知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022134068
(43)【公開日】2022-09-14
(54)【発明の名称】生体情報演算システム、サーバ、及びデータ構造
(51)【国際特許分類】
A61B 5/145 20060101AFI20220907BHJP
A61B 5/02 20060101ALI20220907BHJP
A61B 5/022 20060101ALI20220907BHJP
A61B 5/0245 20060101ALI20220907BHJP
A61B 5/1455 20060101ALI20220907BHJP
G06N 20/00 20190101ALI20220907BHJP
G16H 10/00 20180101ALI20220907BHJP
【ＦＩ】
A61B5/145
A61B5/02 310A
A61B5/02 310J
A61B5/02 310Z
A61B5/022 400F
A61B5/0245 200
A61B5/1455
G06N20/00
G16H10/00
【審査請求】未請求
【請求項の数】3
【出願形態】ＯＬ
(21)【出願番号】P 2021095741
(22)【出願日】2021-06-08
(62)【分割の表示】P 2021032880の分割
【原出願日】2021-03-02
(71)【出願人】
【識別番号】520339242
【氏名又は名称】ＳＳＳＴ株式会社
(74)【代理人】
【識別番号】100120868
【弁理士】
【氏名又は名称】安彦 元
(72)【発明者】
【氏名】倉沢 進太郎
(72)【発明者】
【氏名】千野 駿
【テーマコード（参考）】
4C017
4C038
5L099
【Ｆターム（参考）】
4C017AA02
4C017AA08
4C017AA10
4C017AA12
4C017AA14
4C017AA20
4C017AB02
4C017AC03
4C017AC26
4C017BB12
4C017BC11
4C017BD01
4C017CC02
4C017FF05
4C038KK01
4C038KK05
4C038KK10
4C038KL05
4C038KL07
4C038KX01
5L099AA22
(57)【要約】
【課題】生体情報を評価する際の精度向上を図ることができる生体情報演算システムを提供する。
【解決手段】ユーザの脈波に基づく１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する取得手段と、データベースと、データベースを参照し、第１評価データに対する第１生体情報を含む第１評価結果、及び第２評価データに対する第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する生成手段と、第１評価結果、及び第２評価結果を保存する保存手段と、を備える。データベースには、第１評価データ及び第２評価データを処理するために用いられる分類情報が記憶される。
【選択図】図１
【解決手段】ユーザの脈波に基づく１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する取得手段と、データベースと、データベースを参照し、第１評価データに対する第１生体情報を含む第１評価結果、及び第２評価データに対する第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する生成手段と、第１評価結果、及び第２評価結果を保存する保存手段と、を備える。データベースには、第１評価データ及び第２評価データを処理するために用いられる分類情報が記憶される。
【選択図】図１
【特許請求の範囲】
【請求項1】
ユーザの生体情報を評価する生体情報演算システムであって、
前記ユーザの脈波に基づく１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する取得手段と、
前記第１評価データ及び前記第２評価データを処理するために用いられる分類情報が記憶されたデータベースと、
前記データベースを参照し、
前記第１評価データに対する第１生体情報を含む第１評価結果、及び
前記第２評価データに対する前記第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、
をそれぞれ生成する生成手段と、
前記第１評価結果、及び前記第２評価結果を保存する保存手段と、
を備えること
を特徴とする生体情報演算システム。
前記ユーザの脈波に基づく１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する取得手段と、
前記第１評価データ及び前記第２評価データを処理するために用いられる分類情報が記憶されたデータベースと、
前記データベースを参照し、
前記第１評価データに対する第１生体情報を含む第１評価結果、及び
前記第２評価データに対する前記第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、
をそれぞれ生成する生成手段と、
前記第１評価結果、及び前記第２評価結果を保存する保存手段と、
を備えること
を特徴とする生体情報演算システム。
【請求項2】
請求項１記載の前記第１評価結果、及び前記第２評価結果が保存されたことを特徴とするサーバ。
【請求項3】
表示部、制御部及び記憶部を備えるコンピュータに用いられ、前記記憶部に記憶されるデータ構造であって、
請求項１記載の生体情報演算システムにより生成された前記第１評価結果、及び前記第２評価結果を含み、
前記第１評価結果、及び前記第２評価結果は、前記制御部が前記ユーザの特徴を総合的に評価した総合評価結果を生成する際に用いられること
を特徴とするデータ構造。
請求項１記載の生体情報演算システムにより生成された前記第１評価結果、及び前記第２評価結果を含み、
前記第１評価結果、及び前記第２評価結果は、前記制御部が前記ユーザの特徴を総合的に評価した総合評価結果を生成する際に用いられること
を特徴とするデータ構造。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、生体情報演算システム、サーバ、及びデータ構造に関する。
【背景技術】
【0002】
従来、ユーザの血中二酸化炭素分圧（ＰａＣＯ２）等の生体情報を評価する方法として、例えば特許文献１のような方法が提案されている。
【0003】
特許文献１では、互いに異なる光波長を有する少なくとも２つの容積脈波のそれぞれについての平均フレームを構成した後、それら２つの容積脈波についての２つの平均フレーム間のゲインを推定するために用いることが可能であり、そのゲイン値を、血中酸素飽和度を取得するための情報、または血中に存在する他の成分、例えば、ヘモグロビン、二酸化炭素またはその他のようなものを推定するために用いてもよい旨が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特表２０２０－５１３８７６号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
ここで、例えばユーザの生体情報を評価する際、一度に複数の生体情報に関する評価が望まれている。この点、特許文献１の開示技術では、生体情報のうち血中二酸化炭素飽和度や、ヘモグロビン等を測定する際、２つの容積脈波を用いることを前提としている。このため、各容積脈波の計測条件に起因するデータのばらつきが、推定精度に大きく影響する場合がある。また、特許文献１の開示技術を用いて複数の生体情報を推定する場合には、生体情報の数や種類に応じた複数の容積脈波を取得する必要がある。このため、複数の生体情報を推定するために必要な容積脈波の数に比例して、容積脈波毎のばらつきに起因した推定精度の低下が懸念として挙げられる。従って、生体情報を評価する際の精度向上が望まれている。
【0006】
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、生体情報を評価する際の精度向上を図ることができる生体情報演算システム、サーバ、及びデータ構造を提供することにある。
【課題を解決するための手段】
【0007】
第１発明に係る生体情報演算システムは、ユーザの生体情報を評価する生体情報演算システムであって、前記ユーザの脈波に基づく１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する取得手段と、前記第１評価データ及び前記第２評価データを処理するために用いられる分類情報が記憶されたデータベースと、前記データベースを参照し、前記第１評価データに対する第１生体情報を含む第１評価結果、及び前記第２評価データに対する前記第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する生成手段と、前記第１評価結果、及び前記第２評価結果を保存する保存手段と、を備えることを特徴とする。
【0008】
第２発明に係るサーバは、第１発明における前記第１評価結果、及び前記第２評価結果が保存されたことを特徴とする。
【0009】
第３発明に係るデータ構造は、表示部、制御部及び記憶部を備えるコンピュータに用いられ、前記記憶部に記憶されるデータ構造であって、請求項１記載の生体情報演算システムにより生成された前記第１評価結果、及び前記第２評価結果を含み、前記第１評価結果、及び前記第２評価結果は、前記制御部が前記ユーザの特徴を総合的に評価した総合評価結果を生成する際に用いられることを特徴とする。
【発明の効果】
【0010】
第１発明によれば、取得手段は、１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する。また、生成手段は、第１評価データに対する第１生体情報を含む第１評価結果、及び第２評価データに対する第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する。即ち、第１生体情報及び第２生体情報は、１つのユーザの脈波に基づき算出される。このため、各生体情報を算出する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。
【0011】
特に、第２発明によれば、サーバは、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を保存することが可能となる。
【0012】
特に、第３発明によれば、データ構造は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を含み、総合評価結果を生成する際に用いることが可能となる。
【図面の簡単な説明】
【0013】
【発明を実施するための形態】
【0014】
以下、本発明の実施形態における生体情報演算システム、サーバ、及びデータ構造の一例について、図面を参照しながら説明する。
【0015】
（第１実施形態：生体情報演算システム１００）
図１は、第１実施形態における生体情報演算システム１００の一例を示す模式図である。
図１は、第１実施形態における生体情報演算システム１００の一例を示す模式図である。
【0016】
生体情報演算システム１００は、ユーザの生体情報を評価するために用いられる。生体情報演算システム１００は、ユーザの脈波に基づく複数の評価データから、それぞれ異なる種類の生体情報を含む複数の評価結果を生成し、各評価結果を保存することができる。即ち、ユーザから計測された１つの脈波に基づき、複数種類の生体情報を含む評価結果の生成を実現できる。なお、「生体情報」とは、例えば脈波から推定できる血液の特徴や、体の特徴等を示す。
【0017】
生体情報として、例えば血中二酸化炭素の特徴が用いられるほか、例えば血糖値、血圧、酸素飽和度、乳酸値、脈拍数、呼吸数、ストレスレベル、血管年齢、糖尿病の程度等が用いられる。なお、「血中二酸化炭素の特徴」とは、ユーザの血液に含まれる二酸化炭素の程度を示す。血中二酸化炭素の特徴として、例えば血中二酸化炭素分圧（ＰａＣＯ２）の値が用いられるほか、血中二酸化炭素の溶存濃度や、血液に含まれる重炭酸・バイカーボネート（ＨＣＯ３
－）の濃度が用いられてもよく、状況に応じて血液のｐＨを考慮した値が用いられてもよい。
【0018】
生体情報演算システム１００は、例えば図１に示すように、生体情報演算装置１を備え、例えばセンサ５及びサーバ４の少なくとも何れかを備えてもよい。生体情報演算装置１は、例えば通信網３を介してセンサ５やサーバ４と接続される。
【0019】
生体情報演算システム１００では、例えば図２（ａ）に示すように、生体情報演算装置１が、センサ５等により生成されたセンサデータを取得する。センサデータは、特定の期間に計測された１つのユーザの脈波の特徴を含むデータを示す。その後、生体情報演算装置１は、取得した１つのセンサデータに対し、フィルタ処理等の前処理を実施し、複数の評価データ（例えば第１評価データ及び第２評価データ）を取得する。即ち、生体情報演算装置１は、各評価データを取得する際、１つのセンサデータに対し、それぞれ異なる種類の前処理を実施する。
【0020】
生体情報演算装置１は、データベースを参照し、各評価データに対してそれぞれ異なる種類の生体情報（例えば第１生体情報及び第２生体情報）を算出する。その後、生体情報演算装置１は、それぞれ異なる種類の生体情報を含む複数の評価結果（例えば第１評価結果及び第２評価結果）を生成する。即ち、複数の生体情報は、１つのユーザの脈波に基づき算出される。このため、各生体情報を算出する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。
【0021】
ここで、生体情報演算装置１は、各評価データに対する生体情報を算出する際、データベースを参照する。データベースには、複数の学習用データを用いて生成された分類情報が記憶される。
【0022】
分類情報は、例えば図３（ａ）に示すように、過去に取得された学習用脈波に基づく入力データ、及び入力データに紐づく生体情報を含む参照データの一対を学習用データとして、複数の学習用データを用いて生成される。このため、生体情報を算出する際、過去に実績のある脈波の特徴と生体情報との繋がりを踏まえ、定量的な各評価結果を生成することができる。これにより、ユーザ等の主観に伴う評価のばらつきを抑制することが可能となる。
【0023】
なお、分類情報は、例えば図３（ｂ）に示すように、異なる種類の学習データを用いて生成された複数の分類情報（例えば第１分類情報、及び第２分類情報）を含んでもよい。この場合、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。
【0024】
生体情報演算装置１は、生成した複数の評価結果をサーバ４等に保存する。これにより、各評価結果の二次利用が容易に実現できる。
【0025】
生体情報演算装置１は、例えば生成した各評価結果をディスプレイ等に出力する。これにより、ユーザは、生成された複数の評価結果を把握することができる。
【0026】
なお、生体情報演算システム１００では、例えばセンサ５等から複数の評価データを取得してもよい。この場合、センサデータから複数の評価データを取得する前処理は、センサ５等により実施される。
【0027】
＜センサデータ＞
センサデータは、ユーザの脈波の特徴を示すデータを含み、例えば脈波以外の特徴を示すデータ（ノイズ）を含んでもよい。センサデータは、測定時間に対する振幅を示すデータであり、用途やセンサデータの生成条件に応じたフィルタ処理を実施することで、センサデータから加速度脈波や速度脈波等に相当するデータを取得することができる。
センサデータは、ユーザの脈波の特徴を示すデータを含み、例えば脈波以外の特徴を示すデータ（ノイズ）を含んでもよい。センサデータは、測定時間に対する振幅を示すデータであり、用途やセンサデータの生成条件に応じたフィルタ処理を実施することで、センサデータから加速度脈波や速度脈波等に相当するデータを取得することができる。
【0028】
センサデータは、ひずみセンサ、ジャイロセンサ、光電容積脈波（ＰＰＧ）センサ、圧力センサ等の公知のセンサにより生成することができる。センサデータは、デジタル信号のほか、例えばアナログ信号でもよい。なお、センサデータを生成する際の測定時間は、例えば脈波の１～２０周期分の測定時間であり、センサデータの処理方法や、データ通信方法等の条件に応じて、任意に設定することができる。
【0029】
＜評価データ＞
評価データは、生体情報を算出するためのデータを示す。評価データは、例えばユーザの脈波に基づく加速度脈波に相当するデータを示し、特定の周期（例えば１周期）に対する振幅を示す。
評価データは、生体情報を算出するためのデータを示す。評価データは、例えばユーザの脈波に基づく加速度脈波に相当するデータを示し、特定の周期（例えば１周期）に対する振幅を示す。
【0030】
評価データは、センサデータを生体情報演算装置１等によって処理（前処理）を実施することで取得される。例えば図４（ａ）～図４（ｄ）に示すように、センサデータに対して複数の処理を実施することで、評価データを得ることができる。各処理の詳細については、後述する。
【0031】
＜データベース＞
データベースは、主に、評価データに対する評価結果を生成する際に用いられる。データベースには、１つ以上の分類情報が記憶されるほか、例えば分類情報の生成に用いられた複数の学習用データが記憶されてもよい。
データベースは、主に、評価データに対する評価結果を生成する際に用いられる。データベースには、１つ以上の分類情報が記憶されるほか、例えば分類情報の生成に用いられた複数の学習用データが記憶されてもよい。
【0032】
分類情報は、例えば予め取得された過去の評価データ（入力データ）と、生体情報を含む参照データとの相間関係を示す関数である。分類情報は、例えば入力データを説明変数とし、参照データを目的変数として、回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。分類情報は、例えば検量モデルを定期的に更新することができるほか、ユーザの性別、年齢、運動内容等の属性情報毎に生成された複数の検量モデルを含んでもよい。
【0033】
分類情報を生成する際に用いる回帰分析の方法として、例えばＰＬＳ（Partial Least Squares）回帰分析、クラス毎に主成分分析を行って主成分モデルを得るＳＩＭＣＡ（Soft Independent Modeling of Class Analogy）法を利用した回帰分析等を用いることができる。
【0034】
分類情報は、例えば複数の学習用データを用いた機械学習により生成された、学習済みモデルを含んでもよい。学習済みモデルは、例えばＣＮＮ（Convolutional Neural Network）等のニューラルネットワークモデルを示すほか、ＳＶＭ（Support vector machine）等を示す。また、機械学習として、例えば深層学習を用いることができる。
【0035】
入力データは、評価データと同種のデータが用いられ、例えば対応する生体情報が明確となっている過去の評価データを示す。例えば、被検者にセンサ５等を装着させ、学習用脈波の特徴を示すセンサデータ（学習用センサデータ）を生成する。そして、学習用センサデータに対して処理を実施することで、入力データを取得することができる。なお、入力データは、生体情報演算システム１００のユーザから取得するほか、例えばユーザとは別のユーザから取得してもよい。即ち、上述した被検者は、生体情報演算システム１００のユーザであるほか、ユーザ以外を対象としてもよく、特定又は不特定の多数でもよい。
【0036】
入力データは、例えば評価データを取得する際に利用するセンサ５等の種類、センサデータの生成条件、及びセンサデータに対する処理条件と同様の内容によって取得されることが好ましい。例えば上記３つの内容を統一することで、生体情報を生成する際の精度を飛躍的に向上させることが可能となる。
【0037】
参照データは、計測装置等を用いて計測された、被検者の生体情報を含む。例えば被検者にセンサ５等を装着させて学習用センサデータを生成する際、被検者の血中二酸化炭素の特徴等のような生体情報を計測することで、入力データに紐づく参照データを取得することができる。この場合、生体情報を計測するタイミングは、学習用センサデータを生成するタイミングと同時が好ましいが、例えば１～１０分程度前後するタイミングでもよい。
【0038】
参照データは、公知の計測装置を用いて計測される。例えば血中二酸化炭素濃度の特徴を計測する場合、計測装置として、経皮血液ガスモニタＴＣＭ５（ラジオメーターバーゼル社製）等の装置が用いられる。例えば血中乳酸量を計測する場合、計測装置として、ラクテート・プロ２（アークレイ株式会社製）等の公知の装置が用いられる。例えば酸素飽和度を計測する場合、計測装置として、ＰＵＬＳＯＸ－Ｎｅｏ（コニカミノルタ株式会社製）等の公知の装置が用いられる。
【0039】
＜生体情報＞
生体情報演算システム１００において算出される生体情報は、参照データと同種のデータとして算出される。生体情報は、分類情報を参照し、参照データと同一又は類似のデータとして算出される。生体情報演算システム１００では、例えば複数の評価データを任意の時系列に沿ってそれぞれ取得し、各評価データに対する複数の生体情報を複数生成する。また、生体情報演算システム１００では、例えば任意のタイミング毎に複数の評価データを取得し、各評価データに対する複数の生体情報を複数算出してもよい。
生体情報演算システム１００において算出される生体情報は、参照データと同種のデータとして算出される。生体情報は、分類情報を参照し、参照データと同一又は類似のデータとして算出される。生体情報演算システム１００では、例えば複数の評価データを任意の時系列に沿ってそれぞれ取得し、各評価データに対する複数の生体情報を複数生成する。また、生体情報演算システム１００では、例えば任意のタイミング毎に複数の評価データを取得し、各評価データに対する複数の生体情報を複数算出してもよい。
【0040】
＜評価結果＞
評価結果は、生体情報演算装置１により算出されたユーザの生体情報を含む。評価結果には、生体情報のほか、例えば予め設定された閾値との比較結果が含まれてもよい。評価結果は、例えば時系列に沿った複数の生体情報に基づき導出した値を含んでもよい。評価結果には、例えば「健康」、「運動が必要」、「無酸素性運動中」等のような、ユーザの健康状態、健康維持に繋がる助言、運動能力の傾向に対する評価を示す情報が含まれてもよい。これにより、複数の生体情報毎の経時変化を容易に把握することができる。例えば評価結果を出力することで、ユーザの生体情報を把握することができる。
評価結果は、生体情報演算装置１により算出されたユーザの生体情報を含む。評価結果には、生体情報のほか、例えば予め設定された閾値との比較結果が含まれてもよい。評価結果は、例えば時系列に沿った複数の生体情報に基づき導出した値を含んでもよい。評価結果には、例えば「健康」、「運動が必要」、「無酸素性運動中」等のような、ユーザの健康状態、健康維持に繋がる助言、運動能力の傾向に対する評価を示す情報が含まれてもよい。これにより、複数の生体情報毎の経時変化を容易に把握することができる。例えば評価結果を出力することで、ユーザの生体情報を把握することができる。
【0041】
＜生体情報演算装置１＞
生体情報演算装置１は、例えばパーソナルコンピュータ（ＰＣ）、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等の電子機器を示し、例えばユーザの操作に基づいて、通信網３を介して通信可能な電子機器を示す。なお、生体情報演算装置１は、センサ５を内蔵してもよい。以下、生体情報演算装置１として、ＰＣが用いられる場合の一例を説明する。
生体情報演算装置１は、例えばパーソナルコンピュータ（ＰＣ）、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等の電子機器を示し、例えばユーザの操作に基づいて、通信網３を介して通信可能な電子機器を示す。なお、生体情報演算装置１は、センサ５を内蔵してもよい。以下、生体情報演算装置１として、ＰＣが用いられる場合の一例を説明する。
【0042】
【0043】
生体情報演算装置１は、例えば図５（ａ）に示すように、筐体１０と、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、保存部１０４と、Ｉ／Ｆ１０５～１０７とを備える。各構成１０１～１０７は、内部バス１１０により接続される。
【0044】
ＣＰＵ１０１は、生体情報演算装置１全体を制御する。ＲＯＭ１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。保存部１０４は、データベースや評価データ等の各種情報が記憶される。保存部１０４として、例えばＨＤＤ（Hard Disk Drive）のほか、ＳＳＤ（Solid State Drive）等のデータ保存装置が用いられる。なお、例えば生体情報演算装置１は、図示しないＧＰＵ（Graphics Processing Unit）を有してもよい。
【0045】
Ｉ／Ｆ１０５は、通信網３を介して、必要に応じてサーバ４やセンサ５等との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部１０８との情報の送受信を行うためのインターフェースである。入力部１０８として、例えばキーボードが用いられ、生体情報演算装置１のユーザ等は、入力部１０８を介して、各種情報、又は生体情報演算装置１の制御コマンド等を入力する。Ｉ／Ｆ１０７は、表示部１０９との各種情報の送受信を行うためのインターフェースである。表示部１０９は、保存部１０４に保存された各種情報、又は評価結果等を表示する。表示部１０９として、ディスプレイが用いられ、例えばタッチパネル式の場合、入力部１０８と一体に設けられる。
【0046】
図５（ｂ）は、生体情報演算装置１の機能の一例を示す模式図である。生体情報演算装置１は、取得部１１と、生成部１２と、出力部１３と、記憶部１４とを備え、例えば学習部１５を備えてもよい。なお、図５（ｂ）に示した各機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。
【0047】
＜取得部１１＞
取得部１１は、ユーザの脈波に基づく複数の評価データを取得する。取得部１１は、例えばセンサ５等からセンサデータを取得したあと、センサデータに対して処理を実施することで、評価データを取得する。取得部１１は、それぞれ異なる種類の処理を実施することで、１つのセンサデータに対して複数の評価データを取得する。
取得部１１は、ユーザの脈波に基づく複数の評価データを取得する。取得部１１は、例えばセンサ５等からセンサデータを取得したあと、センサデータに対して処理を実施することで、評価データを取得する。取得部１１は、それぞれ異なる種類の処理を実施することで、１つのセンサデータに対して複数の評価データを取得する。
【0048】
取得部１１は、例えば図４（ａ）に示すように、取得したセンサデータに対し、フィルタリング処理（フィルタ処理）を実施する。フィルタ処理では、例えば０．５～５．０Ｈｚのバンドパスフィルタが用いられる。これにより、取得部１１は、ユーザの脈波に相当するデータ（脈波データ）を抽出する。脈波データは、例えば速度脈波に相当するデータを示す。なお、脈波データは、例えば加速度脈波又は容積脈波に相当するデータを示してもよく、センサの種類や用途に応じて任意に設定できる。また、バンドパスフィルタのフィルタ範囲は、用途に応じて任意に設定することができる。
【0049】
取得部１１は、例えば脈波データに対し、微分処理を実施する。例えば速度脈波に相当する脈波データに対して微分処理が実施される場合、取得部１１は、加速度脈波に相当するデータ（微分データ）を取得する。なお、微分処理では、１回微分のほか２回微分が実施されてもよい。
【0050】
取得部１１は、例えば微分データに対し、分割処理を実施する。分割処理では、例えば複数周期の加速度脈波に相当する微分データが、１周期毎の加速度脈波に相当するデータ（分割データ）に分割される。このため、取得部１１は、例えば１つの微分データに対して微分処理を実施することで、複数の分割データを取得することができる。なお、分割処理では、用途に応じて任意の周期（例えば周期の正数倍）毎に、微分データを分割することができる。
【0051】
例えば分割処理において、分割した各分割データにおけるデータ量が、それぞれ異なる場合がある。この場合、取得部１１は、最も少ないデータ量の分割データを特定し、他の分割データに対して、データ量の削減（トリミング）を実施してもよい。これにより、各分割データにおけるデータ量を統一することができ、各分割データにおけるデータの対比が容易になる。
【0052】
上記のほか、例えば分割データの時間軸に対応する値を対象に規格化処理を実施してもよい。規格化処理では、例えば時間軸に対応する値の最小値を０とし、最大値を１とした規格化が実施される。これにより、各分割データにおけるデータの対比が容易になる。
【0053】
取得部１１は、例えばデータ量の削減、又は規格化を実施した複数の分割データにおける平均を算出し、分割データとしてもよい。
【0054】
取得部１１は、分割データに対し、規格化処理を実施する。規格化処理では、振幅に対応する値を対象に、規格化されたデータ（規格化データ）が生成される。規格化処理では、例えば振幅の最低値を０とし、振幅の最高値を１とした規格化が実施される。取得部１１は、例えば規格化データを評価データ（例えば評価データＡ）として取得する。この場合、評価データＡとして、ユーザの加速度脈波に相当するデータが得られる。
【0055】
取得部１１は、上述した各処理を順次実施するほか、例えば図４（ｂ）に示すように、微分処理を実施しなくてもよい。この場合、評価データ（例えば評価データＢ）として、ユーザの速度脈波に相当するデータが得られる。
【0056】
また、取得部１１は、例えば上述した各処理の一部のみを実施してもよい。この場合、取得部１１は、脈波データ、微分データ、分割データ、トリミングされた分割データ、及び時間軸に対応する値を規格化した分割データの何れかを、評価データとして取得してもよく、用途に応じて任意に設定できる。
【0057】
取得部１１は、例えば図４（ｃ）に示すように、生体情報として脈拍数を算出する場合に適した評価データＣを取得してもよい。
【0058】
この場合、取得部１１は、上述したフィルタ処理をセンサデータに対して実施し、脈波データを抽出する。そして、取得部１１は、脈波データに対し、ピーク位置算出処理を実施する。ピーク位置算出処理では、脈波データに含まれる複数のピーク（振幅の最大値）を検出し、サンプリングされた順番（測定開始からの時間に相当）を特定する。これにより、取得部１１は、脈波データに含まれるピーク位置データを取得する。
【0059】
その後、取得部１１は、ピーク位置データに対し、ピーク間隔平均算出処理を実施する。ピーク間隔平均算出処理は、ピーク位置データに含まれるピークの間隔（隣接するピークがサンプリングされた順番の差分）を算出し、例えばピーク間隔の平均値を算出する。その後、取得部１１は、ピーク間隔又はピーク間隔の平均値に対し、センサデータのサンプリングレートで割り、秒数に相当するピーク間隔を示すデータを、評価データ（例えば評価データＣ）として取得する。
【0060】
取得部１１は、例えば図４（ｄ）に示すように、生体情報として呼吸数を算出する場合に適した評価データＤを取得してもよい。
【0061】
この場合、取得部１１は、上述したフィルタ処理をセンサデータに対して実施し、脈波データを抽出する。その後、取得部１１は、脈波データに対し、フーリエ変換処理を実施する。フーリエ変換処理では、例えばサンプリング時間対振幅を示す脈波データが、周波数対強度を示す周波数データに変換される。これにより、取得部１１は、脈波データに対する周波数データを取得する。
