JP2007330430A

JP2007330430A - 生体情報判定システム及び生体情報判定方法並びに生体情報判定プログラム

Info

Publication number: JP2007330430A
Application number: JP2006164590A
Authority: JP
Inventors: Susumu Kogure; 進木暮
Original assignee: Mitsuba Corp
Current assignee: Mitsuba Corp
Priority date: 2006-06-14
Filing date: 2006-06-14
Publication date: 2007-12-27

Abstract

【課題】低周波の外乱が混入した場合でも波形解析を制度良く行えるようにする。
【解決手段】生体情報判定システムは、人体の指に装着した脈波センサユニットで検出した脈波信号を送受信ユニットを介して解析装置に送信する。解析装置では、仮の周期に収まる範囲内のデータで最小値を検索し、この値を初期点として脈波の周期を求める。この際に１周期分のデータの始点と終点を基準点として抽出し、これら基準点を通る仮想線をベースにして基準点間の１周期分の他の点を投影することで波形の歪みを補正する。
【選択図】図１２

Description

本発明は、生体の脈波に基づいて生体情報を判定する生体情報判定システム、生体情報判定方法、生体情報判定プログラムに関する。

生体情報としては、脈拍や体温、血圧などが知れられており、これらの情報を取得することで健康状態などのチェックを行うことができる。ここで、生体情報として脈拍を判定する場合には、光電センサなどで検出した脈波を一定の時間取り込んでデータ処理を行うことで脈拍数を算出している。この際、脈波に体動などによるノイズが重畳し易いので、このようなノイズを除去してから脈拍数を算出する必要がある。そこで、脈波を検出する従来の装置には、脈波センサに加えて圧力センサを設け、静脈起因の体動を検出できるようにしたものがある（例えば、特許文献１参照）。脈波センサ及び圧力センサは、人体の指に装着して使用され、腕部に装着される装置本体にデータを出力するように構成される。脈波センサは、発光ダイオードと光電素子とを有し、装置本体に設けたＡ／Ｄ変換回路を通してアナログ信号をデジタル信号に変換してからデータ処理を行う。具体的には、脈波センサで検出した脈波検出データと、圧力センサで検出した体動検出データを時系列順に並べ、両者の差を演算する。このとき得られる残差データをＦＦＴ（フーリエ変換）して脈波の高調波成分を抽出し、その周波数から脈拍数を算出する。
特開２００５−１３１４２６号公報

しかしながら、脈波センサに圧力センサを併用した場合でもセンサの取り付け状態による外乱や、体動によって生じる低周波の外乱を除去しきれないことがあった。低周波のノイズが重畳されて脈波の波形が歪んだ状態では、ヒステリシスコンパレータなどを用いて信号処理を行ってもノイズの影響を除去しきれないので、波形解析の際にはその部分のデータを除いて解析を行っていた。このため、必要な情報量を得るために時間がかかっていた。また、脈波の波形が低周波のノイズによって歪むと、脈波のスペクトルがノイズに隠れてしまったり、ノイズのスペクトルを脈波とみなして脈拍数を算出してしまったりする原因になる。さらに、波形同士をパターンマッチングして解析することが困難になるので、波形解析の精度を高めることが困難であった。
この発明は、このような事情に鑑みてなされたものであり、脈波に基づく波形解析を精度良く行えるようにすることを主な目的とする。

上記の課題を解決する本発明の請求項１に係る発明は、生体から取得した脈波の信号に基づいて生体情報を判定する生体情報判定システムであって、脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出する基準点決定部と、前記始点と前記終点の間の信号強度の差を算出し、この差がゼロになるように変換する変換関数を計算して、前記始点と前記終点の間の波形を前記変換関数によって変換する波形補正部と、を有することを特徴とする生体情報判定システムとした。
１周期分の脈波の波形が低周波のノイズで歪んでいた場合、その脈波の始点と終点との信号強度の差、例えば脈圧の差を演算し、この差を打ち消すように変換関数を算出し、１周期分の脈波のデータを変換関数で変換する。変換関数によって投影された波形は、低周波のノイズによる歪みが補正された波形になる。

請求項２に係る発明は、請求項１に記載の生体情報判定システムにおいて、前記波形補正部は、前記始点と前記終点を結ぶ仮想線の角度と、前記始点と前記終点の信号強度差から前記変換関数を決定するように構成されていることを特徴とする。
この生体情報判定システムでは、始点と終点のみで変換関数を定義することで簡単に波形補正が行える。

請求項３に係る発明は、請求項１又は請求項２に記載の生体情報判定システムにおいて、前記脈波の時系列データの一部を検索範囲として設定する検索範囲設定部を有し、前記基準点決定部は、前記検索範囲設定部で設定した検索範囲内で、２つの前記基準点として脈圧の最大値同士又は最小値同士を抽出するように構成されていることを特徴とする。
この生体情報判定システムでは、所定の時間範囲内で最小値又は最大値を求め、最小値が検出されてから次に最小値が検出されるまでの間、又は最大値が検出されてから次に最大値が検出されるまでの間を１周期分の脈波として抽出する。

請求項４に係る発明は、請求項１又は請求項２に記載の生体情報判定システムにおいて、前記波形補正部で補正した１周期分の脈波の時系列データから前記基準点間の時間間隔を算出し、脈拍数を脈波の時系列データから算出した複数の時間間隔の平均値として算出する脈拍数算出部を有することを特徴とする。
この生体情報判定システムでは、生体情報の判定結果として脈拍数を算出する。算出された脈拍のデータの用途としては、そのまま表示したり、他の判定処理や他の装置に用いたりすることがあげられる。

請求項５に係る発明は、請求項１から請求項３のいずれか一項に記載の生体情報判定システムにおいて、前記波形補正部で補正した１周期分の脈波の時系列データから算出した脈拍数と、脈拍数の分散値のそれぞれの時間変化から入眠判定をするように構成したことを特徴とする。
この生体情報判定システムでは、生体情報の判定結果として入眠の判定をする。脈拍数の時間変化と、脈拍数の分散値の時間変化が共に所定の条件を満たしたときを入眠のタイミングとする。

請求項６に係る発明は、請求項１又は請求項２に記載の生体情報判定システムにおいて、前記波形補正部で補正した１周期分の脈波の時系列データから脈拍数を算出し、脈拍数の低周波成分を無呼吸時の脈拍信号として抽出することを特徴とする。
この生体情報判定システムでは、生体情報の判定結果として無呼吸の判定を行う。無呼吸時には脈拍の周期が長くなるので、低周波数の成分を抽出すれば無呼吸の有無を調べることができる。

請求項７に係る発明は、生体から取得した脈波を解析して生体情報を判定するための方法であって脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出するステップと、前記始点と前記終点の間の信号強度の差を算出し、この差がゼロになるように変換する変換関数を求めるステップと、前記始点と前記終点の間の波形を前記変換関数によって変換するステップと、変換後の脈波のデータから脈拍数を算出するステップと、を有することを特徴とする生体情報判定方法とした。
この生体方法判定方法では、１周期分の脈波の始点と終点の信号強度の差を打ち消すようにデータ処理を行い、脈波の波形を補正する。さらに、補正した脈波のデータを用いて脈拍数を算出する。

請求項１１に係る発明は、生体から取得した脈波の時系列データを取り込んで生体情報を判定する装置に、脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出する機能と、前記始点と前記終点の間の信号強度の差を算出し、この差がゼロになるように変換する変換関数を求める機能と、前記始点と前記終点の間の波形を前記変換関数によって変換する機能と、変換後の脈波のデータから脈拍数を算出する機能と、を実現させるための生体情報判定プログラムとした。
この生体情報判定プログラムを実施すると、脈波の時系列データから１周期分の脈波の始点と終点を抽出し、始点と終点の信号強度の差を打ち消すようにデータ処理を行い、脈波の波形を補正する。さらに、補正した脈波のデータを用いて脈拍数を算出することが可能になる。

本発明によれば、脈波の時系列データから１周期分の脈波を抽出するときに、波形の歪みを変換関数で補正するようにしたので、ノイズの影響を除去することができる。脈波の解析を精度良く行うことができ、脈拍数などの生体情報を精度良く取得することが可能になる。また、従来では解析不可として捨てていたデータを使用することが可能になり、測定時間を短縮できる。

発明を実施するための最良の形態について図面を参照しながら詳細に説明する。
図１に示すように、生体情報判定システム１は、人体に装着して使用される脈波検出装置２と、脈波検出装置２で検出したデータに基づいて波形解析を行う解析装置３とを有する。なお、脈波検出装置２と解析装置３は、無線通信によってデータを送受信しているが有線で通信しても良い。

脈波検出装置２は、人体の指に装着される脈波センサユニット４と、腕部に装着される送受信ユニット５とをケーブル６で接続した構成を有する。
図２及び図３に示すように、脈波センサユニット４は、人差し指などの特定の指を第二関節まで挿入可能なユニット本体１０を有する。指の挿入量は第一関節を越える量であれば良く、指全体を挿入する構成でも良く、ユニット本体１０を一体に製造しても良い。
ユニット本体１０は、ヒンジ１１で連結された一対のカバー１０Ａ，１０Ｂを閉じてネジ固定されており、その内部に指を挿入する空間が形成されている。一対のカバー１０Ａ，１０Ｂの固定方法は、溶着等の公知の他の方法であっても良い。
ユニット本体１０の先端は、閉鎖され、基端には指を内部に挿入するための開口部１２が１つ形成されている。開口部１２には、外部からの迷光の進入を防止するための遮光部材１３，１４が取り付けられている。遮光部材１３，１４は、指の形状に合わせて変形可能で、かつ指に密着する弾性部材から製造されている。遮光部材１３は、中央部分がカバー１０Ｂ側に突出するように延びており、側縁部及び上縁部はカバー１０Ａに固定されている。

ユニット本体１０のカバー１０Ａ，１０Ｂのそれぞれの内面には、弾性部材１５，１６（押圧部材）が１つずつ、指を挟んで密着するように貼り付けられている。カバー１０Ｂ側の弾性部材１５は、指の腹に密着する。弾性部材１５の先端部分は、一部が切り取られており、ここに発光素子２０と受光素子２１とが配置されている。発光素子２０は、赤外光又は赤色光を照射するＬＥＤ（発光ダイオード）が使用されている。受光素子２１は、光周波数変換素子（ＬＦＣ素子）が用いられている。この受光素子２１は、脈圧の大きさに応じて周波数が変化するデジタル信号を出力するので、アナログ信号を出力する受光素子を使用する場合に比べて回路構成が簡単になると共に、耐ノイズ性が向上し、脈波信号の振幅の飽和や、フィルタ時定数による遅延などを考慮する必要がなくなる。カバー１０Ｂ側の弾性部材１６は、指の背に密着するようにカバー１０Ａに向けて突出して配置され、指をカバー１０Ａ側の弾性部材１５に押し付ける役割を有する。

ユニット本体１０は、例えば、樹脂材料から製造されており、ユニット本体１０の内面は遮光層２２で覆われている。遮光層２２は、例えば、アルミニウム箔からなり、カバー１０Ａ、１０Ｂを透過する光を反射し、カバー１０Ａ、１０Ｂを透過した光が受光素子２１に入射しないようにしている。なお、遮光層２２は、その他の金属箔は、遮光塗料を塗布して形成した層や、蒸着膜であっても良い。

図１に示す送受信ユニット５は、マイコン３１と、電源３２と、無線通信制御部３３とを有する。マイコン３１は、受光素子２１の発光制御と、受光素子２１から出力されるパルス信号の受け取りを行い、脈波の信号を無線通信制御部３３に受け渡す処理を行う。マイコン３１は、エッジ検出部と、周期計測部と、デジタルローパスフィルタとを有し、発光素子２０が出力するパルス信号から脈波信号を生成する。無線通信制御部３３は、公知の短距離無線通信のプロトコルを使用して解析装置３に脈波信号を送信する構成を有する。電源３２には、電池等を使用できる。なお、送受信ユニット５にメモリを設け、メモリをバッファとして使用すると解析装置３との通信をスムーズに行えるようになる。
また、送受信ユニット５には、腕に巻き付ける際に使用するバンド３４が取り付けられている。バンド３４には、面ファスナ（不図示）などの係止部が設けられており、送受信ユニット５の着脱を容易にしたり、バンド３４の締め付け強さを調整したりできるようになっている。

解析装置３は、脈波のデータを受信する無線通信制御部４０と、フーリエ変換器（ＦＦＴ）４１と、周波数フィルタ４２と、逆フーリエ変換器（ＩＦＦＴ）４３と、パターンマッチング部４４と、波形解析部４５とを有し、解析結果が出力部４６に出力されるようになっている。出力部４６は、ディスプレイや、紙などの記録媒体に出力する装置、他の装置にデータを出力する装置などがあげられる。解析装置３は、専用の装置又は汎用のコンピュータ装置で生体情報判定プログラムを実行することで実現される。

次に、この実施の形態に作用について説明する。
生体情報を取得するときには、解析装置３を起動させ、腕に送受信ユニット５を装着する。脈波センサユニット４には、指を第二関節まで挿入する。マイコン３１の指令に基づいて発光素子２０が発光し、指先の血管で反射した光が受光素子２１に受光される。受光素子２１は、受光した光の光量が多いほど、高い周波数の信号を出力する。マイコン３１は、無線通信制御部３３をコントロールして受光素子２１から出力された時間の経過に従って順次、脈波に起因して変動する信号（脈波信号）を解析装置３に送信する。

図４に、この生体情報判定システム１の解析装置３で主に行われる処理のメインフローを示す。解析装置３は、脈波検出装置２から送信される脈波信号を受信し、所定の取り込み時間の間、脈波信号をメモリに取り込む。取り込み時間は、予め定められており、所定の取り込み時間が経過するまで待機する（ステップＳ１０１）。この際に、脈波信号が時系列に複数取り込まれることで、脈圧に相当する信号強度が時間軸に沿って変化する時系列データが作成される。
取り込み時間が経過したら（ステップＳ１０１でＹｅｓ）、周波数フィルタ処理（ステップＳ１０２）を実施し、脈波に重畳したノイズを低減すると共に体動などによる低周波のうねりを軽減させる。

次に、波形パターンマッチング処理（ステップＳ１０３）を実施して脈波の周期を複数回調べると共に、ここまでの処理で得られた脈波の時系列データに対して脈波解析（ステップＳ１０４）を実施する。その後、現在のデータを以降の処理で活用できるように周波数スペクトル重み付け処理（ステップＳ１０５）を実施し、継続して波形解析をする場合（ステップＳ１０６でＮｏ）、ステップＳ１０１に戻る。波形解析を終了するときには（ステップＳ１０６でＹｅｓ）、ここでの処理を終了する。

以下、各処理の詳細について説明する。
ステップＳ１０２周波数フィルタ処理は、フーリエ変換器（ＦＦＴ）４１と、周波数フィルタ４２と、逆フーリエ変換器（ＩＦＦＴ）５とで行われる。周波数フィルタ処理の詳細を図５に示す。周波数フィルタ処理（ステップＳ１０２）では、最初にフーリエ変換器４１がＦＦＴ処理するときのデータサイズ（ＦＦＴサイズ）を決定する（ステップＳ２０１）。

そして、ＦＦＴサイズの範囲内で取得した脈波の時系列データに対してＦＦＴ処理（直行変換）を実施し（ステップＳ２０２）、周波数スペクトルを取得する。この周波数スペクトルは周波数フィルタ４２に受け渡され、人体の脈拍の周波数に相当する０．５〜３．０Ｈｚの範囲の信号のみが抽出される（ステップＳ２０３）。抽出した信号に対してスペクトル移動平均処理（ステップＳ２０４）を実施し、過去のデータ（図２のステップＳ１０５で重み付けをしたデータ）を用いて移動平均を演算する。移動平均は、例えば、過去のデータに対して現在のデータに３倍の重み付けを持たせて平均をとる。移動平均を取得することで、外乱などによる不規則な変動の影響を抑え、脈拍数の検出結果が急激に変動することを防止する。

さらに、移動平均後の信号に対してスペクトル最大値検索（ステップＳ２０５）を実施し、最大ピークの周波数を抽出し、この周波数から仮の周期Ｔａを演算する。ここまでの処理が終了したら、逆フーリエ変換器４３で逆フーリエ変換（ＩＦＦＴ）処理（ステップＳ２０６）を実施し、周波数スペクトルから時系列データに直行変換する。

ここまでの処理の具体例を図６から図８を参照して説明する。
まず、図６は、ＦＦＴサイズ内で得られたアナログの時系列データを示す。横軸に時間経過を示し、縦軸に信号強度を示す。脈拍に起因する周期的な波に、体動等によるノイズやうねりが重畳されたデータになっている。この時系列波形をフーリエ変換器４１で直行変換すると図７に示すようなスペクトルが得られる。横軸は周波数を示し、縦軸は振幅（強度）を示す。通常の人間の脈拍の周波数である０．５Ｈｚから３．０Ｈｚの間に最も強度が大きいピーク信号があり、ピーク信号の強度が、他の信号よりも２倍の強度を有すれば次の処理に進む。０．５Ｈｚから３．０Ｈｚのデータのみを抽出するときには、周波数フィルタ４２で０．５Ｈｚ未満の信号、及び３．０Ｈｚ以上の信号にマスクし、マスク後の周波数スペクトルに対して逆フーリエ変換器４３で直行変換（逆フーリエ変換）する。これによって、図８に示すような時系列に変化する波形が作成される。この時系列波形は、当初の時系列波形（図６参照）に比べてノイズが低減されると共に低周波のうねりが軽減されている。

次に、図４の波形パターンマッチング処理（ステップＳ１０３）の詳細について図９を参照して説明する。ここでの処理は、検索範囲設定部、基準点決定部として機能するパターンマッチング部４４において行われる。
最初にリミットをＦＦＴデータサイズに設定すると共に、ステータスに初期値として「０」を設定し（ステップＳ３０１）、検索範囲の設定（ステップＳ３０２）を実施する。検索範囲としては、例えば、スペクトル最大値検索（図５に示すステップＳ２０５）で設定された仮周期Ｔａに許容誤差を加算した時間を算出する。この時間領域が以下の処理で初期点などの検索範囲（検索ウィンドウＳＷ）になる。なお、許容誤差は、仮周期Ｔａの２５％に相当する値を取得すると精度の良い結果が得られるが、これに限定されず例えば、２０〜３５％の範囲内の値を採用しても良い。さらに、被測定者の脈拍の安定状態に対応して許容誤差を可変させてもよい。例えば、脈拍が不安定な場合は、許容誤差を大きくとり、安定するにつれて許容誤差を小さくするようにしてもよい。

さらに、検索ウィンドウＳＷが時系列波形の終点に達しているか境界チェックを行い（ステップＳ３０３）、終点に達していたらここでの処理を抜ける。初期段階では、検索ウィンドウＳＷは終点に達していないので、ステップＳ３０３に進んでステータスチェックを実施する（ステップＳ３０４）。処理の初期段階ではステータスが「０」であるので、初期点導出処理（ステップＳ３０５）を実施する。初期点導出処理では、仮周期Ｔａ内で最も信号強度が低い点を初期点Ｐ１（第一の基準点）に定める。また、初期点導出処理では、初期点Ｐ１の適合性もチェックする。すなわち、初期点Ｐ１として認められたデータが、検索ウィンドウＳＷの始点から所定のエラー範囲内や、検索ウィンドウＳＷの終点から所定のエラー範囲内にある場合には、実際には下り勾配の途中であるのに最小値とみなす危険があるので、初期点Ｐ１がこの範囲内にあった場合には不適合と判定する。なお、エラー範囲とは、例えば、検索ウィンドウＳＷの時間範囲の５％に相当する大きさを有する。この値は、計測条件に応じて、例えば、２％から７％の範囲で変更することが可能である。なお、健常者でない場合にはこの限りでなく、エラー範囲をより大きな範囲とすることも考えられる。

具体的には、例えば図８に示すように、時系列に変化する波形の始点から開始する検索ウィンドウＳＷ１を設定し、この検索ウィンドウＳＷ１内で信号強度が最小になる点Ｐ１を抽出する。点Ｐ１は、検索ウィンドウＳＷ１の最初のエラー範囲Ｅ１や、最後のエラー範囲Ｅ２には存在しないので、この点Ｐ１を初期点とする。

以降の処理は、図９に示すように、初期点Ｐ１を導出（ステップＳ３０５）したときに判定した初期点Ｐ１の適合性のチェック結果に応じて処理が分かれる（ステップＳ３０６）。チェック結果が不適合であった場合（ステップＳ３０６でＮｏ）については、後述するものとし、初期点Ｐ１が適合である場合（ステップＳ３０６でＹｅｓ）について説明する。
この場合には、初期点Ｐ１は適合であるとみなし、初期最小点保持処理（ステップＳ３０７）を実施する。初期最小点保持処理では、初期点Ｐ１をメモリに保持する処理と、新しい検索ウィンドウＳＷとして、初期点Ｐ１を始点として仮周期Ｔａに許容誤差を加えた領域を設定する処理と、ステータスを「１」に設定する処理とを行う。これらの処理が終了したら、ステップＳ３０３に戻る。なお、ステータスの「１」は、初期点Ｐ１が定まり、かつ適合性が認められたことを示す。

初期最小点保持処理から戻るステップＳ３０３で処理を続行するときには、ステップＳ３０４のステータスチェックから次点導出処理（ステップＳ３１０）に進む。
ステップＳ３１０の次点導出処理の詳細を図１０及び図１１を例にして説明する。図１０に示すように、新しい検索ウィンドウＳＷ２を設定したら、図１１に示すように検索ウィンドウＳＷ２中で最小点Ｐ２を次点（第２の基準点）として導出し、この最小点Ｐ２の適合性を前記と同様にして判定する。ただし、最小点Ｐ２を検索する範囲（検査範囲）は、検索ウィンドウＳＷの７５％から１００％に相当する最小値検索範囲ＳＬ２内とする。また、この最小値検索範囲ＳＬ２内においてもエラー範囲を設定し、下り勾配の途中を最小値とみなさないようにする。
さらに、新しい検索ウィンドウＳＷ２中の最大値Ｑ１を導出し、この最大値Ｑ１の適合性を前記と同様にして判定する。ただし、最大値Ｑ１を検索する範囲（検査範囲）は、検索ウィンドウＳＷ２の始点から検索ウィンドウＳＷ２の４５％に相当する時間までに相当する最大値検索範囲ＳＵ２内とする。また、この最大値検索範囲ＳＵ２内においてもエラー範囲Ｅ１，Ｅ２を設定し、上がり勾配の途中を最大値とみなさないようにする。

そして、最小点Ｐ２の適合性と、最大値Ｑ１の適合性の両方を満たす場合には、次点導出処理全体としての適合性が認められたものとし、それ以外の場合は不適合とみなす。これは、先の処理で設定した初期点Ｐ１を基準点にした場合、検索ウィンドウＳＷの後半２５％に相当する範囲内に最小点Ｐ２が現れなければ周期ずれを起こしているとみなせるからである。同様に、先の処理で設定した初期点Ｐ１を基準点にした場合、検索ウィンドウＳＷの前半４５％に相当する範囲内に最大値Ｑ１が現れなければ周期ずれを起こしているとみなせるからである。

以降の処理は、図９に示すように、適合性のチェック結果に応じて処理が分かれる（ステップＳ３１１）。不適合と判定された場合（ステップＳ３１１でＮｏ）については、後述するものとし、次点が適合である場合（ステップＳ３１１でＹｅｓ）について説明する。
この場合には、最小点間時間の導出・保持処理（ステップＳ３１２）を実施する。ここでは、例えば、初期点Ｐ１を始点として次の最小値Ｐ２を終点とする１周期分の脈波のデータにおいて、始点から終点までの時間を演算し、演算結果を脈拍の周期として記憶する。また、次点の最小値Ｐ２を次の周期を求める演算の始点として登録し、検索ウィンドウＳＷ分だけずらした領域を新しい検索ウィンドウＳＷに設定する。さらに、波形補正アルゴリズムを実行させ、歪んでいる脈波の波形を補正する。

波形補正アルゴリズムでは、パターンマッチング部４４が波形補正部として機能することで実施される。具体的には、１周期分の波形の各データを以下に示す変換関数（回転行列）で変換する処理を実行する。

ここで、Ａ＝（Ｐ２ｙ−Ｐ１ｙ）／（Ｐ２ｘ−Ｐ１ｘ）である。（Ｕ（ｉ）ｘ、Ｕ（ｉ）ｙ）は、初期点Ｐからｉ番目のデータの波形補正後の座標（時間、信号強度）を示す。（Ｐ１ｘ、Ｐ１ｙ）は、初期点Ｐ１の座標（時間、信号強度）を示す。（Ｐ２ｘ、Ｐ２ｙ）は、初期点Ｐ１から一周期後の点Ｐ２の座標（時間、信号強度）を示す。したがって、傾斜角度Ａは、最小点同士を結ぶ仮想線ｆ_Ａの傾斜角度を示す。図１２に示すように、脈波の波形が初期点Ｐ１から時間の経過と共に全体的に下がるように歪んでいた場合、パターンマッチング部４４による波形変換後には、Ｐ１点及びＰ２点のそれぞれの信号強度の差がゼロになり、その間の各点の信号強度が補正される。時間方向では、データの変化はない。なお、変換関数は、１周期分の脈波の波形に応じて傾斜角度Ａ及びＰ１ｙが更新される。

この処理を実施した後、図９に示す波形の妥当性の検証処理（ステップＳ３１３）が実施される。この処理では、最小値Ｐ１又は最小値Ｐ２と最大値Ｑ１の信号強度の差（波高値）を調べ、過去の波高値と比較する。最初の処理では過去の波高値は存在しないが、２回目以降の処理では、このプロセスが実施される。波高値が予め設定されている許容誤差内であれば、妥当であるとみなし、ステップＳ３１４からステップＳ３０３に戻る。この場合には、前記した処理を繰り返して、その都度ステップＳ３１２で周期を演算する。一方、現在の波高値が過去の波高値に対して大きく異なる場合には、波形の妥当性エラーとして、ステップＳ３１４からステップ３１５に進む。

ここで、前記した処理で不適合とみなされた場合（ステップＳ３０６、Ｓ３１１、Ｓ３１４のそれぞれでＮｏ）には、パターンマッチング部４４が補正部として機能してエラー補正処理（ステップＳ３１５）を実行する。この処理では、仮周期Ｔａの２５％分だけ検索ウィンドウＳＷを進める。さらに、ステータスを「０」に設定して初期点導出からやりなおす。
そして、検索ウィンドウＳＷがＦＦＴサイズの終点に達したら、ここでの処理を終了して図２のメインフローに戻る。

次に、図２の波形解析処理（ステップＳ１０４）について説明する。
この処理は、波形解析部４５において実施され、脈拍の平均値及び分散値の演算処理と、入眠判定処理と、入眠後の無呼吸判定処理を実施する。なお、波形解析処理は、３つの処理のいずれか１つ、又は２つを実施するように構成しても良い。

脈拍の平均値及び分散値の演算処理では、波形解析部４５が脈拍数算出部として機能し、波形パターンマッチング処理（ステップＳ１０３）で波形補正してから算出した脈波の周期の平均値（平均周期）から脈拍数を算出する。さらに、脈拍数の分散値を算出する。脈拍数や脈拍数の分散値は、メモリに記憶したり、出力部４６に出力したりする。

図１３に入眠判定処理のフローチャートを示す。入眠判定処理は、脈波検出装置２を装着した人がそのまま寝る場合に、その人が眠りに入ったことを判定する処理である。
最初に、波形補正後の脈波から一定時間ごとに脈拍数の平均値と、分散値を算出する（ステップＳ４０１）。この処理は、前記した脈拍数の平均値及び分散値の演算処理と同じである。ステップＳ４０１の処理結果を図示すると、例えば図１４のようになる。図１４では、横軸に時間をとり、縦軸には脈波数と脈拍数の分散値をとっている。脈拍数は、所々にノイズによる急峻な増減が存在するが、全体としては時間の経過と共に減少傾向にあることがわかる。脈拍数の分散値は、ノイズによる急峻な立ち上がりの数が時間の経過と共に減少する傾向にあることがわかる。

なお、処理の開始時間は、測定開始から１０分後になっている。これは、データがある程度安定するまでの時間を考慮したものであり、例えば測定開始の分散値の２５％に下がるのに要する時間である。このような待機時間を５分〜１０分程度にすれば安定してデータを取得できるようになる。なお、被験者の体格や年齢性別などに応じて待機時間を変更できるようにしても良い。

次に、図１３のステップＳ４０２に示すように、脈拍数と、脈拍数の分散値のそれぞれについての移動平均をとる。過去のデータに対して現在のデータを重み付けした状態で平均をとる。その結果、図１５に示すように、急峻に立ちあがるノイズが低減されたデータが得られる。さらに、移動平均処理後の脈拍数及び脈拍数の分散値に対して一定時間の平均値をとって間引き処理をする（ステップＳ４０３）。図１６に３００秒ごとに平均値を取得した場合を図示する。脈拍数は、時間の経過に伴って減少傾向を示す。脈拍数の分散値は、時間の経過に伴って減少傾向を示した後に、少しだけ増加している。

したがって、入眠判定（ステップＳ４０４）では、脈拍数の分散値が減少傾向で、かつ脈拍数の分散値が減少した後に増加に転じたタイミング（図１６に丸印で示すタイミング）で入眠したとみなす。脈拍数の分散値が増加に転じたタイミングは、例えば、分散値の最小値をラッチしておき、新たに算出した分散値とラッチされているデータと比較することで調べることができる。このようにして判定した入眠したタイミングは、必要に応じてメモリに記憶したり、出力部４６に出力したりする。

また、図１７に無呼吸判定処理のフローチャートを示す。無呼吸判定とは、入眠後に無呼吸状態になったことを判定したり、無呼吸が頻発に発生する時間帯を調べたりする処理である。
最初に、パターンマッチングで波形補正した脈波から一定時間ごとの脈拍数の平均値を算出する（ステップＳ５０１）。図１８に示すように、時間の経過によって脈拍数が変動するデータが得られるので、バンドパスフィルタで特定の周波数に相当するデータのみを抽出する（ステップＳ５０２）。無呼吸状態にあるときは、呼吸が停止した状態が１０秒から３０秒、多い場合で３分ほど続く。このため、通常の呼吸状態に比べて呼吸の周期が長くなるので、脈拍数変化の周期が低周波側にシフトする。したがって、図１９に示すように、バンドパスフィルタは、無呼吸帯域に相当する低周波数帯がカットオフ周波数になるように設計されている。この場合には、０．００６７Ｈｚから０．０２５Ｈｚの間のゲインが約１になっている。本実施の形態に係るバンドパスフィルタは、ローパスフィルタとハイパスフィルタを組み合わせることで実現しており、ローパスフィルタのカットオフ周波数の０．００６７Ｈｚは脈拍数変化の周期が１５０秒の場合に相当し、一方、ハイパスフィルタ側の０．２５Ｈｚは脈拍数変化の周期が４０秒の場合に相当する。但し、高周波側の周期はハイパスフィルタの信号強度が３ｄＢ下がる周波数を０．１Ｈｚに選ぶことにより得ている。このようなバンドパスフィルタを使用すると、図２０に示すようなデータが得られる。縦軸は、無呼吸帯域の脈拍数成分を示し、バンドパスフィルタを通過した成分であって、無呼吸状態である可能性がある信号（無呼吸信号）を示す。無呼吸の帯域の脈拍数成分が大きい領域は、１８０分よりも早い領域ＴＬ１と、２２５〜２７０分の領域ＴＬ２と、３１０分以降の領域ＴＬ３であることが分かる。

次に、無呼吸状態をさらに明確に判定するために、無呼吸信号を２乗してマグニチュード（大きさを表す指標値）を算出する（ステップＳ５０３）。図２１に示すように、３つの領域ＴＬ１〜ＴＬ３における無呼吸信号の強度が他の領域に比べてさらに顕著に現れるようになる。さらに、一定時間ごとの平均値をとって（ステップＳ５０４）、急激に変化している信号を取り除くと、図２２に示すようになる。無呼吸判定（ステップＳ５０５）では、無呼吸信号の強度と発生頻度から無呼吸状態の発生の有無や、無呼吸状態が頻発する時間帯を判定する。この際に、信号強度の閾値を予め設定しておき、無呼吸信号のマグニチュードが閾値を越えたときに無呼吸状態と判定するようにすると判定処理が容易になる。同様に、単位時間当たりの発生頻度の閾値を予め設定しておき、無呼吸信号の発生頻度が閾値を越えたときに、その時間帯を無呼吸が頻発する時間帯と判定するようにすると判定処理が容易になる。信号強度及び発生頻度が共に閾値を越えた場合に、無呼吸が頻発する時間帯と判定するようにしても良い。さらに判定精度を向上できる。これら閾値は、年齢や、無呼吸の症状によって異なる値を設定できることが好ましい。

以上説明したように解析処理を実行したら、波形解析部４５が周波数スペクトル重み付け処理（図４のステップＳ１０５）を実施する。ここでの処理では、ＦＦＴしたときの周波数スペクトルにおいて平均周期に相当するピーク周波数と、ピーク周波数から１つ離れた周波数（両隣りの周波数）、及びピーク周波数から２つ離れた周波数に対して、予め設定されている重み付けを行う。例えば、ピーク周波数は１．２５倍とし、１つ離れた周波数は１．１倍、２つ離れた周波数は１．０５倍とする。そして、これらのデータを連続して脈拍を検出するときに、過去のＦＦＴデータとして使用する。なお、重み付けの係数や、過去のＦＦＴデータとして保持する周波数の範囲は、これに限定されない。また、周波数スペクトル重み付け処理は、解析処理を実施している間の所定のタイミングで実施しても良い。
このようにして作成した過去のＦＦＴデータは、次に実施する周波数フィルタ処理（ステップＳ１０２）でＦＦＴデータの移動平均を取得する際に使用される。

なお、本実施の形態に係る生体情報判定システム１の評価のために、従来の複数の検査方法と比較したところ、入眠の確認及び無呼吸時間の特定を行うことができた。
入眠判定をする際には、生体情報判定システム１に加え、従来の検査方法として被験者をビデオ撮影すると共に、脳波測定と、鼻呼吸による温度変化測定とを実施した。ビデオ撮影では体が動かなくなった時間から落ち着いた寝息が聞こえてくるまでの間の時間帯でおよその入眠時間を判定した。脳波測定では、α波の出現頻度が増加するタイミングとβ波の出現頻度が減少するタイミングから入眠時間を判定した。温度変化から測定される鼻呼吸は入眠するとうねりが小さくなるので、うねりが小さくなるタイミングで入眠と判定した。その結果、これら３つのそれぞれの従来の測定方法で判定した入眠時間が一致する時間帯と、生体情報判定システム１で判定した入眠時間は略一致した。なお、脈拍数の分散値が減少傾向にある段階で入眠判定をすると、α波の出現頻度が低くて入眠に至っていない段階で入眠判定をしてしまうことがあった。したがって、脈拍数が減少傾向で、かつ脈拍数の分散値が減少傾向から増加傾向に転じたタイミングが入眠判定の最適なタイミングである。

また、無呼吸時間の判定では、生体情報判定システム１に加え、従来の検査方法として血中酸素飽和度の測定と、鼻呼吸による温度変化測定とを実施した。血中酸素の飽和度の測定では、飽和度の変動が大きくなると共に、平均値が低下した時間帯から無呼吸頻発時間帯を判定した。また、鼻呼吸によって変化するサーミスタ温度の上昇が高い時間帯を無呼吸頻発時間帯とした。その結果、これら２つのそれぞれの従来の測定方法で判定した無呼吸頻発時間帯が一致する時間帯と、生体情報判定システム１で判定した無呼吸頻発時間帯は略一致した。

この実施の形態によれば、脈波センサユニット４のユニット本体１０の内面に遮蔽部２２を設けて外部からの光を遮蔽するようにしたので、受光素子２１に迷光が入射することを防止でき、測定精度を向上できる。受光素子２１にＬＦＣ素子を用いたので、デジタル信号による処理が可能になり、回路構成を簡略化できると共に処理を迅速に行える。ユニット本体１０は、指を第二関節まで挿入するように構成されているので、脈波センサユニット４に挿入した指の動きを抑制でき、開口部１２側からの迷光の混入が防止される。このため、安定してデータを取得できるようになる。
脈波の波形の最小点から１周期分の脈波を特定する際に、１周期分の脈波の始点と終点を結ぶ仮想線ｆａの傾斜角度Ａを求め、この傾斜角度Ａがゼロになるように脈波のデータを変換するようにしたので、実際の脈波のデータに対してノイズとして重畳した状態で測定された低周波数成分を除去した波形を得ることが可能になる。このように波形を補正することで、脈波の面積や波形を他の脈波と比較することが可能になる。さらに、低周波数成分によって波形が歪んだ状態では検出が難しくなるような波形も正しく抽出することが可能になり、従来で利用不能と判定されるデータも波形解析に利用することが可能になる。さらに、脈拍の算出やその他の解析の精度を向上させることができる。

入眠判定を行う際に、脈拍数の平均値と、脈拍数の分散値の平均値の時間変化を調べ、脈拍数が減少傾向で、かつ脈波数の分散値が減少傾向から増加傾向に転じたタイミングを入眠とするようにしたので、他の判定方法の判定結果との比較においても信頼性の高い判定結果が得られるようになる。判定処理の過程で移動平均を算出することでノイズの影響を除去でき、誤判定を防止できる。さらに、移動平均後に平均化処理を実施することで、微小な変動による影響を受けずに入眠判定を正確に行える。
１つの発光素子２０で検出した脈波の時系列データをデータ処理することで無呼吸判定が行えるようになるので、従来のように特定の２波長の光を使用する場合に比べて装置構成や処理を簡略化することができる。周波数フィルタを無呼吸時の脈拍に相当する周波数に設定したので、フィルタ処理で必要な信号を簡単に抽出することが可能になる。フィルタ処理後の信号強度を２乗したり、平均化処理を行ったりすることでノイズの影響を受け難くなり、判定の信頼性を向上させることが可能になる。

なお、本発明は、前記の実施の形態に限定されずに広く応用することができる。
例えば、脈波センサユニットは、実施の形態の構成に限定されずに他の構成でも良い。遮光特性の高い材料からユニット本体１０を製造した場合には、遮光層２２を有しない構成でも良い。脈波センサユニットは、耳等に装着して用いる構成でも良い。
解析装置３は、脈波の入力を受けて脈拍数計算や、入眠判定、無呼吸判定の少なくとも１つを実施する装置であれば良い。生体情報判定システム１は、脈拍数計算のみを実施する場合には脈拍数測定システムになる。入眠判定のみを実施する場合は入眠判定システムになり、無呼吸判定のみを実施する場合には、無呼吸判定システムになる。

解析装置３を実現するためのプログラムは、予め解析装置３に記憶させても良いし、記録媒体に記録して後からインストールするようにしても良い。また、公知のネットワークを通じて解析装置３に取り込めるようにしても良い。プログラムは、脈拍数の算出に使用されるプログラムと、入眠判定に使用されるプログラムと、無呼吸判定に使用されるプログラムの全てを備えても良いし、いずれか１つ又は２つを備える構成でも良い。

発光素子は、ＬＣＦ素子に限定されずに、アナログ信号を出力する光電素子であっても良い。脈波センサユニットは、指を挿入可能な構成にする代わりに指に巻きつける構成にすることもできる。
脈波の周期の計算する際に、脈波の最大点に着目して１周期分のデータを抽出する構成でも良い。
脈波を補正するときの変換関数は、始点と終点の間を結ぶ仮想線がベースになるように座標変換をする関数に限定されずに、始点と終点を通る曲線を仮想し、この曲線を特定する要素を変換関数に使用しても良い。

本発明の実施の形態に係る生体情報判定システムの概略構成を示すブロック図である。脈波センサユニットの外観図である。脈波センサユニットのセンサ本体を分解して内部構造を示した図である。脈波検出におけるメインのフローチャートを示す図である。周波数フィルタ処理の詳細を示すフローチャートである。検出器から得られる時系列波形の一例を示す図である。時系列波形をフーリエ変換して得られる周波数スペクトルの一例を示す図である。初期点を導出する処理を説明する図である。波形パターンマッチング処理の詳細を示すフローチャートである。次点を導出する処理を説明する図である。次点を導出する処理を説明する図である。波形を補正する処理を説明する概念図である。入眠判定のフローチャートである。脈拍数と脈拍数の分散値の時間変化を示す図である。脈拍数と脈拍数の分散値に対して移動平均フィルタを通した結果を示す図である。図１５のグラフを平均化処理した結果を示す図である。無呼吸判定のフローチャートである。無呼吸判定時の使用する脈波の一定時間ごとの平均値を示す図である。ステップＳ５０２の処理で使用するバンドパスフィルタの特性を示す図である。図１９に示す特性を有するバンドパスフィルタを通した結果を示す図である。図２０で得られた信号の強度を２乗した図である。図２１の信号に対して平均化処理を実施した結果を示す図である。

符号の説明

１生体情報判定システム
２脈波検出装置
３解析装置
４４パターンマッチング部（検索範囲設定部、基準点決定部、波形補正部）
４５波形解析部（脈拍数算出部）
Ｐ１初期点（始点）
Ｐ２次点（終点）
Ｓ１０４波形解析処理（脈拍数算出部）
Ｓ３０２検索範囲の設定（検索範囲設定部）
Ｓ３０５初期点導出（基準点決定部）
Ｓ３１０次点導出（基準点決定部）

Claims

生体から取得した脈波の信号に基づいて生体情報を判定する生体情報判定システムであって、
脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出する基準点決定部と、
前記始点と前記終点の間の信号強度の差を算出し、この差がゼロになるように変換する変換関数を計算して、前記始点と前記終点の間の波形を前記変換関数によって変換する波形補正部と、
を有することを特徴とする生体情報判定システム。
前記波形補正部は、前記始点と前記終点を結ぶ仮想線の角度と、前記始点と前記終点の信号強度差から前記変換関数を決定するように構成されていることを特徴とする請求項１に記載の生体情報判定システム。
前記脈波の時系列データの一部を検索範囲として設定する検索範囲設定部を有し、前記基準点決定部は、前記検索範囲設定部で設定した検索範囲内で、２つの前記基準点として脈圧の最大値同士又は最小値同士を抽出するように構成されていることを特徴とする請求項１又は請求項２に記載の生体情報判定システム。
前記波形補正部で補正した１周期分の脈波の時系列データから前記基準点間の時間間隔を算出し、この時間間隔の平均値を脈拍数として算出するように構成されていることを特徴とする請求項１から請求項３のいずれか一項に記載の生体情報判定システム。
前記波形補正部で補正した１周期分の脈波の時系列データから算出した脈拍数と、脈拍数の分散値のそれぞれの時間変化から入眠判定をするように構成したことを特徴とする請求項１から請求項３のいずれか一項に記載の生体情報判定システム。
前記波形補正部で補正した１周期分の脈波の時系列データから脈拍数を算出し、脈拍数の低周波成分を無呼吸時の脈拍信号として抽出することを特徴とする請求項１又は請求項２に記載の生体情報判定システム。
生体から取得した脈波を解析して生体情報を判定するための方法であって、
脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出するステップと、
前記始点と前記終点の間の信号強度の差を算出し、この差がゼロになるように変換する変換関数を求めるステップと、
前記始点と前記終点の間の波形を前記変換関数によって変換するステップと、
変換後の脈波のデータから脈拍数を算出するステップと、
を有することを特徴とする生体情報判定方法。
生体から取得した脈波の時系列データを取り込んで生体情報を判定する装置に、
脈波の時系列データから１周期分の始点に相当する信号と終点に相当する信号を基準点として抽出する機能と、
前記始点と前記終点の間の差を算出し、この差がゼロになるように変換する変換関数を求める機能と、
前記始点と前記終点の間の波形を前記変換関数によって変換する機能と、
変換後の脈波のデータから脈拍数を算出する機能と、
を実現させるための生体情報判定プログラム。