JP2018020018A - 生体信号処理装置、異常判別方法およびプログラム - Google Patents

Abstract

【課題】周波数特性や基線変動の影響を受けず、また電位振幅方向の統計値が分からなくても異常信号が混入した領域をより確実に判別できるようにする。【解決手段】センサデータを、所定の前処理を施したのち、心拍が少なくとも１つ含まれるように長さが設定された時間間隔Ａで複数の区間に分割し、分割された区間ごとに、心電波形が原点を交差する点間の長さの平均長を正側と負側とに分けてそれぞれ算出し、この算出された正側および負側の各交差点間隔平均長により表される点が異常か否かを、正解値集合の重心点からの距離に応じて判定する。【選択図】図１

Description

この発明は、生体信号の特徴量を抽出して解析処理に供する生体信号処理装置と、生体信号の異常を判別する方法およびプログラムに関する。

近年、ホルター心電計などのウェアラブルデバイスを用いて取得した生体信号から特徴量を抽出し、この特徴量を解析することでユーザの状態を推定する試みがなされている。ところが、生体信号には電極外れや呼吸、体動、発汗、静電気などによって様々なアーチファクトやノイズといった異常信号が混入する可能性があり、上記解析処理を正しく行うには上記異常信号から算出した特徴量を適切に処理する必要がある。

そこで、心電図のように類似した波形が繰り返し現れる周期性を有する生体信号に対し各種フィルタリング処理を行うことで、対象信号とは周波数特性が異なる異常信号を除去または低減する手法が提案されている（例えば非特許文献１を参照）。しかし、異常信号の周波数特性が対象信号と類似している場合には、フィルタリングによって異常信号を完全に除去することは困難である。

一方、生体信号と類似した周波数特性を持つノイズの単純な除去手法として、計測電位を閾値により判定する手法も提案されている。しかし、ウェアラブルデバイスが計測する生体信号の振幅の大きさは、機器構成やユーザ、環境によって異なるため、設定した閾値によってはノイズ領域の検出漏れや過剰検出、誤検出を引き起こすおそれがある。ノイズ領域の検出漏れや過剰検出、誤検出を低減するには、生体信号の計測を終了するごとに計測データに適した閾値を設定すればよいが、このようにすると生体信号の計測を終了するまでノイズ領域か否かを判別することができない。

また、周期性信号の異常を判別する他の手法として、対象信号の電位振幅情報を用いるものがある（例えば非特許文献２）。しかし、この手法を用いるには、「信号の周期」と「異常の影響を受けうる電位振幅方向の統計量」の２つの情報が必要である。このため、判別したい異常の影響を受ける統計量の情報が明らかでない場合には、異常判別を適切に実施することが困難になる。

さらに、周期性信号の異常を判別する別の手法として、計測データを任意長に分割して周波数成分の振幅スペクトル平均を算出して異常判別を行う手法もある（例えば非特許文献３を参照）。しかし、心電図に混入した基線変動などは振幅スペクトルの平均値に反映され難く、異常として判別できない場合がある。

Nakai et.al，"Noise Tolerant QRS Detection using Template Matching with Short-Term Autocorrelation"，IEEE EMBC 2014，pp.34-37，2014 江口佳那ら、「ウェアラブル心電計を対象としたノイズ混入領域の検出手法」、信学技報、Vol.115，No.345，pp.27-32，2015 加川敏規ら、「体動によるノイズの影響を除去した高感度腕時計型脈波計測センサ」、電子情報通信学会論文誌 D.情報・システム、Vol.J96-D，No.3，pp.743-752，2013

以上述べたように従来提案されている各手法は、周波数特性が生体信号と類似する異常信号を削除できない、閾値の設定によっては異常信号の誤検出などを生じる、異常の影響を受ける電位振幅方向の統計量が分からなければ異常判別を適切に実施することができない、心電図に混入した基線変動などはスペクトル振幅平均に反映され難いため異常信号として判別できない、などの課題を有していた。

この発明は上記事情に着目してなされたもので、基線変動をはじめとする周波数特性の影響を受け難く、また電位振幅方向の統計値が分からなくても異常信号が混入した領域をより確実に判別できるようにした生体信号処理装置、異常判別方法およびプログラムを提供しようとするものである。

上記課題を解決するためにこの発明の第１の態様は、周期性を有する波形を含む生体信号を受信する手段またはステップと、前記受信された生体信号を、前記波形を少なくとも１つ含むように設定された時間間隔で複数の時間領域に分割する手段またはステップと、前記複数の時間領域の各々について、前記波形の発生状況を表す特徴量を算出する手段またはステップと、前記算出された特徴量を前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較することにより、前記算出された特徴量が正常か異常かを判別する手段またはステップとを具備するようにしたものである。

この発明の第２の態様は、前記特徴量を算出する手段またはステップにより、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、前記異常を判別する手段またはステップにより、前記算出された交差点間の長さまたは数を前記波形の周期性に基づいて予め設定された正常な交差点間の長さまたは数の範囲と比較するようにしたものである。

この発明の第３の態様は、前記特徴量を算出する手段により、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、当該算出された交差点間の長さまたは数を前記波形の振幅方向の情報に基づいて集約して少なくとも２種類の特徴量を算出し、前記異常を判別する手段により、前記算出された２種類の特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較するようにしたものである。

この発明の第４の態様は、前記特徴量を算出する手段により、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出して、当該算出された交差点間の長さまたは数を前記波形の符号別に集約して正側および負側の特徴量を算出し、前記異常を判別する手段により、前記算出された正側および負側の各特徴量を前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較するようにしたものである。

この発明の第５の態様は、前記異常を判別する手段に、前記正常と判別された特徴量に基づく解析処理の結果を受信する手段と、前記受信された解析処理の結果が予め設定された許容範囲から外れている場合に、前記解析処理の対象となった特徴量の判別結果を異常に変更する手段とを、さらに備えるようにしたものである。

この発明の第１の態様によれば、以下のような作用効果が奏せられる。
すなわち、心電図のように波形が周期性を持つ生体信号では、任意間隔ごとに生体信号を複数の時間領域に分割して評価した場合、理想状態であれば波形の発生状況を表す特徴量はどの分割領域においても近しい値を取ると考えられる。従って、上記したように時間領域ごとに波形の発生状況を表す特徴量を算出して、当該特徴量を波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較して異常判別を行うことで、電位振幅方向の情報を用いることなく、アーチファクトやノイズなどの異常信号がセンサデータに含まれているか否かを動的に判別することができる。

この発明の第２の態様によれば、波形の発生状況を表す特徴量として、波形が振幅の原点を交差するときその交差点間の長さまたは数が算出され、この交差点間の長さまたは数が正常な範囲と比較されて異常判別がなされるので、比較的簡単な処理により異常判別を行うことができる。

この発明の第３の態様によれば、算出された交差点間の長さまたは数が波形の振幅方向に集約されて少なくとも２種類の特徴量が算出され、この交差点間の長さまたは数が正常な範囲と比較されて異常判別がなされる。このため、波形の振幅方向の情報も加味した特徴量をもとに異常判別が行われるので、さらに正確な異常判別が可能となる。

この発明の第４の態様によれば、算出された交差点間の長さまたは数が波形の振幅の符号別に集約されて正側および負側の特徴量が算出され、この正側および負側の特徴量が正常な範囲と比較されて異常判別がなされる。一般に、心電図のような生体信号は電位振幅方向に対して非対称な信号であるため、波形の交差点間の長さまたは数を電位振幅の符号に応じて分類すると、生体信号特有の特徴をより顕著に抽出できる。このため、心電図のように電位振幅方向に対して非対称な波形が発生する生体信号に対し、さらに正確な異常判別が可能となる。

この発明の第５の態様によれば、正常と判別された特徴量に基づく解析処理の結果が予め設定された許容範囲から外れている場合には、当該解析処理の対象となった特徴量の判別結果が異常に変更される。すなわち、解析結果の良否が特徴量の異常判別結果にフィードバックされ修正される。このため、特徴量の異常判別結果の信頼性をさらに高めることが可能となる。

すなわちこの発明によれば、基線変動をはじめとする周波数特性の影響を受け難く、また電位振幅方向の統計値が分からなくても異常信号が混入した領域をより確実に判別できるようにした生体信号処理装置、異常判別方法およびプログラムを提供することができる。

この発明の一実施形態に係る生体信号処理装置の機能構成を示すブロック図。 図１に示した生体信号処理装置による処理手順と処理内容を示すフローチャート。 図１に示した生体信号処理装置による特徴量算出動作を説明するための図。 図１に示した生体信号処理装置による異常判別動作を説明するための図。 図１に示した生体信号処理装置による効果を従来技術と対比して示す図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［一実施形態］
（構成）
図１は、この発明の一実施形態に係る生体信号処理装置の機能構成を示すブロック図である。
生体信号処理装置１は、例えばウェアラブル端末、スマートフォン、タブレット型端末、パーソナルコンピュータまたはサーバ装置からなり、センサ２から送信されるセンサデータを受信する。センサ２は、例えばホルター心電計からなり、所定のサンプリング周期で心電信号を計測し、センサデータとして送信する。

生体信号処理装置１は、制御ユニット１０と、入出力インタフェースユニット２０と、記憶ユニット３０とを備えている。入出力インタフェースユニット２０は、無線インタフェースを有し、センサ２から送信されたセンサデータを受信する機能と、後述する解析結果を表す情報を送信する機能を有する。無線インタフェースとしては、例えばBluetooth（登録商標）などの小電力無線データ通信規格を採用したインタフェースが使用される。なお、無線インタフェース以外に、センサ２から送信されたセンサデータを有線ケーブルを介して受信する有線インタフェースを用いることも可能である。また、センサ２は生体信号処理装置１内に内蔵するようにしてもよい。

記憶ユニット３０は、記憶媒体として例えばＳＳＤ（Solid State Drive）メモリを用いたもので、この実施形態を実現するための記憶領域として、プログラム記憶部の他に、センサデータ記憶部３１と、前処理後センサデータ記憶部３２と、分割データ記憶部３３と、評価用特徴量記憶部３４とを備えている。

制御ユニット１０は、ＣＰＵ（Central Processing Unit）を有し、その処理機能として、センサデータ受信処理部１１と、センサデータ前処理部１２と、センサデータ分割処理部１３と、特徴量算出処理部１４と、異常判別処理部１５と、解析処理部１６とを備えている。これらの処理機能は、いずれも上記プログラム記憶部に格納されたアプリケーションプログラムを上記ＣＰＵに実行させることにより実現される。

センサデータ受信処理部１１は、上記センサ２から送信されたセンサデータを上記入出力インタフェースユニット２０を介して取り込み、受信したセンサデータを上記センサデータ記憶部３１に一旦保存する処理を行う。

センサデータ前処理部１２は、上記受信されたセンサデータを上記センサデータ記憶部３１から読み込み、当該センサデータに対し予め設定した帯域以外の周波数成分を除去または低減するためのフィルタリング処理を行う。そして、当該前処理後のセンサデータを上記前処理後センサデータ記憶部３２に保存する。

センサデータ分割処理部１３は、上記前処理後センサデータ記憶部３２から上記前処理後のセンサデータを読み込み、当該センサデータを予め設定した一定の時間間隔Ａで複数の領域（区間）に分割し、当該分割されたセンサデータを上記分割データ記憶部３３に保存させる処理を行う。

特徴量算出処理部１４は、上記分割データ記憶部３３から上記分割区間ごとにセンサデータを読み込み、当該センサデータから特徴量を算出して評価用特徴量記憶部３４に記憶させる処理を行う。具体的には、分割区間ごとに、当該区間に含まれる複数の振幅信号が原点（０Ｖ）と交差する点の間隔（交差点間隔）の平均長を正側および負側の符号別に算出し、その算出結果を上記分割区間の識別情報と関連付けて上記評価用特徴量記憶部３４に記憶させる。

異常判別処理部１５は、上記分割区間ごとに、上記評価用特徴量記憶部３４から特徴量を読み込んで当該特徴量をもとに上記分割区間が正常であるか異常であるかを判別する。そして、その判別結果を示す情報を、上記分割区間の識別情報に関連付けて上記評価用特徴量記憶部３４に格納する処理を行う。

解析処理部１６は、上記評価用特徴量記憶部３４に格納された各分割区間の特徴量のうち、異常と判別された分割区間の特徴量を除外し、正常と判定された分割区間の特徴量について所定の解析処理を行う。そして、解析結果を表す情報を、例えば入出力インタフェースユニット２０から図示しない端末またはサーバへ送信する。

（動作）
次に、以上のように構成された装置による異常信号判別動作を説明する。図２はその処理手順と処理内容を示すフローチャートである。

（１）センサデータの受信
センサ２をユーザの所定の部位に取着し計測動作を開始すると、センサ２により所定のサンプリング周期で心電信号が計測され、計測された信号がセンサデータとして送信される。

これに対し生体信号処理装置１は、センサデータ受信処理部１１がステップＳ１０でセンサデータの受信開始を監視し、入出力インタフェースユニット２０によりセンサデータが受信されると、当該センサデータを取り込んでステップＳ１１によりセンサデータ記憶部３１に保存する。

（２）センサデータの前処理
生体信号処理装置１は、上記センサデータの受信が開始されると、センサデータ前処理部１２がステップＳ１２により上記センサデータ記憶部３１からセンサデータを読み込む。そして、当該センサデータに対しフィルタリング処理を行い、これにより心電図に繰り返し現れる波形の周波数帯域以外の高周波および低周波成分を除去または低減する。そして、当該前処理後のセンサデータをステップＳ１３により前処理後センサデータ記憶部３２に保存する。
なお、センサデータ前処理部１２において、上記センサデータに対し予め設定した振幅値を超える波形を除去または低減する処理を行ってもよい。

（３）センサデータの領域分割
生体信号処理装置１は、次にセンサデータ分割処理部１３がステップＳ１４により上記前処理後センサデータ記憶部３２から上記前処理後のセンサデータを読み込む。そして、当該前処理後のセンサデータを予め設定した時間間隔Ａで複数の時間領域（区間）に分割し、この分割されたセンサデータをステップＳ１５により分割区間の識別情報と関連付けて分割データ記憶部３３に保存する。

ここで、上記時間間隔Ａは例えば次のように設定する。すなわち、心電に繰り返し現れる波形のひとつとして、心室の収縮（脱分極）による電気活動であるQRS群（R波）がある。心拍間隔は隣接するR波の間隔から算出される。健常者の心拍数は、非特許文献１に記載されているように40〜240[bpm]とされている。すなわち、健常者の場合0.25〜1.5[sec]に１回はQRS群が計測されることになる。そこで、この心拍間隔に基づいて時間間隔ＡをＡ=1.5[sec]に設定する。このように分割のための時間間隔Ａを設定すると、１つの分割領域（区間）内に少なくとも１つのR波に関連する生体信号を含めることが可能となる。

（４）特徴量の算出
生体信号処理装置１は、続いてセンサデータ分割処理部１３の制御の下、ステップＳ１６において、上記分割された区間ごとに上記分割データ記憶部３３からセンサデータを読み込み、当該センサデータからその特徴量を算出する処理を以下のように実行する。

すなわち、先ず心電波形が原点（０Ｖ）と交差する点を検出する。そして、検出した各交差点間の間隔を算出して、その結果を上記心電波形の信号振幅の符号に応じて正側と負側に分類する。例えば、いま図３に示すセンサデータが得られたとすると、その分割区間Ｆ１においては、当該分割区間Ｆ１に含まれる心電波形と原点との交差点から、交差点間隔Ｐｏｓ１１，Ｎｅｇ１１，Ｐｏｓ１２，Ｎｅｇ１２，Ｐｏｓ２１，Ｎｅｇ２１，Ｐｏｓ２２，Ｎｅｇ２２がそれぞれ算出される。そして、これらの交差点間隔は、正側の交差点間隔Ｐｏｓ１１，Ｐｏｓ１２，Ｐｏｓ２１，Ｐｏｓ２２と、負側の交差点間隔Ｎｅｇ１１，Ｎｅｇ１２，Ｎｅｇ２１，Ｎｅｇ２２とに分けられる。

続いてセンサデータ分割処理部１３は、上記正側の交差点間隔Ｐｏｓ１１，Ｐｏｓ１２，Ｐｏｓ２１，Ｐｏｓ２２の平均長と、負側の交差点間隔Ｎｅｇ１１，Ｎｅｇ１２，Ｎｅｇ２１，Ｎｅｇ２２の平均長をそれぞれ算出する。そして、この算出された正側の交差点間隔の平均長Ｐｏｓavrと、負側の交差点間隔の平均長Ｎｅｇavrを、分割区間Ｆ１におけるセンサデータの特徴量とし、ステップＳ１７により分割区間Ｆ１の識別情報と関連付けて評価用特徴量記憶部３４に保存する。

なお、正側および負側の交差点間隔に関する情報を反映するものであれば、平均長の代わりに標準偏差などのその他の値を算出し、これを特徴量とするようにしてもよい。

（５）異常の判別
生体信号処理装置１は、次に異常判別処理部１５の制御の下、ステップＳ１８により上記分割区間ごとに当該分割区間の特徴量が異常か否かを以下のように判別する。すなわち、上記評価用特徴量記憶部３４から分割区間ごとに正側の交差点間隔平均長と負側の交差点間隔平均長を読み込み、これらの値で示される特徴量を、正側の交差点間隔平均長をＸ軸、負側の交差点間隔平均長をＹ軸とする二次元平面にプロットする。そして、過去の任意期間Ｂに得られた正常データ（正解値集合）の重心と、上記プロットした点との距離を算出し、当該距離が所定範囲内であるか否かを判定することにより、各分割区間の特徴量が正常か否かを評価する。なお、上記任意期間Ｂは、上記分割区間Ａの整数倍（例えば６倍）の長さに設定される。

上記異常判別処理を、図４を用いてさらに詳しく述べる。
すなわち、先ず各々が排他である任意期間Ｂに相当するｎ個の点を正解値集合とし、これらｎ個の重心Ｇo（ｘ_COG ，ｙ_COG ）を算出する。また、正解値集合の各点と重心Ｇo（ｘ_COG ，ｙ_COG ）との距離をｄと表すとき、式(1) ，(2) によって正解値の各点と重心Ｇoとの距離の平均μ、標準偏差σを算出しておく。図４では上記距離の平均μをエリアＥ１として示している。

次に、ある点（ｘi ，ｙi ）と正解値集合の重心Ｇo（ｘ_COG ，ｙ_COG ）との距離ｄi を、式(3) により算出する。そして、算出された距離ｄi について、式(4) により評価する。ここで、ｍは任意の整数とする。

上記評価の結果、ある点（ｘi ，ｙi ）が式(4) に示す関係を満たすとき、つまりある点（ｘi ，ｙi ）が図４に示すエリアＥ１またはＥ２に含まれるとき、異常判別処理部１５は上記ある点（ｘi ，ｙi ）と当該点に対応する分割区間を「正常」とみなす。これに対し、上記ある点（ｘi ，ｙi ）が式(4) に示す関係を充足しないとき、つまりある点（ｘi ，ｙi ）が図４に示すエリアＥ１およびＥ２のいずれにも含まれないとき、異常判別処理部１５は上記ある点（ｘi ，ｙi ）に対応する分割区間を「異常」と判定する。

なお、正解値集合は、上記ある点（ｘi ，ｙi ）が正常と判別された場合か、或いは正常かつ既出の正解値集合に属するいずれの点とも異なる点である場合に更新する。例えば、正解値集合に属する最も古い点を、上記正常と判定された点（ｘi ，ｙi ）に更新し、この更新後の各点をもとに重心Ｇo（ｘ_COG ，ｙ_COG ）、距離平均μ、距離標準偏差σを再計算する。

また、正解値集合を動的に変更する際に、正解値集合を構成する各点が重複しないように構成するとよい。このようにすると、異常区間の特徴量の値が極端に過大化または過小化することを防ぐことができる。

さらに、上記処理では、交差点間隔の平均長を振幅方向の正負別に算出し、その算出値により表される特徴量の異常を判別する場合を例にとって説明したが、交差点間隔に関する情報が保存されており、２つの異なる性質をもつ特徴量が算出できるものであれば、別の特徴量を採用してもよい。例えば、交差点間隔を符号別に分割することなく、「交差点間隔の平均長」と「交差点間隔の標準偏差」をそれぞれ算出し、これら２つを特徴量として上記異常判別処理を実行し、分割区間の異常判別を実施してもよい。

異常判別処理部１５は、上記異常判別の結果を表す情報を、ステップＳ１９により分割区間の識別情報に関連付けて評価用特徴量記憶部３４に保存する。つまり、分割区間ごとにその特徴量に対し正常／異常の判別結果を示す情報を付加する。そして、ステップＳ２０においてセンサデータの受信が終了したか否かを判定し、センサデータの受信が続いていればステップＳ１０に戻って以上述べた一連の処理を繰り返し、センサデータの受信が終了すれば処理を終了する。

（６）特徴量の解析
生体信号処理装置１は、上記一連の異常判別処理中または処理終了後に、解析処理部１６において、上記評価用特徴量記憶部３４に記憶された特徴量を読み込んで所定の解析処理を行う。その際、解析処理部１６は、「異常」の判別結果を示す情報が付加された特徴量を解析対象から除外する。そして、解析結果の情報を、例えば入出力インタフェースユニット２０から図示しないユーザ端末またはサービス事業者が運用するサーバ装置へ送信する。

なお、解析処理部１６は、ある分割区間の特徴量を解析した結果、他の正常区間と著しく異なる解析結果が得られた場合には、その旨を異常判別処理部１５にフィードバックする。異常判別処理部１５は、上記フィードバックされた情報に従い、評価用特徴量記憶部３４に記憶された対応する分割区間の特徴量を棄却するか、または当該分割区間の特徴量に「異常」である旨の情報を付加する。

（効果）
以上詳述したように一実施形態では、センサデータを、所定の前処理を施したのち、心拍が少なくとも１つ含まれるように長さが設定された時間間隔Ａで複数の区間に分割し、分割された区間ごとに、心電波形が原点を交差する点間の長さの平均長を正側と負側とに分けてそれぞれ算出し、この算出された正側および負側の各交差点間隔平均長により表される点が異常か否かを、正解値集合の重心点Ｇoからの距離に応じて判定するようにしている。

心電図は周期性を持った生体信号であるので、任意間隔ごとに心電図を複数の区間に分割して評価した場合、理想状態であれば原点との交差回数および交差点間隔はどの分割区間においても近しい値を取ると考えられる。また、心電図は電位振幅方向に対して非対称な信号であるため、交差点間隔を同一期間における電位振幅の符号に応じて分類すると、心電図特有の特徴がより顕著に現れると考えられる。

従って、上記したような異常判別処理を行うことで、電位振幅方向の情報を用いることなく、アーチファクトやノイズなどの異常信号がセンサデータに含まれているか否かを動的に判別することができる。そして、その判別結果を表す情報を特徴量のデータに付加することで、異常区間と判定された特徴量を解析対象から除外したり、心拍特徴量解析結果に信頼度を付与したりすることが可能となり、心電図解析の正確度の向上を図ることが可能となる。

図５は、一実施形態に係る生体信号処理装置による異常判別結果を従来手法と対比して示した図である。図５（ａ）はアーチファクトやノイズを含む心電信号の一例を示している。このような心電信号に対しこの発明の一実施形態の手法により異常判別を行ったところ、図５（ｂ）に予示すように分割区間ごとにその交差点間隔平均長が正常時と異なりさえすれば、電位振幅の大小にかかわらず、当該分割区間を異常として判別することができる。特に、交差点間隔平均長が正常時と異なる基線変動部分Ｔｄを異常として判別することができる。

ちなみに、図５（ｃ）は閾値をもとに電位振幅を判定する従来の手法による判別結果を示したもので、図示するごとく電位振幅が正常な心電波形より大きいアーチファクトやノイズについては異常と判別できるが、電位振幅が正常な心電波形と類似する基線変動部分Ｔｄについては異常と判別することができない。

また一実施形態では、事前に前処理において対象から除外したい信号成分のフィルタリング処理を行うようにしている。すなわち、事前のフィルタリング処理と、波形の交差点間隔の符号別平均長に基づく判別処理とを組み合わせて、異常判別を行っている。このため、周波数帯域の異なる周期性ノイズなどを前処理において除去または低減することができ、これにより異常判別の精度をさらに高めることが可能となる。

［他の実施形態］
なお、この発明は上記一実施形態に限定されるものではない。例えば、前処理においては、ウェーブレット変換や高速フーリエ変換をはじめとする、何らかの生体信号処理を行ってもよい。この結果、各種変換結果の特定周波数帯域をカットした値をもとに異常判別を行うことができ、これにより基線変動やＤＣノイズの影響を低減し、電極や筋電に由来するアーチファクトのみを判別対象とすることが可能となる。

また前記一実施形態では、異常信号判別処理をリアルタイムに行う場合を例にとって説明したが、センサデータが所定時間分記憶されるごとに、或いはセンサデータの計測終了後に、異常信号判別処理をバッチ処理で行うようにしてもよい。

さらに前記一実施形態では、分割区間ごとに正負の符号別に交差点間隔の平均長を算出してこれを特徴量としたが、分割区間ごとに、正負の符号別に交差点間隔の数、つまり正負別の振幅波形の発生数をカウントし、このカウントされた数を特徴量とするようにしてもよい。このようにすると、特徴量の計算による処理負荷を軽減することが可能となる。

さらに、特徴量としては、分割区間ごとに、正負の符号別に振幅波形の面積（積分値）の平均長または合計値を算出するようにしてもよい。このようにすると、センサデータの時間軸方向の統計値に加え振幅方向の統計値を特徴量に加えることができ、これにより時間軸方向における振幅信号の発生パターンが正常信号と類似する信号のうち、振幅が異なる信号を異常として判別することが可能となる。

さらに、前記一実施形態では前処理を行う場合を例にとって説明したが、前処理は必ずしも行わなくてもよい。また、解析処理部１６から異常判別処理部１５へ解析結果をフィードバックして、評価用特徴量記憶部３４に記憶された対応する分割区間の特徴量を「異常」に変更する処理も、必ずしも行わなくてもよい。

その他、生体信号の種類やその取得手段、生体信号処理装置の構成や一連の処理手順および処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…生体信号処理装置、２…センサ、１０…制御ユニット、１１…センサデータ受信処理部、１２…センサデータ前処理部、１３…センサデータ分割処理部、１４…特徴量算出処理部、１５…異常判別処理部、１６…解析処理部、２０…入出力インタフェースユニット、３０…記憶ユニット、３１…センサデータ記憶部、３２…前処理後センサデータ記憶部、３３…分割データ記憶部、３４…評価用特徴量記憶部。

Claims (8)

1. 周期性を有する波形を含む生体信号を受信する受信手段と、
   前記受信された生体信号を、前記波形を少なくとも１つ含むように設定された時間間隔で複数の時間領域に分割する分割手段と、
   前記複数の時間領域の各々について、前記波形の発生状況を表す特徴量を算出する特徴量算出手段と、
   前記算出された特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較することにより、前記算出された特徴量が正常か異常かを判別する異常判別手段と
   を具備することを特徴とする生体信号処理装置。
2. 前記特徴量算出手段は、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、
   前記異常判別手段は、前記算出された交差点間の長さまたは数を、前記波形の周期性に基づいて予め設定された正常な交差点間の長さまたは数の範囲と比較することを特徴とする請求項１記載の生体信号処理装置。
3. 前記特徴量算出手段は、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、当該算出された交差点間の長さまたは数を前記波形の振幅方向の情報に基づいて集約して少なくとも２種類の特徴量を算出し、
   前記異常判別手段は、前記算出された２種類の特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較することを特徴とする請求項１記載の生体信号処理装置。
4. 前記特徴量算出手段は、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、当該算出された交差点間の長さまたは数を前記波形の符号別に集約して正側および負側の特徴量を算出し、
   前記異常判別手段は、前記算出された正側および負側の各特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較することを特徴とする請求項１記載の生体信号処理装置。
5. 前記異常判別手段は、
   前記正常と判別された特徴量に基づく解析処理の結果を受信する手段と、
   前記受信された解析処理の結果が予め設定された許容範囲から外れている場合に、前記解析処理の対象となった特徴量の判別結果を異常に変更する手段と
   を、さらに備えることを特徴とする請求項１記載の生体信号処理装置。
6. プロセッサおよび記憶手段を備える生体信号処理装置が実行する異常判別方法であって、
   周期性を有する波形を含む生体信号を受信するステップと、
   前記受信された生体信号を、前記波形を少なくとも１つ含むように設定された時間間隔で複数の時間領域に分割するステップと、
   前記複数の時間領域の各々について、前記波形の発生状況を表す特徴量を算出するステップと、
   前記算出された特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較することにより、前記算出された特徴量が正常か異常かを判別するステップと
   を具備することを特徴とする異常判別方法。
7. 前記特徴量を算出するステップは、前記複数の時間領域の各々について、前記波形が振幅の原点を交差するときその交差点間の長さまたは数を算出し、当該算出された交差点間の長さまたは数を前記波形の振幅方向に集約して少なくとも２種類の特徴量を算出し、
   前記異常を判別するステップは、前記算出された２種類の特徴量を、前記波形の周期性に基づいて予め設定された正常な特徴量の範囲と比較する
   ことを特徴とする請求項６記載の異常判別方法。
8. 請求項１乃至５のいずれかに記載の生体信号処理装置が備える各手段としてコンピュータを機能させるプログラム。