CN103052350A - 用于估计生物节律的装置、方法和程序 - Google Patents

用于估计生物节律的装置、方法和程序 Download PDF

Info

Publication number
CN103052350A
CN103052350A CN2011800347505A CN201180034750A CN103052350A CN 103052350 A CN103052350 A CN 103052350A CN 2011800347505 A CN2011800347505 A CN 2011800347505A CN 201180034750 A CN201180034750 A CN 201180034750A CN 103052350 A CN103052350 A CN 103052350A
Authority
CN
China
Prior art keywords
desired value
rhythm curve
experimental subject
biorhythm
curve
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.)
Granted
Application number
CN2011800347505A
Other languages
English (en)
Other versions
CN103052350B (zh
Inventor
佐塚直也
佐野茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN103052350A publication Critical patent/CN103052350A/zh
Application granted granted Critical
Publication of CN103052350B publication Critical patent/CN103052350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4857—Indicating the phase of biorhythm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

作为表示生物信息的指标值的日内变动特性的生物节律曲线，准备基于多个实验对象样本的基准节律曲线(RC)。将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值(C)。产生目标为实验对象的实验对象节律曲线(EC)。将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值(C′)应用于实验对象节律曲线。估计实验对象的生物节律。

Description

用于估计生物节律的装置、方法和程序
技术领域
本公开涉及生物节律（biorhythm）估计装置、生物节律估计方法和程序。
背景技术
生物节律是有机体的自律的周期节律，并且调整全天内的睡眠、体温、血压、自律神经等的变化。生物节律的失常可能会影响诸如时差症、失眠和季节性忧郁症的症状，并且，对生物节律的治疗已经得以关注。生物节律可能会影响身体能力的发挥或者药物的功效，并且，对这种效果的最大化已经得以关注。因此，需要容易地估计实验对象的生物节律。
例如，在下面的专利文献1和2中公开了在24小时以上测量实验对象的直肠温度并估计生物节律曲线。此外，在下面的专利文献2中还公开了在24小时以上测量实验对象的心率并估计生物节律曲线。
引文列表
专利文献
[专利文献1]日本专利申请公开No.H6-189914A
[专利文献2]日本专利申请公开No.H6-217946A
发明内容
技术问题
但是，在测量直肠温度时，实验对象应该把10cm以上的测量探针（probe）插入其肛门，并且，在测量心率时，实验对象应该把测量片（patch）附着到其胸部。此外，在生物节律估计时，需要在24小时以上连续地测量实验对象的生物信息。因此，实验对象由于侵入测量而感觉疼痛、不舒服等，并且由于长期测量而给日常生活带来麻烦。由此，在现有技术中，容易地估计实验对象的生物节律是困难的。
希望提供一种能够基于非侵入地、容易地测得的生物信息来估计实验对象的生物节律的生物节律估计装置、生物节律估计方法和程序。
解决问题的方案
根据本公开的一个方面，提供一种生物节律估计装置，其包括：基准节律曲线存储单元，被配置为存储基于多个实验对象样本的基准节律曲线，该基准节律曲线作为表示生物信息的指标值的日内变动特性的生物节律曲线被产生；生物信息测量单元，被配置为非侵入地测量实验对象的生物信息；指标值计算单元，被配置为从生物信息的测量值计算出指标值；实验对象节律曲线产生单元，被配置为将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；实验对象节律曲线存储单元，被配置为存储实验对象节律曲线；以及生物节律估计单元，被配置为将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
基准节律曲线可以是由从在24小时以上对所述多个实验对象样本测得的生物信息的测量值计算出的指标值产生的，实验对象节律曲线产生单元可以将基准节律曲线拟合到两个以上的指标值，所述两个以上的指标值是从按时间间隔对实验对象非侵入地测量两次以上得到的生物信息计算出的，并且生物节律估计单元可以将从对实验对象非侵入地测量一次以上得到的生物信息计算出的两个以上的指标值应用于实验对象节律曲线。
基准节律曲线和实验对象节律曲线中的每一个可以具有第一节律曲线和第二节律曲线，第一节律曲线表示从一个以上的生物信息计算出的第一指标值的日内变动特性，第二节律曲线表示其类型与第一指标值不同的第二指标值的日内变动特性，指标值计算单元从对实验对象非侵入地测量一次得到的一个以上的生物信息计算出第一指标值和第二指标值，并且生物节律估计单元可以在第一节律曲线上导出对应于第一指标值的时刻t11和t12（t11<t12），在第二节律曲线上导出对应于第二指标值的时刻t21和t22（t21<t22），并且从与时段|t11-t21|和时段|t12-t22|中的较小者相对应的时刻估计实验对象的生物节律。
第一指标值可以是从脉波计算出的脉率，并且，第二指标值可以是从脉波计算出的AI值。
第一指标值可以是从脉波计算出的脉率或AI值，并且，第二指标值可以是口内温或耳内温。
基准节律曲线和实验对象节律曲线可以分别具有表示从生物信息计算出的指标值的日内变动特性的节律曲线，指标值计算单元从在12小时内按测量间隔对实验对象非侵入地测量两次得到的生物信息计算出具有不同的测量时间点的第一指标值和第二指标值，并且生物节律估计单元可以在实验对象节律曲线上导出对应于第一指标值的一个以上的第一时刻，在实验对象节律曲线上导出对应于第二指标值的一个以上的第二时刻，并且从与第一时刻和第二时刻之间的时段当中的最接近测量间隔的时段相对应的时刻估计实验对象的生物节律。
第一指标值和第二指标值中的每一个可以是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
基准节律曲线和实验对象节律曲线可以分别具有表示从生物信息计算出的指标值的日内变动特性的节律曲线，指标值计算单元从按测量间隔对实验对象非侵入地测量三次以上得到的生物信息计算出具有不同的测量时间点的三个以上的指标值，并且，生物节律估计单元可以将所述三个以上的指标值应用于实验对象节律曲线，以从实验对象节律曲线上的对应于所述三个以上的指标值的时刻估计实验对象的生物节律。
指标值可以是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
