[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP6723952B2 - 非一時的コンピュータ可読媒体、デバイス及び方法 - Google Patents

非一時的コンピュータ可読媒体、デバイス及び方法 Download PDF

Info

Publication number
JP6723952B2
JP6723952B2 JP2017083342A JP2017083342A JP6723952B2 JP 6723952 B2 JP6723952 B2 JP 6723952B2 JP 2017083342 A JP2017083342 A JP 2017083342A JP 2017083342 A JP2017083342 A JP 2017083342A JP 6723952 B2 JP6723952 B2 JP 6723952B2
Authority
JP
Japan
Prior art keywords
user
classification model
sensor data
sensor
spectral
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.)
Active
Application number
JP2017083342A
Other languages
English (en)
Other versions
JP2017224281A (ja
JP2017224281A5 (ja
Inventor
エイ オブライエン ナダ
エイ オブライエン ナダ
アール フルスカ カーチス
アール フルスカ カーチス
ケー フォン グンテン マーク
ケー フォン グンテン マーク
ジー ピーダーソン クリストファー
ジー ピーダーソン クリストファー
ション チャンメン
ション チャンメン
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.)
Viavi Solutions Inc
Original Assignee
Viavi Solutions Inc
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 Viavi Solutions Inc filed Critical Viavi Solutions Inc
Publication of JP2017224281A publication Critical patent/JP2017224281A/ja
Publication of JP2017224281A5 publication Critical patent/JP2017224281A5/ja
Application granted granted Critical
Publication of JP6723952B2 publication Critical patent/JP6723952B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • 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
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
    • A61B5/14517—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue specially adapted for measuring characteristics of body fluids other than blood for sweat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4261—Evaluating exocrine secretion production
    • A61B5/4266—Evaluating exocrine secretion production sweat secretion
    • 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
    • A61B5/486—Biofeedback
    • 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
    • A61B5/4866—Evaluating metabolism
    • 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
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • 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
    • A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Cardiology (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Analytical Chemistry (AREA)
  • Emergency Medicine (AREA)
  • Biochemistry (AREA)
  • Optics & Photonics (AREA)
  • Nutrition Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Pulmonology (AREA)
  • Endocrinology (AREA)
  • Obesity (AREA)

