CN104159504A - 生物体信息处理装置以及信号处理方法 - Google Patents

生物体信息处理装置以及信号处理方法 Download PDF

Info

Publication number
CN104159504A
CN104159504A CN201380011182.6A CN201380011182A CN104159504A CN 104159504 A CN104159504 A CN 104159504A CN 201380011182 A CN201380011182 A CN 201380011182A CN 104159504 A CN104159504 A CN 104159504A
Authority
CN
China
Prior art keywords
frequency distribution
interval
cycle
peak
frequency
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
CN201380011182.6A
Other languages
English (en)
Other versions
CN104159504B (zh
Inventor
蛤谦治
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.)
Konica Minolta Opto Inc
Original Assignee
Konica Minolta Opto Inc
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 Konica Minolta Opto Inc filed Critical Konica Minolta Opto Inc
Publication of CN104159504A publication Critical patent/CN104159504A/zh
Application granted granted Critical
Publication of CN104159504B publication Critical patent/CN104159504B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • 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
    • 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
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59—Transmissivity

Abstract

本发明涉及生物体信息处理装置以及信号处理方法。在本发明所涉及的生物体信息处理装置和信号处理方法中，生成包含具有周期性的第1信号成分的生物体信号，基于对所述生物体信号进行了2阶差分的2阶差分信号来生成规定的频数分布，针对该生成的频数分布，基于规定的判断基准，决定频数成为最大的间隔时间的区间亦即有效最大频数区间，然后，基于所述有效最大频数区间内的平均时间间隔，来推定所述第1信号成分的周期。

Description

生物体信息处理装置以及信号处理方法
技术领域
本发明涉及从时序信号去除噪音成分的生物体信息处理装置以及生物体信息处理方法。
背景技术
以往与从重叠了噪音成分的时序数据去除噪音成分的信号处理相关的技术被应用于各种各样的信号处理装置。尤其是在时序数据包含与生物体信息相关的信息的情况下，上述信号处理装置被称为生物体信息测定装置。该生物体信息测定装置是从生物体组织以非侵入的方式检测生物体信息的装置，具体而言，生物体信息测定装置是被称为光电脉搏波描记器的测定生物体的脉搏波波形和脉率的测定装置、或被称为脉搏血氧仪的测定动脉血中氧饱和浓度的测定装置等。这些测定装置的原理是，基于通过接受透过生物体组织或者被生物体组织反射的光而得到的、与生物体组织的脉动的变动量对应的信号成分，来求出血中的吸光物质的浓度等生物体信息。
通常，在通过接受透过或被生物体组织反射的光而得到的、生物体信息的检测所需的数据中，重叠有各种各样的噪音成分。噪音成分主要是在使用生物体信息测定装置时，因生物体移动身体等的体动而产生的。若噪音成分与信号成分重叠，则在生物体信息的计算中，成为误差的主要原因，所以期望去除噪音成分。
提出了如下技术，即，在向生物体分别照射了波长彼此不同的多个光束的情况下，基于透过生物体组织或被生物体组织反射的上述光束的强度中的直流交流比，来计算生物体信息的技术。尤其是在信号成分与噪音成分重叠的情况下，以信号成分和噪音成分表示针对各波长的直流交流比。作为去除这种所表示的噪音成分的技术，提出有从基于被测定的数据而生成的数据且包含具有周期性的信号成分的数据中，通过利用周期性来提取信号成分，从而从数据去除噪音成分的技术(参照专利文献1等)。
根据该技术，能够不产生因体动引起的误差，来以非侵入的方式测定动脉血的氧饱和度和脉率。
然而，上述的技术以通过移动安装了探测器的手指或手等产生的静脉血的变动所引起的噪音作为去除对象，难以去除在移动胳膊整体的这种步行时等产生的动脉血的变动所引起的噪音。
因此，在步行时等，利用专利文献1的方法无法充分地去除与脉搏波信号重叠的噪音，所以步行时等的脉率的测定值产生误差。
专利文献1:国际公开第2010/073908号说明书
发明内容
本发明是鉴于上述的情况而完成的发明，其目的在于，提供去除步行时等的与脉搏波信号重叠的噪音成分，测定更准确的脉率的技术。
在本发明的生物体信息处理装置以及信号处理方法中，测定由具有周期性的第1信号成分和第1噪音成分组成的上述第1测定数据，测定包含与上述第1信号成分具有规定的第1关系的第2信号成分、以及与上述第1噪音成分具有规定的第2关系的第2噪音成分的上述第2测定数据，基于规定的第3关系的推定值、上述第1测定数据以及上述第2测定数据，来生成包含上述第1信号成分的生物体信号。并且，基于对上述生物体信号进行了2阶差分的2阶差分信号来生成规定的频数分布，针对该生成的频数分布，基于规定的判断基准，来决定频数成为最大的间隔时间的区间亦即有效最大频数区间，并基于上述有效最大频数区间内的平均时间间隔，来推定上述第1信号成分的周期。这种本发明的生物体信息处理装置以及信号处理方法是使用了去除噪音成分的新的技术的装置以及方法，其能够去除步行时等的与脉搏波信号重叠的噪音成分，测定更准确的脉率。
上述以及其他的本发明的目的、特征和优点，根据以下的详细记载和附图将变得清楚。
附图说明
图1是表示实施方式中的生物体信息处理装置的构成的框图。
图2是表示上述生物体信息处理装置中的脉率计算部的构成的框图。
图3是表示在上述生物体信息处理装置中，2阶差分信号、以及峰间、谷间、上升间的间隔的一例的图。
图4是表示在上述生物体信息处理装置中，峰的频数分布的一例的图。
图5是用于说明在上述生物体信息处理装置中，作成上述峰的频数分布的情况下使用的权重的图。
图6是表示在上述生物体信息处理装置中，谷的频数分布的一例的图。
图7是用于说明在上述生物体信息处理装置中，作成上述谷的频数分布的情况下使用的权重的图。
图8是表示在上述生物体信息处理装置中，上升的频数分布的一例的图。
图9是用于说明在上述生物体信息处理装置中，作成上述上升的频数分布的情况下使用的权重的图。
图10是表示在上述生物体信息处理装置中，有效最大频数区间、以及有效最大荷重频数区间的决定处理的流程图。
图11是表示在上述生物体信息处理装置中，周期计算处理中的处理S20至处理S26的流程图。
图12是表示在上述生物体信息处理装置中，上述周期计算处理中的处理S27至处理S34的流程图。
图13是表示在上述生物体信息处理装置中脉率计算处理的流程图。
图14是表示在上述生物体信息处理装置中氧饱和浓度、以及脉率的测定处理的流程图。
图15是表示在上述生物体信息测定装置以及比较例中脉率的测定结果的一例的图。
具体实施方式
以下，首先对本发明的原理进行说明，接着，基于附图对本发明所涉及的一个实施方式进行说明。另外，在各图中赋予了相同的符号的构成表示是相同的构成，适当地省略其说明。在本说明书中，在表示总称的情况下以省略了添加字的参照符号来表示，在表示个别的构成的情况下以附加了添加字的参照符号来表示。
＜本发明的原理＞
对分别向生物体照射波长彼此不同的多个光束，并基于通过分别接受透过上述生物体或被上述生物体反射的各光束而得到的各测定数据，测定脉率和血中氧饱和度来作为上述生物体的生物体信息的情况进行说明。
根据所谓的朗伯比尔定律，透过生物体组织或被生物体组织反射的某种波长的光的强度下的交流成分与直流成分的比与在该波长下的生物体组织的吸光度的变化量近似地相等。
通过使用基于上述朗伯比尔定律的近似，针对红外波长IR的透过光或反射光的强度的直流成分与交流成分的比、即红外正交比的时序数据IR＿signal能够被看作与针对红外波长IR的生物体组织的吸光度的变化量相等。同样的，作为针对红色波长R的透过光或反射光的强度的直流成分与交流成分的比的红色正交比的时序数据R＿signal也能够被看作与针对红色波长R的生物体组织的吸光度的变化量相等。
上述红外正交比的时序数据IR＿signal由式(1)表示。
IR＿signal＝s+n···(1)
这里，s是吸光度的变化量的信号成分，n是与信号成分重叠的噪音成分。
上述红色正交比的时序数据R＿signal由式(2)表示。
R＿signal＝s×k＿a+n×k＿v···(2)
这里，k＿a是波长IR的光中的吸光度的变化量的信号成分s与红色波长R的光中的吸光度的变化量的信号成分的比，k＿v是和针对红外波长IR的信号成分重叠的噪音成分n、与和针对红色波长R的信号成分重叠的噪音成分的比。
该式(2)的k＿a是动脉血中的，红色波长R的光的吸光系数相对于红外波长IR的光的吸光系数的比，已知k＿a和动脉血中氧饱和度一对一地对应，能够通过求出k＿a，而求出动脉血中氧饱和度。
此外，通过将式(1)乘以k＿v而得到式(3)，并通过从式(3)减去式(2)而得到以下的式(4)。
IR＿signal×k＿v＝s×k＿v+n×k＿v···(3)
IR＿signal×k＿v-R＿signal＝s×(k＿v-k＿a)···(4)
相同地，通过将上式(1)乘以k＿a而得到式(5)，通过从式(5)减去式(2)而得到以下的式(6)。
IR＿signal×k＿a＝s×k＿a+n×k＿a···(5)
IR＿signal×k＿a-R＿signal＝n×(k＿a-k＿v)···(6)
这里，使用信号成分s和噪音成分n是彼此独立的这种关系，即以下的关系式(7)，并且在短时间内k＿a和k＿v是固定的这种条件下，通过求出上式(4)和式(6)的关联，而得到式(8)。
Σi(s×n)＝0···(7)
Σi{IR＿signal×k＿v-R＿signal}×{IR＿signal×k＿a-R＿signal}
＝{(k＿v-k＿a)×(k＿a-k＿v)}×Σi(s×n)···(8)
＝0
这里，Σ是k＿a和k＿v是固定的这样的短时间内的总和。i是光的强度的变化量中的时序数据IR＿signal、R＿signal的数据标号，将数据的测定时间间隔设为Δt，将测定开始时刻设为t0，以t＝Δt×i+t0的这种关系与时间t结合。
式(8)中，包含k＿v和k＿a这2个未知数，所以无法仅根据式(8)求出k＿v和k＿a。
这里，为了求出k＿v，式(4)的右边几乎是周期性的，所以式(4)的左边求出具有周期性的这样的k＿v。在因通常的体动引起的噪音的情况下，k＿v能够被看作静脉血中的与针对波长R的吸光系数和针对波长IR的吸光系数的比对应的值pv，将k＿v设为pv的推定值pv＿es。
将这样求出的k＿v代入至式(8)，求出满足式(8)的情况下的k＿a。然后，将k＿a设为动脉血的与针对波长R的吸光系数和针对波长IR的吸光系数的比(动脉血的吸光系数比pa)对应的值pa的推定值pa＿es。基于该pa＿es，能够求出降低了噪音成分的动脉血中氧饱和度。
能够根据求出的k＿v、R＿signal以及IR＿signal而求出脉率。更具体而言，由于以下的式(9)(与式(4)相同)成立，因此计算R(i)-k＿v×IR(i)中的规定时间内的周期的平均值。
R(i)-k＿v×IR(i)≒(k＿a-k＿v)×s(i)···(9)
然后，作为上述周期的倒数来求出脉率。
＜实施方式＞
在与脉搏波信号重叠的噪音由静脉血的量的变动引起的情况下，能够利用上述的本发明的原理中说明的方法，来计算动脉血中氧饱和度和脉率。即，能够几乎去除因静脉血的量的变动引起的噪音。
然而，对于步行时等的体动噪音而言，不是因静脉血的量的变动引起的噪音占据主导，而是因氧饱和度处于动脉血与静脉血的中间的血液量的变动引起的噪音较大，k＿v成为与k＿a近似的值。因此，在步行时等，将与静脉血的吸光系数比pv近似的值设为k＿v的情况下，R(i)-k＿v×IR(i)不具有较高的周期性，在由式(9)表示的信号中，残留有较多的噪音。因此，即使求出周期，也无法求出正确的周期，无法计算准确的脉率。这里，静脉血的吸光系数比pv是静脉血的针对波长R的吸光系数与针对波长IR的吸光系数的比。
另外，在k＿v和k＿a为近似值的情况下，式(8)成为下式。
k＿a＝{k＿v×ΣR(i)×IR(i)-ΣR(i)2}/{k＿v×ΣIR(i)2-ΣIR(i)×R(i)}≒k＿a
因此，能够大致准确地计算k＿a，能够大致准确地计算动脉血中氧饱和度。于是，将由式(8)计算出的k＿a设为pa＿es。根据pa＿es与和静脉血的氧饱和度对应的静脉血的吸光系数比pv的生理学的关系，推定pv，并将其设为pv＿es。在噪音由静脉血的变动引起的情况下，按照上述，k＿v作为与pv相等来计算。
由于在步行时等的脉搏波信号中，重叠有因动脉血与静脉血的中间的氧饱和度的血液的变动引起的噪音，所以在本实施方式中，通过使用和动脉血的吸光系数比对应的pa的推定值pa＿es、与和静脉血的吸光系数比对应的pv的推定值pv＿es之间的值p，来降低由式(9)表示的R(i)-p×IR(i)的噪音。
进而，通过使用R(i)-p×IR(i)的2阶差分波形，来推定波形的周期，计算误差较少的脉率。
＜脉率的计算方法＞
在实施方式中，作为k＿v，使用和动脉血的吸光系数比对应的pa的推定值pa＿es、与和静脉血的吸光系数比对应的pv的推定值pv＿es之间的值p，来降低由式(9)表示的R(i)-k＿v×IR(i)的噪音，另外，使用R(i)-k＿v×IR(i)的2阶差分波形，来推定波形的周期。于是，在实施方式中，对通过使用不同的p的值，3次推定波形周期，并通过使用这些推定出的3次的周期与过去决定的周期，来决定此次测定的周期，从而求出脉率的例子进行说明。另外，根据生理学的关系或经验法则，基于动脉血的推定值pa＿es或静脉血的推定值pv＿es来设定p的值。
图13是表示脉率计算处理的流程图。
首先，判断因与上述的动脉血氧饱和度近似的血液的变动引起的噪音(以下，记作“动脉血噪音”)是否较大。具体而言，通过使用式(10)，计算噪音指标来进行上述判断。
噪音指标＝[Σ△R(t)2-pa＿es×{Σ2×△R(t)×△IR(t)-pa＿es×Σ△IR(t)2}]/[Σ△R(t)2-pv＿es×{Σ2×△R(t)×△IR(t)-pv＿es×Σ△IR(t)2}]···(10)
这里，IR、R分别表示IR＿signal、R＿signal，△IR、△R分别表示IR(t)、R(t)的时间差分。t是针对连续测定的N个测定数据的索引。此外，Σ是针对t从1到N取得的总和，添加字t表示N个测定数据中的第t个测定数据。这里，使用了时间差分△IR、△R，但是也可以使用IR(t)、R(t)。
