JP7631265B2 - 皮膚指標推定方法 - Google Patents
皮膚指標推定方法 Download PDFInfo
- Publication number
- JP7631265B2 JP7631265B2 JP2022135882A JP2022135882A JP7631265B2 JP 7631265 B2 JP7631265 B2 JP 7631265B2 JP 2022135882 A JP2022135882 A JP 2022135882A JP 2022135882 A JP2022135882 A JP 2022135882A JP 7631265 B2 JP7631265 B2 JP 7631265B2
- Authority
- JP
- Japan
- Prior art keywords
- skin
- stratum corneum
- index value
- absorption spectrum
- infrared absorption
- 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
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
本発明は、赤外吸収スペクトル情報を用いて皮膚指標を推定する技術に関する。
下記特許文献１には、皮膚の角層の赤外吸収スペクトルから１６１０～１５７０ｃｍ‐１の波数領域における信号強度Ａ及び蛋白質由来の信号強度Ｂを観測し、信号強度Ａから抽出されたカルボキシレートアニオン逆対称伸縮振動の信号強度Ａ'と信号強度Ｂとの比から角層中の天然保湿因子ＮＭＦ量を測定する方法が開示されている。
下記特許文献２には、ヒトの皮膚の角層を対象として赤外分光法によって赤外吸収スペクトルを測定し、この赤外吸収スペクトルにおける蛋白質二次構造に由来するアミドＩ吸収帯のピークから、αへリックスとランダムコイルの重畳したピーク及びβシートのピークを分割し、αへリックスとランダムコイルの重畳したピークの面積及びβシートのピーク面積を算出して、〔βシートのピーク面積〕／〔αへリックスとランダムコイルの重畳したピークの面積〕で定義されるピーク面積比β／αを算出し、算出された比β／αの値を指標として皮膚の角層の性状を医療行為以外の目的で評価する方法が開示されている。
下記特許文献３から５には、テープ剥離により取得された角層を対象にして得られた赤外吸収スペクトルを用いて角層の性状等を簡便かつ安定的に評価可能とする手法が開示されております。
下記特許文献２には、ヒトの皮膚の角層を対象として赤外分光法によって赤外吸収スペクトルを測定し、この赤外吸収スペクトルにおける蛋白質二次構造に由来するアミドＩ吸収帯のピークから、αへリックスとランダムコイルの重畳したピーク及びβシートのピークを分割し、αへリックスとランダムコイルの重畳したピークの面積及びβシートのピーク面積を算出して、〔βシートのピーク面積〕／〔αへリックスとランダムコイルの重畳したピークの面積〕で定義されるピーク面積比β／αを算出し、算出された比β／αの値を指標として皮膚の角層の性状を医療行為以外の目的で評価する方法が開示されている。
下記特許文献３から５には、テープ剥離により取得された角層を対象にして得られた赤外吸収スペクトルを用いて角層の性状等を簡便かつ安定的に評価可能とする手法が開示されております。
上述の各種手法は、角層の赤外吸収スペクトルにおける特定波数領域のピークの信号強度、ピーク形状等に基づいて角層の性状等を評価している。
本発明は、角層の赤外吸収スペクトル情報を用いてより高精度に角層特性又は皮膚表面特性の指標値を推定可能な技術を提供する。
本発明は、角層の赤外吸収スペクトル情報を用いてより高精度に角層特性又は皮膚表面特性の指標値を推定可能な技術を提供する。
本発明によれば、一以上のプロセッサが、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、を実行し、前記赤外吸収スペクトル情報は、所定の波数領域における複数の強度値を含み、前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である皮膚指標推定方法が提供され得る。
また、一以上のプロセッサ及びメモリを少なくとも備える皮膚指標推定装置であって上述の皮膚指標推定方法を実行可能な皮膚指標推定装置なども提供され得る。
また、一以上のプロセッサ及びメモリを少なくとも備える皮膚指標推定装置であって上述の皮膚指標推定方法を実行可能な皮膚指標推定装置なども提供され得る。
本発明によれば、角層の赤外吸収スペクトル情報を用いてより高精度に角層特性又は皮膚表面特性の指標値を推定可能な技術を提供することができる。
以下、本発明の好ましい実施形態の例（以降、本実施形態と表記する）について説明する。以下に挙げる実施形態は例示であり、本発明は以下の実施形態の構成に限定されない。
本実施形態に係る皮膚指標推定方法（以下、本方法と表記する）は、一台以上の情報処理装置が備える一以上のプロセッサにより実行される。
図１は、本方法を実行可能な情報処理装置１０のハードウェア構成例を概念的に示す図である。
情報処理装置１０は、いわゆるコンピュータであり、ＣＰＵ１１、メモリ１２、入出力インタフェース（Ｉ／Ｆ）１３、通信ユニット１４等を有する。情報処理装置１０は、据え置き型のＰＣ（Personal Computer）であってもよいし、携帯型のＰＣ、スマートフォン、タブレット等のような携帯端末であってもよいし、専用コンピュータであってもよい。
図１は、本方法を実行可能な情報処理装置１０のハードウェア構成例を概念的に示す図である。
情報処理装置１０は、いわゆるコンピュータであり、ＣＰＵ１１、メモリ１２、入出力インタフェース（Ｉ／Ｆ）１３、通信ユニット１４等を有する。情報処理装置１０は、据え置き型のＰＣ（Personal Computer）であってもよいし、携帯型のＰＣ、スマートフォン、タブレット等のような携帯端末であってもよいし、専用コンピュータであってもよい。
ＣＰＵ１１は、いわゆるプロセッサであり、一般的なＣＰＵ（Central Processing Unit）に加えて、特定用途向け集積回路（ＡＳＩＣ）、ＤＳＰ（Digital Signal Processor）、ＧＰＵ（Graphics Processing Unit）等も含まれ得る。メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。
入出力Ｉ／Ｆ１３は、表示装置１５、入力装置１６等のユーザインタフェース装置と接続可能である。表示装置１５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１１等により処理された描画データに対応する画面を表示する装置である。入力装置１６は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。表示装置１５及び入力装置１６は一体化され、タッチパネルとして実現されてもよい。
通信ユニット１４は、通信網を介した他のコンピュータとの通信や、プリンタ等の他の機器との信号のやりとり等を行う。通信ユニット１４には、可搬型記録媒体等も接続され得る。
入出力Ｉ／Ｆ１３は、表示装置１５、入力装置１６等のユーザインタフェース装置と接続可能である。表示装置１５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）ディスプレイのような、ＣＰＵ１１等により処理された描画データに対応する画面を表示する装置である。入力装置１６は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。表示装置１５及び入力装置１６は一体化され、タッチパネルとして実現されてもよい。
通信ユニット１４は、通信網を介した他のコンピュータとの通信や、プリンタ等の他の機器との信号のやりとり等を行う。通信ユニット１４には、可搬型記録媒体等も接続され得る。
情報処理装置１０のハードウェア構成は、図１の例に制限されない。情報処理装置１０は、図示されていない他のハードウェア要素を含んでもよい。また、各ハードウェア要素の数も、図１の例に制限されない。例えば、情報処理装置１０は、複数のＣＰＵ１１を有していてもよい。また、情報処理装置１０は、複数の筐体からなる複数台のコンピュータにより実現されていてもよい。
情報処理装置１０は、ＣＰＵ１１によりメモリ１２に格納されたコンピュータプログラムが実行されることにより、本方法を実行することができる。このコンピュータプログラムは、例えば、ＣＤ（Compact Disc）、メモリカード等のような可搬型記録媒体やネットワーク上の他のコンピュータから入出力Ｉ／Ｆ１３又は通信ユニット１４を介してインストールされ、メモリ１２に格納される。
情報処理装置１０（ＣＰＵ１１）は、推定モデルを利用可能であり、更に、その推定モデルを生成することもできる。但し、当該推定モデルは、他のコンピュータで生成されてもよい。当該推定モデルは、情報処理装置１０内のメモリ１２に格納されていてもよいし、情報処理装置１０が通信でアクセス可能な他のコンピュータのメモリに格納されていてもよい。
このように情報処理装置１０は、当該推定モデルを利用可能な装置であって本方法を実行可能な皮膚指標推定装置と表記可能である。なお、推定モデルの詳細については後述する。
このように情報処理装置１０は、当該推定モデルを利用可能な装置であって本方法を実行可能な皮膚指標推定装置と表記可能である。なお、推定モデルの詳細については後述する。
ここで、本方法について図２を用いて説明する。
図２は、本実施形態に係る皮膚指標推定方法（本方法）のフローチャートである。
本方法は、図２に示されるように、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程（Ｓ１１）と、上述の推定モデルに、取得工程（Ｓ１１）で取得された赤外吸収スペクトル情報を入力する（Ｓ１２）ことにより、被評価者の目的指標値を推定する推定工程（Ｓ１３）とを少なくとも含む。図２の例において、本方法は、推定工程（Ｓ１３）で取得された被評価者の目的指標値を出力する工程（Ｓ１４）を更に含んでいる。
