推断抑郁状态的装置、方法及其程序制造方法及图纸

本发明专利技术提供一种使用可穿戴设备来推断抑郁状态用的新的方法。将来自多个受试者的几天的生物体数据按每一数据类型转换为1小时等预先定下的时间单位的数据(S201)。接着，按每一受试者而且是每一数据类型来决定得到的样本数据的分布的分位数(S202)。此外，按每一受试者而且是每一数据类型来算出得到的样本数据的分布的标准偏差(S203)。继而，按每一受试者针对数据类型的各组合算出皮尔逊相关系数(S204)。然后，通过使用教学数据的机器学习来训练是否为抑郁状态的分类问题的推断模型，所述教学数据将以如此方式从各受试者的生物体数据中提取出的分位数、标准偏差以及皮尔逊相关系数等特征量作为输入向量，将医生等专家给出的针对各受试者的抑郁状态的有无评价作为标签(S206)。

【技术实现步骤摘要】
【国外来华专利技术】推断抑郁状态的装置、方法及其程序
本专利技术涉及推断抑郁状态(depressivestate)的装置、方法及其程序，更详细而言，涉及根据生物体数据来推断抑郁症或躁郁症的抑郁状态的装置、方法及其程序。
技术介绍
近年来，发达国家的精神疾病患者一直在增加，作为情感障碍的一种类型的抑郁症或躁郁症的患者数量特别多。情感障碍大致分为只有抑郁发作(depressiveepisode)的“抑郁性障碍”和伴有称为“躁狂发作”症状的“双相障碍”。当因抑郁症或躁郁症而进入抑郁状态时，通常会出现精力减退、失去活力的情况，专利文献1中揭示了一种根据受试者的活动量和脉搏间隔，在满足规定条件式的情况下判定为双相障碍的技术。现有技术文献专利文献专利文献1：日本专利特开2018-33795号公报
技术实现思路
专利技术要解决的问题专利技术者等人发现，通过有效利用估计今后会普及的可穿戴设备，可以改善抑郁状态的判定技术。本专利技术的目的在于提供一种使用可穿戴设备来推断抑郁状态用的新的装置、方法及其程序。解决问题的技术手段为了达成这样的目的，本专利技术的第1形态为一种方法，其根据生物体数据来推断受试者的抑郁状态的方法，该方法的特征在于，包含如下步骤：将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；根据所述单位时间数据来提取1个或多个特征量；以及以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态。此外，本专利技术的第2形态为根据第1形态所述的方法，其特征在于，所述生物体数据为借助所述受试者戴在身上的可穿戴设备测量出的数据或者与其相对应的数据。此外，本专利技术的第3形态为根据第1形态或第2形态所述的方法，其特征在于，所述生物体数据为跨及48小时以上的期间测量出的数据或者与其相对应的数据。此外，本专利技术的第4形态为根据第1形态至第3形态中任一项所述的方法，其特征在于，所述规定时间为1小时。此外，本专利技术的第5形态为根据第1形态至第4形态中任一项所述的方法，其特征在于，所述多种数据类型包括皮肤温度。此外，本专利技术的第6形态为根据第5形态所述的方法，其特征在于，所述多种数据类型还包括步数、消耗能量、体动、心率、睡眠状态以及紫外线水平中的至少任一种。此外，本专利技术的第7形态为根据第1形态至第6形态中任一项所述的方法，其特征在于，所述1个或多个特征量包括各数据类型的所述单位时间数据的分位数、各数据类型的所述单位时间数据的标准偏差、以及多种数据类型的各组合的相关系数中的至少任一种。此外，本专利技术的第8形态为根据第1形态至第7形态中任一项所述的方法，其特征在于，所述1个或多个特征量中的所述至少一部分是通过正则化来加以选择。此外，本专利技术的第9形态为根据第1形态至第8形态中任一项所述的方法，其特征在于，所述推断模型是通过机器学习生成的推断抑郁状态的有无的模型。此外，本专利技术的第10形态为根据第1形态至第8形态中任一项所述的方法，其特征在于，所述推断模型是通过机器学习生成的推断抑郁状态的重症度的模型。此外，本专利技术的第11形态为根据第10形态所述的方法，其特征在于，所述重症度为HAMD的分数。此外，本专利技术的第12形态为根据第10形态或第11形态所述的方法，其特征在于，所述生物体数据是跨及72小时以上的期间测量出的数据或者与其相对应的数据。此外，本专利技术的第13形态为一种程序，其用于使计算机执行根据生物体数据来推断受试者的抑郁状态的方法，该程序的特征在于，所述方法包含如下步骤：将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；从所述单位时间数据中提取1个或多个特征量；以及，以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态。此外，本专利技术的第14形态为一种装置，其根据生物体数据来推断受试者的抑郁状态，该装置的特征在于，将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据，从所述单位时间数据中提取1个或多个特征量，以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态。此外，本专利技术的第15形态为一种生成方法，它是用于根据多个受试者的生物体数据来推断抑郁状态的推断模型的生成方法，该方法的特征在于，包含如下步骤：按每一受试者将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；按每一受试者从所述单位时间数据中提取1个或多个特征量；以及，通过使用教学数据的机器学习来生成所述推断模型，所述教学数据将各受试者的所述1个或多个特征量中的至少一部分作为输入向量，将专家给出的对各受试者的诊断结果作为标签。此外，本专利技术的第16形态为根据第15形态所述的生成方法，其特征在于，所述机器学习为集成学习。此外，本专利技术的第17形态为根据第15形态或第16形态所述的生成方法，其特征在于，所述1个或多个特征量包括各数据类型的所述单位时间数据的分位数、各数据类型的所述单位时间数据的标准偏差、以及多种数据类型的各组合的相关系数中的至少任一种。此外，本专利技术的第18形态为根据第15形态至第17形态中任一项所述的生成方法，其特征在于，所述1个或多个特征量中的所述至少一部分是通过正则化来加以选择。此外，本专利技术的第19形态为一种程序，其用于使计算机执行根据多个受试者的生物体数据来推断抑郁状态用的推断模型的生成方法，该方法的特征在于，所述生成方法包含如下步骤：按每一受试者将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；按每一受试者从所述单位时间数据中提取1个或多个特征量；以及，通过使用教学数据的机器学习来生成所述推断模型，所述教学数据将各受试者的所述1个或多个特征量中的至少一部分作为输入，将专家给出的对各受试者的诊断结果作为标签。此外，本专利技术的第20形态为一种装置，其生成根据多个受试者的生物体数据来推断抑郁状态用的推断模型，该装置的特征在于，按每一受试者将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据，按每一受试者从所述单位时间数据中提取1个或多个特征量，通过使用教学数据的机器学习来生成所述推断模型，所述教学数据将各受试者的所述1个或多个特征量中的至少一部分作为输入，将专家给出的对各受试者的诊断结果作为标签。专利技术的效果根据本专利技术的一形态，使用可穿戴设备来获取包括多种数据类型的生物体数据，借助基于该生物体数据的1个或多个特征量来推断抑郁状态，由此，可以改善以往的推断技术。附图说明图1为表示本专利技术的第1实施方式的装置的图。图2为用于说明本专利技术的第1实施方式的推断模型的生成过程的图。图3为用于说明使用本专利技术的第1实施方式的推断模型的推断过程的图。图4为表示本专利技术的实施例2-1的推断结果的精度的图。图5为表示本专利技术的实施例2-2的推断结果的精度的图。图6为表示本专利技术本文档来自技高网...

【技术保护点】
1.一种方法，其根据借助受试者戴在身上的可穿戴设备测量出的生物体数据来推断受试者的抑郁状态，该方法的特征在于，包含如下步骤：/n将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；/n根据所述单位时间数据来提取1个或多个特征量；以及/n以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态，/n所述1个或多个特征量包括各数据类型的所述单位时间数据的分位数以及多种数据类型的各组合的相关系数。/n

【技术特征摘要】
【国外来华专利技术】20181214 JP 2018-2349661.一种方法，其根据借助受试者戴在身上的可穿戴设备测量出的生物体数据来推断受试者的抑郁状态，该方法的特征在于，包含如下步骤：
将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；
根据所述单位时间数据来提取1个或多个特征量；以及
以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态，
所述1个或多个特征量包括各数据类型的所述单位时间数据的分位数以及多种数据类型的各组合的相关系数。


2.根据权利要求1所述的方法，其特征在于，
所述规定时间单位为1小时单位。


3.根据权利要求1至4中任一项所述的方法，其特征在于，
所述多种数据类型包括皮肤温度。


4.根据权利要求3所述的方法，其特征在于，
所述1个或多个特征量包括皮肤温度的分位数。


5.根据权利要求3或4所述的方法，其特征在于，
所述多种数据类型包括睡眠状态。


6.根据权利要求5所述的方法，其特征在于，
所述1个或多个特征量包括皮肤温度与睡眠状态的相关系数。


7.根据权利要求1至6中任一项所述的方法，其特征在于，
所述1个或多个特征量还包括各数据类型的所述单位时间数据的标准偏差。


8.根据权利要求1至7中任一项所述的方法，其特征在于，
所述1个或多个特征量中的所述至少一部分是通过正则化来加以选择。


9.根据权利要求1至8中任一项所述的方法，其特征在于，
所述推断模型是通过机器学习生成的推断抑郁状态的有无的模型。


10.根据权利要求1至8中任一项所述的方法，其特征在于，
所述推断模型是通过机器学习生成的推断抑郁状态的重症度的模型。


11.根据权利要求10所述的方法，其特征在于，
所述重症度为HAMD的分数。


12.根据权利要求1至8中任一项所述的方法，其特征在于，
所述推断模型包括通过机器学习生成的推断抑郁状态的有无的第1模型以及通过机器学习生成的推断抑郁状态的重症度的第2模型，
所述第2模型的生成中使用的生物体数据是以比所述第1模型的生成中使用的生物体数据长的期间测量出的数据。


13.一种程序，其用于使计算机执行根据借助受试者戴在身上的可穿戴设备测量出的生物体数据来推断受试者的抑郁状态的方法，该程序的特征在于，所述方法包含如下步骤：
将包括多种数据类型的生物体数据按每一数据类型转换为规定时间单位的单位时间数据；
从所述单位时间数据中提取1个或多个特征量；以及
以所述1个或多个特征量中的至少一部分为输入，使用预先定下的推断模型来推断抑郁状态，
所述1个或多个特征量包括各数据类型的所述单位时间数据的分位数以及多种数据类型的各组合的相关系数。


14....

【专利技术属性】
技术研发人员：岸本泰士郎，田泽雄基，梁国经，藤田卓仙，吉村道孝，北泽桃子，三村将，
申请(专利权)人：学校法人庆应义塾，
类型：发明
国别省市：日本;JP