在噪音指标比阈值小的情况下，flg＿low＿noise被设置为1(flg＿low＿noise←1)，在除此之外的情况下(噪音指标在上述阈值以上的情况)，flg＿low＿noise被设置为0(零)(flg＿low＿noise←0)。
在噪音指标比阈值小的情况下(flg＿low＿noise＝1)，即，在动脉血噪音较大的情况下(步骤S40：是)，作为p的值，针对pa＿es×1.3、pa＿es×1.5、pa＿es×1.1这3个值，重复从步骤S43到步骤S47的各处理，所以首先作为p的值，设定pa＿es×1.3(步骤S41)。另一方面，在动脉血噪音较小的情况下(flg＿low＿noise＝0)(步骤S40：否)，作为p的值，设定静脉血的推定值pv＿es(步骤S42)，执行一次从步骤S43到步骤S47的各处理。另外，在flg＿low＿noise＝1的情况下，这里，作为p，使用pa＿es×1.3、pa＿es×1.5、pa＿es×1.1，但是作为pa＿es+△p1、pa＿es+△p2、pa＿es+△p3，△p1，△p2，△p3也可以被设为与pa＿es对应的不同的正值或与SpO2对应的不同的正值。另外，作为pv＿es-△p1、pv＿es-△p2、pv＿es-△p3，△p1、△p2、△p3也可以被设为与pa＿es对应的不同的正值或与SpO2对应的不同的正值。此外p不是必须为3个，也可以是1个，还可以是3个以上。
在设定p后，接着通过使用该p来求出式(9)中表示的R(i)-p×IR(i)的信号(步骤S43)。具体而言，根据从当前算起过去T秒间的R脉波波形R(i)和IR脉波波形IR(i)，来计算p＿pulse(i)＝R(i)-p×IR(i)。i是光的强度的变化量的时序数据IR＿signal、R＿signal的数据标号，i是从0到N-1的索引。
然后，对在步骤S43中求出的p＿pulse(i)进行移动平均后，计算其2阶差分p＿pulse＿2(i)(步骤S44)。以下，将该2阶差分p＿pulse＿2(i)称为2阶差分信号。图3中示出该2阶差分信号的一例。
计算用于根据该2阶差分信号检测峰和谷的峰阈值以及谷阈值(步骤S45)。具体而言，检索2阶差分信号中的最大的峰值、第2个峰值以及第3个峰值，并基于这些各值，来决定峰阈值。在无需减少计算量的情况下，也可以根据2阶差分信号的自乘平均值来决定峰阈值。若仅基于最大的峰值来决定峰阈值，则偶尔产生的较大的噪音影响较强，所以在最大峰值与第2个峰值的比比规定值大的情况下，将第2个峰值和第3个峰值的平均值乘以规定的系数后的值设为峰阈值。在最大峰值与第2个峰值的比在规定值以下的情况下，当最大峰值与第3个峰值的比比规定值大时，将第3个峰值乘以规定的系数后的值设为峰阈值，当最大峰值与第3个峰值的比在规定值以下的情况下，将最大峰值、第2个峰值以及第3个峰值的平均值乘以规定的系数后的值设为峰阈值。此外，同样地，检索最深的谷值、第2个、第3个谷值，基于这些各值来决定谷阈值。此外，基于峰阈值和谷阈值，来决定上升阈值。例如，(峰阈值-谷阈值)，即，将从峰阈值减去谷阈值后的值设为上升阈值。
接着，根据2阶差分信号检测有效的峰、谷以及上升(步骤S46)。具体而言，检索峰值比峰阈值大的峰(参照图3的P1～P17)，将峰间隔处于规定间隔内(例如与20bpm～250bpm对应的周期时间的范围内)的间隔设为有效的峰间隔(参照图3的间隔11～14)。按照比峰阈值大的各峰，求出规定数的有效的峰间隔。同样地，检索谷值比谷阈值大的谷(参照图3的V1～P4)，将谷间隔处于规定间隔内的间隔设为有效的谷间隔，求出谷间隔(参照图3的间隔31～33)。此外，根据2阶差分信号，检测上升，在与其对应的(峰值-谷值)，即从峰值减去谷值后的值超过上升阈值的情况下，计算检测到的上升(图3的R1～5)与超过附近的上升阈值的上升的间隔。该计算出的间隔处于规定值内的间隔设为有效的上升间隔，求出上升间隔(图3的间隔41～44)。
以下进一步对峰间隔、谷间隔以及上升间隔详细地进行说明。这些间隔例如是峰的间隔的情况下，并不只是与相邻的峰的间隔，也测定隔开1个、隔开2个等的间隔。
使用图3，更具体地进行说明。在图3所示的2阶差分信号中，白圆圈(○)表示峰，黑圆圈(●)表示谷，三角(△)表示上升。用于测定的峰仅是超过规定的峰阈值的峰，用于测定的谷仅是低于规定的谷阈值的谷。此外，针对谷和紧随其后的峰，检测该(峰高度-谷深度)比基于峰阈值和谷阈值的上升阈值，例如(峰阈值-谷阈值)大的上升，例如将该峰时刻与该谷时刻的平均时刻设为上升时刻。
首先，测定相对于峰P1的间隔。更具体而言，测定峰P1与峰P2的间隔11。然后，分别进一步测定峰P1与峰P3的间隔12、峰P1与峰P4的间隔13、以及峰P1与峰P5的间隔14。在实施方式中，测定相对于各峰的4个间隔。同样地，分别测定相对于峰P2的间隔，即，间隔21、22、23、24。这样，测定到相对于最后的峰P16的间隔为止。另外，相对于峰P16的间隔的个数是与峰P17的间隔这一个。
同样地，针对谷和上升，也测定间隔。另外，在图3中，为了方便说明，仅对一部分的谷和上升赋予符号。针对谷，例如，对相对于谷V1的间隔而言，分别测定谷V1与谷V2的间隔31、谷V1与谷V3的间隔32、以及谷V1与谷V4的间隔33。此外，针对上升，对相对于上升R1的间隔而言，分别测定上升R1与上升R2的间隔41、上升R1与上升R3的间隔42、上升R1与上升R4的间隔43、以及上升R1与上升R5的间隔44。另外，在实施方式中，仅针对上升位置测定间隔，但是也可以将下降位置的间隔置换成上升位置的间隔，或者，还可以向上升位置的间隔追加下降位置的间隔，以便测定下降位置的间隔。此外，在实施方式中，针对全部的峰(谷、上升)，测定与附近的多个峰(谷、上升)的间隔，但是也可以不针对全部的峰(谷、上升)进行测定，此外，也可以不测定相同个数的间隔。
在测定峰间隔、谷间隔以及上升间隔这三种间隔后，执行图13的步骤S47的周期计算处理。
以下，使用图11和图12，对该步骤S47的周期计算处理中的各处理进行说明。
在周期计算处理中，首先，按照各峰间隔、谷间隔以及上升间隔的种类，作成频数分布(频数分布表)(步骤S20)。图4示出峰的频数分布的一例。横轴是所测定出的间隔时间，纵轴表示频数。通过按照各预先决定的规定的时间宽度的区间(以下，称为“阶段”。)来分开测定出的间隔，并计算其个数来作成频数分布。而且，在横轴设定阶段，在纵轴描绘符合的阶段的个数来作为频数，由此作成频数分布。阶段宽度例如在0.01秒以上且小于0.02秒，在0.02秒以上且小于0.03秒等。
根据作成的3种频数分布表，分别决定有效最大频数区间和有效最大荷重频数区间(从步骤S21到步骤S23)。利用之后的＜有效最大频数区间和有效最大荷重频数区间的决定方法＞，对有效最大频数区间和有效最大荷重频数区间的决定详细地进行说明。
所谓有效最大频数区间，是指为了决定周期而被推定为可靠性最高的区间。此外，所谓有效最大荷重频数区间，是指在针对各频数区间的频数进行了基于过去推定出的周期的加权后的频数分布中，为了决定周期而被推定为可靠性最高的区间。
接着，通过用峰的有效最大频数区间的频数的总和除该区间内的峰间隔的总和，来求出周期temp＿period＿peak(步骤S24)。同样地，通过用谷的有效最大频数区间的频数的总和除该区间内的谷间隔的总和，来求出周期temp＿period＿valley(步骤S25)，通过用上升的有效最大频数区间的频数的总和除该区间内的上升间隔的总和，来求出周期temp＿period＿rising(步骤S26)。
接着，决定暂定周期temp＿period。该暂定周期temp＿period的求出方法根据动脉血噪音的大小而不同。
在flg＿low＿noise＝1的情况下，即，在动脉血噪音较大的情况下(图12的步骤S27：是)，仅当步骤S24～S26中求出的平均峰间隔temp＿period＿peak、平均谷间隔temp＿period＿valley、以及平均上升间隔temp＿period＿rising彼此近似时(步骤S28：是)，计算暂定周期temp＿period(步骤S29)。具体而言，计算(temp＿period＿valley/temp＿period＿peak)和(temp＿period＿rising/temp＿period＿peak)，在这双方均处于1-α与1+α之间的情况下，计算它们的平均峰间隔temp＿period＿peak、平均谷间隔temp＿period＿valley、以及平均上升间隔temp＿period＿rising的平均，将该计算出的平均值设为暂定周期temp＿period。α是决定近似的程度的设定值，例如是0.05左右的数值，其被预先决定。然后，对计算标示flg＿same设定表示计算了暂定周期temp＿period这一意思的标示“1”(步骤S30)。在3个周期不近似的情况下(步骤S28：否)，不计算暂定周期temp＿period，并且，计算标示flg＿same被保持设定表示未计算暂定周期temp＿period这一意思的标示“0”(flg＿same＝0)。
另一方面，在动脉噪音较小的(flg＿low＿noise＝0)情况下(步骤S27：否)，仅当平均谷间隔temp＿period＿valley以及平均上升间隔temp＿period＿rising的至少任意一方近似于平均峰间隔temp＿period＿peak时(步骤S31：是)，计算暂定周期temp＿period(步骤S32)。具体而言，计算(temp＿period＿valley/temp＿period＿peak)和(temp＿period＿rising/temp＿period＿peak)，在这些计算出的(temp＿period＿valley/temp＿period＿peak)和(temp＿period＿rising/temp＿period＿peak)的任意一方处于1-α与1+α之间的情况下，计算其一方的2个周期的平均，并设为暂定周期temp＿period。然后，对计算标示flg＿same设定表示计算了暂定周期temp＿period这一意思的标示“1”(flg＿same＝1)(步骤S33)。在3个周期不近似的情况下(步骤S31：否)，不计算暂定周期temp＿period，并且，计算标示flg＿same被保持设定表示未计算暂定周期temp＿period这一意思的标示“0”(flg＿same＝0)。
接着，求出在步骤S21～S23中求出的有效最大荷重频数区间中的平均间隔。确定峰、谷以及上升的有效最大荷重频数区间的频数中的频数成为最大的有效最大荷重频数区间，通过用该有效最大荷重频数区间的频数除该区间内的间隔的总和，来求出暂定荷重周期temp＿period＿weighted(步骤S34)。
按照之前所叙述，在flg＿low＿noise＝1的情况下，改变p的值并执行3次周期计算处理，所以针对各p的值，计算暂定周期temp＿period和暂定荷重周期temp＿period＿weighted，与各p的值对应地也设定3个flg＿same。在flg＿low＿noise＝0的情况下，按照前述，以p＝pv＿es仅执行1次周期计算处理，分别仅计算一个暂定周期temp＿period和暂定荷重周期temp＿period＿weighted，仅设定一个flg＿same。
返回至图13，对周期计算处理后的处理进行说明。周期计算处理之后，首先，检查flg＿low＿noise是否是1(步骤S48)。
在flg＿low＿noise是1的情况下(步骤S48：是)，检查是否针对3个p的值，进行了从步骤S43到步骤S47的各处理(步骤S49)。在未推定3次暂定周期temp＿period和暂定荷重周期temp＿period＿weighted的情况下(步骤S49：否)，当下一个次数是第2次的情况下(步骤S50：第2次)，对p设定pa＿es×1.5(步骤S51)，进行步骤S43～步骤S47的各处理，计算第2次的暂定周期temp＿period和暂定荷重周期temp＿period＿weighted。此外，在下一个次数是第3次的情况下(步骤S50：第3次)，对p设定pa＿es×1.1(步骤S52)，进行步骤S43～步骤S47的各处理，计算第3次的暂定周期temp＿period和暂定荷重周期temp＿period＿weighted。