基准节律曲线可以作为第一节律曲线和第二节律曲线被准备，第一节律曲线的目标是具有至少第一生活时间模式（living hourpattern）的多个实验对象样本，第二节律曲线的目标是具有与第一生活时间模式不同的第二生活时间模式的多个实验对象样本，并且，实验对象节律曲线产生单元可以将与实验对象的生活时间模式匹配的第一和第二节律曲线中的至少一个拟合到指标值，以产生实验对象节律曲线。
生物节律曲线可以是单模函数（single-mode function）。单模函数可以是24小时的周期的三角函数。
此外，根据本公开的另一个方面，提供一种生物节律估计方法，其包括：准备基于多个实验对象样本的基准节律曲线，作为表示生物信息的指标值的日内变动特性的生物节律曲线；将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；以及将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
此外，根据本公开的另一个方面，提供一种程序，该程序使计算机执行如下：准备基于多个实验对象样本的基准节律曲线，作为表示生物信息的指标值的日内变动特性的生物节律曲线；将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；以及将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
本发明的有益效果
如上所述，根据本公开，可以提供一种能够基于非侵入地、容易地测得的生物信息来估计实验对象的生物节律的生物节律估计装置、生物节律估计方法和程序。
附图说明
[图1]图1是示出根据本公开实施例的生物节律估计方法的概要的示图。
[图2]图2是示出根据本公开实施例的生物节律估计装置的配置的框图。
[图3]图3是示出生物节律估计方法的整个过程的流程图。
[图4]图4是示出AI值的示图。
[图5]图5是示出产生基准节律曲线的过程的流程图。
[图6A]图6A是示出产生基准节律曲线的方法的示图（1/4）。
[图6B]图6B是示出产生基准节律曲线的方法的示图（2/4）。
[图6C]图6C是示出产生基准节律曲线的方法的示图（3/4）。
[图6D]图6D是示出产生基准节律曲线的方法的示图（4/4）。
[图7]图7是示出生物信息测量过程的流程图。
[图8A]图8A是示出生物信息测量方法的示图（1/3）。
[图8B]图8B是示出生物信息测量方法的示图（2/3）。
[图8C]图8C是示出生物信息测量方法的示图（3/3）。
[图9]图9是示出产生实验对象节律曲线的过程的流程图。
[图10]图10是示出产生实验对象节律曲线的方法的示图。
[图11]图11是示出基于1点法的生物节律估计过程的流程图。
[图12]图12是示出基于1点法的生物节律估计方法的示图。
[图13]图13是示出基于2点法的生物节律估计过程的流程图。
[图14A]图14A是示出基于2点法的生物节律估计方法的示图（1/4）。
[图14B]图14B是示出基于2点法的生物节律估计方法的示图（2/4）。
[图14C]图14C是示出基于2点法的生物节律估计方法的示图（3/4）。
[图14D]图14D是示出基于2点法的生物节律估计方法的示图（4/4）。
[图15]图15是示出基于领域法（domain method）的生物节律估计过程的流程图。
[图16]图16是示出基于领域法的生物节律估计方法的示图。
具体实施方式
在下文中，将参照附图详细地描述本公开的优选实施例。请注意，在本说明书和附图中，具有基本上相同的功能和结构的元件用相同的附图标记表示，并且省略重复描述。
[1.生物节律估计方法的概要]
首先，将参照图1描述根据本公开实施例的生物节律估计方法的概要。如图1所示，在生物节律估计方法中，首先，作为表示生物信息的指标值的日内变动特性的生物节律曲线，准备基于多个实验对象样本的基准节律曲线RC（步骤S1）。然后，将基准节律曲线RC拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值C，以产生目标为实验对象的实验对象节律曲线EC（步骤S2和S3）。此外，将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值C＇应用于实验对象节律曲线EC，以估计实验对象的生物节律（步骤S4）。
这里，在生物节律的估计中使用这样的生物信息，该生物信息可以在短时间内被非侵入地测得，并且，从该生物信息容易地识别生物节律，换句话说，该生物信息具有良好的生物节律曲线和指标值的拟合性。作为生物信息，使用实验对象或实验对象样本（下文中也被称为实验对象等）的脉波、口内温或耳内温等，但是，生物信息并不限于此。
因此，实验对象节律曲线EC可以从在24小时内按时间间隔而不是连续地测量生物信息两次以上得到的测量值产生，并且，生物节律可以从一次以上的测量值估计得到。例如，基准节律曲线RC和实验对象节律曲线EC作为诸如24小时的周期的三角函数的单模函数产生。
因此，与现有技术中的生物节律估计方法不同，实验对象不会由于侵入测量而感觉疼痛、不舒服等，并且不会由于长期测量而给日常生活带来麻烦。由此，可以基于非侵入地、容易地测得的生物信息来估计实验对象的生物节律。
[2.生物节律估计装置1的配置]
接下来，将参照图2描述根据本公开实施例的生物节律估计装置1的主要功能配置。如图2所示，生物节律估计装置1包括生物信息测量传感器11、干扰信息测量传感器12、测量定时器13、测量值存储单元14、指标值计算单元15、基准节律曲线产生单元16、基准节律曲线存储单元17、实验对象节律曲线产生单元18、实验对象节律曲线存储单元19、生物节律估计单元20和生物节律输出单元21。
在图2中示出的生物节律估计装置1中，执行基准节律曲线RC的产生、实验对象节律曲线EC的产生和生物节律的估计。或者，生物节律估计装置1可以被配置为存储由与生物节律估计装置1不同的外部装置产生的基准节律曲线RC。在这种情况下，可以省略基准节律曲线产生单元16。
生物信息测量传感器11是用于测量诸如实验对象等的脉波、口内温或耳内温等的生物信息的传感器。脉波是作为光电脉波或压力脉波从实验对象等的指尖等测得的，并且，口内温或耳内温是作为实验对象等的体温测得的。生物信息的测量值被存储在测量值存储单元14中，以供后续处理。
干扰信息测量传感器12是用于测量由于实验对象等的运动（例如，由于实验对象等的动作而导致的加速）等而导致在生物信息测量时产生的干扰信息的传感器。干扰信息的测量值也被存储在测量值存储单元14中，以供后续处理。
测量定时器13将指示预定的测量定时的定时信息供应给生物信息测量传感器11和干扰信息测量传感器12。
指标值计算单元15从基于实验对象等的生物信息和干扰信息的测量值的生物信息来计算出指标值。指标值是从脉波计算出的平均脉率、平均AI（增强指数）值、平均的口内温或耳内温等，但不限于此。
生物信息和干扰信息的测量值从测量值存储单元14被读取，以计算出指标值。实验对象样本的指标值被供应给基准节律曲线产生单元16。此外，实验对象的指标值被供应给实验对象节律曲线产生单元18并用于产生实验对象节律曲线EC，并且/或者，实验对象的指标值被供应给生物节律估计单元20并用于估计生物节律。
基准节律曲线产生单元16由从在24小时以上对多个实验对象样本测得的生物信息的测量值计算出的指标值产生基准节律曲线RC。基准节律曲线RC是表示目标是多个实验对象样本的指标值的平均的日内变动特性的曲线。产生的基准节律曲线RC被存储在基准节律曲线存储单元17中。
实验对象节律曲线产生单元18将基准节律曲线RC拟合到从按测量间隔对实验对象非侵入地测量两次以上得到的生物信息计算出的两个以上的指标值C，以产生实验对象节律曲线EC。实验对象节律曲线EC是表示目标是多个实验对象的指标值的日内变动特性的曲线。来自指标值计算单元15的指标值C和来自基准节律曲线存储单元17的基准节律曲线RC被供应给实验对象节律曲线产生单元18。产生的实验对象节律曲线EC被存储在实验对象节律曲线存储单元19中。
生物节律估计单元20将从非侵入地测量一次以上得到的生物信息计算出的两个以上的指标值C＇应用于实验对象节律曲线EC，以估计实验对象的生物节律。来自指标值计算单元15的实验对象的指标值C＇和来自实验对象节律曲线存储单元19的实验对象节律曲线EC被供应给生物节律估计单元20。生物节律的估计值被供应给生物节律输出单元21。
生物节律输出单元21输出生物节律估计值。生物节律估计值被供应或输出到生物节律估计装置1的内部，或者，被供应或输出到外部显示装置、外部打印装置或外部存储装置（全部未示出）。作为生物节律，实验对象节律曲线EC上的对应于测量值的时刻可以被输出，或者，实验对象节律曲线EC上的对应于测量值的时刻与实际的测量时刻之间的差（生物节律偏差）可以被输出。
这里，在上述的功能配置中，指标值计算单元15、基准节律曲线产生单元16、实验对象节律曲线产生单元18、生物节律估计单元20和生物节律输出单元21由诸如CPU或DSP（数字信号处理装置）的算术处理装置构成。测量值存储单元14、基准节律曲线存储单元17和实验对象节律曲线存储单元19由诸如闪存的内部存储装置、硬盘驱动器或者诸如蓝光盘驱动器（Blu-ray disc drive）的外部存储装置构成。此外，CPU在RAM上开发并执行从ROM等读取的程序，以实现生物节律估计方法。此外，上述功能配置的至少一部分可以被配置为诸如专用逻辑的硬件。
[3.生物节律估计装置1的操作]
接下来，将参照图3至16描述根据本公开实施例的生物节律估计装置1的操作。
如图3所示，首先，准备基准节律曲线RC（步骤S11）。基准节律曲线RC是使用诸如24小时的周期的三角函数的单模函数表示生物信息的指标值的日内变动特性的生物节律曲线，并且是表示其目标是多个实验对象样本的指标值的平均的日内变动特性的生物节律曲线。
然后，非侵入地测量实验对象的生物信息（步骤S12），并且，将基准节律曲线RC拟合到从测量值计算出的指标值C（步骤S13），以产生实验对象节律曲线EC（步骤S14）。实验对象节律曲线EC是表示其目标是实验对象的指标值的日内变动特性的生物节律曲线。
然后，非侵入地测量实验对象的生物信息（步骤S15），并且，将从测量值计算出的指标值C′应用于实验对象节律曲线EC（步骤S16），以估计实验对象的生物节律（步骤S17）。此外，步骤S13的指标值C中的一些可以用作步骤S16的指标值C′。
这里，在生物节律的估计中使用这样的生物信息，该生物信息可以在短时间内被非侵入地测得，并且从该生物信息容易地识别生物节律，换句话说，该生物信息具有良好的生物节律曲线与从测量值计算出的指标值的拟合性。这样的生物信息包括实验对象等的指尖等的光电脉波或压力波、口内温或耳内温等，但不限于此。
在下文中，将描述这样的情况，其中，作为生物信息测量脉波，并且，从脉波的测量值计算出脉率和AI值，作为指标值。这里，脉波是当血液从心脏输送时在血管中产生的压力波。如图4所示，脉波包含由于心脏的收缩而产生的压力波（喷出波）、以及由于在动脉或外围血管的分歧处中喷出波的反射而产生的压力波（反射波）。此外，AI值是反射波的峰值P2与喷出波的峰值P1之比P2/P1，并且，用作表示心脏上的负荷或动脉的硬度的指标。
[3-1.基准节律曲线RC的准备]
在图5和图6A至6D中示出产生基准节律曲线RC的方法。通过在24小时以上对多个实验对象样本测量生物信息并从24小时以上的测量值计算出指标值，产生基准节律曲线RC。在下文中，将参照图5描述产生基准节律曲线RC的过程。
在基准节律曲线产生单元16中，从由生物信息测量传感器11的测量值计算出的指标值产生基准节律曲线RC，并且，将产生的基准节律曲线RC存储在基准节律曲线存储单元17中。在基准节律曲线RC的产生中，可以作为连续的测量值测量生物信息的测量值，但是，在下文中将描述这样的情况，即：其中，作为非连续的测量值，测量生物信息的测量值。
首先，在24小时以上测量N个人（i=1至N）的实验对象样本（在下文中被称为样本）中的每一个的脉波（步骤S21）。如图6A所示，按测量周期Δt在每一个时刻t(=0,Δt,2Δt,……,(n-1)Δt)处在测量期间y内测量脉波。此外，对应于每个样本i的测量次数的n是每一个样本的任何值。这里，测量周期Δt是0.5小时、1小时等，并且，测量期间y为数十秒至若干分钟。
然后，从每一个样本i在每一个时刻t处的测量期间y的脉波计算出平均的指标值Xi,t（例如，平均脉率或平均AI值）（步骤S22）。在指标值计算单元15中，从生物信息和干扰信息的测量值计算出在每一个时刻t处的指标值Xi,t。此外，将参照图7描述计算指标值Xi,t的过程。
在指标值Xi，t的计算中，如图7所示，首先，对在测量期间y内的脉波的测量值（一系列脉波形）进行滤波（步骤S31）。使用低通滤波或带通滤波对脉波的测量值进行整形。
接下来，如图8A所示，提取每一个脉波形（构成一系列脉波形的每一个脉波形）的主峰（喷出波的峰）。此外，在测量期间y中包含的主峰被计数（对应于图8A中的计数值“1，2，3，……”），并且被转换为每分钟的值（步骤S33），以产生在时刻t处的平均脉率，作为指标值Xi,t（步骤S34）。
接下来，如图8B所示，计算每一个脉波形的二阶导数，并且，计算二阶导数值第二次从正值变为负值的变化点的时刻t2。此外，例如，使用以约200Hz的采样周期测量的相邻采样值之间的差值或者由相邻采样值加权的差值，执行每一个脉波形的二阶导数的计算。
接下来，如图8C所示，对于每一个脉波形，计算对应于主峰的峰值P1和对应于变化点的次峰（反射波的峰）的峰值P2（步骤S35和S36）。然后，对于每一个脉波形，计算峰值P2/峰值P1，作为AI值（步骤S37）。此外，对在测量期间y中包含的脉波形的AI值求平均（步骤S38），以计算时刻t的平均AI值，作为指标值Xi,t（步骤S39）。
在计算出指标值Xi,t之后，处理返回到图5中所示的产生基准节律曲线RC的过程。针对每一个指标（例如，平均脉率或平均AI值）执行下述过程。如图6B所示，对指标值Xi，t进行重新排列，其中，与每一个样本的起床时刻最接近的时刻t被视为t=0（步骤S23）。每一个样本的起床时刻可以由附着到样本的干扰信息测量传感器12测量，并且由执行测量的人记录。
然后，丢弃在指标值Xi,t中包含的反常值（步骤S24）。例如，如果级联指标值（例如，指标值Xi,t和Xi，t+Δt）或预定时间内的指标值（例如，指标值Xi,t、Xi,t+Δt和Xi,t+2Δt）之间的差值超过预定的阈值，则从生物信息或干扰信息的测量值确认样本的不稳定状态，并且，该指标值作为反常值被丢弃。此外，当反常值的数量超过预定的阈值时，请求实验对象等通过通知单元（未示出）等执行对脉波的重新测量。
接下来，如图6C所示，对于每一个样本，计算24小时的指标值Xi,t的平均值<Xi>（步骤S25），并且，将指标值Xi,t转换为24小时的平均值<Xi>的变差(Xi,t→Xi,t-<Xi>)（步骤S26）。
接下来，如图6D所示，对于每一个时刻t，计算N个人的指标值Xi,t的样本平均值<Xt>(<Xt>=avr(Xi，t))（步骤S27）。此外，使用最小二乘法等将样本平均值<Xt>应用于诸如24小时的周期的三角函数的单模函数（步骤S28），以产生基准节律曲线RC（步骤S29）。这里，例如，24小时的周期的三角函数被表示为方程（1）。在样本平均值<Xt>的应用中，估计未知数Atmp和Btmp。
RC(t)=Atmpsin(wt+Btmp)，w=2π/24小时…(1)
在脉波的测量中，每一个实验对象样本可以根据其生活时间模式上床或起床，或者可以在定义为测量条件的时刻上床或起床。这里，多个实验对象样本和实验对象被视为属于各种生活时间模式类型（例如，早晨类型、晚上类型和中间类型）。因此，指定实验对象样本的生活时间模式，然后，可以产生对应于各种生活时间模式的一条或多条基准节律曲线（例如，早晨类型节律曲线或晚上类型节律曲线）。
此外，例如，在“E.K.Baehr et al.,Individual differences in thephase and amplitude of the human circadian temperaturerhythm:with an emphasis on morningness-eveningness,J.Sleep Res,2000,9,117-127”中描述了与生活时间模式相对应的生物节律曲线之间的差。此外，当产生与生活时间模式相对应的生物节律曲线时，例如，可以使用早晨类型和晚上类型调查表识别实验对象等的生活时间模式（“Morningness Eveningness Questionnaire,Home and Ostberg1976”）。
[3-2.实验对象节律曲线EC的产生]
在图9和10中示出产生实验对象节律曲线EC的方法。通过下述方式来产生实验对象节律曲线EC：按某一时间间隔非侵入地测量实验对象的生物信息两次以上，从两次以上测得的测量值计算出两个以上的指标值C，并且，将基准节律曲线RC拟合到两个以上的指标值C。此外，两次以上测得的测量值中的每一个对应于两个以上的指标值C中的每一个。这里，当考虑实验对象的生活时间模式时，通过将与实验对象的生活时间模式匹配的基准节律曲线RC拟合到两个以上的指标值C，产生实验对象节律曲线EC。
在实验对象节律曲线产生单元18中，将基准节律曲线RC拟合到从生物信息测量传感器11的测量值计算出的指标值C，以产生实验对象节律曲线EC，并且，将产生的实验对象节律曲线EC存储在实验对象节律曲线存储单元19中。在实验对象节律曲线EC的产生中，作为不连续的测量值，测量生物信息的测量值。此外，对于每一个指标（例如，平均脉率或平均AI值），产生实验对象节律曲线EC。
使用两次的测量值或者三次的测量值来产生实验对象节律曲线EC。在下文中，将主要描述这样的情况，即：其中，在任何时刻t0，在从时刻t0起的6小时后，以及在从时刻t0起的12小时后，执行三次测量。
首先，将参照图9描述使用三次测量值的情况。如图9所示，首先，例如，在任何时刻t0、t0+6h和t0+12h处，三次测量脉波（步骤S41）。例如，如果时刻t是9点、15点和21点，那么可以测量脉率或AI值的接近日内最大值或日内最小值的值，并且，可以产生高度精确的实验对象节律曲线EC。接下来，在参照图7描述的过程中，计算在每一个时刻t处的指标值C(t0)、C(t0+6h)和C(t0+12h)（步骤S42）。
可以将对应于三次测量值的指标值C(t0)、C(t0+6h)和C(t0+12h)应用到类似于方程（1）的单模函数，该单模函数表示如方程（2）所示的基准节律曲线RC。这里，在上述的应用中，估计对应于指标值的变化中心与三角函数的基线（振幅中心）之间的差的未知数、对应于三角函数的振幅的未知数A和对应于三角函数的相位的未知数B。
这里，通过相对于基准节律曲线RC使用未知数m调整基线，使用未知数A调整振幅，并且使用未知数B调整相位，产生实验对象节律曲线EC。
EC(t)=m+Asin(Z),Z=wt+B,w=2π/24小时…(2)
指标值C(t0)、C(t0+6h)和C(t0+12h)被表示为方程（3）、（4）和（5）。
C(t0)=m+Asin(Z)…(3)
C(t0+6h)=m+Acos(Z)…(4)
C(t0+12h)=m-Asin(Z)…(5)
然后，使用指标值C(t0)和C(t0+12h)，作为方程（6），估计未知数m（步骤S43）。类似地，使用指标值C(t0)和C(t0+6h)或者指标值C(t0+6h)和C(t0+12h)，作为方程（7），估计未知数A（步骤S44）。此外，由于值w和值t是已知的，所以使用指标值C(t0)和C(t0+6h)或者指标值C(t0+6h)和C(t0+12h)，估计未知数B（步骤S45）。此外，将估计值m、A和B应用于方程（2）（步骤S46），以产生实验对象节律曲线EC（步骤S47）。
m=(C(t0)+C(t0+12h))/2…(6)
A=√((C(t0)-m)2+(C(t0+6h)-m)2)…(7)
在下文中，将简要地描述这样的情况，即：其中，在任何时刻t0，在从时刻t0起的3小时后，以及在从时刻t0起的6小时后，执行三次测量。在这种情况下，指标值C(t0)、C(t0+3h)和C(t0+6h)被表示为方程（8）、（9）和（10）。
C(t0)=m+Asin(Z)…(8)
C(t0+3h)=m+A(sinZ+cosZ)/√2…(9)
C(t0+6h)=m+AcosZ…(10)
其中Z=wt0+B。
作为方程（11）和（12），从方程（8）至（10）估计未知数m和A。
m=C{C(t0)+C(t0+6h)-√2·C(t0+3h)}/(2-√2)…(11)
A=√{(C(t0)-m)2+(C(t0+6h)-m)2}…(12)
通过将方程（11）代入方程（12）来估计未知数A。
通过将估计值m和A代入方程（8）和（10）来估计未知数Z。这里，由于值w和值t是已知的，所以获得未知数B。此外，当将估计值m、A和B代入方程（2）时，产生实验对象节律曲线EC。
接下来，将简要地描述这样的情况，即：其中，在任何时刻t1和t2处，执行两次测量。在这种情况下，指标值C(t1)和C(t2)被表示为方程（13）和（14）。
C(t1)=m+Asin(Z+t1)…(13)
C(t2)=m+Asin(Z+t2)…(14)
其中Z=wt+B。
通过求解方程（13）和（14）的联立方程，作为方程（15）和（16）估计未知数m和A。
m={C(t1)sin(Z+t2)-C(t2)sin(Z+t1)}/{sin(Z+t2)-sin(Z+t1)}…(15)
A={C(t2)-C(t1)}/{sin(Z+t2)-sin(Z+t1)}…(16)
此外，作为未知数B，应用用于产生基准节律曲线RC的估计值Btmp。由于估计值Btmp是从N个样本的平均值<Xt>估计出的，并且具有比未知数B高的精确度，所以该估计值被视为常数。此外，将估计值m、A和B(=Btmp)代入方程（2），以产生实验对象节律曲线EC。
[3-3.生物节律估计]
在图11至16中示出估计实验对象的生物节律的方法。在下文中，将依次描述基于1点法、2点法和领域法的生物节律估计过程。
在生物节律估计单元20中，从对实验对象非侵入地测量一次以上得到的生物信息计算出的两个以上的指标值C′应用于实验对象节律曲线EC，以估计实验对象的生物节律，并且，将生物节律估计值应用于生物节律输出单元21。这里，当考虑实验对象的生活时间模式时，通过将从一次以上的生物信息的测量值计算出的两个以上的指标值C′应用于考虑了实验对象的生活时间模式的实验对象节律曲线EC，估计实验对象的生物节律。
（基于1点法的生物节律估计）
在1点法中，使用第一基准节律曲线RC1和第二基准节律曲线RC2以及第一实验对象节律曲线EC1和第二实验对象节律曲线EC2。第一基准节律曲线RC1和第一实验对象节律曲线EC1是表示第一指标值C1′的日内变动特性的曲线。第二基准节律曲线RC2和第二实验对象节律曲线EC2是表示与第一指标值C1′不同的第二指标值C2′的日内变动特性的曲线。
在指标值计算单元15中，第一指标值C1′和第二指标值C2′是从对实验对象非侵入地测量一次得到的一个以上的生物信息计算出的。此外，在生物节律估计单元20中，导出第一节律曲线EC1上的对应于第一指标值C1′的时刻t12和t22(t11<t12)，并且，导出第二节律曲线EC2上的对应于第二指标值C2′的时刻t21和t22(t21<t22)。此外，从对应于时段d1(=|t11-t21|)和时段d2(=|t12-t22|)中的较小者的时刻估计实验对象的生物节律。
在下文中，将描述这样的情况，即：其中，第一指标值C1′是实验对象等的脉率，并且，第二指标值C2′是实验对象等的AI值。但是，第一指标值C1′和第二指标值C2′的组合可以是脉率或AI值与耳内温或口内温的组合，或者，可以是其它指标值的组合。在下文中，将参照图11描述基于1点法的生物节律估计过程。
如图11所示，首先，对于平均脉率，准备第一基准节律曲线RC1和第一实验对象节律曲线EC1（步骤S51）。类似地，对于平均AI值，准备第二基准节律曲线RC2和第二实验对象节律曲线EC2（步骤S52）。此外，类似于参照图5、7和9描述的过程，执行步骤S51和S52的处理。
然后，在任何时刻t处的测量期间y秒内测量脉波，并且，在参照图7描述的过程中计算在时刻t处的平均脉率C1′(t)和平均AI值C2′(t)（步骤S53）。
接下来，如图12所示，在表示脉率的日内变动特性的第一实验对象节律曲线EC1上导出对应于平均脉率C1′(t)的时刻t11和t12(t11<t12)（步骤S54）。类似地，在表示平均AI值的日内变动特性的第二实验对象节律曲线EC2上导出对应于平均AI值C2′(t)的时刻t21和t22(t21<t22)（步骤S55）。
然后，从计算出的时刻t11、t12、t21和t22丢弃反常值（步骤S56）。这里，例如，如果时刻t11和时刻t21之间的差值或者时刻t21和时刻t22之间的差值超过预定的阈值，则当平均脉率C1′(t)和平均AI值C2′(t)都位于节律曲线的基线之上或之下时，从计算出的时刻丢弃反常值。当丢弃反常值时，请求实验对象对脉波进行重新测量。
接下来，如图12所示，从时刻t11和t21计算出时段d1=|t11-t21|，并且，从时刻t12和t22计算出时段d2=|t12-t22|（步骤S57）。此外，选择这两个时段d1和d2中的较小者（步骤S58），并且，例如，作为实验对象的生物节律，估计选定时段内的时刻t11和时刻t21的中间时刻(=t11+(t21-t11)/2)（步骤S59）。
（基于2点法的生物节律估计）
在2点法中，使用表示指标值C′的日内变动特性的基准节律曲线RC和实验对象节律曲线EC。在指标值计算单元15中，从在12小时内按测量间隔Δt对实验对象非侵入地测量两次得到的生物信息计算具有不同的测量时间点的两个指标值C′(t1)和C′(t2)。
此外，在生物节律估计单元20中，在实验对象节律曲线EC上导出对应于指标值C′(t1)的一个以上的时刻t11，并且，在实验对象节律曲线EC上导出对应于指标值C′(t2)的一个以上的时刻t21和t22。此外，从同在时刻t11与时刻t21和t22之间的时段d当中的最接近测量间隔Δt的时段相对应的时刻估计实验对象的生物节律。
在下文中，将描述这样的情况，即：其中，指标值C′是实验对象等的脉率。但是，指标值C′可以是AI值、耳内温或口内温等，或者，可以是其他的指标值。在下文中，将参照图13描述基于2点法的生物节律估计过程。
如图13所示，首先，对于平均脉率，准备基准节律曲线RC和实验对象节律曲线EC（步骤S61）。此外，类似于参照图5、7和9描述的过程，执行步骤S61的处理。
首先，在任何时刻t处的测量期间y秒内测量脉波，并且，在参照图7描述的过程中，计算在时刻t=t1的指标值C′(t1)（步骤S62）。类似地，在从时刻t1起的测量间隔Δt(Δt<12小时)后的时刻t2处的测量期间y秒内测量脉波，并且，计算在时刻t2处的指标值C′(t2)（步骤S63）。在下文中，将描述测量间隔Δt等于3小时的情况，但是，测量间隔Δt可以不是3小时，只要测量间隔在12小时内即可。
然后，在实验对象节律曲线EC上估计指标值C′(t1)和C′(t2)之间的位置关系（步骤S64）。如图14A所示，指标值C′(t1)和C′(t2)之间的位置关系被估计为下述四种状态中的任何状态。
状态1：C′(t1)和C′(t2)不位于跨越曲线EC的下凸部或曲线EC的峰的位置。
状态2：C′(t1)和C′(t2)位于跨越曲线EC的下凸部和曲线EC的峰的位置。
状态3：C′(t1)和C′(t2)不位于跨越曲线EC的上凸部或曲线EC的峰的位置。
状态4：C′(t1)和C′(t2)位于跨越曲线EC的上凸部和曲线EC的峰的位置。
然后，确认曲线EC的基线m与指标值C′(t1)和C′(t2)之间的大小关系（步骤S65）。因此，对关于指标值C′(t1)和C′(t2)是否位于曲线EC的上凸部或下凸部中进行确定。例如，当指标值C′(t1)和C′(t2)大于基线m时，如图14B所示，作为指标值C′(t1)和C′(t2)之间的位置关系，估计状态3或4。
接下来，如图14C所示，对于状态3和4，在曲线EC上计算对应于指标值C′(t1)和C′(t2)的时刻t11、t21和t22（步骤S66和S67），并且，计算时刻t11和时刻t21之间的时段d1、以及时刻t11和时刻t22之间的时段d2（步骤S68）。此外，从计算出的时段d1和d2中选择接近实际的测量间隔Δt的时段（步骤S69）。此外，作为实验对象的生物节律，估计对应于选定时段的时刻t11、t21或t22（步骤S70）。
此外，如图14D所示，对于状态3和4，可以从时刻t11和t21以及指标值C′(t1)和C′(t2)计算第一梯度g1，并且，可以从时刻t11和t22以及指标值C′(t1）和C′(t2)计算第二梯度g2。此外，从计算出的梯度g1和g2中选择具有更接近从实际的测量时段Δt与指标值C′(t1)和C′(t2)之间的关系计算出的梯度的梯度的时段。此外，作为实验对象的生物节律，估计对应于选定梯度的时刻t11、t21或t22。
在2点法中，可以在12小时内对上述的1点法执行两次。因此，当可以计算第一指标值和第二指标值C′(t1)和C′(t2)时，可以将2点法应用于第一指标值和第二指标值C′(t1)和C′(t2)，以计算第一估计值和第二估计值。此外，当第一估计值和第二估计值之间的误差小时，可以采用这些估计值中的任何一个，并且，可以采用这两个估计值的平均值。另一方面，当第一估计值和第二估计值之间的误差大时，确定估计失败，并且，可以请求实验对象进行重新测量。此外，当由于任何原因而不能计算第一指标值和第二指标值C′(t1)和C′(t2)中的一个时，可以将2点法应用于计算出的指标值，以估计生物节律。
（基于领域法的生物节律估计）
在领域法中，使用表示指标值的日内变动特性的实验对象节律曲线EC和基准节律曲线RC。在指标值计算单元15中，从对实验对象非侵入地测量三次以上得到的生物信息计算具有不同测量时间点的三个以上的指标值C′(t1)、C′(t2)、C′(t3)……。
此外，在生物节律估计单元20中，将三个以上的指标值C′(t1)、C′(t2)、C′(t3)……应用于实验对象节律曲线EC，以从实验对象节律曲线EC上的对应于三个以上的指标值的时刻估计实验对象的生物节律。
在下文中，将描述指标值C′是实验对象等的脉率的情况。但是，指标值C′可以是AI值、耳内温或口内温等，或者，可以是其他的指标值。在下文中，将参照图15描述基于领域法的生物节律估计过程。
如图15所示，首先，对于平均脉率，准备基准节律曲线RC和实验对象节律曲线EC（步骤S71）。此外，类似于参照图5、7和9描述的过程，执行步骤S71的处理。
然后，在任何三个以上的时刻t=t1,t2,t3,……处的测量期间y秒内测量脉波（步骤S72），并且，在参照图7描述的过程中，计算在t1,t2,t3,……的时刻t处的指标值C′(t1),C′(t2),C′(t3),……（步骤S73）。
这里，在睡觉期间或者在醒来时，可以作为连续测量值来测量脉波。这种情况下，以诸如0.5小时、1小时等的一定时间间隔分开测量的脉波，并且，在参照图7描述的过程中，在每一部分中计算出指标值C′(t1),C′(t2),C′(t3),……。此外，当以一定时间间隔分开脉波时，相邻的部分可以部分地重叠。
接下来，如图16所示，将一系列指标值C′(t1),C′(t2),C′(t3)……应用于（曲线拟合到）实验对象节律曲线EC（步骤S74）。在曲线拟合时，可以在时间方向上对实验对象节律曲线EC和一系列指标值C′进行偏移，以获得使实验对象节律曲线EC和指标值之间的差值最小化的时刻t，并且获得使实验对象节律曲线EC和指标值之间的关联系数最大化的时刻t。
此外，作为实验对象的生物节律，估计实验对象节律曲线EC上的对应于指标值C′(t1),C′(t2),C′(t3),……的时刻t11,t12,t13，……中的至少一个（步骤S75）。例如，在图16中所示的例子中，使用在睡觉期间的测量值，并且，作为生物节律，估计对应于起床时的指标值C′(t7)的时刻t7。
甚至在领域法中，可以对上述的1点法执行三次以上。因此，当可以计算第一指标值和第二指标值C1′(t)和C2′(t)时，可以将领域法应用于第一指标值和第二指标值C1′(t)和C2′(t)，以计算第一估计值和第二估计值。此外，当第一估计值和第二估计值之间的误差小时，可以采用这些估计值中的任何一个，或者，可以采用这两个估计值的平均值。另一方面，当第一估计值和第二估计值之间的误差大时，确定估计失败，并且，可以请求实验对象进行重新测量。此外，甚至当由于任何原因而不能计算第一指标值和第二指标值C1′(t)和C2′(t)中的一个时，也可以将领域法应用于计算出的指标值，以估计生物节律。
[4.总结]
如上所述，根据本公开实施例的生物节律估计方法，在生物节律的估计中使用这样的生物信息，该生物信息可以在短时间内被非侵入地测得，并且，从该生物信息容易地识别生物节律，换句话说，该生物信息具有良好的生物节律曲线与指标值的拟合性。
因此，与现有技术的生物节律估计方法不同，实验对象不会由于侵入测量而感觉疼痛、不舒服等，并且，不会由于长期测量而给日常生活带来麻烦。因此，可以基于非侵入地、容易测得的生物信息来估计实验对象的生物节律。
上面参照附图描述了本公开的优选实施例，但是，当然，本发明不限于上述例子。本领域的技术人员可以在所附权利要求的范围内找到各种替换和修改，并且，应该理解，这些替换和修改将自然地归入本发明的技术范围下。
例如，在上面的描述中，主要描述了脉波用作生物信息的情况。但是，生物信息不限于脉波，并且，可以使用其他的生物信息，该生物信息可以在短时间内被非侵入地测得，并且，从该生物信息容易地识别生物节律，换句话说，该生物信息具有良好的生物节律曲线与指标值的拟合性。
附图标记列表
1    生物节律估计装置
11   生物信息测量传感器
12   干扰信息测量传感器
13   测量定时器
14   测量值存储单元
15   指标值计算单元
16   基准节律曲线产生单元
17   基准节律曲线存储单元
18   实验对象节律曲线产生单元
19   实验对象节律曲线存储单元
20   生物节律估计单元
21   生物节律输出单元
RC   基准节律曲线
EC   实验对象节律曲线
权利要求书(按照条约第19条的修改)
1.一种生物节律估计装置，包括：
基准节律曲线获取单元，被配置为获取生物节律的基准节律曲线；
生物信息测量单元，被配置为测量实验对象的生物信息；
指标值计算单元，被配置为从生物信息的测量值计算出指标值；
实验对象节律曲线产生单元，被配置为基于指标值和基准节律曲线产生目标为实验对象的实验对象节律曲线；以及
生物节律估计单元，被配置为基于指标值和实验对象节律曲线估计实验对象的生物节律。
2.根据权利要求1所述的生物节律估计装置，其中：
基准节律曲线是由从对多个实验对象样本测得的生物信息的测量值计算出的指标值产生的，
实验对象节律曲线产生单元将基准节律曲线拟合到从测得的生物信息计算出的两个以上的指标值，并且
生物节律估计单元将从测得的生物信息计算出的两个以上的指标值应用于实验对象节律曲线。
3.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有第一节律曲线和第二节律曲线，第一节律曲线表示从一个以上的生物信息计算出的第一指标值的变动特性，第二节律曲线表示第二指标值的变动特性，
指标值计算单元从一次测得的所述一个以上的生物信息计算出第一指标值和第二指标值，并且
生物节律估计单元在第一节律曲线上导出对应于第一指标值的时刻t11和t12，在第二节律曲线上导出对应于第二指标值的时刻t21和t22，并且从与时段|t11-t21|和时段|t12-t22|中的较小者相对应的时刻估计实验对象的生物节律，其中，t11<t12且t21<t22。
4.根据权利要求3所述的生物节律估计装置，其中，第一指标值是从脉波计算出的脉率，并且，第二指标值是从脉波计算出的AI值。
5.根据权利要求3所述的生物节律估计装置，其中，第一指标值是从脉波计算出的脉率或AI值，并且，第二指标值是口内温或耳内温。
6.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有表示从生物信息计算出的指标值的日内变动特性的节律曲线，
指标值计算单元从在12小时内按测量间隔两次测得的生物信息计算出具有不同的测量时间的第一指标值和第二指标值，并且
生物节律估计单元在实验对象节律曲线上导出对应于第一指标值的一个以上的第一时刻，在实验对象节律曲线上导出对应于第二指标值的一个以上的第二时刻，并且从与最接近测量间隔的第一时刻和第二时刻中的时段相对应的时刻估计实验对象的生物节律。
7.根据权利要求6所述的生物节律估计装置，其中，第一指标值和第二指标值中的每一个是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
8.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有表示从生物信息计算出的指标值的变动特性的节律曲线，
指标值计算单元从测得的生物信息计算出具有不同的测量时间点的三个以上的指标值，并且
生物节律估计单元将所述三个以上的指标值应用于实验对象节律曲线，以从实验对象节律曲线上的对应于所述三个以上的指标值的时刻估计实验对象的生物节律。
9.根据权利要求8所述的生物节律估计装置，其中，指标值是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
10.根据权利要求1所述的生物节律估计装置，其中：
基准节律曲线作为第一节律曲线和第二节律曲线被准备，第一节律曲线的目标是具有至少第一生活时间模式的多个实验对象样本，第二节律曲线的目标是具有与第一生活时间模式不同的第二生活时间模式的多个实验对象样本，并且
实验对象节律曲线产生单元将与实验对象的生活时间模式匹配的第一和第二节律曲线中的至少一个拟合到指标值，以产生实验对象节律曲线。
11.根据权利要求1所述的生物节律估计装置，其中，生物节律曲线是单模函数。
12.根据权利要求11所述的生物节律估计装置，其中，单模函数是24小时的周期的三角函数。
13.一种生物节律估计方法，包括：
准备生物节律曲线的基准节律曲线；
基于从通过测量实验对象的生物信息而获得的测量值计算出的指标值和基准节律曲线，产生目标为实验对象的实验对象节律曲线；以及
基于指标值和实验对象节律曲线，估计实验对象的生物节律。
14.一种程序，使计算机执行如下：
准备生物节律曲线的基准节律曲线；
基于从通过测量实验对象的生物信息而获得的测量值计算出的指标值和基准节律曲线，产生目标为实验对象的实验对象节律曲线；以及
基于指标值和实验对象节律曲线，估计实验对象的生物节律。

Claims (14)

1.一种生物节律估计装置，包括：
基准节律曲线存储单元，被配置为存储基于多个实验对象样本的基准节律曲线，该基准节律曲线作为表示生物信息的指标值的日内变动特性的生物节律曲线被产生；
生物信息测量单元，被配置为非侵入地测量实验对象的生物信息；
指标值计算单元，被配置为从生物信息的测量值计算出指标值；
实验对象节律曲线产生单元，被配置为将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；
实验对象节律曲线存储单元，被配置为存储实验对象节律曲线；以及
生物节律估计单元，被配置为将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
2.根据权利要求1所述的生物节律估计装置，其中：
基准节律曲线是由从在24小时以上对所述多个实验对象样本测得的生物信息的测量值计算出的指标值产生的，
实验对象节律曲线产生单元将基准节律曲线拟合到两个以上的指标值，所述两个以上的指标值是从按时间间隔对实验对象非侵入地测量两次以上得到的生物信息计算出的，并且
生物节律估计单元将从对实验对象非侵入地测量一次以上得到的生物信息计算出的两个以上的指标值应用于实验对象节律曲线。
3.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有第一节律曲线和第二节律曲线，第一节律曲线表示从一个以上的生物信息计算出的第一指标值的日内变动特性，第二节律曲线表示类型与第一指标值不同的第二指标值的日内变动特性，
指标值计算单元从对实验对象非侵入地测量一次得到的一个以上的生物信息计算出第一指标值和第二指标值，并且
生物节律估计单元在第一节律曲线上导出对应于第一指标值的时刻t11和t12，在第二节律曲线上导出对应于第二指标值的时刻t21和t22，并且从与时段|t11-t21|和时段|t12-t22|中的较小者相对应的时刻估计实验对象的生物节律，其中，t11<t12且t21<t22。
4.根据权利要求3所述的生物节律估计装置，其中，第一指标值是从脉波计算出的脉率，并且，第二指标值是从脉波计算出的AI值。
5.根据权利要求3所述的生物节律估计装置，其中，第一指标值是从脉波计算出的脉率或AI值，并且，第二指标值是口内温或耳内温。
6.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有表示从生物信息计算出的指标值的日内变动特性的节律曲线，
指标值计算单元从在12小时内按测量间隔对实验对象非侵入地测量两次得到的生物信息计算出具有不同的测量时间点的第一指标值和第二指标值，并且
生物节律估计单元在实验对象节律曲线上导出对应于第一指标值的一个以上的第一时刻，在实验对象节律曲线上导出对应于第二指标值的一个以上的第二时刻，并且从与第一时刻和第二时刻之间的时段当中的最接近测量间隔的时段相对应的时刻估计实验对象的生物节律。
7.根据权利要求6所述的生物节律估计装置，其中，第一指标值和第二指标值中的每一个是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
8.根据权利要求2所述的生物节律估计装置，其中：
基准节律曲线和实验对象节律曲线分别具有表示从生物信息计算出的指标值的日内变动特性的节律曲线，
指标值计算单元从按测量间隔对实验对象非侵入地测量三次以上得到的生物信息计算出具有不同的测量时间点的三个以上的指标值，并且
生物节律估计单元将所述三个以上的指标值应用于实验对象节律曲线，以从实验对象节律曲线上的对应于所述三个以上的指标值的时刻估计实验对象的生物节律。
9.根据权利要求8所述的生物节律估计装置，其中，指标值是从脉波计算出的脉率或AI值，或者是口内温或耳内温。
10.根据权利要求1所述的生物节律估计装置，其中：
基准节律曲线作为第一节律曲线和第二节律曲线被准备，第一节律曲线的目标是具有至少第一生活时间模式的多个实验对象样本，第二节律曲线的目标是具有与第一生活时间模式不同的第二生活时间模式的多个实验对象样本，并且
实验对象节律曲线产生单元将与实验对象的生活时间模式匹配的第一和第二节律曲线中的至少一个拟合到指标值，以产生实验对象节律曲线。
11.根据权利要求1所述的生物节律估计装置，其中，生物节律曲线是单模函数。
12.根据权利要求11所述的生物节律估计装置，其中，单模函数是24小时的周期的三角函数。
13.一种生物节律估计方法，包括：
准备基于多个实验对象样本的基准节律曲线，作为表示生物信息的指标值的日内变动特性的生物节律曲线；
将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；以及
将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
14.一种程序，使计算机执行如下：
准备基于多个实验对象样本的基准节律曲线，作为表示生物信息的指标值的日内变动特性的生物节律曲线；
将基准节律曲线拟合到从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值，以产生目标为实验对象的实验对象节律曲线；以及
将从通过非侵入地测量实验对象的生物信息而获得的测量值计算出的指标值应用于实验对象节律曲线，以估计实验对象的生物节律。
CN201180034750.5A 2010-07-23 2011-05-26 用于估计生物节律的装置和方法 Active CN103052350B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010165786A JP5644231B2 (ja) 2010-07-23 2010-07-23 生体リズム推定装置、生体リズム推定方法およびプログラム
JP2010-165786 2010-07-23
PCT/JP2011/062095 WO2012011318A1 (ja) 2010-07-23 2011-05-26 生体リズム推定装置、生体リズム推定方法およびプログラム

