JP2019524300A - 被検者の歩行運動を決定する処理装置及び方法 - Google Patents

Abstract

本発明は、被検者の歩行運動を決定する処理装置１０、システム１及び方法２０に関するものである。有利にも、ゆっくりした歩行運動も検出することができる。上記処理装置は、被検者の体幹運動を示す加速度計データを取得するステップ；ハイパスフィルタ処理された加速度計データから１以上の直交運動成分を抽出するステップ；ローパスフィルタ処理された加速度計データから重力成分を決定するステップ；前記直交運動成分のうちの少なくとも１つの成分の方向を前記重力成分の方向と比較するステップ；及び前記運動成分が前記重力成分と直交する又は平行である場合に前記被検者の運動を歩行として分類するステップ；を実行するように構成される。

Description

本発明は、被検者の歩行運動を決定する処理装置、システム及び方法に関する。本発明は、更に、上記方法を実行するための対応するコンピュータプログラムにも関する。

人の例えば心拍数（ＨＲ）等のバイタルサインは、人の現在の状態の指示情報として及び重大な医学的事象の強力な予測情報として役立ち得る。臨床的環境において、バイタルサインは一般的に良好に管理された条件下で測定される。測定装置は、訓練された専門家により正しい向きで且つ所定の位置に被着される。更に、バイタルサインは、例えば当該患者が良く休息している又は所定の運動（例えば、看護師により指示される運動負荷心電図検査における）を行っている場合等の既知の前後状況において測定される。

より小型、安価で余り邪魔にならない装置の出現により、健康状態を監視することは家庭又は他の非臨床的環境においても可能になってきている。バイタルサイン測定における問題は、当該患者が当該バイタルサインに潜在的に影響を与え得る何を行っている及び／又は行っていたかについての前後関係情報を、バイタルサインの適切な解釈が必要とするということである。更に、前後関係情報が利用可能である場合、（ａ）休息時における基準バイタルサインを得るために家庭において寛いだ又は休息状態にある被検者のバイタルサインを監視する、又は（ｂ）例えば階段を登った後のバイタルサインの回復等の特定の活動の直後のバイタルサインを監視する等のように、追加の情報を取得することができる。

高齢の又は病気の人にとり、最もエネルギを必要とする又は時には生じるタイプの活動の１つは、歩行又はウォーキングである。従って、特に非常にゆっくりと歩き得る高齢の及び／又は病気の患者に対する例示的な医学的シナリオに関して、ウォーキングを正確に検出することが有利であろう。

米国特許出願公開第2014/0019080号は、姿勢及び活動検出のための胸部装着無線センサ装置の校正に関するものである。該文献では、３軸（ｘ，ｙ，ｚ）における生の加速度計データを取り込むステップ、所定の時間窓に関して信号強度面積（ＳＭＡ）を計算するステップ、水平面の（mag_horz）及び全体の（mag_total）加速度の強度を計算するステップ、並びに計算されたＳＭＡ及び加速度の強度を種々の閾値と比較するステップを有するウォーキング検出アルゴリズムが提案されている。固有の系列の異なる閾値に対する前記加速度強度の比較に基づいて、当該活動はウォーキングと分類することができる。水平面における加速度の強度を計算するために、第１ステップとして重力成分が決定される。これに基づいて、水平面における加速度の強度が後続のステップとして計算される。

米国特許出願公開第2008/0190202号は、加速度計と、該加速度計からの加速度測定値を解析するように構成された処理システムとを有する運動感知装置を記載している。特に、上記処理システムは加速度計の向きを検出し、これによりユーザの活動を決定する。

米国特許出願公開第2015/0272480号は、ローパスフィルタ及びハイパスフィルタを各々通過された加速度センサの出力から重力成分ベクトル及び揺動成分ベクトルを抽出するように構成された加速度センサ出力処理プログラムを記載している。

米国特許出願公開第2013/0298636号は、姿勢センサを校正する方法を記載している。特に、ユーザのウォーキング又は非ウォーキング状態を決定するために加速度信号のＡＣ成分の特徴が抽出される。

米国特許出願公開第2008/0082018号は、呼吸信号を処理する方法に関するものである。一例において、動きアーチファクト除去を向上させるために加速度計データが使用される。

本発明の目的は、被検者の歩行運動を決定するための改善された装置、システム及び方法を提供することである。特に、被検者が非常にゆっくりと歩いている場合においても歩行運動を正確に決定することが有利であろう。

本発明の第１態様においては、被検者の歩行運動を決定する処理装置が提供される。該処理装置は、
前記被検者の体幹（胴部）運動を示す加速度計データを取得するステップ、
前記加速度計データにハイパスフィルタ処理を実行して、ハイパスフィルタ処理された加速度計データを得るステップ、
前記ハイパスフィルタ処理された加速度計データから複数の直交運動成分の少なくとも１つを抽出するステップ、
前記加速度計データにローパスフィルタ処理を実行して、ローパスフィルタ処理された加速度計データを得るステップ、
前記ローパスフィルタ処理された加速度計データから重力成分を決定するステップ、
前記直交運動成分のうちの少なくとも１つの成分の方向を前記重力成分の方向と比較するステップ、及び
前記運動成分が前記重力成分に対して直交的又は平行である場合に、前記被検者の運動を歩行と分類するステップ、
を実行するように構成される。

本発明の他の態様においては、被検者の歩行運動を決定するシステムが提供され、該システムは、
− 前記被検者の体幹運動を示す加速度計データを取得するための加速度計と、
− 本明細書に開示される、被検者の歩行運動を決定する処理装置と、
を有する。

本発明の更に他の態様においては、対応する方法、コンピュータ上で実行された場合に該コンピュータに本明細書に開示される方法のステップを実行させるプログラムコード手段を有するコンピュータプログラム、並びにプロセッサにより実行された場合に本明細書に開示される方法が実行されるようにするコンピュータプログラム製品を記憶した非一時的コンピュータ読取可能な記録媒体が提供される。

本発明の好ましい実施態様は、従属請求項に記載される。請求項に記載される方法、システム、コンピュータプログラム及び媒体は、請求項に記載されるシステム、特に従属請求項に記載されると共に本明細書に開示されたものと同様の及び／又は同一の好ましい実施態様を有すると理解されるべきである。

ここに提示される解決策は、被検者が歩いているかを決定する等の、被検者の歩行運動を高信頼度で決定する可能性を提供する。これにより、提案された解決策は、特に家庭又は外来患者介護環境における高齢の及び／又は病んだ人のためのバイタルサイン測定のために用いることが可能な前後関係情報を得ることを可能にする。これらの人にとり歩行活動は非常にエネルギを要するものであり得るので、これらの人はゆっくり歩き得るものであり、測定されているバイタルサインを正しく解釈するために遅い歩行を検出する信頼性のある方法を提供することが非常に重要である。更に、遅い歩行の信頼性のある検出は、このようなシナリオにおいても明確な運動に基づいた自動校正のための態様を可能にする。

概念上、加速度計データが提案される処理装置に入力として供給され、これに基づいて、被検者が歩行運動を行っているかの指示情報を出力として供給することができる。加速度計データは、被検者の体幹（胴部）に取り付けられた加速度計により取得することができる。該加速度計データは、特に、３軸加速度計により取得される３軸加速度計データを指すことができる。

本発明は、ハイパスフィルタ処理された加速度計データ（のみ）から異なる直交運動成分の少なくとも１つを抽出すると共に、これらのうちの少なくとも１つの成分の方向を重力成分の方向と比較するというアイデアに基づいている。特に、上記直交運動成分は信号源（ソース）分離技術を用いて抽出されるが、該技術は、有利にも、重力の方向の知識無しで斯様な運動成分の識別を可能にする。このことは、加速度計データから運動成分を識別及び抽出する際の改善された精度及び正確さを可能にする。更に、ソース分離技術使用は、それ自体で、加速度計データからの運動成分の一層正確な抽出をもたらす。

幾つかの実施態様において、前記方法は複数の（即ち、２以上の）直交運動成分を抽出するステップを有する。更に他の実施態様において、当該方法は３つの直交運動成分を抽出するステップを有する。これら運動成分は互いに直交的である。

３つの異なる直交運動成分は、（１）内外方向成分（ＭＬ：medio-lateral）、即ち横方向又は左から右の運動成分；（２）前後方向運動成分（ＡＰ：anterior-posterior）、即ち前方−後方又は前から後の運動成分；及び（３）垂直方向運動成分（ＶＴ：vertical）、即ち上下運動成分；と識別することができる。直交運動成分は、これら成分の時間的構造に基づいて抽出することができることが分かった。これら直交運動成分は、ハイパスフィルタ処理された加速度計データから抽出される。ハイパスフィルタの使用の結果、平均重力ベクトル又は重力成分を含まない加速度計データが得られる。従って、少なくとも１つの直交運動成分の抽出は、重力成分の事前の知識に基づいてバイアスされることはない。代わりに、平均重力成分を含まない信号を基礎として用いることができる。従って、従来技術で説明した解決策とは対照的に、直交運動成分のための座標系は重力成分から開始して導出されることはない。むしろ、重力成分は後の比較のために使用される。

重力成分は、ローパスフィルタ処理された加速度計データから決定することができる。このようなローパスフィルタ処理された加速度計データは、加速度計の軸に対する重力の平均寄与度と見ることができる。ここに提案される解決策において、重力成分は、前記直交運動成分のうちの少なくとも１つの成分の方向の重力成分の方向との比較のために使用される。これに基づいて、当該被検者の運動は、前記運動成分が前記重力成分に対して直交的又は平行である場合、歩行と分類することができる。内外方向運動成分及び前後方向運動成分は重力成分に対して直交的であると予想される一方、垂直運動成分は重力成分に対して平行である又は一致すると予想される。

ここに提案される解決策の利点は、有利にも、被検者の遅い歩行運動も高い信頼度で検出することができることである。対照的に、ランニング等の活動の検出に対しては良く確立されたものであるが、加速度の大きさの閾値に対する比較は、高齢の及び／又は病気の人のゆっくりした運動を評価する場合に間違い得る。特に、前記ＭＬ成分はゆっくり歩く場合に非常に良好な検出品質を提供することができる。更なる利点として、左対右の歩みを検出することが可能になる。運動を歩行と分類するために、ＭＬ成分を重力方向と比較して、これらが直交的であるかを調べることができる。

一実施態様によれば、前記処理装置は、前記ハイパスフィルタ処理された加速度計データから内外方向及び／又は前後方向運動成分を抽出するように構成することができる。代わりに又は加えて、垂直運動成分を前記ハイパスフィルタ処理された加速度計データに基づいて抽出することができる。

一実施態様において、前記処理装置は、前記複数の直交運動成分の少なくとも１つをソース分離技術に基づいて、特に、線形予測可能性、ブラインドソース分離（ＢＳＳ）及び／又は独立成分分析（ＩＣＡ）に基づいて抽出するように構成される。このような技術に基づけば、直交運動成分をハイパスフィルタ処理された加速度計データから、従って重力ベクトルの事前知識を用いることなく決定することができる。結果として、これらの抽出された直交運動成分の１以上を重力成分の方向と比較して、各直交運動成分の特徴的向きを重力成分に対して見つけることができるかを評価することができる。ソース分離技術の出力として、前記少なくとも１つの直交運動成分の各軸、及びオプションとして該軸に沿う信号成分も供給することができる。ソース分離のためのメモリ効率的且つ費用効果的構造は、例えば、Choi他による文献“Blind Source Separation and Independent Component Analysis: A Review”, Neural Information Processing - Letters and Reviews, Vol 6., No.1, January 2005に記載されている。

改良例において、前記ソース分離技術は、前記直交運動成分の少なくとも１つを、これら成分の時間的構造に基づいて、特に所定のタイムラグ（時間遅れ）における自己相関を最大にすることにより分離するよう構成することができる。該自己相関は、タイムラグ零における自己相関が１に正規化されている、正規化自己相関を参照することもできる。ここで使用されるタイムラグは、タイムラグ期間を指すこともできる。言い換えると、１つのタイムラグを調べるだけの代わりに、オプションとして複数のタイムラグの加重平均を考慮することもでき、これは信頼性を更に改善することができる。特に、任意に向けられたハイパスフィルタ処理された加速度計データにおける内外方向（ＭＬ）運動成分の方向を、特定のタイムラグにおける自己相関に基づいて決定することができることが分かった。特に、特定のタイムラグにおける自己相関がＭＬ成分に対して最も高くなり得ることが分かった。これにより、ＭＬ成分を、例えばＶＴ又はＡＰ成分から区別することができる。加えて又は代わりに、ＡＰ成分をＶＴ成分から区別することができる。

改良例において、前記ソース分離技術は、所定のタイムラグにおける自己相関を最大にするように構成することができ、前記タイムラグは１００msと５００msとの間、好ましくは１５０msと４００msとの間、より好ましくは２００msと３５０msとの間とすることができる。これらの値の範囲は境界を含むと理解されるべきである。特に、２００ms〜３５０msのタイムラグにおいて自己相関を最大にするものを、内外方向成分を決定するために使用することができることが分かった。

一実施態様において、前記処理装置は、第１の所定のタイムラグにおいて自己相関を最大にするよう構成されたソース分離技術に基づいて第１直交運動成分を抽出するように構成することができ；更に第２の所定のタイムラグにおいて自己相関を最大にするよう構成されたソース分離技術に基づいて第２直交運動成分を抽出するように構成することができる。例えば、第１ステップにおいて、内外方向運動成分を前記第１直交運動成分として抽出することができる。前記ソース分離技術により最大にされる自己相関のための適切なタイムラグは、２００ms〜３５０msの範囲内であり得る。該内外方向運動成分が決定されたなら、該内外方向運動成分に対して直交的な部分空間を計算することができる。第２ステップにおいて、前後方向運動成分等の第２直交運動成分を、例えば第２の所定のタイムラグにおいて自己相関を最大にし得るようなソース分離技術に基づいて抽出することができる。上記前後方向運動成分を得るために、例えば、５０ms〜１００msの範囲内の（例えば、７５msの）タイムラグにおいて自己相関を最大にすることができる。

一実施態様において、前記１以上の直交運動成分を抽出するステップは、第１運動成分をソース分離技術に基づいて抽出するステップ；前記ハイパスフィルタ処理された加速度計データ及び前記第１運動成分に基づいて、該第１運動成分に直交する二次元部分空間を決定するステップ；及び第２運動成分を前記部分空間に基づいて抽出するステップ；を有することができる。例えば、内外方向運動成分を、ソース分離技術に基づいて抽出することができる。続くステップにおいて、前記前後方向運動成分等の第２直交運動成分を前記部分空間から抽出することができる。部分空間を使用する利点は、当該次元を２つのソースの混合に低減することができることである。従って、複雑さ及び計算的労力を低減することができる。このことは、減次（デフレーション）と称することもできる。かくして、３軸加速度計により取得された初期加速度計データの３つのソースの混合を、２つのソースの混合に減じることができる。第２ソースを抽出するために、同様のソース分離技術を適用することができる。この場合、他の２つのソースに対して直交する第３ソースが残存する。

この実施態様の改良例において、前記処理装置は前記第２運動成分を前記部分空間及び前記加速度計データのハイパスフィルタ処理されたノルムに基づいて抽出するよう構成することができる。従って、当該第２直交運動成分をソース分離技術に基づいて抽出することに代えて又は加えて、他の方法を用いることもできる。このように、当該加速度計データのハイパスフィルタ処理された（ベクトル）ノルムを、該加速度計データから前記垂直運動成分を抽出するための基準信号として利用することが提案される。ＮＬＭＳ（正規化最小二乗平均）技術を、前記ハイパスフィルタ処理されたノルムと前記ハイパスフィルタ処理された加速度計データとの間の相関を見つけるために使用することができる。

例えば、ＮＬＭＳを使用することにより垂直成分を抽出した後、この垂直成分と前に決定された内外方向成分との間のクロス積を計算し、前後方向成分を抽出することができる。次いで、これらの直交運動成分の１以上を、重力成分の方向と比較することができる。例えば、前記内外方向成分及び／又は前記前後方向成分が重力成分に対して直交的である場合、当該被検者の運動は歩行と分類することができる。

一実施態様においては、前記被検者の運動を歩行と分類するステップにおいて、当該運動成分は該運動成分及び前記重力成分のドット積の絶対値が所定の閾値より低い場合に前記重力成分に直交すると見なすことができる。ここで使用される運動成分及び／又は重力成分は正規化されたベクトル又は値を指すことができると理解されるべきである。更に、ＭＬ及びＡＰ直交運動成分に関し、重力成分とのドット積は理想的には零であると理解されるべきである。しかしながら、ここで使用される場合、これらの運動成分及び重力成分は、該運動成分及び重力成分のドット積の絶対値が所定の閾値より低い場合、直交的であると見なされる。例えば、±１０°までの、特には±５°までの角度偏差は、依然として許容可能であり得る。これと対応して、前記被検者の運動を歩行と分類するステップにおいて、当該ＶＴ運動成分は該ＶＴ運動成分及び前記重力成分のベクトル積又はクロス積の絶対値が所定の閾値より低い場合に前記重力成分と平行であると見なすことができる。このことは、２つの平行なベクトルのクロス積が零であることに代えて、２つの正規化され且つ平行なベクトルのドット積の絶対値が１に近いという特性を評価することもできるという等価なケースも含むと理解されるべきである。

一実施態様において、前記処理装置は、更に、前記加速度計データを前記少なくとも１つの抽出された直交運動成分に基づいて校正するステップを実行するように構成することができる。例えば、直交運動成分ＭＬ，ＡＰ，ＶＴの軸を、加速度計の自動校正を実行するために用いることができる。この実施態様の利点は、人が当該加速度計を体幹上の異なる位置に自由に取り付ける場合において改善された姿勢検出を可能にすることができることである。従って、専門家でない人により取り付けられた加速度計の向きを、有利にも、ゆっくり動く高齢の及び／又は病気の被検者の場合にも補正することができる。

一実施態様において、前記処理装置は、更に、前記少なくとも１つの抽出された直交運動成分に基づいて個々の歩進（step）を識別する及び／又は歩行の間における歩き振りパラメータを識別するステップを実行するように構成することができる。例えば、前記内外方向運動成分における左右の移動を、個々の歩進を決定するために評価することができる。歩進検出に加えて又は代えて、有利には、歩き振りに関係するパラメータを導出することができる。これらは、特に悪化検出では臨床的に関係し得る。

改良例において、前記処理装置は、個々の左及び右の歩進を、内外方向運動成分の上昇及び下降零交差に基づいて、及び／又は垂直方向若しくは前後方向運動成分における谷部に基づいて識別するように構成することができる。例えば、上記谷部は歩進における爪先離れ時点を示し得る。個々の左及び右の歩進の識別は、更に、正確な歩数の計算を可能にする。

本明細書で使用される場合、“歩行”又は歩行運動なる用語は歩くこと又は歩き運動を広く指すことができる。該用語は、階段を登る、異なる速度で歩く、不規則若しくは非対称に歩く、及び／又はステッキ、杖、歩行器若しくは松葉杖等の歩行補助具の使用により歩く等の広い範囲の歩行的活動を含むことができる。

本明細書で使用される“加速度計データ”なる用語は、加速度計のデータ、特には被検者の体幹に取り付けられた３軸加速度計により取得される３Ｄ又は３軸加速度計データを指すことができる。３軸加速度計は、感知軸ｘ、ｙ及びｚとして参照される３つの方向の加速度を測定する装置である。該加速度計の測定値は、各感知軸上で測定された加速度を表すｘ−、ｙ−及びｚ−成分を持つ３要素ベクトルを有することができる。加速度計データは、時間にわたる一連の斯様なベクトルを表すことができる。加速度計の軸は、必ずしも被検者の体軸と一致する必要はない。加速度計は、被検者の体幹に任意の向きで取り付けられ、完全に定められた位置ではないからである。従って、異なる体軸を示す直交運動成分を抽出する必要性が存在する。加速度計の軸を体軸に整列させるために回転行列を適用することができる。

本発明の上記及び他の態様は、後述する実施態様（又は複数の実施態様）から明らかとなり、斯かる実施態様を参照して解説されるであろう。

図１は、本発明の一態様によるシステムの第１実施態様の概略図を示す。 図２は、本発明の一態様による方法のフローチャートを示す。 図３は、本発明の一態様によるシステムの第２実施態様の概略図を示す。 図４Ａは、被検者の体幹に被着されると共に該被検者の体軸に整列された３軸加速度計により取得される加速度計データ及びベクトルノルムを速く歩行する被検者に関して表したグラフを示す。 図４Ｂは、被検者の体幹に被着されると共に該被検者の体軸に整列された３軸加速度計により取得される加速度計データ及びベクトルノルムを遅く歩行する被検者に関して表したグラフを示す。 図５は、異なるタイプの歩行に関する異なる直交運動成分の自己相関の例示的グラフを示す。 図６Ａは、被検者の体幹に被着されているが該被検者の体軸に整列されていない３軸加速度計により取得される加速度計データ及びベクトルノルムを速く歩行する被検者に関して表したグラフを示す。 図６Ｂは、被検者の体幹に被着されているが該被検者の体軸に整列されていない３軸加速度計により取得される加速度計データ及びベクトルノルムを遅く歩行する被検者に関して表したグラフを示す。 図７Ａは、ハイパスフィルタ処理された加速度計データから抽出される運動成分に基づいた信号を速い歩行に関して表したグラフを示す。 図７Ｂは、ハイパスフィルタ処理された加速度計データから抽出される運動成分に基づいた信号を遅い歩行に関して表したグラフを示す。 図８は、抽出された直交運動成分のグラフを示す。 図９は、本発明の一態様による装置の他の実施態様の概略図を示す。 図１０は、本発明の一態様による装置の他の実施態様の概略図を示す。

図１は、本発明の一態様による被検者１００の歩行運動を決定するシステム１の第１実施態様を概略的に示す。システム１は、被検者１００の体幹運動を示す加速度計データを取得するように構成された加速度計５を有する。該加速度計データに基づいて、処理装置１０は被検者１００の歩行運動を決定することができる。

図１の限定するものでない例に示されるように、システム１は、被検者１００の胴体又は体幹上の種々の位置Ｐ１，Ｐ２，Ｐ３に被着させることができる。システム１を被検者１００が被着する正確な向き及び位置は、特に、当該装置が必ずしも訓練された医療専門家により被着されるとは限らず、被検者自身により被着されることもあり得る故に、様々であり得る。言い換えると、加速度計５を有するシステム１の被着又は取り付けは、監督されないで実行され得る。被検者１００は、当該システムを胸部、臀部又は背下部等の体幹上の幾つかの箇所に配置することができ、１日毎に別の箇所を選択することさえできる。ＥＣＧ及び歩行運動の組み合わせ監視の場合、当該装置が長期間にわたって装着される場合の皮膚の刺激を防止又は低減するために、１日毎に異なる箇所（例えば、Ｐ１、Ｐ２又はＰ３）を選択することができる。このことは、当該システムは既知の向きで特定の箇所にあることを常に先験的に推定することはできないということを意味する。

加速度計５は、異なる空間軸に沿った加速度を示す加速度計データを発生するように構成された多軸加速度計（以下では３つの直交空間軸に沿った加速度を示す加速度計データを発生するように構成された３軸加速度計）として実施化することができる。例示的に３軸加速度計は、ボッシュ社のＢＭＡ３５５、ＳＴマイクロエレクトロニクス社のLIS3DSH、ＳＴマイクロエレクトロニクス社のLIS344ALH又はKionix社のＫＸＭ５２である。加速度計の軸又は感知軸ｘ、ｙ及びｚは必ずしも被検者１００の内外方向（ＭＬ）、垂直方向（ＶＴ）及び前後方向（ＡＰ）体軸と一致するとは限らないことが強調されるべきである。何故なら、加速度計は、被検者の体幹に、任意の向きで完全に定義されたものではない位置に付着され得るからである。

被検者の体幹運動を示す加速度計データは、該被検者１００の歩行運動を決定するために処理ユニット１０に供給される。該処理装置１０は、更に後述されるように、図２のフローチャートに示されるステップを実行するように構成される。

図１に示される実施態様において、システム１はインターフェース６及びメモリ７を更に有することができる。インターフェース６は、有線又は無線インターフェースとすることができる。有利には、システム１は電池駆動装置とすることができ、インターフェース６はケーブルが必要とされない無線インターフェースとすることができる。例えば、インターフェース６は、加速度計５により取得された加速度計データ及び／又は処理ユニット１０の分類結果を外部主体に供給することができる。

メモリ７は、加速度計５により取得された被検者１００の体幹運動を示す加速度計データを記憶することができる。代わりに又は加えて、メモリ７は処理装置１０により実行するための命令を格納した非一時的記憶媒体とすることもでき、上記命令は処理装置１０に本明細書で開示される方法のステップ（例えば、図２に示されるフローチャート及び／又は図３、図９若しくは１０のブロック図を参照して説明されるような）を実行させる。メモリ７が加速度計データを記憶する場合、該加速度計データは例えば或る期間にわたり取得することができ、かくして、スマートフォン又は患者モニタ等の外部主体への接続は必要とされない。加速度計データは、所望の測定期間後にダウンロードすることができる。これにより、如何なる通信（特に、無線通信）も必要とされないので、電力消費を更に低減することができる。

代替実施態様において、加速度計５及び処理装置１０は１つの装置内では実施化されない。例えば、加速度計５及びインターフェース６の最小限構成を、被検者１００により装着される装置として実施化することができる。このように、加速度計データはインターフェース６を介して遠隔位置の処理装置１０に送信することができる。例えば、処理装置１０は、患者モニタの又は病院ＩＴシステム等の医療設備の一部として実施化することができる。処理装置１０又は方法は、クラウドベースの解決策として実施化することもできる。他の実施態様においては、スマートフォン又は同様の装置が、処理装置１０として機能することができ、被検者１００の歩行運動を決定するためのステップを実行するように構成される。

図２は、本発明の一態様による処理装置１０により実行されるステップを有する方法２０のフローチャートを示す。第１ステップＳ２１において、当該被検者の体幹運動を示す加速度計データが取得される（即ち、受信される又は取り出される）。第２ステップＳ２２Ａ，Ｓ２２Ｂにおいて、複数の直交運動成分のうちの少なくとも１つを、ハイパスフィルタ処理された加速度計データから抽出することができる。このように、当該加速度計データをハイパスフィルタ処理する第１副ステップＳ２２Ａ及び該ハイパスフィルタ処理された加速度計データから複数の直交運動成分のうちの上記少なくとも１つを抽出する第２副ステップＳ２２Ｂが存在する。該第２副ステップは、ハイパスフィルタ処理された加速度計データから複数の直交運動成分を抽出するステップを有することができる。ハイパスフィルタの使用の結果、平均重力ベクトル又は重力成分を含まない加速度計データが得られる。これにより、上記少なくとも１つの運動成分の抽出は、重力成分の以前の決定に基づいてバイアスされることがない。第３ステップＳ２３Ａ，Ｓ２３Ｂにおいて、重力成分を、ローパスフィルタ処理された加速度計データから決定することができる。このように、加速度計データをローパスフィルタ処理する第１副ステップＳ２３Ａ及び該ローパスフィルタ処理されたデータから重力成分を決定する第２副ステップＳ２３Ｂが存在する。第２ステップＳ２２Ａ，Ｓ２２Ｂ及び第３ステップＳ２３Ａ，Ｓ２３Ｂは、オプションとして、直列に、並列に又は異なるシーケンスで実行することができる。第４ステップＳ２４において、前記直交運動成分のうちの少なくとも１つの方向を、前記重力成分の方向と比較することができる。これに基づき、第５ステップＳ２５において、当該運動成分が前記重力成分に対し直交的又は平行である場合、当該被検者の運動は歩行と分類することができる。２以上の運動成分を、重力成分と比較し、当該分類に用いることができる。

歩行の間の直交運動成分を利用する他の利点は、被検者１００の体幹に対する加速度計５の向きを決定することができることであり得る。例えば、１以上の運動成分の向きを、当該患者の感知軸に対して決定することができる。これに基づいて、加速度計データを例えば回転行列を適用することにより校正して、校正された加速度計データを得ることができる。このような校正された加速度計データは、例えば当該被検者がベッドに横たわっている際に左側又は右側に横たわっているかを決定する等の、該被検者の姿勢を高信頼度で検出するための貴重な情報を提供することができる。

図３は、本発明の一態様によるシステム１の第２実施態様の概略図を示す。該システム１は、被検者１００の体幹運動を示す加速度計データの取得のための加速度計５及び該被検者の歩行運動を決定するための処理装置１０を有している。

処理装置１０は、加速度計データを入力として受信する。該加速度計データは、３軸加速度計５の３つの感知軸により取得された３つの別個の成分（即ち、ｘ、ｙ及びｚ成分）を有する。該加速度計データの３つの別個の軸は、先ず、ハイパスフィルタ（ＨＰＦ）１１に供給される。図３の限定するものでない実施態様において、該加速度計データの３つのハイパスフィルタ処理された成分は独立成分分析（ＩＣＡ）ユニット１２に供給されて、ソース（信号源）分離技術としての独立成分分析に基づいて直交運動成分のうちの少なくとも１つを抽出する。ＩＣＡユニット１２は、直交運動成分のうちの少なくとも１つを出力として供給することができる。図示された例において、ＩＣＡユニット１２は内外方向（medio-lateral）運動成分の方向を示す内外方向軸ａ_MLを自身の出力に供給するように構成される。該ＩＣＡユニット１２は、オプションとして、内外方向軸の方向の内外方向加速度データＭＬ（ＭＬ信号とも称される）を他の出力として供給するよう更に構成することができる。ＩＣＡユニット１２は、最も低い基本周波数を持つ信号成分を、入力に供給される時間遅れ（タイムラグ）Ｔの指定により抽出するように構成することができる。図示された例において、例えば２００msなるＭＬ運動成分の時間遅れを設定することができる。ＩＣＡユニット１２は、ＭＬ運動成分を、設定された時間遅れにおける正規化された自己相関を最大化することにより決定することができる。このことは、ＭＬ信号又は横方向信号を抽出すると共に、横方向軸の識別情報としてのＭＬ軸を更に供給する。

前記ハイパスフィルタ処理と併行して、前記（生の）加速度データは重力成分を決定するためにローパスフィルタ（ＬＰＦ）１３に供給される。この場合、重力成分は、当該加速度計データを十分に低い遮断周波数を持つＬＰＦによりローパスフィルタ処理若しくは平滑化することにより、又は等価的に該加速度計データを数秒等の十分に長い期間にわたり平均化することにより簡単に決定することができる。このことは、重力成分の方向を提供する。

図３に示される実施態様において、前記ＭＬ成分の方向は、比較ユニット１４によりドット積を計算することにより、前記重力成分又は重力ベクトルの方向と比較される。識別されたＭＬ軸の重力ベクトルの方向とのドット積は、歩行に関してはゼロに近くなければならない。何故なら、ＭＬ軸はサジタル面に対して垂直でなければならないからである。従って、比較ユニット１４の出力を分類器（ＣＬ）１５の入力端に供給することができる。このように、当該被検者の運動は、ＭＬ成分が重力成分に対して直交的なら歩行と分類することができる。

当該所与の例において、運動成分及び重力成分のドット積の絶対値が所定の閾値より低い場合、該運動成分は重力成分に対して直角であると見なすことができる。

図４Ａ及び図４Ｂは、被検者の体幹に付着された３軸加速度計により取得された加速度計データ及びベクトルノルム（ＶＮ）を速く歩く被検者及び遅く歩く被検者に関して各々示したグラフを示す。水平軸は時間ｔを秒［ｓ］で示す一方、垂直軸は測定された加速度を［ｇ］で示す。解説のために、該所与の例における加速度の軸は被検者の体軸に整列され、ここで、ｘ軸〜ＭＬ成分、ｙ軸〜ＶＴ成分及びｚ軸〜ＡＰ成分である。従って、図４Ａ及び図４Ｂに示される記録線は、３つの直交運動成分、即ち、（１）内外方向（ＭＬ）、（２）前後方向（ＡＰ）及び（３）垂直方向（ＶＴ）に対応する。点線の記録線は、

として算出されたベクトルノルム（ＶＮ）を示す。

図４Ａ及び図４Ｂに見られるように、ベクトルノルムはＶＴ成分に略等しい。加速度データを重力成分（＝１ｇ）及び慣性成分に分解する場合、重力ベクトルに対し垂直な慣性成分はベクトルノルムでは減衰される一方、重力ベクトルと同一の方向の慣性成分はベクトルノルムにおいて増強されることが分かる。更に、図４Ａ及び図４Ｂからは、センサの回転から生じ得る大きなＭＬ成分ベクトルノルムは、もはや、見えないことが分かる。これは、重力ベクトル成分が、全直交成分にわたって、ベクトルノルムが同一に留まるように分散され、重力加速度成分＋慣性加速度が重力ベクトルに対して垂直な方向に主に測定されるせいであり得る。

従来のアプローチではベクトルノルムに基づく歩み（歩進）検出が、しばしば、用いられることに注意すべきである。このアプローチの利点は、ベクトルノルムに基づく歩み検出が回転非依存性であることである。ベクトルノルムに基づくステップ（歩進）検出は、速い歩行に対して良好に機能する。図４Ａに見られるように、ベクトルノルムに略等しい垂直（ＶＴ）成分は速い歩行に対して強く、個々の歩みを明瞭に識別することができる。図４Ａでは、８つの歩進を５秒の記録線において識別することができる。これらの８つの歩進は４つのストライド（跨ぎ）に等しく、これがＭＬ成分に見られる。

一方、結果としてのＶＮ信号は、図４Ｂに示されるように遅い歩行に対しては、かなり小さくなることが分かった。更に、個々の歩みは明瞭に識別することができない。従って、ここに開示される解決策においては、特に歩み検出のためにＭＬ及びＡＰ成分を用いることが提案される。この結果、被検者の遅い歩き又は遅い歩行運動に対して一層確実（ロバスト）な歩み検出が得られることが分かった。図４Ｂに見られるように、内外（左から右）方向及び前後（前から後）方向の運動成分は明瞭に識別することができる。図４Ｂにおいて、ＭＬ成分が最強であり、大よそ５つの歩進に対応する２・１／２ストライドを当該５秒の記録線において識別することができる。

ＭＬ成分は、後続の各左／右歩進のための体幹の横方向／横向き移動故に、典型的にＶＴ及びＡＰ成分の基本周波数の半分となる基本周波数を有する。更に、ＡＰ成分は、ＶＴ成分と同一の基本周波数を有するが、異なる時間的構造を有している。ＶＴ成分は各歩進に対して複数の“スパイク”を示し、ここで、最も大きなスパイクの直後の時点は踵の衝突の時点を反映する一方、該最も大きなスパイクの直後の“谷”は爪先の離れを反映する。一方、ＡＰ成分は傾斜した（ランプ状）構造を有している。該傾斜は最小値にリセットし、爪先離れの間に再び上昇する。このような全体の時間的特徴は、形態及び振幅は異なり得るが、遅い及び速い歩行の両方に見られ得ることが分かった。例えば、ＶＴ成分は遅い歩行に対しては余り優性ではない。

このように、１以上の異なる直交運動成分（ここでは、３つの成分ＶＴ、ＡＰ及びＭＬ）をハイパスフィルタ処理された加速度計データからソース（信号源）抽出技術を用いて抽出することが提案される。ソース抽出技術は線形予測可能性の概念に基づくものとすることができる。この方法は、ソース信号が幾らかの時間的構造を有するものと仮定する。例えば、当該ソースは、異なる（正規化された）自己相関関数を有する、又は等価的に異なる（正規化された）スペクトル形状を有する。直感的に言うと、当該ソース信号は、混合されたセンサ信号よりも少ない複雑さしか有さない。言い換えると、如何なるソース信号の時間的予測可能性の程度も、如何なる混合のものより高い（又は等しい）。例えば、異なる周波数を持つ２つの正弦波の混合の波形は、元の正弦波の何れよりも一層複雑であるか又は予測可能性が低い。ソース分離のための例示的なメモリ効率的且つ費用効果的反復構造が、前述したChoi他による研究論文に記載されている。

図５は、異なるタイプの歩行：即ち、Ａ）速く歩く；Ｂ）遅く歩く；Ｃ）非対称的に歩く；Ｄ）不規則に歩く；Ｅ）階段を登る；及びＦ）階段を降りる；に関する３つの直交運動成分の加速度の例示的グラフを示す。水平軸は時間遅れ（タイムラグ）Ｔを秒［ｓ］で示す一方、垂直軸は正規化された（ラグ０で１）自己相関係数（ＡＣ）を示す。

図５から分かるように、ＭＬ成分は、垂直の点線により示されるように、例えば２００msのタイムラグにおいて最も高い自己相関を示す。このように、ＭＬ成分は、当該ソース分離アルゴリズムを所定のタイムラグ（ここでは、２００ms）における自己相関係数を最大にすることにより当該ＭＬ成分を他のソースから所望のソースとして抽出する（即ち、分離する）ように設定することにより抽出することができる。該抽出されたＭＬ成分は、次いで、遅い歩行における歩みの検出のための用いることができる。他の直交成分（ＶＴ及びＡＰ）は、図４Ｂに示されたように、人がゆっくりと歩く場合に非常に小さくなるからである。

図６Ａ及び図６Ｂは、被検者の体幹に取り付けられた３軸加速度計により取得される加速度計データ及びベクトルノルムを速い歩行及び遅い歩行に関して図示したグラフを各々示す。ここでも、水平軸は時間ｔを秒［ｓ］で示す一方、垂直軸は加速度を［ｇ］で示す。図４Ａ及び図４Ｂとは反して、図６Ａ及び図６Ｂにおける加速度計の軸は被検者の体軸には整列されていない。公平な比較のために、図４Ａ及び図４Ｂにおけるのと同一のデータが使用されるが、回転された座標系で使用される。このことは、当該加速度計が任意の回転された向きで（即ち、当該被検者の体軸に整列されないで）取り付けられた状況に対応する。

図６Ａ及び図６Ｂを図４Ａ及び図４Ｂと比較することにより、両ケースに関してベクトルノルムは同一であることが分かる。

任意の向きの加速度計により取得された図６Ａ及び図６Ｂに示される加速度計データは、図３を参照して又は後に図９若しくは図１０を参照して説明される処理ユニット１０に入力として供給することができる。特に、内外方向運動成分は、ハイパスフィルタ処理された取得されたｘ、ｙ及びｚ加速度計データに基づいて、前述したように適切な自己相関タイムラグを選択することにより抽出することができる。

ＭＬ成分等の第１抽出成分に基づいて、該第１成分に垂直な、サジタル面（矢状面）である面を決定することができる。当該所与の例において、該サジタル面は残りの直交成分（ここでは、ＶＴ及びＡＰ）の混合物を含む。これらの成分は、２ベクトル入力によるもの且つ異なるタイムラグを用いるものであるが、同様のソース分離アルゴリズムを用いて抽出することができる。図５における自己相関関数から、ＶＴ及びＡＰ成分の分離のためには、当該抽出のために一層小さなタイムラグを使用することが適切であることが分かる。従って、減次（デフレーション）技術を用いることができる。当該抽出は、３ソース混合で開始することができる。例えば前記ＭＬ成分等の第１ソースが抽出される。これに基づいて、当該次元は２つのソースの混合に減少させることができ、同様のソース分離技術を適用して、第２ソース（例えば、ＡＰ成分）を抽出することができる。第３ソース（他の２つのソースに直交する）が残存する。このように、減次技術は、直交成分を見つけるステップ状方法であると見ることができる。当該所与の例においては、２つのステップが存在する。第１ステップは、ＭＬ成分を３軸加速度計データから抽出することである。このＭＬ成分の識別の後に、該ＭＬに直交する部分空間（理想的には、ＡＰ及びＶＴ成分のみを含む）が採用される。この場合、第２ステップは、この二次元部分空間からＡＰ成分を抽出することである。ＶＴ成分は残余である。図６Ａ及び図６Ｂの任意に向けられた加速度計データからＭＬ、ＡＰ及びＶＴ成分を抽出するために該ソース分離法を適用する結果が、図７Ａ及び図７Ｂに示されている。

図７Ａ及び図７Ｂを、加速度計の軸がＭＬ、ＡＰ及びＶＴに注意深く整列された図４Ａ及び図４Ｂと比較すると、時間的構造を利用する減次ソース分離技術により、当該ソースが良好な対応性で抽出されることが分かる。ここに示された限定するものでない例においては、ＭＬ成分の抽出のために２００msのタイムラグが使用される一方、ＡＰ成分の抽出のために７５msのタイムラグが使用されている。

ソース抽出における符号曖昧性からは、例えば、追加の先験的情報を使用及び／又は利用することにより回復させることができることに注意すべきである。例えば、ＥＣＧと歩行運動との組み合わせ監視の場合、当該装置は胸部に装着されることが必要とされる。更に、当該パッチの接着面に対する当該加速度計の向きに関する事前情報を利用することができる。他の例においては、図１に例示的に示されるように、加速度計は典型的に冠状面における軸の回りに僅かにしか回転されず、これに基づいてＡＰ成分の符号は復元することができる。更に、ＶＴ成分は（ＤＣ除去された）ベクトルノルム（ＶＮ）と積極的に相関しなければならない。ＡＰ及びＶＴ成分に関する正しい符号が既知であると共に、当該３軸加速度計センサの座標系が既知である場合、ＭＬ成分の符号も復元することができる。このように、ＭＬ成分の特定の零交差が左又は右歩進の何れに属するかを決定することができる。

被検者の歩行運動を決定するために、前記ハイパスフィルタ処理された生の加速度計データにおける前記抽出された運動成分のうちの少なくとも１つの成分の方向を、前記ローパスフィルタ処理された生の加速度計データにより例えば平均ＶＮとして計算された重力成分の方向と比較することができる。前記成分のうちの少なくとも１つの成分の方向が重力ベクトルに対し直交的又は平行である場合、当該歩行観測は歩行であると分類することができる一方、前記成分のうちの少なくとも１つの成分の方向が重力成分に対して実質的に直交的でも平行でもない場合、当該加速度計観測は非歩行として分類することができる。

オプションとして、当該加速度計観察を歩行であると分類した後に、前記抽出された直交成分の１以上を歩行の間における個々の歩進を識別するために使用することができる。例えば、ＭＬ成分の上昇及び下降零交差を、歩進カウントを計算するために用いることができ、又はＡＰ成分（好ましくはローパスフィルタ処理された若しくは積分されたＡＰ成分）における谷部を、速度が踵接地により低下する踵接地時点を正確に特定するために識別することができる。一実施態様において、ＡＰ成分の積分はＡＰ加速度成分の速度を導出するために用いることができる。更に、前記３つの直交成分の１以上からは他の歩き振りの特徴を計算することができる。例えば、ＡＰ成分を利用する場合に又はＶＴ成分を利用する倒立振り子モデルを介して歩長を決定することができる。

図８は、０.５m/sの速度で歩く低速歩行被検者に関して抽出された直交運動成分の例示的グラフを示す。各直交運動成分に関して、水平軸は時間を秒［ｓ］で示す一方、垂直軸は加速度を［mg］で示している。上のグラフは内外方向（ＭＬ）成分を示し、真ん中のグラフは前後方向（ＡＰ）成分を示し、下のグラフは垂直方向（ＶＴ）成分を示す。

図８における上のグラフは、平滑化又はローパスフィルタ処理した後の内外方向成分の記録線（ML_LPにより示される）を更に示している。個々の歩進を識別するために、ML_LPの零交差を評価することができる。代わりに又は加えて、例えばＡＰ成分（好ましくは、平滑化又は一次積分の後の）の谷部を、個々の歩進を識別するために評価することができる。オプションとして、個々の左及び右の歩進を、ML_LPに基づいて有利には平滑後の上昇及び下降零交差に基づき識別することができる。例示的な左及び右歩進が、図８の上のグラフにＬ及びＲにより示されている。

図９は、本発明の一態様による装置１０の他の実施態様の概略図を示す。該実施態様は図３を参照して説明した装置１０に基づくものであるから、以下では異なる及び／又は追加の側面だけを説明する。

第１の独立成分分析（ＩＣＡ）ユニット１２を用いて第１運動成分（ここでは、ＭＬ成分）を識別した後、次元低減段又は減次部を、当該被検者の歩行運動を示す１以上の他の運動成分（ここでは、ＶＴ及びＡＰ）を得るために使用することができる。

前記減次部は、前記第１運動成分の軸（ここでは、ａ_ML）及びハイパスフィルタ処理された加速度計データを入力として受信するように構成された零空間ブロック３１を有することができる。該零空間ブロック３１は２つの出力を有することができる。第１出力は部分空間信号である二次元出力であり得、該二次元出力は前記第１運動成分をもはや含まない。言い換えると、該二次元出力は前記第１運動成分の零空間に対応する部分空間信号を含む。言い換えると、前記第１運動成分は投影／減次により除去することができる。このことは、３次元空間における１次元零空間を去らせる。零空間ブロック３１は、次元低減を実行して零空間（該所与の実施態様では、ＭＬ方向におけるものである）を除去することができ、結果として、部分空間とも称される２次元信号空間が得られる。かくして、前記ハイパスフィルタ処理された加速度計データ及び前記第１運動成分に基づいて、該第１運動成分に対して直交する二次元部分空間を決定することができる。これに基づき、第１のＩＣＡユニット１２による第１運動成分の決定と同様にして、第２運動成分を上記部分空間に基づいて抽出することができる。異なる方法を、図９及び図１０を参照して説明する。

図９に示された実施態様において、第２運動成分（ここでは、ＡＰ成分）は、例えば第２の独立成分分析（ＩＣＡ）ユニット３３によってソース分離技術により抽出される。ＶＴ成分の自己相関関数は、図５に示されるように、ＡＰ成分と比較して広くないので、ここでは二次元部分空間に基づくと共に異なるタイムラグを指定するが、図３を参照して説明したのと同様のＩＣＡを適用することができる。当該所与の例において、タイムラグＴ_APはＡＰ信号を抽出するために７５msに調整される。このように、第２のＩＣＡユニット３３は、ＡＰ軸ａ_AP及び前後方向軸ＡＰに沿う加速度計データを自身の出力として供給する。上記ＡＰ軸は、第２比較ユニット３４に第１入力として供給することができる。当該比較ユニットは、例えば、ドット積、ベクトル積又は内積、もっと一般的に言うと、分類器において使用することができる特徴値であって、例えば当該特徴値を１以上の閾値と比較することにより当該被検者の運動を歩行と分類するために使用することができる特徴値を決定することができると理解されるべきである。

前記零空間ブロックの第２出力は、２つの三次元ベクトルにより部分空間を定義する３ｘ２行列であり得る。この３ｘ２行列は、後続の処理ブロック３２において、他の部分空間信号を計算するために使用することができる。前述したように、既に抽出又は決定された第１運動成分は、このようにして、投影又は減次により除去することができる。処理ブロック３２は、上記３ｘ２行列を第１入力として及びローパスフィルタ１３により供給されるローパスフィルタ処理された加速度計データを第２入力として受信することができ、これらに基づいてベクトル積を計算することができる。かくして、当該加速度計データの上記部分空間への投影を、ＨＰＦ信号及びＬＰＦ信号の両方に関して実行することができる。該処理ブロック３２の出力は、第２比較ユニット３４に第２入力として供給される。

図９に示される実施態様において、ＡＰ成分の方向は、ここでも、比較ユニット３４によりドット積を計算することにより重力成分の方向と比較することができる。処理ブロック３２の出力は、横断面における重力成分の投影とみることができる。第２比較ユニット３４の出力は、図３を参照して前述したように被検者の運動を歩行と分類するために分類器ユニット１５に対する第２入力として使用することができる。

図１０は、本発明の一態様による装置の他の実施態様の概略図を示す。該実施態様は、図３及び／又は図９を参照して説明した装置１０に基づくものであるので、以下では相違点及び／又は追加の側面のみが説明される。この実施態様は、第２運動成分（ここでは、ＡＰ及び／又はＶＴ成分）を抽出するための代替的方法を説明する。

図１０に示される実施態様において、内外方向成分の抽出は、先の実施態様におけるものと同様であり得る。更に、処理ユニット１０は、第１運動成分をソース分離技術に基づいて抽出し；図９を参照して説明された実施態様と同様にして、ハイパスフィルタ処理された加速度計データ及び前記第１運動成分に基づいて該第１運動成分に直交する二次元部分空間を決定するように構成することができる。しかしながら、第２のＩＣＡ段の代わりとして、処理ユニット１０は前記第２運動成分を、前記部分空間及び前記加速度計データのハイパスフィルタ処理されたノルム又はベクトルノルムに基づいて抽出するように構成することができる。ブロック４１において、当該加速度計データのベクトルノルムが計算され、ハイパスフィルタ（ＨＰＦ）４２に供給される。該加速度計データのハイパスフィルタ処理されたノルムは、加速度計データから垂直方向成分の抽出のための基準信号として用いることができる。

これに基づいて、前記ハイパスフィルタ処理されたノルムと、ハイパスフィルタ処理された加速度計データ又はＭＬ成分を備えないハイパスフィルタ処理された加速度計データを示す零空間ブロック３１の出力との間の相関を得るために、ブロック４３においてＮＬＭＳ（正規化最小自乗平均）技術を用いることができる。加速度計データのノルムが該加速度計データの垂直方向成分と相関する理由は、該ノルム（ハイパスフィルタ無し）が大きな重力成分を含む故である。この理由により、重力ベクトルに直交する全ての加速度は当該ノルムにおいて抑圧される。ＶＴ成分は、当該相関を最大にすることにより見つけることができる。ＶＴ成分の軸ａ_VTは、ＮＬＭＳブロック４３の出力として供給することができる。ブロック４４における減算演算に基づいて、ＡＰ加速度計データを得ることができる。

言い換えると、図１０に示されるＮＬＭＳブロックは、前記ハイパスフィルタ処理されたベクトルノルム等の基準信号、及びハイパスフィルタ処理されたＡＰ及びＶＴ加速度計データを理想的に有する零空間ブロックにより供給される部分空間を受信することができる。これらに基づいて、該ＮＬＭＳは、この部分空間内でＶＴ方向を識別することができるように相関を実行することができる。該ＮＬＭＳブロック４３により供給される残りの信号は、図１０に示されるようにＶＴ加速度の減算の後にＡＰ加速度データを含むことができる。

例えば上記ＮＬＭＳを使用することにより二次元部分空間におけるＶＴ成分を抽出（決定）した後、三次元部分空間におけるＶＴ成分を、二次元部分空間におけるＶＴ方向のブロック３１における３ｘ２零空間行列とのベクトル行列積により計算することができる。次いで、ＡＰの方向を、ＶＴ及びＭＬ成分の間のクロス積を計算することにより決定することができる。もっと一般的に言うと、第３の直交運動成分は、第１の直交運動成分及び第２の直交運動成分のクロス積に基づいて決定することができる。

代替例として、ブロック４５において、零空間ブロック３１により供給される３ｘ２行列及びＶＴ軸ａ_VTのベクトル行列積を計算することができる。ブロック４３の出力はＶＴ方向ａ_VTを二次元部分空間において表すことができると理解されるべきである。ブロック４５のベクトル行列積の出力は、ＶＴ方向ａ_VTを三次元部分空間において表すことができる。これに基づき、ブロック４６において、ＭＬ成分の軸ａ_MLとのクロス積を計算することができる。このブロックの出力はＡＰ成分の軸ａ_APを示し、これは、次いで、重力成分の方向との比較のために第２比較ユニット３４に供給することができる。図示された実施態様において、重力成分は、ここでも、ローパスフィルタ（ＬＰＦ）１３の出力として供給することができる。

図１０の実施態様の分類ステップは、この場合も、先の実施態様と同様であり得る。分類器１５は、当該被検者の運動を歩行として分類するために、決定されたＭＬ及び／又はＡＰ成分の方向が重力成分の方向に対して直交的であるかをチェックすることができる。

図９の解決策に勝る図１０に示した解決策の利点は、確実さ（ロバストさ）が更に改善され得ることであり得る。このように、この実施態様はＶＴ成分対ＡＰ成分の間の正規化された自己相関の差が、図５に示されるようにＭＬ成分対ＡＰ又はＶＴ成分の間の正規化された自己相関の差よりも顕著でないことを考慮に入れている。従って、ＮＬＭＳ（及びベクトルノルムＶＮを利用すること）を、図９に示された２段ＩＣＡ方法に代えて又は加えて使用することができる。

結論として、ここに提案された解決策、特にＭＬ成分をハイパスフィルタ処理された加速度計データ（のみ）から抽出すると共に、該ＭＬ成分の方向を重力成分の方向と比較し、且つ、これに基づいて被検者の運動を歩行として分類することは、被検者の歩行運動を、特にゆっくりと運動する被検者に関して高信頼度で決定する可能性を提供する。このことは、病んだ及び／又は高齢の人に関してバイタルサイン測定のための前後関係情報を得るのに有利であり得る。

以上、本発明を図面及び上記記載において詳細に図示及び説明したが、このような図示及び説明は解説的又は例示的なものであって、限定するものではないと見なされるべきである。即ち、本発明は開示された実施態様に限定されるものではない。開示された実施態様に対する他の変形例は、当業者によれば、請求項に記載された本発明を実施するに際して図面、本開示及び添付請求項の精査から理解し、実施することができる。

尚、請求項において、“有する”なる文言は他の要素又はステップを排除するものではなく、単数形は複数を排除するものではない。また、単一の要素又は他のユニットは、請求項に記載された幾つかの項目の機能を満たすことができる。また、特定の手段が互いに異なる従属請求項に記載されているという単なる事実は、これら手段の組み合わせを有利に使用することができないということを示すものではない。

コンピュータプログラムは、光記憶媒体又は他のハードウェアと一緒に若しくは他のハードウェアの一部として供給される固体媒体等の適切な非一時的媒体により記憶／分配することができるのみならず、インターネット又は他の有線若しくは無線通信システムを介して等のように、他の形態で分配することもできる。

請求項における如何なる符号も、当該範囲を限定するものと見なしてはならない。

Claims (15)

1. 被検者の歩行運動を決定する処理装置であって、該処理装置が、
   前記被検者の体幹運動を示す加速度計データを取得するステップ、
   前記加速度計データにハイパスフィルタ処理を実行して、ハイパスフィルタ処理された加速度計データを得るステップ、
   ソース分離技術を用いて前記ハイパスフィルタ処理された加速度計データから複数の直交運動成分の少なくとも１つを抽出するステップ、
   前記加速度計データにローパスフィルタ処理を実行して、ローパスフィルタ処理された加速度計データを得るステップ、
   前記ローパスフィルタ処理された加速度計データから重力成分を決定するステップ、
   前記直交運動成分のうちの少なくとも１つの成分の方向を前記重力成分の方向と比較するステップ、及び
   前記運動成分が前記重力成分に対して直交的又は平行である場合に、前記被検者の運動を歩行と分類するステップ、
   を実行する、
   処理装置。
2. 前記ハイパスフィルタ処理された加速度計データから、内外方向（ＭＬ）及び／又は前後方向（ＡＰ）運動成分を抽出する、請求項１に記載の処理装置。
3. 前記ソース分離技術が、線形予測可能性、ブラインドソース分離（ＢＳＳ）及び独立成分分析（ＩＣＡ）の１以上に基づくものである、請求項１に記載の処理装置。
4. 前記ソース分離技術が、前記直交運動成分の少なくとも１つを、これら成分の時間的構造に基づいて、特に所定のタイムラグにおける自己相関を最大にすることにより分離する、請求項１に記載の処理装置。
5. 前記ソース分離技術は所定のタイムラグにおける自己相関を最大にし、該タイムラグが１００msと５００msとの間、好ましくは１５０msと４００msとの間、より好ましくは２００msと３５０msとの間である、請求項４に記載の処理装置。
6. 第１の所定のタイムラグにおいて自己相関を最大にするソース分離技術に基づいて第１直交運動成分を抽出し、第２の所定のタイムラグにおいて自己相関を最大にするソース分離技術に基づいて第２直交運動成分を抽出する、請求項４に記載の処理装置。
7. 前記複数の直交運動成分の少なくとも１つを抽出するステップが、
   第１運動成分をソース分離技術に基づいて抽出するステップ、
   前記ハイパスフィルタ処理された加速度計データ及び第１運動成分に基づいて、該第１運動成分に直交する二次元部分空間を決定するステップ、及び
   第２運動成分を前記部分空間に基づいて抽出するステップ、
   を有する、請求項１に記載の処理装置。
8. 前記第２運動成分を前記部分空間及び前記加速度計データのハイパスフィルタ処理されたノルムに基づいて抽出する、請求項７に記載の処理装置。
9. 前記被検者の運動を歩行と分類するステップにおいて、当該運動成分は該運動成分及び前記重力成分のドット積の絶対値が所定の閾値より低い場合に前記重力成分に直交すると見なされる、請求項１に記載の処理装置。
10. 前記加速度計データを前記少なくとも１つの抽出された直交運動成分に基づいて校正するステップを更に実行する、請求項１に記載の処理装置。
11. 前記少なくとも１つの抽出された直交運動成分に基づいて個々の歩進を識別する及び／又は歩行の間における歩き振りパラメータを識別するステップを更に実行する、請求項１に記載の処理装置。
12. 個々の左及び右の歩進を、内外方向運動成分の上昇及び下降零交差に基づいて、及び／又は垂直方向若しくは前後方向運動成分における谷部に基づいて識別する、請求項１１に記載の処理装置。
13. 被検者の歩行運動を決定するシステムであって、
    前記被検者の体幹運動を示す加速度計データを取得するための加速度計と、
    請求項１に記載の被検者の歩行運動を決定する処理装置と、
    を有する、システム。
14. 被検者の歩行運動を決定する方法であって、
    前記被検者の体幹運動を示す加速度計データを取得するステップ、
    前記加速度計データにハイパスフィルタ処理を実行して、ハイパスフィルタ処理された加速度計データを得るステップ、
    ソース分離技術を用いて前記ハイパスフィルタ処理された加速度計データから複数の直交運動成分の少なくとも１つを抽出するステップ、
    前記加速度計データにローパスフィルタ処理を実行して、ローパスフィルタ処理された加速度計データを得るステップ、
    前記ローパスフィルタ処理された加速度計データから重力成分を決定するステップ、
    前記直交運動成分のうちの少なくとも１つの成分の方向を前記重力成分の方向と比較するステップ、及び
    前記運動成分が前記重力成分に対して直交的又は平行である場合に、前記被検者の運動を歩行と分類するステップ、
    を有する、方法。
15. コンピュータ上で実行された場合に該コンピュータに請求項１４に記載の方法のステップを実行させるプログラムコード手段を有する、コンピュータプログラム。

Images