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】公表特許公報(A)
(11)【公表番号】特表2021-511884(P2021-511884A)
(43)【公表日】2021年5月13日
(54)【発明の名称】最適なセンサ配置のためのシステム及び方法
(51)【国際特許分類】
A61B 5/00 20060101AFI20210416BHJP
G06F 3/01 20060101ALI20210416BHJP
G16H 50/30 20180101ALI20210416BHJP
A61B 5/389 20210101ALI20210416BHJP
G06N 20/00 20190101ALI20210416BHJP
【ＦＩ】
A61B5/00 B
G06F3/01 510
G16H50/30
A61B5/04 330
A61B5/00 102A
G06N20/00
【審査請求】未請求
【予備審査請求】未請求
【全頁数】40
(21)【出願番号】特願2020-541658(P2020-541658)
(86)(22)【出願日】2019年1月30日
(85)【翻訳文提出日】2020年9月10日
(86)【国際出願番号】EP2019052180
(87)【国際公開番号】WO2019149722
(87)【国際公開日】20190808
(31)【優先権主張番号】62/625,944
(32)【優先日】2018年2月2日
(33)【優先権主張国】US
(31)【優先権主張番号】62/753,354
(32)【優先日】2018年10月31日
(33)【優先権主張国】US
(81)【指定国】
AP(BW,GH,GM,KE,LR,LS,MW,MZ,NA,RW,SD,SL,ST,SZ,TZ,UG,ZM,ZW),EA(AM,AZ,BY,KG,KZ,RU,TJ,TM),EP(AL,AT,BE,BG,CH,CY,CZ,DE,DK,EE,ES,FI,FR,GB,GR,HR,HU,IE,IS,IT,LT,LU,LV,MC,MK,MT,NL,NO,PL,PT,RO,RS,SE,SI,SK,SM,TR),OA(BF,BJ,CF,CG,CI,CM,GA,GN,GQ,GW,KM,ML,MR,NE,SN,TD,TG),AE,AG,AL,AM,AO,AT,AU,AZ,BA,BB,BG,BH,BN,BR,BW,BY,BZ,CA,CH,CL,CN,CO,CR,CU,CZ,DE,DJ,DK,DM,DO,DZ,EC,EE,EG,ES,FI,GB,GD,GE,GH,GM,GT,HN,HR,HU,ID,IL,IN,IR,IS,JO,JP,KE,KG,KH,KN,KP,KR,KW,KZ,LA,LC,LK,LR,LS,LU,LY,MA,MD,ME,MG,MK,MN,MW,MX,MY,MZ,NA,NG,NI,NO,NZ,OM,PA,PE,PG,PH,PL,PT,QA,RO,RS,RU,RW,SA,SC,SD,SE,SG,SK,SL,SM,ST,SV,SY,TH,TJ,TM,TN,TR,TT
(71)【出願人】
【識別番号】590000248
【氏名又は名称】コーニンクレッカ フィリップス エヌ ヴェ
【氏名又は名称原語表記】ＫＯＮＩＮＫＬＩＪＫＥ ＰＨＩＬＩＰＳ Ｎ．Ｖ．
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100135079
【弁理士】
【氏名又は名称】宮崎 修
(72)【発明者】
【氏名】サマダニ，アリ アクバル アーマッド
【テーマコード（参考）】
4C117
4C127
5E555
5L099
【Ｆターム（参考）】
4C117XA01
4C117XA03
4C117XB04
4C117XB11
4C117XC01
4C117XE06
4C117XE19
4C117XE26
4C117XE42
4C117XE52
4C117XJ60
4C127AA04
4C127BB03
5E555AA13
5E555BA38
5E555BB38
5E555BC01
5E555CA41
5E555CA42
5E555CA44
5E555CA46
5E555CB66
5E555CB69
5E555CB81
5E555CB82
5E555EA21
5E555FA00
5L099AA03
5L099AA15
(57)【要約】
コントローラは、命令を記憶しているメモリと、命令を実行するプロセッサとを有する。命令は、コントローラに、第１及び第２センサからセンサデータを受け取らせる。センサデータは、第１及び第２アクティビティを表す時系列の観察結果を含む。コントローラは、各センサからのセンサデータによって示される状態を通る経過を伴う各アクティビティのためのモデルを生成する。コントローラは、各センサから、第１及び第２アクティビティを表す時系列の観察結果を含む追加のセンサデータを受け取る。コントローラは、モデルが追加のセンサデータの部分を生成した尤度を決定し、各センサ特有の決定された尤度間のペアワイズ距離を計算して、計算された距離を得る。計算された距離はセンサごとにグループ化され、各アクティビティに対する各センサの関連性が、グループ化された計算された距離を用いて回帰モデルを実行することによって決定される。
【特許請求の範囲】
【請求項1】
対象の生理機能をモニタするセンサの配置を決定するコントローラであって、
命令を記憶しているメモリと、
前記命令を実行するプロセッサと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記コントローラに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
コントローラ。
命令を記憶しているメモリと、
前記命令を実行するプロセッサと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記コントローラに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
コントローラ。
【請求項2】
前記コントローラによって実行される前記プロセスは、
前記第１関連性に基づいて前記第１センサをアクティブにすること、又は前記第１関連性に基づいて前記第１センサを取り除くこと、のうちの１つを実行すること
を更に有する、
請求項１に記載のコントローラ。
前記第１関連性に基づいて前記第１センサをアクティブにすること、又は前記第１関連性に基づいて前記第１センサを取り除くこと、のうちの１つを実行すること
を更に有する、
請求項１に記載のコントローラ。
【請求項3】
前記コントローラによって実行される前記プロセスは、
前記第２関連性に基づいて前記第２センサをアクティブにすること、又は前記第２関連性に基づいて前記第２センサを取り除くこと、のうちの１つを実行すること
を更に有する、
請求項１に記載のコントローラ。
前記第２関連性に基づいて前記第２センサをアクティブにすること、又は前記第２関連性に基づいて前記第２センサを取り除くこと、のうちの１つを実行すること
を更に有する、
請求項１に記載のコントローラ。
【請求項4】
前記コントローラによって実行される前記プロセスは、
前記少なくとも２つのセンサのうちの第３センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第５センサデータを受け取ることと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第５経過を伴う前記第１アクティビティのための第５モデルを生成することと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第６経過を伴う前記第２アクティビティのための第６モデルを生成することと、
前記第３センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第６センサデータを受け取ることと、
前記プロセッサを用いて、前記第５モデルが前記第６センサデータの少なくとも一部を生成した尤度、及び前記第６モデルが前記第６センサデータの少なくとも一部を生成した尤度を決定することと
を更に有する、
請求項１に記載のコントローラ。
前記少なくとも２つのセンサのうちの第３センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第５センサデータを受け取ることと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第５経過を伴う前記第１アクティビティのための第５モデルを生成することと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第６経過を伴う前記第２アクティビティのための第６モデルを生成することと、
前記第３センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第６センサデータを受け取ることと、
前記プロセッサを用いて、前記第５モデルが前記第６センサデータの少なくとも一部を生成した尤度、及び前記第６モデルが前記第６センサデータの少なくとも一部を生成した尤度を決定することと
を更に有する、
請求項１に記載のコントローラ。
【請求項5】
前記第１センサは、第１センサグループを有し、
前記第２センサは、第２センサグループを有する、
請求項１に記載のコントローラ。
前記第２センサは、第２センサグループを有する、
請求項１に記載のコントローラ。
【請求項6】
前記第１センサデータは、第１アクティビティを表す第１時系列観察結果と、第２アクティビティを表す第２時系列観察結果とを含む、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項7】
前記第１モデルは、確率的グラフィカルモデルを有する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項8】
前記センサ特有の決定された尤度は、前記第１センサに関連した決定された尤度と、前記第２センサに関連した決定された尤度とを表す、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項9】
前記回帰モデルは、グループＬＡＳＳＯ罰則付き多項ロジスティック回帰モデルである、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項10】
前記多項ロジスティック回帰モデルは、グループＬＡＳＳＯ罰則付き二項ロジスティック回帰モデルである、
請求項９に記載のコントローラ。
請求項９に記載のコントローラ。
【請求項11】
前記回帰モデルは、前記グループ化された計算された距離が前記第１アクティビティ及び前記第２アクティビティを最も良く表すように、前記グループ化された計算された距離の重みを決定する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項12】
前記コントローラによって実行される前記プロセスは、
前記少なくとも２つのセンサから、前記第１アクティビティ及び前記第２アクティビティを検知するのに最も顕著なセンサの最小セットを識別すること
を更に有する、
請求項１に記載のコントローラ。
前記少なくとも２つのセンサから、前記第１アクティビティ及び前記第２アクティビティを検知するのに最も顕著なセンサの最小セットを識別すること
を更に有する、
請求項１に記載のコントローラ。
【請求項13】
前記センサの最小セットは、前記少なくとも２つのセンサのサブセットとして選択される、
請求項１２に記載のコントローラ。
請求項１２に記載のコントローラ。
【請求項14】
前記第１モデル、前記第２モデル、前記第３モデル、及び前記第４モデルは夫々、別個の隠れマルコフモデルを有する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項15】
前記配置は、モニタされる前記対象の生理機能によって定義される、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項16】
対象の生理機能をモニタするセンサの配置を決定する方法であって、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有する方法。
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有する方法。
【請求項17】
前記少なくとも２つのセンサに基づいて前記対象の生理機能をモニタするよう、前記少なくとも２つのセンサのうちの少なくとも１つを除いたセンサの最小限のグループを配置することを更に有する、
請求項１６に記載の方法。
請求項１６に記載の方法。
【請求項18】
対象の生理機能をモニタするセンサの配置を決定するシステムであって、
通信ネットワーク上で通信するために使用される通信インターフェースと、
ユーザインターフェースと、
命令を記憶しているメモリ及び前記命令を実行するプロセッサを有するコントローラと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記システムに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
システム。
通信ネットワーク上で通信するために使用される通信インターフェースと、
ユーザインターフェースと、
命令を記憶しているメモリ及び前記命令を実行するプロセッサを有するコントローラと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記システムに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
システム。
【発明の詳細な説明】
【背景技術】
【0001】
センシング技術は、周囲センシング技術及び／又は生理的センシング技術のための可変な数のセンサの構成及び設置を必要とすることがある。
【0002】
例えば、制限なしに、リスクがある個人（例えば、認識機能障害若しくは身体障害又は両方を持った個人）を含む様々な個人についての日常生活動作（activity of daily living；ＡＤＬ）（例えば、食事の準備するため、食べるため、及びトイレを使うために家の中をあちこち移動すること）の周囲センシングは、新興の技術である。周囲センシングのシナリオでは、センサの数、位置、及びタイプは、一般的に、アドホックに選択される。これは、システムのコストの増大に加えて、無関係のデータストリームを生じさせる。このアドホック配置は、例えば、データ捕捉及び／又は捕捉されたデータに関連した処理若しくは決定に関わる多くの技術的課題も示す。例えば、アドホック配置は、関心のあるアクティビティ／イベントを最も顕著に表すデータストリームを分かりにくくすること、ＡＤＬの予測的及び弁別的な解析を妨げること、並びに／又は計算及び保守費用を増やすことをもたらす可能性がある。