Description

ウェアラブルフィットネストラッカー（装着型健康管理追跡装置）は、センサから受信するセンサデータに基づいてユーザ活動の測定を行うことができる。例えば、ウェアラブルフィットネストラッカーは、運動セッション中のユーザ活動を推定するためのセンサデータを提供する加速度計を備えることができる。ウェアラブルフィットネストラッカーは運動セッション中、ユーザ活動に関連する情報を表示のために提供する。例えば、ウェアラブルフィットネストラッカーは、加速度計からのセンサデータに基づいて推定移動距離、推定カロリー消費量、推定代謝当量（ＭＥＴ、metabolic equivalents）などの１つ又は複数のメトリクス（評価尺度）を推定し、表示のために１つ又は複数のメトリクスを提供することができる。
いくつかの可能な実施形態によれば、デバイスは１つ又は複数のプロセッサを備え得る。１つ又は複数のプロセッサは複数のセンサからユーザに関するセンサデータを受信することができる。複数のセンサは、分光器と、加速度計、心拍センサ、血圧センサ、血糖値センサ、発汗センサ、皮膚伝導センサ又は画像センサのうちの１つ又は複数のセンサとを含む複数のタイプのセンサであってもよい。１つ又は複数のプロセッサは、複数のタイプのセンサからのユーザに関するセンサデータを処理し、ユーザの健康状態を決定する。１つ又は複数のプロセッサは、複数のタイプのセンサからのユーザに関するセンサデータの処理に基づき、ユーザインターフェースを介して、ユーザの健康状態を特定する情報を提供することができる。
いくつかの可能な実施形態によれば、非一時的コンピュータ読み取り可能媒体は、１つ又は複数のプロセッサで実行される場合、１つ又は複数のプロセッサに第１の分光分類モデルを受信させる１つ又は複数の命令を記憶することができる。第１の分光分類モデルは計量化学署名（chemometric signature）に基づく健康状態の特定と関連付けることができる。第１の分光分類モデルは、分光器を用いて被検体群に対して行われる較正に基づいて生成することができる。１つ又は複数の命令が１つ又は複数のプロセッサによって実行されると、この１つ又は複数のプロセッサはユーザに関する１組の特性を取得する。１組の特性はユーザに関する第１のセンサデータを含む。１つ又は複数の命令が１つ又は複数のプロセッサによって実行されると、この１つ又は複数のプロセッサは第１の分光分類モデル及びユーザに関する１組の特性に基づいて、第２の分光分類モデルを生成する。第２の分光分類モデルによって、ユーザ又は食品の特徴の決定が可能になり得る。１つ又は複数の命令が１つ又は複数のプロセッサで実行されると、この１つ又は複数のプロセッサはユーザに関する第２のセンサデータに基づいて、第２の分光分類モデルを定期的に更新する。
いくつかの可能な実施形態によれば、本方法は、デバイスにより、第１組のセンサからのユーザの活動レベルに関する第１センサデータに基づいてユーザの活動レベルを決定するステップを含み得る。本方法は、１組の食品の栄養素含有量（nutritional content）に関する第２組のセンサからの第２のセンサデータに基づき、ユーザによって摂取されるこの１組の食品の栄養素含有量をデバイスによって決定するステップを含み得る。第２のセンサデータは分光器から取得することができる。本方法は、記憶されたユーザのダイエット及び運動プランをデバイスによって取得するステップを含み得る。記憶されたダイエット及び運動プランは、ユーザの活動レベル及びユーザによって摂取される１組の食品の栄養素含有量に関する目標を含み得る。本方法は、ユーザの活動レベル及び１組の食品の栄養素含有量に基づいて、記憶されたダイエット及び運動プランに対するユーザの順守状況をデバイスによって決定するステップを含み得る。本方法は、記憶されたダイエット及び運動プランへのユーザの順守を決定するステップに基づき、記憶されたダイエット及び運動プランへのユーザの順守に関する推奨事項をデバイスによって提供するステップを含み得る。
本明細書に記載する例示的実施形態の概略図である。 本明細書に記載するシステム及び／又は方法を実行することのできる例示的環境を示す図である。 図２の１つ又は複数のデバイスの例示的コンポーネントを示す図である。 複数のセンサからのセンサデータに基づいて健康情報を提供する例示的プロセスのフローチャートである。 Ａ〜Ｄは、図４に示す例示的プロセスに関する例示的実施形態を示す図である。 分光分析の分類モデルを動的に更新する例示的プロセスのフローチャートである。 Ａ〜Ｂは、図６に示す例示的プロセスに関する例示的実施形態を示す図である。
例示的実施形態に関し、添付図面を参照して以下に詳述する。異なる図面における同じ参照符号は同じ又は同様の要素を示すものである。
ウェアラブルフィットネストラッカーは１組の加速度計を使用してユーザ活動に関するセンサデータを取得することができる。例えば、ウェアラブルフィットネストラッカーは、ウェアラブルフィットネストラッカーの動きを特定するセンサデータに基づき、ユーザの推定移動距離を決定することができる。ウェアラブルフィットネストラッカーは、ユーザ活動に関する１つ又は複数のメトリクスを推定するために使用することのできる情報を含み得る。例えば、ウェアラブルフィットネストラッカーは、推定移動距離と、一般人のカロリー消費に移動距離を相関させた一般情報とに基づいて、消費カロリーを推定することができる。
しかしながら、１つ又は複数のメトリクスを決定するために一般的な相関関係を使用すると、特定のユーザに関する計算が不正確なものとなる可能性がある。更に、ウェアラブルフィットネストラッカーは、栄養素、気分、病気など、ユーザの健康に影響を与える運動以外の要因を考慮しない可能性があり、このため、ウェアラブルフィットネストラッカーの有用性は制限される。本明細書に記載する実施形態では、複数のセンサからのセンサデータを使用してユーザに関する健康情報を提供することができる。このように、１台のユーザデバイスでユーザの健康情報を決定することができるため、ユーザは複数の異なるデバイスを使用する必要がなくなり、ヘルストラッキングのために複数の異なるデバイスを使用する場合と比べて、コスト、消費電力などを削減することができる。更に、ユーザデバイスは複数のセンサからのセンサデータを使用するので、分光分析のためのモデルの較正が容易になるため、他のセンサからのセンサデータに基づいて較正が行われないモデルを使用する場合と比較すると、モデルの精度を向上させることができる。
図１は本明細書に記載する例示的実施形態１００の概略図である。図１に示す様に、例示的実施形態１００は、ユーザデバイス、ヘルスケアプロバイダアプリケーションサーバ及び分光較正アプリケーションサーバを含んでいる。
図１に更に示す様に、ユーザデバイスは複数のセンサからセンサデータを受信することができる（例えば第１センサから第１のセンサデータ、第２センサから第２のセンサデータ、ｎ番目のセンサからのｎ番目のセンサデータ）。例えば、ユーザデバイス２１０は１組の集積センサを使用してセンサデータを取得することができる。例えば、集積加速度計センサを使用してユーザ活動データを取得し、集積心拍センサを使用して心拍数データを取得し、集積温度センサを使用して温度データを取得することができる。これに加え、又はこれに代えて、ユーザデバイスはカメラを使用してセンサデータを取得することができる。例えば、ユーザデバイスは集積カメラを使用してユーザの顔（例えば顔認識分析）、ユーザの皮膚（例えば皮膚状態の分析）、１組の食品（例えば食品の容量分析）などの画像を撮像することができる。これに加え、又はこれに代えて、ユーザデバイスは分光センサを使用してセンサデータを取得することができる。例えば、ユーザデバイスは分光センサを使用して被検体（例えば、ユーザ又は食品）の計量化学署名を決定し、計量化学署名及び分類モデルに基づいて被検体を分類することができる。別の例では、ユーザデバイスは１つ又は複数のセンサと通信してセンサデータを取得することができる。例えば、ユーザデバイスは医療デバイスとの接続を利用して、医療デバイスによって記録されたセンサデータを取得することができる。
図１に更に示す様に、ユーザデバイスは複数のセンサからのセンサデータを組み合わせ、ユーザに関する健康情報を生成することができる。例えば、ユーザの活動レベル、心拍数、体温などに関するセンサデータ、及びユーザの身長、体重などに関する記憶情報に基づき、ユーザデバイスは運動プログラムに関連してユーザの消費カロリーを決定することができる。加速度計データ（例えば、ユーザ心拍数データ及び／又はユーザ体温データ）に加えて情報を使用することにより、加速度計データのみを使用する場合と比較して、ユーザデバイスは消費カロリーのより正確な決定を取得することができる。
同様に、画像センサデータ及び分光センサデータに基づき、ユーザデバイスは食品の容量及び食品の栄養素含有量をそれぞれ決定することができる。食品成分を特定する分光センサデータ及び食品の容量を特定するセンサデータを使用することにより、ユーザデバイスはユーザの推定栄養価を使用する場合よりも、ユーザのカロリー摂取量をより正確に決定することができる。ユーザデバイスは消費カロリー及びカロリー摂取量の決定に基づいてユーザの純消費カロリーを決定し、栄養素に関する推奨事項や運動に関する推奨事項などの純消費カロリーに関する推奨事項を生成し、ユーザの健康及び／又はダイエット、運動プランに対するユーザの順守を向上させることができる。このように、ユーザデバイスはウェアラブルフィットネストラッカーによって行われる決定よりも正確な決定をユーザの健康に関して行い、フィットネストラッキングを向上させることができる。
別の例として、ユーザデバイスはセンサデータを処理して、ユーザに関する診断情報を決定することができる。例えば、ユーザの画像に対してパターン認識分析を行うことにより、ユーザデバイスは酒さ状態に関連した顔面発赤及び吹き出物を検出することができる。同様に、ユーザ画像に対してパターン認識分析を行うことにより、ユーザデバイスはユーザが快適な状態であると判断し、その快適な状態をその他のセンサデータ、例えばユーザがその前に食べた特定の食品を示すセンサデータと相関させることができる。この場合、ユーザデバイスは、ユーザが快適な状態と相関する特定の食品を食べるようにという推奨事項など、ユーザの気分転換に関する推奨事項を定期的に提供することができる。
別の例として、ユーザデバイスは分光センサデータを処理し、分光のために分類モデルを較正することができる。例えば、ユーザデバイスは第１モデルを使用して第１分光センサデータの第１の分析を行い、観察された計量化学署名を、特定の食品を食べた後に特定の血圧を有する、特定の人に関連するものとして分類する。この場合、ユーザデバイスは第１モデルを較正し、第１分光センサデータ及びその他のセンサデータ（例えば、特定の血圧及び特定の食品を特定するセンサデータ）に基づいて第２モデルを生成することができ、第２モデルを用いて第２分光センサデータの別の分類を行うことができる。例えば、ユーザデバイスは第２分類モデルを用いて、特定の血圧と関連付けられた特定の人と、別の血圧と関連付けられた別の人とを区別することができる。このように、ユーザデバイスは分類モデルを洗練させ、他のセンサデータに基づいた、洗練されていない分類モデルと比較して、高精度で分光を行うことができる。
図１に更に示す様に、ユーザデバイスは、複数のセンサからのセンサデータの処理に基づき、ユーザに関する健康情報、ユーザの健康状態に関する診断情報、ユーザの健康及び／又はダイエット、運動プランの順守に関する推奨事項などの情報を提供することができる。ダイエット、運動プランの順守は、健康状態の重症度（例えば、心疾患又は肥満）の軽減、健康状態の症状（例えば、糖尿病状態又はストレス状態）の管理、健康状態の悪化（例えば変性状態）の可能性の低減、所望する健康状態の達成（例えば、ダイエットの改善、全粒粉摂取の増加、筋肉量の増加、又は運動能力の改善）と関連付けることができる。例えば、ユーザデバイスは、ユーザインターフェースを介して表示するために、消費カロリー及びカロリー摂取量の決定に基づいた純消費カロリーを示す情報などの、健康状態のリアルタイムでの更新を提供することができる。これに加え、またはこれに代えて、ユーザデバイスはユーザに対して特定の状態が検出されたことを示す診断情報を提供し、データを専門家に自動転送してユーザと専門家とのアポイントを確立させることができる。これに加え、またはこれに代えて、ユーザデバイスは運動療法に関する推奨事項などの推奨事項を生成してユーザがダイエット、運動プランを順守できるようにし、別のデバイス（例えば、個人トレーナー又は栄養士によって使用されるユーザデバイス）を介して表示して、ダイエット、運動プランへのユーザの順守に関する更新を提供することができる。このように、ユーザデバイスは全体的な情報よりもユーザに特化した情報を提供する。
