JP2016077735A - 電子機器及び制御方法 - Google Patents

Abstract

【課題】非侵襲かつ短時間で血液の粘度を解析することができる電子機器を提供する。
【解決手段】電子機器１００は、生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得する血流データ取得部と、血流データに基づいて、血流データのパワースペクトルを算出するパワースペクトル算出部と、パワースペクトルから概形指数を算出する概形指数算出部とを有する。電子機器１００は、概形指数に基づいて、血液の粘度を推定する推定部をさらに有し、推定部は、血液の粘度の推定結果を表示部１４０に表示する。
【選択図】図４

Description

本出願は、電子機器及び制御方法に関する。

従来、血液の流動性を解析するための技術がある。例えば、特許文献１には、皮膚の表面に照射する波動の反射波を捉えることにより、血流に対応するドップラシフト信号を取得し、ドップラシフト信号から算出される血流の速度に基づいて、血液の流動性を解析する技術が開示されている。

特開２００３−１５９２５０号公報

上記技術は、血液の流動性を解析するものであるが、血液の粘度を解析するものでない。このため、非侵襲かつ短時間で血液の粘度を解析することができない。

上記のことから、非侵襲かつ短時間で血液の粘度を解析できる電子機器及び制御方法を提供する必要がある。

１つの態様に係る電子機器は、生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得する血流データ取得部と、前記血流データに基づいて、当該血流データのパワースペクトルを算出するパワースペクトル算出部と、前記パワースペクトルから概形指数を算出する概形指数算出部とを有する。

１つの態様に係る制御方法は、電子機器により実行される制御方法であって、生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得するステップと、前記血流データに基づいて、当該血流データのパワースペクトルを算出するステップと、複数の異なる周波数のそれぞれに対応する前記パワースペクトルの傾きを、概形指数としてそれぞれ算出するステップとを含む。

図１は、実施形態に係る電子機器の外観構成の例を示す図である。 図２は、実施形態に係る電子機器の外観構成の例を示す図である。 図３は、血流データの測定状況の例を示す図である。 図４は、実施形態に係る電子機器の機能構成の例を示すブロック図である。 図５は、血流データ測定時の圧力判定に関連する参考データの例を示す図である。 図６は、パワースペクトルの算出手順の例を示す図である。 図７は、粘度の異なる血流データのパワースペクトルの例を示す図である。 図８は、概形指数の算出手順を説明するための図である。 図９は、概形指数の算出手順を説明するための図である。 図１０は、血流量と時間との関係を表わす波形の例を示す図である。 図１１は、血液粘度の評価結果の表示例を示す図である。 図１２は、実施形態に係る電子機器による処理の全体の流れを示すフローチャートである。 図１３は、実施形態に係る電子機器による血液粘度推定処理の流れを示すフローチャートである。 図１４は、異なる被験者に対応する概形指数の例を示す図である。 図１５は、異なる被験者に対応する血流量の例を示す図である。

本発明を実施するための実施形態を、図面を参照しつつ詳細に説明する。

（実施形態）
図１及び図２は、実施形態に係る電子機器１００の外観構成の例を示す図である。図１は、電子機器１００が有する第１面を表わし、図２は、電子機器１００が有する第２面を表わす。

図１に示す例において、電子機器１００が有する第１面には、測定部１１０が設けられる。測定部１１０の表面には、例えば、保護ガラスが設置される。測定部１１０は、血流センサ１１０ａ及び圧力センサ１１０ｂを備えて構成される。

図２に示す例において、電子機器１００が有する第２面には、表示部１４０が設けられる。表示部１４０は、血流データの測定が実行されない間、例えば、待機画面１４０ａを表示してもよい。表示部１４０は、表示部の一例である。

図３は、血流データの測定状況の例を示す図である。図３に示すように、測定部１１０の表面に対して利用者の指Ｆ１が配置されると、電子機器１００は、測定部１１０に対する圧力の測定を実行し、圧力が所定の条件を満足すると血流データの測定を開始する。電子機器１００による血流データの測定時間は、最低でも脈拍一拍分の時間に相当する測定時間の確保が必要である一方、測定時間が長くなるに伴い、人の動きによるノイズが測定データに混入する可能性が高まるので、２秒から４秒程度の測定時間が適当である。

図４は、実施形態に係る電子機器１００の機能構成の例を示すブロック図である。図４に示すように、電子機器１００は、測定部１１０と、記憶部１２０と、処理部１３０と、表示部１４０とを有する。

測定部１１０は、血流センサ１１０ａ及び圧力センサ１１０ｂを備えて構成される。

血流センサ１１０ａは、生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得する。血流センサ１１０ａは、発光素子から血管を流れる血液周辺にレーザ光を照射する。血流センサ１１０ａは、血液からの散乱光を含む体内物質からの散乱光を同一の受光素子により受ける。血流センサ１１０ａは、血液からの散乱光の波長の差（ドップラシフト）に基づいて血液の速度に関するデータを算出し、血流データとして取得する。発光素子から照射するレーザ光は、皮膚の透過率が高く、ヘモグロビンによる吸収が小さい波長１．３１マイクロメートルの光であってもよい。発光素子は、単一の縦モードで発振する分布帰還型レーザであってもよい。血流センサ１１０ａは、レーザ照射型のセンサであってもよいし、音波照射型のセンサであってもよい。血流センサ１１０ａは、血流データ取得部の一例である。

圧力センサ１１０ｂは、血流データ測定時の測定部１１０に対する圧力を測定する。圧力センサ１１０ｂは、測定部１１０の表面に設けられる保護ガラスのひずみを測定し、測定したひずみを圧力に変換する。圧力センサ１１０ｂを搭載する代わりに、測定部１１０の表面に設けられる保護ガラスを透光性の圧電素子で構成することにより、保護ガラス自体を圧力センサとして機能させてもよい。

記憶部１２０は、プログラム及びデータを記憶する。記憶部１２０は、処理部１３０により実行される各種処理に必要なプログラム及びデータを記憶する。記憶部１２０は、半導体記憶媒体、及び磁気記憶媒体等の任意の非一過的（ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ）な記憶媒体を含んでよい。記憶部１２０は、複数の種類の記憶媒体を含んでよい。記憶部１２０は、メモリカード、光ディスク、又は光磁気ディスク等の可搬の記憶媒体と、記憶媒体の読み取り装置との組み合わせを含んでよい。記憶部１２０は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の一時的な記憶領域として利用される記憶デバイスを含んでよい。

図４に示す例では、記憶部１２０は、圧力判定プログラム１２０ａと、パワースペクトル算出プログラム１２０ｂと、概形指数算出プログラム１２０ｃと、血流量算出プログラム１２０ｄと、血流関連情報算出プログラム１２０ｅと、血液粘度推定プログラム１２０ｆと、血液粘度評価用データ１２０ｇとを記憶する。パワースペクトル算出プログラム１２０ｂは、パワースペクトル算出部の一例である。概形指数算出プログラム１２０ｃは、概形指数算出部の一例である。血流量算出プログラム１２０ｄは、血流量算出部の一例である。血流関連情報算出プログラム１２０ｅは、血流関連情報算出部の一例である。血液粘度推定プログラム１２０ｆは、推定部の一例である。

圧力判定プログラム１２０ａは、血流データ測定時の測定部１１０に対する圧力の判定処理を実行するための機能を提供する。圧力判定プログラム１２０ａは、例えば、測定部１１０に対する接触が検出されると、測定部１１０に対する圧力が所定の数値近傍で安定しているかを判定する。図５は、血流データ測定時の圧力判定に関連する参考データの例を示す図である。図５は、圧力が１（Ｎ：ニュートン）である場合の血流量の時間変化を示す波形と、圧力が２（Ｎ：ニュートン）である場合の血流量の時間変化を示す波形とを示す。図５に示すように、圧力が２（Ｎ）である場合の血流量の時間変化を示す波形の方が、圧力が１（Ｎ）である場合の波形よりも、脈拍１拍ごとに現れるピーク波形が鮮明である。これを鑑み、圧力判定プログラム１２０ａは、測定部１１０に対する圧力が２（Ｎ）近傍で安定しているかを判定する。圧力判定プログラム１２０ａは、例えば、測定部１１０に対する圧力が、所定の判定時間の間、２（Ｎ）±０．１（Ｎ）の範囲にあれば、圧力が２（Ｎ）近傍で安定していると判定する。

パワースペクトル算出プログラム１２０ｂは、血流センサ１１０ａにより取得される血流データに基づいて、血流データのパワースペクトルを算出する処理を実行するための機能を提供する。図６は、パワースペクトルの算出手順の例を示す図である。図６に示すように、パワースペクトル算出プログラム１２０ｂは、血流センサ１１０ａにより取得される血流データから、０．０４秒間の血流データをサンプリングする（ステップＳ１１）。続いて、パワースペクトル算出プログラム１２０ｂは、サンプリングした血流データをフーリエ変換することにより、血流データのパワースペクトルを算出する（ステップＳ１２）。続いて、パワースペクトル算プログラム１２０ｂは、算出したパワースペクトルを平滑化する（ステップＳ１３）。パワースペクトル算出プログラム１２０ｂは、血流データの所定の測定時間（例えば、３秒間）にサンプリングする全ての血流データについてパワースペクトルをそれぞれ算出する。パワースペクトルの平滑化は、パワースペクトルの概形を明瞭にするためのものであり、実行しなくてもよい。

図７は、粘度の異なる血流データのパワースペクトルの例を示す図である。図７に示すように、血流データとして取得した血液の粘度が高いほど低周波域のパワーが増加し、粘度が低いほど高周波域のパワーが減少する傾向にある。本実施形態では、図７に示す傾向に着目し、以下に説明する概形指数算出プログラム１２０ｃによって、パワースペクトルから概形指数の算出を試みる。

概形指数算出プログラム１２０ｃは、パワースペクトルから概形指数を算出する処理を実行するための機能を提供する。概形指数とは、パワースペクトルの波形の特徴を数値で表したもので、例えば、複数の異なる周波数における接線の傾き、これら傾きの比、及び複数の異なる周波数におけるパワーの差、これらパワーの比、である。パワースペクトルの波形の非直線性をよく表すために、概形指数は３以上の異なる周波数におけるパワーに基づいて算出してもよい。以下、図８及び図９を用いて、概形指数の算出手順について説明する。図８及び図９は、概形指数の算出手順を説明するための図である。

図８を用いて、概形指数算出プログラム１２０ｃが、複数の異なる周波数のそれぞれに対応するパワーをパワースペクトルからそれぞれ導出し、導出した各パワー間の差を概形指数として算出する手順について説明する。図８に示すように、概形指数算出プログラム１２０ｃは、パワースペクトルから３０００（Ｈｚ：ヘルツ）に対応するパワーの値、及び１８０００（Ｈｚ：ヘルツ）に対応するパワーの値をそれぞれ求める（ステップＳ２１）。続いて、概形指数算出プログラム１２０ｃは、３０００（Ｈｚ）に対応するパワーの値から、１８０００（Ｈｚ）に対応するパワーの値を減算したパワーの差を、概形指数Ｓ１として算出する（ステップＳ２２）。図８に示すように、血流データとして取得した血液の粘度が高いほど、概形指数Ｓ１の値が大きくなるという傾向がある。後述する血液粘度推定プログラム１２０ｆは、図８に示す傾向を踏まえ、概形指数Ｓ１の値の大小に基づいて、血液の粘度の推定が可能となる。図８では、パワースペクトルから３０００（Ｈｚ）及び１８０００（Ｈｚ）に対応するパワーの値を利用したが、これは一例に過ぎず、パワー差の算出を担保できれば任意の周波数に対応するパワーを用いることができる。図８では、概形指数算出プログラム１２０ｃが、２点の異なる周波数に対応するパワースペクトルの各パワー間の差から概形指数を算出する例を説明したが、これは一例に過ぎない。例えば、概形指数算出プログラム１２０ｃは、３点の異なる周波数に対応するパワースペクトルの各パワー間の差から概形指数を算出してもよい。例えば、概形指数算出プログラム１２０ｃは、パワースペクトルの低周波域、中間の周波域、高周波域のそれぞれに対応するパワーの算術平均値を算出し、算出される３つの算術平均値の差に基づいて、概形指数を決定してもよい。算術平均値を用いることにより、概形指数は測定時のノイズの影響をよりうけにくくなる。さらに、３つの帯域における差に基づくことにより、概形指数は非直線性をより表すことができる。

図９を用いて、概形指数算出プログラム１２０ｃが、複数の異なる周波数のそれぞれに対応するパワースペクトルの傾きを概形指数としてそれぞれ算出する手順について説明する。図９に示すように、概形指数算出プログラム１２０ｃは、パワースペクトルの３０００（Ｈｚ）と７０００（Ｈｚ）との間の傾き１、及びパワースペクトルの７０００（Ｈｚ）と１８０００（Ｈｚ）との間の傾き２をそれぞれ算出する（ステップＳ３１）。続いて、概形指数算出プログラム１２０ｃは、傾き１と傾き２との比を、概形指数Ｓ２として算出する（ステップＳ３２）。図９に示すように、血流データとして取得した血液の粘度が高いほど、概形指数Ｓ２の値が大きくなるという傾向がある。後述する血液粘度推定プログラム１２０ｆは、図９に示す傾向を踏まえ、概形指数Ｓ２の値の大小に基づいて、血液の粘度の推定が可能となる。図９では、パワースペクトルの３０００（Ｈｚ）、７０００（ｈｚ）及び１８０００（Ｈｚ）の各周波数におけるパワーを用いて傾きを算出したが、これは一例に過ぎず、任意の周波数に対応するパワーを用いることができる。複数の異なる周波数のそれぞれに対応するパワースペクトルの接線の傾きは、上述のとおり、傾きを求める周波数前後のデータ（例えば、図９に示す３０００、７０００、１８０００Ｈｚ）から算出される「平均傾き」を用いてもよい。平均傾きを用いることにより、概形指数は測定時のノイズの影響をよりうけにくくなる。

概形指数算出プログラム１２０ｃは、パワースペクトルのそれぞれについて算出する概形指数の中から、後述する血流量算出プログラム１２０ｄにより算出される血流量のピークに対応する概形指数を抽出する。この概形指数が、血液粘度の推定処理の対象データとされる。血流量のピークは、血流データの所定の測定時間（例えば、３秒間）における血流量の最大値であってもよいし、あるいは所定の一拍における血流量の最大値であってもよい。また、概形指数算出プログラム１２０ｃは、全てのパワースペクトルについて概形指数を算出するのではなく、血流量のピークに対応するパワースペクトルについてのみ概形指数を算出するようにしてもよい。また、概形指数算出プログラム１２０ｃは、パワースペクトルのノイズを少なくするために、複数拍の血流量のピークを特定し、特定するピークのそれぞれに対応する複数のパワースペクトルを平均化し、平均化したパワースペクトルから概形指数を算出してもよい。血流量のピークに着目する趣旨は、血流量の違いによる血液の粘度推定誤差を極力小さくすること、及び血流量のピーク時に対応するパワースペクトルがより血液粘度の影響を受けやすいことを鑑みたものである。なお、血流量のピークとして、血流データの所定の測定時間における血流量の最小値、または所定の一拍における血流量の最小値を採用することもできる。

血流量算出プログラム１２０ｄは、血流データ及びパワースペクトルに基づいて血流量を算出する処理を実行するための機能を提供する。血流量算出プログラム１２０ｄは、例えば、血流データをＩ（ｔ）、Ｉ（ｔ）の二乗平均値を｛Ｉ^２｝、パワースペクトルをＰ（ｆ）で表す時、血流量Ｆ（血流量を特定する関数）を以下の式（１）により算出する。

血流関連情報算出プログラム１２０ｅは、血液に関連する情報として、血流振幅、平均血流量、脈拍をそれぞれ算出する処理を実行するための機能を提供する。図１０は、血流量と時間との関係を表わす波形の例を示す図である。図１０に示す波形に対応する関数は、血流量算出プログラム１２０ｄにより算出される。血流関連情報算出プログラム１２０ｅは、図１０に示す波形から、一拍の間の血流量の最大値と最小値の差を抽出することにより血流振幅Ｈを算出する。血流関連情報算出プログラム１２０ｅは、図１０に示す波形から、一拍に相当する時間Ｔを抽出することにより脈拍を算出する。

血流関連情報算出プログラム１２０ｅは、周波数をｆ、パワースペクトルをＰ（ｆ）で表す時、平均周波数μ（平均周波数を特定する関数）を、以下の式（２）により算出する。

血流関連情報算出プログラム１２０ｅは、周波数をｆ、パワースペクトルをＰ（ｆ）、平均周波数をμで表す時、周波数分散Ｖ（周波数分散を特定する関数）を、以下の式（３）により算出する。

血液粘度推定プログラム１２０ｆは、血流量のピークに対応する概形指数に基づいて、測定される血液の粘度を推定する処理を実行するための機能を提供する。血液粘度推定プログラム１２０ｆは、例えば、血液粘度評価用データ１２０ｇと、概形指数算出プログラム１２０ｃにより血液粘度の推定処理の対象データとして抽出される概形指数とを比較することにより、血液の粘度を０〜１００までの点数で評価する。血液粘度評価用データ１２０ｇは、例えば、血液の粘度の測定を行う利用者個人の測定履歴（概形指数）と、血液の粘度に対応する基準値（概形指数）とを蓄積する。血液粘度評価用データ１２０ｇと、血液粘度の推定処理の対象データとして選択される概形指数と、利用者個人の概形指数及び基準値とを比較することにより、血液の粘度が低いほど高得点となる所定のルールに基づいて点数を算出する。血液粘度推定プログラム１２０ｆは、血液粘度の評価結果を表示部１４０に出力する。図１１は、血液粘度の評価結果の表示例を示す図である。図１１に示すように、表示部１４０には、血液粘度総合評価として、点数（例えば、７５点）、概形指数（例えば、０．００１６）、平均周波数（例えば、７５００Ｈｚ）、周波数分散（例えば、２．７５×１０^８）、平均血流量（例えば、６．８１×１０^５）、血流振幅（例えば、５．２５×１０^５）、脈拍（例えば、６０）を含む評価結果の画面１４０ｂが表示される。図１１に示す評価結果の画面１４０ｂは、血液粘度の評価結果を点数で表示するが、例えば、Ａランクを最上位とするアルファベット順のランク付けで表示してもよいし、サラサラ及びドロドロなどの血液の状態を示す言葉で表示してもよい。図１１に示す評価結果の画面１４０ｂは、表示の一例であり、点数だけが表示されてもよいし、血液の粘度を低くするためのアドバイスなどがさらに表示されてもよい。

処理部１３０は、演算装置であるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１３０ａ、及び記憶装置であるメモリ１３０ｂなどのハードウェア資源を備え、これらのハードウェア資源を用いて、記憶部１２０に記憶されるプログラムを実行することにより各種処理を実現する。具体的に説明すると、処理部１３０は、記憶部１２０に記憶されている各種プログラムの中から、実行すべき処理に対応するプログラムを読み込んでメモリ１３０ｂに展開する。処理部１３０は、メモリ１３０ｂに展開したプログラムに含まれる命令をＣＰＵ１３０ａに実行させる。処理部１３０は、ＣＰＵ１３０ａによる命令の実行結果に基づいて、メモリ１３０ｂ及び記憶部１２０に対してデータの読み書きを実行したり、表示部１４０へのデータの表示を行ったりする。演算処理装置は、ＳｏＣ（Ｓｙｓｔｅｍ−ｏｎ−ａ−Ｃｈｉｐ）、ＭＣＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）及びコプロセッサなどを含んで構成されてもよいが、これらに限定されない。

処理部１３０は、例えば、圧力判定プログラム１２０ａを実行することにより、血流データ測定時の測定部１１０に対する圧力の判定処理を実現する。処理部１３０は、例えば、パワースペクトル算出プログラム１２０ｂを実行することにより、血流データのパワースペクトルを算出する処理を実現する。処理部１３０は、例えば、概形指数算出プログラム１２０ｃを実行することにより、パワースペクトルから概形指数を算出する処理を実現する。処理部１３０は、例えば、血流量算出プログラム１２０ｄを実行することにより、血流データ及びパワースペクトルに基づいて血流量を算出する処理を実現する。処理部１３０は、例えば、血流関連情報算出プログラム１２０ｅを実行することにより、血液に関連する情報として、血流振幅、平均血流量、脈拍をそれぞれ算出する処理を実現する。処理部１３０は、例えば、血流量のピークに対応する概形指数に基づいて、測定される血液の粘度を推定する処理を実現する。

表示部１４０は、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬディスプレイ（ＯＥＬＤ：Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙ）、又は無機ＥＬディスプレイ（ＩＥＬＤ：Ｉｎｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙ）等の表示デバイスを備える。表示部１４０は、文字、画像、記号、及び図形等を表示する。本実施形態において、表示部１４０は、例えば、血液粘度の評価結果の画面１４０ｂ（図１１参照）を表示する。表示部１４０は、例えば、待機画面１４０ａ（図２参照）を表示する。

測定部１１０及び表示部１４０は、タッチスクリーンを備えてもよい。表示部１４０がタッチスクリーンを備える場合、ディスプレイ及びタッチスクリーンは、例えば、重ねて配置されてもよいし、並べて配置されてもよいし、離して配置されてもよい。ディスプレイとタッチスクリーンとが重ねて配置される場合、例えば、ディスプレイの１ないし複数の辺がタッチスクリーンのいずれの辺とも沿っていなくてもよい。タッチスクリーンは、タッチスクリーンに対する指、ペン、又はスタイラスペン等の接触を検出する。タッチスクリーンは、複数の指、ペン、又はスタイラスペン等（以下、単に「指」という）がタッチスクリーンに接触した位置を検出できる。タッチスクリーンは、タッチスクリーンに対する指の接触を、接触された場所のタッチスクリーンでの位置とともに、処理部１３０に通知する。本実施形態において、測定部１１０にタッチスクリーンが実装される場合、測定部１１０が測定部１１０に対する利用者の指Ｆ１の接触を検出し、処理部１３０に通知する。

表示部１４０が備えるタッチスクリーンの検出方式は、静電容量方式、抵抗膜方式、表面弾性波方式（又は超音波方式）、赤外線方式、電磁誘導方式、及び荷重検出方式等の任意の方式でよい。

処理部１３０は、タッチスクリーンにより検出された接触、接触が検出された位置、接触が検出された位置の変化、接触が検出された間隔、及び接触が検出された回数の少なくとも１つに基づいて、ジェスチャの種別を判別することもできる。ジェスチャは、指を用いて、タッチスクリーンに対して行われる操作である。処理部１３０が、タッチスクリーンを介して判別するジェスチャには、例えば、タッチ、ロングタッチ、リリース、スワイプ、タップ、ダブルタップ、ロングタップ、ドラッグ、フリック、ピンチイン、及びピンチアウトが含まれるが、これらに限定されない。

電子機器１００は、上記の各機能部の他、通信ユニット、照度センサ、近接センサ、加速度センサ、マイク、スピーカ、コネクタなどを備えてもよい。電子機器１００は、バッテリなどの電子機器１００の機能を維持するために当然に用いられる機能部を実装する。電子機器１００に照度センサ又は近接センサが実装される場合、照度センサ又は近接センサにより、測定部１１０に対する利用者の指Ｆ１の配置を検出するようにしてもよい。

図１２及び図１３を参照しつつ、実施形態に係る電子機器１００による処理の流れを説明する。図１２は、実施形態に係る電子機器１００による処理の全体の流れを示すフローチャートである。図１３は、実施形態に係る電子機器１００による血液粘度推定処理の流れを示すフローチャートである。図１２及び図１３に示す処理は、処理部１３０が、記憶部１２０に記憶されている各種プログラムを実行することにより実現される。

図１２を用いて、実施形態に係る電子機器１００による処理の全体の流れを説明する。図１２に示すように、電子機器１００は、測定部１１０に対する接触を検出したかを判定する（ステップＳ１０１）。すなわち、電子機器１００は、利用者の指Ｆ１が測定部１１０の表面に配置されたかを検出する。

電子機器１００は、判定の結果、測定部１１０に対する接触を検出した場合には（ステップＳ１０１，Ｙｅｓ）、測定部１１０に対する圧力が所定の数値範囲で安定しているかを判定する（ステップＳ１０２）。電子機器１００は、例えば、測定部１１０に対する圧力が、所定の判定時間の間、２（Ｎ）±０．１（Ｎ）の範囲にあれば、圧力が２（Ｎ）近傍で安定していると判定する。

電子機器１００は、判定の結果、測定部１１０に対する圧力が所定の数値範囲で安定していない場合には（ステップＳ１０２，Ｎｏ）、ステップＳ１０２の判定を繰り返す。これとは反対に、電子機器１００は、判定の結果、測定部１１０に対する圧力が所定の数値範囲で安定している場合には（ステップＳ１０２，Ｙｅｓ）、血液粘度判定処理を実行し（ステップＳ１０３）、図１２に示す処理を終了する。

上記ステップＳ１０１において、電子機器１００は、判定の結果、測定部１１０に対する接触を検出しない場合には（ステップＳ１０１，Ｎｏ）、図１２に示す処理を終了する。

上記ステップＳ１０２において、電子機器１００は、判定の結果、測定部１１０に対する圧力が所定の数値範囲で安定しない時間が所定時間継続する場合、ステップＳ１０２における判定をタイムアウトさせて、図１２に示す処理を終了してもよい。

図１３を用いて、実施形態に係る電子機器１００による血液粘度推定処理の流れを説明する。図１３に示すように、電子機器１００は、血流センサ１１０ａにより取得される血流データを取得する（ステップＳ２０１）。

続いて、電子機器１００は、ステップＳ２０１で取得した血流データから、血流データのパワースペクトルを算出する（ステップＳ２０２）。具体的には、電子機器１００は、血流センサ１１０ａにより取得される血流データから、０．０４秒間の血流データをサンプリングする。続いて、電子機器１００は、サンプリングした血流データをフーリエ変換することにより、血流データのパワースペクトルを算出する。続いて、電子機器１００は、算出したパワースペクトルを平滑化する。

続いて、電子機器１００は、ステップＳ２０２で算出したパワースペクトルの概形指数を算出する（ステップＳ２０３）。具体的には、電子機器１００は、パワースペクトルの波形の複数の異なる周波数における傾き、これら傾きの比、及び複数の異なる周波数におけるパワーの差、これらパワーの比を算出する。

続いて、電子機器１００は、ステップＳ２０１で取得した血流データ及びステップＳ２０２で算出したパワースペクトルから血流量を算出する（ステップＳ２０４）。具体的には、電子機器１００は、血流データをＩ（ｔ）、パワースペクトルをＰ（ｆ）で表す時、血流量Ｆを上述の式（１）により算出する。

続いて、電子機器１００は、上記各ステップの処理を終了するかを判定する（ステップＳ２０５）。すなわち、電子機器１００は、血流データの所定の測定時間（例えば、３秒間）にサンプリングする全ての血流データについて、上記ステップＳ２０２〜ステップＳ２０４の処理を終了したかを判定する。

電子機器１００は、判定の結果、上記各ステップの処理を終了しない場合には（ステップＳ２０５，Ｎｏ）、上記ステップＳ２０１に戻る。これとは反対に、電子機器１００は、判定の結果、上記各ステップの処理を終了する場合には（ステップＳ２０５，Ｙｅｓ）、ステップＳ２０４で算出する血流量の中から血流量のピークを特定する（ステップＳ２０６）。血流量のピークは、血流データの所定の測定時間（例えば、３秒間）における血流量の最大値であってもよいし、あるいは所定の一拍における血流量の最大値であってもよい。

続いて、電子機器１００は、ステップＳ２０３でパワースペクトルごとに算出する概形指数の中から、血流量のピークに対応する概形指数を、ステップＳ２０３で算出した概形指数の中から抽出する（ステップＳ２０７）。

続いて、電子機器１００は、血液に関連する情報として、血流振幅、平均血流量、脈拍をそれぞれ算出する（ステップＳ２０８〜ステップＳ２１０）。

続いて、電子機器１００は、ステップＳ２０７で抽出する概形指数に基づいて、血液の粘度を推定する（ステップＳ２１１）。具体的には、電子機器１００は、血液粘度評価用データ１２０ｇと、概形指数算出プログラム１２０ｃにより血液粘度の推定処理の対象データとして抽出される概形指数とを比較することにより、血液の粘度を０〜１００までの点数で評価する。

続いて、電子機器１００は、血液の粘度の評価結果を示す画面１４０ｂを表示部１４０に出力し（ステップＳ２１２）、図１３に示す処理を終了する。

図１３に示す処理において、電子機器１００が、ステップＳ２０３でパワースペクトルごとに算出する概形指数の中から、血流量のピークに対応する概形指数を抽出する例を説明したが、これには限定されない。電子機器１００は、例えば、血流量のピークを特定した後、血流量のピークに対応するパワースペクトルの概形指数を算出してもよい。

上記の実施形態において、電子機器１００は、血流データのパワースペクトルから、パワースペクトルの波形の特徴を数値で表す概形指数を算出し、この概形指数に基づいて、血液の粘度を推定する。このため、電子機器１００は、非侵襲かつ短時間で血液の粘度を解析できる。

上記の実施形態において、電子機器１００は、複数の異なる周波数のそれぞれに対応するパワーをパワースペクトルからそれぞれ導出し、導出した各パワー間の差を概形指数として算出する。このため、電子機器１００は、簡便かつ短時間で、パワースペクトルの波形の特徴を表わす数値を算出できる。

上記の実施形態において、電子機器１００は、複数の異なる周波数のそれぞれに対応するパワースペクトルの傾きを概形指数としてそれぞれ算出する。このため、電子機器１００は、簡便かつ短時間で、パワースペクトルの波形の特徴を表わす数値を算出できる。

上記の実施形態において、電子機器１００は、血流量のピークに対応するパワースペクトルの概形指数に基づいて、血液の粘度を推定する。このため、電子機器１００は、血流量の違いによる血液の粘度推定誤差を極力小さくするとともに、血流量のピーク時に対応するパワースペクトルが血液粘度の影響を受けやすい点を考慮した血液の粘度の推定を実現できる。

図１４は、異なる被験者に対応する概形指数の例を示す図である。図１５は、異なる被験者に対応する血流量の例を示す図である。図１４に示す概形指数と、図１５に示す血流量のデータは、同一の血流データに基づく。図１４に示す例では、被験者Ｕ３、被験者Ｕ２、被験者Ｕ１、被験者Ｕ４の順に概形指数Ｓ１の値が大きくなっている。図１５に示す例では、被験者Ｕ４、被験者Ｕ１、被験者Ｕ３、被験者Ｕ２の順に血流量が大きくなっている。一般的に、血流量の大きさと、血液の粘度とは反対の関係にある。すなわち、血流量が小さくなるほど血液の粘度が大きくなる傾向がある。図１４及び図１５に示すデータの全体的な傾向を検証した場合、血流量が小さくなるほど概形指数が大きくなっており、血液の粘度が大きくなるという一般的な傾向におおむね当てはまっている。

図１４及び図１５に示すデータを被験者ごとに個別に検証した場合、例えば、被験者Ｕ１よりも血流量の小さい被験者Ｕ４の方が、被験者Ｕ１よりも概形指数Ｓ１の値が大きくなっており、血流量が小さいほど血液の粘度が大きくなるという一般的な傾向に当てはまっている。一方で、被験者Ｕ２のデータと被験者Ｕ３のデータとを比較すると、被験者Ｕ２よりも血流量の小さい被験者Ｕ３の方が、被験者Ｕ２よりも概形指数Ｓ１の値が小さくなっており、血流量が小さいほど血液の粘度が大きくなるという一般的な傾向に当てはまらない。このように、被験者によっては、血流量と血液粘度の一般的な傾向が当てはまらない場合が考えらえる。このため、上記の実施形態のように、血流データのパワースペクトルの概形指数から血液粘度の傾向を導出し、血流量、血流振幅、平均血流量、脈拍などの血流関連情報を総合的に勘案して、血液粘度（あるいは血液の状態）について最終的な推定結果を導出することが望ましい。例えば、図１４及び図１５に示す例では、被験者Ｕ３の血液粘度を推定する場合、被験者Ｕ３の血流量及び振幅が、例えば、相対的な基準値を上回っている場合には、血液粘度が低いと評価するなど、概形指数の他、他の血流関連情報を勘案して、血液粘度に関する最終的な評価を導出することも可能となる。

上記の実施形態において、添付の請求項に係る電子機器の例として、電子機器１００により実現される各種処理機能について説明した。上記の実施形態において説明した電子機器１００により実現され得る各種処理機能は、例えば、スマートフォン及び携帯電話などの携帯型の装置、スマートウォッチ、アクティビティトラッカー及びスマートグラスなどのウェアラブルデバイスに実装できる。

添付の請求項に係る技術を完全かつ明瞭に開示するために特徴的な実施形態に関し記載してきた。しかし、添付の請求項は、上記の実施形態に限定されるべきものでなく、本明細書に示した基礎的事項の範囲内で当該技術分野の当業者が創作しうるすべての変形例及び代替可能な構成により具現化されるべきである。

１００ 電子機器
１１０ 測定部
１１０ａ 血流センサ
１１０ｂ 圧力センサ
１２０ 記憶部
１２０ａ 圧力判定プログラム
１２０ｂ パワースペクトル算出プログラム
１２０ｃ 概形指数算出プログラム
１２０ｄ 血流量算出プログラム
１２０ｅ 血流関連情報算出プログラム
１２０ｆ 血液粘度推定プログラム
１２０ｇ 血液粘度評価用データ
１３０ 処理部
１３０ａ ＣＰＵ
１３０ｂ メモリ
１４０ 表示部

Claims (7)

1. 生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得する血流データ取得部と、
   前記血流データに基づいて、当該血流データのパワースペクトルを算出するパワースペクトル算出部と、
   前記パワースペクトルから概形指数を算出する概形指数算出部と
   を有することを特徴とする電子機器。
2. 前記概形指数算出部は、複数の異なる周波数のそれぞれに対応する前記パワースペクトルの傾きを前記概形指数としてそれぞれ算出する請求項１に記載の電子機器。
3. 前記概形指数算出部は、複数の異なる周波数のそれぞれに対応するパワーを前記パワースペクトルからそれぞれ導出し、導出した各パワー間の差を前記概形指数として算出する請求項１に記載の電子機器。
4. 前記血流データ及び前記パワースペクトルに基づいて血流量を算出する血流量算出部をさらに有し、
   前記概形指数算出部は、前記血流量の極値に対応する前記パワースペクトルに基づいて前記概形指数を算出する請求項１〜３のいずれか一つに記載の電子機器。
5. 前記概形指数に基づいて、前記血液の粘度を推定する推定部をさらに有し、
   前記推定部は、前記血液の粘度の推定結果を表示部に表示する請求項１〜４のいずれか一つに記載の電子機器。
6. 前記パワースペクトルの平均周波数及び周波数分散と、前記血流量の平均値と、前記血流量に対応する振幅と、前記血流量に対応する脈拍とを算出する血流関連情報算出部と、
   前記概形指数、前記パワースペクトルの平均周波数及び周波数分散、前記血流量の平均値、前記血流量に対応する振幅、前記血流量に対応する脈拍の中の少なくとも一つに基づいて、前記血液の粘度を推定する推定部と
   をさらに有し、
   前記推定部は、前記血液の粘度の推定結果を表示部に表示する請求項４に記載の電子機器。
7. 電子機器により実行される制御方法であって、
   生体内部を流れる血液に関する情報をドップラシフトに基づく血流データとして取得するステップと、
   前記血流データに基づいて、当該血流データのパワースペクトルを算出するステップと、
   複数の異なる周波数のそれぞれに対応する前記パワースペクトルの傾きを、概形指数としてそれぞれ算出するステップと
   を含む制御方法。