特許 7342726 情報処理装置及び制御プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-09-04

(45)【発行日】2023-09-12

(54)【発明の名称】情報処理装置及び制御プログラム

(51)【国際特許分類】

   G06Q 50/22 20180101AFI20230905BHJP

   A61F 5/44 20060101ALI20230905BHJP

   G06N 20/00 20190101ALI20230905BHJP

【ＦＩ】

G06Q50/22

A61F5/44 S

G06N20/00

【請求項の数】 12

(21)【出願番号】P 2020018035

(22)【出願日】2020-02-05

(65)【公開番号】P2021124960

(43)【公開日】2021-08-30

【審査請求日】2022-03-07

(73)【特許権者】

【識別番号】000191009

【氏名又は名称】新東工業株式会社

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】水谷 学世

(72)【発明者】

【氏名】白木 正孝

(72)【発明者】

【氏名】鈴木 誉久

【審査官】鹿谷 真紀

(56)【参考文献】

【文献】特開２００１－２９３０２１（ＪＰ，Ａ）

【文献】特開２００３－００５９７０（ＪＰ，Ａ）

【文献】特開２０１９－１１１３１２（ＪＰ，Ａ）

【文献】特開２０１４－０３３７４５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

Ａ６１Ｆ ５／４４

Ｇ０６Ｎ ２０／００

Ｇ１６Ｈ １０／００－８０／００

(57)【特許請求の範囲】

【請求項1】

コントローラと、メモリとを備え、
前記メモリは、
排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データから、前記排泄物の種類を示す出力データを導出する学習済モデルを記憶し、
前記コントローラは、
前記学習済モデルを用いて前記種類を推定する推定処理、を実行し、
前記出力データは、排泄物の種類が大便、小便、又は屁の何れであるかに加えて、排泄物の種類が大便である場合、大便の状態を示す、
ことを特徴とする、情報処理装置。

【請求項2】

前記学習済モデルは、前記センサの検出値の時系列を表す学習用データと前記種類を表す学習用ラベルとの組み合わせの集合を学習用データセットとする教師あり機械学習により構築されたものである、
ことを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記学習済モデルは、前記センサの検出値の時系列を表す学習用データの集合を学習用データセットとする教師なし機械学習により構築されたものである、
ことを特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記センサは、ガスの濃度を検出するセンサを含む、
請求項１から３のいずれか１項に記載の情報処理装置。

【請求項5】

前記コントローラは、
前記入力データを用いて前記学習済モデルを再学習させる再学習処理を更に実行する、
ことを特徴とする請求項１～４のいずれか１項に記載の情報処理装置。

【請求項6】

前記コントローラは、
前記再学習処理において、前記入力データを用いて該入力データに対応する被介護者の学習済モデルを再学習させる、
ことを特徴とする請求項５に記載の情報処理装置。

【請求項7】

前記コントローラは、
前記出力データの示す種類が屁以外の種類である場合、排泄ケアが必要である旨を示す通知データを介護者の端末へ送信する一方、該出力データの示す種類が屁である場合は前記通知データの送信を行わない出力制御処理、を更に実行する、
ことを特徴とする請求項１～６のいずれか１項に記載の情報処理装置。

【請求項8】

コントローラを備え、
前記コントローラは、
排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、前記排泄物の種類を表す種類データとを用いて、前記検出データと前記種類データとの相関関係を機械学習させた学習済モデルを生成する生成処理、を実行し、
前記種類データは、排泄物の種類が大便、小便、又は屁の何れかであるかに加えて、排泄物の種類が大便である場合、大便の状態を示す、
ことを特徴とする情報処理装置。

【請求項9】

メモリを備え、
前記メモリは、
前記センサの検出値の時系列を表すデータと、前記種類を示すラベルとを組み合わせた教師データの集合を記憶し、
前記コントローラは、
前記生成処理において、前記教師データの集合を学習用データセットとして、前記センサの検出値の時系列を表す入力データから前記種類を表す出力データを導出する学習済モデルを教師あり機械学習により構築する、
ことを特徴とする請求項８に記載の情報処理装置。

【請求項10】

メモリを備え、
前記メモリは、
前記センサの検出値の時系列を表す学習用データの集合を記憶し、
前記コントローラは、
前記生成処理において、前記学習用データの集合を学習用データセットとして、前記センサの検出値の時系列を表す入力データから前記種類を表す出力データを導出する学習済モデルを教師なし機械学習により構築する、
ことを特徴とする請求項８に記載の情報処理装置。

【請求項11】

前記コントローラは、
予め定められたプログラムに従って前記各処理を実行する少なくとも１つのプロセッサと、
前記プログラムを格納した少なくとも１つのメモリと、を備えている、
ことを特徴とする請求項１～１０までの何れか１項に記載の情報処理装置。

【請求項12】

請求項１～１１の何れか１項に記載の情報処理装置を制御する制御プログラムであって、前記コントローラに前記各処理を実行させることを特徴とする制御プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置及び制御プログラムに関する。

【背景技術】

【0002】

介護者を支援するための技術が提案されている。例えば特許文献１には、介護者に排泄処置の緊急度を通知する排泄検出装置が記載されている。特許文献１に記載の技術では、被介護者の布団に囲まれた空間で両太股の間の近傍のシーツの下に、アンモニアや硫化水素やアミン類を検出できる臭いセンサと湿度センサが設置され、シーツを通して吸気ファンが空気を強制循環させる。排泄検出装置は、検出した臭いセンサの強さの変化量と持続時間と、湿度センサの湿度の変化量と持続時間の情報から、排泄物の種類とオムツ漏れを判断する。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１４－０３３７４５号公報（２０１４年２月２４日公開）

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところで、介護において被介護者の排泄物の種類（大便、小便、屁、等）を、より高い精度で判定できれば好適である。特許文献１に記載の技術では、排泄物の種類を適切に判定できず、誤った判定結果が出力されてしまう場合があった。

【0005】

本発明の一態様は、被介護者の排泄物の種類の推定精度を高くする技術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】

【0006】

上記の課題を解決するために、本発明の態様１に係る情報処理装置は、コントローラと、メモリとを備え、前記メモリは、排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データから、前記排泄物の種類を示す出力データを導出する学習済モデルを記憶し、前記コントローラは、前記学習済モデルを用いて前記種類を推定する推定処理、を実行する、ことを特徴とする。

【0007】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データを学習済モデルに入力することにより、排泄物の種類が推定される。これにより、排泄物の種類の推定精度を高くすることができる。

【0008】

本発明の態様２に係る情報処理装置は、前記態様１において、前記学習済モデルは、前記センサの検出値の時系列を表す学習用データと前記種類を表す学習用ラベルとの組み合わせの集合を学習用データセットとする教師あり機械学習により構築されたものである、ことを特徴とする。

【0009】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データを、教師あり機械学習により構築された学習済モデルに入力することにより、排泄物の種類が推定される。これにより、排泄物の種類の推定精度を高くすることができる。

【0010】

本発明の態様３に係る情報処理装置は、前記態様１において、前記学習済モデルは、前記センサの検出値の時系列を表す学習用データの集合を学習用データセットとする教師なし機械学習により構築されたものである、ことを特徴とする。

【0011】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データを、教師なし機械学習により構築された学習済モデルに入力することにより、排泄物の種類が推定される。これにより、排泄物の種類の推定精度を高くすることができる。

【0012】

本発明の態様４に係る情報処理装置は、前記態様１～３において、前記センサは、ガスの濃度を検出するセンサを含む、ことを特徴とする。

【0013】

上記の構成によれば、ガスの濃度を検出するセンサの検出値の時系列を表す入力データを学習済モデルに入力することにより、排泄物の種類が推定される。これにより、排泄物の種類の推定精度を高くすることができる。

【0014】

本発明の態様５に係る情報処理装置は、前記態様１～４において、前記コントローラは、前記入力データと、当該入力データ及び前記学習済モデルを用いて推定された種類を表す種類データとを用いて、前記学習済モデルを再学習させる再学習処理を更に実行する、ことを特徴とする。

【0015】

上記の構成によれば、入力データを用いて学習済モデルが再学習される。この学習済モデルが用いられることにより、排泄物の種類の推定精度を高くすることができる。

【0016】

本発明の態様６に係る情報処理装置は、前記態様５において、前記コントローラは、前記再学習処理において、前記入力データを用いて該入力データに対応する被介護者の学習済モデルを再学習させる、ことを特徴とする。

【0017】

上記の構成によれば、被介護者毎の学習済モデルを用いて排泄物の種類が推定される。これにより、排泄物の種類の推定精度を高くすることができる。

【0018】

本発明の態様７に係る情報処理装置は、前記態様１～６において、前記コントローラは、前記出力データの示す種類が屁以外の種類である場合、排泄ケアが必要である旨を示す通知データを介護者の端末へ送信する一方、該出力データの示す種類が屁である場合は前記通知データの送信を行わない出力制御処理、を更に実行する、ことを特徴とする。

【0019】

上記の構成によれば、被介護者の排泄物の種類に応じた通知制御を行うことができる。

【0020】

本発明の態様８に係る情報処理装置は、コントローラを備え、前記コントローラは、排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、前記排泄物の種類を表す種類データとを用いて、前記検出データと前記種類データとの相関関係を機械学習させた学習済モデルを生成する生成処理、を実行する、ことを特徴とする。

【0021】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、排泄物の種類を示す種類データとを用いて、両者の相関関係を機械学習させた学習済モデルが生成される。この学習済モデルを用いることにより、排泄物の種類の推定精度を高くすることができる。

【0022】

本発明の態様９に係る情報処理装置は、前記態様８において、メモリを備え、前記メモリは、前記センサの検出値の時系列を表すデータと、前記種類を示すラベルとを組み合わせた教師データの集合を記憶し、前記コントローラは、前記生成処理において、前記教師データの集合を学習用データセットとして、前記センサの検出値の時系列を表す入力データから前記種類を表す出力データを導出する学習済モデルを教師あり機械学習により構築する、ことを特徴とする。

【0023】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、排泄物の種類を示す種類データとを用いて、両者の相関関係を教師あり機械学習させた学習済モデルが生成される。この学習済モデルを用いることにより、排泄物の種類の推定精度を向上させることができる。

【0024】

本発明の態様１０に係る情報処理装置は、前記態様８において、メモリを備え、前記メモリは、前記センサの検出値の時系列を表す学習用データの集合を記憶し、前記コントローラは、前記生成処理において、前記学習用データの集合を学習用データセットとして、前記センサの検出値の時系列を表す入力データから前記種類を表す出力データを導出する学習済モデルを教師なし機械学習により構築する、ことを特徴とする。

【0025】

上記の構成によれば、排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、排泄物の種類を示す種類データとを用いて、両者の相関関係を教師なし機械学習させた学習済モデルが生成される。この学習済モデルを用いることにより、排泄物の種類の推定精度を向上させることができる。

【0026】

本発明の態様１１に係る情報処理装置は、前記態様１～１０において、前記コントローラは、予め定められたプログラムに従って前記各処理を実行する少なくとも１つのプロセッサと、前記プログラムを格納した少なくとも１つのメモリと、を備えている、ことを特徴とする。

