程式、资讯处理方法及资讯处理装置与流程

1.本发明涉及一种程式、资讯处理方法及资讯处理装置。


背景技术：

2.以往，在慢性阻塞性肺疾病(chronic obstructive pulmonary disease：copd)的加重恶化的诊断之中，有各式各样的侦测技术。例如，在专利文献1中，透过测量来自copd病患的生物体检体(例如，血液、血清等等)中的il-27蛋白质或者将其编码基因的表现量，揭露着copd病患的加重恶化指数的侦测方法。
3.先前技术文献
4.专利文献
5.专利文献1：日本专利公开公报第2014-10117号


技术实现要素：

6.发明所欲解决的课题
7.然而，在专利文献1的发明中，由于从进行加重恶化侦测的copd病患中提取用于供测量的生物体检体，因此可能对copd病患的身体造成负担。
8.在一实施样态中，提供一种程式等，其能够不会对病患的身体造成负担而侦测到呼吸系统疾病的异常。
9.解决课题的方法
10.依照一实施样态的程式，其特征在于，使电脑执行以下处理：从侦测关于呼吸肌或者呼吸辅助肌的动作的动作资讯的侦测传感器获得上述动作资讯、及从获得对于呼吸肌或者呼吸辅助肌的活动电位资讯的肌电图传感器获得上述活动电位资讯，并基于所获得的上述动作资讯及活动电位资讯侦测呼吸系统疾病的异常，且在侦测到上述异常的情况时，将异常资讯加以输出。
11.发明的效果
12.在一实施样态中，能够不会对病患的身体造成负担而侦测到呼吸系统疾病的异常。
附图说明
13.图1为表示侦测关于copd之中的加重恶化的资讯的系统的概观的说明图。
14.图2为表示伺服器的架构例子的方块图。
15.图3为表示病患db的记录布置的一例子的说明图。
16.图4为表示主db的记录布置的一例子的说明图。
17.图5为表示终端的架构例子的方块图。
18.图6为表示侦测传感器的架构例子的方块图。
19.图7为表示肌电图传感器的架构例子的方块图。
20.图8a为说明透过侦测传感器所侦测到的动作资讯的说明图。
21.图8b为说明透过侦测传感器所侦测到的动作资讯的说明图。
22.图9为说明透过肌电图传感器所侦测到的健康人士的呼吸肌的活动电位资讯的说明图。
23.图10a为说明透过肌电图传感器4所侦测到的正常时的copd病患的呼吸肌的活动电位资讯的说明图。
24.图10b为说明透过肌电图传感器4所侦测到的加重恶化时的copd病患的呼吸肌的活动电位资讯的说明图。
25.图11为说明关于copd之中的加重恶化的资讯的侦测处理的动作的说明图。
26.图12为表示侦测关于copd之中的加重恶化的资讯时的处理程序的流程图。
27.图13为表示侦测加重恶化程度的处理的次程序的处理程序的流程图。
28.图14为表示实施形态2的伺服器的架构例子的方块图。
29.图15为关于侦测加重恶化模型的产生处理的说明图。
30.图16为表示侦测加重恶化模型的产生处理的处理程序的一例子的流程图。
31.图17为关于利用侦测加重恶化模型侦测关于加重恶化的资讯的处理的说明图。
32.图18为表示利用侦测加重恶化模型侦测关于加重恶化的资讯时的处理程序的流程图。
33.图19为说明加上第2传感器的关于加重恶化的资讯的侦测处理的动作的说明图。
34.图20为表示加上麦克风的侦测关于加重恶化的资讯时的处理程序的流程图。
35.图21为表示实施形态3的伺服器的架构例子的方块图。
36.图22为表示利用第2侦测加重恶化模型侦测关于加重恶化的资讯时的处理程序的流程图。
37.图23为表示第2侦测加重恶化模型的学习处理的处理程序的一例子的流程图。
38.图24为表示实施形态4的伺服器的架构例子的方块图。
39.图25为表示实施形态3的主db的记录布置的一例子的说明图。
40.图26为表示建议db的记录布置的一例子的说明图。
41.图27为表示根据活动内容发送建议资讯时的处理程序的流程图。
42.图28为表示利用行走模型侦测关于加重恶化的资讯时的处理程序的流程图。
43.图29为表示根据加重恶化的机率值改变电信号的预设阈值时的处理程序的流程图。
44.图30为表示实施形态5的伺服器的架构例子的方块图。
45.图31为表示吃药指示资讯db的记录布置的一例子的说明图。
46.图32为表示治疗结果db的记录布置的一例子的说明图。
47.图33为表示根据关于加重恶化的资讯发送药物的吃药指示资讯时的处理程序的流程图。
48.图34为表示根据关于加重恶化的资讯发送第2建议资讯时的处理程序的流程图。
49.具体实施方法
50.以下，基于表示其实施形态的附图详细说明本发明。
51.〈实施形态1〉
52.实施形态1是基于：关于呼吸肌或者呼吸辅助肌的动作的动作资讯、以及对于呼吸肌或者呼吸辅助肌的活动电位资讯，而侦测呼吸系统疾病的异常的形态。
53.在本实施形态中，利用侦测传感器获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯、以及利用肌电图传感器获得对于呼吸肌或者呼吸辅助肌的活动电位资讯。动作资讯包含：关于呼吸肌或呼吸辅助肌的动作、伴随呼吸肌或呼吸辅助肌的动作而来的胸部的动作、或者伴随肺或横膈膜的收缩膨胀而来的动作资讯。基于所获得的动作资讯及活动电位资讯，呼吸系统疾病的异常被侦测到。再者，在呼吸系统疾病的异常被侦测到的情况时，可以将被侦测到的异常向病患或者医师输出。此外，在以下说明中，虽然是举侦测关于呼吸系统疾病的一种的copd之中的加重恶化的资讯为例加以说明，但是用于侦测其它的种类的呼吸系统疾病的异常(例如，气喘、肺炎、间质性肺炎、肺癌等)也是可以的。
54.copd是透过空气中的有毒物质、气体(特别是抽烟)，引起气管的慢性炎症，其结果是，由于气管狭窄、肺泡壁的破坏、咳痰增加，引起气流受限(不能充分地吐气，因此不能进行充分的换气)的疾病。再者，在copd中，由于感染等等的起因，有时病情会迅速恶化，这些被称为加重恶化。一般来说，一旦加重恶化产生时，呼吸状态会明显下降，恢复后也不能恢复到加重恶化前的呼吸状态。每当加重恶化反复产生时，全身状况和病后都会变差。
55.图1为表示侦测关于copd之中的加重恶化的资讯的系统的概观的说明图。本实施形态的系统包含：资讯处理装置1、资讯处理终端2、侦测传感器3及肌电图传感器4，而各装置是通过互联网等等的网路n进行资讯的发送、接收。
56.资讯处理装置1是对于：关于呼吸肌或呼吸辅助肌的动作的动作资讯、以及对于呼吸肌或呼吸辅助肌的活动电位资讯等等的各种的资讯进行处理、储存及发送、接收的资讯处理装置。资讯处理装置1是，例如伺服器装置、个人电脑等等。在本实施形态之中，将资讯处理装置1当作伺服器装置，而为了简洁起见，在以下说明中改称为伺服器1。
57.资讯处理终端2是进行对被侦测到的呼吸系统疾病的异常资讯的接收及表示等等的终端装置。资讯处理终端2是，例如智慧型手机、手机，手表式移动终端等等的可穿戴设备、平板电脑、个人电脑终端等等的资讯处理机器。为了简洁起见，在以下说明中将资讯处理终端2改称为终端2。
58.侦测传感器3是侦测呼吸肌或者呼吸辅助肌的动作资讯的传感器。呼吸肌是在呼吸时用于进行胸部的扩张、收缩所用到的肌肉，包含横膈膜、肋间内肌、肋间外肌等等。呼吸辅助肌包含胸锁乳突肌、前斜角肌、中斜角肌、后斜角肌、前锯肌、上后锯肌、下后锯肌、背阔肌、竖脊肌、斜方肌、腰方肌、胸大肌、胸小肌、腹直肌、内斜肌、外斜肌及横腹肌等等的肌肉群，是在呼吸时辅助地用到的肌肉。例如，将腰带状或者胶带状的侦测传感器3装在病患的胸部，而侦测基于病患的呼吸肌及呼吸辅助肌、或呼吸肌、呼吸辅助肌的动作而来的胸部的变异。
59.侦测传感器3是，例如压电元件传感器、伸缩传感器、腰带状或者胶带状的胶带传感器、回声传感器、测量生物体阻抗的生物体电位传感器等等被利用。此外，侦测传感器3并不仅限于上述的传感器，例如，也可以是不接触到人体地、而能够侦测基于呼吸肌及呼吸辅助肌，或呼吸肌，呼吸辅助肌的动作而来的胸部的变异或者呼吸本身的电容式非接触式传感器。压电元件传感器是将施加在压电体上的力转换为电压的传感器，也可以是例如利用压电元件侦测呼吸波形的呼吸监测器用传感器。例如，上述用于呼吸监测器的传感器(压电
元件传感器)放置在作为测量部位的胸部上，通过测量部位的呼吸运动将施加到胸部上的压力的变化转换为电压，检测患者的呼吸肌和呼吸辅助肌的运动，并作为波形数据加以输出。此外，上述的量测部位并不仅限于胸部，例如，也可以是腹部或者颈部、背部等等。回声传感器是，例如利用超音波进行液体的流量测量、液体的辨识、和物体之间的距离的测量等等的传感器。利用回声传感器侦测肋骨、横膈膜、肺等等的变异。例如，侦测呼吸之中的肋骨的移动距离或横膈膜的移动距离、舒张/收缩资讯或肺的移动距离、扩张/收缩资讯等等。生物体电位传感器是透过伴随呼吸而来的肺容量的变化而变化的生物体阻抗，间接地侦测胸部及肺的变异。
60.伸缩传感器是如橡胶一样地伸缩的位移传感器，即时监测对象者的变异。伸缩传感器是，例如由具有特殊结构的碳纳米管和弹性体材料迭层而成，呈薄片状。伸缩传感器在具有导电性的同时，具有橡胶一样的伸缩性，静电容量根据伸缩量而变化。由于从小应变到大应变皆可以测量，因此，例如，透过佩戴缠绕在胸部上的腰带状伸缩传感器、或透过粘贴贴纸状的伸缩传感器，则关节的变化、肌肉的变异、或者呼吸时的胸部的变异、或胸部的变异的向量变化等等，到目前为止难以测量的精细的动作皆可准确地测量。此外，上述的量测部位并不仅限于胸部，例如，也可以是腹部或者背部等等。
61.肌电图传感器4是透过波形记录肌肉的活动电位的传感器。透过被记录的波形的特征，也包含频率，可以获得关于神经或者肌肉是杏有残疾、残疾的类型、残疾的性质、残疾的部位等等的诊断的资讯。透过利用肌电图传感器4对和copd有关的呼吸肌和呼吸辅助肌进行评价，能够侦测关于copd之中的加重恶化的资讯。
62.此外，在本实施形态中，虽然将侦测传感器3和肌电图传感器4绘示成分开的形态，但两者也可以是一体构成的。再者，在本实施形态中，虽然将终端2、和侦测传感器3及肌电图传感器4例示成分开的形态，但本发明并不仅限于此种形态。例如，终端2、和侦测传感器3及肌电图传感器4也可以是全部一体化的装置。
63.接着，就关于copd之中的加重恶化的资讯的侦测处理加以说明。终端2是利用侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯、以及利用肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯。
64.透过侦测传感器3所获得的动作资讯是，例如透过呼吸肌或者呼吸辅助肌的伸缩而来的胸部的变异、胸部的变异的向量变化、胸部的可动区域、胸部的可动速度及对呼吸肌的刺激时间等等。此外，在本实施形态中，虽然举利用侦测传感器3的一种的压电元件传感器(例如，内装有压电元件的腰带)获得动作资讯为例加以说明，但伸缩传感器或者胶带传感器、生物体电位传感器等等的其它种类的侦测传感器3也同様适用。在将压电元件传感器装在病患的胸部的情况时，根据病患的呼吸肌或者呼吸辅助肌的变异，压电元件传感器将产生电压，而从压电元件电压(动作电信号)将被输出。此外，在利用伸缩传感器的情况时，以测量伸缩的速度或者加速度的变化的方式也是可以的。
65.透过肌电图传感器4所获得的活动电位资讯是伴随呼吸时的呼吸肌或者呼吸辅助肌的收缩而产生的活动电流信号，也包含活动电位的持续时间、及将活动电位波形作频率转换后的频率波形等等。
66.终端2将所获得的动作资讯及活动电位资讯分别和预设阈値作比较，而在关于copd之中的加重恶化的资讯满足侦测的条件的情况时，终端2就侦测到关于该加重恶化的