本方法は、図１に例示されるような情報処理装置１０（ＣＰＵ１１）により実行される。以降、本方法の各工程についてその実行主体をＣＰＵ１１としてそれぞれ詳述する。
図２は、本実施形態に係る皮膚指標推定方法（本方法）のフローチャートである。
本方法は、図２に示されるように、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程（Ｓ１１）と、上述の推定モデルに、取得工程（Ｓ１１）で取得された赤外吸収スペクトル情報を入力する（Ｓ１２）ことにより、被評価者の目的指標値を推定する推定工程（Ｓ１３）とを少なくとも含む。図２の例において、本方法は、推定工程（Ｓ１３）で取得された被評価者の目的指標値を出力する工程（Ｓ１４）を更に含んでいる。
本方法は、図１に例示されるような情報処理装置１０（ＣＰＵ１１）により実行される。以降、本方法の各工程についてその実行主体をＣＰＵ１１としてそれぞれ詳述する。
取得工程（Ｓ１１）で取得される赤外吸収スペクトル情報は、皮膚から剥離された角層を少なくとも含む検体の赤外分光測定により得られる赤外吸収スペクトル（赤外吸光スペクトル、赤外透過スペクトル等とも呼ばれる）の情報であって、当該赤外吸収スペクトルの所定の波数領域における複数の強度値を含む。
「皮膚から剥離された角層」には、手や粘着テープ、何らかの道具等を用いて皮膚から採取された或いは剥離された角層のみでなく、自然に剥がれ落ちた角層も含む。当該赤外吸収スペクトル情報は、このような角層に関して得られる赤外吸収スペクトルのみを示してもよいし、その角層に加えてテープや水分、埃のような他の成分を含んだ状態の赤外吸収スペクトルを示してもよい。
「強度値」とは、赤外吸収スペクトルにおける各波数の強度を示す値であり、例えば、吸光度、透過率若しくは反射率である。
「強度値」とは、赤外吸収スペクトルにおける各波数の強度を示す値であり、例えば、吸光度、透過率若しくは反射率である。
図３は、皮膚から剥離された角層に関する赤外吸収スペクトルの例を示すグラフである。図３において、横軸は波数を示し、縦軸は吸光度（強度値）を示している。
取得工程（Ｓ１１）で取得される赤外吸収スペクトル情報は、図３に例示されるような赤外吸収スペクトルの所定の波数領域の強度値群の中から抽出された複数の強度値を含む。
赤外吸収スペクトルの「所定の波数領域」は、予め決められた波数領域であって、赤外分光測定を行う装置の仕様に応じた測定限界となる波数範囲であってもよいし、そのような測定限界の波数範囲の中の一以上の部分的な波数領域であってもよい。例えば、図３の例に示されるように、所定の波数領域は、測定限界となる６００ｃｍ－１以上４０００ｃｍ－１以下の波数範囲とされてもよい。
取得工程（Ｓ１１）で取得される赤外吸収スペクトル情報は、図３に例示されるような赤外吸収スペクトルの所定の波数領域の強度値群の中から抽出された複数の強度値を含む。
赤外吸収スペクトルの「所定の波数領域」は、予め決められた波数領域であって、赤外分光測定を行う装置の仕様に応じた測定限界となる波数範囲であってもよいし、そのような測定限界の波数範囲の中の一以上の部分的な波数領域であってもよい。例えば、図３の例に示されるように、所定の波数領域は、測定限界となる６００ｃｍ－１以上４０００ｃｍ－１以下の波数範囲とされてもよい。
但し、赤外吸収スペクトル情報は、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域における複数の強度値及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域における複数の強度値を少なくとも含むことが好ましい。実施例として後述するとおり、当該第一波数領域及び当該第二波数領域における強度値の、目的指標値に対する寄与率（回帰係数）が、それ以外の波数領域の強度値よりも高く、推定モデルの推定精度を高くすることができるからである。
また、当該赤外吸収スペクトル情報は、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域および２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域の非ピーク領域における複数の強度値を少なくとも含むことが好ましい。
ここでの「非ピーク領域」とは、図３に示すような赤外吸収スペクトルのグラフにおいてピークではない波数領域を示し、具体的には、所定の波数分解能（例えば０．５ｃｍ－１）の赤外吸収スペクトルにおいてピーク領域を除いた波数領域を意味する。「ピーク領域」とは、当該赤外吸収スペクトルにおいて凸状を示す波数領域であって、例えば、その波数領域内のピーク強度を示す波数を中心にして所定の波数範囲（例えば１００ｃｍ－１）、或いは当該ピーク強度を示す波数を中心にしてそのピーク強度の８割から５割程度の強度を示す波数までの波数範囲を意味する。
図３の例では、第一波数領域の非ピーク領域には、７００から８００ｃｍ－１付近、１０００から１１００ｃｍ－１付近、１４００ｃｍ－１付近の波数範囲等が該当し、第二波数領域の非ピーク領域には、３０００から３１００ｃｍ－１付近、３４００から３７００ｃｍ－１付近の波数領域等が該当する。
本発明者らにより、このように当該赤外吸収スペクトル情報としてピーク強度値だけではなく非ピーク領域の複数の強度値を用いることで推定モデルの推定精度を高くすることが見出されている。
ここでの「非ピーク領域」とは、図３に示すような赤外吸収スペクトルのグラフにおいてピークではない波数領域を示し、具体的には、所定の波数分解能（例えば０．５ｃｍ－１）の赤外吸収スペクトルにおいてピーク領域を除いた波数領域を意味する。「ピーク領域」とは、当該赤外吸収スペクトルにおいて凸状を示す波数領域であって、例えば、その波数領域内のピーク強度を示す波数を中心にして所定の波数範囲（例えば１００ｃｍ－１）、或いは当該ピーク強度を示す波数を中心にしてそのピーク強度の８割から５割程度の強度を示す波数までの波数範囲を意味する。
図３の例では、第一波数領域の非ピーク領域には、７００から８００ｃｍ－１付近、１０００から１１００ｃｍ－１付近、１４００ｃｍ－１付近の波数範囲等が該当し、第二波数領域の非ピーク領域には、３０００から３１００ｃｍ－１付近、３４００から３７００ｃｍ－１付近の波数領域等が該当する。
本発明者らにより、このように当該赤外吸収スペクトル情報としてピーク強度値だけではなく非ピーク領域の複数の強度値を用いることで推定モデルの推定精度を高くすることが見出されている。
また、当該赤外吸収スペクトル情報に含まれる強度値は、赤外吸収スペクトルのピーク強度値か否かに関わらず抽出されたものであってもよい。例えば、当該赤外吸収スペクトル情報は、ピーク強度値か否かに関わらず、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域の中から一定波数間隔（第一波数間隔）及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域の中から一定波数間隔（第二波数間隔）でそれぞれサンプリングされた複数の強度値を含むようにしてもよい。この場合、第一波数間隔と第二波数間隔は同一にされてもよいし、異なる間隔とされてもよい。また、当該赤外吸収スペクトル情報は、所定の波数領域（例えば６００ｃｍ－１以上４０００ｃｍ－１以下）の中から一定波数間隔でサンプリングされた複数の強度値を含むようにしてもよい。
このように赤外吸収スペクトルのピーク強度値か否かに関わらず抽出された複数の強度値を用いることで推定モデルの推定精度を高くすることができることは実施例で後述するとおり実証されている。
このように赤外吸収スペクトルのピーク強度値か否かに関わらず抽出された複数の強度値を用いることで推定モデルの推定精度を高くすることができることは実施例で後述するとおり実証されている。
また、当該赤外吸収スペクトル情報に含まれる強度値の数は、推定モデルの推定精度を高くするためには、実施例として後述するとおり、１０以上であることが好ましく、２５以上であることがより好ましく、５０以上であることが更に好ましい。
ＣＰＵ１１は、取得工程（Ｓ１１）において、赤外分光測定装置若しくは他のコンピュータから通信或いは可搬型記録媒体を介して当該赤外吸収スペクトル情報を取得してもよいし、その測定装置若しくは他のコンピュータから取得された情報を加工することで当該赤外吸収スペクトル情報を取得してもよい。
上述したとおり本実施形態では赤外吸収スペクトル情報の取得手法には様々な手法が採用可能である。例えば、シリコーン粘着層又は他の成分の粘着層を有する粘着テープで皮膚表面から角層を採取し、少なくとも角層が付着したその粘着テープに対する赤外分光測定の結果から当該赤外吸収スペクトル情報が抽出されてもよい。この場合、ＣＰＵ１１は、赤外分光測定装置若しくは他のコンピュータから赤外分光測定の結果情報を取得し、その結果情報から必要となる赤外吸収スペクトル情報を取得してもよい。
また、上述の特許文献３から５の開示手法を用いて当該赤外吸収スペクトル情報が取得されてもよい。具体的には、粘着テープＴ１で皮膚表面から角層を採取し、採取された角層をその粘着テープＴ１からシリコーン粘着層を有するテープＴ２に転写して、そのテープＴ２の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＡとシリコーン粘着層を有する未使用のテープＴ３の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＢとの差スペクトルを求めて、その差スペクトルから当該赤外吸収スペクトル情報を抽出する手法が行われてもよい。この手法において当該差スペクトルは、シリコーン粘着層に由来する主要な吸収帯である１２６０ｃｍ－１付近の吸収帯若しくは１０００～１１００ｃｍ－１付近の吸収帯又はそれら両方に由来するピーク強度が一致するように、赤外吸収スペクトルＡ又は赤外吸収スペクトルＢを定数倍してから差し引いて得られる。なお、実施例の項においてこの手法は開示手法と表記される。
