図面 (/)

技術 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム

出願人 日本電気株式会社
発明者 福西広晃
出願日 2014年11月6日 (4年6ヶ月経過) 出願番号 2014-226533
公開日 2016年5月23日 (3年0ヶ月経過) 公開番号 2016-087182
状態 特許登録済
技術分野 診断用測定記録装置
主要キーワード モデル生成モジュール 入院用 判定履歴 時系列推定 情報処理装置制御プログラム 確率分布モデル 的関係性 トータルスコア
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年5月23日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

表面上の生体情報に表われない生体異常を検出する情報処理システムを提供する。

解決手段

表面上の生体情報に表われない生体異常を検出する情報処理システム110であって、複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段111と、前記複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段112と、前記生体情報の観測値を前記関係性モデルに適用して、前記統計的な関係性が維持されているか否を判定する判定手段114と、を備える。

概要

背景

上記技術分野において、特許文献1には、複数の生体情報を用いて生体の異常を検知する技術が開示されている。

概要

表面上の生体情報に表われない生体異常を検出する情報処理システムを提供する。表面上の生体情報に表われない生体異常を検出する情報処理システム110であって、複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段111と、前記複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段112と、前記生体情報の観測値を前記関係性モデルに適用して、前記統計的な関係性が維持されているか否を判定する判定手段114と、を備える。A

目的

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数種類生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、前記複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段と、前記生体情報の観測値を前記関係性モデルに適用して、前記統計的な関係性が維持されているか否を判定する判定手段と、を備える情報処理システム

請求項2

生体の状況に応じた複数の前記関係性モデルを記憶するモデル記憶手段と、前記生体の状況に基づいて前記モデル記憶手段から一つの関係性モデルを選択する選択手段と、をさらに備え、前記判定手段は、前記選択手段によって選択された前記関係性モデルを用いて、判定する請求項1に記載の情報処理システム。

請求項3

前記生体の状況とは、病院入院中、就寝中運動中、歩行中入浴中、および排便中の少なくともいずれか一つを含む請求項2に記載の情報処理システム。

請求項4

前記生体の環境情報を時系列に取得する環境情報取得手段と、前記環境情報に基づいて、前記生体の状況を判定する生体状況判定手段と、をさらに備える請求項2または3に記載の情報処理システム。

請求項5

前記生体の環境情報を時系列に取得する環境情報取得手段をさらに備え、前記生成手段は、前記複数種類の時系列生体情報と前記環境情報との間の統計的な関係性を示す関係性モデルを生成する請求項1乃至3のいずれか1項に記載の情報処理システム。

請求項6

前記環境情報とは、加速度センサの値、GPSの値、ベッドの圧力、および音声情報の少なくともいずれか一つを含む請求項4または5に記載の情報処理システム。

請求項7

前記生体情報は、体温血圧心拍数脳波血糖値呼吸数血中酸素濃度、および心電図波形の少なくともいずれか一つを含む請求項1乃至6のいずれか1項に記載の情報処理システム。

請求項8

前記複数種類の生体情報とは、生体の異なる位置で測定された生体情報を含む請求項1乃至7のいずれか1項に記載の情報処理システム。

請求項9

前記モデル記憶手段は、前記関係性モデルを、前記生体の遺伝子情報に関連付けて記憶し、前記選択手段は、前記遺伝子情報に基づいて前記モデル記憶手段から一つの関係性モデルを選択する請求項2に記載の情報処理システム。

請求項10

前記統計的な関係性は、相関関数で表わされ、前記相関数係数を算出する係数算出手段をさらに備える請求項1乃至9のいずれか1項に記載の情報処理システム。

請求項11

複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得手段と、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段と、前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定手段と、を備える情報処理装置

請求項12

複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成ステップと、前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定ステップと、を含む情報処理方法

請求項13

複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成ステップと、前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定ステップと、をコンピュータに実行させる情報処理プログラム

技術分野

背景技術

0002

上記技術分野において、特許文献1には、複数の生体情報を用いて生体の異常を検知する技術が開示されている。

先行技術

0003

特開2005−160984号公報

発明が解決しようとする課題

0004

しかしながら、上記文献に記載の技術では、一つ一つの生体情報が正常範囲内にあるか否かを複数回判定することで生体の異常を検知しているため、表面上の生体情報に表われない異常を検出することができなかった。

0005

本発明の目的は、上述の課題を解決する技術を提供することにある。

課題を解決するための手段

0006

上記目的を達成するため、本発明に係る情報処理システムは、
複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、
前記複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段と、
前記生体情報の観測値を前記関係性モデルに適用して、前記統計的な関係性が維持されているか否を判定する判定手段と、
を備える。

0007

上記目的を達成するため、本発明に係る情報処理装置は、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得手段と、
複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成手段と、
前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定手段と、
を備える。

0008

上記目的を達成するため、本発明に係る情報処理方法は、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成ステップと、
前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定ステップと、
を含む。

0009

上記目的を達成するため、本発明に係る情報処理プログラムは、
複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する取得ステップと、
複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する生成ステップと、
前記生体情報の観測値を前記関係性モデルに適用して、前記関係性が維持されているか否を判定する判定ステップと、
コンピュータに実行させる。

発明の効果

0010

本発明によれば、表面上の生体情報に表われない生体異常を検出できる。

図面の簡単な説明

0011

本発明の第1実施形態に係る情報処理システムの構成を示すブロックである。
本発明の第1実施形態に係る情報処理システムを一つの情報処理装置120内で実現した場合の構成で示すブロック図である。
本発明の第2実施形態に係る情報処理システムの動作の概略を示す図である。
本発明の第2実施形態に係る情報処理システムの動作の概略を示す図である。
本発明の第2実施形態に係る情報処理システムの適用場面を示す図である。
本発明の第2実施形態に係る情報処理システムの構成を示すブロック図である。
本発明の第2実施形態に係る異常判定用情報の構成を示す図である。
本発明の第2実施形態に係る生体情報の構成を示す図である。
本発明の第2実施形態に係る関係性モデルに対応するテーブルの一例を示す図である。
本発明の第2実施形態に係る関係性モデルの一例を示す図である。
本発明の第2実施形態に係る異常検出テーブルの一例を示す図である。
本発明の第2実施形態に係る情報処理システムの処理手順を示すフローチャートである。
本発明の第2実施形態に係る情報処理システムを一つの情報処理装置で実現した場合の情報処理装置のハードウェア構成を示すブロック図である。
本発明の第2実施形態に係る情報処理システムの処理手順を示すフローチャートである。
本発明の第3実施形態に係る情報処理システムの構成を示すブロック図である。
本発明の第3実施形態に係る関係性モデルの一例を示す図である。
本発明の第3実施形態に係る情報処理システムの処理手順を示すフローチャートである。
本発明の第4実施形態に係る関係性モデルの一例を示す図である。
本発明の第4実施形態に係る関係性モデルを生体にマッピングした場合の概要を示す図である。
本発明の第5実施形態に係る関係性モデルに対応するテーブルの一例を示す図である。
本発明の第6実施形態に係る関係性モデルの一例を示す図である。

実施例

0012

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。

0013

[第1実施形態]
本発明の第1実施形態としての情報処理システム110について、図1Aを用いて説明する。情報処理システム110は、時系列生体情報の統計的な関係性が維持されているか否かを判定するシステムである。

0014

情報処理システム110は、取得装置111と生成装置112と記憶装置113と判定装置114とを備える。これらの装置111〜114は、LAN(Local Area Network)などにより接続されている。取得装置111は、複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する。生成装置112は、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルを生成する。記憶装置113は、関係性モデルなどを記憶する。判定装置114は、生体情報の観測値を関係性モデルに適用して、関係性が維持されているか否かを判定する。

0015

図1Bは、本実施形態に係る情報処理システム110を一つの情報処理装置120内で実現した場合の構成で示すブロック図である。情報処理装置120は、時系列生体情報の統計的な関係性に基づいて生体の異常を判定する装置である。情報処理装置120は、取得部111と生成部112と判定部113とを備える。

0016

取得部111は、複数種類の生体情報を時系列に取得し、時系列生体情報として蓄積する。生成部112は、複数種類の時系列生体情報間の統計的な関係性(statistical relationship)を示す関係性モデル121を生成する。判定部113は、生体情報の観測値を関係性モデル121に適用して、関係性が維持されているか否かを判定する。

0017

本実施形態によれば、表面的なデータからは判定できない生体の異常を精度高く検出することができる。

0018

[第2実施形態]
次に本発明の第2実施形態に係る情報処理システム200について、図2A図11を用いて説明する。図2Aは、本実施形態に係る情報処理システムの処理の概略を説明するための図である。

0019

情報収集装置は例えば、血圧計体温計心拍数計などを含む。すなわち、情報収集装置は、患者などの血圧体温、心拍数、血中酸素濃度心電図波形脳波などの複数種類の生体情報(バイタルデータ)を時系列生体情報201(時系列データ)として収集する。

0020

情報処理システムは、情報収集装置が収集した生体情報に基づいて、生体情報間の統計的な関係性を示す関係性モデル203を生成する(202)。情報処理システムは、生体情報の観測値を生成した関係性モデル203に適用して、生体情報のそれぞれについて推定を行なう。そして、情報処理システムは、推定した結果と観測値とを比較することにより(204)、生体に異常があるか否かを判定する(205)。

0021

図2Bは、本実施形態に係る情報処理システムの処理の概略を説明する図である。情報処理システムは、取得した時系列生体情報211に基づいて、生体情報間の統計的な関係性から関係性モデル203を構築する。そして、関係性モデル203の構築により、生体情報同士の関係性が分かっているので、例えば、体温(x)の観測値212をこの関係性モデル203に適用することにより、心拍数(y*)および血圧(z*)を推定することができる。そして、心拍数および血圧の観測値(y、z)212と推定結果(y*、z*)213とを比較して、異常214を検出する。例えば、図示の例では、心拍数は正常215であるが、体温と血圧との関係に異常214が発生していることがわかる。

0022

図3は、本実施形態に係る情報処理システム220の適用場面を示す図である。本実施形態に係る情報処理システム220(例えば、クラウドシステム)は、ネットワーク230を介して入院中211の患者や在宅212の患者、ジョギング213などをしている人と接続されている。

0023

情報処理システム220は、これらの対象者から生体情報をネットワーク230を介して取得する。なお、ここでは情報処理システム220についてクラウドサーバを例に説明したが、情報処理システム220はこれに限定されず、スタンドアローン型のコンピュータやウェアラブル端末などでもよい。

0024

図4は、本実施形態に係る情報処理システム220の構成を示すブロック図である。情報処理システム220は、通信制御部401と生体情報取得部402とDB(データベース)403と関係性モデル生成部404と推定部405と異常判定部406と異常通知部407とを備える。

0025

通信制御部401は、情報処理システム220と生体情報432を取得する医療機器センサ、ウェアラブル端末、スマートフォンなどの他の機器との間の通信を制御する。

0026

生体情報取得部402は、通信制御部401で受信した血圧や体温、心拍数、血中酸素濃度、心電図波形、脳波などの生体情報432を取得する。生体情報取得部402は、取得した生体情報をDB403に格納する。

0027

DB403は、生体情報取得部402から受信した生体情報432を格納する。DB403は、さらに、異常判定用情報431や関係性モデル433、異常履歴434などを格納する。なお、異常判定用情報431や生体情報432、関係性モデル433、異常履歴434をそれぞれ別のDBに格納してもよい。

0028

関係性モデル生成部404は、DB403から複数種類の時系列の生体情報432を取得して、生体情報432のそれぞれの間の統計的な関係性を示す関係性モデル433を生成し、DB403に格納する。

0029

推定部405は、DB403から関係性モデル433を読み出して、通信制御部401で受信した生体情報432の観測値を読み出した関係性モデル433に適用して、生体情報432のそれぞれについて推定を行なう。推定部405は、推定した結果を異常判定部406に送信する。

0030

異常判定部406は、比較部461をさらに備え、推定部405から受信した推定結果と通信制御部401で受信した生体情報432の観測値とを比較して、異常の判定を行う。異常判定部406は、異常が検出された場合には、検出結果を異常通知部407に送る。異常通知部407は、異常の検出結果を通信制御部401に送り、通信制御部401がその異常の検出結果を、例えば、医師などが勤務する病院のコンピュータなどに通知する。

0031

図5は、DB403に記憶されている異常判定用情報431の構成を示す図である。異常判定用情報431は、生体情報の種類に関する生体情報種類情報510と関係性モデルに関する関係性モデル情報520と対象者情報530と閾値情報540とを記憶する。

0032

生体情報種類情報510は、生体情報の種類に関する情報、例えば、体温や血圧、心拍数などを格納する。関係性モデル情報520は、モデル周期521および観測周期521を記憶する。対象者情報530は、対象者ID531と属性532と入院フラグ533とモデル種類534と通知先アドレス535とを記憶する。

0033

対象者ID531は、対象者を識別するための番号などである。属性532は、対象者の属性を表す情報であり、例えば、年齢性別遺伝子情報などがある。入院フラグ533は、対象者が入院中か否かを示すためのフラグであり、対象者が入院している場合には、このフラグを、例えば、ONにする。

0034

モデル種類534は、例えば、対象者が入院中であれば入院用の関係性モデル433を用いなければ正しい異常検出ができないので、どのような関係性モデル433を用いているかを示すものである。

0035

通知先アドレス535は、異常が検出された場合に、異常検出を通知すべき相手先アドレスである。例えば、対象者が入院中の患者であれば、通知先アドレス535は、主治医通信端末などのアドレスであり、対象者が健康管理をしている人物であれば、通知先アドレス535は、かかりつけ医やその他のアドバイザーのアドレスなどである。

0036

閾値情報540は、関係性度閾値541と比較結果閾値542とトータルスコア閾値543の追加とを記憶する。関係性度閾値541は、関係性の崩れを判定するためのものであり、関係性に崩れがあったとしても、その崩れが所定の閾値の範囲内であれば、関係性の崩れとは判断しない。また、比較結果閾値542も同様に、比較の結果、異常の検出か否かを判定するためのものであり、ズレが生じていたとしても、そのズレが所定の範囲内であれば、異常の検出とはしない。

0037

図6は、本実施形態に係る生体情報432の構成を示す図である。日時601は、生体情報432を収集した日時を示すものである。バイタル情報602は、体温や心拍数、血圧などを含み、それぞれの収集した値が示される。

0038

そして、生体情報432は、関係性モデル周期と観測周期とに基づくデータ使用フラグ603、604を記憶する。例えば、関係性モデル周期603は、モデルの周期が10分で、観測周期が1分であるので、1分ごとに生体情報432を取得することを“○”で示している。また、関係性モデル周期604は、モデルの周期が1日で、観測周期が2時間であるので、2時間おきに生体情報432を取得することを“○”で示す。

0039

図7Aは、本実施形態に係る関係性モデル433に対応するテーブルの構成を示す図である。このテーブルは、時系列生体情報710、711と統計的関係性712とを記憶する。時系列生体情報710、711には、体温や血圧、心拍数などが記憶される。統計的関係性712は、時系列生体情報710と時系列生体情報711との統計的関係性を示す、関数パラメータ係数)、関係度が記憶される。

0040

関数やパラメータ(係数)は、例えば、ARモデル自己回帰モデル確率分布モデルなどを用いて算出することができるが、算出方法はこれらには限定されない。

0041

図7Bは、本実施形態に係る関係性モデル433の構成を示す図である。図示したように、関係性の強い生体情報432同士は太い線で結ばれ、関係性の弱い生体情報432同士は細い線で結ばれている。また、関係性が全くなければ生体情報432同士は、線で結ばれない。すなわち、関係性モデル433は、線の太さにより関係性の強さを示している。例えば、図7Aで関係度が0.5以上は太い線で結ばれている。

0042

図8は、本実施形態に係る異常検出テーブル800の構成を示す図である。異常検出テーブル800は、時系列観測値801と時系列推定結果802と比較観測値803と比較結果804と閾値805と異常スコア806とを記憶する。

0043

時系列観測値801には、体温測定値などが記憶される。時系列推定結果802には、血圧推定値や心拍数推定値などが記憶され、比較観測値803には、血圧観測値や心拍数観測値が記憶される。閾値805には、閾値の値(α、β)が記憶される。異常スコア806には、個別の生体情報432が異常か否かを示すスコアが示されており、さらに、異常スコアのトータルのスコアも記憶されている。

0044

図9は、本実施形態に係る情報処理システム200の処理手順を示すフローチャートである。情報処理システム200は、ステップS901において、時系列の生体情報432を収集する。情報処理システム200は、ステップS903において、収集した生体情報432に基づいて、生体情報432の間の統計的な関係性を示す関係性モデル433を生成する。

0045

情報処理システム200は、ステップS905において、生体情報432の観測値を取得する。情報処理システム200は、ステップS907において、取得した生体情報432の観測値を生成した関係性モデルに適用することにより推定を行なう。情報処理システム200は、ステップS909において、推定した結果と観測値とを比較する。

0046

情報処理システム200は、ステップS911において、比較の結果、異常が検出されたか否かを判定する。異常が検出された場合には、情報処理システム200は、ステップS913において、その異常を所定の通知先に通知する。異常が検出されなかった場合には、処理を終了する。

0047

図10は、本実施形態に係る情報処理システム220を1つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。情報処理システム220(情報処理装置220)は、CPU(Central Processing Unit)1010、ROM(Read Only Memory)1020およびRAM(Random Access Memory)1040を備えている。さらに、情報処理装置220は、ストレージ1050と通信制御部401とを備えている。

0048

CPU1010は、演算処理用のプロセッサであり、プログラムを実行することにより情報処理装置220の各機能構成部を実現する。なお、CPU1010は1つに限定されず、複数であってもよく、また、画像処理用のGPU(Graphics Processing Unit)を含んでもよい。ROM1020は、リードオンリメモリであり、ファームウェアなどのプログラムを記憶する。通信制御部401は、例えば、情報処理装置220とその他の機器などとの間の通信を制御する。

0049

RAM1040は、CPU1010が一時記憶用のワークエリアとして使用するランダムアクセスメモリである。RAM1040には、本実施形態の実現に必要なデータを記憶する領域がある。このようなデータとして、RAM1040は、関係性モデル生成用時系列生体情報1041、観測値1042、推定結果1043、比較結果1044、異常判定結果1045および送受信データ1046を一時的に記憶する。

0050

ストレージ1050は、本実施形態の実現に必要なプログラムやデータベースなどを記憶する記憶デバイスである。ストレージ1050は、異常判定用情報431と生体情報432と関係性モデル433と異常判定履歴434とを格納する。

0051

異常判定履歴434は、過去に異常判定がされた場合の履歴を保存するものであり、異常判定がされた日付や異常の種類、異常の危険度、異常を検出した臓器器官などの様々な情報を記録する。

0052

ストレージ1050は、さらに、情報処理装置制御プログラム1051と関係性モデル生成モジュール1052と推定結果生成モジュール1053と異常判定モジュール1054とを格納する。これらのモジュール1052〜1054は、CPU1010によりRAM1040のアプリケーション実行領域に読み出され、実行される。情報処理装置制御プログラム1051は、情報処理装置220の全体を制御するためのプログラムである。

0053

なお、図10に示したRAM1040やストレージ1050には、情報処理装置220が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。

0054

図11は、本実施形態に係る情報処理システム220の処理手順を示すフローチャートである。情報処理システム220は、ステップ1101において、関係性モデル433の生成か否かを判断する。関係性モデル433の生成である場合、情報処理システム220は、ステップS1103において、生体情報432を時系列生体情報として蓄積する。

0055

情報処理システム220は、ステップS1105において、蓄積された生体情報432に基づいて、関係性モデル433を生成する。情報処理システム220は、ステップS1107において、生成した関係性モデルをストレージ1050などに格納する。

0056

関係性モデル433の生成でない場合、情報処理システム220は、ステップS1121において、異常検出の判定か否かを判断する。異常検出の判定でない場合、情報処理システム220は、ステップS1161において、他の処理を実行する。

0057

異常検出の判定である場合、情報処理システム220は、ステップS1123において、ストレージ1050などに格納した関係性モデル433を読み出す。情報処理システム220は、ステップS1125において、生体情報432の観測値を受信する。情報処理システム220は、ステップS1127において、読み出した関係性モデル433に、取得した生体情報432の観測値を適用して推定を実行する。

0058

情報処理システム220は、ステップS1129において、推定した結果を同じ生体情報の観測値と比較する。情報処理システム220は、ステップS1131において、比較した結果、観測値と推定結果との差分が所定の閾値よりも大きいか否かを判断する。差分が所定の閾値よりも大きい場合、情報処理システム220は、ステップS1133において、異常スコアを加算する。

0059

情報処理システム220は、ステップS1135において、残りの生体情報432との関係性があるか否かを判定し、残りの生体情報432との関係性が有る場合、情報処理システム220は、ステップS1127へ戻り、その後のステップを繰り返す。

0060

情報処理システム220は、ステップS1137において、全ての生体情報432について処理が済んだか否かを判断する。全ての生体情報432について処理が済んでいない場合、情報処理システム220は、ステップS1127へ戻り、その後のステップを繰り返す。

0061

全ての生体情報432の処理が完了した場合、情報処理システム220は、ステップS1139において、加算スコアの合計が所定の閾値よりも大きいか否かを判断する。加算スコアの合計が所定の閾値よりも大きい場合、情報処理システム220は、ステップS1141において、所定の通知先へ異常を通知する。加算スコアの合計が所定の閾値よりも小さい場合、情報処理システム220は、処理を終了する。

0062

所定の閾値よりも大きいか否かの判断は、(異常関係性/全関係性)>閾値(例えば、30%)などにより判断することができる。ここで、異常関係性は、関係性モデルの関係性が維持されておらず、関係性が崩れている関係性モデルである。この他に、例えば、規定の異常関係性集合と現在の異常関係性集合とのマッチ度が、80%以上であれば、規定の異常が発生したものと判断してもよい。

0063

なお、上記の説明では、体温や血圧などの生体情報432を取得する医療機器などの生体情報取得センサの数は1個として説明してきたが、生体情報取得センサの数は1個に限定されない。例えば、体温計であれば、頭部や胸部腹部、脚部、背部など人体の様々な場所の体温を測定してもよい。

0064

また、生体情報432の間の統計的な関係性に基づいて関係性モデル433を生成する例で説明をしたが、関係性モデル433の生成方法はこれには限定されない。例えば、生体情報432の間の相関関数を算出し、これに基づいて関係性モデル433を生成してもよい。また、この相関関数の係数を算出することもできる。さらに、相関関数の他に時系列データの分散を分析して、この分析結果に基づいて関係性モデル433を生成してもよい。

0065

なお、本実施形態では、生体情報のそれぞれについて推定を行なう例で説明をしたが、例えば、生体情報それぞれについて、期待値予測値などを推定してもよい。そして、この推定した期待値や予測値に基づいて、異常の判定を行なってもよい。

0066

本実施形態によれば、関係性モデル433に基づいて異常判定を行うので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。

0067

[第3実施形態]
次に本発明の第3実施形態に係る情報処理システム1220について、図12図14を用いて説明する。図12は、本実施形態に係る情報処理システム1220の構成を説明するためのブロック図である。本実施形態に係る情報処理システム1220は、上記第2実施形態と比べると、関係性モデル選択部1208を有する点で異なる。その他の構成および動作は、第2実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。

0068

関係性モデル選択部1208は、生成した関係性モデル1233を選択可能に格納し、使用する関係性モデル1233を選択する。例えば、対象者が入院中であれば、入院中の関係性モデル1233を選択する。また、対象者が、例えば、普段の生活をしていて健康管理などを行っている場合などは通常の関係性モデル1233、ジョギングなどをしていて走行中の状態にある場合には走行中の関係性モデル1233を選択する。

0069

図13は、本実施形態に係る関係性モデル1233の構成を示す図である。生体の状況に応じて、使用する関係性モデルがあらかじめ決められており、入院中であれば、入院中モデルを使用し、走行中であれば、走行中モデルを使用する。

0070

図14は、本実施形態に係る情報処理システム1220の処理手順を示すフローチャートである。なお、図11と同様のステップについては、同じステップ番号を付けて説明を省略する。情報処理システム1220は、ステップS1101において、関係性モデル1233の生成である場合、ステップS1401において、関係性モデル1233を選択するための選択情報を取得する。情報処理システム1220は、ステップS1403において、選択情報に対応付けて関係性モデル1233をストレージなどの記憶デバイスに格納する。

0071

情報処理システム1220は、関係性モデル1233の生成でなく、異常判定の場合、ステップS1421において、関係性モデル1233を選択するための選択情報を取得する。生体の状況は、例えば、病院に入院中、就寝中運動中、歩行中入浴中および排便中などがあるが、これらには限定されない。

0072

本実施形態によれば、生体の状況に応じて、適切な関係性モデル1233を選択できるので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。

0073

[第4実施形態]
次に本発明の第4実施形態に係る情報処理システムについて、図15A図15Bを用いて説明する。図15Aは、本実施形態に係る情報処理システムの生成する関係性モデル1500を説明するための図である。本実施形態に係る関係性モデル1500は、上記第2実施形態と比べると、網羅的に複数種類の生体情報432間の関係性を算出し、さらに、同じ生体情報432であっても生体の複数の部分から取得した生体情報432間の関係性を算出する点で異なる。すなわち、生体の複数の部分にセンサなどを設け、生体の複数の部分から取得した生体情報に基づいて、網羅的に関係性を導出して関係性モデル1500を生成している点で異なる。

0074

図15Bは、関係性モデル1500を生体モデル上にマッピングした様子を示している。本実施形態では、生体の様々な箇所にセンサなどの生体情報取得機器を取り付けて、1つの生体情報432について生体の複数の箇所から取得した生体情報432間(例えば、頭部の体温と腹部の体温との間など)の関係性を導出する。さらに、生体情報432のそれぞれの間(例えば、血圧と体温との間など)の関係性をも導出し、網羅的に関係性を導出して関係性モデル1500を生成する。

0075

本実施形態によれば、網羅的に関係性を抽出して関係性モデル1500生成するので、表面上の生体情報からは検出できない生体の異常を正確かつ確実に検出することができる。

0076

[第5実施形態]
次に本発明の第5実施形態に係る情報処理システム1600について、図16を用いて説明する。図16は、本実施形態に係る関係性モデルに対応するテーブル1600を説明するための図である。本実施形態に係るテーブル1600は、上記第2実施形態と比べると、属性1601と対象者の周辺の環境1602との情報を記憶している点で異なる。属性1601としては、例えば、年齢や性別、遺伝子情報などがある。また、環境1602の情報としては、例えば、加速度センサの値やGPSの値、ベッドの圧力、音声情報などがある。環境1602の情報としては、さらに、気温湿度気圧などがある。

0077

本実施形態によれば、対象者の属性や周辺環境の情報を加味して、環境ごとに異なる関係性モデル433を生成したり、選択することができるので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。

0078

[第6実施形態]
次に本発明の第6実施形態に係る情報処理システムについて、図17を用いて説明する。図17は、本実施形態に関係性モデルの構成を示す図である。本実施形態に係る情報処理システムは、生体情報間の統計的な関係性の他に、環境情報と生体情報との間の統計的な関係性を加味して、関係性モデルを生成する。

0079

本実施形態によれば、生体情報と環境情報との間の関係性も加味して関係性モデルを生成するので、表面上の生体情報には表れない生体の異常を正確かつ確実に検出することができる。

0080

[他の実施形態]
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。

0081

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるWWW(World Wide Web)サーバも、本発明の範疇に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体(non-transitory computer readable medium)は本発明の範疇に含まれる。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 日東電工株式会社の「 液体吐出装置及び測定用テープ」が 公開されました。( 2019/03/22)

    【課題】携帯性に優れ、液体がサンプリング後に流路に残存することを抑制できる液体吐出装置を提供する。【解決手段】液体吐出装置であって、主流路と、主流路から分岐した副流路と、主流路における2点の間の範囲と... 詳細

  • 富士通株式会社の「 診断支援用コンピュータプログラム、診断支援装置及び診断支援方法」が 公開されました。( 2019/03/22)

    【課題】様々な症例の複数の画像の中から、被験者の画像に対する比較読影に適した画像を選択できる診断支援用コンピュータプログラムを提供する。【解決手段】診断支援用コンピュータプログラムは、被験者の画像から... 詳細

  • 花王株式会社の「 性格特性の検査方法」が 公開されました。( 2019/03/22)

    【課題】 被験者にストレスを与えず、性格特性や肌特性を簡便且つ客観的に評価する方法を提供する。【解決手段】以下の工程(1)〜(3)を含む、性格特性の検査方法。(1)被験者に、心地良さを惹起し且つ1回... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