【0003】
生理的モニタリング設定におけるセンサの配置は、最適化することが難しい。生理的モニタリングのためにセンサを配置するときに関心のあるパラメータは、センサのタイプ、センサの組み合わせ、センサの数、及び身体の中／上又は周囲環境内のセンサの配置を含む。これらのパラメータの最適な設定はしばしば不明であるが、適切に識別される場合には、関心のあるアクティビティの正確な観測を可能にするのに役立ち得る。結果として、大量の冗長的な及び無関係の時系列のセンサデータストリームがしばしば存在し、マルチセンサ追跡設定において関心のあるアクティビティを不明りょうにする。
【0004】
生理的センシングは、バイタルサイン、動き、姿勢、汗、消化、及び／又は同様のものの検知を含み得る。例として、動き検知は、カメラ、慣性測定ユニット、又はデータグローブによって捕捉された動きモダリティに基づくハンドジェスチャモデルなどのジェスチャ認識を含み得る。改善された動き検知は、ユーザの腕及び／又は前腕の様々な点で捕捉された筋電図信号（ＥＭＧ）を使用し得る。このような生理的モニタリングは、例えば、パーソナルデバイスの制御及び命令のためのプロテーゼ又はサイバネティックスとともに使用され得る。周囲センシング技術と同様に、生理的センシング技術に関連したセンサの数及び配置は、生理的センシング技術に関連した基礎データ（例えば、ＥＭＧアクティビティ）を最適に捕捉する際に、翻って、受け取られたデータ（例えば、ＥＭＧ関連データの関連ジェスチャ）を正確に分類又は処理する際に、重要な役割を果たし得る。
【0005】
センサを配置するための既知の特徴選択は、通常、信号の極大、極小、又は分散などの記述統計のような時系列信号のメタ特徴表現を前提とする。センサを配置するための特徴選択の既知のメカニズムは、イベントの有無を追跡するバイナリスイッチからのオン／オフデイリーデータストリームのような順次に観測されるセンサデータ間の時間依存性を考慮しない。すなわち、既知のメカニズムは、時間にわたるセンサの状態間の経過を使用しない。更に、既知の特徴選択アプローチは、同数の特徴により表されるイベントの異なる模範のような観察結果の固定長表現を必要とする。これは、自然のままの設定で収集されたセンサのストリームを扱う場合に満足すべき困難な要求である。
【0006】
従って、センシング技術の配置の適切な数を決定するシステム及び方法が必要とされる。
【発明の概要】
【0007】
本開示の態様に従って、センサの配置を決定するコントローラは、命令を記憶しているメモリと、命令を実行するプロセッサとを含む。命令は、プロセッサによって実行されるときに、コントローラに、少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、少なくとも２つのセンサのうちの第２センサから、第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることとを含むプロセスを実行させる。プロセスはまた、プロセッサによって、第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う第１アクティビティのための第１モデルを生成することと、プロセッサによって、第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う第２アクティビティのための第２モデルを生成することと、プロセッサによって、第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う第１アクティビティのための第３モデルを生成することと、プロセッサによって、第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う第２アクティビティのための第４モデルを生成することとも含む。プロセスは、第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、第２センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることとを更に含む。プロセスは、プロセッサを用いて、第１モデルが第３センサデータの少なくとも一部を生成した尤度、第２モデルが第３センサデータの少なくとも一部を生成した尤度、第３モデルが第４センサデータの少なくとも一部を生成した尤度、及び第４モデルが第４センサデータの少なくとも一部を生成した尤度を決定することを更に含む。プロセッサはまた、計算された距離を得るよう、各センサ特有の決定された尤度間のペアワイズ距離を計算し、そして、グループ化された計算された距離を得るよう、第１センサに係る尤度についての計算された距離をグループ化し、第２センサに係る尤度についての計算された距離をグループ化する。最後に、プロセスは、グループ化された計算された距離を用いて回帰モデルをも実行することによって、第１アクティビティ及び第２アクティビティを捕捉することに対する第１センサの第１関連性及び第２センサの第２関連性を決定することを含む。
【0008】
本開示の他の態様に従って、センサの配置を決定する方法は、少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、少なくとも２つのセンサのうちの第２センサから、第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることとを含む。方法はまた、第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う第１アクティビティのための第１モデルを生成することと、第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う第２アクティビティのための第２モデルを生成することと、第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う第１アクティビティのための第３モデルを生成することと、第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う第２アクティビティのための第４モデルを生成することとも含む。方法は、第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、第２センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることとを更に含む。方法は、第１モデルが第３センサデータの少なくとも一部を生成した尤度、第２モデルが第３センサデータの少なくとも一部を生成した尤度、第３モデルが第４センサデータの少なくとも一部を生成した尤度、及び第４モデルが第４センサデータの少なくとも一部を生成した尤度を決定することを更に含む。方法はまた、計算された距離を得るよう、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、グループ化された計算された距離を得るよう、第１センサに係る尤度についての計算された距離をグループ化し、第２センサに係る尤度についての計算された距離をグループ化することとも含む。最後に、方法は、グループ化された計算された距離を用いて回帰モデルをも実行することによって、第１アクティビティ及び第２アクティビティを捕捉することに対する第１センサの第１関連性及び第２センサの第２関連性を決定することを含む。
【0009】
本開示の更なる他の態様に従って、センサの配置を決定するシステムは、通信ネットワーク上で通信するために使用される通信インターフェースと、ユーザインターフェースと、命令を記憶しているメモリ及び命令を実行するプロセッサを有するコントローラとを含む。命令は、プロセッサによって実行されるときに、コントローラに、少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、少なくとも２つのセンサのうちの第２センサから、第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることとを含むプロセスを実行させる。プロセスはまた、プロセッサによって、第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う第１アクティビティのための第１モデルを生成することと、プロセッサによって、第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う第２アクティビティのための第２モデルを生成することと、プロセッサによって、第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う第１アクティビティのための第３モデルを生成することと、プロセッサによって、第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う第２アクティビティのための第４モデルを生成することとも含む。プロセスは、第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、第２センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることとを更に含む。プロセスは、プロセッサを用いて、第１モデルが第３センサデータの少なくとも一部を生成した尤度、第２モデルが第３センサデータの少なくとも一部を生成した尤度、第３モデルが第４センサデータの少なくとも一部を生成した尤度、及び第４モデルが第４センサデータの少なくとも一部を生成した尤度を決定することを更に含む。プロセッサはまた、計算された距離を得るよう、各センサ特有の決定された尤度間のペアワイズ距離を計算し、そして、グループ化された計算された距離を得るよう、第１センサに係る尤度についての計算された距離をグループ化し、第２センサに係る尤度についての計算された距離をグループ化する。最後に、プロセスは、グループ化された計算された距離を用いて回帰モデルをも実行することによって、第１アクティビティ及び第２アクティビティを捕捉することに対する第１センサの第１関連性及び第２センサの第２関連性を決定することを含む。
【0010】
例となる実施形態は、以下の詳細な説明から、添付の図面とともに読まれる場合に最も良く理解される。様々な特徴は、必ずしも実寸通りでないことが強調される。実際に、寸法は、議論を明りょうにするために、任意に拡大又は縮小されることがある。適用可能かつ実施可能であるときは、同じ参照符号は同じ要素を参照する。
【図面の簡単な説明】
【0011】
【図1】代表的な実施形態に従って、センサの配置を決定する方法が実施され得る一般的なコンピュータシステムを表す。
【図2A】代表的な実施形態に従って、センサの配置を決定する建物レイアウトの図解である。
【図2B(a)】代表的な実施形態に従って、センサの配置を決定するモデルの図解である。
【図2C】代表的な実施形態に従って、センサの配置を決定する生理的レイアウトの図解である。
【図3A】代表的な実施形態に従って、センサの配置を決定するコントローラの図解である。
【図3B】代表的な実施形態に従って、センサの配置を決定するシステムの図解である。
【図4(a)】代表的な実施形態に従って、センサの配置を決定するプロセスを表す。
【図5】代表的な実施形態に従って、センサの配置を決定する他のプロセスを表す。
【図6(a)】代表的な実施形態に従って、センサの配置を決定する他のプロセスを表す。
【図7】代表的な実施形態に従って、センサの配置を決定する他のシステムの図解である。
【発明を実施するための形態】
【0012】
以下の詳細な説明では、限定ではなく説明を目的として、具体的な詳細を開示する代表的な実施形態が、本開示に従う実施形態の完全な理解をもたらすために示されている。既知のシステム、デバイス、材料、動作方法及び製造方法の記載は、代表的な実施形態の記載を不明りょうにすることを避けるために省略されることがある。それにもかかわらず、当業者の範囲内にあるシステム、デバイス、材料及び方法は、本教示の適用範囲内にあり、代表的な実施形態に従って使用され得る。本明細書で使用される用語は、特定の実施形態のみを記載することを目的とし、制限する意図はない。定義されている語は、本教示の技術分野において広く理解され受け入れられているその定義されている語の技術的及び科学的な意味に追加される。
【0013】
第１、第２、第３などの語は、様々な要素又はコンポーネントを記載するために本明細書で使用されることがあるが、これらの要素又はコンポーネントは、それらの語によって制限されるべきではないことが理解されるだろう。それらの語は、１つの要素又はコンポーネントを他の要素又はコンポーネントと区別するために単に使用される。よって、以下で述べられる第１要素又はコンポーネントは、発明概念の教示から外れることなしに、第２要素又はコンポーネントと称され得る。
【0014】
本明細書で使用される用語は、特定の実施形態のみを記載することを目的とし、制限する意図はない。本明細書及び添付の特許請求の範囲で使用されるように、単称形の語（「a」、「an」及び「the」の使用）は、文脈中で明りょうに別段示されない限りは、単数形及び複数形の両方を含むことが意図される。加えて、「有する」（comprises）及び／又は「有している」（comprising）との語、及び／又は同様の語は、本明細書で使用される場合に、言及されている特徴、要素、及び／又はコンポーネントの存在を特定するが、１つ以上の他の特徴、要素、コンポーネント、及び／又はそれらのグループの存在又は追加を除外しない。本明細書で使用されるように、「及び／又は」との語は、関連する挙げられているアイテムのうちの１つ以上のありとあらゆる組み合わせを含む。
【0015】
別段述べられない限りは、要素又はコンポーネントが他の要素又はコンポーネント「へ接続される」又は「へ結合される」と言われる場合に、要素又はコンポーネントは他の要素又はコンポーネントへ直接に接続又は結合され得るか、あるいは、介在する要素又はコンポーネントが存在してもよいことが理解されるだろう。すなわち、それら及び同様の語は、１つ以上の中間要素又はコンポーネントが２つの要素又はコンポーネントを接続するために用いられ得る場合を包含する。なお、要素又はコンポーネントが他の要素又はコンポーネントへ「直接に接続される」と言われる場合に、これは、如何なる中間の又は介在する要素又はコンポーネントもなしで２つの要素又はコンポーネントが互いに接続される場合しか含まない。
【0016】
以上を鑑み、本開示は、その様々な態様、実施形態及び／又は具体的な特徴若しくはサブコンポーネントのうちの１つ以上を通じて、以下で具体的に述べられるような利点の１つ以上を明らかにするようこのようにして意図される。限定ではなく説明を目的として、具体的な詳細を開示する、例となる実施形態は、本教示に従う実施形態の完全な理解をもたらすために示されている。なお、本明細書で開示される具体的な詳細から外れる、本開示に従う他の実施形態も、添付の特許請求の範囲の適用範囲内のままである。更には、よく知られている装置及び方法の記載は、例となる実施形態の記載を不明りょうにしないように省略されることがある。そのような方法及び装置は、本開示の範囲内にある。
【0017】
本開示の様々な実施形態は、センサ配置の最適な構成を決定するシステム、方法、及び装置を提供する。有利なことに、例となる実施形態において、最適なセンサ構成を決定するシステムは、最適な周囲センサ構成を決定すること、最適な生理的センサ構成を決定すること、並びに／又は周囲及び／若しくは生理的センシング技術の組み合わせの最適な構成を決定することを含んでよい。別々に記載されるとしても、周囲センシング技術構成を決定する方法は、生理的センシング技術構成を決定する方法とともに使用されてもよい。
【0018】
最適なセンサ配置のためのシステム及び方法は、関心のあるアクティビティを最も顕著に表すセンサの最小セットの自動識別を可能にし得る。本明細書で記載されるアプローチは、時系列センサデータの規則化された確率論的生成／弁別符号化に基づく。より具体的には、本明細書で記載されるように、アクティビティ特有の時系列の観察結果は、別個の隠れマルコフモデル（ＨＭＭ）において符号化されてよく、共有される確率表現は、観察結果が、結果として得られたアクティビティ特有のＨＭＭの事後分布間のペアワイズ距離に関して表現される場合に取得され得、共有される確率空間におけるグループＬＡＳＳＯ罰則付き多項ロジスティック回帰モデルは、センサ特有の距離（センサと残りのセンサとの間の事後分布距離）に対応する各グループにより実行されてよい。更に、センサ組み合わせに関する演繹的情報が利用可能である場合には、最適なセンサ配置のためのシステム及び方法は、センサの組み合わせ（例えば、センサトリプレット）を、関心のあるアクティビティに対するそれらの集合的顕著性に基づいて選択（解除）するよう、情報をグループ定義に組み込んでよい。本明細書で記載されるアプローチは、センサデータストリームの時系列及び可変長の性質を考慮し、任意の数のセンサ又はモダリティに適用され得る。本明細書で記載されるシステム及び方法は、トレーニング期間中に取得されたロー（raw）センサデータ、ユーザの体重、身長及び／若しくは体格情報、ユーザの病状若しくは最近医療処置、設置技術者の熟練度、並びに／又は関係があり得る他のデータなど、最適なセンサ構成を決定するよう多数のデータ点を組み込んでよい。
【0019】
図１は、最適なセンサ配置の方法が実施され得る一般的なコンピュータシステムの実例となる実施形態である。コンピュータシステム１００は、コンピュータシステム１００に、本明細書で開示される方法又はコンピュータに基づく機能のいずれか１つ以上を実行させるよう実行可能な命令の組を含むことができる。コンピュータシステム１００は、スタンドアローンのデバイスとして動作してよく、あるいは、例えば、ネットワーク１０１を用いて、他のコンピュータシステム又は周辺デバイスへ接続されてもよい。
【0020】
ネットワーク化された配置では、コンピュータシステム１００は、サーバ−クライアントユーザネットワーク環境内のサーバ又はクライアントユーザコンピュータとして、あるいは、ピア・ツー・ピア（又は分散）ネットワーク環境内のピアコンピュータシステムとして動作してよい。コンピュータシステム１００はまた、固定コンピュータ、モバイルコンピュータ、パーソナルコンピュータ（ＰＣ）、ラップトップコンピュータ、タブレットコンピュータ、ワイヤレススマートフォン、パーソナルデジタルアシスタント（ＰＤＡ）、又はマシンによって行われる動作を特定する命令（シーケンシャル又は他）の組を実行することが可能な任意の他のマシンなどの様々なデバイスとして実装されるか、あるいは、それに組み込まれ得る。コンピュータシステム１００は、追加のデバイスを含む統合システム内にあるデバイスとして、あるいは、その中に組み込まれ得る。実施形態において、コンピュータシステム１００は、音声、ビデオ、又はデータ通信を提供する電子デバイスを用いて実施され得る。更に、コンピュータシステム１００は、単数で表されているが、語「システム」は、１つ以上のコンピュータ機能を実行するようひと組又は複数組の命令を個別に又はまとまって実行するシステム又はサブシステムの任意の集合を含むとも理解されるべきである。
【0021】
図１に表されるように、コンピュータシステム１００は、プロセッサ１１０を含む。プロセッサ１１０は、有形かつ非一時的である。本明細書で使用されるように、「非一時的」との語は、状態の永久の特性としてではなく、ある期間続く状態の特性と解釈されるべきである。「非一時的」との語は、具体的に、搬送波若しくは信号又はいつ如何なる場所でも一時的にしか存在しない他の形態の特性などの、束の間の特性を否定する。プロセッサは、製品及び／又は機械部品である。コンピュータシステム１００のプロセッサは、本明細書で様々な実施形態において記載される機能を実行するためのソフトウェア命令を実行するよう構成される。コンピュータシステム１００のプロセッサは、汎用プロセッサであってよく、あるいは、特定用途向け集積回路（ＡＳＩＣ）の部分であってもよい。コンピュータシステム１００のプロセッサはまた、マイクロプロセッサ、マイクロコンピュータ、プロセッサチップ、コントローラ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、状態マシン、又はプログラム可能論理デバイスであってもよい。コンピュータシステム１００のプロセッサはまた、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などのプログラム可能ゲートアレイ（ＰＧＡ）を含む論理回路、あるいは、ディスクリートゲート及び／又はトランジスタロジックを含む他のタイプの回路であってもよい。コンピュータシステム１００のプロセッサは、中央演算処理装置（ＣＰＵ）、グラフィクス処理ユニット（ＧＰＵ）、又は両方であってよい。更に、本明細書で記載される如何なるプロセッサも、多重プロセッサ、並列プロセッサ、又は両方を含んでよい。多重プロセッサは、単一のデバイス又は複数のデバイスに含まれるか、又はそれへ結合されてよい。
【0022】
更に、コンピュータシステム１００は、メインメモリ１２０及びスタティックメモリ１３０を含んでよく、これらのメモリは、バス１０８を介して互いと通信し得る。本明細書で記載されるメモリは、データ及び実行可能命令を記憶することができる有形な記憶媒体であり、かつ、命令がそこに記憶されている間は非一時的である。本明細書で使用されるように、「非一時的」との語は、状態の永久の特性としてではなく、ある期間続く状態の特性と解釈されるべきである。「非一時的」との語は、具体的に、搬送波若しくは信号又はいつ如何なる場所でも一時的にしか存在しない他の形態の特性などの、束の間の特性を否定する。本明細書で記載されるメモリは、製品及び／又は機械部品である。本明細書で記載されるメモリは、データ及び実行可能命令がコンピュータによって読み出され得るコンピュータ可読媒体である。本明細書で記載されるメモリは、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、フラッシュメモリ、電気的にプログラム可能なリードオンリーメモリ（ＥＰＲＯＭ）、電気的に消去可能なプログラム可能リードオンリーメモリ（ＥＥＰＲＯＭ）、レジスタ、ハードディスク、リムーバブルディスク、テープ、コンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、デジタルバーサタイルディスク（ＤＶＤ）、フロッピー（登録商標）ディスク、ブルーレイディスク、又は当該技術で知られているあらゆる他の形態の記憶媒体であってよい。メモリは、揮発性又は不揮発性、セキュア及び／又は暗号化、非セキュア及び／又は非暗号化であってよい。
【0023】
図示されるように、コンピュータシステム１００は、液晶ディスプレイ（ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）、フラットパネルディスプレイ、ソリッドステートディスプレイ、又は陰極線管（ＣＲＴ）などのビデオ表示ユニット１５０を更に含んでよい。加えて、コンピュータシステム１００は、キーボード／仮想キーボード若しくはタッチ検知式入力スクリーン又は発話認識付き発話入力などの入力デバイス１６０と、マウス又はタッチ検知式入力スクリーン又はパッドなどのカーソル制御デバイス１７０とを含んでよい。コンピュータシステム１００はまた、ディスクドライブユニット１８０、スピーカ又はリモートコントロールなどの信号発生デバイス１９０、及びネットワークインターフェースデバイス１４０も含むことができる。
【0024】
実施形態において、図１に表されるように、ディスクドライブユニット１８０は、ひと組以上の命令１８４、例えば、ソフトウェアが埋め込まれ得るコンピュータ可読媒体１８２を含んでよい。命令の組１８４は、コンピュータ可読媒体１８２から読み出され得る。更に、命令１８４は、プロセッサによって実行されるときに、本明細書で記載される方法及びプロセスの１つ以上を実行するために使用され得る。実施形態において、命令１８４は、完全に、又は少なくとも部分的に、メインメモリ１２０やスタティックメモリ１３０内に、及び／又はコンピュータシステム１００による実行中にはプロセッサ１１０内に存在してよい。
【0025】
代替の実施形態では、特定用途向け集積回路（ＡＳＩＣ）、プログラム可能論理アレイ及び他のハードウェア部品などの専用のハードウェア実施が、本明細書で記載される方法の１つ以上を実施するよう構成され得る。本明細書で記載される１つ以上の実施形態は、モジュール間で及びモジュールを通じて通信され得る関連する制御及びデータ信号とともに２つ以上の特定の相互接続されたハードウェアモジュール又はデバイスを用いて機能を実施してよい。従って、本開示は、ソフトウェア、ファームウェア、及びハードウェア実施を含む。本願中の何ものも、有形な非一時的プロセッサ及び／又はメモリなどのハードウェアによらずに、もっぱらソフトウェアにより実施されるか又は実施可能であると解釈されるべきではない。
【0026】
本開示の様々な実施形態に従って、本明細書で記載される方法は、ソフトウェアプログラムを実行するハードウェアコンピュータシステムを用いて実施されてよい。更に、例となる非限定的な実施形態では、実施は、分散処理、コンポーネント／オブジェクト分散処理、及び並列処理を含むことができる。仮想コンピュータシステム処理は、本明細書で記載される方法又は機能の１つ以上を実施するよう構成可能であり、本明細書で記載されるプロセッサは、仮想処理環境をサポートするために使用されてよい。
【0027】
本開示は、命令を含むか、あるいは、伝搬された信号に応答して命令１８４を受信及び実行するコンピュータ可読媒体１８２を企図し、それにより、ネットワーク１０１へ接続されているデバイスは、ネットワーク１０１を介して音声、ビデオ、又はデータを通信することができる。更に、命令１８４は、ネットワークインターフェースデバイス１４０を介してネットワーク１０１上で送信又は受信され得る。
【0028】
コンピュータシステム１００は、本明細書で記載されるように、患者の生理機能をモニタする技術者によって使用され得る。コンピュータシステム１００は、患者の生理機能を最初にモニタするために使用されるセンサの初期セットからローセンサデータを受け取り、ダウンロードし、収集し、又は別なふうに取得することができる。次いで、コンピュータシステム１００は、患者をモニタするためのセンサの最適な（例えば、最小限の）配置を識別するために、本明細書で記載されるプロセスを実施することができる。センサの最適な配置は、センサの初期セットからのローセンサデータに基づいて決定される患者の生理機能によって定義される。コンピュータシステム１００は、センサの初期セットが、例えば、臨床環境において、ローセンサデータを収集する場合に、プロセスライブを実行するために使用されてよい。例として、コンピュータシステム１００は、技術者又は医療専門家によって使用されるラップトップ又はデスクトップで実施されてよい。
【0029】
図２Ａは、代表的な実施形態に従って、センサの配置を決定する建物レイアウトの図解である。
【0030】
図２Ａは、例となる実施形態の概略図を表す。例えば、図２Ａの左に図示されるように、初期のセンサは、レイアウトのあちこちに様々な位置で設置され得る。ローセンサデータは、関心のある特定のイベント又はアクティビティを認識するための最小限の数のセンサ及び必要とされるセンサ配置を決定するために取得及び使用され得る。図２の右側には、関心のあるアクティビティを検出するための識別された顕著なセンサ及びチャネル対が概略的に表されている（破線により表されており、破線の太さは、センサの相対重み又は重要度に対応する）。例として、図２Ａに表されているように、寝室からバスルームへの歩行行動をモニタするために、ホールセンサ及びバスルーム扉センサのアクティビティの相関関係及びシーケンスは、手洗い所行動の正確な検出にとって顕著であり得る。
【0031】
