异常判定装置、电子设备及计算机可读存储介质的制作方法

本发明涉及医疗技术领域，尤其涉及一种异常判定装置、电子设备及计算机可读存储介质。

背景技术：

以往已知有判定患者的心率和心律的异常的装置。作为心率和心律的异常，例如有心律失常。例如在心电图中，心律失常在从r波的顶点到下一个r波的顶点的时间即r-r间距不规则的情况下，判定为有心律失常等的异常。

例如，专利文献1公开了一种生物信息处理系统，包括：获取部，能够获取脉波信息；心搏间隔算出部，基于脉波信息获得每给定的单位时段的心搏间隔信息；以及判定部，获得关于心律失常的信息。在此，公开了以下技术，即，判定部在包括n(n是2以上的整数)次的给定单位时段的给定统计时段中，基于根据每给定单位时段而获得的n个心搏间隔信息，获得心搏间隔的变动指标及与给定分布的背离指标，并且基于变动指标及背离指标获得关于心律失常的信息。

此外，专利文献2公开了一种生物信息测量仪器，包括：传感器，用于测量生物信息；归一化电路，通过基于预先设置的归一化信息转换所述生物信息的值，将所述生物信息归一化；以及可靠性信息生成电路，对于所述生物信息或所述归一化的生物信息，检测预先确定的时间内的预先确定的值以上的变化量，并且生成表示所述变化量越大，可靠性越低的可靠性信息。

现有技术文献

专利文献1：日本特开2017-42386号公报

专利文献2：日本专利第5692097号

技术实现要素：

(发明要解决的问题)

本发明提供一种异常判定装置，该装置能够基于所获取的生物信息值适当地判定对象者的异常状态。

(解决问题的技术方案)

为解决上述技术问题，第一方面，本发明提供一种异常判定装置，包括：

生物信息值获取部，用于获取对象者的生物信息值；

可靠性评估部，用于基于所述生物信息值确定具有预定可靠度的生物信息值；

测算率计算部，计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率；

对象者状态判定部，其根据所述测算率判断所述对象者是否处于异常状态。

优选地，所述生物信息值获取部包括：

生物数据检测部，用于检测所述对象者的生物数据；

生物信息值计算部，基于所述生物数据计算所述生物信息值。

优选地，所述生物数据检测部用于检测身体振动数据、呼吸运动数据、或者心跳数据的任一种，所述生物信息值包括呼吸频率和/或心率。

进一步地，所述生物数据检测部在指定条件下，检测所述对象者的所述生物数据。

进一步地，所述异常判定装置还包括：

卧床状态判定部，用于判断所述对象者是否处于卧床且静止状态，

所述生物信息值计算部根据所述对象者处于卧床且静止状态时的所述生物数据计算所述生物信息值。

进一步地，所述异常判定装置还包括：

睡眠状态判定部，用于判断所述对象者的睡眠状态，所述睡眠状态包括清醒和睡眠，

所述生物信息值计算部根据所述对象者的所述睡眠状态为睡眠时的所述生物数据计算所述生物信息值。

优选地，所述对象者状态判定部判断所述测算率是否小于等于测算率阈值，若判断为小于等于测算率阈值，判断为所述对象者处于异常状态。

优选地，所述预定时间范围为多天，所述对象者状态判定部将相邻两天的测算率进行比较，

如果后一天的测算率相比前一天的测算率的降低量为第一阈值以上，判断所述对象者处于异常状态；

优选地，所述预定时间范围为多天，所述对象者状态判定部将相邻两天的测算率进行比较，如果降低量未超过所述第一阈值，则将所述后一天之后得到的在后测算率与所述前一天的测算率进行比较，如果所述在后测算率相比所述前一天的测算率的降低量为第二阈值以上，所述对象者处于异常状态。

其中，降低量可以表示在前测算率与在后测算率的差值与在前测算率的比值，也可以是在前测算率与在后测算率的差值的绝对值，如后一天的测算率与前一天的测算率的差值与后一天的测算率的比值，也可以是后一天的测算率与前一天的测算率的差值的绝对值，又如，后一天之后得到的在后测算率与前一天的测算率的差值与后一天之后得到的在后测算率的比值，也可以是后一天之后得到的在后测算率与前一天的测算率的差值的绝对值。根据本发明第二方面实施例的电子设备，包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，

其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：

步骤s1，获取对象者的生物信息值；

步骤s2，基于所述生物信息值确定具有预定可靠度的生物信息值；

步骤s3，计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率；

步骤s4，根据所述测算率判断所述对象者是否处于异常状态。

根据本发明第三方面实施例的计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行以下步骤：

步骤s1，获取对象者的生物信息值；

步骤s2，基于所述生物信息值确定具有预定可靠度的生物信息值；

步骤s3，计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率；

步骤s4，根据所述测算率判断所述对象者是否处于异常状态。

(发明效果)

根据本发明的上述技术方案至少具有如下有益效果之一：

1)能够通过对象者的生物信息值准确的判断对象者的状态；

2)通过非穿戴式的检测装置，能够适当地判定生物信息值失常的情况；

3)能够长时间的对对象者进行检测，有利于减少误差并提高判断的精准性。

附图说明

图1是用于说明第一实施方式中的整体的图；

图2是用于说明第一实施方式中的具体结构的图；

图3是用于说明现有技术中的r-r间距的图；

图4是示出第一实施方式中的生物信息值数据的数据结构的一个例子的图；

图5是示出第一实施方式中的参数表的数据结构的一个例子的图；

图6是用于说明第一实施方式中的结构的图；

图7是用于说明第一实施方式中的心率算出处理的工作流程；

图8是用于说明第一实施方式中的患者状态判定处理的工作流程；

图9是用于说明第一实施方式中的实施例的图，其中，(a)是示出心率的平均的图，(b)是示出心率的变异系数(cv值)的图，(c)是示出心率非测算率的图；

图10是用于说明第二实施方式中的患者状态判定处理的工作流程；

图11是用于说明第一实施方式中的结构的图；

图12是第三实施方式中电子设备的结构图。

符号说明

1、系统；

100、控制部；

110、生物数据检测部；

120、生物信息值计算部；

121、生物信息值获取部；

125、可靠性评估部；

130、卧床/睡眠状态判定部；

135、测算率计算部；

140、患者状态判定部；

150、存储部；

152、生物信息值数据；

154、卧床/睡眠状态数据；

156、参数表；

160、输入部；

170、输出部

10、床；

20、床垫；

1400、电子设备；

1401、处理器；

1402、存储器；

14021、操作系统；

14014、应用程序；

1403、网络接口；

1404、输入设备；

1405、硬盘；

1406、显示设备。

具体实施方式

以下，参照附图对用于实施本发明的一个方式进行说明。在比较例中，例如通过利用心电图机根据r-r间距的不规则而检测心律失常等的生物数据的异常。但是，通过测量呼吸运动和心冲击的非穿戴的体动传感器准确地检测r-r间距是困难的，因此难以判定心律失常等的生物信息值的异常。

另外，对于比较例的方法的一个例子进行说明，通过穿戴于患者身上的电极来获取心电图。图3示出心电图的波形的一部分。在此，例如判定心电图的r-r间距的不规则。并且，在r-r间距不规则的情况下，判定为心律失常。

但是，具有如下问题，即，为了通过心电图机获取心电图，而需要将电极等穿戴于对象者。此外，在由于对象者活动而导致电极偏离或混入肌肉电位等噪声时，不能获取正确的波形。尤其是，存在如下问题，即，因为通过心电图机获取心电图的机会有限制，所以会延误发现心律失常等的异常的情况。例如，一般的健全人仅在1年1次的定期健康体检中才有进行心电图检查的机会，体检的时间较短，并不能准确判断其是否有异常。

以下通过几个具体实施例来描述用于判断患者状态的判断装置，该装置通过利用生物信息值获取部所获取的生物信息值的数据算出测算率，能够容易判定生物信息的异常。此外，对于对象者的负担少，因此也能够长时间获取夜间睡眠时的稳定的生物信息值，并且能够降低错过生物信息值的异常的可能性。

(1.第一实施方式)

(1.1系统整体)

如图11所示，根据本发明实施例的用于判断患者状态的判断装置1，包括生物信息值获取部121，可靠性评估部125，测算率计算部135和患者状态判定部140。

具体地，生物信息值获取部121用于获取患者的生物信息值，可靠性评估部125用于基于所述生物信息值确定具有预定可靠度的生物信息值，测算率计算部135用于计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率，患者状态判定部140用于根据所述测算率判断所述患者是否处于异常状态。通过利用生物信息值获取部所获取的生物信息值的数据算出测算率，能够容易判定生物信息的异常。由于该装置对于对象者的负担少，因此也能够在经过长时间获取夜间睡眠时的稳定的生物信息值，并且能够降低错过生物信息值的异常的可能性。

生物信息值获取部121，可靠性评估部125，测算率计算部135和患者状态判定部140的范围包括它们被集成于一个cpu的情况。

图1是用于对适用本发明的异常判定装置的系统1的整体概要进行说明的图。如图1所示，系统1包括载置在床10的床部和床垫20之间的检测装置3、以及用于对由检测装置3输出的值进行处理的处理装置5而构成。由该检测装置3和处理装置5作为异常判定系统(异常判定装置)发挥功能。

当对象者(下面作为一个例子称为“患者p”)在床垫20上在床时，检测装置3检测出人体振动(从人体发生的振动)，作为对象者即患者p的生物数据。并且，基于所检测的振动计算出患者p的生物信息值。在本实施方式中，能够将所计算出的生物信息值(至少包括呼吸频率、心率、活动量)作为患者p的生物信息值输出并显示。另外，例如也可以通过在检测装置3设置存储部、显示部等来形成为一体。此外，处理装置5是通用的装置即可，所以不限定于计算机等信息处理装置，例如也可以由平板电脑或智能手机等装置构成。

此外，作为对象者，可以是正在疗养的人或需要看护的人。此外，也可以是不需要看护的健康的人、老年人、儿童或残疾人，甚至可以不是人而是动物。

在此，检测装置3以厚度薄的方式构成为片状。由此，即使载置在床10和床垫20之间，也能够以不会使患者p感到不适的方式使用，因此能够长期测定床铺上的生物信息值。就是说，在对象者卧床时、处于静止状态时、静养时，作为患者状态获取生物信息值等。

另外，检测装置3(例如，包含生物数据检测部110)能够检测患者p的生物数据(体动、呼吸运动及心冲击等)即可。在本实施方式中，基于人体振动计算出心率和呼吸频率，然而例如既可以通过利用微波雷达或激光散斑传感器基于身体表面的位移计算出，又可以通过所获取的影像等获取患者p的生物数据，还可以使用带应变片的致动器。此外，也可以通过利用内置的加速度传感器等，例如由载置在床10上的智能手机或平板电脑等来实现。

(1.2本实施方式的结构)

接下来，对系统1的结构参照图2进行说明。本实施方式中的系统1构成为包括检测装置3和处理装置5，除了生物数据检测部110以外的各功能部(处理)可以在检测装置3和处理装置5中的任何一个上实现。就是说，通过组合这些装置而作为异常判定装置发挥功能。

另外，系统1判定异常并输出对象既可以是工作人员，又可以是家人。此外，作为在判定为异常时输出的方法，既可以简单地利用声音或屏幕显示来表示，又可以利用邮件等向移动终端装置发送。此外，也可以向其他终端装置等发送。

系统1(异常判定装置)包括控制部100、生物数据检测部110、生物信息值计算部120、可靠性评估部125、卧床/睡眠状态判定部130、患者状态判定部140、存储部150、输入部160以及输出部170。在本实施方式中，生物信息值获取部121由生物数据检测部110和生物信息值计算部120构成，该生物数据检测部110和生物信息值计算部120即可以构成为一体，也可以分别构成为独立的功能模块。当然，不限于本实施方式，生物信息值获取部121也可以构成为直接从外部获取生物信息值。本实施方式中卧床/睡眠状态判定部130用于判断患者是否处于卧床且静止状态，也用于判断患者是否处于睡眠状态。但是，不限于此，上述两个判断也可以由独立的单元完成。

控制部100控制系统1(异常判定装置)的工作。例如，由cpu(centralprocessingunit；中央处理单元)等控制装置构成。控制部100通过读取并执行存储在存储部150的各种程序来实现各种处理。另外，在本实施方式中，控制部100虽然在整体上工作，但是也可以分别设置在检测装置3和处理装置5。

生物数据检测部110获取患者p的生物数据。在本实施方式中，作为一个例子，通过利用检测压力变化的传感器获取生物数据之一的人体振动。并且，所获取的人体振动转换为呼吸频率、心率、活动量等生物信息值数据而输出。另外，既可以基于人体振动数据通过卧床/睡眠状态判定部130获取患者的卧床状态(例如，患者p是否卧床、在床、离床及端坐位等)，进一步地，如后述那样，还可以通过卧床/睡眠状态判定部130获取患者的睡眠状态(睡眠、清醒)。另外，本实施方式中的生物数据检测部110例如通过压力传感器获取患者的人体振动，并从人体振动获取呼吸和心律，不过既可以通过负载传感器根据患者的重心位置(体动)的变化获取生物数据，又可以通过雷达基于身体表面或寝具的位移获取生物数据，还可以通过设置麦克风基于麦克风所拾取的声音获取生物数据。通过使用任何传感器能够获取患者的生物数据即可。

就是说，生物数据检测部110既可以设置在检测装置3等装置中，又可以构成为从外部的传感器装置接收生物数据。

生物信息值计算部120计算出患者p的生物信息值(呼吸频率、心率等)。在本实施方式中，可以从由生物数据检测部110获取的体动抽出呼吸成分、心律成分，基于呼吸间隔、心律间隔求出呼吸频率、心率。此外，也可以对体动的周期性进行分析(傅里叶变换等)，根据峰频率计算出呼吸频率、心率。

可靠性评估部125判定是否由生物信息值计算部120输出的生物信息值的可靠性高。在此，生物信息值的可靠性高还是低的评估，例如可以援用日本特开2017-47211号公报(申请日：2016年9月1日、发明名称：生物信息输出装置、生物信息输出方法及程序)所记载的可靠性评估方法。该专利申请的整体通过援用而合并，作为具体方法，利用以下的任何方法。

(1)根据算出条件的可靠性评估

可靠性评估部125基于计算出生物信息值时的算出条件进行可靠性评估。例如，在卧床/睡眠状态判定部判断为患者不处于卧床状态的情况下，即，在离床时，或者在患者处于坐位的状态时，判定为可靠性低。此外，在与褥疮预防气垫等机器外部连接的情况下，在该外部机器发生振动时(例如，该外部机器的振动可以由卧床/睡眠状态判断部读取等)，判定为可靠性低。此时，可靠性评估部125为了进行可靠性评估而也可以利用患者状态判定部140。

(2)生物信息算出过程中的可靠性评估

可靠性评估部125在计算出生物信息的过程中评估可靠性。例如，在呼气、吸气或心搏间隔的偏差(标准偏差和变异系数等)大的情况下，评估为可靠性低。此外，基于过滤之后的波形振幅的大小及偏差评估可靠性。就是说，在有振幅偏差的情况下，评估为可靠性低。

例如，通常短时间内的心律(呼吸)间隔大致相同。因此，在心律(呼吸)间隔的偏差大的情况下，由于噪声大而判定为未检测或有错误检测，评估为可靠性低。此外，在设置多个传感器的情况下，基于从多个传感器计算出的值的差异评估可靠性。就是说，对于多个传感器，在差异大的情况下，评估为可靠性低。

此外，在通过体动数据的周期性的分析而计算出生物信息值的情况下，例如，也可以根据频谱的峰的突出程度或多个传感器的值的检测值的偏差而评估可靠性。

(3)所计算出的呼吸频率及心率的可靠性评估

可靠性评估部125在所计算出的心率、呼吸频率与以前计算出的值大幅度地背离的情况下，判定为可靠性低。例如，可以举出：对于心率，计算出与至今计算出的值相比有2倍以上的值的情况；以及呼吸频率变动为阈值以上的情况等。

此外，也可以计算出过去几次(例如所计算出的5次生物信息值)的平均值，并且在大幅度地背离该平均值，或者倾斜度(微分值)陡峭的情况下，判定为可靠性低。此外，可靠性也可以阶段性地输出。例如，也可以在与上次计算出的生物信息相比为2倍以上(或2分之1以下)的情况下，判定为可靠性极其低，并在为1.5倍以上且小于2倍(或2分之1以上且小于3分之2)的情况下，判定为可靠性稍微低。

在所计算出的心率、呼吸频率超过预定阈值或者小于阈值的情况下，判定为可靠性低。例如，在呼吸频率是0或1的情况下，或者在心率超过200的情况下等，判定为可靠性低。另外，该阈值既可以由测定者而设置，又可以根据患者的年龄、健康状态而设置。