また、上述の特許文献３から５の開示手法を用いて当該赤外吸収スペクトル情報が取得されてもよい。具体的には、粘着テープＴ１で皮膚表面から角層を採取し、採取された角層をその粘着テープＴ１からシリコーン粘着層を有するテープＴ２に転写して、そのテープＴ２の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＡとシリコーン粘着層を有する未使用のテープＴ３の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＢとの差スペクトルを求めて、その差スペクトルから当該赤外吸収スペクトル情報を抽出する手法が行われてもよい。この手法において当該差スペクトルは、シリコーン粘着層に由来する主要な吸収帯である１２６０ｃｍ－１付近の吸収帯若しくは１０００～１１００ｃｍ－１付近の吸収帯又はそれら両方に由来するピーク強度が一致するように、赤外吸収スペクトルＡ又は赤外吸収スペクトルＢを定数倍してから差し引いて得られる。なお、実施例の項においてこの手法は開示手法と表記される。
工程（Ｓ１２）で用いられる推定モデルは、複数のサンプル提供者に関する複数のデータセットを用いて得られたモデルである。
各データセットは、サンプル提供者の皮膚から剥離された角層に関する赤外吸収スペクトル情報とそのサンプル提供者に関する既知の目的指標値との組合せデータである。
赤外吸収スペクトル情報は、推定モデルの入力となる説明変数の値として用いられる。赤外吸収スペクトル情報については工程（Ｓ１１）に関して述べたとおりである。但し、推定モデルの構築に用いられる赤外吸収スペクトル情報は、サンプル提供者の角層に関して得られたものとなる。但し、サンプル提供者の中に当該被評価者が含まれていてもよい。
各データセットは、サンプル提供者の皮膚から剥離された角層に関する赤外吸収スペクトル情報とそのサンプル提供者に関する既知の目的指標値との組合せデータである。
赤外吸収スペクトル情報は、推定モデルの入力となる説明変数の値として用いられる。赤外吸収スペクトル情報については工程（Ｓ１１）に関して述べたとおりである。但し、推定モデルの構築に用いられる赤外吸収スペクトル情報は、サンプル提供者の角層に関して得られたものとなる。但し、サンプル提供者の中に当該被評価者が含まれていてもよい。
目的指標値は、角層特性又は皮膚表面特性に関する指標値であり、推定モデルの出力となる目的変数の値として用いられる。上述のデータセットに含まれる既知の目的指標値は、各サンプル提供者を対象にして評価、計測等を行うことで予め取得される。
角層特性に関する指標値は、角層の特性を示す指標値であり、例えば、角層の重層剥離率、角層の細胞形状に関する指標値、角層細胞間脂質に関する指標値、角層の水分量に関する指標値等である。
皮膚表面特性に関する指標値は、皮膚表面形状を再現したレプリカ又は皮膚表面の測定により得られる指標値であり、皮膚表面の形態を示す指標値を含む。皮膚表面の形態を示す指標値としては、例えば、マイクロスコープ等を用いた皮膚の表面形態測定により得られる鱗屑、皮膚の滑らかさ及びシワ状態の指標値、当該レプリカの測定により得られる皮膚表面の粗さ、シワの深さ、シワの本数、シワの体積、シワの面積及びシワの面積率がある。
また、後述する経皮水分蒸散量（ＴＥＷＬ）のような角層の水分量に関する指標値も、皮膚表面に対する測定により得られる指標値であるため、皮膚表面特性に関する指標値に位置付けることもできる。但し、本明細書では、角層の水分量に関する指標値は、「角層」の物性を表す値の１つであることから、角層特性に関する指標値に位置付けるものとする。
皮膚表面特性に関する指標値は、皮膚表面形状を再現したレプリカ又は皮膚表面の測定により得られる指標値であり、皮膚表面の形態を示す指標値を含む。皮膚表面の形態を示す指標値としては、例えば、マイクロスコープ等を用いた皮膚の表面形態測定により得られる鱗屑、皮膚の滑らかさ及びシワ状態の指標値、当該レプリカの測定により得られる皮膚表面の粗さ、シワの深さ、シワの本数、シワの体積、シワの面積及びシワの面積率がある。
また、後述する経皮水分蒸散量（ＴＥＷＬ）のような角層の水分量に関する指標値も、皮膚表面に対する測定により得られる指標値であるため、皮膚表面特性に関する指標値に位置付けることもできる。但し、本明細書では、角層の水分量に関する指標値は、「角層」の物性を表す値の１つであることから、角層特性に関する指標値に位置付けるものとする。
角層の重層剥離率及び角層の細胞形状に関する指標値は、例えばテープ等で採取された角層を撮像した画像を解析することで取得可能である。
角層の重層剥離率は、角層画像を二値化処理することで剥離部面積と重層部面積を求め、重層部面積を剥離部面積で除算することで取得され得る。
角層の細胞形状に関する指標値は、一人につき複数の角層細胞の形状指標値を計測し、計測された複数の形状指標値に対して平均等の統計処理を行うことで取得可能である。例えば、一人あたり複数の角層細胞画像が撮像され、角層細胞画像１枚あたり複数個の角層細胞が特定され、特定された各角層細胞の形状指標値をそれぞれ計測して角層細胞画像の枚数で統計処理することにより、対象者の角層の細胞形状に関する指標値が取得可能である。角層の細胞形状に関する指標値としては、例えば、角層細胞面積、角層細胞長さ、角層細胞真円率等がある。
角層の重層剥離率は、角層画像を二値化処理することで剥離部面積と重層部面積を求め、重層部面積を剥離部面積で除算することで取得され得る。
角層の細胞形状に関する指標値は、一人につき複数の角層細胞の形状指標値を計測し、計測された複数の形状指標値に対して平均等の統計処理を行うことで取得可能である。例えば、一人あたり複数の角層細胞画像が撮像され、角層細胞画像１枚あたり複数個の角層細胞が特定され、特定された各角層細胞の形状指標値をそれぞれ計測して角層細胞画像の枚数で統計処理することにより、対象者の角層の細胞形状に関する指標値が取得可能である。角層の細胞形状に関する指標値としては、例えば、角層細胞面積、角層細胞長さ、角層細胞真円率等がある。
角層細胞間脂質に関する指標値は、角層細胞間脂質の成分量又は成分ごとの量の比率であり、例えば、角層細胞間脂質の総量、角層細胞間脂質のセラミド量、コレステロール量又は遊離脂肪酸量であり、或いは、角層細胞間脂質のセラミド分子種ごとの量又は当該セラミド分子種ごとの量の比率である。
角層細胞間脂質に関する指標値は、例えば、液体クロマトグラフィ（ＬＣ）と質量分析（ＭＳ）とを組み合せた解析手法により測定可能である。角層細胞間脂質に関する指標値としては、例えば、角層細胞間脂質の総量、セラミド量、コレステロール量、遊離脂肪酸量、セラミド分子種（ＮＤＳ、ＮＳ、ＮＨ、ＮＰ、ＡＤＳ、ＡＳ、ＡＨ、ＡＰ、ＥＯＳ、ＥＯＨ、ＥＯＰ等）ごとの量、セラミド分子種ごとの量の比率（ＮＰ／ＮＳ等）がある。
角層細胞間脂質に関する指標値は、例えば、液体クロマトグラフィ（ＬＣ）と質量分析（ＭＳ）とを組み合せた解析手法により測定可能である。角層細胞間脂質に関する指標値としては、例えば、角層細胞間脂質の総量、セラミド量、コレステロール量、遊離脂肪酸量、セラミド分子種（ＮＤＳ、ＮＳ、ＮＨ、ＮＰ、ＡＤＳ、ＡＳ、ＡＨ、ＡＰ、ＥＯＳ、ＥＯＨ、ＥＯＰ等）ごとの量、セラミド分子種ごとの量の比率（ＮＰ／ＮＳ等）がある。
角層の水分量に関する指標値は、角層に含まれる水分量（角層水分量とも表記される）を示す指標値である。但し、ここでの指標値は、厳密に角層のみに含まれる水分量を示す値であることに限定するものではなく、角層に含まれる水分量を主としつつ表皮における角層よりも下層の組織に含まれる水分量を含む指標値であってもよい。
角層水分量は、例えば、コンダクタンス測定法、キャパシタンス測定法等により測定可能である。
また、本明細書では、皮膚のバリア機能を示す評価値として知られている、角層を通って蒸散する水分量を意味する経皮水分蒸散量（ＴＥＷＬ）についても角層の水分量に関する指標値に位置付ける。ここでの評価値は、皮膚内部から外部へのバリア機能を示すだけではなく、皮膚外部から内部へのバリア機能を示す指標値を含むものである。但し、上述したとおり、経皮水分蒸散量（ＴＥＷＬ）は皮膚表面特性に関する指標値に位置付けることもできる。
角層水分量は、例えば、コンダクタンス測定法、キャパシタンス測定法等により測定可能である。
また、本明細書では、皮膚のバリア機能を示す評価値として知られている、角層を通って蒸散する水分量を意味する経皮水分蒸散量（ＴＥＷＬ）についても角層の水分量に関する指標値に位置付ける。ここでの評価値は、皮膚内部から外部へのバリア機能を示すだけではなく、皮膚外部から内部へのバリア機能を示す指標値を含むものである。但し、上述したとおり、経皮水分蒸散量（ＴＥＷＬ）は皮膚表面特性に関する指標値に位置付けることもできる。
複数のサンプル提供者に関するこのような既知の目的指標値と赤外吸収スペクトル情報とのデータセット群を用いて当該推定モデルが構築される。本実施形態では多変量解析を用いて構築された推定モデルが例示される。即ち、本実施形態における推定モデルは、複数のサンプル提供者に関する複数のデータセットに対して多変量解析を行うことにより得られる。
多変量解析手法としては、例えば、重回帰分析、主成分分析、部分的最小二乗回帰（ＰＬＳ）、主成分回帰分析（ＰＣＲ）等がよく知られている。本実施形態では、赤外吸収スペクトル情報を説明変数とし、目的指標値を目的変数とする推定モデルを構築可能であれば、利用される多変量解析の具体的手法は限定されない。本実施形態における推定モデルは推定式とも表記可能である。
