CN114980814A - 信息处理方法、计算机程序、信息处理装置及信息处理*** - Google Patents

信息处理方法、计算机程序、信息处理装置及信息处理*** Download PDF

Info

Publication number
CN114980814A
CN114980814A CN202180010135.4A CN202180010135A CN114980814A CN 114980814 A CN114980814 A CN 114980814A CN 202180010135 A CN202180010135 A CN 202180010135A CN 114980814 A CN114980814 A CN 114980814A
Authority
CN
China
Prior art keywords
information
subject person
motion
abnormal state
operation information
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN202180010135.4A
Other languages
English (en)
Inventor
本间康之
前田直之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Terumo Corp
Original Assignee
Terumo Corp
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 Terumo Corp filed Critical Terumo Corp
Publication of CN114980814A publication Critical patent/CN114980814A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • 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
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1127—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using markers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type

Landscapes

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

Abstract

信息处理方法使计算机执行如下处理：获取对对象者的动作进行检测的动作检测装置所检测到的动作信息，将所获取的所述动作信息存储在存储部内，基于所存储的规定期间内的所述动作信息来导出所述对象者的左半身及右半身的基准动作信息，并基于所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。

Description

信息处理方法、计算机程序、信息处理装置及信息处理***
技术领域
本发明涉及信息处理方法、计算机程序、信息处理装置及信息处理***。
背景技术
脑梗死是因脑血管闭塞或狭窄而引起脑缺血、导致脑组织坏死的状态。脑梗死的原因主要分为血栓性、栓塞性及血液动力学性，具体分为动脉粥样硬化血栓性脑梗死、心源性脑梗死、腔隙性脑梗死等。在脑梗死发病的情况下，由于闭塞或狭窄的脑血管的下游的细胞坏死，所以会发生麻痹、语言障碍、失明、眩晕、失调、意识障碍等症状。
由于脑梗死会随着时间推移而扩大，所以发现得越晚越容易变严重。因此，在这些症状发生之后及早发现脑梗死是很重要的。专利文献1中记载了一种测定体液试样中的缺口(nick)β2糖蛋白I的浓度来检测脑梗死的方法。
现有技术文献
专利文献
专利文献1：日本特开2003-121444号公报
发明内容
对象者能够通过主动利用使用了专利文献1那样的方法的诊断等来发现脑梗死。然而，表示脑梗死或脑缺血发生的症状多在日常生活中突然出现。另外，短暂性脑缺血发作等症状是短暂性的，会在短时间内消失。在这种情况下，即使出现脑梗死或脑缺血的症状，也可能发生对象者无自觉症状或症状被忽视而未检测到脑梗死的情况。
本发明的目的在于，提供一种信息处理方法等，能够判定对象者可能患有脑梗死的异常状态的有无。
本发明的一个方式的信息处理方法使计算机执行如下处理：获取对对象者的动作进行检测的动作检测装置所检测到的动作信息，将所获取的所述动作信息存储在存储部内，基于所存储的规定期间内的所述动作信息来导出所述对象者的左半身及右半身的基准动作信息，并基于所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
本发明的一个方式的计算机程序使计算机执行如下处理：获取对对象者的动作进行检测的动作检测装置所检测到的动作信息，将所获取的所述动作信息存储在存储部内，基于所存储的规定期间内的所述动作信息来导出所述对象者的左半身及右半身的基准动作信息，并基于所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
本发明的一个方式的信息处理装置具备：动作信息获取部，其获取对对象者的动作进行检测的动作检测装置所检测到的动作信息；存储部，其存储所述动作信息获取部所获取的动作信息；导出部，其基于所述存储部所存储的规定期间内的动作信息来导出所述对象者的左半身及右半身的基准动作信息；和判定部，其基于所述导出部所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
本发明的一个方式的信息***包括对对象者的动作进行检测的动作检测装置、和从该动作检测装置获取动作信息的信息处理装置，所述信息处理装置具备：动作信息获取部，其获取所述动作检测装置所检测到的动作信息；存储部，其存储所述动作信息获取部所获取的动作信息；导出部，其基于所述存储部所存储的规定期间内的动作信息来导出所述对象者的左半身及右半身的基准动作信息；和判定部，其基于所述导出部所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
发明效果
根据本发明，能够判定对象者可能患有脑梗死的异常状态的有无。
附图说明
图1是第一实施方式中的信息处理***的概要图。
图2是表示信息处理装置的结构的框图。
图3A是举例说明对象者信息DB的记录布局(record layout)的说明图。
图3B是举例说明动作信息DB的记录布局的说明图。
图3C是举例说明基准动作信息DB的记录布局的说明图。
图4是表示检测装置的结构的框图。
图5是表示终端装置的结构的框图。
图6是表示基准动作信息获取的处理顺序的一例的流程图。
图7是表示异常状态的判定处理顺序的一例的流程图。
图8是与异常状态的判定处理有关的说明图。
图9是表示由显示部显示的通知画面的一例的图。
图10是表示与警告信息有关的处理顺序的一例的流程图。
图11是表示由显示部显示的警告画面的一例的图。
图12是表示第二实施方式中的检测装置的结构的框图。
图13是表示第二实施方式中的异常状态的判定处理顺序的一例的流程图。
具体实施方式
参照表示实施方式的附图来具体说明本发明。
(第一实施方式)
图1是第一实施方式中的信息处理***100的概要图。本实施方式的信息处理***100是根据对象者的动作信息来判定脑梗死的可能性的***。信息处理***100包括信息处理装置1、和检测装置2所具备的动作检测传感器2a。信息处理装置1与检测装置2能够经由互联网等网络N进行信息的收发。信息处理装置1还经由网络N与终端装置3通信连接。
信息处理装置1基于从检测装置2获取到的对象者的动作信息，来判定对象者患有脑梗死或脑缺血的症状或预兆等的风险、即脑梗死的可能性。信息处理装置1经由终端装置3等提供与判定结果相应的信息。
动作信息是表示对象者的动作量的参数。动作量例如是对象者的四肢、头部等各部位的每单位时间的移动量(移动速度)、移动距离、抖动、角速度等，如后所述，能够从拍摄对象者而得到的图像中获得。需要说明的是，如后所述，动作量并不限定于从图像中获得，也可以是利用微波传感器、毫米波传感器、超声波传感器、加速度传感器等检测到的数据。
检测装置2例如设于对象者的住宅等，检测对象者在日常生活中的动作。检测装置2具备动作检测传感器(动作检测装置)2a，并向信息处理装置1发送由动作检测传感器2a检测到的动作信息。优选在例如对象者的住宅内的客厅、餐厅、厨房、洗手间、卧室等多个区域内设有多个动作检测传感器2a。动作检测传感器2a设置在对象者能够在未意识到传感器的情况下生活的位置即可。除了动作检测传感器2a之外，检测装置2也可以还具备生物体信息检测传感器(生物体信息检测装置)2b。关于生物体信息检测传感器2b，在其他实施方式中进行详述。
动作检测传感器2a例如是对摄像对象区域内的图像进行拍摄的相机。动作检测传感器2a具有CCD(Charge Coupled Device：电荷耦合器件)图像传感器等摄像元件及透镜等，并利用摄像元件将经由透镜入射的光进行光电转换来获取作为图像数据的动作信息。动作检测传感器2a也可以是由多个摄像元件构成的立体相机。通过对动作检测传感器2a拍摄到的图像数据进行解析，能够以二维或三维来识别图像数据所包含的对象者的动作。动作检测传感器2a并不限定于使用上述照相机，例如也可以使用超声波传感器、微波传感器、毫米波传感器、激光雷达传感器等来检测对象者的位置及形状等。动作检测传感器2a也可以使用视线检测传感器来测定对象者的眼球运动，并检测视线方向及视点等。检测装置2获取动作检测传感器2a的检测值。
在上述中说明了检测装置2设置于对象者的住宅内的结构，但本实施方式并不受限定。例如，检测装置2也可以构成为可穿戴设备并由对象者穿戴。检测装置2例如具有眼镜式的形状。检测装置2具备分别在三个轴上测定加速度、角速度及地磁的运动传感器作为动作检测传感器2a，检测对象者的动作。检测装置2也可以在当处于穿戴状态时与对象者的鼻子或头部等抵接的位置处具备作为动作检测传感器2a的肌电传感器，检测对象者的面部肌电位。检测装置2也可以在当处于穿戴状态时与对象者的鼻子抵接的位置等具备肌电传感器作为动作检测传感器2a，并通过检测对象者的眼电位来检测视线方向及眨眼等动作。检测装置2并不限定于具有眼镜式的形状，例如也可以具有带形状并被穿戴在对象者的手、腿、腰等上。检测装置2例如也可以具有具备伸缩性的片形状，并被粘贴在对象者的身体上。另外，检测装置2例如也可以构成为隐形眼镜式、护齿式等的体腔装置，并被佩戴在对象者的体腔内。
对象者也可以穿戴多个检测装置2。检测装置2也可以由多种动作检测传感器2a组合构成，并获取多种传感器的检测值。例如，也可以通过相机检测包括对象者在内的摄像区域整体的信息，并通过激光雷达传感器等针对基于所检测到的摄像数据而确定的对象者检测动作。
在本信息处理***100中，通过动作检测传感器2a检测尤其是与对象者日常重复进行的动作有关的动作信息。解析所检测到的动作信息来获取对象者的左半身的动作状态及右半身的动作状态，并与对象者的左半身及右半身的平时的动作状态进行比较，由此判定对象者患有脑梗死的可能性。例如，尤其是身体单侧的面部和四肢突然麻木、视物困难、口齿不清这些症状的出现很可能是因大脑的一部分不再发挥功能所致。因此，通过检测对象者的动作中突然发生的左右差异，能够识别脑梗死或脑缺血的发病或预兆的可能性。以下，对这种信息处理***100的结构及详细的处理内容进行说明。
图2是表示信息处理装置1的结构的框图。信息处理装置1使用伺服计算机。信息处理装置1具备控制部10、存储部11及通信部12。为了易于说明而将信息处理装置1作为一台伺服计算机进行说明，但也可以使功能或处理分散在多台伺服计算机中，还可以是在一台大型计算机中虚拟生成的多台伺服计算机(实例)之一。
控制部10是使用了一个或多个CPU(Central Processing Unit：中央处理器)、GPU(Graphics Processing Unit：图形处理器)等的处理器，并使用内置的ROM(Read OnlyMemory：只读存储器)或RAM(Random Access Memory：随机存取存储器)等存储器来控制各结构部以执行处理。
通信部12是实现经由网络N的通信的通信接口。控制部10通过通信部12能够经由网络N进行与检测装置2、其他外部装置等之间的信息收发。
存储部11例如包括硬盘或SSD(Solid State Drive：固态驱动器)等非易失性存储器。在存储部11内存储有包括程序1P在内的供控制部10参照的程序及数据。控制部10通过读取并执行程序1P来使通用的伺服计算机作为本发明特有的信息处理装置发挥功能。存储于存储部11内的程序1P也可以是以计算机可读的方式记录在记录介质中的形态。存储部11存储由未图示的读取装置从记录介质1A读取的程序1P。另外，也可以从与未图示的通信网络连接的未图示的外部计算机下载程序1P，并将其存储在存储部11内。需要说明的是，存储部11也可以由多个存储装置构成，还可以是与信息处理装置1连接的外部存储装置。
另外，在存储部11内存储有对象者信息DB(Data Base：数据库)111、检测值DB112和基准动作信息DB113等。图3A是举例说明对象者信息DB111的记录布局的说明图，图3B是举例说明检测值DB112的记录布局的说明图，图3C是举例说明基准动作信息DB113的记录布局的说明图。
对象者信息DB111是储存利用本信息处理***100的对象者的信息的数据库。例如，如图3A所示，在对象者信息DB111中相关联地储存有多个对象者各自的对象者ID、对象者的姓名、年龄、住址、拍摄对象者的面部而得到的图像数据、通知目标(通知对象)、紧急通知目标等信息。通知目标包括在对象者发生了可能患有脑梗死的异常状态的情况下输出通知的通知目标。在通知目标中例如储存有对象者拥有的终端装置3的MAC地址、电子邮箱等。紧急联系目标包括对象者患有脑梗死的可能性高的紧急情况下的通知目标。在紧急联系目标中例如储存有对象者以外的人的电话号码等。
检测值DB112是储存由动作检测传感器2a检测到的检测值及动作信息等的数据库。如图3B所示，在检测值DB112中例如相关联地按时序储存有检测日期时刻、传感器信息、检测值、动作信息、对象者ID、动作模式等信息。每当检测装置2的控制部20获取动作信息、并向信息处理装置1发送所获取的动作信息时，存储于检测值DB112中的各动作信息都由控制部10获取并存储。
传感器信息包含用于识别输出了检测值的动作检测传感器2a的识别信息，例如储存有传感器的固有ID。在检测值中储存有动作检测传感器2a的检测值。
动作信息列包括左动作信息列及右动作信息列。在左动作信息列及右动作信息列中储存有表示对象者的左半身及右半身各自的动作的动作信息。左动作信息及右动作信息是表示对象者的相应部位的动作量的参数，如上所述，是相应部位的移动速度、移动距离、抖动、角速度等数据。所谓相应部位是成为用于确定对象者的姿势的特征点的关节等人体部位。在本实施方式中，作为一例，在左动作信息列及右动作信息列中储存对象者的左手及右手的每单位时间的移动量(移动速度)。
对象者ID包含用于识别动作信息的对象者的识别信息，例如储存有对象者ID。通过从为了检测动作信息而拍摄得到的图像中提取被摄体的面部特征量，并与预先登记的对象者的面部特征量进行模式匹配(pattern matching)，从而确定对象者ID。也可以使用其他机器学习等方法来确定对象者ID。
动作模式是对象者日常能够进行的动作的种类，例如能够包括睡觉、吃饭、刷牙、看电视、做饭、走路等。例如通过进行室内的对象者的位置、姿势或动作量的模式匹配来确定动作模式。也可以使用其他机器学习等方法来确定动作模式。
基准动作信息DB113是储存表示对象者在通常状态下的动作的基准动作信息的数据库。当判定对象者患有脑梗死的可能性时，信息处理装置1获取通过收集规定期间内的该对象者的动作信息而得到的基准动作信息，并将其存储在基准动作信息DB113中。信息处理装置1将基准动作信息与实时获取的动作信息进行比较，以判定有无异常状态。在基准动作信息DB113中，例如如图3C所示，相关联地储存有对象者ID、动作模式、基准动作信息、基准期间、更新日期时刻等信息。
动作模式包含用于识别动作模式的信息，例如储存有睡觉、吃饭、刷牙、看电视、做饭、走路等表示动作模式的名称。
基准动作信息包括解析规定期间内的动作信息而得到的对象者的基准状态的动作信息。基准动作信息也可以包括表示左半身的动作的左基准动作信息、和表示右半身的动作的右基准动作信息。例如通过在规定期间内针对对象者的相同动作模式收集包括左动作信息及右动作信息的动作信息，并计算范围、平均值，从而分别获取左基准动作信息及右基准动作信息。基准动作信息也可以包括与关于时刻的信息相关联的多个动作信息。
基准期间包括收集用于导出基准动作信息的动作信息的期间。基准期间例如为七天。更新日期时刻包括更新基准动作信息的日期时刻的最新信息。在本实施方式中，基准动作信息基于实时检测的动作信息而随时更新。通过使用基于对象者最近的动作状态而生成的基准动作信息，例如能够进行与包括暂时性受伤或因年龄增加而导致的变化等在内的每个对象者的状态相应的判定。需要说明的是，对象者信息DB111、检测值DB112及基准动作信息DB113的存储内容并不限定于图3A～图3C所示的例子。
图4是表示检测装置2的结构的框图。检测装置2具备控制部20、存储部21、通信部22及动作信息检测部23。
控制部20是使用一个或多个CPU、GPU等的处理器，并使用内置的ROM或RAM等存储器来控制各结构部以执行处理。存储部21例如包括闪存等非易失性存储器。在存储部21内存储供控制部20参照的信息。通信部22是实现经由网络N进行与信息处理装置1的通信的通信接口。
动作信息检测部23使用动作检测传感器2a获取检测信号。动作信息检测部23也可以包括A/D转换功能，并向控制部20输出从动作检测传感器2a获得的测定值。
图5是表示终端装置3的结构的框图。终端装置3例如使用智能手机、平板终端等。终端装置3也可以是个人计算机等信息终端装置。终端装置3具备控制部30、存储部31、通信部32、显示部33及操作部34。
控制部30包括CPU或GPU等处理器、和存储器等。控制部30也可以构成为集成有处理器、存储器、存储部31及通信部32的一个硬件(SoC：System On a Chip(***级芯片))。控制部30基于存储在存储部31内的程序来控制各结构部以执行处理。
存储部31例如包括闪存等非易失性存储器。存储部31存储供控制部30参照的程序及数据。通信部32是实现经由网络N进行与信息处理装置1的通信的通信接口。
显示部33包括液晶面板、有机EL(Electro Luminescence：电致发光)显示器等显示装置。显示部33根据来自控制部30的指示而显示各种信息。操作部34是接受用户操作的接口，例如包括物理按钮、鼠标、内置显示器的触摸面板装置、扬声器及麦克风等。操作部34接受来自用户的操作输入，并向控制部30发送与操作内容相应的控制信号。
图6是表示基准动作信息获取的处理顺序的一例的流程图。图6的处理由信息处理装置1的控制部10及检测装置2的控制部20执行。处理的执行时机例如是由动作检测传感器2a检测信号的时机。
检测装置2的控制部20实时地或以规定的检测间隔(例如每分钟)从动作检测传感器2a获取拍摄对象者而得到的图像(步骤S10)。控制部20从所获取的图像中检测与对象者的相应部位对应的特征点(步骤S11)。例如，控制部20将对象者的右手及左手作为特征点进行检测。
控制部20基于按时序获取的各图像中的特征点的检测结果，来获取包括右动作信息及左动作信息的动作信息(步骤S12)。具体而言，控制部20将按时序获取的图像数据进行比较，计算出先前时刻及当前时刻的图像所包含的右半身及左半身的相应部位的动作量。例如，检测装置2将前一帧中的左手及右手的坐标与当前帧中的左手及右手的坐标分别进行比较，以获取根据移动距离及检测时刻计算出的移动速度来作为动作信息。
另外，控制部20确定对象者的动作模式及对象者(步骤S13)。例如，控制部20通过在步骤S11中将四肢、头部等各部位作为特征点进行检测，并根据所检测到的各特征点的坐标值来进行室内的对象者的位置、姿势、动作(手势)的模式匹配，从而确定动作模式。另外，控制部20通过预先将对象者ID与对象者的面部特征量相关联地进行存储(登记)，并从步骤S10中提取面部特征量而与所存储的面部特征量进行模式匹配，从而确定对象者ID。控制部20将动作信息与所确定出的动作模式、对象者ID、检测日期时刻、传感器ID、检测值等相关联地向信息处理装置1输出(步骤S14)。
信息处理装置1的控制部10通过通信部12获取动作信息(步骤S15)。控制部10将对象者ID、动作模式等与所获取的动作信息相关联地存储在检测值DB112中(步骤S16)。
控制部10基于所收集的动作信息而导出表示对象者平时的动作的基准动作信息(步骤S17)。具体而言，控制部10参照检测值DB112来获取在规定期间(例如七天)内被检测到并被存储在检测值DB112中的同一对象者的动作信息。在该情况下，控制部10也可以为了针对每个动作模式导出基准动作信息而提取包括相同动作模式的动作信息。例如，当导出针对动作模式“吃饭”的基本动作信息时，控制部10提取包括检测日期时刻(其包括从导出时间点起最近的一周)、相同的对象者ID及相同的动作模式即“吃饭”在内的动作信息。控制部10通过基于所提取的动作信息的左动作信息及右动作信息来计算各自的平均值，从而导出包括表示左半身的基准动作的左基准动作信息、和表示右半身的基准动作的右基准动作信息在内的基准动作信息。
进一步地，控制部10将所导出的基准动作信息与预先已记录的基准动作信息进行比较，以判定是否修正基准动作信息(步骤S18)。具体而言，控制部10判定所导出的基准动作信息与已记录的基准动作信息的差值、和预先设定的阈值之间的大小关系，并判定差值是否为阈值以上。在因差值小于阈值而判定为不修正基准动作信息的情况下(步骤S18：否)，控制部10跳过基准动作信息的修正处理。
在因差值为阈值以上而判定为修正基准动作信息的情况下(步骤S18：是)，控制部10执行将已记录的基准动作信息变更为新导出的基准动作信息的修正(步骤S19)。控制部10也可以基于规定的规则来修正已记录的基准状态信息的值。控制部10将修正后的基准动作信息、更新日期时刻等信息存储在基准动作信息DB113中(步骤S20)，并结束一系列处理。
在上述处理中，控制部10也可以在根据步骤S15的解析结果而表示所获取的动作信息中包含的动作模式的特征量为规定值以上时，执行步骤S17以下的处理。即，控制部10也可以在所获取的动作信息符合预先设定的动作模式的情况下执行基准动作信息的导出处理。
需要说明的是，在上述处理中，对信息处理装置1的控制部10和检测装置2的控制部20分担执行一系列处理的例子进行了说明，但这些控制部10及控制部20的分担是一个例子，并不限定于图6的例子。即，检测装置2也可以实质上包括信息处理装置1。或者，也可以是：检测装置2的控制部20仅仅是输出动作检测传感器2a所检测到的检测值，而信息处理装置1的控制部10进行之后的处理。或者也可以是，信息处理装置1的控制部10与检测装置2的控制部20例如通过进行进程间通信来协作执行一系列处理。
信息处理装置1使用如上述那样获取的基准动作信息，根据对象者的动作信息来判定是否存在脑梗死的可能性。图7是表示异常状态的判定处理顺序的一例的流程图。图7的处理由信息处理装置1的控制部10及终端装置3的控制部30执行。处理的执行时机例如是新动作信息被存储到检测值DB112中的时机。
信息处理装置1的控制部10参照检测值DB112来实时获取从检测装置2获取并存储的新动作信息(步骤S21)。动作信息与对象者ID、动作模式等相关联。控制部10获取与所获取的动作信息进行比较的基准动作信息(步骤S22)。控制部10参照基准动作信息DB113来获取包括与所获取的动作信息相同的对象者ID及动作模式的基准动作信息。
控制部10将所获取的动作信息与基准动作信息进行比较，判定对象者是否可能患有脑梗死、即对象者的动作信息是否为异常状态(步骤S23)。控制部10通过解析左半身的左动作信息和右半身的右动作信息，从而在仅在对象者的左半身或右半身中的某一方检测到与平时不同的动作的情况下，判定为是可能患有脑梗死的异常状态。
具体而言，控制部10将所获取的左动作信息与基准动作信息的左基准动作信息进行比较，并将所获取的右动作信息与基准动作信息的右基准动作信息进行比较，分别在左右半身中判定动作信息与基准动作信息的差是否为阈值以上。图8是与异常状态的判定处理有关的说明图。在图8中，上侧概念性地图示了左半身及右半身各自的基准动作信息(例如左手及右手的移动速度)的时序变化，下侧概念性地图示了增加了当前的左半身及右半身各自的动作信息的时序变化。图8中的各图表以动作信息为纵轴、以时间为横轴。
如上所述，控制部10从在规定期间内收集到的动作信息中导出左右半身各自的基准动作信息，并将其存储在基准动作信息DB113中。控制部10在从检测装置2获取了动作信息的情况下，将左右半身各自的动作信息与基准动作信息进行比较，分别在左右半身中计算与基准动作信息的差值。即，控制部10在图8中计算实线所示的右基准动作信息与粗线所示的当前的右动作信息的差。同样地，控制部10计算左基准动作信息与当前的左动作信息的差。
控制部10将所计算出的左右半身各自的差值与规定的阈值进行比较，分别针对左半身及右半身判定左半身及右半身有无异常。具体而言，在差值为阈值以上的情况下判定为有异常。此外，例如控制部10也可以将某个时刻的瞬时值的差与阈值进行比较来进行判定，或者还可以将某单位时间(例如五分钟)内的差的积分值或平均值与阈值进行比较来进行判定。控制部10基于左半身及右半身各自的判定结果，来最终判定对象者是否为可能患有脑梗死的异常状态。具体而言，控制部10在判定为一个半身有异常且另一个半身无异常的情况下判定为是异常状态。控制部10在判定为两个半身均无异常的情况下判定为不是异常状态。另外，控制部10在判定为两个半身均有异常的情况下也判定为不是异常状态。例如，当左右两方的动作信息与基准动作信息之间发生了差异时，由于并非仅单侧的异常，所以判定为脑梗死的可能性低。
返回图7继续进行说明。在判定为不是异常状态的情况下(步骤S23：否)，控制部10将处理返回到步骤S21并继续获取动作信息。在判定为是异常状态的情况下(步骤S23：是)，控制部10判定该异常状态是否为伪异常状态(步骤S24)。
在此，所谓伪异常状态是由于除脑梗死以外的因素导致左半身或右半身的动作暂时发生了规定变化的状态，与异常状态不同，是脑梗死的可能性低的状态。作为伪异常状态的因素的例子，例如可以列举使左半身或右半身中的某一方朝下长时间睡眠的情况下的因暂时且局部的血流及神经压迫而导致的麻木、因运动等而导致的仅单侧的肌肉痛等。有时会从处于这些伪异常状态的对象者检测到与异常状态同样地具有左右差异的动作信息。
控制部10存储有伪异常状态信息DB(未图示)，其储存预先定义了伪异常状态下的动作信息的伪异常状态信息。在伪异常状态信息DB中保存有用于定义规定动作中所示的伪异常状态的动作信息和其他条件。控制部10将伪异常状态信息DB的动作信息与所获取的对象者的动作信息进行比较，判定对象者的异常状态是否为伪异常状态。例如，在睡觉时身体的单侧朝下的时间为规定值以上、且左动作信息或右动作信息与基准动作信息的差值的左右差异小于规定值的情况下，符合伪异常状态信息。此外，控制部10也可以使用其他机器学习的方法来判定是否为伪异常状态。控制部10也可以预先创建在输入了动作信息的情况下输出是否为伪异常状态的识别结果的学习模型，并将其存储在存储部11内，且通过该学习模型来判定是否为伪异常状态。
在因对象者的动作信息符合伪异常状态信息而判定为异常状态是伪异常状态、即脑梗死的可能性低的情况下(步骤S24：是)，控制部10将处理返回到步骤S21并继续获取动作信息。
在因对象者的动作信息不符合伪异常状态信息而判定为异常状态不是伪异常状态、即脑梗死的可能性高的情况下(步骤S24：否)，控制部10通过通信部12向终端装置3输出用于通知异常状态发生的通知信息(步骤S25)。控制部10参照对象者信息DB111来确定对象者处于异常状态的情况下的通知目标，并使用例如邮件功能等向确定出的通知目标输出通知信息。
终端装置3的控制部30通过通信部32获取用于通知异常状态发生的通知信息(步骤S26)。控制部30基于所获取的通知信息而在显示部33上显示包括表示异常状态发生的信息在内的通知画面330(步骤S27)，并结束一系列处理。此外，控制部10也可以进行在步骤S25的处理之后进行步骤S21的循环处理。
图9是表示由显示部33显示的通知画面330的一例的图。控制部30在显示部33上显示以从信息处理装置1获取到的通知信息为基础的通知画面信息。通知画面330包括与判定为是异常状态的动作信息有关的通知。通知画面330还可以包括针对判定为是异常状态的动作信息提醒对该判定进行确认的通知。在图9的示例中，通知画面330包括表示动作信息的检测日期时刻、检测地点等的信息，还包括表示所检测到的动作信息的动作图表331、提醒确认画面内容的确认按钮334等。通知画面330还可以包括用于通知与判定结果相应的给对象者的帮助信息(例如提醒到医疗机构就诊的内容)的消息等。
在图9的示例中，通知画面330利用以动作信息为纵轴、以时间为横轴的动作图表331示出了被检测到异常的半身的动作信息(例如右手的移动速度)的经时变化。动作图表331包括表示对象者的基准动作信息的基准值曲线332、和表示与被检测到的异常状态有关的动作信息的检测值曲线333。信息处理装置1的控制部10参照保存在基准动作信息DB113中的基准动作信息、和保存在检测值DB112中的动作信息，来生成对应关联有时间信息的基准值曲线332及检测值曲线333，并将其显示在动作图表331上。另外，控制部10参照检测值DB112来获取与异常状态有关的动作信息的检测日期时刻、检测地点等，生成用于显示所获取的检测日期时刻、检测地点等的文本信息，并将其显示在通知画面330上。控制部10也可以从检测值DB112中还读取与异常状态有关的动作检测传感器2a的检测值，并将所读取的检测值与动作图表331一起显示在通知画面330上。通过除了异常状态下的动作信息之外还与动作信息相关联地显示例如利用图像数据获取的检测值，从而能够更详细地识别对象者动作的实际情况。
对象者能够利用显示于显示部33上的通知画面330来识别异常状态的发生。由此，即使在对象者自身未意识到的情况下也能够通知脑梗死的可能性，因此能够提醒及早检查就诊等，辅助发现脑梗死。对象者在确认通知画面之后点击确认按钮334。终端装置3的控制部30在接受到确认按钮334的按下操作的情况下向信息处理装置1发送操作信息。信息处理装置1的控制部10获取操作信息。当未在规定期间内获取操作信息的情况下，控制部30也可以再次向终端装置3输出通知信息。由此，能够可靠地将信息通知对象者。
需要说明的是，在上文中针对左半身及右半身分别进行了差值的判定，但本实施方式并不限定于此。具体而言，控制部10也可以基于左动作信息与右动作信息的差值来判定是否为异常状态。
在该情况下，控制部10根据规定期间内的左动作信息及右动作信息来计算两者在各时刻的差值，并取该期间内的差值的平均等，以导出成为基准动作信息的左动作信息与右动作信息的差值。控制部10在从检测装置2获取了动作信息的情况下，计算左动作信息与右动作信息的差值。控制部10将所计算出的差值与基准动作信息所示的差值进行比较，并计算出两者的差值(为了方便起见而称为“第二差值”)。
控制部10将所计算出的第二差值与阈值进行比较，在第二差值为阈值以上的情况下判定为是异常状态。这样，控制部10也可以将基准状态的动作信息的左右差异(作为基准动作信息的差值)与当前的动作信息的左右差异进行比较，以判定是否为异常状态。
需要说明的是，在上文中对以不同的处理执行异常状态的判定处理和伪异常状态的判定处理的例子进行了说明，但这些判定处理也可以作为一个处理被执行。即，也可以是：步骤S23包括步骤S24的处理，控制部10通过是否为伪异常状态的判定处理来判定是否为异常状态。例如，控制部10也可以通过基于动作信息判定为对象者是伪异常状态，从而判定为对象者患有脑梗死的可能性低、即不是异常状态。
另外，在上述异常状态的判定中，在由多个动作检测传感器2a检测多种动作信息的情况下，信息处理装置1也可以针对该多种动作信息分别判定是否为异常状态。例如，通过针对从由相机得到的图像数据中导出的动作信息、和从由视线传感器得到的视线数据中导出的动作信息分别判定是否为异常状态，能够进一步提高判定精度。
另外，关于在上述异常状态的判定中使用的阈值，也可以根据动作信息的检测地点来定义不同的阈值、或根据检测地点来修正阈值。例如，即使是相同的动作模式，动作的强度、可动范围等也可能根据动作的进行地点而变化，因此，优选使用与动作信息的检测地点相应的阈值来进行与基准动作信息的比较。另外，例如也可以是，在通过设于动作检测传感器2a上的温度传感器等来检测对象者周边的室温的情况下，基于对象者的移动路径上的室温的变化值来修正阈值。当在对象者周边检测到规定值以上的温度变化的情况下，即使是相同的动作模式，动作内容也可能发生变化。控制部10获取温度变化，并使用根据所获取的温度变化利用不同的修正值而导出的阈值来进行与基准动作信息的比较，判定有无异常状态。
信息处理装置1在异常状态持续的情况下输出进一步的通知。图10是表示与警告信息有关的处理顺序的一例的流程图。图10的处理由信息处理装置1的控制部10及终端装置3的控制部30执行。在图7的步骤S24中判定为对象者是异常状态的情况下，与图7的处理并行地执行以下处理。
控制部10判定异常状态是否持续了规定时间(步骤S31)。控制部10参照检测值DB112来确定与异常状态有关的最初的动作信息被检测到的时间。控制部10判定从最初的动作信息被检测到的时间起的经过时间与预先设定的阈值(例如20分钟)之间的大小关系，并判定经过时间是否为阈值以上。
在因经过时间小于阈值而判定为异常状态未持续规定时间的情况下(步骤S31：否)，控制部10结束处理。在该情况下，控制部10也可以通过通信部12向终端装置3输出用于通知异常状态结束的信息。
在因经过时间为阈值以上而判定为异常状态持续了规定时间的情况下(步骤S31：是)，控制部10通过通信部12向终端装置3输出用于通知异常状态持续的警告信息(步骤S32)。警告信息的输出目标与通知信息的输出目标同样都是对象者的终端装置3。
终端装置3的控制部30通过通信部32获取警告信息(步骤S33)。控制部30基于所获取的警告信息而在显示部33上显示警告信息及接受针对警告信息的紧急通报操作的警告画面340(步骤S34)。
图11是表示由显示部33显示的警告画面340的一例的图。控制部30在显示部33上显示以从信息处理装置1获取到的警告信息为基础的警告画面信息。警告画面340包括表示警告状态的发生及内容的警告信息，还包括接受无需针对警告信息的紧急通报这一选择的无需通报按钮341及接受需要紧急通报这一选择的需要通报按钮342。紧急通报是指在对象者的异常状态持续的情况下向除对象者以外的人通报患有脑梗死的可能性高这一情况。紧急通报例如通过向对象者的家人、消防队、医疗机构等通报来辅助请求对处于紧急状态的对象者进行帮助。对象者利用显示在显示部33上的警告画面340来进行用于选择有无紧急通报的按钮操作。控制部30接受按钮操作，并执行与所接受到的操作内容相应的处理。
返回图10继续进行说明。控制部30判定是否需要紧急通报(步骤S35)。控制部30在因经由操作部34接受到无需通报按钮341的选择操作而判定为无需紧急通报的情况下(步骤S35：否)结束处理。另一方面，在因经由操作部34接受到需要通报按钮342的选择操作而判定为需要紧急通报的情况下(步骤S35：是)，控制部30通过通信部32向信息处理装置1输出表示需要紧急通报的紧急通报信息(步骤S36)。控制部30也可以根据未接受到无需通报按钮341及需要通报按钮342这两者的选择操作且已经过规定时间，来判定为需要紧急通报。
信息处理装置1的控制部10判定是否需要针对警告信息的紧急通报(步骤S37)。在因从终端装置3获取了紧急通报信息而判定为需要紧急通报的情况下(步骤S37：是)，控制部10通过通信部32向外部输出用于通知对象者的异常状态的紧急信息(步骤S38)。控制部10可以参照对象者信息DB111来确定紧急情况下的紧急通知目标，并使用例如通话功能向紧急通知目标进行通报。在因未从终端装置3获取紧急通报信息而判定为无需紧急通报的情况下(步骤S37：否)，控制部10跳过步骤S38的紧急通报处理，并结束一系列处理。
在上述处理中，信息处理装置1优选根据对象者的状态来变更动作信息的获取间隔。例如在图7的步骤S24中判定为是异常状态的情况下，控制部10向检测装置2输出检测间隔的变更指示。例如，通过在异常状态发生以后将平时设定为每分钟的动作信息的获取间隔变更为每十秒，能够更详细地识别对象者的状态。
此外，在本实施方式中，在利用上述图7及图10的各流程图所说明的处理中，由信息处理装置1的控制部10执行的处理的一部分或全部也可以由终端装置3的控制部30执行，或者也可以由检测装置2的控制部20执行。
在本实施方式中，终端装置3也可以实质上包括信息处理装置1，并直接与检测装置2进行通信。或者，终端装置3也可以构成为实质上包括信息处理装置1及检测装置2，并通过具备这些装置的功能的一个终端装置3来执行上述各处理。
根据本实施方式，能够基于与对象者的日常动作、尤其是日常重复进行的动作有关的动作信息来判定脑梗死的可能性。在检测到存在脑梗死的可能性的异常状态的情况下，通过快速通知对象者，能够辅助及早发现脑梗死。是否为异常状态能够通过使用与每个对象者相应的基准动作信息、伪异常状态信息来高精度地判定。
(第二实施方式)
在第二实施方式中，获取对象者的生物体信息，并基于动作信息及生物体信息来判定对象者是否可能患有脑梗死。以下，针对第二实施方式说明与第一实施方式的不同点。关于除后述结构以外的其他结构，由于与第一实施方式的信息处理***100相同，所以对共通的结构标注相同的附图标记并省略其详细说明。
第二实施方式的检测装置2如图1所示具备动作检测传感器2a及生物体信息检测传感器2b。生物体信息检测传感器2b是检测对象者的生物体信息的检测装置。检测装置2向信息处理装置1发送由动作检测传感器2a检测到的动作信息及由生物体信息检测传感器2b检测到的生物体信息。
生物体信息检测传感器2b例如是检测对象者的血流或表面温度的红外相机。生物体信息检测传感器2b也可以使用设于对象者所使用的寝具或座位等的垫子上的面压传感器来检测对象者的体压。在检测装置2是可穿戴设备的情况下，生物体信息检测传感器2b也可以使用脉搏传感器、温度传感器等来检测对象者的脉搏、体温等。此外，检测装置2也可以由多种动作检测传感器2a及生物体信息检测传感器2b组合构成。
图12是表示第二实施方式中的检测装置2的结构的框图。检测装置2除了控制部20、存储部21、通信部22、动作信息检测部23之外还具备生物体信息检测部24。生物体信息检测部24使用生物体信息检测传感器2b获取检测信号。生物体信息检测部24也可以包括A/D转换功能，并向控制部20输出从生物体信息检测传感器2b获得的测定值。
在第二实施方式中，信息处理装置1的控制部10向检测值DB112中存储包括从检测装置2获取的动作信息及生物体信息在内的检测值。信息处理装置1基于动作信息及生物体信息来判定对象者患有脑梗死的可能性。图13是表示第二实施方式中的异常状态的判定处理顺序的一例的流程图。关于与第一实施方式的图7共通的处理，标注相同的步骤编号并省略其详细说明。
信息处理装置1的控制部10参照检测值DB112来实时获取从检测装置2获取并存储的新的动作信息及生物体信息(步骤S41)。动作信息与对象者ID、动作模式等相关联。控制部10获取与所获取的动作信息进行比较的基准动作信息(步骤S22)。控制部10参照基准动作信息DB113来获取包括与所获取的动作信息相同的对象者ID及动作模式的基准动作信息。
控制部10将所获取的动作信息与基准动作信息进行比较，判定对象者是否可能患有脑梗死、即对象者的动作信息是否为异常状态(步骤S23)。在判定为不是异常状态的情况下(步骤S23：否)，控制部10将处理返回到步骤S41并继续获取动作信息及生物体信息。在判定为是异常状态的情况下(步骤S23：是)，控制部10判定该异常状态是否为伪异常状态(步骤S44)。
控制部10将预先存储的关于伪异常状态的伪异常状态信息与对象者的动作信息进行比较，判定对象者的异常状态是否为伪异常状态。第二实施方式的控制部10基于动作信息及生物体信息来判定是否为伪异常状态。即，伪异常状态信息以包括动作信息及生物体信息的方式被定义。例如，在对象者的血流量的变化值、体温、左右半身的形状的变化值等是规定值的情况下，符合伪异常状态信息。
在因对象者的动作信息符合伪异常状态信息而判定为异常状态是伪异常状态的情况下(步骤S44：是)，控制部10将处理返回到步骤S41并继续获取动作信息。在因对象者的动作信息不符合伪异常状态信息而判定为异常状态不是伪异常状态的情况下(步骤S44：否)，控制部10通过通信部12向终端装置3输出用于通知异常状态发生的通知信息(步骤S25)。
终端装置3的控制部30通过通信部32获取用于通知异常状态发生的通知信息(步骤S26)。控制部30基于所获取的通知信息而在显示部33上显示包括表示异常状态发生的信息的通知画面(步骤S27)，并结束一系列处理。此外，控制部10也可以进行在步骤S25的处理之后进行步骤S21的循环处理。
根据本实施方式，例如即使针对仅利用动作信息难以判定是异常状态还是伪异常状态的情况，通过包括动作信息及生物体信息来判定脑梗死的可能性，也能够提供适当的判定结果。
(第三实施方式)
在第三实施方式中，专门处理作为语音数据的动作信息来实现信息处理。以下，针对第三实施方式说明与第一实施方式的不同点。关于除后述结构以外的其他结构，由于与第一实施方式的信息处理***100相同，所以对共通的结构标注相同的附图标记并省略其详细说明。
第三实施方式的检测装置2具备检测对象者的说话声音的声音传感器作为动作检测传感器2a。动作检测传感器2a也可以还具备检测对象者的面部动作的相机等。
信息处理装置1基于从检测装置2获取到的作为语音数据的动作信息来判定脑梗死的可能性。在第三实施方式中，基准动作信息DB113的基准动作信息中储存成为基准的与多个模式的单词有关的语音数据。信息处理装置1将平时的对象者的语音数据与实时检测到的语音数据进行比较，以判定脑梗死的可能性。
控制部10执行声音传感器所检测到的语音数据的解析，并从说话声音中提取预先设定的单词模式。控制部10判定与所提取的单词模式相当的语音数据和作为基准动作信息的语音数据的差值、与预先设定的阈值之间的大小关系，并判定差值是否为阈值以上，由此进行是否为可能患有脑梗死的异常状态的判定。
控制部10也可以还获取由相机拍摄到的表示对象者的面部的说话动作的图像数据。例如，控制部10使用模式匹配方法或其他公知技术来进行所获取的作为图像数据的动作信息的图像解析，并判定是否与预先设定的说话模式一致。在判定为与说话模式一致的情况下，控制部10执行上述语音数据的解析处理并进行是否为异常状态的判定。
根据本实施方式，例如即使针对难以根据身体动作的左右差异进行判定的情况，也能够基于日常产生的大量语音信息来判定患有脑梗死的可能性。
本次公开的实施方式在所有方面都是举例说明，而非限制性的。本发明的范围由权利要求书示出，包括与权利要求书等同的意思及范围内的所有变更。
附图标记说明
1 信息处理装置
2 检测装置
2a 动作检测传感器
2b 生物体信息检测传感器
3 终端装置
10、20、30 控制部
11、21、31 存储部
111 对象者DB
112 检测值DB
113 基准动作信息DB
1P 程序

Claims (12)

1.一种信息处理方法，其使计算机执行如下处理：
获取对对象者的动作进行检测的动作检测装置所检测到的动作信息，
将所获取的所述动作信息存储在存储部内，
基于所存储的规定期间内的所述动作信息来导出所述对象者的左半身及右半身的基准动作信息，
基于所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
2.根据权利要求1所述的信息处理方法，其中，
使计算机执行如下处理：
在判定为是所述异常状态的情况下，输出通知。
3.根据权利要求1或2所述的信息处理方法，其中，
使计算机执行如下处理：
判定所述异常状态是否持续了规定时间。
4.根据权利要求1～3中任一项所述的信息处理方法，其中，
使计算机执行如下处理：
在判定为是所述异常状态的情况下，基于所述动作信息来判定是否为由于除脑梗死以外的因素导致所述对象者的左半身或右半身发生了规定变化的伪异常状态。
5.根据权利要求1～3中任一项所述的信息处理方法，其中，
使计算机执行如下处理：
获取对所述对象者的生物体信息进行检测的生物体信息检测装置所检测到的生物体信息，
在判定为是所述异常状态的情况下，基于所述生物体信息来判定是否为由于除脑梗死以外的因素导致所述对象者的左半身或右半身发生了规定变化的伪异常状态。
6.根据权利要求1～5中任一项所述的信息处理方法，其中，
所述动作信息包括检测所述对象者的左半身的动作而得到的第一动作信息、以及检测所述对象者的右半身的动作而得到的第二动作信息，
所述信息处理方法使计算机执行如下处理：
将所述基准动作信息的第一动作信息与第二动作信息的差值、和所述检测时间点下的第一动作信息与第二动作信息的差值进行比较，以判定是否为所述异常状态。
7.根据权利要求1～6中任一项所述的信息处理方法，其中，
所述动作信息包括检测所述对象者的左半身的动作而得到的第一动作信息、以及检测所述对象者的右半身的动作而得到的第二动作信息，
所述信息处理方法使计算机执行如下处理：
将所述基准动作信息的第一动作信息与所述检测时间点下的第一动作信息、和所述基准动作信息的第二动作信息与所述检测时间点下的第二动作信息分别进行比较，以判定是否为所述异常状态。
8.根据权利要求1～7中任一项所述的信息处理方法，其中，
使计算机执行如下处理：
根据所述动作信息的检测地点而使用不同的阈值将所述基准动作信息与所述检测时间点下的动作信息进行比较。
9.根据权利要求1～8中任一项所述的信息处理方法，其中，
所述动作检测装置包括多种检测装置，并获取所述对象者的多个动作信息。
10.一种计算机程序，其使计算机执行如下处理：
获取对对象者的动作进行检测的动作检测装置所检测到的动作信息，
将所获取的所述动作信息存储在存储部内，
基于所存储的规定期间内的所述动作信息来导出所述对象者的左半身及右半身的基准动作信息，
基于所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
11.一种信息处理装置，其具备：
动作信息获取部，其获取对对象者的动作进行检测的动作检测装置所检测到的动作信息；
存储部，其存储所述动作信息获取部所获取的动作信息；
导出部，其基于所述存储部所存储的规定期间内的动作信息来导出所述对象者的左半身及右半身的基准动作信息；和
判定部，其基于所述导出部所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
12.一种信息处理***，其包括对对象者的动作进行检测的动作检测装置、和从该动作检测装置获取动作信息的信息处理装置，
所述信息处理装置具备：
动作信息获取部，其获取所述动作检测装置所检测到的动作信息；
存储部，其存储所述动作信息获取部所获取的动作信息；
导出部，其基于所述存储部所存储的规定期间内的动作信息来导出所述对象者的左半身及右半身的基准动作信息；和
判定部，其基于所述导出部所导出的所述基准动作信息、和所述规定期间之后的检测时间点下的所述对象者的左半身及右半身的动作信息，来判定是否为所述对象者可能患有脑梗死的异常状态。
CN202180010135.4A 2020-03-10 2021-03-09 信息处理方法、计算机程序、信息处理装置及信息处理*** Pending CN114980814A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020041076 2020-03-10
JP2020-041076 2020-03-10
PCT/JP2021/009229 WO2021182455A1 (ja) 2020-03-10 2021-03-09 情報処理方法、コンピュータプログラム、情報処理装置及び情報処理システム

Publications (1)

Publication Number Publication Date
CN114980814A true CN114980814A (zh) 2022-08-30

Family

ID=77671699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180010135.4A Pending CN114980814A (zh) 2020-03-10 2021-03-09 信息处理方法、计算机程序、信息处理装置及信息处理***

Country Status (5)

Country Link
US (1) US20220409120A1 (zh)
EP (1) EP4111984A4 (zh)
JP (1) JPWO2021182455A1 (zh)
CN (1) CN114980814A (zh)
WO (1) WO2021182455A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023048287A1 (ja) * 2021-09-27 2023-03-30 テルモ株式会社 情報処理システム、プログラム及び情報処理方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4441907A1 (de) * 1993-12-16 1995-06-22 Hewlett Packard Co Patienten-Notfallreaktionssystem
JP2005348893A (ja) * 2004-06-09 2005-12-22 Taiji Nishimura 脳梗塞の予知方法
US20150164377A1 (en) * 2013-03-13 2015-06-18 Vaidhi Nathan System and method of body motion analytics recognition and alerting
US20150018723A1 (en) * 2013-07-09 2015-01-15 Industry-Academic Cooperation Foundation, Kyungpook National University Apparatus for early detection of paralysis based on motion sensing
KR20150032956A (ko) * 2013-09-23 2015-04-01 이양수 뇌졸중 감지 장치 및 방법
ES2947033T3 (es) * 2016-01-12 2023-07-31 Univ Yale Sistema para diagnóstico y notificación acerca de la aparición de un accidente cardiovascular o ACV
AU2017305321B2 (en) * 2016-08-02 2022-12-22 New York University Methods and kits for assessing neurological function and localizing neurological lesions
WO2018053521A1 (en) * 2016-09-19 2018-03-22 Ntt Innovation Institute, Inc. Stroke detection and prevention system and method
KR101970481B1 (ko) * 2017-03-31 2019-04-22 한국표준과학연구원 뇌졸중 모니터링 시스템
US11389109B2 (en) * 2018-04-14 2022-07-19 Y. Michael Lee System and method for monitoring and treating head, spine and body health and wellness

Also Published As

Publication number Publication date
US20220409120A1 (en) 2022-12-29
EP4111984A1 (en) 2023-01-04
WO2021182455A1 (ja) 2021-09-16
JPWO2021182455A1 (zh) 2021-09-16
EP4111984A4 (en) 2023-08-09

Similar Documents

Publication Publication Date Title
JP7083809B2 (ja) プライバシーの保護を伴う人物の識別しおよび／または痛み、疲労、気分、および意図の識別および定量化のためのシステムおよび方法
US9854976B2 (en) Pulse wave velocity measurement method
JP6268193B2 (ja) 脈波測定装置、携帯機器、医療機器システム、及び生体情報コミュニケーションシステム
Lamonaca et al. Health parameters monitoring by smartphone for quality of life improvement
US9747902B2 (en) Method and system for assisting patients
EP2829221B1 (en) Asperger's diagnosis assistance device
KR102338297B1 (ko) 사용자 상태를 판단하기 위한 시스템의 제어 방법, 장치 및 프로그램
KR20190141684A (ko) 사용자의 건강 상태를 평가하기 위한 시스템(system for assessing a health condition of a user)
JP2017522104A (ja) 目状態決定システム
EP3160328B1 (en) Device, system and computer program for detecting a health condition of a subject
WO2017003883A1 (en) System and method for optical detection of cognitive impairment
WO2018101886A1 (en) A computer system for alerting emergency services
US10070787B2 (en) System and method for detection and monitoring of a physical condition of a user
KR20200056660A (ko) 얼굴 내 미세움직임 기반 통증 모니터링 방법 및 시스템
US20220409120A1 (en) Information Processing Method, Computer Program, Information Processing Device, and Information Processing System
CN115132364A (zh) 一种近视风险确定方法、装置、存储介质及可穿戴设备
Avendano-Valencia et al. Video-based eye tracking performance for computer-assisted diagnostic support of diabetic neuropathy
JP7209954B2 (ja) 眼振解析システム
CN118338853A (zh) 计算机程序、信息处理方法及信息处理装置
CN118202423A (zh) 程序、信息处理装置及信息处理方法
CN115067903A (zh) 血压监控装置、血压监控方法和存储介质
JP2011244841A (ja) 生体情報計測処理装置及び生体情報計測処理方法
JP2019180831A (ja) 眼球運動特徴量算出システム、眼球運動特徴量算出方法及び眼球運動特徴量算出プログラム
JP7419904B2 (ja) 生体モニタ装置、生体モニタ方法及びプログラム
JP2019195349A (ja) うつ状態検知方法、及びうつ状態検知装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination