WO2024047970A1 - 制御装置、把持部材、および推定システム - Google Patents

制御装置、把持部材、および推定システム Download PDF

Info

Publication number
WO2024047970A1
WO2024047970A1 PCT/JP2023/019194 JP2023019194W WO2024047970A1 WO 2024047970 A1 WO2024047970 A1 WO 2024047970A1 JP 2023019194 W JP2023019194 W JP 2023019194W WO 2024047970 A1 WO2024047970 A1 WO 2024047970A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
estimation
unit
measurement value
control device
Prior art date
Application number
PCT/JP2023/019194
Other languages
English (en)
French (fr)
Inventor
雅啓 北川
祐司 大村
智之 鈴木
友希 小玉
直之 和田
高通 北野
Original Assignee
ミネベアミツミ株式会社
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 ミネベアミツミ株式会社 filed Critical ミネベアミツミ株式会社
Publication of WO2024047970A1 publication Critical patent/WO2024047970A1/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1172—Identification of persons based on the shapes or appearances of their bodies or parts thereof using fingerprinting

Definitions

  • the present invention relates to a control device, a gripping member, an estimation system, and the like.
  • Patent Document 1 discloses a technique for acquiring biological information such as heartbeat, body temperature, blood pressure, and body tremors using a wearable device or the like.
  • the present invention has been made in view of the above-mentioned problems, and an object of the present invention is to estimate a user's health condition based on the user's daily activities.
  • control device provides information on the tremor of the user's hand acquired by the first sensor from a first sensor provided on a gripping member that is a member gripped by the user.
  • the device includes an acquisition unit that acquires one measurement value, and an estimation unit that estimates the health condition of the user based on the first measurement value.
  • the user's health condition can be estimated based on the user's daily activities.
  • FIG. 1 is a functional block diagram schematically showing the configuration of an estimation system according to a first embodiment.
  • FIG. 2 is a side view schematically showing the structure of a part of the door according to the first embodiment.
  • FIG. 2 is a sequence diagram illustrating an example of a processing flow of the estimation system according to the first embodiment.
  • FIG. 2 is a functional block diagram schematically showing the configuration of an estimation system according to a second embodiment. It is a functional block diagram schematically showing the configuration of an estimation system according to a third embodiment. It is a graph which shows the relationship between the log data of a 1st measurement value, and a 1st threshold value.
  • FIG. 1 is a functional block diagram schematically showing the configuration of an estimation system 100 according to the first embodiment.
  • the estimation system 100 is a system that estimates the health condition of a user who grips a gripping member.
  • the term "gripping member” refers to any member that can be grasped by a user with one or both hands.
  • the gripping member is a doorknob 11
  • the estimation system 100 includes a doorknob 11 and a server (control device) 20. Further, the estimation system 100 may include a mobile terminal 30.
  • the door 10 is a door that can be opened and closed manually by the user.
  • the door 10 is equipped with a doorknob 11.
  • the type, size, shape, internal structure, etc. of the door 10 are not particularly limited.
  • the door 10 may be a door that partitions the inside and outside of a building, or a door that partitions the inside and outside of a room in the building.
  • the door 10 may be a hinged door or a sliding door.
  • the doorknob 11 is a member provided on the door 10 and serves as a gripping member for the door 10.
  • the type, size, shape, and internal structure of the doorknob 11 are not particularly limited.
  • the doorknob 11 may be a push-pull type doorknob or a rotary type doorknob.
  • the doorknob 11 includes a fingerprint sensor (biological information sensor) 12 , an acceleration sensor (first sensor) 13 , a control section 15 , and a communication section (gripping member transmitting section) 16 .
  • the doorknob 11 may include a storage section that stores data necessary for the operation of the control section 15 and the like.
  • the fingerprint sensor 12 detects the fingerprint of the user who grips the doorknob 11.
  • the fingerprint sensor 12 outputs data indicating the detected fingerprint (fingerprint data) to the control unit 15.
  • the specific type of fingerprint sensor is not particularly limited.
  • the fingerprint sensor 12 may be a capacitive sensor.
  • the acceleration sensor 13 measures the acceleration when the user grasps the doorknob 11 and opens the door 10 .
  • the acceleration sensor 13 may be, for example, a MEMS type acceleration sensor.
  • the acceleration sensor 13 calculates the amplitude value of the acceleration output from the acceleration measurement results for a predetermined period of time (for example, 3 seconds). Alternatively, the acceleration sensor 13 may measure the period (ie, frequency) of vibration.
  • the acceleration sensor 13 outputs the calculated or measured output amplitude value (first measurement value) to the control unit 15. Note that in this embodiment, the acceleration sensor 13 calculates the value of the output amplitude.
  • the value of the output amplitude of an acceleration sensor increases depending on the magnitude of vibration transmitted to the sensor.
  • the output frequency of the acceleration sensor is the number of vibrations per unit time.
  • the output amplitude value and frequency of the acceleration sensor 13 provided on the doorknob 11 indicate whether or not the user's hand trembles, the magnitude of the tremor, and the number of tremors when the user pulls the door.
  • the output amplitude value and frequency calculated by the acceleration sensor 13 can be said to be measured values regarding the tremor of the user's hands.
  • a "measured value” may include not only a value measured by a sensor but also a value calculated from a measured value.
  • the control unit 15 acquires the fingerprint data of the fingerprint sensor 12 and the first measurement value of the acceleration sensor 13.
  • the control unit 15 outputs the acquired data to the communication unit 16.
  • the communication unit 16 is a communication interface through which the control unit 15 communicates with the server 20 .
  • the communication unit 16 transmits various data output from the control unit 15 to the server 20. Note that in this embodiment, the control section 15 and the communication section 16 are incorporated into the doorknob 11. However, the control unit 15 and the communication unit 16 may be incorporated in a location other than the doorknob 11 of the door 10 (for example, in the door body).
  • the server 20 is a management device that manages various data received from the control unit 15. Further, the server 20 is an estimation device that estimates the user's health condition based on at least the first measurement value.
  • the server 20 is connected to the control unit 15 via a communication network. The connection method may be wired or wireless. Note that when the estimation system 100 includes the mobile terminal 30, the server 20 is also connected to the mobile terminal 30 via a communication network.
  • the installation position of the server 20 is not particularly limited.
  • the server 20 may be placed indoors near the door.
  • the server 20 may be a server (or a virtual server) existing in a cloud environment. In this embodiment, as an example, it is assumed that the server 20 is placed in a room partitioned off by a door 10.
  • the server 20 may be a device that centrally manages and controls other devices such as home devices.
  • the server 20 includes a communication section (transmission section) 21, a control section 25 (obtainment section), and a storage section 24.
  • the communication unit 21 communicates with the communication unit 16 of the doorknob 11. Note that when the estimation system 100 includes the mobile terminal 30, the communication unit 21 also communicates with the communication unit 31 of the mobile terminal 30.
  • the communication method and type of network between the communication unit 21 and the communication unit 16 of the doorknob 11 are not particularly limited.
  • the communication unit 16 and the communication unit 21 may be connected by wireless communication such as Wi-Fi (registered trademark) or Bluetooth (registered trademark).
  • the communication method and network type between the communication unit 21 and the communication unit 31 of the mobile terminal 30 are not particularly limited either.
  • the control unit 25 is a CPU (central processing unit) that centrally controls the server 20.
  • the control unit 25 includes an estimation unit 22 and an identification unit 23.
  • the control unit 25 reads a software program corresponding to the function of the estimation unit 22 and the identification unit 23 from the storage unit 24 and executes it. Thereby, the control unit 25 can realize the estimation unit 22 and the identification unit 23 as functional blocks.
  • the identification unit 23 identifies the user based on the fingerprint data detected by the fingerprint sensor 12. In this embodiment, the identification unit 23 identifies the user using fingerprint authentication.
  • the specific method of fingerprint authentication is not particularly limited.
  • the identification unit 23 may perform fingerprint authentication of the user by comparing the fingerprint data detected by the fingerprint sensor 12 with fingerprint data registered in advance in the storage unit 24.
  • the identification unit 23 may specify whether the received fingerprint data indicates the fingerprint of the right or left hand.
  • the identification unit 23 may identify, from the shape of the fingerprint indicated by the received fingerprint data, whether the fingerprint data indicates the fingerprint of the right or left hand.
  • the estimation unit 22 estimates the user's health condition based on at least the first measurement value.
  • "estimate the user's health condition” means determining whether or not there is an abnormality in the user's health condition.
  • the estimation process in the present invention is not necessarily limited to this meaning. For example, in addition to determining whether or not there is an abnormality in the user's health condition, the details of the abnormality (ie, symptoms and disease name) and/or the degree of the abnormality may be estimated if there is an abnormality. The estimation process in the estimation unit 22 will be described in detail later.
  • the control unit 25 may cause the storage unit 24 to store the estimation result of the estimation unit 22 (for example, information indicating whether or not there is an abnormality in the user's health condition). Further, when the estimation system 100 includes the mobile terminal 30, the control unit 25 may transmit information based on the estimation result of the estimation unit 22 to the mobile terminal 30 via the communication unit 21.
  • information based on the estimation result may be information indicating the estimation result itself, or may be information created secondarily from the estimation result.
  • information based on the estimation result may be a code according to the estimation result, or text, image (or video), and/or audio data of a notification created based on the estimation result.
  • information based on the estimation result may be content that directly indicates the estimation result, or may be information that indirectly indicates the estimation result.
  • the information based on the estimation result may be text indicating that the health condition is abnormal or recommending that you go to the hospital. It may be text indicating that.
  • the storage unit 24 stores various data necessary for the operation of the server 20.
  • the storage unit 24 is realized by a non-temporary recording medium.
  • the storage unit 24 may be realized by a combination of ROM (Read Only Memory), RAM (Random Access Memory), and the like.
  • the storage unit 24 stores an identification data table that associates user identification information with fingerprint data of the user detected and registered in advance (hereinafter referred to as registered fingerprint data).
  • the user identification information is, for example, the user's name and/or user ID.
  • the storage unit 24 stores the fingerprint data of the right thumb and the fingerprint data of the left thumb of each user as registered fingerprint data.
  • each record of the identification data table may be further associated with identification information of the mobile terminal 30.
  • the identification information of the mobile terminal 30 is, for example, a unique number of the mobile terminal 30, a MAC address, a mobile phone number, and/or an email address.
  • an identification data table is one in which registered fingerprint data is associated with user identification information.
  • a fingerprint is also user identification information. Therefore, the registered fingerprint data may also serve as user identification information. That is, the storage unit 24 may store only the registered fingerprint data or data in which the registered fingerprint data and the identification information of the mobile terminal 30 are associated with each other instead of the identification data table.
  • the identification data table is not limited to the table configuration described above. For example, the storage unit 24 may separately store a table that associates user identification information with registered fingerprint data and a table that associates user identification information with identification information of the mobile terminal 30. Further, the identification data table does not necessarily have to be in the form of a data table.
  • the storage unit 24 may further store the user's identification information and the received first measurement value in association with each other. That is, the storage unit 24 may record log data of the first measurement value for each user. This log data is recorded for each event in which the user grasps the doorknob 11.
  • the period for recording the log data and the period for retaining the records are not particularly limited. However, it is preferable that the period for recording the log data and the period for retaining the record be for a certain long period of time, such as one year or more.
  • the recording timing, recording period, and retention period of log data are the same for various types of log data in subsequent embodiments.
  • the storage unit 24 may further store various threshold values necessary for the estimation unit 22 to estimate the health state.
  • the first threshold value is stored in the storage unit 24.
  • the first threshold is the threshold of the first measurement value.
  • the first threshold value is such that the degree of hand tremor indicated by the first measurement value is within the range of the user's normal health condition or exceeds the degree of tremor (i.e., the degree of hand tremor is within the range of the user's normal health condition). This is the threshold for the degree of tremor (at which an abnormality has occurred).
  • the first threshold value may be determined as appropriate depending on the arrangement position of the acceleration sensor 13, detection accuracy, and the like.
  • the first threshold value may be set to a different value for each user, or may be a value common to all users.
  • the storage unit 24 stores the user identification information and the first threshold value corresponding to the user identification information in association with each other.
  • the first threshold value may be determined according to user information (age, gender, height, weight, etc.) registered in the storage unit 24 in advance. This makes it possible, for example, to change the threshold for weak elderly people and young people.
  • a first threshold value for the right hand and a first threshold value for the left hand may be set separately. In general, it is thought that hand tremors are greater when opening and closing a door with the non-dominant hand than when opening and closing the door with the dominant hand. Therefore, by storing the first threshold values for each of the left and right hands, it is possible to more accurately determine whether the tremor of the user's hand is such that it can occur within the range of normal health conditions. Can be done.
  • the mobile terminal 30 is a terminal device owned by the user, such as a smartphone or a smart watch.
  • the mobile terminal 30 is a device for notifying the user according to the estimation result of the server 20.
  • Mobile terminal 30 includes a communication section 31, a control section 32, and an output section 33.
  • the mobile terminal 30 may include a storage section that stores data necessary for the operation of the mobile terminal 30.
  • the communication unit 31 communicates with the communication unit 21 of the server 20.
  • the control unit 32 is a CPU that controls the mobile terminal 30 in an integrated manner.
  • the control unit 32 receives information based on the estimation result from the server 20 via the communication unit 31.
  • the control unit 32 outputs the information based on the estimation result to the output unit 33 as is or after performing various conversions according to the output format of the output unit 33 .
  • the output unit 33 performs output under the control of the control unit 32. As a result, the user is notified of the estimation result or information created based on the estimation result.
  • the output format of the output unit 33 is not particularly limited.
  • the output unit 33 may be a speaker, a display, or both.
  • the server 20 may be able to communicate with multiple control units 15. Further, the server 20 may be able to communicate with a plurality of mobile terminals 30.
  • the identification unit 23 of the server 20 identifies the user who gripped each doorknob 11 based on the fingerprint data received from each control unit 15. Further, the estimation unit 22 executes estimation processing based on the first measurement value received from each control unit 15, and the control unit 25 sends information based on the estimation result to the mobile terminal 30 associated with each identified user. You can also send it.
  • FIG. 2 is a side view schematically showing the structure of a part of the door 10. As shown in FIG. 2 shows only the doorknob 11 on one side of the door 10, a similar doorknob 11 may be provided on the opposite side of the door 10. Furthermore, although mechanisms not related to the estimation system 100, such as the locking mechanism of the door 10, are not illustrated, the door 10 may have the structure and functions normally provided as a door. In the following description, the direction in which the user who opens the door 10 is located (the left side in FIG. 2) is referred to as the "outside", and the direction in which the door body 10a of the door 10 is located (the right side in FIG. 2) is referred to as the "inside". .
  • the door 10 has a doorknob 11 attached to the door body 10a.
  • the doorknob 11 includes, for example, a gripping portion 11a that extends in the vertical direction, and a pair of attachment portions 11b that are continuous from the upper and lower ends of the gripping portion 11a.
  • the doorknob 11 is attached to the door body 10a with a pair of attachment parts 11b.
  • a push-in portion 11c is provided on the inner surface of the gripping portion 11a (the surface facing the door body 10a in FIG. 2).
  • the push-in portion 11c protrudes.
  • protruding means protruding inward from the grip portion 11a.
  • a fingerprint sensor 12 is incorporated into the outer surface of the grip portion 11a of the doorknob 11.
  • the detection surface of the fingerprint sensor 12 is arranged at a position where the user's thumb is expected to touch when the user grips the grip portion 11a of the doorknob 11. Thereby, the fingerprint sensor 12 can detect the fingerprint of the thumb of the user who grips the doorknob 11.
  • An acceleration sensor 13 is incorporated inside the grip portion 11a. If the acceleration sensor 13 can detect the acceleration when the user grips the grip portion 11a of the doorknob 11 (that is, the acceleration of pulling the door plus the magnitude and frequency of the vibration), is not particularly limited.
  • FIG. 3 is a sequence diagram showing an example of the processing flow of the estimation system 100 according to the first embodiment.
  • a user opens and closes the door 10 at home, work, etc. as a daily action.
  • the grip portion 11a of the doorknob 11 is gripped by the user.
  • step S11 When the gripping portion 11a is gripped, the pushing portion 11c is pushed into the gripping portion 11a.
  • the acceleration sensor 13 disposed on the door body 10a side of the grip portion 11a measures the acceleration, and calculates the output amplitude value of the acceleration (that is, the value related to the tremor of the user's hand) (step S11). Further, when the user grips the doorknob 11, the pad of the user's finger is pressed against the detection surface of the fingerprint sensor 12.
  • the fingerprint sensor 12 detects the user's fingerprint pressed against the detection surface (step S12).
  • the acceleration sensor 13 and the fingerprint sensor 12 each output an output amplitude value and fingerprint data to the control unit 15.
  • the control unit 15 transmits the input output amplitude value and fingerprint data to the server 20 (step S13). Note that step S11 and step S12 may be performed in any order and may be performed in parallel.
  • the control unit 25 of the server 20 receives the output amplitude value and fingerprint data from the control unit 15 (step S21).