【0062】
その後、取得部１１は、周波数データに対し、最大周波数検出処理を実施する。最大周波数検出処理では、周波数データのうち、０．１５～０．３５Ｈｚの間における最大強度の周波数が特定される。これにより、取得部１１は、特定された周波数の値を、評価データＤとして取得する。
【0063】
＜生成部１２＞
生成部１２は、データベースを参照し、評価データに対する評価結果を生成する。生成部１２は、例えばデータベースに記憶された分類情報を参照し、評価データに対する生体情報を算出し、評価結果として生成する。生成部１２は、それぞれ異なる複数の評価データ毎に対する評価結果を、複数生成する。
生成部１２は、データベースを参照し、評価データに対する評価結果を生成する。生成部１２は、例えばデータベースに記憶された分類情報を参照し、評価データに対する生体情報を算出し、評価結果として生成する。生成部１２は、それぞれ異なる複数の評価データ毎に対する評価結果を、複数生成する。
【0064】
生成部１２は、例えば複数の評価データに対し、同一の分類情報を参照して複数の評価データを生成してもよい。この場合、例えばそれぞれ異なる種類の前処理を用いて複数の評価データを取得することで、同一の分類情報を用いても、それぞれ異なる種類の生体情報を算出することができる。このため、評価データ毎に分類情報を生成する必要が無く、データベースのデータ容量を抑えることができる。
【0065】
生成部１２は、例えば複数の評価データに対し、それぞれ異なる分類情報を参照して複数の生体情報を算出してもよい。この場合、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。
【0066】
生成部１２は、例えば保存部１０４等に予め記憶された表示用のフォーマットを用いて、生体情報についてユーザが理解できる形式に変換した評価結果を生成してもよい。
【0067】
＜出力部１３＞
出力部１３は、複数の評価結果を出力する。出力部１３は、表示部１０９に複数の評価結果を出力するほか、例えばセンサ５等に複数の評価結果を出力してもよい。
出力部１３は、複数の評価結果を出力する。出力部１３は、表示部１０９に複数の評価結果を出力するほか、例えばセンサ５等に複数の評価結果を出力してもよい。
【0068】
＜記憶部１４＞
記憶部１４は、保存部１０４に保存されたデータベース等の各種データを、必要に応じて取出す。記憶部１４は、各構成１１～１３、１５により取得又は生成された各種データを、必要に応じて保存部１０４に保存する。
記憶部１４は、保存部１０４に保存されたデータベース等の各種データを、必要に応じて取出す。記憶部１４は、各構成１１～１３、１５により取得又は生成された各種データを、必要に応じて保存部１０４に保存する。
【0069】
記憶部１４は、例えば複数の評価結果に紐づくセンサデータを、保存部１０４に保存してもよい。例えば記憶部１４は、センサデータを用いて生成された複数の評価データも、保存部１０４に保存してもよい。
【0070】
＜学習部１５＞
学習部１５は、例えば複数の学習用データを用いて、分類情報を生成する。学習部１５は、例えば新たな学習用データを取得し、既存の分類情報を更新してもよい。
学習部１５は、例えば複数の学習用データを用いて、分類情報を生成する。学習部１５は、例えば新たな学習用データを取得し、既存の分類情報を更新してもよい。
【0071】
＜通信網３＞
通信網３は、生体情報演算装置１と、サーバ４と、センサ５とを通信回線を介して接続される公知のインターネット網等である。通信網３は、生体情報演算システム１００を一定の狭いエリア内で運用する場合には、ＬＡＮ（Local Area Network）等で構成されてもよい。また、通信網３は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網３は、有線通信網に限定されるものではなく、無線通信網で実現されてもよく、用途に応じて任意に設定できる。
通信網３は、生体情報演算装置１と、サーバ４と、センサ５とを通信回線を介して接続される公知のインターネット網等である。通信網３は、生体情報演算システム１００を一定の狭いエリア内で運用する場合には、ＬＡＮ（Local Area Network）等で構成されてもよい。また、通信網３は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網３は、有線通信網に限定されるものではなく、無線通信網で実現されてもよく、用途に応じて任意に設定できる。
【0072】
＜サーバ４＞
サーバ４は、通信網３を介して送られてきた評価結果等の各種情報を保存し、蓄積する。サーバ４は、生体情報演算装置１からの要求に基づき、通信網３を介して蓄積された情報を生体情報演算装置１へと送信する。
サーバ４は、通信網３を介して送られてきた評価結果等の各種情報を保存し、蓄積する。サーバ４は、生体情報演算装置１からの要求に基づき、通信網３を介して蓄積された情報を生体情報演算装置１へと送信する。
【0073】
サーバ４は、例えば複数の生体情報演算装置１と接続され、各生体情報演算装置１から評価結果等の各種情報を取得し、一括して保存してもよい。なお、サーバ４は、上述した生体情報演算装置１の備える各機能のうち、少なくとも一部の機能を備えてもよい。また、サーバ４は、上述した生体情報演算装置１に記憶されたデータベース等が記憶されてもよい。
【0074】
＜センサ５＞
センサ５は、センサデータを生成する。センサ５は、例えば図６（ａ）に示すように、検出部６を備える。センサ５は、検出部６を介してユーザの脈波を検出可能な位置に装着され、例えばリストバンド５５に固定される。
センサ５は、センサデータを生成する。センサ５は、例えば図６（ａ）に示すように、検出部６を備える。センサ５は、検出部６を介してユーザの脈波を検出可能な位置に装着され、例えばリストバンド５５に固定される。
【0075】
検出部６は、ユーザの脈波を検出可能な公知の検出装置が用いられる。検出部６として、例えばファイバブラッググレーティング（ＦＢＧ）センサ等のひずみセンサ、ジャイロセンサ、脈波信号測定のための１つ以上の電極、光電容積脈波（ＰＰＧ）センサ、圧力センサ、及び光検出モジュールの少なくとも何れかが用いられる。検出部６は、例えば複数配置されてもよい。
【0076】
なお、センサ５は、衣服に埋め込まれてもよい。また、センサ５を装着するユーザは、人間のほか、犬や猫等のペットを対象としてもよく、例えば牛や豚等の家畜、魚等の養殖を対象としてもよい。
【0077】
センサ５は、例えば図６（ｂ）に示すように、取得部５０と、通信Ｉ／Ｆ５１と、メモリ５２と、命令部５３とを備え、各構成がそれぞれ内部バス５４で接続される。
【0078】
取得部５０は、検出部６を介してユーザの脈波を測定し、センサデータを生成する。取得部５０は、例えば生成したセンサデータを、通信Ｉ／Ｆ５１、又はメモリ５２へと送信する。
【0079】
通信Ｉ／Ｆ５１は、通信網３を介して、センサデータ等の各種データを生体情報演算装置１やサーバ４に送信する。また、通信Ｉ／Ｆ５１は、通信網３と接続するための回線制御回路や、生体情報演算装置１やサーバ４との間でデータ通信を行うための信号変換回路等が、実装されている。通信Ｉ／Ｆ５１は、内部バス５４からの各種命令に変換処理を施して、これを通信網３側へ送出するとともに、通信網３からのデータを受信した場合には、これに所定の変換処理を施して内部バス５４へ送信する。
【0080】
メモリ５２は、取得部５０から送信されたセンサデータ等の各種データを保存する。メモリ５２は、例えば通信網３を介して接続される他の端末装置から命令を受けることにより、保存したセンサデータ等の各種データを、通信Ｉ／Ｆ５１へ送信する。
【0081】
命令部５３は、センサデータを取得するための操作ボタンやキーボード等を含み、例えばＣＰＵ等のプロセッサを含む。命令部５３は、センサデータの取得の命令を受け付けた場合に、これを取得部５０に通知する。この通知を受けた取得部５０は、センサデータを取得する。なお、命令部５３は、例えば図４（ａ）～図４（ｄ）に示すように、センサデータから複数の評価データを取得するための処理を実施してもよい。
【0082】
ここで、センサデータを取得する一例として、ＦＢＧセンサを用いる場合を説明する。
【0083】
ＦＢＧセンサは、１本の光ファイバ内に所定間隔をあけて回折格子構造を形成したである。ＦＢＧセンサは、例えばセンサ部分の長さが１０ｍｍ、波長分解能が±０．１ｐｍ、波長範囲が１５５０±０．５ｎｍ、ファイバの直径が１４５μｍ、コア径１０．５μｍである特徴を持つ。ＦＢＧセンサを上述した検出部６として、ユーザの皮膚に接触させた状態で測定をすることができる。
【0084】
例えば光ファイバに用いる光源として、波長範囲１５２５～１５７０ｎｍのＡＳＥ（Amplified Spontaneous Emission）光源が用いられる。光源からの出射光は、サーキュレータを介してＦＢＧセンサに入射させる。ＦＢＧセンサからの反射光は、サーキュレータを介してマッハツェンダー干渉計に導き、マッハツェンダー干渉計からの出力光を、光検出器によって検知する。マッハツェンダー干渉計は、ビームスプリッタにより光路差のある２つの光路に分離し、再びビームスプリッタにより一つに重ね合わせて干渉光を作り出すためのものである。光路差をつけるため、例えば一方の光ファイバの長さを長くしてもよい。コヒーレント光は、光路差に応じて干渉縞が生じるため、干渉縞のパターンを測定することによって、ＦＢＧセンサに生じた歪の変化、すなわち脈波を検知することができる。取得部５０は、検知された脈波に基づき、センサデータを生成する。これにより、センサデータが取得される。
【0085】
なお、ＦＢＧセンサの歪み量を検出して、脈波の波形を検出する光ファイバセンサシステムは、ＦＢＧセンサに入射させる光源の他に、広い帯域のＡＳＥ光源、サーキュレータ、マッハツェンダー干渉計、ビームスプリッタといった光学系や、光検出器が備える受光センサや、波長シフト量を解析する解析方法を含む。光ファイバセンサシステムは、使用するＦＢＧセンサの特性に応じて光源や帯域光を選択して使用することができ、検波方法等の解析方法についても種々の方法を採用することができる。
【0086】
＜データ構造＞
例えば、上述した生体情報演算システム１００により生成された複数の評価結果（例えば第１評価結果、及び第２評価結果）を含むデータ構造が、サーバ４又は保存部１０４に記憶される。データ構造は、上述した生体情報演算装置１（表示部１０９、ＣＰＵ１０１（制御部）、及び保存部１０４を備えるコンピュータ）に用いられる。複数の評価結果を含むデータ構造は、例えばＣＰＵ１０１によって制御される生成部１２が、各評価結果に基づく総合評価結果を生成する際に用いられる。なお、総合評価結果については、後述する。
例えば、上述した生体情報演算システム１００により生成された複数の評価結果（例えば第１評価結果、及び第２評価結果）を含むデータ構造が、サーバ４又は保存部１０４に記憶される。データ構造は、上述した生体情報演算装置１（表示部１０９、ＣＰＵ１０１（制御部）、及び保存部１０４を備えるコンピュータ）に用いられる。複数の評価結果を含むデータ構造は、例えばＣＰＵ１０１によって制御される生成部１２が、各評価結果に基づく総合評価結果を生成する際に用いられる。なお、総合評価結果については、後述する。
【0087】
（第１実施形態：生体情報演算システム１００の動作）
次に、本実施形態における生体情報演算システム１００の動作の一例について説明する。図７は、本実施形態における生体情報演算システム１００の動作の一例を示すフローチャートである。
次に、本実施形態における生体情報演算システム１００の動作の一例について説明する。図７は、本実施形態における生体情報演算システム１００の動作の一例を示すフローチャートである。
【0088】
生体情報演算システム１００は、例えば生体情報演算装置１内にインストールされた生体情報演算プログラムを介して実行する。即ち、ユーザは、生体情報演算装置１、又はセンサ５を操作し、生体情報演算装置１にインストールされている生体情報演算プログラムを通じて、センサデータからユーザの生体情報を含む評価結果を複数取得することができる。
【0089】
生体情報演算システム１００の動作は、取得ステップＳ１１０と、生成ステップＳ１２０と、保存ステップＳ１４０とを備え、例えば出力ステップＳ１３０を備えてもよい。
【0090】
＜取得ステップＳ１１０＞
取得ステップＳ１１０は、ユーザの脈波に基づき、複数の評価データを取得する。例えばセンサ５の取得部５０は、検出部６を介してユーザの脈波を測定し、センサデータを生成する。取得部５０は、通信Ｉ／Ｆ５１、及び通信網３を介して、センサデータを生体情報演算装置１へ送信する。生体情報演算装置１の取得部１１は、センサ５からセンサデータを受信する。
取得ステップＳ１１０は、ユーザの脈波に基づき、複数の評価データを取得する。例えばセンサ５の取得部５０は、検出部６を介してユーザの脈波を測定し、センサデータを生成する。取得部５０は、通信Ｉ／Ｆ５１、及び通信網３を介して、センサデータを生体情報演算装置１へ送信する。生体情報演算装置１の取得部１１は、センサ５からセンサデータを受信する。
【0091】
取得部１１は、例えば図４（ａ）及び４（ｂ）に示した処理を、センサデータに対して実施し、第１評価データ及び第２評価データを取得する。取得部１１は、例えば記憶部１４を介して、取得した各評価データを保存部１０４に保存する。なお、取得部１１がセンサ５からセンサデータを取得する頻度等の条件は、用途に応じて任意に設定することができる。例えば取得部１１は、予め設定された周期で各評価データを取得する。
【0092】
＜生成ステップＳ１２０＞
次に、生成ステップＳ１２０は、データベースを参照し、各評価データに対する生体情報を含む評価結果を複数生成する。例えば生成部１２は、分類情報を参照し、第１評価データに対する血中二酸化炭素分圧の値を第１生体情報として算出し、第２評価データに対する血糖値を第２生体情報として算出する。生成部１２は、第１生体情報を含む第１評価結果、及び第２生体情報を含む第２評価結果を生成する。
次に、生成ステップＳ１２０は、データベースを参照し、各評価データに対する生体情報を含む評価結果を複数生成する。例えば生成部１２は、分類情報を参照し、第１評価データに対する血中二酸化炭素分圧の値を第１生体情報として算出し、第２評価データに対する血糖値を第２生体情報として算出する。生成部１２は、第１生体情報を含む第１評価結果、及び第２生体情報を含む第２評価結果を生成する。
【0093】
生成部１２は、例えば第１分類情報を参照して第１評価データに対する第１評価結果を生成し、第２分類情報を参照して第２評価データに対する第２評価結果を生成する。この際、第１分類情報及び第２分類情報は、分類情報に含まれ、それぞれ異なる種類の学習用データを用いて生成される。
【0094】
生成部１２は、例えば記憶部１４を介して、生成した各評価結果を保存部１０４に保存する。なお、各評価結果として、特定の値を示すほか、例えば誤差範囲（例えば「○○±２ｍｍＨｇ」等）が算出されてもよい。
【0095】
例えば生体情報として脈拍数を算出する場合、評価データとして、例えば図４（ｃ）に示した評価データＣが用いられ、生成部１２は、分類情報に含まれる脈拍数用分類情報を参照する。脈拍数用分類情報は、例えば６０［秒］をピーク間隔で割る関数を示す。このため、生成部１２は、例えば評価データＣ（ピーク間隔＝０．８５［秒］）に対する脈拍数（＝７１［ｂｐｍ］）を算出することができる。これにより、生成部１２は、脈拍数を示す生体情報を含む評価結果を生成することができる。
【0096】
例えば生体情報として呼吸数を算出する場合、評価データとして、例えば図４（ｄ）に示した評価データＤが用いられ、生成部１２は、分類情報に含まれる呼吸数用分類情報を参照する。呼吸数用分類情報は、例えば特定された周波数に６０［秒］をかける関数を示す。このため、生成部１２は、例えば評価データＤ（特定された周波数＝０．２２５Ｈｚ）に対する呼吸数（＝１３．５［ｂｐｍ］）を算出することができる。これにより、生成部１２は、呼吸数を示す生体情報を含む評価結果を生成することができる。
【0097】
＜出力ステップＳ１３０＞
次に、例えば出力ステップＳ１３０は、複数の評価結果を出力してもよい。例えば出力部１３は、表示部１０９に第１評価結果及び第２評価結果を出力する。
次に、例えば出力ステップＳ１３０は、複数の評価結果を出力してもよい。例えば出力部１３は、表示部１０９に第１評価結果及び第２評価結果を出力する。
【0098】
＜保存ステップＳ１４０＞
次に、保存ステップＳ１４０は、第１評価結果及び第２評価結果を保存する。例えば記憶部１４は、第１評価結果及び第２評価結果を、保存部１０４に保存する。例えば出力部１３は、第１評価結果及び第２評価結果を、通信網３を介してサーバ４に出力し、保存してもよい。例えば保存ステップＳ１４０は、出力ステップＳ１３０の前に実施してもよい。
次に、保存ステップＳ１４０は、第１評価結果及び第２評価結果を保存する。例えば記憶部１４は、第１評価結果及び第２評価結果を、保存部１０４に保存する。例えば出力部１３は、第１評価結果及び第２評価結果を、通信網３を介してサーバ４に出力し、保存してもよい。例えば保存ステップＳ１４０は、出力ステップＳ１３０の前に実施してもよい。
【0099】
なお、保存ステップＳ１４０は、例えば複数の評価結果に紐づくセンサデータを保存してもよい。この場合、センサデータは、複数の評価データの生成に用いられ、ユーザの脈波の特徴を示す。
【0100】
これにより、生体情報演算システム１００の動作が終了する。なお、各ステップを実施する頻度や順番は、用途に応じて任意に設定できる。
【0101】
生体情報演算システム１００では、例えば上述した各ステップＳ１１０、Ｓ１２０を、生体情報演算装置１で実施するほか、少なくとも一部をサーバ４で実施してもよい。この場合、上述した各ステップＳ１１０、Ｓ１２０には、通信網３を介してサーバ４が各種情報を送受信するための処理が含まれる。なお、生体情報演算装置１とサーバ４との間における通信は、公知の技術を用いて実現することができる。
【0102】
例えば取得ステップＳ１１０では、複数の評価データを、サーバ４が取得してもよい。この場合、サーバ４に含まれる取得部は、通信網３を介して生体情報演算装置１から送信された複数の評価データを取得する。
【0103】
サーバ４に含まれる取得部は、例えば生体情報演算装置１又はセンサ５から送信されたセンサデータを取得し、上述した前処理を実施することにより、複数の評価データを取得してもよい。この場合、生体情報演算装置１において、上述した前処理を実施する負荷を低減させることが可能となる。
【0104】
例えば生成ステップＳ１２０では、各評価データに対する評価結果を、サーバ４が複数生成してもよい。この場合、サーバ４に含まれる生成部は、サーバ４に保存されたデータベースを参照し、複数の評価結果を生成する。この場合、生体情報演算装置１において、上述した複数の評価結果を生成する処理を実施する負荷を低減させることが可能となる。
【0105】
なお、生成ステップＳ１２０をサーバ４で実施した場合、出力ステップＳ１３０では、例えばサーバ４に含まれる出力部が、通信網３を介して生体情報演算装置１等に複数の評価結果を送信する。この場合、生体情報演算装置１の出力部１３は、受信した複数の評価結果を表示部１０９に出力する。
【0106】
上記の通り、生体情報演算システム１００における各ステップＳ１１０～Ｓ１４０は、生体情報演算装置１又はサーバ４の何れも実施することができる。特に、取得ステップＳ１１０及び生成ステップＳ１２０をサーバ４で実施することで、生体情報演算装置１に対する負荷の低減等を図ることが可能となる。なお、後述する各実施形態においても同様のため、説明を省略する。
【0107】
本実施形態によれば、取得部１１は、ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する。また、生成部１２は、第１評価データに対する第１生体情報を含む第１評価結果、及び第２評価データに対する第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する。即ち、第１生体情報及び第２生体情報は、１つのユーザの脈波に基づき算出される。このため、各生体情報を算出する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。
【0108】
また、本実施形態によれば、生成部１２は、データベースを参照し、第１評価結果及び第２評価結果を生成する。また、データベースには、複数の学習用データを用いて算出された分類情報が記憶される。このため、各評価結果を生成する際、過去に実績のある脈波の特徴と生体情報との繋がりを踏まえ、定量的な各評価結果を生成することができる。これにより、ユーザ等の主観に伴う評価のばらつきを抑制することが可能となる。
【0109】
また、本実施形態によれば、分類情報は、異なる種類の学習用データを用いて生成された第１分類情報、及び第２分類情報を含む。このため、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。これにより、生体情報を評価する際のさらなる精度向上を図ることが可能となる。
【0110】
また、本実施形態によれば、分類情報は、入力データを説明変数とし、参照データを目的変数としたＰＬＳ回帰分析を用いて得られた検量モデルである。このため、機械学習等を用いて分類情報を算出する場合に比べて、学習用データの数を大幅に減らすことができるとともに、検量モデルの更新を容易に実施することができる。これにより、生体情報演算システム１００の構築及び更新の容易化を図ることが可能となる。
【0111】
また、本実施形態によれば、第１生体情報は、血糖値を示し、第２生体情報は、血圧、脈拍数、呼吸数、血中二酸化炭素濃度の特徴、乳酸値、及び酸素飽和度の少なくとも何れかを示す。このため、従来の計測方法に比べて侵襲式の計測方法を必要としないため、各情報を容易に取得することができる。これにより、ユーザへの負荷を大幅に減少させることが可能となる。
【0112】
また、本実施形態によれば、記憶部１４又はサーバ４は、第１評価結果、及び第２評価結果に紐づくセンサデータを保存することを含む。このため、分類情報の更新や新たに生成する際、学習用データを容易に準備することができる。これにより、生体情報演算システム１００のメンテナンスを容易に実現することが可能となる。
【0113】
また、本実施形態によれば、サーバ４は、サーバ４の含む生成部により第１評価結果、及び第２評価結果を生成する。また、生体情報演算装置１は、第１評価結果、及び第２評価結果をサーバ４から受信し、表示する。このため、生体情報演算装置１に対し、各評価結果を生成する際の負荷を低減させることができる。これにより、生体情報演算装置１の利便性を向上させることが可能となる。また、生体情報演算装置１に、データベースを保存する必要が無い。これにより、生体情報演算装置１のデータ保存容量を大幅に低減させることが可能となる。また、データベースがサーバ４に保存されることで、複数の生体情報演算装置１に対し、１つの分類情報を参照して生成された評価結果を出力することができる。これにより、データベースの更新等のメンテナンスに伴い、生体情報演算装置１毎にデータベースを更新する膨大な時間と費用を削減することが可能となる。
【0114】
また、本実施形態によれば、サーバ４は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を保存することが可能となる。
【0115】
また、本実施形態によれば、データ構造は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を含み、総合評価結果を生成する際に用いることが可能となる。
【0116】
（第２実施形態：生体情報演算システム１００）
次に、第２実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第２実施形態との違いは、付加情報を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第２実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第２実施形態との違いは、付加情報を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0117】
本実施形態における生体情報演算システム１００は、例えば総合評価ステップＳ１５０を備える。生体情報演算システム１００では、例えば上述した生成ステップＳ１２０のあとに、総合評価ステップＳ１５０が実施され、総合評価ステップＳ１５０のあとに保存ステップＳ１４０が実施される。
【0118】
総合評価ステップＳ１５０は、例えば図８に示すように、付加情報を取得し、複数の評価結果（例えば第１評価結果、及び第２評価結果）、及び付加情報に基づき、総合評価結果を生成する。総合評価ステップＳ１５０は、例えば生成部１２に含まれる総合評価部によって実行することができる。
【0119】
付加情報は、ユーザの特徴を示し、例えば上述した生体情報とは異なる情報を示す。この場合、付加情報として、例えばユーザの性別、年齢等の属性情報が用いられるほか、診断結果や運動量等のようなユーザの健康状態等を特定する情報が用いられてもよい。付加情報は、例えば入力部１０８等を介してユーザが入力し、総合取得部等によって取得される。
【0120】
総合評価結果は、ユーザの特徴を総合的に評価した結果を示す。総合評価結果は、例各評価結果に含まれる生体情報に対し、付加情報に基づく補正処理等を実施した結果を示す。例えば付加情報としてユーザの年齢が用いられた場合、予め設定された年代毎の基準値と、各評価結果との比較結果が、総合評価結果として生成される。
【0121】
上記のほか、総合評価結果として、例えば「血糖値が高い」、「血圧が高い」、「運動能力が高い」、「運動量を抑制したほうがよい」等のユーザ毎の特徴を表す文字列が用いられるほか、例えば任意の基準値との差分や、偏差値等の数値が用いられてもよい。
【0122】
また、総合評価結果は、例えば保険料を含む推定保険情報を示す。推定保険情報は、例えば各評価結果を踏まえて推定される保険料を示す値を含むほか、例えば保険の種類等を示す文字列を含んでもよい。推定される保険料は、例えば保険数理に基づき算出される。
【0123】
総合評価部は、例えば予め保存部１０４等に保存された、ユーザが認識可能なデータ形式を参照し、総合評価結果を生成する。総合評価部は、例えば後処理用データベースを参照し、複数の評価結果及び付加情報に対して適した総合評価結果を生成してもよい。後処理用データベースは、例えば保存部１０４に保存される。
【0124】
後処理用データベースには、例えば上述したデータベースと同様に、複数の評価結果及び付加情報に対する総合評価結果を生成するための後処理用分類情報が記憶されてもよい。後処理用データベースには、１つ以上の後処理用分類情報が記憶されるほか、例えば後処理用分類情報の生成に用いられた複数の後処理用学習データが記憶されてもよい。
【0125】
後処理用分類情報は、例えば予め取得された過去の複数の評価結果及び過去の付加情報（後処理用入力データ）と、後処理用入力データに紐づく後処理用参照データとの相関関係を示す関数である。後処理用参照データは、ユーザの特徴を総合的に評価した結果を示す。後処理用分類情報は、後処理用入力データと、後処理用参照データとを一対の後処理用学習データとして、複数の後処理用学習データを用いて生成される。
【0126】
後処理用分類情報は、例えば後処理用入力データを説明変数とし、後処理用参照データを目的変数とし、上述した回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。後処理用分類情報は、例えば検量モデル（後処理用検量モデル）を定期的に更新することができるほか、例えば付加情報別に生成してもよい。なお、後処理用分類情報は、上述した分類情報と同様に、例えば複数の後処理用学習データを用いた機械学習により生成された、学習済みモデル（後処理用学習済みモデル）を含んでもよい。
【0127】
保存ステップＳ１４０は、総合評価結果を保存する。保存ステップＳ１４０では、上述した実施形態と同様の処理を実行することで、保存部１０４及びサーバ４の少なくとも何れかに総合評価結果を保存する。
【0128】
本実施形態によれば、上述した実施形態の効果に加え、総合評価部は、第１評価結果、第２評価結果、及び付加情報に基づき、ユーザの特徴を総合的に評価した総合評価結果を生成する。このため、各評価結果に対し、ユーザの特徴を考慮した評価を実現することができる。これにより、ユーザ毎に適した評価結果を生成することが可能となる。
【0129】
（第２実施形態：生体情報演算システム１００の変形例）
次に、第２実施形態における生体情報演算システム１００の変形例について説明する。上述した第２実施形態と、変形例との違いは、生成ステップＳ１２０において上述した付加情報を取得する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第２実施形態における生体情報演算システム１００の変形例について説明する。上述した第２実施形態と、変形例との違いは、生成ステップＳ１２０において上述した付加情報を取得する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0130】
本変形例では、例えば図９に示すように、生成ステップＳ１２０は、付加情報を取得し、第１評価データ、及び付加情報に基づき、第１評価結果を生成することを含む。付加情報は、上述した内容と同様であり、例えば入力部１０８等を介してユーザが入力し、生成部１２等が取得する。
【0131】
生成部１２は、例えば付加情報の内容に応じて、第１評価データに対する演算方法を決定してもよい。この場合、付加情報の種類毎に異なる関数等が、分類情報に含まれる。なお、生成部１２は、例えば第１評価データと、付加情報とを組合わせた情報に基づき、第１評価結果を生成してもよい。
【0132】
本変形例によれば、生成部１２は、付加情報を取得し、第１評価データ、及び付加情報に基づき、第１評価結果を生成することを含む。このため、第１評価データに加えて、ユーザの特徴を考慮した多角的な第１評価結果を生成することができる。これにより、ユーザの生体情報に対する評価を、さらに高精度に生成することが可能となる。
【0133】
（第３実施形態：生体情報演算システム１００）
次に、第３実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第３実施形態との違いは、第２評価結果を生成する際、第２評価データに加えて第１評価結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第３実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第３実施形態との違いは、第２評価結果を生成する際、第２評価データに加えて第１評価結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0134】
本実施形態における生体情報演算システム１００では、例えば図１０に示すように、生成ステップＳ１２０は、データベースを参照し、第１評価結果及び第２評価データに基づき、第２評価結果を生成することを含む。例えば生成部１２は、第１評価結果を生成したあと、第２評価結果を生成する。
【0135】
生成部１２は、例えば第１評価結果の内容に応じて、第２評価データに対する演算方法を決定してもよい。この場合、第１評価結果の内容の特徴毎に異なる関数等が、分類情報に含まれる。なお、生成部１２は、例えば第１評価結果と、第２評価データとを組合わせた情報に基づき、第２評価結果を生成してもよい。
【0136】
本実施形態によれば、上述した実施形態の効果に加え、生成部１２は、第１評価結果及び第２評価データに基づき、第２評価結果を生成する。このため、第１評価結果を踏まえた第２評価結果を生成することができる。これにより、ユーザの生体情報に対する評価を、さらに高精度に生成することが可能となる。
【0137】
（第４実施形態：生体情報演算システム１００）
次に、第４実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第４実施形態との違いは、分類情報に含まれる複数の属性別分類情報から、評価データに適した属性別分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第４実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第４実施形態との違いは、分類情報に含まれる複数の属性別分類情報から、評価データに適した属性別分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0138】
本実施形態における生体情報演算装置１では、例えば図１１に示すように、生成ステップＳ１２０が、選択ステップＳ１２１と、属性別生成ステップＳ１２２とを含む。なお、図１１では、第２評価データ及び第２評価結果の内容については記載を省略する。
【0139】
選択ステップＳ１２１は、予備評価データを参照し、複数の属性別分類情報のうち特定の属性別分類情報（例えば第１分類情報）を選択する。選択ステップＳ１２１は、例えば生成部１２に含まれる選択部によって実行することができる。予備評価データは、第１評価データとは異なる特徴を示し、例えば第２データと同様の特徴を示す。
【0140】
属性別生成ステップＳ１２２は、選択した第１分類情報を参照し、第１評価データに対する第１生体情報（例えば血中二酸化炭素分圧の値）を算出し、第１評価結果を生成する。属性別生成ステップＳ１２２は、例えば生成部１２に含まれる属性別生成部によって実行することができる。
【0141】
複数の属性別分類情報は、それぞれ異なる学習用データを用いて算出される。例えば学習用データの入力データとして、被検者の加速度脈波に相当するデータが用いられる場合、例えば図１２のような７種類（Ａ～Ｇ）毎に入力データを準備し、７種類の属性分類情報を生成する。
【0142】
このような複数の属性別分類情報がデータベースに記憶される場合、例えば取得部１１は、ユーザの加速度脈波に相当する評価データ、及び予備評価データを取得する。そして、生成部１２は、予備評価データを参照し、第１分類情報を選択する。その後、生成部１２は、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、各属性分類情報のうち、ユーザに最適な分類情報を選択することができる。
【0143】
なお、例えば学習用データの入力データとして、被検者の速度脈波に相当するデータが用いられる場合、例えば図１３のような２種類（グループ１、グループ２）毎に入力データを準備し、２種類の属性分類情報を生成してもよい。
【0144】
ここで、図１２に示す加速度脈波に相当するデータは、特徴に基づく詳細な分類が容易である反面、生体情報を算出する際、ピークの誤検出等に伴う精度低下が懸念として挙げられる。また、図１３に示す速度脈波に相当するデータは、加速度脈波に相当するデータに比べ、特徴に基づく詳細な分類が困難であるが、ピークの誤検出等が少ないため、生体情報を高精度に算出し得る。
【0145】
上記を踏まえ、複数の属性分類情報は、特定の分類情報を選択するために用いられる選択用データとして、例えば図１２のような加速度脈波に相当するデータを含み、属性分類情報を生成する際の学習用データには、速度脈波に相当するデータが用いられてもよい。
【0146】
この場合、取得ステップＳ１１０として、例えば取得部１１は、ユーザの脈波に基づくセンサデータから、速度脈波に相当するデータを第１評価データとして取得する。また、取得部１１は、センサデータから、加速度脈波に相当するデータを予備評価データとして取得する。
【0147】
次に、選択ステップＳ１２１として、例えば生成部１２は、予備評価データを参照し、加速度脈波に相当するデータを含む複数の選択用データのうち、予備評価データに最も類似する選択用データ（第１選択用データ）を特定し、第１選択用データに紐づく第１分類情報を選択する。そして、属性別生成ステップＳ１２２として、生成部１２は、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。これにより、評価精度のさらなる向上を図ることが可能となる。
【0148】
ここで、上述した選択用データ等に用いられるデータの一例を説明する。
【0149】
例えば図１２に示すように、加速度脈波には、ａ～ｅの変曲点が存在する。例えば、加速度脈波における最大のピークをａ点とし、ａ点から順に各変曲点をｂ点、ｃ点、ｄ点、ｅ点とし、ａ点を１とし、最小値であるｂ点もしくはｄ点を０とした規格化を行った場合、加速度脈波は、各変曲点の値と、その差の大小関係により分類する方法を用いて、７パターンに分類することができる。まず、変曲点の値がｂ＜ｄの場合は、パターンＡまたはＢに分類する。ｂ＜ｄでさらにｃ≧０．５であればＡ、そうでなければＢに分類する。次に変曲点の値がｂ≒ｄの場合、パターンＣまたはＤに分類する。ｂ≒ｄでさらにｃ≒０の場合はパターンＤ、そうでなければパターンＣに分類する。最後に、ｂ＞ｄの場合は、パターンＥ、Ｆ、Ｇの何れかに分類できる。ｂ＞ｄでさらにｂ＜ｃであればパターンＥに、ｂ≒ｃであればパターンＦ，ｂ＞ｃであればパターンＧに分類する。
【0150】
例えば生成部１２は、予備評価データが、例えば図１２のどのパターンに当てはまるかを判断し、第１選択用データを特定する。例えば、入力された予備評価データの変曲点ｂが変曲点ｄより小さく、さらに変曲点ｃ≧０．５であれば、パターンＡを第１選択用データとする。これにより、第１評価データの特徴に適した分類情報を参照し、生体情報を精度良く算出することができる。
【0151】
本実施形態によれば、上述した実施形態の効果に加え、生成部１２は、予備評価データを参照し、第１分類情報を選択する選択部と、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する属性別生成部とを含む。このため、脈波の特徴に対して最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。
【0152】
また、本実施形態によれば、取得部１１は、脈波に基づく速度脈波に相当するデータを、第１評価データとして取得する。また、取得部１１は、脈波に基づく加速度脈波に相当するデータを、予備評価データとして取得する。このため、速度脈波に比べて、脈波の特徴を分類し易い加速度脈波を用いて、属性分類情報を選択することができる。また、加速度脈波に比べて、生体情報を算出し易い速度脈波を用いて、第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。
【0153】
（第４実施形態：生体情報演算システム１００の第１変形例）
次に、第４実施形態における生体情報演算システム１００の第１変形例について説明する。上述した第４実施形態の一例と、第１変形例との違いは、評価結果を用いて分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第４実施形態における生体情報演算システム１００の第１変形例について説明する。上述した第４実施形態の一例と、第１変形例との違いは、評価結果を用いて分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0154】
本変形例では、例えば図１４に示すように、生成ステップＳ１２０は、分類情報のうち、第２評価結果に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、第２評価結果を参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。
【0155】
生成部１２は、例えば第２評価結果に含まれる生体情報の値に基づき、第１分類情報を選択する。この際、複数の属性情報には、選択するための値が予め設定されている。
【0156】
生成部１２は、上述した属性別生成ステップＳ１２２と同様に、選択した第１分類情報を参照し、第１評価データに対する第１生体情報を算出し、第１評価結果を生成する。
【0157】
本変形例によれば、生成部１２は、第２評価結果に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、第２評価結果に応じて最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。
【0158】
（第４実施形態：生体情報演算システム１００の第２変形例）
次に、第４実施形態における生体情報演算システム１００の第２変形例について説明する。上述した第４実施形態の一例と、第２変形例との違いは、脈波の特徴に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第４実施形態における生体情報演算システム１００の第２変形例について説明する。上述した第４実施形態の一例と、第２変形例との違いは、脈波の特徴に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0159】
本変形例では、例えば図１５に示すように、生成ステップＳ１２０は、分類情報のうち、脈波の特徴（例えばセンサデータ）に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、センサデータを参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。
【0160】
なお、「脈波の特徴」として、例えば図４（ａ）～図４（ｄ）に示すような各処理の少なくとも一部を、センサデータに対して実施したあとのデータが用いられてもよい。特に、センサデータに対してフィルタ処理を実施したあとの脈波データを、脈波の特徴として用いることで、特定の属性分類情報を選択する際の精度向上を図ることが可能となる。
【0161】
生成部１２は、例えば上述した選択用データと、脈波の特徴とを比較し、第１分類情報を選択する。生成部１２は、例えばセンサデータ等に含まれるピークの半値幅や相対強度に基づき、第１分類情報を選択してもよい。この際、複数の属性情報には、選択するための値が予め設定されている。
【0162】
生成部１２は、上述した属性別生成ステップＳ１２２と同様に、選択した第１分類情報を参照し、第１評価データに対する第１生体情報を算出し、第１評価結果を生成する。
【0163】
本変形例によれば、生成部１２は、脈波の特徴に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、脈波の特徴に応じて最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。
【0164】
（第４実施形態：生体情報演算システム１００の第３変形例）
次に、第４実施形態における生体情報演算システム１００の第３変形例について説明する。上述した第４実施形態の一例と、第３変形例との違いは、付加情報に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第４実施形態における生体情報演算システム１００の第３変形例について説明する。上述した第４実施形態の一例と、第３変形例との違いは、付加情報に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0165】
本変形例では、例えば図１６に示すように、生成ステップＳ１２０は、分類情報のうち、付加情報に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、付加情報を参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。なお、付加情報は、上述した付加情報と同様である。
【0166】
生成部１２は、例えば付加情報に含まれる年齢や性別等の属性情報等に基づき、第１分類情報を選択してもよい。この際、複数の属性情報には、選択するための属性情報等が予め設定されている。
【0167】
生成部１２は、上述した属性別生成ステップＳ１２２と同様に、選択した第１分類情報を参照し、第１評価データに対する第１生体情報を算出し、第１評価結果を生成する。
【0168】
本変形例によれば、生成部１２は、付加情報に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、付加情報の特徴に応じて最適な第１分類情報選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。
【0169】
（第５実施形態：生体情報演算システム１００）
次に、第５実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第５実施形態との違いは、算出ステップＳ１６０を備える点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第５実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第５実施形態との違いは、算出ステップＳ１６０を備える点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0170】
本実施形態における生体情報演算システム１００は、例えば算出ステップＳ１６０を備える。生体情報演算システム１００では、例えば上述した保存ステップＳ１４０のあとに、算出ステップＳ１６０が実施される。
【0171】
算出ステップＳ１６０は、例えば図１７に示すように、サーバ４又は保存部１０４に保存された複数の評価結果（例えば第１評価結果、及び第２評価結果）に基づき、ユーザの特徴を総合的に評価した総合評価結果を生成する。算出ステップＳ１６０は、例えば生体情報演算装置１の生成部１２に含まれる総合評価部によって実行することができるほか、例えばサーバ４に含まれる総合評価部によって実行してもよい。
【0172】
総合評価結果は、上述した実施形態と同様であり、以下では一例として、保険料を含む推定保険情報として説明する。
【0173】
総合評価部は、例えば予め保存部１０４等に保存された、ユーザが認識可能なデータ形式を参照し、推定保険情報を生成してもよい。総合評価部は、例えばデータベースを参照し、複数の評価結果に対して適した推定保険情報を生成してもよい。
【0174】
データベースには、例えば上述したデータベースと同様に、複数の評価結果に対する推定保険情報を生成するための保険用分類情報が記憶されてもよい。データベースには、１つ以上の保険用分類情報が記憶されるほか、例えば保険用分類情報の生成に用いられた複数の保険用学習データが記憶されてもよい。
【0175】
保険用分類情報は、例えば予め取得された過去の複数の評価結果（保険用入力データ）と、保険用入力データに紐づく保険用参照データとの相関関係を示す関数である。保険用参照データは、過去に実績のある保健用入力データに対する保険料を含む。保険用分類情報は、保険用入力データと、保険用参照データとを一対の保険用学習データとして、複数の保険用学習データを用いて生成される。
【0176】
保険用分類情報は、例えば保険用入力データを説明変数とし、保険用参照データを目的変数とし、上述した回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。保険用分類情報は、例えば検量モデル（保険用検量モデル）を定期的に更新することができる。なお、保険用分類情報は、上述した分類情報と同様に、例えば複数の保険用学習データを用いた機械学習により生成された、学習済みモデル（保険用学習済みモデル）を含んでもよい。
【0177】
本実施形態によれば、上述した実施形態の効果に加え、総合評価部は、第１評価結果、及び第２評価結果に基づき、総合評価結果を生成する。このため、各評価結果に対し、ユーザの特徴を考慮した評価を実現することができる。これにより、ユーザ毎に適した評価結果を生成することが可能となる。特に、総合評価結果として推定保険情報が用いられた場合、ユーザ等の主観に伴う推定保険料等のばらつきを抑制することが可能となる。
【0178】
（第６実施形態：生体情報演算システム１００）
次に、第６実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第６実施形態との違いは、判定結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
次に、第６実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第６実施形態との違いは、判定結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。
【0179】
本実施形態における生体情報演算システム１００では、例えば図１８に示すように、保存ステップＳ１４０は、複数の評価結果（例えば第１評価結果、及び第２評価結果）の内容に対してユーザが判定した判定結果を取得し、判定結果及び複数の評価結果をそれぞれ紐づけて保存する。保存ステップＳ１４０は、例えば記憶部１４又はサーバ４によって実行することができる。
【0180】
判定結果は、例えば出力された複数の評価結果と、公知の計測装置を用いて計測された生体情報とを比較した結果を、ユーザが入力部１０８等を介して入力することで、取得することができる。
【0181】
本実施形態における生体情報演算システム１００は、例えば更新ステップＳ１７０を備えてもよい。この場合、更新ステップＳ１７０は、例えば学習部１５によって実行することができ、例えばサーバ４によって実行してもよい。
【0182】
学習部１５は、保存ステップＳ１４０において保存された判定結果、及び複数の評価結果に基づき、分類情報を更新する。学習部１５は、例えば公知の技術を用いて分類情報を更新する。
【0183】
本実施形態によれば、上述した実施形態の効果に加え、記憶部１４又はサーバ４は、判定結果、第１評価結果、及び第２評価結果をそれぞれ紐づけて保存する。このため、各評価結果と、判定結果との比較を、容易に実施することが可能となる。
【0184】
また、本実施形態によれば、学習部１５は、判定結果、第１評価結果、及び第２評価結果に基づき、分類情報を更新する。このため、各評価結果の精度が低下した際、容易に改善することができる。これにより、生体情報を評価する際の精度向上を維持することが可能となる。
【0185】
本発明の実施形態を説明したが、この実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。このような新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【0186】
１ ：生体情報演算装置
３ ：通信網
４ ：サーバ
５ ：センサ
６ ：検出部
１０ ：筐体
１１ ：取得部
１２ ：生成部
１３ ：出力部
１４ ：記憶部
１５ ：学習部
５０ ：取得部
５１ ：通信Ｉ／Ｆ
５２ ：メモリ
５３ ：命令部
５４ ：内部バス
５５ ：リストバンド
１００ ：生体情報演算システム
１０１ ：ＣＰＵ
１０２ ：ＲＯＭ
１０３ ：ＲＡＭ
１０４ ：保存部
１０５ ：Ｉ／Ｆ
１０６ ：Ｉ／Ｆ
１０７ ：Ｉ／Ｆ
１０８ ：入力部
１０９ ：表示部
１１０ ：内部バス
Ｓ１１０ ：取得ステップ
Ｓ１２０ ：生成ステップ
Ｓ１３０ ：出力ステップ
Ｓ１４０ ：保存ステップ
Ｓ１５０ ：総合評価ステップ
Ｓ１６０ ：算出ステップ
Ｓ１７０ ：更新ステップ
３ ：通信網
４ ：サーバ
５ ：センサ
６ ：検出部
１０ ：筐体
１１ ：取得部
１２ ：生成部
１３ ：出力部
１４ ：記憶部
１５ ：学習部
５０ ：取得部
５１ ：通信Ｉ／Ｆ
５２ ：メモリ
５３ ：命令部
５４ ：内部バス
５５ ：リストバンド
１００ ：生体情報演算システム
１０１ ：ＣＰＵ
１０２ ：ＲＯＭ
１０３ ：ＲＡＭ
１０４ ：保存部
１０５ ：Ｉ／Ｆ
１０６ ：Ｉ／Ｆ
１０７ ：Ｉ／Ｆ
１０８ ：入力部
１０９ ：表示部
１１０ ：内部バス
Ｓ１１０ ：取得ステップ
Ｓ１２０ ：生成ステップ
Ｓ１３０ ：出力ステップ
Ｓ１４０ ：保存ステップ
Ｓ１５０ ：総合評価ステップ
Ｓ１６０ ：算出ステップ
Ｓ１７０ ：更新ステップ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】