嚔の発生の実績値を示す実績情報を取得する（Ｓ１１３）。例えば、取得部１０１は、図２に示されたカメラ１１４およびマイク１１５から画像および音を取得し、取得された画像および音に対して画像認識および音認識を行うことにより、人体における噴嚔の発生を検知する。そして、取得部１０１は、人体における噴嚔の発生を検知することにより、人体における噴嚔の発生の実績値を示す実績情報を取得する。
　次に、噴嚔予測システム１００の予測部１０２は、取得部１０１で取得された実績情報に従って、噴嚔予測モデルを更新する（Ｓ１１４）。
　例えば、予測部１０２は、噴嚔予測モデルにおいて、取得部１０１で取得された環境情報および人体情報に対応付けられている予測情報における予測値を取得部１０１で取得された実績情報における実績値に更新する。また、予測部１０２は、取得部１０１で取得された環境情報と人体情報と実績情報との組み合わせを環境情報と人体情報と予測情報との組み合わせとして噴嚔予測モデルに挿入することにより、噴嚔予測モデルを更新してもよい。
　そして、噴嚔予測システム１００は、上記の一連の処理（Ｓ１１１～Ｓ１１４）を繰り返す。これにより、噴嚔予測システム１００は、噴嚔予測モデル等に従って、噴嚔の発生を予測し、また、噴嚔の発生の実績に従って、噴嚔予測モデルを更新することができる。
　なお、噴嚔の発生の実績に従って噴嚔予測モデルを更新する処理（Ｓ１１４）は、省略されてもよい。この場合、実績情報の取得（Ｓ１１３）も省略されてもよい。
　また、一連の処理（Ｓ１１１～Ｓ１１４）の繰り返しにおいて、環境情報および人体情報のうち、一方の情報が繰り返して取得されてもよい。そして、他方の情報は、初回のみ取得され、繰り返して取得されなくてもよい。
　また、噴嚔予測システム１００は、予測部１０２とは別に、噴嚔予測モデルを更新する更新部を備えていてもよい。
　また、本具体例において、噴嚔予測モデルは、テーブルで表現されている。しかしながら、噴嚔予測モデルは、テーブルで表現されるモデルに限定されない。噴嚔予測モデルは、関係式で表現されてもよい。また、噴嚔予測モデルは、機械学習で用いられるニューラルネットワークモデルで表現されてもよい。さらに、噴嚔予測モデルは、深層学習で用いられる多層構造のニューラルネットワークモデルで表現されてもよい。噴嚔予測モデルは、学習モデルとも表現され得る。
　（具体例２）
　次に、図６および図７を用いて、具体例２を説明する。本具体例において、噴嚔予測システム１００は、気道モデルを用いて、噴嚔の発生を予測する。
　図６は、図１に示された噴嚔予測システム１００によって用いられる気道モデルの例を示す概念図である。本具体例において、噴嚔予測システム１００は、図６に概念的に示されているような気道モデルであって、気道を数理モデルとして示す気道モデルを用いる。具体的には、噴嚔予測システム１００は、環境情報および人体情報のデータ同化が行われた気道モデルに従って気道の状態である気道状態を推定し、推定された気道状態に従って噴嚔の発生を予測する。
　例えば、噴嚔予測システム１００の取得部１０１は、入力インタフェース等を介して噴嚔予測システム１００に入力されたＭＲＩ画像またはＣＴ画像等を取得する。そして、取得部１０１は、ＭＲＩ画像またはＣＴ画像等から人体の気道の形状を推定し、推定された形状の数理モデルを気道モデルとして取得する。つまり、気道モデルが取得部１０１によって取得された段階において、気道モデルは気道の形状を示す。
　また、噴嚔予測システム１００の取得部１０１は、環境情報および人体情報を取得する。そして、噴嚔予測システム１００の予測部１０２は、気道モデルに対して、環境情報および人体情報のデータ同化を行う。つまり、予測部１０２は、気道モデルに対して、環境情報および人体情報を反映させる。
　例えば、環境情報は、気道に入る空気の性質に影響する。また、例えば、人体情報は、気道の内部の状態、特に気道の内面の状態に影響し、また、気道に入る空気の量に影響する。具体的には、環境情報における温度、湿度および花粉量などは、気道に入る空気の性質に影響し得る。また、人体情報における血液成分、代謝量、体温、食事内容およびアレルギー強度等は、気道の内部の状態、特に気道の内面の状態に影響し得る。また、人体情報における呼吸量および肺活量等は、気道に入る空気の量に影響し得る。
　したがって、環境情報および人体情報のデータ同化が行われた気道モデルは、気道に入る空気の性質および量、並びに、気道の内部の状態等を示し得る。つまり、環境情報および人体情報のデータ同化が行われた気道モデルは、気道における空気の成分を含む気道状態を示し得る。予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道状態を推定する。推定される気道状態には、気道における空気の成分も含まれ得る。
　そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルから推定される気道状態に従って、噴嚔の発生を予測する。
　図７は、図１に示された噴嚔予測システム１００の動作の例を示すフローチャートである。本具体例において、噴嚔予測システム１００は、図７に示された動作を行う。
　まず、噴嚔予測システム１００の取得部１０１は、気道モデル、環境情報および人体情報を取得する（Ｓ１２１）。例えば、取得部１０１は、入力インタフェース等を介してＭＲＩ画像またはＣＴ画像等を取得し、ＭＲＩ画像またはＣＴ画像等に従って気道モデルを取得する。また、取得部１０１は、図２に示された環境センサ１１２から環境情報を取得してもよい。また、取得部１０１は、図２に示された生体センサ１１３から人体情報を取得してもよい。
　次に、噴嚔予測システム１００の予測部１０２は、気道モデルに対して、環境情報および人体情報のデータ同化を行う（Ｓ１２２）。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道状態を推定する（Ｓ１２３）。
　次に、予測部１０２は、推定された気道状態に従って、噴嚔の発生を予測する（Ｓ１２４）。例えば、予測部１０２は、気道状態の状態値を噴嚔の発生の予測値に変換する関係式に従って、推定された気道状態の状態値から噴嚔の発生の予測値を導出し、導出された予測値に従って、噴嚔の発生を予測してもよい。あるいは、予測部１０２は、推定された気道状態の状態値と、１以上の閾値との比較結果に従って、噴嚔の発生を予測してもよい。
　そして、噴嚔予測システム１００は、上記の一連の処理（Ｓ１２１～Ｓ１２４）を繰り返す。これにより、噴嚔予測システム１００は、気道モデルから推定される気道状態に従って、噴嚔の発生を予測することができる。
　なお、一連の処理（Ｓ１２１～Ｓ１２４）の繰り返しにおいて、環境情報および人体情報のうち、一方の情報が繰り返して取得されてもよい。そして、他方の情報は、初回のみ取得され、繰り返して取得されなくてもよい。また、気道モデルも、初回のみ取得され、繰り返して取得されなくてもよい。
　また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行ってもよい。そして、予測部１０２は、次元削減が行われた気道モデルに従って気道状態を推定してもよい。極端な例では、予測部１０２は、取得部１０１で取得された３次元の気道モデルを２次元の気道モデルに次元削減を行い、２次元の気道モデルに従って気道状態を推定してもよい。なお、次元削減は、気道モデルの空間的な次元の削減に限らず、気道モデルに相当する関係式における次元の削減であってもよい。
　気道モデルの次元削減によって、気道モデルに従って気道状態を推定するための処理量および処理時間が削減される。
　また、予測部１０２は、取得部１０１で取得された気道モデルの次元削減を行い、次元削減が行われた気道モデルに対して、環境情報および人体情報のデータ同化を行ってもよい。これにより、環境情報および人体情報のデータ同化のための処理量および処理時間が削減される。
　また、本具体例では、気道モデルに従って気道状態が推定されているが、気道モデルが人体情報の要素として取得され、具体例１に示された噴嚔予測モデルの説明変数の要素として用いられてもよい。そして、具体例１に示された噴嚔予測モデルに従って、噴嚔の発生が予測されてもよい。
　また、具体例１と具体例２とが組み合わされてもよい。例えば、具体例１に基づく予測結果と、具体例２に基づく予測結果とが組み合わせされて、噴嚔の発生の予測が総合的に行われてもよい。
　（具体例３）
　次に、図８および図９を用いて、具体例３を説明する。本具体例において、噴嚔予測システム１００は、観測空間における状態を示す状態情報を取得し、観測空間よりも人体に近い空間である近傍空間における環境を示す環境情報を取得する。
　図８は、図１に示された取得部１０１によって用いられる空間モデルの例を示す概念図である。本具体例において、取得部１０１は、図８に概念的に示されているような空間モデルであって、人体および観測空間を含む空間を数理モデルとして示す空間モデルを用いる。
　例えば、空間モデルは、人体が存在する部屋、施設または建物等に相当する空間を示す。この空間は、基本的には、壁、床および天井などによって閉鎖された空間であるが、部分的または全体的に開放された空間であってもよい。そして、空間モデルは、初期段階において、空間の形状および大きさ、空間における物体の位置、形状および大きさ、空間における人体の位置、並びに、空間における観測空間の位置等を示す。
　空間における人体の位置は、椅子またはベッド等の位置に従って推定される固定的な位置であってもよいし、図２に示されたカメラ１１４から取得される画像等に従って推定される動的な位置であってもよい。空間における物体の位置、形状および大きさ、並びに、空間における観測空間の位置も、固定的な位置であってもよいし、カメラ１１４から取得される画像に従って推定される動的な位置であってもよい。
　また、空間モデルには、空間に含まれる位置間の環境的な差異が反映されていてもよい。例えば、空間には、温度または湿度が相対的に高い位置と、温度または湿度が相対的に低い位置とが含まれる場合がある。空間モデルには、このような環境的な差異が反映されていてもよい。
　また、空間モデルは、入出力インタフェース等を介して取得部１０１によって取得されてもよいし、取得部１０１に予め組み込まれていてもよい。
　空間モデルによって示される空間に含まれる観測空間は、例えば、図２に示された機器１１１または環境センサ１１２等が設置された空間である。取得部１０１は、機器１１１の動作の状態を示す状態情報を機器１１１から取得してもよいし、環境センサ１１２によって検知された環境を状態として示す状態情報を環境センサ１１２から取得してもよい。
　取得部１０１は、空間モデルに対して、取得された状態情報のデータ同化を行う。つまり、取得部１０１は、状態情報を空間モデルに反映させる。
　例えば、機器１１１の動作の状態が機器１１１の周囲の環境に与える影響は、機器１１１に対する距離によって異なると想定される。そのため、取得部１０１は、機器１１１が設置された観測空間に近いほど機器１１１の動作の状態が大きく反映されるように、状態情報を空間モデルに反映させてもよい。また、取得部１０１は、状態情報を空間モデルに反映させる際に、空間に含まれる位置間の環境的な差異を所定の割合で維持してもよい。
　そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定し、推定された環境を示す環境情報を取得する。
　図９は、図１に示された取得部１０１の動作の例を示すフローチャートである。本具体例において、取得部１０１は、環境情報の取得において、図９に示された動作を行う。
　まず、取得部１０１は、観測空間における状態を示す状態情報を取得する（Ｓ１３１）。観測空間における状態は、観測空間における機器１１１の動作の状態であってもよいし、観測空間における環境センサ１１２によって検知された環境の状態であってもよい。例えば、取得部１０１は、観測空間における機器１１１から、機器１１１の動作の状態を示す状態情報を取得する。あるいは、取得部１０１は、観測空間における環境センサ１１２から、環境センサ１１２によって検知された環境の状態を示す状態情報を取得する。
　次に、取得部１０１は、人体および観測空間を含む空間を数理モデルとして示す空間モデルに対して、状態情報のデータ同化を行う（Ｓ１３２）。つまり、取得部１０１は、空間モデルに対して、状態情報を反映させる。例えば、状態情報によって示される状態と、空間における各位置の環境とは、相関関係を有し得る。したがって、状態情報のデータ同化が行われた空間モデルは、空間における各位置の環境を示し得る。
　取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い近傍空間における環境を推定する（Ｓ１３３）。そして、推定された環境を示す環境情報を取得する（Ｓ１３４）。これにより、取得部１０１は、機器１１１または環境センサ１１２が設置された観測空間よりも人体に近い近傍空間における環境を示す環境情報を取得することができる。
　近傍空間における環境は、観測空間における環境よりも、噴嚔の発生に大きく影響を及ぼすと想定される。したがって、噴嚔予測システム１００は、近傍空間における環境を示す環境情報によって、より適切に噴嚔の発生を予測することができる。
　なお、本具体例において、取得部１０１は、１つの観測空間における状態を示す状態情報を取得しているが、取得部１０１は、複数の観測空間における各状態を示す状態情報を取得してもよい。そして、取得部１０１は、空間モデルに対して、各状態を示す状態情報のデータ同化を行ってもよい。そして、取得部１０１は、どの観測空間よりも人体に近い近傍空間における環境を推定し、推定された環境を示す環境情報を取得してもよい。これにより、環境をより適切に示す環境情報が取得される。
　（効果等）
　実施の形態等に示された噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
　例えば、噴嚔予測システム１００は、噴嚔の際に飛散するウィルスまたは細菌等の拡散の防止に用いられる。例えば、噴嚔が発生することが噴嚔予測システム１００によって予測された場合において、空気清浄機が殺菌モードまたは除菌モード等で動作を行うことで、効果的にウィルスまたは細菌等の拡散が防止される。このような仕組みは、病院などで特に有用である。噴嚔予測システム１００は、このような空気清浄機を備えていてもよい。あるいは、噴嚔予測システム１００は、このような空気清浄機に含まれていてもよい。
　また、例えば、噴嚔が発生することが噴嚔予測システム１００によって予測された場合において、環境に影響を与える機器１１１が、噴嚔の発生を防止するための動作を行ってもよい。つまり、この場合において、噴嚔が発生しないことが噴嚔予測システム１００によって予測されるように、機器１１１が動作を変更してもよい。噴嚔予測システム１００は、このような機器１１１を備えていてもよい。あるいは、噴嚔予測システム１００は、このような機器１１１に含まれていてもよい。
　例えば、車両を運転するドライバが、噴嚔の発生によって、誤った操作を行う可能性がある。噴嚔予測システム１００および機器１１１等によって噴嚔の発生を防止するための動作が行われることで、噴嚔の発生が防止され、誤った操作が防止される可能性がある。
　また、噴嚔予測システム１００は、噴嚔の発生の予測結果に従って、警報を発生させる警報部を備えていてもよい。この警報部は、噴嚔が発生すると予測される場合、または、噴嚔が発生すると予測される確率が所定の確率以上である場合、警報を発生させてもよい。これにより、例えば、車両を運転するドライバに対して、噴嚔の発生の予測結果に従って、注意が促される。そして、これにより、誤った操作が防止される。
　したがって、噴嚔予測システム１００は、噴嚔の発生に伴う影響を抑制するための支援を行うことができる。
　以上、本発明の一態様における噴嚔予測システム１００について、実施の形態等に従って説明したが、本発明は、実施の形態等に限定されない。実施の形態等に対して当業者が思いつく変形を施して得られる形態、および、実施の形態等における複数の構成要素を任意に組み合わせて実現される別の形態も本発明に含まれる。
　例えば、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。
　また、本発明は、噴嚔予測システム１００として実現できるだけでなく、噴嚔予測システム１００を構成する各構成要素が行うステップを含む噴嚔予測方法として実現できる。例えば、それらのステップは、プロセッサ、メモリおよび入出力回路等を備えるコンピュータシステムによって実行される。そして、本発明は、それらの方法に含まれるステップを、コンピュータシステムに実行させるためのプログラムとして実現できる。なお、コンピュータシステムは、単にコンピュータと表現される場合がある。
　また、本発明は、上記のプログラムを記録した非一時的なコンピュータ読み取り可能な記録媒体として実現できる。記録媒体は、ＣＤ－ＲＯＭ等の光ディスクでもよいし、ハードディスドライブ等の磁気ディスクでもよいし、光磁気ディスク（ＭＯ）でもよいし、フラッシュメモリ等の半導体メモリでもよいし、他の非一時的なコンピュータ読み取り可能な記録媒体でもよい。また、プログラムは、記録媒体に予め記録されていてもよいし、通信ネットワークを介して記録媒体に供給されることで記録媒体に記録されてもよい。
　例えば、本発明が、プログラムで実現される場合には、コンピュータシステムのプロセッサ、メモリおよび入出力回路等のハードウェア資源を利用してプログラムが実行されることによって、各ステップが実行される。つまり、プロセッサがデータをメモリまたは入出力回路等から取得して演算したり、演算結果をメモリまたは入出力回路等に出力したりすることによって、各ステップが実行される。プログラムを実行するためのプロセッサとして、任意の種類のプロセッサが利用可能である。
　また、噴嚔予測システム１００等に含まれる複数の構成要素は、それぞれ、専用または汎用の回路として実現されてもよい。これらの構成要素は、１つの回路として実現されてもよいし、複数の回路として実現されてもよい。
　また、噴嚔予測システム１００等に含まれる複数の構成要素は、集積回路（ＩＣ：Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）であるＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。これらの構成要素は、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。これらの構成要素が、１つの装置の１以上のチップに設けられてもよいし、複数の装置の複数のチップに設けられてもよい。
　また、ＬＳＩは、集積度の違いにより、システムＬＳＩ、スーパーＬＳＩまたはウルトラＬＳＩと呼称される場合がある。また、集積回路は、専用回路または汎用プロセッサで実現されてもよい。プログラム可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、内部の回路セルの接続および設定が再構成可能なリコンフィギュラブル・プロセッサが、利用されてもよい。
　さらに、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて、噴嚔予測システム１００に含まれる複数の構成要素の集積回路化が行われてもよい。
　最後に、噴嚔予測システム１００等の複数の態様を例として示す。これらの態様は、適宜、組み合わされてもよい。また、上記の実施の形態等に示された任意の構成等が追加されてもよい。
　（第１態様）
　本発明の一態様における噴嚔予測システム１００は、取得部１０１と予測部１０２とを備える。取得部１０１は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する。予測部１０２は、環境情報および人体情報に従って、人体における噴嚔の発生を予測する。
　これにより、噴嚔予測システム１００は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
　（第２態様）
　例えば、予測部１０２は、噴嚔予測モデル、環境情報および人体情報に従って、噴嚔の発生を予測してもよい。ここで、噴嚔予測モデルは、環境情報および人体情報が説明変数として用いられ、かつ、噴嚔の発生の予測値を示す予測情報が目的変数として用いられるモデルである。これにより、噴嚔予測システム１００は、環境情報および人体情報から適切な予測情報を導出することができ、導出された予測情報に従って、噴嚔の発生を適切に予測することができる。
　（第３態様）
　例えば、取得部１０１は、さらに、噴嚔の発生の実績値を示す実績情報を取得してもよい。そして、予測部１０２は、さらに、実績情報に従って、噴嚔予測モデルを更新してもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の実績に従って、噴嚔の発生の予測精度を改善することができる。
　（第４態様）
　例えば、取得部１０１は、さらに、人体の気道を示す気道モデルを取得してもよい。そして、予測部１０２は、気道モデルに対して環境情報および人体情報のデータ同化を行ってもよい。そして、予測部１０２は、環境情報および人体情報のデータ同化が行われた気道モデルに従って、気道の状態である気道状態を推定してもよい。そして、予測部１０２は、推定された気道状態に従って、噴嚔の発生を予測してもよい。
　これにより、噴嚔予測システム１００は、環境情報および人体情報が反映された気道モデルから推定される気道状態に従って、噴嚔の発生を適切に予測することができる。
　（第５態様）
　例えば、予測部１０２は、気道モデルの次元削減を行い、次元削減が行われた気道モデルに従って気道状態を推定してもよい。これにより、噴嚔予測システム１００は、簡素化された気道モデルに従って、高速に気道状態を推定することができる。
　（第６態様）
　例えば、人体情報は、人体の気道を示す気道モデルを含んでいてもよい。これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、気道モデルを反映させることができる。気道モデルは、噴嚔の発生に影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される気道モデルを含む人体情報、および、環境情報によって、適切に、噴嚔の発生を予測することができる。
　（第７態様）
　例えば、取得部１０１は、人体から離れた空間である観測空間における状態を示す状態情報を取得してもよい。そして、取得部１０１は、人体および観測空間を含む空間を示す空間モデルに対して状態情報のデータ同化を行ってもよい。そして、取得部１０１は、状態情報のデータ同化が行われた空間モデルに従って、観測空間よりも人体に近い空間である近傍空間における環境を推定してもよい。そして、取得部１０１は、推定された環境を示す環境情報を取得してもよい。
　これにより、噴嚔予測システム１００は、噴嚔の発生の予測に、人体に近い空間における環境を示す環境情報を反映させることができる。人体に近い空間における環境を示す環境情報は、噴嚔の発生に大きく影響すると想定される。したがって、噴嚔予測システム１００は、噴嚔の発生に影響すると想定される環境情報、および、人体情報によって、より適切に、噴嚔の発生を予測することができる。
　（第８態様）
　本発明の一態様における噴嚔予測方法は、取得ステップ（Ｓ１０１）と、予測ステップ（Ｓ１０２）とを含む。取得ステップ（Ｓ１０１）では、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報を取得する。予測ステップ（Ｓ１０２）では、環境情報および人体情報に従って、人体における噴嚔の発生を予測する。
　これにより、この噴嚔予測方法を実行するシステム等は、人体に対する環境を示す環境情報、および、人体の属性を示す人体情報に従って、人体における噴嚔の発生を予測することができる。人体に対する環境を示す環境情報、および、人体の属性を示す人体情報は、人体における噴嚔の発生に影響すると想定される。したがって、この噴嚔予測方法を実行するシステム等は、人体における噴嚔の発生に影響すると想定される環境情報および人体情報によって、適切に、人体における噴嚔の発生を予測することができる。
　（第９態様）
　本発明の一態様におけるプログラムは、噴嚔予測方法をコンピュータに実行させるためのプログラムである。これにより、噴嚔予測方法がプログラムによって実装される。
　　１００　噴嚔予測システム
　　１０１　取得部
　　１０２　予測部

Claims (9)

  1. 　人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得部と、
    　前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測部とを備える
    　噴嚔予測システム。
  2. 　前記予測部は、（ｉ）前記環境情報および前記人体情報が説明変数として用いられ、かつ、前記噴嚔の発生の予測値を示す予測情報が目的変数として用いられる噴嚔予測モデル、（ｉｉ）前記環境情報、および、（ｉｉｉ）前記人体情報に従って、前記噴嚔の発生を予測する
    　請求項１に記載の噴嚔予測システム。
  3. 　前記取得部は、さらに、前記噴嚔の発生の実績値を示す実績情報を取得し、
    　前記予測部は、さらに、前記実績情報に従って、前記噴嚔予測モデルを更新する
    　請求項２に記載の噴嚔予測システム。
  4. 　前記取得部は、さらに、前記人体の気道を示す気道モデルを取得し、
    　前記予測部は、
    　前記気道モデルに対して前記環境情報および前記人体情報のデータ同化を行い、
    　前記環境情報および前記人体情報のデータ同化が行われた前記気道モデルに従って、前記気道の状態である気道状態を推定し、
    　推定された前記気道状態に従って、前記噴嚔の発生を予測する
    　請求項１に記載の噴嚔予測システム。
  5. 　前記予測部は、前記気道モデルの次元削減を行い、次元削減が行われた前記気道モデルに従って前記気道状態を推定する
    　請求項４に記載の噴嚔予測システム。
  6. 　前記人体情報は、前記人体の気道を示す気道モデルを含む
    　請求項１～３のいずれか１項に記載の噴嚔予測システム。
  7. 　前記取得部は、
    　前記人体から離れた空間である観測空間における状態を示す状態情報を取得し、
    　前記人体および前記観測空間を含む空間を示す空間モデルに対して前記状態情報のデータ同化を行い、
    　前記状態情報のデータ同化が行われた前記空間モデルに従って、前記観測空間よりも前記人体に近い空間である近傍空間における前記環境を推定し、
    　推定された前記環境を示す前記環境情報を取得する
    　請求項１～６のいずれか１項に記載の噴嚔予測システム。
  8. 　人体に対する環境を示す環境情報、および、前記人体の属性を示す人体情報を取得する取得ステップと、
    　前記環境情報および前記人体情報に従って、前記人体における噴嚔の発生を予測する予測ステップとを含む
    　噴嚔予測方法。
  9. 　請求項８に記載の噴嚔予測方法をコンピュータに実行させるための
    　プログラム。
PCT/JP2018/014860 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法 WO2018207520A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019517505A JP6751903B2 (ja) 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017095957 2017-05-12
JP2017-095957 2017-05-12