Publications (2)

Publication Number Publication Date
CN103052350A true CN103052350A (zh) 2013-04-17
CN103052350B CN103052350B (zh) 2015-04-22

Family

ID=45496747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180034750.5A Active CN103052350B (zh) 2010-07-23 2011-05-26 用于估计生物节律的装置和方法

Country Status (4)

Country Link
US (1) US20130178720A1 (zh)
JP (1) JP5644231B2 (zh)
CN (1) CN103052350B (zh)
WO (1) WO2012011318A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017101111A1 (zh) * 2015-12-18 2017-06-22 苏州大学 生物节律调整系统和生物节律调整方法
CN112423648A (zh) * 2018-07-18 2021-02-26 苏州大学 一种筛选去同步化指标的方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6020015B2 (ja) * 2012-10-02 2016-11-02 富士通株式会社 脈波検出装置、脈波検出プログラム及び脈波検出方法
JP6539832B2 (ja) * 2015-07-08 2019-07-10 公立大学法人奈良県立医科大学 生体リズムの推定装置及びその作動方法
JP6597900B2 (ja) * 2016-06-27 2019-10-30 富士通株式会社 生体リズムの検出装置、検出方法、及び、検出プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH053877A (ja) * 1991-06-25 1993-01-14 Matsushita Electric Works Ltd 生体リズム曲線測定装置
JPH1068787A (ja) * 1996-08-27 1998-03-10 Matsushita Electric Works Ltd 時差ぼけ解消装置
CN1672162A (zh) * 2002-07-30 2005-09-21 山之内制药株式会社 分子时刻表生成装置和体内生物钟推算装置
WO2010044481A1 (ja) * 2008-10-16 2010-04-22 ソニー株式会社 生体リズム予測方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH053877A (ja) * 1991-06-25 1993-01-14 Matsushita Electric Works Ltd 生体リズム曲線測定装置
JPH1068787A (ja) * 1996-08-27 1998-03-10 Matsushita Electric Works Ltd 時差ぼけ解消装置
CN1672162A (zh) * 2002-07-30 2005-09-21 山之内制药株式会社 分子时刻表生成装置和体内生物钟推算装置
WO2010044481A1 (ja) * 2008-10-16 2010-04-22 ソニー株式会社 生体リズム予測方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. REINBERG ET AL.: "Desynchronization of the oral temperature circadian rhythm and intolerance to shift work", 《NATURE》, vol. 308, 31 March 1984 (1984-03-31) *
EWOUD TER AVEST ET AL.: "Variation in non-invasive measurements of vascular function in healthy volunteers during daytime", 《CLINICAL SCIENCE》, 31 December 2005 (2005-12-31) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017101111A1 (zh) * 2015-12-18 2017-06-22 苏州大学 生物节律调整系统和生物节律调整方法
CN112423648A (zh) * 2018-07-18 2021-02-26 苏州大学 一种筛选去同步化指标的方法
CN112423648B (zh) * 2018-07-18 2024-03-22 苏州大学 一种筛选去同步化指标的方法

Also Published As

Publication number Publication date
CN103052350B (zh) 2015-04-22
JP2012024332A (ja) 2012-02-09
US20130178720A1 (en) 2013-07-11
WO2012011318A1 (ja) 2012-01-26
JP5644231B2 (ja) 2014-12-24

Similar Documents

Publication Publication Date Title
JP4342455B2 (ja) 健康管理装置および健康管理システム
Hernandez et al. Biowatch: estimation of heart and breathing rates from wrist motions
Rastegar et al. Non-invasive continuous blood pressure monitoring systems: current and proposed technology issues and challenges
US10182729B2 (en) Systems and methods for monitoring hemodynamic status
CN105142515A (zh) 测定有利于唤醒的人类睡眠阶段的方法
CN103052350B (zh) 用于估计生物节律的装置和方法
CN108366749A (zh) 动态血压与生命体征监测装置、系统和方法
WO2017127530A1 (en) Wireless monitoring system
CN104757957A (zh) 一种血压连续测量方法及可穿戴血压连续测量装置
Koskimäki et al. Early detection of migraine attacks based on wearable sensors: experiences of data collection using Empatica E4
JP2009538720A (ja) 生理的徴候を監視するための装置、システム、および方法
WO2014036436A1 (en) Cardiac performance monitoring system for use with mobile communications devices
US10729337B2 (en) Device and method for non-invasive left ventricular end diastolic pressure (LVEDP) measurement
JP2012055464A (ja) 睡眠評価装置、睡眠評価システムおよびプログラム
CN103505191B (zh) 一种利用压脉带的压力脉波震荡讯号以预估中心主动脉脉搏压的方法及其装置
CN103099610A (zh) 基于左右肱动脉脉搏波传输时间差的动态血压测量装置及方法
Shao et al. An optimization study of estimating blood pressure models based on pulse arrival time for continuous monitoring
CN108261193A (zh) 一种基于心冲击信号的连续血压测量装置及测量方法
CN113598721B (zh) 可穿戴终端及其核心体温监测方法和计算机可读存储介质
JP2022063926A (ja) 睡眠状態推定システム
KR101524248B1 (ko) 필름형 생체신호 측정장치를 이용한 심폐지구력 측정시스템 및 측정방법
CN204813858U (zh) 一种基于脉搏反射波传输时间的血压仪
JPH06217946A (ja) 生体リズム曲線測定装置
JP7198165B2 (ja) 睡眠評価装置及び判定装置
JP2022148276A (ja) 光電容積脈波を用いた血圧推定方法および血圧推定用コンピュータプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant