[go: up one dir, main page]

CN103338703A - 时差综合症症状的估计装置、估计系统、估计方法及程序 - Google Patents

时差综合症症状的估计装置、估计系统、估计方法及程序 Download PDF

Info

Publication number
CN103338703A
CN103338703A CN2012800065397A CN201280006539A CN103338703A CN 103338703 A CN103338703 A CN 103338703A CN 2012800065397 A CN2012800065397 A CN 2012800065397A CN 201280006539 A CN201280006539 A CN 201280006539A CN 103338703 A CN103338703 A CN 103338703A
Authority
CN
China
Prior art keywords
jet lag
trouble
characteristic quantity
estimation
physical signs
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012800065397A
Other languages
English (en)
Other versions
CN103338703B (zh
Inventor
佐野茜
佐塚直也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN103338703A publication Critical patent/CN103338703A/zh
Application granted granted Critical
Publication of CN103338703B publication Critical patent/CN103338703B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4857—Indicating the phase of biorhythm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6817—Ear canal
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Fuzzy Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Educational Technology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Otolaryngology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

提供了一种时差综合症症状的估计装置，包括：获取单元（24），获取以如下方式设置的估计标准（EC）：对于时差综合症症状的程度不同的多个样本（Sa），根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并指定根据时差综合症症状的程度的分类的特征量范围（R）；提取单元（23），对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及估计单元（25），对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。