多変量解析手法としては、例えば、重回帰分析、主成分分析、部分的最小二乗回帰（ＰＬＳ）、主成分回帰分析（ＰＣＲ）等がよく知られている。本実施形態では、赤外吸収スペクトル情報を説明変数とし、目的指標値を目的変数とする推定モデルを構築可能であれば、利用される多変量解析の具体的手法は限定されない。本実施形態における推定モデルは推定式とも表記可能である。
また、当該推定モデルは、ディープニューラルネットワークを含む畳み込みニューラルネットワークで構成されていてもよく、コンピュータプログラムとパラメータとの組合せ、複数の関数とパラメータとの組合せなどにより実現される。また、当該推定モデルは、ニューラルネットワークで構築される場合で、かつ、入力層、中間層及び出力層を一つのニューラルネットワークの単位と捉えた場合に、一つのニューラルネットワークを指してもよいし、複数のニューラルネットワークの組合せを指してもよい。また、当該モデルは、複数の推定式の組合せで構成されてもよいし、一つの推定式で構成されてもよい。また、推定モデルは、ニューラルネットワークと回帰式や判別式等のような他のモデルとの組合せで構成され、ニューラルネットワークの出力として得られた値を当該他のモデルに入力して得られる値を出力とするものであってもよい。
本実施形態において推定モデルは、複数の強度値を含む赤外吸収スペクトル情報を説明変数とし一つの目的指標値を目的変数とする一つの推定式であってもよいし、相互に異なる目的指標値をそれぞれ目的変数とする二以上の推定式の集合であってもよい。後者の場合には、工程（Ｓ１３）において、二以上の目的指標値が取得される。
また、当該推定モデルがニューラルネットワークで構成されるＡＩモデルとして構築されている場合には、複数の強度値を含む赤外吸収スペクトル情報を入力として、一つ又は複数の目的指標値が出力される。
また、当該推定モデルがニューラルネットワークで構成されるＡＩモデルとして構築されている場合には、複数の強度値を含む赤外吸収スペクトル情報を入力として、一つ又は複数の目的指標値が出力される。
工程（Ｓ１４）においてＣＰＵ１１は、工程（Ｓ１３）で取得された目的指標値を出力する。ＣＰＵ１１は、目的指標値を表示装置１５に表示させることもできるし、入出力Ｉ／Ｆ１３又は通信ユニット１４を介して接続されるプリンタ装置に目的指標値を出力させることもできるし、入出力Ｉ／Ｆ１３又は通信ユニット１４を介して可搬型記録媒体若しくは他のコンピュータに当該目的指標値を記録或いは送信することもできる。このように目的指標値の出力先及び出力方法は何ら限定されない。
また、ＣＰＵ１１は、工程（Ｓ１３）で取得された目的指標値を数値としてそのまま出力してもよいし、取得された目的指標値に対して桁合わせ等の正規化を行ったうえで出力してもよい。本実施形態は目的指標値の出力形式についても限定しない。
また、ＣＰＵ１１は、工程（Ｓ１３）で取得された目的指標値を数値としてそのまま出力してもよいし、取得された目的指標値に対して桁合わせ等の正規化を行ったうえで出力してもよい。本実施形態は目的指標値の出力形式についても限定しない。
以上のように本実施形態では、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報であって６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域を少なくとも含む比較的広い所定の波数領域における複数の強度値を含む赤外吸収スペクトル情報が推定モデルに入力されることで、被評価者の目的指標値が推定される。
角層に関する赤外吸収スペクトル情報から推定されるその目的指標値は、角層特性又は皮膚表面特性に関する指標値である。
角層に関する赤外吸収スペクトル情報から推定されるその目的指標値は、角層特性又は皮膚表面特性に関する指標値である。
上述の従来手法では、角層の性状を評価するにあたって角層の赤外吸収スペクトルにおける特定波数領域のピークに着目していたところ、本発明者は、角層の赤外吸収スペクトルにおける上述の第一及び第二波数領域を少なくとも含む比較的広い所定の波数領域に目を向けてそのような広い波数領域から抽出される複数の強度値（非ピーク領域の強度値、ピークとは無関係に一定間隔でサンプリングされた複数の強度値等）を用いることで角層特性又は皮膚表面特性をより高精度に推定可能であることを新たに見出したのである。
これにより、本実施形態によれば、角層の赤外吸収スペクトルにおける当該所定の波数領域における複数の強度値を用いることで角層を含む皮膚表面の指標を高精度に推定することができる。
更に言えば、各種測定装置を用いた皮膚表面の測定や画像撮影等のような角層を含む皮膚表面の指標を得るための個々の処理を行うことなく、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を得さえすれば、容易にそのような皮膚表面の指標を推定することができる。また、そのような赤外吸収スペクトル情報は、被評価者に接触することなく、被評価者の皮膚から剥離された状態の角層から取得可能であるため、本実施形態は、遠隔評価を可能とし、衛生面でも有用である。
これにより、本実施形態によれば、角層の赤外吸収スペクトルにおける当該所定の波数領域における複数の強度値を用いることで角層を含む皮膚表面の指標を高精度に推定することができる。
更に言えば、各種測定装置を用いた皮膚表面の測定や画像撮影等のような角層を含む皮膚表面の指標を得るための個々の処理を行うことなく、被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を得さえすれば、容易にそのような皮膚表面の指標を推定することができる。また、そのような赤外吸収スペクトル情報は、被評価者に接触することなく、被評価者の皮膚から剥離された状態の角層から取得可能であるため、本実施形態は、遠隔評価を可能とし、衛生面でも有用である。
上記の実施形態及び変形例の一部又は全部は、次のようにも特定され得る。但し、上述の実施形態及び変形例が以下の記載に制限されるものではない。
＜１＞ 一以上のプロセッサが、
被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、
複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、
を実行し、
前記赤外吸収スペクトル情報は、所定の波数領域における複数の強度値を含み、
前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である、
皮膚指標推定方法。
被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、
複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、
を実行し、
前記赤外吸収スペクトル情報は、所定の波数領域における複数の強度値を含み、
前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である、
皮膚指標推定方法。
＜２＞ 前記赤外吸収スペクトル情報は、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域における複数の強度値及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域における複数の強度値を少なくとも含む、
＜１＞に記載の皮膚指標推定方法。
＜３＞ 前記赤外吸収スペクトル情報は、前記第一波数領域及び前記第二波数領域の非ピーク領域における複数の強度値を少なくとも含む、
＜２＞に記載の皮膚指標推定方法。
＜４＞ 前記赤外吸収スペクトル情報は、前記第一波数領域から一定波数間隔及び前記第二波数領域から一定波数間隔でそれぞれサンプリングされた複数の強度値を含む、
＜２＞又は＜３＞に記載の皮膚指標推定方法。
＜５＞ 前記目的指標値は、角層の重層剥離率、角層細胞面積、角層細胞長さ、又は角層細胞真円率である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜６＞ 前記目的指標値は、角層細胞間脂質の総量、セラミド量、コレステロール量若しくは遊離脂肪酸量、角層細胞間脂質のセラミド分子種ごとの量、又は角層細胞間脂質のセラミド分子種ごとの量の比率である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜７＞ 前記目的指標値は、角層水分量又は経皮水分蒸散量である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜８＞ 前記目的指標値は、皮膚の表面形態測定により得られる鱗屑状態、皮膚の滑らかさ若しくはシワ状態の指標値、又は皮膚の表面形状を再現したレプリカの測定により得られた皮膚表面の粗さ、シワの深さ、シワの本数、シワの体積、シワの面積若しくはシワの面積率の指標値である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜１＞に記載の皮膚指標推定方法。
＜３＞ 前記赤外吸収スペクトル情報は、前記第一波数領域及び前記第二波数領域の非ピーク領域における複数の強度値を少なくとも含む、
＜２＞に記載の皮膚指標推定方法。
＜４＞ 前記赤外吸収スペクトル情報は、前記第一波数領域から一定波数間隔及び前記第二波数領域から一定波数間隔でそれぞれサンプリングされた複数の強度値を含む、
＜２＞又は＜３＞に記載の皮膚指標推定方法。
＜５＞ 前記目的指標値は、角層の重層剥離率、角層細胞面積、角層細胞長さ、又は角層細胞真円率である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜６＞ 前記目的指標値は、角層細胞間脂質の総量、セラミド量、コレステロール量若しくは遊離脂肪酸量、角層細胞間脂質のセラミド分子種ごとの量、又は角層細胞間脂質のセラミド分子種ごとの量の比率である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜７＞ 前記目的指標値は、角層水分量又は経皮水分蒸散量である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜８＞ 前記目的指標値は、皮膚の表面形態測定により得られる鱗屑状態、皮膚の滑らかさ若しくはシワ状態の指標値、又は皮膚の表面形状を再現したレプリカの測定により得られた皮膚表面の粗さ、シワの深さ、シワの本数、シワの体積、シワの面積若しくはシワの面積率の指標値である、
＜１＞から＜４＞のいずれか一つに記載の皮膚指標推定方法。
＜９＞ 一以上のプロセッサ及びメモリを少なくとも備える皮膚指標推定装置であって、
＜１＞から＜８＞のいずれか一つに記載の皮膚指標推定方法を実行可能な皮膚指標推定装置。
＜１＞から＜８＞のいずれか一つに記載の皮膚指標推定方法を実行可能な皮膚指標推定装置。
以下に複数の実施例を挙げ、上述の内容を更に詳細に説明する。但し、以下の各実施例の記載は、上述の内容に何ら限定を加えるものではない。
実施例１では、２０歳代から５０歳代の女性３９０名をサンプル提供者として、各サンプル提供者に関する赤外吸収スペクトル情報及び目的指標値のデータセットが取得された。
赤外吸収スペクトル情報は、上述した開示手法によって取得された。
また、赤外吸収スペクトル情報としては、赤外分光測定装置から出力される６００ｃｍ－１から４０００ｃｍ－１の波数領域（波数分解能０．５ｃｍ－１）の全て（６９５０個）の吸光度が用いられた。
目的指標値については、各サンプル提供者から各目的指標値に応じた取得方法を用いて複数種の目的指標値がそれぞれ取得された。目的指標値の種類については後述する。
赤外吸収スペクトル情報は、上述した開示手法によって取得された。
また、赤外吸収スペクトル情報としては、赤外分光測定装置から出力される６００ｃｍ－１から４０００ｃｍ－１の波数領域（波数分解能０．５ｃｍ－１）の全て（６９５０個）の吸光度が用いられた。
目的指標値については、各サンプル提供者から各目的指標値に応じた取得方法を用いて複数種の目的指標値がそれぞれ取得された。目的指標値の種類については後述する。
収集されたデータセット群は７対３に分割され、前者（７割）が推定モデル構築用とされ、後者（３割）が推定モデルの検証用とされた。
推定モデルは、推定モデル構築用の複数のデータセットに対して部分的最小二乗法（ＰＬＳ）を適用して構築され、Ｋ－分割交差検証（Ｋ＝５）でＰＲＥＳＳ（Predicted Residual Sum of Squares）が最小になるモデル（推定式）が選択された。
そして、構築された推定モデルが検証用の複数のデータセットを用いて検証された。具体的には、検証用のデータセットの赤外吸収スペクトル情報を推定モデルに入力することで得られる目的指標値（推定指標値）とそのデータセットの既知の目的指標値との相関が検証された。
推定モデルは、推定モデル構築用の複数のデータセットに対して部分的最小二乗法（ＰＬＳ）を適用して構築され、Ｋ－分割交差検証（Ｋ＝５）でＰＲＥＳＳ（Predicted Residual Sum of Squares）が最小になるモデル（推定式）が選択された。
そして、構築された推定モデルが検証用の複数のデータセットを用いて検証された。具体的には、検証用のデータセットの赤外吸収スペクトル情報を推定モデルに入力することで得られる目的指標値（推定指標値）とそのデータセットの既知の目的指標値との相関が検証された。
図４から図７は、推定モデルの目的指標値ごとの推定精度を示す表であり、推定精度を示す相関係数（Ｒ値）及びＰ値が目的指標値ごとに示されている。
図４は、角層の重層剥離率及び角層の細胞形状に関する目的指標値ごとの推定精度を示す表である。図４には、角層の細胞形状に関する目的指標値としては、角層細胞面積、角層細胞長さ及び角層細胞真円率が挙げられている。角層細胞長さは１つの角層細胞において最大となる長さを示し、角層細胞真円率は真円が１であり真円に近づく程１に近付く値である。
本実施例では、一人あたり角層画像が４枚撮像され、角層画像１枚あたり１０個から１５個程度の角層細胞が特定され、特定された各角層細胞の形状指標値をそれぞれ計測して４枚の角層画像分の平均をとることにより、図４の各目的指標の実測値が取得された。
図４に示されるように、角層重層剥離率、角層細胞面積、角層細胞長さ及び角層細胞真円率の目的指標値の推定精度については、Ｐ値が十分に小さく（１％有意水準で）相関係数が０．２５以上を示している。
本実施例では、一人あたり角層画像が４枚撮像され、角層画像１枚あたり１０個から１５個程度の角層細胞が特定され、特定された各角層細胞の形状指標値をそれぞれ計測して４枚の角層画像分の平均をとることにより、図４の各目的指標の実測値が取得された。
図４に示されるように、角層重層剥離率、角層細胞面積、角層細胞長さ及び角層細胞真円率の目的指標値の推定精度については、Ｐ値が十分に小さく（１％有意水準で）相関係数が０．２５以上を示している。
図５は、角層細胞間脂質に関する目的指標値ごとの推定精度を示す表である。図５に示される目的指標値は、セラミドＮＤＳ、セラミドＮＳ、セラミドＮＨ、セラミドＮＰ、セラミドＡＤＳ、セラミドＡＳ、セラミドＡＨ、セラミドＡＰ、セラミドＥＯＳ、セラミドＥＯＨ及びセラミドＥＯＰ各々の量、総セラミド量、総遊離脂肪酸量、コレステロール量、硫酸コレステロール量、角層細胞間脂質の総量、並びにセラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）である。
図５に示されるように、角層細胞間脂質に関する目的指標値の推定精度については、セラミドＮＳ量及びセラミドＡＳ量を除けば、Ｐ値が十分に小さく（１％有意水準で）相関係数が０．２５以上を示しており、セラミドＡＳ量の推定精度については５％有意水準で相関係数が０．２０１を示しており、セラミドＮＳ量の推定精度については１０％有意水準で相関係数が０．１８０を示している。
図５に示されるように、角層細胞間脂質に関する目的指標値の推定精度については、セラミドＮＳ量及びセラミドＡＳ量を除けば、Ｐ値が十分に小さく（１％有意水準で）相関係数が０．２５以上を示しており、セラミドＡＳ量の推定精度については５％有意水準で相関係数が０．２０１を示しており、セラミドＮＳ量の推定精度については１０％有意水準で相関係数が０．１８０を示している。
図６は、角層の水分量に関する目的指標値ごとの推定精度を示す表である。図６に示される目的指標値は、経皮水分蒸散量（ＴＥＷＬ）、キャパシタンス測定法で得られた角層水分量及びコンダクタンス測定法で得られた角層水分量である。
図６に示されるように、経皮水分蒸散量（ＴＥＷＬ）の実測値はＴｅｗａｍｅｔｅｒ（ＭＰＡ５８０、Ｃｏｕｒａｇｅ＋Ｋｈａｚａｋａ社、ドイツ）を用いて測定され、「Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス」と表記されている項目の実測値は、キャパシタンス測定法としてＣｏｒｎｅｏｍｅｔｅｒ（ＭＰＡ５８０、Ｃｏｕｒａｇｅ＋Ｋｈａｚａｋａ社、ドイツ）を用いて測定され、「Ｓｋｉｃｏｎ－コンダクタンス」と表記されている項目の実測値は、コンダクタンス測定法としてＳｋｉｃｏｎ（ヤヨイ社製）を用いて測定された。
図６に示されるように、角層水分量に関する目的指標値の推定精度については、いずれもＰ値が十分に小さく（１％有意水準で）相関係数が０．４５以上を示している。
図６に示されるように、経皮水分蒸散量（ＴＥＷＬ）の実測値はＴｅｗａｍｅｔｅｒ（ＭＰＡ５８０、Ｃｏｕｒａｇｅ＋Ｋｈａｚａｋａ社、ドイツ）を用いて測定され、「Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス」と表記されている項目の実測値は、キャパシタンス測定法としてＣｏｒｎｅｏｍｅｔｅｒ（ＭＰＡ５８０、Ｃｏｕｒａｇｅ＋Ｋｈａｚａｋａ社、ドイツ）を用いて測定され、「Ｓｋｉｃｏｎ－コンダクタンス」と表記されている項目の実測値は、コンダクタンス測定法としてＳｋｉｃｏｎ（ヤヨイ社製）を用いて測定された。
図６に示されるように、角層水分量に関する目的指標値の推定精度については、いずれもＰ値が十分に小さく（１％有意水準で）相関係数が０．４５以上を示している。
図７は、皮膚表面特性に関する目的指標値ごとの推定精度を示す表である。図７に示される目的指標値は、頬の皮膚の表面形態測定により得られる鱗屑状態（ＳＥＳＣ）、皮膚の滑らかさ（ＳＥＳＭ）及びシワ状態（ＳＥＷ）を示す指標値、目尻のレプリカの表面形態測定により得られる算術平均粗さ（Ｒａ）、二乗平均平方根粗さ（Ｒｑ）、総シワ平均深さ、十点平均粗さ（Ｒｚ）、シワ本数、シワ総体積、シワ総面積、及びシワ面積率である。
図７において「Ｖｉｓｉｏｓｃａｎ」と表記されている項目の実測値は、Ｖｉｓｉｏｓｃａｎ（Ｃｏｕｒａｇｅ＋Ｋｈａｚａｋａ社、ドイツ）を用いて頬の皮膚から計測された。また、図７において「レプリカ」と表記されている項目の実測値は、目尻に皮膚レプリカ用シリコン剤（ＳＩＬＦＬＯ、ＦＬＥＸＩＣＯ社製）を塗布して硬化後に剥離することで、皮膚の表面形状を再現した凹凸型レプリカを作成し、そのレプリカを三次元皮膚解析システムＰＲＩＭＯＳ（Ｃａｎｆｉｅｌｄ Ｓｃｉｅｎｔｉｆｉｃ社）で解析することで得られた。
算術平均粗さ（Ｒａ）は、平均線から測定曲線までの距離の絶対値を足し合わせて平均した値であり、二乗平均平方根粗さ（Ｒｑ）は、基準長さにおける二乗平均平方根であり、総シワ平均深さは、当該レプリカの表面形状に対して形状補正された三次元形状から抽出されたシワの平均深さであり、十点平均粗さ（Ｒｚ）は、最も高い５つの山の平均と最も低い５つの谷の平均の深さの間の和（距離）であり、シワ本数は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出されたシワの総数であり、シワ総体積は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出された各シワの体積の総和であり、シワ総面積は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出された各シワの面積の総和であり、シワ面積率は、シワ総面積のシワを抽出した領域面積に対する比率である。
算術平均粗さ（Ｒａ）は、平均線から測定曲線までの距離の絶対値を足し合わせて平均した値であり、二乗平均平方根粗さ（Ｒｑ）は、基準長さにおける二乗平均平方根であり、総シワ平均深さは、当該レプリカの表面形状に対して形状補正された三次元形状から抽出されたシワの平均深さであり、十点平均粗さ（Ｒｚ）は、最も高い５つの山の平均と最も低い５つの谷の平均の深さの間の和（距離）であり、シワ本数は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出されたシワの総数であり、シワ総体積は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出された各シワの体積の総和であり、シワ総面積は、当該レプリカの表面形状に対して形状補正された三次元形状から抽出された各シワの面積の総和であり、シワ面積率は、シワ総面積のシワを抽出した領域面積に対する比率である。
図７に示されるように、皮膚表面特性に関する目的指標値の推定精度については、「Ｖｉｓｉｏｓｃａｎ－ＳＥＳＭ」、「レプリカ－シワ総面積」及び「レプリカ－シワ面積率」を除けば、５％又は１％有意水準で相関係数が０．２以上を示している。「レプリカ－シワ面積率」の推定精度については、５％有意水準で相関係数が０．１８５を示しており、「Ｖｉｓｉｏｓｃａｎ－ＳＥＳＭ」及び「レプリカ－シワ総面積」の推定精度については、１０％有意水準で０．１６以上の推定精度を示している。
このように実施例１によれば、角層の赤外吸収スペクトルにおける６００ｃｍ－１から４０００ｃｍ－１の波数領域の一定の領域間隔（波数分解能０．５ｃｍ－１）の多数（６９５０個）の吸光度を用いることで、角層特性及び皮膚表面特性に関する指標値を高精度に推定できることが実証されている。
図８は、角層特性を目的指標値とする推定モデル（推定式）における各波数成分（各説明変数）の吸光度に対する重み（回帰係数）を示すグラフである。図８（ａ）は、Ｓｋｉｃｏｎ（ヤヨイ社製）を用いて測定された角層水分量を目的指標値とする推定モデル（推定式）に関するグラフであり、図８（ｂ）は、経皮水分蒸散量（ＴＥＷＬ）を目的指標値とする推定モデル（推定式）に関するグラフであり、図８（ｃ）は、セラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）を目的指標値とする推定モデル（推定式）に関するグラフであり、図８（ｄ）は、角層重層剥離率を目的指標値とする推定モデル（推定式）に関するグラフである。
図８では、グラフの縦軸の値の絶対値が大きい波数成分は、目的指標値に対する寄与率が高いことを示している。
図８では、グラフの縦軸の値の絶対値が大きい波数成分は、目的指標値に対する寄与率が高いことを示している。
図８によれば、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域において複数のピークが存在していることから、当該第一波数領域及び当該第二波数領域における強度値の、目的指標値に対する寄与率が、それ以外の波数領域の強度値よりも高いことが分かる。
従って、本実施形態のように、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域における複数の強度値及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域における複数の強度値を少なくとも含む赤外吸収スペクトル情報を用いることで、推定モデルによる目的指標値の推定精度を向上させることができることが実証されている。
従って、本実施形態のように、６００ｃｍ－１以上１８００ｃｍ－１以下の第一波数領域における複数の強度値及び２８００ｃｍ－１以上３７００ｃｍ－１以下の第二波数領域における複数の強度値を少なくとも含む赤外吸収スペクトル情報を用いることで、推定モデルによる目的指標値の推定精度を向上させることができることが実証されている。
上述の実施例１では、赤外吸収スペクトル情報が上述した開示手法、即ち粘着テープＴ１からシリコーン粘着層を有するテープＴ２に角層を転写して、そのテープＴ２の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＡとシリコーン粘着層を有する未使用のテープＴ３の粘着面をＡＴＲ－ＩＲ測定して得られる赤外吸収スペクトルＢとの差スペクトルを求めて、その差スペクトルから当該赤外吸収スペクトル情報を抽出する手法によって取得される例が示された。
実施例２では、実施例１で採用された開示手法とは異なる手法で赤外吸収スペクトル情報が取得された。即ち、実施例２において赤外吸収スペクトル情報は、粘着テープＴ１で皮膚表面から角層を採取し、採取された角層をその粘着テープＴ１からシリコーン粘着層を有するテープＴ２に転写して、そのテープＴ２の粘着面を赤外分光測定装置で計測することで得られた。このため、実施例２における赤外吸収スペクトル情報には、粘着テープＴ２の成分、角層成分及び水分に係るスペクトル情報が少なくとも含まれているといえる。
実施例２においても、実施例１と同様に推定モデルが構築され、検証用のデータセット（３割のデータセット）の赤外吸収スペクトル情報をその推定モデルに入力することで得られる目的指標値（推定指標値）とそのデータセットの既知の目的指標値との相関が検証された。そして、実施例１で検証された相関と実施例２で検証された相関とが比較された。
結果、角層水分量（Ｓｋｉｃｏｎ－コンダクタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４９１でＰ値が２．４９Ｅ－０８であり（図６参照）、実施例２で得られた相関係数は０．５２０でＰ値が２．６８Ｅ－０９となった。
角層水分量（Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．５７７でＰ値が２．１５Ｅ－１１であり（図６参照）、実施例２で得られた相関係数は０．６０６でＰ値が１．１４Ｅ－１２となった。
経皮水分蒸散量（ＴＥＷＬ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４６０でＰ値が２．９１Ｅ－０７であり（図６参照）、実施例２で得られた相関係数は０．５３０でＰ値が１．５３Ｅ－０９となった。
セラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．６０７でＰ値が１．００Ｅ－１２であり（図５参照）、実施例２で得られた相関係数は０．５７３でＰ値が３．１７Ｅ－１１となった。
角層重層剥離率を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４５３でＰ値が３．２５Ｅ－０７であり（図４参照）、実施例２で得られた相関係数は０．５０７でＰ値が６．５０Ｅ－０９となった。
このため、実施例２のように実施例１とは異なる手法で得られた赤外吸収スペクトル情報を用いる場合であっても、実施例１とほぼ同様に、推定モデルの推定精度を維持できることが分かった。
角層水分量（Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．５７７でＰ値が２．１５Ｅ－１１であり（図６参照）、実施例２で得られた相関係数は０．６０６でＰ値が１．１４Ｅ－１２となった。
経皮水分蒸散量（ＴＥＷＬ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４６０でＰ値が２．９１Ｅ－０７であり（図６参照）、実施例２で得られた相関係数は０．５３０でＰ値が１．５３Ｅ－０９となった。
セラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．６０７でＰ値が１．００Ｅ－１２であり（図５参照）、実施例２で得られた相関係数は０．５７３でＰ値が３．１７Ｅ－１１となった。
角層重層剥離率を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４５３でＰ値が３．２５Ｅ－０７であり（図４参照）、実施例２で得られた相関係数は０．５０７でＰ値が６．５０Ｅ－０９となった。
このため、実施例２のように実施例１とは異なる手法で得られた赤外吸収スペクトル情報を用いる場合であっても、実施例１とほぼ同様に、推定モデルの推定精度を維持できることが分かった。
実施例１では、赤外吸収スペクトル情報として、赤外分光測定装置から出力される６００ｃｍ－１から４０００ｃｍ－１の波数領域（波数分解能０．５ｃｍ－１）の全て（６９５０個）の吸光度を用いる例を示した。つまり、実施例１で用いられる赤外吸収スペクトル情報に含まれる吸光度は一定の波数間隔（波数分解能０．５ｃｍ－１）の強度値となっている。
実施例３では、一定の波数間隔としながらその波数間隔が実施例１の波数間隔よりも大きくされて、６００ｃｍ－１から４０００ｃｍ－１の波数領域における２５個の吸光度を含む赤外吸収スペクトル情報が用いられた。即ち、実施例３で用いられる赤外吸収スペクトル情報の吸光度数は実施例１の２７８分の１とされた。
実施例３では、一定の波数間隔としながらその波数間隔が実施例１の波数間隔よりも大きくされて、６００ｃｍ－１から４０００ｃｍ－１の波数領域における２５個の吸光度を含む赤外吸収スペクトル情報が用いられた。即ち、実施例３で用いられる赤外吸収スペクトル情報の吸光度数は実施例１の２７８分の１とされた。
実施例３においても、実施例１及び２と同様に推定モデルが構築され、検証用のデータセット（３割のデータセット）の赤外吸収スペクトル情報をその推定モデルに入力することで得られる目的指標値（推定指標値）とそのデータセットの既知の目的指標値との相関が検証された。そして、実施例１で検証された相関と実施例３で検証された相関とが比較された。
