特許ウォッチ

公開番号2025096730
公報種別公開特許公報(A)
公開日2025-06-30
出願番号2023212605
出願日2023-12-18
発明の名称学習装置、生体データ推定装置、学習方法、および、生体データ推定方法
出願人三菱電機株式会社
代理人弁理士法人山王内外特許事務所
主分類G06V 10/42 20220101AFI20250623BHJP(計算;計数)
要約【課題】生体データの推定に用いられる学習モデルの精度を従来に比べて向上させる。
【解決手段】学習装置は、時系列の撮像データに基づく時系列輝度データを取得する輝度データ取得部と、生体信号に基づく時系列の生体参照情報を用いて時系列真値データを取得する真値データ取得部と、時系列輝度データと時系列真値データとの時間差を補正する時間差補正部と、時間差補正部により出力された時系列輝度データおよび時系列真値データを用いて、時系列輝度データから生体データを出力する学習モデルを構築するモデル学習部と、を備えた。
【選択図】図1
特許請求の範囲【請求項１】
時系列の撮像データに基づく時系列輝度データを取得する輝度データ取得部と、
生体信号に基づく時系列の生体参照情報を用いて時系列真値データを取得する真値データ取得部と、
前記時系列輝度データと前記時系列真値データとの時間差を補正する時間差補正部と、
前記時間差補正部により出力された時系列輝度データおよび時系列真値データを用いて、時系列輝度データから生体データを出力する学習モデルを構築するモデル学習部と、
を備えた学習装置。
続きを表示（約 1,400 文字）【請求項２】
前記時間差補正部は、
前記輝度データ取得部により取得された時系列輝度データと前記真値データ取得部により取得された時系列真値データとを対比して、前記時系列輝度データと前記時系列真値データとの時間差を補正するものであって、
前記時系列輝度データに基づき前記時系列真値データを補正する、
請求項１に記載の学習装置。
【請求項３】
前記時間差補正部は、
前記輝度データ取得部により取得された時系列輝度データと前記真値データ取得部により取得された時系列真値データとを対比して、前記時系列輝度データと前記時系列真値データとの時間差を補正するものであって、
前記時系列真値データに基づき前記時系列輝度データを補正する、
請求項１に記載の学習装置。
【請求項４】
前記時間差補正部は、
前記輝度データ取得部により取得された時系列輝度データと前記真値データ取得部により取得された時系列真値データとを対比して、前記時系列輝度データと前記時系列真値データとの時間差を補正するものであって、
前記時系列真値データおよび前記時系列輝度データをそれぞれ補正する、
請求項１に記載の学習装置。
【請求項５】
前記生体参照情報は脈波である、
請求項１から請求項４のうちのいずれか１項に記載の学習装置。
【請求項６】
前記生体参照情報は連続血圧波形である、
請求項１から請求項４のうちのいずれか１項に記載の学習装置。
【請求項７】
前記生体参照情報は心電図波形である、
請求項１から請求項４のうちのいずれか１項に記載の学習装置。
【請求項８】
複数人それぞれの時系列輝度データと時系列真値データとの組み合わせを、組み合わせごとに順に取得し、組み合わせごとに、前記輝度データ取得部、前記真値データ取得部、前記時間差補正部、および、前記モデル学習部、による処理を実行する、
請求項１から請求項４のうちのいずれか１項に記載の学習装置。
【請求項９】
時系列の撮像データに基づく時系列輝度データを取得する輝度データ取得部と、
生体信号に基づく時系列の生体参照情報を用いて時系列真値データを取得する真値データ取得部と、
前記時系列輝度データと前記時系列真値データとの時間差を補正する時間差補正部と、
前記時間差補正部により出力された時系列輝度データおよび時系列真値データを用いて、時系列輝度データから生体データを出力する学習モデルを構築するモデル学習部と、
前記モデル学習部により構築された学習モデル、および、前記輝度データ取得部により取得された時系列輝度データ、に基づいて生体データを推定する生体データ推定部と、
を備えた生体データ推定装置。
【請求項１０】
前記時間差補正部は、
前記輝度データ取得部により取得された時系列輝度データと前記真値データ取得部により取得された時系列真値データとを対比して、前記時系列輝度データと前記時系列真値データとの時間差を補正するものであって、
前記時系列輝度データに基づき前記時系列真値データを補正する、
請求項９に記載の生体データ推定装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示技術は、生体データを推定するための学習モデルを構築する技術に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