【0027】

上記の構成によれば、排泄物の種類の推定精度を高くすることができる。

【0028】

本発明の態様１２に係る制御プログラムは、前記態様１～１１のいずれかに記載の表示制御装置を制御する制御プログラムであって、前記コントローラに前記各処理を実行させることを特徴とする。

【0029】

本発明の範疇には、態様１２に係る制御プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体も含まれる。

【発明の効果】

【0030】

本発明の一態様によれば、被介護者の排泄物の種類の推定精度を高くすることができる。

【図面の簡単な説明】

【0031】

【図1】本発明の実施形態１に係る介護支援システムの概要を示す図である。

【図2】本発明の実施形態１に係る情報処理装置の機能構成を例示するブロック図である。

【図3】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図4】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図5】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図6】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図7】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図8】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図9】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図10】本発明の実施形態１に係るセンサの検出値を例示する図である。

【図11】本発明の実施形態１に係る情報処理装置が行う処理の流れを例示するフローチャートである。

【図12】本発明の実施形態２に係る情報処理装置の機能構成を例示するブロック図である。

【図13】本発明の実施形態２に係る学習済モデルの一例を模式的に示した図である。

【図14】本発明の実施形態２に係る情報処理装置が行う処理の流れを例示するフローチャートである。

【図15】介護者端末に表示される画面を例示する図である。

【図16】本発明の実施形態３に係る情報処理装置の機能構成を例示するブロック図である。

【図17】本発明の実施形態３に係る情報処理装置が行う処理の流れを例示するフローチャートである。

【図18】介護者端末に表示される画面を例示する図である。

【図19】介護者端末に表示される画面を例示する図である。

【図20】介護者端末に表示される画面を例示する図である。

【図21】介護者端末に表示される画面を例示する図である。

【図22】介護者端末に表示される画面を例示する図である。

【図23】本発明の実施形態４に係る情報処理装置の機能構成を例示するブロック図である。

【発明を実施するための形態】

【0032】

〔実施形態１〕
以下、本発明の一実施形態について説明する。

【0033】

（構成）
図１は、本実施形態に係る介護支援システム１の概要を示す図である。介護支援システム１は、介護を支援するためのシステムである。介護支援システム１は特に、被介護者の排泄ケアを支援するためのサービスを提供する。介護支援システム１は、センサモジュール１０、情報処理装置２０、介護者端末３０、及び中継装置４０を含む。センサモジュール１０、情報処理装置２０、介護者端末３０及び中継装置４０はネットワークＮ１を介して接続される。ネットワークＮ１は、例えば有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、インターネット、又はこれらの組み合わせであってもよい。

【0034】

図１には、図面が煩雑になるのを防ぐため、センサモジュール１０、介護者端末３０及び中継装置４０をそれぞれ１台ずつ図示しているが、複数のセンサモジュール１０、複数の介護者端末３０、及び複数の中継装置４０が介護支援システム１に含まれてもよい。

【0035】

センサモジュール１０は、被介護者により装着されて用いられる。センサモジュール１０は例えば、被介護者の身体と、身体に装着されるオムツ又は下着等の装着物との間に挟まれることにより被介護者に装着される。また、センサモジュール１０は、被介護者が使用するシーツに装着されて用いられてもよい。センサモジュール１０は、被介護者の排泄物に関する情報を検出する１以上のセンサ（図示略）を備える。

【0036】

排泄物とは、生物から出される物質をいう。排泄物は例えば、大便、小便、又は屁である。本実施形態において、排泄物に関する情報は、排泄物の特徴を表す情報をいう。排泄物に関する情報は例えば、ガスの濃度、ガスの成分、温度、又は湿度を表す情報である。また、排泄物に関する情報を検出するセンサは例えば、ガスの濃度又は成分を検出するガスセンサ、温度を検出する温度センサ、湿度を検出する湿度センサ、又は温度及び湿度を検出する温湿度センサである。

【0037】

また、センサモジュール１０は、センサの信号値を中継装置４０を介して情報処理装置２０に送信する通信モジュール（図示略）を備える。通信モジュールは例えば、中継装置４０と近距離無線通信（Ｗｉ－Ｆｉ（登録商標）又はＢｌｕｅｔｏｏｔｈ（登録商標）等）を行う。センサモジュール１０は、ひとつの種類のセンサを複数備えていてもよい。例えば、センサモジュール１０は、複数のガスセンサを備えていてもよい。

【0038】

情報処理装置２０は例えば、サーバ又はＰＣ（Personal Computer）等の装置である。情報処理装置２０は、センサモジュール１０から被介護者に関する情報を収集し、介護を支援するための情報を介護者端末３０に提供する。介護者端末３０は、介護者により使用される端末である。介護者端末３０は例えば、ＰＣ、タブレットＰＣ、スマートフォン及びフィーチャーフォン等の携帯電話機、又は携帯情報端末（ＰＤＡ：Personal Digital Assistant）である。中継装置４０は、センサモジュール１０と情報処理装置２０との間のデータの遣り取りを中継する装置である。

【0039】

図２は、情報処理装置２０の機能構成を例示するブロック図である。情報処理装置２０はコントローラ２１及びメモリ２２を備える。コントローラ２１は生成部２１１を備える。生成部２１１は学習済モデルＭ１を生成する生成処理を実行する。

【0040】

学習済モデルＭ１は、排泄物に関する情報を検出するセンサの検出値の時系列を表す検出データと、排泄物の種類を表す種類データとを用いて、検出データと種類データとの相関関係を機械学習させた学習済モデルである。検出データは、センサモジュール１０が備えるセンサの検出値の時系列を表すデータである。検出データは例えば、センサの検出値（例えば、温度又は湿度）が時系列に並んだ時系列データ、及び、センサの検出値の信号波形を表す画像データを含む。種類データは、排泄物の種類を示すデータである。排泄物の種類は例えば、大便、小便、又は屁である。排泄物の種類は更に細分化されていてもよい。その場合、排泄物の種類は例えば、便の状態（固い便、やや硬い便、普通便、やや軟らかい便、泥状便、又は水様便、等）である。また、排泄物の種類を示すデータは、便の量（少ない、普通、多い、等）、又は、血液の混入量（無し、少し、多い、等）を示すデータを含んでいてもよい。

【0041】

排泄物の種類によって検出データには異なった特徴が表れる。これらの特徴の例を図３～図１０を用いて説明する。

【0042】

図３～図１０は、ガスセンサの検出値及び湿度センサの検出値の信号波形を模式的に例示する図である。図において、横軸は時刻を示し、縦軸はセンサの検出値を示す。図３は、排泄が無い状態における各センサの検出値を模式的に例示した図である。図３の例では、ガスセンサの検出値及び湿度センサの検出値は変動していない。

【0043】

図４は、大便が排泄された場合のガスセンサの検出値を模式的に例示した図である。図４の例では、排泄があった時刻ｔ４１からガスセンサの検出値が上昇し、その後、検出値はほぼ一定の値となる。

【0044】

図５は、時刻ｔ５１において小便が排泄され、排泄された小便が全てオムツに吸収された場合における各センサの検出値を模式的に例示した図である。図５の例では、ガスセンサの検出値及び湿度センサの検出値は、排泄がなされた時刻ｔ５１の前後で変動しない。これは、排泄された小便が全てオムツに吸収されるためである。

【0045】

図６は、時刻ｔ６１において小便が排泄され、排泄された小便がオムツから溢れた場合における各センサの検出値の変化を模式的に例示した図である。図６の例では、小便が排泄された時刻ｔ６１以降において湿度センサの検出値が上昇するとともに、ガスセンサの検出値が徐々に上昇している。

【0046】

図７は、屁が排泄された場合における各センサの検出値の変化を模式的に例示した図である。図７の例では、ガスセンサの検出値は、屁が排泄された時刻ｔ７１において急激に上昇し、その後、時刻ｔ７２において排泄前の検出値に近い値まで下がる。すなわち、屁が排泄された場合、ガスセンサの検出値は一時的に上昇した後、例えば１０～１５分が経過すると排泄前の検出値に近い値に戻る。一方、湿度センサの検出値は排泄の前後に関わらずほぼ一定である。

【0047】

図８は、固形便（通常の便よりも固い便）が排泄された場合における各センサの検出値の変化を模式的に例示した図である。図８の例では、排泄があった時刻ｔ８１からガスセンサの検出値が上昇し、その後、検出値はほぼ一定の値となる。一方、湿度センサの検出値は排泄の前後に関わらずほぼ一定である。

【0048】

図９は、普通便（通常の便）が排泄された場合における各センサの検出値の変化を模式的に例示した図である。図９の例では、排便があった時刻ｔ９１からガスセンサの検出値が上昇し、その後検出値はほぼ一定の値となる。また、湿度センサにより検出される湿度は徐々に上昇する。

【0049】

図１０は、水様便が排泄された場合における各センサの検出値の変化を模式的に例示した図である。図１０の例では、排泄があった時刻ｔ１０１からガスセンサの検出値が上昇し、その後、検出値は徐々に小さくなっていく。また、湿度センサの検出値は徐々に上昇する。

【0050】

図３～図１０に例示されるように、排泄物の種類によって検出データの波形は異なった特徴を有する。本実施形態では、情報処理装置２０は、検出データを用いた機械学習により、排泄物の種類を推定するための学習済モデルＭ１を生成する。

【0051】

図２の説明に戻る。学習済モデルＭ１は、検出データに基づいて種類データを生成可能な任意の機械学習モデルであり得る。学習済モデルＭ１は例えば、ＣＮＮ（Convolutional Neural Network）、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long Short-Term Memory）、ＤＮＮ（Deep Neural Network）、又はこれらの組み合わせで実現可能である。また、学習済モデルＭ１は、教師あり機械学習により構築されてもよく、また、教師なし機械学習により構築されてもよい。

【0052】

メモリ２２は、学習済モデルＭ１及び学習用データセットＤ１を記憶する。学習用データセットＤ１は、学習済モデルＭ１の生成処理において用いられるデータの集合である。学習済モデルＭ１が教師あり機械学習により構築される場合、学習用データセットＤ１は教師データの集合である。教師データは、センサモジュール１０に含まれるセンサの検出値の時系列を表すデータと、排泄物の種類を示すラベルとを組み合わせたデータである。一方、学習済モデルＭ１が教師なし機械学習により構築される場合、学習用データセットＤ１は、センサモジュール１０に含まれるセンサの検出値の時系列を表す学習用データの集合である。

【0053】

（動作）
図１１は、情報処理装置２０が行う処理の流れを例示するフローチャートである。なお、一部のステップは並行して、又は、順序を替えて実行されてもよい。ステップＳ１０１において、生成部２１１は学習用データセットＤ１をメモリ２２から読み出すことにより、学習用データセットＤ１を取得する。なお、生成部２１１は、学習用データセットＤ１を他の装置から受信することにより、学習用データセットＤ１を取得してもよい。