結果、角層水分量（Ｓｋｉｃｏｎ－コンダクタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４９１でＰ値が２．４９Ｅ－０８であり（図６参照）、実施例３で得られた相関係数は０．５２２でＰ値が２．２６Ｅ－０９となった。
角層水分量（Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．５７７でＰ値が２．１５Ｅ－１１であり（図６参照）、実施例３で得られた相関係数は０．５７４でＰ値が３．１２Ｅ－１１となった。
経皮水分蒸散量（ＴＥＷＬ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４６０でＰ値が２．９１Ｅ－０７であり（図６参照）、実施例３で得られた相関係数は０．４１７でＰ値が４．３５Ｅ－０６となった。
セラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．６０７でＰ値が１．００Ｅ－１２であり（図５参照）、実施例３で得られた相関係数は０．５４５でＰ値が４．３８Ｅ－１０となった。
角層重層剥離率を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４５３でＰ値が３．２５Ｅ－０７であり（図４参照）、実施例３で得られた相関係数は０．５４２でＰ値が３．３７Ｅ－１０となった。
このため、実施例３のように実施例１とは異なる波数間隔及び数の吸光度から形成される赤外吸収スペクトル情報を用いる場合であっても、実施例１とほぼ同様に、推定モデルの推定精度を維持できることが分かった。
角層水分量（Ｃｏｒｎｅｏｍｅｔｅｒ－キャパシタンス）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．５７７でＰ値が２．１５Ｅ－１１であり（図６参照）、実施例３で得られた相関係数は０．５７４でＰ値が３．１２Ｅ－１１となった。
経皮水分蒸散量（ＴＥＷＬ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４６０でＰ値が２．９１Ｅ－０７であり（図６参照）、実施例３で得られた相関係数は０．４１７でＰ値が４．３５Ｅ－０６となった。
セラミドＮＰの量とセラミドＮＳの量との比率（ＮＰ／ＮＳ）を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．６０７でＰ値が１．００Ｅ－１２であり（図５参照）、実施例３で得られた相関係数は０．５４５でＰ値が４．３８Ｅ－１０となった。
角層重層剥離率を目的指標値とする推定モデル（推定式）に関しては、実施例１で得られた相関係数は０．４５３でＰ値が３．２５Ｅ－０７であり（図４参照）、実施例３で得られた相関係数は０．５４２でＰ値が３．３７Ｅ－１０となった。
このため、実施例３のように実施例１とは異なる波数間隔及び数の吸光度から形成される赤外吸収スペクトル情報を用いる場合であっても、実施例１とほぼ同様に、推定モデルの推定精度を維持できることが分かった。
［比較例］
最後に、上記特許文献２で開示されている手法を比較例として挙げ、この比較例と実施例１との推定精度の比較結果を記載する。
比較例は、上述したとおり、ピーク面積比β／αを算出し、算出された比β／αの値を指標として皮膚の角層の性状を医療行為以外の目的で評価する方法であり、この比較例の手法で経皮水分蒸散量（ＴＥＷＬ）を推定し、得られた推定値と上述のように測定された実測値との比較により推定精度が算出された。
結果、比較例による推定精度は、相関係数（Ｒ値）が０．２７４でありＰ値が３．３０Ｅ－０３であった。一方、実施例１の手法の推定精度は、図６で示されるとおり相関係数（Ｒ値）が０．４６０でありＰ値が２．９１Ｅ－０７である。
従って、実施例１によれば比較例よりも高精度に角層特性を推定可能であり、実施例１の優位性が実証された。
最後に、上記特許文献２で開示されている手法を比較例として挙げ、この比較例と実施例１との推定精度の比較結果を記載する。
比較例は、上述したとおり、ピーク面積比β／αを算出し、算出された比β／αの値を指標として皮膚の角層の性状を医療行為以外の目的で評価する方法であり、この比較例の手法で経皮水分蒸散量（ＴＥＷＬ）を推定し、得られた推定値と上述のように測定された実測値との比較により推定精度が算出された。
結果、比較例による推定精度は、相関係数（Ｒ値）が０．２７４でありＰ値が３．３０Ｅ－０３であった。一方、実施例１の手法の推定精度は、図６で示されるとおり相関係数（Ｒ値）が０．４６０でありＰ値が２．９１Ｅ－０７である。
従って、実施例１によれば比較例よりも高精度に角層特性を推定可能であり、実施例１の優位性が実証された。
１０ 情報処理装置（皮膚指標推定装置）
１１ ＣＰＵ
１２ メモリ
１３ 入出力Ｉ／Ｆ
１４ 通信ユニット
１５ 表示装置
１６ 入力装置
１１ ＣＰＵ
１２ メモリ
１３ 入出力Ｉ／Ｆ
１４ 通信ユニット
１５ 表示装置
１６ 入力装置
Claims (8)
- 一以上のプロセッサが、
被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、
複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、
を実行し、
前記赤外吸収スペクトル情報は、６００ｃｍ －１ 以上１８００ｃｍ －１ 以下の第一波数領域における複数の強度値及び２８００ｃｍ －１ 以上３７００ｃｍ －１ 以下の第二波数領域における複数の強度値を少なくとも含み、
前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である、
皮膚指標推定方法。 - 一以上のプロセッサが、
被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、
複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、
を実行し、
前記赤外吸収スペクトル情報は、６００ｃｍ －１ 以上１８００ｃｍ －１ 以下の第一波数領域のピーク領域及び非ピーク領域における複数の強度値及び２８００ｃｍ －１ 以上３７００ｃｍ －１ 以下の第二波数領域のピーク領域及び非ピーク領域における複数の強度値を少なくとも含み、
前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である、
皮膚指標推定方法。 - 一以上のプロセッサが、
被評価者の皮膚から剥離された角層に関する赤外吸収スペクトル情報を取得する取得工程と、
複数のサンプル提供者における皮膚から剥離された角層に関する赤外吸収スペクトル情報と既知の目的指標値との複数のデータセットを用いて得られた推定モデルに、前記取得された赤外吸収スペクトル情報を入力することにより、前記被評価者の目的指標値を推定する推定工程と、
を実行し、
前記赤外吸収スペクトル情報は、６００ｃｍ －１ 以上１８００ｃｍ －１ 以下の第一波数領域から一定波数間隔及び２８００ｃｍ －１ 以上３７００ｃｍ －１ 以下の第二波数領域から一定波数間隔でそれぞれサンプリングされた複数の強度値を少なくとも含み、
前記目的指標値は、角層特性又は皮膚表面特性に関する指標値である、
皮膚指標推定方法。 - 前記目的指標値は、角層の重層剥離率、角層細胞面積、角層細胞長さ、又は角層細胞真円率である、
請求項１から３のいずれか一項に記載の皮膚指標推定方法。 - 前記目的指標値は、角層細胞間脂質の総量、セラミド量、コレステロール量若しくは遊離脂肪酸量、角層細胞間脂質のセラミド分子種ごとの量、又は角層細胞間脂質のセラミド分子種ごとの量の比率である、
請求項１から３のいずれか一項に記載の皮膚指標推定方法。 - 前記目的指標値は、角層水分量又は経皮水分蒸散量である、
請求項１から３のいずれか一項に記載の皮膚指標推定方法。 - 前記目的指標値は、皮膚の表面形態測定により得られる鱗屑状態、皮膚の滑らかさ若しくはシワ状態の指標値、又は皮膚の表面形状を再現したレプリカの測定により得られた皮膚表面の粗さ、シワの深さ、シワの本数、シワの体積、シワの面積若しくはシワの面積率の指標値である、
請求項１から３のいずれか一項に記載の皮膚指標推定方法。 - 前記一以上のプロセッサ及びメモリを少なくとも備える皮膚指標推定装置であって、
前記推定モデルを利用可能であり、
前記メモリにはコンピュータプログラムが格納されており、
前記一以上のプロセッサにより前記コンピュータプログラムが実行されることにより、請求項１から３のいずれか一項に記載の皮膚指標推定方法を実行可能な皮膚指標推定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022135882A JP7631265B2 (ja) | 2022-08-29 | 2022-08-29 | 皮膚指標推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022135882A JP7631265B2 (ja) | 2022-08-29 | 2022-08-29 | 皮膚指標推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2024032299A JP2024032299A (ja) | 2024-03-12 |
| JP7631265B2 true JP7631265B2 (ja) | 2025-02-18 |
Family
ID=90193188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022135882A Active JP7631265B2 (ja) | 2022-08-29 | 2022-08-29 | 皮膚指標推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7631265B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119745378B (zh) * | 2025-03-06 | 2025-07-04 | 湖南安瑜健康科技有限公司 | 基于预测模型的血脂监测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002090298A (ja) | 2000-09-01 | 2002-03-27 | Spectron Tech Co Ltd | 近赤外線分光分析法による皮膚水分測定方法および装置 |
| JP2005034350A (ja) | 2003-07-14 | 2005-02-10 | Pola Chem Ind Inc | 皮膚状態の鑑別法及び該鑑別結果を用いたモニタリング方法 |
| JP2020193948A (ja) | 2019-05-30 | 2020-12-03 | 花王株式会社 | 角層解析方法 |
| WO2022170440A1 (en) | 2021-02-12 | 2022-08-18 | Isbrg Corp. | Non-invasive determination of a physiological state of interest in a subject from spectral data processed using a trained machine learning model |
-
2022
- 2022-08-29 JP JP2022135882A patent/JP7631265B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002090298A (ja) | 2000-09-01 | 2002-03-27 | Spectron Tech Co Ltd | 近赤外線分光分析法による皮膚水分測定方法および装置 |
| JP2005034350A (ja) | 2003-07-14 | 2005-02-10 | Pola Chem Ind Inc | 皮膚状態の鑑別法及び該鑑別結果を用いたモニタリング方法 |
| JP2020193948A (ja) | 2019-05-30 | 2020-12-03 | 花王株式会社 | 角層解析方法 |
| WO2022170440A1 (en) | 2021-02-12 | 2022-08-18 | Isbrg Corp. | Non-invasive determination of a physiological state of interest in a subject from spectral data processed using a trained machine learning model |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024032299A (ja) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Rolling bearing fault diagnosis approach using probabilistic principal component analysis denoising and cyclic bispectrum | |
| Veluguri | Deep ppg: Improving heart rate estimates with activity prediction | |
| Ma et al. | Rolling bearing fault diagnosis based on improved VMD-adaptive wavelet threshold joint noise reduction | |
| Rahman et al. | An efficient scheme for mental task classification utilizing reflection coefficients obtained from autocorrelation function of EEG signal | |
| Xiong et al. | CEEMDAN-IMFx-PCA-CICA: an improved single-channel blind source separation in multimedia environment for motion artifact reduction in ambulatory ECG | |
| Meng et al. | Statistical analysis of age-related skin parameters | |
| JP7631265B2 (ja) | 皮膚指標推定方法 | |
| Yu et al. | Strain signal denoising based on adaptive variation mode decomposition (VMD) algorithm | |
| WO2007026337A2 (en) | Methods for retail measurement of skin moisture content | |
| Hu et al. | A hybrid denoising approach for PPG signals utilizing variational mode decomposition and improved wavelet thresholding | |
| Zhang et al. | Denoising for ECG signals based on VMD and RLS | |
| Zhang et al. | Intelligent emotion recognition in product design using multimodal physiological signals and machine learning | |
| Chen et al. | Research on recognition and classification of pulse signal features based on EPNCC | |
| Xia et al. | VMD based wavelet hybrid denoising and improved FBCCA algorithm: a new technique for wearable SSVEP recognition | |
| Chen et al. | Nonlinear stochastic system identification of skin using Volterra kernels | |
| Hsu | An integrated-mental brainwave system for analyses and judgments of consumer preference | |
| JP7758635B2 (ja) | 身体指標推定方法 | |
| Hasan et al. | Heart rate estimation from wrist ppg signal during intense physical exercise | |
| Pan et al. | A fourth derivative based tool for pulse signal special point identification | |
| Jing et al. | A cardiac audio classification method based on image expression of multidimensional features | |
| CN119740006A (zh) | 基于脑电信号的不同视场大小显示系统沉浸感预测方法 | |
| Rojas et al. | Crawling waves speed estimation based on the dominant component analysis paradigm | |
| Tang et al. | A short recorded pulse dataset for vascular age prediction in China | |
| Ding | Evaluating change in behavioral preferences: Multidimensional scaling single-ideal point model | |
| JP7626353B2 (ja) | 皮膚の状態の推定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240119 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240119 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240925 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20241001 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20241129 |
|
| 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: 20250128 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250205 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7631265 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |