JP2017148421A - 生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体 - Google Patents

Abstract

【課題】生体音に含まれる雑音を好適に解析する。【解決手段】生体音解析装置は、生体音の経時的な変化を示す生体音情報を取得する第１取得手段（１１０）と、生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得手段（１２０）と、生体音情報及び特性情報に基づいて、生体音に含まれる雑音を示す雑音情報を出力する出力手段（２００）とを備える。このようにすれば、取得した生体音に外部騒音が含まれる場合であっても、正確な雑音情報を出力することが可能である。【選択図】図１

Description

本発明は、例えば連続性ラ音等の雑音を含む生体音を解析する生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体の技術分野に関する。

この種の装置として、電子聴診器等によって検出される生体の呼吸音について、そこに含まれる副雑音（即ち、正常な呼吸音とは異なる音）を検出しようとするものが知られている。例えば特許文献１では、ＦＦＴ（Fast Fourier Transform：高速フーリエ変換）処理によって、振幅スペクトル、位相スペクトル、パワースペクトルを算出し、パワースペクトルの局所分散値が閾値を超えているか否かによって正常呼吸音と連続性ラ音とを分別するという技術が開示されている。

他方、特許文献２では、呼吸音信号からパルス性のノイズ及びトーン性のノイズを除去するという技術が開示されている。

特開２００４−３５７７５８号公報 特開２０１２−１２５３６７号公報

上述した特許文献１に記載されている技術では、スペクトルのピークを利用した検出を行うため、検出対象である連続性ラ音以外の雑音（例えば、環境音や医療機器の発する音等）までも検出してしまうおそれがある。また、音の小さな連続性ラ音をスペクトルのピークから検出するためには、検出に用いる各種パラメータを適切な値に調整することが求められるが、その調整は非常に困難であるという技術的問題点も有している。

なお、連続性ラ音以外の雑音の除去には、特許文献２に記載されているトーン性の雑音を除去する技術を応用することができるとも考えられる。しかしながら、呼吸音信号から単にトーン性の雑音を除去するだけでは、検出対象である連続性ラ音までもが誤って除去されてしまうという技術的問題点が生ずる。

本発明が解決しようとする課題には、上記のようなものが一例として挙げられる。本発明は、生体音に含まれる雑音を好適に解析可能な生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体を提供することを課題とする。

上記課題を解決するための生体音解析装置は、生体音の経時的な変化を示す生体音情報を取得する第１取得手段と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得手段と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力手段とを備える。

上記課題を解決するための生体音解析方法は、生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程とを備える。

上記課題を解決するためのコンピュータプログラムは、生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程とをコンピュータに実行させる。

上記課題を解決するための記録媒体は、上述したコンピュータプログラムが記録されている。

本実施例に係る生体音解析装置の構成を示すブロック図である。 連続性ラ音を含む生体音の一例を示すスペクトログラム図（その１）である。 連続性ラ音を含む生体音の一例を示すスペクトログラム図（その２）である。 図２に示すスペクトログラムのリフタリング結果を示すスペクトログラム図である。 図３に示すスペクトログラムのリフタリング結果を示すスペクトログラム図である。 図４に示すリフタリング結果から検出される連続的エリアを示すスペクトログラム図である。 図５に示すリフタリング結果から検出される連続的エリアを示すスペクトログラム図である。 医療機器音を含む生体音の一例を示すスペクトログラム図である。 図８に示すスペクトログラムのリフタリング結果から検出される連続的エリアを示すスペクトログラム図である。 本実施例に係る生体音解析装置の動作の流れを示すフローチャートである。 連続性ラ音を含む生体音の一例を示すスペクトログラム図（その３）である。 図１１に示すスペクトログラムのリフタリング結果を示すスペクトログラム図である。 図１２に示すスペクトログラムのレンジ調整後の抽出結果を示すスペクトログラム図である。 図１２に示すスペクトログラムのＫＬ情報量を用いた抽出結果を示すスペクトログラム図である。 情報量の数値化概念を示す３次元グラフ（その１）である。 情報量の数値化概念を示す３次元グラフ（その２）である。 情報量の計算手法を示す概念図である。 生体音を示すスペクトログラム及び特徴部分の抽出結果を示すスペクトログラム図（その１）である。 生体音を示すスペクトログラム及び特徴部分の抽出結果を示すスペクトログラム図（その２）である。 生体音を示すスペクトログラム及び特徴部分の抽出結果を示すスペクトログラム図（その３）である。 医療機器音を含むスペクトログラム及び医療機器音の抽出結果を示すスペクトログラム図（その１）である。 医療機器音を含むスペクトログラム及び医療機器音の抽出結果を示すスペクトログラム図（その２）である。 医療機器音を除外することで残される連続的エリアを示すスペクトログラム図である。

＜１＞
本実施形態に係る生体音解析装置は、生体音の経時的な変化を示す生体音情報を取得する第１取得手段と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得手段と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力手段とを備える。

本実施形態に係る生体音解析装置によれば、その動作時には、先ず第１取得手段によって、生体音情報が取得される。なお、「生体音」とは、生体が発する音であり、典型的には呼吸音である。また、「生体音情報」とは、生体音の経時的な変化を示す情報であり、例えば生体音を示す時間軸波形として取得される。

本実施形態に係る生体音解析装置では更に、第２取得手段によって、外部騒音の特性を示す特性情報が取得される。なお、「外部騒音」とは、生体音情報に含まれ得る生体音以外の音（言い換えれば、本来は検出すべきない音）であり、例えば環境音や電子機器が発する音等が挙げられる。また「外部騒音の特性」とは、外部騒音とその他の音を判別するための特徴であり、例えば周波数変動幅や鳴動時間等が挙げられる。

生体音情報及び特性情報が取得されると、それらの情報に基づいて、出力手段から雑音を示す雑音情報が出力される。なお「雑音」とは、正常な生体音には含まれない異常音（例えば、副雑音である連続性ラ音等）である。雑音情報は、例えば雑音の有無を示す情報や、雑音の種別、雑音の強度等を示す情報である。

第１取得手段で取得される生体音情報には、正常な生体音のほか、外部騒音及び雑音が含まれ得る。このため、雑音を示す雑音情報を出力するには、雑音とその他の音を判別することが要求されるが、雑音の種別によっては、外部騒音と雑音とを判別することは容易ではない。例えば、生体音情報の時間周波数解析を行ったとしても、外部騒音と雑音との違いは明確にはならないことがある。

しかるに本実施形態では特に、第２取得手段によって外部騒音の特性を示す特性情報が取得されている。このため、生体音情報に含まれる外部騒音を正確に判別でき、その結果、雑音も正確に判別することが可能となる。具体的には、外部騒音と雑音とを判別できない音について、外部騒音の特性と合致するような成分を除去すれば、雑音を示す成分を好適に抽出することができる。

以上説明したように、本実施形態に係る生体音解析装置によれば、生体音情報に外部騒音が含まれる場合であっても、正確な雑音情報を出力することが可能である。

＜２＞
本実施形態に係る生体音解析装置の一態様では、前記生体音情報から、前記雑音を含み得る所定の成分を抽出する抽出手段を更に備え、前記出力手段は、前記抽出手段で抽出された前記所定の成分が、前記特性情報が示す特性とは一致しない場合に、前記所定の成分が前記雑音であるとして前記雑音情報を出力する。

この態様によれば、抽出手段によって、生体音情報から雑音を含み得る所定の成分が抽出される。なお、「所定の成分」とは、生体音情報に含まれる音成分のうち、雑音である可能性が高いと判断できる成分（例えば、トーン性成分）であり、検出しようとする雑音の特性等に応じて予め決められている。

抽出された所定の成分は、外部騒音の特性を示す特性情報に一致するか否かが判定される。なお、ここでの「一致」とは、完全な一致を意味するだけではなく、一致度が一定程度に高い状態を含む広い概念である。所定の成分が特性情報と一致するか否かを判定すれば、所定の成分が外部騒音であるか否かを好適に判断できる。

所定の成分が特性情報に一致しないと判定されると、その所定の成分が雑音である（即ち、外部騒音ではない）と判断され、雑音情報として出力される。このように、所定の成分を抽出して特性情報と一致しているか否かを判定すれば、外部騒音と雑音とを好適に判別し、正確な雑音情報を出力することが可能となる。

＜３＞
上述した所定の成分を抽出する態様では、前記特性情報は、前記外部騒音の周波数変動幅及び鳴動時間に関する特性を示す情報であり、前記出力手段は、前記所定の成分の周波数変動幅が前記外部騒音の周波数変動幅以内であり、且つ、前記所定の成分の鳴動時間と前記外部騒音の鳴動時間との差分が第１閾値よりも小さい場合に、前記所定の成分が前記特性情報の示す特性と一致すると判定してもよい。

この場合、特性情報は、外部騒音の周波数変動幅及び鳴動時間に関する特性を示す情報として取得される。そして、出力手段では、所定の成分の周波数変動幅が、外部騒音の周波数変動幅以内であるか否かが判定される。また、所定の成分の鳴動時間と外部騒音の鳴動時間との差分が、第１閾値よりも小さいか否かが判定される。なお、「第１閾値」は、所定の成分の鳴動時間と、外部騒音の鳴動時間との差が十分に小さいことを判定するための閾値であり、事前に最適な値が求められ記憶されている。

ここで、所定の成分の周波数変動幅が外部騒音の周波数変動幅以内である場合、所定の成分は外部騒音に近い特性を有していると判断できる。また、所定の成分の鳴動時間と外部騒音の鳴動時間との差分が第１閾値よりも小さい場合も、所定の成分は外部騒音に近い特性を有していると判断できる。よって本態様では、所定の成分の周波数変動幅が外部騒音の周波数変動幅以内であり、且つ、所定の成分の鳴動時間と外部騒音の鳴動時間との差分が第１閾値よりも小さい場合に、所定の成分が特性情報の示す特性と一致すると判定する。このようにすれば、所定の成分が外部騒音の特性と一致しているか否かを、容易且つ的確に判定できる。

＜４＞
或いは所定の成分を抽出する態様では、前記抽出手段は、前記生体音情報の所定基準値からの乖離量に応じて定まる情報量を所定区間ごとに算出し、前期生体音情報の前該情報量が第２閾値よりも大きくなる区間を、前記所定の成分として抽出してもよい。

この場合、抽出手段では、生体音情報の所定基準値からの乖離量に応じて定まる情報量が所定区間ごとに算出される。なお、「情報量」とは、生体音情報における所定区間（即ち、情報量を算出するための任意の区間）の成分が、所定の成分（即ち、雑音又は外部騒音の成分）であるか否かを判断するためのパラメータである。情報量は、所定基準値（例えば、理論値、モデル値等）からの乖離量が大きいほど、大きい値として算出される。情報量の一例としては、ＫＬ（カルバック・ライブラー）情報量が挙げられる。

本態様では、算出された情報量が第２閾値よりも大きくなる区間が、所定の成分として抽出される。なお、「第２閾値」は、生体音情報の所定区間における情報量が、所定の成分であると判断できる程度に大きいことを判定するための閾値である。このようにすれば、生体音情報から所定の成分を好適に抽出できる。即ち、外部騒音又は雑音の成分をより正確に抽出することが可能となる。

＜５＞
本実施形態に係る生体音解析装置の他の態様では、前記外部騒音は、電子機器が発する音であり、前記特性情報は、前記電子機器から事前に採取した音に基づいてデータベース化されている。

この態様によれば、電子機器が発する音が外部騒音として扱われるため、例えば医療現場において医療機器が発する音と、生体音に含まれる雑音とを好適に判別することができる。

本態様では特に、電子機器から事前に採取した音に基づいて特性情報がデータベース化されている。このため、例えばパターンマッチング等の手法を用いて、極めて容易に外部騒音か否かを判定することができる。

＜６＞
上述した電子機器音を外部騒音とする態様では、前記出力手段は、前記特性情報が示す特性とは一致しない前記所定の成分について、時間及び周波数の２次元上の面積を算出し、前記面積が第３閾値より大きい場合に、前記所定の成分が前記雑音であるとして前記雑音情報を出力してもよい。

この場合、面積を利用して雑音か否かを容易かつ的確に判定できる。具体的には、医療機器音は一定の周波数成分であることが多いため、医療機器音に相当する成分の面積を算出すると、その面積は小さくなる。このため、面積が第３閾値より大きいか否かを判定すれば、所定の成分が医療機器音であるか否か（即ち、雑音であるか否か）を好適に判別できる。なお、「第３閾値」は、事前に採取された医療機器音に相当する成分の面積等に基づいて、事前に設定しておけばよい。

＜７＞
本実施形態に係る生体音解析方法は、生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程とを備える。

本実施形態に係る生体音解析方法によれば、上述した本実施形態に係る生体音解析装置と同様に、正確な雑音情報を出力することができる。

なお、本実施形態に係る生体音解析方法においても、上述した本実施形態に係る生体音解析装置における各種態様と同様の各種態様を採ることが可能である。

＜８＞
本実施形態に係るコンピュータプログラムは、生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程とをコンピュータに実行させる。

本実施形態に係るコンピュータプログラムによれば、上述した本実施形態に係る生体音解析方法と同様の処理をコンピュータに実行させることができるため、正確な雑音情報を出力することができる。

なお、本実施形態に係るコンピュータプログラムにおいても、上述した本実施形態に係る生体音解析装置における各種態様と同様の各種態様を採ることが可能である。

＜９＞
本実施形態に係る記録媒体は、上述したコンピュータプログラムが記録されている。

本実施形態に係る記録媒体によれば、上述したコンピュータプログラムをコンピュータにより実行させることにより、正確な雑音情報を出力することができる。

本実施形態に係る生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体の作用及び他の利得については、以下に示す実施例において、より詳細に説明する。

以下では、生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体の実施例について、図面を参照しながら詳細に説明する。なお、以下では、呼吸音の解析を行う生体音解析装置を例に挙げて説明する。

＜装置構成＞
先ず、本実施例に係る生体音解析装置の構成について、図１を参照して説明する。ここに図１は、本実施例に係る生体音解析装置の構成を示すブロック図である。

図１において、本実施例に係る生体音解析装置は、呼吸音取得部１１０と、医療機器音特性記憶部１２０と、処理部２００と、結果表示部３００とを備えて構成されている。

呼吸音取得部１１０は、生体の呼吸音を呼吸音信号として取得可能に構成されたセンサである。呼吸音取得部１１０は、例えばＥＣＭ（Electret Condenser Microphone）やピエゾを利用したマイク、振動センサ等で構成されている。また、呼吸音取得部１１０は、生体の呼吸音を呼吸音信号として取得可能に構成されたセンサだけでなく、センサからの呼吸音信号を取得するものを含んでいてもよい。呼吸音取得部１１０で取得された呼吸音信号は、処理部２００における時間周波数解析部２１０に出力される構成となっている。なお、呼吸音取得部１１０は、「第１取得手段」の一具体例である。

医療機器音特性記憶部１２０は、事前に採取された医療機器音（即ち、生体音を取得する際に含まれ得る医療機器が発する音）に基づいてデータベース化された医療機器音情の特性情報を記憶している。特性情報は、例えば医療機器音の周波数変動幅や鳴動時間等を含んでいる。医療機器音特性記憶部１２０は、必要に応じて医療機器音判定部に特性情報を出力可能に構成されている。なお、医療機器音特性記憶部１２０は、「第２取得手段」の一具体例である。

処理部２００は、複数の演算回路やメモリ等を含んで構成されている。処理部２００は、時間周波数解析部２１０と、トーン性成分検出部２２０と、医療機器音判定部２３０と、連続性ラ音判定部２４０とを備えて構成されている。

時間周波数解析部２１０は、呼吸音取得部１００で取得された呼吸音情報に対して時間周波数解析処理を実行する。具体的には、時間周波数解析部２１０は、ＦＦＴ処理等を実行可能に構成されている。時間周波数解析部２１０の解析結果は、トーン性成分検出部２２０に出力される構成となっている。

トーン性成分検出部２２０は、時間周波数解析された呼吸音情報から、トーン性成分を検出する。なお、トーン性成分の具体的な検出方法については、後の動作説明で詳述する。トーン性成分検出部２２０における検出結果は、医療機器音判定部２３０に出力される構成となっている。

医療機器音判定部２３０は、医療機器音の特性に基づいて、トーン性成分が医療機器音であるか否かを判定する。具体的には、医療機器音判定部２３０は、医療機器音特性記憶部１２０から取得した医療機器音の特性情報を用いて、トーン性成分が医療機器音であるか否かを判定する。医療機器音判定部２３０における、より具体的な判定方法については、後の動作説明において詳述する。医療機器音判定部２３０における判定結果は、連続性ラ音判定部２４０に出力される構成となっている。

連続性ラ音判定部２４０は、医療機器音判定部２３０における判定結果を利用して、トーン性成分が連続性ラ音であるか否かを判定する。具体的には、連続性ラ音判定部２４０は、検出されたトーン性成分のうち、医療機器音でないと判定されたトーン性成分から、連続性ラ音であるものと、そうでないものとを判別する。連続性ラ音判定部２４０における、より具体的な判定方法については、後の動作説明において詳述する。連続性ラ音判定部２４０における判定結果は、結果表示部３００に出力される構成となっている。

以上のように、処理部２００は、呼吸音取得部１００で取得された呼吸音情報、及び医療機器音特性記憶部１２０から取得される医療機器音の特性情報に基づいて、生体音に連続性ラ音が含まれているか否かを判定できる。また、処理部２００は、生体音に連続性ラ音が含まれているか否かだけでなく、連続性ラ音の強度等を出力可能に構成されてもよい。処理部２００は、「出力手段」の一具体例である。

結果表示部３００は、例えば液晶モニタ等のディスプレイとして構成されており、処理部２００から出力される各種情報を画像データとして表示する。

＜連続性ラ音を判別する際の問題点＞
次に、連続性ラ音を判別する際の問題点について、図２から図９を参照して詳細に説明する。図２及び図３は夫々、連続性ラ音を含む生体音の一例を示すスペクトログラム図である。図４及び図５は夫々、図２及び図３に示すスペクトログラムのリフタリング結果を示すスペクトログラム図である。図６及び図７は夫々、図４及び図５に示すリフタリング結果から検出される連続的エリアを示すスペクトログラム図である。図８は、医療機器音を含む生体音の一例を示すスペクトログラム図であり、図９は、図８に示すスペクトログラムのリフタリング結果から検出される連続的エリアを示すスペクトログラム図である。

図２及び図３に示すように、笛声音に代表される連続性ラ音は、呼吸音信号を時間周波数解析したスペクトログラムにおいて、連続した領域に現れる成分（図中の枠で囲んだ部分）として認識できる。しかしながら、図を見ても分かるように、スペクトログラムにおける連続性ラ音は、他の生体音に埋もれてしまい正確に判別することが難しい。

図４及び図５に示すように、連続性ラ音は、ＣＭＮ（Cepstral Mean Normalization）処理と、リフタリング処理（具体的には、ケプストラムの高次ケフレンシー成分をカットする処理）を実行することで、その特徴が強調され、他の生体音との判別が容易になる。なお、ＣＭＮ処理及びリフタリング処理については既存の技術であるため、ここでのより詳細な説明は省略する。

図６及び図７に示すように、ＣＭＮ処理及びリフタリング処理されたスペクトログラムから連続的エリア（即ち、音が連続している領域）を検出することで、連続性ラ音を抽出することができる。しかしながら、例えば連続性ラ音の音が小さい場合等には、ＣＭＮ処理及びリフタリング処理を行ったとしても、正確に連続性ラ音を抽出できないことがある。

他方で、図８及び図９に示すように、取得される生体音には医療機器音等の外部騒音が含まれることがある。この医療機器音は、図を見ても分かるように、連続した領域に現れるという特性を有している。即ち、医療機器音は、連続性ラ音と同様の特性を有している。このため、生体音に外部騒音が含まれていると、ＣＭＮ処理及びリフタリング処理を実行したとしても、連続性ラ音を抽出することは難しくなってしまう。

これに対し、本実施形態に係る生体音解析装置は、以下に詳述する処理を実行することにより、取得した生体音に含まれる連続性ラ音の音が小さい場合、或いは医療機器音等の外部騒音が含まれているような場合であっても、正確な連続性ラ音の判別を実現する。

＜動作説明＞
次に、本実施例に係る生体音解析装置の動作について、図１０を参照して説明する。ここに図１０は、本実施例に係る生体音解析装置の動作の流れを示すフローチャートである。

図１０において、本実施例に係る生体音解析装置の動作時には、先ず呼吸音取得部１１０において、生体の呼吸音を示す呼吸音信号が取得される（ステップＳ１０１）。呼吸音信号が取得されると、時間周波数解析部２１０において、呼吸音信号の時間周波数解析が行われる（ステップＳ１０２）。

続いて、トーン性成分検出部２２０では、時間周波数解析で得られたスペクトログラムについて周波数ピークが検出される。これにより、生体音に含まれるトーン性成分（即ち、連続する成分）が抽出される（ステップＳ１０３）。

以下では、図１１から図２４を参照して、トーン性成分の抽出方法について詳細に説明する。ここに図１１は、連続性ラ音を含む生体音の一例を示すスペクトログラム図であり、図１２は、図１１に示すスペクトログラムのリフタリング結果を示すスペクトログラム図である。また図１３は、図１２に示すスペクトログラムのパワーを表す濃淡のレンジを調整したスペクトログラム図であり、図１４は、図１２に示すスペクトログラムのＫＬ情報量を用いた抽出結果を示すスペクトログラム図である。

図１１及び図１２に示すように、時間周波数解析で得られたスペクトログラムには、先ずＣＭＮ処理及びリフタリング処理が行われる。即ち、既に図４及び図５を用いて説明したように、スペクトログラム上の連続した成分を強調するための処理が実行される。

図１３に示すように、レンジを適切に調整すれば、スペクトログラム上の特徴的な成分がより強調される。しかしながら、これだけでは、検出すべき成分（即ち、トーン性成分）だけでなく、不要な成分が残ってしまう。このため、本実施例では特に、ＣＭＮ処理及びリフタリング処理に加えて、ＫＬ情報量を用いた強調処理を実行する。

図１４に示すように、ＫＬ情報量を用いた処理を行えば、図１３では残されていた不要な成分は強調されなくなる。よって、トーン性成分だけを好適に抽出することができる。このような効果は、例えばＣＭＮ処理及びリフタリング処理に用いるパラメータを調整するだけでは実現することが難しい。従って、本実施例のＫＬ情報量を用いた処理は、トーン性成分の抽出に極めて有効であると言える。

以下では、ＫＬ情報を用いた抽出処理について、図１５から図２０を参照して具体的に説明する。図１５及び図１６は夫々、情報量の数値化概念を示す３次元グラフであり、図１７は、情報量の計算手法を示す概念図である。また、図１８、図１９及び図２０は夫々、生体音を示すスペクトログラム及び特徴部分の抽出結果を示すに示すスペクトログラム図である。

ＫＬ情報量は、観測値Ｐと基準値Ｑ（例えば、理論値、モデル値、予測値等）とを用いて算出されるパラメータであり、基準値Ｑに対して特徴のある観測値Ｐが現れると、ＫＬ情報量は大きな値として算出される。ＫＬ情報量Ｄ_ＫＬは、下記数式（１）を用いて算出することができる。

本実施例では、スペクトログラム上のパワー分布を、確率分布とみなしてＫＬ情報Ｄ_ＫＬを算出している。ＫＬ情報量Ｄ_ＫＬの算出には、ＣＭＮ処理とリフタリング処理が行われたスペクトルパワーＰｏｗｅｒ［ｎ，ω］が用いられる（ｎ：離散化された時刻インデックス、ω：離散化された周波数インデックス）。なお、時間周波数領域の情報を持った他の物理量（例えば、振幅スペクトル）を用いて計算することも可能である。

図１７に示すように、局所的な情報量を算出するため、時間周波数平面上には、所定の時間方向幅ｗと、所定の周波数方向幅ｈを事前に設定されている。そして、その枠を図の矢印に沿うように順次走査していくことで、各時間周波数領域上のあるポイント［ｎ，ω］まわりの情報が数値化される。

まずは、［ｎ，ω］まわりの点［ｉ，ｊ］（ｉ＝ｎ−ｗ／２，・・・，ｎ＋ｗ／２、ｊ＝ω−ｈ／２，・・・，ω＋ｈ／２）で下記数式（２）及び（３）を夫々計算し、基準値Ｑ［ｉ，ｊ］及び観測値Ｐ［ｉ，ｊ］を求める。

そして、算出したＱ［ｉ，ｊ］及びＰ［ｉ，ｊ］を用いて、下記数式（４）を計算し、ＫＬ情報量Ｄ_ＫＬを算出する。これを、全てのｎ，ωについて計算すればよい。

算出されたＫＬ情報量Ｄ_ＫＬは、所定の閾値Ｄ_ｔｈｒｅと比較され、ＫＬ情報量Ｄ_ＫＬが閾値Ｄ_ｔｈｒｅより大きくなった部分がトーン性成分として抽出される。

以下では、ＫＬ情報量Ｄ_ＫＬを用いた抽出処理の効果について、図１８から図２０を参照して具体的に説明する。ここに図１８から図２０は夫々、生体音を示すスペクトログラム及び特徴部分の抽出結果を示すスペクトログラム図である。

図１８から図２０に示すように、ＫＬ情報量Ｄ_ＫＬを用いた抽出処理によれば、生体音に含まれているトーン性成分が強調され明確になる。よって、例えばＣＭＮ処理及びリフタリング処理だけを行う場合と比較して、トーン性成分の検出感度を向上させることができる。

図１０に戻り、トーン性成分が抽出されると、医療機器音判定部２３０において、トーン性成分の周波数変動幅が所定変動幅より小さいか否か、及びトーン性成分の鳴動時間と所定時間幅の差分の絶対値が所定時間差より小さいか否かが判定される（ステップＳ１０６）。なお、所定変動幅及び所定時間幅は、医療機器音特性記憶部１２０から取得される医療機器音の特性情報である。また、所定時間差は、トーン性成分の鳴動時間と所定時間幅が近い値であるか否かを判定するために設定される閾値である。なお、上記特性情報はあくまで一例であり、他のパラメータを特性情報として利用することも可能である。

以下では、医療機器音の特性情報について、図２１及び図２２を参照して詳細に説明する。ここに図２１及び図２２は夫々、医療機器音を含むスペクトログラム及び医療機器音の抽出結果を示すスペクトログラム図である。

図２１及び図２２に示すように、医療機器音は、電子機器が発する音であるため、基本周波数、調波構造、鳴動時間、及び鳴動周期に明確な特徴がある。よって、事前に医療機器音を取得しておき、その基本周波数、調波構造、鳴動時間、及び鳴動周期等を特性情報として記憶しておけば、トーン性成分が医療機器音であるか否かを正確に判別することができる。

なお、医療機器が複数存在する環境で生体音を取得する場合には、複数の医療機器の各々について、特性情報を設定すればよい。

再び図１０に戻り、トーン性成分の周波数変動幅が所定変動幅より小さい、且つ、トーン性成分の鳴動時間と所定時間幅の差分の絶対値が所定時間差より小さいと判定された場合（ステップＳ１０６：ＹＥＳ）、トーン性成分は医療機器音であると判定される（ステップＳ１０７）。抽出されたトーン性成分の特性と、医療機器音の特性とが極めて類似していると判断できるからである。

一方でトーン性成分の周波数変動幅が所定変動幅より小さくない、或いは、トーン性成分の鳴動時間と所定時間幅の差分の絶対値が所定時間差より小さくないと判定された場合（ステップＳ１０６：ＮＯ）、トーン性成分は医療機器音でないと判定される（ステップＳ１０８）。抽出されたトーン性成分の特性と、医療機器音の特性とが十分に類似しているとは言えないからである。

上記判定が終了すると、全てのトーン性成分について判定が終了したか否かが判定される（ステップＳ１０９）。全てのトーン性成分について判定が終了していない場合には（ステップＳ１０９：ＮＯ）、他のトーン性成分についてステップＳ１０６以降の処理が繰り返し実行される。一方、全てのトーン性成分について判定が終了している場合には（ステップＳ１０９：ＹＥＳ）、医療機器音でないと判定されたトーン性成分の総和から連続性ラ音傾向Ｃが算出される（ステップＳ１１０）。

以下では、連続性ラ音傾向Ｃの算出方法について、図２３を参照して具体的に説明する。ここに図２３は、医療機器音を除外することで残される連続的エリアを示すに示すスペクトログラム図である。

図２３に示すように、連続性ラ音傾向Ｃは、医療機器音と判定されなかったトーン性成分（即ち、連続性ラ音である可能性が高い成分）が現れている領域の面積、即ちトーン性成分の周波数変動幅と鳴動時間の積として算出される。このようにして算出される連続性ラ音傾向Ｃは、トーン性成分の連続性を好適に数値化したパラメータである。よって、連続性ラ音傾向Ｃを用いれば、トーン性成分が連続性ラ音であるか否かを容易かつ的確に判別することができる。

なお、医療機器音に相当する成分については、上述した面積（即ち、連続性ラ音傾向Ｃ）は小さくなる。医療機器音は、一定の周波数成分であることが多いためである。よって、ステップＳ１０６の処理で医療機器音が十分に除外できていなかった場合であっても、トーン性成分の面積を利用することで、連続性ラ音か否かを好適に判定することが可能となる。

再び図１０に戻り、算出された連続性ラ音傾向Ｃは、所定の閾値Ｃ_ｔｈｒｅより大きいか否かが判定される（ステップＳ１１１）。なお、閾値Ｃ_ｔｈｒｅは、連続性ラ音傾向Ｃが十分に高いか否かを判定するための閾値であり、実際の連続性ラ音のデータ、或いは医療機器音のデータ等に基づいて予め設定されている。閾値Ｃ_ｔｈｒｅは、「第３閾値」の一具体例である。

連続性ラ音傾向Ｃが所定の閾値Ｃ_ｔｈｒｅより大きいと判定された場合（ステップＳ１１１：ＹＥＳ）、生体音には連続性ラ音が含まれると判定される（ステップＳ１１２）。一方で、連続性ラ音傾向Ｃが所定の閾値Ｃ_ｔｈｒｅより大きくないと判定された場合（ステップＳ１１１：ＮＯ）、生体音には連続性ラ音が含まれないと判定される（ステップＳ１１３）。

以上説明した一連の処理による判定結果は、結果表示部３００に出力される。これにより、結果表示部３００では、生体音に連続性ラ音が含まれるか否かを示す情報が表示されることになる。

＜実施例の効果＞
最後に、本実施例に係る生体音解析装置によって得られる技術的効果について詳細に説明する。

本実施例に係る生体音解析装置によれば、スペクトログラムからトーン性成分を抽出する際にＫＬ情報量（図１５から図１７を参照）が用いられる。これにより、トーン性成分の検出感度が向上し、より正確にトーン性成分を抽出することが可能となる。具体的には、音の小さい連続性ラ音等を検出し損なってしまうことを防止できる。また、不要な成分を抽出してしまうことを防止できる。

本実施例に係る生体音解析装置では更に、外部騒音（医療機器音）の特性情報に基づいて、トーン性成分から外部騒音が除去される。これにより、取得した生体音に外部騒音が含まれている場合であっても、連続性ラ音を正確に判別することが可能となる。言い換えれば、外部騒音を連続性ラ音として検出してしまうことを防止できる。

本発明は、上述した実施形態に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体もまた本発明の技術的範囲に含まれるものである。

１１０ 呼吸音取得部
１２０ 医療機器音特性記憶部
２００ 処理部
２１０ 時間周波数解析部
２２０ トーン性成分検出部
２３０ 医療機器音判定部
２４０ 連続性ラ音判定部
３００ 結果表示部
Ｄ_ＫＬ ＫＬ情報量
Ｐ 観測値
Ｑ 基準値
Ｐｏｗｅｒ スペクトルパワー
Ｃ 連続性ラ音傾向

Claims (9)

1. 生体音の経時的な変化を示す生体音情報を取得する第１取得手段と、
   前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得手段と、
   前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力手段と
   を備えることを特徴とする生体音解析装置。
2. 前記生体音情報から、前記雑音を含み得る所定の成分を抽出する抽出手段を更に備え、
   前記出力手段は、前記抽出手段で抽出された前記所定の成分が、前記特性情報が示す特性とは一致しない場合に、前記所定の成分が前記雑音であるとして前記雑音情報を出力する
   ことを特徴とする請求項１に記載の生体音解析装置。
3. 前記特性情報は、前記外部騒音の周波数変動幅及び鳴動時間に関する特性を示す情報であり、
   前記出力手段は、前記所定の成分の周波数変動幅が前記外部騒音の周波数変動幅以内であり、且つ、前記所定の成分の鳴動時間と前記外部騒音の鳴動時間との差分が第１閾値よりも小さい場合に、前記所定の成分が前記特性情報の示す特性と一致すると判定する
   ことを特徴とする請求項２に記載の生体音解析装置。
4. 前記抽出手段は、前記生体音情報の所定基準値からの乖離量に応じて定まる情報量を所定区間ごとに算出し、前期生体音情報の前該情報量が第２閾値よりも大きくなる区間を、前記所定の成分として抽出することを特徴とする請求項２又は３に記載の生体音解析装置。
5. 前記外部騒音は、電子機器が発する音であり、
   前記特性情報は、前記電子機器から事前に採取した音に基づいてデータベース化されている
   ことを特徴とする請求項１から４のいずれか一項に記載の生体音解析装置。
6. 前記出力手段は、前記特性情報が示す特性とは一致しない前記所定の成分について、時間及び周波数の２次元上の面積を算出し、前記面積が第３閾値より大きい場合に、前記所定の成分が前記雑音であるとして前記雑音情報を出力することを特徴とする請求項５に記載の生体音解析装置。
7. 生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、
   前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、
   前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程と
   を備えることを特徴とする生体音解析方法。
8. 生体音の経時的な変化を示す生体音情報を取得する第１取得工程と、
   前記生体音情報に含まれ得る外部騒音の特性を示す特性情報を取得する第２取得工程と、
   前記生体音情報及び前記特性情報に基づいて、前記生体音に含まれる雑音を示す雑音情報を出力する出力工程と
   をコンピュータに実行させることを特徴とするコンピュータプログラム。
9. 請求項８に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体。