检测装置和检测方法与流程

1.本发明涉及信息处理服务技术。另外，本发明涉及用于实现检测周期性时间序列数据的异常部分的检测装置和检测方法的技术。


背景技术：

2.在保健领域、医疗领域、护理领域等的领域中，进行以人为对象的数据计测的系统正在增加。在这些系统中，根据所获得的数据计算出分析结果并向用户进行反馈，由此向用户提供有价值的信息。上述数据大多是周期性时间序列数据。
3.作为这样的系统的一例，能够举例通过用户的手指叩击运动的测量、分析来简单地评价认知功能和运动功能的系统(手指叩击测量分析系统)(例如专利文献1)。
4.在此，手指叩击运动为拇指和食指反复开合的运动。通过测量手指叩击运动，能够获得周期性时间序列数据。公知的是，手指叩击运动根据痴呆症和帕金森病等的脑功能障碍的有无或严重程度，其结果不同。根据上述系统中所测量的周期性时间序列数据的分析结果，能够进行用户所存在的脑功能障碍的早期发现和严重程度推测等的评价。
5.现有技术文献
6.专利文献
7.专利文献1：日本特开2013―109540号公报


技术实现要素：

8.发明要解决的技术问题
9.根据在上述系统中测量出的周期性时间序列数据的分析结果，能够进行用户所存在的脑功能障碍的早期发现和严重程度推测等的评价(在本发明中，是其相对于数据波形整体的评价的意思，称为(a)整体数据评价。)。
10.但是，至目前为止，当分析手指叩击运动的周期性时间序列数据所得到的评价结果变差时，无法提示出得到该评价结果的依据。即，对于用户，不能说明是由于周期性时间序列数据中的哪一部分异常而导致评价结果变差，缺乏说服力。
11.因此，需要检测周期性时间序列数据中的异常部分的技术(本发明中，相对于数据波形的一部分的异常评价，将其称为(b)部分数据异常评价。)。
12.但是，存在(b)部分数据异常评价的结果与(a)整体数据评价的结果不匹配的情况。即，由于在(a)中基于周期性时间序列数据自身生成评价模型，在(b)中基于从周期性时间序列数据截取的部分数据得到评价模型，因此(a)的评价模型有可能与(b)的评价模型矛盾。当(a)与(b)矛盾时，用户产生应该信任哪一者的混乱，该矛盾应该被消除。
13.(a)与(b)的矛盾可能由以下的两个观点导致。第一点是关于异常比例的矛盾。例如，可以考虑在(a)中判断为异常而在(b)中异常部分没有被检测的状况、相反地在(a)中没有判断为异常而在(b)中检测到大量的异常部分的状况。这样的矛盾状况不应该发生。第二点是关于特征量对异常判断的贡献程度的矛盾。例如，可以考虑在(a)中对异常判断产生影
响的特征量在(b)的异常判断中没有被重视的状况、或者相反地，在(a)中不对异常判断产生影响的特征量在(b)的异常判断中被重视的状况。这样的状况可以看作异常判断的算法产生矛盾，可能损害对系统整体的可靠性。
14.因此，本发明的目的在于，提供可靠性高的整体数据的评价和部分数据的评价，而不产生上述两个观点的矛盾。
15.本发明的上述的以及其它的目的和新的特征根据本说明书的记载和附图能够明确。
16.用于解决课题的技术方案
17.作为用于解决上述课题的技术方案，使用在专利请求的范围中记载的技术。
18.举一个例子，一种使用表示生物体的状态的周期性信息来检测异常的检测装置，其包括：获取周期性信息的周期性信息获取部；周期性信息特征量计算部，其计算由周期性信息获取部获取的周期性信息的特征量；周期性信息异常检测部，其基于由周期性信息特征量计算部计算出的特征量来检测周期性信息的异常；异常比例生成部，其生成基于由周期性信息异常检测部检测出的结果的周期性信息的异常比例；部分信息生成部，其从由周期性信息获取部获取的周期性信息生成基于周期的部分信息；部分信息特征量计算部，其计算由部分信息生成部生成的部分信息的特征量；部分信息异常检测部，其基于由部分信息特征量计算部计算出的特征量和由异常比例生成部生成的异常比例，来检测由部分信息生成部生成的部分信息的异常；和输出部，其输出基于部分信息异常检测部的检测结果和周期性信息异常检测部的检测结果的信息。
19.发明效果
20.通过使用本发明的技术，能够提供可靠性的高整体数据的评价和部分数据的评价。
附图说明
21.图1是包括第一实施方式的周期性时间序列数据异常部分检测系统的人数据测量系统的构成图。
22.图2是第一实施方式的周期性时间序列数据异常部分检测系统的构成图。
23.图3是第一实施方式的测量装置的构成图。
24.图4是第一实施方式的终端装置的构成图。
25.图5是表示在用户的手指佩戴有作为运动传感器的磁传感器的状态的图。
26.图6是表示测量装置的运动传感器控制部等的详细构成例的图。
27.图7是表示第一实施方式的人数据测量系统中的处理整体的顺序的流程图。
28.图8是表示特征量的波形信号的例子的图。
29.图9是表示整体数据特征量列表的图。
30.图10是表示整体数据特征量列表的接续的图。
31.图11是表示特征量对应表的图。
32.图12是表示特征量对应表的接续的图。
33.图13是表示部分数据的定义例的图。
34.图14是表示部分数据特征量列表的图。
35.图15是表示已被异常检测出的部分数据的例子的图。
36.图16是说明异常度的图。
37.图17是说明特征量贡献程度的图。
38.图18是表示练习菜单列表的图。
39.图19是表示练习菜单对应表的图。
40.图20是表示作为服务的初始画面的菜单画面的例子的图。
41.图21是表示任务测量画面的图。
42.图22是表示评价结果画面的图。
43.图23是表示异常部分检测结果画面的图。
44.图24是表示第二实施方式的周期性时间序列数据异常部分检测系统的图。
45.图25是表示服务器的构成的图。
46.图26是表示服务器在db中管理的用户信息的数据构成例的图。
具体实施方式
47.本实施例中提案在周期性时间序列数据中检测异常部分的技术。以下，使用附图对本发明的实施方式的例进行说明。此外，在用于说明实施方式的全部附图中，原则上对于相同部分标注相同的附图标记，省略重复的说明。
48.关于实施方式，使用附图进行详细说明。但是，本发明被以下所示的实施方式的记载内容限定地解释。作为本领域技术人员能够容易地理解，在不脱离本发明的思想和主旨的范围内，能够对其具体的结构进行变更。
49.在具有相同的或者同样的功能的要素有多个的情况下，存在对于相同的附图标记附加不同的脚标进行说明的情况。但是，在不需要将多个要素相区别的情况下，有时也省略脚标来进行说明。
50.本说明书等中的“第一”、“第二”、“第三”等的表述是用于识别构成要素而标注的，不一定是对数字、顺序或者其内容进行限定的意思。另外，用于识别构成要素的编号按每个上下文使用，并且在一个上下文中所使用的号码在另一个上下文中不一定表示相同的构成。另外，通过某个号码所识别的构成要素并不妨碍兼具通过其它的号码识别的构成要素的功能。
51.在附图等中所示的各构成的位置、大小、形状、范围等，为了容易理解发明，存在没有表示实际的位置、大小、形状、范围等的情况。因此，本发明不一定限定于附图等中所公开的位置、大小、形状、范围等。
52.(第一实施方式)
53.使用图1～图20，关于第一实施方式的周期性时间序列数据异常部分检测系统(检测装置)进行说明。第一实施方式的周期性时间序列数据异常部分检测系统，具有检测对被检查者进行测量所获得的周期性时间序列数据(表示生物体的状态的周期性信息)中的异常部分的功能。根据该功能，周期性时间序列数据中的异常部分的检测结果与周期性时间序列数据整体的评价结果能够确保匹配性。
54.[人数据测量系统]
[0055]
图1表示包括第一实施方式的周期性时间序列数据异常部分检测系统的人数据测
量系统的结构。在第一实施方式中，在医院、养老院等的机构或用户自家等具有人数据测量系统。人数据测量系统具有周期性时间序列数据异常部分检测系统1和作为磁传感器型手指叩击运动系统的测量系统2，它们通过通信线路连接。测量系统具有测量装置3和终端装置4，它们通过通信线路连接。在机构内也可以设置多高测量系统2。
[0056]
测量系统2是使用磁传感器型的运动传感器测量手指运动的系统。在测量装置3连接有运动传感器。该运动传感器佩戴于用户的手指。测量装置3通过运动传感器测量手指运动，得到包含时间序列的波形信号的测量数据。终端装置4将包含部分数据异常检测结果的各种信息在显示画面中显示，接受用户进行的操作输入。在第一实施方式中，终端装置4为pc。
[0057]
周期性时间序列数据异常部分检测系统1作为基于信息处理的服务，具有提供异常部分检测服务的功能。周期性时间序列数据异常部分检测系统1，作为其功能具有部分数据异常检测功能。部分数据异常检测功能是检测由测量系统2所测量出的周期性时间序列数据中的异常部位的功能。
[0058]
周期性时间序列数据异常部分检测系统1，作为来自测量系统2的输入数据例如输入周期性时间序列数据等。周期性时间序列数据异常部分检测系统1，作为向测量系统2的输出数据例如输出部分数据异常检测结果等。在部分数据异常检测结果中，除了部分数据异常判断结果以外还包括部分数据异常度和部分数据异常特征量。
[0059]
第一实施方式的人数据测量系统，不限于医院或养老院等机构及其被检查者等，也能够广泛地适用于一般的机构和人。测量装置3和终端装置4可以作为一体型的测量系统构成。测量系统2和周期性时间序列数据异常部分检测系统1可以作为一体型的装置构成。终端装置4和周期性时间序列数据异常部分检测系统1也可以作为一体型的装置构成。测量装置3和周期性时间序列数据异常部分检测系统1也可以作为一体型的装置构成。
[0060]
[周期性时间序列数据异常部分检测系统]
[0061]
图2表示第一实施方式的周期性时间序列数据异常部分检测系统1的结构。周期性时间序列数据异常部分检测系统1具有控制部101、存储部102、输入部103、输出部104、通信部105等，它们经由母线连接。输入部103为由周期性时间序列数据异常部分检测系统1的管理者等进行操作输入的部分。输出部104为对周期性时间序列数据异常部分检测系统1的管理者等进行画面显示等的部分。通信部105具有通信接口，是进行与测量装置3和终端装置4的通信处理的部分。
[0062]
控制部101控制周期性时间序列数据异常部分检测系统1的整体，由central processing unit(cpu)、read only memory(rom)、random access memory(ram)等构成，基于软件程序处理，实现进行部分数据异常检测等的数据处理部。控制部101的数据处理部具有：用户信息管理部11、任务处理部12、整体数据评价部13、整体数据部分数据整合部14、部分数据异常评价部15、练习菜单决定部16、结果输出部17。控制部101实现：从测量装置3输入测量数据的功能；处理测量数据并进行分析的功能；向测量装置3和终端装置4输出控制指示的功能、向终端装置4输出显示用的数据的功能等。
[0063]
用户信息管理部11进行将由用户输入的用户信息登记在db40的用户信息41中并进行管理的处理、和在用户的服务使用时确认db40的用户信息41的处理等。用户信息41包括各用户个人的属性值、使用历史记录信息、用户设定信息等。属性值包括性别、年龄等。使
用历史记录信息是管理用户使用了本系统提供的服务的历史记录的信息。用户设定信息是关于本服务的功能由用户所设定的设定信息。
[0064]
任务处理部12是进行关于用于运动功能等的分析评价的任务的处理的部分。任务换言之是规定的手指运动。任务处理部12基于db40的任务数据42向终端装置4的画面输出任务。另外，任务处理部12获取由测量装置3测量出的任务的测量数据(表示生物体的状态的周期性信息)，作为整体数据43a保存在db40中。在此，所谓整体数据是指规定的时间锁测量的周期性时间序列数据的整体。像这样，任务处理部12(周期性信息获取部)获取表示生物体的状态的周期性信息。
[0065]
整体数据评价部13具有整体数据特征量计算部13a(周期性信息特征量计算部)和整体数据评价部13b(周期性信息异常检测部)。整体数据特征量计算部13a基于用户的整体数据44a计算表示整体数据44a(周期性时间序列数据)的性质的特征量，作为整体数据特征量44b保存在db40中。整体数据评价部13b一边参照整体数据db43一边基于整体数据特征量44b评价整体数据，作为整体数据评价结果44c保存在db40中。整体数据评价结果44c由整体数据异常度44ca和整体数据特征量贡献程度44cb构成。
[0066]
整体数据部分数据整合部14由异常比例决定部14a和特征量重要度决定部14b构成。异常比例决定部14a根据整体数据异常度44ca生成异常比例45a(周期性信息的异常比例)并将其保存在db40中。特征量重要度决定部14b一边参照特征量对应表50b一边根据整体数据特征量贡献程度44cb生成特征量重要度45b(特征量重要度)，并将其保存在db40中。异常比例45a和特征量重要度45b一起作为整体数据部分数据整合信息45。
[0067]
部分数据异常评价部15包括部分数据生成部15a(部分信息生成部)、部分数据特征量计算部15b(部分信息特征量计算部)、部分数据异常检测部15c(部分信息异常检测部)。部分数据生成部15a将整体数据44a分割而生成部分数据46a，保存在db40中。部分数据特征量计算部15b对各个部分数据46a计算出特征量，作为部分数据特征量46b保存在db40中。部分数据异常检测部15c使用异常比例45a和特征量重要度45b，一边参照从整体数据db43获得的部分数据一边基于部分数据特征量46b判断部分数据的异常，作为部分数据异常检测结果46c保存在db40中。在部分数据异常检测结果46c中，包括部分数据异常度46ca、部分数据异常有无46cb、部分数据异常特征量46cc。
[0068]
像这样，部分数据异常检测部14c生成：表示由部分数据生成部15a生成的部分信息的异常的程度、和表示由部分数据生成部15a生成的部分信息是否异常的信息；以及表示异常特征量的信息，该异常特征量是成为检测由部分数据生成部15a生成的部分信息是否异常的根据的特征量。在该情况下，周期性时间序列数据异常部分检测系统1因为能够生成关于部分信息的异常的详细的信息，所以根据能够确定发生了异常的部分的信息，能够提供更加详细的信息。
[0069]
练习菜单决定部16根据部分数据异常特征量46cc而基于练习菜单列表50d和练习菜单对应表50e决定练习菜单47，并保存在db40中。像这样，练习菜单决定部16决定用于改善通过部分数据异常检测部14c所计算出的异常特征量的练习菜单。
[0070]
结果输出部17进行将整体数据评价结果44c、部分数据异常检测结果46c、练习菜单47向终端装置4的画面输出的处理。整体数据评价部13和部分数据异常评价部15与练习菜单决定部16、结果输出部17协同工作来进行画面输出处理。像这样，结果输出部17进一步
输出通过练习菜单决定部16所决定的菜单。在该情况下，周期性时间序列数据异常部分检测系统1因为提示关于部分数据的异常部分的练习菜单，所以能够提示在消除该异常部分时有用的信息。
[0071]
另外，结果输出部17因为输出整体数据评价结果44c，作为整体的结果也进行输出，所以基于周期性时间序列数据能够提供多个观点的信息。
[0072]
作为保存在存储部102的db40中的数据和信息有用户信息41、任务数据42、整体数据db43、整体数据44a、整体数据特征量44b、整体数据评价结果44c、整体数据部分数据整合信息45、部分数据46a、部分数据特征量46b、部分数据异常检测结果46c、练习菜单47等。控制部101在存储部102中保存管理表50并对其进行管理。
[0073]
管理者能够设定管理表50的内容。管理表50保存有：设定整体数据的特征量的整体数据特征量列表50a；设定整体数据的特征量与部分数据的特征量的关联的特征量对应表50b；设定部分数据的特征量的部分数据特征量列表50c；设定练习菜单的候选的练习菜单列表
[0074]
50d；设定部分数据异常特征量46cc与练习菜单的对应的练习菜单对
[0075]
应表50e等。
[0076]
[测量装置]
[0077]
图3表示第一实施方式的测量装置3的结构。测量装置3具有运动传感器20、收容部301、测量部302、通信部303等。收容部301具有运动传感器20所连接的运动传感器接口部311、控制运动传感器20的运动传感器控制部312。测量部302通过运动传感器20和收容部301测量波形信号，并作为测量数据输出。测量部302包括获得测量数据的任务测量部321。通信部303具有通信接口，与异常数据处理系统1进行通信来将测量数据向异常数据处理系统1发送。运动传感器接口部311包含模数转换电路，将通过运动传感器20检测到的模拟波形信号通过取样转换为数字波形信号。该数字波形信号被输入到运动传感器控制部312中。
[0078]
此外，可以为在测量装置3中将各测量数据保存在存储单元中的方式，也可以为在测量装置3中不保持各测量数据而仅由周期性时间序列数据异常部分检测系统1保存的方式。
[0079]
[终端装置]
[0080]
图4表示第一实施方式的终端装置4的构成。终端装置4具有控制部401、存储部402、通信部403、输入设备404和显示设备405。控制部401作为基于软件程序处理的控制处理进行整体数据评价结果显示、部分数据异常检测结果显示等。存储部402保存根据周期性时间序列数据异常部分检测系统1得到的用户信息、任务数据、整体数据(周期性时间序列数据)、整体数据评价结果、部分数据异常检测结果等。通信部403具有通信接口，与周期性时间序列数据异常部分检测系统1进行通信并从周期性时间序列数据异常部分检测系统1接收各种数据，向周期性时间序列数据异常部分检测系统1发送用户指示输入信息等。输入设备404有键盘或鼠标等。显示设备405在显示画面406中显示各种信息。此外，显示设备405也可以为触摸面板。
[0081]
[手指、运动传感器、手指叩击测量]
[0082]
图5表示在用户的手指佩戴着作为运动传感器20的磁传感器的状态。运动传感器20具有通过连接于测量装置3的信号线23而成对的作为线圈部的发送线圈部21和接收线圈
部22。发送线圈部21产生磁场，接收线圈部22检测该磁场。在图5的例子中，在用户右手的拇指的指甲附近佩着发送线圈部21，在食指的指甲附近佩戴着接收线圈部22。佩戴的手指也可以变更为其它手指。佩戴的部位可以不限于指甲附近。
[0083]
如图5所示，形成为在用户的对象手指、例如左手的拇指和食指这两个手指佩着运动传感器20的状态。用户在该状态下进行两指的反复开闭的运动即手指叩击。关于手指叩击，是进行在闭合两指的状态、即两指的指尖接触的状态，与分开两指的状态、即将两指的指尖分开了的状态指尖之间转变的运动。伴随该运动，与两指的指尖间的距离对应的、发送线圈部21与接收线圈部22的线圈部间的距离变化。测量装置3测量对应于运动传感器20的发送线圈部21与接收线圈部22之间的磁场变化的波形信号。
[0084]
此外，作为运动传感器20，只要能够测量两指间的距离，也可以是磁传感器以外的其它传感器。例如也可以使两指触摸着平板终端或触摸面板式pc反复开闭，也可以得到两指的距离波形。另外，也可以通过红外线传感器检测手的形状和指尖的位置，得到两指的距离波形。
[0085]
手指叩击详细而言包括以下的各种类的任务。其运动例如能够举例单手自由活动、单手打节拍、两手同时自由活动、两手交替自由活动、两手同时打节拍、两手交替打节拍等。单手自由活动是指用单手的两指尽可能快地手指叩击多次。单手打节拍是指用单手的两指配合一定的节奏的刺激进行手指叩击。两手同时自由活动是指左手的两指和右手的两指在相同时刻进行手指叩击。两手交替自由活动是指用左手的两指和右手的两指在交替的时刻进行手指叩击。除此以外，还有跟踪标记进行的手指叩击。
[0086]
[运动传感器控制部和手指叩击测量]
[0087]
图6表示测量装置3的运动传感器控制部312等的详细构成例。在运动传感器20中，表示发送线圈部21与接收线圈部22之间的距离d。运动传感器控制部312具有交流产生电路312a、电流产生用放大器电路312b、前置放大器电路312c、检波电路312d、lpf电路312e、相位调整电路312f、放大器电路312g和输出信号端子312h。在交流产生电路312a连接有电流产生用放大器电路312b和相位调整电路312f。在电流产生用放大器电路312b通过信号线23连接有发送线圈部21。在前置放大器电路312c通过信号线23连接有接收线圈部22。在前置放大器电路312c的后段依次的连接有检波电路312d、lpf电路312e、放大器电路312g、输出信号端子312h。在相位调整电路312f连接有检波电路312d。
[0088]
交流产生电路312a生成规定频率的交流电压信号。电流产生用放大器电路312b将交流电压信号转换为规定频率的交流电流并向发送线圈部21输出。发送线圈部21通过交流电流而产生磁场。该磁场使接收线圈部22产生感应电动势。接收线圈部22将通过感应电动势产生的交流电流输出。该交流电流具有与由交流产生电路312a所产生的交流电压信号的规定频率相同的频率。
[0089]
前置放大器电路312c将所检测到的交流电流放大。检波电路312d基于来自相位调整电路312f的参考信号312i对放大后的信号进行检波。相位调整电路312f调整来自交流产生电路312a的规定频率或者2倍频率的交流电压信号的相位，并作为参考信号312i输出。lpf电路312e将检波后的信号进行频带限制并输出，放大器电路312g将该信号放大为规定的电压。并且，从输出信号端子312h输出与所测量出的波形信号相当的输出信号。
[0090]
作为输出信号的波形信号成为具有表示两指的距离d的电压值的信号。距离d和电
压值能够基于规定的计算式进行变换。该计算式能够通过标定(calibration)来获得。关于标定，例如在用户将规定长度的模块用对象手的两指拿着的状态下进行测量。根据其测量值的电压值和距离值的数据组形成使误差最小的近似曲线，得到规定的计算式。另外，也可以根据标定掌握用户的手的大小，用于特征量的标准化等。在第一实施方式中，作为运动传感器20使用上述磁传感器，并使用了与该磁传感器对应的测量方法。但并不限定于此，也能够适用加速度传感器、应变计、高速摄像机等其它的检测装置和测量装置。
[0091]
[处理流程]
[0092]
图7表示第一实施方式的人数据测量系统中的、主要通过周期性时间序列数据异常部分检测系统1进行的处理整体的流程。图7中包括步骤s1～s10。以下，按步骤的顺序进行说明。
[0093]
(步骤s1)首先，用户操作测量系统2。具体而言，终端装置4在显示画面中显示初始画面。用户在初始画面中选择所希望的操作项目。例如，选择用于进行异常数据检测、处理的操作项目。终端装置4将与该选择对应的指示输入信息向周期性时间序列数据异常部分检测系统1发送。另外，用户能够在初始画面输入并登记性别和年龄等的用户信息。在该情况下，终端装置4将所输入的用户信息向周期性时间序列数据异常部分检测系统1发送。周期性时间序列数据异常部分检测系统1的用户信息管理部11将该用户信息登记在用户信息41中。
[0094]
(步骤s2)周期性时间序列数据异常部分检测系统1的任务处理部12，基于步骤s1的指示输入信息和手指叩击的任务数据42将对于用户的任务数据向终端装置4发送。该任务数据包括单手自由活动、两手同时自由活动、两手交替自由活动等、关于手指运动的1种以上的任务的信息。终端装置4基于接收到的任务数据在显示画面中显示手指运动的任务信息。用户按照显示画面的任务信息进行手指运动的任务。测量装置3测量该任务，并向周期性时间序列数据异常部分检测系统1发送测量数据。周期性时间序列数据异常部分检测系统1将该测量数据保存在测量数据42b中。
[0095]
(步骤s3)周期性时间序列数据异常部分检测系统1的整体数据特征量计算部13a基于整体数据特征量列表50a而从整体数据44a计算出整体数据特征量44b。并且，在整体数据评价部13b中，对整体数据特征量44b应用多变量分析或机器学习等的统计方法得到整体数据评价结果44c。在整体数据评价结果44c中包含整体数据异常度44ca和整体数据特征量贡献程度44cb。
[0096]
(步骤s4)周期性时间序列数据异常部分检测系统1的结果输出部17将整体数据评价结果44c发送到终端装置4，在画面中显示。像这样，结果输出部17输出基于通过整体数据评价部13b获得的检测结果的信息。用户在画面中能够确认自身的周期性时间序列数据的评价结果。
[0097]
(步骤s5)周期性时间序列数据异常部分检测系统1的异常比例决定部14a，基于整体数据异常度44ca计算异常比例45a。
[0098]
(步骤s6)周期性时间序列数据异常部分检测系统1的异常比例决定部14a，参照特征量对应表50b并且基于整体数据特征量贡献程度44cb计算特征量重要度45b。
[0099]
(步骤s7)周期性时间序列数据异常部分检测系统1的部分数据生成部15a根据整体数据44a生成部分数据46a。部分数据生成部15a根据上述整体数据44a生成基于周期的部
分信息(例如1周期量的信息)。并且，部分数据特征量计算部15b基于部分数据特征量列表50c而从部分数据46a计算部分数据特征量46b。并且，部分数据异常检测部15c利用异常比例45a和特征量重要度45b，对部分数据特征量46b应用多变量分析或机器学习等的统计方法得到部分数据异常检测结果46c。
[0100]
(步骤s8)周期性时间序列数据异常部分检测系统1的结果输出部17将部分数据异常检测结果46c发送到终端装置4，在画面中显示。用户在画面中能够确认自身的周期性时间序列数据的异常部分。
[0101]
(步骤s9)周期性时间序列数据异常部分检测系统1的练习菜单决定部16，参照练习菜单列表50d和练习菜单对应表50e并且基于部分数据异常特征量46cc生成练习菜单47。
[0102]
(步骤s10)周期性时间序列数据异常部分检测系统1的结果输出部17将练习菜单47发送到终端装置4，并在画面中显示。用户在画面中能够确认自身应该进行的练习菜单。
[0103]
[整体数据特征量计算]
[0104]
图8表示特征量的波形信号的例子。图8的(a)表示两指的距离d的波形信号，(b)表示两指的速度的波形信号，(c)表示两指的加速度的波形信号。(b)的速度通过(a)的距离的波形信号的时间微分获得。(c)的加速度通过(b)的速度的波形信号的时间微分获得。整体数据特征量计算部13a根据整体数据44a的波形信号基于微分或积分等运算，获得如本例那样的规定的特征量的波形信号。另外，整体数据特征量计算部13a根据特征量得到基于规定的计算的值。
[0105]
图8的(d)是通过放大(a)来表示特征量的例子。表示手指叩击的距离d的最大值dmax、叩击间隔ti等。横虚线表示全部测量时间中的距离d的平均值dav。最大值dmax表示全部测量时间中的距离d的最大值。叩击间隔ti为与1次手指叩击的周期tc对应的时间，尤其是表示从极小点pmin到下一个极小点pmin的时间。此外，表示了距离d的1周期内的极大点pmax或极小点pmin、后述的打开动作的时间t1或闭合动作的时间t2。
[0106]
以下进一步表示特征量的详细例子。在第一实施方式中，使用根据上述距离、速度、加速度的波形得到的多个特征量。此外，在另外的实施方式中，也可以仅使用这些多个特征量之中的几个特征量，也可以使用另外的特征量，关于特征量的定义的详细情况没有限定。
[0107]
图9是表示整体数据特征量列表50a的图。该相关联的设定是一个例子，可以变更。在图9的整体数据特征量列表50a中，作为列包括特征量分类、识别编号、特征量参数。特征量分类包括“距离、“速度”、“加速度”、“叩击间隔”、“相位差”、“标记跟踪”。
[0108]
例如，在特征量“距离”中，具有通过识别编号(a1)～(a11)识别的多个特征量参数。特征量参数的括弧[]内表示单位。(a1)“距离的最大振幅”[mm]为距离的波形(图8的(a))中的、振幅的最大值与最小值的差。(a2)“总移动距离”[mm]为1次测量的全部测量时间中的、距离变化量的绝对值的总和。
[0109]
(a3)“距离的极大值的平均”[mm]是各周期的振幅的极大值的平均。(a4)“距离的极大值的标准偏差”[mm]是关于上述值的标准偏差。(a5)“距离的极大点的近似曲线的斜率(衰减率)”[mm/秒]为近似振幅的极大点的曲线的斜率。该参数主要表示在测量时间中的基于疲劳导致的振幅变化。(a6)“距离的极大值的变动系数”为振幅的极大值的变动系数，单位为无量纲量(用
“‑”
表示)。该参数是将标准偏差进行平均而得到的标准化的值，因此，能
够排除手指的长度的个人差异。(a7)“距离的局部的极大值的标准偏差”[mm]为关于相邻的三个部位的振幅的极大值的标准偏差。
[0110]
该参数为用于评价局部的在短时间中的振幅的不均衡程度的参数。(a8)“距离的极小值的平均”[mm]是各周期的振幅的极小值的平均。(a9)“距离的极小值的标准偏差”[mm]为关于上述值的标准偏差。(a10)“距离的极小值的变动系数”为振幅的极小值的变动系数，单位为无量纲量(用
“‑”
表示)。该参数是将标准偏差进行平均而得的标准化的值，因此，能够排除手指的长度的个人差异。(a11)“距离的局部的极小值的标准偏差”[mm]为关于相邻的三个部位的振幅的极小值的标准偏差。该参数为用于评价局部的在短时间中的振幅的不均衡程度的参数。
[0111]
关于特征量“速度”由以下的用识别编号(a12)～(a26)表示的特征量参数。(a12)“速度的最大振幅”[m/秒]为速度的波形(图8的(b))中的、速度的最大值与最小值的差。(a13)“打开速度的极大值的平均”[m/秒]为各手指叩击波形的打开动作时的速度的最大值的平均。所谓打开动作是将两指从闭状态形成为最大的开状态的动作(图8的(d))。(a14)“闭合速度的极小值的平均”[m/秒]是闭合动作时的速度的最小值的平均。所谓闭合动作是将两指从最大的开状态形成为闭状态的动作。(a15)“打开速度的极大值的标准偏差”[m/秒]是上述打开动作时的速度的最大值的标准偏差。
[0112]
(a16)“闭合速度的极小点的平均”[m/秒]是上述闭合动作时的速度的最小值的标准偏差。(a17)“能量平衡”[-]是打开动作中的速度的平方和与闭合动作中的速度的平方和的比率。(a18)“总能量”[m2/秒2]是全部测量时间中的速度的平方和。(a19)“打开速度的极大值的变动系数”[-]是打开动作时的速度的最大值的变动系数，是将标准偏差平均而得到的标准化的值。(a20)“闭合速度的极小值的平均”[m/秒]是闭合动作时的速度的最小值的变动系数。(a21)“颤抖次数”[-]是从速度的波形的正负改变的往复次数减去大的开闭的手指叩击的次数而得到的数。(a22)“打开速度峰值时的距离比率的平均”[-]是关于打开动作中的速度的最大值时的距离的、关于将手指叩击的振幅设为1.0的情况下的比率的平均值。(a23)“闭合速度峰值时的距离比率的平均”[-]是关于闭合动作中的速度的最小值时的距离的、关于同样的比率的平均。(a24)“速度峰值时的距离比率的比”[-]是(a22)的值与(a23)的值之比。(a25)“打开速度峰值时的距离比率的标准偏差”[-]是关于打开动作中的速度的最大值时的距离的、关于将手指叩击的振幅设为1.0的情况下的比率的标准偏差。(a26)“闭合速度峰值时的距离比率的标准偏差”[-]是关于闭合动作中的速度的最小值时的距离的、关于同样的比率的标准偏差。
[0113]
关于特征量“加速度”，由以下的识别编号(a27)～(a36)表示的特征量参数。(a27)“加速度的最大振幅”[m/秒2]是在加速度的波形(图8的(c))中的、加速度的最大值与最小值的差。(a28)“打开加速度的极大值的平均”[m/秒2]是打开动作中的加速度的极大值的平均，是在手指叩击的1个周期中出现的4种极值中的第一值。(a29)“打开加速度的极小值的平均”[m/秒2]是打开动作中的加速度的极小值的平均，是4种极值中的第二值。
[0114]
(a30)“闭合加速度的极大值的平均”[m/秒2]是闭合动作中的加速度的极大值的平均，是4种极值中的第三值。(a31)“闭合加速度的极小值的平均”[m/秒2]是闭合动作中的加速度的极小值的平均，是4种极值中的第四值。(a32)“接触时间的平均”[秒]是两指在闭状态下的接触时间的平均。(a33)“接触时间的标准偏差”[秒]是上述接触时间的标准偏差。
(a34)“接触时间的变动系数”[-]是上述接触时间的变动系数。(a35)“加速度的零交叉数”[-]是在手指叩击的1个周期中加速度的正负改变的平均次数。该值理想的是为2次。(a36)“颤抖次数”[-]是从手指叩击的1个周期中加速度的正负改变的往复次数减去大的开闭的手指叩击次数而得的值。
[0115]
接着，图10是表示整体数据特征量列表50a的接续的图。关于特征量“叩击间隔”有用以下的识别编号(a37)～(a45)表示的特征量参数。(a37)“叩击次数”[-]是1次测量的全部测量时间中的手指叩击的次数。(a38)“叩击间隔平均”[秒]是关于在距离的波形中的上述叩击间隔(图8的(d))的平均。(a39)“叩击频率”[hz]是在将距离的波形进行了傅里叶变换的情况下的、频谱成为最大时的频率。(a40)“叩击间隔标准偏差”[秒]是关于叩击间隔的标准偏差。(a41)“叩击间隔变动系数”[-]是关于叩击间隔的变动系数，是将标准偏差通过平均值归一化了的值。(a42)“叩击间隔变动”[mm2]是将叩击间隔进行了频谱分析的情况下的、频率为0.2～2.0hz的累计值。
[0116]
(a43)“叩击间隔分布的偏度”[-]是表示在叩击间隔的频度分布中的偏度，频度分布与标准分布相比较偏离的程度。(a44)“局部的叩击间隔的标准偏差”[秒]是关于相邻的三个部位的叩击间隔的标准偏差。(a45)“叩击间隔的近似曲线的斜率(衰减率)”[-]是近似叩击间隔的曲线的斜率。该斜率主要表示在测量时间中的疲劳导致的叩击间隔的变化。
[0117]
关于特征量“相位差”有用以下的识别编号(a46)～(a49)表示的特征量参数。(a46)“相位差的平均”[度]是两手的波形中的相位差的平均。相位差是将右手的手指叩击的1个周期设为360度的情况下，将左手相对于右手的手指叩击的偏移用角度表示的指标值。没有偏移的情况下设为0度。(a47)“相位差的标准偏差”[度]是关于上述相位差的标准偏差。(a46)和(a47)的值越大，表示两手的偏移较大幅地不稳定。(a48)“两手的相似度”[-]是对左手和右手的波形应用了互相关函数的情况下，表示时间偏差为0时的相关性的值。(a49)“两手的相似度成为最大时的时间偏差”[秒]是表示(a48)的相关性成为最大时的时间偏差的值。
[0118]
关于特征量“标记跟踪”有用以下的识别编号(a50)～(a51)表示的特征量参数。(a50)“自标记起延迟时间的平均”[秒]是关于手指叩击相对于永周期性标记表示的时间的延迟时间的平均。标记与视觉刺激、听觉刺激、触觉刺激等的刺激对应。该参数值以两指的闭状态的时间点为基准。(a51)“自标记起延迟时间的标准偏差”[秒]是关于上述延迟时间的标准偏差。
[0119]
[整体数据评价]
[0120]
在整体数据评价部13b中基于通过整体数据特征量计算部13a计算出的整体数据特征量44b，得到表示整体数据的好坏的整体数据评价结果44c。例如，使用整体数据db43将整体数据特征量44b中的多个特征量作为说明变量，将异常度作为目标变量应用多元回归分析，得到推测异常度的推测式。异常度定义为越是正常越小、越是异常越大的指标。作为异常度的例子，设为脑功能障碍的严重程度评分等，能够举例表示痴呆症的严重程度的mini mental state examination(mmse)或表示帕金森病的严重程度的unified parkinson
‘
s diseaserating scale(updrs)。但是，它们的严重程度具有越是正常越成为较大的值、越是异常越变小的性质。例如，mmse在30分为满分时认知功能最高，随着接近0分而认知功能降低。因此，作为前处理通过是mmse或updrs的正负反转而作为异常度使用。并
且，通过在上述多元回归分析的推测式中带入整体数据特征量44b，能够得到作为整体数据异常度44ca的推测严重程度评分。
[0121]
整体数据特征量贡献程度44cb对各特征量的推测模型的影响越大则成为越大的值，影响越小则成为越小的值。例如，作为整体数据特征量贡献程度44cb，采用多元回归分析的推测式的标准化偏回归系数的绝对值。
[0122]
在此，为了推测异常度，也可以不用多元回归分析而使用其相似方法。例如，也可以是利用线形模型同时进行判别和回归的判别回归分析。另外，也可以使用支持向量回归或神经网络等的其它回归方法。
[0123]
整体数据异常度44ca只要是表示从正常的手指叩击波形偏离的程度的指标，则也可以不是脑功能障碍的严重程度评分。整体数据特征量贡献程度44cb只要是表示推测式中的整体数据特征量44b中各个特征量的重要度的指标，则也可以不是标准化偏回归系数。
[0124]
[异常比例决定]
[0125]
在异常比例决定部14a中，将整体数据异常度44ca(x)应用于规定的转换函数，求得异常比例45a(r[％])。r设为0％≤r≤100％。转换函数设为整体数据异常度44ca越变大、则r也越变大的单调增加的函数，例如指数函数r＝a*exp(x-b) c。a在当x变大时想要使r急剧变大的情况下设为较大的值，而想要单调地使r增大的情况下设为较小的值。并且，b和c以该转换函数在异常度(前处理后)成为能够设想的最小值(例如在mmse中为-30)时为r＝0％、且在异常度(前处理后)成为能够设想的最大值(例如在mmse中为0)时为r＝rm(0％≤rm《100％。例如rm＝50％)的方式设定。如此一来，在部分数据异常检测部15c中，在异常度成为最小值的情况下，完全没有检测到异常，异常度越变大，则检测出越多的异常。
[0126]
此外，在整体数据评价部13b中，脱离异常度(前处理后)能够设想的最小值～最大值(mmse中为-30～0)的范围也能够推测整体数据异常度44ca。在该情况下，当比最小值小时变更为最小值，并且当比最大值大时变更为最大值即可。此外，转换函数只要是单调增加的函数，则也可以是指数函数以外的函数，例如可以是对数函数、s型函数、一次函数等。
[0127]
[特征量重要度决定]
[0128]
在特征量重要度决定部14b中，一边参照图11和图12所示的特征量对应表50b一边根据整体数据特征量贡献程度44cb求取特征量重要度(qk(k＝1、2、
…
、np(部分数据特征量数)))45b。首先，从整体数据特征量列表50a中选择一个整体数据特征量aj，参照特征量对应表50b搜索对应的部分数据特征量pk。例如，与(a1)距离的最大振幅对应的是(p2)距离的最大值。
[0129]
并且，将整体数据特征量aj的整体数据特征量贡献程度cj(j＝1、2、
…
、na(整体数据特征量数))应用于规定的转换函数，求取特征量重要度qk。转换函数设定为整体数据特征量贡献程度cj越变大，则特征量重要度qk也越变大的单调增加的函数，例如设定为指数函数。并且，该转换函数例如按以下方式设定：当cj成为能够设想的最小值时，qk＝1，cj成为能够设想的最大值时，成为比其大的值的qk＝100。通过这样设定，在部分数据异常检测部15c中，当整体数据特征量贡献程度cj成为最小值时，不重视pk地进行异常检测，整体数据特征量贡献程度cj越变大越重视pk地进行异常检测。此外，转换函数只要是单调增加的函数就也可以是指数函数以外的函数，例如可以是对数函数、s型函数、一次函数等。通过对于全部的整体数据特征量贡献程度cj进行上述处理，能够求得全部的特征量重要度qk。此
外，也存在多个cj与相同的qk相关联的情况，在该情况下，选择最大的cj计算qk即可。但并不限定于此，可以选择最大的cj计算qk，也可以根据多个cj的平均值计算出qk。另外，在相对于qk一个cj都没有关联的情况下，作为默认值设定为qk＝1即可。
[0130]
[部分数据生成]
[0131]
在部分数据生成部15a中，按每一个周期截取手指叩击波形得到部分数据46a。为了截取部分数据46a，如图13所示，手指叩击的1周期定义为从将整体数据44a的平均从上到下横切的时间点至下一个从上到下横切的时间点。像这样，以整体数据44a的平均为基准定义1个周期，能够排除将两指完全打开时的距离值(极大值)太小的情况合、闭合两指时的距离值(极小值)太大的情况等、不能称之为手指叩击运动的不完整的上下运动。1个周期的定义也可以是其它方法，也可以是从极小点至下一个极小点，也可以是从极大点至下一个极大点。作为部分数据46a的截取方法，也可以不是按每一个周期，而是按每多个周期截取。
[0132]
此外，在后述的部分数据特征量计算部15b中，也计算出使用两手的波形的特征量(p19)～(p20)，在计算这些特征量时，必须是同一时段的两手的波形。为此，可以在右手的波形中提取1个周期、还从左手的波形提取相同时段的波形即可。也可以颠倒右手和左手求得。
[0133]
[部分数据特征量计算]
[0134]
图14中表示部分数据特征量列表50c。基于该列表，在部分数据特征量计算部15b中计算部分数据特征量46b。作为列具有特征量分类、识别编号、特征量参数。特征量分类有“距离”、“速度”、“加速度”、“叩击间隔”、“相位差”、“标记跟踪”。部分数据特征量计算部15b也可以计算部分数据特征量列表50c的全部特征量，也可以选择一部分特征量计算。
[0135]
例如，在特征量“距离”中，有通过识别编号(p1)～(p3)识别的多个特征量参数。特征量参数的括弧[]内表示单位。(p1)“距离的最小值”[mm]是部分数据的振幅的最小值。(p2)“距离的最大值”[mm]是部分数据的振幅的最大值。(p3)“总移动距离”[mm]是部分数据的全部测量时间中的距离变化量的绝对值的总和。
[0136]
关于特征量“速度”有通过以下的识别编号(p4)～(p8)表示的特征量参数。(p4)“打开速度的最大值”[m/秒]为部分数据的打开动作时的速度的最大值。所谓打开动作是将两指从闭状态形成为最大的开状态的动作。(p5)“闭合速度的最小值”[m/秒]是闭合动作时的速度的最小值。所谓闭合动作是将两指从最大的开状态形成为闭状态的动作。(p6)“能量平衡”[-]是打开动作中的速度的平方和与闭合动作中的速度的平方和的比率。(p7)“总能量”[m2/秒2]是部分数据的全部测量时间中的速度的平方和。(p8)“颤抖次数”[-]是从速度的波形的正负改变的往复次数减去手指叩击的次数即1而得的数。(p9)“打开速度峰值时的距离比率”[-]是将手指叩击的振幅设为1的情况下的、打开动作中的速度的最大值时的距离。(p10)“闭合速度峰值时的距离比率”[-]是将手指叩击的振幅设为1的情况下的、闭合动作中的速度的最小值时的距离。(p11)“速度峰值时的距离比率之比”[-]是(18)的值与(19)的值之比。
[0137]
关于特征量“加速度”有用以下的识别编号(p12)～(p17)表示的特征量参数。(p12)“打开加速度的最大值”[m/秒2]是打开动作中的加速度的最大值，是手指叩击的1个周期中出现的4种极值中的第一值。(p13)“打开加速度的最小值”[m/秒2]是打开动作中的加速度的最小值，是4种极值中的第二值。(p14)“闭合加速度的最大值”[m/秒2]是闭合动作
中的加速度的极大值，是4种极值中的第三值。(p15)“闭合加速度的最小值”[m/秒2]是闭合动作中的加速度的极小值，是4种极值中的第四值。(p16)“接触时间”[秒]是两指在闭状态中的接触时间。(p17)“颤抖数”[-]是从手指叩击的1个周期中加速度的正负改变的往復次数减去较大的开闭的手指叩击的次数即1而得的值。
[0138]
关于特征量“叩击间隔”有用以下的识别编号(p18)表示的特征量参数。(p18)“叩击间隔”[秒]是手指叩击的1个周期的时间。
[0139]
关于特征量“相位差”有用以下的识别编号(p19)～(p20)表示的特征量参数。(p19)“相位差”[度]是在两手的波形中的相位差。相位差是将右手的手指叩击的1个周期设为360度时，将左手相对于右手的手指叩击的偏移作为角度表示的指标值。没有偏移的情况下设为0度。(p20)“两手的相似度”[-]表示对左手和右手的波形应用了互相关函数的情况下，时间偏移为0时的相关性的值。
[0140]
关于特征量“标记跟踪”有用以下的识别编号(p21)表示的特征量参数。该特征量通过跟踪标记而运动的任务计算。(p21)“自标记起的延迟时间”[秒]是手指叩击相对于用周期性标记表示的时间的延迟时间。标记对应于视觉刺激、听觉刺激、触觉刺激等的刺激。该参数值以两指的闭状态的时间点为基准。
[0141]
[部分数据异常检测]
[0142]
在部分数据异常检测部15c中，应用多变量分析或机器学习，进行部分数据46a的异常检测。作为其前处理，首先，如通常所进行的那样将部分数据特征量46b按平均为0、标准偏差为1的方式进行标准化。通过这样的标准化每个特征量的范围不同，能够防止通过多变量分析或机器学习得到的模型中的特征量的权重变得不均匀。接着，使用通过特征量重要度决定部14b计算出的特征量重要度(qk)45b，变更部分数据特征量46b的特征量空间分布。作为变更特征量空间分布的方法的一例，对标准化了的部分数据特征量pk乘以特征量重要度qk(k＝1、2、
…
、np(部分数据特征量数))。通过这样的处理，能够使重要度高的部分数据特征量在特征量空间中的分布较大，机器学习导致的异常容易被检测。另外，作为变更特征量空间分布的方法的另一例子，可以通过将部分数据特征量46b(ak)代入指数函数ak’＝p*qk*exp(ak)(p为规定值)，将ak变更为ak’。通过这样做，部分数据特征量46b(ak)平均离0越远，就变得越远。特征量重要度qk越大，较远的数据更急剧地变远，容易作为异常被检测到。
[0143]
之后，应用作为机器学习的一种的1-class support vector machine(svm)，进行异常检测。成为本方法的前提的svm是，以使在2类的分类中，分类边界(由线形式表示的超平面)与各类的数据的间隔(margin)最大化的方式定义分类边界的方法。但是，分类边界为超平面时，2组的分类边界为复杂的形状的情况下难以分离，因此在svm中导入核函数，以使得即使是复杂的形状的分类边界也能够应对。1-class svm与svm的2类分类问题的想法是相同的，1类中是分类为一定比例的异常数据和其它正常数据的方法。1-class svm的异常值的比例为通过异常比例决定部14a计算出的异常比例45a(r)。如此一来，整体数据异常度44ca越高，能够使检测为异常的部分数据的比例越变大。
[0144]
此外，部分数据的异常检测也可以使用1-class svm以外的方法。例如，可以假定以部分数据46a的特征量分布的平均为中心的正态分布，将离正态分布的中心的距离较大的数据作为异常检测。
[0145]
[部分数据异常检测结果]
[0146]
在1-class svm中计算出分类评分y，在分类评分y为负值的情况下判断为异常。将通过该判断所检测出的结果作为部分数据异常有无46cb。分类评分y远离0越变小，则认为异常度越变大。因此，将该分类评分y用在y＝0渐进到z＝0％、在y＝-∞渐进到z＝100％的函数进行转换，将z作为部分数据异常度46ca。另外，因为按在1-class svm中判断为异常的周期，对于手指叩击波形调查全部的特征量中哪个特征量对异常判断有贡献，所以将自平均值偏离了标准偏差sd＝2.0以上的特征量作为部分数据异常特征量46cc。
[0147]
[部分数据异常评价部的效果]
[0148]
在图15中表示部分数据异常检测结果46c的例子。在手指叩击运动的距离波形上，在部分数据异常有无46cb中结果是有异常的部分数据46a用粗线覆盖。在其上部显示部分数据异常特征量46cc。最上方的图表是检测为异常的部分数据46a一个都没有的整体数据44a。下方的4个图表是检测为异常的部分数据46a有一个以上的整体数据44a。
[0149]
图16和图17是便于理解地表示导入了异常比例决定部14a和特征量重要度决定部14b产生的效果的示意图。
[0150]
图16中表示异常比例45a为不同值的情况下的部分数据异常检测结果46c的样本。例如，整体数据异常度44ca(痴呆症严重程度mmse)为29的情况下，由异常比例决定部14a决定异常比例为2％。即，在部分数据异常检测部15c中，将测量时间中的全部周期的2％检测为异常，在波形中仅1个部分数据被检测出。接着，整体数据异常度44ca为24的情况下，计算出比上述29的情况下的异常比例高的值(7％)，在波形中3个部分数据被检测为异常。最后，在整体数据异常度44ca为15的情况下，计算出比上述2个情况的异常比例更高的值(12％)，在波形中6个部分数据被检测为异常。像这样，通过导入异常比例决定部14a，在部分数据的异常判断中，能够设定与整体数据的异常判断结果向匹配的异常比例。
[0151]
在图17中表示特征量重要度45b为不同的值的情况下的部分数据异常检测结果46c。在该例子中，为了便于理解，在整体数据特征量列表50a中仅选择了3个特征量，表示了整体数据特征量贡献程度44cb。在最上层的例子中，(a36)颤抖数的整体数据特征量贡献程度44cb为0.50，比其他的特征量高。将其应用于特征量重要度决定部14b，得到部分数据的特征量重要度45b。其结果是，(p17)颤抖数的特征量重要度45b变成最大，(p17)颤抖数变成异常值的部分数据被重点地进行异常检测。接着，在第二层的例子中，(a3)距离的最大值的平均的整体数据特征量贡献程度44cb为0.50，比其它的特征量高。然后，(p2)距离的最大值的特征量重要度45b变成最大，(p2)距离的最大值成为异常值的部分数据被重点地进行异常检测。最后，第三层的例子中，(a8)距离的最小值的平均的整体数据特征量贡献程度44cb为0.50，比其它的特征量高。然后，(p1)距离的最小值的特征量重要度45b变成最大，(p1)距离的最小值成为异常值的部分数据被重点地进行异常检测。像这样，导入特征量重要度决定部14b，与对整体数据的异常判断由贡献的特征量相关联的部分数据的特征量被赋予权重，能够将与整体数据的异常具有相同性质的异常的部分数据重点的进行检测。
[0152]
根据以上内容，通过异常比例决定部14a和特征量重要度决定部14b能够一边保持与整体数据的异常判断结果的匹配性一边进行部分数据(每一个周期手指叩击波形)的异常判断。
[0153]
[练习菜单决定]
[0154]
图18是表示显示手指叩击运动的性质的指标项目和用于改善该指标项目的练习菜单的练习菜单列表50c。作为指标项目有“运动量”、“持久性”、“节奏性”、“两侧协调性”、“标记跟踪性”、“运动大小”、“波形平衡”、“振幅控制”。该指标项目和练习菜单的设定是一个例子，能够进行变更。
[0155]
图19是关于特征量与练习菜单项目相关联的设定信息的练习菜单对应表50d。该相关联的设定是一个例子，能够进行变更。在本表中，作为列包括特征量分类、识别编号、特征量参数、指标项目。特征量分类有“距离”、“速度”、“加速度”、“叩击间隔”、“相位差”、“标记跟踪”。本列表的特征量与部分数据特征量列表50c一致，并且与在练习菜单列表50d中所设定的指标项目的至少一个以上相关联。
[0156]
[显示画面(1)-菜单]
[0157]
图20中作为终端装置4的显示画面的例子，表示了服务的初始画面即菜单画面的例子。在该菜单画面中有用户信息栏1501、操作菜单栏1502、设定栏1503等。
[0158]
在用户信息栏1501中能够由用户输入用户信息进行登记。此外，在电子病历等中存在输入完成了的用户信息的情况下，可以与该用户信息相关联。作为能够输入的用户信息的例子由用户id、姓名、出生年月日或年龄、性别、惯用手、疾病/症状、备注等。惯用手能够从右手、左手、两手、不明等中选择输入。疾病/症状例如能够从列表框的选择项中选择输入，也能够以任意的文本输入。在医院等使用本系统的情况下，可以不是用户而是由医生等代替用户进行输入。本异常数据处理系统在没有用户信息的登记的情况下也能够应用。
[0159]
在操作菜单栏1502中显示服务提供的功能的操作项目。操作项目有“标定”、“手指运动的测量”、“异常数据检测、处理”、“结束”等。选择“标定”时，上述标定、即进行相对用户的手指的运动传感器20等的调整涉及的处理。也显示调整是否完成的状态。选择“手指运动的测量”时，转变为用于测量手指叩击等的手指运动的任务的任务测量画面。选择“异常数据检测、处理”时，以所测量的数据为对象检测异常，并显示该异常数据检测结果，转变为实施所检测出的异常数据的处理的画面。选择“结束”时，结束本服务。
[0160]
在设定栏1503中能够进行用户设定。例如，在有用户或者测量者或者管理者希望检测的异常检测项目的种类时，能够从选择项选择该异常检测项目进行设定。另外，能够选择与各个异常检测项目对应的处理。另外，也能够设定异常数据检测的阈值等。这些设定内容通过通信部105发送到周期性时间序列数据异常部分检测系统1，周期性时间序列数据异常部分检测系统1参照在此所指定的设定来对异常数据进行检测、处理。
[0161]
[显示画面(2)-任务测量]
[0162]
图21中作为其它例子表示任务测量画面。在该画面中显示任务信息。例如，关于左右手分别表示了以横轴为时间，以纵轴为两指的距离的图表1600。在画面中，也可以输出用于说明任务内容的其它教学信息。例如，也可以设置用影像声音说明任务内容的视频区域。在画面中有“测量开始”、“重新测量”、“测量结束”、“保存(登记)”等的操作按钮，用户能够选择。用户根据画面的任务信息选择“测量开始”，进行任务的运动。测量装置3测量任务的运动得到波形信号。终端装置4将与测量中的波形信号对应的测量波形1602实时地显示在图表1600上。用户在运动后选择“测量结束”，在确定的情况下选择“保存(登记)”。测量装置3将测量数据向异常数据处理系统1发送。
[0163]
[显示画面(3)-整体数据评价结果]
[0164]
图22作为另一例子表示了整体数据的评价结果画面。本画面中显示了任务的分析评价结果信息。在任务的分析评价后，自动地显示本画面。在本例中，关于a～e的5个手指叩击运动的特征量，表示了以雷达图形式的图表来显示的情况。实线的框线1701表示本次任务测量后的分析评价结果。表示由整体数据评价部13b计算出的整体数据评价结果44c的推测严重程度评分。另外，将多个特征量用雷达图表示。此外，也可以表示关于分析评价结果的评价意见等。整体数据评价部13制作该评价意见。例如显示“(b)、(e)为良好”等的消息。在画面内有“确认手指叩击波形的异常部分”、“结束”等的操作按钮。周期性时间序列数据异常部分检测系统1在“确认手指叩击波形的异常部分”被选择的情况下，向异常部分检测结果画面转变，在“结束”被选择的情况下，向初始画面转变。
[0165]
[显示画面(4)-异常部分检测结果]
[0166]
图23作为另一例子表示异常部分检测结果画面。在本画面中，向用户提示由部分数据异常检测部15c计算出的部分数据异常检测结果46c。用细线表示整体数据44a的波形。并且，在部分数据异常有无46cb中在波形上用粗线表示有异常的部分数据46a。在其上部表示部分数据异常特征量46cc和部分数据异常度46ca。部分数据异常特征量46cc在特征量值过大的情况下标注向上的箭头，在过小的情况下标注向下的箭头。将部分数据异常度46ca作为异常度表示。并且，也表示关于部分数据异常特征量46cc的评价意见。并且，提示用于对其进行改善的练习菜单47。
[0167]
图23中表示的部分数据评价结果的画面显示并不限定于时间和距离的图表，也可以是时间和速度、时间和加速度等的图表。另外，不限于图表显示，也可以是数值数据的显示，也可以是手指叩击运动的动画显示。动画显示的情况下，为了能够识别异常部分，在异常部分产生警告音，或者变更异常部分的动画的背景，也可以使“p2、p8”等的显示在背景画面中显示。
[0168]
[显示画面(5)-整体数据评价结果和异常部分检测结果的一并显示]
[0169]
使图22中所示的整体数据评价结果的画面显示和在图23中所示的异常部分检测结果画面在一个画面上一并地显示是更优选的。这时，由于获取了整体数据评价结果与部分数据以上检测结果的整合，不损失用户对系统的可靠性，而且能够根据异常部分检测结果画面推测整体数据评价结果的评分的原因，能够获得对于被检查者容易理解或者接受评分和原因的效果。
[0170]
该整体数据评价结果的内容和异常部分检测结果的内容一并显示中的整体数据评价结果，可以仅为评分，也可以仅为雷达图，也可以是评分和雷达图两者，或者也可以用其它的显示方法。同样地关于异常部分检测结果的显示也不限于图23所示的图表显示，只要是在整体的数据中视觉上能够识别异常部分的显示方式，也能够使用另外的显示方法。
[0171]
在第一实施方式的周期性时间序列数据异常部分检测系统1中，整体数据评价部13基于整体数据特征量44b检测整体数据44a的异常，并且生成整体数据的异常度44ca(周期性信息的异常比例)。异常部分检测系统1将作为周期性时间序列数据的整体数据44a分割而生产部分数据46a，计算其部分数据特征量46b，基于该部分数据特征量46b和整体数据异常度44ca，显示并输出对部分数据46a的异常所检测的结果即部分数据异常检测结果46c。
[0172]
像这样，因为异常部分检测系统1按将整体数据44a分割了的部分数据46a的每一
个，使用整体数据异常度44ca检测异常，所以能够避免基于整体数据的评价和部分数据的评价成为不同的结果。
[0173]
另外，在第一实施方式的周期性时间序列数据异常部分检测系统1中，整体数据评价部13基于整体数据特征量44b检测整体数据44a的异常，并且生成特征量重要度45b。异常部分检测系统1将作为周期性时间序列数据的整体数据44a分割而生成部分数据46a，计算其部分数据特征量46b，基于该部分数据特征量46b和特征量重要度45b，显示输出对部分数据46a的异常进行检测的结果即部分数据异常检测结果46c。
[0174]
像这样，异常部分检测系统1按将整体数据44a分割的部分数据46a的每一个，使用特征量重要度45b检测异常，所以能够避免基于整体数据的评价和部分数据的评价成为不同的结果。
[0175]
依据第一实施方式的周期性时间序列数据异常部分检测系统1，将作为周期性时间序列数据的整体数据44a分割而生成部分数据46a，计算出其部分数据特征量46b而得到部分数据异常检测结果46c，由此能够检测整体数据44a中的异常部位，并向用户提示。在此，部分数据异常检测结果46c通过导入异常比例决定部14a和特征量重要度决定部14b，能够保持与整体数据的异常判断结果的匹配性。根据部分数据异常检测结果46c，用户在整体数据评价结果44c较差的情况下，能够具体地知晓哪一部分存在问题。并且，通过提示由练习菜单决定部16所获得的练习菜单47，用户能够知晓用于改善其问题的练习方法。
[0176]
此外，在本实施方式中，关于以手指叩击运动的时间序列数据为对象的异常部分检测进行了说明，但只要是周期性时间序列数据，则也可以是其它的数据。例如能够举例测量心电图信号、心磁图信号、脉搏波、呼吸、脑电波、行走、眨眼、咀嚼等的时间序列数据。
[0177]
(第二实施方式)
[0178]
使用图24～图26关于第二实施方式的周期性时间序列数据异常部分检测系统进行说明。第二实施方式的基本结构与第一实施方式相同，以下，对第二实施方式的结构中的与第一实施方式的结构的不同部分进行说明。
[0179]
[系统]
[0180]
图24表示第二实施方式的周期性时间序列数据异常部分检测系统。周期性时间序列数据异常部分检测系统具有服务提供者的服务器6和多个设施的系统7，它们通过通信网8而连接。通信网8和服务器6可以形成为包含云端运算系统的结构。
[0181]
机构可以是医院或健康诊断中心、公共设施、娱乐设施等、或者用户自家等的各种。在机构中设置有系统7。作为机构的系统7的例子有医院h1的系统7a、医院h2的系统7b等。例如，各医院的系统7a和系统7b有与第一实施方式同样的构成测量系统2的测量装置3和终端装置4。各系统7的构成可以相同也可以不同。机构的系统7可以包含医院的电子病历管理系统等。系统7的测量装置可以作为专用终端。
[0182]
服务器6为服务提供商管辖的装置。服务器6具有作为基于信息处理的服务对机构和用户提供与第一实施方式的周期性时间序列数据异常部分检测系统1同样的部分数据异常检测服务的功能。服务器6对于测量系统以客户端服务器方式提供服务处理。服务器6除了这样的功能以外还具有用户管理功能等。用户管理功能是将通过多个设施的系统7所获得的、用户组的用户信息、测量数据或分析评价数据等在db中登记、积累并加以管理的功能。
[0183]
[服务器]
[0184]
图25表示服务器6的构成。服务器6具有控制部601、存储部602、输入部603、输出部604、通信部605，它们经由母线连接。输入部603为服务器6的管理者等进行操作输入的部分。输出部604为对服务器6的管理者等进行画面显示等的部分。通信部605具有通信接口，是进行与通信网8的通信处理的部分。在存储部602中保存有db640。db640也可以由服务器6以外的其它db服务器等管理。
[0185]
控制部601控制服务器6的整体，由cpu、rom、ram等构成，基于软件程序处理实现进行异常数据检测或异常数据处理决定等的数据处理部600。数据处理部600具有用户信息管理部11、任务处理部12、整体数据评价部13、整体数据部分数据整合部14、部分数据异常评价部15、练习菜单决定部16、结果输出部17。
[0186]
用户信息管理部11将多个设施的系统7的关于用户组的用户信息作为用户信息41在db640中登记并加以管理。用户信息41包括用户每个人的属性值、使用历史记录信息、用户设定信息等。使用历史记录信息包括各用户过去使用异常部分检测服务的实际成果信息。
[0187]
[服务器管理信息]
[0188]
图26表示服务器6在db640中管理的用户信息41的数据构成例。在该用户信息41的表中有用户id、机构id、机构内用户id、性别、年龄、疾病、严重程度评分、症状、历史记录信息等。用户id为本系统中的用户的唯一识别信息。机构id是设置有系统7的机构的识别信息。而且，另外也可以管理各系统7的测量装置的通信地址等。机构内用户id为在该机构或者系统7内所管理的用户识别信息存在的情况下的该用户识别信息。即，用户id与机构内用户id相关联地被管理。疾病项目或症状项目保存表示用户选择输入的疾病或症状的值、或者在医院医生等所诊断的值。严重程度评分是表示关于疾病的程度的值。
[0189]
历史记录信息项目为管理该用户的异常部分检测服务使用的业绩的信息，按时间序列保存有各次的使用日期时间等的信息。另外，在历史记录信息项目中保存有在该次进行练习的情况下的各数据、即上述的测量数据、分析评价数据、异常数据检测结果、异常数据处理内容等的数据。在历史记录信息项目中也可以保存有保存各数据的地址信息。
[0190]
[效果等]
[0191]
依据第二实施方式的异常数据处理系统，与第一实施方式同样地，将作为周期性时间序列数据的整体数据44a分割生成部分数据46a，计算出该部分数据特征量46b得到部分数据异常检测结果46c，由此能够检测整体数据44a中的异常部位，并向用户提示。在此，部分数据异常检测结果46c通过导入异常比例决定部14a和特征量重要度决定部14b，能够保持与整体数据的异常判断结果的匹配性。根据部分数据异常检测结果46c，用户在整体数据评价结果44c较差的情况下，能够具体地知晓在哪一部分存在问题。并且，通过提示由练习菜单决定部16得到的练习菜单47，用户能够知晓用于改善该问题的练习方法。
[0192]
以上，基于实施方式对本发明进行了具体的说明，但本发明并不限定于上述实施方式，在不脱离其主旨的范围内能够进行各种变更。
[0193]
本发明不限定于上述的实施方式，包含各种变形例。例如，能够将某实施例的构成的一部置换为其它的实施例的构成，另外，也能够在某实施例的构成中追加其它实施例的构成。另外，关于各实施例的构成的一部分也能够进行其它实施例的构成的追加、删除、置
换。
[0194]
附图标记的说明
[0195]1…
周期性时间序列数据异常部分检测系统、2
…
测量系统、3
…
测量装置、4
…
终端装置。