另一方面，在flg＿low＿noise是0的情况下(步骤S48：否)，或在flg＿low＿noise是1且进行了推定3次暂定周期temp＿period的处理的情况下(步骤S49：是)，通过参照标示flg＿same来判断是否计算了暂定周期temp＿period(步骤S53)。
在针对3个p的值的flg＿same的至少一个是1的情况下(步骤S53：是)，将针对3个p的值(在flg＿low＿noise＝0的情况下，是一个p的值)的各处理中的flg＿same成为1的情况下的暂定周期temp＿period的平均(在flg＿low＿noise＝0的情况下，是暂定周期temp＿period本身)设为暂定平均周期temp＿ave＿period(步骤S54)。
另一方面，在连一个暂定周期temp＿period也未计算的情况下(步骤S53：否)，将3个(在flg＿low＿noise＝0的情况下为一个)暂定荷重周期temp＿period＿weighted中的最大的频数max＿freq＿weighted设为暂定平均周期temp＿ave＿period(步骤S55)。另外，在步骤S54中，暂定平均周期temp＿ave＿period也可以通过以与对应于各暂定周期temp＿period的频数相应的权重，对各暂定周期temp＿period进行平均来求出。
接着，在暂定平均周期temp＿ave＿period与上次的测定中求出的平均周期ave＿period的差较大的情况下(步骤S56：是)，进行暂定平均周期temp＿ave＿period的调整(步骤S57)，在上述差较小的情况下(步骤S56：否)，不进行上述调整。具体而言，在此次的暂定平均周期temp＿ave＿period小于上次的平均周期ave＿period的70％的情况下，将上次的平均周期ave＿period乘以0.7得到的值设为此次的暂定平均周期temp＿ave＿period。此外，在此次的暂定平均周期temp＿ave＿period比上次的平均周期ave＿period的1.3倍大的情况下，将上次的平均周期ave＿period乘以1.3得到的值设为此次的暂定平均周期temp＿ave＿period。
接着，将此次的暂定平均周期temp＿ave＿period与到过去规定次为止的暂定平均周期temp＿ave＿period的平均设为此次的平均周期ave＿period(步骤S58)。
然后，根据该平均周期ave＿period计算脉率ave＿PR(步骤S59)(ave＿PR＝60/ave＿period)。
＜有效最大频数区间以及有效最大荷重频数区间的决定方法＞
以下，使用图10，对根据频数分布，来决定有效最大频数区间和有效最大荷重频数区间的方法进行说明。图10是有效最大频数区间和有效最大荷重频数区间的决定处理的流程图。该流程图对于上述3种，即，峰、谷以及上升的各自的间隔的各处理(步骤S21、步骤S22以及步骤S23)来说是共用的。因此，这里作为代表，仅对峰的处理的情况进行说明。
首先，决定极大区间区域(步骤S10)。具体而言，求出作为给予频数分布的极大的阶段的极大区间(参照图4的极值50～53)，根据包含该极大区间的频数分布的谷，将谷的区域决定为极大区间区域。在图4中，极大区间区域被记载为“极大域”。另外，由于最开始的极大值50的区间或最后的极大值53的区间不包含真的脉搏波周期的可能性较高，所以仅将最开始的极大值50或最后的极大值53的区间与其他极值相比频数高例如1.5倍以上的情况下设为极大区间。
接着，分别针对各极大区间区域，求出区域内的最大频数以及区域的宽度(构成区域的阶段的个数)。另外，求出极大区间区域所包含的峰间隔的平均间隔时间(步骤S11)。
然后，决定有效最大频数区间(步骤S12)。将极大区间区域中的在步骤S11中求出的区域内的最大频数为最大的频数设为有效最大频数，并将该有效最大频数的阶段决定为有效最大频数区间。在图4中，区域内的最大频数为最大的极大区间区域被记载为“有效最大极大域”。
接着，分别针对各极大区间区域，基于在步骤S11中求出的平均间隔时间和在上次的测定中计算出的周期(ave＿period)来决定权重系数(步骤S13)。例如，在ave＿period为0.8秒的情况下，如图5的虚线所示那样，包含0.8秒的阶段的权重最大，随着离开0.8秒，权重变轻。
然后，计算各极大区间区域的荷重极大频数(步骤S14)。具体而言，分别针对极大区间区域，将极大区间区域的各阶段的各个频数乘以各阶段的权重系数，来求出极大区间区域的荷重极大频数。
接着，针对全部的极大区间区域(步骤S17：否)，根据在步骤S11中求出的极大区间区域的宽度，再计算荷重极大频数。具体而言，极大区间区域的宽度比规定值例如“4”小的情况下(步骤S15：否)，不进行再计算而是保持在步骤S14中求出的荷重极大频数，在为上述规定值以上的情况下(步骤S15：是)，利用下式(11)，再计算步骤S14中求出的荷重极大频数，由此求出荷重极大频数。
荷重极大频数＝荷重极大频数×3÷极大区间区域的宽度···(11)
若针对全部的极大区间区域，结束了荷重极大频数的再计算(步骤S17：是)，则决定有效最大荷重频数区间(步骤S18)。具体而言，将极大区间区域中的步骤S14～S17中求出的荷重极大频数为最大的频数设为有效最大荷重频数，将该极大区间区域决定为有效最大荷重频数区间。
图6表示谷间隔的频数分布的一例，图7表示谷的权重系数的一例。此外，图8表示上升间隔的频数分布的一例，图9表示上升的权重系数的一例。
＜构成＞
以下，对实施方式中的生物体信息测定装置进行说明。图1是表示实施方式中的生物体信息测定装置的构成的框图。
实施方式中的生物体信息测定装置100是通过对作为测定对象的生物体的生理现象进行测定来测定与生物体相关的生物体信息的装置。生物体信息例如是脉率、血中氧饱和度等。这种生物体信息能够通过利用因动脉血的脉动产生的生物体组织的透过或反射光量中的变动成分来求出，其基本原理按照上述的＜本发明的原理＞项中叙述的内容。
例如，如图1所示，这种生物体信息测定装置100构成为具备：测定生物体的规定的生理现象并输出测定数据的传感器部40、基于由传感器部40测定出的测定数据来计算例如脉率、血中氧饱和度(SpO2、SpO2、经皮的氧饱和度)等生物体信息的运算控制部10、以及以能够从外部识别的方式显示由运算控制部10计算出的生物体信息的显示部30。
传感器部40与运算控制部10连接，在本实施方式中，是测定与生物体组织中的血液相关的信息来作为生物体的生理现象的装置。更具体而言，传感器部40是测定因基于心拍的动脉血的脉动产生的生物体组织的透过或反射光量中的变动成分来作为生物体的生理现象的装置。
这种测定生物体的生理现象的方法能够举出例如利用生物体组织的血红蛋白的吸光特性的方法。氧通过血红蛋白被输送到生物体的各细胞中，但是血红蛋白在肺中与氧结合而成为氧合血红蛋白，若在生物体的细胞中消耗氧，则返回到血红蛋白(还原血红蛋白)。血中氧饱和度被定义为血中(血液中)的氧合血红蛋白的比例。这些血红蛋白和氧合血红蛋白的各吸光度具有波长依赖性，血红蛋白例如针对红色光(红色波长区域的光)，比氧合血红蛋白吸光多，另一方面，针对红外光(红外线波长区域的光)，比氧合血红蛋白吸光少。即，血红蛋白具有若被氧合而成为氧合血红蛋白，则红色光的吸收减少，红外光的吸收增加，相反若被还原而返回到血红蛋白，则红色光的吸收增加，红外光的吸收减少这样的光学特性。本实施方式的生物体信息测定装置100通过利用这种血红蛋白和氧合血红蛋白的针对红色光和红外光的吸光特性的不同，来求出例如脉率、血中氧饱和度等生物体信息。
为了利用这种方法，本实施方式的传感器部40例如具备：测定生物体组织中的针对红色光的吸光特性的传感器(R)部41、和测定上述生物体组织中的针对红外光的吸光特性的传感器(IR)部42，并与运算控制部10连接。该传感器(R)部41例如具备：向上述生物体组织照射波长λ1的红色光的例如发光二极管等R发光元件、和接受由上述R发光元件照射并透过上述生物体组织或被上述生物体组织反射的红色光的例如硅光电二极管等R受光元件，该传感器(IR)部42例如具备：向上述生物体组织照射与上述波长λ1不同的波长λ2的红外色光的例如发光二极管等IR发光元件、和接受由上述IR发光元件照射并透过上述生物体组织或被上述生物体组织反射的红外光的例如硅光电二极管等IR受光元件。传感器部40能够使用这种透过型或反射型的传感器。
传感器部40被设置在例如手指或耳朵等、当为婴幼儿时在手臂、手腕，脚背等规定的生物体组织上，将由传感器(R)部41和传感器(IR)部42测定出的测定数据输出至运算控制部10。更具体而言，在这样构成的传感器(R)部41中，上述R发光元件对上述生物体组织照射红色光，上述R受光元件接受由该R发光元件向上述生物体组织照射的红色光的透过上述生物体组织或被上述生物体组织反射的红色光R，通过对该接受的红色光进行光电转换，将与该受光量对应的电信号作为上述测定数据而输出到运算控制部10。同样地，在传感器(IR)部42中，上述IR发光元件对上述生物体组织照射红外光，上述IR受光元件接受由该IR发光元件向上述生物体组织照射的红外光的透过上述生物体组织或被上述生物体组织反射的红外光，通过对该接受的红外光进行光电转换，将与该受光量对应的电信号作为上述测定数据而输出到运算控制部10。另外，这里设置了R受光元件和IR受光元件这2个，但是受光元件也可以为1个。该情况下，错开发光的定时地使IR发光元件和R发光元件发光(以时间分割使它们发光)，也可以根据与发光定时对应的时间，将该1个受光元件的输出分离成基于IR发光元件的电信号和基于R发光元件的电信号。
运算控制部10与显示部30连接，是基于由传感器部40测定出的测定数据来求出生物体信息，并掌管生物体信息测定装置100整体的控制的装置。运算控制部10通过例如以规定的采样周期(例如频率37.5Hz等)对由传感器部40测定出的测定数据进行采样，从传感器部40获取测定数据的时序数据。此外，例如运算控制部10通过以规定的周期驱动传感器部40，即、使其进行发光或者受光的各动作，从传感器部40获取测定数据来作为时序数据。此外，例如传感器部40通过以规定的采样周期采样，从上述生物体组织对测定数据进行测定来作为时序数据，并将该时序数据的测定数据输出到运算控制部10。该测定数据可以是模拟数据，但是在本实施方式中是数字数据，从模拟数据向数字数据的转换(AD转换)通过传感器部40或运算控制部10来进行，此外，根据需要，在传感器部40或运算控制部10中还可以具备将上述AD转换前的测定数据放大的放大部。
更具体而言，该运算控制部10基于由传感器部40测定出的测定数据，来求出与测定对象的生物体相关的规定的生物体信息，例如，由具备微处理器、存储器以及其外围电路的微型计算机构成。上述存储器具备：存储用于基于由传感器部40测定出的测定数据而求出生物体信息的生物体信息运算程序、用于控制生物体信息测定装置100整体的控制程序等各种程序、由传感器部40测定出的上述测定数据、上述程序的执行所需的数据等各种数据的、例如可改写的非易失性存储元件EEPROM(Electrically Erasable Programmable Read Only Memory：电可擦可编程序只读存储器)或作为非易失性存储元件的ROM(ReadOnly Memory：只读存储器)、以及成为上述微处理器的所谓的工作存储器的例如是易失性存储元件的RAM(Random Access Memory：随机存取存储器)等，上述微处理器是所谓的CPU(Central Processing Unit：中央处理器)等，通过执行上述程序，功能性地具备：例如AC/DC(R)部11、AC/DC(IR)部12、BPF(R)部13、BPF(IR)部14、R相关计算部15、IR相关计算部16、相互相关计算部17、pv/pa计算部18、SpO2计算部19、脉率计算部20、以及噪音识别部21。
AC/DC(R)部11和AC/DC(IR)部12针对从传感器部40输入的测定数据，进行规定的前处理。更具体而言，AC/DC(R)部11针对从传感器(R)部41输入的与红色光有关的测定数据，进行用于对上述R受光元件中的暗电流进行校正的所谓的暗处理，然后，计算交流成分RAC与直流成分RDC的第1比(红色光交直比)R(＝RAC/RDC)，并将该第1比R向BPF(R)部13通知(输出)。
