WO2021060174A1 - 判定装置 - Google Patents

判定装置 Download PDF

Info

Publication number
WO2021060174A1
WO2021060174A1 PCT/JP2020/035405 JP2020035405W WO2021060174A1 WO 2021060174 A1 WO2021060174 A1 WO 2021060174A1 JP 2020035405 W JP2020035405 W JP 2020035405W WO 2021060174 A1 WO2021060174 A1 WO 2021060174A1
Authority
WO
WIPO (PCT)
Prior art keywords
excrement
amount
determination
determined
stool
Prior art date
Application number
PCT/JP2020/035405
Other languages
English (en)
French (fr)
Inventor
敬成 青山
健太 田中
洋人 三輪
Original Assignee
株式会社Ｌｉｘｉｌ
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 株式会社Ｌｉｘｉｌ filed Critical 株式会社Ｌｉｘｉｌ
Priority to EP20869794.6A priority Critical patent/EP4036334A4/en
Priority to CN202080066869.XA priority patent/CN114467020B/zh
Priority to US17/763,179 priority patent/US20220375080A1/en
Publication of WO2021060174A1 publication Critical patent/WO2021060174A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/85—Investigating moving fluids or granular solids
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A61B10/0038—Devices for taking faeces samples; Faecal examination devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
    • E03D9/00—Sanitary or other accessories for lavatories ; Devices for cleaning or disinfecting the toilet room or the toilet bowl; Devices for eliminating smells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Definitions