Description

时差综合症症状的估计装置、估计系统、估计方法及程序
技术领域
本发明涉及时差综合症症状的估计装置、估计系统、估计方法及程序。
背景技术
时差综合症（广义上）偏离了生物节律，其由于涉及时差的移动、轮班工作、不规则生活方式（工作日的睡眠阶段与非工作日大大不同的生活习惯或者不规则睡眠-觉醒习惯）等影响生理状态。时差综合症导致诸如睡眠紊乱、持续性疲劳等症状。当生理状态受到时差综合症症状影响时，生理能力下降，并且可能发生不希望的事故。为此，从生理状态管理的方面考虑，期望客观地确定是否存在时差综合症或者量化地评估时差综合症症状的程度。
然而，时差综合症症状具有个体差异、年龄差、东西移动方向差异等。例如，已知存在1.7天到17.9天的时差综合症症状持续时间的个体差异（参考文献1）。从而，难于进行客观确定或定量评估，而仅主观地或定性地进行确定或评估。
发明内容
技术问题
同时，在具有各种周期的生物节律中，体温，尤其是，诸如体温、血压、心率和睡眠及觉醒的生物节律公知为具有昼夜节律周期的生物节律。另外，公知的是，生物节律的适应时间（直到由时差导致的生物节律的偏离适应实际生活时间所需的时间）在核心体温系统的生理指标与活动量（睡眠和觉醒）系统的生理指标之间显著不同。例如，已知，对五个小时以上的时差导致的生物节律的偏离在核心体温中为约两星期，而在心率和睡眠和觉醒中为两天或三天（参考文献2和3）。另外，已知时差综合症症状在导致时差综合症之后的第三或第四天最严重（参考文献4）。
另外，生物节律之间的适应时间的差异导致内部失调现象，其中在同一生命体中多个生物节律具有不同周期，导致所谓的时差综合症（广义），其使得生命体处于各种差的状态中（参考文献5）。从而，难于利用单个生理指标定量确定是否存在时差综合症或定量评估时差综合症症状的程度。
期望提供一种时差综合症症状的估计装置、估计系统、估计方法、以及程序，其能够客观确定是否存在时差综合症并定量评估时差综合症症状的程度。
解决问题的技术方案
根据本发明的实施例，提供一种时差综合症症状的估计装置，包括：获取单元，获取以如下方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；提取单元，对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及估计单元，对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
当核心体温系统的生理指标的特征量被包括在具有时差综合症症状的样本的特征量范围中，且活动量系统的生理指标的特征量被包括在不具有时差综合症症状的样本的特征量的特征量范围中时，所述估计单元估计受验者的时差综合症症状的程度为严重。
获取单元可以获取以下列方式设置的估计标准：多个样本的特征量被分类到具有时差综合症症状的样本的特征量范围和不具有时差综合症症状的样本的特征量范围中，基于具有时差综合症症状的样本的特征量范围的重心根据时差综合症症状的程度将多个样本的特征量分类为三种或更多种，并且根据时差综合症症状的程度指定特征量副范围。以及，所述估计单元可以确定估计标准的哪个特征量副范围包括受验者的生理指标的特征量，并且可以估计受验者的时差综合症症状。
获取单元可以获取以下列方式设置的估计标准：其中根据基于样本的对时差综合症症状的程度的主观评估将多个样本的特征量分类为三种或更多种，并且根据时差综合症症状的程度指定特征量副范围。以及，所述估计单元可以确定估计标准的哪个特征量副范围包括受验者的生理指标的特征量，并且可以估计受验者的时差综合症症状。
获取单元可以获取以下列方式设置的估计标准：其中根据时差综合症症状的程度对包括受验者的多个样本的特征量进行分类，并指定根据时差综合症症状的程度的分类的特征量范围。
时差综合症症状的估计装置还可以包括估计历史存储单元，其与表示作为时差综合症症状的成因的时差的条件的时差条件相关联地存储时差综合症症状的估计结果；以及估计历史提取单元，其从存储的时差综合症症状的估计结果提取适于指定时差条件的估计结果。
估计装置可以连接到管理装置，该管理装置从多个估计装置获取受验者的生理指标的特征量和根据时差综合症症状的特征量的分类结果，根据时差综合症症状的程度的分类指定特征量范围，以及设置估计标准。以及所述获取单元可以获取通过管理装置设置的估计标准。
所述估计装置可以连接到管理装置，该管理装置从多个估计装置获取受验者的生理指标的特征量的分类结果、表示作为时差综合症症状的成因的时差的条件的时差条件、以及时差综合症症状的估计结果，并与特征量的分类结果和时差条件相关联地管理时差综合症症状的估计结果。以及所述估计装置还可以包括估计历史获取单元，该估计历史获取单元在所管理的时差综合症症状的估计结果中获取适于指定的时差条件和特征量的分类结果的估计结果。
所述提取单元可以对具有不同时差综合症症状的程度的多个样本提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量。所述估计装置还可以包括设置单元，该设置单元对核心体温系统的生理指标和活动量系统的生理指标中的每一个根据时差综合症症状的程度对提取的生理指标的特征量进行分类，根据时差综合症症状的程度的分类指定特征量范围，并设置估计标准。以及所述获取单元可以获取通过设置单元设置的估计标准。
可以对样本的每种生活方式设置估计标准，所述估计单元可以利用根据受验者的生活方式的估计标准估计受验者的时差综合症症状。
时差综合症症状的估计装置还可以包括通知单元，该通知单元向所述受验者通知所述时差综合症症状的估计结果。
所述核心体温系统的生理指标可以是鼓膜温度，且活动量系统的生理指标是活动量。
时差综合症症状的估计装置还可以包括存储单元，该存储单元存储所述估计标准。所述获取单元从存储单元获取估计标准。
根据本发明的另一个实施例，提供一种时差综合症症状的估计系统，包括：设置装置，包括:提取单元，对具有不同时差综合症症状的程度的多个样本提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量，和设置单元，其对核心体温系统的生理指标和活动量系统的生理指标中的每一个根据时差综合症症状的程度对提取的生理指标的特征量进行分类，根据时差综合症症状的程度的分类指定特征量范围，并设置估计标准；以及估计装置，其包括提取单元，对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量，和估计单元，对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
根据本发明的另一个实施例，提供一种时差综合症症状的估计方法，包括：获取以下列方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
根据本发明的另一个实施例，提供一种用于使得计算机执行时差综合症症状的估计方法的程序，所述方法包括：获取以下列方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
根据本发明的另一方面，提供一种用于使得计算机执行时差综合症症状的估计方法的程序。这里，可以使用计算机可读记录介质或通过通信装置等提供程序。
发明的有益效果
根据本发明，可提供一种时差综合症症状的估计装置、估计系统、估计方法、以及程序，其能够客观确定是否存在时差综合症并定量估计时差综合症症状的程度。
附图说明
图1示出根据本发明实施例的时差综合症症状的估计系统的总体配置；
图2为示出估计系统的总体处理的流程图（1/2）；
图3为示出估计系统的总体处理的流程图（2/2）；
图4为示出设置装置的功能配置的框图；
图5为示出估计装置的功能配置的框图；
图6为示出设置装置的操作的流程图；
图7示出鼓膜温度的特征量和活动量的特征量的实例；
图8示出对样本源的调查问卷的实例；
图9示出指定鼓膜温度的特征量和活动量的特征量上的特征量范围的实例；
图10为示出估计装置的操作的流程图；
图11示出在鼓膜温度的特征量和活动量的特征量上确定特征量的实例；
图12示出通知症状估计结果的实例；
图13示出基于样本信息的鼓膜温度的特征量的估计标准的实例；
图14示出基于统计处理的鼓膜温度的特征量的估计标准的实例；
图15示出用于获取症状预测条件的调查问卷的实例；
图16示出症状预测结果的实例；
图17示出估计系统的实例，其中可以根据多个受验者的特征量设置估计标准；
图18示出估计系统的实例，其中可以根据受验者的特征量设置估计标准；以及
图19示出估计系统的实例，其中可以在多个估计装置之间共享症状估计历史。
具体实施方式
下文中，将参照附图详细描述本发明的优选实施例。注意，在该说明书和附图中，以相同的标号表示具有基本相同的功能和结构的元件，并省略重复的说明。
[1.估计系统的配置]
首先，将参考图1到5描述根据本发明实施例的时差综合症症状的估计系统（下文称为“估计系统”）。图1示出根据本发明实施例的估计系统的总体配置。
如图1所示，估计系统包括：设置装置1，其设置用于估计时差综合症症状的估计标准EC，以及估计装置2，其利用所述估计标准EC估计时差综合症症状并生成估计结果ER。基于具有不同时差综合症症状的多个样本Sa设置估计标准EC，并将其用于估计受验者Su的时差综合症症状。
图2和图3为示出估计系统的总体处理的流程图。在估计系统中，设置装置1执行图2所示的对估计标准EC的设置处理，并且估计装置2执行如图3所示的时差综合症症状的估计处理。
首先将参考图2描述对估计标准EC的设置处理。对核心体温系统的生理指标和活动量（睡眠和觉醒）系统的生理指标各自设置估计标准EC。对于具有不同程度的时差综合症症状的多个样本Sa的每一个，设置装置1测量样本Sa的生理信号（步骤S11和S21），从生理信号导出生理指标（S12和S22），从生理指标提取特征量（S13和S23），以及获取症状程度（S14和S24）。
核心体温系统指标是一种其生物节律的适应时间长于活动量系统指标的指标。例如，有鼓膜温度、口腔温度、以及血液中的褪黑激素或皮质醇含量。同时，活动量系统指标是一种其生物节律的适应时间短于核心体温系统指标的指标。例如，有活动量、脉搏率、增强指标（AI）值、以及血压值。
生理指标的特征量的实例包括：基于特定相（最大振幅、最小振幅等）的出现时刻、振幅量（最大、最小、平均等）的血压值、鼓膜温度、口腔温度、褪黑激素或皮质醇含量、脉搏率以及AI值。其它活动量基于睡眠开始时刻和睡眠结束时刻等。多个样本Sa是与用作症状估计目标的受验者Su不同的多个样本源Sa，相同的样本源Sa可以用作两个或多个样本Sa。另外，多个样本Sa可以包括受验者Su，但是该说明书中将通过其中多个样本Sa为多个样本源Sa的例子而进行描述。
设置装置1根据症状程度对多个样本Sa中的生理指标的特征量进行分类（S15和S25），根据症状程度的分类指定特征量范围R（S16和S26），以及设置估计标准EC（S17和S27）。对核心体温系统指标的特征量和活动量系统指标的特征量中的每一个设置估计标准EC。
这里，例如，生理指标的特征量被分类为两个阶段：“正常”样本Sa（不具有症状的样本Sa）的特征量，和“异常”样本Sa（具有基于从样本Sa获取的症状程度的症状的样本Sa）的特征量。生理指标的特征量可以被分类为三个阶段或更多，但是该说明书将通过其中将生理指标的特征量分类为两个阶段的实例进行。
另外，根据症状程度对多个样本Sa中的生理指标的特征量进行分类，并且规定包括“正常”样本Sa的多个特征量的特征量范围Rn，以及包括“异常”样本Sa的多个特征量的特征量范围Ra。从而，设置这样的估计标准EC，其包括“正常”特征量范围Rn和“异常”特征量范围Ra。
下面将参考图3描述对时差综合症症状的估计处理。估计装置2测量受验者Su的生理信号（步骤S31和S41），从生理信号导出生理指标（S32和S42），以及从生理指标提取特征量（S33和S43）。这里，作为生理指标的特征量，提取核心体温系统指标和活动量系统指标的与在设置处理时提取的特征量相同的特征量。
估计装置2确定其中包括受验者Su的生理指标的特征量的估计标准EC的特征量范围R（S34和S44），基于特征量的确定结果估计受验者Su的症状（S51）。这里，其中对核心体温系统指标的特征量和活动量系统指标的特征量的每一个确定包括生理指标的特征量的特征量范围R。
例如，确定，核心体温系统指标的特征量被包括在“异常”特征量范围Ra中，以及活动量系统指标的特征量被包括在“正常”特征量范围Rn中。在该情况中，可以理解，活动量系统的生物节律适应于实际生活时间，但是不适应于核心体温系统的生物节律。从而，估计严重的时差综合症症状，其中核心体温系统的生物节律与活动量系统的生物节律不同步。
图4为示出设置装置1的功能配置的框图。如图4所示，设置装置1包括：信号测量单元11、指标导出单元12、特征量提取单元13、样本信息获取单元14、标准设置单元15、以及存储单元16。在除去样本信息获取单元14以外的各个部件中，对核心体温系统指标和活动量系统指标的每一个执行处理。
信号测量单元11利用各种传感器测量样本Sa的生理信号。例如，利用温度传感器测量鼓膜温度和口腔温度，利用压力传感器测量脉搏率和血压值，以及利用加速传感器测量活动量。例如，在经过一夜等的测量时段的预定时段期间以预定测量间隔测量生理信号。测量的生理信号被转换为生理数据。
指标导出单元12从生理数据导出生理指标。在生理数据中，利用滤波器等除去特定频率分量，或者利用加速传感器等的输出除去在非休息时的数据。生理数据根据需要被转换为其它生理指标（例如，从脉搏波转换为AI值），并被导出为在预定时段（例如几秒到几分钟）中的生理指标的平均值。
特征量提取单元13从导出的生理指标提取特征量。例如，提取鼓膜温度、口腔温度、脉搏率、AI值或者血压值的特征量，从而获得适于导出的生理指标的时间序列数据的昼夜节律周期的函数，并且利用获得的函数获得特定相（最大振幅、最小振幅等）或振幅量（最大、最小、平均值等）的出现时刻。另外，例如，利用Cole-Kripke算法（参考文献6）等，从导出的活动量的时间序列数据提取活动量的特征量从而指定活动状态和睡眠状态之间的边界。
样本信息获取单元14从样本Sa获取表示症状程度、生活方式（上午方式、夜晚方式、中间方式等）等的样本信息。通过诸如按键、按钮或触摸板的输入装置获取样本信息。
标准设置单元15根据提取的特征量设置将用于症状估计的估计标准EC。通过根据症状程度对多个样本Sa中的生理指标的特征量进行分类并且根据症状程度的分类指定特征量范围R，而设置估计标准EC。例如，利用诸如支持矢量机或增强的机器学习算法指定特征量范围R。例如，可以基于表示生活方式的样本信息将估计标准EC设置为用于上午方式、夜晚方式以及中间方式中的每一个的受验者的估计标准EC。
存储单元16存储样本Sa的生理信号或生理指标的时间序列数据、特征量、样本信息、估计标准EC等。估计标准EC可以与估计装置2共用，或者可以通过通信线路或记录介质被提供给估计装置2。
图5为示出估计装置2的功能配置的框图。如图5所示，估计装置2包括：信号测量单元21、指标导出单元22、特征量提取单元23、受验者信息获取单元24、症状估计单元25、症状通知单元26、存储单元27、时差条件获取单元28、历史存储单元29以及历史提取单元30。在信号测量单元21、指标导出单元22和特征量提取单元23中，对核心体温系统指标和活动量系统指标中的每一个执行处理。
信号测量单元21、指标导出单元22和特征量提取单元23的功能类似于设置装置1的对应部件。特征量提取单元23从自受验者Su导出的生理指标提取特征量。受验者信息获取单元24从受验者Su获取表示生活方式的受验者信息。
症状估计单元25确定其中包括受验者Su的生理指标的特征量的估计标准EC的特征量范围R。另外，症状估计单元25基于核心体温系统指标和活动量系统指标的每个的特征量的确定结果估计受验者Su的症状。另外，可以利用对应于作为受验者信息获取的受验者Su的生活方式的估计标准EC执行对特征量的确定。