此外，AC/DC(IR)部12针对从传感器(IR)部42输入的与红外光有关的测定数据，进行用于对上述IR受光元件中的暗电流进行校正的所谓的暗处理，然后，计算交流成分IRAC与直流成分IRDC的第2比(红外光交直比)IR(＝IRAC/IRDC)，并将该第2比IR向BPF(IR)部14通知(输出)。上述暗处理使用公知的方法，例如，通过从与上述红色光有关的测定数据减去从遮光状态的R受光元件输出的输出值(暗电流值)Rdark，并且从与上述红外光有关的测定数据减去从遮光状态的IR受光元件输出的输出值(暗电流值)IRdark来进行。这些从遮光状态的R受光元件和IR受光元件输出的各输出值Rdark、IRdark被预先测定。
BPF(R)部13和BPF(IR)部14是从由传感器部40测定出的测定数据去除规定的噪音成分的滤波器，其去除作为因动脉血的脉动产生的生物体组织的透过或反射光量中的变动成分而通常所包含的频率成分以外的频率成分。
BPF(R)部13是将包含作为针对红色光的因动脉血的脉动产生的生物体组织的透过或反射光量中的变动成分而通常所包含的频率成分的规定的频率带域设为通过带域的滤波器，对第1比R进行滤波处理(滤波)，将该滤波处理后的第1比R作为时序数据，即R＿signal，向R相关计算部15、相互相关计算部17、pv/pa计算部18、脉率计算部20、以及噪音识别部21的各部通知。
BPF(IR)部14是将包含作为针对红外光的因动脉血的脉动产生的生物体组织的透过或反射光量中的变动成分而通常所包含的频率成分的规定的频率带域设为通过带域的滤波器，对第2比IR进行滤波处理(滤波)，将该滤波器处理后的第2比IR作为时序数据IR＿signal，向IR相关计算部16、相互相关计算部17、pv/pa计算部18、脉率计算部20、以及噪音识别部21的各部通知。
R相关计算部15计算与红色光有关的R＿signal或其差分信号ΔR的相关数据，并将该计算出的相关数据向pv/pa计算部18以及噪音识别部21的各部通知。
IR相关计算部16计算与红外光有关的IR＿signal或其差分信号ΔIR的相关数据，并将该计算出的相关数据向pv计算部18以及噪音识别部21的各部通知。
相互相关计算部17计算与红色光有关的R＿signal或其差分信号ΔR、和与红外光有关的IR＿signal或其差分信号ΔIR的相关数据，并将该计算出的相关数据向pv/pa计算部18、以及噪音识别部21的各部通知。
pv/pa计算部18使用以往的技术，根据BPF(R)部13计算出的R＿signal、BPF(IR)部14计算出的IR＿signal、R相关计算部15计算出的R＿signal或其差分信号△R的相关数据、IR相关计算部16计算出的IR＿signal或其差分信号△IR的相关数据、相互相关计算部17计算出的R＿signal或其差分信号△R和IR＿signal或其差分信号△IR的相关数据，来计算k＿v的推定值kv＿es。例如，pv/pa计算部18计算从作为初始值的k＿v＿0开始，在规定的范围内(例如，k＿v＿0-0.5＜k＿v＜k＿v＿0+0.5)使k＿v逐次变化而得到的波形(IR＿signal×k＿v-R＿signal)的宽度的偏差，决定偏差成为最小的这样的k＿v，并设为kv＿es。
pv/pa计算部18基于计算出的kv＿es，计算静脉血的推定值pv＿es，使用式(8)，根据pv＿es来计算k＿a的推定值pa＿es。然后，pv/pa计算部18向SpO2计算部19、脉率计算部20、以及噪音识别部21通知这些计算出的pv＿es和pa＿es。
SpO2计算部19根据pv/pa计算部18求出的pa＿es，求出动脉血的氧饱和度SpO2，并将该求出的氧饱和度SpO2向显示部30通知。
脉率计算部20根据BPF(R)部13计算出的R＿signal、BPF(IR)部14计算出的IR＿signal、pv/pa计算部18计算出的pv＿es以及pa＿es，如图13所说明那样，求出脉率ave＿PR，将求出的脉率ave＿PR向显示部30通知。
噪音识别部21根据R相关计算部15计算出的R＿signal或其差分信号△R的相关数据、IR相关计算部16计算出的IR＿signal或其差分信号△IR的相关数据、相互相关计算部17计算出的R＿signal或其差分信号△R和IR＿signal或其差分信号ΔIR的相关数据、pv/pa计算部18计算出的pv＿es和pa＿es，使用式(10)来计算噪音指标。在计算出的噪音指标比预先决定的阈值小的情况下，判断为动脉血噪音大，在噪音指标比阈值大的情况下，判断为噪音小，并将这一情况向脉率计算部20通知。
显示部30是显示(输出)该生物体信息测定装置100的动作状态和由运算控制部10求出的生物体信息等的装置，例如，是液晶显示装置(LCD)、有机EL显示装置、打印机等。在本实施方式中，显示部30例如具备：显示由脉率计算部20计算出的脉率的脉率输出部32、显示由SpO2计算部19计算出的氧饱和度的SpO2输出部31。
接着，图2是表示图1的生物体信息测定装置100中的脉率计算部20的构成的框图。
脉率计算部20具备：2次微分计算部50、峰阈值计算部60、峰识别部61、峰时间间隔计算部62、峰时间间隔频数分布计算部63、频数分布极大域检测部64、有效最大极大域检测部65、有效最大极大域内平均时间间隔计算部66、谷阈值计算部70、谷识别部71、谷时间间隔计算部72、谷时间间隔频数分布计算部73、频数分布极大域检测部74、有效最大极大域检测部75、有效最大极大域内平均时间间隔计算部76、上升阈值计算部80、上升识别部81、上升时间间隔计算部82、上升时间间隔频数分布计算部83、频数分布极大域检测部84、有效最大极大域检测部85、有效最大极大域内平均时间间隔计算部86、时间平均脉率计算部90、权重系数计算部91、有效荷重极大域检测部92、以及有效最大荷重极大域内平均时间间隔计算部93。
2次微分计算部50进行生成R＿signal-p×IR＿signal的2阶差分信号的处理。该处理是图13的流程图中的步骤S44的处理。
峰阈值计算部60、谷阈值计算部70以及上升阈值计算部80进行计算阈值的处理，该阈值用于检测2次微分计算部50生成的2阶差分信号的峰、谷以及上升的各位置。该处理是图13的流程图中的步骤S45的处理。
峰识别部61、谷识别部71以及上升识别部81基于峰阈值计算部60、谷阈值计算部70以及上升阈值计算部80分别计算出的阈值，根据2次微分计算部50生成的2阶差分信号，进行检测峰、谷以及上升的各位置的处理。该处理是图13的流程图中的步骤S46的处理。
峰时间间隔计算部62计算峰识别部61检测到的峰彼此的间隔时间，峰时间间隔频数分布计算部63进行根据计算出的间隔时间来作成频数分布的处理。该处理是图11的流程图中的步骤S20的处理。
频数分布极大域检测部64根据峰时间间隔频数分布计算部63作成的频数分布，进行检测极大期间区域的处理。该处理是图10的流程图中的步骤S10的处理。
有效最大极大域检测部65根据频数分布极大域检测部64检测到的峰时间间隔频数分布的极大区间区域，进行决定有效最大极大域(有效最大频数区间)的处理。该处理是图10的流程图中的步骤S11、S12的处理。
有效最大极大域内平均时间间隔计算部66根据有效最大极大域检测部65决定的有效最大极大域内的间隔时间，进行计算平均时间(周期)的处理。该处理是图11的流程图中的步骤S24的处理。
谷时间间隔计算部72计算谷识别部71检测到的谷彼此的间隔时间，谷时间间隔频数分布计算部73进行根据计算出的间隔时间作成频数分布的处理。该处理是图11的流程图中的步骤S20的处理。
频数分布极大域检测部74根据谷时间间隔频数分布计算部73作成的频数分布，进行检测极大期间区域的处理。该处理是图10的流程图中的步骤S10的处理。
有效最大极大域检测部75根据频数分布极大域检测部74检测到的谷时间间隔频数分布的极大区间区域，进行决定有效最大极大域(有效最大频数区间)的处理。该处理是图10的流程图中的步骤S11、12的处理。
有效最大极大域内平均时间间隔计算部76根据有效最大极大域检测部75决定的有效最大极大域内的间隔时间，进行计算平均时间(周期)的处理。该处理是图11的流程图中的步骤S25的处理。
上升时间间隔计算部82计算上升识别部81检测到的上升彼此的间隔时间，上升时间间隔频数分布计算部83根据计算出的间隔时间进行作成频数分布的处理。该处理是图11的流程图中的步骤S20的处理。
频数分布极大域检测部84根据上升时间间隔频数分布计算部83作成的频数分布，进行检测极大期间区域的处理。该处理是图10的流程图中的步骤S10的处理。
有效最大极大域检测部85根据频数分布极大域检测部84检测到的上升时间间隔频数分布的极大区间区域，进行决定有效最大极大域(有效最大频数区间)的处理。该处理是图10的流程图中的步骤S11、12的处理。
有效最大极大域内平均时间间隔计算部86根据有效最大极大域检测部75决定的有效最大极大域内的间隔时间，进行计算平均时间(周期)的处理。该处理是图11的流程图中的步骤S26的处理。
时间平均脉率计算部90根据有效最大极大域内平均时间间隔计算部66、有效最大极大域内平均时间间隔计算部76、以及有效最大极大域内平均时间间隔计算部86分别计算出的平均时间(周期)，进行计算脉率的处理。该处理是图12的流程图中的步骤S27～步骤S33、以及图13的流程图中的步骤S48～步骤S59的处理。
权重系数计算部91进行计算权重系数的处理。该处理是图10的流程图中的步骤S13的处理。
有效荷重极大域检测部92使用权重系数计算部91计算出的权重系数，进行检测有效荷重极大域(有效最大荷重频数区间)的处理。该处理是图10的流程图中的步骤S14～18的处理。
有效最大荷重极大域内平均时间间隔计算部93根据有效荷重极大域检测部92检测到的有效荷重极大域内的间隔时间，进行计算平均时间(周期)的处理。该处理是图12的流程图中的步骤S34的处理。
＜动作＞
接着，对实施方式的生物体信息测定装置100的动作进行说明。
图14是表示求出生物体信息中的氧饱和度和脉率的处理的流程图。
在生物体信息测定装置100中，例如，通过接通电源开关(未图示)或接通电源开关后接通测定开始开关(未图示)等，而开始作为测定对象的生物体的生物体信息的测定。
运算控制部10开始对由传感器部40测定出的测定数据进行以规定的采样周期的采样，并从传感器部40获取测定数据的时序数据。
具体而言，通过传感器部40的传感器(R)部41，测定与红色光有关的测定数据Rsignalanddark(包含暗电流)以及其暗电流Rdark，从模拟信号向数字信号转换，并且通过传感器(IR)部42，测定与红外光有关的测定数据IRsignalanddark(包含暗电流)以及其暗电流IRdark，从模拟信号向数字信号转换。
接着，通过显示部30的AC/DC(R)部11，针对从传感器(R)部41输入的与红色光有关的测定数据Rsignalanddark，执行暗处理(Rsignalanddark-Rdark)，计算R_signal，并且通过AC/DC(IR)部12，针对从传感器(IR)部42输入的与红外光有关的测定数据IRsignalanddark，执行暗处理(Rsignalanddark-Rdark)，计算IR_signal。接着，通过BPF(R)部13，对从AC/DC(R)部11输出的R＿signal进行滤波，并且通过BPF(IR)部14，对从AC/DC(IR)部12输出的IR＿signal进行滤波，并输出至R相关计算部15等。
运算控制部10开始数据的采样。R相关计算部15、IR相关计算部16、以及相互相关计算部17获取来自BPF(R)部13或BPF(IR)部14的R＿signal(在图14中记载为R(i))或IR＿signal(在图14中记载为IR(i))(步骤S70)，运算各相关值，并输出到pv/pa计算部18。即，由R相关计算部15计算ΣR(i)2或Σ△R(i)2，由IR相关计算部16计算ΣIR(i)2或Σ△IR(i)2，由IR相关计算部16计算ΣR(i)×IR(i)或Σ△R(i)×△IR(i)，并输出到pv/pa计算部18。△R(i)、△IR(i)分别是R(i)、IR(i)的时间差分，Σ是针对规定时间内的和。