  • Patent Document 1 discloses a technique for estimating each property of various properties mixed in excrement. That is, although various properties of excrement can be estimated, it is not easy for the user to use because it is not known which part of the excrement property should be used to determine the user's own health condition.
  • An object of the present disclosure is to provide a determination device capable of identifying a representative part even in excrement in which various properties are mixed.
  • One embodiment of the present disclosure includes an acquisition unit that acquires image information of a target image in which excrement is captured, and a determination unit that determines a determination item relating to the excrement in the target image, and relates to the excrement.
  • the determination item is the property of the excrement, and when the excrement contains a plurality of parts determined to have different properties from each other, the determination unit is one of the plurality of parts based on the time series of excretion. It is a determination device that selects one part and determines the property of the selected part as a representative property representing the excrement.
  • the determination system 1 includes, for example, a toilet bowl device 3, an image pickup device 4, and a determination device 10.
  • the toilet device 3 includes, for example, a toilet 30 having a toilet bowl 32.
  • a water reservoir 36 is formed in the internal space 34 of the toilet bowl 32.
  • the toilet bowl device 3 is configured to be able to supply the wash water S to the water reservoir 36.
  • the imaging device 4 is provided at a position where excrement can be imaged.
  • the image pickup device 4 is installed on the upper side of the toilet bowl 30, for example, inside the edge on the rear side of the toilet bowl 32.
  • the image pickup device 4 is installed so that the lens faces in the direction of the internal space 34 of the toilet bowl 32. That is, the image pickup device 4 photographs the internal space 34 of the toilet bowl 32.
  • the image pickup device 4 takes an image of the vicinity of the water storage portion 36 of the toilet bowl 32, and photographs the stool that has fallen into the water storage portion 36 and the stool that has fallen.
  • the image pickup device 4 takes an image of the vicinity of the water reservoir 36 of the toilet bowl 32 based on the instruction signal received from the determination device 10, and transmits the image information of the captured image to the determination device 10.
  • the imaging device 4 repeatedly images the vicinity of the water reservoir 36 of the toilet bowl 32 over time along the time series of excretion.
  • the image pickup device 4 captures a plurality of images, for example, at the start, middle, and end of excretion.
  • the determination device 10 can analyze the images according to the captured time series, and can determine the first excreted stool, the intermediately excreted stool, and the last excreted stool.
  • the image pickup device 4 will be described by taking an image of excrement that has fallen into the water reservoir 36 of the toilet bowl 32 as an example.
  • excrement may be referred to as stool or feces.
  • the image pickup device 4 may be installed on the back side of the toilet seat, for example, and may image the falling excrement from the side surface direction of the toilet bowl 32.
  • the image captured by the image pickup apparatus 4 may be a moving image or a still image.
  • the determination device 10 includes, for example, an image information acquisition unit 11, an analysis unit 12, a determination unit 13, an output unit 14, an image information storage unit 15, a learned model storage unit 16, and a determination result storage unit 17. , Equipped with.
  • the image information acquisition unit 11 is an example of the “acquisition unit”.
  • the analysis unit 12 is an example of an “estimation unit”.
  • the image information acquisition unit 11 acquires the image information of the image captured in the vicinity of the water reservoir 36 of the toilet bowl 32.
  • an image captured in the vicinity of the water reservoir 36 of the toilet bowl 32 may be referred to as a target image.
  • the image information acquisition unit 11 outputs the acquired image information to the analysis unit 12.
  • the image information acquisition unit 11 stores the acquired image information in the image information storage unit 15.
  • the analysis unit 12 analyzes the image based on the image information obtained from the image information acquisition unit 11.
  • the image to be analyzed may be referred to as a target image.
  • the analysis by the analysis unit 12 is to estimate the items of determination regarding excrement based on the image related to excretion.
  • the item of judgment regarding excrement may be referred to as a judgment item.
  • the determination item may be at least related to excrement, for example, the property and amount of stool.
  • the properties of excrement include the shape and color of excrement.
  • the amount of excrement includes the size of the excrement.
  • the properties of stool can be divided into 7 categories based on the Bristol scale.
  • the Bristol scale indicates the nature and condition of stool and is an international stool classification index. Bristol scale is often used in the medical field, for example. On the Bristol scale, it is classified into types 1 to 7 according to the amount of water contained in stool, that is, the amount of water in feces.
  • the fecal water content of healthy stool is type 4. The smaller the Bristol scale type number, the lower the stool water content, and the higher the number, the higher the stool water content.
  • Types 3 to 5 are healthy ranges
  • type 1 and type 2 are constipated stools
  • types 6 and 7 are diarrheal stools.
  • the analysis unit 12 estimates the determination item using, for example, a learned model that has learned the contents corresponding to the determination item of the determination unit 13.
  • the trained model is, for example, a model stored in the trained model storage unit 16.
  • a data set in which an image in which excrement is imaged, that is, a learning image and a determination result for a determination item of excrement imaged in the learning image are associated with each other is learned as teacher data. It is a model.
  • the trained model can output the result of determining the determination item in the input image as an estimated value.
  • the trained model is created using, for example, a deep learning method.
  • deep learning is abbreviated as DL.
  • DL is a machine learning method using a deep neural network composed of a multi-layer neural network.
  • DNN is realized by a network inspired by the principle of predictive coding in neuroscience, and is constructed by a function that mimics the neurotransmission network.
  • the trained model is not limited to DNN.
  • the trained model may be at least a model that has learned the correspondence between the image and the determination result.
  • the determination unit 13 determines the determination item in the excrement imaged in the target image by using the analysis result obtained from the analysis unit 12.
  • the analysis result obtained from the analysis unit 12 may be referred to as an estimation result.
  • the properties of stool may change over time in the process of one excretion. For example, at the beginning of excretion, there may be rolling stools, for example, stools classified as type 1 on the Bristol scale, and finally, watery stools, for example, stools classified as type 7. ..
  • the large intestine is an organ located between the small intestine and the anus.
  • the large intestine is composed of the cecum, ascending colon, transverse colon, descending colon, sigmoid colon, and rectum in order from the small intestine to the anus.
  • stool that has been stored due to the peristaltic movement of the intestine comes down to the rectum at once, the user feels the urge to defecate and defecates.
  • the stool that comes out later is interpreted as the back stool, and the "stool from the descending to the sigmoid colon" that the stool should originally collect is the user's health. It can be regarded as the essence that best reflects the state.
  • the properties of the stool are determined on behalf of the stool that can be regarded as the essence.
  • a specific method for the determination unit 13 to determine the properties of the stool will be described in detail later.
  • the output unit 14 outputs the determination result by the determination unit 13.
  • the output unit 14 may be configured to transmit the determination result to the terminal of the user who has performed the excretion behavior, for example. This allows the user to recognize the determination result of the property and amount of excrement.
  • the image information storage unit 15 stores the image information acquired by the image information acquisition unit 11.
  • the trained model storage unit 16 stores the trained model corresponding to each of the determination items.
  • the determination result storage unit 17 stores the determination result by the determination unit 13.
  • the communication unit 18 communicates with the toilet bowl device 3, the image pickup device 4, or an external device (not shown).
  • the communication unit 18 receives the detection result from the toilet bowl device 3.
  • the communication unit 18 transmits control information indicating an imaging instruction to the imaging device 4.
  • FIG. 2 shows the result determined by the determination unit 13 along the time axis.
  • the determination unit 13 determines the detected properties as the properties representing the excrement.
  • the nature of the excrement is type 4.
  • the determination unit 13 determines the property of the first stool discharged as a property representing excrement.
  • the determination unit 13 determines in advance predetermined ratios H1 and H2 to be used as the total amount of excrement.
  • the ratio H1 is a ratio corresponding to the threshold value TH1 for determining whether or not the amount of stool excreted first is small.
  • the ratio H1 may be set to any ratio.
  • the ratio H1 is, for example, 0 to less than 50%, preferably 30% or less.
  • the ratio H2 is a ratio corresponding to the threshold value TH2 for determining the region of stool that can be regarded as the essence.
  • the ratio H2 may be set to any ratio.
  • the ratio H2 is, for example, around 50%.
  • the determination unit 13 first determines the total amount of excretion. The method for determining the total amount of excretion will be described in detail later.
  • the determination unit 13 calculates the amount of stool E1 that occupies the predetermined ratio H1 determined above based on the determined total amount.
  • the determination unit 13 calculates the amount of stool E2 that occupies the predetermined ratio H2 determined above based on the determined total amount.
  • the determination unit 13 compares the amount of stool excreted first with the calculated amount of stool E1. As shown in the pattern PT2, when the amount of the first excreted stool is larger than the predetermined amount E1, the determination unit 13 sets the property of the first excreted stool as the property representing the excrement. Confirm the result of the judgment. In the example of this pattern PT2, since the amount of stool discharged first is larger than the amount E1, the determination unit 13 determines B4, which is the property of the stool discharged first, as the property of excrement.
  • the determination unit 13 extracts the stool from the start of defecation until the predetermined amount E2 is excreted. ..
  • the determination unit 13 determines the properties of the extracted stool, and determines the properties of the stool having the largest amount among the determined properties as the properties representing excrement.
  • the determination unit 13 determines that the stools excreted from the start of defecation to the amount E2 are the properties of B1, B4, and B6. Of these, B4, which is the property of the second stool that has the largest amount of stool, is determined to be the property of excrement.
  • the determination device 10 acquires image information by the image information acquisition unit 11 (step S10).
  • the determination unit 13 determines the property of the stool for each target image based on the image information (step S11), and determines the amount of the stool (step S12).
  • the determination unit 13 determines the properties for each imaging region of the excrement.
  • the determination unit 13 uses, for example, an estimation result obtained by having the analysis unit 12 estimate the properties of the stool as the determination result.
  • the analysis unit 12 outputs the estimation result obtained by inputting the image information to the trained model to the determination unit 13.
  • the trained model stores, for example, a data set in which a learning image in which excrement is captured and a result of determining the properties and amount of excrement in the learning image are associated with each other as teacher data.
  • the trained model is a model trained to output the result of determining the property and amount of excrement in the input image by comparing with the teacher data.
  • the determination unit 13 determines the properties of the stool.
  • the determination unit 13 determines whether or not the properties of the stool captured in the target image do not change, that is, whether or not there is only one type of properties (step S13).
  • the determination unit 13 determines the property of the one type as the result of determining the property representing the excrement (step S14).
  • the determination unit 13 determines whether or not the amount of stool excreted first is larger than the predetermined amount E1 (step S15). ..
  • the amount E1 is an amount that occupies a predetermined ratio H1 with respect to a representative amount of excrement.
  • the determination unit 13 determines the property of the first excreted stool as the result of determining the property representing the excrement (step S16). ..
  • the determination unit 13 extracts the stool from the start of excretion until the amount E2 is discharged.
  • the amount E2 is an amount that occupies a predetermined ratio H2 with respect to a representative amount of excrement.
  • the determination unit 13 determines the properties of the extracted stool.
  • the determination unit 13 determines the property of the stool having the largest amount among the determined properties as the result of determining the property representing the excrement (step S17).
  • the determination device 10 of the first embodiment includes an image information acquisition unit 11 and a determination unit 13.
  • the image information acquisition unit 11 acquires the image information of the target image in which the excrement is captured.
  • the determination unit 13 determines a determination item relating to excrement in the target image.
  • the judgment item regarding excrement is the property of excrement.
  • the determination unit 13 selects a portion of excrement specified based on the time series of excretion, and determines the property of the selected portion as a property representing the excrement, that is, a representative property of the excrement.
  • the determination device 10 of the first embodiment selects a portion considered to represent the user's defecation based on the time series of excretion, and the properties of the selected portion represent the excrement. It can be identified as a property. Therefore, it is possible to present an index that is easy for the user to understand, such as presenting one property that is considered to be the most representative of defecation, and it is possible to improve convenience.
  • the determination items related to excrement are the properties and amount of excrement.
  • the determination unit 13 determines that the amount of stool (first part) excreted first among the plurality of parts is a predetermined amount E1.
  • the corresponding threshold value is TH1
  • the property of the first excreted stool that is, the property of the first part of the stool is determined to be the property representing the excrement.
  • the predetermined amount E1 is the ratio H1 of the total amount, that is, the amount corresponding to the first ratio. This makes it possible to determine the property that is considered to be the most representative of defecation as the property of excrement by a simple method in which the amount of stool excreted first is compared with the predetermined amount E1. is there.
  • the determination unit 13 excretes when it is determined that the amount of stool excreted first, that is, the amount of stool in the first portion is the threshold TH1 corresponding to a predetermined amount E1, that is, equal to or less than the first threshold.
  • the determination unit 13 represents the most stool among the later stools that are considered to represent stool as compared with the first stool. It is possible to determine the properties that are considered to be the properties of excrement.
  • the determination unit 13 determines the property and amount of stool based on the estimation result by the analysis unit 12 .
  • the present disclosure is not limited to this example.
  • the determination unit 13 may determine the properties and quantity of stool by using a conventional image analysis method such as image color and edge detection without using the estimation result of the analysis unit 12.
  • the analysis unit 12 can be omitted.
  • the determination device 10 determines the properties representing the excrement without using the time series information.
