CN104771157A - 生物体信息处理系统及处理方法、电子设备及服务器系统 - Google Patents

Abstract

本发明涉及生物体信息处理系统及处理方法、电子设备及服务器系统。其中生物体信息处理系统包括：心率信息取得部，取得用户的心率信息；决定部，基于心率信息决定基础心率；以及更新部，进行基础心率的更新条件的判定，当判定为满足更新条件的情况下，进行基础心率的更新处理。

Description

生物体信息处理系统及处理方法、电子设备及服务器系统

相关申请的交叉参考

本申请包含2014年1月15日申请的日本专利申请2014-005151以及2014年3月13日申请的日本专利申请2014-049769的内容。

技术领域

本发明涉及生物体信息处理系统、电子设备、服务器系统及生物体信息处理方法等。

背景技术

现有技术中使用一种取得用户的心率信息，基于取得的信息，提供有关用户的健康等的信息的装置和系统。心率信息，例如可以基于由脉搏传感器或心率传感器取得的传感器信息取得。在此，心率为心脏的搏动次数，脉搏数是指，由于心脏的搏动而从心脏挤出的血液所产生的压力传递至末梢血管，动脉搏动的次数，通常，正常人的心率和脉搏数是相同的。

心率信息本身(例如，心率的值)，也可以作为表示用户的健康状态的指标值使用，通过进行使用心率信息的规定的运算，也能够求得有关用户的日常的生活习惯的信息。例如，已知有基于心率信息算出用户的消耗卡路里量，并向用户提示的方法等。

在判定用户的健康状态时，不仅使用通过测定而取得的心率信息，也可以考虑进行该心率信息和作为基准的心率的比较处理。这是由于，一般情况下，每位用户的心率值的个体差异大，在该用户的状态判定中，通过使用相对于基准值的相对值等而非心率的绝对值，能够进行适当的判定。

例如，在特开平4-180730号公报中，公开了使用“最低脉搏数”作为上述的基准的判定方法。此外，在特开2009-285498号公报中，公开了基于心率信息算出用户的消耗卡路里量，并向用户提示的方法。

此外，在特开2012-157435号公报中，公开了使用基础安静时脉搏数把握被测定者的健康状态的方法。此外，在特开2011-212384号公报中，公开了使用基础脉搏频率和安静时脉搏频率，抑制噪声的影响而取得生物体信息的方法。

此外，特开2012-157435号公报中的“基础安静时脉搏数”是指用户(测定对象者、设备的佩戴者)在清醒状态并且安静状态的情况下的脉搏数，是接近于本实施方式中的“安静时心率”的概念。此外，特开2011-212384号公报中的“安静时脉搏数”也同样也是接近于本实施方式中的“安静时心率”的概念。此外，尽管期待“基础脉搏数”为低于安静时脉搏数的值，但由于为清醒状态下的信息，与本实施方式中的“基础心率”并不完全一致。

发明内容

本发明的一个方式涉及一种生物体信息处理系统，包括：

心率信息取得部，取得用户的心率信息；

决定部，基于所述心率信息决定基础心率；以及

更新部，进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

本发明的其他方式涉及一种生物体信息处理系统，包括：

心率信息取得部，取得用户的心率信息；以及

处理部，基于所述心率信息，求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，基于所述安静时心率运算基础心率。

本发明的其他方式涉及一种生物体信息处理系统，包括：

心率信息取得部，取得用户的心率信息；以及

处理部，基于所述心率信息，求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，基于求得的所述基础心率，运算安静时心率。

本发明的其他方式涉及一种包含上述生物体信息处理系统的电子设备。

本发明的其他方式涉及一种包含上述生物体信息处理系统的服务器系统。

本发明的其他方式涉及一种生物体信息处理方法，包括：

取得用户的心率信息；

基于所述心率信息决定基础心率；以及

进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

本发明的其他方式涉及一种生物体信息处理方法，包括：

取得用户的心率信息；以及

基于所述心率信息，求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，基于所述安静时心率运算基础心率。

本发明的其他方式涉及一种生物体信息处理方法，

取得用户的心率信息；

基于所述心率信息，求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，基于求得的所述基础心率运算安静时心率。

附图说明

图1为本实施方式涉及的生物体信息处理系统的构成例。

图2为本实施方式涉及的生物体信息处理系统的详细构成例。

图3为包含生物体信息处理系统的可穿戴装置的构成例。

图4的(A)、图4的(B)为本实施方式涉及的电子设备的示例。

图5为包含生物体信息处理系统的便携式终端装置的构成例。

图6为可穿戴装置和便携式终端装置的组合例。

图7为表示基础心率的更新处理的基本流程图。

图8为表示每几秒进行的测量处理的流程图。

图9为根据心率直方图求得最低心率的方法的说明图。

图10为根据心率直方图求得最低心率的方法的其他说明图。

图11为说明使用现有的最低心率的基础心率的更新处理的图。

图12为说明使基础心率增加的处理的图。

图13为年龄和基础心率的关系图。

图14为表示年龄和基础心率的关系的表的示例。

图15为说明基础心率的更新处理的详细流程图。

图16为本实施方式的方法和现有方法的比较例。

图17为本实施方式的方法和现有方法的其他比较例。

图18的(A)、图18的(B)为有关体动时及非体动时的系数的说明图。

图19为通过现有方法和本实施方式的方法运算的基础代谢量的相关关系。

图20为显示部所显示的主页画面的示例。

图21为显示部所显示的系数设定画面的示例。

图22为显示部所显示的心率走向画面的示例。

图23的(A)、图23的(B)为直观地提示健康度信息的画面例。

图24为显示部所显示的分析画面的示例。

图25为将基础心率的初始值设定为对于用户而言较高的值的情况的示例。

图26为将基础心率的初始值设定为对于用户而言较低的值的情况的示例。

图27为本实施方式涉及的生物体信息处理系统的构成例。

图28为说明第二实施方式的处理的流程图。

图29为说明基于体动信息而对心率信息进行分类的处理的流程图。

图30的(A)为心率信息的实测数据、图30的(B)为基于心率信息而制作的各直方图的示例。

图31为说明第三实施方式的处理的流程图。

图32为睡眠状态和清醒状态的心率信息的差小的用户的实测数据。

图33的(A)为心率信息的实测数据，图33的(B)为基于心率信息而制作的各直方图的示例。

图34为说明变形例的处理的流程图。

符号说明

10心率传感器、20体动传感器、50带、52带孔、54带扣、56发光部、58壳体、100生物体信息处理系统、110心率信息取得部、115处理部、120决定部、130更新部、140体动信息取得部、150健康度信息运算部、200可穿戴装置、210报知部、220通信部、300便携式终端装置、HR心率信息、HR₀基础心率、HR_r安静时心率。

具体实施方式

根据本发明的几个方式，能够提供从心率信息求得基础心率，通过对该基础心率进行基于规定的更新条件的更新处理，能够精度良好地进行使用心率信息的处理的生物体信息处理系统、电子设备、服务器系统及生物体信息处理方法等。

并且，根据本发明的几个方式，能够提供通过考虑基础心率和安静时心率的关系，进行从一方求得另一方的运算处理，从而与用户的生活方式等无关地、适当地取得基础心率和安静时心率的生物体信息处理系统、电子设备、服务器系统及生物体信息处理方法等。

本发明的一个实施方式涉及一种生物体信息处理系统，包括：心率信息取得部，取得用户的心率信息；决定部，基于所述心率信息决定基础心率；以及更新部，进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

在本实施方式中，根据心率信息决定基础心率，并基于更新条件的判定更新该基础心率。由此，能够将基础心率作为使用心率信息的处理的基准等而使用，并且，由于基础心率被适当地更新，因此，能够使处理精度提高。

此外，在本实施方式，在规定期间或规定次数不满足所述更新条件的情况下，所述更新部可以使所述基础心率增加。

由此，能够进行使基础心率增加的处理。

此外，在本实施方式，所述更新部可以对从所述心率信息的测量开始至测量结束的重复次数进行计数而作为所述规定次数。

由此，能够以测量的开始、结束为单位而进行规定次数的计数等。

此外，本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，所述更新部对所述重复次数中的、根据从所述测量开始至所述测量结束的期间的所述体动信息判定为所述用户的体动小的次数进行计数而作为所述规定次数。

由此，可以使用测量的开始、结束及体动信息进行给定次数的计数等。

此外，在本实施方式，所述更新部可以基于从所述心率信息求得的最低心率，进行所述基础心率的所述更新条件的判定。

由此，能够进行基于最低心率的更新条件的判定。

此外，在本实施方式，所述更新部可以对在规定的最低心率测量期间取得的所述心率信息，进行移动平均处理而求得所述最低心率。

由此，能够精度良好地求得最低心率等。

此外，在本实施方式，所述更新部可以基于在所述最低心率测量期间取得的所述心率信息，求得表示心率的值和检测出各心率的值的频度的关系的直方图，并在所述心率的值为x～x+n(x、n为给定的正数)的范围内，求得所述频度超过给定的频度阈值且值为最小的x作为所述最低心率。

由此，能够精度良好地求得最低心率等。

此外，在本实施方式可以：所述决定部进行由从所述心率信息求得的最低心率，替换通过所述生物体信息处理系统设定的所述基础心率的默认值的处理，所述更新部进行更新由所述决定部决定的所述基础心率的所述更新处理。

由此，能够对默认值进行处理，对其后的基础心率进行更新处理等。

此外，在本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，所述决定部在基于给定的最低心率测量期间中的所述体动信息而判定出被判定为所述用户的体动小的期间包含于所述最低心率测量期间的情况下，将基于所述最低心率测量期间的所述心率信息而求得的所述最低心率作为所述基础心率。

由此，在对默认值的处理中，能够使用体动信息等。

此外，在本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，所述更新部基于所述体动信息，进行所述基础心率的所述更新条件的判定。

由此，在更新处理中能够使用体动信息等。

此外，在本实施方式，所述规定次数可以为进行所述基础心率的所述更新条件的判定的次数。

由此，能够将更新条件的判定次数作为规定次数使用。

此外，在本实施方式，所述更新部在经过规定期间的情况下，可以使所述基础心率增加。

由此，能够以经过规定期间为条件使基础心率增加。

此外，在本实施方式可以进一步包含健康度信息运算部，所述健康度信息运算部求得所述基础心率与所述心率信息之间的相对信息，并基于所述相对信息求得表示健康度的健康度信息。

由此，能够根据基础心率和心率信息求得健康度信息。

此外，本发明的其他实施方式涉及一种生物体信息处理系统，包括：心率信息取得部，取得用户的心率信息；以及处理部，基于所述心率信息求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，并基于所述安静时心率运算基础心率。

在本实施方式中，基于安静时心率运算基础心率。因此，即使在由于用户的生活方式等而无法直接地测定基础心率的情况下，也能够使用实测的心率信息而适当地设定基础心率等。

此外，在本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，所述处理部基于从所述体动信息的信号电平为给定的阈值以上的所述心率信息求得的所述安静时心率，运算第一心率，从所述体动信息的信号电平比所述给定的阈值小的所述心率信息，求得第二心率，并进行所述第一心率和所述第二心率的比较处理而决定所述基础心率。

由此，能够对应体动信息的电平而求得第一、第二心率，并根据二者的比较处理而决定基础心率等。

此外，在本实施方式，所述处理部可以将所述第一心率和所述第二心率中的小的一方作为所述基础心率。

由此，能够通过第一、第二心率的大小关系的比较处理决定基础心率等。

此外，在本实施方式所述处理部可以对所述安静时心率进行基于给定的运算式的运算处理而运算所述第一心率。

由此，能够使用给定的运算式从安静时心率运算第一心率等。

此外，在本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，所述处理部基于所述体动信息，判定取得的所述心率信息是睡眠状态的信息还是清醒状态的信息，并基于判定结果运算所述基础心率。

由此，可以在判定为是睡眠状态还是清醒状态的基础上，运算基础心率等。

此外，在本实施方式，所述处理部可以将从判定为所述清醒状态的信息的所述心率信息求得的最低心率，作为所述安静时心率而求得，并基于求得的所述安静时心率运算所述基础心率。

由此，能够从与清醒状态相对应的心率信息求得安静时心率，并从该安静时心率运算基础心率等。

此外，在本实施方式，所述处理部可以取得清醒心率信息和睡眠心率信息，并且在所述清醒心率信息与所述睡眠心率信息之间的差或者比率在给定的阈值以下的情况下，将测量期间内的最低心率作为所述安静时心率而求得，其中，所述清醒心率信息为判定为所述清醒状态的信息的所述心率信息，所述睡眠心率信息为判定为所述睡眠状态的信息的所述心率信息。

由此，即使在清醒状态下和睡眠状态下的心率信息的变化小的情况下，也能够适当地求得安静时心率。

此外，在本实施方式，在判定为所述心率信息为所述睡眠状态的信息的情况下，所述处理部将从所述心率信息求得的最低心率作为所述基础心率。

由此，能够基于与睡眠状态相对应的心率信息而求得基础心率等。

此外，在本实施方式，所述处理部可以对所述安静时心率进行基于给定的运算式的运算处理而运算所述基础心率。

由此，能够使用给定的运算式而从安静时心率运算基础心率等。

此外，在本实施方式，所述处理部可以在所述心率信息的测量期间在规定时间以上的情况下，进行基于所述安静时心率的所述基础心率的运算。

由此，能够基于测量期间的长度而判定是否进行基础心率的运算等。

此外，本发明的其他实施方式涉及一种生物体信息处理系统，包括：心率信息取得部，取得用户的心率信息；以及处理部，基于所述心率信息，求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，并基于求得的所述基础心率运算安静时心率。

在本实施方式中，基于基础心率运算安静时心率。因此，即使在由于用户的生活方式等而无法直接地测定安静时心率的情况下，也能够使用实测的心率信息而适当地设定安静时心率等。

此外，在本实施方式，所述处理部可以基于所述安静时心率，运算所述用户的消耗卡路里。

由此，能够使用安静时心率运算用户的消耗卡路里等。

此外，在本实施方式可以：进一步包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，所述处理部基于所述体动信息，判定取得的所述心率信息是睡眠状态的信息还是清醒状态的信息，并基于判定结果运算所述安静时心率。

由此，能够在判定为是睡眠状态还是清醒状态的基础上，运算安静时心率等。

此外，在本实施方式，所述处理部可以对所述基础心率进行基于给定的运算式的运算处理而运算所述安静时心率。

由此，能够使用给定的运算式从基础心率运算安静时心率等。

此外，本发明的其他实施方式涉及一种包含上述的生物体信息处理系统的电子设备。

此外，本发明的其他实施方式涉及一种包含上述的生物体信息处理系统的服务器系统。

此外，本发明的其他实施方式涉及一种生物体信息处理方法，包括：取得用户的心率信息；基于所述心率信息决定基础心率；以及进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

此外，本发明的其他实施方式涉及一种生物体信息处理方法，包括：取得用户的心率信息；以及基于所述心率信息，求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，并基于所述安静时心率运算基础心率。

此外，本发明的其他实施方式涉及一种生物体信息处理方法，包括：取得用户的心率信息；以及基于所述心率信息，求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，并基于求得的所述基础心率运算安静时心率。

以下，对本实施方式进行说明。此外，以下所说明的实施方式，并非不当地限定权利要求书所记载的本发明的内容。此外，本实施方式所说明的构成不一定全部都是本发明的必须构成要件。

1.第一实施方式

1.1第一实施方式的概要

已知有从心率信息判定用户的状态(健康状态等)的各种方法，例如在特开2009-285498号公报中，通过心率传感器等实测心率信息(HR)，从基于心率信息推定的分钟耗氧量(VO₂)求得消耗卡路里量的方法。在摄取卡路里量超过消耗卡路里量的情况下，能够判定怀疑该用户代谢综合症恶化，因此，消耗卡路里量能够作为表示用户的健康状态的健康度信息使用。

在特开2009-285498号公报中，从心率信息推定分钟耗氧量时，使用下式(1)等。

[数学式1]

$\frac{({\mathrm{VO}}_2-{\mathrm{VO}}_{2r})}{({\mathrm{VO}}_{2m}-{\mathrm{VO}}_{2r})}\×100(\%)=\frac{(\mathrm{HR}-{\mathrm{HR}}_r)}{({\mathrm{HR}}_m-{\mathrm{HR}}_r)}\×100(\%).....\left(1\right)$

上式(1)的VO_2m为分钟耗氧量的最大值、VO_2r为安静状态下的分钟耗氧量、HR_m为心率信息的最大值、HR_r为安静状态下的心率信息的值。在特开平4-180730号公报中，事先求得VO_2m、VO_2r、HR_m、HR_r的各值，从上述各值和实测的HR求得VO₂。由于VO₂和消耗卡路里量存在给定的关系，因此，能够从推定的VO₂求得消耗卡路里量。

但是，VO_2m为分钟耗氧量的最大值，但使受试者进行分钟耗氧量被认为为最大的程度的高负荷运动是不现实的。因此，VO_2m无法从实测值求得，而使用给定的统计值(假想值)。同样地，关于HR_m也无法从实测值求得，而使用给定的统计值。因此，关于VO_2m、HR_m，没有考虑到用户间的个体差异。因此，对于以某种程度的人数为对象、求得集团的消耗卡路里量的倾向等的情况，上式(1)是有效的，但对于求得每个人的消耗卡路里量的情况，使用上式(1)则存在问题。

此外，在基于上式(1)的VO₂的推定中使用作为安静时的心率信息的值的HR_r，但HR_r也存在问题。在伴随能量的消耗的人的活动中，考虑除了身体活动(运动)之外，还有心理活动。并且，在该心理活动中，心率信息的值也上升，消耗卡路里量也增大。也就是说，即使用户处于身体上的安静状态，在没有心理活动的情况(例如睡眠状态)和有心理活动的情况(例如，进行计算等复杂的思考、或处于紧张状态的情况)下，HR_r的值不同。

在特开平4-180730号公报中，没有考虑到心理面上的HR_r的变动。因此，在进行比较高负荷的运动的情况等时，上式(1)是有效的，但在不运动等状态下无法进行正确的消耗卡路里量的计算。现有技术中，由于假定消耗卡路里量的计算是以运动中为对象的，因此，上式(1)的问题不显著。例如，在以往进行跑步等的运动的情况下，只要通知用户通过该运动消耗掉多少能量即可，至于在安静时对于消耗卡路里量进行测定并未得到重视。但是，在用户的日常生活中的健康度判定中，安静时的消耗卡路里量也成为重要的指标。例如，在上述的代谢综合症恶化度的判定中，摄取卡路里量和消耗卡路里量的比较，需要以包含安静时的给定的期间(例如，连续的24小时)为单位进行。此外，在考虑各种健康度信息的情况下，正确地算出安静时的精神活动等的消耗卡路里量的必要性也高，这种情况下，由于上式(1)存在安静时的精度的问题，因此，不能说使用上式(1)的方法合适。

因此，为了更加精度良好地进行使用心率信息的处理，本申请人导入使用基础心率的方法。作为一例，求得基础心率(HR₀)，使用该基础心率计算消耗卡路里量等。在以下的说明中，对求得消耗卡路里量等表示用户的健康状态的健康度信息的示例进行说明，但并不妨碍将基础心率用于其他处理。

在此，基础心率表示用户处于深睡眠状态时的心率信息。在深睡眠状态下，与上述的HR_r不同，不产生起因于心理活动的变动，不仅在运动时(体动时)而且在安静时(非体动时)，也能够精度良好地进行使用心率信息的处理。

但是，本实施方式中的基础心率，并不一定局限于深睡眠状态下的心率信息。例如，在一天的睡眠中，深睡眠状态的时间为几小时左右，该时间也因为用户而个体差异大。也就是说，因用户的不同，存在深睡眠状态的期间非常短或者有些天根本不存在的情况。并且，考虑到存在年龄越大深睡眠状态的时间越减少的倾向等，可以认为即使使用本实施方式涉及的设备(例如，使用图4的(A)等而后述的可穿戴装置)，也会有无法测量深睡眠状态下的心率的状况。原本，如果不使用脑电波等的信息就难以判定是否为深睡眠状态，通过本实施方式涉及的设备单体，难以保证求得的心率为真正深睡眠状态下的心率。

因此，本实施方式涉及的基础心率，不一定限定为表示深睡眠状态下的心率，只要是根据本实施方式的生物体信息处理系统中的判定处理，判定为深睡眠状态下的心率信息的信息即可。也就是说，只要是例如能够以某种程度的准确性求得基础心率的运算法则运用在生物体信息处理系统中的情况下，则通过该运算法则求得的信息便包含于本实施方式中的基础心率。

通过使用基础心率，与使用上述的HR_r等的情况相比，能够精度良好地进行使用心率信息的处理。但是，在使用基础心率的情况下，也需要适当地进行该基础心率的更新处理。根据本申请人的调查，虽然得知基础心率每天的变动小，但既然为生物体信息就会产生某种程度的变动，因此，优选使用实测的心率信息等不断进行更新。但是，如上所述，由于基础心率为使用心率信息的处理的基准，因此，如果该基准高频度变动，则判定结果也会发生种种变动，因此不优选。具体而言，在判定结果(消耗卡路里量或压力程度等)变化的情况下，作为用户，难以明确地区别该变化是由于自身的生活或身体情况等引起的变动，还是由于作为基准的基础心率引起的变动。

因此，本申请人提出在使用基础心率的同时，基于适当的更新条件更新该基础心率的方法。具体而言，如图1所示，本实施方式涉及的生物体信息处理系统100包含：心率信息取得部110，取得用户的心率信息；决定部120，基于心率信息决定基础心率；以及更新部130，进行基础心率的更新条件的判定，当判定为满足更新条件的情况下，进行基础心率的更新处理。

如此一来，由于能够使用基础心率的同时适当地更新该基础心率，因此，能够精度良好地进行使用心率信息的处理。此外，对基础心率的更新条件等的详细情况将于后述。

以下，对本实施方式涉及的生物体信息处理系统100等的系统构成例进行说明，其后，对基础心率的更新处理的详细情况进行说明。在此，还对基础心率的默认值(与心率信息的实测值无关的值)的求得方法等进行说明。最后，作为使用心率信息和基础心率的处理的具体例，对求得健康度信息的处理进行说明。使用基础心率的情况下，不仅能够求得消耗卡路里量，也能够求得其他健康度信息。具体而言，使用心率信息和基础心率，可以进行用户是否处于深睡眠状态的判定，也可以从该判定求得表示处于深睡眠状态的时间的深睡眠时间信息。或者，可以使用心率信息和基础心率，对于用户进行是否感到压力的判定，也可以从该判定求得表示感到压力时间的压力信息。

1.2系统构成例

图2示出本实施方式涉及的生物体信息处理系统100的详细构成例。如图2所示，生物体信息处理系统100包含：心率信息取得部110、决定部120、更新部130、体动信息取得部140和健康度信息运算部150。但是，生物体信息处理系统100不限于图2的构成，可以进行省略其一部分的构成要素，或者追加其他构成要素等的各种变形实施。此外，在能够进行各种变形实施方面，在图3等中也是同样的。

有关心率信息取得部110、决定部120、更新部130，由于与图1相同，因此省略详细说明。体动信息取得部140，取得来自体动传感器的体动信息。在此，所谓体动传感器，是检测作为心率信息的取得对象的用户的活动的传感器，可以为加速度传感器，也可以为角速度传感器(陀螺仪)，还可以为其他传感器，以及将多个上述传感器组合。由体动信息取得部140取得的体动信息用于基础心率的更新处理等。详细将于后述。

健康度信息运算部150求得基础心率和心率信息的相对信息，并基于相对信息求得表示健康度的健康度信息。这里的健康度信息是指表示用户的健康状态的信息，例如为消耗卡路里量、深睡眠时间信息、压力信息等。基于健康度信息运算部150的处理的详细情况将于后述。

此外，本实施方式的方法能够应用于包括图1或图2等的生物体信息处理系统100的电子设备。这里的电子设备可以为生物体信息测量装置，也可以为狭义的用户穿戴的可穿戴装置。这种情况下，心率传感器进行的测定在本实施方式涉及的电子设备即可穿戴装置中进行。

具体而言，如图3所示，本实施方式涉及的电子设备(可穿戴装置200)包含：心率传感器10(脉搏传感器、脉波传感器)、体动传感器20、心率信息取得部110、决定部120、更新部130、体动信息取得部140、健康度信息运算部150、报知部210和通信部220。如图2所示，图3中的心率信息取得部110、决定部120、更新部130、体动信息取得部140、健康度信息运算部150等，与本实施方式涉及的生物体信息处理系统100相对应。

心率传感器10为进行心率的测定的传感器。有关体动传感器20，如上所述，能够使用各种传感器。并且，在电子设备为可穿戴装置200的情况下，心率信息取得部110取得来自设备内的心率传感器10的传感器信息(或者与该传感器信息对应的信号处理的结果)作为心率信息。同样地，体动信息取得部140取得来自设备内的体动传感器20的传感器信息(或者与该传感器信息对应的信号处理的结果)作为体动信息。

报知部210向用户报知(提示)通过健康度信息运算部150运算的健康度信息。通过报知部210的报知方式可以考虑多种，既可以为发出声响或语音，也可以使LED等发光部发光，还可以使振动部振动。此外，报知部210可以通过显示各种显示画面的显示部实现，显示部可以通过液晶显示器和有机EL显示器等实现。

通信部220经由各种网络而进行与其他设备的通信。如使用图6后述的那样，也可以考虑在其他设备中报知通过可穿戴装置200得到的运算结果，因此，这种情况下，向该其他设备发送求得的健康度信息和用于提示该健康度信息的信息(例如，显示画面的信息等)。

图4的(A)、图4的(B)中示出这里的可穿戴装置200的示例。如图4的(A)、图4的(B)所示，可穿戴装置200可以为包含带50、带孔52、带扣54的带型(手表型)的电子设备。在图4的(A)、图4的(B)的示例中，可穿戴装置包含发光部56作为报知部210，通过LED等的亮等、熄灭等向用户报知健康度信息等各种信息。并且，可穿戴装置200包含壳体58，心率传感器10、体动传感器20、实现生物体信息处理系统100的电子基板等收纳于壳体58。

此外，本实施方式涉及的电子设备不限于包含心率传感器10等的可穿戴装置200，也可以为其他的电子设备。例如，本实施方式的电子设备可以为智能手机等便携式终端装置。这种情况下，如图5所示，便携终端装置300包含：对应于生物体信息处理系统100的心率信息取得部110、决定部120及更新部130，心率信息取得部110从搭载于可穿戴装置200等的心率传感器10取得心率信息。这种情况下，可穿戴装置200和便携式终端装置300通过短距离无线通信等各种网络连接。此外，虽然在图5中进行了省略，但便携式终端装置300也可以与图3的可穿戴装置200同样地包含报知部和通信部。

具体例示于图6。在图6中，图4的(A)等示出的带型的可穿戴装置200和智能手机等便携式终端装置300，通过短距离无线通信等连接，基于来自搭载于可穿戴装置200的心率传感器10的信息而运算的心率等信息，通过便携终端装置300的显示部显示。此外，在图6中，由于可穿戴装置200中也设有报知部210(发光部56)，因此，能够通过可穿戴装置200报知使用心率信息的处理结果。这种情况下，在图5的构成中，由于在便携式终端装置300中取得处理结果，因此按照如下顺序进行：首先，可穿戴装置200向便携式终端装置300发送传感器信息，便携式终端装置300使用该传感器信息运算健康度信息，向可穿戴装置200发送运算结果。

此外，如上所述，图6为与图3的构成相对应的图，这种情况下，由于在可穿戴装置200中取得使用心率信息的处理结果，因此，有关发光部56中的报知不需要特别的通信。但是，这种情况下，由于在便携式终端装置300中不进行健康度信息等的运算，因此，进行在便携式终端装置300的显示部等显示的情况下，需要从可穿戴装置200接收运算结果。

此外，本实施方式涉及的电子设备不限于可穿戴装置200和便携式终端装置300，可以使用PC(个人电脑)等的各种设备。

此外，本实施方式的方法也适用于包含上述的生物体信息处理系统100的服务器系统。有关服务器系统的构成例与图5的便携式终端装置300相同。但是，这种情况下，由于也充分考虑到服务器系统设置于物理上远离用户的位置，此时，即使将服务器系统的处理结果通过服务器系统的报知部报知，用户也无法得知。因此，在服务器系统中，优选将健康度信息等的运算结果，向可穿戴装置200和便携式终端装置300等用户可利用的设备发送。

通常，服务器系统与可穿戴装置200和便携式终端装置300相比，处理性能高，存储部的存储区域的限制也小。因此，与生物体信息处理系统100包含于可穿戴装置200等的情况相比，能够以高速进行使用心率信息的处理。并且，如果存储区域大，在取得心率信息等日志数据时，能够存储多个用户的日志数据，增加每个人的日志数据量。因此，通过使用多个用户数据进行通用性高的处理，或以数年或数十年为单位存储用户的心率信息，能够期待提高有关该用户的健康度信息的运算精度等。

此外，可穿戴装置200和服务器系统之间的通信途径可以考虑各种情况。例如，在可穿戴装置200能够直接连接于网络的情况下，可穿戴装置200可以经由网络直接地与服务器系统进行通信。或者，可穿戴装置200利用短距离无线通信等，以如下方式在可穿戴装置200和服务器系统之间经由其他设备而进行通信，即，首先向便携式终端装置300发送传感器信息，便携式终端装置300经由网络而将该传感器信息转送至服务器系统。

1.3基础心率的更新处理

下面，对基础心率的更新处理的详细情况进行说明。具体而言，首先说明最低心率的运算处理、和基于最低心率的基础心率的更新处理。这与使基础心率减少的更新处理相对应。然后，说明使基础心率增加的更新处理。然后，对基础心率的默认值的设定、更新、使用体动信息的处理进行说明，最后，使用流程图等说明整个基础心率的更新处理。

1.3.1最低心率的运算

在本实施方式中，更新部130基于心率信息求得最低心率，并基于最低心率而进行基础心率的更新条件的判定。所谓基础心率，如上所述，为表示深睡眠状态下的心率、或者判定为深睡眠状态的心率。因此，在深睡眠状态、浅睡眠状态、安静时、运动时等考虑到的对象用户能够采取的各种状态中，假定数值最小的心率为基础心率。也就是说，假定基础心率不变动的话，在进行心率信息的测量时，值不会低于基础心率，相反地如果心率信息的值低于基础心率的话，通过该低的值更新基础心率即可。具体而言，如图7所示，首先，进行最低心率的运算(S101)，进行最低心率是否低于基础心率的判定(S102)。在S102为“是”的情况下，设定为满足基础心率的更新条件，将基础心率更新为最低心率的值(S103)。

但是，现实情况是，由于心率测定时的设备佩戴状态等，存在由于运动伪影等而误检测心率的情况，因此，如果单纯地在低于下限值的情况下进行更新，则存在误更新的危险性。因此，在本实施方式中，首先提高S101中的最低心率的运算精度。此外，这里的最低心率是指以从心率信息的测量开始至测量结束为一个单位，基于该期间内的心率信息而求得的值。并且，所谓测量开始至测量结束是指例如从用户按下开始按钮开始至按下结束按钮为止，如果为图4的(A)等的带型的设备，也可以为使用从设备卷绕在用户的手臂开始至摘下为止的期间等的变形实施。

具体而言，更新部130对在给定的最低心率测量期间取得的心率信息进行移动平均处理，求得最低心率。在最低心率测量期间，定期地(例如，以几秒一次的频度)进行图8的流程图示出的处理。

当该处理开始时，首先，从心率传感器10取得此时的心率HR，从体动传感器20取得此时的体动信息(例如加速度值acc)。然后，对HR(以及acc)采取移动平均(S201)。当直接使用取得的值时，HR的值的偏差多，特别是图9等的直方图的下限附近的偏差显著。并且，如上所述，由于最低心率为接近最低值的值，因此，成为使用偏差大的下限附近的信息而求得的情况，运算精度下降。与此对比，由于通过采取移动平均而能够抑制值的偏差，因此，能够精度良好地求得最低心率。

图9中示出具体例。图9为横轴表示心率的数值、纵轴表示在最低心率测量期间内出现的该心率的数值的频度(度数)的直方图，A1(倒三角形的图标)为移动平均处理前的直方图、A2(圆形的图标)为移动平均处理后的直方图。在图9中，为了不将被推定为误检测的非常小的值作为最低心率，而设定给定的频度阈值，在此，将度数超过90并且为最小的心率作为最低心率。即便如此，在移动平均处理前的A1中，由于值的偏差大，因此，在心率数值小的范围内，度数有时也会某种程度地变大。在图9的示例中，尽管不优选采用41～43左右的心率作为最低心率，但是，如果进行阈值判断则导致42成为最低心率。

与此对比，通过进行移动平均处理，如A2所示，值的偏差在下限附近也得到抑制，能够使图的上升陡峻。其结果，最低心率为44，能够抑制将过小的值作为最低心率的可能性。

S201的移动平均处理后，进行体动状态的判定(S202)。这里的状态表示例如短期跨度内的体动多还是少，更具体而言，使用1分钟左右的体动信号的平均值(或差值的平均值)和阈值的比较处理、信号的周期性等进行判定。其后，使用通过S201算出的移动平均处理后的心率更新直方图。具体而言，可以将通过S201算出的心率值的度数加1。

此外，在图8的流程图中，假定基于通过S201与心率信息一并求得的体动信息，进行是否处于睡眠中的判定。因此，在S204中，判定体动信号是否比规定值小，并累积比规定值小的期间的长度进行存储。S201及S204的使用体动信号的处理的详细情况将于后述。

但是，如上所述，即使进行移动平均处理，在直方图中有时也会产生特异的点。图10示出具体例。在图10中，B1为移动平均处理前，B2为移动平均处理后的直方图。在比较B1和B2的情况下，通过移动平均处理抑制偏差，与B1相比，在B2中能够将42、43这样的心率的度数抑制为较低。其结果，如果是B1则最低心率为43，但是能够将43从最低心率排除。

在B2中，度数在心率44时变大，根据阈值判定，最低心率为44。但是，考虑到B2的45～48时的度数非常小，44时的度数为由于测定误差或移动平均运算所产生的特异的值，使最低心率为44是不合适的。

因此，在本实施方式中，可以不仅使用给定的心率的值时的度数，也使用其前后的心率的值时的度数而求得最低心率。具体而言，更新部130基于在最低心率测量期间取得的心率信息，求得表示心率的值和检测出各心率的值的频度的关系的直方图，在心率的值在x～x+n(x、n为给定的正数)的范围内，将频度超过给定的频度阈值且值为最小的x，作为最低心率而求得。

在图10的示例中，直方图的横轴为整数值、x为自然数。并且，例如可以使用2作为n，这种情况下，在心率的值为x、x+1、x+2时、度数都超过阈值的情况下，将x作为最低心率。图10中，当x＝44时，44时的度数超过阈值，但当x+1＝45及x+2＝46时，度数未超过阈值。因此，不将x＝44判定为最低心率成为可能。并且，x＝48时，48、49、50时的全部的度数都超过阈值，在x小于48时未发现3个连续地超过阈值的心率的数值。因此，能够判定最低心率为48，能够精度良好地求得最低心率。

但是，求得最低心率的方法不限定于探索连续超过阈值的最小心率的值的方法。例如，可以从值大的一侧开始探索，指定度数单纯减少、并且该单调减少范围内的减少幅度最大的数值。

例如，在图10中(图的上部缺省)，设定心率＝52时的度数最大。这种情况下，从数值大的一方向数值小的方向探索的情况下的单调减少范围(即，以从数值小的一方向大的方向而言为单调增加范围)为52～49、48～47、44～43这三处。这种情况下，如果比较52～49时的减少幅度、48～47时的减少幅度、44～43时的减少幅度，则52～49时的减少幅度最大。这种情况下，将该单调减少范围的下限值即49作为最低心率即可。

理想状态下，图10这种直方图呈现一个峰值(在小于峰值的范围内单调增加、在大于峰值的范围内单调减少)。但在图10中，由于特异点的影响，除了原有的一个峰值之外，还产生了几个小的峰值，但是，可以明确：多个峰值中的高度(增加、减少的幅度)最大的是原本希望检测的峰值。也就是说，通过使用上述的方法，与探索连续地超过阈值的值的方法同样地，能够排除特异的点而求得合适的最低心率。

但是，在连续地超过阈值的值的探索中，最低心率为48，在探索减少幅度大的值的方法中，最低心率为49，由此可以清楚的得知：根据所使用的方法，存在最低心率的值变化的可能性。并且，究竟哪个方法更为适当，取决于实际取得的直方图的形状等。此外，在测量期间内包含睡眠状态期间和清醒状态期间双方的情况下，直方图也会根据用户的使用状态而变化，例如直方图的峰值出现对应于睡眠状态的峰值和对应于清醒状态的峰值这两个峰值的情况。也就是说，怎样求得最低心率，不限于上述的方法，可以进行各种变形实施，例如使用其他方法或组合几种方法等。

1.3.2使基础心率增加的处理

通过以上的方法，能够精度良好地求得最低心率，并且，能够由此而适当地更新基础心率。但是，上述的更新处理为使基础心率减少的处理，没有考虑到使基础心率增加的更新处理。

已知基础心率随着环境的变化和气温而变化。例如，平时住在海拔高的地方，当移动至海拔低的地方时，由于氧分压增加，因此，能够以较低的心率取得通常的氧摄取量。因此，有时出现基础心率特异性变化(特别是减少)的情况。如上所述，如果单纯地在最低心率低于基础心率的情况下进行更新，则在这种特异性情形之后，有时会有基准无法与通常的生活环境下取得匹配的情况。

具体例示于图11。在图11中，以虚线表示基础心率，以实线表示通过上述方法实测的最低心率(例如，每天的最低心率)。在图11中，在经过50天时及经过70天时，取得由于环境变化等原因而值小的最低心率，伴随于此，进行使基础心率减小的更新处理。然后，在经过80天时，环境复原。

这种情况下，与经过50天之前同样地，对象用户的心率与环境变化中相比恢复至较高电平，但是，与之对比，由图11的C1包围的区域可知，基础心率并未从下降的状态被更新。其结果是，作为用户，尽管过上通常的生活，但每天的心率相对于基础心率却成为较大的值。具体而言，与图11的C2中测定的心率相对于基础心率的大小(比，或增加量)相比，C1中测定的心率相对于基础心率的大小(比，或增加量)更大。因此，尽管过着通常的生活，但却作出了运动负荷过大、感到压力、睡眠不足这样的判定。例如，图11的C1中存在实线中断之处，这表示尽管用户实际上在睡眠，但却误判定为没有睡眠。

如特开平4-180730号公报所示，在使用心率信息的处理中，广泛地采用将对于对象用户来说的最低值、或相当于该最低值的值作为基准的方法。因此，现有技术中已知有使用实测值而将基准值更新为小值的方法，但不存在将基准值更新为大值的方法。

因此，本申请人进行使基础心率增加的更新处理。具体而言，在规定期间或者规定次数，不满足更新条件的情况下，更新部130使基础心率增加。

这里的更新条件例如为图7的S102的条件。并且，规定期间可以设定例如90天等的期间。此外，更新部130可以对从心率信息的测量开始至测量结束的重复次数进行计数而作为规定次数。具体而言，如上所述，在按下测量开始按钮、其后按下测量结束按钮的情况下，可以计数为1次。或者，规定次数也可以为进行基础心率的更新条件的判定的次数。图7的S102的情况下，为进行最低心率和基础心率的比较处理的次数，这种情况下，规定次数可以考虑为求得最低心率的次数。因此，可以将虽然进行了测量本身但未求得最低心率的情况从次数中除外，也可以在从开始按钮的按下开始至结束按钮的按下为止求得多次最低心率的情况下，对该求得的次数进行计数。

图12为测量中判定为睡眠状态的情况下，求得最低心率的情况的示例。这种情况下，如横轴所示，可以认为规定次数为睡眠次数。在图12中，由于在第4、5次睡眠时，最低心率的值变小，因此，进行使基础心率减小的更新处理。但是，在其后的90次期间，没有最低心率低于基础心率的情况。在这种情况下，目前的基础心率未反映用户的实际情况，即可以认为存在基础心率成为过小的值的可能性。因此，如图12所示，可以增加基础心率的值，在图12中使值增加1。此外，如上所述，由于不应该使作为判定处理的基准的基础心率大幅变化，因此，使其增加的情况下，也不宜使增加幅度过大。

如此一来，不仅能够进行使基础心率减小的更新处理，也能够进行使其增加的更新处理，因此，即使由于环境变化等的原因而基础心率下降、无法与用户的状态对应的情况下，也能够进行适当的更新处理。此外，如上所述，由于使用最低心率而使基础心率减小是容易的，因此，即使在使基础心率增加的更新处理不适当的情况下，使基础心率返回适当的状态也是容易的。

此外，考虑用户的年龄导致的基础心率的变化等，可以使基础心率增加。例如，更新部130可以在经过规定期间的情况下，使基础心率增加。

如图13所示，存在基础心率的值随着年龄的增长而上升的倾向。也就是说可以认为，即使假设上述的环境变化导致的基础心率的减小、测定或处理的误差导致的基础心率的减小不存在，也存在基础心率随着时间的推移而与用户的状态不一致的情况。因此，可以以3个月、半年、一年为单位而使基础心率增加。在不满足上述的更新条件而使基础心率增加的示例中，在规定期间或者规定次数期间进行更新处理的情况下，重置期间的测量或者次数的计数，这种情况下，可以不特别地考虑之前的更新状态等。因此，能够不考虑实测的心率信息的状态而可靠地使基础心率的值增加。

当然，也充分考虑到通过不满足更新条件的情况下的增加处理而进行包含伴随年龄的变动在内的适当的更新处理的情况，这种情况下，不能否认通过基于经过规定期间的更新处理而使基础心率的值过分增加的可能性。但是，如上所述，由于使过分增加的基础心率的值减小是容易的，因此，不会成为大问题。如上所述，由于基础心率高频度地变动是不优选的，因此，设想这里的规定期间是一定程度长的期间，因此即便考虑到这点，也不会成为大问题。

1.3.3默认值的设定及更新处理

下面，对于有关基础心率的默认值的处理进行说明。如上所述，心率信息的数值的用户的个体差异大，为了进行适当的处理，需要进行与不是绝对值而是作为基准的值，即基础心率的比较处理。因此，即使在刚开始生物体信息处理系统100(例如，图4的(A)等的可穿戴装置200)的使用、未实测出能够求得基础心率的程度的用户的心率信息的情况下，也可以事先将某个默认值设定为基础心率。

具体而言，可以与用户的个人数据无关地将规定的值作为默认值。或者，如图14所示，可以事先保持将规定的个人数据(例如年龄)和基础心率的默认值相关连的表，在设备使用开始时由用户输入的个人数据和该表，设定默认值。或者，可以事先保持从个人数据求得默认值的数学式，根据使用该数学式的运算结果设定默认值。

但是，上述的默认值没有考虑用户间的个体差异。因此，在本实施方式中，通过在决定部120中基于心率信息决定基础心率的值，变更(更新)为使用来自对象用户的实测值的基础心率。也就是说，通过决定部120的处理广义上也可以称为基础心率的更新处理，但是在本实施方式中，也可以使决定部120中的处理与通过更新部130的处理不同。

具体而言，决定部120进行以由从心率信息求得的最低心率置换由生物体信息处理系统100设定的基础心率的默认值的处理，更新部130进行更新由决定部120决定的基础心率的更新处理。

如上所述，通过更新部130的更新处理，如果为使值减小则通过最低心率进行置换，因此，以一定程度大的幅度变更基础心率的值也不是不可能。但是，使值增加的处理，如图12所示，需要经过规定期间或者规定次数进行判断，如上所述，假设为增加幅度小。

由于基础心率的默认值没有考虑个体差异，因此，存在与实际使用的值存在较大差异的可能性。这种情况下，如果默认值比理想值大，则通过与更新部130同样的处理，能够以比较短的时间使其接近理想值。但是，在默认值比理想值小的情况下，如果采用像更新部130那样地长时间地逐渐增加值的方法，则达到理想值可能需要较长的时间，不能说是优选的。

因此，在本实施方式中，在从默认值向使用实测值的值变更时，可以与最低心率和基础心率(默认值)的大小关系无关地进行基于最低心率的置换。如此一来，即使在默认值比理想值小的情况下，也能够以较短的时间接近理想值。

1.3.4使用体动信号的处理

此外，在本实施方式中，在基础心率的更新等中，可以使用通过体动信息取得部140取得的体动信息。具体而言，决定部120在基于给定的最低心率测量期间中的体动信息，判定判定为用户的体动小的期间包含于最低心率测量期间的情况下，可以将基于最低心率测量期间的心率信息而求得的最低心率作为基础心率。

如上所述，基础心率为深睡眠状态下或判定为深睡眠状态的状态下的心率，是对于对象用户来说最低的或者相当于最低的心率。也就是说，使用实测的心率信息，从默认值变更基础心率的值的情况下，需要使用深睡眠状态等下的最低心率。特别是，如上所述在通过决定部120的处理中，即使在最低心率比基础心率(默认值)大的情况下，也通过最低心率置换基础心率。因此，如果为通过更新部130等的处理，则有可能将对基础心率的运算完全没有贡献的非常高的心率(例如，运动中的心率)作为基础心率。当然，其后如果通过睡眠中的低心率信息求得最低心率，则通过该值更新基础心率，因此也没有问题，但根据用户不同有时也存在睡眠中的使用频度非常低的情况，存在过高的基础心率长时间被使用的可能性。

因此，在求得最低心率时，与心率信息一并地也求得体动信息，基于该体动信息，判定在作为对象的期间(最低心率测量期间)内用户是否为睡眠状态。然后，使用判定为包含睡眠状态的期间的情况下的最低心率，从默认值变更基础心率。相反，如果用户在期间内不处于睡眠状态，则不从该期间的信息变更基础心率，因此，能够抑制基础心率的值过分地变大。

具体而言，如图8的S201所示，以几秒一次的频度取得体动信号。此时，可以与心率信息同样地进行移动平均处理，抑制偏差。并且，就像在加速度信号中检测出重力加速度的值一样，也存在即使在理想的安静状态下体动信息的值也不为0的情况，因此，可以通过S201取得体动信息的差分值(微分值)。

并且，在S204中，可以取通过S201得到的值在给定的期间内的平均值或总和，进行与阈值的比较处理。这里的给定的期间可以有各种考虑，例如使用10分钟左右的时间。通过该比较处理，如果平均值大于阈值，则能够判定该期间内的用户的体动大而非睡眠状态，如果平均值在阈值以下，则能够判定该期间内的用户的体动小而为睡眠状态。

进一步，在一次的最低心率测定期间内，累积通过上述判定而判定为睡眠状态的时间。在此，如果判定为睡眠状态的时间比3小时长，则在该最低心率测定期间内，用户为睡眠状态，判定为得到了能够用于有关基础心率的处理的值。相反地，如果睡眠状态的时间为3小时以下，则判定为用户不为睡眠状态或虽为睡眠状态但该睡眠并不充分至深睡眠状态，不用于有关基础心率的处理。

并且，在更新部130中可以使用体动信息，更新部130可以基于体动信息而进行基础心率的更新条件的判定。在基础心率理想状态下应该成为深睡眠状态下的心率这点上，通过决定部120的处理和通过更新部130的处理是相同的，因此，通过使用推定为处于至少一定程度的时间的睡眠状态的期间内的信息，能够适当地更新基础心率。

更具体而言，更新部130对重复次数中的、根据从测量开始至测量结束的期间的体动信息判定为用户的体动小的次数进行计数而作为规定次数。

由此，能够适当地对上述规定次数进行计数。例如，将从按下开始按钮开始至按下结束按钮为止作为一次而计数的情况下，根据用户的使用例的不同，考虑存在由于一天之中高频度地重复开始/结束而计数在短时间内变得非常多的情况。极端示例中，如果一天之中反复90次的接通/断开，则出现该一天之中使基础心率增加的可能性。

但是，该规定次数原本应该为进行有意义的更新判定的次数。通过求得对于对象用户来说心率充分低的状态所对应的最低心率，如图7的S102所示，比较该最低心率和基础心率，从而进行基础心率的具有更新可能性的判定。即使假如在运动中求得90次最低心率，该最低心率低于基础心率的可能性也非常地低，从基础心率更新的观点来看，不能说是有用的处理。即便运动状态等下的最低心率规定次数连续地高于基础心率，这也是必然的结果，很难说以该结果为根据而使基础心率增加是适当的。

也就是说，通过在规定次数的计数中使用体动信息，进行规定次数的基础心率的有意义的更新条件的判定处理。并且，即使以一定程度的次数重复该有意义的判定，由于在最低心率不低于基础心率的情况下进行增加处理，因此，关于基础心率的增加也能够确保一定程度的稳妥性。

1.3.5总结

作为本项的总结，说明表示包含上述处理的基础心率的更新处理的流程图，其后，使用基于实测值的图表，说明本实施方式的方法和现有方法的差异。

图15为表示基础心率的详细的更新处理的流程图。当该处理开始时，首先取得将体动信息(例如加速度值的微分值)的给定期间内的平均值或积分值超过体动的阈值的时间在最低心率测定期间进行累计后的值，判定该值是否超过时间的阈值(例如3小时)(S301)。时间的累计值，如图8的S204所示，由于结合心率信息等而取得，因此，可以使用该值。

在S301为“否”的情况下，在作为处理对象的最低心率测定期间内，不能说用户取得了充分的睡眠，能够判定即使求得最低心率，该最低心率也不与基础心率对应。因此，在图15的流程图中，不进行最低心率的运算处理本身，结束处理。

另一方面，在S301为“是”的情况下，由于存在用户为睡眠状态(特别是深睡眠状态)的可能性，因此，进行最低心率的运算处理。在图15的流程图中，使用图10如上所述，假定从低的心率开始探索度数连续地超过阈值的值的方法，因此，首先将探索的起点设定为hr＝hrmin(S302)。由于比hrmin小的数值范围不成为基础心率的探索对象，因此，这里的hrmin可以使用比能够取得基础心率的数值范围的下限小的值。例如，考虑到基础心率的值低于30的用户非常少，可以使hrmin＝30。

并且，从hrmin起在探索范围的上限hrmax的范围内(S303)，进行直方图的度数(频度)和频度阈值(例如90)的比较处理而探索最低心率。hrmax可以使用比能够取得基础心率的数值范围的上限大的值。在此，由于使直方图的横轴为整数值，因此，进行心率的值在hr的度数、在hr+1的度数、在hr+2的度数是否全部比阈值小的判定(S304)。

在S304为“是”的情况下，如图10中的心率＝44等的情况所示，判定为此时的hr并非最低心率。因此，进行使hr增加的更新处理而继续探索。在此，增加hr(S305)，继续S303的循环。

另一方面，在S304为“否”的情况下，如图10中的心率＝48所示，能够判定此时的hr为作为处理对象的最低心率测定期间内的最低心率。从而，离开S303的循环，转移至使用求得的最低心率的基础心率的更新条件的判定。

具体而言，首先进行目前的基础心率是否为默认值的判定(S306)。在S306为“是”的情况下，由于进行决定部120中的处理，因此，与基础心率和最低心率的关系无关地，以最低心率的值置换基础心率(S307)。然后，为了开始规定次数的计数，以0重置计数的值(S308)，结束处理。

另一方面，在S306为“否”、即基础心率非默认值、已经使用用户的实测值更新之后的情况下，由于进行更新部130中的处理，因此，进行最低心率是否小于基础心率的判定(S309)。在S309为“是”的情况下，由于可以以最低心率的值置换基础心率，因此，进行S307及S308的处理，结束处理。

在S309为“否”的情况下，进行基础心率和最低心率是否相等的判定(S310)。相等的情况下，重置对规定次数进行计数的计数器的值(S311)。S310为“是”的情况下，尽管不满足基础心率的更新条件(S309的条件)，但由于基于实测值的最低心率与基础心率相等，因此，能够判定目前的基础心率作为表示用户状态的值是合适的，换言之，能够判定不是过小的值。这种情况下，由于使基础心率增加的处理目前不需要，因此，规定次数的计数可以从0再开始。此外，在执行中可以省略S310及S311，可以进行使S309的判定为hr≤基础心率的变形实施。

在S310为“否”的情况下，由于为最低心率比基础心率大的情况，因此，不需要使值减小的更新处理。因此，进行是否使基础心率增加的处理的判定。具体而言，判定对规定次数进行计数的计数值是否小于规定的阈值(这里为90)的判定(S312)。S312为“是”的情况下，由于不满足更新条件的次数还没有达到规定次数，因此，不使基础心率变化而增加计数器的值(S313)。在S312为“否”的情况下，由于不满足更新条件的次数为规定次数，因此，使基础心率增加。这里，使基础心率的值仅增加1(S314)。S314处理后，由于再次开始规定次数的计数，因此，以0重置计数器的值(S315)，结束处理。

下面，图16及图17示出现有方法和本实施方式的方法中的基础心率等的差异。在图16中，示出对于相同的心率信息的日志数据，通过现有方法求得最低心率而更新基础心率的情况的图表，和通过本实施方式的方法求得最低心率而更新基础心率的情况的图表。从图表可以得知，由于现有方法中最低心率的运算精度不足，因此，如5月16日、8月1日、8月15日所示，出现基础心率过分减小的情况，但在本实施方式的方法中，能够将基础心率保持为适当的水准。

此外，图17示出现有方法中的基础心率、最低心率和本实施方式中的基础心率、最低心率的图表。在图17的范围内，虽然不存在基础心率的变动，但与图16同样地，由于通过本实施方式的方法抑制了使基础心率过分地减小的更新处理，因此，本实施方式的基础心率与现有方法相比，值更大。并且，比较现有方法中的最低心率和本实施方式中的最低心率可知，在几乎所有的测量中，本实施方式的最低心率的值比现有方法都大，能够抑制将最低心率运算得过低的可能性。

此外，在最低心率大于基础心率的情况下，存在误判定为用户未处于睡眠状态的可能性。这里的睡眠状态判定基于心率信息，与图15的S301所示的使用体动信息的方法不同。在图17中示出未判定为睡眠状态的情况下，不求得最低心率本身的示例。在现有方法中，由于基础心率变低，因此，如虚线的圆所示，存在最低心率变高的日子的情况下，即使用户进行睡眠，也判定为未处于睡眠状态。与此对比，由于通过本实施方式的方法能够将基础心率保持为合适的水准，因此，如虚线的圆所示，即使存在最低心率变高的日子，也能够抑制误判定睡眠状态的可能性。

1.4使用基础心率的健康度信息的生成处理

对使用基础心率而求得健康度信息的处理的具体例进行说明。以下，在说明了各信息的运算方法之后，对向用户提示求得的健康度信息时所使用的显示画面的示例进行说明。但是，基于基础心率求得的健康度信息不限于下述情况。

1.4.1消耗卡路里量的运算方法

如上所述，在现有方法中，基于上式(1)，从心率(HR)、最大VO₂(VO_2m)、最大HR(HR_m)、安静時VO₂(VO_2r)、安静時HR(HR_r)推定VO₂，求得分钟能量(卡路里)消耗量EE(EE＝VO₂×5/1000kcal)。但是，由于VO_2m、HR_m、VO_2r、HR_r几乎未考虑个体差异，并且VO_2m、HR_m不能实际地测定，也没有考虑动作(ACT)产生的影响，因此，可靠性低。特别是，考虑到不论体动时、非体动时而长时间(例如一整天)地进行用户的健康状态的监测等的用途时，使用上式(1)的方法的问题较大。

因此，在本实施方式中，以基础心率HR₀为基准而运算消耗卡路里量。具体而言，使用相当于基础心率HR₀的分钟能量消耗量EE₀，对于上式(1)进行如下式(2)所示的变换。下式(2)的EE表示分钟消耗卡路里量、EE₀表示基础状态下的EE、EE_m表示EE的最大值。

[数学式2]

$\frac{\left({\mathrm{EE}-\mathrm{EE}}_0\right)}{({\mathrm{EE}}_m-{\mathrm{EE}}_0)}=\frac{(\mathrm{HR}-{\mathrm{HR}}_0)}{({\mathrm{HR}}_m-{\mathrm{HR}}_0)}......\left(2\right)$

然后，通过对上式(2)中的EE进行求解，得到下式(3)。

[数学式3]

$\mathrm{EE}={\mathrm{EE}}_0+\frac{({\mathrm{EE}}_m/{\mathrm{EE}}_0-1)}{({\mathrm{HR}}_m/{\mathrm{HR}}_0-1)}\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}\×(\mathrm{HR}-{\mathrm{HR}}_0)$

$\frac{({\mathrm{EE}}_m/{\mathrm{EE}}_0-1)}{({\mathrm{HR}}_m/{\mathrm{HR}}_0-1)}=x,$ HR-HR₀＝ΔHRとすれば、

$\mathrm{EE}={\mathrm{EE}}_0+x\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}\×\mathrm{\ΔHR}$

さらにEE-EE₀＝ΔEEとすれば、

$\mathrm{\ΔEE}=x\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}\×\mathrm{\ΔHR}.....\left(3\right)$

在此，EE₀为相当于用户的分钟基础代谢量的值，已知每天的基础代谢量BM可以通过各种方法算出，因此，也可以事先求得EE₀。并且，HR₀如上所述可以根据实测值决定，HR可以使用当时实测的心率信息的值。因此，在上式(3)中，如果决定了x所表示的部分的值，就能够求得消耗卡路里量(分钟消耗卡路里量EE)。

在此，图18的(A)、图18的(B)中示出纵轴取上式(3)的ΔEE、横轴取上式(3)的(ΔHR/ HR₀)×EE₀而将值绘图后的图表。图18的(A)与将活动中(也表记为运动中、或体动时)的值绘图后的图对应，图18的(B)与将非活动中(也表记为安静时、或非体动时。具体而言为安静卧位、坐位、站位时等)的值绘图后的图对应。

由纵轴、横轴的值和上式(3)可知，绘图后的点近似于直线的情况下，该直线的倾角表示系数x。比较图18的(A)和图18的(B)的情况下，相当于体动时的系数的图18的(A)的直线的倾角，大于相当于非体动时的系数的图18的(B)的直线的倾角。这也就是表示，与非活动时相比，活动时的系数x的值为更大的值，在求得能量消耗量(消耗卡路里量)时，需要根据活动时或非活动时而改变系数进行运算。

此外，在上式(3)中，使用HR-HR₀作为表示心率信息相对于基准值的变动程度的指标值ΔHR。也就是说，基准值成为基础心率HR₀。但是，在清醒时，不论体动或非体动，用户多采取站位或坐位。这种情况下，压力感受器敏感性活动，因此即使在身体活动和心理活动都非常弱的情况下，与HR₀相比，心率也会增加。因此，作为实际决定ΔHR时的心率信息的基准值，优选使用考虑了上述的增加部分的值而非HR₀本身。因此，在本实施方式中，设定1以上的系数α及β，体动时用ΔHR＝HR-αHR₀，非体动时使用ΔHR＝HR-βHR₀。

以上，考虑到系数x在体动时和非体动时为不同的值这一点，以及ΔHR应该使用基准值的增加部分α及β而非HR-HR₀这一点，本申请人提出使用下式(4)及下式(5)作为消耗卡路里量的计算式。下式(4)为运算体动时的消耗卡路里量的数学式，下式(5)为运算非体动时的消耗卡路里量的数学式。

[数学式4]

$\mathrm{EE}={\mathrm{EE}}_0+x\×(\mathrm{HR}-\mathrm{\α}{\mathrm{HR}}_0)\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}.....\left(4\right)$

[数学式5]

$\mathrm{EE}={\mathrm{EE}}_0+y\×(\mathrm{HR}-\mathrm{\β}{\mathrm{HR}}_0)\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}.....\left(5\right)$

使用图18的(A)、图18的(B)，如上所述，在体动时使用系数x，在非体动时使用系数y。这也是由于如下的差异，即，x表示体动时即主要由肌肉运动产生的SV(SV表示每心跳一次的血液输出量，即一次心输出量)增加的校正系数，与此对比，y表示非体动时、即精神活动或体位变动产生的SV增加的校正系数。也就是说，虽然分钟消耗卡路里量(EE)与心输出量(CO)成比例(EE∝CO＝SV×HR)，但由于相对于HR增加的SV增加在体动时和非体动时不同，因此，分别使用x、y不同的系数。

并且，如上所述，α为体动时清醒时的安静心率的校正。在此，经过实验确认：即便在安静时，由于清醒和站位，心率与基础心率的值HR₀相比，都增加大约1.2倍左右。因此，本实施方式的α，采用α＝1.2作为通常的值。与此对比，β为非体动时的精神活动或者体动变动前的初始值的校正，考虑到通常情况下接近于安静，在本实施方式中，采用β＝1.0作为通常的值。

此外，如上所述，为了从上式(4)、上式(5)求得消耗卡路里量，需要事前决定与基础心率HR₀对应的分钟消耗卡路里量EE₀的值。如果从每天的基础代谢量BM求得每分钟的值，则求得的值与EE₀相对应，求BM的方法可以采用众所周知的Harris-Benedict公式。

但是，在本实施方式中，可以基于分钟心输出量CO(CO为心率HR和一次心输出量SV的乘积)求得EE₀。氧在肺里与血红蛋白结合，由心脏运输，在组织(脑和肌肉)内被输出利用，剩余部分被肺排泄出，VO₂和分钟心输出量CO成比例关系(VO₂∝CO＝HR×SV∝EE)。

本申请人发现了如下原理：在脑电波的慢波睡眠阶段(深睡眠时)，心率取基础心率HR₀，并且此时的心指数CI(将体表面积设为BSA的情况下，CI＝CO/BSA)的个体差异小。并且，应用该原理，作为个体差异小的值，制作成求得睡眠时的心输出量(CO₀)的下式(6)。

CO₀＝6.9×Age^-0.25×BSA·····(6)

能够从上式(6)、标准的血中血红蛋白浓度(男性15g/dl、女性13.5g/dl)、动脉血中氧饱和度(97.5％)和静脉血中氧饱和度(75％)的差分、以及与1g血红蛋白结合的氧的量(1.34ml)推定氧消耗量，能够从VO₂推定EE，同样能够从与CO₀对应的氧消耗量推定基础代谢量BM。

具体而言，将血中血红蛋白浓度作为Hb，使用上述的各值，进一步也包含用于单位换算的值在内而计算时，基础代谢量推定值BM通过下式(7)求得，将具体值带入Hb，从而男性的基础代谢推定值BM_m和女性的基础代谢推定值BM_f成为下式(8)。

BM＝CO₀×Hb×1.34×(0.975-0.75)×10×60×24×5/1000·····(7)

男性BM_m＝325.6×CO₀

女性BM_f＝293.0×CO₀·····(8)

图19示出，对于各种年龄、性别的受试者，纵轴表示通过现有的Harris-Benedict公式求得的基础代谢量，横轴表示通过上式(6)及(8)求得的基础代谢推定值的情况的图。这种情况下，相关系数为r＝0.96，可以说存在非常高的相关关系。也就是说，使用本申请人提出的上式(6)及(8)的方法，也能够精度良好地运算基础代谢量(以及分钟消耗卡路里量EE₀)。

下面，对决定上式(4)的x、(5)的y的方法进行说明。具体而言，可以使用给定的标准值，也可以从进行一定负荷的运动时的实测值求得。

首先，对使用标准值的方法进行说明。如上式(3)所示，x取接近(EE_m/EE₀-1)/(HR_m/HR₀-1)的值。EE_m为在20～70岁的范围内由年龄(Age)统计而得，已知男性取49-0.29Age的值，女性取41-0.33Age的值，可知HR_m取220-Age的值。并且，EE₀可以从上述的BM_m或者BM_f求得，HR可以使用来自心率传感器等的实测值而取得。

使用这些值计算x时，平均为接近4.8±1.5(标准偏差SD)的值(约为5)的值。因此，x不明的情况下，可以使用5的值作为标准值。此外，y的值使用测定精神活动时的HR和VO₂而统计性算出的值，在本实施方式中，使用1.5作为y的标准值。

但是，在上述的x决定方法中，对于难以实测的EEm及HRm，通过使用统计值而求得的x的近似值。因此，与上式(1)等所示的特开平4-180730号公报的方法同样，存在难以对应每个用户的个体差异的问题。

因此，在本实施方式中，可以从实测值求得x的值。具体而言，通过变形上式(4)而取得下式(9)。

[数学式6]

$x=(\mathrm{EE}-{\mathrm{EE}}_0)\×\frac{1}{(\mathrm{HR}-\mathrm{\α}{\mathrm{HR}}_0)\×\frac{{\mathrm{EE}}_0}{{\mathrm{HR}}_0}}.....\left(9\right)$

可以通过上述的方法求得右边的HR₀和EE₀，对于α，判断实验上可以使用1.2。进一步，由于也可以从心率传感器等求得心率信息HR的值，因此，只要能够求得EE的值，就能够从实测值决定x。在此，鉴于本实施方式的方法是以求得分钟消耗卡路里量EE为目的的，因此，将任何的活动状态(包含体动时、非体动时)都作为对象时，不能事先决定EE的值。但是，如果限定为进行已知为规定的运动负荷的运动，则能够事先计算该运动的消耗卡路里量EE。例如，连续3分钟进行每秒2步的踏步运动的情况下(约3Mets的运动)，已知此时的分钟消耗卡路里量EE满足下式(10)。

EE＝3×1.05×体重/60·····(10)

如此，在能够向用户指示进行规定的运动的情况下，能够决定、取得HR₀、EE₀、α、HR、EE的全部的值，因此，能够通过上式(9)从实测值求得x。

1.4.2深睡眠时间信息的运算

已知睡眠不足(例如，深睡眠时间为4小时以下的情况)，会对第二天的自律神经产生较大的影响，对健康有不良影响，因此，在生活方式的评价中，睡眠时间成为重要的指标值。特别是，睡眠状态中的处于较深的睡眠的深睡眠状态(或者表记为脑电波慢波睡眠状态)的时间等作为表示睡眠状态的指标值是重要的。例如，在睡眠时间本身长但深睡眠时间短的情况下，对于健康有不良影响，导致虽然应该睡着了但并未消除疲劳等的自我感觉。

因此，在本实施方式中，有关用户是否处于深睡眠状态的信息(狭义而言，有关24小时中的处于深睡眠状态的时间即深睡眠时间的信息)，也作为健康度信息而进行运算。

如上所述，在深睡眠状态中，心率信息HR的值取接近基础心率HR₀的值。因此，通过HR和HR₀的比较，判定用户是否处于深睡眠状态即可。但是，即使处于深睡眠状态，HR的值也会有偏差，因此，充分考虑到HR的值大于HR₀的情况。因此，用于与HR比较的值并非HR₀本身，而是使其具有一定程度的余量，使用HR₀×(睡眠系数)的值。也就是说，在下式(11)成立的情况下，判定用户处于深睡眠状态，将24小时中的下式(11)成立的时间的积分值作为深睡眠时间。在此，下式(11)的睡眠系数因用户的不同而为不同的值，例如，可以使用统计上求得的1.12等值。

HR≤HR₀×(睡眠系数)·····(11)

1.4.3压力信息的运算

表示对用户施加的负荷的压力信息也可以作为表示健康度的指标值使用。在此，作为压力信息考虑起因于体动时的身体活动的身体压力(身体压力，physical stress)和起因于非体动时的精神活动的心理压力(精神压力、mental stress)。

身体压力及精神压力导致的负荷的程度较大地反映于心率信息HR的值。在此，已知非体动时心率增加主要是由于脑活动，因此，能够通过对非体动时观察到的一定以上的心率上升的时间进行积分而评价精神压力。作为其指标而设置压力系数，在HR满足下式(12)的情况下，判定对于用户施加了值得重视的程度的精神压力，将下式(12)成立的时间的积分值作为有关精神压力的指标值(精神压力信息)。

HR≥HR₀×(压力系数)·····(12)

在此，压力系数的值因人而异，因此，可以采用从外部输入的值。但是，在压力系数不明的情况下，或者希望减轻用户的操作负担的情况下等，可以使用压力系数＝1.8等作为统计上求得的值。

另一方面，身体压力表示体动时的对于用户的负荷，考虑主要是由肌肉活动导致的心率增加而能够求得该值。具体而言，与上述的精神压力同样地，可以进行基于上式(12)的判定，不同点在于，身体压力的情况下以体动时为对象。

此外，可以考虑各种体动时或非体动时的判定方法，例如，可以基于来自体动传感器的传感器信息进行处理。如果体动传感器为加速度传感器，则在来自该传感器的传感器信息即加速度检测值大的情况下，可以判定为体动时；如果加速度检测值比体动时小，则可以判定为非体动时。或者，可以求得加速度检测值的频率特性(例如，相当于步行、跑步运动时的步幅)而非加速度检测值的大小本身，并由此判定是体动时还是非体动时。也就是说，本实施方式的体动传感器只要是在压力信息的运算中能够判定是体动时还是非体动时的传感器即可，既可以使用加速度传感器，也可以使用其他传感器。并且，基于传感器信息进行是体动时还是非体动时的判定的方法也是任意的。

通过上述求得的压力信息可以作为如下判定的指标值使用，即，对于精神压力而言，其积分时间越小越好；而对于身体压力而言，其积分时间越适当(足够大而不至于运动不足，足够小而不至于超负荷)越好。

1.4.4显示控制

如上所述，通过本实施方式的方法能够取得消耗卡路里量、深睡眠时间及压力信息作为健康度信息。考虑到就取得的健康度信息而言，仅单纯地表示其值的话，有可能不容易理解用户的健康状态。因此，在本实施方式中，使用将取得的健康度信息图表化等的方法，以对于用户(或者，该用户的主治医师、健康顾问等)而言一目了然的形式提示。

以下，使用图20～图24说明显示画面的具体例，但本实施方式中的显示画面的形式不限于此。并且，鉴于一次性提供一定程度的信息量，设定图20等的画面显示于图6的便携终端装置300等，在可穿戴装置200具有足够的尺寸的显示部的情况下，或显示画面简化的情况下等，可以将信息提示用的显示画面显示于可穿戴装置200的显示部。

图20为可穿戴装置200和便携终端装置300等连接时，显示的主页画面的示例。主页画面中显示了年龄、性别、身高、体重、ID等个人信息输入模式、数据文件管理、基于通信的输入输出管理、基础心率(HR₀)设定和初始系数设定等的封面信息。以下进行具体说明。

图20的D1区域中进行有关可穿戴装置200的设定等。具体而言，在可穿戴装置200和便携终端装置300连接的状态下，通过按下D11的取入按钮，通过可穿戴装置200取得的信息被取入便携终端装置300。取入的信息可以为消耗卡路里量、深睡眠时间及压力信息等的基于HR和HR₀的运算的结果的信息，也可以将心率传感器10和体动传感器20的传感器信息全部作为对象，可以进行各种变形实施。

在D12中可以进行用户信息的注册、时钟调整等。对于D12的功能，省略其详细说明。

D2表示通过D11的取入按钮取入的信息以怎样的文件名保存。具体而言，可以通过D21表示最新的数据文件，并通过D22表示过去取入的数据文件。

D3为用于表示取得的信息(在此，以取得所有HR值为前提)中的心率信息的时间变化(HR走向)、基于其的分析结果等的按钮。对于按下这些按钮后的情况的显示画面例将于后述。

D4为用于指示数据文件的保存、删除的按钮。D5为用于进行健康度信息的运算中的事先准备的区域。具体而言，D51为用于调出用于求得健康度信息的系数的设定画面的按钮，当按下D51时，跳转至图21的画面。在图21中，可以设定HR₀的值、x、y、α、β等用于消耗卡路里量的运算的系数、或用于深睡眠时间的运算的睡眠系数、用于压力信息的运算的压力系数等。此外，对于x，也可以如上所述地从实测值进行设定，这种情况下，用户按下在E1所示的x计算按钮，开始给定的运动即可。也可以设定从实测值设定x时所进行的运动(上述示例中为连续3分钟进行每秒2步的踏步运动)的负荷的值，这与E2的校正消耗卡路里(Mets)相对应。在使用加速度传感器作为体动传感器的情况下，加速度系数为表示进行是体动时还是非体动时的判定时的加速度检测值的阈值的值。此外，图21的加速度系数的值在加速度传感器领域也不同，单位并非是以标准重力加速度为基准的g或m/s²。

D52为设定HR₀时使用的按钮。如上所述，HR₀使用心率信息进行更新，考虑到根据用户的明确指示进行再设定的情况等，因此，设置为在按下D52的情况下进行HR₀的设定处理。

图22为当按下图20的D31的HR走向按钮时所显示的画面的示例。图22为表示连续24小时内的心率信息HR值的时间变化、以及基于HR及HR₀而运算的消耗卡路里量的时间变化的图。图22中，F1所示的图表表示HR的时间变化，F2所示的图表表示消耗卡路里量的时间变化。从图22也可以知道，从0点左右至6点半左右处于睡眠状态等的用户的生物体信息(生活习惯信息)。

但是，优选以一定程度地汇总并易懂地提示健康度信息，在本实施方式中可以采用，在图20的D6所示的区域等显示图23的(A)、图23的(B)的显示画面(图20为显示图23的(B)的画面的示例)。

图23的(B)为汇总显示消耗卡路里量、深睡眠时间、压力信息的图表。图23的(B)的深睡眠时间为用户处于深睡眠状态的时间，动作(-)表示非体动时并且未施加有精神压力状态的时间。精神S表示非体动时并且施加有精神压力状态的时间。此外，身体S表示体动时并且施加有身体压力状态的时间，动作(+)表示体动时并且未施加有身体压力状态的时间。此外，在圆图表的中央部显示每24小时的消耗卡路里量。

通过使用图23的(B)，能够直观地理解24小时中的深睡眠时间、施加有精神压力的时间、施加有身体压力的时间等的比率。具体而言，由于考虑健康良好的生活方式是取得充足的休息(睡眠)、身体活动(身体压力)适度较多、精神压力(精神压力)较少、摄取卡路里和消耗卡路里取得平衡的状态，因此，通过以上述的观点看图23的(B)，能够容易地把握用户的健康状态。

但是，对于本实施方式的可穿戴装置200等，考虑到该装置的充电等，也考虑不是24小时连续穿戴的情况。这种情况下，在图23的(B)中考虑以易于知晓各时间的相对关系的方式进行提示，因此，即使为不足24小时的数据，也换算为24小时而提示(例如，穿戴时间为12小时的情况下，进行将各时间的值2倍化等的处理)。因此，设想难以知道实际时间的情况。

因此，可以采取不换算为24小时基准，而如图23的(A)所示直接显示实际的时间的方法。图23的(A)中纵轴、横轴均表示时间(单位：小时)，G1表示精神压力、G2表示非体动时(并且，不感到精神压力)、G3表示体动时(并且，不感到身体压力)、G4表示身体压力的各实际时间。

此外，有关深睡眠时间，可以通过图23的(A)的三角形区域表现。这种情况下，可以假设深睡眠时间可以通过颜色等而非三角形区域的面积表现。例如，深睡眠时间足够时(7小时以上)以绿色、稍少时(4～7小时)以黄色、明显不足时(4小时以下)时以红色而分色进行显示。

此外，图23的(A)、图23的(B)等的图表显示具有直观、易懂的特征，另一方面也存在难以把握正确的值的困难。因此，在按下图20的D32所示的分析按钮的情况下，也可以显示图24所示的分析画面。在分析画面中，例如，如图24所示可以显示用户的个人信息、用于健康度信息的运算的参数，并显示实际测定的健康度信息的具体值。此时，也可以同时显示图23的(B)等的图表。通过显示图24等的分析画面，能够知晓更准确的值。

2.第二实施方式

2.1第二实施方式的概要

首先，对于本实施方式的方法进行说明。如上所述，进行使用心率的处理时，优选设定作为基准的值。在特开2012-157435号公报中，公开了使用基础安静时脉搏数(基础脉搏数)的示例，在特开2011-212384号公报中公开了使用安静时脉搏数和基础脉搏数等的示例。

在此，基础安静时脉搏数和安静时脉搏数为用户安静时的脉搏数，与本实施方式中的安静时心率相对应。此外，特开2011-212384号公报的基础脉搏数为用户从醒来开始至起身为止的脉搏数。此外，如后所述，本实施方式中的基础心率，在定义上表示睡眠中的最低心率。

也就是说，如果直接地测定作为处理基准的心率，则必须在用户为对应的状态时进行测定。例如，所谓“用户安静”的状态，是指持续一定时间以上的坐位状态的情况等，测定安静时心率需要在上述状态下事先以动作状态安装测定用的电子设备。并且，如本实施方式的基础心率和特开2011-212384号公报的基础脉搏数所示，如果要测定睡眠状态、或刚刚从睡眠状态转为清醒状态后的心率等，则需要例如在睡眠中以动作状态安装电子设备。

本申请人设想通过实现小型轻量且低耗电的电子设备，而进行长时间的连续测量，即，将该电子设备用于生活日志的取得。如果如设想的一样，从清醒状态至睡眠状态，以动作状态装配电子设备，则能够进行上述的信息的测定。

但是，生物体信息处理系统(或者包含其的电子设备)的使用状态因人而异。因此，考虑存在由于用户的生活方式等而难以直接地测定期望的信息的情况。

如果使用如利用图4的(A)、图4的(B)在上面所示的手表型(带型)的电子设备的情况下，存在下述的用户，由于讨厌手表或皮肤敏感因为带的束缚或汗液的附着而起皮疹等各种原因，只能在规定期间内装配电子设备。例如，外出时装配电子设备，但回家时便摘掉，对于这种用户的情况，不能取得睡眠状态下的信息。因此，直接地测定本实施方式中的基础心率也变得困难。

相反，也考虑存在下述的用户，由于工作等的关系而成为妨碍的原因，白天不装配电子设备而仅睡眠时装配电子设备。这种情况下，难以测定与清醒状态且活动非常少的状态(安静状态)的信息相对应的安静时心率。

特别是，这种使用情况大多取决于用户的生活方式，这种情况下，也可能出现电子设备购入后一次都没有取得过睡眠状态下的信息而继续使用的状态。虽然也可以直接输出测定的心率的值，但进行后述的睡眠判定或消耗卡路里判定等使用心率的各种处理的情况下，如果无法取得作为基准的基础心率或安静时心率，则根本不能进行上述处理。

进一步，由于基础心率和安静时心率的个体差异大，因此使用根据年龄等求得的初始值的情况下，有可能输出与实际情况不相符的判定结果。例如，图25是由于未进行睡眠状态下的测定，而将根据年龄等求得的初始值(＝57)设定为基础心率的情况的数据。图25的情况，由于用户原本的基础心率为45左右，因此，设定了比实际大的初始值，但是，如上所述，由于未进行睡眠状态下的装配，因此，不能使用实测值更新该初始值。其结果是，本应以45为基准进行的判定，结果以57为基准进行，导致判定结果不当。

图25为白天时间段的测定数据，可知在该期间内用户为时常清醒状态。但是，如上式(11)所示，当使用Th＝基础心率×α(α为大于1的常数)的阈值Th进行使用心率的睡眠状态的判定的情况下，使用上述初始值的话，则Th变得过大。因此，如图25中的虚线圆所示，存在测量的心率低于Th的情况，在该处，尽管用户处于清醒状态，但却误判定为睡眠状态。此外，图25的中段表示体动信息(加速度信号)的变化量，图25的下段为表示由基础心率等求得的用户的状态的信息。具体而言，在图25下段中，类型7～8表示高负荷状态、类型5～6表示活动状态、类型4表示放松状态、类型1～3表示睡眠状态。此外，如类型1为深睡眠、类型2为浅睡眠所示，图25为进行更细的分类的示例，在此，省略其详细说明。此外，有关这点，在图26和图32中也是同样。

相反，图26为用户原本的基础心率＝69，而设定了比其小的初始值(＝55)的情况。这种情况下，阈值Th与原本应该使用的值相比变小。图26为夜间时间段的测定数据，可知在该期间内至少1:00～7:00用户为睡眠状态。但是，由于Th大，因此，如图26的虚线圆所示，存在测量的心率高于Th的情况，在该处，尽管用户实际上为睡眠状态，但却误判定为清醒状态。此外，由于图26中测量了睡眠状态下的信息，因此，能够测量基础心率而使其接近原本应该设定的值。

此外，对于安静时心率也是同样，如果不考虑个体差异而设定值，则使用安静时心率的处理的可靠性下降。例如，如后所述，使用安静时心率而运算消耗卡路里量的情况下，算出的卡路里量和实际的消耗量无法对应。

如此，由于基础心率和安静时心率对应于个体差异，因此应该使用实测的信息进行设定，但考虑到由于生活方式等而难以直接地测定的情况。对此，特开2012-157435号公报和特开2011-212384号公报等现有方法中没有公开任何对应的方法。

因此，本申请人提出一种方法，即使由于用户的生活方式等而无法直接地测定基础心率和安静时心率的情况下，也能够基于实测值运算该信息。具体而言，本实施方式涉及的生物体信息处理系统100(生物体信息处理装置)，如图27所示，包含：心率信息取得部110，取得用户的心率信息；以及处理部115，基于心率信息求得判定为与用户的安静状态相对应的心率信息即安静时心率，基于安静时心率运算基础心率。

在此，基础心率表示用户处于深睡眠状态下的心率信息。在深睡眠状态下，由于不产生精神活动导致的心率变动，因此，不仅运动时(体动时)而且在安静时(非体动时)也能够精度良好地进行使用心率信息的处理。

如此一来，能够与用户的生活方式等无关地求得基础心率。例如，即使对于睡眠状态下不装配电子设备的用户，只要在清醒时求得安静时心率，就能够由该安静时心率运算(推定)基础心率。进一步，由于从实测值求得安静时心率，因此，运算的基础心率为反映了作为测定对象的用户的特性的值，与根据年龄等而设定为一样的基础心率相比较，能够进行考虑了个体差异的高精度的处理。

此外，在从安静时心率运算基础心率时，处理部115可以对安静时心率进行基于给定的运算式的运算处理而运算基础心率，进一步具体而言，可以使用后述的下式(13)。

此外，根据用户的不同，考虑也存在虽然能够直接地测定基础心率但却无法直接地测定安静时心率的情况。因此，本实施方式涉及的生物体信息处理系统100可以包含：心率信息取得部110，取得用户的心率信息；以及处理部115，基于心率信息求得判定为与用户的深睡眠状态相对应的心率信息即基础心率，基于求得的基础心率运算安静时心率。这种情况下，处理部115例如对于基础心率，可以进行基于给定的运算式的运算处理而运算安静时心率，进一步具体而言，可以使用后述的下式(14)。

如此一来，即使对于仅睡眠状态下装配电子设备的用户，也能够使用从睡眠时的测定结果求得的基础心率，运算(推定)安静时心率。并且，在运算的安静时心率反映了个体差异这点上，与上述的示例是相同的。

此外，在第二实施方式中，对至少在求得基础心率及安静时心率的阶段不进行睡眠判定的方法进行说明。具体而言，与体动信息(加速度信号)的电平对应地分类心率信息、作成直方图，从对应于加速度电平中的直方图求得安静时心率，从对应于低加速度电平的直方图求得第二心率。在此基础上，从安静时心率运算第一心率，比较第一心率和第二心率而求得最终的基础心率。

这种情况下，如果未取得睡眠状态下的心率信息，则不能直接地测定基础心率。具体而言，设想不能充分地取得处于加速度电平低的状态下的心率信息而无法求得第二心率。但是，即使在这种情况下，也应该能够适当地求得安静时心率，从而可以期待，由此运算的第一心率为符合用户的实际状态的值。也就是说，在求得基础心率阶段，即使不进行睡眠状态的判定，也能够进行适当的处理。

另一方面，在第三实施方式中对伴随着睡眠判定的方法进行说明。这种情况下，通过使用该睡眠判定的结果，能够判定使用直方图等求得的值是对应于基础心率的值，还是对应于安静时心率的值。这种情况下，与第二实施方式不同，能够省略比较多个基础心率的候补的处理。此外，在第三实施方式中，不仅对从安静时心率运算基础心率而且对从基础心率运算安静时心率的示例也进行说明。

此外，清醒状态和睡眠状态一般在心率上存在一定程度的差异，但用户之中也可见该差异小的例子。作为第三实施方式的变形例，说明对于这样的用户适当地设定基础心率等的方法。

2.2系统构成例

本实施方式涉及的生物体信息处理系统100的构成例如图27所示，处理部115可以包含例如图1所示的决定部120和更新部130。此外，生物体信息处理系统，如图2和图3所示，可以包含体动传感器20、体动信息取得部140、健康度信息运算部150、报知部210、通信部220等。此外，生物体信息处理系统100的结构，与第一实施方式同样地，能够进行各种变形实施，因此，省略其详细说明。

2.3处理的流程

下面，对于本实施方式的处理的流程进行说明。求得基础心率或安静时心率的处理，基本上在给定的测量期间内的1次测量结束时，基于在该测量期间取得的心率信息而进行。在此，所谓测量期间，例如可以为从检测出用户按下开始按钮开始至检测出按下结束按钮为止的期间。或者，如果能够判定电子设备的装配状态，则可以以电子设备的装配定时为测量期间的始点，以摘下电子设备的定时为测量期间的终点。此外，怎样规定“1次测量”、“测量期间”能够进行各种变形实施。此外，以下以1次测量为单位进行处理，也可以进行合并多次测量而进行处理等的变形实施。

在测量期间，心率信息取得部110以规定周期取得心率信息，同样地，体动信息取得部140以规定周期取得体动信息。这里的规定周期例如为4秒左右。也就是说，如果测量期间为T秒，则在该测量期间内取得T/4个左右的心率信息的值和与其对应的体动信息的值。并且，在上述每个规定周期都可以进行对于取得的体动信息进行移动平均等的处理。

将以上作为前提，使用图28的流程图说明本实施方式的处理。当该处理开始时，首先进行测量期间是否为3小时以上的判定(S401)。S401为“否”的情况下，判定为未在足够的期间内进行测定，不求得基础心率和安静时心率而结束处理。在本实施方式中，如后所述，使用直方图等提高最低心率的算出精度。但是，如果数据数不足，则有可能将由于某种误差原因而产生的特异的值作为最低心率等而采用，导致精度的下降。因此，在本实施方式中，进行S401的判定，将足够长的测量期间作为执行求得基础心率等的处理的条件。

在S401为“是”的情况下，进行HRL最低心率和HRM最低心率的算出处理(S402)。在此，所谓HRL最低心率为从体动信息的信号电平(以下，以加速度电平为例)低的心率信息求得的信息，HRM最低心率是从加速度电平为中等程度的心率信息求得的信息。对于HRL最低心率和HRM最低心率的详细情况将于后述。

然后，进行是否已求得HRL最低心率和HRM最低心率中的至少一方的判定(S403)，“否”的情况下即未求得HRL最低心率和HRM最低心率双方的情况下，结束处理。在已求得至少一方的情况下，将HRL最低心率作为基础心率，将HRM最低心率作为安静时心率(S404)。此外，在未求得HRL最低心率和HRM最低心率的情况下，事先设定较大的值(例如，分配8位的话为255等)，该值大至不能作为基础心率和安静时心率而取得的程度。

在此，如果是睡眠状态则加速度电平非常低、如果是运动状态等则加速度电平非常高。与此对比，认为在清醒状态且安静状态下，加速度电平比运动状态等低。在此，如果假定安静状态下的加速度电平比睡眠状态高，则安静状态的加速度电平为中等程度。也就是说，HRL最低心率可以考虑为由睡眠状态下的心率信息求得的最低心率。另一方面，HRM最低心率可以考虑为由安静状态下的心率信息求得的最低心率。

但是，在本实施方式中，为了使处理简略化而使安静状态下的加速度电平为中等程度，在实际的安静状态下，也可以考虑加速度电平低至与睡眠状态相同。也就是说，使安静状态下的加速度电平为中等程度的处理为本实施方式中的处理，如后述的第三实施方式所述，也能够进行使HRL最低心率为安静时心率的处理。

在S404的处理中，暂且设定一值作为基础心率和安静时心率。但是，在本实施方式中，既然没有判定是否在睡眠状态下进行测定，就不清楚测量期间内的心率信息是否包含对应于睡眠状态的信息。也就是说，不应该无条件地使用通过S404求得的基础心率而进行处理(例如，更新之前保持的基础心率的处理)。

因此，在本实施方式中，使用下式(13)从安静时心率(HRM最低心率)运算基础心率，进行由运算得到的基础心率(第一心率)和直接求得的基础心率(HRL最低心率、第二心率)的比较处理。

基础心率＝安静时心率/1.2·····(13)

所谓比较处理，具体而言，为第一心率(HRM最低心率/1.2)和第二心率(HRL最低心率)的大小关系的比较处理(S405)。并且，在第一心率小、即S405为“是”的情况下，采用该第一心率作为处理对象的测量期间内的基础心率(S406)。否则，将作为第二心率的HRL最低心率，作为处理对象的测量期间内的基础心率采用(S407)。在此，在未求得HRL最低心率和HRM最低心率中的至少一方的情况下，如上所述，未求得的最低心率为非常大的值。因此，如果仅求得一方，则S406或者S407所采用的值成为求得的值(或者，由此运算的值)。

此外，通过S406或者S407求得的值，到底只是作为处理对象的测量期间内的基础心率，作为基础心率不一定是适当的值。例如，即便为睡眠状态，心率信息的值也经常不为基础心率，大多数时间内为比基础心率大的值。因此，从测量期间求得的基础心率成为比实际的基础心率大的值，即，存在从上述测量期间无法求得适当的基础心率的可能性。

从而，虽然在图28中没有图示，但是并非将通过S406或者S407求得的值直接替换为基础心率，而是可以使用所保持的基础心率和上述更新值，进行是否更新基础心率，如果更新则更新为哪个值的判定。有关这点，对于第三实施方式中的基础心率及安静时心率也是同样，从测量期间内的心率信息求得的基础心率等为用于更新处理的信息。

此外，在本实施方式中，在求得基础心率的处理中，不进行心率信息中是否包含对应于睡眠状态的信息的判定，但不妨碍在其他处理中进行睡眠状态的判定。例如，如图28所示，在求得基础心率之后，可以进行在测量期间内睡眠时间是否不足30分钟的判定(S408)。在S408如果为“是”，则能够判定在测量期间内取得的心率信息仅为对应于清醒状态的信息(S409)，如果为“否”，则能够判定在测量期间内取得的心率信息中包含对应于睡眠状态的信息(S410)。

2.4HRM、HRL

下面，使用图29的流程图等，对于HRM最低心率和HRL最低心率进行说明。如上所述，HRM最低心率由于加速度电平为中等程度，因此，可以考虑为安静时心率，HRM最低心率由于加速度电平低，因此，可以考虑为基础心率。

在本实施方式中，根据体动信息的电平，对测量期间取得的心率信息进行分类。具体而言，可以在每次取得心率信息和与其对应的体动信息时，进行图29的流程图所示的处理。心率信息等，如上所述，由于以4秒等的规定周期取得，因此，图29的处理也以规定周期执行。

当开始图29的处理时，首先，取得心率信息和加速度电平的移动平均(S501)。取得移动平均的理由如后所述。然后，进行加速度强度(加速度电平)是否为低电平的判定(S502)。S502的处理，例如可以判定加速度电平是否小于给定的低电平阈值AccL。

S502为“是”的情况下，取得的心率信息为加速度电平低的状态下的信息，使用该心率信息进行HRL直方图的更新处理(S503)。HRL直方图是与加速度电平低的状态对应的心率信息的直方图。

S502为“否”的情况下，进行加速度强度是否为高电平的判定(S504)。S504也与S502同样地，通过判定加速度电平是否大于给定的高电平阈值AccH而实现。S504为“是”的情况下，取得的心率信息为加速度电平高的状态下的信息，进行加速度电平高的直方图即HRH直方图的更新处理(S505)。

另一方面，S504为“否”的情况下，取得的心率信息为加速度电平为中等程度的状态下的信息，进行加速度电平为中等的直方图即HRM直方图的更新处理(S506)。

通过在测量期间执行以上的处理，在根据体动信息对心率信息进行分类的基础上，能够对于每个分类作成直方图。之后，从作成的直方图求得对应于各个分类的最低心率即可。图30的(A)示出实测的心率信息，图30的(B)示出基于该心率信息而作成的HRL、HRM、HRH的各自的直方图。

但是，由于运动伪影等而存在误检测心率的情况，因此，如果单纯地将最小值的心率信息作为最低心率，则会导致精度不足。因此，在本实施方式中，对在给定的测量期间取得的心率信息进行移动平均处理而求得最低心率。这与上述S501的处理相对应。

在图28的S402中，可以将从HRL直方图求得的最低心率作为HRL最低心率，将从HRM直方图求得的最低心率作为HRM最低心率。

2.5本实施方式的具体例

在以上的本实施方式中，生物体信息处理系统100，如图2所示，可以进一步包含取得用户的体动信息的体动信息取得部140。并且，处理部115基于从体动信息的信号电平为给定的阈值以上的心率信息求得的安静时心率运算第一心率，从体动信息的信号电平小于给定的阈值的心率信息求得第二心率。处理部115进一步进行第一心率和第二心率的比较处理而决定基础心率。

这里，体动信息可以为例如由加速度传感器取得的加速度信息(加速度信号)，体动信息的信号电平为给定的阈值以上可以为加速度电平为给定的低电平阈值AccL以上(并且在上述示例中为AccH以下)的状态。具体而言，体动信息的信号电平为给定的阈值以上的心率信息，与在图29的S502中被判定为“否”、并且在S504中被判定为“否”的心率信息相对应，如S506所示，从该心率信息求得HRM直方图。在本实施方式中，将使用图9从HRM直方图通过上述的方法求得的最低心率作为安静时心率，但是从加速度电平为AccL以上的心率信息求得安静时心率的方法能够进行各种变形实施。并且，从安静时心率运算第一心率。同样地，体动信息的信号电平小于给定的阈值的心率信息，与在图29的S502中被判定为“是”的心率信息相对应，如S503所示，从该心率信息求得HRL直方图。并且，将从HRL直方图求得的最低心率作为第二心率。

这里，第一、第二心率，概念上均为相当于基础心率的信息。但是，在不进行清醒状态下的测量等情况下，由于未求得安静时心率而未求得第一心率。或者，在未进行睡眠状态下的测量等情况下，未求得第二心率。有关这点，在本实施方式的方法中，将上述的第一、第二心率作为暂定信息对待，通过对其进行比较而求得适当的基础心率。如果能够适当地求得第一、第二心率中的至少一方，就能够使得使用双方而求得的基础心率也为适当的值。

此外，处理部115可以对安静时心率进行基于给定的运算式的运算处理而运算第一心率，具体而言，与上式(13)同样地，通过以1.2除安静时心率而运算第一心率。

此外，处理部115将第一心率和第二心率中的小的一方作为基础心率。具体而言，这与图28的S405～S407的处理相对应。

如此一来，能够从第一心率(HRM最低心率/1.2)和第二心率(HRL最低心率)适当地求得基础心率。由于基础心率为对象用户能够取得的最低心率，因此，通过采用值更小的一方，能够求得适当的基础心率。

此外，在心率信息的测量期间在规定时间以上的情况下，处理部115进行基于安静时心率的基础心率的运算。具体而言，这与图28的S401等相对应。

如此一来，能够根据测量期间的长度而判定是否进行有关基础心率的处理。可以认为测量期间短的情况下无法取得足够的数据，难以进行精度高的处理。这种情况下，不勉强进行有可能低精度的处理而能够跳过，因此，能够减轻处理负荷。在图28的示例中，能够跳过S402以后的处理。

此外，处理部115可以基于安静时心率，运算用户的消耗卡路里。

由此，能够从安静时心率求得消耗卡路里。具体而言，例如可以进行使用上式(1)等的运算。但是，如上所述，能够将安静时心率用于其他处理。

此外，以上的本实施方式适用于如下的生物体信息处理方法(或者，生物体信息处理装置的动作方法、生物体信息处理系统的动作方法)：心率信息取得部110取得用户的心率信息；处理部115基于心率信息，求得判定为与用户的安静状态相对应的心率信息即安静时心率，基于安静时心率运算基础心率。此外，以上的本实施方式也适用于如下特征的生物体信息处理方法(或者，生物体信息处理装置的动作方法、生物体信息处理系统的动作方法)：心率信息取得部110取得用户的心率信息；处理部115基于心率信息，求得判定为与用户的深睡眠状态相对应的心率信息即基础心率，基于求得的基础心率，运算安静时心率。

3.第三实施方式

下面，对于第三实施方式进行说明。在本实施方式中，求得基础心率等时，使用体动信息判定睡眠状态。有关系统构成例、HRL最低心率等的运算方法、使用基础心率等的处理，与第二实施方式相同而省略详细的说明。以下，使用图31的流程图等说明具体的处理流程。此外，使用图32等对于变形例进行说明。

3.1处理的流程

在第二实施方式中，假定HRL最低心率为基础心率、假定HRM最低心率为安静时心率，从而实现低负荷下的处理。但是，如上所述，可以认为安静状态下加速度电平也足够低。也就是说，通过考虑在求得HRL最低心率时所使用的HRL直方图中包含睡眠状态下的信息和安静状态下的信息的双方，能够精度良好地求得基础心率等。

因此，在本实施方式中，使用体动信息等判定睡眠状态，进行测量期间内的心率信息是仅为清醒状态(或者，虽然包含睡眠状态却不足够)的数据，还是相当于包含了充足的时间的睡眠状态的数据。

仅为清醒状态的数据的情况下，由于HRL直方图由清醒状态且体动小的状态的数据构成，因此，可以认为HRL最低心率为对应于安静状态的心率、即与安静时心率相对应。另一方面，为包含了充足睡眠状态的数据的情况下，HRL直方图有可能包含清醒状态下的信息(例如，安静状态下的信息)。但是，由于清醒状态下的心率一般比睡眠状态下的心率高，因此，可以认为求得的HRL最低心率结果为对应于睡眠状态的心率，即与基础心率相对应。

具体的处理流程示于图31的流程图。当该处理开始时，首先，进行测量时间是否为3小时以上的判定(S601)，如果是“否”则结束处理，如果是“是”则算出HRL最低心率(S602)。然后，进行是否已经算出HRL最低心率的判定(S603)，不能算出的情况下则结束处理。此外，如图31所示，可以在S602中求得HRM最低心率。

已经算出HRL最低心率的情况下，进行测量期间内的睡眠时间是否不足30分钟的判定(S604)。该处理例如可以使用加速度信号(或者其移动平均)而进行。作为一例，可以在每4秒的处理中判定加速度信号是否为低电平，低电平的情况下，通过使累计值增大(4秒周期的话则仅增加4秒)而能够求得睡眠时间。

S604为“是”的情况下，则没有睡眠时间或虽然有却长度不足，则判定为测量数据仅对应于清醒状态(S605)。这种情况下，可以认为HRL直方图中不包含睡眠状态的信息，因此，将通过S602求得的HRL最低心率作为安静时心率(S606)。然后，由于求得了安静时心率，因此，根据上式(13)而运算基础心率(S607)。

另一方面，在S604为“否”的情况下，进行清醒时间是否不足3小时的判定(S608)。清醒时间可以为从测量时间中减去上述的睡眠时间而得到的时间。S608为“是”的情况下，则没有清醒时间或虽然有却长度不足，则判定为测量数据仅对应于睡眠状态(S609)。S608为“否”的情况下，则判定为测量数据与睡眠状态和清醒状态的双方相对应(S610)。但是，如果不是将仅包含睡眠状态还是包含双方的判定结果用于处理的实施方式(例如，后述的变形例)，则可以省略S608～S610的处理。

S609和S610中，HRL直方图中均包含足够量的睡眠状态下的数据。因此，将通过S602求得的HRL最低心率作为基础心率(S611)。并且，由于已经求得基础心率，因此，按照将上式(13)变形的下式(14)运算安静时心率(S612)。

安静时心率＝基础心率×1.2·····(14)

在以上的本实施方式中，生物体信息处理系统100，如图2所示，可以进一步包含取得用户的体动信息的体动信息取得部140。并且，处理部115基于体动信息，判定取得的心率信息是睡眠状态的信息还是清醒状态的信息，基于判定结果，运算基础心率。或者，处理部115基于体动信息，判定取得的心率信息是睡眠状态的信息还是清醒状态的信息，基于判定结果，运算安静时心率。

这里，心率信息是睡眠状态的信息还是清醒状态的信息的判定，与图31的S604、S608的判定相对应。也就是说，在本实施方式中，虽然不妨碍取得测量期间内的心率信息中、t1～t2期间内的心率信息为睡眠状态的这种的信息，但没有必要进行详细至此的信息取得。具体而言，只要能够判定测量期间内的心率信息中是否包含足够量的睡眠状态的信息(以及是否包含足够量的清醒状态的信息)即可。

由此，能够进行判定为睡眠状态的处理。如上所述，能够根据从睡眠状态的心率信息进行有关基础心率的处理，能够根据清醒状态的心率信息进行有关安静时心率的处理。也就是说，通过事先判定睡眠状态，能够判定可以直接求得的是基础心率还是安静时心率，从而，对于不能直接地求得的信息，也能够判定应该通过运算处理而进行推定。

此外，处理部115将从判定为清醒状态的信息的心率信息求得的最低心率，作为安静时心率而求得，基于求得的安静时心率而运算基础心率。这与图31的S606、S607的处理相对应。

此外，在图31的流程图中，如S610所示，即使在判定为心率信息包含清醒状态下的信息的情况下，也不进行S606、S607的处理。这是由于，一般地存在基础心率＜安静时心率的关系，并且，由于S610的情况下心率信息也包含睡眠状态的信息，因此，从此时的心率信息求得最低心率的情况下，该最低心率成为基础心率。也就是说，本实施方式中的“判定为清醒状态的信息的心率信息”，狭义上为“包含足够的清醒状态的信息、并且仅包含规定以下的睡眠状态的信息的心率信息”。但是，这样理解是由于在图31中以测量期间为1单位，判定是睡眠状态、清醒状态还是双方的状态，如果为能够从测量期间的心率信息中抽出仅对应于清醒状态的信息的情况，则当然可以将该抽出的信息作为“判定为清醒状态的信息的心率信息”。

如此一来，能够从清醒状态的心率信息求得安静时心率、以及通过上式(13)从安静时心率运算基础心率等。也就是说，能够判定直接地求得的是安静时心率，基础心率可以使用安静时心率而运算，因此，能够使求得的基础心率及安静时心率为适当的值。

另一方面，处理部115将从判定为睡眠状态的信息的心率信息求得的最低心率，作为基础心率而求得。进一步，可以基于求得的基础心率而运算安静时心率。这与图31的S611、S612的处理相对应。也就是说，也能够判定直接地求得的是基础心率，安静时心率可以使用基础心率而运算。

3.2变形例

通过以上的方法，能够与用户的生活方式等无关地求得基础心率和安静时心率。但是，在本申请人进行的实验中发现，也存在睡眠状态和清醒状态的心率信息的值的变化小于通常情况的用户。图32为这种用户的实测数据。图32为从13：00至第二天8:00的数据，尽管包含清醒状态的数据和睡眠状态的数据双方，但除了明确地进行运动的6:00～的信息之外，心率信息的值的变化小。并且，后述的图33的(A)也为表示心率信息的变化的图表，如果与作为通常用户的图表的图30的(A)比较，则可知心率信息的变化小。

这可以考虑由于例如如下原因：用户患有睡眠呼吸暂停综合症、或者睡前饮酒、服用使心率上升的药品等，从而导致睡眠状态下的心率不能充分地下降。对于这样的用户，在根据睡眠状态下的心率信息设定基础心率的情况下，在清醒状态下，心率信息也成为接近该基础心率的值。

因此，由于例如心率信息HR满足上式(11)，尽管实际上清醒，却有可能误判定为睡眠状态。图32表示了该点，尽管在16:30～17:00左右、或者19:00前后的清醒状态下的时间段，也判定为了睡眠状态。

对于这样的用户，即使在睡眠状态下进行测量，也无法取得原本应该作为基础心率而设定的值。因此，在本变形例中，对于这种睡眠状态和清醒状态下的心率信息的差小的用户，通过进行专用的处理而运算基础心率。

具体而言，将从实测的数据求得的最低心率作为安静时心率。在求得安静时心率时，不考虑对象数据是睡眠状态的数据还是清醒状态的数据。并且，在此基础上，使用求得的安静时心率和上式(13)，求得基础心率。如此一来，能够将对该对象用户而言深睡眠时应该下降至该程度的所期待的值作为基础心率。

此外，上述的图30的(B)为睡眠状态和清醒状态的心率信息的差大的通常用户的HRL、HRM、HRH的各直方图，从图中可以清楚地得知，存在体动越大则心率信息越大的倾向。因此，在第三实施方式中，如上所述，作为处理的基准的最低心率，可以使用HRL最低心率。

但是，通过本申请人的实验可知，对于图32的用户来说，该倾向不一定成立。图33的(A)为睡眠状态和清醒状态的心率信息的差小的用户的心率信息的变化，图33的(B)为由该心率信息求得的HRL、HRM、HRH的各直方图。由图33的(B)可知，对于该用户而言HRM最低心率＜HRL最低心率，体动信息的大小和最低心率的大小反转。即便在这种情况下，作为处理的基准使用的，仍然是对应于最小的心率的信息。

因此，在本变形例中，事先求得HRL最低心率和HRM最低心率的双方，将其中小的一方作为安静时心率。具体的处理流程示于图34的流程图。

S701～S712与S601～S612同样。但是，在S702中，如上所述，除了HRL最低心率之外，也求得HRM最低心率。并且，睡眠状态和清醒状态的心率信息的差是否小，需要比较睡眠状态和清醒状态的双方的测量数据。

因此，在测量期间内的数据包含睡眠状态和清醒状态双方的情况下，也就是说，进行图34的S710的判定的情况下，进行睡眠状态和清醒状态下的心率信息的比较。在此，与第二实施方式同样地，根据HRL最低心率对应于睡眠状态的心率、HRM最低心率对应于清醒状态的心率的假定，进行HRL最低心率和HRM最低心率的比较处理(S713)。

具体而言，通过(HRL最低心率/HRM最低心率)<比率阈值、或者(HRM最低心率-HRL最低心率)<差分阈值是否成立的判定，能够实现S713的处理。

S713为“是”的情况下，能够判定为睡眠状态和清醒状态下的心率信息的差足够大(S714)。这种情况下，由于不必进行专用的处理，跳转至S711，进行与上述的第三实施方式同样的处理。另一方面，S713为“否”的情况下，能够判定为睡眠状态和清醒状态下的心率信息的差小(S715)。

这种情况下，如上所述，可以将从整个测量期间求得的最低心率作为安静时心率。具体而言，将HRL最低心率和HRM最低心率中的小的一方作为安静时心率(S716)、从求得的安静时心率和上式(13)运算基础心率(S717)。

通过进行本变形例的处理，能够将基础心率设定为原本应该取得的低的值。但是，如上所述，这样的用户的睡眠状态下的心率信息的值，不会下降至求得的基础心率或者接近其的值。其结果是，在使用S717设定的基础心率和上式(11)进行睡眠判定的情况下，必须考虑到尽管实际上正在睡眠，但由于不满足上式(11)而误判定为清醒状态的可能性。

在以上的本变形例中，处理部115取得清醒心率信息和睡眠心率信息，并且在清醒心率信息和睡眠心率信息的差或者比率在给定的阈值以下的情况下，将测量期间内的最低心率作为安静时心率而求得，其中，清醒心率信息为判定为清醒状态的信息的心率信息，睡眠心率信息为判定为睡眠状态的信息的心率信息。

此外，在上述的变形例中，在测量期间内的心率信息包含睡眠状态和清醒状态的双方的信息的情况下，将加速度电平为中等程度的心率信息作为清醒心率信息，将加速度电平低的心率信息作为睡眠心率信息。

这样，如图32和图33(A)所示，对于睡眠状态和清醒状态下的心率信息的差小的用户，也能够适当地求得安静时心率以及能够适当地运算基础心率。

以上，对于应用了本发明的三个实施方式1～3及其变形例进行了说明，本发明不被各实施方式1～3及其变形例所限定，在实施阶段，在不脱离发明的主旨的范围内可以对于构成要素进行各种变形并具体化。此外，通过对于上述各实施方式1～3及其变形例所公开的多个构成要素适当组合，能够形成各种发明。例如，可以从各实施方式1～3及其变形例所记载的全部构成要素中删除几个构成要素。并且，也可以适当组合不同的实施方式或变形例中所说明的构成要素。此外，在说明书或附图中，至少一次与更为广义或者同义的不同的术语一同记载的术语，在说明书或者附图的任何地方，都能够替换为该不同的术语。如此，在不脱离发明主旨的范围内能够进行各种变形和应用。

Claims (32)

1.一种生物体信息处理系统，其特征在于，包括：

心率信息取得部，取得用户的心率信息；

决定部，基于所述心率信息决定基础心率；以及

更新部，进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

2.根据权利要求1所述的生物体信息处理系统，其特征在于，

在规定期间或者规定次数不满足所述更新条件的情况下，所述更新部使所述基础心率增加。

3.根据权利要求2所述的生物体信息处理系统，其特征在于，

所述更新部对从所述心率信息的测量开始至测量结束的重复次数进行计数而作为所述规定次数。

4.根据权利要求3所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，

所述更新部对所述重复次数中的、根据从所述测量开始至所述测量结束的期间的所述体动信息判定为所述用户的体动小的次数进行计数而作为所述规定次数。

5.根据权利要求1所述的生物体信息处理系统，其特征在于，

所述更新部基于从所述心率信息求得的最低心率，进行所述基础心率的所述更新条件的判定。

6.根据权利要求5所述的生物体信息处理系统，其特征在于，

所述更新部对在给定的最低心率测量期间取得的所述心率信息，进行移动平均处理而求得所述最低心率。

7.根据权利要求6所述的生物体信息处理系统，其特征在于，

所述更新部基于在所述最低心率测量期间取得的所述心率信息，求得表示心率的值和检测出各心率的值的频度的关系的直方图，并在所述心率的值为x～x+n的范围内，求得所述频度超过给定的频度阈值且值为最小的x作为所述最低心率，其中，x、n为给定的正数。

8.根据权利要求1所述的生物体信息处理系统，其特征在于，

所述决定部进行由从所述心率信息求得的最低心率，替换通过所述生物体信息处理系统设定的所述基础心率的默认值的处理，

所述更新部进行更新由所述决定部决定的所述基础心率的所述更新处理。

9.根据权利要求8所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，

所述决定部在基于给定的最低心率测量期间中的所述体动信息而判定出被判定为所述用户的体动小的期间包含于所述最低心率测量期间的情况下，将基于所述最低心率测量期间的所述心率信息而求得的所述最低心率作为所述基础心率。

10.根据权利要求1所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得来自体动传感器的体动信息，

所述更新部基于所述体动信息，进行所述基础心率的所述更新条件的判定。

11.根据权利要求2所述的生物体信息处理系统，其特征在于，

所述规定次数为进行所述基础心率的所述更新条件的判定的次数。

12.根据权利要求1所述的生物体信息处理系统，其特征在于，

所述更新部在经过规定期间的情况下，使所述基础心率增加。

13.根据权利要求1所述的生物体信息处理系统，其特征在于，还包含：

健康度信息运算部，所述健康度信息运算部求得所述基础心率与所述心率信息之间的相对信息，并基于所述相对信息求得表示健康度的健康度信息。

14.一种生物体信息处理系统，其特征在于，包括：

心率信息取得部，取得用户的心率信息；以及

处理部，基于所述心率信息求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，并基于所述安静时心率运算基础心率。

15.根据权利要求14所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，

所述处理部基于从所述体动信息的信号电平为给定的阈值以上的所述心率信息求得的所述安静时心率运算第一心率，

所述处理部从所述体动信息的信号电平小于给定的阈值的所述心率信息求得第二心率，

所述处理部进行所述第一心率和所述第二心率的比较处理而决定所述基础心率。

16.根据权利要求15所述的生物体信息处理系统，其特征在于，

所述处理部将所述第一心率和所述第二心率中的小的一方作为所述基础心率。

17.根据权利要求15所述的生物体信息处理系统，其特征在于，

所述处理部对所述安静时心率进行基于给定的运算式的运算处理而运算所述第一心率。

18.根据权利要求14所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，

所述处理部基于所述体动信息判定取得的所述心率信息是睡眠状态的信息还是清醒状态的信息，并基于判定结果运算所述基础心率。

19.根据权利要求18所述的生物体信息处理系统，其特征在于，

所述处理部求得从判定为所述清醒状态的信息的所述心率信息求得的最低心率作为所述安静时心率，并基于求得的所述安静时心率运算所述基础心率。

20.根据权利要求18所述的生物体信息处理系统，其特征在于，

所述处理部取得清醒心率信息和睡眠心率信息，并且在所述清醒心率信息与所述睡眠心率信息之间的差或者比率在给定的阈值以下的情况下，求得测量期间内的最低心率作为所述安静时心率，其中，所述清醒心率信息是判定为所述清醒状态的信息的所述心率信息，所述睡眠心率信息是判定为所述睡眠状态的信息的所述心率信息。

21.根据权利要求18所述的生物体信息处理系统，其特征在于，

在判定为所述心率信息为所述睡眠状态的信息的情况下，

所述处理部将从所述心率信息求得的最低心率作为所述基础心率。

22.根据权利要求18所述的生物体信息处理系统，其特征在于，

所述处理部对所述安静时心率进行基于给定的运算式的运算处理而运算所述基础心率。

23.根据权利要求14所述的生物体信息处理系统，其特征在于，

在所述心率信息的测量期间在规定时间以上的情况下，所述处理部进行基于所述安静时心率的所述基础心率的运算。

24.一种生物体信息处理系统，其特征在于，包括：

心率信息取得部，取得用户的心率信息；以及

处理部，基于所述心率信息求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，并基于求得的所述基础心率运算安静时心率。

25.根据权利要求24所述的生物体信息处理系统，其特征在于，

所述处理部基于所述安静时心率运算所述用户的消耗卡路里。

26.根据权利要求24所述的生物体信息处理系统，其特征在于，

还包含体动信息取得部，所述体动信息取得部取得所述用户的体动信息，

所述处理部基于所述体动信息判定取得的所述心率信息是睡眠状态的信息还是清醒状态的信息，并基于判定结果运算所述安静时心率。

27.根据权利要求24所述的生物体信息处理系统，其特征在于，

所述处理部对所述基础心率进行基于给定的运算式的运算处理而运算所述安静时心率。

28.一种电子设备，其特征在于，

包括权利要求1所述的生物体信息处理系统。

29.一种服务器系统，其特征在于，

包括权利要求1所述的生物体信息处理系统。

30.一种生物体信息处理方法，其特征在于，包括：

取得用户的心率信息；

基于所述心率信息决定基础心率；以及

进行所述基础心率的更新条件的判定，当判定为满足所述更新条件的情况下，进行所述基础心率的更新处理。

31.一种生物体信息处理方法，其特征在于，包括：

取得用户的心率信息；以及

基于所述心率信息求得作为判定为与所述用户的安静状态相对应的所述心率信息的安静时心率，并基于所述安静时心率运算基础心率。

32.一种生物体信息处理方法，其特征在于，包括：

取得用户的心率信息；以及

基于所述心率信息求得作为判定为与所述用户的深睡眠状态相对应的所述心率信息的基础心率，并基于求得的所述基础心率运算安静时心率。