pv/pa计算部18若获取了氧饱和浓度、以及脉率的计算所需的规定数的数据(N个)，则计算pv＿es和pa＿es，并输出到SpO2计算部19、脉率计算部20、以及噪音识别部21(步骤S71)。
噪音识别部21使用式(10)计算噪音指标(步骤S72)，在计算出的噪音指标比预先决定的阈值小的情况下(步骤S73：是)，判断为动脉血噪音较大，对标示flg＿low＿noise设定1(步骤S74)。此外，噪音识别部21在噪音指标比阈值大的情况下(步骤S73：否)，判断为动脉血噪音较小，对标示flg＿low＿noise设定0(步骤S75)，并向脉率计算部20发送标示内容。
SpO2计算部23根据pv/pa计算部18计算出的推定值pa＿es，求出氧饱和度SpO2(步骤S76)，并存储于生物体信息测定装置100的存储器(步骤S77)。然后，在存储有过去计算出的氧饱和度SpO2的情况下，SpO2计算部23根据在整个规定期间的过去的氧饱和度SpO2和此次计算出的氧饱和度SpO2来计算平均值，将该计算出的氧饱和度ave＿SpO2向显示部30通知(步骤S78)。
脉率计算部20根据从噪音识别部21通知的标示flg＿low＿noise的内容、从pv/pa计算部18接收到的pv＿es和pa＿es、从BPF(R)部13接收到的R(i)、以及从BPF(IR)部14接收到的IR(i)，如图13中说明的那样，计算脉率，并将计算出的脉率ave＿PR向显示部30通知(步骤S79)。
显示部30将从SpO2计算部19通知的氧饱和度ave＿SpO2显示于SpO2输出部31，将从脉率计算部20通知的脉率ave＿PR显示于脉率输出部(步骤S80)。
由于进行这种动作，所以实施方式的生物体信息测定装置100即使在例如因步行等而产生了噪音的情况下，也能够高精度地迅速测定例如脉率、氧饱和度等生物体信息。图15表示上述的生物体信息处理装置中测定出的步行时的脉率的一例。如该图表所示，本生物体信息处理装置中测定出的脉率与心电图的脉率(HR的图表)几乎相同地变迁，与以往方法相比，可知计算出更准确的脉率。
本说明书公开了如上述那样各种方式的技术，但是将其中主要的技术总结成如下。
一个方式所涉及的生物体信息处理装置是分别向生物体照射波长彼此不同的多个光束，基于通过分别接受透过上述生物体或被上述生物体反射的各光束而得到的至少第1测定数据和第2测定数据，来测定上述生物体的生物体信息的生物体信息处理装置，其具备：第1测定部、第2测定部、生物体信号生成部、差分信号生成部、频数分布生成部、以及周期推定部。上述第1测定部测定由具有周期性的第1信号成分和第1噪音成分构成的上述第1测定数据。上述第2测定部测定上述第2测定数据，该第2测定数据包括：与上述第1信号成分具有规定的第1关系的第2信号成分、以及与上述第1噪音成分具有规定的第2关系的第2噪音成分。上述差分信号生成部基于规定的第3关系的推定值、上述第1测定数据以及上述第2测定数据，生成包含上述第1信号成分的生物体信号。上述差分信号生成部生成对上述生物体信号进行了2阶差分的2阶差分信号。上述频数分布生成部生成峰频数分布、谷频数分布、上升频数分布、以及下降频数分布中的至少任意一个频数分布，其中，该峰频数分布表示上述2阶差分信号的值成为规定的峰阈值以上的峰彼此的间隔时间的频数分布，该谷频数分布表示上述2阶差分信号的值成为规定的谷阈值以下的谷彼此的间隔时间的频数分布，该上升频数分布表示上述2阶差分信号的值从下向上地超过表示峰与谷之间的规定的阈值的上升位置彼此的间隔时间的频数分布，该下降频数分布表示上述2阶差分信号的值从上向下地超过表示峰与谷之间的上述规定的阈值的下降位置彼此的间隔时间的频数分布。上述周期推定部针对上述频数分布生成部生成的频数分布，基于规定的判断基准，决定频数成为最大的间隔时间的区间亦即有效最大频数区间，基于上述有效最大频数区间内的平均时间间隔，推定上述第1信号成分的周期。
而且，其他一个方式所涉及的信号处理方法是基于通过向生物体分别照射波长彼此不同的多个光束并分别接受透过上述生物体或被上述生物体反射的各光束而得到的至少第1测定数据和第2测定数据，测定上述生物体的生物体信息的生物体信息处理装置中使用的信号处理方法，上述第1测定数据由具有周期性的第1信号成分和第1噪音成分构成，上述第2测定数据包括与上述第1信号成分具有规定的第1关系的第2信号成分、以及与上述第1噪音成分具有规定的第2关系的第2噪音成分，该信号处理方法具备：生物体信号生成步骤、差分信号生成步骤、频数分布生成步骤、以及周期推定步骤。上述生物体信号生成步骤基于规定的第3关系的推定值、上述第1测定数据以及上述第2测定数据，生成包含上述第1信号成分的生物体信号。上述差分信号生成步骤生成对上述生物体信号进行了2阶差分的2阶差分信号。上述频数分布生成步骤生成峰频数分布、谷频数分布、上升频数分布、以及下降频数分布中的至少任意一个频数分布，其中，该峰频数分布表示上述2阶差分信号的值成为规定的峰阈值以上的峰彼此的间隔时间的频数分布，该谷频数分布表示上述2阶差分信号的值成为规定的谷阈值以下的谷彼此的间隔时间的频数分布，该上升频数分布表示上述2阶差分信号的值从下向上地超过表示峰与谷之间的规定的阈值的上升位置彼此的间隔时间的频数分布，该下降频数分布表示上述2阶差分信号的值从上向下地超过表示峰与谷之间的上述规定的阈值的下降位置彼此的间隔时间的频数分布。上述周期推定步骤针对通过上述频数分布生成步骤生成的频数分布，基于频数成为最大的间隔时间，来推定上述第1信号成分的周期。
在这种生物体信息处理装置中，使用第3关系的推定值，生成包含更多上述第1信号成分的生物体信号，所以能够降低信号的噪音。另外，在这种生物体信息处理装置中，通过使用降低了噪音的生物体信号的2阶差分波形，来作成峰等的间隔时间的频数分布，基于频数成为最大的这种间隔时间，来推定周期，所以能够计算误差较少的脉率。
此外，在其他一个方式中，在上述的生物体信息处理装置中，还具备推定部，其输出上述第1测定数据和上述第2测定数据所包含的起因于动脉血的动脉血的吸光系数比的推定值以及起因于静脉血的静脉血的吸光系数比的推定值；和噪音判定部，其判定上述第2噪音成分是否较多地包含起因于具有与动脉血的氧饱和度近似的氧饱和度的血液的噪音成分。然后，上述生物体信号生成部在由上述噪音判定部判定为上述第2噪音成分未较多地包含上述噪音成分的情况下，仅基于上述静脉血的吸光系数比的推定值，来决定上述规定的第3关系的推定值，在判断为上述第2噪音成分较多地包含上述噪音成分的情况下，将上述动脉血的吸光系数比的推定值与上述静脉血的吸光系数比的推定值之间的值决定为上述规定的第3关系的推定值。
在这种生物体信息处理装置中，能够判定起因于具有与动脉血的氧饱和度近似的氧饱和度的血液的噪音的大小，所以能够通过根据噪音的性质、大小使用适当的第3关系的推定值，来推定周期。即，在这种生物体信息处理装置中，能够计算误差较少的脉率。
此外，在其他一个方式中，在上述的生物体信息处理装置中，上述频数分布生成部当在规定的时间范围的上述2阶差分信号中生成上述峰频数分布的情况下，选择多个峰，并针对所选择的各峰，测定包含选择的1个峰的预先设定的规定的范围所包含的其他峰与该1个峰之间的间隔时间，并通过使用测定出的间隔时间来生成上述峰频数分布。上述频数分布生成部当在规定的时间范围的上述2阶差分信号中生成上述谷频数分布的情况下，选择多个谷，并针对所选择的各谷，测定包含选择的1个谷的预先设定的规定的范围所包含的其他谷与该1个谷之间的间隔时间，通过使用测定出的间隔时间来生成上述谷频数分布。上述频数分布生成部当在规定的时间范围的上述2阶差分信号中生成上述上升频数分布的情况下，选择多个上升位置，并针对所选择的各上升位置，测定包含选择的1个上升位置的预先设定的规定的范围所包含的其他的上升位置与该1个上升位置之间的间隔时间，通过使用测定出的间隔时间来生成上述上升频数分布。而且，上述频数分布生成部当在规定的时间范围的上述2阶差分信号中选择上述下降频数分布的情况下，选择多个下降位置，针对所选择的各下降位置，测定包含选择的1个下降位置的预先设定的规定的范围所包含的其他的下降位置与该1个下降位置之间的间隔时间，通过使用测定出的间隔时间来生成上述下降频数分布。
在这种生物体信息处理装置中，例如，计算附近的峰彼此，即，彼此相邻以外的峰彼此的间隔时间，来作为峰的间隔时间，所以能够根据更宽阔的间隔时间来推定周期。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述频数分布生成部在生成上述峰频数分布的情况下，使用测定间隔时间的峰彼此的组合分别不同的间隔时间，在生成上述谷频数分布的情况下，使用测定间隔时间的谷彼此的组合分别不同的间隔时间，在生成上述上升频数分布的情况下，使用测定间隔时间的上升位置彼此的组合分别不同的间隔时间，在生成上述下降频数分布的情况下，使用测定间隔时间的下降位置彼此的组合分别不同的间隔时间(例如，步骤S40～S42)。
在这种生物体信息处理装置中，例如，无需计算多次相同峰的组合的间隔时间，所以能够计算更准确的脉率。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述周期推定部根据上述频数分布生成部生成的至少2个以上的频数分布，分别计算周期，并将计算出的周期中的周期彼此的差在预先决定的范围内的周期的平均值推定为上述第1信号成分的周期。
在这种生物体信息处理装置中，根据多种间隔时间的频数分布决定周期，所以能够计算更准确的脉率。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述生物体信号生成部分别针对多个上述规定的第3关系的推定值来生成生物体信号，上述2阶差分信号生成部分别针对上述生物体信号来生成2阶差分信号，上述频数分布生成部分别针对上述2阶差分信号来生成频数分布，上述周期推定部根据上述2阶差分信号各自的频数分布，来推定各2阶差分信号的周期，并根据推定出的各周期，来推定上述第1信号成分的周期。
在这种生物体信息处理装置中，使用多个第3关系的推定值，根据多个2阶差分信号来推定周期，所以能够计算误差较少的脉率。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述周期推定部将推定为上述第1信号成分的周期的周期、以及过去推定出的周期的平均值推定为新的第1信号成分的周期，在推定为上述新的第1信号成分的周期的周期与上次推定出的周期分离了规定以上的情况下，进一步将根据上次推定出的周期计算的周期和过去推定出的周期的平均值推定为新的第1信号成分的周期(例如步骤S56、S57)。
在这种生物体信息处理装置中，也基于过去求出的周期来推定周期，所以能够计算误差较少的脉率。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述频数分布生成部生成以基于上述周期推定部过去推定出的周期的权重进行了加权的荷重频数分布。
此外，在其他的一个方式中，在上述的生物体信息处理装置中，上述频数分布生成部进一步生成以基于上述周期推定部过去推定出的周期的权重进行了加权的荷重频数分布，上述周期推定部在上述荷重频数分布中，基于规定的判断基准，决定频数成为最大的间隔时间的区间亦即有效最大荷重频数区间，基于上述有效最大荷重频数区间内的平均时间间隔和上述有效最大频数区间内的平均时间间隔，推定上述第1信号成分的周期。
在这种生物体信息处理装置中，根据以基于过去的推定结果的权重进行了加权的频数分布来推定周期，所以减少计算与过去的脉率相差甚远的脉率的情况。
该申请以2012年2月28日申请的日本国专利申请特愿2012-40994作为基础，其内容也包含在本申请中。
为了表现本发明，在上述说明中参照着附图，通过实施方式适当且充分地对本发明进行了说明，但是应该认识到，对本领域技术人员来说，能够容易地对上述的实施方式进行变更和/或改良。因此，对于本领域技术人员所实施的变更方式或改良方式，只要是不脱离权利要求书中记载的权利要求的权利范围的层次，则该变更方式或该改良方式被解释为被包括在该权利要求的权利范围内。
产业上的可利用性
根据本发明，能够提供生物体信息处理装置以及信号处理方法。

Claims (10)

1.一种生物体信息处理装置，向生物体分别照射波长彼此不同的多个光束，基于通过分别接受透过所述生物体或被所述生物体反射的各光束而得到的至少第1测定数据和第2测定数据，来测定所述生物体的生物体信息，其特征在于，具备：
第1测定部，其测定由具有周期性的第1信号成分和第1噪音成分构成的所述第1测定数据；
第2测定部，其测定所述第2测定数据，所述第2测定数据包含与所述第1信号成分具有规定的第1关系的第2信号成分、和与所述第1噪音成分具有规定的第2关系的第2噪音成分；
生物体信号生成部，其基于规定的第3关系的推定值、所述第1测定数据以及所述第2测定数据，生成包含所述第1信号成分的生物体信号；
差分信号生成部，其生成对所述生物体信号进行了2阶差分而得的2阶差分信号；
频数分布生成部，其生成峰频数分布、谷频数分布、上升频数分布、以及下降频数分布中的至少任意1个频数分布，该峰频数分布表示所述2阶差分信号的值成为规定的峰阈值以上的峰彼此的间隔时间的频数分布，该谷频数分布表示所述2阶差分信号的值成为规定的谷阈值以下的谷彼此的间隔时间的频数分布，该上升频数分布表示所述2阶差分信号的值从下向上地超过表示峰与谷之间的规定的阈值的上升位置彼此的间隔时间的频数分布，该下降频数分布表示所述2阶差分信号的值从上向下地超过表示峰与谷之间的所述规定的阈值的下降位置彼此的间隔时间的频数分布，以及
周期推定部，针对所述频数分布生成部生成的频数分布，基于规定的判断基准，来决定频数成为最大的间隔时间的区间亦即有效最大频数区间，并基于所述有效最大频数区间内的平均时间间隔，来推定所述第1信号成分的周期。
2.根据权利要求1所述的生物体信息处理装置，其特征在于，还具备：
推定部，其输出所述第1测定数据和所述第2测定数据所包含的起因于动脉血的动脉血的吸光系数比的推定值以及起因于静脉血的静脉血的吸光系数比的推定值；和
噪音判定部，其判定所述第2噪音成分是否较多地包含起因于具有与动脉血的氧饱和度接近的氧饱和度的血液的噪音成分，
所述生物体信号生成部在由所述噪音判定部判定为所述第2噪音成分未较多地包含所述噪音成分的情况下，仅基于所述静脉血的吸光系数比的推定值来决定所述规定的第3关系的推定值，在判断为所述第2噪音成分较多地包含所述噪音成分的情况下，将所述动脉血的吸光系数比的推定值与所述静脉血的吸光系数比的推定值之间的值决定为所述规定的第3关系的推定值。
3.根据权利要求1或2所述的生物体信息处理装置，其特征在于，
所述频数分布生成部在规定的时间范围的所述2阶差分信号中，
在生成所述峰频数分布的情况下，选择多个峰，针对所选择的各峰，测定在包含选择的1个峰的预先设定的规定的范围中包含的其他峰与该1个峰之间的间隔时间，通过使用测定出的间隔时间来生成所述峰频数分布，
在生成所述谷频数分布的情况下，选择多个谷，针对所选择的各谷，测定在包含选择的1个谷的预先设定的规定的范围中包含的其他谷与该1个谷之间的间隔时间，通过使用测定出的间隔时间来生成所述谷频数分布，
在生成所述上升频数分布的情况下，选择多个上升位置，针对所选择的各上升位置，测定在包含选择的1个上升位置的预先设定的规定的范围中包含的其他上升位置与该1个上升位置之间的间隔时间，通过使用测定出的间隔时间来生成所述上升频数分布，
在生成所述下降频数分布的情况下，选择多个下降位置，针对所选择的各下降位置，测定在包含选择的1个下降位置的预先设定的规定的范围中包含的其他下降位置与该1个下降位置之间的间隔时间，通过使用测定出的间隔时间来生成所述下降频数分布。
4.根据权利要求1至3中任意1项所述的生物体信息处理装置，其特征在于，
所述频数分布生成部，
在生成所述峰频数分布的情况下，使用测定间隔时间的峰彼此的组合分别不同的间隔时间，
在生成所述谷频数分布的情况下，使用测定间隔时间的谷彼此的组合分别不同的间隔时间，
在生成所述上升频数分布的情况下，使用测定间隔时间的上升位置彼此的组合分别不同的间隔时间，
在生成所述下降频数分布的情况下，使用测定间隔时间的下降位置彼此的组合分别不同的间隔时间。
5.根据权利要求1至4中任意一项所述的生物体信息处理装置，其特征在于，
所述周期推定部根据所述频数分布生成部生成的至少2个以上的频数分布来分别计算周期，将计算出的周期中的周期彼此的差在预先决定的范围内的周期的平均值推定为所述第1信号成分的周期。
6.根据权利要求1至5中任意一项所述的生物体信息处理装置，其特征在于，
所述生物体信号生成部分别针对所述规定的第3关系的多个推定值来生成生物体信号，
所述2阶差分信号生成部分别针对所述生物体信号来生成2阶差分信号，
所述频数分布生成部分别针对所述2阶差分信号来生成频数分布，
所述周期推定部根据所述2阶差分信号各自的频数分布，推定各2阶差分信号的周期，并根据推定出的各周期来推定所述第1信号成分的周期。
7.根据权利要求1至6中任意一项所述的生物体信息处理装置，其特征在于，
所述周期推定部，
将推定为所述第1信号成分的周期的周期和过去推定出的周期的平均值推定为新的第1信号成分的周期，
在推定为所述新的第1信号成分的周期的周期与上次推定出的周期相差规定以上的情况下，进一步将根据上次推定出的周期而计算出的周期和过去推定出的周期的平均值推定为新的第1信号成分的周期。
8.根据权利要求1至7中任意一项所述的生物体信息处理装置，其特征在于，
所述频数分布生成部生成以基于所述周期推定部过去推定出的周期的权重进行了加权而得的荷重频数分布。
9.根据权利要求1至7中任意一项所述的生物体信息处理装置，其特征在于，
所述频数分布生成部还生成以基于所述周期推定部过去推定出的周期的权重进行了加权而得的荷重频数分布，
所述周期推定部在所述荷重频数分布中，基于规定的判断基准来决定频数成为最大的间隔时间的区间亦即有效最大荷重频数区间，基于所述有效最大荷重频数区间内的平均时间间隔和所述有效最大频数区间内的平均时间间隔，来推定所述第1信号成分的周期。
10.一种信号处理方法，是基于通过向生物体分别照射波长彼此不同的多个光束并分别接受透过所述生物体或被所述生物体反射的各光束而得到的至少第1测定数据和第2测定数据，来测定所述生物体的生物体信息的生物体信息处理装置中使用的信号处理方法，其特征在于，
所述第1测定数据由具有周期性的第1信号成分和第1噪音成分构成，
所述第2测定数据包含与所述第1信号成分具有规定的第1关系的第2信号成分、以及与所述第1噪音成分具有规定的第2关系的第2噪音成分，
该信号处理方法具备：
基于规定的第3关系的推定值、所述第1测定数据以及所述第2测定数据，生成包含所述第1信号成分的生物体信号的生物体信号生成步骤；
生成对所述生物体信号进行了2阶差分而得的2阶差分信号的差分信号生成步骤；
生成峰频数分布、谷频数分布、上升频数分布以及下降频数分布中的至少任意一个频数分布的频数分布生成步骤，其中，该峰频数分布表示所述2阶差分信号的值成为规定的峰阈值以上的峰彼此的间隔时间的频数分布，该谷频数分布表示所述2阶差分信号的值成为规定的谷阈值以下的谷彼此的间隔时间的频数分布，该上升频数分布表示所述2阶差分信号的值从下向上地超过表示峰与谷之间的规定的阈值的上升位置彼此的间隔时间的频数分布，该下降频数分布表示所述2阶差分信号的值从上向下地超过表示峰与谷之间的所述规定的阈值的下降位置彼此的间隔时间的频数分布；以及
针对通过所述频数分布生成步骤生成的频数分布，基于频数成为最大的间隔时间，来推定所述第1信号成分的周期的周期推定步骤。
CN201380011182.6A 2012-02-28 2013-02-14 生物体信息处理装置以及信号处理方法 Expired - Fee Related CN104159504B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012-040994 2012-02-28
JP2012040994 2012-02-28
PCT/JP2013/000807 WO2013128825A1 (ja) 2012-02-28 2013-02-14 生体情報処理装置および信号処理方法

Publications (2)

Publication Number Publication Date
CN104159504A true CN104159504A (zh) 2014-11-19
CN104159504B CN104159504B (zh) 2016-04-13

Family

ID=49082041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380011182.6A Expired - Fee Related CN104159504B (zh) 2012-02-28 2013-02-14 生物体信息处理装置以及信号处理方法

Country Status (5)

Country Link
US (1) US20150019137A1 (zh)
EP (1) EP2821008A4 (zh)
JP (1) JP6020551B2 (zh)
CN (1) CN104159504B (zh)
WO (1) WO2013128825A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107532997A (zh) * 2015-05-12 2018-01-02 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN109984738A (zh) * 2017-12-31 2019-07-09 麦层移动健康管理有限公司 测量体液及其变化以及测量血流量变化的方法和装置
CN110018522A (zh) * 2018-01-09 2019-07-16 松下知识产权经营株式会社 推定装置及推定方法
WO2021103067A1 (zh) * 2019-11-29 2021-06-03 苏州润迈德医疗科技有限公司 根据有创血压获取舒张压、收缩压极值点的方法及系统

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6447530B2 (ja) * 2016-01-29 2019-01-09 オムロン株式会社 信号処理装置、信号処理装置の制御方法、制御プログラム、および記録媒体
WO2017192562A1 (en) * 2016-05-02 2017-11-09 University Of Virginia Patent Foundation Method, system, and computer readable medium for generating pulse oximetry predictive scores (pops) for adverse preterm infants
KR102655669B1 (ko) * 2016-07-20 2024-04-05 삼성전자주식회사 생체신호의 특징 추출 장치 및 방법과, 생체정보 검출 장치
WO2018088358A1 (ja) * 2016-11-10 2018-05-17 シャープ株式会社 脈波検出装置、画像解析装置および生体情報生成システム
US20220061701A1 (en) * 2018-12-10 2022-03-03 Sridhar Krishnan System and method for compressing and segmenting activity data in real-time
KR102197666B1 (ko) * 2019-10-29 2020-12-31 (주)티케이이엔에스 내방출성 경질 흡습제 조성물 및 이를 포함하는 흡습제품
KR102197669B1 (ko) * 2019-10-29 2020-12-31 (주)티케이이엔에스 내방출성 연질 흡습제 조성물 및 이를 포함하는 흡습제품
KR102251853B1 (ko) * 2020-07-08 2021-05-13 (주)티케이이엔에스 내방출성 연질 흡습제 조성물 및 이를 포함하는 흡습제품
KR102465913B1 (ko) * 2020-09-09 2022-11-10 한국기술교육대학교 산학협력단 누액방지 흡습제 조성물 및 그 제조방법
KR102422971B1 (ko) * 2020-09-16 2022-07-20 한국기술교육대학교 산학협력단 겔형 흡습제 조성물 및 그 제조방법
CN112656392B (zh) * 2020-12-21 2022-08-19 卡哈科技(深圳)有限公司 一种低功耗ppg心率计算方法及电子设备
CN115553746A (zh) * 2020-12-31 2023-01-03 深圳北芯生命科技股份有限公司 血压监测系统以及信号处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090312647A1 (en) * 2008-06-12 2009-12-17 Fujitsu Limited Electronic device and pulse rate calculating method
WO2010073908A1 (ja) * 2008-12-26 2010-07-01 コニカミノルタセンシング株式会社 生体情報信号処理装置、生体情報信号処理方法および生体情報測定装置
JP2011206285A (ja) * 2010-03-30 2011-10-20 Konica Minolta Sensing Inc 生体情報測定装置および該方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5490505A (en) * 1991-03-07 1996-02-13 Masimo Corporation Signal processing apparatus
US5645060A (en) * 1995-06-14 1997-07-08 Nellcor Puritan Bennett Incorporated Method and apparatus for removing artifact and noise from pulse oximetry
US6094592A (en) * 1998-05-26 2000-07-25 Nellcor Puritan Bennett, Inc. Methods and apparatus for estimating a physiological parameter using transforms
KR100455289B1 (ko) * 2002-03-16 2004-11-08 삼성전자주식회사 빛을 이용한 진단방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090312647A1 (en) * 2008-06-12 2009-12-17 Fujitsu Limited Electronic device and pulse rate calculating method
WO2010073908A1 (ja) * 2008-12-26 2010-07-01 コニカミノルタセンシング株式会社 生体情報信号処理装置、生体情報信号処理方法および生体情報測定装置
JP2011206285A (ja) * 2010-03-30 2011-10-20 Konica Minolta Sensing Inc 生体情報測定装置および該方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107532997A (zh) * 2015-05-12 2018-01-02 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN107532997B (zh) * 2015-05-12 2021-06-18 柯尼卡美能达株式会社 植物生长指标测定装置及其方法以及植物生长指标测定系统
CN109984738A (zh) * 2017-12-31 2019-07-09 麦层移动健康管理有限公司 测量体液及其变化以及测量血流量变化的方法和装置
CN109984738B (zh) * 2017-12-31 2021-10-29 麦层移动健康管理有限公司 测量体液及其变化以及测量血流量变化的方法和装置
CN110018522A (zh) * 2018-01-09 2019-07-16 松下知识产权经营株式会社 推定装置及推定方法
CN110018522B (zh) * 2018-01-09 2023-09-01 松下知识产权经营株式会社 推定装置及推定方法
WO2021103067A1 (zh) * 2019-11-29 2021-06-03 苏州润迈德医疗科技有限公司 根据有创血压获取舒张压、收缩压极值点的方法及系统

Also Published As

Publication number Publication date
EP2821008A4 (en) 2015-11-25
CN104159504B (zh) 2016-04-13
US20150019137A1 (en) 2015-01-15
JPWO2013128825A1 (ja) 2015-07-30
JP6020551B2 (ja) 2016-11-02
EP2821008A1 (en) 2015-01-07
WO2013128825A1 (ja) 2013-09-06

Similar Documents

Publication Publication Date Title
CN104159504A (zh) 生物体信息处理装置以及信号处理方法
US20230263438A1 (en) Perfusion index smoother
KR101225849B1 (ko) 2개의 파장을 갖는 광파를 이용하는 맥박 측정 방법 및 장치
JP6447703B2 (ja) 脈拍データ検出装置、脈拍データ検出方法、および脈拍データ検出プログラム
US7740589B2 (en) Method and apparatus for training adjustment in sports, in particular in running sports
US20180228383A1 (en) Blood pressure measuring device, blood pressure measurement method and blood pressure measurement program
JPH10258040A (ja) 脈拍計
JP5760351B2 (ja) 睡眠評価装置、睡眠評価システムおよびプログラム
EP3763291A1 (en) Blood glucose monitoring method and wearable blood glucose monitoring device using same
JP2006288504A (ja) 生体情報処理装置及びその動作プログラム
JP2018513722A (ja) バイタルサインモニタリングシステム
JP2014230713A (ja) 血圧計
JP6103373B2 (ja) 脈波計測装置
JP2013212320A (ja) 生体情報測定装置
JP6066451B2 (ja) 生体情報検出装置及び生体情報検出方法、生体情報検出プログラム
CN114947839A (zh) 大脑调控的训练方法、装置及电子设备
JP6918394B1 (ja) 生体情報演算システム
US20240016396A1 (en) Biometric information computing system
KR101033035B1 (ko) 맥파 분석장치의 건강 진단 제어방법
US20240016423A1 (en) Biometric information computing system
WO2011086644A1 (ja) 生体情報測定装置および該方法
CN117084675A (zh) 基于亮度调节的提升ppg传感器测量精度的方法、系统、电子设备及存储介质
JP2022133918A (ja) 生体情報演算システム
JP2022133920A (ja) 生体情報演算システム
KR20230061459A (ko) 생체 정보 연산 시스템

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160413

Termination date: 20220214

CF01 Termination of patent right due to non-payment of annual fee