図１に更に示す様に、ユーザデバイスはヘルスケアプロバイダアプリケーションサーバに健康情報を提供し、この情報をユーザに関する患者ファイルに含ませるようにすることができる。このように、ユーザデバイスは、患者のダイエット、運動などに関する報告書を手作業に依存する医者と比較してデータの精度を向上させ、患者による報告入力の受信及び／又は患者による報告入力の修正のための１つ又は複数のユーザインターフェースを提供することへの処理資源及び／又は消費電力の使用を低減させることにより、医者と患者のコンサルテーションを改善する。これに加え、またはこれに代えて、ユーザデバイスは分光較正アプリケーションサーバに較正データを提供することができる。例えば、ユーザデバイスは１つ又は複数の他のユーザデバイスに提供される分類モデルの較正及び／又は洗練に使用するために、分光センサ及び／又は他のセンサからの決定された較正情報を提供し、較正情報に基づいた較正の行われていないモデルを受信する１つ又は複数の他のユーザデバイスと比較して、１つ又は複数の他のユーザデバイスの分光の精度を向上させることができる。
このように、ユーザデバイスは複数のセンサから取得されたセンサデータに基づいて決定された健康情報を提供するため、複数の異なるデバイスを使用するユーザと比較して、費用及び消費電力を低減させることができる。更に、センサデータの収集及び処理を単一のユーザデバイスに統合させることにより、ユーザデバイスは、容量分析及び分光分析の双方に基づいた栄養情報の取得など、単一のセンサを介して取得することのできない健康情報を決定することが可能になる。更に、ユーザデバイスは、単一のデバイスを介した１つの初期較正と比べて、分光分析の被検体に関する分光データ及びその他のセンサデータの双方に基づいたモデルの較正及び洗練の実行に基づき、分類モデルの較正を分光分析のために向上させる。
上述の図１は単なる例として示したものである。その他の例も可能であり、図１に関して説明したものと異なるものであってもよい。
図２は本明細書に記載するシステム及び／又は方法を実行することのできる例示的環境２００の図である。図２に示す様に、環境２００は、ユーザデバイス２１０、アプリケーションサーバ２２０及びネットワーク２３０を含み得る。環境２００のデバイスを有線、無線又は有線と無線の組み合わせによって相互に接続させることができる。
ユーザデバイス２１０は、健康情報を受信、生成、記憶、処理及び／又は提供することのできる１つ又は複数のデバイスを含んでいる。例えば、ユーザデバイス２１０は、携帯電話（例えばスマートホン、無線電話）などの通信及び／又はコンピュータデバイス、ラップトップコンピュータ、タブレット型コンピュータ、ハンドヘルドコンピュータ、ゲームデバイス、ウェアラブルデバイス（例えばスマートウォッチ、スマート眼鏡、スマートリストバンドなど）、医療デバイス、分光デバイス（例えば、近赤外（ＮＩＲ）分光、中赤外（ｍｉｄ−ＩＲ）分光若しくはラーマン分光を行うウェアラブル分光器デバイス）、又は同様のタイプのデバイスなどの通信コンピューティングデバイスを含み得る。いくつかの実施形態において、分光デバイスはハイパースペクトル分光器（例えばハイパースペクトル画像センサ）を含み得る。いくつかの実施形態において、ユーザデバイス２１０は環境２００内の別のデバイスと情報を送受信することができる。
アプリケーションサーバ２２０は、健康情報、較正情報などの情報を記憶、処理及び／又はルーティングすることのできる１つ又は複数のデバイスを含む。例えば、アプリケーションサーバ２２０は健康情報及び／又はユーザデバイス２１０に関連する情報を使用するサーバを含み得る。いくつかの実施形態において、アプリケーションサーバ２２０は、１つ又は複数のユーザデバイス２１０によって行われる１組の測定に基づく分光の較正に関連する情報を受信する較正アプリケーションサーバ２２０を含み得る。これに加え、またはこれに代えて、アプリケーションサーバ２２０は、病院サーバなどの、ヘルスケアプロバイダへの情報のルーティングに関連するヘルスケアプロバイダアプリケーションサーバ２２０を含み得る。いくつかの実施形態において、アプリケーションサーバ２２０は環境２００内の別のデバイスと情報を送受信することができる。
ネットワーク２３０は１つ又は複数の有線及び／又は無線ネットワークを含む。例えば、ネットワーク２３０には携帯電話ネットワーク（例えば、ロング・ターム・エボリューション（ＬＴＥ、long-term evolution）ネットワーク、３Ｇネットワーク、符号分割多元接続（ＣＤＭＡ、code division multiple access）ネットワークなど）、地上波公共移動通信ネットワーク（ＰＬＭＮ、public land mobile network）、ローカルエリアネットワーク（ＬＡＮ，local area network）、広域ネットワーク（ＷＡＮ，wide area network）、メトロポリタン・エリア・ネットワーク（ＭＡＮ、metropolitan area network）、電話回線網（例えば、公衆交換電話網（ＰＳＴＮ，Public Switched Telephone Network））、プライベート・ネットワーク、アドホックネットワーク、イントラネット、インターネット、光ファイバ網、クラウドコンピューティングネットワークなど、及び／もしくはこれらのネットワーク又はその他のタイプのネットワークを組み合わせたものがある。
図２に示すデバイスとネットワークとの数及び配置は例として提供するものである。実際には、図２に示すものと異なる数、異なる種類又は異なる配置のデバイス及び／又はネットワークであってもよい。更に、図２に示す２つ以上のデバイスを１つのデバイス内に実装してもよい、又は図２に示す１つのデバイスを複数の分散デバイスとして実装してもよい。これに加え、またはこれに代えて、環境２００の１組のデバイス（例えば、１つ又は複数のデバイス）は、環境２００の別の１組のデバイスによって実行されるものとして説明される１つ又は複数の機能を実行することができる。
図３はデバイス３００の例示的コンポーネントを示している。デバイス３００はユーザデバイス２１０及び／又はアプリケーションサーバ２２０に対応し得る。いくつかの実施形態において、ユーザデバイス２１０及び／又はアプリケーションサーバ２２０は、１つ又は複数のデバイス３００及び／又はデバイス３００の１つ又は複数のコンポーネントを含み得る。図３に示す様に、デバイス３００は、バス３１０、プロセッサ３２０、メモリ３３０、記憶コンポーネント３４０、入力コンポーネント３５０、出力コンポーネント３６０及び通信インターフェース３７０を含み得る。
バス３１０はデバイス３００におけるコンポーネント間の通信を可能にするコンポーネントを含む。プロセッサ３２０はハードウェア、ファームウェア又はハードウェアとソフトウェアの組み合わせで実行される。プロセッサ３２０は命令を解釈及び／又は実行するプロセッサ（例えば、中央処理デバイス（ＣＰＵ、central processing unit）、グラフィック処理ユニット（ＧＰＵ、graphics processing unit）、加速処理ユニット（ＡＰＵ、accelerated processing unit）など）、マイクロプロセッサ及び／又は任意の処理コンポーネント（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ，field-programmable gate array）、特定用途向け集積回路（ＡＳＩＣ、application-specific integrated circuit）など）を含み得る。いくつかの実施形態において、プロセッサ３２０は機能を実行するためにプログラム可能な１つ又は複数のプロセッサを含み得る。メモリ３３０はランダムアクセスメモリ（ＲＡＭ，random access memory）、読み出し専用メモリ（ＲＯＭ，read only memory）及び／又はプロセッサ３２０によって使用される情報及び／又は命令を記憶する別のタイプの動的又は静的記憶デバイス（例えば、フラッシュメモリ、磁気メモリ、光メモリなど）を含む。
記憶コンポーネント３４０はデバイス３００の操作及び使用に関する情報及び／又はソフトウェアを記憶する。例えば、記憶コンポーネント３４０はハードディスク（例えば、磁気ディスク、光ディスク、光磁気ディスク、固体ディスクなど）、コンパクトディスク（ＣＤ）、デジタル多目的ディスク（ＤＶＤ）、フロッピーディスク、カートリッジ、磁気テープ及び／又は別のタイプの非一時的コンピュータ可読媒体を対応するデバイスと共に含み得る。
入力コンポーネント３５０は、ユーザ入力（例えば、タッチスクリーンディスプレイ、キーボード、キーパッド、マウス、ボタン、スイッチ、マイクなど）などを介してデバイス３００が情報を受信できるようにするコンポーネントを含む。これに加え、またはこれに代えて、入力コンポーネント３５０は情報を感知するためのセンサ（例えば全地球測位システム（ＧＰＳ、global positioning system）コンポーネント、加速度計、ジャイロスコープ、アクチュエータなど）を含み得る。出力コンポーネント３６０はデバイス３００からの出力情報を提供するコンポーネント（例えば、ディスプレイ、スピーカー、１つ又は複数の発光ダイオード（ＬＥＤ，light-emitting diodes）など）を含む。
通信インターフェース３７０は、デバイス３００が有線、無線又はこれらの組み合わせによって他のデバイスと通信できるようにするトランシーバ様のコンポーネント（例えば、トランシーバ、別個のレシーバ及びトランスミッタなど）を含む。通信インターフェース３７０はデバイス３００が別のデバイスからの情報を受信できるようにし、及び／又は別のデバイスに情報を提供する。例えば、通信インターフェース３７０はイーサネットインターフェース、光インターフェース、同軸インターフェース、赤外線インターフェース、無線周波数（ＲＦ，radio frequency ）インターフェース、ユニバーサル・シリアル・バス（ＵＳＢ，universal serial bus）インターフェース、Ｗｉ−Ｆｉインターフェース、携帯電話ネットワークインターフェースなどを含み得る。
デバイス３００は本明細書に記載する１つ又は複数のプロセスを実行することができる。デバイス３００は、メモリ３３０及び／又は記憶コンポーネント３４０などの非一時的コンピュータ可読媒体によって記憶されたソフトウェア命令を実行するプロセッサ３２０に応じてこれらのプロセスを実行することができる。本明細書においてコンピュータ可読媒体を非一時的メモリデバイスと定義する。メモリデバイスは単一の物理的記憶デバイス内の記憶空間又は複数の物理的記憶デバイスに亘る記憶空間を含む。
ソフトウェア命令は通信インターフェース３７０を介して、別のコンピュータ可読媒体又は別のデバイスからメモリ３３０及び／又は記憶コンポーネント３４０に読み込まれる。メモリ３３０及び／又は記憶コンポーネント３４０に記憶されたソフトウェア命令は、実行されると、本明細書に記載した１つ又は複数のプロセスをプロセッサ３２０に実行させることができる。これに加え、またはこれに代えて、ソフトウェア命令の代わりに、又はこれと組み合わせて配線回路を使用し、本明細書に記載する１つ又は複数のプロセスを実行してもよい。このように、本明細書に記載する実施形態は、配線回路及びソフトウェアの任意の組み合わせに制限されない。
図３に示すコンポーネントの数と配置は例として提供したものである。実際、デバイス３００は図３に示すものと異なる数、異なる種類又は異なる配置のコンポーネントを含んでもよい。これに加え、またはこれに代えて、デバイス３００の１組のコンポーネント（例えば１つ又は複数のコンポーネント）は、デバイス３００の別の組のコンポーネントによって実行されるものとして記載された１つ又は複数の機能を実行することができる。
図４は複数のセンサからのセンサデータに基づく健康情報を提供する例示的プロセス４００のフローチャートである。いくつかの実施形態において、図４の１つ又は複数のプロセスブロックはユーザデバイス２１０によって実行することができる。いくつかの実施形態において、図４の１つ又は複数のプロセスブロックを、アプリケーションサーバ２２０などのユーザデバイス２１０とは別の、またはこれに含まれる別のデバイス又はデバイス群によって実行することができる。