资讯。关于copd之中的加重恶化的资讯也可以是，例如表示copd加重恶化的有无的资讯、或者根据加重恶化的机率值(例如从「0」到「1」的范围的数值)而分类出的加重恶化程度资讯等等。透过copd病患的呼吸状态、加重恶化时的copd病患的呼吸中的特有的动态肺过度膨胀(伴随高度气流阻塞的气体滞留，导致每次呼吸时肺内残气量增加的病症)的程度、频率、持续时间等等的资讯，将能够判断加重恶化的机率值。例如，也可以根据加重恶化的机率值，分类成四个加重恶化程度(加重恶化程度1～加重恶化程度4)。具体而言，例如，在加重恶化的机率值是小于0.05的情况时，就判断加重恶化没有发生，判断为加重恶化程度1(正常)。在加重恶化的机率值为0.05以上，而且小于0.5的情况时，就判断加重恶化的生病风险较低，判断为加重恶化程度2。在加重恶化的机率值为0.5以上，而且小于0.8的情况时，就判断加重恶化的生病风险较高，判断为加重恶化程度3。在加重恶化的机率值在0.8以上的情况时，就判断加重恶化已发生，判断为加重恶化程度4。
67.此外，在本实施形态中，虽然说明了利用终端2侦测关于加重恶化的资讯的处理，但本发明并不仅限于此。例如，也可以是伺服器1基于动作资讯及活动电位资讯，侦测关于加重恶化的资讯。在此情况中，伺服器1将所侦测到的关于加重恶化的资讯发送到终端2。
68.图2为表示伺服器1的架构例子的方块图。伺服器1包含：控制部11、储存部12、通讯部13、输入部14、显示部15、读取部16及大容量储存部17。各构成元件透过总线b连接着。
69.控制部11包含cpu(central processing unit)、mpu(micro-processing unit)、gpu(graphics processing unit)等等的运算处理装置，透过读出并执行储存在储存部12之中的控制程式1p，而进行和伺服器1有关的各种的资讯处理、控制处理等等。此外，在图2中，虽然将控制部11作为单个处理器加以说明，但也可以是多处理器。
70.储存部12包含ram(random access memory)、rom(read only memory)等等的记忆元件，而储存着控制部11用以执行处理所必需的控制程式1p。再者，储存部12暂时地储存控制部11用以执行运算处理所必需的资料等等。通讯部13是用以进行关于通讯的处理的通讯模组，而通过网路n，进行和终端2等等之间的资讯的发送、接收。
71.输入部14是鼠标、键盘、触控面板、按键等等的输入装置，而将所接收到的操作资讯向控制部11输出。显示部15是液晶显示器或者有机el(电致发光，electroluminescence)显示器等等，而遵从控制部11的指示显示各种资讯。
72.读取部16读取包含cd(光碟，compact disc)-rom或者dvd(数位影音光碟，digital versatile disc)-rom的可搬式储存媒体1a。控制部11也可以通过读取部16，从可搬式储存媒体1a读取控制程式1p，而储存于大容量储存部17之中。再者，也可以通过网路n等等，由控制部11从其它的电脑下载控制程式1p，而储存于大容量储存部17之中。进一步地，再者，也可以由控制部11从半导体记忆体1b，读入控制程式1p。
73.大容量储存部17是，例如包含硬碟等等的大容量的储存装置。大容量储存部17包含病患db171及主db172。病患db171储存关于病患的资讯。主db172储存用以侦测关于copd之中的加重恶化的资讯的各种的阈値。
74.此外，在本实施形态之中，储存部12及大容量储存部17也可以是作为一体的储存装置而加以构成。再者，大容量储存部17也可以透过多个储存装置而加以构成。进一步地，再者，大容量储存部17也可以是连接于伺服器1的外部储存装置。
75.此外，在本实施形态中，虽然将伺服器1作为一台资讯处理装置加以说明，但也可
以是透过使复数台分散而使处理进行、或者也可以透过虚拟机器加以构成。
76.图3为表示病患db171的记录布置的一例子的说明图。病患db171包含：病患id列、性别列、姓名列、有无异常列、异常的细节列、侦测日期、时间列、所使用的传感器列及资料列。病患id列储存着唯一被指定的病患的id，以便辨别每个病患。性别列储存着病患的性别。姓名列储存着病患的姓名。有无异常列储存着表示对于病患的异常是否被侦测到的资讯。异常的细节列储存着所侦测到的异常的详细资讯。侦测日期、时间列储存着侦测到异常的日期、时间的资讯。所使用的传感器列储存着侦测到异常时所使用的传感器资讯。资料列储存着透过所使用的传感器所侦测到的传感器资料。传感器资料是，例如时间序列资料等等。
77.图4为表示主db172的记录布置的一例子的说明图。主db172包含：主id列、主名列、传感器列及阈値列。主id列储存着唯一被指定的主资料的id，以便辨别每个主资料。主名列储存着主资料的名称。传感器列储存着应用阈值的传感器的名称。阈値列储存着用以侦测关于加重恶化的资讯的比较用的基准値。
78.图5为表示终端2的架构例子的方块图。终端2包含：控制部21、储存部22、通讯部23、输入部24、显示部25及bluetooth(注册商标)通讯部26。各构成元件透过总线b连接着。
79.控制部21包含cpu、mpu等等的运算处理装置，透过读出并执行储存在储存部22之中的控制程式2p，而进行和终端2有关的各种的资讯处理、控制处理等等。此外，在图5中，虽然将控制部21作为单个处理器加以说明，但也可以是多处理器。储存部22包含ram、rom等等的记忆元件，而储存着控制部21用以执行处理所必需的控制程式2p。再者，储存部22暂时地储存控制部21用以执行运算处理所必需的资料等等。
80.通讯部23是用以进行关于通讯的处理的通讯模组，而通过网路n，进行和伺服器1等等之间的资讯的发送、接收。输入部24是键盘、鼠标或者也可以是和显示部25一体化的触控面板。显示部25是液晶显示器或者有机el显示器等等，而遵从控制部21的指示显示各种资讯。
81.bluetooth通讯部26是利用bluetooth而用以进行关于通讯的处理的通讯模组，俾在侦测传感器3和肌电图传感器4等等之间进行资讯的发送、接收。此外，在图5中，虽然绘示著作为短距离无线通讯方式的bluetooth，但本发明并不仅限于此，也可以利用zigbee、wi-fi等等的通讯协定。再者，也可以采用利用有线的通讯。此外，在图5中，虽然举bluetooth通讯部26为例加以说明，但本发明并不仅限于此。例如，也可以是利用5g或者4g等等的公共通讯网络进行的通讯。
82.图6为表示侦测传感器3的架构例子的方块图。此外，侦测传感器3是举利用上述的压电元件传感器(例如，内装有压电元件的腰带或者胶带)为例加以说明。侦测传感器3包含：控制部31、储存部32、压电元件33、bluetooth通讯部34及扬声器35。各构成元件透过总线b连接着。
83.控制部31包含cpu、mpu等等的运算处理装置，透过读出并执行储存在储存部32之中的控制程式3p，而透过压电元件33、进行将被施加于被读取的压电体的力量转换成电压的控制处理等等。储存部32包含ram、rom等等的记忆元件，而储存着控制部31用以执行处理所必需的控制程式3p。再者，储存部32暂时地储存控制部31用以执行运算处理所必需的资料等等。
84.压电元件33是利用压电效应的被动元件，将被施加于压电体的力量转换成电压。bluetooth通讯部34是利用bluetooth而用以进行关于通讯的处理的通讯模组，俾在和终端2等等之间进行电压资讯(例如，时间序列资料等等)的发送、接收。此外，在图6中，虽然绘示著作为短距离无线通讯方式的bluetooth，但本发明并不仅限于此，也可以利用zigbee、wi-fi等等的通讯协定。再者，也可以采用利用有线的通讯。扬声器35是将电信号转换成声音的装置。此外，扬声器35也可以是透过像bluetooth一样的短距离无线通讯方式而连接到侦测传感器3的耳机。
85.图7为表示肌电图传感器4的架构例子的方块图。肌电图传感器4包含：控制部41、储存部42、肌电测量部43、bluetooth通讯部44及扬声器45。各构成元件透过总线b连接着。。
86.控制部41包含cpu、mpu等等的运算处理装置，透过读出并执行储存在储存部42之中的控制程式4p，而透过肌电测量部43、进行对于被读取的活动电位资讯(肌电位)的控制处理等等。储存部42包含ram、rom等等的记忆元件，而储存着控制部41用以执行处理所必需的控制程式4p。再者，储存部42暂时地储存控制部41用以执行运算处理所必需的资料等等。
87.肌电测量部43测量对于呼吸肌或者呼吸辅助肌的活动电位资讯。bluetooth通讯部44是利用bluetooth而用以进行关于通讯的处理的通讯模组，俾在和终端2等等之间进行活动电位资讯(例如，时间序列资料等等)的发送、接收。此外，在图7中，虽然绘示著作为短距离无线通讯方式的bluetooth，但本发明并不仅限于此，也可以利用zigbee、wi-fi等等的通讯协定。再者，也可以采用利用有线的通讯。扬声器45是将电信号转换成声音的装置。此外，扬声器45也可以是透过像bluetooth一样的短距离无线通讯方式而连接到肌电图传感器4的耳机。
88.图8a及图8b为说明透过侦测传感器3所侦测到的动作资讯的说明图。图8a为说明对于健康人士及copd病患在正常呼吸时的呼吸生理学的说明图。人类是透过呼吸运动将氧气吸入体内，而将二氧化碳排出体外。肺被胸膜包住，存在于胸部内。肺本身没有伸缩的力量，乃是透过形成胸部的肋骨的可动性和横膈膜等的伸缩运动，被动地进行膨胀、收缩。
89.横膈膜作为身体的最大值吸气肌，位于5号、6号的肋骨附近，呈圆顶状躺卧着的形状，是吸入空气时使用的肌肉。在人吸入空气时，即吸气时，包含横隔膜的吸气肌和吸气辅助肌互相协调地收缩，藉此扩张胸部，使胸腔内形成负压，而使肺膨胀，俾将外部空气吸入肺内。吸气肌/吸气辅助肌包含：横隔膜、肋间外肌、胸锁乳突肌、前斜角肌、中斜角肌、后斜角肌等等。
90.在吐出空气时，即吐气时，这些肌肉停止收缩而松弛。由于肺原本具有像膨胀的橡胶气球一样自己收缩的性质，因此通过扩张胸部的肌肉的松弛，肺通过自身的收缩力收缩并排出吐气。因此，健康人士在安静时的呼吸不太需要有吐气肌和吐气辅助肌的活动。
91.健康人士在作呼吸(换气)时，通过使吸气肌和吸气辅助肌收缩，而张开胸部，吸入外部气体，接着，通过使这些肌肉松弛，而排出吐气。然而，由于伴随着吐气时间的延长而来的吐气中的换气功能残疾，copd病患变得难以充分地排出吸入的空气。因此，变得通过使用在健康人士中不太被使用的吐气肌和吐气肌的收缩，来辅助吐气的排出。吐气肌/吐气辅助肌包含：肋间内肌、腹直肌、内斜肌、外斜肌、横腹肌等等。
92.图8b为表示对于健康人士及copd病患的呼吸肌或者呼吸辅助肌的动作资讯的示意图。在图8b中，表示着呼吸肌或者呼吸辅助肌的动作电信号(动作资讯)的波形资料。横轴
表示时间，单位为秒(sec)。纵轴表示电压，单位为伏特(v)。
93.图8b的上半部是表示从安装在健康人士上的侦测传感器3所输出的电压的时间变化的图形。可以理解的是：在健康人士的情况中，电压是以对时间的变化有较少的最大值、最小值的形式周期性地反复出现。图8b的下半部是表示从安装在copd病患上的侦测传感器3所输出的电压的时间变化的图形。在copd病患的情况中，在和健康人士有相同的正常的状况时，也是对时间的变化有较少的最大值、最小值的形式周期性地反复出现。然而，当朝向加重恶化的情况时，最大值和最小值的时间变化将反映随着吐气时换气残疾的恶化而来的进行性的残气量增加(动态过膨张)而变得持续地增加。