【0054】

ステップＳ１０２において、生成部２１１は、検出データと種類データとの相関関係を機械学習させた学習済モデルＭ１を生成する。学習済モデルＭ１は、教師あり機械学習により構築されてもよく、また、教師なし機械学習により構築されてもよい。教師あり機械学習により学習済モデルＭ１を生成する場合、生成部２１１は、教師データの集合を学習用データセットＤ１として、センサの検出値の時系列を表す入力データから排泄物の種類を表す出力データを導出する学習済モデルＭ１を、教師あり機械学習により構築する。すなわち、この場合、学習済モデルＭ１は、センサの検出値の時系列を表す学習用データと排泄物の種類（その時系列に基づき人間が判定した排泄物の種類）を表す学習用ラベルとの組み合わせの集合を学習用データセットとする教師あり機械学習により構築されたモデルである。

【0055】

教師なし機械学習により学習済モデルＭ１を生成する場合、生成部２１１は、学習用データの集合を学習用データセットＤ１として、センサの検出値の時系列を表す入力データから種類を表す出力データを導出する学習済モデルを、教師なし機械学習により構築する。教師なし機械学習は例えば、クラスター分析、又は主成分分析の手法を用いて行われる。この場合、学習済モデルＭ１は、センサの検出値の時系列を表す学習用データの集合を学習用データセットとする教師なし機械学習により構築されたモデルである。

【0056】

以上のように構成された情報処理装置２０は、検出データと種類データとの相関関係を機械学習させた学習済モデルＭ１を生成するので、学習済モデルＭ１が用いられることで、被介護者の排泄物の種類の推定精度を高くすることができる。

【0057】

〔実施形態２〕
（構成）
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

【0058】

図１２は、本実施形態に係る情報処理装置２０Ｂの機能構成を例示するブロック図である。図１２において、コントローラ２１は、学習フェーズ実行部２１０及び推定フェーズ実行部２２０を有する。学習フェーズ実行部２１０は生成部２１１を有する。推定フェーズ実行部２２０は、入力データ取得部２２１、推定部２２２及び出力制御部２２３を有する。

【0059】

入力データ取得部２２１は、センサモジュール１０から入力データを取得する。入力データは、センサモジュール１０に含まれるセンサの検出値の時系列を表すデータである。入力データは例えば、センサの検出値（例えば、温度又は湿度）が時系列に並んだ時系列データ、及びセンサの検出値の信号波形を表す画像データを含む。

【0060】

推定部２２２は、学習済モデルＭ１を用いて、被介護者の排泄物の種類を推定する。この実施形態では、推定部２２２は、入力データ取得部２２１により取得された入力データを学習済モデルＭ１に入力することにより排泄物の種類を推定する。

【0061】

図１３は、本実施形態に係る学習済モデルＭ１の一例を模式的に示した図である。図示の通り、学習済モデルＭ１には入力データが入力される。学習済モデルＭ１は、例えば、畳み込み層と、プーリング層と、結合層とから成る。畳み込み層において、入力データはフィルタリングによる情報の畳み込みがなされる。畳み込みを経たデータは、プーリング層においてプーリング処理が施される。これにより、データ中の特徴の位置変化に対するモデルの認識能力が向上する。プーリング処理を経たデータは、結合層で処理されることによって、学習済モデルＭ１の出力データ、すなわち、排泄物の種類の推定結果の形式に変換されて出力される。

【0062】

すなわち、学習済モデルＭ１に入力された入力データを、図１３に示す各層をこれらの順に通過させることにより、排泄物の種類の推定結果が出力される。なお、推定結果の出力形式は特に限定されない。例えば、排泄物の種類はテキストデータで示されてもよい。

【0063】

図１２の説明に戻る。出力制御部２２３は、出力データの示す排泄物の種類に応じた出力制御を行う。この実施形態では、出力制御部２２３は、出力データの示す種類が屁以外の種類である場合、介護者端末３０へ通知データを送信する一方、該出力データの示す種類が屁である場合、通知データの送信を行わない出力制御処理を実行する。

【0064】

（動作）
（学習用データセットの収集に係る動作）
まず、センサモジュール１０により、被介護者の排泄物に関する情報が検出される。排泄物に関する情報の検出は例えば、所定の単位時間が経過する毎に行われる。センサモジュール１０は、センサの検出結果を通信モジュール（図示略）により情報処理装置２０Ｂに送信する。情報処理装置２０Ｂは、センサモジュール１０から検査結果を受信し、受信した検査結果の時系列を表す検出データを含む学習用データをメモリ２２に蓄積する。検出データは例えば、数分～数十分の時間におけるセンサの検出値の時系列データである。また、学習用データは例えば、被介護者を識別する識別情報、及びタイムスタンプを含む。被介護者を識別する識別情報は例えば、被介護者を識別する介護者ＩＤ、又は被介護者の氏名である。

【0065】

学習済モデルＭ１が教師あり機械学習により生成される場合、検出データと排泄物の種類を示すラベルとの組み合わせが学習用データとして用いられる。この場合、排泄物の種類を示すラベルは、介護者により選択される。例えば、介護者は、被介護者の排泄ケアを実際に行った際に、自身が所有する介護者端末３０を用いて、排泄物の種類を選択する操作を行う。介護者端末３０は、選択された種類を示す種類データを情報処理装置２０Ｂに送信する。情報処理装置２０Ｂは、介護者端末３０から受信した種類データに応じて、学習用データとラベルとを紐付けてメモリ２２に記憶させる。情報処理装置２０Ｂは、介護者端末３０から種類データを受信する毎に、受信した種類データを含む学習用データをメモリ２２に記憶する。これにより、メモリ２２には、複数の学習用データが学習用データセットとして蓄積される。