Publications (1)

Publication Number Publication Date
WO2018207520A1 true WO2018207520A1 (ja) 2018-11-15

Family

ID=64102778

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/014860 WO2018207520A1 (ja) 2017-05-12 2018-04-09 噴嚔予測システムおよび噴嚔予測方法

Country Status (2)

Country Link
JP (1) JP6751903B2 (ja)
WO (1) WO2018207520A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011140271A (ja) * 2010-01-07 2011-07-21 Toyota Motor Corp 車両操作支援装置
JP2015204033A (ja) * 2014-04-15 2015-11-16 株式会社東芝 健康情報サービスシステム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011140271A (ja) * 2010-01-07 2011-07-21 Toyota Motor Corp 車両操作支援装置
JP2015204033A (ja) * 2014-04-15 2015-11-16 株式会社東芝 健康情報サービスシステム

Also Published As

Publication number Publication date
JP6751903B2 (ja) 2020-09-09
JPWO2018207520A1 (ja) 2020-01-09

Similar Documents

Publication Publication Date Title
Saleem et al. IoT Healthcare: Design of Smart and Cost‐Effective Sleep Quality Monitoring System
US20220040356A1 (en) Space cleaning system and space cleaning method
US10854063B2 (en) Detecting periods of inactivity
US20140111335A1 (en) Methods and systems for providing auditory messages for medical devices
CN111815643A (zh) 基于人工智能的copd评估
Håkansson et al. Aerodynamics and motor control of ultrasonic vocalizations for social communication in mice and rats
JP6737416B1 (ja) 環境制御システム
CN112272746A (zh) 空气质量控制系统和方法
Maali et al. A novel partially connected cooperative parallel PSO-SVM algorithm: Study based on sleep apnea detection
JP2023030052A (ja) 骨および軟組織の知的組織分類器
JP2015219617A (ja) 疾病分析装置、疾病分析方法、及びプログラム
CN107835659A (zh) 确定代谢参数
KR102376188B1 (ko) 딥러닝 기반의 호흡음 분류를 위한 피쳐정보 선택방법 및 시스템
Ramos et al. SDHAR-HOME: A sensor dataset for human activity recognition at home
CN109419493A (zh) 身体状况预测方法、身体状况预测装置和身体状况预测程序
WO2018207520A1 (ja) 噴嚔予測システムおよび噴嚔予測方法
US9770572B2 (en) Device, method, medium for guiding a user to a desired sleep state
CN111684535A (zh) 最优传感器放置的系统和方法
JP2023179664A (ja) 二酸化炭素濃度予測システム、二酸化炭素濃度予測方法および二酸化炭素濃度予測プログラム
JP6648435B2 (ja) 判別装置、判別方法、プログラム、モデル生成装置、及びモデル生成方法
JP2021157274A (ja) 行動認識サーバ、および、行動認識方法
Meena et al. Optimizing control of IOT device using traditional machine learning models and deep neural networks
KR20180092189A (ko) 생존율 예측 모델 생성 방법, 장치 및 컴퓨터 프로그램
US20200268309A1 (en) Information processing method and information processing system
JPWO2019039261A1 (ja) 睡眠の質判定システム、睡眠の質モデル作成プログラム、および、睡眠の質判定プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18797532

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019517505

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18797532

Country of ref document: EP

Kind code of ref document: A1