図４に示す様に、プロセス４００は１組のセンサからセンサデータを取得するステップ（ブロック４１０）を含み得る。例えば、ユーザデバイス２１０はユーザデバイス２１０の１組のセンサからセンサデータを取得することができる。いくつかの実施形態において、ユーザデバイス２１０は１組のセンサとの通信に基づいてセンサデータを取得することができる。例えば、ユーザデバイス２１０はユーザデバイス２１０の心拍センサを起動させ、ユーザの心拍に関するセンサデータを記憶することができる。同様に、ユーザデバイス２１０はユーザデバイス２１０の加速度計センサを起動させ、ユーザデバイス２１０（例えば、ユーザデバイス２１０を使用するユーザの活動）の動きに関する加速度計センサデータを記録することができる。
いくつかの実施形態において、ユーザデバイス２１０はユーザインターフェースを介してプロンプトを提供することにより、センサデータを取得することができる。例えば、ユーザデバイス２１０はプロンプトを提供して、ユーザがユーザデバイス２１０を使用してユーザの画像（例えば、ユーザの顔写真又はユーザの皮膚の一部の写真）を撮像するようにすることができる。これに加え、またはこれに代えて、ユーザデバイス２１０はプロンプトを提供して、ユーザがユーザデバイス２１０を使用して食品の画像を撮像するようにすることができる。例えば、食事の画像を撮像するためにユーザデバイス２１０を使用してもよく、食事の画像を処理して食事の栄養素含有量を特定することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は画像を自動的に撮像することができる。例えば、ユーザデバイス２１０は、時刻、ユーザデバイス２１０がレストランにあることを示す場所データ、ユーザデバイス２１０がレストランなどにあることを示すソーシャルメディア情報などに基づいて食事の準備ができたことを判断し、画像センサを自動的に起動させて画像を撮像してもよい。同様に、ユーザデバイス２１０は、加速度計、タッチセンサなどに基づき、ユーザデバイス２１０の画像センサがユーザの方に向いていることを判断して、画像センサにユーザの画像を撮像させてもよい。
いくつかの実施形態において、ユーザデバイス２１０は画像センサをモニタしてセンサデータを取得することができる。例えば、ユーザデバイス２１０は画像センサを介して撮像された１組の画像に対して物体認識技術を実行し、撮像された１組の画像が健康レポートを提供するために利用できる情報を含んでいるか否かを決定することができる。例えば、特定の画像が食品を含んでいるか否か、特定の画像がユーザを含んでいるか否かなどを決定することができる。この場合、ユーザデバイス２１０は、処理（例えば、容量分析処理技術、気分分析処理技術又は皮膚状態処理技術）のための特定画像を選択することができる。
いくつかの実施形態において、ユーザデバイス２１０はトリガに基づいてセンサデータを取得することができる。例えば、ユーザデバイス２１０はユーザインターフェースとのユーザインタラクションを検出し、センサデータを取得することができる。これに加え、またはこれに代えて、ユーザデバイス２１０はセンサデータを定期的に取得することができる。例えば、閾値期間（例えば１時間、１日、または１週間）が経過したことの決定に基づいて、ユーザデバイス２１０はセンサデータを取得することができる。同様に、ユーザデバイス２１０は一日の特定の時間にセンサデータを取得してもよい。いくつかの実施形態において、ユーザデバイス２１０は他のセンサデータに基づいてセンサデータを取得してもよい。例えば、ユーザデバイス２１０は、心拍センサ（例えば心拍センサデータ）をモニタすることにより、ユーザが運動療法を完了したことを検出し、ユーザが運動療法を完了した決定に基づき、他のセンサデータを取得することができる。同様に、ユーザデバイス２１０は分光センサからの計量化学署名センサデータに基づいてユーザを特定し、ユーザの特定に基づいて他のセンサデータを取得することができる。
図４に更に示す様に、プロセス４００はセンサデータを処理して健康情報を取得するステップ（ブロック４２０）を含み得る。例えば、ユーザデバイス２１０はセンサデータを処理して健康情報を取得することができる。いくつかの実施形態において、ユーザデバイス２１０はセンサデータを処理してユーザの健康に関する１つ又は複数のメトリクスを特定することができる。例えば、ユーザデバイス２１０は加速度計、心拍センサ、皮膚温度センサ、血圧センサなどの種々のタイプのセンサからのセンサデータに基づき、活動レベルメトリクスを決定することができる。同様に、ユーザデバイス２１０は血圧センサ、血糖値センサ、発汗センサ、皮膚伝導センサなどからのセンサデータに基づき、栄養素メトリクスを決定することができる。
いくつかの実施形態において、ユーザデバイス２１０は特定の処理技術を用いてセンサデータを処理することができる。例えば、ユーザデバイス２１０は分類モデルに関連する分類技術を用いて、分光測定（例えば計量化学署名）に基づいて食品の含有量を特定し、食品含有量の特定に基づいて食品の摂取に関する健康情報を決定することができる。いくつかの実施形態において、ユーザデバイス２１０は、ハイパースペクトル分光器から受信したセンサデータに基づいて分類を実行することができ、これは、別のタイプのセンサを用いる場合と比較して、被検体からの距離に関するユーザの困難性とエラーを生じさせる可能性がある。これに加え、またはこれに代えて、ユーザデバイス２１０はパターン検出技術、顔認識技術、３Ｄ奥行き感知技術などをユーザ画像に適用して、ユーザの気分、疲労度、ストレス度、偏頭痛の兆候、皮膚の状態などを決定することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は色分類技術を用い、画像における尿の色が特定のビタミン不足（例えばビタミンＢ欠乏症）又は過剰摂取などの特定の健康状態に対応していることを判定することができる。
これに加え、またはこれに代えて、ユーザデバイス２１０は容量分析技術を使ってセンサデータを処理することができる。例えば、ユーザデバイス２１０は食品の１組の画像（例えば種々の方向及び／又は位置から撮像した１組の画像）を使って食品の容量を決定することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は奥行き感知モジュール、ジェスチャ認識モジュールなどによって獲得されたセンサデータを使って容量分析を行うことができる。いくつかの実施形態において、ユーザデバイス２１０は容量分析に基づいて食品の質量を決定することができる。例えば、ユーザデバイス２１０は食品の密度を特定する情報（例えば、センサデータ、食品の画像認識、又は食品のユーザ選択及び対応する記憶された食品の密度データ）を使用することができ、密度に基づいて食品の質量を決定することができる（例えば、これは質量ベースの栄養素含有量を示す分光分析に基づいて食品の栄養素含有量を決定する為に使用することができる）。これに加え、またはこれに代えて、ユーザデバイス２１０はユーザの１組の画像を使用して、猫背（shoulder hump）、吹き出物の量など、ユーザの一部分の量を決定することができる。このように、ユーザデバイス２１０は別の時間における被検体と比較するために、（例えば、被検体である食品の種類を特定する他のセンサデータによって）被検体の量を特定し、被検体の栄養素含有量等を決定する。
いくつかの実施形態において、ユーザデバイス２１０は、最初に記録された第１のセンサデータと２度目に記録された第２のセンサデータとを比較する比較手法を使ってセンサデータを処理することができる。例えば、ユーザデバイス２１０は第１の期間におけるユーザの第１の３Ｄ画像と第２の期間におけるユーザの第２の３Ｄ画像とを比較して、ユーザの外観の変化、（例えば腫瘍の成長に対応する）ほくろの成長、（例えば嚢胞の成長に対応する）乳房の形状の変化、（体重増加に対応する）体型の変化、（糖尿病型疾患に関連する血液成分の変化に対応する）計量化学署名の変化などを特定することができる。
図４に更に示す様に、プロセス４００は健康情報を提供するステップを含み得る（ブロック４３０）。例えば、ユーザデバイス２１０は健康情報を提供することができる。いくつかの実施形態において、ユーザデバイス２１０はユーザインターフェースを介してユーザのレビューのために健康レポートを提供することができる。例えば、ユーザデバイス２１０はユーザの純カロリー消費量（例えばカロリー摂取量と消費カロリーの比較）を特定する健康情報を含むレポートを提供することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は、ユーザデバイス２１０によって処理されたセンサデータの一部を特定する情報、例えばユーザの１組のバイタルに関する統計（例えば血圧、体温、心拍数又は発汗レベル）を提供することができる。
いくつかの実施形態において、ユーザデバイス２１０はセンサデータに基づいて推奨事項を提供することができる。例えば、ユーザデバイス２１０は１組の健康推奨事項（例えば、肥満状態の改善、糖尿病状態の管理、退化的状態の防止、運動能力の向上、又は栄養目標の達成）を決定し、その１組の健康推奨事項の中から特定の健康推奨事項を選択し（例えば、ユーザの新陳代謝率に基づく、特定の食事における特定カロリー量のユーザによる消費）、特定の健康推奨事項を含む健康情報を、ユーザインターフェースを介して表示することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は別の健康推奨事項（例えば、特定の食品の摂取又は特定の運動療法への従事による、気分レベルの向上）を選択し、（例えば、医師、ライフコーチ、トレーナー又はパーソナルシェフによって使用される）別のユーザデバイス２１０を介して別の健康推奨事項を提供することができる。
いくつかの実施形態において、ユーザデバイス２１０はセンサデータに基づいてアラートを提供することができる。例えば、ユーザデバイス２１０はユーザの健康状態を特定するセンサデータに基づき、ユーザインターフェースを介して健康状態を特定する特定のアラートを表示し、提供することができる。この場合、アラートは健康状態、健康状態の重症度などを特定することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は別のユーザデバイス２１０を介し表示するアラートを提供することができる。例えば、ユーザデバイス２１０は健康状態に関連する専門医師を特定し、その専門医師によって使用される別のユーザデバイス２１０を介して表示するようにアラートを送信してもよい。同様に、ユーザデバイス２１０はアラートを送信し、ユーザに緊急管理要員を派遣することもできる。例えば、ユーザデバイス２１０は健康状態の重症度が閾値を満たしていると決定すると、ユーザデバイス２１０は位置特定技術を用いてユーザの居場所を特定し、救急車、病院などにアラートを送信して緊急管理要員をユーザの場所に派遣することもできる。いくつかの実施形態において、ユーザデバイス２１０はアラートを提供する際に健康レポートを提供してもよい。例えば、ユーザデバイス２１０はユーザの血圧、心拍数、体温などを特定する情報を、医師、緊急管理要員などが利用できるように提供してもよい。
いくつかの実施形態において、ユーザデバイス２１０は較正データを提供することができる。例えば、ユーザデバイス２１０がユーザに関する分光データをモデルの較正のために送信する場合、ユーザデバイス２１０はモデルを較正するための、ユーザに関する健康情報を提供することができる。この場合、健康情報を使用してモデルを特定の健康状態に較正することができる（例えば、第１の計量化学署名は第１の発汗レベルに対応すると決定され、第２の計量化学署名は第２の発汗レベルに対応すると決定される）。
いくつかの実施形態において、ユーザデバイス２１０はセンサデータに基づく拡張現実画像を表示するために提供することができる。例えば、ユーザデバイス２１０が食品の画像に基づいて食品のカロリー含有量を決定する場合、ユーザデバイス２１０は、栄養目標を達成するために摂取される食品の一部分を決定することができる。この場合、ユーザデバイス２１０は食品の一部を強調させた画像、食品の一部を強調させた拡張現実表示を表示のために提供することができる。このように、ユーザには栄養目標を達成するためにどのくらいの食品を摂取すればいいのかを示す情報が提供される。
図４はプロセス４００の例示的なブロックを示しているが、いくつかの実施形態において、プロセス４００のブロックは図４に示すものと異なる数、異なるブロック、異なる配置であってもよい。これに加え、またはこれに代えて、プロセス４００の２つ以上のブロックを平行して行ってもよい。
図５Ａ〜図５Ｄは図４に示す例示的プロセス４００に関する例示的実施形態５００を示している。図５Ａ〜図５Ｄは複数のセンサからのセンサデータに基づいて健康情報を提供する例を示す。
図５Ａに参照符号５１０で示す様に、ウェアラブルユーザデバイス２１０（例えば１組のセンサを含むスマートウォッチ）は、ヘルスケアプロバイダアプリケーションサーバ２２０から受信した１組のダイエット、運動目標を記憶することができる。例えば、１組のダイエット、運動目標はユーザとヘルスケアプロバイダ（例えば医師、個人トレーナー又は栄養士）との相談によって生成することができ、ウェアラブルユーザデバイス２１０に送信してウェアラブルユーザデバイス２１０がユーザのダイエットと運動とをモニタして１組のダイエット、運動目標への順守を向上させることができる。１組のダイエット、運動目標には、１日の糖質の閾値量を摂取するユーザに関連するダイエット目標、１日の閾値身体活動レベルを満足させるユーザに関連する運動目標、及び閾値純カロリー消費を満足させるユーザに関連するダイエットと運動の目標を組み合わせたもの（例えば１日のカロリー摂取量よりも消費カロリーの方を多くするもの）が含まれる。
図５Ｂに参照符号５１５で示す様に、ウェアラブルユーザデバイス２１０は食品の分光分析を行い、分光センサからのデータを使ってたんぱく質、脂肪又は糖質の含有量を決定する。参照符号５２０で示す様に、ウェアラブルユーザデバイス２１０は食品の画像分析を行い、画像センサからの１組の画像を使って食品の容量を決定する。ウェアラブルユーザデバイス２１０は食品の含有量（例えば食品の含有量を示す分光分析）及び食品の容量（例えば食品の容量を示す容量分析）に基づいてユーザの糖質摂取量及びカロリー摂取量を決定するものとする。ウェアラブルユーザデバイス２１０は糖質の摂取に基づいて、ユーザがその日の残りの時間で摂取することのできる糖質の量を示すアラートなどの、ダイエット目標への順守を示す情報を、ユーザインターフェースを介して提供するものとする。
図５Ｃに参照符号５２５で示す様に、ウェアラブルユーザデバイス２１５は、心拍センサ、加速度計センサからのデータを使ってユーザ運動療法の活動分析を行う。ウェアラブルユーザデバイス２１０はユーザ運動療法の活動分析を行うことにより、消費カロリー及び身体活動レベルを決定するものとする。ウェアラブルユーザデバイス２１０は、身体活動レベルに基づき、ユーザがその日の閾値活動レベルを満たしたことを示す情報などの運動目標に対する順守を示す情報を、ユーザインターフェースを介して提供するものとする。
図５Ｄに参照符号５３０で示す様に、ウェアラブルユーザデバイス２１０はダイエットと運動の複合目標への順守を決定し、ユーザがユーザに関するセンサデータに対する変更に関して特定の活動（例えば、特定の歩数）を実行するような活動プランを生成する（例えば、センサデータはその日のユーザ消費カロリーの増加を表示するようにする）。ウェアラブルユーザデバイス２１０は、ユーザがカロリー消費を超えるカロリーを摂取したことから、ユーザがダイエットと運動の複合目標を達成できなかったと判断するものとする。更に、ウェアラブルユーザデバイス２１０は、ユーザのそれまでの活動に基づき、ユーザにダイエットと運動との複合目標を達成させるために、その日が終わるまでにユーザが歩く特定の歩数を決定するものとする。参照符号５３５で示す様に、ウェアラブルユーザデバイス２１０はその日が終わる前にユーザが特定の歩数を歩かなければならないことを示すアラートを提供し、ユーザ活動のモニタを継続し、ユーザに特定量の歩数を歩かせるアラートを提供する。このように、ウェアラブルユーザデバイス２１０は、他のデータを含まず、推定消費カロリーとカロリー摂取量とを比較せずに歩いた歩数と推定消費カロリーのみを示す情報を提供する万歩計と比較して、ダイエットと運動の複合目標に対する順守を向上させる。
上述の様に、図５Ａ〜５Ｄは単なる例として提供するものである。その他の例も可能であり、図５Ａ〜５Ｄに関するものと異なるものであってもよい。
図６は分光分析のために分類モデルを動的に更新させる例示的プロセス６００のフローチャートである。いくつかの実施形態において、図６の１つ又は複数のプロセスブロックをユーザデバイス２１０によって行うことができる。いくつかの実施形態において、図６の１つ又は複数のプロセスブロックをアプリケーションサーバ２２０などの、ユーザデバイス２１０から分離された、またはユーザデバイス２１０を含む別のデバイスによって行ってもよい。
図６に示す様に、プロセス６００は分光分析のための第１分類モデルを取得するステップを含み得る（ブロック６１０）。例えば、ユーザデバイス２１０は分光分析のための第１分類モデルを取得することができる。分類モデル（例えば、分光分類モデル）とは、被検体のために取得された計量化学署名に基づき、分光分析の被検体又は分光分析の被検体の特徴を特定するために使用することのできるモデルのことである。例えば、分類モデルは１組のサンプル（例えば１組の人又は１組の食品）の１組の計量化学署名に関する情報を含み、ユーザデバイス２１０は分類モデルを使用して、ある人の計量化学署名がその人の特定の特徴（例えば、血糖値）に対応していることを決定することができる。同様に、ユーザデバイス２１０は別の分類モデルを使用して、ある食品の計量化学署名がその食品の特定の栄養素含有量に対応していることを決定する。
いくつかの実施形態において、ユーザデバイス２１０は第１分類モデルの較正と関連する特定のアプリケーションサーバ２２０から第１分類モデルを取得することができる。例えば、特定のアプリケーションサーバ２２０は分光器を使って較正セット（例えば１組の特定された被検体）に対して分光分析を行い、処理技術（例えば、較正セットのそれぞれの計量化学署名を区別する最適化技術）を使って第１分類モデルを生成することができる。この場合、ユーザデバイス２１０はアプリケーションサーバ２２０によって最適化される較正モデルに基づいて第１分類モデルを受信することができる。いくつかの実施形態において、ユーザデバイス２１０は１組の人に対して行われる分光分析に基づいて較正される特定の分類モデルを取得することができる。例えば、アプリケーションサーバ２２０は第１の人に対して第１の分光分析を行い、第２の人に対して第２の分光分析を行い、（例えば、異なる体組成に関する）第１の人と第２の人の（例えば血糖値に関する）計量化学署名の違いを表す第１分類モデルを生成することができる。
いくつかの実施形態において、ユーザデバイス２１０は第１分類モデルのリクエストに基づいて第１分類モデルを取得することができる。例えば、ユーザデバイス２１０は第１分類モデルのリクエストを送信し、このリクエストの送信に基づいてアプリケーションサーバ２２０から第１分類モデルを受信することができる。これに加え、またはこれに代えて、ユーザデバイス２１０はユーザデバイス２１０のデータ構造から第１分類モデルを取得することができる。例えば、ユーザデバイス２１０はデータ構造を介して記憶された第１分類モデルを含むことができる。いくつかの実施形態において、ユーザデバイス２１０は第１分類モデルを生成することができる。例えば、ユーザデバイス２１０は１組の被検体に関連する１組の計量化学署名を受信し、この１組の計量化学署名に基づいて第１分類モデルを生成することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は１組の既知の被検体に対して分光測定を行い、この１組の既知の被検体の計量化学署名を取得し、１組の既知の被検体の計量化学署名に基づいて第１分類モデルを生成することができる。
図６に示す様に、プロセス６００は分光分析のために被検体の１組の特性を取得するステップを含み得る（ブロック６２０）。例えば、ユーザデバイス２１０は分光分析のために被検体の１組の特性を取得することができる。いくつかの実施形態において、ユーザデバイス２１０は１つ又は複数のセンサからのセンサデータに基づいて１組の特性を決定することができる。例えば、ユーザデバイス２１０はユーザデバイス２１０のセンサを使用して、センサによって記録されたセンサデータに基づき、ユーザに関する血糖値又は体温などを決定することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は（例えばネットワーク２３０を介して）センサ（例えばブルートゥースイネーブルセンサ）と通信して、分光分析のために被検体（例えばユーザ）の特性に関するセンサデータを受信することができる。
いくつかの実施形態において、ユーザデバイス２１０は被検体の分類に関する被検体の１つ又は複数の特性を取得することができる。例えば、ユーザデバイス２１０は被検体の性別、年齢又は国籍などを特定する情報を取得することができる。この場合、ユーザデバイス２１０はユーザデバイス２１０によって記憶されたデータ構造から情報を取得することができる。これに加え、またはこれに代えて、ユーザデバイス２１０はアプリケーションサーバ２２０から情報（例えば、ヘルスケアプロバイダに関連するアプリケーションサーバ及び記憶されたユーザに関する情報）を取得することができる。いくつかの実施形態において、ユーザデバイス２１０はユーザインターフェースを介して情報を取得することができる。例えば、ユーザデバイス２１０はユーザインターフェースを生成し、ユーザインターフェースを介して表示する１組のプロンプトを提供し、１組のプロンプトに対する１組の応答の提供に関連するユーザインターフェースとのユーザインタラクションを検出することができる。
いくつかの実施形態において、ユーザデバイス２１０は分光分析の被検体の生吸収（raw absorbance）スペクトルに関する分光分析の被検体の特性を取得することができる。例えば、ユーザデバイス２１０は統合分光センサを使用してユーザの分光測定を行い、ユーザの計量化学署名（例えば生吸収スペクトル）を決定する。これに加え、またはこれに代えて、ユーザデバイス２１０は分光センサと通信を行って分光センサにユーザに関連する計量化学署名を決定させ、分光センサとの通信に基づいて分光センサから計量化学署名を受信してもよい。
図６に更に示す様に、プロセス６００は１組の特性及び第１分類モデルに基づき、分光分析のための第２分類モデルを生成するステップを含み得る（ブロック６３０）。例えば、ユーザデバイス２１０は１組の特性及び第１分類モデルに基づき、分光分析のための第２分類モデルを生成することができる。いくつかの実施形態において、ユーザデバイス２１０はサポートベクトルマシン分類器（ＳＶＭ，support vector machine classifier ）又はサポートベクトル回帰（ＳＶＲ，support vector regression）最適化技術などのモデル最適化技術を使用して第１分類（又は定量的）モデルを最適化し、第２の分類（又は定量的）モデルを生成することができる。例えば、ユーザデバイス２１０は（例えば１組の人に基づいて生成された）第１分類モデルを最適化し、ユーザデバイス２１０のユーザに関する分類（例えばユーザの血糖値の決定）を行う第２分類モデルを生成することができる。このように、ユーザデバイス２１０は人と人との違い（例えば体組成）を説明する。
これに加え、またはこれに代えて、ユーザデバイス２１０は（例えば、アプリケーションサーバ２２０に関連する第１分光器に基づいて生成された）第１分類モデルを最適化し、ユーザデバイス２１０に関連する第２分光器と使用するために第２分類モデルを生成することができる。例えば、ユーザデバイス２１０は第２分光器を介して取得された分光センサデータに基づいて食品を分類する第２分類モデルを生成することができる。このように、ユーザデバイス２１０は分光器間の違いを説明し、そうすることによって、各ユーザによって使用される各ユーザデバイス２１０のアプリケーションサーバ２２０によって生成された単一の分類モデルを使用する場合と比較して、分光測定の精度を向上させることができる。
図６に更に示す様に、プロセス６００は第２分類モデルを使用して分光分析を行うステップを含み得る（ブロック６４０）。例えば、ユーザデバイス２１０は第２分類モデルを使用して分光分析を行うことができる。いくつかの実施形態において、ユーザデバイス２１０は第２分類モデルを使用してユーザ（例えば分光分析の被検体）に関連するメトリクスを決定することができる。例えば、ユーザデバイス２１０はユーザに関連する分光センサデータ及び第２分類モデル（例えば、第２分類モデルに基づいて分類された第１の計量化学署名はユーザの第１のトリグリセリド値に対応し、第２分類モデルに基づいて分類された第２の計量化学署名は第２のトリグリセリド値に対応し得る）に基づいて、特徴（例えば、血糖値、トリグリセリド値、ケトン値、インスリン値、皮膚の状態又は人のアイデンティティ）を特定することができる。この場合、ユーザデバイス２１０は皮膚厚の変化、皮膚密度の変化、皮膚のコラーゲン値の変化又は毛細血管密度の変化などの健康状態を、特徴の検出に基づいて特定することができる。
いくつかの実施形態において、ユーザデバイス２１０はユーザに関する他のセンサデータを用いて分光分析を行うことができる。例えば、ユーザデバイス２１０は、ユーザの計量化学署名とユーザに関する皮膚伝導センサデータに基づいて、ユーザが特定の皮膚状態であることを決定することができる。同様に、ユーザデバイス２１０は食品の計量化学署名及び食品の容量分析に基づいて、食品の栄養素含有量（例えば、カロリー含有量、糖質含有量、たんぱく質含有量、又は脂肪含有量）を決定することができる。このように、ユーザデバイス２１０は複数のセンサからのセンサデータを組み合わせて、ユーザに関する健康情報を決定して提供することができる。
いくつかの実施形態において、ユーザデバイス２１０は分光分析を実行することにより、健康状態を特定する情報を提供することができる。例えば、ユーザデバイス２１０はユーザインターフェースを生成し、ユーザインターフェースを介して表示される健康状態を特定する情報を提供することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は健康状態を特定する情報を、（例えば、ユーザに関連する患者の医療記録に含めるために）アプリケーションサーバ２２０に提供することができる。これに加え、またはこれに代えて、ユーザデバイス２１０は食品の栄養素含有量を特定する情報を提供することができる。いくつかの実施形態において、ユーザデバイス２１０は更なる処理のために分光分析の結果を提供することができる。例えば、ユーザデバイス２１０は分光分析を行うことができ、図４を参照して本明細書に記載するように、健康情報を決定して提供するために処理されるデータセット内に分光分析を特定するデータを含めることができる。
図６に更に示す様に、プロセス６００は第２分類モデル（ブロック６５０）の定期的な更新を含み得る。例えば、ユーザデバイス２１０は第２分類モデルを定期的に更新することができる。いくつかの実施形態において、ユーザデバイス２１０は第２モデルを最適化することができる。例えば、ユーザデバイス２１０がユーザの分光分析を行うと、ユーザデバイス２１０は分光分析及び／又は他のセンサデータを使用して、ＳＶＭ最適化技術などの最適化技術を使って第２モデルを洗練させることができる。この場合、ユーザデバイス２１０は続けて分光分析を行うために洗練された第２モデルを使用することができる。このように、ユーザデバイス２１０は、分光分析及び／又はその他のセンサデータに基づいて洗練手順を行わずに第２分類モデルを使用する場合と比較して、第２分類モデルの精度を向上させる。更にモデルは長時間に亘ってモデルのユーザに対してより正確及び／又は特有であり続けるため、ユーザデバイス２１０はユーザの特徴の特定、ユーザの状況診断などをより正確に行うことができる。更に、ＳＶＭ最適化技術を使用することにより、ユーザデバイス２１０はプロセッサ及び／又はメモリ資源の使用や、新しい分類モデルを生成するための時間を集中して減らすことができる。更に、漸進的なトレーニング手法により、ユーザデバイス２１０は、モノのインターネットに関連したセンサ数の増大に関連する、大量のセンサデータに基づいて初期モデルを生成するための十分な処理及び／又はメモリ資源を要求する場合と比較して、センサデータがユーザデバイス２１０によって受信されることによって正確なモデルを開発することが可能となる。
図６に更に示す様に、プロセス６００は第１分類モデルの更新を行わせることに関連するフィードバック情報を定期的に提供するステップを含み得る（ブロック６６０）。例えば、ユーザデバイス２１０は第１分類モデルの更新を行わせることに関連したフィードバック情報を提供することができる。いくつかの実施形態において、ユーザデバイス２１０は、第１分類モデルの更新を行わせるために、第２分類モデルを特定する情報を提供することができる。例えば、ユーザデバイス２１０は第２分類モデルを特定する情報をアプリケーションサーバ２２０に提供して、アプリケーションサーバ２２０に第１分類モデルの更新を行わせることができる。
いくつかの実施形態において、ユーザデバイス２１０はユーザデバイス２１０によって取得されたセンサデータを特定する情報を提供して、第１分類モデルの更新が行われるようにすることができる。例えば、ユーザデバイス２１０が特定の体温を示すセンサデータを取得し、特定の体温を持つユーザの分光測定を行い、その特定の体温でそのユーザの計量化学署名を取得する場合、（例えば、同様の計量化学署名に基づいて特定の体温を特定するために）ユーザデバイス２１０は特定の体温及び計量化学署名を特定する情報を提供して第１分類モデルに含める。
これに加え、またはこれに代えて、ユーザデバイス２１０は人口統計学的情報を提供して第１分類モデルを更新することができる。例えば、男性グループの血糖値に対応する計量化学署名に基づいて第１分類モデルが生成される場合、ユーザデバイス２１０は女性の血糖値に対応する計量化学署名を決定してもよい。この場合、ユーザデバイス２１０は女性の計量化学署名を特定する情報を送信し、第１分類モデルが最適化されるようにすることによってモデルの分散較正を行い、限られたサンプル群（例えば男性グループ）に基づいて生成された静的に較正された分類モデルを使用する場合と比較して、モデルの精度を向上させることができる。
図６はプロセスの例示的ブロック６００を示しているが、いくつかの実施形態において、プロセス６００のブロックは図６に示すものと異なる数、異なるブロック又は異なる配置であってもよい。また、プロセス６００の２つ以上のブロックを平行して行ってもよい。
図７Ａ及び図７Ｂは図６に示す例示的プロセス６００に関する例示的実施形態７００の図である。図７Ａ及び図７Ｂは分光分析のために分類モデルを動的に更新する例を示す。
図７Ａに参照符号７０５で示す様に、較正アプリケーションサーバ２２０は、１組のサンプルパーソンに関する、較正アプリケーションサーバ２２０に関連した分光センサを介して取得したサンプルデータに基づき、一般的モデル（例えば一般的分類モデル）を生成することができる。参照符号７１０で示す様に、ウェアラブルユーザデバイス２１０は較正アプリケーションサーバ２２０から一般的モデルを受信する。参照符号７１５で示す様に、ウェアラブルユーザデバイス２１０は、ユーザの身体の一部の計量化学署名などの、ユーザに関する計量化学署名データを取得することができる。参照符号７２０で示す様に、ウェアラブルユーザデバイス２１０はＳＶＭ最適化技術を用い、計量化学署名データ、センサデータ（例えばユーザの心拍数、皮膚伝導性又は血糖値など）、人口統計学的データ（例えばユーザの年齢、肥満度指数又は性別）などの他のデータに基づいてユーザの局所的モデル（例えば別の分類モデル）を生成する。ウェアラブルユーザデバイス２１０は、ユーザに関して（例えば、ユーザの状態を診断するために）取得された１つ又は複数の他の計量化学署名の分類に使用するため、局所的分類モデルを記憶するものとする。
図７Ｂに参照符号７２５で示す様に、ウェアラブルユーザデバイス２１０は局所的モデルに関連する情報を提供し、計量化学署名データ、１つ若しくは複数の他の計量化学署名又はユーザに関するデータなどの一般的モデルを更新する。参照符号７３０で示す様に、較正アプリケーションサーバ２２０は、局所的モデルに関連する情報の受信に基づき、一般的モデルの更新を行う。
上述の様に、図７Ａ及び図７Ｂを単なる例として提供する。その他の例も可能であり、図７Ａ及び図７Ｂに関して説明したものと異なるものであってもよい。
このように、ユーザデバイス２１０は複数のセンサからのセンサデータを使用してユーザに関する健康情報を提供し、１つ又は複数のセンサの較正（例えば、分光センサに関連する分類モデルの較正）などを向上させる。更に、複数のセンサからのセンサデータを使用することにより、ユーザデバイス２１０は各センサに必要とされるデバイスに関連する費用と消費電力とを低減させることができる。更に、分光センサを較正するために最適化技術を使用することにより、ユーザデバイス２１０は、サンプル追加毎に新しい分類モデルを生成する場合と比較して、処理及び／又はメモリ資源の使用を低減させ、洗練せずに全ての分類を行うために十分なサンプルデータに基づいて分類モデルを生成する場合と比較して、コストを低減させることができる。
上述の開示は例示及び説明を提供するものであるが、全てを網羅している訳ではなく、実施例を開示された形態に厳密に制限することを意図するものではない。変更及び変形を上述の開示に照らして行うことができる、又は実施例の実施から取得することができる。
本明細書で使用するコンポーネントという用語は、ハードウェア、ファームウェア及び／又はハードウェアとファームウェアの組み合わせであると広く解釈されることを意図している。
本明細書に記載するいくつかの実施形態は閾値に関するものである。本明細書に記載する、閾値を満足させるとは、閾値よりも大きい値、閾値を超える値、閾値よりも高い値、閾値以上の値、閾値未満の値、閾値よりも少ない値、閾値よりも低い値又は閾値以下の値、閾値と等しい値などを指す。
特定のユーザインターフェースを本明細書及び／又は図に示した。ユーザインターフェースは図形ユーザインターフェース、非図形ユーザインターフェース、テキストベースのユーザインターフェースなどとすることができる。ユーザインターフェースは表示用の情報を提供することができる。いくつかの実施形態において、ユーザは、表示のためにユーザインターフェースを提供するデバイスの入力コンポーネントを介して入力を提供するなどして、情報のやりとりを行うことができる。いくつかの実施形態において、ユーザインターフェースはデバイス及び／又はユーザによって構成することができる（例えば、ユーザはユーザインターフェースの大きさ、ユーザインターフェースを介して提供される情報、ユーザインターフェースを介して提供される情報の位置などを変更することができる）。これに加え、またはこれに代えて、ユーザインターフェースは、標準構成、ユーザインターフェースが表示されるデバイスのタイプによる特定の構成、及び／又はユーザインターフェースが表示されるデバイスに関連する能力及び／又は仕様に基づく１組の構成に予め構成することができる。
本明細書に記載するシステム及び／又は方法は、ハードウェア、ファームウェア及び／又はハードウェアとファームウェアの組み合わせの異なる形態で実施することができる。これらのシステム及び／又は方法を実施するために使用される、実際の専用制御ハードウェア又はソフトウェアコードは実施例を制限するものではない。従って、システム及び／又は方法の操作及び挙動は特定のソフトウェアコードを参照せずに本明細書に記載したものであり、ソフトウェア及びハードウェアは、本明細書の記載に基づいてシステム及び／又は方法を実施するように構成することができると理解されたい。
特性の特定の組み合わせを請求項に記載し、及び／又は明細書に開示したが、これらの組み合わせは可能な実施形態の開示を制限することを意図するものではない。実際、これらの特性の多くは、請求項に具体的に記載されていない方法、及び／又は明細書に開示されていない方法で組み合わせることができる。以下に記載する各々の従属請求項は１つの請求項のみに従属させることができるが、可能な実施例の開示は、各々の従属請求項と請求項の範囲における他の全ての請求項との組み合わせを含んでいる。
本明細書で使用される要素、行為又は命令は、明示的な記載のない限り、重要又は必須のものと解釈してはならない。また、本明細書で使用する「ａ」及び「ａｎ」の冠詞は１つ又は複数のアイテムを含むものとし、「１つ又は複数の」と代替可能に使用することができる。更に、本明細書で使用する「組（set）」という用語は、１つ又は複数のアイテム（例えば関連アイテム、非関連アイテム、関連アイテムと非関連アイテムの組み合わせなど）を含むものとし、「１つ又は複数の」と代替可能に使用することができる。１つのアイテムのみが意図される場合、「１つの」という用語又は類似の言葉が使用される。また、本明細書で使用する「有する（has, have又はhaving）」などの用語はオープンエンドの用語である。更に、「に基づく（based on）」という言い回しは、特に断りのない限り、「少なくとも部分的に〜に基づく」ことを意味するものとする。

Claims (20)

  1. 命令を記憶する非一時的コンピュータ可読媒体であって、前記命令は、１つ又は複数のプロセッサによって実行される場合、前記１つ又は複数のプロセッサに、
    計量化学署名に基づく健康状態の特定と関連し、分光器を用い被検体群に対して行われる較正に基づいて生成される第１分光分類モデルを受信させ、
    ユーザに関する第１のセンサデータを含む、前記ユーザに関する１組の特性を取得させ、
    前記第１分光分類モデル及び前記ユーザに関する前記１組の特性に基づいて第２分光分類モデルを生成させ、
    第２分光分類モデルを利用して前記ユーザが消費する食品の栄養素含有量を決定させ、
    前記ユーザに関する第２のセンサデータに基づいて前記第２分光分類モデルを定期的に更新させる、
    １つ以上の命令を含む、媒体。
  2. 請求項１に記載の非一時的コンピュータ可読媒体において、
    前記１つ又は複数のプロセッサに前記第２分光分類モデルを生成させる前記１つ又は複数の命令は、前記１つ又は複数のプロセッサに、前記第１分光分類モデルに対してサポートベクトルマシン分類最適化技術又はサポートベクトル回帰分類最適化技術を行わせ、前記第２分光分類モデルを生成させ、
    前記１つ又は複数のプロセッサに前記第２分光分類モデルを周期的に更新させる前記１つ又は複数の命令は、前記第２分光分類モデルに対して前記サポートベクトルマシン分類最適化技術又は前記サポートベクトル回帰分類最適化技術を行い、前記第２分光分類モデルを更新させる、媒体。
  3. 請求項１に記載の非一時的コンピュータ可読媒体において、前記１つ又は複数の命令は、前記１つ又は複数のプロセッサによって実行される場合、前記１つ又は複数のプロセッサに更に、
    前記計量化学署名を取得させ、
    前記第２分光分類モデルに基づいて前記計量化学署名の分類を行わせ、
    前記計量化学署名の前記分類の実行に基づいて前記健康状態を特定する情報を提供させ、
    前記第２のセンサデータは前記計量化学署名を特定する情報を含み、
    前記計量化学署名は別の分光器からのセンサデータに基づいて決定され、
    前記分類は前記健康状態の特定と関連している、媒体。
  4. 請求項１に記載の非一時的コンピュータ可読媒体において、前記１つ又は複数のプロセッサに前記ユーザに関する前記１組の特性を取得させる前記１つ又は複数の命令は、前記１つ又は複数のプロセッサに、複数のセンサから前記第１のセンサデータを取得させ、
    前記複数のセンサは、別の分光器、加速度計、心拍センサ、血圧センサ、血糖値センサ、発汗センサ、皮膚伝導センサ又は撮像センサのうちの少なくとも２つを含む、媒体。
  5. 請求項１に記載の非一時的コンピュータ可読媒体において、前記１つ又は複数の命令は、前記１つ又は複数のプロセッサによって実行される場合、前記１つ又は複数のプロセッサに更に前記第２分光分類モデル又は前記第２のセンサデータに関する情報を定期的に送信させ、前記第１分光分類モデルの更新を行わせる媒体。
  6. 請求項１に記載の非一時的コンピュータ可読媒体において、前記１つ又は複数の命令は、前記１つ又は複数のプロセッサによって実行される場合、前記１つ又は複数のプロセッサに、
    別の分光器から前記計量化学署名を受信させ、
    前記第２分光分類モデルに基づいて前記健康状態を決定させ、
    前記ユーザの血糖値を特定する情報を提供させ、
    別の分光器は前記分光器とは異なるものであり、
    前記健康状態は前記ユーザの前記血糖値である、媒体。
  7. 請求項６に記載の非一時的コンピュータ可読媒体において、前記１つ又は複数の命令は、前記１つ又は複数のプロセッサによって実行される場合、更に、
    前記分光器から前記ユーザの別の計量化学署名を受信し、
    前記第２分光分類モデルに基づいて、前記健康状態と別の計量化学署名に関する別の健康状態との間の閾値の違いを検出し、
    前記閾値の違いの検出に基づいてアラートを提供する、媒体。
  8. メモリと、
    １つ又は複数のプロセッサであり、前記１つ又は複数のプロセッサは、
    計量化学署名に基づく健康状態の特定と関連し、分光器を用い被検体群に対して行われる較正に基づいて生成される第１分光分類モデルを受信し、
    ユーザに関する第１のセンサデータを含む、前記ユーザに関する１組の特性を取得し、
    前記第１分光分類モデル及び前記ユーザに関する前記１組の特性に基づいて第２分光分類モデルを生成し、
    第２分光分類モデルを利用して前記ユーザが消費する食品の栄養素含有量を決定し、
    前記ユーザに関する第２のセンサデータに基づいて前記第２分光分類モデルを定期的に更新する、１つ又は複数のプロセッサと、を備えるデバイス。
  9. 請求項８に記載のデバイスにおいて、
    前記１つ又は複数のプロセッサは、前記第２分光分類モデルを生成するときに、前記第１分光分類モデルに対してサポートベクトルマシン分類最適化技術又はサポートベクトル回帰分類最適化技術を行わせ、前記第２分光分類モデルを生成させ、
    前記１つ又は複数のプロセッサは、前記第２分光分類モデルを周期的に更新するときに、前記第２分光分類モデルに対して前記サポートベクトルマシン分類最適化技術又は前記サポートベクトル回帰分類最適化技術を行い、前記第２分光分類モデルを更新させる、デバイス。
  10. 請求項８に記載のデバイスにおいて、前記１つ又は複数のプロセッサは更に、
    前記計量化学署名を取得し、
    前記第２分光分類モデルに基づいて前記計量化学署名の分類を行い、
    前記計量化学署名の前記分類の実行に基づいて前記健康状態を特定する情報を提供し、
    前記第２のセンサデータは前記計量化学署名を特定する情報を含み、
    前記計量化学署名は別の分光器からのセンサデータに基づいて決定され、
    前記分類は前記健康状態の特定と関連している、デバイス。
  11. 請求項８に記載のデバイスにおいて、前記１つ又は複数のプロセッサは、前記ユーザに関する前記１組の特性を取得するときに、複数のセンサから前記第１のセンサデータを取得し、
    前記複数のセンサは、別の分光器、加速度計、心拍センサ、血圧センサ、血糖値センサ、発汗センサ、皮膚伝導センサ又は撮像センサのうちの少なくとも２つを含む、デバイス。
  12. 請求項８に記載のデバイスにおいて、前記１つ又は複数のプロセッサは更に、前記第２分光分類モデル又は前記第２のセンサデータに関する情報を定期的に送信し、前記第１分光分類モデルの更新を行う、デバイス。
  13. 請求項８に記載のデバイスにおいて、前記１つ又は複数のプロセッサは更に、
    別の分光器から前記計量化学署名を受信し、
    前記第２分光分類モデルに基づいて前記健康状態を決定し、
    前記ユーザの血糖値を特定する情報を提供し、
    別の分光器は前記分光器とは異なるものであり、
    前記健康状態は前記ユーザの前記血糖値である、デバイス。
  14. 請求項１３に記載のデバイスにおいて、前記１つ又は複数のプロセッサは、更に、
    前記分光器から前記ユーザの別の計量化学署名を受信し、
    前記第２分光分類モデルに基づいて、前記健康状態と別の計量化学署名に関する別の健康状態との間の閾値の違いを検出し、
    前記閾値の違いの検出に基づいてアラートを提供する、デバイス。
  15. デバイスによって、計量化学署名に基づく健康状態の特定と関連し、分光器を用い被検体群に対して行われる較正に基づいて生成される第１分光分類モデルを受信するステップと、
    前記デバイスによって、ユーザに関する第１のセンサデータを含む、前記ユーザに関する１組の特性を取得するステップと、
    前記デバイスによって、前記第１分光分類モデル及び前記ユーザに関する前記１組の特性に基づいて第２分光分類モデルを生成するステップと、
    前記デバイスによって、第２分光分類モデルを利用して前記ユーザが消費する食品の栄養素含有量を決定するステップと、
    前記デバイスによって、前記ユーザに関する第２のセンサデータに基づいて前記第２分光分類モデルを定期的に更新するステップと、を含む、
    方法。
  16. 請求項１５に記載の方法において、
    前記第２分光分類モデルを生成するステップは、前記第１分光分類モデルに対してサポートベクトルマシン分類最適化技術又はサポートベクトル回帰分類最適化技術を行い、前記第２分光分類モデルを生成することを含み、
    前記第２分光分類モデルを周期的に更新するステップは、前記第２分光分類モデルに対して前記サポートベクトルマシン分類最適化技術又は前記サポートベクトル回帰分類最適化技術を行い、前記第２分光分類モデルを更新する、方法。
  17. 請求項１５に記載の方法において、更に、
    前記計量化学署名を取得するステップと、
    前記第２分光分類モデルに基づいて前記計量化学署名の分類を行うステップと、
    前記計量化学署名の前記分類の実行に基づいて前記健康状態を特定する情報を提供するステップと、
    を含み、
    前記第２のセンサデータは前記計量化学署名を特定する情報を含み、
    前記計量化学署名は別の分光器からのセンサデータに基づいて決定され、
    前記分類は前記健康状態の特定と関連している、方法。
  18. 請求項１５に記載の方法において、前記ユーザに関する前記１組の特性を取得するステップは、複数のセンサから前記第１のセンサデータを取得することを含み、
    前記複数のセンサは、別の分光器、加速度計、心拍センサ、血圧センサ、血糖値センサ、発汗センサ、皮膚伝導センサ又は撮像センサのうちの少なくとも２つを含む、方法。
  19. 請求項１５に記載の方法において、更に前記第２分光分類モデル又は前記第２のセンサデータに関する情報を定期的に送信し、前記第１分光分類モデルの更新を行うステップとを含む、方法。
  20. 請求項１５に記載の方法において、
    別の分光器から前記計量化学署名を受信するステップと、
    前記第２分光分類モデルに基づいて前記健康状態を決定するステップと、
    前記ユーザの血糖値を特定する情報を提供するステップと、
    を更に含み、
    別の分光器は前記分光器とは異なるものであり、
    前記健康状態は前記ユーザの前記血糖値である、方法。
JP2017083342A 2016-04-21 2017-04-20 非一時的コンピュータ可読媒体、デバイス及び方法 Active JP6723952B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/135,110 US10251597B2 (en) 2016-04-21 2016-04-21 Health tracking device
US15/135,110 2016-04-21