94.在本实施形态中，作为一例子而言，在从侦测传感器3所输出的电压的最大值的每单位时间的变化超过预设阈値(例如，斜率0.2)的情况时，就判断满足第1条件。具体而言，控制部21进行以下的处理。控制部21从侦测传感器3获得时间序列上的电压。控制部21求出时间序列上的电压的最大值。控制单元21提取预设单位时间(例如，60秒)的电压的最大值，并计算通过所提取的最大值所形成的近似直线的斜率。在控制部21判断斜率超过预设阈值(例如，斜率0.2)的情况时，就判断满足第1条件。
95.此外，当然也可以利用最小值、或者最大值和最小值的两者作判断。更进一步地，也可以利用最大值、最小值的差分作判断。再者，控制部21也可以，进一步地，例如将每单位时间的最大值的平均値超过图8b的虚线所表示的阈値，而且，求出的斜率超过阈値的情况，判断成满足第1条件。再者，例如控制部21提取预设单位时间(例如，60秒)的电压的最大值及最小值，并算出通过所提取的最大值所形成的近似直线的最大值的斜率，且算出通过所提取的最小值所形成的近似直线的最小值的斜率。控制部21也可以在判定最大值的斜率超过预先设定的最大值的斜率阈値、最小值的斜率超过预先设定的最小值的斜率阈値、最小值的斜率超过最大值的斜率、而且，持续时间超过预设时间(例如，10秒)的情况时，判断成满足第1条件。
96.图9为说明透过肌电图传感器4所侦测到的健康人士的呼吸肌的活动电位资讯的说明图。横轴表示时间，单位为毫秒(msec)。纵轴表示电位(活动电位)，单位为微伏特(μv)。图9的图形的上半部表示的是健康人士的吸气肌的电位的时间上的变化。关于吸气肌，经过一定的间隔，具有振幅约为100μv的电位波形可被确认。图9的图形的下半部表示的是健康人士的吐气肌的电位的时间上的变化。从图9可以明显看出：健康人士的吐气肌不太活动，因此，对应的电位波形也很微小，几乎无法确认。
97.图10a及图10b为说明透过肌电图传感器4所侦测到的copd病患的呼吸肌的活动电位资讯的说明图。此外，就横轴和縦轴而言，由于和图9相同，故省略说明。
98.图10a为说明正常时的copd病患的呼吸肌的活动电位资讯的说明图。在copd患者中，正常时的吸气肌的活动比图9中的健康人士(正常时)的吸气肌的活动变强，因此copd患者的吸气肌的活动电位的振幅大于健康人士的吸气肌的活动电位的振幅。另外，在copd患者中，由于在正常时的吐气中，吐气肌也收缩，因此，和图9相比，吐气肌的活动电位的振幅变大。
99.图10b为说明加重恶化时的copd病患的呼吸肌的活动电位资讯的说明图。在copd病患发生加重恶化的情况时，将通过进一步地使吸气肌收缩而扩张胸部，俾将外部空气吸入肺内。因此，吸气肌会变得比正常时更强烈地收缩，而加重恶化时的吸气肌的活动电位的
振幅将变得比正常时的吸气肌的活动电位的振幅更大。再者，在加重恶化时的吸气肌的活动电位的持续时间将变得比正常时的吸气肌的活动电位的持续时间更短。进一步地，一旦将这些信号透过傅立叶变换作分析的话，发生加重恶化的情况的频率分布，相较于正常的情况而言，将变成不同的频率分布。
100.copd病患在发生加重恶化的情况时，会发现有：伴随着吐气时间的延长而来的吐气时换气功能残疾的变强。因此，对吐气肌有需要比正常时更强的收缩以支持换气的需求。因此，加重恶化时的吐气肌的活动电位的振幅将变得比正常时的吐气肌的活动电位的振幅更大。再者，由于吐气的排出需要时间，因此，加重恶化时的吐气肌的活动电位的持续时间也变得比正常时的吐气肌的活动电位的持续时间更长。进一步地，一旦将这些信号透过傅立叶变换作分析的话，发生加重恶化的情况的频率分布，相较于正常的情况而言，将变成不同的频率分布。
101.图10中的虚线表示预设的吐气肌在正常时和加重恶化时的活动电位的阈值。通过将copd病患的吐气肌的活动电位的峰值和吐气肌在正常时和加重恶化时活动电位的阈值作比较，将能够侦测到加重恶化。
102.例如，对于copd病患，对正常时、加重恶化时分别设定活动电位的阈值，而根据被设定的阈值，也可以定义加重恶化程度。具体而言，终端2的控制部21将透过肌电图传感器4所侦测到的的吐气肌的活动电位的峰值和分别在正常时和恶化时的活动电位的阈值作比较。
103.在控制部21判定：吐气肌的活动电位的峰值小于正常时的吐气肌的活动电位的阈値a的情况时，就判定加重恶化的生病风险是较低的加重恶化程度2。在控制部21判定：吐气肌的活动电位大于正常时的吐气肌的活动电位的阈値a，而且，小于加重恶化时的吐气肌的活动电位的阈値b(例如，大于阈値a的30％的値)的情况时，就判定加重恶化的生病风险是较高的加重恶化程度3。
104.在控制部21判定：吐气肌的活动电位的峰值大于加重恶化时的吐气肌的活动电位的阈値b的情况时，就判定成有加重恶化的发生而为加重恶化程度4。例如，在被判定为加重恶化程度4的情况时，控制部21也可以将关于加重恶化的资讯透过显示部25加以显示。。
105.此外，本发明并不仅限于全部的活动电位的峰值大于预设阈値。例如，终端2也可以将：每单位时间的活动电位的峰值大于预设阈値以上的次数，和预设次数作比较，而判定加重恶化程度。
106.再者，也可以透过吐气肌的活动电位的持续时间判定加重恶化程度。例如对copd病患，分别设定正常时、加重恶化时的活动电位的持续时间的阈値，而根据所设定的持续时间的阈値，也可以判定是否发生加重恶化。
107.具体而言，在控制部21判定：吐气肌的活动电位的持续时间小于正常时的活动电位的持续时间的阈値的情况时，就判定成加重恶化的生病风险是较低的加重恶化程度2。在控制部21判定：吐气肌的活动电位的持续时间大于正常时的活动电位的持续时间的阈値，而且，小于加重恶化时的活动电位的持续时间的阈値的情况时，就判定成加重恶化的生病风险是较高的加重恶化程度3。在控制部21判定：吐气肌的活动电位的持续时间大于加重恶化时的吐气肌的活动电位的持续时间的阈値的情况时，就判定成发生加重恶化的加重恶化程度4。
108.进一步地，再者，也可以基于吐气肌的活动电位的阈値、及持续时间的阈値两者，判定加重恶化程度。例如，也可以在控制部21判定：吐气肌的活动电位的峰值大于加重恶化时的活动电位的阈値，而且，吐气肌的活动电位的持续时间大于加重恶化时的吐气肌的活动电位的持续时间的阈値的情况时，就判定成发生加重恶化的加重恶化程度4。
109.再者，也可以透过吐气肌的活动电位的频率分布判定加重恶化程度。例如对copd病患，分别设定正常时、加重恶化时的平均频率或者中间频率的阈値，而根据所设定的平均频率或者中间频率的阈値，也可以判定加重恶化是否发生。
110.此外，本发明并不仅限于上述的加重恶化程度的判断处理。例如，也可以利用吸气肌和吐气肌两者的活动电位资讯、或者仅利用吸气肌的活动电位资讯判定加重恶化程度。
111.图11为说明关于copd之中的加重恶化的资讯的侦测处理的动作的说明图。终端2的控制部21是通过bluetooth通讯部26，而从侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯，以及从肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯。动作资讯及活动电位资讯是在每预设的单位时间(例如，每分、每秒等等)时所测量到的时间序列资料。再者，动作资讯及活动电位资讯也可以是时间序列的波形图案。进一步地，再者，动作资讯及活动电位资讯也可以是频率特性图形。具体而言，从动作资讯及活动电位资讯的时间序列资料进行频率分析，而提取对应于胸部的变异及呼吸肌/呼吸辅助肌的活动电位的变异波。关于频率分析，例如，也可以利用对离散化的信号进行的离散傅立叶变换(dft：discrete fourier transformation)。控制部21也可以：利用例如时间序列资料库储存所获得的动作资讯及活动电位资讯而作集中管理。
112.控制部21是通过通讯部23，而从伺服器1的大容量储存部17的主db172，获得用以侦测关于copd之中的加重恶化的资讯的各种的阈値。此外，用以侦测关于copd之中的加重恶化的资讯的各种的阈値既可以预先从伺服器1获得、或者，也可以预先将其储存于终端2的储存部22之中。例如，呼吸肌的动作电信号的预设阈值、正常时、加重恶化时的和各自的吐气肌有关的筋电图的电信号的预设阈值、正常时、加重恶化时的各自的吐气肌的电信号的持续时间的预设阈値等等将被获得。
113.控制部21是基于透过侦测传感器3所侦测到的动作资讯，而判定是否满足第1条件。在控制部21判定满足第1条件的情况时，控制部21就进一步地基于透过肌电图传感器4所获得的和吐气肌有关的活动电位资讯及预设阈値，侦测关于加重恶化的资讯。控制部21将所侦测到的关于加重恶化的资讯透过显示部25加以显示。
114.此外，在关于加重恶化的资讯被侦测到的情况，控制部21也可以通过bluetooth通讯部26，将侦测到的加重恶化的主旨分别发送到侦测传感器3、肌电图传感器4。例如，侦测传感器3的控制部31接收从终端2发送来的侦测到的加重恶化的主旨，则也可以透过扬声器35将警告或者声音资讯等等通知copd病患。肌电图传感器4的控制部41接收从终端2发送来的侦测到的加重恶化的主旨，则也可以透过扬声器45将警告或者声音资讯等等通知copd病患。
115.此外，虽然在上述的处理中，是以和吐气肌有关的活动电位资讯的例子加以说明，但本发明并不仅限于此。例如，也可以基于和吸气肌有关的活动电位资讯、或者，和吸气肌及吐气肌两者有关的活动电位资讯，侦测关于加重恶化的资讯。
116.控制部21透过通讯部23将所侦测到的关于加重恶化的资讯发送到伺服器1。伺服
器1的控制部11透过通讯部13接收从终端2发送而来的关于加重恶化的资讯，并将接收到的关于加重恶化的资讯储存于大容量储存部17的病患db171之中。此外，本发明并不仅限于上述的关于加重恶化的资讯的侦测处理。例如，终端2也可以基于透过侦测传感器3及肌电图传感器4所获得的胸部的可动区域、胸部的可动速度及呼吸肌的刺激时间、呼吸肌的活动电位的频率变化等等，而侦测关于加重恶化的资讯。
117.在肌肉疲劳时，肌电图信号的振幅增加，而发生频率分量从高频区域向低频区域移动的慢波化。慢波化是加重恶化时的征兆。在以下说明中，说明呼吸肌的活动电位的频率变化的例子。终端2进行呼吸肌的肌电图信号的功率频谱的测量及傅立叶变换。功率频谱是将肌电图波形作为横轴上的频率分量的分布，和作为纵轴上的每个频率分量的振幅的平方(信号的功率)而转换出的。
118.终端2计算平均频率(mpf：mean powerfrequency)或中间频率(mf：median power frequency)的变化值而作为表示频谱的功率分布的特征的指标。平均频率是每个频率的平均值。中间频率是将功率频谱的面积分成两个相等区域的频率。终端2基于计算出的平均频率或中间频率的变化值来判断是否具有慢波化的倾向。例如，在从高频带(例如，86.4hz)逐渐转变到低频带(例如，67.4hz)的情况时，终端2计算平均频率或中间频率的变化值。在判定：所计算出的改变值大于预定阈值的情况时，终端2输出关于加重恶化的资讯。此外，也可以根据设定有多个阈值的每个阈值，输出加重恶化的程度。例如，也可以在变化値大于第1阈値、而小于第2阈値的情况时，就作为加重恶化程度3；而也可以在大于第2阈値时，就作为加重恶化程度4。再者，进行频率分析的肌电图信号也是可以利用包含吐气肌及吸气肌的全部的资料，也可以活用吐气肌或者吸气肌的任一者的资料。
119.图12为表示侦测关于copd之中的加重恶化的资讯时的处理程序的流程图。侦测传感器3的控制部31通过bluetooth通讯部34，将关于呼吸肌或者呼吸辅助肌的动作的动作资讯发送到终端2(步骤s301)。终端2的控制部21通过bluetooth通讯部26，接收从侦测传感器3发送来的动作资讯(步骤s201)。肌电图传感器4的控制部41通过bluetooth通讯部44，将对于呼吸肌或者呼吸辅助肌的活动电位资讯发送到终端2(步骤s401)。终端2的控制部21通过bluetooth通讯部26，接收从肌电图传感器4发送来的活动电位资讯(步骤s202)。
120.控制部21通过通讯部23，将获得用以侦测关于copd之中的加重恶化的资讯的各种的阈値的请求发送到伺服器1(步骤s203)。伺服器1的控制部11通过通讯部13，接收从终端2发送来的阈値的获得请求(步骤s101)。控制部11根据接收到的阈値的获得请求，而从大容量储存部17的主db172，获得用以侦测关于copd之中的加重恶化的资讯的各种的阈値(步骤s102)。控制部11通过通讯部13，将所获得的各种的阈値发送到终端2(步骤s103)。
121.终端2的控制部21通过通讯部23，接收从伺服器1发送来的各种的阈値(步骤s204)。控制部21基于接收到的阈値及动作资讯，而判定是否满足第1条件(步骤s205)。具体而言，例如控制部21从侦测传感器3获得时间序列上的电压，而求出所获得的电压在时间序列上的最大值。控制部21提取预设单位时间内(例如，60秒)的电压的最大值，算出由所提取的最大值所形成的近似直线的斜率。在控制部21判断斜率超过预先设定的阈値的情况时，就判断满足第1条件。
122.或者，例如控制部21提取预设单位时间的电压的最大值及最小值两者，并算出通过提取到的最大值所形成的近似直线的最大值的斜率，且算出通过提取到的最小值所形成
的近似直线的最小值的斜率。在控制部21判定：最大值的斜率超过预先设定的最大值的斜率阈値、最小值的斜率超过预先设定的最小值的斜率阈値、而且，持续时间超过预设时间(例如，10秒)的情况时，就判断成满足第1条件。此外，如果使最小值的斜率阈値是比最大值的斜率阈値更大的値的话，也是可以的。
123.在控制部21判定不满足第1条件的情况时(步骤s205为「否」)，则结束处理。在控制部21判定满足第1条件的情况时(步骤s205为「是」)，则执行侦测加重恶化程度的处理的次程序(步骤s206)。此外，以下说明关于加重恶化程度的侦测处理的次程序。控制部21将所侦测到的关于加重恶化的资讯(加重恶化程度)透过显示部25加以显示(步骤s208)。控制部21透过通讯部23将所侦测到的关于加重恶化的资讯发送到伺服器1(步骤s209)。
124.伺服器1的控制部11透过通讯部13接收从终端2发送来的关于加重恶化的资讯(步骤s104)。控制部11将所接收到的关于加重恶化的资讯储存于大容量储存部17的病患db171之中(步骤s105)。具体而言，控制部11将病患id、性别、姓名、有无异常(加重恶化)的资讯、异常的详细资讯、所侦测到的日期、时间资讯、侦测到异常时所使用的传感器资讯、及通过所使用的传感器所侦测到的传感器资料作为一个记录而储存在病患db171之中。
125.此外，在本实施形态中，虽然举：在满足第1条件的情况时，进一步地，利用活动电位资讯，决定加重恶化的程度为例加以说明，但本发明并不仅限于此。例如，即使在不满足第1条件的情况时，也可以利用活动电位资讯，决定加重恶化的程度。
126.此外，虽然上述的处理是举：以透过动作资讯作加重恶化判定处理(步骤s205)、透过活动电位资讯作加重恶化判定处理(步骤s206)的顺序进行的例子加以说明，但本发明并不仅限于此。例如，也可以先透过活动电位资讯进行加重恶化判定处理(步骤s206)，接着才透过动作资讯进行加重恶化判定处理(步骤s205)。具体而言，终端2的控制部21透过执行侦测加重恶化程度的处理的次程序，侦测加重恶化程度。例如，在控制部21判定加重恶化的生病风险是较高的加重恶化程度3以上的情况时，就基于动作资讯判定是否满足第1条件。在控制部21判定满足第1条件的情况时，就输出关于加重恶化的资讯。
127.或者，也可以并行执行透过动作资讯作加重恶化判定处理(步骤s205)，及透过活动电位资讯作加重恶化判定处理(步骤s206)，而在满足利用两者所导出的加重恶化的判定条件的情况时，将侦测到关于加重恶化的资讯。具体而言，终端2的控制部21基于动作资讯，判定是否满足第1条件。控制部21透过执行侦测加重恶化程度的处理的次程序，侦测加重恶化程度。例如在控制部21判断：满足第1条件、而且，加重恶化的生病风险是较高的加重恶化程度3以上的情况时，就输出关于加重恶化的资讯。
128.图13为表示侦测加重恶化程度的处理的次程序的处理程序的流程图。终端2的控制部21获得从肌电图传感器4所获得的电位信号(步骤s01)。控制部21侦测在预设电位以上、而且，侦测超过预设的继续时间的吸气肌的周期性的的电位上的变化。在控制部21辨识出周期性的的吸气肌的电位的变化之后，就监测吸气肌的电位上的变化之间的吐气肌的电位上的变化。控制部21侦测吸气肌的电位上的变化之间的吐气肌的电位。
129.此外，也可以透过并用侦测传感器3和肌电图传感器4，辨识吸气肌的电位、或辨识吐气肌的电位。例如，在侦测传感器3是伸缩传感器、胶带传感器的情况时，由于在吸气时，胶带会伸展之故，在从胶带开始伸展到最大伸展量(max：弹性极限伸展量)的时间点为此，控制部21将从肌电图传感器4所获得的电位信号判定为吸气肌的电位。在吐气时，由于相反
地胶带会开始收缩之故，从胶带的最大伸展量(max)到最小伸展量(min)的时间点为此，控制部21将从肌电图传感器4所获得的电位信号判定为吐气肌的电位。
130.或者，也可以利用：从肌电图传感器4所获得的活动电位的波形资料的特征量、和利用包含表示吸气肌的电位的程度及表示吐气肌的电位的程度的训练资料而学习出的学习模型，而辨识吸气肌的电位或者吐气肌的电位。进一步地，再者，也可以将从肌电图传感器4所获得的活动电位的振幅的平均値为较小者判定为吐气肌的电位。
131.控制部21判断吐气肌的峰值电位是否小于阈値a(正常时的吐气肌的活动电位)(步骤s02)。在控制部21判定吐气肌的峰值电位小于阈値a的情况时(步骤s02为「是」)，就判定为加重恶化的生病风险是较低的加重恶化程度2(步骤s03)。在控制部21判定吐气肌的峰值电位大于阈値a的情况时(步骤s02为「否」)，就判定吐气肌的峰值电位是否小于阈値b(例如，大于阈値a的30％的値)(步骤s04)。
132.在控制部21判定吐气肌的峰值电位小于阈値b的情况时(步骤s04为「是」)，就判定为加重恶化的生病风险是较高的加重恶化程度3(步骤s05)。在控制部21判定吐气肌的峰值电位大于阈値b的情况时(步骤s04为「否」)，就判定为发生加重恶化的加重恶化程度4(步骤s06)。控制部21回传判定出的加重恶化程度的判定结果(步骤s07)，并结束次程序而返回。
133.此外，在上述的处理中，虽然举和吐气肌有关的活动电位资讯为例加以说明，但本发明并不仅限于此。例如，也可以基于和吸气肌有关的活动电位资讯、或者和吸气肌及吐气肌两者有关的活动电位资讯，而侦测加重恶化程度。
134.再者，在本实施形态中，虽然利用活动电位的峰值电位，但本发明并不仅限于此。例如，也可以利用活动电位的持续时间、活动电位的频率分布等等。在以下说明中，举利用持续时间为例加以说明。控制部21基于吐气肌的电位信号的变化，而侦测如图10b的虚线所示的开始时间点和结束时间点。具体而言，控制部21侦测开始时间点，其中将超过电位信号的预设阈值的时间上的变化开始连续地发生的时间点作为开始时间点。再者，在侦测到开始时间点之后，控制部21侦测结束时间点，其中将不超过电位信号的预设阈值的时间上的变化开始连续地发生的时间点作为结束时间点。在从开始时间点到结束时间点的时间中，有超过预设阈值的情况时，控制部21就输出关于加重恶化的资讯。另外，也可以设置多个阈值，而将大于第1阈值、且小于第2阈值的情况当作为加重恶化等级3，将大于第2阈值的情况当作为加重恶化等级4。
135.若透过本实施形态的话，能够基于透过侦测传感器3所获得的动作资讯、及透过肌电图传感器4所获得的活动电位资讯，而侦测到呼吸系统疾病的异常。因此，进行加重恶化检查将不需要从copd病患采集生物体检体(例如，血液、血清等)，而可以减轻对病患的身体的负担。
136.(实施形态2)
137.实施形态2是关于利用透过深层学习所建构出的侦测加重恶化模型，而侦测关于copd之中的加重恶化的资讯的形态。此外，和实施形态1重复的内容，省略对其说明。
138.图14为表示实施形态2的伺服器1的架构例子的方块图。此外，就和图2重复的内容，将标以相同的标记而省略对其说明。大容量储存部17包含侦测加重恶化模型173。侦测加重恶化模型173是侦测关于copd之中的加重恶化的资讯的侦测器，而且是透过机器学习所产生的完成学习的模型。该完成学习的模型是被利用作为人工智慧软体的一部分的程式
模组。在以下说明中，将说明利用透过深层学习所建构出的侦测加重恶化模型173，而侦测关于加重恶化的资讯的处理。
139.图15为关于侦测加重恶化模型173的产生处理的说明图。在图15中，概念性地绘示着进行机器学习而产生侦测加重恶化模型173的处理。基于图15，就侦测加重恶化模型173的产生处理加以说明。
140.作为侦测加重恶化模型173，本实施形态中的伺服器1通过学习从侦测传感器3所获得的关于动作资讯的电信号的图案、及从肌电图传感器4所获得的活动电位资讯的图案内之中的加重恶化的所在的波形图案的特征量而进行深层学习，将波形图案作为输入，而建构(产生)将表示关于copd之中的加重恶化的资讯的有无的资讯作为输出的类神经网路。此外，并不仅限于上述的波形图案，也可以对分析频率之后的图案进行深层学习。类神经网路是，例如cnn(卷积类神经网路，convolutional neural network)，其具有：接受波形图案的输入的输入层、输出表示异常的有无的资讯(辨识结果)的输出层、及提取波形图案的图案特征量的中间层。
141.输入层具有接受波形图案之中所含的各像素的像素値的输入的多个神经元，并将被输入的像素値交给中间层。中间层具有提取波形图案的图案特征量的多个神经元，并将提取到的图案特征量交给输出层。例如侦测加重恶化模型173是cnn的情况时，中间层具有将从输入层被输入的各像素的像素値加以折迭的卷积层、及以卷积层将折迭了的像素値当作要映射的池化层交互地连结的构造，俾一面将波形图案的像素资讯压缩而最终地提取图案的特征量。输出层具有一个或者多个神经元，其输出辨识copd之中的加重恶化的所在的辨识其结果，而基于从中间层所输出的图案特征量辨别关于加重恶化的资讯的有无。
142.此外，在本实施形态中，虽然以侦测加重恶化模型173是cnn为例加以说明，但侦测加重恶化模型173并不仅限于cnn，也可以是cnn以外的类神经网路，svm(支持向量机，supportvector machine)、贝氏网路、回归树等等，通过其它的学习演算法所建构出的完成学习的模型皆可。
143.如图15所示的方式，例如，输入1是透过侦测传感器3所侦测到的预设时间(例如，60秒)的呼吸肌的动作资讯的波形图案、输入2是透过肌电图传感器4所侦测到的预设时间(例如，60秒)的和呼吸肌有关的活动电位资讯的波形图案。动作资讯的波形图案(输入1)及活动电位资讯的波形图案(输入2)是表示相同的时间点的信号的波形图案。伺服器1的控制部11遵从来自被储存在记忆体之中的完成学习的侦测加重恶化模型173的命令，而从输入的动作资讯及活动电位资讯的波形图案，侦测关于加重恶化的资讯并加以输出。
144.所输出的关于加重恶化的资讯也可以是，例如加重恶化的有无的资讯、加重恶化的机率值、根据加重恶化的机率值所分类出的加重恶化程度等等。和上述的呼吸肌有关的活动电位资讯的波形图案(输入2)是表示：将吸气肌的电位的变化和吐气肌的电位的变化合成而形成的电位上的变化的波形图案。此外，输入2也可以表示仅是吐气肌电位的变化的波形图案、或也可以表示仅是吸气肌电位的变化的波形图案。或者，也可以将输入1和输入2合成的图案输入侦测加重恶化模型173
に
。或者，输入1也可以是呼吸肌的动作资讯的时间序列资料，而输入2也可以是和呼吸肌有关的活动电位资讯的时间序列资料。进一步地，再者，输入1及输入2也可以是波形图案和时间序列资料的组合。
145.伺服器1利用教师资料，其使关于动作资讯的电信号的图案及活动电位资讯的图
案、和各图案之中的关于加重恶化的资讯相关联，而学习进行。教师资料是将关于动作资讯的电信号的图案及活动电位资讯的图案、和关于加重恶化的资讯赋予程度化的资料。伺服器1是经过将教师资料的波形图案输入输入层，并经过在中间层的运算处理，而从输出层获得表示copd之中的加重恶化的有无的辨识结果。此外，从输出层所输出的辨识结果可以是离散地表示加重恶化的有无的値(例如，「0」或者「1」的値)，也可以是连续性的机率值(例如，从「0」到「1」的范围的値)。例如，作为从输出层输出的辨识结果，服务器1除了获得copd中的加重恶化的有无之外，还获得辨识加重恶化的机率值等等的辨识结果。另外，也可以从输出层输出多个程度，例如输出从程度1到程度4的各个机率值。
146.伺服器1将从输出层所输出的辨识结果、和在教师资料中针对波形图案赋予程度化的资讯，亦即正确值，作比较，以使来自输出层的输出值接近正确值的方式，俾最佳化中间层之中的运算处理中所使用的参数。该参数、例如神经元间的权重(结合系数)、在各神经元中所使用的激发函数的系数等等。虽然参数的最佳化的方法并无特别地限定，但例如，伺服器1是利用误差反向传播法进行各种参数的最佳化。
147.伺服器1就教师资料之中所含的各波形图案进行以上的处理，而产生侦测加重恶化模型173。在伺服器1从侦测传感器3获得关于动作资讯的电信号的图案、并且从肌电图传感器4获得活动电位资讯的图案的情况时，就遵从来自被储存在记忆体之中的完成学习的侦测加重恶化模型173的命令，而侦测关于copd之中的加重恶化的资讯。此外，在由伺服器1产生完成学习的侦测加重恶化模型173之后，在终端2下载该完成学习的侦测加重恶化模型173并加以安装的情况时，终端2也可以利用完成学习的侦测加重恶化模型173侦测关于加重恶化的资讯。在此情况时，终端2从侦测传感器3获得关于动作资讯的电信号的图案、以及从肌电图传感器4获得活动电位资讯的图案，并利用侦测加重恶化模型173侦测关于加重恶化的资讯。此外，终端2也可以利用教师资料对侦测加重恶化模型173进行学习或者再次学习处理。
148.此外，在本实施形态中，虽然将波形图案用为侦测加重恶化模型173的输入値，但本发明并不仅限于此。例如，也可以利用和rnn(递回类神经网路，recurrent neural network)有关的类神经网路作为侦测加重恶化模型173。在此情况中，也可以将从侦测传感器3所获得的动作资讯、以及从肌电图传感器4所获得的活动电位资讯的时间序列资料作为输入値，而侦测关于copd之中的加重恶化的资讯。
149.另外，也可以准备两个学习模型，第1学习模型是基于包含动作资讯和关于加重恶化的资讯的教师资料而被学习的，以及，第2学习模型是基于包含活动电位资讯和关于加重恶化的资讯的教师资料而被学习的。在此情况时，第1学习模型将图8所示的电压波形、电压波形图案、将该电压波形作频率转换后的频率波形、或者该频率波形图案作为输入资料，并且将加重恶化的机率作为输出资料。伺服器1基于这些教师资料进行第1学习模型的学习。
150.第2学习模型是将图10a及图10b所示的和吸气肌及吐气肌有关的活动电位波形、活动电位波形图案、将该活动电位波形作频率转换后的频率波形，或者该频率波形图案作为输入资料，并且将加重恶化的机率作为输出资料。伺服器1基于这些教师资料进行第2学习模型的学习。此外，也可以仅基于和吐气肌或和吸气肌有关的波形图案，进行第2学习模型的学习。
151.在估计时，在第1学习模型的输出机率大于预设阈值(例如，80％)的情况时、或当
步骤s205中为「是」的情况时，透过第2学习模型进行估计处理。控制器21将和吸气肌及吐气肌有关的活动电位波形、活动电位波形图案、将该活动电位波形作频率转换后的频率波形、或者该频率波形图案输入到第2学习模型。控制部21输出来自第2学习模型的加重恶化的机率。
152.此外，本发明并不仅限于透过上述的第1学习模型及第2学习模型所作的估计处理的顺序。例如，也可以透过第2学习模型进行估计处理，而在从第2学习模型所输出的加重恶化的机率大于预设阈値的情况时，才透过第1学习模型进行估计处理。或者，也可以并行执行透过第1学习模型的估计处理及透过第2学习模型的估计处理，而基于利用第1学习模型及第2学习模型所输出的加重恶化的机率判定加重恶化。再者，就第1条件而言，也可以透过实施形态1的方法进行判断，而对于活动电位波形，也可以利用第2学习模型。进一步地，就第1条件而言，也可以利用第1学习模型，而就活动电位波形而言，也可以透过实施形态1的方法作判断。
153.图16为表示侦测加重恶化模型173的产生处理的处理程序的一例子的流程图。基于图16，就侦测加重恶化模型173的产生处理的处理内容加以说明。
154.控制部11获得教师资料，而教师资料是使透过侦测传感器3所获得的动作资讯的图案，及透过肌电图传感器4所获得的活动电位资讯的图案、和关于copd之中的加重恶化的资讯相关联(步骤s121)。教师资料是，例如将动作资讯及活动电位资讯的图案、和关于加重恶化的资讯(例如，加重恶化的机率值等等)赋予标记的资料。
155.在控制部11利用多个教师资料，而输入了动作资讯及活动电位资讯的波形图案的情况时，产生将表示关于copd之中的加重恶化的资讯的有无的资讯(例如，程度1～程度4)加以输出的侦测加重恶化模型173(完成学习的模型)(步骤s122)。具体而言，控制部11将教师资料的波形图案输入类神经网路的输入层，并从输出层获得辨识出关于加重恶化的资讯的辨识结果。控制部11将所获得的辨识结果与教师资料的正确值(对于波形图案所被赋予标记的资讯)加以比较，而以使从输出层所输出的辨识结果靠近正确值的方式，将在中间层中的运算处理所用的参数(权重等等)加以最佳化。控制部11将所产生的侦测加重恶化模型173存储于大容量储存部17之中，而结束一连串的处理。
156.图17为关于利用侦测加重恶化模型173侦测关于加重恶化的资讯的处理的说明图。在图17中，概念性地绘示着从波形图案侦测关于copd之中的加重恶化的资讯的样貌。基于图17，就关于copd之中的加重恶化的资讯的侦测处理加以说明。
157.被安装有完成学习的侦测加重恶化模型173的终端2的控制部21通过bluetooth通讯部26，从侦测传感器3获得关于动作资讯的电信号的图案，以及从肌电图传感器4获得活动电位资讯的图案。此外，动作资讯及活动电位资讯并不仅限于上述的波形图案，也可以是时间序列资料。在动作资讯及活动电位资讯是时间序列资料的情况时，控制部21也可以基于所获得的时间序列资料产生波形图案。控制部21将所获得的关于动作资讯的电信号的图案，以及活动电位资讯的图案输入到侦测加重恶化模型173。
158.控制部21是在侦测加重恶化模型173的中间层中进行提取波形图案的特征量的运算处理，并将提取到的特征量输入到侦测加重恶化模型173的输出层，而获得作为关于copd之中的加重恶化的有无的资讯的输出。如图示的方式，控制部21将加重恶化的机率值，以及根据加重恶化的机率值所分类的加重恶化程度资讯(例如，加重恶化程度1～加重恶化程度
4)加以输出。在控制部21利用侦测加重恶化模型173，从波形图案侦测到关于加重恶化的资讯的情况时，就将关于copd之中的加重恶化的资讯透过显示部25将侦测到的主旨的侦测结果加以显示。
159.图18为表示利用侦测加重恶化模型173侦测关于加重恶化的资讯时的处理程序的流程图。侦测传感器3的控制部31通过bluetooth通讯部34，将关于动作资讯的电信号的图案发送到终端2(步骤s331)。被安装有完成学习的侦测加重恶化模型173的终端2的控制部21通过bluetooth通讯部26，接收从侦测传感器3发送来的关于动作资讯的电信号的图案(步骤s231)。
160.此外，控制部21也可以透过bluetooth通讯部26接收来自侦测传感器3的关于动作资讯的电信号的原始资料。在此情况时，例如控制部21也可以将所接收到的电信号的原始资料输入到完成深层学习的图案产生模型，而利用该图案产生模型，俾将电信号的图案加以输出。
161.肌电图传感器4的控制部41通过bluetooth通讯部44，将活动电位资讯的图案发送到终端2(步骤s431)。终端2的控制部21通过bluetooth通讯部26，接收从肌电图传感器4发送来的活动电位资讯的图案(步骤s232)。控制部21利用侦测加重恶化模型173侦测关于copd之中的加重恶化的资讯(步骤s233)，并且透过显示部25将所侦测到的关于加重恶化的资讯加以显示(步骤s234)。
162.若透过本实施形态的话，透过利用侦测加重恶化模型173侦测呼吸系统疾病的异常，将可以快速且高精度地进行诊断。
163.(实施形态3)
164.实施形态3涉及除了关于呼吸肌或者呼吸辅助肌的动作的动作信息、以及对于呼吸肌或者呼吸辅助肌的活动电位资讯以外，还进一步地加上病患的生物体资讯，来侦测呼吸系统疾病的异常的形态。此外，在实施形态3中，以侦测关于呼吸系统疾病的一种的copd之中的加重恶化的资讯为例进行说明。
165.在本实施形态中，包含侦测病患的生物体资讯的第2传感器5。第2传感器5包含，例如，侦测经皮性的动脉血氧气饱和度的血氧计、收集从生物体所发出的生物体音的声音的麦克风、纪录伴随心臓的跳动而来的心肌的活动电位或者活动电流，因而也能够作rri(心跳间隔，r-r interval)以及cv-rr(变异心跳间隔系数，coefficient ofvariation r-r interval)的分析的心电图仪、侦测血压的血压计、侦测体温的体温计、经皮性的动脉二氧化碳分压(ptcco2)的量测装置、测量心臓的跳动数的脉搏计、分析心跳的频率的心跳变异量测器、测量生物体阻抗的生物体电位传感器，或者发汗传感器等等。
166.生物体电位传感器侦测伴随呼吸而来的生物体电阻抗的变化。生物体电阻抗的变化是透过量测从对设置在胸部上的电极通以高频电流所得的胸部阻抗(z)，而利用伴随换气而来的与肺容积变化相应的胸部阻抗的变化量的呼吸性阻抗(δz)来掌握换气状态。亦即，伴随呼吸而来的胸部阻抗(z)的变化量(δz)是与肺内空气量(v
l
)的变化量(δv
l
)相应地变化。可以假设δz＝α(不是负的比例系数)
╳
δv
l
。胸部阻抗的变化量δz是透过吸气而增大(δz＞0)，而且透过吐气而减少(δz＜0)。因此，透过量测生物体电位阻抗，将能够估计肺的换气量
が
。
167.再者，第2传感器5也可以是，不接触人体的设置在床铺或者寝具下等等的非接触
式的生命体征传感器。非接触式的生命体征传感器是透过小型微波雷达测量伴随呼吸运动与心臓的跳动而来的身身体表面的微小的变异(心拍/呼吸)，并且透过红外线热像仪测量从身体表面所发出的红外线(体温)。生物体资讯是反映了生物体组织的状态及在组织发挥功能的情况时的资讯的信号，例如，透过脉搏、身体动作、呼吸等等的生物体现象而从身体内所发出的信号。
168.图19为说明加上第2传感器5的关于加重恶化的资讯的侦测处理的动作的说明图。此外，在图19中，是以利用第2传感器5的一种的麦克风侦测关于copd之中的加重恶化的资讯为例加以说明。此外，并不仅限于麦克风，也可以，例如利用多个第2传感器5，侦测关于加重恶化的资讯。麦克风是收集从生物体所发出的生物体音的声音的声音传感器。例如，利用麦克风，可以获得包含呼吸音、咳嗽音、痰滞留音或者肺杂音等等的生物体音资讯，而也可以进行频率分析，并将这些资讯输入学习模型。
169.在利用经皮性的动脉血二氧化碳分圧(ptcco2)量测装置的情况时，将与ptcco2相对应的値输入学习模型。在加重恶化时，ptcco2有增大的倾向。再者，在ptcco2的高度增高的情况时，会发现有呼吸的压抑，动作资讯及活动电位资讯也发生变异。在学习模型的学习之际，利用包含基于履历(过去的病患的测量履历)所得的动作资讯、活动电位资讯及与ptcco2相对应的値，和包含加重恶化程度的教师资料进行学习处理。
170.在利用心电图的情况时，将从心电图仪所输出的电位输入学习模型。在加重恶化时，容易在心电图上发现有右心负荷症状。再者，在加重恶化时，容易发生被称为心房颤动的心律不整，而发生与此相对应的电位的变化。另外，加重恶化时由于身体状态不佳，交感神经与副交感神经相比时，处于优势地位，与此同时出现rri(心电图上的r波和r波的间隔)的缩短以及rri的变异系数的cv-rr的降低。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及心电图仪的输出电位，和包含加重恶化程度的教师资料进行学习处理。
171.在利用血压计的情况时，将血压输入学习模型。在加重恶化时，如同上述地，交感神经处于优势地位，此时血压上升。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及血压，和包含加重恶化程度的教师资料进行学习处理。
172.在利用体温计的情况时，将从体温计所得的体温输入学习模型。加重恶化可能由细菌或者病毒引起呼吸器官感染症状，在这种情况时，会发现有作为炎症结果的体温升高。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及体温，和包含加重恶化程度的教师资料进行学习处理。
173.在利用利用脉搏计的情况时，将每单位时间的脉搏数或者脉搏数的时间上的变化输入学习模型。在加重恶化时，如同上述地，交感神经处于优势地位，因此会发现有脉搏数的上升。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及脉搏数，和包含加重恶化程度的教师资料进行学习处理。
174.在利用心跳变异量测器的情况时，将每单位时间的lf(低频)/hf(高频)比或者lf/hf比的时间上的变化输入学习模型。在加重恶化时，如同上述地，交感神经处于优势地位，因此会发现有脉lf/hf比的上升。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及lf/hf比，和包含加重恶化程度的教师资料进行学习处理。
175.在利用生物体电位传感器的情况时，将每单位时间的胸部阻抗的变化量δz或者
胸部阻抗的变化量δz的时间上的变化输入学习模型。在加重恶化时，会发现有伴随换气残疾而来的肺容积变化的减少，因此，会发现有胸部阻抗的变化量δz的降低。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及胸部阻抗的变化量δz，和包含加重恶化程度的教师资料进行学习处理。
176.在利用发汗传感器的情况时，将每单位时间的发汗量或者发汗量的时间上的变化输入学习模型。在加重恶化时，如同上述地，交感神经处于优势地位，因此会发现有发汗量的上升。在学习模型的学习之际，利用包含基于履历所得的动作资讯、活动电位资讯及发汗量，和包含加重恶化程度的教师资料进行学习处理。此外，也可以将上述的多个第2传感器加以组合而输入学习模型。
177.终端2的控制部21通过bluetooth通讯部26，从侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯、以及从肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯。控制部21通过bluetooth通讯部26，从麦克风获得生物体音资讯。例如，也可以获得关于呼吸音、咳嗽音、痰滞留音、肺杂音的频率、强度、持续时间或者音质等等的生物体音资讯。控制部21基于所获得的动作资讯、活动电位资讯及生物体音资讯，侦测关于copd之中的加重恶化的资讯。
178.例如，也可以在实施形态1中所述的透过动作资讯及活动电位资讯侦测关于加重恶化的资讯的处理为基础，进一步地加上生物体音资讯而侦测关于加重恶化的资讯。具体而言，在终端2的控制部21基于动作资讯及活动电位资讯，侦测到关于加重恶化的资讯的情况时，则透过由麦克风所获得的生物体音资讯(例如，呼吸音等等)，继续判定加重恶化。在copd病患发生加重恶化的情况时，由于会呼吸音的减弱、吐气的延长、咳嗽或者吐痰的次数的增大，肺杂音的增大等等的生物体反应，故控制部21基于生物体音资讯侦测关于加重恶化的资讯。控制部21透过显示部25将所侦测到的关于加重恶化的资讯加以显示。控制部21通过通讯部23，将所侦测到的关于加重恶化的资讯发送到伺服器1。伺服器1的控制部11透过通讯部13接收从终端2发送来的关于加重恶化的资讯，并将所接收到的关于加重恶化的资讯储存于大容量储存部17的病患db171之中。
179.此外，在本实施形态中，虽然将第2传感器5、和侦测传感器3和肌电图传感器4绘示成分开的形态，但两者也可以一体地构成。再者，第2传感器5的设置场所并不限于身体的确定的部位，非接触型也是可以的。再者，在本实施形态中，虽然将终端2和第2传感器5绘示成分开的形态，但本发明并不仅限于此。例如，也可以使终端2、和侦测传感器3及肌电图传感器4、第2传感器5全部为一体化而成的装置构成，使终端2和第2传感器5为一体化而成的装置构成(例如，手表式移动终端等等的可穿戴设备等等)也是可以的。再者，也可以将钟表式的第2传感器5装在使用者上备用，而在透过第2传感器5侦测到异常的情况时，才将侦测传感器3及肌电图传感器4装设在使用者的身体上。
180.图20为表示加上麦克风的侦测关于加重恶化的资讯时的处理程序的流程图。此外，就和图12重复的内容，将标以相同的标记而省略对其说明。终端2的控制部21通过bluetooth通讯部26，从麦克风获得生物体音资讯(例如，呼吸音等等)(步骤s241)。控制部21基于动作资讯及活动电位资讯，在侦测到copd之中的关于加重恶化的资讯的情况时(步骤s203～步骤s206)，判定呼吸音是否减弱(步骤s242)。关于呼吸音的减弱的判定处理也可以是利用，例如，呼吸音的频率加以判定。
181.在控制部21判定所获得的呼吸音没有减弱的情况时(步骤s242为「否」)，则结束处理。在控制部21判定所获得的呼吸音减弱的情况时(步骤s242为「是」)，就执行步骤s207。此外，在图20中，虽然以生物体音资讯的一种的呼吸音为例加以说明，但本发明并不仅限于此。也可以透过其它的咳嗽音、痰滞留音、肺杂音、或者上述的各种的声音资讯的组合，而侦测关于copd之中的加重恶化的资讯。
182.此外，虽然上述的处理是以：在透过动作资讯作加重恶化判定处理(步骤s205)、透过活动电位资讯作加重恶化判定处理(步骤s206)之后，才进行呼吸音是否减弱的判定(步骤s242)为例加以说明，但本发明并不仅限于此。例如，也可以先进行呼吸音是否减弱的判定(步骤s242)，之后才进行透过活动电位资讯作加重恶化判定处理(步骤s206)、接着透过动作资讯作加重恶化判定处理(步骤s205)，俾侦测关于加重恶化的资讯。
183.或者，也可以并行执行呼吸音是否减弱的判定(步骤s242)、透过动作资讯作加重恶化判定处理(步骤s205)、及透过活动电位资讯作加重恶化判定处理(步骤s206)，而在利用三者所导出的加重恶化的判定条件满足的情况时，侦测关于加重恶化的资讯。
184.接着，说明基于动作资讯、活动电位资讯及透过第2传感器5所获得的生物体资讯，而利用透过深层学习所建构出的完成学习的模型，侦测关于加重恶化的资讯的处理。
185.图21为表示实施形态3的伺服器1的架构例子的方块图。此外，就和图14重复的内容，将标以相同的标记而省略对其说明。大容量储存部17包含第2侦测加重恶化模型174。第2侦测加重恶化模型174是透过深层学习所建构出的侦测加重恶化模型。第2侦测加重恶化模型174是通过学习关于动作资讯的电信号的图案、活动电位资讯的图案、及透过第2传感器5所获得的生物体信号图案之中的加重恶化所在的波形图案的特征量而进行深层学习，将波形图案作为输入，而建构(产生)将表示关于copd之中的加重恶化的资讯的有无的资讯加以输出的类神经网路。此外，关于第2侦测加重恶化模型174的产生处理，由于是与实施形态1的侦测加重恶化模型173的产生处理相同之故，故省略对其说明。
186.图22为表示利用第2侦测加重恶化模型174侦测关于加重恶化的资讯时的处理程序的流程图。此外，就和图18重复的内容，将标以相同的标记而省略对其说明。第2传感器5利用bluetooth通讯而将生物体资讯的图案发送到终端2(步骤s541)。终端2的控制部21通过bluetooth通讯部26，接收从第2传感器5发送来的生物体资讯的图案(步骤s243)。
187.生物体资讯也可以是，例如透过侦测经皮性的动脉血氧气饱和度的血氧计所获得的氧气解离曲线资料。在copd病患有加重恶化的情况时，由于经皮性的氧气浓度会降低，故能够基于氧气解离曲线资料的图案侦测关于加重恶化的资讯。此外，本发明并不仅限于经皮性的动脉血氧气饱和度。生物体资讯的图案也可以是，例如表示对于呼吸数或者心跳数的时间序列资料的时间上的变化的标志、麦克风的波形资料等等。
188.控制部21利用被安装在终端2之中的第2侦测加重恶化模型174，侦测关于copd之中的加重恶化的资讯(步骤s244)。此外，由于关于利用第2侦测加重恶化模型174作关于加重恶化的资讯的侦测处理，是与实施形态1的利用侦测加重恶化模型173作关于加重恶化的资讯的侦测处理相同，故省略对其说明。
189.图23为表示第2侦测加重恶化模型174的学习处理的处理程序的一例子的流程图。基于图23，就第2侦测加重恶化模型174的学习处理的处理内容加以说明。
190.控制部11获得：使透过侦测传感器3所获得的动作资讯的图案、透过肌电图传感器
4所获得的活动电位资讯的图案、及透过第2传感器5所获得的生物体资讯的图案，和关于copd之中的加重恶化的资讯相关联的教师资料(步骤s151)。教师资料是将例如动作资讯、活动电位资讯及生物体资讯的图案，和关于加重恶化的资讯(例如，加重恶化的机率值等等)赋予标记的资料。
191.控制部11利用教师资料，在输入动作资讯、活动电位资讯及生物体资讯的图案的情况下，学习输出关于加重恶化的有无的资讯的第2侦测加重恶化模型174(步骤s152)。具体而言，控制部11将教师资料的波形图案输入类神经网路的输入层，并从输出层获得辨识出关于加重恶化的资讯的辨识结果。控制部11将所获得的辨识结果与教师资料的正确值(对于波形图案所被赋予标记的资讯)加以比较，而以使从输出层所输出的辨识结果靠近正确值的方式，将在中间层中的运算处理所用的参数(权重等等)加以最佳化。控制部11将学习出的第2侦测加重恶化模型174存储于大容量储存部17之中，而结束一连串的处理。
192.若透过本实施形态的话，能够基于透过侦测传感器3所获得的动作资讯、透过肌电图传感器4所获得的活动电位资讯、及透过第2传感器5所获得的生物体资讯，而侦测呼吸系统疾病的异常。