症状通知单元26向用户通知症状估计结果ER和将在下文描述的症状估计历史。症状通知被形成为视觉信息和/或听觉信息。存储单元27存储估计标准EC、受验者Su的生理指标的测量值或导出值的时间序列数据、以及特征量。存储单元27存储与设置装置1共享的估计标准EC和通过通信线路或记录介质从设置装置1获取的估计标准EC。
时差条件获取单元28获取表示由时差综合症的成因（移动、轮班工作等）导致的时差的时差条件和在时差综合症的成因出现之后经过的天数。可以从受验者Su获取、或者通过GPS装置、加速传感器等获取时差条件。
历史存储单元29与从受验者Su获取的时差条件关联地存储生理指标的导出值的时间序列数据、特征量、特征量的估计结果、症状估计结果ER等，作为症状估计历史。图5示出其中通过存储单元27存储信息的实例，但是存储信息可以不需要存储单元27。基于由受验者Su指定的预测条件（时差条件），历史提取单元30在症状估计历史中提取满足预测条件的估计结果ER，并将估计结果ER提供给症状通知单元26。
设置装置1和估计装置2的每个部件被配置为诸如电路逻辑的硬件和/或诸如程序的软件。被配置为软件的部件被实现为CPU（未示出）上的程序。
估计系统可被配置为使得设置装置1与估计装置2集成。例如，估计系统或估计装置2可被配置为便携式音乐播放器、移动电话、便携式信息终端等。在该情况中，为了测量生理指标，可以在耳机中安装诸如温度传感器或加速度传感器的传感器。另外，症状估计结果ER可以通过诸如液晶显示器的显示装置或诸如扬声器的输出装置代替估计装置2向受验者Su提供通知。
可选地，估计系统可被配置为使得设置装置1与估计装置2分离。在该情况中，通过通信线路或记录介质在设置装置1与估计装置2之间发射和接收用于症状估计的估计标准EC和症状估计结果ER。另外，估计装置2可被配置为将症状估计结果ER输出到另一个用户终端等。
[2.估计系统的操作]
下面，将参照图6到图16描述估计系统的操作。下面的描述将通过这样的实例进行，其中分别利用鼓膜温度和活动量作为核心体温系统指标和活动量系统指标将生理指标的特征量分类为“正常”样本Sa的特征量和“异常”样本Sa的特征量两个阶段。
（估计标准EC的设置处理）
图6为示出设置装置1的操作的流程图。首先，对于具有不同症状程度的多个样本Sa的每一个，设置装置1测量样本Sa的生理信号，从生理信号导出生理指标，从生理指标提取特征量，以及获取表示症状程度的受验者信息。下面，将描述提取一个（1）样本Sa的生理指标的特征量的操作。
信号测量单元11在整个预定测量时段上以预定测量间隔在预定持续时间期间测量样本Sa的鼓膜温度和活动量（步骤S61）。鼓膜温度和活动量的测量值被存储在存储单元16中作为时间序列数据。例如，测量时段是一晚，例如，测量间隔是几分钟到几十分钟，以及，例如，持续时间为几十秒到几分钟。在以下状态中执行测量：其中餐后一个或两小时，样本Sa正在休息且避免活动。可以在相同的时间点或不同的时间点测量鼓膜温度和活动量。
指标导出单元12利用测量值的时间序列数据计算在作为生理指标的持续时间期间的鼓膜温度的平均值和活动量的平均值（S62）。导出的鼓膜温度的值和活动量的值被存储在存储单元16中作为时间序列数据。另外，当导出生理指标时，在测量值的时间序列数据中除去诸如非连续数据或非休息时间的数据的异常值。另外，根据生理指标在测量值的时间序列数据上执行例如将脉搏波转换为AI值（对应于脉搏波的二次微分的拐点）的数据转换。
特征量提取单元13利用导出值的时间序列数据提取鼓膜温度的特征量和活动量的特征量作为生理指标的特征量（S63）。鼓膜温度的特征量和活动量的特征量被与样本Sa关联地存储在存储单元16中。
图7示出鼓膜温度的特征量和活动量的特征量的实例。如图7所示，获得适于导出值的时间序列数据的昼夜节律周期的函数，并且提取鼓膜温度的特征量作为例如最小振幅的出现时刻（相位）和其振幅量的组合。可以提取特征量作为例如特定相位（最大振幅、最小振幅等）的出现时刻和振幅量（最大值、最小值、平均值等）的两个或更多个值的组合。提取活动量的特征量，使得基于分布状态从导出值的时间序列数据将活动状态与睡眠状态之间的边界指定为睡眠开始时刻。
样本信息获取单元14利用用于样本源Sa的调查问卷从样本源Sa获取表示症状程度的样本信息（S64）。样本信息被与样本Sa关联地存储在存储单元16中。可选地，可以从样本源Sa获取表示生活方式的样本信息。利用对样本Sa的调查问卷将样本Sa的生活方式指定为上午方式、夜晚方式、中间方式中的任一个。
图8示出对样本源Sa的调查问卷的实例。如图8所示，对于除活动量之外的生理指标，例如，利用包括以下项的调查问卷获取样本信息：失眠/嗜睡、工作效率、动力/食欲、疲劳感和活动量。样本源Sa在每项上执行五分估计，给出五分表示良好状态，一点表示差状态。另外，对于活动量，获取样本源Sa的通常睡眠开始时刻作为样本信息。
然后，设置装置1根据症状程度对多个样本Sa中的生理指标的特征量进行分类，根据症状程度的分类指定特征量范围R，以及设置估计标准EC。
标准设置单元15基于表示症状程度的样本信息根据症状程度将多个样本Sa中的生理指标的特征量分类为“正常”样本Sa的特征量和“异常”样本Sa的特征量（S65）。特征量的分类结果被与样本Sa关联地存储在存储单元16中。
对于除活动量之外的生理指标，基于调查问卷项的总分，例如，总分16以上的生理指标被分类为“正常”样本Sa的特征量，总分15分以下的生理指标被分类为“异常”样本Sa的特征量。另外，其中在普通睡眠开始时刻（样本信息）与实际睡眠开始时刻（活动量的特征量）之差在预定时间内（例如一小时）的活动量被分类到“正常”样本Sa的特征量中，以及其中所述差超过预定时间的活动量被分类到“异常”样本Sa的特征量中。
标准设置单元15基于特征量的分类结果指定“正常”特征量范围Rn和“异常”特征量范围Ra（S66），并设置估计标准EC（S67）。另外，利用每种生活方式的特征量空间设置每种生活方式的估计标准EC。特征量范围R的指定结果被存储在存储单元16中作为估计标准EC。
图9示出指定鼓膜温度的特征量和活动量的特征量上的特征量范围R的实例。图9示出包括特征量分布、特征量范围R的形状等的特征量空间的实例。如图9所示，对于鼓膜温度（活动量的生理指标），例如，利用以特定相的出现时刻为第一维、以振幅量为第二维的特征量空间（平面）获得估计标准EC。对于活动量，利用以睡眠开始时刻为第一维的特征量空间（线）获得估计标准EC。另外，当生理指标的特征量包括n个值的组合时，利用第一到第n维的特征量空间获得估计标准EC。
图9示出特征量空间（平面和线），其中将“正常”样本Sa的特征量绘制为“O”标记，并将“异常”样本Sa的特征量绘制为“X”标记。在特征量空间中，利用机器学习算法指定在包括“正常”样本Sa的多个特征量的范围Rn与包括“异常”样本Sa的多个特征量的范围Ra之间的边界B。从而，设置这样的估计标准EC，其包括“正常”特征量范围Rn和“异常”特征量范围Ra。
（症状估计处理）
图10为示出估计装置2的操作的流程图。首先，估计装置2测量受验者Su的生理信号，从生理信号导出生理指标，以及从生理指标提取特征量。
信号测量单元21在整个预定测量期间上以预定测量间隔在预定持续时间期间测量受验者Su的鼓膜温度和活动量（步骤S71）。鼓膜温度和活动量的测量值被存储在存储单元27中作为时间序列数据。指标导出单元22利用测量值的时间序列数据计算在作为生理指标的持续时间期间的鼓膜温度的平均值和活动量的平均值（S72）。鼓膜温度和活动量的导出值被存储在存储单元27中作为时间序列数据。
特征量提取单元23利用导出值的时间序列数据提取鼓膜温度的特征量（例如，最小振幅的出现时刻及其振幅值）和活动量的特征量（睡眠开始时刻）作为生理指标的特征量（S73）。鼓膜温度的特征量和活动量的特征量被存储在存储单元27中。受验者信息获取单元24可以从样本Sa获取表示生活方式的样本信息。利用对受验者Su的调查问卷将生活方式指定为上午方式、夜晚方式、中间方式中的任一个。