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2020108881A Division JP7127086B2 (ja) 2016-04-21 2020-06-24 ヘルストラッキングデバイス

Publications (3)

Publication Number Publication Date
JP2017224281A JP2017224281A (ja) 2017-12-21
JP2017224281A5 JP2017224281A5 (ja) 2020-03-26
JP6723952B2 true JP6723952B2 (ja) 2020-07-15

Family

ID=58672336

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2017083342A Active JP6723952B2 (ja) 2016-04-21 2017-04-20 非一時的コンピュータ可読媒体、デバイス及び方法
JP2020108881A Active JP7127086B2 (ja) 2016-04-21 2020-06-24 ヘルストラッキングデバイス
JP2022129860A Active JP7518878B2 (ja) 2016-04-21 2022-08-17 ヘルストラッキングデバイス

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2020108881A Active JP7127086B2 (ja) 2016-04-21 2020-06-24 ヘルストラッキングデバイス
JP2022129860A Active JP7518878B2 (ja) 2016-04-21 2022-08-17 ヘルストラッキングデバイス

Country Status (6)

Country Link
US (3) US10251597B2 (ja)
EP (2) EP3239871A1 (ja)
JP (3) JP6723952B2 (ja)
CN (2) CN107423549B (ja)
CA (1) CA2964840A1 (ja)
HK (2) HK1246420A1 (ja)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10251597B2 (en) 2016-04-21 2019-04-09 Viavi Solutions Inc. Health tracking device
US10172570B2 (en) * 2016-07-15 2019-01-08 Under Armour, Inc. Methods and apparatus for dynamic displays
US10051427B2 (en) * 2016-08-22 2018-08-14 Qualcomm Incorporated Techniques for providing location-based health alerts based on biological indicators
KR102655737B1 (ko) 2016-11-30 2024-04-05 삼성전자주식회사 생체 성분 추정 장치 및 방법
SG11201908090VA (en) * 2017-04-07 2019-10-30 Toi Labs Inc Biomonitoring devices, methods, and systems for use in a bathroom setting
US10572632B2 (en) * 2017-10-02 2020-02-25 Robert M. Buckley Using augmented reality interface and real-time glucose data to control insulin delivery device
KR102563533B1 (ko) 2017-12-28 2023-08-07 살림 세야니 웨어러블 진단 장치
JP6583754B2 (ja) * 2018-03-19 2019-10-02 株式会社Ｎｏｖｅｒａ 情報処理装置、ミラーデバイス、プログラム
JP7160450B2 (ja) * 2018-08-23 2022-10-25 Ｎｅｃソリューションイノベータ株式会社 健康管理支援装置、健康管理支援方法、健康管理支援端末、およびプログラム
US20210319460A1 (en) * 2018-09-07 2021-10-14 Can Technologies, Inc. Optimizing organic growth using spectral measurement
JP7148210B2 (ja) * 2018-11-14 2022-10-05 カゴメ株式会社 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
WO2020111787A1 (en) * 2018-11-29 2020-06-04 Samsung Electronics Co., Ltd. Method for providing recommendations for maintaining a healthy lifestyle basing on daily activity parameters of user, automatically tracked in real time, and corresponding system
KR20200086558A (ko) * 2019-01-09 2020-07-17 삼성전자주식회사 전자 장치 및 증강현실을 이용한 상품 정보 제공 방법
EP3956902A4 (en) * 2019-04-19 2023-07-12 Endurance Unlimited Inc. ADHERENCE SYSTEM FOR HEALTH
US11308365B2 (en) * 2019-06-13 2022-04-19 Expedia, Inc. Image classification system
CN111124860B (zh) * 2019-12-16 2021-04-27 电子科技大学 一种在不可控环境下使用键盘和鼠标数据识别用户的方法
CN115210819A (zh) * 2020-03-16 2022-10-18 松下电器（美国）知识产权公司 信息处理方法、信息处理装置以及信息处理程序
US11443424B2 (en) 2020-04-01 2022-09-13 Kpn Innovations, Llc. Artificial intelligence methods and systems for analyzing imagery
CN113769360A (zh) * 2020-06-10 2021-12-10 妙佳瑞(天津)医疗科技发展有限公司 运动监测系统、方法、终端设备及计算机可读存储介质
CN112364896B (zh) * 2020-10-26 2023-10-24 平安科技（深圳）有限公司 基于机器学习的健康信息分布的确定方法及装置
JP2022124203A (ja) * 2021-02-15 2022-08-25 オリンパス株式会社 ユーザ補助情報出力装置、ユーザ補助情報出力システム、およびユーザ補助情報出力方法
CN113409917A (zh) * 2021-06-18 2021-09-17 深圳市狂风生命科技有限公司 一种测量、记录和分析人体食物摄取的装置及方法
CN113724835A (zh) * 2021-08-03 2021-11-30 武汉轻工大学 饮食推荐设备及饮食推荐方法
US11996199B2 (en) * 2021-09-03 2024-05-28 Jacques Seguin Systems and methods for automated medical monitoring and/or diagnosis
JP7287425B2 (ja) * 2021-09-07 2023-06-06 カシオ計算機株式会社 表示制御装置、電子時計、表示制御方法、及び、プログラム
JP7431280B2 (ja) 2022-06-20 2024-02-14 株式会社Zozo 情報処理装置、情報処理方法及び情報処理プログラム
EP4332986A1 (en) 2022-08-29 2024-03-06 BIOTRONIK SE & Co. KG Method and system for assessing a patient's medical condition
CN116530942A (zh) * 2023-07-04 2023-08-04 清华大学 基于光谱传感器的监测装置

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002005702A2 (en) * 2000-07-18 2002-01-24 Healthetech, Inc. Closed loop glycemic index system
US20030208113A1 (en) * 2001-07-18 2003-11-06 Mault James R Closed loop glycemic index system
KR20040032451A (ko) * 2002-10-09 2004-04-17 삼성전자주식회사 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및이를 이용한 건강 관리 방법
US20040204868A1 (en) * 2003-04-09 2004-10-14 Maynard John D. Reduction of errors in non-invasive tissue sampling
US8038615B2 (en) * 2007-05-22 2011-10-18 Eastman Kodak Company Inferring wellness from physiological conditions data
US20120059664A1 (en) * 2010-09-07 2012-03-08 Emil Markov Georgiev System and method for management of personal health and wellness
WO2012037430A1 (en) * 2010-09-17 2012-03-22 Abbott Laboratories Raman spectroscopy for bioprocess operations
US20120179665A1 (en) 2011-01-07 2012-07-12 Access Business Group International Llc Health monitoring system
JP2013092372A (ja) * 2011-10-24 2013-05-16 Seiko Epson Corp 分光画像処理装置、分光画像処理方法、及びコンピュータープログラム
JP2013092917A (ja) * 2011-10-26 2013-05-16 Seiko Epson Corp 健康管理支援装置、健康管理支援方法、及びコンピュータープログラム
AU2012330761B2 (en) 2011-11-03 2016-01-21 Verifood Ltd. Low-cost spectrometry system for end-user food analysis
CN104303185B (zh) * 2012-02-17 2017-11-07 好措施有限责任公司 用于营养物摄取量的用户特定调节的系统和方法
US20140121540A1 (en) * 2012-05-09 2014-05-01 Aliphcom System and method for monitoring the health of a user
US9254099B2 (en) * 2013-05-23 2016-02-09 Medibotics Llc Smart watch and food-imaging member for monitoring food consumption
US20160034764A1 (en) * 2014-08-01 2016-02-04 Robert A. Connor Wearable Imaging Member and Spectroscopic Optical Sensor for Food Identification and Nutrition Modification
JP6115064B2 (ja) 2012-10-03 2017-04-19 セイコーエプソン株式会社 運動支援システム
CA2900691C (en) * 2013-02-13 2021-02-09 Leman Micro Devices Sa Non-invasive blood analysis
US20140240124A1 (en) * 2013-02-25 2014-08-28 Exmovere Wireless LLC Method and apparatus for monitoring, determining and communicating biometric statuses, emotional states and movement
WO2014172671A1 (en) * 2013-04-18 2014-10-23 Digimarc Corporation Physiologic data acquisition and analysis
US9212996B2 (en) 2013-08-05 2015-12-15 Tellspec, Inc. Analyzing and correlating spectra, identifying samples and their ingredients, and displaying related personalized information
US9672331B2 (en) * 2013-12-17 2017-06-06 Alltech, Inc. Systems and methods for computer models of animal feed
JP2017505901A (ja) * 2014-01-03 2017-02-23 ベリフード， リミテッドＶｅｒｉｆｏｏｄ， Ｌｔｄ． 分光システム、方法、および用途
US20150262497A1 (en) * 2014-03-14 2015-09-17 Fitbug Ltd. Customized wellness plans using activity trackers
JP6320143B2 (ja) 2014-04-15 2018-05-09 株式会社東芝 健康情報サービスシステム
US10001450B2 (en) * 2014-04-18 2018-06-19 Medtronic Minimed, Inc. Nonlinear mapping technique for a physiological characteristic sensor
CN103970998B (zh) * 2014-05-08 2017-07-21 高萍 基于慢病智慧营养干预为核心的云健康管理系统
US20150356701A1 (en) * 2014-06-06 2015-12-10 Play-it Health, Inc. Monitoring and adapting a patient's medical regimen and facilitating communication with a caregiver
US10448867B2 (en) 2014-09-05 2019-10-22 Vision Service Plan Wearable gait monitoring apparatus, systems, and related methods
CN204613090U (zh) * 2015-04-22 2015-09-02 厦门海荭兴科技股份有限公司 便携式全光谱食品安全快速检测仪
CN113035322B (zh) * 2016-01-28 2024-12-10 美敦力迷你迈德公司 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备
US10251597B2 (en) 2016-04-21 2019-04-09 Viavi Solutions Inc. Health tracking device

Also Published As

Publication number Publication date
US20170303846A1 (en) 2017-10-26
CN107423549B (zh) 2021-08-06
JP7518878B2 (ja) 2024-07-18
US10950335B2 (en) 2021-03-16
JP7127086B2 (ja) 2022-08-29
US10251597B2 (en) 2019-04-09
HK1246420A1 (zh) 2018-09-07
EP4446736A2 (en) 2024-10-16
JP2022172159A (ja) 2022-11-15
CN113488139A (zh) 2021-10-08
EP4446736A3 (en) 2025-01-15
US12131816B2 (en) 2024-10-29
JP2017224281A (ja) 2017-12-21
US20210151165A1 (en) 2021-05-20
CN107423549A (zh) 2017-12-01
US20190223780A1 (en) 2019-07-25
JP2020184349A (ja) 2020-11-12
EP3239871A1 (en) 2017-11-01
CA2964840A1 (en) 2017-10-21
HK1248006A1 (zh) 2018-10-05

Similar Documents

Publication Publication Date Title
JP6723952B2 (ja) 非一時的コンピュータ可読媒体、デバイス及び方法
JP7609559B2 (ja) 分析物データを用いた健康及び栄養の監視及び管理のためのシステム、デバイス、及び方法
US20210029007A1 (en) Systems and methods for response calibration
US20210275104A1 (en) Apparatus and method for correcting error of bio-information sensor, and apparatus and method for estimating bio-information
ES2798279T3 (es) Base de datos de alimentos habilitada para ubicación
EP3132741B1 (en) Health care apparatus and method of operating the same
CN110249390A (zh) 用于分析指示体液中的葡萄糖水平的葡萄糖监测数据的计算机实现的方法和便携式设备，以及计算机程序产品
KR102349961B1 (ko) 헬스 케어 장치 및 그 동작 방법
US11478186B2 (en) Cluster-based sleep analysis
EP4062425A1 (en) Cluster-based sleep analysis
AU2013323790A1 (en) Systems and methods for response calibration
US20160051189A1 (en) Method and apparatus for processing food information
JP6992505B2 (ja) 情報処理装置、方法及びプログラム
US20250046466A1 (en) Predicting analyte levels based on intermittent sensor data
US20250020748A1 (en) Non-invasive radio-frequency analyte sensors, systems and methods
WO2025034456A1 (en) Predicting analyte levels based on intermittent sensor data
JP2024116380A (ja) システム、携帯端末、サーバ、情報処理装置、プログラム、又は方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200206

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200206

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200206

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200214

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200526

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200624

R150 Certificate of patent or registration of utility model

Ref document number: 6723952

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250