【0066】

（学習動作）
生成部２１１は、メモリ２２に記憶された学習用データセットＤ１を用いて、学習済モデルＭ１を生成する生成処理を実行する。この生成処理は、上述の実施形態１における図１１の処理と同様である。

【0067】

（推定動作）
図１４は、情報処理装置２０Ｂが行う処理の流れを例示するフローチャートである。なお、一部のステップは並行して、又は、順序を替えて実行されてもよい。ステップＳ２０１において、入力データ取得部２２１は、センサモジュール１０から入力データを受信することにより、入力データを取得する。入力データは例えば、数分～数十分の時間におけるセンサの検出値の時系列データである。

【0068】

ステップＳ２０２において、推定部２２２は、ステップＳ２０１で取得された入力データを学習済モデルＭ１に入力し、学習済モデルＭ１から出力される排泄物の種類の推定結果を取得することにより、被介護者の排泄物の種類を推定する。排泄物の種類は例えば、大便、小便、又は屁である。

【0069】

ステップＳ２０３において、出力制御部２２３は、ステップＳ２０２において推定された種類が屁であるかを判定する。屁でない場合（ステップＳ２０３；ＮＯ）、出力制御部２２３はステップＳ２０４の処理に進む。一方、屁である場合（ステップＳ２０３；ＹＥＳ）、出力制御部２２３はステップＳ２０５の処理に進む。

【0070】

ステップＳ２０４において、出力制御部２２３は、排泄ケアが必要である旨を示す通知データを介護者端末３０に送信し、排泄物の種類と排泄ケア「要」とを介護者に通知する。排泄ケアとは、排泄物に対する処置であり、例えばオムツの交換である。すなわち、排泄ケアは、排泄物が屁である場合は不要である一方、排泄物が屁以外である場合（大便、小便、等の場合）は必要である。通知データは例えば、排泄物の種類、排泄ケアが必要である旨、被介護者の名前、部屋番号、及び、排泄が検出されてからの経過時間を示すデータを含む。通知データが介護者端末３０に送信されることにより、被介護者による排泄が介護者に通知される。ステップＳ２０４の処理を終えると、出力制御部２２３は、ステップＳ２０６の処理に進む。

【0071】

ステップＳ２０５において、出力制御部２２３は、排泄物が屁（おなら）である旨を示すデータを介護者端末３０に送信することにより、介護者に屁の排泄があった旨を通知する。この場合、排泄ケアが必要である旨を示す通知データは介護者端末３０へ送信されない。すなわち、出力制御部２２３は、出力データの示す種類が屁である場合、排泄ケアが必要である旨を示す通知データの送信を行わない（排泄ケアを通知しない）。

【0072】

介護者端末３０は、情報処理装置２０Ｂから被介護者に関する情報を受信し、受信した情報に基づいて、排泄があった旨を示すメッセージ又はアイコン等を自装置のディスプレイに表示する等して、排泄ケアが必要である旨を示す情報を出力する。介護者は、介護者端末３０のディスプレイ等を視認することにより、被介護者の排泄ケアが必要である旨を把握する。

【0073】

図１５は介護者端末３０のディスプレイに表示される画面を例示する図である。図において、画面ＳＣ１には、被介護者の名前のリストが表示される。画面ＳＣ１において、被介護者の名前の近傍には、排泄ケアが必要であるか否かを示すアイコンＩ１～Ｉ９が表示される。図１５において、アイコンＩ１～Ｉ４は排泄ケアが不要である旨を示す。アイコンＩ５～Ｉ９は排泄ケアが必要である旨を示す。また、アイコンＩ１～Ｉ９において、センサモジュール１０からの出力情報を取得してからの経過時間がアイコンの周囲を囲むバーにより表されている。この場合、バーの長さ（弧の長さ）が長いほど経過時間が長い旨が示されている。

【0074】

図１４の説明に戻る。ステップＳ２０６において、出力制御部２２３は、センサモジュール１０が取り外されたかを判定する。この判定は例えば、センサモジュール１０に設けられた温度センサの検出値を判定することにより行われる。例えば、温度センサにより検出された温度が閾値以下である場合、出力制御部２２３はセンサモジュール１０が取り外された（被介護者がセンサモジュール１０を装着していない）と判定する。なお、センサモジュール１０が取り外されたかの判定方法はこれに限られず、他の手法が用いられてもよい。

【0075】

センサモジュール１０が取り外されたと判定した場合（ステップＳ２０６；ＹＥＳ）、出力制御部２２３は処理を終了する。一方、センサモジュールが取り外されていないと判定した場合（ステップＳ２０６；ＮＯ）、出力制御部２２３はステップＳ２０１の処理に戻る。

【0076】

以上説明したように本実施形態では、センサの信号値を表す検出データを機械学習させた学習済モデルＭ１を用いて、情報処理装置２０Ｂが排泄物の種類の推定処理を実行する。情報処理装置２０Ｂは、排泄物に関する情報を検出するセンサの検出値の時系列を表す入力データを学習済モデルＭ１に入力することにより、排泄物の種類を推定する。これにより、排泄物の種類の推定精度を高くすることができる。

【0077】

介護者は、被介護者周辺において排泄物によるものと思われる臭いを把握した場合、排泄ケア作業を行う。しかしながら、排泄物が屁のみであった場合、介護者は不要な作業を行うこととなり、その結果被介護者のＱＯＬが低下する場合がある。それに対し本実施形態では、情報処理装置２０Ｂは、排泄物が屁であるかを学習済モデルＭ１を用いて判定し、屁である場合はその旨を通知する、又は排泄ケア作業を促す通知を行わない、といった処理制御を行う。そのため、排泄物が屁である場合に介護者に排泄ケアを促してしまうことが防止され、介護者の排泄ケアに係る負担を軽減することができる。また、本実施形態によれば、どのような排泄があったかを排泄ケアを行う前に事前に介護者へ通知することができ、介護者は排泄ケアプランを立てやすくなる。

【0078】

〔実施形態３〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

【0079】

図１６は、本実施形態に係る情報処理装置２０Ｃの機能構成を例示するブロック図である。図において、情報処理装置２０Ｃの推定フェーズ実行部２２０は、再学習部２２４を有する。再学習部２２４は、センサモジュール１０の検出結果である入力データを用いて学習済モデルＭ１を再学習させる再学習処理を実行する。

【0080】

図１７は、情報処理装置２０Ｃが行う処理の流れを例示するフローチャートである。なお、一部のステップは並行して、又は、順序を替えて実行されてもよい。図１７に示す処理が上述の実施形態２に係る図１４に示した処理と異なる点は、ステップＳ２０６の判定が「ＮＯ」である場合に（ステップＳ２０６；ＮＯ）、再学習部２２４がステップＳ２１１及びステップＳ２１２の処理を実行する点である。ステップＳ２１１において、再学習部２２４は、学習済モデルＭ１に入力した入力データを用いて学習用データセットを更新する。学習済モデルＭ１が教師なし機械学習により生成された場合、入力データが学習用データとして用いられる。一方、学習済モデルＭ１が教師あり機械学習により生成された場合、入力データと種類データとの組が学習用データとして用いられる。この場合、種類データは介護者端末３０から取得される。

【0081】

種類データの取得は、例えば以下のようにして行われる。介護者が被介護者の排泄ケアを実際に行った際に、介護者が介護者端末３０を用いて排泄物の種類を選択する操作を行う。介護者端末３０は介護者による操作に応じて、排泄物の種類を示す種類データを情報処理装置２０Ｃに送信する。再学習部２２４は、介護者端末３０から受信された種類データを用いて再学習処理を実行する。

【0082】

図１８～図２２は、介護者が被介護者の排泄物の種類を選択する際に、介護者端末３０のディスプレイに表示される画面を例示する図である。例えば、図１５の画面ＳＣ１が介護者端末３０のディスプレイに表示されている状態において、表示されている被介護者のリストの中から介護者がいずれかを選択すると、介護者端末３０は、ディスプレイの表示画面を図１８の画面ＳＣ２に遷移させる。

【0083】

画面ＳＣ２には、被介護者の排泄物に対する処置内容のリストが表示される。処理内容の項目は例えば、「おなら確認」、「うんち処理」、「おしっこ処理」、「センサーエラー」、「電池電圧低下」、及び「その他」を含む。介護者は、画面ＳＣ２に表示された複数の項目からいずれかを選択する操作を行う。介護者が項目を選択すると、介護者端末３０は、介護者の選択結果に応じて排泄物の状態を選択させるための画面に遷移させる。例えば、画面ＳＣ２において「うんち処理」が選択された場合、介護者端末３０は、ディスプレイの表示画面を図１９の画面ＳＣ３に遷移させる。

【0084】

画面ＳＣ３は、排泄物の状態を選択するための画面であり、排泄物の状態のリストが表示される。リストに含まれる排泄物の状態は例えば、「コロコロ便」、「固い便」、「やや硬い便」、「普通便」、「やや軟らかい便」、「泥状便」、又は「水様便」である。介護者は、画面ＳＣ３に表示された項目の中からいずれかを選択する操作を行う。介護者が項目を選択すると、介護者端末３０は、介護者の選択結果に応じて、ディスプレイの表示画面を、排泄物の量を選択させるための画面ＳＣ４（図２０参照）に遷移させる。

【0085】

画面ＳＣ４は、排泄物の量を選択するための画面である。図２０の例では、介護者端末３０は、「少し」、「普通」、及び「多い」の項目を画面ＳＣ４に表示する。介護者は、画面ＳＣ４に表示された項目の中からいずれかを選択する操作を行う。介護者が項目を選択すると、介護者端末３０は、介護者の選択結果に応じて、ディスプレイの表示画面を次の画面ＳＣ５（図２１参照）に遷移させる。

【0086】

画面ＳＣ５は、排泄物における血液の混入量を選択するための画面である。図２１の例では、介護者端末３０は、「無し」、「少し」及び「多い」の項目を画面ＳＣ５に表示する。介護者は、画面ＳＣ５に表示された項目の中からいずれかを選択する操作を行う。介護者が項目を選択すると、介護者端末３０は、介護者の選択結果に応じて、ディスプレイの表示画面を次の画面ＳＣ６（図２２参照）に遷移させる。

【0087】

画面ＳＣ６は、登録内容を決定するための画面である。図２２の例では、介護者端末３０は、画面ＳＣ３～ＳＣ５において介護者が選択した内容を画面ＳＣ６に表示する。介護者は、画面ＳＣ６に表示された内容を視認し、「登録」ボタンを選択する操作を行う。介護者が操作を行うと、介護者端末３０は、介護者により選択された内容を表す種類データを生成し、生成した種類データを情報処理装置２０Ｃに送信する。送信される種類データには例えば、被介護者を識別する識別情報を含む。

【0088】

情報処理装置２０Ｃの再学習部２２４は、介護者端末３０から種類データを受信することにより種類データを取得する。再学習部２２４は、取得した種類データと、センサモジュール１０から取得した検出データとを学習用データとしてメモリ２２に蓄積する。再学習部２２４は、介護者端末３０から種類データを受信する毎に、受信した種類データを含む学習用データをメモリ２２に記憶する。これにより、メモリ２２には、複数の学習用データが学習用データセットとして蓄積される。

【0089】

図１７の説明に戻る。ステップＳ２１２において、再学習部２２４は、メモリ２２に蓄積された学習用データセットを用いて学習済モデルＭ１を再学習させる。再学習された学習済モデルＭ１は、推定部２２２による排泄物の種類の推定処理で用いられる。すなわち、推定部２２２は、再学習された学習済モデルＭ１を用いて推定処理を実行する。

【0090】

以上説明したように本実施形態では、被介護者がセンサモジュール１０を装着後に取得した各センサの信号値を表すデータを学習用データとして蓄積し、再学習部２２４は、蓄積した学習用データを含む学習用データセットを用いて再学習を行う。推定部２２２は、再学習された学習済モデルＭ１を用いて推定処理を行う。これにより、排泄物の種類の推定精度を高くすることができる。

【0091】

〔実施形態４〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記の実施形態３にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

【0092】

図２３は、本実施形態に係る情報処理装置２０Ｄの機能構成を例示するブロック図である。図において、再学習部２２４は、学習済モデルＭ２１、Ｍ２２、…を再学習させる。学習済モデルＭ２１、Ｍ２２、…は、被介護者毎の学習済モデルである。例えば、被介護者Ｕｉに対応する学習済モデル（以下「学習済モデルＭ２ｉ」という）は、被介護者Ｕｉの排泄物の種類を推定する処理において用いられる学習済モデルである。推定部２２２は、被介護者Ｕｉの排泄物の種類を、学習済モデルＭ２ｉを用いて推定する。

【0093】

本実施形態において、再学習部２２４は、被介護者Ｕｉが装着していたセンサモジュール１０の検出データに対応する学習用データを含む学習用データセットを用いて、学習済モデルＭ２ｉを再学習させる。

【0094】

再学習処理において、再学習部２２４は、被介護者本人の検出データに対応する学習用データの重み付けを重くしてもよい。この場合、被介護者Ｕｉ用の学習済モデルＭ２ｉを構築する場合、再学習部２２４は、被介護者Ｕｉが装着していたセンサモジュール１０の検出データを含む学習用データと、他の被介護者が装着していたセンサモジュール１０の検出データを含む学習用データとを用いて学習済モデルＭ２ｉを生成する。このとき、再学習部２２４は、被介護者Ｕｉの検出データに対応する学習用データの重み付けを重くして学習済モデルＭ２１を生成する。

【0095】

また、学習用データセットがある程度の量だけ蓄積された場合、再学習部２２４は、被介護者本人の識別情報が紐付けられた学習用データのみを用いて学習済モデルの再学習を行わせてもよい。この場合、再学習部２２４は、被介護者Ｕｉが装着していたセンサモジュール１０の検出データを含む学習用データを用いて学習済モデルＭ２ｉを生成する。

【0096】

排泄物の臭いの強さ等、排泄物の特徴は被介護者毎に傾向が異なる場合がある。本実施形態によれば、被介護者毎の学習済モデルＭ２ｉを用いて排泄物の種類が推定されることにより、排泄物の種類の推定精度を高くすることができる。

【0097】

〔変形例〕
（変形例１）
上述の実施形態２では、情報処理装置２０Ｂは、学習フェーズ実行部２１０及び推定フェーズ実行部２２０を含んでいた。これらの構成要素により実現される機能が複数の装置により分担されて実現されてもよい。例えば、情報処理装置２０Ｂが、学習フェーズ実行部２１０を備えておらず、推定フェーズ実行部２２０を備える構成であってもよい。この場合、学習フェーズ実行部２１０を備える、情報処理装置２０Ｂとは別体の情報処理装置（図示略）により学習済モデルＭ１が生成され、生成された学習済モデルＭ１を用いて情報処理装置２０Ｂが種類の推定処理を実行する。

【0098】

（変形例２）
上述の各実施形態において、生成部２１１が、センサの信号値（例えば、臭いの強さ）に応じて信号のゲインを調整し、調整後の信号値を学習用データとして用いてもよい。

【0099】

（変形例３）
上述の各実施形態で用いられる学習済モデルは、上述した実施形態で示したものに限られない。学習済モデルは例えば、ＭＴＲＮＮ（Multi Timescale RNN）、ＡＲＩＭＡ（AutoRegressive, Integrated and Moving Average）モデル等であってもよい。

【0100】

〔ソフトウェアによる実現例〕
情報処理装置２０、２０Ｂ、２０Ｃ及び２０Ｄの制御ブロック（特に生成部２１１、推定部２２２、出力制御部２２３、及び再学習部２２４）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

【0101】

後者の場合、情報処理装置２０は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータ（コントローラ）を備えている。このコンピュータ（コントローラ）は例えば、予め定められた制御プログラムに従って各処理を実行する少なくとも１つのプロセッサを備えていると共に、上記制御プログラムを格納した少なくとも１つのメモリ（コンピュータ読み取り可能な記録媒体）を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記制御プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭなどをさらに備えていてもよい。また、情報処理装置を制御する上記制御プログラムは、該制御プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0102】

〔付記事項〕
本発明は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。上述した実施形態に含まれる個々の技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。

【符号の説明】

【0103】

１ 介護支援システム
１０ センサモジュール
２０ 情報処理装置
２１ コントローラ
２２ メモリ
３０ 介護者端末
４０ 中継装置
２１０ 学習フェーズ実行部
２１１ 生成部
２２０ 推定フェーズ実行部
２２１ 入力データ取得部
２２２ 推定部
２２３ 出力制御部
２２４ 再学習部

【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】

【図19】

【図20】

【図21】

【図22】

【図23】