図面 (/)

この項目の情報は公開日時点(2020年10月8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 (5)

課題

簡易な手法および構成により、深部体温を高精度に推定する深部体温推定装置および方法並びにプログラムを提供する。

解決手段

深部体温の測定対象である被測定者運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け入力受付部10と、複数の被験者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を入力情報とし、複数の被験者の直腸温実測値出力情報として機械学習して得られた学習済モデルに対して、入力受付部10によって受け付けられた情報を入力することによって被測定者の深部体温を推定する推定部11と、推定部11によって推定された被測定者の深部体温を出力する出力部12とを備える。

概要

背景

熱中症は、体内の水分が不足して発症する熱失神熱痙攣ミネラル(塩分など)が不足して発症する熱疲労、また深部体温が上昇して発症する熱射病分類され、中でも熱射病は深部体温が40℃以上となり、意識障害発汗停止の症状を呈し、重症化しやすく腎不全などの後遺症を残したり、死亡するリスクも高いため緊急対応が必要となる。そのため熱射病の予防は特に重要と考えられている。

熱射病の発症を予測するためには指標である深部体温の測定が必要であるが、深部体温は、食道内部や直腸内部の温度を測定して求めることができる。そこで、深部体温は、特殊な温度センサを食道内部や直腸内部へ挿入して測定することができるが、被験者にとり不快感が大きく、また簡便に測定できないデメリットがあった。

そこで、たとえば非特許文献1においては、特殊なセンサを用いて前額部、胸部など体表から計測部直下の組織温を連続的に計測できる深部体温計が提案されている。また、非特許文献2においては、温度センサを2箇所に配置することで、2点間熱流束を計測し、双熱流法の原理に基づき深部体温を推定するウェアラブル深部体温計が提案されている。

また、特許文献1においては、被測定者熱画像撮影し、その熱画像に基づいて、深部体温を推定する方法が提案されている。

また、特許文献2においては、作業者が用いるヘルメットに、温度センサを備えた深部体温プローブを設けることによって作業者の深部体温を計測する方法が提案されている。

また、特許文献3においては、被測定者の深部体温を非侵襲で求める深部体温計が提案されている。

また、特許文献4においては、生体温熱モデルを用いて、センサでの測定に基づいて取得された深部での熱産生から、体内の熱移動および体外との熱交換熱収支計算式で繰り返し計算することによって、運動中における深部体温を推定する方法が提案されている。

概要

簡易な手法および構成により、深部体温を高精度に推定する深部体温推定装置および方法並びにプログラムを提供する。深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け入力受付部10と、複数の被験者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を入力情報とし、複数の被験者の直腸温実測値出力情報として機械学習して得られた学習済モデルに対して、入力受付部10によって受け付けられた情報を入力することによって被測定者の深部体温を推定する推定部11と、推定部11によって推定された被測定者の深部体温を出力する出力部12とを備える。

目的

本発明は、上記事情に鑑み、簡易な手法および構成により、深部体温を高精度に推定することができる深部体温推定装置および方法並びにプログラムを提供する

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

深部体温測定対象である被測定者運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け入力受付部と、複数の被験者の前記運動負荷に関する情報、前記年齢に関する情報、前記体重および身長に関する情報、前記皮膚表面温度に関する情報、および前記心拍数に関する情報を入力情報とし、前記複数の被験者の直腸温実測値出力情報として機械学習して得られた学習済モデルに対して、前記入力受付部によって受け付けられた情報を入力することによって前記被測定者の深部体温を推定する推定部と、前記推定部によって推定された被測定者の深部体温を出力する出力部とを備えた深部体温推定装置

請求項2

前記学習済モデルの入力情報が、前記被験者の測定環境条件に関する情報をさらに含み、前記推定部が、前記学習済モデルに対して、前記被測定者の前記測定環境条件に関する情報をさらに入力することによって、前記被測定者の深部体温を推定する請求項1記載の深部体温推定装置。

請求項3

前記学習済モデルの入力情報が、前記被験者の性別に関する情報をさらに含み、前記推定部が、前記学習済モデルに対して、前記被測定者の前記性別に関する情報をさらに入力することによって、前記被測定者の深部体温を推定する請求項1または2記載の深部体温推定装置。

請求項4

前記被測定者の前記運動負荷に関する情報を検出する運動負荷情報検出部を備えた請求項1から3いずれか1項記載の深部体温推定装置。

請求項5

前記被測定者の前記皮膚表面温度に関する情報を検出する皮膚表面温度検出部を備えた請求項1から4いずれか1項記載の深部体温推定装置。

請求項6

前記被測定者の前記心拍数に関する情報を検出する心拍情報検出部を備えた請求項1から5いずれか1項記載の深部体温推定装置。

請求項7

深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け、複数の被験者の前記運動負荷に関する情報、前記年齢に関する情報、前記体重および身長に関する情報、前記皮膚表面温度に関する情報、および前記心拍数に関する情報を入力情報とし、前記複数の被験者の直腸温の実測値を出力情報として機械学習して得られた学習済モデルに対して、前記受け付けた情報を入力することによって前記被測定者の深部体温を推定し、該推定した被測定者の深部体温を出力する深部体温推定方法

請求項8

深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付けるステップと、複数の被験者の前記運動負荷に関する情報、前記年齢に関する情報、前記体重および身長に関する情報、前記皮膚表面温度に関する情報、および前記心拍数に関する情報を入力情報とし、前記複数の被験者の直腸温の実測値を出力情報として機械学習して得られた学習済モデルに対して、前記受け付けた情報を入力することによって前記被測定者の深部体温を推定するステップと、該推定した被測定者の深部体温を出力するステップとをコンピュータに実行させる深部体温推定プログラム

技術分野

0001

本発明は、被測定者深部体温推定する深部体温推定装置および方法並びにプログラムに関するものである。

背景技術

0002

熱中症は、体内の水分が不足して発症する熱失神熱痙攣ミネラル(塩分など)が不足して発症する熱疲労、また深部体温が上昇して発症する熱射病分類され、中でも熱射病は深部体温が40℃以上となり、意識障害発汗停止の症状を呈し、重症化しやすく腎不全などの後遺症を残したり、死亡するリスクも高いため緊急対応が必要となる。そのため熱射病の予防は特に重要と考えられている。

0003

熱射病の発症を予測するためには指標である深部体温の測定が必要であるが、深部体温は、食道内部や直腸内部の温度を測定して求めることができる。そこで、深部体温は、特殊な温度センサを食道内部や直腸内部へ挿入して測定することができるが、被験者にとり不快感が大きく、また簡便に測定できないデメリットがあった。

0004

そこで、たとえば非特許文献1においては、特殊なセンサを用いて前額部、胸部など体表から計測部直下の組織温を連続的に計測できる深部体温計が提案されている。また、非特許文献2においては、温度センサを2箇所に配置することで、2点間熱流束を計測し、双熱流法の原理に基づき深部体温を推定するウェアラブル深部体温計が提案されている。

0005

また、特許文献1においては、被測定者の熱画像撮影し、その熱画像に基づいて、深部体温を推定する方法が提案されている。

0006

また、特許文献2においては、作業者が用いるヘルメットに、温度センサを備えた深部体温プローブを設けることによって作業者の深部体温を計測する方法が提案されている。

0007

また、特許文献3においては、被測定者の深部体温を非侵襲で求める深部体温計が提案されている。

0008

また、特許文献4においては、生体温熱モデルを用いて、センサでの測定に基づいて取得された深部での熱産生から、体内の熱移動および体外との熱交換熱収支計算式で繰り返し計算することによって、運動中における深部体温を推定する方法が提案されている。

0009

特開2018−183564号公報
特開2018−134137号公報
特開2018−13395号公報
特開2017−217224号公報

先行技術

0010

BME Vol.2, No.3,1988
安衛研ニュースNo.119 (2018−10−05)

発明が解決しようとする課題

0011

しかしながら、非特許文献1〜非特許文献2および特許文献1〜特許文献4に記載の方法では、特殊なセンサが必要であったり、被測定者の情報を多点で計測する必要があり、コストアップや装置の大型化を招いたり、測定作業が煩雑になる問題などがあった。

0012

本発明は、上記事情に鑑み、簡易な手法および構成により、深部体温を高精度に推定することができる深部体温推定装置および方法並びにプログラムを提供することを目的とする。

課題を解決するための手段

0013

本発明の深部体温推定装置は、深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け入力受付部と、複数の被験者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を入力情報とし、複数の被験者の直腸温実測値出力情報として機械学習して得られた学習済モデルに対して、入力受付部によって受け付けられた情報を入力することによって被測定者の深部体温を推定する推定部と、推定部によって推定された被測定者の深部体温を出力する出力部とを備える。

0014

また、上記本発明の深部体温推定装置において、学習済モデルの入力情報は、被験者の測定環境条件に関する情報をさらに含むことができ、推定部は、学習済モデルに対して、被測定者の測定環境条件に関する情報をさらに入力することによって、被測定者の深部体温を推定することができる。

0015

また、上記本発明の深部体温推定装置において、学習済モデルの入力情報は、被験者の性別に関する情報をさらに含むことができ、推定部は、学習済モデルに対して、被測定者の性別に関する情報をさらに入力することによって、被測定者の深部体温を推定することができる。

0016

また、上記本発明の深部体温推定装置においては、被測定者の運動負荷に関する情報を検出する運動負荷情報検出部を備えることができる。

0017

また、上記本発明の深部体温推定装置においては、被測定者の皮膚表面温度に関する情報を検出する皮膚表面温度検出部を備えることができる。

0018

また、上記本発明の深部体温推定装置においては、被測定者の心拍数に関する情報を検出する心拍情報検出部を備えることができる。

0019

本発明の深部体温推定方法は、深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け、複数の被験者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を入力情報とし、複数の被験者の直腸温の実測値を出力情報として機械学習して得られた学習済モデルに対して、上記受け付けた情報を入力することによって被測定者の深部体温を推定し、その推定した被測定者の深部体温を出力する。

0020

本発明の深部体温推定プログラムは、深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付けるステップと、複数の被験者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を入力情報とし、複数の被験者の直腸温の実測値を出力情報として機械学習して得られた学習済モデルに対して、上記受け付けた情報を入力することによって被測定者の深部体温を推定するステップと、その推定した被測定者の深部体温を出力するステップとをコンピュータに実行させることができる。

発明の効果

0021

本発明の深部体温推定装置および方法並びにプログラムによれば、被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付け、その受け付けた情報を、予め得られた学習済モデルに入力することによって被測定者の深部体温を推定するようにしたので、簡易な手法および構成により、深部体温を高精度に推定することができる。

図面の簡単な説明

0022

本発明の深部体温推定装置の第1の実施形態の概略構成を示すブロック図
本発明の深部体温推定装置の第1の実施形態の深部体温推定装置の処理を説明するためのフローチャート
本発明の深部体温推定装置の第2の実施形態の概略構成を示すブロック図
被験者(被測定者)の直腸温の実際の測定値と、被験者(被測定者)の直腸温を推定値とを示すグラフ

0023

以下、図面を参照して本発明の深部体温推定装置の第1の実施形態について詳細に説明する。図1は、本実施形態の深部体温推定装置1の概略構成図である。

0024

深部体温推定装置1は、被測定者の深部体温を推定する装置である。本実施形態の深部体温推定装置1は、深部体温の測定対象である被測定者について、予め設定された5項目の情報を受け付け、その受け付けた情報を、予め機械学習によって生成された学習済モデルに入力することによって、被測定者の深部体温を推定する。

0025

深部体温推定装置1は、具体的には、図1に示すように、入力受付部10と、推定部11と、出力部12とを備えている。

0026

入力受付部10は、被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付ける。

0027

運動負荷に関する情報とは、被測定者の運動負荷の状況を示す情報であり、たとえば被測定者に対する運動負荷の有無を示す情報である。本実施形態の入力受付部10は、被測定者に対して運動負荷を課している場合には、運動負荷に関する情報として「1」の数値情報の入力を受け付ける。一方、入力受付部10は、被測定者に対して運動負荷を課していない場合には、運動負荷に関する情報として「0」の数値情報の入力を受け付ける。

0028

ただし、運動負荷に関する情報としては、このような「1」および「0」の数値情報に限らず、たとえば被測定者に課される運動負荷の程度に応じて、3段階以上の数値情報を設定し、入力受付部10が、その3段階以上の数値情報の入力を受け付けるようにしてよい。また、運動負荷に関する情報としては、これらの数値情報に限らず、被測定者の運動負荷の状況を示す情報であれば、その他の情報でもよい。

0029

年齢に関する情報としては、たとえば被測定者の年齢がそのまま用いられる。年齢に関する情報は、たとえば後述する入力装置2を用いて設定入力され、入力受付部10は、その設定入力された年齢を受け付ける。

0030

体重および身長に関する情報は、被測定者の体重および身長に関する情報であれば如何なる情報でもよいが、本実施形態の入力受付部10は、体重および身長に関する情報として、BMI(Body Mass Index)の値の入力を受け付ける。BMIの値については、たとえばBMIの測定装置から出力された値を入力受付部10が直接受け付けるようにしてもよいし、被測定者について予め測定されたBMIの値を入力装置2を用いて設定入力し、その設定入力された値を入力受付部10が受け付けるようにしてもよい。

0031

皮膚表面温度に関する情報は、被測定者の皮膚表面温度に関する情報であれば如何なる情報でもよいが、本実施形態の入力受付部10は、皮膚表面温度に関する情報として、被測定者の胸部または手背部の皮膚表面温度の入力を受け付ける。胸部または手背部は、その他の部位と比較する皮膚表面温度が安定しているので、測定対象として望ましい。

0032

皮膚表面温度の値については、たとえば温度センサなどから出力された値を入力受付部10が直接受け付けるようにしてもよいが、これに限らず、赤外線サーモグラフにより非接触に計測した値を受け付けるようにしてもよい。また、被測定者について予め測定された皮膚表面温度の値を入力装置2を用いて設定入力し、その設定入力された値を入力受付部10が受け付けるようにしてもよい。

0033

心拍に関する情報は、被測定者の心拍数に関する情報であれば如何なる情報でもよいが、本実施形態の入力受付部10は、心拍数に関する情報として、被測定者の心拍数の値のそのままの入力を受け付ける。

0034

心拍数の値については、たとえば心拍数を測定する装置などから出力された値を入力受付部10が直接受け付けるようにしてもよいし、被測定者について予め測定された心拍数の値を入力装置2を用いて設定入力し、その設定入力された値を入力受付部10が受け付けるようにしてもよい。心拍数を測定する装置としては、たとえば光電脈波法による透過
脈波測定装置反射型脈波測定装置を用いることができるが、これに限らず、心電図法により電気パルスを計測する装置、血圧計法により血管圧の変化を計測する装置、心音図法により音を計測する装置などを用いることができる。

0035

推定部11は、被測定者の深部体温を推定する。本実施形態の推定部11は、入力受付部10によって受け付けられた5項目の情報を、予め機械学習を行うことによって生成された学習済モデルに入力することによって、被測定者の深部体温を推定する。学習済モデルは、推定部11に記憶するようにしてもよいし、たとえば深部体温推定装置1と通信ネットワークを介して接続されるサーバ装置などに記憶してもよい。

0036

学習済モデルは、複数の被験者の上記運動負荷に関する情報、上記年齢に関する情報、上記体重および身長に関する情報、上記皮膚表面温度に関する情報、および上記心拍数に関する情報を入力情報とし、複数の被験者の直腸温の実測値を出力情報として機械学習することによって得られたものである。

0037

機械学習の方法としては、公知な手法を用いることができ、ディープニューラルネットワーク(DNN)、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、およびデノイジンスタックオートエンコーダDSA)などを用いることができる。

0038

出力部12は、推定部11によって推定された被測定者の深部体温を出力する。具体的には、本実施形態の出力部12は、推定部11によって推定された被測定者の深部体温を、深部体温推定装置1に接続された後述する表示装置3に表示させる。なお、本実施形態の出力部12の出力先としては、表示装置3に限らず、深部体温推定装置1に対して通信ネットワークを介して接続されたコンピュータやサーバ装置などに出力するようにしてもよいし、プリンタなどの印刷装置に出力するようにしてもよい。

0039

また、推定部11によって推定された被測定者の深部体温または深部体温の上昇値が、予め設定された閾値を超えた場合には、出力部12が、表示装置3に警告メッセージを表示させたり、もしくは警告音を発するようにしてもよい。これにより、被測定者の熱射病などの熱中症の発症を防止することができる。

0040

深部体温推定装置1は、コンピュータから構成され、CPU(Central Processing Unit)またはGPU(Graphics Processing Unit)、ROM(Read Only Memory)およびRAM(Random Access Memory)などの半導体メモリハードディスクなどのストレージ、および通信I/F(Interface)などを備えている。

0041

また、深部体温推定装置1の半導体メモリまたはハードディスクには、本発明の一実施形態に係る深部体温推定プログラムがインストールされている。CPUまたはGPUが、この深部体温推定プログラムを実行することによって、図1に示す入力受付部10、推定部11および出力部12が機能する。

0042

すなわち、深部体温推定プログラムは、深部体温の測定対象である被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報の入力を受け付けるステップと、上述した学習済モデルに対して、上記受け付けステップで受け付けた情報を入力することによって被測定者の深部体温を推定するステップと、その推定した被測定者の深部体温を出力するステップとをコンピュータに実行させる。

0043

なお、深部体温推定装置1のハードウェア構成は、上述した構成に限定されない。

0044

また、本実施形態においては、上述した入力受付部10、推定部11および出力部12の機能を全て深部体温推定プログラムによって実行するようにしたが、これに限らず、一部または全部の機能をASIC(Application Specific IntegratedCircuit)やFPGA(Field-Programmable Gate Array)、その他の電気回路などのハードウェアから構成するようにしてもよい。

0045

深部体温推定装置1には、図1に示すように入力装置2および表示装置3が、有線または無線で接続されている。入力装置2は、上述したような種々の情報を設定入力可能に構成されており、たとえばキーボードマウスなどを備えている。また、表示装置3は、たとえば液晶ディスプレイなどを備えている。なお、深部体温推定装置1をタブレット端末ウェアラブル端末で構成するようにしてもよい。深部体温推定装置1をウェアラブル端末とする場合の詳細な構成については、後で詳述する。

0046

次に、本実施形態の深部体温推定装置1の処理の流れについて、図2に示すフローチャートを参照しながら説明する。

0047

まず、ユーザが、入力装置2を用いて、被測定者の運動負荷に関する情報、年齢に関する情報、体重および身長に関する情報、皮膚表面温度に関する情報、および心拍数に関する情報を設定入力する(S10)。

0048

ユーザによって設定入力された上記5項目の情報は、深部体温推定装置1の入力受付部10によって受け付けられる(S12)。

0049

入力受付部10によって受け付けられた5項目の情報は、推定部11に入力される。推定部11は、入力受付部10によって受け付けられた5項目の情報を、上述した学習済モデルに入力することによって、被測定者の深部体温を推定する(S14)。

0050

推定部11によって推定された被測定者の深部体温は出力部12に出力され、出力部12は、入力された被測定者の深部体温を表示装置3に表示させる(S16)。

0051

なお、上記実施形態の深部体温推定装置1においては、学習済モデルの入力情報として、上述した5項目の情報を用いるようにしたが、さらに、被験者の測定環境条件に関する情報を入力情報に含めて機械学習を行った学習済モデルを用いるようにしてもよい。そして、推定部11が、その学習済モデルに対して、被測定者の上述した5項目の情報および測定環境条件に関する情報を入力することによって、被測定者の深部体温を推定するようにしてもよい。

0052

測定環境条件とは、被験者の直腸温の実測値を測定する際および被測定者の深部体温を推定する際において被験者および被測定者が置かれている環境条件のことであり、たとえば暑さ指数(WBGT(Wet Bulb Globe Temperature))を用いることができる。被測定者の深部体温を推定する際、このような測定環境条件を含めることによって、被測定者の置かれた環境を考慮することができるので、深部体温の推定精度をより向上させることができる。

0053

なお、測定環境条件としては、上述した暑さ指数に限らず、暑さ指数を計算する際に用いる乾球温度湿球温度輻射温度および湿度などを単独または複数組み合わせて用いるようにしてもよい。

0054

また、さらに、学習済モデルの入力情報として、被験者の性別に関する情報を含めて機械学習を行った学習済モデルを用いるようにしてもよい。そして、推定部11が、その学習済モデルに対して、被測定者の上述した5項目の情報および性別に関する情報を入力することによって、被測定者の深部体温を推定するようにしてもよい。

0055

性別に関する情報としては、たとえば性別が男性である場合には「1」を、女性である場合には「2」を学習済モデルに入力するようにすればよい。深部体温は、被測定者が同じ環境下にいたとしても性別によって異なる可能性が考えられるので、深部体温を推定する際、性別に関する情報を含めることによって、深部体温の推定精度をより向上させることができる。

0056

次に、本発明の深部体温推定装置の第2の実施形態を備えたウェアラブル端末5について説明する。

0057

ウェアラブル端末5は、深部体温を推定するための基本的な構成は、上述した第1の実施形態の深部体温推定装置1と同様であるが、被測定者の運動負荷に関する情報、皮膚表面温度に関する情報および心拍数に関する情報の取得方法が異なる。