卧床/睡眠状态判定部130判定患者的睡眠状态。例如，基于由生物数据检测部110获取的生物数据判定患者的睡眠状态。作为睡眠状态，既可以判定为“清醒”、“睡眠”，又可以将睡眠进一步判定为“快速眼动睡眠”、“非快速眼动睡眠”，还可以判定睡眠的深度。

患者状态判定部140基于上述生物数据或生物信息值判定患者状态。在本实施方式中，判定患者的心率或心律的异常，来判定是否生物信息值(例如，心律)有异常。另外，在本实施方式中，可以基于作为生物信息值的心率检测出患者的心律失常，来判定患者状态。

存储部150存储有系统1工作所需的各种数据及程序。控制部100通过读取并执行存储在存储部150的程序来实现各种功能。存储部150例如由半导体存储器或磁盘装置等构成。

存储部150存储有生物信息值数据152、卧床/睡眠状态数据154以及参数表156。生物信息值数据152主要存储从生物信息值计算部120输出的生物信息值。图4是对生物信息值数据152的数据结构的一个例子进行说明的图。生物信息值数据152根据每生物信息值被计算出的日期时间(例如，“2017/11/1602：30：30”)作为生物信息值存储有心率(例如，“58”)。另外，生物信息值152存储根据每预定时间的生物信息值即可。因此，也可以根据每预定时间只存储生物信息值(心率)而已。

此外，在此，生物信息值根据每预定时间被存储的是存储在生物信息值数据152的时机。因此，例如计算出生物信息值的参考时间也可以是计算出之前的60秒钟。就是说，计算出生物信息值时的参考时间与存储(输出)生物信息值的时间也可以不同。

另外，在本实施方式中，作为生物信息值存储有心率，但是也可以存储有呼吸频率等的其他生物信息值。

卧床/睡眠状态数据154存储有患者的卧床状态和睡眠状态。即，存储有作为由卧床/睡眠状态判定部130判定的睡眠状态的“睡眠”、“清醒”。此时，既可以存储睡眠的质量(深度)，又可以存储“在床”、“离床”等状态。控制部100(患者状态判定部140)通过参照卧床/睡眠状态数据154能够获取患者的一个夜晚的睡眠时间。

参数表156存储有本实施方式所利用的参数。如图5所示，参数表156存储有测算率计算时间(例如，“5小时”)。此外，参数表156存储有心率测算率阈值(例如，“80％”)及/或心率非测算率阈值(例如，“20％”)。

对参数的内容在后面进行说明，测算率计算时间存储有在计算心率测算率(心率非测算率)时作为基准的时间。此外，心率测算率阈值是用于判定为在测算率计算时间内适当地计算出心率的阈值。心率非测算率阈值是用于判定为在测算率计算时间内未适当地计算出心率的阈值。在这两个测算率的合计是100％的情况下，存储任何一个即可。此外，在利用不同基准的情况下，也可以存储每一个。

输入部160在测定者输入各种条件和进行测定开始的操作输入时使用。例如，由硬件键、软件键等任何输入方法来实现。

输出部170在输出睡眠状态、心率、呼吸频率等生物信息值并通知异常时使用。作为输出部170，既可以是显示器等显示装置，又可以是通知警告等的报警装置(声音输出装置)。此外，也可以是存储数据的外部存储装置或经由通信路径发送数据的发送装置等。此外，也可以是对其他装置通知时的通信装置。

在上述结构中，生物信息值计算部120、可靠性评估部125、卧床/睡眠状态判定部130以及患者状态判定部140也可以由软件实现。例如，控制部100读取并执行存储在存储部150的软件。在执行软件时，控制部100作为每个结构实现。

此外，图2是作为系统1概念性地说明结构的图。这些结构既可以例如由一个可检测振动的装置来实现，又可以如图1所示分离地构成为检测装置3和处理装置5。此外，也可以由可提供同一服务的外部服务器而代替处理装置5来实现。

参照图6对使用图1中的检测装置3及处理装置5实现图2中的系统1的情况进行说明。检测装置3包括第一处理部300、作为传感器的生物数据获取部320、第一存储部330以及第一通信部390。

此外，第一处理部300通过执行存储在存储部330的软件(程序)，作为生物信息值计算部310发挥功能。基于生物数据获取部320获取的生物数据，生物信息值计算部310计算出生物信息值。并且，所计算出的生物信息值既存储在生物信息数据340，又经由第一通信部390被发送向处理装置5。此外，由生物数据获取部320获取的生物数据也能够一起经由第一通信部390被发送向处理装置5。

从检测装置3向处理装置5发送生物信息值的时机、在生物信息数据340存储生物信息值的时机既可以是实时，又可以是每预定时间。

另外，生物数据获取部320相当于图2的生物数据获取部110，并且生物信息值计算部310相当于图2的生物信息值计算部120。此外，第一通信部390例如是能够与网络(例如，lan(localareanetwork；局域网)/wan(wideareanetwork；广域网))连接的通信接口。

处理装置5包括第二处理部500、第二存储部530、输入部540、输出部550以及第二通信部590。处理装置5从检测装置3经由第二通信部590接收生物信息值和生物数据。所接收的生物信息值存储在生物信息值数据532。

第二处理部500通过执行存储在第二存储部530的软件(程序)来作为可靠性评估部502、睡眠状态判定部504或患者状态判定部506发挥功能。基于所接收的生物信息值和生物数据，可靠性评估部502判定生物信息值的可靠性，睡眠状态判定部504判定睡眠状态，并且患者状态判定部506判定患者状态。

另外，可靠性评估部502相当于图2的可靠性评估部125。卧床/睡眠状态判定部504相当于图2的卧床/睡眠状态判定部130。患者状态判定部506相当于图2的患者状态判定部140。输入部540相当于图2的输入部160。输出部550相当于图2的输出部170。第二存储部530相当于图2的存储部150。因此，存储在第二存储部530的生物信息值数据532与图2的生物信息值数据152相同，卧床/睡眠状态数据534与图2的卧床/睡眠状态数据154相同，并且参数表536与参数表156相同。

(1.3处理的流程)

(1.3.1心率算出处理)

参照图7，对生物信息值计算部120作为生物信息值计算出心率时的处理进行说明。

生物信息值计算部120计算出生物信息值。具体而言，生物信息值计算部120在已由生物数据检测部110检测出生物数据且患者与心率算出条件符合的情况下，从生物数据计算出心率(步骤s102；是→步骤s104；是→步骤s106)。这里的心率算出条件是指根据算出条件的可靠性评估，例如，是否传感器正确地检测心率的信号等。

在此，当在步骤102中检测出生物数据时，表示患者在床。此外，在步骤s104中，控制部100(生物信息值计算部120)判定是否患者与心率算出条件符合。例如，在患者卧床并没有来自外部的振动输入的静止状态(活动量微弱或活动量是“0”)的情况下，或者在卧床/睡眠状态判定部130判定为患者的睡眠状态是睡眠的情况下，计算出心率。

在步骤s106中，作为心率的算出方法，可以举出各种方法，例如，过滤体动数据，抽出心律成分，根据每1搏动而估计心律间隔。然后，基于心律间隔而计算出心率。

另外，也可以通过进行体动数据的周期性的分析而从峰频率获得心率的方法来计算出。

此外，在本实施方式中，利用根据作为每预定时间的每30秒钟基于体动数据计算出的值。具体而言，基于在30秒钟的时间窗口内估计的心律间隔和30秒钟的时间窗口内的体动数据的峰频率，根据每30秒钟计算出心率。

接下来，由可靠性评估部125判定是否所计算出的心率可靠性高(步骤s108)。是否所计算出的心率可靠性高，通过如上所述的可靠性评估部125的说明中的方法、或者日本特开2017-47211号公报(申请日：2016年9月1日、发明名称：生物信息输出装置、生物信息输出方法及程序)所记载的可靠性评估方法来进行。

在此，在由可靠性评估部125判定为所计算出的心率可靠性高的情况下，生物信息值计算部120以原样的方式输出该心率(步骤s108；是→步骤s110)。另一方面，在由可靠性评估部125判定为可靠性低的情况下，不输出心率(步骤s108；否→步骤s112)。具体而言，生物信息值计算部120既可以作为心率输出错误，又可以不输出。生物信息值计算部120将心率存储在生物信息值数据152。

(1.3.2患者状态判定处理)

接下来，对患者状态判定处理参照图8进行说明。首先，判定是否在生物信息值数据152中存储有为了判定患者状态所需要的时间(就是说，测算率计算时间)的生物值信息。

测算率计算时间存储在参数表156。在此，测算率计算时间是预定时间以上即可。优选为30分钟至10小时，更优选为4小时至8小时，且优选对应于睡眠时间。

因此，也可以指定为一个夜晚(下午11点至上午6点)、熄灯时间(下午9点至上午6点)、就寝时间(就寝时刻至起床时刻)等。此外，既可以为两天、三天等多天，又可以指定为只统计在多天中就寝时间或睡眠时间超过5小时的日子而已等。

接下来，患者状态判定部140计算出心率测算率(步骤s154)。这就是将在上述测算率计算时间中，以高可靠性计算出心率的时间的比率作为心率测算率而进行计算。并且，患者状态判定部140判定是否心率测算率是心率测算率阈值以下(步骤s156)。心率测算率阈值存储在参数表156，基于图5而是“80％”。

因此，患者状态判定部140在心率测算率是“80％”以下的情况下，判定为心律异常(例如，有心律失常或心房颤动的趋势，心肺功能有异常)，输出为心律异常(步骤s158)。

另外，在图8中计算出心率测算率，但是也可以利用未以高可靠性计算出心率的比率，即心率非测算率。

患者状态判定部140将在测算率计算时间中未正确地计算出心率的时间比率作为心率非测算率进行计算。并且，患者状态判定部140判定是否心率非测算率比心率非测算率阈值大(是心率非测算率阈值以上)。心率非测算率存储在参数表156，且基于图5是“20％”。

因此，患者状态判定部140在心率非测算率超过“20％”的情况下，判定为心律异常，并输出为心律异常。

(1.4实施例)

参照图9，对本实施方式中的实施例进行说明。图9是心律有异常的人(检测有心房颤动的人)和健全人的图表。这是利用根据每30秒钟而计算出的心率来生成的图表，并且在所有的图表中，左侧表示患有心房颤动的患者，右侧表示健全人。

图9(a)是示出心率的平均的图，图9(b)是示出心率的变异系数(cv值)的图。由这些图可知，只利用现有的指标，不能正确地判别患者和健全人。

图9(c)是示出心率非测算率的图。患有心房颤动的患者和健全人的分布以非测算率大致是“20％”处为中间而分离。

因此，通过利用心率非测算率(心率测算率)，能够适当地判定患者状态、生物信息的异常。此外，在判定为异常的情况下，能够输出该信息。

(2.第二实施方式)

对第二实施方式进行说明。第二实施方式的结构、处理等与第一实施方式大致相同。与第一实施方式不同之处是将图8的患者状态判定处理置换成图10的患者状态判定处理这一点。

以下，主要参照图10进行说明。另外，与第一实施方式同一的处理，由同一的附图标记表示并省略其详细说明。

在计算出心率测算率之后(步骤s154)，患者状态判定部140在与前一天相比心率测算率降低有第一阈值的情况下，输出为心律异常(步骤s202；是→步骤s204)。在本实施方式中，不但通过1天来进行判定而已，而且通过与前一天比较来判定患者状态。另外，第一阈值也可以存储在参数表156，优选为5％至30％。这是用于例如在心率测算率突然降低的情况下，通知有某些异常的。

此外，在与前一天相比心率测算率在第一阈值内而在几天之内心率测算率降低有第二阈值时，作为有某些异常输出为心律异常(步骤s202；否→步骤s206；是→步骤s204)。

另外，第二阈值也可以存储在参数表156，优选为10％至20％。

由此，根据本实施方式，通过判定前一天或几天的心率测算率的变动，能够更适当地判定患者状态。如上所述，根据本实施方式，通过利用非穿戴式的体动(振动)传感器，能够适当地判定心律失常等的生物信息的异常。在利用现有的心电图判定生物信息的异常的情况下，需要在对象者上直接佩戴电极。因此，对于患者来说负担大。

但是，在本实施方式中，例如在对象者睡觉时，只载置于对象者和床装置之间即可，通过对于对象者来说负担少的方法能够判定生物信息的异常。

尤其是，因为心律失常的发生频度包括其时间分布在内还不明确，所以直到根据检查而发现为止需要很长时间。在本实施方式中，容易通过负担少的方法长时间地进行测定。此外，通过长时间地进行测定，不但能够缩短直到发现为止的时间，而且能够有助于减少误差并提高判定精度。