  • the water contained in the stool is absorbed as it passes through the large intestine. Therefore, the stool excreted first tends to have a relatively small amount of water and become harder than the stool excreted last, and the stool that comes out later tends to have a large amount of water and is soft. At the extreme, stools tend to be excreted in ascending order of type number on the Bristol scale. However, the type of Bristol scale in the first stool to be excreted varies depending on the excretion and is not fixed.
  • the determination unit 13 when the excrement contains a plurality of parts determined to be different from each other, the determination unit 13 represents the excrement having the smallest type number on the Bristol scale. It is confirmed that the property is to be used. As a result, the determination unit 13 can select the properties of the first excreted portion without distinguishing between the first excreted portion and the last excreted portion.
  • the determination device 10 of the modified example in the first embodiment includes an image information acquisition unit 11 and a determination unit 13.
  • the image information acquisition unit 11 acquires the image information of the target image in which the excrement is captured.
  • the determination unit 13 determines a determination item relating to excrement in the target image.
  • the judgment item regarding excrement is the type number on the Bristol scale, which is an example of the properties of excrement classified according to the amount of water contained in the excrement.
  • the determination unit 13 determines the property having the smallest type number on the Bristol scale as the property representing the excrement.
  • the property with the smallest type number on the Bristol scale is an example of "the property of the part determined to be in the category with the lowest water content".
  • the determination device 10 extracts the smallest number of the type on the Bristol scale determined for excrement, which is considered to reflect the health condition most. The nature of the excrement can be selected.
  • the determination device 10 determines the amount of excrement based on the target image.
  • the stool falls into the water reservoir 36 in the stool bowl 32 and dissolves, or is affected by urine and local wash water, and its properties and amount change over time. I have something to do.
  • the banana-shaped stool classified into Bristol scale type B4 changes like the target images G2 and G3 with the passage of time.
  • the stool is soggy and the shape is broken.
  • the target image G3 the stool is dissolved in water. In this way, the shape of stool changes over time.
  • the properties of the stool that was originally type B4 are determined based on the target images G2 and G3, it is considered that the determination is erroneous.
  • the determination unit 13 extracts only an image such as the target image G1 that can accurately determine the properties of the stool, and the object cannot be accurately determined. Images such as images G2 and G3 are excluded. Specifically, the determination unit 13 determines a determination item for an image in which the state before the stool collapses or melts and changes.
  • FIG. 5 is a graph showing the correspondence between time and the amount of stool.
  • the horizontal axis represents time and the vertical axis represents quantity.
  • the determination unit 13 derives the correspondence between the time and the amount of stool as shown in FIG. 5 based on the result of determining the amount of stool.
  • the time course of the amount of stool is shown when the amount M5 is excreted between the times T0 and T6.
  • the slope between times T0 to T1, T2 to T3, and T4 to T5 is relatively steep, while the slope between times T1 to T2 and T3 to T4 is relatively gentle. This is because the excrement falls during the time when the slope is steep (time T0 to T1, T2 to T3, T4 to T5), and the excrement that falls during the time when the slope is gentle (time T1 to T2, T3 to T4). It is considered that the amount of stools seems to have increased slightly due to the collapse and melting.
  • the properties of the stool can be accurately judged from the image captured at the time when the inclination is steep. It is considered that the properties of the stool cannot be accurately determined from the image captured at the time when the inclination is gentle. Of the images captured during the time when the tilt is steep, the image captured during the time when the tilt does not change is an image in which the excrement is falling. Therefore, it is considered premature to determine the properties and quantity. That is, the image captured at the time when the inclination changes from a steep state to a gentle state is the most suitable image for determining the property and amount of stool.
  • the determination unit 13 extracts such an image.
  • the determination unit 13 calculates the rate of change over time in the amount of stool from the relationship between the time when the image was captured and the amount of stool determined in the image.
  • the determination unit 13 classifies the rate of change with time into one of two categories, for example, steep and gentle, by comparing it with a predetermined threshold value K.
  • the determination unit 13 extracts the captured image at the time when the two divisions are switched and at the time when the two divisions are switched from steep to gradual.
  • points P1 (T1, M1), P2 (T3, M3), and P3 (T5, M5) are points where the slope changes from steep to gradual.
  • the determination unit 13 extracts the images captured at the time points T1, T3, and T5 corresponding to these points as images capable of determining the properties and amount of stool with the highest accuracy.
  • steps S20 and S21 of FIG. 6 are the same processes as steps S10 and S11 of FIG. 4, the description thereof will be omitted.
  • the determination unit 13 determines whether or not the amount of stool has been determined for all the target images, and if there is an image that has not yet been determined, returns to step S20 and determines the amount of stool in the undetermined image. The determination process is repeated (step S22).
  • the determination unit 13 calculates the rate of change in the amount of stool with time, for example, the inclination.
  • the determination unit 13 calculates the rate of change in the amount of stool with time from the relationship between the imaging time of the target image and the amount of stool determined from the image (step 23).
  • the determination unit 13 extracts an image captured at a time when the rate of change in the amount of stool with time is larger than a predetermined threshold value TH3, for example, a slope K (step S24).
  • the determination unit 13 selects an image corresponding to the time during which the rate of change with time changes to a value smaller than the threshold value TH3 from the extracted images (step S25). The determination unit 13 determines the property and amount representing the stool using the determination result of the selected image (step S26).
  • the target image is a plurality of images of the internal space 34 of the toilet bowl 32 in excretion, for example, the vicinity of the water reservoir 36, which are repeatedly imaged in chronological order. It is an image. Judgment items regarding excrement are the properties and amount of excrement.
  • the determination unit 13 extracts a target image in which the rate of change in the amount of excrement with time is larger than the predetermined slope K in relation to the imaging time of each target image and the amount of excrement.
  • the slope K at which the rate of change in the amount of excrement with time is predetermined is an example of the “second threshold value”.
  • the determination unit 13 determines the property and amount representing the excrement based on the property and amount of excrement determined in the extracted target image. As a result, the determination device 10 can determine the properties and amount of stool based on the image in which the state before the excrement collapses or melts is captured. The determination device 10 can accurately determine the properties and amount of excrement.
  • steps S30 to S32 of FIG. 7 are the same processes as steps S20 to S22 of FIG. 6, the description thereof will be omitted.
  • the determination unit 13 determines for each image whether or not the same determination result as the previous time is obtained (step S33).
  • the determination unit 13 acquires the number of times that the same determination result is consecutive (step S34).
  • the determination unit 13 extracts an image corresponding to a portion where the number of acquisitions is larger than a predetermined threshold value (step S35).
  • the determination unit 13 determines the property and amount representing the stool using the determination result of the extracted image (step S36).
  • the properties and amount of stool change along the process of excretion.
  • the shape of the stool may be deformed by the impact of dropping it on the toilet bowl, or the properties and amount of the stool may change over time due to the effect of the stool dissolving in the water.
  • Urination may occur before, after, or at the same time as defecation. Even if the method of the second embodiment described above is adopted, it is possible that the inclination cannot be clearly divided into two categories, that is, steep or gentle.
  • the determination unit 13 determines that the stool is not a stool that collapses after falling when the results of determining the properties over time match F1 a plurality of times. The determination unit 13 determines that the property of the stool that is not the stool that collapses after falling is the original property of the excrement, and determines that the property should be determined.
  • the determination device 10 of the first modification of the second embodiment the number of times that the determination results according to the imaging time of each target image are the same in succession is compared with F1 a plurality of times.
  • the large target image is extracted.
  • Multiple times F1 is an example of a "third threshold”.
  • the determination unit 13 determines the properties representing the stool based on the properties of the stool determined in the extracted target image. As a result, even when the inclination cannot be clearly classified as steep or gentle, the determination unit 13 can extract an image of stool that is not a collapsing stool after falling and represents excrement. The properties and quantity can be determined accurately.
  • the determination unit 13 determines the amount of stool determined to be the largest amount over time as a representative amount of excrement.
  • the amount of stool that is out is the most probable amount of stool. Even if the maximum amount is suddenly determined at a time considered to be in the middle of excretion, such as time T3 in FIG. 5, the determination unit 13 is considered to be in the middle of excretion over time. , The maximum amount determined is regarded as a determination error.
  • the determination unit 13 determines the amount of excrement, which corresponds to the end of excretion over time and is determined to be the largest amount over time.
  • the determination unit 13 determines the maximum amount of excrement at a time considered to be the last of excretion, for example, at time T6 in FIG.
  • the determination item regarding excrement is the amount of excrement.
  • the determination unit 13 determines the amount of excrement determined for each target image, which corresponds to the end of excretion over time and is determined to be the largest, as the amount of excrement. As a result, even if the maximum amount is suddenly determined because there is noise in the image during excretion, the determination unit 13 can recognize this as a determination error, and the accuracy of the determination is deteriorated. It is possible to suppress.
  • the determination unit 13 determines the amount of stool over time, and when the results match over F2 multiple times, the stool is not in the middle of excretion and collapses after falling. It is judged that it corresponds to the stool immediately after the end of excretion, not the stool. The determination unit 13 determines the amount of stool determined to be stool immediately after the end of excretion as the amount of excrement. Multiple times F2 is an example of a "fourth threshold".
  • the determination device 10 of the third modification of the second embodiment the number of times that the determination result according to the imaging time of each target image is the same result is the same multiple times as compared with F2.
  • the large target image is extracted.
  • the determination unit 13 determines the representative amount of excrement, that is, the representative amount of excrement, based on the amount of excrement determined in the extracted target image. As a result, even when the inclination cannot be clearly classified as steep or gentle, the determination unit 13 can extract an image of stool that is not a collapsing stool after falling and represents excrement. The properties and quantity can be determined accurately.
  • the determination unit 13 determines the properties of the stool based on the combination of the determination results determined for the plurality of indexes.
  • the Bristol scale is an international stool classification index and is widely used in the medical field. If it can be classified correctly according to this index, it is possible to make an accurate judgment. However, in reality, it was often classified subjectively according to experience and sensation. In particular, types 1, 4, and 7 can be correctly classified when they are classified by inexperienced workers. On the other hand, it is difficult to distinguish between the types classified in the middle, for example, types 2 and 3, and types 5 and 6, and the judgment tends to vary.
  • the determination device 10 determines each of a plurality of indexes of excrement, and quantitatively determines the properties of stool by combining the determination results. Specifically, the determination unit 13 determines the properties of the excrement based on the combination of the results of determining the texture, continuity, and edge of the excrement.
  • the texture here is a sensation of appearance on the surface of excrement, and is a degree corresponding to, for example, a sensation of rolling, banana, and the like.
  • Continuity is the connection of excrement, for example, the degree of connection or break.
  • the edge is the contour of the excrement, for example, the degree of sharpness or blurring.
  • the determination unit 13 determines the properties of the excrement based on the combination of the results of determining the texture, continuity, and edge of the excrement. As a result, the determination device 10 can quantitatively and objectively determine the properties, reduce the variation in the determination, and make the determination with high accuracy.
  • the determination device 10 of the present embodiment can also be applied to the creation of teacher data.
  • the accuracy of the teacher data greatly affects the accuracy of the estimation. That is, the trained model that has learned the teacher data including the variation in the determination may cause a determination error in the classifications such as types 2 and 3 as in the teacher data.
  • the determination device 10 quantitatively determines the properties of the learning image based on a plurality of indexes, it is possible to generate high-quality teacher data with reduced variation in the determination.
  • a trained model that has learned high-quality teacher data may be able to accurately determine the properties of stool even if the properties are near the boundary between types B2 and B3.
  • a computer may realize all or part of the processing performed by the determination device 10 in the above-described embodiment.
  • the program for realizing this function may be recorded on a computer-readable recording medium, and the program recorded on the recording medium may be read by the computer system and executed.
  • the "computer system” here includes hardware such as an OS and peripheral devices.
  • the "computer-readable recording medium” refers to a storage device such as a flexible disk, a magneto-optical disk, a portable medium such as a ROM or a CD-ROM, or a hard disk built in a computer system.
  • a "computer-readable recording medium” is a communication line for transmitting a program via a network such as the Internet or a communication line such as a telephone line, and dynamically holds the program for a short period of time. It may also include a program that holds a program for a certain period of time, such as a volatile memory inside a computer system that is a server or a client in that case.
  • the above program may be for realizing a part of the above-mentioned functions, and may be further realized for realizing the above-mentioned functions in combination with a program already recorded in the computer system, and is an FPGA. It may be realized by using a programmable logic device such as.
  • Judgment system 10 ... Judgment device, 11 ... Image information acquisition unit (acquisition unit), 12 ... Analysis unit (estimation unit), 13 ... Judgment unit (judgment unit), 14 ... Output unit (output unit), 15 ... Image information storage unit, 16 ... Learned model storage unit, 17 ... Judgment result storage unit, 18 ... Communication unit, 3 ... Toilet bowl device, 30 ... Toilet bowl, 32 ... Toilet bowl, 34 ... Internal space, 36 ... Water storage unit, 4 ... Imaging device

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Chemical & Material Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Hematology (AREA)
  • Epidemiology (AREA)
  • Hydrology & Water Resources (AREA)
  • Optics & Photonics (AREA)
  • Water Supply & Treatment (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本判定装置は、排泄物が撮像された対象画像の画像情報を取得する取得部（１１）と、前記対象画像における前記排泄物の性状を判定し、排泄の時系列に基づいて特定される前記排泄物の部分を選択し、選択した前記部分の前記性状を、前記排泄物を代表する代表性状と確定する判定部（１３）と、を備える。

Description

判定装置
　本開示は、判定装置に関する。本願は、２０１９年９月２４日に、日本国に出願された特願２０１９－１７３４８４号に基づいての優先権を主張し、その内容をここに援用する。
　生体の排泄物から健康状態を把握する試みがある。例えば、カメラを用いて、落下中の排泄物を撮影し、撮影した複数の静止画像から排泄物の性状を推定する技術が開示されている（例えば特許文献１参照）。
日本国特開２０１７－１３７７０７号公報
　上記の特許文献１は、排泄物に混在している様々な性状について、それぞれの性状を推定するのみの技術が開示されている。すなわち、排泄物の各種性状を推定できるが、どの部分の排泄物の性状に基づいてユーザ自身の健康状態を判断すればよいか判らないため、ユーザにとって利用しやすい構成ではなかった。
　本開示の目的は、様々な性状が混在している排泄物であっても、代表する部分を特定することができる判定装置を提供することである。
　本開示の一実施形態は、排泄物が撮像された対象画像の画像情報を取得する取得部と、前記対象画像における前記排泄物に関する判定項目を判定する判定部と、を備え、前記排泄物に関する判定項目は、前記排泄物の性状であり、前記判定部は、前記排泄物に、互いに異なる性状と判定される複数の部分が含まれる場合、排泄の時系列に基づいて前記複数の部分から一つの部分を選択し、選択した前記部分の前記性状を、前記排泄物を代表する代表性状と確定する判定装置である。
第１の実施形態に係る判定装置が適用される判定システムの構成を示すブロック図である。 第１の実施形態の判定部が行う処理を説明する図である。 第１の実施形態に係る判定装置が行う処理の流れを示すフローチャートである。 第２の実施形態の判定部が行う処理を説明する図である。 第２の実施形態の判定部が行う処理を説明する図である。 第２の実施形態に係る判定装置が行う処理の流れを示すフローチャートである。 第２の実施形態に係る判定装置が行う処理の流れを示すフローチャートである。 排泄物の性状の例を示す図である。
（第１の実施形態）
　本開示の第１の実施形態に係る判定システム１は、例えば、便器装置３と、撮像装置４と、判定装置１０を備える。
　便器装置３は、例えば、便鉢３２を有する便器３０を備える。便器装置３は、便鉢３２の内部空間３４に溜水部３６が形成されている。便器装置３は、溜水部３６に洗浄水Ｓを供給可能に構成されている。
　撮像装置４は、排泄物を撮像することが可能な位置に設けられる。撮像装置４は、便器３０の上側、例えば、便鉢３２の後側における縁の内側などに設置される。撮像装置４は、便鉢３２の内部空間３４の方向にレンズが向くように設置される。すなわち、撮像装置４は、便鉢３２の内部空間３４を撮影する。好ましくは、撮像装置４は、便鉢３２の溜水部３６付近を撮像し、溜水部３６に落下した便や、落下中の便を撮影する。撮像装置４は、例えば、判定装置１０から受信した指示信号に基づいて、便鉢３２の溜水部３６付近を撮像し、撮像した画像の画像情報を判定装置１０に送信する。
　撮像装置４は、排泄の時系列に沿って、繰り返し経時的に便鉢３２の溜水部３６付近を撮像する。撮像装置４は、例えば、排泄の開始時、途中、終了時など、複数の画像を撮像する。これによって、判定装置１０は、撮像された時系列に沿って画像を解析でき、最初に排泄された便、途中に排泄された便、最後に排泄された便をそれぞれ判定できる。
　以下の説明では、撮像装置４は、便鉢３２の溜水部３６に落下した排泄物を、撮像する場合を例に説明する。但し、これに限定されることはない。以下の説明では、排泄物を便、糞便と称する場合がある。撮像装置４は、例えば便座の裏側などに設置され、落下中の排泄物を、便鉢３２の側面方向から撮像してもよい。撮像装置４が撮像する画像は、動画像であってもよいし、静止画像であってもよい。
　判定装置１０は、例えば、画像情報取得部１１と、解析部１２と、判定部１３と、出力部１４と、画像情報記憶部１５と、学習済みモデル記憶部１６と、判定結果記憶部１７と、を備える。画像情報取得部１１は、「取得部」の一例である。解析部１２は、「推定部」の一例である。
　画像情報取得部１１は、便鉢３２の溜水部３６付近が撮像された画像の画像情報を取得する。以下の説明では、便鉢３２の溜水部３６付近が撮像された画像を対象画像と言う場合がある。画像情報取得部１１は、取得した画像情報を、解析部１２に出力する。画像情報取得部１１は、取得した画像情報を画像情報記憶部１５に記憶させる。
　解析部１２は、画像情報取得部１１から得られた画像情報に基づいて、画像を解析する。以下の説明では、解析される画像を対象画像と言う場合がある。解析部１２による解析とは、排泄に関する画像を基に、排泄物に関する判定の項目について推定することである。以下の説明では、排泄物に関する判定の項目を判定項目と言う場合がある。判定項目は、少なくとも排泄物に関するものであればよく、例えば、便の性状、及び量である。排泄物の性状は、排泄物の形や色を含む。排泄物の量は、排泄物の大きさを含む。
　図８の例に示すように、便の性状は、ブリストルスケールに基づく７分類に分けられる。ブリストルスケールは、便における性質及び状態を示し、国際的な便の分類指標である。ブリストルスケールは、例えば、医療現場でよく使われる。ブリストルスケールでは、便に含まれる水分量、すなわち糞便水分量に応じて、タイプ１からタイプ７に分類される。健常の便の糞便水分量はタイプ４である。ブリストルスケールのタイプの数字が小さくなると糞便水分量が少なく、数字が大きくなると糞便水分量が多くなる。タイプ３からタイプ５までが健常の範囲であり、タイプ１とタイプ２が便秘の便、タイプ６とタイプ７が下痢の便である。
　解析部１２は、例えば、判定部１３の判定項目に応じた内容を学習した学習済みモデルを用いて、判定項目を推定する。学習済みモデルは、例えば、学習済みモデル記憶部１６に記憶されたモデルである。学習済みモデルは、例えば、排泄物が撮像された画像、すなわち学習用画像と、その学習用画像に撮像された排泄物の判定項目に対する判定結果とを対応付けたデータセットを教師データとして学習したモデルである。このような学習によって、学習済みモデルは、入力された画像において判定項目を判定した結果を、推測値として出力することができる。
　学習済みモデルは、例えば、ディープラーニングの手法を用いて作成される。以下の説明では、ディープラーニングをＤＬと略称する。ＤＬは、多層のニューラルネットワークで構成されるディープニューラルネットワークによる機械学習の手法である。以下の説明では、ディープニューラルネットワークをＤＮＮと略称する。ＤＮＮは、神経科学における予測符号化の原理から発想を得たネットワークによって実現され、神経伝達網を摸した関数によって構築される。しかしながら学習済みモデルは、ＤＮＮに限定されない。学習済みモデルは、少なくとも画像と判定結果とを対応関係を学習したモデルであればよい。
　判定部１３は、解析部１２から得られた解析結果を用いて、対象画像に撮像された排泄物における判定項目を判定する。以下の説明では、解析部１２から得られた解析結果を推定結果と言う場合がある。
　一般に、１回の排泄行為の過程において、経時的に便の性状が変化することがある。例えば、排泄の最初に、コロコロ状の便、例えば、ブリストルスケールにおいてタイプ１に分類される便が出て、最後に、水様便、例えば、同タイプ７に分類される便が出る場合がある。
　便における性状の変化は、便に関する健康リテラシーが余程高い人でない限り、正しく理解することはできない。例えば、上述したような、最初にタイプ１の便が排泄され、最後にタイプ７の便が排泄された場合、医学的に正しい解釈では、「最初に排泄された便」が、その排泄物を代表していると解釈される。つまり、コロコロ状の便が、その排便状態を代表しており、便秘気味であると解釈される。医学的知識を持たず、便に関する健康リテラシーが低い一般的なユーザは、「最後に排泄された便」が自身の本来の排便状態を代表する便である、と誤った解釈をすることが考えられる。このような場合、自身の誤った自己判断によって止瀉薬、すなわち下痢止めの薬を服用する可能性があり、さらに便秘が悪化するリスクがある。
　「最初に排泄された便」がその排泄物を代表していると解釈される理由について補足する。大腸は、小腸と肛門との間に位置する臓器である。大腸は、小腸から肛門に向かって順に、盲腸、上行結腸、横行結腸、下行結腸、Ｓ状結腸、直腸によって構成される。正常な状態では、ユーザが便意を感じていないときは、直腸に便はなく、便は下行結腸からＳ状結腸にたまっている。腸の蠕動運動によって貯留していた便が一気に直腸に下りてくるとユーザが便意を感じ、排便する。便の水分は大腸の通過に伴って吸収されるので、後から出てくる便は奥の便という解釈になり、本来便がたまるべき「下行からＳ状結腸にある便」が、ユーザの健康状態を最もよく反映させた本質と捉えることができる。
　このような解釈に基づいて、本実施形態では、この、本質と捉えることができる便を代表として、便の性状を判定する。判定部１３が、便の性状を判定する具体的な方法については、後で詳しく説明する。
　出力部１４は、判定部１３による判定結果を出力する。出力部１４は、例えば、排泄行動を行ったユーザの端末に判定結果を送信するように構成してもよい。これによって、ユーザが、排泄物の性状や量の判定結果を認識することが可能である。画像情報記憶部１５は、画像情報取得部１１によって取得された画像情報を記憶する。学習済みモデル記憶部１６は、判定項目の各々に対応した学習済みモデルを記憶する。判定結果記憶部１７は、判定部１３による判定結果を記憶する。通信部１８は、便器装置３、及び撮像装置４、或いは図示しない外部装置と通信する。例えば、便器装置３のユーザによる着座や脱座、局部洗浄の使用開始、及び排泄後における便鉢３２の洗浄する操作など便器３０に設けられた機能部（不図示）によって検知された場合に、通信部１８は、その検知結果を便器装置３から受信する。通信部１８は、撮像装置４に撮像の指示を示す制御情報を送信する。
　判定部１３が便の性状を判定する具体的な方法について、図２を用いて説明する。図２における横軸は、排泄の開始、すなわち排便開始から終了までの時間軸である。図２には、判定部１３によって判定された結果を時間軸に沿って示している。
　図２のパターンＰＴ１に示すように、排便開始から終了まで同じ性状を有する便が排出される場合を考える。この場合、判定部１３は、排便開始から終了までの排泄物において性状が変化しないため、検出された性状を、排泄物を代表する性状と確定する。このパターンＰＴ１の例では、排泄物の性状は、タイプ４である。
　図２のパターンＰＴ２、ＰＴ３に示すように、排便開始時に、全体量と比較して少量の便が出て、その次に、最初の便とは異なる性状を有する便が多量に排出される場合を考える。
　この場合、判定部１３は、最初の便が、極めて少量でない場合には、最初に排出された便の性状を、排泄物を代表する性状と確定する。
　具体的に、判定部１３は、予め、排泄物の全体量にする所定の比率Ｈ１、Ｈ２を定めておく。比率Ｈ１は、最初に排泄された便の量が少ないか否かを判定する閾値ＴＨ１に対応する比率である。比率Ｈ１は、任意の比率に設定されてよい。比率Ｈ１は、例えば、０～５割未満、好ましくは３割以下である。比率Ｈ２は、本質として捉えることができる便の領域を判定する閾値ＴＨ２に対応する比率である。比率Ｈ２は、任意の比率に設定されてよい。比率Ｈ２は、例えば、５割前後である。
　判定部１３は、まず、排泄の全体量を判定する。排泄の全体量を判定する方法については、後で詳しく説明する。判定部１３は、判定した全体量に基づいて、上記で定めた所定の比率Ｈ１を占める便の量Ｅ１を算出する。判定部１３は、判定した全体量に基づいて、上記で定めた所定の比率Ｈ２を占める便の量Ｅ２を算出する。
　判定部１３は、最初に排泄された便の量と、算出した便の量Ｅ１とを比較する。パターンＰＴ２に示すように、判定部１３は、最初に排泄された便の量が、所定の量Ｅ１と比べても多い場合、最初に排出された便の性状を、排泄物を代表する性状を判定した結果と確定する。このパターンＰＴ２の例では、最初に排出された便の量が、量Ｅ１と比べて多いため、判定部１３は、最初に排出された便の性状であるＢ４を排泄物の性状と確定する。
　パターンＰＴ３に示すように、判定部１３は、最初に排泄された便の量が、所定の量Ｅ１と比べても少ない場合、排便開始から所定の量Ｅ２が排泄されるまでの便を抽出する。判定部１３は、抽出した便の性状を判定し、判定した性状のうち、量が最も多い便の性状を、排泄物を代表する性状と確定する。パターンＰＴ３の例では、最初に排出された便の量が、量Ｅ１と比べて少ないため、判定部１３は、排便開始から量Ｅ２までに排泄された便の性状であるＢ１、Ｂ４、Ｂ６のそれぞれのうち、最も便の量が多い、２番目に排出された便の性状であるＢ４を排泄物の性状と確定する。
　第１の実施形態に係る判定装置１０が行う処理の流れを、図３を用いて説明する。判定装置１０は、画像情報取得部１１によって画像情報を取得する（ステップＳ１０）。判定部１３は、画像情報に基づいて、対象画像ごとに便の性状を判定し（ステップＳ１１）、便の量を判定する（ステップＳ１２）。判定部１３は、対象画像に、互いに異なる性状が混在する排泄物が撮像されていた場合には、それぞれの排泄物の撮像領域ごとに、性状を判定する。
　判定部１３は、例えば、解析部１２に便の性状等を推定させた推定結果を、判定結果として用いる。この場合、解析部１２は、画像情報を学習済みモデルに入力させることによって得られる推定結果を判定部１３に出力する。学習済みモデルは、例えば、排泄物が撮像された学習用画像と、学習用画像における排泄物の性状、及び量が判定された結果とを対応付けたデータセットを教師データとして記憶する。学習済みモデルは、教師データと比較して入力された画像における排泄物の性状、及び量を判定した結果を出力するように学習されたモデルである。
　判定部１３は、便の性状を確定する。判定部１３は、対象画像に撮像された便の性状が変化しない、つまり性状が１種類であるか否かを判定する（ステップＳ１３）。判定部１３は、排泄物の性状が１種類である場合、その１種類の性状を、排泄物を代表する性状を判定した結果と確定する（ステップＳ１４）。一方、判定部１３は、排泄物の性状が１種類でない、つまり複数種類ある場合、最初に排泄された便の量が、所定の量Ｅ１と比べて多いか否かを判定する（ステップＳ１５）。量Ｅ１は、排泄物を代表する量に対して、予め定められた所定の比率Ｈ１を占める量である。
　判定部１３は、最初に排泄された便の量が量Ｅ１と比べて多い場合、その最初に排泄された便の性状を、排泄物を代表する性状を判定した結果と確定する（ステップＳ１６）。一方、判定部１３は、最初に排泄された便の量が量Ｅ１と比べて少ない場合、排泄開始から量Ｅ２が排出されるまでの便を抽出する。量Ｅ２は、排泄物を代表する量に対して、予め定められた所定の比率Ｈ２を占める量である。判定部１３は、抽出した便の性状を判定する。判定部１３は、判定した性状のうち、最も量が多い便の性状を、排泄物を代表する性状を判定した結果と確定する（ステップＳ１７）。
　以上、説明した通り、第１の実施形態の判定装置１０は、画像情報取得部１１と、判定部１３とを備える。画像情報取得部１１は、排泄物が撮像された対象画像の画像情報を取得する。判定部１３は、対象画像における排泄物に関する判定項目を判定する。排泄物に関する判定項目は、排泄物の性状である。判定部１３は、排泄の時系列に基づいて特定される排泄物の部分を選択し、選択した部分の性状を、排泄物を代表する性状、すなわち、排泄物の代表性状と確定する。
　これによって、第１の実施形態の判定装置１０は、排泄の時系列に基づいて、ユーザの排便を代表していると考えられる部分を選択し、選択した部分の性状を、排泄物を代表する性状と特定することができる。したがって、最も排便を代表していると考えられる一つの性状を提示するような、ユーザに判りやすい指標を提示でき、利便性を高めることが可能である。
　第１の実施形態では、排泄物に関する判定項目は、排泄物の性状、及び量である。判定部１３は、排泄物に、互いに異なる性状と判定される複数の部分が含まれる場合、複数の部分のうち、最初に排泄された便（第１部分）の量が、所定の量Ｅ１に相当する閾値ＴＨ１、すなわち第１閾値と比べて多いと判定される場合、最初に排泄された便、すなわち第１部分の便の性状を、排泄物を代表する性状と確定する。所定の量Ｅ１は、全量の比率Ｈ１、すなわち第１比率に相当する量である。これによって、最初に排泄された便の量が、所定の量Ｅ１と比較するという簡単な手法によって、最も排便を代表していると考えられる性状を、排泄物の性状と確定することが可能である。
　第１の実施形態では、判定部１３は、最初に排泄された便、すなわち第１部分の便の量が所定の量Ｅ１に相当する閾値ＴＨ１、すなわち第１閾値以下と判定される場合、排泄物の全量のうち、排泄開始時から、全量の比率Ｈ２、すなわち第２比率の量が排泄されるまでに排泄された便（第２部分）のうち、最も量が多いと判定された便、すなわち第３部分の便の性状を、排泄物を代表する性状と確定する。これによって、最初に排泄された便の量が、極少ない場合には、判定部１３は、最初の便と比べて排便を代表していると考えられる後の便のうち、最も排便を代表していると考えられる性状を、排泄物の性状と確定することが可能である。
　上述した第１の実施形態では、判定部１３が、解析部１２による推定結果に基づいて、便の性状、及び量を判定する場合を例に説明した。本開示は、この例に限定されない。例えば、判定部１３は、解析部１２の推定結果を用いずに、画像の色や、エッジ検出など、従来の画像解析手法を用いて、便の性状、及び量を判定してもよい。この場合、解析部１２を省略することが可能である。
（第１の実施形態の変形例）
　次に、第１の実施形態の変形例について、説明する。本変形例では、判定装置１０は、時系列情報を用いずに、排泄物を代表する性状を確定する。
　人体の性質として、便に含まれる水分は、大腸の通過に伴って吸収される。このため、最初に排泄される便は、最後に排泄される便と比較して相対的に水分量が少なく、硬くなり、後から出てくる便は水分量が多く柔らかい傾向がある。極論すると、ブリストルスケールにおけるタイプ番号の小さい順に便が排泄される傾向にある。ただし、最初に排出される便におけるブリストルスケールのタイプは、排泄によって様々であり、決まっていない。
　この性質を利用し、本変形例では、判定部１３は、排泄物に、互いに異なる性状と判定される複数の部分が含まれる場合、ブリストルスケールのタイプ番号が最も小さい性状を、排泄物を代表する性状と確定する。これによって、最初に排泄された部分、最後に排泄された部分を見分けなくとも、判定部１３は、最初に排出された部分の性状を選択することができる。
　以上説明したように、第１の実施形態における変形例の判定装置１０は、画像情報取得部１１と判定部１３とを備える。画像情報取得部１１は、排泄物が撮像された対象画像の画像情報を取得する。判定部１３は、対象画像における排泄物に関する判定項目を判定する。排泄物に関する判定項目は、ブリストルスケールにおけるタイプ番号であり、排泄物に含まれる水分量に応じて区分される排泄物の性状の一例である。判定部１３は、排泄物に、互いに異なる性状と判定される複数の部分が含まれる場合、ブリストルスケールにおけるタイプ番号が最も小さい性状を、排泄物を代表する性状と確定する。ブリストルスケールにおけるタイプ番号が最も小さい性状は、最も水分量が少ない区分に判定された部分の性状」の一例である。これによって、判定装置１０は、排泄物について判定されたブリストルスケールにおけるタイプの最も小さい番号を抽出するという簡単な手法によって、最も健康状態が反映されていると考えられる、最初に排出された部分の排泄物の性状を選択することができる。
（第２の実施形態）
　次に、第２の実施形態について説明する。本実施形態では、判定装置１０は、対象画像に基づいて、排泄物の量を判定する。
　図４に示すように、便は、便鉢３２内の溜水部３６に落下することによって、溶け出したり、尿や局部洗浄水の影響を受けたりして、経時的に性状や量が変遷することがある。この例では、排泄の直後における対象画像Ｇ１において、バナナ形状の、ブリストルスケールのタイプＢ４に分類される便が、時間の経過に伴い、対象画像Ｇ２、Ｇ３のように変化していく。対象画像Ｇ２においては、便がふやけて形状が崩れている。対象画像Ｇ３においては、便が水に溶け出している。このように、便は、その形状が経時的に変化する。この場合、もともとはタイプＢ４であった便を、対象画像Ｇ２、Ｇ３に基づいて性状を判定した場合、誤った判定になると考えられる。
　このような誤判定に対する対策として、本実施形態では、判定部１３は、便の性状を精度よく判定することができる対象画像Ｇ１のような画像のみを抽出し、精度よく判定することができない対象画像Ｇ２、Ｇ３のような画像を排除する。具体的には、判定部１３は、便が崩れたり溶けだしたりして変化する前の状態が撮像された画像を対象に判定項目を判定する。
　第２の実施形態に係る判定部１３が行う処理を、図５を用いて説明する。図５は、時間と便の量との対応関係を示すグラフである。図５の横軸は時間、縦軸は量を示している。
　判定部１３は、便の量を判定した結果に基づいて、図５に示すような、時間と便の量との対応関係を導出する。図５に示す例では、時間Ｔ０～Ｔ６までの間に、量Ｍ５の排泄がなされた場合における、便の量における経時的な変化が示されている。時間Ｔ０～Ｔ１、Ｔ２～Ｔ３、Ｔ４～Ｔ５の間における傾きが比較的急峻であるのに対し、時間Ｔ１～Ｔ２、Ｔ３～Ｔ４の間における傾きは比較的緩やかである。これは、傾きが急峻な時間（時間Ｔ０～Ｔ１、Ｔ２～Ｔ３、Ｔ４～Ｔ５）に排泄物が落下し、傾きが緩やかな時間（時間Ｔ１～Ｔ２、Ｔ３～Ｔ４）に落下した排泄物が、崩れたり溶けだしたりして、見かけ上、便の量が微増して見えている状況と考えられる。
　このような考え方から、傾きが急峻な時間に撮像された画像は、便の性状を精度よく判定することができると考えられる。傾きが緩やかな結果となった時間に撮像された画像は、便の性状を精度よく判定することができないと考えられる。傾きが急峻な結果となった時間に撮像された画像のうち、傾きが変化していない時間に撮像された画像は、排泄物が落下する途中の画像である。そのため、性状や量を判定するには時期尚早であると考えられる。すなわち、傾きが急峻な状態から、緩やかな状態に変化する時間に撮像された画像が、便の性状や量を判定するために最も適した画像である。判定部１３は、このような画像を抽出する。
　具体的に、判定部１３は、画像の撮像時刻と、画像において判定された便の量との関係から、便の量の経時変化率を算出する。判定部１３は、経時変化率を、所定の閾値Ｋと比較することによって、例えば、急峻と緩やかの２区分のうち、いずれかに分類する。判定部１３は、２つの区分が切り替わる時間であって、急峻から緩やかに変化する時間に撮像された画像を抽出する。
　図５の例では、点Ｐ１（Ｔ１、Ｍ１）、Ｐ２（Ｔ３、Ｍ３）、Ｐ３（Ｔ５、Ｍ５）が、傾きが急峻から緩やかに変化する点である。判定部１３は、これらの点に対応する時点Ｔ１、Ｔ３、及びＴ５に撮像された画像を、便の性状、及び量を最も精度よく判定できる画像として抽出する。
　第２の実施形態に係る判定装置１０が行う処理の流れを、図６を用いて説明する。図６のステップＳ２０、及びステップＳ２１は、図４のステップＳ１０、及びＳ１１と同様の処理であるため、その説明を省略する。
　判定部１３は、全ての対象画像について、便の量を判定したか否かを判定し、まだ判定していない画像がある場合には、ステップＳ２０に戻り、未判定の画像における便の量を判定する処理を繰り返す（ステップＳ２２）。判定部１３は、便の量の経時変化率、例えば傾きを算出する。判定部１３は、対象画像における撮像時刻、及びその画像から判定された便の量との関係から、便の量の経時変化率を算出する（ステップ２３）。判定部１３は、便の量の経時変化率が所定の閾値ＴＨ３、例えば傾きＫに比べて大きい時間に撮像された画像を抽出する（ステップＳ２４）。判定部１３は、抽出した画像のうち、経時変化率が閾値ＴＨ３に比べて小さい値に変化する時間に対応する画像を選択する（ステップＳ２５）。判定部１３は、選択した画像の判定結果を用いて、便を代表する性状及び量を判定する（ステップＳ２６）。
　以上説明したように、第２の実施形態の判定装置１０では、対象画像は、排泄における便鉢３２の内部空間３４、例えば、溜水部３６付近を時系列に沿って繰り返し撮像された複数の画像である。排泄物に関する判定項目は、排泄物の性状、及び量である。判定部１３は、対象画像それぞれの撮像時刻と排泄物の量との関係において、排泄物の量の経時変化率が所定の傾きＫに比べて大きい対象画像を抽出する。排泄物の量の経時変化率が所定の傾きＫは、「第２閾値」の一例である。判定部１３は、抽出した対象画像において判定される排泄物の性状、及び量に基づいて、排泄物を代表する性状、及び量を確定する。これによって、判定装置１０では、排泄物が崩れたり、溶けだしたりする前の状態が撮像された画像に基づいて、便の性状や量を判定することができる。判定装置１０では、排泄物を代表する性状、及び量を精度よく確定可能である。
（第２の実施形態の変形例１）
　次に、第２の実施形態の変形例１について説明する。本変形例では、判定部１３は、経時的な時間に沿って性状を判定した結果が、複数回に渡り一致した場合に、その判定結果を採用する。
　第２の実施形態の変形例１に係る判定装置１０が行う処理の流れを、図７を用いて説明する。図７のステップＳ３０～Ｓ３２は、図６のステップＳ２０～Ｓ２２と同様の処理であるため、その説明を省略する。
　判定部１３は、画像ごとに、前回と同じ判定結果をとなったか否かを判定する（ステップＳ３３）。判定部１３は、同じ判定結果が連続する回数を取得する（ステップＳ３４）。判定部１３は、取得した回数が所定の閾値に比べて大きい箇所に対応する画像を抽出する（ステップＳ３５）。判定部１３は、抽出した画像の判定結果を用いて、便を代表する性状及び量を判定する（ステップＳ３６）。
　上述したように、排泄の過程に沿って便の性状及び量が変化する。便器に落下した衝撃によって便の形が崩れたり、水中に便が溶け出する影響によって、便の性状及び量が経時変化したりすることがある。排便の前後や同時に排尿されることもあり得る。上述した第２の実施形態の手法を採用しても、傾きがはっきり二つの区分、すなわち急峻か穏やかかに区分できない場合も考えられる。
　本変形例では、排泄の途中では便の性状がさほど変化しないのに対して、落下後における便の性状が経時的に変化し続ける性質を有することに着目する。この性質を利用し、判定部１３は、経時的に性状を判定した結果が、複数回Ｆ１に渡り一致した場合に、その便が、落下後の崩れていく便ではない、と判定する。判定部１３は、落下後の崩れていく便ではないと判定した便の性状を、排泄物における元来の性状であると判定し、性状を確定すべきと判定する。
　以上説明したように、第２の実施形態の変形例１の判定装置１０では、対象画像それぞれの撮像時刻に沿って判定した結果が、連続して同じ結果である回数が複数回Ｆ１と比べて大きい前記対象画像を抽出する。複数回Ｆ１は、「第３閾値」の一例である。判定部１３は、抽出した対象画像において判定される便の性状に基づいて、便を代表する性状を確定する。これによって、傾きが急峻か緩やかにはっきり区分できない場合であっても、判定部１３は、落下後の崩れていく便ではない便が撮像された画像を抽出することができ、排泄物を代表する性状、及び量を精度よく確定可能である。
（第２の実施形態の変形例２）
　本変形例では、判定部１３が、経時的に最も量が多いと判定された便の量を、排泄物を代表する量として確定する。便が出きった状態における量が、最も確からしい便の量である。判定部１３は、例えば、図５における時間Ｔ３など、排泄の途中と考えられる時間において、突発的に最大の量が判定されたとしても、経時的にみて排泄の途中であると考えられることから、この判定された最大の量を判定誤りとみなす。判定部１３は、経時的にみて排泄の最後に相当し、経時的に最も多く判定された量を、排泄物の量と確定する。判定部１３は、例えば、図５における時間Ｔ６のように、排泄の最後であると考えられる時間において、排泄物の最大の量を確定する。
　以上説明したように、第２の実施形態の変形例２では、排泄物に関する判定項目は、排泄物の量である。判定部１３は、対象画像それぞれに判定される排泄物の量のうち、経時的にみて排泄の最後に相当し、最も多く判定された量を、排泄物の量と確定する。これによって、排泄の途中における画像にノイズがあるなどとして、突発的に最大量が判定された場合であっても、判定部１３は、これを判定誤りと認識することができ、判定の精度劣化を抑制することが可能である。
（第２の実施形態の変形例３）
　次に、第２の実施形態の変形例３について説明する。本変形例では、経時的に便の量を判定した結果が、複数回に渡り一致した場合に、判定部１３は、その判定結果を採用する。
　本変形例では、排泄の途中では便の量が増加し、落下後の便はその量が微増し、出きった便の直後に量は増加しない、という性質に着目する。この性質を利用し、判定部１３は、経時的に便の量を判定した結果が、複数回Ｆ２に渡り一致した場合に、その便が、排泄の途中ではなく、且つ、落下後の崩れていく便でなく、排泄終了直後の便に相当すると判定する。判定部１３は、排泄終了直後の便と判定した便の量を、排泄物の量として確定する。複数回Ｆ２は、「第４閾値」の一例である。
　以上説明したように、第２の実施形態の変形例３の判定装置１０では、対象画像それぞれの撮像時刻に沿って判定した結果が、連続して同じ結果である回数が複数回Ｆ２と比べて大きい前記対象画像を抽出する。判定部１３は、抽出した対象画像において判定される排泄物の量に基づいて、排泄物を代表する量、すなわち排泄物の代表量を確定する。これによって、傾きが急峻か緩やかにはっきり区分できない場合であっても、判定部１３は、落下後の崩れていく便ではない便が撮像された画像を抽出することができ、排泄物を代表する性状、及び量を精度よく確定可能である。
（第３の実施形態）
　次に、第３の実施形態について説明する。本実施形態では、判定部１３は、複数の指標について判定した判定結果の組合せによって、便の性状を判定する。
　ブリストルスケールは、国際的な便の分類指標であり、医療の現場において広く使われている。この指標に沿って正しく分類することができれば、精度のよい判定が可能である。しかしながら、実際には、経験や感覚によって主観的に分類される場合も多かった。特に、経験の少ない作業者に分類させる場合、タイプ１、４、７は正しく分類することができる。これに対し、その中間に区分されるタイプ、例えば、タイプ２と３、タイプ５と６の区別が難しく、判定がばらつく傾向にあった。
　本実施形態では、判定装置１０は、排泄物の複数の指標をそれぞれ判定し、判定結果の組合せによって、便の性状を定量的に判定する。具体的に、判定部１３は、排泄物の質感、連続性、及びエッジを判定した結果の組合せによって、排泄物の性状を判定する。ここでの質感は、排泄物の表面における見た目の感覚であり、例えば、コロコロ、バナナなどという感覚に対応する度合いである。連続性は、排泄物の繋がりであって、例えば、繋がっているか、途切れているかの度合いである。エッジは、排泄物の輪郭であり、例えば、シャープであるか、ぼんやりしているかの度合いである。
　以上説明したように、第３の実施形態の判定装置１０では、判定部１３は、排泄物の質感、連続性、及びエッジを判定した結果の組合せによって、排泄物の性状を判定する。これによって、判定装置１０は、定量的、客観的に性状を判定することができ、判定のばらつきを低減させ、精度よく判定することが可能である。
　本実施形態の判定装置１０は、教師データの作成にも適用可能である。学習済みモデルを用いて、便の性状を判定または推定する場合、教師データの精度が、推定の精度に大きく影響する。つまり、判定にばらつきを含む教師データを学習した学習済みモデルは、教師データ同様に、タイプ２と３などの区分に判定誤りを発生させる可能性がある。このような場合、判定装置１０が、学習用画像における性状の判定を、複数の指標に基づいて定量的に行えば、判定のばらつきを低減させた、質の良い教師データを生成可能である。質の良い教師データを学習した学習済みモデルは、タイプＢ２、Ｂ３の境界付近の性状であっても、便の性状を精度よく判定することができる可能性がある。
　上述した実施形態における判定装置１０が行う処理の全部または一部をコンピュータで実現してもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含む。「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合における通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントであるコンピュータシステム内部にある揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。
　本開示に係る判定装置の具体的な構成はこの実施形態に限られるものではない。上述した各実施形態および変形例において示した各構成は一例であって、本開示の主旨から逸脱しない範囲において設計要求等に基づき種々変更可能である。
　上記に示した本開示の各実施形態および変形例によれば、様々な性状が混在している排泄物であっても、代表する部分を特定することができる判定装置を提供できる。
１…判定システム、１０…判定装置、１１…画像情報取得部（取得部）、１２…解析部（推定部）、１３…判定部（判定部）、１４…出力部（出力部）、１５…画像情報記憶部、１６…学習済みモデル記憶部、１７…判定結果記憶部、１８…通信部、３…便器装置、３０…便器、３２…便鉢、３４…内部空間、３６…溜水部、４…撮像装置

Claims (10)

  1. 　排泄物が撮像された対象画像の画像情報を取得する取得部と、
    　前記対象画像における前記排泄物の性状を判定し、排泄の時系列に基づいて特定される前記排泄物の部分を選択し、選択した前記部分の性状を、前記排泄物を代表する代表性状と確定する判定部と、
    　を備える判定装置。
  2. 　前記判定部は、前記排泄物の量を判定し、前記排泄物に互いに異なる前記性状と判定される複数の前記部分が含まれる場合、前記複数の部分のうち、最初に排泄された第１部分の量が、前記排泄物の全量の第１比率に相当する第１閾値と比べて多いと判定される場合、前記第１部分の前記性状を、前記排泄物の前記代表性状と確定する、
    　請求項１に記載の判定装置。
  3. 　前記判定部は、前記第１部分の量が前記第１閾値以下と判定される場合、前記排泄物の前記全量のうち、前記排泄の開始時から、前記排泄物の前記全量の第２比率の量が排泄されるまでに排泄された第２部分のうち、最も量が多いと判定された第３部分の前記性状を、前記排泄物の前記代表性状と確定する、
    　請求項２に記載の判定装置。
  4. 　排泄物が撮像された対象画像の画像情報を取得する取得部と、
    　前記対象画像における前記排泄物に含まれる水分量に応じて区分される前記排泄物の性状を判定し、前記排泄物に互いに異なる性状と判定される複数の部分が含まれる場合、最も水分量が少ない区分に判定された前記部分の性状を、前記排泄物を代表する代表性状と確定する判定部と、
    　を備える判定装置。
  5. 　前記対象画像は、前記排泄における便鉢の内部空間を時系列に沿って繰り返し撮像された複数の画像であり、
    　前記判定部は、前記排泄物の量を判定し、複数の前記対象画像それぞれの撮像時刻と前記排泄物の量との関係において、前記排泄物の量の経時変化率が第２閾値と比べて大きい前記対象画像を抽出し、抽出した前記対象画像において判定される前記排泄物の前記性状、及び前記量に基づいて、前記排泄物の前記代表性状、及び前記量を確定する、
    　請求項１から請求項４のいずれか一項に記載の判定装置。
  6. 　前記対象画像は、前記排泄における便鉢の内部空間を時系列に沿って繰り返し撮像された複数の画像であり、
    　前記判定部は、複数の前記対象画像それぞれの撮像時刻に沿って判定した結果が、連続して同じ結果である回数が第３閾値と比べて大きい前記対象画像を抽出し、抽出した前記対象画像において判定される排泄物の前記性状に基づいて、前記排泄物を代表する前記代表性状を確定する、
    　請求項１から請求項５のいずれか一項に記載の判定装置。
  7. 　前記対象画像は、前記排泄における便鉢の内部空間を時系列に沿って繰り返し撮像された複数の画像であり、
    　前記判定部は、前記排泄物の量を判定し、複数の前記対象画像それぞれに判定される前記排泄物の前記量のうち、経時的に最も多く判定され、前記排泄における最後の前記排泄物の前記量を、前記排泄における前記排泄物の前記量と確定する、
    　請求項１から請求項６のいずれか一項に記載の判定装置。
  8. 　前記判定部は、複数の前記対象画像それぞれの撮像時刻に沿って判定した結果が、連続して同じ結果である回数が第４閾値と比べて大きい前記対象画像を抽出し、抽出した前記対象画像において判定される排泄物の量に基づいて、前記排泄物を代表する代表量を確定する、
    　請求項１から請求項７のいずれか一項に記載の判定装置。
  9. 　前記排泄物が撮像された学習用画像と、前記学習用画像における前記排泄物に関する判定項目を判定した結果とを対応付けたデータセットを教師データとして、入力された画像における前記排泄物に関する前記判定項目を判定した結果を出力するように学習された学習済みモデルの出力結果を用いて、前記対象画像における排泄物に関する前記判定項目を推定する推定部を、更に備え、
    　前記判定部は、前記推定部によって推定された結果を用いて、前記判定項目を判定する、
    　請求項１から請求項８のいずれか一項に記載の判定装置。
  10. 　前記判定部は、前記排泄物の質感、連続性、及びエッジを判定した結果の組合せによって、前記排泄物の前記性状を判定する、
    　請求項１から請求項９のいずれか一項に記載の判定装置。
PCT/JP2020/035405 2019-09-24 2020-09-18 判定装置 WO2021060174A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP20869794.6A EP4036334A4 (en) 2019-09-24 2020-09-18 DETERMINATION DEVICE
CN202080066869.XA CN114467020B (zh) 2019-09-24 2020-09-18 判断装置
US17/763,179 US20220375080A1 (en) 2019-09-24 2020-09-18 Determination device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-173484 2019-09-24
JP2019173484A JP7325282B2 (ja) 2019-09-24 2019-09-24 判定装置

Publications (1)

Publication Number Publication Date
WO2021060174A1 true WO2021060174A1 (ja) 2021-04-01

Family

ID=75157581

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/035405 WO2021060174A1 (ja) 2019-09-24 2020-09-18 判定装置

Country Status (5)

Country Link
US (1) US20220375080A1 (ja)
EP (1) EP4036334A4 (ja)
JP (1) JP7325282B2 (ja)
CN (1) CN114467020B (ja)
WO (1) WO2021060174A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022202330A1 (ja) * 2021-03-23 2022-09-29 Toto株式会社 情報処理システム
WO2023162278A1 (ja) * 2022-02-28 2023-08-31 Toto株式会社 排泄物判定システム、排泄物判定方法及び排泄物判定装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM613735U (zh) * 2021-03-24 2021-06-21 美商紐倫百仕科技股份有限公司 影像辨識自動掀蓋智能馬桶
JP2023044234A (ja) * 2021-09-17 2023-03-30 パナソニックＩｐマネジメント株式会社 排泄物画像検出装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017096890A (ja) * 2015-11-27 2017-06-01 Toto株式会社 生体情報測定システム
JP2017137707A (ja) 2016-02-04 2017-08-10 株式会社Ｌｉｘｉｌ 便器装置
JP2018054443A (ja) * 2016-09-28 2018-04-05 学校法人聖路加国際大学 情報処理装置、情報処理システム及びプログラム
JP2018510334A (ja) * 2015-02-25 2018-04-12 アウトセンス ダイアグノスティクス リミテッド 人体排泄物の解析
WO2018159369A1 (ja) * 2017-03-01 2018-09-07 株式会社Ｌｉｘｉｌ 便器装置、及び便座装置
US20180303466A1 (en) * 2017-04-07 2018-10-25 Toi Labs, Inc. Biomonitoring devices, methods, and systems for use in a bathroom setting
JP2019173484A (ja) 2018-03-29 2019-10-10 株式会社Ｌｉｘｉｌ 水栓装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101595434B1 (ko) * 2014-10-13 2016-02-19 한국생산기술연구원 배설물형상측정장치 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018510334A (ja) * 2015-02-25 2018-04-12 アウトセンス ダイアグノスティクス リミテッド 人体排泄物の解析
JP2017096890A (ja) * 2015-11-27 2017-06-01 Toto株式会社 生体情報測定システム
JP2017137707A (ja) 2016-02-04 2017-08-10 株式会社Ｌｉｘｉｌ 便器装置
WO2017135169A1 (ja) * 2016-02-04 2017-08-10 株式会社Ｌｉｘｉｌ 便器装置
JP2018054443A (ja) * 2016-09-28 2018-04-05 学校法人聖路加国際大学 情報処理装置、情報処理システム及びプログラム
WO2018159369A1 (ja) * 2017-03-01 2018-09-07 株式会社Ｌｉｘｉｌ 便器装置、及び便座装置
US20180303466A1 (en) * 2017-04-07 2018-10-25 Toi Labs, Inc. Biomonitoring devices, methods, and systems for use in a bathroom setting
JP2019173484A (ja) 2018-03-29 2019-10-10 株式会社Ｌｉｘｉｌ 水栓装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4036334A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022202330A1 (ja) * 2021-03-23 2022-09-29 Toto株式会社 情報処理システム
WO2023162278A1 (ja) * 2022-02-28 2023-08-31 Toto株式会社 排泄物判定システム、排泄物判定方法及び排泄物判定装置
US20230274815A1 (en) * 2022-02-28 2023-08-31 Toto Ltd. Excrement judgement system, excrement judgement method, and excrement judgement device
US11967415B2 (en) 2022-02-28 2024-04-23 Toto Ltd. Excrement judgement system, excrement judgement method, and excrement judgement device

Also Published As

Publication number Publication date
EP4036334A1 (en) 2022-08-03
EP4036334A4 (en) 2023-12-06
JP7325282B2 (ja) 2023-08-14
CN114467020A (zh) 2022-05-10
US20220375080A1 (en) 2022-11-24
CN114467020B (zh) 2024-03-15
JP2021050983A (ja) 2021-04-01

Similar Documents

Publication Publication Date Title
WO2021060174A1 (ja) 判定装置
Park et al. A mountable toilet system for personalized health monitoring via the analysis of excreta
WO2020235473A1 (ja) 判定装置、判定方法、及びプログラム
Williams et al. Further validation and development of the movement imagery questionnaire
Seifert et al. Role of route previewing strategies on climbing fluency and exploratory movements
FitzGerald et al. Active inference, evidence accumulation, and the urn task
US20190370963A1 (en) System and method for determining a colonoscopy image
KR102261473B1 (ko) 세미 슈퍼바이즈드 학습을 이용한 진단 시스템 제공방법 및 이를 이용하는 진단 시스템
JP2018029706A (ja) 端末装置、評価システム、およびプログラム
Chan et al. Lingering representations of stimuli influence recall organization
JP2020187089A (ja) 判定装置、判定方法、及びプログラム
Calder-Travis et al. Bayesian confidence in optimal decisions
Peng et al. Exploring biological motion perception in two-stream convolutional neural networks
Qadri et al. Pigeons and humans use action and pose information to categorize complex human behaviors
JPWO2020217462A1 (ja) 生活習慣評価システムおよびそのプログラム
CN112074233A (zh) 使用可穿戴设备的女性排尿检测系统以及使用该可穿戴设备的诊断方法
JP7262301B2 (ja) 判定装置、判定方法、及びプログラム
CN113450911A (zh) 便秘分析方法、装置及计算机设备
JP6961022B2 (ja) 読み書き能力のテスト方法及び装置
CN114430474A (zh) 排泄物状态显示系统
KR20220059841A (ko) 영상 기반의 동물 감정 분석 서버, 방법 및 컴퓨터 프로그램
JP2020187691A (ja) 判定装置、判定方法、及びプログラム
JP2020187692A (ja) 判定装置、判定方法、及びプログラム
US20230277162A1 (en) System, Method and Apparatus for Forming Machine Learning Sessions
Suman et al. Video-based gait analysis for spinal deformity

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: 20869794

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020869794

Country of ref document: EP

Effective date: 20220425