然后，估计装置2确定其中包括受验者Su的生理指标的特征量的估计标准EC的特征量范围R，并基于特征量的确定结果估计受验者Su的症状。
症状估计单元25从存储单元27读取鼓膜温度的特征量的估计标准EC和活动量的特征量的估计标准EC。症状估计单元25在鼓膜温度和活动量的每个上确定受验者Su的特征量被包括在“正常”特征量范围Rn和“异常”特征量范围Ra的哪一个中。
图11示出在鼓膜温度的特征量和活动量的特征量上确定特征量的实例。在图11所示的实例中，受验者A的特征量被确定为包括在鼓膜温度的估计标准EC的“正常”特征量范围Rn中，而受验者B和C的特征量被确定为包括在“异常”特征量范围Ra中。类似地，受验者A和B的特征量被确定为包括在活动量的估计标准EC的“正常”特征量范围Rn中，而受验者C的特征量被确定为包括在“异常”特征量范围Ra中。
症状估计单元25基于鼓膜温度的特征量和活动量的特征量的确定结果利用例如表1估计受验者Su的症状程度（S75）。
[表1]
Figure BDA00003570597500151
换句话说，当使用鼓膜温度作为核心体温系统指标并使用活动量作为活动量系统指标时，如果确定鼓膜温度的特征量是“异常的”且确定活动量的特征量是“正常的”，则估计症状较严重。类似地，当确定鼓膜温度的特征量是“异常的”且确定活动量的特征量是“异常的”，则估计症状中等，以及，当确定鼓膜温度的特征量是“正常的”，且确定活动量的特征量是“正常的”，则估计症状轻微或估计没有症状。从而，可以客观地确定是否存在症状，并定量地估计症状程度。
症状通知单元26向受验者Su通知症状估计结果ER（S76）。症状估计结果ER至少包括表示症状程度的信息（诸如“严重”、“中等”和“轻微”），并且还可以包括鼓膜温度和活动量的特征量的确定结果。另外，症状估计结果ER可以包括用于症状估计的鼓膜温度和活动量的导出值或测量值的时间序列数据、特征量等。另外，症状估计结果ER可以与特定数据和时间的估计历史、平均估计历史等比较地显示。
图12示出通知症状估计结果ER的实例。在图12所示的实例中，确定鼓膜温度的特征量为“异常的”，且确定活动量的特征量为“正常的”，从而估计症状程度为“严重”。
在该情况中，可以理解，当核心体温系统指标的特征量被包括在“异常”特征量范围Ra中且活动量系统指标的特征量被包括在“正常”特征量范围Rn中时，活动量系统的生理节律适应于实际生活时间等，但是核心体温系统的生物节律不与其适应。因此，核心体温系统的生物节律与活动量系统的生物节律不同步，从而估计严重的时差综合症症状。
（估计标准EC的另一个设置实例1）
在上述描述中，设置估计标准EC以将生理指标的特征量分类为“正常”样本Sa的特征量和“异常”样本Sa的特征量的两个阶段的程度。然而，可以设置估计标准EC以将生理指标的特征量分类为三个或更多个阶段。从而，相比于两个阶段的分类，更详细地估计受验者Su的症状。下面的描述将通过这样的实例进行，其中基于样本信息或统计处理将生理指标的特征量分类为四个阶段。
首先，将描述基于样本信息将生理指标的特征量分类为四个阶段的示例。样本信息获取单元14利用上述调查问卷从每个样本Sa获取表示症状程度的样本信息。标准设置单元15基于样本信息对多个样本Sa中的生理指标的特征量进行分类。
对于活动量的生理指标，基于调查问卷项的总分，例如，总分为21到25分的生理指标被分类到“高度正常”的样本Sa的特征量中，总分为16到20分的生理指标被分类到“一般正常”的样本Sa的特征量中，总分为10到15分的生理指标被分类到“略微异常”的样本Sa的特征量中，以及总分为5到9分的生理指标被分类到“高度异常”的样本Sa的特征量中。其中普通睡眠开始时刻与实际睡眠开始时刻之差小于一小时的活动量被分类到“高度正常”的样本Sa的特征量中，其中所述差大于或等于一小时且小于两小时的活动量被分类到“一般正常”的样本Sa的特征量中，其中所述差大于或等于两小时且小于四小时的活动量被分类到“略微异常”的样本Sa的特征量中，以及其中所述差大于或等于四小时的活动量被分类到“高度异常”的样本Sa的特征量中。
然后，标准设置单元15基于特征量的分类结果利用用于每个生理指标的特征量空间设置估计标准EC。换句话说，利用机器学习算法指定“高度正常”、“一般正常”、“略微异常”和“高度异常”的特征量范围Rn1、Rn2、Ra1和Ra2。图13示出基于样本信息的鼓膜温度的特征量（时间、振幅）的估计标准EC的实例。另外，图13示出包括特征量范围R的形状等的特征量空间的实例。
（估计标准EC的另一个设置实例2）
下面，将描述当难于基于样本信息分类特征量时，基于统计处理将生理指标的特征量分类为四个阶段的实例。类似于基于样本信息的实例，样本信息获取单元14利用上述调查问卷从每个样本Sa获取表示症状程度的样本信息。标准设置单元15基于样本信息将多个样本Sa中的生理指标的特征量分类为两个阶段，即“正常的”和“异常的”。
标准设置单元15基于特征量的分类结果利用用于每个生理指标的特征量空间设置估计标准EC。首先，利用机器学习算法指定在“正常”样本Sa的特征量的范围Rn（“正常”范围Rn）与“异常”样本Sa的特征量的范围Ra（“异常”范围Rn）之间的边界B。然后，获得“正常”范围Rn的重心G。
另外，当处于具有从“正常”范围Rn的重心到“正常”范围Rn与“异常”范围Ra之间的边界的最小距离r1的空间（平面）中时，则被分类到“高度正常”中，而当处于“正常”范围Rn中的“高度正常”之外的范围中时，则被分类到“一般正常”中。另外，当处于具有从“正常”范围Rn的重心到“正常”范围Rn与“异常”范围Ra之间的边界的最大距离r2的空间（平面）中时，则被分类到“略微异常”中，而当处于该范围之外的范围中时，则被分类到“高度异常”中。从而，指定“高度正常”、“一般正常”、“略微异常”和“高度异常”的特征量范围Rn1、Rn2、Ra1和Ra2。图14示出基于统计处理的鼓膜温度的特征量（时间、振幅）的估计标准EC的实例。另外，图14示出包括特征量范围R的形状等的特征量空间的实例。
当对核心体温系统指标和活动量系统指标设置四个阶段的估计标准EC时，例如基于表2从每个生理指标的特征量的确定结果估计受验者Su的症状程度。另外，可以理解，当症状程度的值增大，症状更加严重。从而，当更详细地分类症状程度时，可以更详细地进行量化评估。
[表2]
Figure BDA00003570597500181
Figure BDA00003570597500191
当对核心体温系统指标和活动量系统指标中的任一个设置四个阶段的估计标准EC时，例如基于如下表格从每个生理指标的特征量的确定结果估计受验者Su的症状程度。表3为这样的实例，其中对核心体温系统指标设置四个阶段的估计标准EC，并且对活动量系统指标设置二个阶段的估计标准EC。表4为这样的实例，其中对核心体温系统指标设置二个阶段的估计标准EC，并且对活动量系统指标设置四个阶段的估计标准EC。
[表3]
[表4]
Figure BDA00003570597500193
（症状预测处理）
下面，将参照图15到16描述利用症状估计历史预测症状的方法。在症状估计处理中，时差条件获取单元28获取表示由时差综合症的成因导致的时差的时差条件和在时差综合症的成因出现之后经过的天数。由时差综合症的成因导致的时差为移动时差、轮班时间等，并且在时差综合症的成因出现后经过的天数是在涉及时差的移动、轮班工作等出现后经过的天数。
估计装置2测量受验者Su的生理信号，导出生理指标，提取特征量，并如上所述确定生理指标的特征量以估计症状。这里，生理指标的导出值的时间序列数据、特征量、特征量的确定结果、症状估计结果ER等被与受验者Su和时差条件关联地存储在历史存储单元29中作为症状估计历史。从而，症状估计历史以这样的状态被累积在历史存储单元29中，其中可以基于受验者Su和时差条件参考症状估计历史。
为了预测症状，时差条件获取单元28从受验者Su获取指定由时差综合症的成因导致的时差的时差条件和在时差综合症的成因出现之后经过的天数作为症状预测条件。图15示出用于获取症状预测条件（时差条件）的调查问卷的实例。
当获取时差条件时，历史提取单元30从存储在历史存储单元29中的估计历史提取对应于时差条件的估计历史。症状通知单元26显示提取的估计历史。图16示出症状预测结果的实例。在图16的实例中，例如，预测在进行涉及五小时时差的移动之后的第三天具有严重症状。从而，例如，受验者Su在涉及时差的移动之前和之后可以根据移动之后经过的天数预测症状。
[3.估计系统的修改实例]
下面，将参照图17到19描述估计系统的修改实例。估计系统的修改实例涉及设置估计标准EC的方法和使用估计历史的方法。下面的描述基于这样的假设进行，设置估计标准EC以将生理指标的特征量分类为“正常”样本Sa的特征量和“异常”样本Sa的特征量的两个阶段的程度。然而，可以根据估计标准的其它设置实例1或2设置估计标准EC。
（估计标准EC的另一个设置实例1）
已经结合其中利用以前存储在估计装置2中的估计标准EC估计受验者Su的症状的实例进行了上述描述。然而，例如，可通过可从多个估计装置2访问的管理装置3管理估计标准EC。图17示出估计系统的实例，其中可以根据多个受验者Su的特征量来设置估计标准EC。
在该情况中，在症状估计处理中，估计装置2a获取表示受验者Sua的症状程度的信息，并类似于估计标准EC的设置处理地将受验者Sua的生理指标的特征量分类为“正常”或“异常”样本Sa的特征量。然后，估计装置2a将特征量的分类结果与特征量传输到管理装置3作为特征量信息。管理装置3在数据库上与其它受验者Su或其它样本源Sa的特征量信息一起管理受验者Sua的特征量信息。
同时，当估计受验者Sub的症状时，估计装置2b请求管理装置3传输估计标准EC。根据估计标准EC的传输请求，管理装置3基于在其中管理的特征量信息新设置估计标准EC，并将该估计标准EC传输到估计装置2b。类似于估计处理，将估计标准EC设置为，根据特征量分类结果在特征量空间上绘制特征量，并指定特征量范围R。估计装置2b提取受验者Sub的生理指标的特征量，并利用新的估计标准EC估计受验者Sub的症状。
从而，由于利用多个受验者Su的特征量信息设置估计标准EC，所以能够实现这样的估计系统，其中可以估计受验者Su的症状而不使用以前存储在估计装置2中的估计标准EC。
（估计标准EC的另一个设置实例2）
上文已经结合其中利用不同于受验者Su的多个样本源Sa的特征量信息设置估计标准EC的实例进行了描述。然而，可以考虑受验者Su的特征量信息设置估计标准EC。可以通过估计装置2（例如与设置装置1集成的估计装置2）或管理装置3管理受验者Su的特征量信息，所述估计装置2能够执行估计标准EC的设置处理，所述管理装置3可以从估计装置2访问。在下文中，将描述前一种情况。图18示出估计系统的实例，其中可以考虑受验者Su的特征量设置估计标准EC。
在该情况中，在症状估计处理中，估计装置2获取表示受验者Su的症状程度的信息，并类似于估计标准EC的设置处理地分类受验者Su的生理指标的特征量。然后，估计装置2考虑在之前的估计处理中获取的特征量信息以及其它样本源Sa的特征量信息而新设置估计标准EC。可选地，可以利用受验者Su他/她自身的特征量信息设置估计标准EC。在另一个估计处理中，估计装置2像在之前的估计处理中那样提取相同的受验者Su的生理指标的特征量，并利用最新的估计标准EC估计受验者Su的症状。
从而，由于利用受验者Su他/她自身的特征量信息设置估计标准EC，所以能够高精度地估计受验者Su的症状，并实现专用于受验者Su的估计系统。
（估计历史的另一个使用实例）
上文结合这样的实例进行了描述，其中，在症状预测处理中，利用受验者Su他/她自身的症状估计历史预测受验者Su的症状。然而，可以利用另一个受验者Su的症状估计历史预测受验者Su的症状。例如，通过可从多个估计装置2访问的管理装置3管理受验者Su的症状估计历史。图19示出估计系统的实例，其中可以在多个估计装置2a和2b之间共享症状估计历史。
在该情况中，在受验者Sua的症状估计处理中，类似于估计标准EC的设置处理，估计装置2获取表示受验者Sua的症状程度的信息，并分类受验者Sua的生理指标的特征量。然后，估计装置2a将特征量的分类结果与特征量传输到管理装置3作为特征量信息。估计装置2a估计受验者Sua的症状，并将估计结果ER与从受验者Sua获取的时差条件一起传输给管理装置3。
管理装置3管理受验者Sua的信息以及其它受验者Su的信息。管理装置3在与特征量信息和时差条件相关联的数据库上管理多个受验者Su的估计结果ER。
在受验者Sub的症状预测处理中，估计装置2b将受验者Sub的特征量信息和时差条件与估计历史传输请求一起传输给管理装置3。另外，假设在用于受验者Sub的症状估计处理中预先获得受验者Sub的特征量信息（特征量的分类结果和特征量）。
根据估计历史传输请求，管理装置3从数据库提取同与受验者Sub的时差条件和特征量信息类似的时差条件和特征量信息相关联地存储的估计历史。然后，管理装置3将提取的估计历史传输到估计装置2b，并且估计装置2b对用户通知通过估计历史获取单元（未示出）获取的估计历史。
因此，与具有类似特征量信息的另一个受验者Su共享症状估计历史，从而可以实现能够适当地预测受验者Su的症状的估计系统。
（参考文献列表）
参考文献1：O’Connor,P.J.;Morgan,W.P.Athletic PerformanceFollowing Rapid Traversal of Multiple Time Zones-A Review.SportsMed.1990,10,20-30.
参考文献2：Klein,K.E.;Wegmann,H.-M.TheResynchronization of Human Circadian Rhythms AfterTransmeridian Flights as a Result of Flight Direction and Mode ofActivity.In Chronobiology;Scheving,L.E.,Halberg,F.,Pauly,J.E.,Eds.;Thieme Publ.:Stuttgart,1974;564-570.
参考文献3：Winget,C.M.;De Roshia,C.M.;Holley,D.C.Circadian Rhythms and Athletic Performance.Med.Sci.SportsExerc.1985,17,498-516.
参考文献4：Reilly,T.(1998).Travel:Physiology,jet-lag,strategies.In:Encyclopedia of Sports Medicine and Science,T.D.Fahey(Editor).Internet Society for Sport Science：http://sportsci.org，1998年7月12日.
参考文献5：“基础讲座,睡眠改善学”，掘忠雄、白川修一郎
参考文献6：Cole RJ,Kripke DF,Gruen W,Mullaney DJ,GillinJC.Automatic sleep/wake identification from wrist activity.Sleep.1992;15:461-9.
已经参考附图描详细述了本发明的优选实施例，但是本发明不限于根据本发明的实例。本领域技术人员可以在所附权利要求的范围内获得各种替换和修改方案，并且可以理解，其自然地落入本发明的技术范围内。
附图标记列表
1  设置装置
2、2a、2b  估计装置
3  管理装置
11、21  信号测量单元
12、22  指标导出单元
13、23  特征量提取单元
14  样本信息获取单元
15  标准设置单元
16、27  存储单元
24  受验者信息获取单元
25  症状估计单元
26  症状通知单元
28  时差条件获取单元
29  历史存储单元
30  历史提取单元
Sa  样本
Su、Sua、Sub  受验者
R、Rn、Ra、Rn1、Rn2、Ra1、Ra2  特征量范围

Claims (17)

1.一种时差综合症症状的估计装置，包括：
获取单元，获取以如下方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；
提取单元，对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及
估计单元，对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
2.根据权利要求1所述的时差综合症症状的估计装置，
其中，当核心体温系统的生理指标的特征量被包括在具有时差综合症症状的样本的特征量范围中，且活动量系统的生理指标的特征量被包括在不具有时差综合症症状的样本的特征量的特征量范围中时，所述估计单元估计受验者的时差综合症症状的程度为严重。
3.根据权利要求1所述的时差综合症症状的估计装置，
其中所述获取单元获取以下列方式设置的估计标准：多个样本的特征量被分类到具有时差综合症症状的样本的特征量范围和不具有时差综合症症状的样本的特征量范围中，基于具有时差综合症症状的样本的特征量范围的重心根据时差综合症症状的程度将多个样本的特征量分类为三种或更多种，并且根据时差综合症症状的程度指定特征量副范围，以及
所述估计单元确定估计标准的哪个特征量副范围包括受验者的生理指标的特征量，并且估计受验者的时差综合症症状。
4.根据权利要求1所述的时差综合症症状的估计装置，
其中，所述获取单元获取以下列方式设置的估计标准：其中根据基于样本的对时差综合症症状的程度的主观评估将多个样本的特征量分类为三种或更多种，并且根据时差综合症症状的程度指定特征量副范围，以及
所述估计单元确定估计标准的哪个特征量副范围包括受验者的生理指标的特征量，并且估计受验者的时差综合症症状。
5.根据权利要求3所述的时差综合症症状的估计装置，
其中，所述获取单元获取以下列方式设置的估计标准：其中根据时差综合症症状的程度对包括受验者的多个样本的特征量进行分类，并指定根据时差综合症症状的程度的分类的特征量范围。
6.根据权利要求3所述的时差综合症症状的估计装置，还包括：
估计历史存储单元，其与表示作为时差综合症症状的成因的时差的条件的时差条件相关联地存储时差综合症症状的估计结果；以及
估计历史提取单元，其从存储的时差综合症症状的估计结果提取适于指定时差条件的估计结果。
7.根据权利要求3所述的时差综合症症状的估计装置，
其中，所述估计装置连接到管理装置，该管理装置从多个估计装置获取受验者的生理指标的特征量和根据时差综合症症状的特征量的分类结果，根据时差综合症症状的程度的分类指定特征量范围，以及设置估计标准，以及
所述获取单元获取通过管理装置设置的估计标准。
8.根据权利要求3所述的时差综合症症状的估计装置，
其中，所述估计装置连接到管理装置，该管理装置从多个估计装置获取受验者的生理指标的特征量的分类结果、表示作为时差综合症症状的成因的时差的条件的时差条件、以及时差综合症症状的估计结果，并与特征量的分类结果和时差条件相关联地管理时差综合症症状的估计结果，以及
所述估计装置还包括估计历史获取单元，该估计历史获取单元在所管理的时差综合症症状的估计结果中获取适于指定的时差条件和特征量的分类结果的估计结果。
9.根据权利要求3所述的时差综合症症状的估计装置，
其中，所述提取单元对具有不同时差综合症症状的程度的多个样本提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量，
所述估计装置还包括设置单元，该设置单元对核心体温系统的生理指标和活动量系统的生理指标中的每一个根据时差综合症症状的程度对提取的生理指标的特征量进行分类，根据时差综合症症状的程度的分类指定特征量范围，并设置估计标准，以及
所述获取单元获取通过设置单元设置的估计标准。
10.根据权利要求3所述的时差综合症症状的估计装置，
其中对样本的每种生活方式设置估计标准，
所述估计单元利用根据受验者的生活方式的估计标准估计受验者的时差综合症症状。
11.根据权利要求3所述的时差综合症症状的估计装置，还包括：
通知单元，其向所述受验者通知所述时差综合症症状的估计结果。
12.根据权利要求3所述的时差综合症症状的估计装置，
其中所述核心体温系统的生理指标是鼓膜温度，且活动量系统的生理指标是活动量。
13.根据权利要求1所述的时差综合症症状的估计装置，还包括：
存储单元，其存储所述估计标准，
其中所述获取单元从存储单元获取估计标准。
14.一种时差综合症症状的估计系统，包括：
设置装置，包括:
提取单元，对具有不同时差综合症症状的程度的多个样本提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量，和
设置单元，其对核心体温系统的生理指标和活动量系统的生理指标中的每一个根据时差综合症症状的程度对提取的生理指标的特征量进行分类，根据时差综合症症状的程度的分类指定特征量范围，并设置估计标准；以及
估计装置，其包括
提取单元，对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量，和
估计单元，对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
15.一种时差综合症症状的估计方法，包括：
获取以下列方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；
对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及
对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
16.一种使得计算机执行时差综合症症状的估计方法的程序，所述方法包括：
获取以下列方式设置的估计标准：对于时差综合症症状的程度不同的多个样本，根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；
对受验者提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及
对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括受验者的生理指标的特征量，并估计受验者的时差综合症症状。
17.一种时差综合症症状的估计装置，包括：
获取单元，获取以下列方式设置的估计标准：根据时差综合症症状的程度对核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量中的每一个进行分类，并根据时差综合症症状的程度的分类指定特征量范围；
提取单元，从用户提取核心体温系统的生理指标的特征量和活动量系统的生理指标的特征量；以及
估计单元，对核心体温系统的生理指标和活动量系统的生理指标中的每一个确定估计标准的哪个特征量范围包括用户的生理指标的特征量，并估计用户的时差综合症症状。
CN201280006539.7A 2011-02-03 2012-01-26 时差综合症症状的估计装置、估计系统、估计方法及程序 Expired - Fee Related CN103338703B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011022064A JP5895345B2 (ja) 2011-02-03 2011-02-03 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム
JP2011-022064 2011-02-03
PCT/JP2012/051724 WO2012105422A1 (ja) 2011-02-03 2012-01-26 時差ぼけ症状の推定装置、推定システム、推定方法およびプログラム