図２Ａに記載される様々なセンサは、制限なしに、周囲圧力センサ、動きセンサ、ビジョンセンサ、及び／又は同様のもののようなマルチセンサ、マルチモーダルセンサを含んでよい。例えば、本明細書中での第１センサとの言及は、第１センサグループに対してであってよく、本明細書での第２センサとの言及は、第２センサグループに対してであってよい。第１センサグループ及び第２センサグループの中の各センサは、同じタイプ（モード）の特性を検知してよい。その上、第１センサグループ及び第２センサグループの中の異なるセンサは、異なるタイプ（モード）の特性を検知してよい。本明細書で記載されるように最適なセンサ構成の決定において使用されるローデータストリームを超えて、他の変数は、測定様式又はバイナリ形式のどちらかで使用されてもよい。測定様式は、制限なしに、例えば、身長測定、体重測定、ＢＭＩ測定、床から天井までの距離、部屋面積、部屋の長さ／幅測定、湿度測定、温度測定、及び／又は同様のものを含む。バイナリ形式は、制限なしに、例えば、ペットの存在（Ｙ／Ｎ）、閾値より上／下の高さ（Ｙ／Ｎ）、現在の季節が夏であるかどうかと言った季節の存在（Ｙ／Ｎ）及び／又は同様のものを含んでよい。
【0032】
図２Ｂは、代表的な実施形態に従って、センサの配置を決定するモデルの図解である。
【0033】
図２Ｂは、多変量な時系列の観察結果（センサデータストリーム）の生成／弁別の複合的な抽象概念を取得する顕著なセンサ及び／又はチャネルの識別のためのモデルの例を表す。図２Ｂ中、共有される確率表現は、関心のあるイベントに関連するものが識別され返されるセンサ特有の変数に対応する色分けされたグループを用いて視覚化され得る。ｍ個のセンサは、Ｓ１乃至Ｓｍと示される。λｍ，ｋは、ｍ番目のセンサにより捕捉されたｋ番目のアクティビティを符号化するＨＭＭモデルを示す。Ｐ（Ｏｍ｜λｍ，ｋ）は、ｍ番目のセンサからのストリームデータ（Ｏｍ）がλｍ，ｋによって生成される（尤度の）事後分布である。Ｇｎは、ｎ番目のセンサに対応するＨＭＭパラメータの組である。
【0034】
図２Ｂ中、センサの組のメンバーが常に一緒に選択されることを確かにするよう制約が定められ得る。例えば、拳のジェスチャを作るために親指を曲げかつ指を曲げるための長母指屈筋及び浅指屈筋の両方の関与は、センサの組によって捕捉され得、それにより、それらのセンサは、定められた制約によって識別され得る。そのようなものとして、図２Ｂのアプローチは、相互作用するチャネルを分類タスクに対するそれらの集合的顕著性に基づいて一緒に選択（除外）するよう制約され得る。本明細書で記載される１以上のモデルは、確率論的グラフィカルモデルを指し得る。例えば、図２Ｂに表されているように、設置されているセンサを介して受け取られたローデータは、確率的モデル又は動的ベイジアンネットワーク（例えば、別個の隠れマルコフモデル（ＨＭＭ））において、アクティビティ特有の時系列観察結果として符号化されてよい。このようにして、センサデータストリームの時間情報は、動的な確率的プロセスとして埋め込まれ得る。次に、センサデータストリームは、結果として得られたアクティビティ特有のモデル（ＨＭＭ）の事後分布（posterior）空間において投影され、従って、系統的な時系列表現のためのモデル（例えば、ＨＭＭ）を別な目的のために再利用し得る。各センサによって検知されたアクティビティの各状態を通る経過は、いずれか１つの状態が次に同じ又は他の状態を引き起こす確率を決定するために蓄積及び解析され得る。次いで、アクティビティ特有の確率分布間の距離が計算され得る。それらの、結果として得られた確率距離は、センサデータの共有される確率表現を得るよう集約され得る。結果として得られた共有される確率空間の次元は、グループＬＡＳＳＯ回帰を用いて、異なるイベント及びアクティビティを区別することに対するそれらの関連性に従って、自動的に重み付けられ得る。グループＬＡＳＳＯは、グループＬＡＳＳＯ罰則付き多項分布ロジスティック回帰モデル、又はグループＬＡＳＳＯ罰則付き二項ロジスティック回帰モデルを適用してよい。追加のセンサデータは、最初のモデリングに続いてセンサから受け取られ、次いで、いずれかの特定のモデルが追加のセンサデータを生成した尤度を決定するよう適用され得る。決定された尤度は、第１センサ及び第２センサと関連付けられる。そして、センサの最小セットは、決定された重みに基づいて、関心のあるイベント及びアクティビティを追跡及び検出するのに最も顕著なものとして識別され得る。センサの最小セットは、最初のセンサのサブセットなどの、最初のセンサからの最小限のセンサのグループであってよい。
【0035】
図２Ｂに表されているこのアプローチは、多変量の時系列観察結果の隠れマルコフモデル及びフォワードアルゴリズムによって推定される事後確率（又は事後分布間の対称なカルバック・ライブラー・ダイバージェンスに基づき構成されるアフィニティ行列）に対してグループＬＡＳＳＯ罰則を適用してよい。このようにして、グループＬＡＳＳＯ罰則付き多項ロジスティック回帰モデルは、各グループがセンサの事後分布に対応している生成ネットワークの事後分布に対して適用される。従って、システムは、対象のイベント、アクティビティ及び／又は現象を捕捉するために必要とされるセンサの数及びそれらの配置を最適化するための系統的枠組みを提供し得る。そして、このメソッドロジは、観察結果が固定長である必要があるが、自然のままの設定ではデータが通常は固定長でないというローセンサデータによる問題を抱えていた従来の特徴選択技術の限界の１つを解消する。
【0036】
生理的センサ配置に関して、マルチモーダル、多変量の時系列観察結果が多数存在し得るが、これらの観察結果の全てが、生理的センサに関わる関心のあるアクティビティを区別することに関係があるわけではない。無関係な時系列データの存在は、関心のあるアクティビティに最も顕著なデータストリームを分かりにくくすること、予測的及び弁別的解析を妨げること、並びに計算ストレージ及び保守費用を増すことといったいくつかの課題を引き起こす。しかし、本明細書で記載されるシステム及び方法は、関心のあるアクティビティを区別するのに顕著な時系列モダリティ及び顕著なチャネルを識別する。
【0037】
図２Ｂで記載されるアプローチは、最適な追跡のためのセンサの最小セット及びそれらの配置を決定するために、センサに基づく追跡ソリューションの開発の予備的実験フェーズにおいて使用され得る。本明細書中の説明において、センサに基づく追跡ソリューションは、マルチチャネル生理的モニタリングのために提供され得る。マルチモーダルかつ多変量の時系列観察結果には、関心のあるイベントに関係があるデータストリームと、無関係であるデータストリームとが存在し、無関係であるデータストリームは、さもなければ、弁別的な解析を混乱させ、観測されたデータストリームと対応するアクティビティとの間の実際のマッピングを不明りょうにする。例えば、生理学的健康モニタリングをセットアップすることにおいて、患者の状態のシームレスな観測を可能にするためにどのセンサパラメータ（例えば、タイプ、数、場所）が最適であるかがさもなければ不明であるとき、図２Ｂのアプローチは、関心のあるアクティビティ及びイベントを顕著に表すモダリティ及びセンサを識別するために使用され得る。図２Ｂのアプローチは、センサデータの時間経過を明示的に符号化する顕著な時系列の生理的チャネル／センサを識別し、可変長な時系列観察結果を扱うことを可能にする。生理的センシングにおいて、このアプローチは、センサの数を顕著であるものにのみ減らすのを助け、結果として、より効率的で、正確で、かつ安価なソリューションをもたらす。
【0038】
図２Ｃは、代表的な実施形態に従ってセンサの配置を決定する生理的レイアウトの図解である。
【0039】
例として、図２Ｃは、ハンドジェスチャ認識において使用される生理的センサのための最適なセンサ構成を取得することを表す。この例で、ハンドジェスチャは、腕及び前腕で捕捉された関連する筋電図アクティビティから検出され得る。この例では、概して生理的センサ構成において、いくつかのセンサが特定のイベント及び／又はアクティビティを検出するために必要とされるかと、異なるイベント（例えば、ハンドジェスチャ）を区別するのを助けるようどこにセンサは位置付けられるべきかとを識別することが重要であり得る。本命愛書で記載されるアプローチは、ジェスチャを区別することにとって最も顕著なＥＭＧチャネル／センサを識別するのを助ける。本明細書で記載されるアプローチは、確率論的な、個人間のタイミング及び位相変動を考慮することができ、具体的に、ジェスチャを区別することにとって最も顕著なＥＭＧチャネル／センサを識別し得る。本明細書で記載される処理を受ける生理的センサは、モニタされる対象の生理的特性を測定するウェアラブルセンサを含む。使用され得る生理的センサの例には、制限なしに、次が含まれ得る：・慣性測定ユニット（ＩＭＵ）センサデバイス−加速度、向き及び方向を含む身体の動きを収集する加速度計、磁気計、ジャイロスコープなどのセンサの組み合わせを含む、
・加速度計−身体の加速度を測定する、
・ジャイロスコープ−向き及び角速度を測定する、
・磁気計−磁性を測定する、
・筋電図（ＥＭＧ）センサ−筋細胞によって生成される電位を測定する、
・皮膚電気反射（ＥＤＲ）センサ−皮膚コンダクタンスを含む皮膚の電気特性を測定する、
・心電図（ＥＣＧ又はＥＫＧ）センサ−心臓の電気活動を測定する、
・筋音図（ＭＭＧ）センサ−機械的な筋収縮を測定する、
・光電脈波（ＰＰＧ）センサ−臓器の容積測定を取得する。
【0040】
本明細書で記載される処理を受ける生理的センサの使用例は、リハビリテーション治療である。リハビリテーション治療では、モニタ対象の検出された特性は、動きの範囲、歩行速度、着席、並びに対象の生理機能を表す多数の他のタイプの動き及び動きパターンを含み得る。本明細書で記載される最適なセンサ配置のための方法の処理は、特定のジェスチャなどのアクティビティにどのセンサが関係があるかを識別する。最適なセンサ配置は、膝置換又は股関節置換などの外科手術後の動きをモニタするために使用すべき機能センサを識別するために使用されてよい。
【0041】
マルチモーダル／多変量の時系列観察結果を鑑み、本明細書で記載されるシステム及び方法は、異なる分類の観察結果を区別することに最も顕著な時系列変数／モダリティの最小セットを識別し得る。例えば、図２Ｃに表されているように、上の図に表されているセンサの数を、下の図の白抜きブロックによって定義されるセンサに減らすよう、次のプロシージャが使用され得る。
【0042】
図２Ｃ中、ＥＭＧに基づくハンドジェスチャ分類におけるＥＭＧセンサ配置が示されている。複数のモーダルを備えた複数のセンサが図２Ｃには示されており、生理機能をモニタするセンサの配置を最適化することによってマルチモーダル生理的追跡を増強させるようアルゴリズム的枠組みに従う。アルゴリズムは、センサによって捕捉されたローデータのアクティビティ特有のストリームを受け取り、データストリームの高度な抽象概念を構成する。次いで、センサデータの結果として得られた抽象概念は、関心のある生理的イベントを正確に捕捉することに顕著な個々のセンサを決定するために使用される。更に、アルゴリズムは、アクティビティの相関関係又はシーケンスが関心のあるイベントを捕捉するために重要であるセンサの対を識別する。例えば、本明細書で記載される教示は、異なるユーザシナリオをシミュレーションし、最適なモニタリングのためのセンサの最小セット及びそれらの配置を決定するために、マルチセンサ／マルチモーダル生理的モニタリングシステムの試験段階において使用され得る。
【0043】
最初に、多変量の時系列観察結果は、確率論的な生成／弁別ハイブリッドモデルに符号化されてよい。次いで、共有される確率的表現が生成されてよく、観察結果は、確率論的モデル間のペアワイズ距離に関して表現される。結果として得られた確率論的モデルのパラメータは、次いで、共有される確率空間においてグループＬＡＳＳＯ罰則付き多項ロジスティック回帰モデルを用いて重み付けされてよく、各グループがセンサ特有の距離（あるセンサと残りのセンサとの間の事後分布距離）に対応する。そして、最後に、システムは、重み付けされたパラメータに基づいて顕著なセンサチャネルを決定し、削減されたセンサセットに基づいて観察結果を分類し得る。
【0044】
生理的センシング技術のための最適なセンサ構成を決定するシステム及び方法は、特定の身長、体重、及び／又は体格のユーザのための一般的なセンサ構成を決定するために使用されてよく、あるいは、システム及び方法は、ユーザ特徴（身長、体重、ＢＭＩ、生理的特性、ユーザ診断及び／又は同様のもの）に基づいて特定のユーザのための最適なセンサ配置を決定するために使用されてよい。
【0045】
本明細書で記載されるシステム及び方法は、センサの数及び配置を決定し得るだけでなく、センサタイプ（ＥＣＧ、ＰＰＧ、加速度計、ジャイロスコープ、及び／又は同様のもの）も決定し得る。
【0046】
周囲センシング技術の最適な配置と同様に、生理的センシング技術の構成のための、本明細書で記載される方法は、図２Ｂに関して上述された方法を含んでよい。生理的センシング技術のために図２Ｂのメソッドロジを用いると、生理的センシング技術に特有の様々な制約が課される可能性がある。例えば、制約は、センサの組のメンバーが常に一緒に選択されることを確かにするよう定められることがある（例えば、長母指屈筋と浅指屈筋の両方が関与して、親指を曲げ、指を曲げて拳のジェスチャを作る）。そのようなものとして、提案されるアプローチは、相互作用するチャネルを、分類タスクに対するそれらの集合的な顕著性に基づいて一緒に選択（除外）するよう強いられる。
【0047】
センサ組み合わせ及び／又は環境に関する情報が最終設定の前に利用可能である場合には、それらのデータ点は計算プロセスに含まれてよい。例として、ユーザがペットと一緒に生活している場合に、廊下でのユーザの動きを検出するために、２つの動きセンサが必要とされ得、１つの低い高さ（例えば、地面から１フィート）にあり、もう１つはより高いところ（例えば、地面から５フィート）にあり、これによって、センサは、同時に作動されるよう求められ得る。
【0048】
最初のローセンサデータが利用不可能である場合に、画像レイアウト、ユーザデータ、及び／又は他の既知のデータが、センサ配置をモデリングするために使用されてよく、これによって、ローセンサデータは、画像レイアウト、ユーザデータ、及び／又は他の既知のデータソースを用いてシミュレーションされ得る。
【0049】
図３Ａは、代表的な実施形態に従って、センサの配置を決定するコントローラの図解である。
【0050】
図３Ａ中、コントローラ３８０は、命令を記憶しているメモリ３３０と、命令を実行するプロセッサ３２０とを含む。コントローラ３８０は、モバイルコンピュータ又はタブレットを含む様々なデバイス、システム及び配置において提供されてよい。プロセッサ３２０は、本明細書で記載される方法の部分又は全部を実施するよう命令を実行してよい。その上、コントローラ３８０は、方法が本質的に、複数組のメモリ／プロセッサの組み合わせを必要とする分散様態で実施される場合のように、いくつかのデバイスの間で分配されてもよい。
【0051】
図３Ｂは、代表的な実施形態に従って、センサの配置を決定するシステムの図解である。
【0052】
本明細書で記載される方法及び／又はモデルを実行するシステムは、例えば、図３Ｂに表されているようなハードウェアコンポーネントのシステム３００を含んでよい。例えば、システム３００は、ホストデバイスなどのデバイスであってよい。図示されるように、システム３００は、１つ以上のシステムバス３１０を介して相互接続されているプロセッサ３２０、メモリ３３０、ユーザインターフェース３４０、通信インターフェース３５０、及びストレージ３６０を含んでよい。図３Ｂは、いくつかの点で、抽象概念を構成し、システム３００のコンポーネントの実際の編成は、表されているよりも複雑であり得ることが理解されるだろう。
【0053】
プロセッサ３２０は、メモリ３３０若しくはストレージ３６０に記憶されている命令を実行すること、又はデータを別なふうに処理することが可能な如何なるハードウェアデバイスであってもよい。そのようなものとして、プロセッサは、マイクロプロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、又は他の同様のデバイスを含んでよい。
【0054】
メモリ３３０は、例えば、Ｌ１、Ｌ２、若しくはＬ３キャッシュ又はシステムメモリなどの様々なメモリを含んでよい。そのようなものとして、メモリ３３０は、静的ランダムアクセスメモリ（ＲＡＭ）、動的ＲＡＭ（ＤＲＡＭ）、フラッシュメモリ、リードオンリーメモリ（ＲＯＭ）、又は他の同様のメモリデバイスを含んでよい。明らかなように、プロセッサが、ハードウェアにおいて本明細書で記載される機能の１つ以上を実施する１つ以上のＡＳＩＣ（又は他の処理デバイス）を含む実施形態では、他の実施形態でそのような機能に対応すると記載されるソフトウェアは、省略されてよい。
【0055】
ユーザインターフェース３４０は、管理者、臨床医、技術者、ユーザ、及び／又は医師などのユーザとのやりとりを可能にする１つ以上のデバイスを含んでよい。例えば、ユーザインターフェース３４０は、ユーザコマンドを受け取るディスプレイ、マウス、及びキーボードを含んでよい。いくつかの実施形態で、ユーザインターフェース３４０は、通信インターフェース３５０を介して遠隔の端末へ提供され得るコマンドラインインターフェース又はグラフィカルユーザインターフェースを含んでもよい。
【0056】
通信インターフェース３５０は、他のハードウェアデバイスとの通信を可能にする１つ以上のデバイスを含んでよい。例えば、通信インターフェース３５０は、イーサネット（登録商標）プロトコルに従って通信するよう構成されるネットワークインターフェースカード（ＮＩＣ）を含んでよい。その上、通信インターフェース３５０は、ＴＣＰ／ＩＰプロトコルに従う通信のためにＴＣＰ／ＩＰスタックを実装してもよい。通信インターフェース３５０のための様々な代替又は追加のハードウェア又は構成は、明らかである。
【0057】
ストレージ３６０は、データベースであってよく、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイス、又は同様の記憶媒体などの１つ以上のマシン読み出し可能な記憶媒体を含んでよい。様々な実施形態で、ストレージ３６０は、プロセッサ３２０による実行のための命令、又はプロセッサが作用し得るデータを記憶してよい。例えば、ストレージ３６０は、周囲センシング技術や生理的センシング技術に関連したデータ（例えば、ローセンサデータ）や、例えば、時系列符号化、確率分布距離計算、共有される確率的表現、及びグループＬＡＳＳＯ最適化からのデータを含む、本明細書で記載されるメソッドロジのいずれかの段階に関連したデータを記憶し得る。システム３００が本明細書で記載されるプロシージャを実施する場合に、ストレージ３６０は、オペレーティングシステム３６１、時系列符号化エンジン３６２、確率分布距離エンジン３６３、共有確率表現エンジン３６４、及びグループＬＡＳＳＯ３６５を含んでよい。時系列符号化エンジン３６２、確率分布距離エンジン３６３、共有確率表現エンジン３６４、及びグループＬＡＳＳＯ３６５のいずれ又は全ては、プロセッサ３２０による実行のためにストレージ３６０に記憶された取り出し可能なソフトウェアであってよい。代替的に、時系列符号化エンジン３６２、確率分布距離エンジン３６３、共有確率表現エンジン３６４、及びグループＬＡＳＳＯ３６５のいずれ又は全ては、ストレージ３６０又はシステム３００の他の要素と通信するハードウェア符号化モジュールなどのハードウェア要素であってよい。時系列符号化エンジン３６２は、アクティビティ特有の時系列観察結果を符号化するための実行可能命令を格納してよい。確率分布距離エンジン３６３は、結果として得られたアクティビティ／イベント特有のモデルの事後分布空間においてセンサデータストリームを投影し、アクティビティ特有の確率分布間の距離を計算するための実行可能命令を格納してよい。共有確率表現エンジン３６４は、センサデータの共有される確率的表現を得るよう、結果として得られた確率距離を集約するための実行可能命令を格納してよい。グループＬＡＳＳＯ３６５は、異なるイベント及びアクティビティを区別するよう、結果として得られた共有される確率空間の次元をそれらの関連性に従って重み付けし、関心のあるイベント又はアクティビティを追跡及び検出することにとって最も顕著なセンサの最小セットを識別するための実行可能命令を格納してよい。ストレージ３６０は、本明細書で記載される機能を実行するために必要な更なるソフトウェアコンポーネントを記憶してよい。また、そのようなソフトウェアコンポーネントは、システム３００の動作を制御し得る。
【0058】
明らかなように、ストレージ３６０に記憶されると記載されている様々な情報は、追加的に、又は代替的に、メモリ３３０に記憶されてもよい。これに関連して、メモリ３３０はまた、「記憶デバイス」を構成すると見なされてもよく、ストレージ３６０は、「メモリ」と見なされてよい。様々な他の配置は明らかである。更に、メモリ３３０及びストレージ３６０は両方とも、「非一時的なマシン読み出し可能な媒体」であると見なされてもよい。本明細書で使用されるように、語「非一時的」は、一時的な信号を除外し、揮発性メモリ及び不揮発性メモリの両方を含む全ての形態のストレージを含むと理解される。
【0059】
システム３００は、夫々記載されているコンポーネントの１つを含むものとして示されているが、様々なコンポーネントが様々な実施形態で複製されてよい。例えば、プロセッサ３２０は、本明細書で記載される方法を独立して実行するよう構成されるか、あるいは、本明細書で記載される方法のステップ又はサブルーチンを実行するよう構成される複数のマイクロプロセッサを含んでよく、それにより、複数のプロセッサは、本明細書で記載される機能を達成するよう協働する。更に、システム３００がクラウドコンピューティングシステムで実施される場合に、様々なハードウェアコンポーネントは別個の物理システムに属してよい。例えば、プロセッサ３２０は、第１サーバにある第１プロセッサと、第２サーバにある第２プロセッサとを含んでよい。
【0060】
図４は、代表的な実施形態に従って、センサの配置を決定するプロセスを表す。
【0061】
図４は、本明細書で記載される様々なシステムによって実行され得る方法４００を表す。方法４００は、ブロックＳ４０２から開始してよい。ブロックＳ４０４で、最初のセンサが設置される（例えば、図２Ａ及び／又は図２Ｃのセンサ配置）。Ｓ４０４で設置されたセンサは、センサの第１の組と見なされてよい。方法４００は、初期センサ配置を必要としなくてもよく、フロアプラン及び／若しくは部屋構成データ（例えば、天井高さ、対象物どうしの距離、壁の間の距離、扉フレームの高さ、照明家具の一、及び／又は同様のもの）並びに／又はユーザデータ及び／若しくは特性（例えば、身長、体重、ＢＭＩ、ユーザ体格データ、ユーザバイタルサインデータ、ユーザ皮膚特性、ユーザ食習慣及び／又は栄養摂取情報及び／又は同様のもの）のような初期データ入力を必要としてもよい。
【0062】
ブロックＳ４０５で、センサの第１の組は、アクティビティの状態についてのローセンサデータを検知する。アクティビティは、通常、センサによって検知される人間のアクティビティである。アクティビティの例は、移動、呼吸、足踏み、会話、転倒、扉の開閉、窓の開閉、階段の上り下り、冷蔵庫又はキャビネットの開閉、などである。視覚、聴覚、嗅覚（化学物質の検出）、及び触覚を含む検知、及びアクティビティの例は、何が検知されるかに加えて、あらゆるセンサのタイプ及び設置に基づいて理解されるだろう。アクティビティの状態は、例えば、静寂から騒々しさへの変化、暗から明への変化、オフからオンへの変化、又はアクティビティの状態における他の２値変化などのセンサのステータスの違いを反映する。従って、状態は、時間１での状態１、時間２での状態１、時間３での状態１、時間４での状態２などのように、時間にわたる状態の経過である。加えて、状態は、センサが１０若しくは１００のレベル又は音響若しくは光の連続的な（離散的でない）観測のような、２よりも多い状態を検出するよう構成され得るということで、２値の可能性に限られない。
【0063】
ブロックＳ４０６で、システムは、センサによって捕捉されたローデータのアクティビティ特有のストリームを受け取り、かつ／あるいはローデータのアクティビティ特有のストリームをモデリングしてよい。ローデータのアクティビティ特有のストリームは、時間にわたってセンサによって検知されたアクティビティの状態の伝搬に基づく。例えば、センサは、時間にわたって数十、数百、数千、又は数百万の状態を検知し、検知された状態をローデータとして連続的に、バッチにおいて、又はリクエストされたときにオンデマンドで検知してよい。
【0064】
ブロックＳ４０７Ａで、状態の経過の時系列の観察結果は、センサの第１の組の夫々からの夫々のアクティビティ特有のストリームについてローデータのための別個のモデルを用いて識別される。すなわち、ブロックＳ４０４で設置されたセンサの夫々は、ローデータを供給することができ、別個のモデルは、各センサによって検知された各アクティビティごとに適用され得る。よって、第１センサは、第１アクティビティについての状態の経過と、第２アクティビティについての状態の経過とを検知し、別個のモデルは、第１センサによって検知された第１アクティビティ及び第２アクティビティの夫々について適用され得る。第２センサが同じ第１アクティビティについての状態の経過及び同じ第２アクティビティについての状態の経過を検知する場合に、更なる別個のモデルが、第２センサによって検知された第１アクティビティ及び第２アクティビティの夫々について起用され得る。モデルは、同じ又は異なった設定を有する同じモデルであってよく、それにより、異なるセンサについての（からの）夫々のアクティビティ特有のストリームの状態の時系列経過は、それらが、たとえ異なる入力設定が異なるアクティビティ特有のストリームに対して使用されるとしても、同じタイプのモデルによってモデリングされる点で、互換性がある。
【0065】
ブロックＳ４０７Ｂで、状態の経過の時系列の観察結果は、夫々のアクティビティ特有の時系列についていずれか１つの状態からいずれかの他の状態への経過の相対量／ボリューム／数を決定するよう解析され得る。すなわち、任意の１つの時系列の観察結果で状態から状態への多数の経過が与えられた場合、解析は、それぞれが同じままであるか、又は可能な他の状態に遷移する回数を確認することであってよい。１つの状態から何らかの他の状態への経過の数の決定は、最初にカウントとして実行され、次に、状態からのどの遷移が最も可能性が高いかと、いずれか１つの状態が何らかの次の状態（すなわち、同じ状態又は何らかの異なる状態）に遷移する尤度とを示す比較として実行される。上述されたように、Ｓ４０７Ｂでの解析は、各センサによって検知された各アクティビティの状態の各時系列観察結果ごとに実行され得る。
【0066】
ブロックＳ４０８で、システムは、符号化されたアクティビティ特有の時系列の観察結果を別個のアクティビティ特有のモデルにおいて生成するために、アクティビティ特有の時系列の観察結果を別個のモデルにおいて符号化してよい。例えば、アクティビティ特有の時系列の観察結果は、別個の隠れマルコフモデル（ＨＭＭ）において符号化されてよく、それによって、センサデータストリームの時間情報を動的な確率論的プロセスとして直接埋め込む。隠れマルコフモデルは、離散的な観察結果及び連続的な観察結果の両方を表し得る離散的な隠れ状態及び出力ユニットを有するベイジアンネットワークである。連続的なＨＭＭは、Ｎ個の隠れ状態値の間で変化する隠れ状態変数によってダイナミクスが記述される確率論的プロセスとして、順次的な観察結果を符号化し得る。隠れ状態値の間の遷移は、Ｎ×Ｎの状態遷移行列によって表される遷移確率によって左右され得る。ＨＭＭの可観測レイヤは、隠れ状態値に夫々関連した出力ユニットから成ってよい。ＨＭＭは、Ｍ個のチャネルの多変量の観察結果をモデリングしてよい。各隠れ状態での出力の分布は、ガウス分布の混合を用いてモデリングしてよい。ガウス出力の混合は、観察結果の複数の級内モードがある場合に適切であり得る。
【0067】
左から右への（left-to-right）ＨＭＭ構成は、開始点から終了点までしばしば進む周期的な運動及び他のデータ点の欠如を考慮するために使用されてよい。Ｋの分類のうちの１つに夫々属するＮ個の多変量時系列観察結果（ｘ１からｘＮ）を考えると、分類特有のＨＭＭは、あらゆるチャネルｍ∈１，Ｍ；λＭＫ（ｋ番目の分類についてｍ番目のチャネルに対して訓練されたＨＭＭモデル）について訓練される。
【0068】
ブロックＳ４０９で、同じアクティビティの各状態の次に進む各アクティビティの各状態の確率が決定される。このようにして、１つの状態から次の状態への遷移は、とり得る次の状態ごとに、１つの状態から次の状態に進む確率として決定される。Ｓ４０９で決定された確率は、各センサによって検知されたアクティビティごとに決定される。
【0069】
ブロックＳ４１０で、システムは、結果として得られたアクティビティ特有のモデルの事後分布空間においてセンサデータストリームを投影してよい。例えば、ｍ番目のセンサによって検知された観察結果Ｏごとに、観察結果が分類特有のモデル（λｍｋ，ｋ＝１，・・・Ｋ）によって生成される確率は、順方向アルゴリズムを用いて計算される（事後確率：Ｐ（Ｏ｜λｍｋ））。投影は、各次元が分類に関連した確率分布に対応しているＫ次元投影であり、各センサによって検知されたアクティビティごとの確率分布は、従って、Ｋ個の次元への投影を鑑みて、比較の対象とされ得る。
【0070】
ブロックＳ４１２で、システムは、アクティビティ特有の確率分布間の距離を計算してよい。例えば、発散に基づいた、結果として得られた事後分布の間のペアワイズの対称カルバック・ライブラー（ＫＬ）距離は、観察結果の共有される確率表現として使用されてよい。
【0071】
ブロックＳ４１４で、システムは、センサデータの共有される確率表現を得るよう、結果として得られた確率距離を集約してよい。
【0072】
ブロックＳ４１６で、システムは、結果として得られた共有される確率空間の次元をそれらの関連性に従って重み付けして、異なるイベント及び／又はアクティビティを区別し得る。例えば、チャネル特有の距離をグループ化すると、グループＬＡＳＳＯ回帰が、その場合に、結果として得られた共有される確率空間において実行されてよい。グループＬＡＳＳＯは、例えば、夫々がＫｇ個のメンバーを含むＧ個の特徴グループが存在することをサポートし得る。グループＬＡＳＳＯ最適化は、次のように公式化され得る：【数1】
【数2】
【0073】
ブロックＳ４１８で、システムは、関心のあるイベント及び／又はアクティビティを追跡及び検出することにとって最も顕著なセンサの最小セットを識別し得る。例えば、選択された距離のグループは、時系列の観察結果を区別するのに最も顕著なチャネルに対応し得る。
【0074】
ブロックＳ４２２で、方法は終了してよい。
【0075】
更には、本明細書で記載されるシステム及び方法は、例えば、制限なしに、コンパクトディスク（ＣＤ）、デジタルバーサタイルディスク（ＤＶＤ）、フロッピーディスク、ハードドライブ、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、及びソフトウェアを記憶可能な他の物理媒体、又はそれらの組み合わせなどの１つ以上の物理媒体において有形に具現されてもよい。更に、図は、様々なコンポーネント（例えば、サーバ、コンピュータ、プロセッサなど）を別々に表す。様々なコンポーネントで実行されるものとして記載される機能は、他のコンポーネントで実行されてもよく、様々なコンポーネントは、結合又は分離されてよい。他の変更も行われてよい。
【0076】
図５は、代表的な実施形態に従って、センサの配置を決定する他のプロセスを表す。
【0077】
図５の実施形態において、最初のセンサはＳ５０４で設置されてよい。
【0078】
Ｓ５０６で、最初のセンサによって捕捉されたローセンサデータのアクティビティ特有のストリームが受け取られる。
【0079】
Ｓ５０８で、異なるアクティビティの符号化された時系列の観察結果が、別個のモデルを用いてローセンサデータに基づいて生成され得る。
【0080】
Ｓ５１０で、符号化された時系列の観察結果は、異なるセンサによって検知された異なるアクティビティの確率分布を得るよう、別個のモデルの事後分布空間において投影され得る。
【0081】
Ｓ５１２で、第１アクティビティ及び第２アクティビティの確率分布間の確率距離が決定され得る。
【0082】
Ｓ５１４で、確率距離は、ローセンサデータに基づいてアクティビティの時系列観察結果を表す共有される確率空間を得るよう集約され得る。
【0083】
Ｓ５１６で、結果として得られた共有される確率空間の次元は、異なるイベント及びアクティビティを区別するよう、それらの関連性に従って重み付けられ得る。
【0084】
Ｓ５１８で、関心のあるイベント／アクティビティを追跡及び検出することにとって最も顕著なセンサの最小限の得られたグループが識別される。
【0085】
Ｓ５２０で、結果として得られたセンサは、生理機能をモニタするために配置され得る。Ｓ５２０での配置は、例えば、最初のセンサのうちの１つ以上を取り除くこと、最初のセンサのうちの１つ以上を移動すること、及び／又は最初のセンサに新しいセンサを加えることによって、技術者又は看護師又は臨床医によってよい。Ｓ５２０での配置は、通常は、最初のセンサよりも少ないセンサをもたらす。更には、Ｓ５２０での配置は、既に適所にある最初のセンサのうちの１つ以上を単に遠隔で非アクティブにすることによって、実行されてもよい。
【0086】
図６は、代表的な実施形態に従って、センサの配置を決定する他のプロセスを表す。
【0087】
図６中、プロセスは、Ｓ６５６Ａで、第１センサから、第１アクティビティ及び第２アクティビティを表す時系列の観察結果を含む第１センサデータを受け取ることによって、開始する。Ｓ６５６Ｂで、第２センサデータが第２センサから受け取られてよい。第２センサデータは、第１アクティビティ及び第２アクティビティを表す時系列の観察結果を含む。Ｓ６５６Ａ及びＳ６５６Ｂでの動作は、図５のＳ５０６での動作と類似又は同じであってよい。
【0088】
Ｓ６５８Ａで、第１アクティビティのための第１モデルが生成される。第１アクティビティは、本明細書で記載されるほとんど又は全てのアクティビティのように、センサによって、この場合に第１センサによって検知された状態を通る経過を伴う。Ｓ６５６Ｂで、第２アクティビティのための第２モデルが生成される。第２アクティビティも、センサによって、この場合に第１センサによって検知された状態を通る経過を伴ってよい。Ｓ６５８Ｃで、第１アクティビティのための第２モデルが生成され得る。このとき、第１アクティビティは、第２センサによって検知された状態を通る経過を伴う。Ｓ６５８Ｄで、第２アクティビティのための第４モデルが生成され得る。この場合に、第２アクティビティも、第２センサによって検知された状態を通る経過を伴う。
【0089】
Ｓ６５９Ａで、第３センサデータが第１センサから受け取られる。第３センサデータは、やはり第１アクティビティ及び第２アクティビティを表す時系列の観察結果を含む。Ｓ６５９Ｂで、第４センサデータが第２センサから受け取られる。第４センサデータも、やはり第１アクティビティ及び第２アクティビティを表す時系列の観察結果を含む。
【0090】
Ｓ６６０で、第１モデルが第３センサデータを生成した尤度が決定される。第２モデルが第３センサデータを生成した尤度も決定され得る。第３モデルが第４センサデータを生成した尤度が決定され得る。第４モデルが第４センサデータを生成した尤度も決定され得る。ここで、第１モデル、第２モデル、第３モデル、及び第４モデルは、モデルが生成された後に第１アクティビティ及び第２アクティビティを捕捉することにおけるそれらの有効性（例えば、関連性）を最終的に決定するために使用され得る。
【0091】
Ｓ６６２で、夫々のセンサ特有の尤度間のペアワイズ距離が、計算された距離を得るよう計算され得る。
【0092】
Ｓ６６４で、第１センサに関する尤度について計算された距離がグループ化され得、第２センサに関する尤度について計算された距離がグループされ得る。Ｓ６６４でのグループ化の結果として、グループ化された計算された距離が得られる。
【0093】
Ｓ６６６で、プロセスは、第１アクティビティ及び第２アクティビティを捕捉することに対する第１センサの第１関連性及び第２センサの第２関連性を決定してよい。第１関連性及び第２関連性は、関心のあるアクティビティを捕捉することにおける各センサの有効性を決定するために、グループ化された計算された距離を用いて回帰モデルを実行することによって決定され得る。
【0094】
図６に示されるプロセスの結果として、生理機能をモニタするためのセンサの配置は、最適な構成をもたらすようにセットされ、リセットされ、最適化され、最小限にされ、又は別なふうに変更され得る。結果として得られた構成は、センサの初期センサによって、及びセンサの結果として得られたセットによってモニタされる患者の生理機能によって定義される。
【0095】
一例として、センサがアクティビティから遠く離れすぎている場合、センサとアクティビティとの間に物理的な障害物がある場合、センサがアクティビティから離れた方向に向けられている場合、又は検知され得るアクティビティの特性をセンサが単に検知しない場合（例えば、ノイズスセンサは静かな動きを検知し得ない）に、センサは、アクティビティと関連性があるとされ得ない。
【0096】
図６のプロセスは、図４のプロセス及び図５のプロセスと同時に行っても、又はそれらのプロセスの特徴を含んでもよい。例えば、Ｓ４１８及びＳ５１８で見られるようにセンサの初期セットからセンサの最小限のサブセットを識別することは、Ｓ６６６で見られるようにセンサの関連性を決定することと同時に起こるよう、又はその決定から生じるよう実行されてよい。更に、Ｓ５２０で見られるようにセンサの結果として得られたグループ（最小限のサブセット）を配置することは、Ｓ６６６で見られるようにセンサの関連性を決定した結果として実行されてよい。
【0097】
更に、Ｓ６６６での決定されたセンサの関連性は、関心のあるアクティビティを観測することにおけるそれらの有用性を反映する。よって、異なるモデルがより新しいセンサデータを生成する尤度は、より新しいセンサデータを生成するセンサの関連性を決定することにおいて有用である。結果として、図６のプロセスに従って決定された配置においてセンサが含まれるか又は除かれるかどうかは、モデルが生成され得た後により新しいセンサデータを実際に生成するセンサに対応するモデルの尤度に結びつけられる。
【0098】
図７は、代表的な実施形態に従って、センサの配置を決定するための他のシステムの図解である。
【0099】
図７は、周囲及び／又は生理的センシング技術のための最適なセンサ構成を決定する際に使用されるシステム７００を表す。図７のシステム７００は、システム３００のようなバックエンドシステムが、例えば、バックエンドシステムと通信し得るモバイル及び／又はクライアントデバイスなどのユーザデバイスに関連したユーザへネットワークサービスを提供することを可能にし得る。図７に示されるように、システム７００は、ユーザデバイス７０２、ネットワーク７０４、フロントエンド制御ドメイン７０６、バックエンド制御ドメイン７１２、及びバックエンド７１８を含んでよい。フロントエンド制御ドメイン７０６は、１つ以上の負荷バランサ７０８及び１つ以上のウェブサーバ７１０を含んでよい。バックエンド制御ドメイン７１２は、１つ以上の負荷バランサ７１４及び１つ以上のアプリケーションサーバ７１６を含んでよい。
【0100】
ユーザデバイス７０２は、クライアントデバイスなどのネットワーク対応コンピュータであってよい。本明細書で言及されるように、ネットワーク対応コンピュータは、制限なしに、例えば、任意のコンピュータデバイス、又は例えば、サーバ、ネットワークアプライアンス、パーソナルコンピュータ（ＰＣ）、ワークステーション、モバイルデバイス、電話機、携帯型ＰＣ、パーソナルデジタルアシスタント（ＰＤＡ）、シンクライアント、ファットクライアント、インターネットブラウザ、若しくは他のデバイスを含む通信デバイスを含んでよい。システム７００の１つ以上のネットワーク対応コンピュータは、例えば、ネットワーク通信を有効にするよう、１つ以上のソフトウェアアプリケーションを実行してよい。
【0101】
ユーザデバイス７０２はまた、モバイルデバイスであってもよい。例えば、モバイルデバイスは、Ａｐｐｌｅ（登録商標）のｉＰｈｏｎｅ（登録商標）、ｉＰｏｄ（登録商標）、ｉＰａｄ（登録商標）、若しくはＡｐｐｌｅのｉＯＳオペレーティングシステムを実行する任意の他のモバイルデバイス、例えば、ＧｏｏｇｌｅのウェアラブルデバイスやＧｏｏｇｌｅ Ｇｌａｓｓ、を含む、ＧｏｏｇｌｅのＡｎｄｒｏｉｄ（登録商標）オペレーティングシステムを実行する任意のデバイス、Ｍｉｃｒｏｓｏｆｔのｗｉｎｄｏｗｓ（登録商標）モバイルオペレーティングシステムを実行する任意のデバイス、及び／又はあらゆる他のスマートフォン若しくは同様のウェアラブルモバイルデバイスを含んでよい。
【0102】
ネットワーク７０４は、無線ネットワーク、有線ネットワーク、又は無線ネットワークと有線ネットワークとの任意の組み合わせ、のうちの１つ以上であってよい。例えば、ネットワーク７０４は、光ファイバネットワーク、パッシブ光ネットワーク、ケーブルネットワーク、インターネットネットワーク、衛星ネットワーク、無線ＬＡＮ、ＧＳＭ（Global System for Mobile Communication）、ＰＣＳ（Personal Communication Service）、ＰＡＮ（Personal Area Networks）、Ｄ−ＡＭＰＳ、Ｗｉ−Ｆｉ、固定無線データ（Fixed Wireless Data）、ＩＥＥＥ８０２．１１ｂ、８０２．１５．１、８０２．１１ｎ、及び８０２．１１ｇ、又はデータ信号を送信及び受信する任意の他の有線又は無線ネットワークのうちの１つ以上を含んでよい。
【0103】
更に、ネットワーク７０４は、制限なしに、電話回線、光ファイバ、ＩＥＥＥ Ｅｔｈｅｒｎｅｔ ９０２．３、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、又はインターネットなどのグローバルネットワークを含んでもよい。また、ネットワーク７０４は、インターネットネットワーク、無線通信ネットワーク、セルラーネットワーク、若しくは同様のもの、又はそれらの任意の組み合わせをサポートしてよい。ネットワーク７０４は、１つのネットワークを、あるいは、スタンドアローンのネットワークとして又は互いと協調して動作する上記の例示されたタイプのネットワークをいくつでも、更に含んでよい。ネットワーク７０４は、通信上結合されている１つ以上のネットワーク要素の１つ以上のプロトコルを利用してよい。ネットワーク７０４は、他のプロトコルから移っても、又は他のプロトコルからネットワークデバイスの１つ以上のプロトコルへ移ってもよい。ネットワーク７０４は単一のネットワークとして表されているが、当然ながら、１つ以上の実施形態に従って、ネットワーク７０４は、例えば、インターネット、サービスプロバイダのネットワーク、ケーブルテレビジョンネットワーク、協同ネットワーク、及びホームネットワークなどの、複数の相互接続されたネットワークを含んでもよい。
【0104】
フロントエンド制御ドメイン７０６は、バックエンド７１８のためのセキュリティを提供するよう実装されてよい。負荷バランサ７０８は、例えば、コンピュータ、コンピュータクラスタ、ネットワークリンク、中央演算処理装置又はディスクドライブなどの複数のコンピュータ資源にわたって作業負荷を分配し得る。様々な実施形態において、負荷バランサ７０８は、例えば、ウェブサーバ７１０にわたって、作業負荷を分配し得る。負荷平衡化は、資源利用を最適化し、スループットを最大限にし、応答時間を最小限にし、かつ、資源のいずれか１つの過負荷を回避することを目指す。単一のコンポーネントの代わりに、負荷平衡化により複数のコンポーネントを使用することは、冗長性を通じて信頼性を高め得る。負荷平衡化は、通常は、マルチレイヤスイッチ又はドメイン名システム（ＤＮＳ）サーバプロセスなどの専用のソフトウェア又はハードウェアによって提供される。
【0105】
負荷バランサ７０８は、例えば、ユーザデバイス７０２のような、外部クライアントが、例えば、バックエンドの様々なサービスにアクセスするために接続するポートをモニタするソフトウェアを含んでよい。負荷バランサ７０８は、アプリケーションサーバ７１６及び／又はバックエンド７１８のサーバのうちの１つへリクエストを転送してよく、次いで、リクエストを転送されたサーバは、負荷バランサ７０８に応答してよい。これは、機能の内部分割に関してユーザデバイス７０２が知らなくても、負荷バランサ７０８がユーザデバイス７０２に応答することを可能にし得る。それはまた、ユーザデバイスがバックエンドサーバと直接コンタクトをとることを阻止し得る。これは、内部ネットワークの構造を隠し、バックエンド７１８又は例えば、他のポートで実行される無関係のサービスに対する攻撃を防ぐことによって、セキュリティ上の利点がある。
【0106】
様々なスケジューリングアルゴリズムが、負荷バランサ７０８によって、どのバックエンドサーバにリクエストを送信すべきかを決定するために使用され得る。簡単なアルゴリズムには、例えば、ランダム選択又はラウンドロビンがある。負荷バランサ７０８はまた、サーバの報告されている負荷、最近の応答時間、アップ／ダウンステータス（ある種類のモニタリングポールによって決定される）、アクティブ接続の数、地理的位置、機能、又はどれくらいのトラフィックを最近割り当てられたか、などの追加因子を考慮してよい。
【0107】
負荷バランサ７０８は、ハードウェア及び／又はソフトウェアにおいて実装されてよい。負荷バランサ７０８は、制限なしに、非対称荷重、プリオリティ活性化（Priority activation）、ＳＳＬオフロード及びアクセラレーション、分散型サービス妨害（ＤＤｏＳ）攻撃保護、ＨＴＴＰ／ＨＴＴＰＳ圧縮、ＴＣＰオフローディング、ＴＣＰバッファリング、直接サーバ戻り（direct server return）、ヘルスチェック、ＨＴＴＰ／ＨＴＴＰＳキャッシング、コンテンツフィルタリング、ＨＴＴＰ／ＨＴＴＰＳセキュリティ、プライオリティキューイング、レートシェイピング、コンテンツを意識した（content-aware）スイッチング、クライアント認証、プログラマティックトラフィック操作、ファイアウォール、ＩＰＳ（Intrusion Prevention System）を含む多数の機能を実装してよい。
【0108】
ウェブサーバ７１０は、例えば、インターネットなどのネットワーク（例えば、ネットワーク７０４）を通じてクライアントデバイス（例えば、ユーザデバイス７０２）によってアクセスされ得るウェブコンテンツを配信するハードウェア（例えば、１つ以上のコンピュータ）及び／又はソフトウェア（１つ以上のアプリケーション）を含んでよい。様々な例で、ウェブサーバは、例えば、センサ構成最適化などに関連したウェブページを、クライアント（例えば、ユーザデバイス７０２）へ配信してよい。ウェブサーバ７１０は、ユーザデバイス７０２と通信するために、例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ／ＨＴＴＰＳ又はｓＨＴＴＰ）を使用してよい。クライアントデバイスへ配信されるウェブページは、例えば、テキストコンテンツに加えて、画像、スタイルシート及びスクリプトを含み得るＨＴＭＬ文書を含んでよい。
【0109】
例えば、ウェブブラウザ、ウェブクローラ、又はネイティブモバイルアプリケーションなどのユーザエージェントは、ＨＴＴＰ／ＨＴＴＰＳを用いて特定の資源を要求することによって、通信を開始ししてよく、ウェブサーバ７１０は、その資源の内容により応答するか、又はそうすることが不可能である場合にはエラーメッセージにより応答してよい。資源は、例えば、バックエンド７１８で保持されているファイルであってよい。ウェブサーバ７１０はまた、ユーザデバイス７０２からコンテンツを受信することを可能に又は容易にすることができるので、ユーザデバイス７０２は、例えば、ファイルのアップロードを含め、ウェブフォームをサブミットすることができる。
【0110】
ウェブサーバはまた、例えば、ＡＳＰ（Active Server Pages）、ＰＨＰ、又は他のスクリプト言語を用いて、サーバ側のスクリプト記述をサポートしてもよい。従って、ウェブサーバ７１０の挙動は別個のファイルにおいてスクリプト記述され得る一方で、実際のサーバソフトウェアは不変である。
【0111】
負荷バランサ７１４は、上記の負荷バランサ７０８と同様であってよく、アプリケーションサーバ７１６及びバックエンド７１８のサーバにわたって作業負荷を分配し得る。
【0112】
アプリケーションサーバ７１６は、その適用されるアプリケーションをサポートするためのプロシージャ（例えば、プログラム、ルーチン、スクリプト）の効率的な実行に捧げられるハードウェア及び／又はソフトウェアを含んでよい。アプリケーションサーバ７１６は、例えば、Ｊａｖａ（登録商標）アプリケーションサーバ（Ｊａｖａプラットフォーム、エンタープライズ版（Ｊａｖａ ＥＥ）、Ｍｉｃｒｏｓｏｆｔ（登録商標）の．ＮＥＴフレームワーク、ＰＨＰアプリケーションサーバ、など）を含む１つ以上のアプリケーションサーバフレームワークを含んでよい。様々なアプリケーションサーバフレームワークは、包括サービスレイヤモデルを含んでよい。また、アプリケーションサーバ７１６は、プラットフォーム自体によって定義されるＡＰＩを通じて、例えば、エンティティを実装するシステム７００がアクセス可能なコンポーネントの組として動作してよい。ウェブアプリケーションの場合に、そのようなコンポーネントは、例えば、ウェブサーバ７１０と同じ実行環境で実行されてよく、アプリケーションサーバ７１６は、動的なページの構築をサポートし得る。アプリケーションサーバ７１６はまた、例えば、クラスタリング、フェイルオーバー、及び負荷平衡化などのサービスを実装してもよい。アプリケーションサーバ７１６がＪａｖａアプリケーションサーバである様々な実施形態において、アプリケーションサーバ７１６は、一方の側ではバックエンド７１８に関連したデータベースへの接続を、他方の側ではウェブクライアント（例えば、ユーザデバイス７０２）への接続をトランスペアレントに扱いながら、アプリケーションを実行する拡張仮想マシンのように振る舞い得る。
【0113】
バックエンド７１８は、例えば、システム７００に類似した分散型システムを含むエンティティのバックエンドサービスを可能にするハードウェア及び／又はソフトウェアを含んでよい。例えば、バックエンド７１８は、例えば、方法４００などの、本明細書で開示される方法を実行することができるシステムを含んでよい。バックエンド７１８は、様々なデータベースに関連してよい。バックエンド７１８はまた、システム７００によって提供される様々なサービスを可能にする１つ以上のサーバに関連してもよい。
【0114】
上述されたように、最適なセンサ配置は、周囲センシング技術、生理的センシング技術、及び／又はそれらの任意の組み合わせのために決定され得る。本明細書で記載されるように、関心があるイベントを検出することにとって顕著なセンサの最小セットを識別することは、効率的な、安価な、かつ正確な患者追跡及びモニタリングを促進するのを助け得る。マルチモーダル／多変量の時系列観察結果を考えると、本明細書で記載されるアルゴリズム的枠組みは、観察結果の異なる分類を区別することにとって最も顕著な時系列変数／モダリティの最小セットを識別するのを助ける
【0115】
最適なセンサ配置はまた、複数のセンサが使用される多数の他のタイプの状況にも適用可能であり、センサの最適化は、利益をもたらし得る。例えば、電気回路網又は配水システムなどのユーティリティシステムでは、異なるタイプのセンサが、ユーティリティシステムの特性をモニタするために多種多様な場所に設定されることがある。どのセンサ及びどの場所が、モニタされているアクティビティ、ひいては追求されている情報にとって顕著であるかを識別するために、本明細書で記載されている処理を使用することによって、センサの数は最小限にされ得る。
【0116】
他の例では、複雑な産業システムは、産業システムの種々の特性をモニタするために種々の場所に設置された種々のタイプのセンサを含むことがある。使用されるセンサの数及びタイプは、余分のセンサが様々な場所に設置されることから開始し、次いで、本明細書で記載される処理を実行して、モニタされている及び／又はモニタされることが望ましいアクティビティを検出するのに顕著なセンサの最小セットを識別することによって、最適化され得る。例えば、モニタされる産業システムのコンポーネントの機械動作は、本明細書で記載される処理に従って選択された１つ以上のセンサの最小セットによって識別されてよい。
【0117】
更に、特定のタイプのセンサのコストは、種々のアクティビティをモニタすることに対するセンサの顕著性がセンサのコストに基づき変化し得るという点で、処理において考慮され得る。従って、本明細書で記載されるグループＬＡＳＳＯ最適化後の後処理は、その他の点でより最適でないと決定された他のセンサに対する識別されたセンサの相対コストに基づいて、回帰解析の結果を調整するために使用され得る。
【0118】
上述されたように、本開示は、様々な態様の実例として意図されている、本願に記載されている特定の実施形態に関して、制限されるべきではない。多くの変更及び変形は、明らかなように、その精神及び適用範囲から外れずに行われ得る。本明細書で列挙されているものに加えて、本開示の範囲内の機能的に同等の方法及び装置は、上記の代表的な説明から明らかである。そのような変更及び変形は、添付の特許請求の範囲の適用範囲の中にあることが意図される。本開示は、添付の特許請求の範囲の権利が及ぶ均等の全範囲とともに、添付の特許請求の範囲の語によってしか、制限されるべきではない。本明細書で使用される用語は、特定の実施形態を記載することをもっぱら目的とし、限定であるよう意図されない。
【0119】
本明細書中の実質的に如何なる複数及び／又は単数の語の使用に関しても、当業者は、文脈及び／又は用途に適切であるように、複数の単数に、及び／又は単数を複数に言い直され得る。様々な多数／複数置換は、明りょうさのために本明細書中で明示的に示されることがある。
【0120】
当業者によって理解され得るように、概して、本明細書で、特に添付の特許請求の範囲（例えば、添付の特許請求の本文）で使用される語は、一般的に、“非限定的な（open）”用語として意図されている（例えば、語「含んでいる（including）」は、“〜を含んでいるが、〜に制限されない”との意に解釈されるべきであり、語「備えている（having）」は、「少なくとも〜を備えている」との意に解釈されるべきであり、語「含む（includes）」は、“〜を含むが、〜に制限されない”との意に解釈されるべきである、など。）。更に、当業者によって理解され得るように、導入されたクレーム記載（introduced claim recitation）において特定の数が意図される場合、そのような意図は当該クレーム中に明確に記載され、そのような記載がない場合は、そのような意図も存在しない。例えば、理解を促すために、後続の添付された特許請求の範囲では、「少なくとも１つの（at least one）」及び「１つ以上の（one or more）」といった導入句を使用し、クレーム記載を導入することがある。しかし、このような句を使用するからといって、「a」又は「an」といった不定冠詞によりクレーム記載を導入した場合に、たとえ同一のクレーム内に、「１つ以上の」又は「少なくとも１つの」といった導入句と「a」又は「an」といった不定冠詞との両方が含まれるとしても、当該導入されたクレーム記載を含む特定のクレームが、当該記載事項を１しか含まない例に限定されるということが示唆されると解釈されるべきではない（例えば、「a」及び／又は「an」は、「少なくとも１つの」又は「１つ以上の」を意味すると解釈されるべきである。）。定冠詞を使用してクレーム記載を導入する場合にも同様のことが当てはまる。更には、導入されたクレーム記載において特定の数が明示されている場合であっても、そのような記載は、通常、少なくとも記載された数を意味するように解釈されるべきである（例えば、他に修飾語のない、単なる「２つの記載事項」という記載がある場合、この記載は、少なくとも２つの記載事項、又は２つ以上の記載事項を意味する。）。更に、「Ａ、Ｂ及びＣなどのうち少なくとも１つ」に類する表記が使用される場合、概して、そのような構造は、当業者が約束事を理解し得る意味において意図される（例えば、「Ａ、Ｂ及びＣのうちの少なくとも１つを備えるシステム」は、Ａのみ、Ｂのみ、Ｃのみ、ＡとＢの両方、ＡとＣの両方、ＢとＣの両方、及び／又はＡとＢとＣの全て、などを備えるシステムを含み得るが制限されない。）。更に、当業者によって理解され得るように、２つ以上の選択可能な用語を表す事実上如何なる離接語及び／又は離接句も、明細書、特許請求の範囲、又は図面のいずれであろうと、それら用語のうちの１つ、それらの用語のうちのいずれか、あるいは、それらの用語の両方を含む可能性を意図すると理解されるべきである。例えば、「Ａ又はＢ」という句は、「Ａ又はＢ」、あるいは、「Ａ及びＢ」の可能性を含むことが理解されるべきである。
【0121】
上記の説明は、その関連する実施形態とともに、もっぱら実例のために提示されている。それは包括的ではなく、本明細書で開示されている概念をそれらの開示されている厳密な形態に制限しない。上記の説明から当業者に明らかなように、変更及び変形が上記の教示に照らして可能であり、あるいは、開示さえている実施形態を実施することにより獲得され得る。例えば、記載されるステップは、論じられている同じ順序で、又は同程度の分離を持って、実行される必要はない。同様に、様々なステップは、同じ又は類似した目的を達成するために、必要に応じて、省略され、繰り返され、又は結合されてよい。従って、本開示は、上記の実施形態に制限されず、代わりに、添付の特許請求の範囲によって、それらの均等の全範囲に照らして定義される。
【0122】
以上、様々な好適な実施形態が、添付の図面を参照して記載されてきた。しかし、明らかなように、続く特許請求の範囲で示されるような、本明細書で開示されている発明概念の広い適用範囲から外れずに、様々な改良及び変更がそれらの実施形態に対して行われてよく、追加の実施形態が実施されてもよい。明細書及び図面は、従って、限定の意味ではなく実例として見なされるべきである。
【0123】
最適なセンサ配置のシステム及び方法がいくつかの例となる実施形態を参照して記載されてきたが、使用されている語は、限定の語ではなく、説明及び例示の語であると理解される。その態様において最適なセンサ配置のシステム及び方法の適用範囲及び精神から外れることなしに、現在述べられているようなかつ補正されるような添付の特許請求の範囲の範囲内で変更が行われてよい。最適なセンサ配置のシステム及び方法が特定の手段、材料及び実施形態を参照して記載されてきたが、最適なセンサ配置のシステム及び方法は、開示されている詳細に制限されるよう意図されず、むしろ、最適なセンサ配置のシステム及び方法は、添付の特許請求の範囲の適用範囲内にあるような、全ての機能的に同等の構造、方法及び使用に及ぶ。
【0124】
本明細書で記載される実施形態の実例は、様々な実施形態の構造の一般的な理解をもたらすよう意図される。実例は、本明細書で記載されている開示の要素及び特徴の全ての完全な記載となるよう意図されない。多数の他の実施形態は、本開示を検討することで当業者に明らかである。他の実施形態は、構造的及び論理的な置換及び変更が開示範囲から外れることなしに行われ得るように、本開示から利用及び導出され得る。更に、実例は単に具象的であり、実寸通りでなくてよい。実例内の特定の比率は、拡大されることがあり、一方、他の比率は、最小限にされることがある。従って、本開示及び図面は、限定ではなく例示と見なされるべきである。
【0125】
本開示の１つ以上の実施形態は、単なる便宜上、本願の範囲を如何なる特定の発明又は発明概念に自発的に制限する意図なしに、個別的に及び／又は集合的に、「発明」との語によって、本明細書で呼ばれ得る。更に、具体的な実施形態が本明細書で例示及び記載されているが、当然ながら、同じ又は類似した目的を達成するよう設計された如何なる後続の配置も、示されている具体的な実施形態と置き換えられてよい。本開示は、様々な実施形態のありとあらゆる後続の適応又は変形もカバーするよう意図される。上記の実施形態、及び本明細書で具体的に記載されていない他の実施形態の組み合わせは、本明細書を検討することで当業者に明らかである。
【0126】
本開示の要約は、３７ Ｃ．Ｆ．Ｒ 第１，７２（ｂ）条に従って設けられ、特許請求の範囲の適用範囲又は意味を解釈又は制限するために使用されないという理解の下で提出される。更に、上記の詳細な説明において、様々な特徴は、本開示を簡素化する目的で１つの実施形態においてまとめられ又は記載されることがある。本開示は、請求される実施形態が、各請求項に明示的に記載されているよりも多い特徴を必要とする意図を反映していると解釈されるべきでない。むしろ、続く特許請求の範囲が反映するように、発明対象は、開示されている実施形態のうちのいずれかの特徴の全てを対象としているわけではない。このようにして、続く特許請求の範囲は詳細な説明に組み込まれ、各請求項は、別々に請求されている対象を定義するものとして独立している。
【0127】
開示されている実施形態の上記の説明は、本開示で記載されている概念を実施することを当業者に可能にするために与えられている。そのようなものとして、上記の開示されている対象は、限定ではなく実例と見なされるべきであり、添付の特許請求の範囲は、本開示の実際の精神及び適用範囲内にある全てのそのような変更、拡張及び他の実施形態をカバーするよう意図される。よって、法律によって許される最大限の範囲で、本開示の範囲は、続く特許請求の範囲及びその均等の最も広い許される解釈によって決定されるべきであり、上記の詳細な説明によって制限又は限定されるべきではない。
【手続補正書】
【提出日】2020年10月1日
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
空間をモニタするセンサの配置を決定するコントローラであって、
命令を記憶しているメモリと、
前記命令を実行するプロセッサと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記コントローラに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
コントローラ。
命令を記憶しているメモリと、
前記命令を実行するプロセッサと
を有し、
前記命令は、前記プロセッサによって実行されるときに、前記コントローラに、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有するプロセスを実行させる、
コントローラ。
【請求項2】
前記コントローラによって実行される前記プロセスは、
前記第１関連性に基づいて前記第１センサをアクティブにすること、又は前記第１関連性に基づいて前記第１センサを取り除くこと、と、
前記第２関連性に基づいて前記第２センサをアクティブにすること、又は前記第２関連性に基づいて前記第２センサを取り除くこと、のうちの１つを実行することと
のうちの少なくとも１つを実行することを更に有する、
請求項１に記載のコントローラ。
前記第１関連性に基づいて前記第１センサをアクティブにすること、又は前記第１関連性に基づいて前記第１センサを取り除くこと、と、
前記第２関連性に基づいて前記第２センサをアクティブにすること、又は前記第２関連性に基づいて前記第２センサを取り除くこと、のうちの１つを実行することと
のうちの少なくとも１つを実行することを更に有する、
請求項１に記載のコントローラ。
【請求項3】
前記コントローラによって実行される前記プロセスは、
前記少なくとも２つのセンサのうちの第３センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第５センサデータを受け取ることと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第５経過を伴う前記第１アクティビティのための第５モデルを生成することと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第６経過を伴う前記第２アクティビティのための第６モデルを生成することと、
前記第３センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第６センサデータを受け取ることと、
前記プロセッサを用いて、前記第５モデルが前記第６センサデータの少なくとも一部を生成した尤度、及び前記第６モデルが前記第６センサデータの少なくとも一部を生成した尤度を決定することと
を更に有する、
請求項１に記載のコントローラ。
前記少なくとも２つのセンサのうちの第３センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第５センサデータを受け取ることと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第５経過を伴う前記第１アクティビティのための第５モデルを生成することと、
前記プロセッサによって、前記第５センサデータの少なくとも一部によって示される複数の状態を通る第６経過を伴う前記第２アクティビティのための第６モデルを生成することと、
前記第３センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第６センサデータを受け取ることと、
前記プロセッサを用いて、前記第５モデルが前記第６センサデータの少なくとも一部を生成した尤度、及び前記第６モデルが前記第６センサデータの少なくとも一部を生成した尤度を決定することと
を更に有する、
請求項１に記載のコントローラ。
【請求項4】
前記第１センサは、第１センサグループを有し、
前記第２センサは、第２センサグループを有する、
請求項１に記載のコントローラ。
前記第２センサは、第２センサグループを有する、
請求項１に記載のコントローラ。
【請求項5】
前記第１センサデータは、第１アクティビティを表す第１時系列観察結果と、第２アクティビティを表す第２時系列観察結果とを含む、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項6】
前記第１モデルは、確率的グラフィカルモデルを有する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項7】
前記センサ特有の決定された尤度は、前記第１センサに関連した決定された尤度と、前記第２センサに関連した決定された尤度とを表す、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項8】
前記回帰モデルは、グループＬＡＳＳＯ罰則付き多項ロジスティック回帰モデルであり、任意に、前記多項ロジスティック回帰モデルは、グループＬＡＳＳＯ罰則付き二項ロジスティック回帰モデルである、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項9】
前記回帰モデルは、前記グループ化された計算された距離が前記第１アクティビティ及び前記第２アクティビティを最も良く表すように、前記グループ化された計算された距離の重みを決定する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項10】
前記コントローラによって実行される前記プロセスは、
前記少なくとも２つのセンサから、前記第１アクティビティ及び前記第２アクティビティを検知するのに最も顕著なセンサの最小セットを識別すること
を更に有し、
任意に、前記センサの最小セットは、前記少なくとも２つのセンサのサブセットとして選択される、
請求項１に記載のコントローラ。
前記少なくとも２つのセンサから、前記第１アクティビティ及び前記第２アクティビティを検知するのに最も顕著なセンサの最小セットを識別すること
を更に有し、
任意に、前記センサの最小セットは、前記少なくとも２つのセンサのサブセットとして選択される、
請求項１に記載のコントローラ。
【請求項11】
前記第１モデル、前記第２モデル、前記第３モデル、及び前記第４モデルは夫々、別個の隠れマルコフモデルを有する、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項12】
前記配置は、モニタされる前記空間の特性によって定義される、
請求項１に記載のコントローラ。
請求項１に記載のコントローラ。
【請求項13】
空間をモニタするセンサの配置を決定する方法であって、
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有する方法。
少なくとも２つのセンサのうちの第１センサから、少なくとも第１アクティビティ及び第２アクティビティを表す少なくとも１つの時系列観察結果を含む第１センサデータを受け取ることと、
前記少なくとも２つのセンサのうちの第２センサから、前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第２センサデータを受け取ることと、
プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第１経過を伴う前記第１アクティビティのための第１モデルを生成することと、
前記プロセッサによって、前記第１センサデータの少なくとも一部によって示される複数の状態を通る第２経過を伴う前記第２アクティビティのための第２モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第３経過を伴う前記第１アクティビティのための第３モデルを生成することと、
前記プロセッサによって、前記第２センサデータの少なくとも一部によって示される複数の状態を通る第４経過を伴う前記第２アクティビティのための第４モデルを生成することと、
前記第１センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第３センサデータを受け取ることと、
前記第２センサから、少なくとも前記第１アクティビティ及び前記第２アクティビティを表す少なくとも１つの時系列観察結果を含む第４センサデータを受け取ることと、
前記プロセッサを用いて、前記第１モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第２モデルが前記第３センサデータの少なくとも一部を生成した尤度、前記第３モデルが前記第４センサデータの少なくとも一部を生成した尤度、及び前記第４モデルが前記第４センサデータの少なくとも一部を生成した尤度を決定することと、
計算された距離を得るよう、前記プロセッサを用いて、各センサ特有の決定された尤度間のペアワイズ距離を計算することと、
グループ化された計算された距離を得るよう、前記プロセッサを用いて、前記第１センサに係る尤度についての前記計算された距離をグループ化し、前記第２センサに係る尤度についての前記計算された距離をグループ化することと、
前記プロセッサを用いて、前記グループ化された計算された距離を用いて回帰モデルをも実行することによって、前記第１アクティビティ及び前記第２アクティビティを捕捉することに対する前記第１センサの第１関連性及び前記第２センサの第２関連性を決定することと
を有する方法。
【請求項14】
前記少なくとも２つのセンサに基づいて前記空間をモニタするよう、前記少なくとも２つのセンサのうちの少なくとも１つを除いたセンサの最小限のグループを配置することを更に有する、
請求項１３に記載の方法。
請求項１３に記載の方法。
【請求項15】
空間をモニタするセンサの配置を決定するシステムであって、
通信ネットワーク上で通信するために使用される通信インターフェースと、
ユーザインターフェースと、
請求項１乃至１２のうちいずれか一項に記載のコントローラと
を有するシステム。
通信ネットワーク上で通信するために使用される通信インターフェースと、
ユーザインターフェースと、
請求項１乃至１２のうちいずれか一項に記載のコントローラと
を有するシステム。
【国際調査報告】