生体データを推定する技術の中には、例えば、特許文献１に記載されているように、被験者の顔画像系列（時系列の画像）を使用し、顔表面の微小な輝度変化から脈波といった生体データを推定する手法がある。
特許文献１においては、推定器に機械学習モデルを用いており、機械学習モデルによる推定値と、画像のクロミナンス信号に基づき算出された正解値との誤差を無くすように顔画像系列と脈波の関係を学習し、モデル構築を行う。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０１９／１５２９８３号（ＷＯ２０１９／１５２９８３）
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、画像のクロミナンス信号は、画像に含まれる対象自体の状態（例えば、被験者の顔の向きといった状態）など装置外部の環境によって大きく異なる場合がある（以下、「装置外部の環境」は「外部環境」とも記載する。）。そのため、特許文献１に記載の技術では、画像のクロミナンス信号に基づき算出した正解値を用いて学習モデルを構築する際に、外部環境による影響を受けやすく、学習モデルの精度が低くなってしまう可能性が高い、といった課題がある。
【０００５】
本開示は、上記課題を解決するもので、生体データの推定に用いられる学習モデルの精度を従来に比べて向上させる、ことを目的とする。
【課題を解決するための手段】
【０００６】
本開示の学習装置は、
時系列の撮像データに基づく時系列輝度データを取得する輝度データ取得部と、
生体信号に基づく時系列の生体参照情報を用いて時系列真値データを取得する真値データ取得部と、
前記時系列輝度データと前記時系列真値データとの時間差を補正する時間差補正部と、
前記時間差補正部により出力された時系列輝度データおよび時系列真値データを用いて、時系列輝度データから生体データを出力する学習モデルを構築するモデル学習部と、
を備えたものである。
【発明の効果】
【０００７】
本開示によれば、生体データの推定に用いられる学習モデルの精度を従来に比べて向上させることができる、という効果を奏する。
【図面の簡単な説明】
【０００８】
図１は、本開示の学習装置の基本的な構成例を示す図である。
図２は、本開示の学習装置および学習装置が用いるデータの取得元の一例を示す図である。
図３は、本開示の学習装置および学習装置が用いるデータの取得元の一例を示す図である。
図４Ａは、本開示の学習装置が用いる時系列輝度データおよび時系列真値データについて説明する図である。図４Ｂは、本開示の学習装置における時間差補正のイメージを示す図である。図４Ｃは、時系列輝度データおよび時系列真値データが逆位相になる場合のイメージを示す図である。
図５は、本開示の学習装置が用いる時系列輝度データおよび時系列真値データからなるデータセットのイメージを示す図である。
図６は、本開示の学習装置の処理の一例を示すフローチャートである。
図７は、本開示の学習装置を生体データ推定装置に適用した場合の構成例を示す図である。
図８は、生体データ推定装置の処理の一例を示すフローチャートである。
図９は、本開示の実施の形態２に係る学習装置の処理における時間差補正処理の詳細な一例を示すフローチャートである。
図１０は、実施の形態２に係る時間差補正について説明する図である。
図１１は、本開示の実施の形態３に係る学習装置の処理における時間差補正処理の詳細な一例を示すフローチャートである。
図１２は、本開示の実施の形態４に係る学習装置の処理における時間差補正処理の詳細な一例を示すフローチャートである。
図１３は、本開示の実施の形態５に係る学習装置の処理における時間差算出処理の詳細な一例を示すフローチャートである。
図１４は、本開示の実施の形態６に係る学習装置の処理における時間差算出処理の詳細な一例を示すフローチャートである。
図１５は、本開示の実施の形態７に係る学習装置の処理における時間差算出処理の詳細な一例を示すフローチャートである。
図１６は、本開示の構成による機能を実現するためのハードウェア構成の第１の例を示す図である。
図１７は、本開示の構成による機能を実現するためのハードウェア構成の第２の例を示す図である。
【発明を実施するための形態】
【０００９】
以下、本開示をより詳細に説明するために、本開示の実施の形態について、添付の図面に従って説明する。
【００１０】
実施の形態１．
実施の形態１においては、本開示の基本的な形態を説明する。
（【００１１】以降は省略されています）

関連特許