Publications (2)

Publication Number Publication Date
CN103338703A true CN103338703A (zh) 2013-10-02
CN103338703B CN103338703B (zh) 2016-09-14

Family

ID=46602639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280006539.7A Expired - Fee Related CN103338703B (zh) 2011-02-03 2012-01-26 时差综合症症状的估计装置、估计系统、估计方法及程序

Country Status (5)

Country Link
US (1) US20140114143A1 (zh)
EP (1) EP2671510A4 (zh)
JP (1) JP5895345B2 (zh)
CN (1) CN103338703B (zh)
WO (1) WO2012105422A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110236572A (zh) * 2019-05-07 2019-09-17 平安科技（深圳）有限公司 基于体温信息的抑郁症预测系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015112117A (ja) * 2013-12-07 2015-06-22 株式会社デルタツーリング 生体状態判定装置及びコンピュータプログラム
JP6321571B2 (ja) * 2015-03-10 2018-05-09 日本電信電話株式会社 センサデータを用いた推定装置、センサデータを用いた推定方法、センサデータを用いた推定プログラム
JP6530350B2 (ja) * 2016-06-27 2019-06-12 日本電信電話株式会社 逐次姿勢識別装置、逐次姿勢識別方法および逐次姿勢識別プログラム
CN108986900A (zh) * 2018-08-02 2018-12-11 吕传柱 一种医疗预警系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06189914A (ja) * 1992-12-22 1994-07-12 Matsushita Electric Works Ltd 生体リズム曲線測定装置
CN1688245A (zh) * 2002-08-09 2005-10-26 因特尔丘尔有限公司 用于调节生物节律性活动的通用节拍器
US20060224047A1 (en) * 2005-03-30 2006-10-05 Kabushiki Kaisha Toshiba Sleepiness prediction apparatus and sleepiness prediction method
EP1726325A1 (en) * 2004-03-19 2006-11-29 Daikin Industries, Ltd. Bio-rhythm adjustment method, bio-rhythm adjustment device, and bio-rhythm adjustment system
CN101026995A (zh) * 2002-12-13 2007-08-29 因特尔丘尔有限公司 用于生物节律活动的有益调整的装置和方法
WO2008001366A2 (en) * 2006-06-28 2008-01-03 Endo-Rhythm Ltd. Lifestyle and eating advisor based on physiological and biological rhythm monitoring
WO2008144908A1 (en) * 2007-05-29 2008-12-04 Christopher Mott Methods and systems for circadian physiology predictions
US20090105560A1 (en) * 2006-06-28 2009-04-23 David Solomon Lifestyle and eating advisor based on physiological and biological rhythm monitoring
CN101770547A (zh) * 2009-01-06 2010-07-07 索尼公司 用于评估生活方式的方法、设备和程序
CN101861128A (zh) * 2007-07-06 2010-10-13 索尼公司 生物节律信息的获取方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2582957B2 (ja) * 1991-06-14 1997-02-19 松下電工株式会社 生体活性度モニターシステム
JP2505077B2 (ja) * 1991-06-25 1996-06-05 松下電工株式会社 生体リズム調整装置
JPH08173390A (ja) * 1994-12-20 1996-07-09 Seiko Epson Corp 診断装置
JPH1068787A (ja) * 1996-08-27 1998-03-10 Matsushita Electric Works Ltd 時差ぼけ解消装置
US20050059977A1 (en) * 2003-03-31 2005-03-17 Jimo Borjigin Monitoring circadian activity
JP4917373B2 (ja) * 2006-07-21 2012-04-18 シャープ株式会社 生体情報推定装置及びそれを搭載した電子機器
JP4860441B2 (ja) * 2006-11-16 2012-01-25 シャープ株式会社 光照射装置及びプログラム
US7898426B2 (en) * 2008-10-01 2011-03-01 Toyota Motor Engineering & Manufacturing North America, Inc. Alertness estimator
US20100100004A1 (en) * 2008-10-16 2010-04-22 Koninklijke Nederlandse Akademie Van Wetenschappen Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness
GB2471902A (en) * 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
US20110143326A1 (en) * 2009-12-11 2011-06-16 Gurley Virginia F System for circadian rhythm monitor with synchrony and activity planning
US20110144528A1 (en) * 2009-12-11 2011-06-16 Gurley Virginia F System for circadian rhythm monitor with synchrony and activity planning

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06189914A (ja) * 1992-12-22 1994-07-12 Matsushita Electric Works Ltd 生体リズム曲線測定装置
CN1688245A (zh) * 2002-08-09 2005-10-26 因特尔丘尔有限公司 用于调节生物节律性活动的通用节拍器
CN100455255C (zh) * 2002-08-09 2009-01-28 因特尔丘尔有限公司 用于调节生物节律性活动的通用节拍器
CN101026995A (zh) * 2002-12-13 2007-08-29 因特尔丘尔有限公司 用于生物节律活动的有益调整的装置和方法
EP1726325A1 (en) * 2004-03-19 2006-11-29 Daikin Industries, Ltd. Bio-rhythm adjustment method, bio-rhythm adjustment device, and bio-rhythm adjustment system
US20060224047A1 (en) * 2005-03-30 2006-10-05 Kabushiki Kaisha Toshiba Sleepiness prediction apparatus and sleepiness prediction method
WO2008001366A2 (en) * 2006-06-28 2008-01-03 Endo-Rhythm Ltd. Lifestyle and eating advisor based on physiological and biological rhythm monitoring
US20090105560A1 (en) * 2006-06-28 2009-04-23 David Solomon Lifestyle and eating advisor based on physiological and biological rhythm monitoring
WO2008144908A1 (en) * 2007-05-29 2008-12-04 Christopher Mott Methods and systems for circadian physiology predictions
CN101861128A (zh) * 2007-07-06 2010-10-13 索尼公司 生物节律信息的获取方法
CN101770547A (zh) * 2009-01-06 2010-07-07 索尼公司 用于评估生活方式的方法、设备和程序

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
F. ROELFSEMA: "The influence of light on circadian rhythms", 《EXPERIENTIA》, no. 43, 31 December 1987 (1987-12-31), pages 7 - 12 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110236572A (zh) * 2019-05-07 2019-09-17 平安科技（深圳）有限公司 基于体温信息的抑郁症预测系统

Also Published As

Publication number Publication date
WO2012105422A1 (ja) 2012-08-09
EP2671510A1 (en) 2013-12-11
JP2012161379A (ja) 2012-08-30
EP2671510A4 (en) 2017-09-20
CN103338703B (zh) 2016-09-14
JP5895345B2 (ja) 2016-03-30
US20140114143A1 (en) 2014-04-24

Similar Documents

Publication Publication Date Title
Kahawage et al. Validity, potential clinical utility, and comparison of consumer and research‐grade activity trackers in insomnia disorder I: In‐lab validation against polysomnography
Quer et al. Inter-and intraindividual variability in daily resting heart rate and its associations with age, sex, sleep, BMI, and time of year: Retrospective, longitudinal cohort study of 92,457 adults
Liang et al. Accuracy of Fitbit wristbands in measuring sleep stage transitions and the effect of user-specific factors
Kolla et al. Consumer sleep tracking devices: a review of mechanisms, validity and utility
US8468115B2 (en) Cyclical behavior modification
Alvarez-Lozano et al. Tell me your apps and I will tell you your mood: correlation of apps usage with bipolar disorder state
Li et al. Eustress or distress: An empirical study of perceived stress in everyday college life
Mena et al. How many measurements are needed to estimate blood pressure variability without loss of prognostic information?
Azimi et al. Personalized maternal sleep quality assessment: An objective iot-based longitudinal study
CN103338703B (zh) 时差综合症症状的估计装置、估计系统、估计方法及程序
Calogiuri et al. Methodological issues for studying the rest–activity cycle and sleep disturbances: a chronobiological approach using actigraphy data
WO2015078143A1 (zh) 数据采集方法和装置
CN102224503A (zh) 用于评估和干预的生活质量参数的无接触和最小接触监控
CN113228200A (zh) 用于确定警觉性水平的系统和方法
CN107004239A (zh) 生活习惯改善装置、生活习惯改善方法及生活习惯改善系统
CN110741443A (zh) 用于促进用户的睡眠改善的系统和方法
Xiong et al. The relationship between the 24 h blood pressure variability and carotid intima‐media thickness: a compared study
Goldstein Current and future roles of consumer sleep technologies in sleep medicine
EP4167838A1 (en) Computerized decision support tool and medical device for scratch detection and flare prediction
EP4560641A1 (en) Exercise recommendation method and apparatus, sleep recommendation method and apparatus, electronic device, and storage medium
Masaki et al. Discrepancies between subjective and objective sleep assessments revealed by in-home electroencephalography during real-world sleep
Wu et al. Comparative efficacy of commercial wearables for circadian rhythm home monitoring from activity, heart rate, and core body temperature
US20210345884A1 (en) Systems and methods for diurnal curve tracking and analysis
CN109785964A (zh) 一种健康评估方法、健康评估装置及计算机可读存储介质
CN114947773B (zh) 一种体温监测方法、装置、终端设备以及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160914

Termination date: 20180126

CF01 Termination of patent right due to non-payment of annual fee