193.若透过本实施形态的话，将生物体资讯作为辅助方法，而与动作资讯及活动电位资讯一起侦测关于加重恶化的资讯。因此，例如，透过实施形态1的侦测处理，即使错误地侦测到关于加重恶化的资讯，仍能够基于生物体资讯进行关于加重恶化的资讯的修正。
194.(实施形态4)
195.实施形态4是关于以实施形态3为基础，进一步地利用侦测活动(劳动)资讯的第3传感器，而侦测呼吸系统疾病的异常的形态。此外，在实施形态4中，举侦测呼吸系统疾病的一种的关于copd之中的加重恶化的资讯为例加以说明。在本实施形态中，包含第3传感器6。第3传感器6是侦测包含病患的运动量、移动距离、活动量或者姿势的活动资讯，而例如是加速度传感器、gps(global positioning system/global positioning satellite)传感器、或者陀螺仪传感器(角速度传感器)等等。此外，也可以利用多个第3传感器6，侦测活动(劳动)资讯。
196.图24为表示实施形态4的伺服器1的架构例子的方块图。此外，就和图21重复的内容，将标以相同的标记而省略对其说明。大容量储存部17包含建议db175及行走模型176。建议db175储存着活动内容、根据关于加重恶化的资讯等等建议资讯。
197.活动内容包含，例如行走、骑自行车、爬楼梯、慢跑、呼吸复健运动等等，且透过第3传感器6获得。例如，终端2的控制部21利用加速度传感器监测身体活动，并获得姿势、速度、移动距离等等的加速度资料(活动资讯)，且根据所获得的加速度资料确定活动内容。此外，关于活动内容的确定，并不仅限于上述的确定处理。例如，在可以选择活动内容的画面将被显示给使用者看的情况时，也可以透过使用者的触摸操作确定活动内容。
198.在活动内容是行走的情况时，行走模型176是透过深层学习所建构出的专用的侦测加重恶化模型。例如，将关于动作资讯的电信号的图案、活动电位资讯的图案、及透过第2传感器5所获得的生物体信号图案输入到行走模型176。行走模型176则根据行走，通过学习所输入的图案之中的加重恶化的所在的波形图案的特征量而进行深层学习，将波形图案作为输入，而建构(产生)将表示关于copd之中的加重恶化的资讯的有无的资讯作为输出的类神经网路。此外，关于行走模型176的产生处理，由于与实施形态1的侦测加重恶化模型173
的产生处理相同，故省略对其说明。
199.再者，也可不利用透过第2传感器5的生物体信号图案，而基于动作资讯及活动电位资讯，产生行走模型176。
200.此外，在本实施形态中，虽然举行走模型176为例加以说明，但本发明并不仅限于此，也可以利用每个活动内容的各自的模型(例如，骑自行车模型、爬楼梯模型、慢跑模型、呼吸复健模型等等)。例如，也可以在确定是变成呼吸复健的活动的情况时，将关于动作资讯的电信号的图案、活动电位资讯的图案、及透过第2传感器5所获得的生物体信号图案作为输入，利用将关于copd之中的加重恶化的资讯加以输出的完成学习的呼吸复健模型，侦测关于加重恶化的资讯。呼吸复健模型是通过学习：透过侦测传感器3所侦测到的呼吸复健时的动作资讯的图案、透过肌电图传感器4所侦测到的呼吸复健时的活动电位资讯的图案、及透过第2传感器5所获得的生物体信号图案的特征量，而根据呼吸复健时的身体反应状况，侦测关于加重恶化的资讯。
201.图25为表示实施形态3的主db172的记录布置的一例子的说明图。此外，就和图4重复的内容，将标以相同的标记而省略对其说明。主db172包含活动内容列。活动内容列根据身体活动储存着行动的种类。例如，活动内容是爬楼梯、行走等等。
202.图26为表示建议db175的记录布置的一例子的说明图。建议db175包含建议id列、活动内容列、加重恶化资讯列及建议列。为了辨别各种建议，因此建议id列储存着唯一被指定的建议的id。活动内容列根据身体活动储存着行动的种类。加重恶化资讯列储存着关于加重恶化的资讯。根据活动内容及关于加重恶化的资讯，建议列储存着对病患的建议资讯。
203.接着，就根据活动内容的建议资讯的发送处理加以说明。图27为表示根据活动内容发送建议资讯时的处理程序的流程图。终端2的控制部21通过bluetooth通讯部26，从侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯(步骤s261)，并且从肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯(步骤s262)。控制部21通过bluetooth通讯部26，透过第2传感器5获得生物体资讯(步骤s263)，并透过第3传感器6获得包含病患的运动量、移动距离、活动量或者姿势的活动资讯(步骤s264)。
204.控制部21基于所获得的活动资讯确定活动内容(步骤s265)。控制部21基于所获得的动作资讯、活动电位资讯及生物体资讯，侦测关于加重恶化的资讯(步骤s266)。此外，关于加重恶化的资讯的侦测处理，由于与实施形态3中的侦测处理相同，故省略对其说明。控制部21通过通讯部23，而基于所侦测到的关于加重恶化的资讯、及所确定的活动内容，将建议的获得请求发送到伺服器1(步骤s267)。伺服器1的控制部11通过通讯部13，接收从终端2发送来的建议的获得请求(步骤s161)。
205.控制部11根据所接收到的建议的获得请求，从大容量储存部17的建议db175获得建议资讯(步骤s162)。控制部11通过通讯部13，将所获得的建议资讯发送到终端2(步骤s163)。终端2的控制部21透过通讯部23接收从伺服器1发送来的建议资讯(步骤s268)，并透过显示部25将所接收到的建议资讯加以显示(步骤s269)。例如，也可以对加重恶化程度2(风险较低)的慢跑中的病患，显示「让呼吸与慢跑的节奏配合！」的建议资讯。再者，也可以对加重恶化程度3(风险较高)的上楼梯的病患，显示「暂时停一下，调整呼吸！」的建议资讯。进一步地，再者，也可以对加重恶化程度4(加重恶化)的行走中病患，显示「请使用短效吸入β2刺激药！」的建议资讯。
206.接着，就利用透过机器学习所建构的每个活动的模型来侦测关于copd之中的加重恶化的资讯的处理加以说明。此外，在本实施形态中，虽然基于可以利用在行走时的行走模型176加以说明，但也可以同样地应用于其它的活动内容。根据活动内容，由于运动量、活动量、姿势等等都不同，侦测关于copd之中的加重恶化的资讯的侦测结果是造成影响。对某一特定的活动(例如，行走)，通过学习从该特定的活动状态所获得的各种的波形图案的特征量而进行深层学习，将波形图案作为输入，将能够建构作为表示关于copd之中的加重恶化的资讯的有无的资讯的输出的类神经网路。因此，利用该完成学习的専用模型，侦测该特定的活动之中的关于copd的加重恶化的资讯的精度将提高。
207.图28为表示利用行走模型176侦测关于加重恶化的资讯时的处理程序的流程图。此外，就和图27重复的内容，将标以相同的标记而省略对其说明。根据在步骤s265所确定的活动内容，终端2的控制部21确定完成学习的活动学习模型(步骤s270)。例如，在确定从步骤s264中所获得的活动资讯变成行走的活动内容的情况时，控制部21就确定预先被安装的行走模型176，而侦测关于copd之中的加重恶化的资讯。亦即，透过利用每个活动内容的完成学习的活动学习模型，将能够侦测关于copd之中的精度较高的加重恶化的资讯。
208.接着，就用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值的改变处理加以说明。
209.由于根据活动内容运动量等等会有变化之故，因此与此相对地使关于copd之中的加重恶化的有无的资讯的判定基准改变。在以下说明中，根据活动内容，举使用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值改变为例加以说明。终端2的控制部21通过bluetooth通讯部26，获得透过第3传感器6所侦测到的活动资讯。控制部21根据所获得的活动资讯，确定活动内容。控制部21基于所确定的活动内容，从伺服器1的大容量储存部17的主db172，获得用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值。然后，控制部21基于所获得的新的阈値，进行侦测关于加重恶化的资讯时的判定处理。例如，在终端2的控制部21确定活动内容是行走的情况时，控制部21就从伺服器1的大容量储存部17的主db172，获得用以判定与行走相对应的活动电位资讯的电信号的预设阈值。在行走的情况，由于运动量变大，用以侦测关于加重恶化的资讯的电信号的阈値将比安静时的阈値更高。
210.此外，虽然以上述的电信号的阈値的改变处理为例加以说明，但本发明并不仅限于此。吾人也可以将用以判定透过侦测传感器3所获得的动作资讯的第1条件、用以判定透过第2传感器5所获得的生物体资讯的生物体资讯的预设阈値加以改变。例如，在终端2利用侦测传感器3进行加重恶化的侦测处理的情况时，根据活动内容，将吐气肌的动作电信号阈値加以改变。例如，在终端2确定活动内容是行走的情况时，由于运动量变大，就使电压的最大值的斜率阈値或者最小值的斜率阈値改变而变高。
211.再者，在终端2利用第2传感器5进行加重恶化的侦测处理的情况时，也可以根据活动内容，将第2传感器5的各种的阈値加以改变。例如，在第2传感器5是麦克风的情况时，终端2的控制部21将获得声音资料。控制部21将声音资料作频率转换，且判断特定频带的功率是否超过预设阈値。在超过预设阈値的情况时，控制部21就判断有加重恶化的可能性，且利用侦测传感器3及肌电图传感器4进行判断。在此，控制部21根据活动内容而使上述的预设阈値改变。
212.此外，本发明并不仅限于根据上述的活动内容而作预设阈値的改变处理。例如，也可以利用侦测加重恶化模型173，而根据所输出的加重恶化的机率值，将用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值加以改变。
213.图29为表示根据加重恶化的机率值改变电信号的预设阈值时的处理程序的流程图。被安装有完成学习的侦测加重恶化模型173的终端2的控制部21通过bluetooth通讯部26，从侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯(步骤s271)。控制部21通过bluetooth通讯部26，从肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯(步骤s272)。
214.控制部21利用侦测加重恶化模型173侦测关于copd之中的加重恶化的资讯(步骤s273)。控制部21从所侦测到的关于加重恶化的资讯获得加重恶化的机率值(步骤s274)。例如，在所获得的加重恶化的机率值是0.3的情况时，由于加重恶化的生病风险，变得有必要对用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值作改变。
215.控制部21通过通讯部23，将所获得的加重恶化的机率值发送到伺服器1(步骤s275)。伺服器1的控制部11通过通讯部13，接收从终端2发送来的加重恶化的机率值(步骤s171)。根据所接收到的加重恶化的机率值，控制部11算出用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值(步骤s172)。关于算出演算法是，例如，在有加重恶化的生病风险的情况时，也可以是将既有的电信号的预设阈值乘以0～1间的系数而算出的。亦即，在有加重恶化的生病风险的情况时，加重恶化侦测的判定基准将变得严格。控制部11在大容量储存部17的主db172之中更新算出的电信号的预设阈值(步骤s173)。
216.接着，就利用侦测传感器3、肌电图传感器4及第3传感器6的关于copd之中的加重恶化的资讯的侦测处理加以说明。例如，第3传感器6是陀螺仪传感器。终端2是利用侦测传感器3获得关于呼吸肌或者呼吸辅助肌的动作的动作资讯、利用肌电图传感器4获得对于呼吸肌或者呼吸辅助肌的活动电位资讯、以及利用陀螺仪传感器获得脚的蹒跚值。终端2判定所获得的脚的蹒跚值是否大于预设阈値。在终端2判定所获得的脚的蹒跚值大于预设阈値的情况时，则透过与实施形态1相同的处理，基于所获得的动作资讯及活动电位资讯侦测关于加重恶化的资讯。此外，关于脚的蹒跚的侦测处理也可以是将透过陀螺仪传感器所获得的陀螺仪传感器资料作为输入，而利用侦测蹒跚的完成学习的蹒跚侦测模型。
217.此外，在本实施形态中，虽然说明了：用以判定透过肌电图传感器4所获得的活动电位资讯的电信号的预设阈值的改变处理，但本发明并不仅限于此。也可以对其它的判定用的阈値，透过上述的处理内容加以改变。
218.若透过本实施形态的话，关于侦测根据活动内容的呼吸系统疾病的异常，即使对在安静时难以发现的关于加重恶化的症状，仍可以提高加重恶化的侦测率。
219.若透过本实施形态的话，透过利用根据活动内容的各自的完成学习的活动学习模型，则即使在考虑身体活动量的实际状态而作安静时的活动(例如，慢跑等等的高强度的活动)的情况时，仍可以侦测关于copd之中的加重恶化的资讯。
220.若透过本实施形态的话，根据活动内容或者加重恶化的机率值，则可以将用以判定关于加重恶化的有无的资讯的电信号的预设阈值作适当的改变。
221.(实施形态5)
222.实施形态5是关于：在侦测到关于copd之中的加重恶化的资讯的情况时，根据所侦
测到的关于加重恶化的资讯，将药物的吃药指示资讯或者吃药指示资讯以外的第2建议资讯加以发送的形态。此外，就与实施形态1～4重复的内容，省略对其说明。
223.图30为表示实施形态5的伺服器1的架构例子的方块图。此外，就和图24重复的内容，将标以相同的标记而省略对其说明。大容量储存部17包含吃药指示资讯db177及治疗结果db178。吃药指示资讯db177对于copd病患，预先储存着对于用于在加重恶化时所使用的处方药的吃药指示的资讯。治疗结果db178对于侦测到关于加重恶化的资讯的病患，预先储存着关于用于在加重恶化时所使用的处方药的摄取的资讯，以及摄取药物后的测量资料。
224.图31为表示吃药指示资讯db177的记录布置的一例子的说明图。吃药指示资讯db177包含：吃药指示id列、病患id列、加重恶化资讯列、吃药指示列及建议列。吃药指示id列是为了辨别各个吃药指示，而储存着唯一被指定的吃药指示的id。病患id列储存着确定病患的病患id。加重恶化资讯列储存着关于加重恶化的资讯。吃药指示列根据关于加重恶化的资讯，储存着药物的吃药指示的资讯。建议列根据关于加重恶化的资讯，储存着吃药指示的资讯以外的第2建议资讯。
225.图32为表示治疗结果db178的记录布置的一例子的说明图。治疗结果db178包含：管理id列、病患id列、吃药指示id列、药物摄取状况列及测量资料列。管理id列是为了辨别各个治疗结果的资料，而储存着唯一被指定的治疗结果的资料的id。病患id列储存着确定病患的病患id。吃药指示id列储存着确定吃药指示的吃药指示id。药物摄取状况列对侦测到关于加重恶化的资讯的病患，储存着：被作吃药指示的药物的摄取的状况(状态)。例如，也可以在药物摄取状况列中，填入「完成摄取」、「摄取中」或者「未摄取」等等。
226.测量资料列包含动作资讯列、活动电位资讯列及生物体资讯列。动作资讯列是在侦测到关于加重恶化的资讯的病患摄取了被作吃药指示的药物之后，对该病患，储存着透过侦测传感器3所获得的动作资讯。活动电位资讯列是在侦测到关于加重恶化的资讯的病患摄取了被作吃药指示的药物之后，对该病患，储存着透过肌电图传感器4所获得的活动电位资讯。生物体资讯列是在侦测到关于加重恶化的资讯的病患摄取了被作吃药指示的药物之后，对该病患，储存着透过第2传感器5所获得的生物体资讯。
227.图33为表示根据关于加重恶化的资讯，将对于用于使用于预先在加重恶化时所处方的药的吃药指示资讯加以发送时的处理程序的流程图。终端2的控制部21通过bluetooth通讯部26，而从侦测传感器3获得动作资讯(步骤s281)、从肌电图传感器4获得活动电位资讯(步骤s282)。控制部21判定是否侦测到关于copd之中的加重恶化的资讯(步骤s283)。此外，关于加重恶化的资讯的侦测处理，由于和实施形态1之中的关于加重恶化的资讯的侦测处理相同，故省略对其说明。在控制部21判定没有侦测到关于copd之中的加重恶化的资讯的情况时(步骤s283为「否」)，就结束处理。
228.在控制部21判定侦测到关于copd之中的加重恶化的资讯的情况时(步骤s283为「是」)，就根据关于加重恶化的资讯获得药物的吃药指示资讯(步骤s284)。例如，控制部21透过通讯部23或输入部24既可以接受由医师确认关于加重恶化的资讯、并且对预先处方的药进行直接的吃药指示资讯，或者也可以根据来自储存部22的关于加重恶化的资讯，获得对于预先处方的药的吃药指示的资讯。药物的吃药指示资讯包含：药物的种类(例如，短效吸入β2刺激剂等等)、名称(例如，美普汀)、服用方法及副作用等等。控制部21透过显示部25将所获得的吃药指示资讯加以显示(步骤s285)。控制部21通过通讯部23，将所获得的吃药指
示资讯发送到伺服器1(步骤s286)。
229.伺服器1的控制部11透过通讯部13，接收从终端2发送来的与关于加重恶化的资讯相关的药物的吃药指示资讯(步骤s181)，并将所接收到的吃药指示资讯储存在大容量储存部17的吃药指示资讯db177之中(步骤s182)。具体而言，控制部11分配吃药指示id，并将病患id、关于加重恶化的资讯及吃药指示资讯作为一个记录储存在吃药指示资讯db177之中。
230.图34为表示根据关于加重恶化的资讯发送第2建议资讯时的处理程序的流程图。此外，就和图33重复的内容，将标以相同的标记而省略对其说明。在终端2的控制部21判定，在步骤s283之中，侦测到关于copd之中的加重恶化的资讯的情况时，就获得根据关于加重恶化的资讯的第2建议资讯(步骤s291)。第2建议资讯可以是上述的吃药指示资讯以外的意见/提案等等，也可以是对于copd的治疗的有益的资讯等等。作为第2建议资讯，例如包含「请行走。」，「请作基础锻练。」等等的关于运动疗法的资讯、或者「请注意不要吃多了。」，「请作营养管理。」等等的关于营养疗法的资讯。此外，关于第2建议资讯的获得处理，由于与上述的吃药指示资讯的获得处理相同，故省略对其说明。控制部21透过显示部25将所获得的第2建议资讯加以显示(步骤s292)。控制部21通过通讯部23，将所获得的第2建议资讯发送到伺服器1(步骤s293)。
231.伺服器1的控制部11透过通讯部13接收从终端2发送来的与关于加重恶化的资讯相关的第2建议资讯(步骤s191)，并将所接收到的第2建议资讯储存在大容量储存部17的吃药指示资讯db177之中(步骤s192)。具体而言，控制部11分配吃药指示id，并将病患id、关于加重恶化的资讯及第2建议资讯作为一个记录而储存在吃药指示资讯db177之中。
232.此外，虽然将上述的吃药指示资讯或者第2建议资讯分别地发送到终端2，但本发明并不仅限于此。例如，伺服器1的控制部11也可以根据所侦测到的关于加重恶化的资讯，将吃药指示资讯和第2建议资讯一起发送到终端2。
233.再者，在病患摄取了被作吃药指示的药物之后，可以储存关于药物的摄取的资讯，及储存摄取了药物之后的测量资料。具体而言，控制部11通过通讯部13或者输入部14，对侦测到关于加重恶化的资讯的病患，获得与被作吃药指示的药物的摄取相关的资讯。控制部11通过通讯部13，获得来自侦测传感器3的药物的摄取后的动作资讯、来自肌电图传感器4的药物的摄取后的活动电位资讯、及包含来自第2传感器5的药物的摄取后的生物体资讯的测量资料。
234.控制部11将所获得的关于药物的摄取的资讯、及摄取药物之后的测量资料储存在大容量储存部17的治疗结果db178之中。具体而言，控制部11分配管理id，并将病患id、吃药指示id、药物的摄取状况、动作资讯、活动电位资讯及生物体资讯作为一个记录而储存在治疗结果db177之中。
235.接着，就利用摄取药物之后的测量资料，而作第2侦测加重恶化模型174的再次学习处理的处理内容加以说明。在copd病患摄取药物而经过预设的时间之后，控制部11就获得第2教师资料，其中，第2教师资料是使包含从侦测传感器所输出的动作资讯、及从肌电图传感器所输出的活动电位资讯的测量资料，和表示没有发生加重恶化的资讯(例如，程度1)相关联。控制部11是利用第2教师资料，而在输入动作资讯及活动电位资讯的情况下，再次学习输出关于加重恶化的有无的资讯的侦测加重恶化模型173(完成学习的模型)。控制部11将再次学习出的侦测加重恶化模型173存储在大容量储存部17之中，而结束一连串的处
理。
236.再者，也可以进行病患的药物摄取之后的评価，以及在其之后的对应。例如，在进行了有支气管扩张作用的短效吸入β2刺激剂的服药指示的病患，即使吸入了药物，在发现动态过膨胀等等的加重恶化状态也没有改善的的情况时，可以作将到医院就诊的指示发送给病患等等的对应。
237.若透过本实施形态的话，在侦测到关于copd之中的加重恶化的资讯的情况时，则根据所侦测到的关于加重恶化的资讯，而可以将药物的吃药指示资讯发送给病患。
238.若透过本实施形态的话，在侦测到关于copd之中的加重恶化的资讯的情况时，则根据所侦测到的关于加重恶化的资讯，而可以将吃药指示资讯以外的第2建议资讯发送给病患。
239.若透过本实施形态的话，利用摄取药物之后的测量资料，而透过再次学习第2侦测加重恶化模型，则可以提高关于加重恶化的资讯的侦测精度。
240.在此，必须留意的是：本次揭露的实施形态的所有的细节都是例示性的，必须被视为是非限制性的。本发明的权利范围并非仅是上述所描述的，而吾人应理解：本发明的权利范围乃包括透过权利要求所示的权利要求所主张的范围及其均等的范围，以及在这些范围内的所有变化形态。
241.附图标记说明
242.1：资讯处理装置(伺服器)
243.11：控制部
244.12：储存部
245.13：通讯部
246.14：输入部
247.15：显示部
248.16：读取部
249.17：大容量储存部
250.171：病患db
251.172：主db
252.173：侦测加重恶化模型
253.174：第2侦测加重恶化模型
254.175：建议db
255.176：行走模型
256.177：吃药指示资讯db
257.178：治疗结果db
258.1a：可搬式储存媒体
259.1b：半导体记忆体
260.1p：控制程式
261.2：资讯处理终端(终端)
262.21：控制部
263.22：储存部
264.23：通讯部
265.24：输入部
266.25：显示部
267.26：bluetooth通讯部
268.2p：控制程式
269.3：侦测传感器
270.31：控制部
271.32：储存部
272.33：压电元件
273.34：bluetooth通讯部
274.3p：控制程式
275.4：肌电图传感器
276.41：控制部
277.42：储存部
278.43：肌电测量部
279.44：bluetooth通讯部
280.4p：控制程式
281.5：第2传感器
282.6：第3传感器。