(3.第三实施方式)

以上参照附图对本发明的实施方式进行详细的说明，而本发明的具体结构不限定于上述实施方式，不脱离本发明的要旨的设计等也包括在权利要求的范围内。

此外，在本实施方式中，基于检测装置3输出的结果，处理装置5输出生物信息，但是也可以在检测装置3计算出全部。此外，除了在终端装置(例如智能手机、平板电脑、计算机)安装应用程序来实现以外，例如还可以在服务器一侧进行处理，并将处理结果送回终端装置。

例如，也可以通过从检测装置3将生物信息向服务器上传，在服务器一侧实现上述处理。该检测装置3例如也可以由内置有加速度传感器、振动传感器的智能手机等装置来实现。

此外，在实施方式中，在各装置中工作的程序是以实现上述实施方式的功能的方式控制cpu等的程序(使计算机发挥功能的程序)。并且，这些装置所使用的信息在其处理时暂时蓄积在暂时存储器(例如，ram)，然后存储在各种rom、hdd、ssd的存储装置中，并根据需要，由cpu读出、修改并写入。此外，在市场上流通的情况下，既可以将程序存储在可移动式记录介质而流通，又可以经由因特网等网络向连接的服务器计算机转发。在此情况下，服务器计算机的存储装置也当然包括在本发明之内。

作为示例，如图12所示，本发明提供了一种电子设备1400，电子设备1400包括：处理器1401和存储器1402，在所述存储器1402中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器1401执行以下步骤：

步骤s1，获取所述对象者的生物信息值；

步骤s2，基于所述生物信息值确定具有预定可靠度的生物信息值；

步骤s3，计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率；

步骤s4，根据所述测算率判断所述对象者是否处于异常状态。

进一步地，如图12所示，电子设备还包括网络接口1403、输入设备1404、硬盘1405、和显示设备1406。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(cpu)，以及由存储器1402代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口1403，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘1405中。

所述输入设备1404，可以接收操作人员输入的各种指令，并发送给处理器1401以供执行。所述输入设备1404可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备1406，可以将处理器1401执行指令获得的结果进行显示。

所述存储器1402，用于存储操作系统运行所必须的程序和数据，以及处理器1401计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器1402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom)、可编程只读存储器(prom)、可擦除可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)或闪存。易失性存储器可以是随机存取存储器(ram)，其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器1402存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统14021和应用程序14014。

其中，操作系统14021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序14014，包含各种应用程序，例如浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序14014中。

上述处理器1401，当调用并执行所述存储器1402中所存储的应用程序和数据，具体的，可以是应用程序14014中存储的程序或指令时，获取全景图像；对所述全景图像进行预处理，获得待处理子图像；将所述待处理子图像输入到多路径卷积神经网络中，获得所述待处理子图像的深层特征图；对所述深层特征图进行池化处理；将经过池化处理后的深层特征图输入到全连接模型中，将所述全连接模型的输出作为重定位后的位置信息。

本发明上述实施例揭示的方法可以应用于处理器1401中，或者由处理器1401实现。处理器1401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402，处理器1401读取存储器1402中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(asic)、数字信号处理器dsp)、数字信号处理设备(dspd)、可编程逻辑设备(pld)、现场可编程门阵列(fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

具体地，处理器1401还用于读取所述计算机程序，执行如下步骤:

步骤s1-1，在指定条件下，检测所述患者的所述生物数据，所述生物数据包括身体振动数据、呼吸运动数据、或者心跳数据的任一种，所述生物信息值包括呼吸频率和/或心率，其中，所述指定条件可以为患者处于卧床且静止状态、或者患者处于睡眠状态等。

步骤s1-2，基于所述生物数据算出所述生物信息值。

另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行以下步骤：

步骤s1，获取所述对象者的生物信息值；

步骤s2，基于所述生物信息值确定具有预定可靠度的生物信息值；

步骤s3，计算在预定时间范围内，具有预定可靠度的生物信息值所占时间与所述预定时间的比值，得到测算率；

步骤s4，根据所述测算率判断所述对象者是否处于异常状态。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。