  • the identification unit 23 of the control unit 25 identifies the user who grips the doorknob 11 by performing fingerprint authentication based on the fingerprint data (step S22). Specifically, the identification unit 23 compares the registered fingerprint data in the identification data table of the storage unit 24 with the received fingerprint data. Note that at this time, the identification unit 23 may specify whether the received fingerprint data belongs to the right or left hand. If some of the registered fingerprint data matches the received fingerprint data, the identification unit 23 identifies the user associated with the matching registered fingerprint data as the user who gripped the doorknob 11 ( In other words, it is determined that the user identification was successful). On the other hand, if there is no registered fingerprint data that matches the received fingerprint data, the control unit 25 determines that user identification has failed.
  • the estimation unit 22 estimates the user's health condition based on the output amplitude value (step S24).
  • the health condition estimation process performed by the estimation unit 22 will be described in detail below. Note that if the user identification fails in the identification unit 23 (NO in step S23), the server 20 does not execute the subsequent steps and ends the series of processing. Note that if the user identification is successful, the control unit 25 may add the received output amplitude value to the log data of the first measurement value of the identified user at any timing after this step.
  • the estimation unit 22 refers to the first threshold stored in the storage unit 24 and compares the output amplitude value with the first threshold. Note that if the first threshold values corresponding to the left and right hands of the user are set, the estimation unit 22 refers to the first threshold values corresponding to the hand specified by the identification unit 23. If the output amplitude value is less than or equal to the first threshold, the estimation unit 22 estimates that there is no abnormality in the user's health condition. On the other hand, if the output amplitude value is larger than the first threshold value, the estimation unit 22 determines that the user's health condition is abnormal.
  • step S25 if it is estimated that the user's health condition is abnormal (YES in step S25), the control unit 25 transmits information based on the estimation result to the mobile terminal 30 (step S26). Note that the user's mobile terminal 30 can be identified by referring to the record for the user in the identification data table. On the other hand, if it is determined that there is no abnormality in the user's health condition (NO in step S25), the control unit 25 does not perform the process in step S26 and ends the series of processes.
  • the control unit 32 of the mobile terminal 30 receives information based on the estimation result via the communication unit 31 (step S31).
  • the control unit 32 causes the output unit 33 to output a notification according to information based on the estimation result (step S32).
  • the control unit 32 may display the above-mentioned notification, ⁇ An abnormality was observed in the movement of your hand'' or ⁇ You may be unwell.'' You may also display a warning message such as
  • the estimation unit 22 estimates that there is no abnormality in the user's health condition (NO in step S25)
  • information based on the estimation result may be transmitted to the mobile terminal 30.
  • the mobile terminal 30 may output a notification according to information based on the estimation result.
  • the control unit 32 of the mobile terminal 30 may display a message saying "There is no abnormality in your health condition" on the display.
  • the estimation system 100 does not include the mobile terminal 30, the estimation system 100 does not need to perform step S26, step S31, and step S32.
  • the user's health condition is estimated when the user grips the doorknob 11. If it is estimated that the user's health condition is abnormal, a notification is output from the user's mobile terminal 30. In this way, the estimation system 100 can obtain a first measurement value that can estimate the user's health condition from the user's daily action of “opening and closing the door.” Then, the user's health condition can be estimated based on the first measurement value. Therefore, according to the estimation system 100, the user's health condition can be estimated based on the user's daily activities.
  • the first measurement value used by the estimation unit 22 to estimate the health condition is a measurement value related to the tremor of the user's hands.
  • human hand tremors are likely to appear as an early symptom of various diseases.
  • various diseases that are thought to cause hand tremors include essential tremor, Parkinson's disease, multiple sclerosis, hyperthyroidism, alcoholism, and drug-induced tremor.
  • the user may experience tremors in the hands and fingers. For example, even if you have a simple cold, it is quite possible that you may be unable to use your hands and tremble due to physical discomfort.
  • the estimation system 100 estimates whether there is an abnormality in the user's health condition each time based on daily activities (opening/closing a door) that the user would perform every day. Therefore, if there is a possibility that the user is suffering from various disorders including the above-mentioned diseases, this possibility can be discovered at an early stage.
  • the estimation system may acquire, from a second sensor provided on the gripping member, a second measurement value that is data regarding the grip strength of the user's hand, which is acquired by the second sensor. The estimation system may then estimate the user's health condition based on the first measurement value and the second measurement value.
  • an estimation system 200 according to a second embodiment of the present invention will be described. Note that in subsequent embodiments including this embodiment, descriptions of the same configurations and processes as in the first embodiment will not be repeated.
  • FIG. 4 is a functional block diagram schematically showing the configuration of the estimation system 200 according to this embodiment.
  • the estimation system 200 differs from the estimation system 100 in that the doorknob 11 is equipped with a pressure sensor (second sensor) 13 and that the control unit 25 of the server 20 includes an estimation unit 26 instead of the estimation unit 22. There is.
  • the pressure sensor 14 measures the pressure applied to the gripped portion of the doorknob 11 when the user grips the doorknob 11.
  • the pressure sensor 14 can be realized by, for example, a thin film strain gauge.
  • the pressure sensor 14 outputs a value indicating the measurement result (second measurement value) to the control unit 15.
  • the pressure sensor 14 can be said to measure the force with which the user grips the doorknob, that is, the user's grip strength. Therefore, the second measurement value is a value indicating the user's grip strength.
  • the pressure sensor 14 may measure the pressure for a predetermined period of time (for example, 3 seconds) when the user grasps the doorknob 11 and opens the door 10 . In this case, the pressure sensor 14 outputs the measurement result for the aforementioned predetermined time as the second measurement value. Therefore, by analyzing the measurement results of the pressure sensor 14 over time, it is possible to identify minute fluctuations in the user's grip strength.
  • the position of the pressure sensor 14 on the doorknob 11 is not particularly limited.
  • the pressure sensor 14 may be incorporated in the push-in portion 11c.
  • the size of the detection surface of the pressure sensor 14 is not particularly limited, but if the doorknob 11 has the same shape as in FIG. ), the length may be approximately the width of four fingers from the index finger to the little finger.
  • the pressure sensor 14 detects the pressure applied to the detection surface, that is, the user's grip force when the user grips the grip portion 11a (as well as fluctuations in grip force, from which part of the hand the grip portion 11a receives force, etc.). ) can be measured stably.
  • the acceleration sensor 13 may be incorporated on the back side (that is, inside) of the detection surface of the pressure sensor 14 in the grip portion 11a. Thereby, the acceleration sensor 13 can also measure acceleration at the same time as the pressure sensor 14 measures the grip force.
  • the control unit 15 acquires the second measured value of the pressure sensor 14 and transmits it to the server 20 via the communication unit 16.
  • the communication unit 21 of the server 20 receives the second measurement value, it outputs this to the control unit 25.
  • the estimation unit 26 of the control unit 25 estimates the user's health condition based on the first measurement value and the second measurement value. The processing of the estimation unit 26 will be described in detail later.
  • the storage unit 24 stores a second threshold in addition to the first threshold.
  • the second threshold is a threshold of the second measurement value.
  • the second threshold value is that the grip strength indicated by the second measurement value is within the range of the user's normal health condition or exceeds the range (that is, an abnormality has occurred in the user's health condition). This is the threshold of grip strength.
  • the second threshold value may be determined as appropriate depending on the arrangement position of the pressure sensor 14, detection accuracy, and the like.
  • the second threshold value may be set to a different value for each user, or may be a value common to all users.
  • the storage unit 24 stores the user identification information and the second threshold value corresponding to the user identification information in association with each other.
  • the second threshold may be determined according to user information (age, gender, height, weight, etc.) registered in the storage unit 24 in advance. This makes it possible, for example, to change the second threshold for weak elderly people and young people.
  • a second threshold value for the right hand and a second threshold value for the left hand may be separately set. In general, it is thought that grip strength is smaller when opening and closing a door with the non-dominant hand than when opening and closing the door with the dominant hand.
  • the storage unit 24 may store the user's identification information and the received first measurement value and second measurement value in association with each other. That is, the storage unit 24 may record log data of the first measurement value and the second measurement value for each user.
  • the basic function of the estimation section 26 is similar to that of the estimation section 22.
  • the estimation unit 26 differs from the estimation unit 22 of the first embodiment in that the estimation unit 26 estimates the user's health condition based on the second measurement value as well as the first measurement value.
  • the first measured value is data related to hand tremor
  • the second measured value is measured value related to hand grip strength.
  • the estimation unit 26 determines the user's health condition based on each of these two parameters.
  • the determination of the health condition based on the first measurement value hereinafter referred to as the first determination
  • the determination of the health condition based on the second measurement value hereinafter referred to as the second determination
  • the estimation unit integrates these two determination results and finally estimates the estimation result of the user's health condition.
  • the estimation unit 26 may perform the first determination using a method similar to step S24 of the first embodiment.
  • the estimation unit 26 performs the second determination immediately before or after step S24, or in parallel with step S24, for example, by the method described below.
  • the estimation unit 26 refers to the second threshold value stored in the storage unit 24 and compares the second measurement value with the second threshold value. Note that when second thresholds corresponding to the left and right hands of the user are set, the estimation unit 26 refers to the second thresholds corresponding to the hand specified by the identification unit 23. If the second measured value is equal to or greater than the second threshold, the estimation unit 26 estimates that there is no abnormality in the user's health condition. On the other hand, if the second measured value is less than the second threshold, the estimation unit 26 determines that the user's health condition is abnormal.
  • the estimation unit 26 derives the final estimation result. For example, when it is determined that "the user's health condition is abnormal" in both the first determination and the second determination, the estimation unit 26 may determine that "the user's health condition is abnormal” as the final estimation result. ”. A user who is determined to have an abnormality in both the degree of hand tremor and grip strength is likely to have an abnormality in his/her health condition. According to the estimation system 200, it is possible to discover that there is an abnormality in the user's health condition in such cases.
  • the estimation unit 26 may determine that "the user's health condition is abnormal" as the final estimation result. It may be determined that there is an abnormality. A user who is determined to have an abnormal degree of hand tremor or grip strength may have an abnormal health condition. According to the estimation system 200, it is possible to discover that there is an abnormality in the user's health condition in such cases.
  • estimation unit 26 may simply determine whether the individual results of the first determination and the second determination are greater than or equal to various threshold values, and may not determine whether there is an abnormality in the health condition. . In this case, the estimation unit 26 integrates the comparison result between the first measurement value and the first threshold value in the first determination and the comparison result between the second measurement value and the second threshold value in the second determination, and calculates the health status of the user. All you have to do is estimate.
  • the estimation system 200 can estimate the user's health condition according to the first measurement value and the second measurement value. Therefore, according to the estimation system 200, the user's health condition can be estimated with higher accuracy (or in more detail).
  • the second measurement value used to estimate the health condition is a measurement value related to the grip strength of the user's hand.
  • decreased hand grip strength is likely to appear as an early symptom of various diseases. For example, research shows that people with decreased grip strength have an increased risk of myocardial infarction and stroke, as well as increased mortality from heart-related diseases. Further, even if the user does not have such a disease, if the user is physically unwell, the grip strength may decrease.
  • the estimation system 200 estimates the user's health condition by also taking into account the user's grip strength, so it is possible to discover more possibilities of diseases and disorders.
  • the estimation system may acquire, from a third sensor provided on the gripping member, a third measured value regarding the force and/or rotation speed for rotating the gripping member, which is acquired by the third sensor.
  • the estimation system may then estimate the user's health condition based on the first measurement value and the third measurement value.
  • the estimation system may estimate the user's health condition based on the first measurement value, the second measurement value, and the third measurement value.
  • estimation system 300 according to a third embodiment of the present invention will be described. Note that in the drawings and description below, an example will be described in which the estimation system 300 estimates the user's health condition based on the first measurement value, the second measurement value, and the third measurement value. That is, an example will be described in which the estimation system 300 has the functions of the estimation system 200 according to the second embodiment and further performs estimation taking the third measurement value into consideration.
  • FIG. 5 is a functional block diagram schematically showing the configuration of the estimation system 300 according to the present embodiment.
  • the estimation system 300 differs from the estimation systems 100 and 200 in that the doorknob 11 includes a torque sensor (third sensor) 17 and that the control unit 25 of the server 20 includes an estimation unit 27 instead of the estimation unit 22. It's different.
  • the doorknob 11 is not the push-pull type doorknob according to the first and second embodiments, but is a rotary doorknob that opens and closes the door by being held and rotated by the user.
  • the doorknob 11 according to the present embodiment is realized by a doorknob having a rotary grip ball.
  • the fingerprint sensor 12, the pressure sensor 14, and the acceleration sensor 13 are appropriately placed on the rotary doorknob so that each measurement can be performed appropriately.
  • the fingerprint sensor 12 may be placed at a position where the user's thumb touches the doorknob 11 when the user grips the doorknob 11.
  • the torque sensor 17 is a sensor that measures the force for rotating the doorknob (twisting the doorknob) and/or the rotational speed when the user grips and rotates the doorknob 11.
  • the torque sensor 17 is configured to measure torsion using, for example, a strain gauge and transmit the signal using a transformer or an optical device.
  • Torque sensor 17 outputs a measured value (third measured value) to control section 15 .
  • the torque sensor 17 does not measure a value at a certain point (that is, a moment), but measures the rotational force for a predetermined period of time (for example, 3 seconds) when the user turns the doorknob 11 to open the door 10. It is also possible to measure and calculate the average value. Then, the torque sensor 17 may output this calculated average value as the third measurement value.
  • the type, location, size, and shape of the torque sensor 17 are not particularly limited as long as the torque sensor 17 can measure parameters related to the force and/or speed of rotation of the doorknob 11.
  • the control unit 15 Upon acquiring the third measurement value of the torque sensor 17, the control unit 15 according to the present embodiment transmits the third measurement value to the server 20 via the communication unit 16.
  • the communication unit 21 of the server 20 receives the third measurement value, it outputs this to the control unit 25.
  • the estimation unit 27 of the control unit 25 estimates the user's health condition based on the first measurement value and the third measurement value (and the second measurement value). The processing of the estimation unit 27 will be described in detail later.
  • the storage unit 24 stores a third threshold value.
  • the third threshold is the threshold of the third measurement value.
  • the third threshold value is such that the third measured value (i.e., the force and/or speed with which the user rotates the doorknob 11) is within the user's normal health range or exceeds the range (i.e., the user This is the threshold for whether there is an abnormality in the health status of the patient.
  • the third threshold value may be determined as appropriate depending on the arrangement position of the torque sensor 17, detection accuracy, and the like.
  • the third threshold value may be set to a different value for each user, or may be a value common to all users.
  • the storage unit 24 stores the user identification information and the third threshold value corresponding to the user identification information in association with each other.
  • the third threshold may be determined according to user information (age, gender, height, weight, etc.) registered in the storage unit 24 in advance. This makes it possible, for example, to change the third threshold for weak elderly people and young people. Further, a third threshold value for the right hand and a third threshold value for the left hand may be separately set.
  • the force and/or speed for rotating a doorknob is smaller when twisting the doorknob with the non-dominant hand than when twisting the doorknob with the dominant hand. Therefore, by storing the third threshold values for each of the left and right hands, it is possible to more accurately determine whether the force and/or speed at which the user rotates the doorknob 11 is within the range of normal health conditions. be able to.
  • the storage unit 24 may further store the user's identification information and the received first measurement value and third measurement value (and second measurement value) in association with each other. That is, the storage unit 24 may record log data of the first measurement value and the third measurement value (and the second measurement value) for each user.
  • the basic functions of the estimation section 27 are similar to those of the estimation section 22. However, the estimation unit 27 differs from the estimation unit 22 of the first embodiment and the estimation unit 26 of the second embodiment in that it estimates the user's health condition based on the third measurement value as well as the first measurement value. ing. Note that, as described above, the estimation unit 27 may estimate the user's health condition based on the second measurement value as well. Below, a case will be described in which the estimation unit 27 uses these three pieces of data to estimate the health condition. In the estimation unit 27, the first determination, the second determination, and the determination of the health condition based on the third measurement value (hereinafter referred to as the third determination) may be performed in random order or in parallel. The estimation unit integrates these three determination results and finally estimates the estimation result of the user's health condition.
  • the estimation unit 27 may perform the first determination using a method similar to step S24 of the first embodiment. Furthermore, the estimation unit 27 performs the second determination and the third determination immediately before or after step S24, or in parallel with step S24.
  • the estimation unit 27 refers to the third threshold value stored in the storage unit 24 and compares the third measured value and the third threshold value. Note that when third threshold values corresponding to the left and right hands of the user are set, the estimation unit 27 refers to the third threshold values corresponding to the hand specified by the identification unit 23. If the third measured value is equal to or greater than the third threshold, the estimation unit 27 estimates that there is no abnormality in the user's health condition. On the other hand, if the third measured value is less than the third threshold, the estimation unit 27 determines that the user's health condition is abnormal.
  • the estimation unit 27 derives the final estimation result. For example, when it is determined that "the user's health condition is abnormal" in all of the first, second, and third determinations, the estimating unit 27 determines that "the user's health condition is abnormal" as the final estimation result. It may be determined that there is an abnormality in the condition. Users who are judged to have an abnormality, whether it is the degree of hand tremor, the grip strength, or the force and speed with which they twist a doorknob, are highly likely to have an abnormal health condition. . According to the estimation system 300, it is possible to discover that there is an abnormality in the user's health condition in such cases.
  • the estimation unit 26 may, as the final estimation result, It may also be determined that "the user's health condition is abnormal.”
  • a user who is determined to have an abnormality in at least one of the degree of hand tremor, grip strength, and the force and speed of twisting a doorknob may have an abnormal health condition. According to the estimation system 300, it is possible to discover that there is an abnormality in the user's health condition in such cases.
  • estimation unit 27 simply determines the magnitude of each of the first determination, second determination, and third determination, and does not determine whether there is an abnormality in the health condition. It may also be a thing. In this case, the estimation unit 27 may estimate the user's health condition by integrating the comparison results between various measured values and various threshold values in each determination.
  • the estimation system 300 can estimate the user's health condition according to the first measurement value and the third measurement value (and the second measurement value). Therefore, according to the estimation system 300, the user's health condition can be estimated with higher accuracy or in more detail.
  • the third measurement value used to estimate the health condition is a measurement value related to the force and/or speed at which the user rotates the doorknob 11.
  • the strength and/or speed of such twisting motions may be reduced due to various diseases, physical ailments, and the like.
  • the estimation system 300 estimates the user's health condition by also considering the user's twisting force and/or speed. Therefore, according to the estimation system 300, more possibilities of diseases and disorders can be found.
  • the configuration and processing related to the estimation system 200 are not essential. That is, the estimation system 300 does not need to include the pressure sensor 14. Then, the control unit 25 does not need to acquire the second measurement value. Further, the estimation unit 27 does not need to perform the second determination. In this case, the estimation unit 27 may combine the first determination and the third determination to derive the final estimation result. [Fourth embodiment]
  • each of the first to third threshold values may be a value derived by the estimation unit according to the log data of the first to third measurement values. That is, the first to third threshold values may be values that fluctuate.
  • a fourth embodiment of the present invention will be described below. Note that the configuration according to this embodiment is applicable to any of the estimation systems 100, 200, and 300 described in the first to third embodiments.
  • the estimating unit 22, 26, or 27 each has a function of calculating a threshold value used for determination from log data. That is, the estimation unit 22 can calculate the first threshold value from the log data of the first measurement value.
  • the estimation unit 26 has a function of calculating the second threshold value from the log data of the second measurement value.
  • the estimation unit 27 has a function of calculating the third threshold value from the log data of the third measurement value. Further, like the estimation unit 26, the estimation unit 27 may have a function of calculating the second threshold value from the log data of the second measurement value.
  • the estimation unit 22, 26, or 27 refers to various log data in the storage unit 24 and calculates the average value of various measured values for the most recent predetermined period (for example, the most recent one month or one year, etc.). calculate.
  • the estimator 22, 26, or 27 calculates the first threshold value by multiplying the average value of the first measurement values for the most recent predetermined period by a predetermined coefficient (such as 1.3) that is larger than 1.
  • a predetermined coefficient such as 1.3
  • the estimating unit 26 or 27 sets a value obtained by multiplying the average value of the second measurement values for the most recent predetermined period by a predetermined coefficient smaller than 1 (such as 0.7) as the second threshold value.
  • the estimation unit 27 sets a value obtained by multiplying the average value of the third measurement values for the most recent predetermined period by a predetermined coefficient smaller than 1 (such as 0.7) as the third threshold value.
  • these predetermined coefficients may be determined as appropriate.
  • FIG. 6 are graphs showing an example of the relationship between the log data of the output amplitude value, which is the first measurement value, and the first threshold value.
  • the vertical axis of the graph is the output amplitude value of the acceleration sensor 13
  • the horizontal axis is time.
  • each plot in the graph is the first measurement value for one record in the log of the first measurement value.
  • each plot is connected with a polygonal line to make it easier to see the change in values.
  • each plot is independent data recorded at each event of door opening/closing, and is not measured continuously over time.
  • the latest output amplitude value (that is, the first measurement value just measured) is greater than or equal to the first threshold value.
  • the latest first measurement value itself is the same value (n) as in FIG. 6(a), but compared to FIG. 6(a), the first measurement value is Log data values are generally high.
  • the first threshold value is calculated as described above, the value of the first threshold value becomes high. Therefore, as shown in the figure, in the case of (b) in FIG. 6, even if the output amplitude is the same value, the first threshold value is higher, so it is determined that there is "no abnormality".
  • various measured values of the user who attempted to open the door 10 by grasping the doorknob 11 indicate that the user performed the same action during the most recent predetermined period. If the measured value is significantly different from the measured value, it is determined that the user's health condition is abnormal. Thereby, the estimation system 100, 200, or 300 can estimate the health state by considering the user's normal measurement values. Therefore, the accuracy of estimating the health status in the estimation system 100, 200, or 300 can be improved.
  • the estimation system 200 or 300 may derive a comprehensive estimation result by digitizing the results of the first to third determinations and weighting each of the digitized results. Note that when converting the result of each determination into a numerical value, the numerical value may be determined based not only on the magnitude relationship with the threshold value but also on how far the numerical value is from the threshold value. Furthermore, the coefficients used in the above-mentioned weighting may be determined as appropriate. A fifth embodiment of the present invention will be described below. Note that a numerical value of the results of each determination is hereinafter referred to as a "score.”
  • the results of the first to third determinations can be expressed numerically as follows. First, in the first to third determinations, each individual determination results in "no abnormality" (i.e., if the first measurement value is less than or equal to the first threshold, if the second measurement value is greater than or equal to the second threshold) , and when the third measured value is greater than or equal to the third threshold), the estimation unit 26 or 27 sets the score of these determinations to "0". On the other hand, if it is determined that there is an abnormality in each of the first to third determinations, the estimation unit 26 or 27 sets the score of these determinations to "1".
  • the estimation unit 26 or 27 weights each score. Specifically, the score of each determination is multiplied by the weighting coefficient corresponding to each determination, and the results are summed.
  • the estimating units 26 and 27 estimate the user's health condition according to the value of the multiplied and summed score (hereinafter referred to as the final score). For example, if the total score is greater than or equal to a predetermined value, an estimation result indicating that there is an abnormality in health condition is derived.
  • each weighting coefficient may be a value that can be changed as appropriate.
  • each of the individual determinations calculates the difference between the received first to third measured values and the first to third thresholds corresponding to each measured value.
  • the score for each determination may be determined depending on the absolute value of . At this time, the larger the absolute value of the difference, the larger the score may be given. In this case as well, the subsequent weighting of the estimation unit 26 or 27 and the method of determining the final estimation result are the same.
  • the health condition can be estimated after considering the importance of the results of the first, second, and third determinations. can. Therefore, according to the estimation system 100, 200, or 300 according to the present embodiment, it is possible to perform estimation with higher accuracy or more suitable for the situation.
  • estimation systems 100, 200, and 300 may estimate the index value of the degree of health condition based on various measured values. For example, estimation systems 100, 200, and 300 may estimate health status at nine levels from 1 (worst) to 9 (best).
  • the estimation units 22, 26, and 27 calculate how much the various measured values deviate from the threshold values corresponding to the measured values.
  • the above-mentioned index value may be determined depending on. For example, assume that the index value is estimated at the nine levels described above. In this case, for example, if the first measurement value is less than 0.7 times the first threshold value, the index value is set to 1, if it is 0.7 times or more and less than 1.0 times, the index value is set to 2, and if it is 1.0 times or more, the index value is set to 2. If it is less than 1.1 times, the index value may be set to 3, etc.
  • the server 20 may transmit the index value to the mobile terminal 30, and the mobile terminal 30 may include information indicating the index value in the notification.
  • a trained model for estimating a health state may be created by machine learning. For example, when the estimation system 100, 200, or 300 receives at least one parameter among the first to third measured values, the estimation system 100, 200, or 300 outputs an index value indicating the presence or absence of an abnormality in the health condition or the degree of good health condition. You may also create a trained model. Furthermore, the estimation units 22, 26, or 27 of the estimation systems 100, 200, and 300 according to the fourth embodiment may estimate the user's health condition using the above-mentioned learned model. A sixth embodiment of the present invention will be described below.
  • the estimation system 300 uses a learning model in which "the first to third measured values are input parameters (explanatory variables) and an index value indicating the degree of good health condition is an output parameter (objective variable)"
  • the output parameter may be an index value indicating the degree of deterioration of a specific disease instead of the "good degree of health condition.”
  • the estimation system 300 includes an arithmetic device such as a personal computer (PC).
  • the server 20 may also serve as a computing device.
  • the arithmetic device has a storage unit, and an unlearned learning model is stored in the storage unit.
  • the learning model algorithm is not particularly limited.
  • a neural network is an example of a learning model algorithm.
  • a designer or user of the estimation system 300 obtains big data showing the relationship between measured values and health conditions.
  • big data showing the relationship between measured values and health status means, for example, that the first to third measured values are associated with the degree of good health status (for example, the nine levels mentioned above).
  • This data is a data group that has been accumulated in countless numbers.
  • the arithmetic device causes the learning model to perform machine learning (supervised learning) using part or all of the big data. In other words, part or all of the big data becomes training data for machine learning.
  • big data may include data published by hospitals and/or public institutions.
  • big data is data that correlates the first to third measurement values of a user measured using equipment substantially similar to the doorknob 11 and the index value of the user's self-reported health condition. May contain.
  • the trained model created in this way is downloaded to the server 20 directly or indirectly using a recording medium or the like.
  • the storage unit 24 of the server 20 stores the trained model.
  • the estimation unit 27 of the server 20 Upon acquiring the first to third measured values, the estimation unit 27 of the server 20 inputs the first to third measured values into the learned model in the storage unit 24.
  • the trained model outputs an index value indicating the degree of good health condition according to the input first to third measurement values.
  • the estimation unit 27 uses this output result as the estimation result of the health state. That is, the control unit 25 notifies the mobile terminal 30 of information indicating the output result. According to the above processing, it is possible to estimate the degree of good health condition from the first to third measured values.
  • the door 10 may not be a door of a building but may be a door attached to a moving object such as a vehicle.
  • the doorknob 11 may be a grip-type doorknob.
  • the server 20 may be configured integrally with various in-vehicle devices.
  • the notification based on the estimation result of the estimating section 22, 26, or 27 may be output from an output section such as a display section and/or an audio output section as an in-vehicle device.
  • the gripping member 11 may be a member other than a doorknob as long as essential members such as the acceleration sensor 13 can be mounted thereon.
  • the gripping member may be a bowl, plate, chopsticks, spoon, fork, toothbrush, etc. that the user grips and uses on a daily basis.
  • the gripping member may be a handrail of a staircase, a bath, a toilet, or the like.
  • the various sensors may be appropriately arranged according to the shape of the gripping member 11 and/or the shape of the user's hand when gripping the gripping member 11.
  • a part of the processing executed by the server 20 in the estimation systems 100, 200, and 300 may be executed by the user's mobile terminal 30.
  • the various data stored in the storage unit 24 may be stored in the storage unit of the mobile terminal 30 or in a cloud server connected through the Internet.
  • fingerprint data and parameters indicating hand tremor, grip strength, force and/or speed of rotating the doorknob 11, etc. are detected and measured using separate sensors.
  • sensors capable of simultaneously measuring a plurality of types of data may be used.
  • the vector sensor capable of measuring translational forces in three directions
  • the vector sensor can serve both as the acceleration sensor 13 and the pressure sensor 14.
  • a 6-axis sensor that is, a sensor capable of measuring 3-axis acceleration and 3-axis gyro
  • it can serve as both the acceleration sensor 13 and the torque sensor 17.
  • estimation systems 100, 200, and 300 may identify users by means other than fingerprint authentication.
  • estimation systems 100, 200, and 300 may use facial recognition to identify users.
  • a camera is attached to the door 10 or near the door 10 at an angle that allows the user to photograph the user's face when gripping the doorknob 11.
  • the control unit 15 transmits the image obtained from the camera to the control unit 25 of the server 20.
  • the identification unit 23 of the server 20 identifies the user who grips the doorknob 11 by comparing the received image (face image) with the face image of each user registered in advance in the storage unit 24 (face authentication). ). In this case, it may also be determined from the camera image whether the user opened the door with the left or right hand. In this way, by identifying whether the hand gripping the doorknob 11 is the right hand or the left hand from an image or the like, it is possible to refer to data that is correct for both left and right hands when performing fingerprint authentication and estimating the health condition.
  • the estimation systems 100, 200, and 300 may include a camera that photographs the user's hand holding the doorknob 11.
  • the camera detects the grip of the doorknob 11 by the user using a human sensor or the like
  • the camera photographs the user's hand and transmits the photographed image to the control unit 15 .
  • the control unit 15 transmits the photographed image to the control unit 25 of the server 20.
  • the control unit 25 identifies which hand, the left or the right, the user grips the doorknob 11 from the received captured image. In this way, by identifying whether the hand gripping the doorknob 11 is the right hand or the left hand from an image or the like, it is possible to refer to data that is correct for both left and right hands when performing fingerprint authentication and estimating the health condition.
  • Estimation systems 100, 200, and 300 may include sensors other than those described above. Then, the estimation unit 22, 26, or 27 may perform estimation processing taking into consideration the measured value of the sensor.
  • doorknobs 11 of estimation systems 100, 200, and 300 may include electrostatic sensors and/or temperature sensors.
  • the electrostatic sensor and/or temperature sensor outputs a measured value to the control unit 15 similarly to the acceleration sensor 13 and the like.
  • the control unit 15 transmits the acquired measurement value to the control unit 25 of the server 20.
  • the control unit 25 takes these measured values into account during estimation processing in the estimation unit 22, 26, or 27 and derives an estimation result.
  • threshold values are stored in the storage unit 24 for these measurement values, and the results of comparison between the threshold value and the measurement value and the first to The health condition of the user may be determined by integrating the third measurement value and the comparison results of the first to third measurement values.
  • the value of the electrostatic sensor is a value related to the amount and components of sweat of the user who grips the doorknob 11.
  • the value of the temperature sensor is a value related to the body temperature of the user who grips the doorknob 11. Therefore, even if these measured values show abnormal values, it can be estimated that the user is suffering from some kind of disease or disorder. Therefore, the estimation systems 100, 200, and 300 can estimate the health state more accurately by taking these measured values into account when estimating the health state.
  • the present invention is not limited to the estimation systems 100, 200, and 300 according to each of the embodiments and their modifications, but the concept of the present invention and the patent claims. Including all aspects within the scope. Moreover, each structure may be selectively combined as appropriate so as to achieve at least some of the problems and effects described above. For example, each configuration in the embodiments may be changed as appropriate depending on the specific usage of the present invention.

Landscapes

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

Abstract

ユーザの日常動作に基づいて当該ユーザの健康状態を推定する。サーバ２０は、ユーザによって把持される部材である把持部材１１に設けられた加速度センサ１３から、当該加速度センサ１３が測定した前記ユーザの手の震えに関する第１測定値を取得する制御部２５と、第１測定値に基づいてユーザの健康状態を推定する推定部２２と、を備える。

Description

制御装置、把持部材、および推定システム
　本発明は、制御装置、把持部材、および推定システム等に関する。
　近年の健康需要の高まりにより、例えば腕時計タイプのウェアラブルデバイスで日々のユーザの健康状態を把握する技術が開発されている。具体的には、ウェアラブルデバイスに設けられたセンサによってユーザの日々の心拍数や血液中の酸素飽和度等の生体情報を取得する技術が開発されている。例えば特許文献１には、ウェアラブルデバイス等によって心拍や体温、血圧、体の震え等の生体情報を取得する技術が開示されている。
国際公開第２０１８／１６８３６９号
　しかしながら、特許文献１に記載の技術では、生体情報を取得するためには、ユーザにウェアラブルデバイスを装着させる必要がある。すなわち、特許文献１に記載の技術では、ユーザがウェアラブルデバイスを装着し忘れた場合は生体情報を取得することができない。
　本発明は、前記課題に鑑みてなされたものであって、ユーザの日常動作に基づいて当該ユーザの健康状態を推定することを目的とする。
　前記目的を達成するため、本発明に係る制御装置は、ユーザによって把持される部材である把持部材に設けられた第１センサから、当該第１センサが取得した、前記ユーザの手の震えに関する第１測定値を取得する取得部と、前記第１測定値に基づいて前記ユーザの健康状態を推定する推定部と、を備える。
　本発明によれば、ユーザの日常動作に基づいて当該ユーザの健康状態を推定することができる。
第１実施形態に係る推定システムの構成を概略的に示す機能ブロック図である。 第１実施形態に係るドアの一部の構造を概略的に示す側面図である。 第１実施形態に係る推定システムの処理の流れの一例を示すシーケンス図である。 第２実施形態に係る推定システムの構成を概略的に示す機能ブロック図である。 第３実施形態に係る推定システムの構成を概略的に示す機能ブロック図である。 第１測定値のログデータと、第１閾値との関係を示すグラフである。
　〔第１実施形態〕
《システム構成》
　以下、本発明の実施形態について図面を参照しつつ説明する。図１は、第１実施形態に係る推定システム１００の構成を概略的に示す機能ブロック図である。推定システム１００は、把持部材を把持したユーザの健康状態を推定するシステムである。なお、本明細書において「把持部材」とは、ユーザが片手または両手で握ることが可能な部材全般を意味する。本実施形態では、把持部材がドアノブ１１である例について説明する。図１に示すように、推定システム１００は、ドアノブ１１と、サーバ（制御装置）２０と、を含む。また、推定システム１００は携帯端末３０を含んでいてもよい。
　ドア１０はユーザが手動で開閉可能なドアである。ドア１０は、ドアノブ１１を搭載している。ドア１０の種類、大きさ、形、および内部構造等は特に限定されない。例えば、ドア１０は建造物の内部と外部とを仕切るドア、または、建造物内の部屋の内部と外部とを仕切るドアなどであってもよい。また、ドア１０は、開き戸であってもよいし、引き戸であってもよい。
　ドアノブ１１は、ドア１０に設けられた部材であって、ドア１０の把持部材である。ドアノブ１１が各種機能ブロックに相当する構成を含んでいるならば、ドアノブ１１の種類、大きさ、形、および内部構造は特に限定されない。例えば、ドアノブ１１はプッシュプル式のドアノブであってもよいし、回転式のドアノブであってもよい。本実施形態では一例として、ドア１０が引き戸であり、ドアノブ１１がプッシュプル式のドアノブである場合について説明する。ドアノブ１１は、指紋センサ（生体情報センサ）１２と、加速度センサ（第１センサ）１３と、制御部１５と、通信部（把持部材送信部）１６と、を含む。なお、ドアノブ１１は、制御部１５等の動作に必要なデータを記憶した記憶部を含んでいてもよい。
　指紋センサ１２は、ドアノブ１１を把持したユーザの指紋を検出する。指紋センサ１２は、検出した指紋を示すデータ（指紋データ）を制御部１５に出力する。指紋センサの具体的な種類は特に限定されない。例えば、指紋センサ１２は、静電容量式のセンサであってもよい。
　加速度センサ１３は、ユーザがドアノブ１１を把持してドア１０を開けるときの加速度を測定する。加速度センサ１３は、例えばＭＥＭＳ式の加速度センサであってよい。加速度センサ１３は、所定時間分（例えば、３秒分）の加速度の測定結果から、加速度の出力の振幅の値を算出する。もしくは、加速度センサ１３は、振動の周期（すなわち、周波数）の値を測定してもよい。加速度センサ１３は、算出または測定した出力振幅の値（第１測定値）を制御部１５に出力する。なお、本実施形態では、加速度センサ１３は出力振幅の値を算出することとする。
　一般的に、加速度センサの出力振幅の値は、当該センサに伝わる振動の大きさに応じて大きくなる。加速度センサの出力周波数は単位時間あたりの振動の回数である。したがって、ドアノブ１１に設けられた加速度センサ１３の出力振幅の値および周波数は、ユーザがドアを引く時の、手の震えの有無および震えの大きさ、震えの回数を示しているといえる。このように、加速度センサ１３が算出する出力振幅の値および周波数は、ユーザの手の震えに関する測定値であるといえる。なお、本明細書において「測定値」とは、センサによって測定された値だけでなく、測定された値から算出された値も含み得る。
　制御部１５は、指紋センサ１２の指紋データと、加速度センサ１３の第１測定値とを取得する。制御部１５は、取得したデータを通信部１６に出力する。通信部１６は、制御部１５がサーバ２０と通信を行うための通信インタフェースである。通信部１６は、制御部１５から出力された各種データをサーバ２０に送信する。なお、本実施形態では、制御部１５および通信部１６はドアノブ１１内に組み込まれている。しかしながら、制御部１５および通信部１６は、ドア１０のドアノブ１１以外の場所（例えば、ドア本体）に組み込まれていてもよい。
　サーバ２０は、制御部１５から受信した各種データを管理する管理装置である。また、サーバ２０は、少なくとも第１測定値に基づいて、ユーザの健康状態を推定する推定装置である。サーバ２０は制御部１５と通信ネットワークを介して接続されている。接続の方法は有線であっても無線であってもよい。なお、推定システム１００に携帯端末３０が含まれている場合、サーバ２０は携帯端末３０とも通信ネットワークを介して接続されている。
　サーバ２０の設置位置は特に限定されない。例えば、サーバ２０はドア近傍の室内に配置されてもよい。また、サーバ２０はクラウド環境に存在するサーバ（または仮想サーバ）であってもよい。本実施形態では一例として、サーバ２０はドア１０で仕切られる室内に配置されていることとする。なお、サーバ２０は、ホームデバイス等、他のデバイスの管理および制御を統括的に行う装置であってもよい。サーバ２０は、通信部（送信部）２１と、制御部２５（取得部）と、記憶部２４と、を含む。
　通信部２１は、ドアノブ１１の通信部１６との通信を行う。なお、推定システム１００が携帯端末３０を含む場合、通信部２１は、携帯端末３０の通信部３１との通信も行う。通信部２１とドアノブ１１の通信部１６との間の通信方式およびネットワークの種類は特に限定されない。例えば通信部１６と通信部２１は、Ｗｉ－Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）といった無線通信で接続されてもよい。通信部２１と、携帯端末３０の通信部３１との間の通信方式およびネットワークの種類についても特に限定されない。
　制御部２５は、サーバ２０を統括的に制御するＣＰＵ（中央処理演算装置）である。制御部２５は、推定部２２と、識別部２３とを含む。制御部２５は、推定部２２としての機能および識別部２３としての機能に応じたソフトウェアプログラムを記憶部２４から読み出して実行する。これにより、制御部２５は、機能ブロックとしての推定部２２および識別部２３を実現することができる。
　識別部２３は、指紋センサ１２が検出した指紋データに基づいてユーザの識別を行う。本実施形態では、識別部２３は、指紋認証を用いてユーザを識別する。指紋認証の具体的な方法は特に限定されない。例えば、識別部２３は、指紋センサ１２が検出した指紋データと、記憶部２４に予め登録されている指紋データとを照合することで、ユーザの指紋認証を行ってもよい。なお、識別部２３は、指紋認証のために、受信した指紋データが左右どちらの手指の指紋を示すデータかを特定してもよい。例えば、識別部２３は、受信した指紋データが示す指紋の形から、当該指紋データが、左右どちらの手指の指紋を示すデータかを特定してよい。
　推定部２２は、少なくとも第１測定値に基づいてユーザの健康状態を推定する。なお。本実施形態において「ユーザの健康状態を推定する」とは、ユーザの健康状態に異常があるか否かを判定することを意味する。しかしながら、本発明における推定処理は、必ずしもこの意味に限定されることはない。例えば、ユーザの健康状態に異常があるか否かに加え、異常がある場合の異常の内容（すなわち、症状や病名）および／または異常の程度を推定してもよい。推定部２２における推定処理については後で詳述する。
　制御部２５は、推定部２２の推定結果（例えば、ユーザの健康状態に異常があるか否かを示す情報）を記憶部２４に記憶させてもよい。また、推定システム１００が携帯端末３０を含む場合、制御部２５は、推定部２２の推定結果に基づく情報を、通信部２１を介して携帯端末３０に送信してもよい。
　ここで、「推定結果に基づく情報」とは、推定結果そのものを示す情報であってもよいし、推定結果から二次的に作成される情報であってもよい。例えば、「推定結果に基づく情報」とは、推定結果に応じたコード、または推定結果に基づき作成される通知のテキスト、画像（または動画）、および／または音声データであってもよい。また、「推定結果に基づく情報」とは、推定結果を直接的に示すような内容であってもよいし、間接的に示す情報であってもよい。例えば、推定部２２が「健康状態に異常がある」と推定した場合、推定結果に基づく情報は、健康状態が異常である旨を示すテキストであってもよいし、病院へ行くことを推奨する旨を示すテキストであってもよい。
　記憶部２４は、サーバ２０の動作に必要な各種データを格納している。記憶部２４は、非一時的な記録媒体により実現される。例えば、記憶部２４は、ＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）等の組み合わせで実現されてよい。
　記憶部２４は、ユーザの識別情報と、予め検出して登録しておいた当該ユーザの指紋データ（以降、登録指紋データと称する）とを対応付けた識別データテーブルを記憶している。なお、ユーザの識別情報とは、例えばユーザの名前および／またはユーザＩＤである。また、本実施形態では一例として、記憶部２４は各ユーザの右手の親指の指紋データと、左手の親指の指紋データとを登録指紋データとして記憶していることとする。
　なお、記憶部２４に左右どちらの（または両方の）手の、どの指の登録指紋データを記憶させておくかは、ドアノブ１１における指紋センサ１２の検出面の配置位置に応じて適宜決定されてよい。例えば、ユーザがドアノブ１１を把持したときにユーザの人差し指が当たる位置に指紋センサ１２の検出面を配置していると仮定する。この場合ならば、記憶部２４は登録指紋データとして、左右の手の人差し指の指紋データを記憶していることが望ましい。識別データテーブルの各レコードには、さらに携帯端末３０の識別情報が対応づけられていてもよい。携帯端末３０の識別情報とは、例えば、携帯端末３０の固有番号、ＭＡＣアドレス、携帯電話番号、および／またはメールアドレス等である。
　なお、本実施形態では一例として、ユーザの識別情報に登録指紋データを対応づけたものを識別データテーブルとする。しかしながら、指紋とはユーザの識別情報でもある。したがって、登録指紋データがユーザの識別情報を兼ねていてもよい。すなわち、記憶部２４は、識別データテーブルではなく、登録指紋データのみ、または、登録指紋データと携帯端末３０の識別情報とを対応づけたデータを記憶していてもよい。また、識別データテーブルは、前述のテーブル構成に限定されない。例えば、記憶部２４は、ユーザ識別情報と登録指紋データとを対応づけたテーブルと、ユーザ識別情報と携帯端末３０の識別情報とを対応づけたテーブルとを別個に記憶していてもよい。また、識別データテーブルは必ずしもデータテーブルの形式でなくてもよい。
　記憶部２４はさらに、ユーザの識別情報と、受信した第１測定値とを対応づけて記憶していてもよい。すなわち、記憶部２４は、ユーザ毎に、第１測定値のログデータを記録していてもよい。このログデータは、ユーザがドアノブ１１を把持するイベントごとに記録される。当該ログデータを記録する期間、および記録を保持する期間は特に限定されない。しかしながら、当該ログデータを記録する期間、および記録を保持する期間は、１年以上等、ある程度の長期間であることが好ましい。ログデータの記録タイミング、ならびに記録期間および保持期間については、以降の実施形態における各種ログデータにおいても同様である。
　記憶部２４にはさらに、推定部２２による健康状態の推定のために必要な各種閾値が記憶されていてもよい。本実施形態の場合、記憶部２４には第１閾値が記憶されている。第１閾値とは、第１測定値の閾値である。第１閾値は、第１測定値が示す手の震え度合が、ユーザの通常の健康状態の範囲内で起こり得る程度の震えであるか、当該程度を超えている（すなわち、ユーザの健康状態に異常が生じている）震え度合であるか、の閾値である。第１閾値は加速度センサ１３の配置位置および検出精度等に応じて適宜定められてよい。
　なお、第１閾値はユーザ毎に異なる値に設定されていてもよいし、全ユーザ共通の値であってもよい。なお、ユーザ毎に異なる値に設定する場合、記憶部２４は、ユーザ識別情報と、当該ユーザ識別情報に対応する第１閾値とを対応づけて記憶する。この場合、第１閾値は、予め記憶部２４に登録されたユーザ情報（年齢、性別、身長、体重等）に応じて決定されてもよい。これにより、例えば力の弱いお年寄りと青年では閾値を変えるということも可能となる。また、右手に対する第１閾値と、左手に対する第１閾値とが別途設定されていてもよい。一般的に、利き手でドアを開閉するときよりも、利き手でない手でドアを開閉するときの方が、手の震えは大きくなると考えられる。したがって、左右の手それぞれに対する第１閾値を記憶しておくことで、ユーザの手の震えが通常の健康状態の範囲内で起こり得る程度の震えであるか否かを、より精度よく判定することができる。
　携帯端末３０は、例えばスマートフォンまたはスマートウォッチ等の、ユーザが所持している端末装置である。携帯端末３０は、ユーザにサーバ２０の推定結果に応じた通知を行うための装置である。携帯端末３０は、通信部３１と、制御部３２と、出力部３３と、を含む。なお、携帯端末３０は、自装置の動作に必要なデータを記憶した記憶部を含んでいてもよい。
　通信部３１は、サーバ２０の通信部２１と通信を行う。制御部３２は、携帯端末３０を統括的に制御するＣＰＵである。制御部３２は、通信部３１を介してサーバ２０から推定結果に基づく情報を受信する。制御部３２は、推定結果に基づく情報をそのまま、または出力部３３の出力様式に応じた各種変換を行った上で、出力部３３に出力する。出力部３３は、制御部３２の制御に従って出力を行う。これにより、ユーザに推定結果、または推定結果に基づき作成された情報が通知される。なお、出力部３３の出力様式は特に限定されない。例えば、出力部３３はスピーカであってもよいし、ディスプレイであってもよいし、これら両方であってもよい。
　サーバ２０は、複数の制御部１５と通信可能であってよい。また、サーバ２０は、複数の携帯端末３０と通信可能であってよい。この場合、サーバ２０の識別部２３は、各制御部１５から受信した指紋データに基づき、それぞれのドアノブ１１を把持したユーザを識別する。また、推定部２２は各制御部１５から受信した第１測定値に基づいた推定処理を実行し、制御部２５は推定結果に基づく情報を、識別したユーザそれぞれに対応付けられた携帯端末３０に送信してもよい。
《センサの配置》
　次に、ドアノブ１１の構造の詳細と、各種センサの配置例とを、図２を用いて説明する。図２は、ドア１０の一部の構造を概略的に示す側面図である。なお、図２では、ドア１０の一方の側のドアノブ１１のみを図示しているが、ドア１０の反対側にも同様のドアノブ１１が設けられていてよい。また、ドア１０のロック機構等、推定システム１００と関連しない機構については図示を省略しているが、ドア１０はドアとして通常備えている構造および機能を有していてよい。なお、以降の説明では、ドア１０を開けるユーザが居る方向（図２における左側）を「外側」と称し、ドア１０のドア本体１０ａが在る方向（図２における右側）を「内側」と称する。
　ドア１０は、ドア本体１０ａに取り付けられたドアノブ１１を有する。ドアノブ１１は、例えば、鉛直方向に延在する把持部分１１ａと、把持部分１１ａの上端および下端から連続する１対の取り付け部分１１ｂと、を備えている。ドアノブ１１は１対の取り付け部分１１ｂでドア本体１０ａに取り付けられている。把持部分１１ａと１対の取り付け部分１１ｂとがこのような形状でドア本体１０ａに取り付けられることによって、把持部分１１ａとドア本体１０ａとの間に所定の空間が確保される。ユーザはこの空間に手を差し込んで把持部分１１ａを把持することができる。
　把持部分１１ａの内側の面（図２における、ドア本体１０ａと対向する面）の側には、押し込み部分１１ｃが設けられている。ユーザが把持部分１１ａを把持していないとき、押し込み部分１１ｃは突出している。ここで「突出している」とは、把持部分１１ａから内側に向かって突き出していることを意味する。ユーザがドア１０を開ける際に把持部分１１ａを把持すると、押し込み部分１１ｃがユーザの手指により押し込まれる。図２に示すドア１０では、このように押し込み部分１１ｃが押し込まれることによってドア１０のロックが外れ、ドア１０を開けることができる。
　ドアノブ１１の把持部分１１ａの外側の面には、指紋センサ１２が組み込まれている。本実施形態では、指紋センサ１２の検出面は、ユーザがドアノブ１１の把持部分１１ａを把持した際に、親指が触れると予測される位置に配置される。これにより、指紋センサ１２は、ドアノブ１１を把持したユーザの親指の指紋を検出することができる。把持部分１１ａの内部には、加速度センサ１３が組み込まれている。加速度センサ１３は、ユーザがドアノブ１１の把持部分１１ａを把持する際の加速度（すなわち、ドアを引く加速度に、震えの大きさおよび震えの周波数が加わったもの）を検出できるならば、その配置位置は特に限定されない。
《処理の流れ》
　次に、推定システム１００がユーザの健康状態を推定するための一連の処理の流れを説明する。図３は、第１実施形態に係る推定システム１００の処理の流れの一例を示すシーケンス図である。ユーザは、日常動作として自宅や職場等でドア１０を開閉する。ドア１０の開閉時に、ユーザによってドアノブ１１の把持部分１１ａが把持される。
　把持部分１１ａが把持されると、押し込み部分１１ｃが把持部分１１ａ内に押し込まれる。このとき、把持部分１１ａのドア本体１０ａ側に配置されていた加速度センサ１３が加速度を測定し、加速度の出力振幅値（すなわち、ユーザの手の震えに関する値）を算出する（ステップＳ１１）。また、ユーザがドアノブ１１を把持した時、ユーザの指の腹の部分が指紋センサ１２の検出面に押し当てられる。指紋センサ１２は検出面に押し当てられたユーザの指紋を検出する（ステップＳ１２）。加速度センサ１３および指紋センサ１２は、それぞれ出力振幅値および指紋データを制御部１５に出力する。制御部１５は入力された出力振幅値および指紋データをサーバ２０に送信する（ステップＳ１３）。なお、ステップＳ１１とステップＳ１２とは順不同であり、並行して行われてよい。
　サーバ２０の制御部２５は、制御部１５から出力振幅値および指紋データを受信する（ステップＳ２１）。制御部２５の識別部２３は、指紋データに基づき指紋認証を行うことで、ドアノブ１１を把持したユーザを識別する（ステップＳ２２）。具体的には、識別部２３は、記憶部２４の識別データテーブルの登録指紋データと、受信した指紋データとを照合する。なおこのとき、識別部２３は受信した指紋データが左右どちらの手指の指紋データであるかを特定してもよい。登録指紋データの中に受信した指紋データと一致するものがあった場合、識別部２３は、その一致する登録指紋データに対応付けられたユーザが、ドアノブ１１を把持したユーザであると特定する（すなわち、ユーザ識別が成功したと判定する）。一方、登録指紋データの中に受信した指紋データと一致するものが無い場合、制御部２５はユーザの識別に失敗したと判定する。
　識別部２３においてユーザ識別が成功した場合（ステップＳ２３でＹＥＳ）、推定部２２は出力振幅値に基づいてユーザの健康状態を推定する（ステップＳ２４）。以下、推定部２２の実行する健康状態の推定処理を詳述する。なお、識別部２３においてユーザ識別が失敗した場合は（ステップＳ２３でＮＯ）、サーバ２０は以降のステップを実行せず、一連の処理を終了する。なお、ユーザ識別に成功した場合、制御部２５は、このステップの後の任意のタイミングで、受信した出力振幅値を、識別したユーザの第１測定値のログデータに加えてもよい。
　本実施形態では、推定部２２は、記憶部２４に記憶された第１閾値を参照して、出力振幅値と第１閾値との大小を比較する。なお、ユーザの左右それぞれの手に対応する第１閾値が設定されている場合、推定部２２は、識別部２３が特定した方の手に対応する第１閾値を参照する。出力振幅値が第１閾値以下の場合、推定部２２はユーザの健康状態に異常は無いと推定する。一方、出力振幅値が第１閾値より大きい場合、推定部２２はユーザの健康状態に異常があると判定する。
　推定の結果、ユーザの健康状態に異常があると推定した場合（ステップＳ２５でＹＥＳ）、制御部２５は推定結果に基づく情報を携帯端末３０に送信する（ステップＳ２６）。なお、ユーザの携帯端末３０は、識別データテーブルの当該ユーザについてのレコードを参照することで特定することができる。一方、ユーザの健康状態に異常がないと判定した場合（ステップＳ２５でＮＯ）、制御部２５はステップＳ２６の処理は行わず、一連の処理を終了する。
　携帯端末３０の制御部３２は、通信部３１を介して推定結果に基づく情報を受信する（ステップＳ３１）。制御部３２は、前記推定結果に基づく情報に応じた通知を出力部３３から出力させる（ステップＳ３２）。例えば、携帯端末３０が出力部３３としてディスプレイを備えている場合、制御部３２は前述の通知として、ディスプレイに「手の動作に異常が見られました」または「体調不良の可能性があります」等の注意喚起のメッセージを表示させてもよい。
　なお、推定部２２がユーザの健康状態に異常が無いと推定した場合（ステップＳ２５でＮＯ）であっても、推定結果に基づく情報を携帯端末３０に送信してもよい。そして、携帯端末３０は、当該推定結果に基づく情報に応じた通知を出力してもよい。例えば、携帯端末３０の制御部３２は、ディスプレイに「健康状態に異常はありません」というメッセージを表示させてもよい。また、推定システム１００が携帯端末３０を含まない構成の場合、推定システム１００においてステップＳ２６、ステップＳ３１、およびステップＳ３２は実行されなくてもよい。
　図３に示す処理によれば、ユーザがドアノブ１１を把持したときにユーザの健康状態が推定される。そして、ユーザの健康状態に異常があると推定された場合、当該ユーザの携帯端末３０から通知が出力される。このように、推定システム１００は、「ドアを開閉する」というユーザの日常動作から、当該ユーザの健康状態を推定可能な第１測定値を得ることができる。そして、当該第１測定値に基づいて、ユーザの健康状態を推定することができる。したがって、推定システム１００によれば、ユーザの日常動作に基づいて当該ユーザの健康状態を推定することができる。
　さらに言えば、本実施形態において、推定部２２が健康状態の推定に用いる第１測定値は、ユーザの手の震えに関する測定値である。一般的に、人間の手の震えは、様々な疾患の初期症状として現れる可能性が高いと言われている。例えば、手の震えの原因と考えられるものとして、本態性振戦やパーキンソン病、多発性硬化症、甲状腺機能亢進症、アルコール依存症、および薬剤性振戦等の様々な疾患が挙げられる。また、このような疾患でなくても、ユーザの身体に不調がある場合、手指に震えが出ることがある。例えば、単なる風邪等であっても、身体の不調から手に力が入らず、震えが出るようなことは十分に考えられる。本実施形態に係る推定システム１００は、ユーザが毎日行うであろう日常動作（ドアの開閉）から、都度健康状態の異常の有無を推定する。したがって、前述のような疾患を含む種々の不調をユーザが有している可能性がある場合に、その可能性を早期に見出すことができる。
　〔第２実施形態〕
　本発明に係る推定システムは、把持部材に設けられた第２センサから、第２センサが取得した、ユーザの手の握力に関するデータである第２測定値を取得してもよい。そして、推定システムは、第１測定値と、第２測定値とに基づいてユーザの健康状態を推定してもよい。以下、本発明の第２実施形態に係る推定システム２００について説明する。なお、本実施形態を含む以降の実施形態において、第１実施形態と同様の構成および処理については、説明を繰り返さない。
　図４は、本実施形態に係る推定システム２００の構成を概略的に示す機能ブロック図である。推定システム２００は、ドアノブ１１が圧力センサ（第２センサ）１３を備えている点と、サーバ２０の制御部２５が、推定部２２に代わり推定部２６を含む点において、推定システム１００と異なっている。
　圧力センサ１４は、ユーザがドアノブ１１を把持したときの、ドアノブ１１の把持部分にかかる圧力を測定する。圧力センサ１４は、例えば、薄膜型のひずみゲージ等で実現可能である。圧力センサ１４は、測定結果を示す値（第２測定値）を制御部１５に出力する。換言すると、圧力センサ１４は、ユーザがドアノブを握る力、すなわちユーザの握力を測定しているといえる。したがって、第２測定値は、ユーザの握力を示す値である。なお、圧力センサ１４は、ユーザがドアノブ１１を把持してドア１０を開けるときの所定時間分（例えば、３秒分）の圧力を測定してもよい。この場合、圧力センサ１４は、前述の所定時間分の測定結果を第２測定値として出力する。したがって、圧力センサ１４の測定結果を経時的に分析することで、ユーザの握力の微小な変動を特定することができる。
　ドアノブ１１における圧力センサ１４の配置位置は特に限定されない。例えば、ドアノブ１１が第１実施形態の図２に示したような形状である場合、圧力センサ１４は押し込み部分１１ｃに組み込まれていてよい。なお、圧力センサ１４の検出面の大きさは特に限定されないが、ドアノブ１１が図２と同様の形状の場合は、圧力センサ１４の検出面は、ドア１０の高さ方向（図２では上下方向）に、手の人差し指から小指までの４本分の指の幅程度の長さを有していてよい。これにより、圧力センサ１４は検出面にかかる圧力、すなわち、ユーザが把持部分１１ａを把持した際のユーザの握力（および握力の変動、把持部分１１ａが手のどの部位から力を受けているか、等）を安定して測定することができる。なお、本実施形態の場合、把持部分１１ａにおいて、加速度センサ１３は圧力センサ１４の検出面の裏側（すなわち、内側）に組み込まれていてよい。これにより、圧力センサ１４による握力の測定と同時に加速度センサ１３も加速度を測定することができる。
　本実施形態に係る制御部１５は、圧力センサ１４の第２測定値を取得して、通信部１６を介してサーバ２０へと送信する。サーバ２０の通信部２１は第２測定値を受信すると、これを制御部２５に出力する。制御部２５の推定部２６は、第１測定値および第２測定値に基づいてユーザの健康状態を推定する。推定部２６の処理については後で詳述する。
　本実施形態に係る記憶部２４は、第１閾値に加えて、第２閾値を記憶している。第２閾値とは、第２測定値の閾値である。第２閾値は、第２測定値が示す握力が、ユーザの通常の健康状態の範囲内での握力であるか、当該範囲を超えている（すなわち、ユーザの健康状態に異常が生じている）握力であるか、の閾値である。第２閾値は圧力センサ１４の配置位置および検出精度等に応じて適宜定められてよい。
　なお、第２閾値はユーザ毎に異なる値に設定されていてもよいし、全ユーザ共通の値であってもよい。なお、ユーザ毎に異なる値に設定する場合、記憶部２４は、ユーザ識別情報と、当該ユーザ識別情報に対応する第２閾値とを対応づけて記憶する。この場合、第２閾値は、予め記憶部２４に登録されたユーザ情報（年齢、性別、身長、体重等）に応じて決定されてもよい。これにより、例えば力の弱いお年寄りと青年では第２閾値を変えるということも可能となる。また、右手に対する第２閾値と、左手に対する第２閾値とが別途設定されていてもよい。一般的に、利き手でドアを開閉するときよりも、利き手でない手でドアを開閉するときの方が、握力は小さくなると考えられる。したがって、左右の手それぞれに対する第２閾値を記憶しておくことで、ユーザの握力が通常の健康状態の範囲内であるか否かを、より精度よく判定することができる。なお、記憶部２４は、ユーザの識別情報と、受信した第１測定値および第２測定値とを対応づけて記憶していてもよい。すなわち、記憶部２４は、ユーザ毎に、第１測定値および第２測定値のログデータを記録していてもよい。
《推定部２６の機能》
　推定部２６の基本的な機能は推定部２２に準ずる。しかしながら、推定部２６は、第１測定値とともに、第２測定値にも基づいてユーザの健康状態を推定する点で、第１実施形態の推定部２２と異なる。前述の通り、第１測定値は手の震えに関するデータであり、第２測定値は手の握力に関する測定値である。推定部２６は、これら２つのパラメータそれぞれに基づいてユーザの健康状態を判定する。なお、推定部２６において、第１測定値に基づく健康状態の判定（以下、第１判定と称する）と、第２測定値に基づく健康状態の判定（以下、第２判定と称する）とは順不同、または並行して行われてよい。推定部は、この２つの判定結果を総合して、最終的に、ユーザの健康状態の推定結果を推定する。
　推定部２６は、第１実施形態のステップＳ２４と同様の方法で第１判定を行ってよい。推定部２６はステップＳ２４の直前、直後、またはステップＳ２４と並行して、例えば以下で説明する方法によって第２判定を行う。具体的には、推定部２６は、記憶部２４に記憶された第２閾値を参照して、第２測定値と第２閾値との大小を比較する。なお、ユーザの左右それぞれの手に対応する第２閾値が設定されている場合、推定部２６は、識別部２３が特定した方の手に対応する第２閾値を参照する。第２測定値が第２閾値以上の場合、推定部２６はユーザの健康状態に異常は無いと推定する。一方、第２測定値が第２閾値未満の場合、推定部２６はユーザの健康状態に異常があると判定する。
　第１判定の結果と第２判定の結果とが出揃うと、推定部２６は最終的な推定結果を導き出す。例えば、推定部２６は、第１判定と第２判定の両方で「ユーザの健康状態に異常がある」と判定された場合に、最終的な推定結果として、「ユーザの健康状態に異常がある」と判断してもよい。手の震え度合についても、握力についても異常があると判定されたユーザは、健康状態に異常がある可能性が高い。推定システム２００によれば、このようなケースに、ユーザの健康状態に異常があることを発見することができる。
　また例えば、推定部２６は、第１判定と第２判定のいずれか片方で「ユーザの健康状態に異常がある」と判定された場合に、最終的な推定結果として、「ユーザの健康状態に異常がある」と判断してもよい。手の震え度合、または握力について異常があると判定されたユーザは、健康状態に異常がある可能性がある。推定システム２００によれば、このようなケースに、ユーザの健康状態に異常があることを発見することができる。
　なお、推定部２６は、第１判定および第２判定の、それぞれ単体の判定結果としては、単に各種閾値以上か未満かを判定するだけで、健康状態の異常の有無を判定しないこととしてもよい。この場合、推定部２６は、第１判定における第１測定値と第１閾値の比較結果と、第２判定における第２測定値と第２閾値の比較結果とを総合して、ユーザの健康状態を推定すればよい。
　本実施形態によれば、推定システム２００は、第１測定値と第２測定値とに応じてユーザの健康状態を推定することができる。したがって、推定システム２００によれば、ユーザの健康状態をより精度高く（または、より詳細に）推定することができる。
　本実施形態において健康状態の推定に使用する第２測定値は、ユーザの手の握力に関する測定値である。手の握力の低下も、手の震えと同様に、様々な疾患の初期症状として現れる可能性が高い。例えば、握力が低下した人は、心筋梗塞および脳卒中のリスクが上昇し、心臓に関係する疾患を原因とする死亡率も増加するとの研究結果がある。また、このような疾患でなくても、ユーザの身体に不調がある場合、握力が低下することがある。本実施形態に係る推定システム２００は、ユーザの握力も考慮して、ユーザの健康状態を推定するため、より多くの疾患および不調の可能性を見出すことができる。
　〔第３実施形態〕
　本発明に係る推定システムは、把持部材に設けられた第３センサから、第３センサが取得した、把持部材を回転させる力および／または回転の速度に関する第３測定値を取得してもよい。そして、推定システムは、第１測定値と、第３測定値と、に基づいてユーザの健康状態を推定してもよい。また、推定システムは、第１測定値と、第２測定値と、第３測定値に基づいて、ユーザの健康状態を推定してもよい。
　以下、本発明の第３実施形態に係る推定システム３００について説明する。なお、以下の図面および説明では、推定システム３００が、第１測定値と、第２測定値と、第３測定値と、に基づいてユーザの健康状態を推定する例について説明する。すなわち、推定システム３００が、第２実施形態に係る推定システム２００の機能を備えた上で、さらに第３測定値を加味した推定を行う例について説明する。
　図５は、本実施形態に係る推定システム３００の構成を概略的に示す機能ブロック図である。推定システム３００は、ドアノブ１１がトルクセンサ（第３センサ）１７を備えている点と、サーバ２０の制御部２５が、推定部２２に代わり推定部２７を含む点において、推定システム１００および２００と異なっている。
　本実施形態において、ドアノブ１１は、第１および第２実施形態に係るプッシュプル式のドアノブではなく、ユーザが把持して回転させることで、ドアが開閉するような回転式のドアノブである。例えば、本実施形態に係るドアノブ１１は、回転式の握り玉を有するドアノブで実現される。指紋センサ１２、圧力センサ１４、および加速度センサ１３は、それぞれの測定が適切に行われるように、回転式のドアノブに適宜配置されている。例えば、指紋センサ１２は、ユーザがドアノブ１１を把持した際に、ちょうど親指が触れる位置に配置されていてよい。
　トルクセンサ１７は、ユーザがドアノブ１１を把持して回転させたときの、ドアノブを回転させる（ドアノブをひねる）力、および／または回転速度を測定するセンサである。トルクセンサ１７は、例えばひずみゲージを用いてねじれを測定し、その信号をトランスフォーマまたは光デバイスを利用して伝達するように構成される。トルクセンサ１７は、測定値（第３測定値）を制御部１５に出力する。なお、トルクセンサ１７は、ある１点（すなわち、一瞬）の測定値ではなく、ユーザがドアノブ１１を回転させてドア１０を開けるときの、所定時間分（例えば、３秒分）の回転力を測定し、その平均値を算出してもよい。そして、トルクセンサ１７は、この算出した平均値を第３測定値として出力してもよい。トルクセンサ１７の種類、配置位置、大きさ、および形状は、トルクセンサ１７がドアノブ１１を回転させる力および／または回転の速度に係るパラメータを測定可能であるならば、特に限定されない。
　本実施形態に係る制御部１５は、トルクセンサ１７の第３測定値を取得すると、当該第３測定値を、通信部１６を介してサーバ２０へと送信する。サーバ２０の通信部２１は第３測定値を受信すると、これを制御部２５に出力する。制御部２５の推定部２７は、第１測定値および第３測定値（および、第２測定値）に基づいてユーザの健康状態を推定する。推定部２７の処理については後で詳述する。
　本実施形態に係る記憶部２４は、第３閾値を記憶している。第３閾値とは、第３測定値の閾値である。第３閾値は、第３測定値（すなわち、ユーザがドアノブ１１を回転させる力および／または速度）が、ユーザの通常の健康状態の範囲内であるか、当該範囲を超えている（すなわち、ユーザの健康状態に異常が生じている）か、の閾値である。第３閾値はトルクセンサ１７の配置位置および検出精度等に応じて適宜定められてよい。
　なお、第３閾値はユーザ毎に異なる値に設定されていてもよいし、全ユーザ共通の値であってもよい。なお、ユーザ毎に異なる値に設定する場合、記憶部２４は、ユーザ識別情報と、当該ユーザ識別情報に対応する第３閾値とを対応づけて記憶する。この場合、第３閾値は、予め記憶部２４に登録されたユーザ情報（年齢、性別、身長、体重等）に応じて決定されてもよい。これにより、例えば力の弱いお年寄りと青年では第３閾値を変えるということも可能となる。また、右手に対する第３閾値と、左手に対する第３閾値とが別途設定されていてもよい。一般的に、利き手でドアノブをひねるときよりも、利き手でない手でドアノブをひねるときの方が、ドアノブを回転させる力および／または速度は小さくなると考えられる。したがって、左右の手それぞれに対する第３閾値を記憶しておくことで、ユーザのドアノブ１１を回転させる力および／または速度が通常の健康状態の範囲内であるか否かを、より精度よく判定することができる。
　記憶部２４はさらに、ユーザの識別情報と、受信した第１測定値および第３測定値（および第２測定値）とを対応づけて記憶していてもよい。すなわち、記憶部２４は、ユーザ毎に、第１測定値および第３測定値（および第２測定値）のログデータを記録していてもよい。
《推定部２７の機能》
　推定部２７の基本的な機能は推定部２２に準ずる。しかしながら、推定部２７は、第１測定値とともに、第３測定値にも基づいてユーザの健康状態を推定する点で、第１実施形態の推定部２２および第２実施形態の推定部２６と異なっている。なお、前述のように、推定部２７は第２測定値にも基づいてユーザの健康状態を推定してよい。以下では、推定部２７がこの３つのデータを用いて健康状態の推定を行う場合について説明する。なお、推定部２７において、第１判定と、第２判定と、第３測定値に基づく健康状態の判定（以下、第３判定と称する）とは順不同、または並行して行われてよい。推定部は、この３つの判定結果を総合して、最終的に、ユーザの健康状態の推定結果を推定する。
　推定部２７は、第１実施形態のステップＳ２４と同様の方法で第１判定を行ってよい。また、推定部２７はステップＳ２４の直前、直後、またはステップＳ２４と並行して、第２判定および第３判定を行う。推定部２７は、記憶部２４に記憶された第３閾値を参照して、第３測定値と第３閾値との大小を比較する。なお、ユーザの左右それぞれの手に対応する第３閾値が設定されている場合、推定部２７は、識別部２３が特定した方の手に対応する第３閾値を参照する。第３測定値が第３閾値以上の場合、推定部２７はユーザの健康状態に異常は無いと推定する。一方、第３測定値が第３閾値未満の場合、推定部２７はユーザの健康状態に異常があると判定する。
　第１判定、第２判定、および第３判定の結果が出揃うと、推定部２７は最終的な推定結果を導き出す。例えば、推定部２７は、第１判定、第２判定、および第３判定の全てで「ユーザの健康状態に異常がある」と判定された場合に、最終的な推定結果として、「ユーザの健康状態に異常がある」と判断してもよい。手の震え度合についての判定でも、握力についての判定でも、ドアノブをひねる力および速度についての判定でも、「異常がある」と判定されたユーザは、健康状態に異常がある可能性が非常に高い。推定システム３００によれば、このようなケースに、ユーザの健康状態に異常があることを発見することができる。
　また例えば、推定部２６は、第１判定、第２判定、および第３判定のいずれか１つで「ユーザの健康状態に異常がある」と判定された場合に、最終的な推定結果として、「ユーザの健康状態に異常がある」と判断してもよい。手の震え度合、握力、ならびにドアノブをひねる力および速度の少なくとも１つについて異常があると判定されたユーザは、健康状態に異常がある可能性がある。推定システム３００によれば、このようなケースに、ユーザの健康状態に異常があることを発見することができる。
　なお、推定部２７は、第１判定、第２判定、および第３判定の、それぞれ単体の判定結果としては、単に各種閾値との大小を判定するだけで、健康状態の異常の有無を判定しないこととしてもよい。この場合、推定部２７は、各判定における各種測定値と各種閾値との比較結果とを総合して、ユーザの健康状態を推定すればよい。
　本実施形態によれば、推定システム３００は、第１測定値および第３測定値（および、第２測定値）に応じて、ユーザの健康状態を推定することができる。したがって、推定システム３００によれば、ユーザの健康状態をより精度高く、または、より詳細に推定することができる。
　本実施形態において健康状態の推定に使用する第３測定値は、ユーザがドアノブ１１を回転させる力および／または回転させる速度に関する測定値である。このようなひねる動作の力の強さおよび／または速度は、手の握力と同様、種々の疾患や身体不調等が原因で低下することがある。本実施形態に係る推定システム３００は、このようなユーザのひねる力および／または速さも考慮して、ユーザの健康状態を推定する。そのため、推定システム３００によれば、より多くの疾患および不調の可能性を見出すことができる。
　なお、推定システム３００において、推定システム２００に係る構成および処理は必須ではない。すなわち、推定システム３００は、圧力センサ１４を含んでいなくてもよい。そして、制御部２５は第２測定値を取得しなくてもよい。また、推定部２７は第２判定を実行しなくてもよい。この場合、推定部２７は、第１判定と第３判定とを総合して、最終的な推定結果を導き出せばよい。
　〔第４実施形態〕
　本発明において、第１～第３閾値はそれぞれ、推定部により第１～第３測定値のログデータに応じて導き出される値であってもよい。すなわち、第１～第３閾値は変動する値であってもよい。以下、本発明の第４実施形態について説明する。なお、本実施形態に係る構成は、前述の第１～第３実施形態にて説明した推定システム１００、２００，および３００のいずれにも適用可能である。
　本実施形態に係る推定部２２、２６、または２７は、前記各実施形態において説明した機能に加えて、それぞれ、ログデータから判定に使用する閾値を算出する機能を有している。すなわち、推定部２２であれば、第１測定値のログデータから第１閾値を算出することができる。また、推定部２６であれば、推定部２２の前述の算出機能に加え、第２測定値のログデータから第２閾値を算出する機能を有している。また、推定部２７であれば、推定部２２の前述の算出機能に加え、第３測定値のログデータから第３閾値を算出する機能を有している。また、推定部２７は、推定部２６と同様、第２測定値のログデータから第２閾値を算出する機能を有していてもよい。
　例えば、推定部２２、２６、または２７は、記憶部２４の各種ログデータを参照して、直近の所定期間（例えば、直近の１か月または１年等）分の各種測定値の平均値を算出する。推定部２２、２６、または２７は、第１閾値については、直近の所定期間分の第１測定値の平均値に、１より大きい所定の係数（１．３等）を乗算した値を第１閾値とする。また、推定部２６または２７は、直近の所定期間の第２測定値の平均値に、１より小さい所定の係数（０．７等）を乗算した値を第２閾値とする。また、推定部２７は、直近の所定期間の第３測定値の平均値に、１より小さい所定の係数（０．７等）を乗算した値を第３閾値とする。なお、これらの所定の係数は適宜定められてよい。
　図６の（ａ）および（ｂ）は、第１測定値である出力振幅の値のログデータと、第１閾値との関係の一例を示すグラフである。図示の通り、グラフの縦軸は加速度センサ１３の出力振幅の値であり、横軸は時間である。また、グラフ中の各プロットは、第１測定値のログにおける、１レコード分の第１測定値である。なお、図６のグラフでは、値の推移を見やすくするために、各プロットを折れ線でつないでいる。しかしながら、各プロットはドアの開閉というイベントの度に記録された独立したデータであって、時間的に連続して測定されたものではない。
　図６の（ａ）では、グラフに示すように、最新の出力振幅の値（すなわち、今測定された第１測定値）は第１閾値以上である。一方、図６の（ｂ）のグラフでは、最新の第１測定値自体は図６の（ａ）と同じ値（ｎ）であるが、図６の（ａ）と比べ、第１測定値のログデータの値が全体的に高い。このような場合、前述のように第１閾値を算出すると、第１閾値の値は高くなる。したがって、図示の通り、図６の（ｂ）のケースでは同じ出力振幅の値であっても第１閾値が高いため、「異常なし」と判定される。
　本実施形態に係る推定システム１００、２００、または３００によれば、ドアノブ１１を把持してドア１０を開けようとしたユーザの各種測定値が、直近の所定期間中に同様の動作を行ったときの測定値と大幅に異なる場合に、ユーザの健康状態に異常があると判定する。これにより、推定システム１００、２００、または３００は、ユーザの平時の測定値を考慮して、健康状態の推定を行うことができる。したがって、推定システム１００、２００、または３００における健康状態の推定精度を向上させることができる。
〔第５実施形態〕
　本発明に係る推定システム２００または３００は、第１判定～第３判定の結果をそれぞれ数値化し、数値化したそれぞれの結果について重み付けすることで、総合的な推定結果を導き出してもよい。なお、各判定の結果を数値化する際、その数値は、閾値との大小関係だけではなく、閾値からどれだけ離れた数値であるかに基づいて定められてもよい。また、前述の重み付けのときの係数は適宜定められてよい。以下、本発明の第５実施形態について説明する。なお、各判定の結果を数値化したものを、以下では「スコア」と称する。
　例えば、第１～第３判定の結果は以下のように数値化することができる。まず、第１～第３判定、それぞれ単体の判定では「異常なし」と判定される結果（すなわち、第１測定値が第１閾値以下の場合、第２測定値が第２閾値以上である場合、および、第３測定値が第３閾値以上である場合）は、推定部２６または２７はこれらの判定のスコアを「０」とする。一方、第１～第３判定、それぞれ単体の判定で「異常あり」と判定された場合、推定部２６または２７はこれらの判定のスコアを「１」とする。
　続いて、推定部２６または２７は、各スコアに重み付けを行う。具体的には、各判定に応じた重み付け係数を、それぞれの判定のスコアに乗算して合算する。推定部２６および２７は、この乗算して合算したスコア（以降、最終スコアと称する）の値に応じて、ユーザの健康状態を推定する。例えば、合算したスコアが所定値以上である場合に、「健康状態に異常がある」との推定結果を導き出す。なお、重み付け係数はそれぞれ、適宜変更できる値であってもよい。
　なお、第１～第３判定、それぞれ単体の判定で「異常あり」と判定される場合（すなわち、第１測定値が第１閾値より大きい場合、第２測定値が第２閾値未満である場合、および、第３測定値が第３閾値未満である場合）、推定部２６または２７は、受信した第１～第３測定値と、各測定値に対応する第１～第３閾値との差の絶対値がどれだけであるかに応じて、それぞれの判定におけるスコアを決定してもよい。このとき、前記差の絶対値が大きいほど、大きいスコアが付与されてもよい。この場合も、その後の推定部２６または２７の重み付けおよび最終的な推定結果の決め方は同様である。
　本実施形態に係る推定システム２００または３００によれば、第１判定、第２判定、および第３判定について、それぞれの判定の結果の重要度を考慮した上で、健康状態の推定を行うことができる。したがって、本実施形態に係る推定システム１００、２００、または３００によれば、より精度の高い、またはより状況に合致した推定を実施することができる。
《推定処理の変形例》
　前述の第１～第５実施形態では、各種測定値（第１～第３測定値）と閾値との単なる大小関係に基づいて、健康状態に異常があるか否かを推定していた。しかしながら、本発明に係る推定システム１００、２００、および３００は、各種測定値に基づいて健康状態の良好度合いの指標値を推定してもよい。例えば、推定システム１００、２００、および３００は、健康状態を（最も悪い）１～９（最も良い）の９段階のレベルで推定してもよい。
　また、推定システム１００、２００、および３００においてこのような指標値を算出する場合、推定部２２、２６、および２７は、各種測定値が、当該測定値に対応する閾値からどの程度乖離しているかに応じて前述の指標値を決定してもよい。例えば、指標値を前述の９段階のレベルで推定するとする。この場合、例えば、第１測定値が第１閾値の０．７倍未満の場合は指標値を１とし、０．７倍以上１．０倍未満は指標値を２とし、１．０倍以上１．１倍未満なら指標値は３とする等としてもよい。また、前記指標値を推定する場合、サーバ２０は、前記指標値を携帯端末３０に送信し、携帯端末３０は前記指標値を示す情報を通知に含めてもよい。
〔第６実施形態〕
　第４実施形態に係る推定システム１００、２００、および３００では、健康状態を推定するための学習済モデルを機械学習によって作成してもよい。例えば、推定システム１００、２００，または３００は、第１～第３測定値のうち少なくとも１つのパラメータを入力すると、健康状態の異常の有無、または健康状態の良好度合を示す指標値を出力するような学習済モデルを作成してもよい。また、第４実施形態に係る推定システム１００、２００、および３００の推定部２２、２６、または２７は、前述の学習済モデルを用いてユーザの健康状態を推定してもよい。以下、本発明の第６実施形態について説明する。
　まず始めに、学習済モデルの作成方法の一例について説明する。なお、以下では一例として、学習済モデルを教師あり学習で作成する場合について説明する。しかしながら、学習済モデルの構築方法はこれに限定されない。また、以下では一例として、推定システム３００が、「第１～第３測定値を入力パラメータ（説明変数）とし、健康状態の良好度合を示す指標値を出力パラメータ（目的変数）とする」学習モデルを構築する場合について説明する。しかしながら、以下で説明する方法は推定システム１００および２００にも適用可能である。また、「健康状態の良好度合」ではなく、特定の疾患についての悪化度合を示す指標値が出力パラメータであってもよい。
　本実施形態に係る推定システム３００は、パーソナルコンピュータ（ＰＣ）等の演算装置を含む。なお、サーバ２０が演算装置を兼ねていてもよい。演算装置は記憶部を有し、当該記憶部には、未学習の学習モデルが記憶されている。学習モデルのアルゴリズムは特に限定されない。例えば、学習モデルのアルゴリズムとして、ニューラルネットワークが挙げられる。推定システム３００の設計者または利用者は、測定値と健康状態との関係を示すビッグデータを取得する。ここで、「測定値と健康状態との関係を示すビッグデータ」とは、例えば、第１～第３測定値に、健康状態の良好度合（例えば、前述の９段階のレベル）が対応付けられたデータが、無数に集積されたデータ群である。演算装置は、当該ビッグデータの一部または全部を用いて、学習モデルに機械学習（教師あり学習）を実行させる。すなわち、ビッグデータの一部または全部が機械学習の教師データとなる。
　なお、ビッグデータには、病院および／または公的機関等が公表しているデータが含まれていてもよい。また、ビッグデータは、ドアノブ１１と略同様の設備により測定したあるユーザの第１～第３測定値と、当該あるユーザの自己申告による健康状態の良好度合の指標値と、を対応づけたデータを含んでいてもよい。以上説明した機械学習により、第１～第３測定値を入力すると、健康状態の良好度合を示す指標値を出力する学習済モデルを構築することができる。
　このように作成された学習済モデルは、直接、または記録媒体等を用いて間接的に、サーバ２０にダウンロードされる。サーバ２０の記憶部２４は学習済モデルを記憶する。サーバ２０の推定部２７は、第１～第３測定値を取得すると、当該第１～第３測定値を記憶部２４の学習済モデルに入力する。学習済モデルは、入力された第１～第３測定値に応じた、健康状態の良好度合を示す指標値を出力する。推定部２７はこの出力結果を、健康状態の推定結果とする。すなわち、制御部２５は、前記出力結果を示す情報を携帯端末３０に通知する。以上の処理によれば、第１～第３測定値から、健康状態の良好度合を推定することができる。
〔変形例〕
《システム全体の変形例》
　ドア１０は建造物のドアではなく、車両等の移動体に取り付けられたドアであってもよい。例えば、ドア１０が車両用のドアの場合、ドアノブ１１はグリップタイプのドアノブであってもよい。また、ドアノブ１１が車両用ドアのドアノブである場合、サーバ２０は、各種車載装置と一体に構成されていてもよい。またこの場合、携帯端末３０の代わりに、車載装置としての表示部および／または音声出力部などの出力部から、推定部２２、２６、または２７の推定結果に基づく通知を出力してもよい。
　また、把持部材１１は、加速度センサ１３等の必須部材を搭載できるのであれば、ドアノブ以外の部材であってもよい。例えば、把持部材はユーザが日常的に把持して使用する茶碗、皿、箸、スプーン、フォーク、歯ブラシ等であってもよい。また、把持部材は、階段、風呂、トイレ等の手摺であってもよい。なお、これらの場合、各種センサは、把持部材１１の形状、および／またはユーザが把持部材１１を把持するときの手の形等に合わせて適宜配置されてよい。
　また、推定システム１００、２００、および３００においてサーバ２０が実行している処理の一部がユーザの携帯端末３０で実行されてもよい。この場合、記憶部２４に記憶されている各種データは、携帯端末３０の記憶部、またはインターネットを通じて接続されるクラウドサーバに格納されていてもよい。
　前述の各実施形態では、指紋データ、ならびに、手の震え、握力、ドアノブ１１を回転させる力および／または速度等を示すパラメータを、それぞれ別個のセンサで検出および測定することとした。しかしながら、本発明に係る推定システムの各種センサとして、複数種類のデータを同時に測定可能なセンサを用いてもよい。例えば、３方向の並進力を測定可能なベクトルセンサを採用すれば、当該ベクトルセンサで、加速度センサ１３と圧力センサ１４とを兼ねることができる。または、６軸センサ（すなわち、３軸加速度および３軸ジャイロを測定可能なセンサ）を採用することで、加速度センサ１３と、トルクセンサ１７とを兼ねることができる。これにより、把持部材に搭載する部品点数を削減することができる。
《ユーザ識別の変形例》
　また、前述の各実施形態では、指紋認証によってユーザを識別することとした。しかしながら、推定システム１００、２００、および３００は、指紋認証以外の手段によってユーザを識別してもよい。例えば、推定システム１００、２００、および３００は、顔認証を用いてユーザを識別してもよい。この場合、ユーザがドアノブ１１を把持するときに顔を撮影できるようなアングルで、ドア１０またはドア１０の近傍にカメラを取り付けておく。そして、カメラは人感センサ等で人の接近を検知すると、人の顔を撮影し、制御部１５に出力する。制御部１５はカメラから得た画像をサーバ２０の制御部２５に送信する。サーバ２０の識別部２３は、受信した画像（顔の画像）を、記憶部２４に予め登録されている各ユーザの顔画像と照合することで、ドアノブ１１を把持したユーザを識別する（顔認証）。なお、この場合、ユーザが左右どちらの手でドアを開けたかについても、カメラ画像から判別してよい。このように、画像等からドアノブ１１を把持した手が右手か左手かを特定することで、指紋認証および健康状態の推定のときに、左右正しいデータを参照することができる。
　もしくは、推定システム１００、２００、および３００は、ドアノブ１１を把持したユーザの手元を撮影するカメラを含んでいてもよい。この場合、カメラはユーザによるドアノブ１１の把持を人感センサ等で検知すると、当該ユーザの手元を撮影して撮影画像を制御部１５に送信する。制御部１５は撮影画像をサーバ２０の制御部２５に送信する。制御部２５は、受信した撮影画像から、ユーザが左右どちらの手でドアノブ１１を把持したか特定する。このように、画像等からドアノブ１１を把持した手が右手か左手かを特定することで、指紋認証および健康状態の推定のときに、左右正しいデータを参照することができる。
《センサおよび推定処理の変形例》
　推定システム１００、２００、および３００は、前述したセンサ以外のセンサを含んでいてもよい。そして、当該センサの測定値を加味して、推定部２２、２６、または２７における推定処理を行ってもよい。例えば、推定システム１００、２００、および３００のドアノブ１１には、静電センサおよび／または温度センサが含まれていてもよい。静電センサおよび／または温度センサは、加速度センサ１３等と同様に、測定値を制御部１５に出力する。制御部１５は取得した測定値を、サーバ２０の制御部２５に送信する。制御部２５は、推定部２２、２６、または２７における推定処理の際に、これらの測定値を加味して推定結果を導き出す。例えば、第１測定値等と同様に、これらの測定値に関しても記憶部２４に閾値を記憶させておき、その閾値と測定値との比較結果と、前述の各実施形態で述べた第１～第３測定値と第１～第３測定値との比較結果と、を総合して、ユーザの健康状態を判断してよい。
　例えば、静電センサの値は、ドアノブ１１を把持したユーザの汗の量および成分に関する値である。また、温度センサの値は、ドアノブ１１を把持したユーザの体温に関する値である。したがって、これらの測定値が異常な値を示している場合も、ユーザが何らかの疾患または不調を抱えていると推定できる。したがって、推定システム１００、２００、および３００は、これらの測定値を加味して健康状態の推定を行うことにより、より正確に健康状態を推定することができる。
　以上、本発明の実施形態について説明したが、本発明は、前記各実施形態に係る推定システム１００、２００、および３００とその変形例に限定されるものではなく、本発明の概念および特許請求の範囲に含まれるあらゆる態様を含む。また、前述した課題および効果の少なくとも一部を奏するように、各構成が適宜選択的に組み合わせられてもよい。例えば、前記実施形態における、各構成は本発明の具体的使用態様によって適宜変更されてもよい。
　１００、２００、３００…推定システム、１０…ドア、１１…ドアノブ（把持部材）、１２…指紋センサ（生体情報センサ）、１３…加速度センサ（第１センサ）、１４…圧力センサ（第２センサ）、１５…制御部、１６…通信部（把持部材送信部）、１７…トルクセンサ（第３センサ）、２０…サーバ（制御装置）、２１…通信部（送信部）、２２、２６、２７…推定部、２３…識別部、２４…記憶部、２５…制御部（取得部）、３０…携帯端末（端末装置）、３１…通信部、３２…制御部、３３…出力部

Claims (10)

  1. 　ユーザによって把持される部材である把持部材に設けられた第１センサから、当該第１センサが測定した前記ユーザの手の震えに関する第１測定値を取得する取得部と、
    　前記第１測定値に基づいて前記ユーザの健康状態を推定する推定部と、を備えることを特徴とする制御装置。
  2. 　前記取得部は、前記把持部材に設けられた生体情報センサが検出したユーザ固有の生体情報を取得し、
    　前記制御装置は、前記生体情報に基づいて前記ユーザを識別する識別部を備え、
    　前記推定部は、前記識別部により識別されたユーザについての、前記第１測定値のログデータに基づいて第１閾値を導き出し、前記第１測定値と前記第１閾値との比較結果に基づいて前記ユーザの健康状態を推定することを特徴とする、請求項１に記載の制御装置。
  3. 　前記取得部は、前記把持部材に設けられた第２センサから、当該第２センサが取得した前記ユーザの手の握力に関する第２測定値を取得し、
    　前記推定部は、前記第２測定値に基づいて前記ユーザの健康状態を推定することを特徴とする、請求項１または２に記載の制御装置。
  4. 　前記取得部は、前記把持部材に設けられた生体情報センサが検出したユーザ固有の生体情報を取得し、
    　前記制御装置は、前記生体情報に基づいて前記ユーザを識別する識別部を備え、
    　前記推定部は、前記識別部により識別されたユーザについての、前記第２測定値のログデータに基づいて第２閾値を導き出し、前記第２測定値と前記第２閾値との比較結果に基づいて前記ユーザの健康状態を推定することを特徴とする、請求項３に記載の制御装置。
  5. 　前記取得部は、前記把持部材に設けられた第３センサから、当該第３センサが取得した、前記把持部材を回転させる力および／または回転の速度に関する第３測定値を取得し、
    　前記推定部は、前記第３測定値に基づいて前記ユーザの健康状態を推定することを特徴とする、請求項１から４のいずれか１項に記載の制御装置。
  6. 　前記取得部は、前記把持部材に設けられた生体情報センサが検出したユーザ固有の生体情報を取得し、
    　前記制御装置は、前記生体情報に基づいて前記ユーザを識別する識別部を備え、
    　前記推定部は、前記識別部により識別されたユーザについての、前記第３測定値のログデータに基づいて第３閾値を導き出し、前記第３測定値と前記第３閾値との比較結果に基づいて前記ユーザの健康状態を推定することを特徴とする、請求項５に記載の制御装置。
  7. 　前記推定部は、
    　　前記第１測定値に基づく推定の結果、第２測定値に基づく推定の結果、および／または、第３測定値に基づく推定の結果をそれぞれ数値化し、
    　　数値化したそれぞれの推定の結果について重み付けすることで、総合的な推定結果を導き出すことを特徴とする、請求項３から６のいずれか１項に記載の制御装置。
  8. 　前記推定部の推定結果に基づく情報を前記ユーザの所持する端末装置に送信する送信部を備えることを特徴とする、請求項１から８のいずれか１項に記載の制御装置。
  9. 　ユーザによって把持される把持部材であって、
    　前記ユーザの手の震えに関する第１測定値を測定する第１センサと、
    　請求項１から８のいずれか１項に記載の制御装置に前記第１測定値を送信する把持部材送信部と、を備えることを特徴とする、把持部材。
  10. 　請求項１から８のいずれか１項に記載の制御装置と、
    　前記制御装置の前記送信部から前記推定結果に基づく情報を受信し、当該情報に応じた通知を出力する端末装置と、
    　請求項９に記載の把持部材と、を含むことを特徴とする、推定システム。
PCT/JP2023/019194 2022-08-31 2023-05-23 制御装置、把持部材、および推定システム WO2024047970A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022138135A JP2024034109A (ja) 2022-08-31 2022-08-31 制御装置、把持部材、および推定システム
JP2022-138135 2022-08-31

Publications (1)

Publication Number Publication Date
WO2024047970A1 true WO2024047970A1 (ja) 2024-03-07

Family

ID=90099288

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/019194 WO2024047970A1 (ja) 2022-08-31 2023-05-23 制御装置、把持部材、および推定システム

Country Status (2)

Country Link
JP (1) JP2024034109A (ja)
WO (1) WO2024047970A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018513707A (ja) * 2015-02-20 2018-05-31 ヴェリリー ライフ サイエンシズ エルエルシー 手持ち式器具を通じたヒトの振戦の測定および収集
CN110374403A (zh) * 2019-04-11 2019-10-25 上海济子医药科技有限公司 脑卒中安防预警门及其方法
US20210219875A1 (en) * 2020-01-21 2021-07-22 Koninklijke Philips N.V. System and method for assessing strength using wearable sensors
US20220031250A1 (en) * 2018-09-14 2022-02-03 The Regents Of The University Of California Toothbrush-derived digital phenotypes for understanding and modulating behaviors and health

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018513707A (ja) * 2015-02-20 2018-05-31 ヴェリリー ライフ サイエンシズ エルエルシー 手持ち式器具を通じたヒトの振戦の測定および収集
US20220031250A1 (en) * 2018-09-14 2022-02-03 The Regents Of The University Of California Toothbrush-derived digital phenotypes for understanding and modulating behaviors and health
CN110374403A (zh) * 2019-04-11 2019-10-25 上海济子医药科技有限公司 脑卒中安防预警门及其方法
US20210219875A1 (en) * 2020-01-21 2021-07-22 Koninklijke Philips N.V. System and method for assessing strength using wearable sensors

Also Published As

Publication number Publication date
JP2024034109A (ja) 2024-03-13

Similar Documents

Publication Publication Date Title
JP6423487B2 (ja) 痙攣の検出のためのシステムおよびその作動方法
US10799154B2 (en) Walking aid and system and method of gait monitoring
US20140085050A1 (en) Validation of biometric identification used to authenticate identity of a user of wearable sensors
US20140089673A1 (en) Biometric identification method and apparatus to authenticate identity of a user of a wearable device that includes sensors
JP5619728B2 (ja) 生理学的状態を決定するシステム
US20180008191A1 (en) Pain management wearable device
Hemmatpour et al. A review on fall prediction and prevention system for personal devices: evaluation and experimental results
CN108712881A (zh) 被测定者确定方法、被测定者确定系统、血压的测定状态判定方法、血压的测定状态判定装置以及血压的测定状态判定程序
CA2671501A1 (en) Automatic priorization of instances of medical care
Wade et al. Design and implementation of an instrumented cane for gait recognition
EP3581093A1 (en) Determining reliability of vital signs of a monitored subject
Rahman et al. Instantrr: Instantaneous respiratory rate estimation on context-aware mobile devices
JP5498902B2 (ja) 生体情報計測システム
WO2024047970A1 (ja) 制御装置、把持部材、および推定システム
JP2020513274A (ja) バランスを定量化するための多重パラメータ法
EP3222207A1 (en) System and method for non-intrusive detection and monitoring of parkinson's disease symptoms
Lambrecht et al. Automatic real-time monitoring and assessment of tremor parameters in the upper limb from orientation data
WO2022059249A1 (ja) 情報処理装置、情報処理システム、情報出力方法、および情報出力プログラム
US11911148B2 (en) Monitoring a subject
JP2022013587A (ja) サーバ、ユーザ支援システム、ユーザ支援方法及びプログラム
US20230088535A1 (en) Analysing a subject's grip
AU2015255261B2 (en) Method and apparatus for detecting seizures
JP7042541B1 (ja) 情報処理システム、サーバ、情報処理方法及びプログラム
ur Rehman et al. HemiPhysioData-A SmartWatch App and Methodolgy to collect sensor data of Upper Limbs
WO2023058391A1 (ja) 情報処理方法、情報処理システム及び情報処理装置

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: 23859740

Country of ref document: EP

Kind code of ref document: A1