JP2004073520A

JP2004073520A - Morbidity diagnosing apparatus, and program

Info

Publication number: JP2004073520A
Application number: JP2002238747A
Authority: JP
Inventors: Saneyuki Amada; 天田　実志; Yoshiro Maniwa; 馬庭　芳朗; Tadashi Iokido; 五百旗頭　正; Ichiro Uchida; 内田　一郎; Motoi Yamamoto; 山本　基; Shoichi Ota; 太田　祥一
Original assignee: Individual
Current assignee: Individual
Priority date: 2002-08-20
Filing date: 2002-08-20
Publication date: 2004-03-11

Abstract

<P>PROBLEM TO BE SOLVED: To sufficiently and minutely estimate the morbidity of a subject with high precision on the basis of pulse wave data. <P>SOLUTION: Pulse wave data detected by a pulse wave sensor 11 is stored in a RAM 6. An acceleration pulse wave generating part 21 generates acceleration pulse wave data from the pulse wave data stored in the RAM 6. A normalizing part 22 normalizes acceleration pulse wave data. An attractor derive part 23 derives a chaos attractor 33 from the normalized acceleration pulse wave data. A recurrence plot plotting rate calculating part 24 and an orbit parallel measure calculating part 25 respectively calculate a recurrence plot plotting rate RP-dw, and an orbit parallel measure Γ on the basis of the chaos attractor 33. Thus, a morbidity estimating part 26 estimates the morbidity of the subject by the combination of the recurrence plot plotting rate RP-dw, and the orbit parallel measure Γ by referring to a previously given table. <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
本発明は、病態診断装置及びプログラムに関し、特にカオス解析手法を利用した病態診断装置及びプログラムに関する。
【０００２】
【従来の技術】
カオス解析を利用した病態診断装置として、例えば被験者の指尖から取得した脈波データからリアプノフ指数を算出することに基づいた病態診断装置が知られている（特開平４−２０８１３６号公報、特開平６−５４８１３号公報）。これらの診断装置は、被験者の心身状態を推定するものとして有効である。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した公報に記載された病態診断装置では被験者の病態を十分詳細に且つ高い精度で推定することができず、実際の医療現場で用いるものとして満足できるものではない。
【０００４】
そこで、本発明の目的は、脈波データに基づいて被験者の病態を十分詳細に且つ高い精度で推定することができる病態診断装置を提供することである。
【０００５】
【課題を解決するための手段】
本発明による病態診断装置は、被験者の脈波データから加速度脈波データを生成するための加速度脈波生成手段と、前記加速度脈波生成手段で生成された加速度脈波データからそのカオスアトラクタを導出するためのアトラクタ導出手段と、前記アトラクタ導出手段で導出されたカオスアトラクタに基づいてリカレンスプロット描画率を算出するためのリカレンスプロット描画率算出手段と、前記アトラクタ導出手段で導出されたカオスアトラクタに基づいて軌道平行測度値を算出するための軌道平行測度算出手段と、前記リカレンスプロット描画率算出手段で算出されたリカレンスプロット描画率と前記軌道平行測度算出手段で算出された軌道平行測度値との組み合わせから被験者の病態を推定するための病態推定手段とを備えている（請求項１）。
【０００６】
本発明によると、被験者の脈波データから加速度脈波データが生成され、さらにそれからカオスアトラクタが導出された後、このカオスアトラクタに基づいてリカレンスプロット描画率及び軌道平行測度値が算出され、これら両者を組み合わせることにより被験者の病態が推定されるので、カオス解析を利用した公知の病態診断装置によりも、被験者の病態を十分詳細に且つ高い精度で推定することが可能になる。
【０００７】
なお、本発明において、カオスアトラクタ（Ｃｈａｏｓ　Ａｔｔｒａｃｔｏｒ）とは、時系列データである被験者の脈波データを遅れ時間τでｄ回サンプリングして得られたｄ次元埋め込み空間内での多次元ベクトルデータの集合を意味している。リカレンスプロット（Ｒｅｃｕｒｒｅｎｃｅ　Ｐｌｏｔｓ）とは、カオスアトラクタ上の各点間の距離関係から得られる統計量である。そして、軌道平行測度（Ｔｒａｊｅｃｔｏｒｙ　Ｐａｒａｌｌｅｌ　Ｍｅａｓｕｒｅ）値とは、カオスアトラクタが描く軌道の平行度から導かれる量である。病態とは、広く被験者の心身状態を意味しており、健康度、炎症疾患、循環不全、脳血管障害などの各種病気の状態、痛みの程度、ストレス状態、心身症の病状、麻酔深度などを含んでいるとする。
【０００８】
本発明の病態診断装置は、前記加速度脈波生成手段で生成された加速度脈波データを正規化するための正規化手段をさらに備えていてよい。そして、このとき、前記アトラクタ導出手段が、前記正規化手段で正規化された加速度脈波データからそのカオスアトラクタを導出する（請求項２）。
【０００９】
この構成によると、正規化された加速度脈波データからそのカオスアトラクタが導出されるので、被験者の病態をさらに詳細に且つ高い精度で推定することが可能となる。なお、正規化とは、加速度脈波の最大振幅がどの被験者についても同じ値になるように加速度脈波データを調整することをいう。
【００１０】
また、別の観点によると、本発明は、コンピュータを上述した病態診断装置として機能させることが可能なプログラムである（請求項３、４）。このプログラムは、ＣＤ−ＲＯＭ、ＦＤ、ＭＯなどのリムーバブル型記録媒体やハードディスクなどの固定型記録媒体に記録して配布可能である他、有線又は無線の電気通信手段によってインターネットなどの通信ネットワークを介して配布可能である。
【００１１】
【発明の実施の形態】
以下、本発明の好適な一実施の形態について、図面を参照しつつ説明する。
【００１２】
図１は、本実施の形態に係る病態診断装置の構成について図１に基づいて説明する。図１は、本実施の形態に係る病態診断装置の構成を示すブロック図である。
【００１３】
病態診断装置１は、例えば汎用のパーソナルコンピュータによって構成されている。病態診断装置１は、ＣＰＵ２、キーボード３、液晶ディスプレイ４、ＲＯＭ５、ＲＡＭ６、ハードディスク７及びインタフェース８を備えており、これらはバス９によって互いに接続されている。ハードディスク７には、当該コンピュータを病態診断装置１として機能させるためのプログラム（このプログラムは、ＣＤ−ＲＯＭ、ＦＤ、ＭＯなどのリムーバブル型記録媒体に記録しておくことや、通信ネットワークを介して受信することにより、任意のコンピュータにインストールすることが可能である）を含む各種のソフトウェアが記憶されている。そして、これらのハードウェア及びソフトウェアが組み合わされることによって、ＣＰＵ２内に以下で説明する各部２１〜２６が構築される。
【００１４】
インターフェイス８には、被験者の指尖から容積脈波データを取得するための脈波センサ１１がライン１２を介して接続されている。脈波センサ１１は、発光ダイオードと受光ダイオードとを用いた反射型又は透過型のフォトインタラプタであってもよいし、拍動音検知センサであってもよい。ライン１２の途中には脈波センサ１１の出力を増幅し、Ａ／Ｄ変換するための装置（図示せず）が接続されていることが好ましい。また、インターフェイス８には、例えばインターネットなどのネットワークにつながったライン１３が接続されている。ライン１３は、病態診断装置１内のデータを外部に出力するため及び／又は外部からネットワークを介して脈波データを受信するために用いられる。なお、病態診断装置１には、キーボード３以外にポインティングデバイス（例えばマウス）を入力装置として取り付けてもよい。
【００１５】
ＣＰＵ２には、加速度脈波生成部２１と、正規化部２２と、アトラクタ導出部２３と、リカレンスプロット描画率算出部２４と、軌道平行測度算出部２５と、病態推定部２６とが構築される。
【００１６】
加速度脈波生成部２１は、脈波センサ１１によって検出した或いはライン１３を介して外部から受信した被験者の脈波データに対して離散微分処理を２度施すことによって加速度脈波データを生成する。生成された加速度脈波データは、ＲＡＭ６又はハードディスク７に格納される。図２及び図３は、被験者の脈波データ、これを時間について２回微分した加速度脈波データの一例をそれぞれ描いたグラフであって、縦軸は加速度（単位［＊Ｖ／ｓｅｃ^２］）を、横軸は時間（単位［＊５ｍｓｅｃ］）をそれぞれ示している。
【００１７】
正規化部２２は、加速度脈波生成部２１で生成された加速度脈波データに対して、加速度脈波の最大振幅がどの被験者に対しても「±１」で合計「２」となるような調整（正規化）を行う。図４は、図２及び図３に対応した、正規化された加速度脈波の一例を描いたグラフである。
【００１８】
アトラクタ導出部２３は、正規化された加速度脈波データのカオスアトラクタを導出する。アトラクタ導出部２３において加速度脈波データからそのカオスアトラクタを導出する手順を図５及び図６に基づいて説明する。なお、ここでは、遅れ時間２（単位［＊５ｍｓｅｃ］）で埋め込み次元を２とした例について説明する。図５において、加速度脈波が曲線３１で表されるとすると、時刻ｔ１のときの振幅Ａはｆ（ｔ１）であり、その２（単位［＊５ｍｓｅｃ］）後の時刻ｔ１＋２での振幅Ａはｆ（ｔ１＋２）である。このようにして、曲線３１から、１つの２次元ベクトルデータＶとして、（ｆ（ｔ１），ｆ（ｔ１＋２））が得られる。同様の処理を全てのサンプリング点について行うと、（サンプリング点−２）と同数の多数の２次元ベクトルデータＶが得られる。そして、これら２次元ベクトルデータＶの１つ１つをＸＹ座標系にプロットしたものが、図６において斜めに延びた不規則な長円形状に描かれたカオスアトラクタ３３である。カオスアトラクタ３３は、図４に描かれているように加速度脈波が周期的に同じような形状を繰り返すために閉曲線が数本重なったように見えるが、実際は２次元ベクトルＶと同数の多数の点の集合である。なお、ここでは遅れ時間を２（単位［＊５ｍｓｅｃ］）、埋め込み次元を２として説明したが、例えば、遅れ時間は２〜１０（単位［＊５ｍｓｅｃ］）、埋め込み次元は２〜４次元の範囲で任意に設定してよい。
【００１９】
リカレンスプロット描画率算出部２４は、アトラクタ導出部２３で導出されたカオスアトラクタ３３に基づいてリカレンスプロット統計量を算出する。リカレンスプロットは、カオスアトラクタ３３を構成している２次元ベクトルＶの距離関係を視覚化する手法の一つである。今、Ｎ個の２次元ベクトルＶからカオスアトラクタ３３が構成されているとする。各ベクトルＶに１からＮまで番号を付ける（Ｖｉ（ｉ＝１，２，…，Ｎ））。あるベクトルＶｉに注目し、Ｖｉとそれ以外のベクトルＶｊ（ｊ＝１，２，…，Ｎ）とのユークリッド距離Ｄｉｊ（＝｜Ｖｉ−Ｖｊ｜）を求める。そして、距離Ｄｉｊが予め決められたしきい値θよりも小さい場合、図７に示すように、一辺の長さがＮ（ベクトルＶの数と同じ）となる２次元平面上の点（ｉ，ｊ）に黒点をプロットする。逆に、距離Ｄｉｊが予め決められたしきい値θよりも大きい場合、２次元平面上の点（ｉ，ｊ）に白点をプロットする。このような処理を、ベクトルＶのｉ、ｊの全ての組み合わせについて繰り返して行う。こうして得られた画像が図８に示すリカレンスプロットである。リカレンスプロット描画率算出部２４は、リカレンスプロット統計量として、図８に示すリカレンスプロット画像中における白点の割合（ＲＰ−ｄｗ）を、以下に示す式（１）に基づいて算出する。なお、式（１）中においてＨ（Ｄｉｊ）は距離Ｄｉｊがしきい値θよりも大きい点を表しており、Σは全てのｉ、ｊの組み合わせについての和を取ることを意味している。
【００２０】
【数１】

【００２１】
軌道平行測度算出部２５は、アトラクタ導出部２３で導出されたカオスアトラクタ３３に基づいて軌道平行測度値を算出する。その手順について、以下に説明する。図９は、図６において破線で描かれた円内の拡大図である。２次元ベクトルＶを時刻の順にしたがって点で結ぶと、加速度脈波が周期的に同じような形状を繰り返すことに対応して複数の曲線が互いに隣接したトラジェクトリが得られる。このトラジェクトリは、加速度脈波データが理想的な決定論に基づく時系列データであれば曲線同士がほぼ平行になり、加速度脈波データが確率過程に基づく時系列データであれば曲線同士が平行からずれてランダムとなる。軌道平行測度算出部２５は、カオスアトラクタ３３を構成する１つのベクトルＶｉを選択し、そしてベクトルＶｉとのユークリッド距離が近い近傍空間内にあるｍ個のベクトルＶｊ（ｊ＝１，２，…，ｍ、但しｉ≠ｊ）を選択する。さらに、軌道平行測度算出部２５は、各ベクトルＶｉ，Ｖｊに対する正接単位ベクトルＴｉ，Ｔｊをそれぞれ導出する。そして、正接単位ベクトルＴｉと正接単位ベクトルＴｊとの方向のばらつきを、以下に示す式（２）に基づいて算出する。
【００２２】
【数２】

【００２３】
次に、軌道平行測度算出部２５は、式（３）に示すように、この処理をカオスアトラクタ３３全体からランダムにサンプリングしたｋ個の局所空間について行い、さらにアトラクタ３３全体の軌道の状況を統計的に判定するために軌道平行測度Γとしてその平均を求める。
【００２４】
【数３】

【００２５】
式（３）で得られた軌道平行測度Γがゼロに近いほど局所空間のベクトルが統計的に同じ方向を向いている、つまり加速度脈波データが理想的な決定論に基づく時系列データであるということになる。逆に、軌道平行測度Γが０．５に近いほど局所空間のベクトルが直交している、つまり加速度脈波データが確率過程に基づく時系列データであるということになる。また、軌道平行測度Γが１に近いほど局所空間のベクトルが互いに反対方向を向いていることになる。
【００２６】
病態推定部２６は、リカレンスプロット統計量算出部２４で算出されたリカレンスプロット描画率ＲＰ−ｄｗと、軌道平行測度算出部２５で算出された軌道平行測度Γとの組み合わせから被験者の病態を推定する。具体的には、ハードディスク７からＲＡＭ６にロードされたデータに基づいて、リカレンスプロット描画率ＲＰ−ｄｗがＲ１０〜Ｒ１１の間であり且つ軌道平行測度ΓがＲ２１〜Ｒ２２の間であれば被験者が健常であると推定し、リカレンスプロット統計量ＲＰ−ｄｗがＲ１２〜Ｒ１３の間であり且つ軌道平行測度ΓがＲ２３〜Ｒ２４の間であれば被験者が何らかの病気であると推定する。一般に、リカレンスプロット統計量ＲＰ−ｄｗの値が小さいほど健康であり、軌道平行測度Γの値が中位であれば健康であるといえる。なお、病態の推定を行うに当たっては、ハードディスク７から読み出されてＲＡＭ６に記憶された病態テーブル（リカレンスプロット描画率ＲＰ−ｄｗと軌道平行測度Γとの組み合わせを被験者の病態に対応付けたテーブル）が利用される。
【００２７】
病態推定部２６で推定された被験者の病態に関するデータは、ＲＡＭ６又はハードディスク７に格納されると共に、液晶ディスプレイ４に表示される。或いは、別の態様として、インターフェイス８からライン１３を介して外部に送信されてもよいし、インターフェイス８に接続された図示しないプリンタによって印刷されてもよい。
【００２８】
上述した病態診断装置１において病態を診断するには、まず、脈波センサ１１で検出した脈波データをＡ／Ｄ変換してインターフェイス８から病態診断装置１に供給する。すると、脈波データはＲＡＭ６に格納される。加速度脈波生成部２１はＲＡＭ６に格納された脈波データから加速度脈波データを生成し、正規化部２２は加速度脈波データを正規化し、それをＲＡＭ６に格納する。アトラクタ導出部２３は、ＲＡＭ６に格納された正規化された加速度脈波データからカオスアトラクタ３３を導出する。このカオスアトラクタ３３はＲＡＭ６に格納される。リカレンスプロット統計量算出部２４及び軌道平行測度算出部２５は、カオスアトラクタ３３に基づいて、リカレンスプロット描画率ＲＰ−ｄｗ及び軌道平行測度Γをそれぞれ算出する。そして、病態推定部２６が予め与えられたテーブルを参照してリカレンスプロット統計量ＲＰ−ｄｗ及び軌道平行測度Γの組み合わせから被験者の病態を推定する。
【００２９】
このように、本実施の形態に係る病態診断装置１によると、脈波センサ１１で検出された被験者の脈波データから加速度脈波データが生成され、それが正規化され、さらにそれからカオスアトラクタが導出された後、このカオスアトラクタに基づいてリカレンスプロット描画率及び軌道平行測度値が算出され、これら両者を組み合わせることにより被験者の病態が推定されるので、カオス解析を利用した公知の病態診断装置によりも、被験者の病態を十分詳細に且つ高い精度で推定することが可能になる。
【００３０】
また、外部のネットワークにつながったライン１３と接続可能なインターフェイス８を有しているために、脈波センサ１１さえ被験者の近くに用意しておけば、遠隔地にいる被験者の脈波データをインターネットを介して受信し、病態推定結果をインターネットを介して遠隔地に送り返すといった遠隔検診が可能となる。しかもこの検診は脈波データを検出するだけであるから、被験者に過度の負担をかけることがない。
【００３１】
以上、本発明の好適な実施の形態について説明したが、本発明は上述の実施の形態に限られるものではなく、特許請求の範囲に記載した限りにおいて様々な設計変更が可能なものである。例えば、上述の実施の形態ではＣＰＵ２内に正規化部２２が構築されるが、正規化部２２は必ずしも設けられなくてもよい。但し、その場合、被験者の病態推定の詳細さ及び精度が低下する。つまり、加速度脈波データを正規化することにより被験者ごとの個体差が補償される結果として、加速度脈波データを正規化しない場合と比較して、病態推定部２６で推定される被験者の病態が詳細で精度の高いものとなる。
【００３２】
また、上述の実施の形態では、リカレンスプロット描画率ＲＰ−ｄｗと軌道平行測度Γという２つのカオス統計量の組み合わせから被験者の病態を推定しているが、これら２つを含む３つ以上のカオス統計量の組み合わせから被験者の病態を推定してもよいし、これら２つと他の波形成分統計量（カオスの統計量ではなく、例えば波形成分の波高の比などの線形分析統計量）とを組み合わせて被験者の病態を推定してもよい。これにより、さらに詳細に且つ高い精度で被験者の病態を推定することが可能になる。また、リカレンスプロットは、白黒２値ではなく、グレースケールを考慮した多値データとしてもよい。
【００３３】
また、上述の実施の形態では指尖から取得した脈波データを用いているが、指尖以外から取得した脈波を用いてもよい。また、上述の実施の形態では加速度脈波生成部２１、正規化部２２、アトラクタ導出部２３、リカレンスプロット描画率算出部２４、軌道平行測度算出部２５及び病態推定部２６が１つのＣＰＵ２内に構築されているが、これらの一部又は全部がＡＳＩＣによって構成されてもよい。また、上記各部２１〜２６は必ずしも１つの装置内にある必要はなく、例えば各部２１〜２６が互いにネットワークを介して接続された複数の装置内に分散して設けられていてもよい。その場合はこれら分散した複数の装置をまとめて１つの病態診断装置と考えれば、そのような病態診断装置も本発明の一形態と見なすことができる。
【００３４】
【実施例】
２４人の被験者について、透過型の脈波センサを用いて指尖容積脈波データを６秒間測定し、それを２００Ｈｚのサンプリング周波数でＡ／Ｄ変換したものを上述した実施の形態による病態診断装置１に転送する．病態診断装置１では、上述した実施の形態と同様にしてリカレンスプロット統計量ＲＰ−ｄｗと軌道平行測度Γという２つのカオス統計量の組み合わせから被験者の病態を推定した。その結果を［表１］に示す。
【００３５】
【表１】

【００３６】
［表１］において、「健康・疾病状態」は各被験者の実際の病態を、リカレンスプロット描画率は上述したリカレンスプロット描画率ＲＰ−ｄｗを、リカレンスプロット評価はリカレンスプロット描画率に基づいた病態評価を、ＴＰＭは上述した軌道平行測度Γを、ＴＰＭ評価はＴＰＭに基づいた病態評価を、脈波カオス評価はリカレンスプロット評価及びＴＰＭ評価に基づいた病態評価をそれぞれ表している。なお、リカレンスプロット評価及びＴＰＭ評価の欄において、Ｎは正常、Ｍは中等度非定常、Ｈは高度非定常、ＶＨは超高度非定常、Ｌは低値、ＶＬは異常低値をそれぞれ表している。
【００３７】
［表１］からも分かるように、例えば、健常である被験者番号１〜５については、リカレンスプロット評価がＮでＴＰＭ評価がＮであるため、脈波カオス評価として健常であると推定された。ストレス症である被験者番号６、８については、リカレンスプロット評価がＭでＴＰＭ評価がＮであるため、脈波カオス評価としてストレス警告期であると推定された。被験者番号７については、リカレンスプロット評価がＭでＴＰＭ評価がＨであるため、脈波カオス評価としてストレス疲弊期であると推定された。それぞれ感冒及び慢性気管支炎である被験者番号９、１０については、リカレンスプロット評価がＭでＴＰＭ評価がＨであるため、脈波カオス評価として脱水症であると推定された。
【００３８】
インフルエンザである被験者番号１１、１２については、リカレンスプロット評価がＨでＴＰＭ評価がＮであるため、脈波カオス評価として急性炎症反応中等度であると推定された。感冒性胃腸炎である被験者番号１３については、リカレンスプロット評価がＶＨでＴＰＭ評価がＶＬであるため、脈波カオス評価として急性炎症反応強度であると推定された。狭心症である被験者番号１４については、リカレンスプロット評価がＮでＴＰＭ評価がＨであるため、脈波カオス評価として動脈硬化症であると推定された。メニエル病である被験者番号１５については、リカレンスプロット評価がＨでＴＰＭ評価がＶＨであるため、脈波カオス評価として末梢循環不全であると推定された。
【００３９】
それぞれ頭部外傷及び蘇生後脳症である被験者番号１６、１７については、リカレンスプロット評価がＶＨでＴＰＭ評価がＮであるため、脈波カオス評価として循環作動薬効果良好であると推定された。急性心不全である被験者番号１８〜２０については、リカレンスプロット評価がＶＨでＴＰＭ評価がＬであるため、脈波カオス評価として急性循環不全であると推定された。
【００４０】
椎間板ヘルニア疼痛である被験者番号２１については、リカレンスプロット評価がＨでＴＰＭ評価がＶＬであるため、脈波カオス評価として疼痛ストレスであると推定された。椎間板ヘルニア疼痛のペインクリニック後である被験者番号２２については、リカレンスプロット評価がＭでＴＰＭ評価がＮであるため、脈波カオス評価としてペインクリニック効果が現れていると推定された。麻酔深度中等度である被験者番号２３については、リカレンスプロット評価がＭでＴＰＭ評価がＨであるため、脈波カオス評価として麻酔状態であると推定された。麻酔覚醒状態である被験者番号２４については、リカレンスプロット評価がＮでＴＰＭ評価がＮであるため、脈波カオス評価として正常（麻酔覚醒）であると推定された。
【００４１】
これらの例から、病態診断装置１を用いることにより、被験者の病態を十分詳細に且つ高い精度で推定できることが分かる。
【００４２】
【発明の効果】
以上説明したように、本発明によると、被験者の脈波データから加速度脈波データが生成され、さらにそれからカオスアトラクタが導出された後、このカオスアトラクタに基づいてリカレンスプロット統計量及び軌道平行測度値が算出され、これら両者を組み合わせることにより被験者の病態が推定されるので、カオス解析を利用した公知の病態診断装置によりも、被験者の病態を十分詳細に且つ高い精度で推定することが可能になる。
【図面の簡単な説明】
【図１】本発明の一実施の形態に係る病態診断装置の構成を示すブロック図である。
【図２】被験者の脈波の一例を描いたグラフである。
【図３】被験者の加速度脈波の一例を描いたグラフである。
【図４】正規化された加速度脈波の一例を描いたグラフである。
【図５】正規化された加速度脈波データからそのカオスアトラクタを導出する手順を説明するためのグラフである。
【図６】カオスアトラクタの一例を描いたグラフである。
【図７】リカレンスプロットについて説明するための模式図である。
【図８】図８に示すアトラクタから得られたリカレンスプロットを描いた図である。
【図９】図６において破線で描かれた円内の拡大図である。
【符号の説明】
１　病態診断装置
２　ＣＰＵ
３　キーボード
４　液晶ディスプレイ
５　ＲＯＭ
６　ＲＡＭ
７　ハードディスク
８　インターフェイス
１１　脈波センサ
１２　ライン
１３　ライン
２１　加速度脈波生成部（加速度脈波生成手段）
２２　正規化部（正規化手段）
２３　アトラクタ導出部（アトラクタ導出手段）
２４　リカレンスプロット描画率算出部（リカレンスプロット描画率算出手段）
２５　軌道平行測度算出部（軌道平行測度算出手段）
２６　病態推定部（病態推定手段）[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a disease state diagnosis device and a program, and more particularly to a disease state diagnosis device and a program using a chaos analysis method.
[0002]
[Prior art]
As a pathological diagnosis apparatus using chaos analysis, for example, a pathological diagnosis apparatus based on calculating a Lyapunov exponent from pulse wave data acquired from a fingertip of a subject is known (Japanese Patent Application Laid-Open No. 4-208136, Japanese Patent Application Laid-Open No. 6-54813). These diagnostic devices are effective for estimating the psychosomatic state of a subject.
[0003]
[Problems to be solved by the invention]
However, the disease condition diagnostic apparatus described in the above-mentioned publication cannot estimate the condition of the subject in sufficient detail and high accuracy, and is not satisfactory for use in actual medical practice.
[0004]
Accordingly, an object of the present invention is to provide a disease state diagnostic apparatus capable of estimating a disease state of a subject in sufficient detail and with high accuracy based on pulse wave data.
[0005]
[Means for Solving the Problems]
A pathological condition diagnostic apparatus according to the present invention is configured to derive an acceleration pulse wave generating means for generating acceleration pulse wave data from a subject's pulse wave data and to derive a chaos attractor from the acceleration pulse wave data generated by the acceleration pulse wave generating means. Attractor deriving means for calculating, a recurrence plot drawing rate calculating means for calculating a recurrence plot drawing rate based on the chaos attractor derived by the attractor deriving means, and a chaos attractor derived by the attractor deriving means. Orbit parallel measure calculating means for calculating the orbit parallel measure value based on the recurrence plot drawing rate calculated by the recurrence plot drawing rate calculating means and the orbit parallel measure calculated by the orbit parallel measure calculating means Condition estimation means for estimating the subject's condition from the combination with the Section 1).
[0006]
According to the present invention, acceleration pulse wave data is generated from the subject's pulse wave data, and a chaos attractor is derived therefrom.After that, a recurrence plot drawing rate and a trajectory parallel measure value are calculated based on the chaos attractor. Since the disease state of the subject is estimated by combining the two, it is possible to estimate the disease state of the subject with sufficient detail and high accuracy even by a known disease state diagnosis apparatus using chaos analysis.
[0007]
In the present invention, a chaos attractor is a multi-dimensional vector data in a d-dimensional embedding space obtained by sampling a subject's pulse wave data, which is time-series data, d times with a delay time τ. Means a set. Recurrence plots are statistics obtained from the distance relationship between points on the chaotic attractor. And, the orbit parallelism measure (Transjectory Parallel Measure) value is an amount derived from the parallelism of the orbit drawn by the chaos attractor. The pathological condition broadly refers to the psychosomatic state of the subject, and includes the degree of health, various illnesses such as inflammatory diseases, circulatory insufficiency, and cerebrovascular disease, the degree of pain, stress, the state of psychosomatic disorder, and the depth of anesthesia. It is assumed that it is included.
[0008]
The pathological condition diagnosing device of the present invention may further include a normalizing unit for normalizing the acceleration pulse wave data generated by the acceleration pulse wave generating unit. Then, at this time, the attractor deriving means derives the chaotic attractor from the acceleration pulse wave data normalized by the normalizing means (claim 2).
[0009]
According to this configuration, the chaotic attractor is derived from the normalized acceleration pulse wave data, so that the disease state of the subject can be estimated in more detail and with high accuracy. Note that the normalization refers to adjusting the acceleration pulse wave data so that the maximum amplitude of the acceleration pulse wave becomes the same value for every subject.
[0010]
According to another aspect, the present invention is a program capable of causing a computer to function as the above-described pathological condition diagnosis apparatus (claims 3 and 4). This program can be recorded on a removable recording medium such as a CD-ROM, FD, or MO, or a fixed recording medium such as a hard disk, and can be distributed. Alternatively, the program can be transmitted via a communication network such as the Internet by wired or wireless electric communication means. And can be distributed.
[0011]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, a preferred embodiment of the present invention will be described with reference to the drawings.
[0012]
FIG. 1 illustrates a configuration of a disease diagnosis apparatus according to the present embodiment, based on FIG. FIG. 1 is a block diagram showing a configuration of the pathological condition diagnostic apparatus according to the present embodiment.
[0013]
The medical condition diagnostic apparatus 1 is configured by, for example, a general-purpose personal computer. The medical condition diagnostic apparatus 1 includes a CPU 2, a keyboard 3, a liquid crystal display 4, a ROM 5, a RAM 6, a hard disk 7, and an interface 8, which are connected to each other by a bus 9. The hard disk 7 has a program for causing the computer to function as the medical condition diagnostic apparatus 1 (this program may be recorded on a removable recording medium such as a CD-ROM, FD, or MO, or received via a communication network. And can be installed on any computer). Then, by combining these hardware and software, the respective units 21 to 26 described below are constructed in the CPU 2.
[0014]
A pulse wave sensor 11 for acquiring volume pulse wave data from a fingertip of a subject is connected to the interface 8 via a line 12. The pulse wave sensor 11 may be a reflection type or transmission type photo interrupter using a light emitting diode and a light receiving diode, or may be a pulsating sound detection sensor. A device (not shown) for amplifying the output of the pulse wave sensor 11 and performing A / D conversion is preferably connected in the middle of the line 12. The interface 8 is connected to a line 13 connected to a network such as the Internet. The line 13 is used for outputting data in the disease state diagnostic apparatus 1 to the outside and / or for receiving pulse wave data from the outside via a network. Note that, in addition to the keyboard 3, a pointing device (for example, a mouse) may be attached to the pathological diagnosis device 1 as an input device.
[0015]
In the CPU 2, an acceleration pulse wave generation unit 21, a normalization unit 22, an attractor derivation unit 23, a recurrence plot drawing rate calculation unit 24, a trajectory parallel measure calculation unit 25, and a disease state estimation unit 26 are constructed. You.
[0016]
The acceleration pulse wave generation unit 21 generates acceleration pulse wave data by performing discrete differentiation twice on the subject's pulse wave data detected by the pulse wave sensor 11 or received from the outside via the line 13. The generated acceleration pulse wave data is stored in the RAM 6 or the hard disk 7. FIG. 2 and FIG. 3 are graphs respectively illustrating an example of pulse wave data of a subject and acceleration pulse wave data obtained by differentiating the pulse wave data twice with respect to time. The vertical axis indicates acceleration (unit [* V / sec ² ]). , And the horizontal axis represents time (unit [* 5 msec]).
[0017]
The normalization unit 22 determines that the maximum amplitude of the acceleration pulse wave is “± 1” for all subjects and the total is “2” for the acceleration pulse wave data generated by the acceleration pulse wave generation unit 21. Perform adjustment (normalization). FIG. 4 is a graph illustrating an example of a normalized acceleration pulse wave corresponding to FIGS. 2 and 3.
[0018]
The attractor deriving unit 23 derives a chaotic attractor of the normalized acceleration pulse wave data. The procedure for deriving the chaotic attractor from the acceleration pulse wave data in the attractor deriving unit 23 will be described with reference to FIGS. Here, an example will be described in which the embedding dimension is 2 with a delay time of 2 (unit [* 5 msec]). In FIG. 5, assuming that the acceleration pulse wave is represented by a curve 31, the amplitude A at time t1 is f (t1), and the amplitude A at time t1 + 2 2 (unit [* 5 msec]) is f (t1). f (t1 + 2). In this manner, (f (t1), f (t1 + 2)) is obtained from the curve 31 as one two-dimensional vector data V. When the same processing is performed for all the sampling points, a large number of two-dimensional vector data V as many as (sampling points-2) are obtained. Each of these two-dimensional vector data V plotted on an XY coordinate system is a chaotic attractor 33 drawn in an oblong irregularly elliptical shape in FIG. The chaotic attractor 33 appears to have several closed curves overlapping because the acceleration pulse wave periodically repeats the same shape as depicted in FIG. It is a set of points. Here, the delay time is described as 2 (unit [* 5 msec]) and the embedding dimension is 2. For example, the delay time is 2 to 10 (unit [* 5 msec]) and the embedding dimension is in the range of 2 to 4 dimensions. May be set arbitrarily.
[0019]
The recurrence plot drawing rate calculation unit 24 calculates a recurrence plot statistic based on the chaos attractor 33 derived by the attractor derivation unit 23. The recurrence plot is one of the techniques for visualizing the distance relationship between the two-dimensional vectors V forming the chaos attractor 33. Now, it is assumed that the chaos attractor 33 is composed of N two-dimensional vectors V. Each vector V is numbered from 1 to N (Vi (i = 1, 2,..., N)). Paying attention to a certain vector Vi, a Euclidean distance Dij (= | Vi−Vj |) between Vi and other vectors Vj (j = 1, 2,..., N) is obtained. When the distance Dij is smaller than a predetermined threshold value θ, as shown in FIG. 7, a point (i, i, j) Plot the black spots. Conversely, when the distance Dij is larger than the predetermined threshold value θ, a white point is plotted at the point (i, j) on the two-dimensional plane. Such processing is repeatedly performed for all combinations of i and j of the vector V. The image thus obtained is a recurrence plot shown in FIG. The recurrence plot drawing rate calculation unit 24 calculates, as a recurrence plot statistic, the ratio of white points (RP-dw) in the recurrence plot image shown in FIG. 8 based on the following equation (1). . In Equation (1), H (Dij) represents a point at which the distance Dij is larger than the threshold value θ, and Σ means taking the sum of all combinations of i and j.
[0020]
(Equation 1)

[0021]
The orbit parallel measure calculation unit 25 calculates the orbit parallel measure value based on the chaos attractor 33 derived by the attractor derivation unit 23. The procedure will be described below. FIG. 9 is an enlarged view in a circle drawn by a broken line in FIG. When the two-dimensional vector V is connected by points in the order of time, a trajectory in which a plurality of curves are adjacent to each other is obtained in response to the acceleration pulse wave periodically repeating the same shape. In this trajectory, if acceleration pulse wave data is time-series data based on ideal determinism, the curves are almost parallel, and if acceleration pulse wave data is time-series data based on a stochastic process, the curves are parallel. It shifts and becomes random. The orbit parallel measure calculation unit 25 selects one vector Vi that constitutes the chaos attractor 33, and m vectors Vj (j = 1, 2,...) In a nearby space having a short Euclidean distance from the vector Vi. m, where i ≠ j) is selected. Further, the orbit parallel measure calculation unit 25 derives tangent unit vectors Ti and Tj for the respective vectors Vi and Vj. Then, the variation in the direction between the tangent unit vector Ti and the tangent unit vector Tj is calculated based on the following equation (2).
[0022]
(Equation 2)

[0023]
Next, the orbit parallel measure calculation unit 25 performs this processing on k local spaces randomly sampled from the entire chaotic attractor 33, as shown in Expression (3), and furthermore, statistically reports the orbital situation of the entire attractor 33. The average is obtained as the orbital parallel measure ため in order to make a judgment.
[0024]
[Equation 3]

[0025]
The closer the orbit parallel measure Γ obtained by equation (3) is to zero, the more the vector of the local space is oriented in the same direction statistically, that is, the acceleration pulse wave data is time series data based on ideal determinism. It turns out that. Conversely, the closer the orbit parallel measure に is to 0.5, the more orthogonal the local space vector is, that is, the acceleration pulse wave data is time-series data based on a stochastic process. Also, the closer the orbit parallel measure １ is to 1, the more the vectors in the local space are oriented in opposite directions.
[0026]
The disease state estimating unit 26 calculates the disease state of the subject from a combination of the recurrence plot drawing rate RP-dw calculated by the recurrence plot statistic calculation unit 24 and the orbit parallel measure 算出 calculated by the orbit parallel measure calculation unit 25. presume. Specifically, based on the data loaded from the hard disk 7 to the RAM 6, if the recurrence plot drawing rate RP-dw is between R10 and R11 and the orbit parallelism Γ is between R21 and R22, the subject It is estimated that the subject is healthy, the recurrence plot statistic RP-dw is between R12 and R13, and the trajectory parallel measure 推定 is between R23 and R24. In general, the smaller the value of the recurrence plot statistic RP-dw, the healthier, and if the value of the trajectory parallel measure Γ is medium, it can be said that the patient is healthy. When estimating the disease state, a disease state table read from the hard disk 7 and stored in the RAM 6 (a table in which a combination of the recurrence plot drawing rate RP-dw and the orbit parallel measure 測 is associated with the disease state of the subject) ) Is used.
[0027]
Data relating to the subject's condition estimated by the condition estimation unit 26 is stored in the RAM 6 or the hard disk 7 and displayed on the liquid crystal display 4. Alternatively, as another mode, the data may be transmitted from the interface 8 to the outside via the line 13, or may be printed by a printer (not shown) connected to the interface 8.
[0028]
In order to diagnose a disease state in the above-described disease state diagnosis apparatus 1, first, pulse wave data detected by the pulse wave sensor 11 is A / D converted and supplied from the interface 8 to the disease state diagnosis apparatus 1. Then, the pulse wave data is stored in the RAM 6. The acceleration pulse wave generation unit 21 generates acceleration pulse wave data from the pulse wave data stored in the RAM 6, and the normalization unit 22 normalizes the acceleration pulse wave data and stores it in the RAM 6. The attractor deriving unit 23 derives the chaos attractor 33 from the normalized acceleration pulse wave data stored in the RAM 6. The chaos attractor 33 is stored in the RAM 6. The recurrence plot statistic calculation unit 24 and the orbit parallel measure calculation unit 25 calculate the recurrence plot drawing rate RP-dw and the orbit parallel measure Γ based on the chaos attractor 33, respectively. Then, the disease state estimating unit 26 estimates the disease state of the subject from the combination of the recurrence plot statistic RP-dw and the orbit parallel measure して with reference to a table given in advance.
[0029]
As described above, according to the pathological condition diagnosis apparatus 1 according to the present embodiment, acceleration pulse wave data is generated from the pulse wave data of the subject detected by the pulse wave sensor 11, and the acceleration pulse wave data is normalized. After being derived, a recurrence plot drawing rate and a trajectory parallel measure value are calculated based on the chaos attractor, and the pathology of the subject is estimated by combining these. Therefore, a known pathological diagnosis apparatus using chaos analysis is used. Thereby, it is possible to estimate the disease state of the subject in sufficient detail and with high accuracy.
[0030]
In addition, since the apparatus has the interface 8 that can be connected to the line 13 connected to the external network, if the pulse wave sensor 11 is prepared near the subject, the pulse wave data of the subject at a remote location can be transmitted to the Internet. , And the result of estimating the disease state is sent back to a remote place via the Internet, thereby enabling a remote examination. In addition, since this examination only detects pulse wave data, it does not place an excessive burden on the subject.
[0031]
The preferred embodiment of the present invention has been described above. However, the present invention is not limited to the above-described embodiment, and various design changes can be made within the scope of the appended claims. For example, in the above-described embodiment, the normalization unit 22 is built in the CPU 2, but the normalization unit 22 may not be necessarily provided. However, in that case, the details and accuracy of the estimation of the disease state of the subject are reduced. In other words, as a result of normalizing the acceleration pulse wave data and compensating for individual differences for each subject, the disease state of the subject estimated by the disease state estimation unit 26 is compared with a case where the acceleration pulse wave data is not normalized. It will be detailed and accurate.
[0032]
Further, in the above-described embodiment, the pathology of the subject is estimated from a combination of two chaos statistics such as the recurrence plot drawing rate RP-dw and the trajectory parallel measure 、. The pathological state of the subject may be estimated from the combination of the chaotic statistics, and these two and other waveform component statistics (linear analysis statistics such as the ratio of the wave height of the waveform components instead of the chaos statistics) may be used. The disease state of the subject may be estimated in combination. This makes it possible to estimate the condition of the subject in more detail and with high accuracy. Also, the recurrence plot may be multi-valued data in consideration of gray scale, instead of black and white binary.
[0033]
In the above embodiment, pulse wave data obtained from a fingertip is used, but a pulse wave obtained from a place other than a fingertip may be used. In the above-described embodiment, the acceleration pulse wave generator 21, the normalizer 22, the attractor derivation unit 23, the recurrence plot drawing rate calculator 24, the orbit parallel measure calculator 25, and the disease state estimator 26 are included in one CPU 2. However, some or all of them may be configured by the ASIC. The units 21 to 26 do not necessarily need to be provided in one device. For example, the units 21 to 26 may be provided separately in a plurality of devices connected to each other via a network. In such a case, if the plurality of dispersed devices are considered as one pathological diagnosis apparatus, such a pathological diagnosis apparatus can be regarded as one embodiment of the present invention.
[0034]
【Example】
The pathological diagnosis apparatus according to the above-described embodiment is obtained by measuring fingertip plethysmogram data for 24 seconds using a transmission-type pulse wave sensor for 6 seconds and performing A / D conversion on the data at a sampling frequency of 200 Hz. Transfer to 1. In the condition diagnosis apparatus 1, the condition of the subject was estimated from a combination of two chaos statistics, the recurrence plot statistic RP-dw and the orbit parallel measure Γ, in the same manner as in the above-described embodiment. The results are shown in [Table 1].
[0035]
[Table 1]

[0036]
In Table 1, “health / disease state” indicates the actual disease state of each subject, the recurrence plot drawing rate indicates the above-described recurrence plot drawing rate RP-dw, and the recurrence plot evaluation indicates the recurrence plot drawing rate. The TPM represents the above-mentioned orbit parallel measure 、, the TPM evaluation represents a disease state evaluation based on the TPM, and the pulse wave chaos evaluation represents a disease state evaluation based on the recurrence plot evaluation and the TPM evaluation. In the columns of recurrence plot evaluation and TPM evaluation, N indicates normal, M indicates moderately unsteady, H indicates highly unsteady, VH indicates extremely high unsteady, L indicates low value, and VL indicates abnormally low value. ing.
[0037]
As can be seen from [Table 1], for example, healthy subject numbers 1 to 5 were estimated to be healthy as pulse wave chaos evaluations because the recurrence plot evaluation was N and the TPM evaluation was N. . As for the subject numbers 6 and 8 having stress, the recurrence plot evaluation was M and the TPM evaluation was N, so that it was estimated that the pulse wave chaos evaluation was in the stress warning period. For the subject number 7, since the recurrence plot evaluation was M and the TPM evaluation was H, it was estimated that the pulse wave chaos evaluation was in the stress fatigue period. For subject numbers 9 and 10 with cold and chronic bronchitis, respectively, since recurrence plot evaluation was M and TPM evaluation was H, it was estimated to be dehydration as pulse wave chaos evaluation.
[0038]
For subject numbers 11 and 12, which were influenza, since the recurrence plot evaluation was H and the TPM evaluation was N, it was estimated that the acute inflammatory reaction was moderate as the pulse wave chaos evaluation. For subject No. 13 with cold gastroenteritis, the recurrence plot evaluation was VH and the TPM evaluation was VL, so the pulse wave chaos evaluation was estimated to be the acute inflammatory response intensity. Regarding the subject number 14 with angina, the recurrence plot evaluation was N and the TPM evaluation was H, so it was estimated to be arteriosclerosis as a pulse wave chaos evaluation. For subject number 15 with Meniere's disease, since the recurrence plot evaluation was H and the TPM evaluation was VH, it was estimated to be peripheral circulatory insufficiency as pulse wave chaos evaluation.
[0039]
For subject numbers 16 and 17 with head trauma and post-resuscitation encephalopathy, respectively, the recurrence plot evaluation was VH and the TPM evaluation was N, so it was estimated that the circulatory effect was good as a pulse wave chaos evaluation. For subject numbers 18 to 20 with acute heart failure, since recurrence plot evaluation was VH and TPM evaluation was L, it was estimated to be acute circulatory insufficiency as pulse wave chaos evaluation.
[0040]
For subject number 21, who had herniated disc pain, the recurrence plot evaluation was H and the TPM evaluation was VL, so it was estimated to be pain stress as pulse wave chaos evaluation. Regarding the subject No. 22 after the pain clinic for herniated disc pain, the recurrence plot evaluation was M and the TPM evaluation was N, so it was estimated that the pain clinic effect appeared as the pulse wave chaos evaluation. Since the recurrence plot evaluation was M and the TPM evaluation was H, the subject number 23 having moderate anesthesia depth was estimated to be in an anesthesia state as a pulse wave chaos evaluation. Regarding the subject number 24 in the anesthesia awake state, the recurrence plot evaluation was N and the TPM evaluation was N, so that it was estimated that the pulse wave chaos evaluation was normal (anesthesia awake).
[0041]
From these examples, it can be seen that the use of the disease state diagnostic apparatus 1 enables the disease state of the subject to be estimated in sufficient detail and with high accuracy.
[0042]
【The invention's effect】
As described above, according to the present invention, acceleration pulse wave data is generated from a subject's pulse wave data, and a chaos attractor is derived therefrom. After that, a recurrence plot statistic and a trajectory parallel measure are calculated based on the chaos attractor. Since the value is calculated and the disease state of the subject is estimated by combining these two, it is possible to estimate the disease state of the subject with sufficient detail and high accuracy even by a known disease state diagnostic apparatus using chaos analysis. Become.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of a disease state diagnostic apparatus according to an embodiment of the present invention.
FIG. 2 is a graph depicting an example of a subject's pulse wave.
FIG. 3 is a graph illustrating an example of an acceleration pulse wave of a subject.
FIG. 4 is a graph illustrating an example of a normalized acceleration pulse wave.
FIG. 5 is a graph for explaining a procedure for deriving the chaos attractor from the normalized acceleration pulse wave data.
FIG. 6 is a graph depicting an example of a chaos attractor.
FIG. 7 is a schematic diagram for explaining a recurrence plot.
FIG. 8 is a diagram illustrating a recurrence plot obtained from the attractor shown in FIG. 8;
FIG. 9 is an enlarged view of a circle drawn by a broken line in FIG. 6;
[Explanation of symbols]
1 pathological diagnosis device 2 CPU
3 Keyboard 4 Liquid crystal display 5 ROM
6 RAM
7 Hard disk 8 Interface 11 Pulse wave sensor 12 Line 13 Line 21 Acceleration pulse wave generator (acceleration pulse wave generator)
22 Normalization unit (normalization means)
23 Attractor deriving unit (Attractor deriving means)
24 Recurrence plot drawing rate calculator (recurrence plot drawing rate calculator)
25 orbit parallel measure calculation unit (orbit parallel measure calculation means)
26 pathological condition estimating unit (pathological condition estimating means)

Claims

Acceleration pulse wave generation means for generating acceleration pulse wave data from the subject's pulse wave data,
Attractor deriving means for deriving the chaos attractor from the acceleration pulse wave data generated by the acceleration pulse wave generating means,
Recurrence plot drawing rate calculating means for calculating a recurrence plot drawing rate based on the chaos attractor derived by the attractor deriving means,
Track parallel measure calculating means for calculating a track parallel measure value based on the chaos attractor derived by the attractor deriving means,
A disease state estimating means for estimating a disease state of the subject from a combination of the recurrence plot drawing rate calculated by the recurrence plot drawing rate calculating means and the orbit parallel measure value calculated by the orbit parallel measure calculating means. A pathological condition diagnostic apparatus characterized by the following.

The apparatus further includes a normalization unit for normalizing the acceleration pulse wave data generated by the acceleration pulse wave generation unit,
The pathological diagnosis apparatus according to claim 1, wherein the attractor deriving unit derives the chaotic attractor from the acceleration pulse wave data normalized by the normalizing unit.

Acceleration pulse wave generating means for generating acceleration pulse wave data from the subject's pulse wave data,
Attractor deriving means for deriving the chaos attractor from the acceleration pulse wave data generated by the acceleration pulse wave generating means,
Recurrence plot drawing rate calculating means for calculating a recurrence plot drawing rate based on the chaos attractor derived by the attractor deriving means,
Track parallel measure calculating means for calculating a track parallel measure value based on the chaos attractor derived by the attractor deriving means, and
A computer as a disease state estimating means for estimating a subject's disease state from a combination of the recurrence plot drawing rate calculated by the recurrence plot drawing rate calculating means and the orbit parallel measure value calculated by the orbit parallel measure calculating means. Program to make it work.

The computer further functions as a normalizing means for normalizing the acceleration pulse wave data generated by the acceleration pulse wave generating means,
4. The program according to claim 3, wherein the attractor deriving unit derives the chaotic attractor from the acceleration pulse wave data normalized by the normalizing unit.