0058

ウェアラブル端末5の形態としては、リストバンド型腕時計型)でもよいし、メガネ型でもよいし、クリップ型でもよいが、上述した3つの情報を高精度に検出するためには、リストバンド型であることが好ましい。

0059

図3は、本実施形態のウェアラブル端末5の概略構成を示すブロック図である。本実施形態のウェアラブル端末5は、図3に示すように、本体部50、運動負荷情報検出部55、皮膚表面温度検出部56および心拍情報検出部57を備えている。

0060

本体部50は、入力受付部51、推定部52、出力部53および表示部54を備えている。本体部50の入力受付部51、推定部52および出力部53は、基本的な機能は、上述した第1の実施形態の深部体温推定装置1の入力受付部10、推定部11および出力部12と同様の構成である。

0061

表示部54は、たとえば液晶ディスプレイを備え、出力部12から出力された深部体温を表示する。また、表示部54をタッチパネルから構成し、深部体温を表示部54に表示させるとともに、表示部54において種々の情報の設定入力を受け付けるようにしてもよい。

0062

運動負荷情報検出部55は、被測定者の運動負荷に関する情報を検出する。運動負荷情報検出部55としては、たとえば加速度センサを用いることができる。たとえば加速度センサによる検出信号を入力受付部51が受け付け、推定部52が、入力された検出信号のパターンに基づいて、運動負荷に関する情報として上述した「0」か「1」を取得し、これを学習済モデルに入力するようにすればよい。

0063

皮膚表面温度検出部56は、被測定者の皮膚表面温度に関する情報を検出する。皮膚表面温度検出部56としては、たとえば温度センサを用いることができる。たとえばウェアラブル端末5をリストバンド型とした場合には、温度センサによって手背部に近い部分の皮膚表面温度を計測することができるので、深部体温の推定精度を向上させることができる。

0064

心拍情報検出部57は、被測定者の心拍数に関する情報を検出する。心拍情報検出部57としては、たとえば反射型脈波センサを用いることができる。そして、反射型脈波センサによって計測された心拍数を入力受付部51が受け付ける。

0065

ウェアラブル端末5において、年齢に関する情報並びに体重および身長に関する情報については、たとえば表示部54がタッチパネルから構成される場合には、そのタッチパネル上において設定入力すればよい。

0066

または、本体部50が有する通信I/Fによって通信ネットワークを介して他の通信端末装置に接続し、その通信端末装置において年齢に関する情報並びに体重および身長に関する情報を設定入力可能としてもよい。

0067

他の通信端末装置としては、スマートフォンやタブレット端末などがある。たとえばスマートフォンやタブレット端末において専用アプリケーションをインストールし、その専用アプリケーション上において年齢に関する情報並びに体重および身長に関する情報の設定入力を受け付けるようにしてもよい。また、専用アプリケーション上において、出力部53から出力された深部体温を表示するようにしてもよい。

0068

また、ウェアラブル端末5においても、上記実施形態の深部体温推定装置1と同様に、学習済モデルに対して、被験者および被測定者の測定環境条件に関する情報や、被験者および被測定者の性別に関する情報を入力するようにしてもよい。被験者の測定環境条件については、たとえばセンサなどによって検出してもよいし、表示部54または上述した専用アプリケーションにおいて設定入力してもよい。また、被験者の性別に関する情報については、表示部54または上述した専用アプリケーションにおいて設定入力すればよい。

0069

ウェアラブル端末5のその他の作用については、上記実施形態の深部体温推定装置1と同様である。

0070

以下、本発明の深部体温推定装置のより具体的な実施例について説明する。まず、深部体温の推定に用いる学習済モデルの生成方法の一実施例について説明する。

0071

本実施例では、被験者9名について、人工気候室で、室温35℃、湿度50%、WBGT29の条件下で運動負荷を行わせ、深部体温として直腸温を測定した。

0072

運動負荷については、被験者はまず実験衣に着替え、各種測定装置を装着後約10分程度人工気候室の中で環境に慣れさせ、無負荷における直腸温、手背部の皮膚表面温度および心拍数を6分間収集したのち、エルゴメータを利用して70kWの運動を開始した。そして、運動を開始した時点から直腸温、手背部の皮膚表面温度および心拍数の計測を15秒毎に行い、18分間の運動後18分間休憩、続いて24分間運動して18分間休憩させ、測定を終了した。

0073

直腸温および手背部の皮膚表面温度は、熱電対センサを用いて測定した。心拍数は日本光電BSM−2401を用いて測定した。人工気候室内の測定環境条件については、室内温度はVAISALA社温度計室内湿度はVAISALA社湿度計、さらに室内輻射温度は熱電対センサで測定してWBGTを求めた。これらの測定値はキーエンス社データロガーに記録した。

0074

また、上述した運動前において、被験者の身長および精密体重を測定し、その測定値からBMIを求めた。

0075

そして、被験者が無負荷の場合には、運動負荷に関する情報を「0」とし、運動中である場合には、運動負荷に関する情報を「1」とした。この運動負荷に関する情報と、被験者の年齢と、BMI、皮膚表面温度および心拍数の測定値とを入力値とし、直腸温の実側値を出力としてAIを用いて機械学習を行って学習済モデルを生成した。

0076

AIのプラットフォームはanaconda(登録商標)を使用し、プログラムはPython(登録商標)(ver.3.7)で作成し、Chainer(登録商標)(ver.5.1)AIライブラリ実装した。伝達関数は全結線型ニューラルネットワークで、活性化関数はReLu(Rectified Linear Unit、正規化線形関数)、最適化関数はAdam(Adaptive Moment Estimation、確率的勾配降下法)を用いた。またepock数(繰り返し学習する回数)は250回に設定した。

0077

そして、生成された学習済モデルに対して、被験者(被測定者)の上述した運動負荷に関する情報と、年齢と、BMI、皮膚表面温度および心拍数の測定値とを入力し、被験者(被測定者)の深部体温を推定した。

0078

図4は、被験者(被測定者)の直腸温の実測値と、被験者(被測定者)の直腸温を推定値とを示すグラフである。本実施例では、9名の被験者(被測定者)が順番に入れ替わって運動および直腸温の測定を行い、図4に示すグラフは、直腸温の実測値および直腸温(深部体温)の推定値を時系列プロットしたグラフである。図4に示すグラフの横軸は時間であり、縦軸が直腸温である。図4に示すように、各被験者の直腸温の実測値と推定値は、ほぼ一致するか、実用範囲内で一致することが分かった。

0079

なお、図4に示す直腸温(深部体温)の推定値を求める際に用いた学習済モデルは、ネットワーク層(中間層)を3層とし、1層辺りのノード数を32個とした。

0080

ここで、学習済モデルのネットワーク層間の結合を全結合型とした場合、結合係数は、3層のネットワーク層(L1〜L2)の場合、以下の式で表すことができる。Xは、上述した5項目の入力値であり、X=(x1,x2,x3,x4,x5)である。

0081

L1:Y1=W1・X+B1 ・・・(1)
L1:Y2=W2・Y1+B2
=W2・W1・X+W2・B1+B2 ・・・(2)
L3:Y3=W3・Y2+B3
=(W3・W2・W1)・X+((W3・W2)・B1+W3・B2+B3)
・・・(3)

0082

ただし、N番目の層の行列WNは、下式で表される。nは、入力値の数(本実施例では5)であり、mは、ノード数(本実施例では32)である。

0083

また、YとBは、Y=(y1,y2,y3,y4,y5)、B=(b1,b2,b3,b4,b5)と表すことができる。

0084

上式(3)より、ネットワーク層が3層の場合、測定値Xに対する直腸温yを
y=W・X+b
と表すと、機械学習を繰り返して求めた各層のWNとbNから、
W=W3・W2・W1
b=(W3・W2)・B1+W3・B2+B3
としてyを求めることができる。

0085

図4に示す直腸温y(推定値)を求める際のWとbは、以下の値を用いた。
W=[-0.7412948 0.00635842 -0.01517163 0.00944708 0.02534689]
b=35.710438

実施例

0086

なお、上記実施例は、本発明の深部体温推定装置の一実施例であり、本発明の深部体温推定装置は、上記実施例に限定されるものではない。

0087

1深部体温推定装置
2入力装置
3表示装置
5ウェアラブル端末
10入力受付部
11推定部
12 出力部
50 本体部
51 入力受付部
52 推定部
53 出力部
54 表示部
55運動負荷情報検出部
56皮膚表面温度検出部
57心拍情報検出部

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

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