JP2020092817A - Biological function evaluation device, biological function evaluation method, and program - Google Patents
Biological function evaluation device, biological function evaluation method, and program Download PDFInfo
- Publication number
- JP2020092817A JP2020092817A JP2018232560A JP2018232560A JP2020092817A JP 2020092817 A JP2020092817 A JP 2020092817A JP 2018232560 A JP2018232560 A JP 2018232560A JP 2018232560 A JP2018232560 A JP 2018232560A JP 2020092817 A JP2020092817 A JP 2020092817A
- Authority
- JP
- Japan
- Prior art keywords
- body movement
- heartbeat interval
- biological function
- movement
- motion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
Description
本発明は、生体機能評価装置、生体機能評価方法、及びプログラムに関する。 The present invention relates to a biological function evaluation device, a biological function evaluation method, and a program.
生体信号である心拍または脈波を測定し、心拍間隔の変化（「心拍変動」とも呼ばれる）を解析することで、自律神経バランス等の生体機能や状態を評価することができる。自律神経の状態を表わす指標として、心拍間隔データのパワースペクトルの低周波成分（交感神経）を示す「ＬＦ」と、高周波成分（副交感神経）を示す「ＨＦ」がある。両者の比をとった指標「ＬＦ／ＨＦ」は自律神経のバランスを表わし、生体の疲労度やストレス度を評価する指標として活用されている。 By measuring a heartbeat or a pulse wave that is a biological signal and analyzing changes in heartbeat intervals (also referred to as “heartbeat variability”), biological functions and states such as autonomic nerve balance can be evaluated. As an index indicating the state of the autonomic nerve, there are “LF” indicating a low frequency component (sympathetic nerve) and “HF” indicating a high frequency component (parasympathetic nerve) of the power spectrum of the heartbeat interval data. The index "LF/HF", which is the ratio of the two, represents the balance of autonomic nerves and is used as an index for evaluating the degree of fatigue and stress of a living body.
心拍または脈波は、被測定者の体動によってばらつくとされている。測定データのばらつきが少ないほうが、生体機能をより高い精度で評価することができる。被測定者の体動を検知して脈拍の検知信号を補正する方法や（たとえば、特許文献１）、生体の脈波から心電図のＲ−Ｒ間隔の変動に対応する情報を求める脈波解析で、異常データを削除または補正する方法（たとえば、特許文献２）が提案されている。また、体動検出後の所定時間内に計測された心拍または脈波から生成された基準波形と、その後に得られる測定波形の類似度を評価して心拍数を算出する方法が知られている（たとえば、特許文献３参照）。 It is said that the heartbeat or pulse wave varies depending on the body movement of the person to be measured. The smaller the variation in the measurement data, the higher the accuracy of the biological function can be evaluated. A method of detecting a body movement of a person to be measured and correcting a pulse detection signal (for example, Patent Document 1), or a pulse wave analysis for obtaining information corresponding to a change in RR interval of an electrocardiogram from a pulse wave of a living body. A method of deleting or correcting abnormal data has been proposed (for example, Patent Document 2). Further, there is known a method of calculating a heart rate by evaluating the similarity between a reference waveform generated from a heartbeat or a pulse wave measured within a predetermined time after detecting a body motion and a measurement waveform obtained after that. (For example, refer to Patent Document 3).
一般的に、自律神経機能等の生体機能の評価では、測定中の被測定者の体動等による心拍のばらつきを見込んで、測定時間を３分間とし、被測定者の心拍を測定している。しかしながら、３分という測定時間は、被測定者にとって十分に短いとはいえない。生体機能の評価精度を維持しつつ測定時間を短縮することができれば、被測定者への負担が軽減される。 Generally, in evaluating biological functions such as autonomic nerve function, the heartbeat of the subject is measured by setting the measurement time to 3 minutes in consideration of variations in the heartbeat due to body movements of the subject during measurement. .. However, the measurement time of 3 minutes cannot be said to be sufficiently short for the person to be measured. If the measurement time can be shortened while maintaining the evaluation accuracy of the biological function, the burden on the person to be measured can be reduced.
本発明は、従来よりも測定時間を短縮しつつ、評価精度を維持して生体機能を評価できる生体機能評価技術を提供することを目的とする。 It is an object of the present invention to provide a biofunction evaluation technique that can evaluate the biofunction while maintaining the evaluation accuracy while shortening the measurement time as compared with the conventional technique.
上記目的を実現するために、心拍間隔を用いて被測定者の生体機能の評価を行う生体機能評価装置は、
前記被測定者から生体信号を取得する生体信号取得部と、
前記被測定者の体動を検知する体動検知部と、
前記生体信号から心拍間隔を算出する心拍間隔算出部と、
前記体動検知部によって検知された前記体動が前記心拍間隔の変動に与えた影響に基づいて、前記体動を影響動作と検知する影響動作検知部と、
前記影響動作検知部が前記体動を前記影響動作と検知した場合に、前記生体信号について前記心拍間隔が前記体動の影響を受けている影響区間を特定する区間設定部と、
を有し、
前記影響動作検知部が前記体動を前記影響動作と検知した場合に、前記区間設定部が特定した前記影響区間における前記心拍間隔に対して所定の処理を施した後に、前記生体機能の評価を行う。
In order to achieve the above object, a biological function evaluation device that evaluates the biological function of the measurement subject using a heartbeat interval,
A biological signal acquisition unit that acquires a biological signal from the measurement subject,
A body movement detection unit that detects the body movement of the person to be measured,
A heartbeat interval calculation unit that calculates a heartbeat interval from the biological signal,
An influence motion detection unit that detects the body motion as an influence motion based on the influence that the body motion detected by the body motion detection unit has on the fluctuation of the heartbeat interval;
A section setting section that specifies an affected section in which the heartbeat interval for the biological signal is affected by the body movement when the affected movement detection unit detects the body movement as the influence movement.
Have
When the influential action detection unit detects the body motion as the influential action, the biological function is evaluated after performing a predetermined process on the heartbeat interval in the influential segment identified by the segment setting unit. To do.
上記の構成により、従来よりも測定時間を短縮しつつ、評価精度を維持して生体機能を評価できる生体機能評価技術が実現される。 With the above configuration, a biofunction evaluation technique that can evaluate the biofunction while maintaining the evaluation accuracy while realizing a shorter measurement time than in the past can be realized.
実施形態では、心拍間隔の変動が真に体動に起因するものなのか否かを判別し、体動の影響を受けている区間における心拍間隔については、生体機能の評価に用いる際に、所定の処理を行う。体動が検知された場合でも、その体動が心拍間隔の変動に影響していない場合は、その間に算出された心拍間隔について所定の処理の処理は行わず有効データとして扱う。体動の影響を受けていない心拍間隔の変動（揺らぎ）は、生体機能の評価に有用だからである。 In the embodiment, it is determined whether or not the fluctuation of the heartbeat interval is truly caused by the body motion, and the heartbeat interval in the section affected by the body motion is set to a predetermined value when it is used for the evaluation of the biological function. Process. Even if the body movement is detected, if the body movement does not affect the fluctuation of the heartbeat interval, the heartbeat interval calculated during that time is treated as valid data without performing the predetermined processing. This is because the fluctuation (fluctuation) of the heartbeat interval that is not affected by body movement is useful for evaluating biological functions.
従来は、体動が検知されても、その体動が実際に心拍間隔の変動に影響しているのか否かが考慮されておらず、体動が検知された場合の心拍間隔が十分に活用されていない。このことは、測定時間の短縮を妨げる要因のひとつになっている。理論的には、血圧変動に対応する低周波成分「ＬＦ」を２〜３周期（２０〜３０秒程度）含む期間の心拍間隔であれば、自律神経バランスなどの生体機能を評価できる。そして、体動の影響を受けない心拍間隔は、生体機能の評価に活用できるので、体動による心拍の変動への有無を判断し、体動の影響を受けない心拍間隔を生体機能の評価に活用することにより、測定時間を短縮できる。 Conventionally, even if a body motion is detected, it is not considered whether or not the body motion actually affects the fluctuation of the heartbeat interval, and the heartbeat interval when the body motion is detected is fully utilized. It has not been. This is one of the factors that hinder the reduction of measurement time. Theoretically, biological functions such as autonomic nerve balance can be evaluated as long as it is a heartbeat interval of a period including 2-3 cycles (about 20 to 30 seconds) of the low frequency component “LF” corresponding to blood pressure fluctuation. Since the heartbeat interval that is not affected by body movement can be used for evaluating biological function, it is determined whether or not there is a change in heartbeat due to body movement, and the heartbeat interval that is not affected by body movement is used for evaluating biological function. By utilizing it, the measurement time can be shortened.
実施形態では、検知された体動が心拍間隔の変動（揺らぎ）に影響していると判断された場合に、体動による影響区間を特定し、特定した影響区間における心拍間隔に所定の処理を施す。体動があっても心拍間隔の変動（揺らぎ）に影響のない場合は、算出された心拍間隔について所定の処理の処理は行わず有効データとして生体機能の評価に用いる。これにより、生体機能の評価精度を保ちつつ、測定時間を短縮する。 In the embodiment, when it is determined that the detected body movement influences the fluctuation (fluctuation) of the heartbeat interval, the influence section due to the body movement is specified, and a predetermined process is performed on the heartbeat interval in the specified influence section. Give. If there is no influence on the fluctuation (fluctuation) of the heartbeat interval even if there is body movement, the calculated heartbeat interval is not subjected to predetermined processing and is used as valid data for evaluation of biological functions. Thereby, the measurement time is shortened while maintaining the evaluation accuracy of the biological function.
上記の基本概念は、発明者らの以下の知見に基づく。被測定者の状態を観察し、体動信号と、心拍間隔のパワースペクトルから得られるＬＦ、ＨＦを分析したところ、以下の事実が見いだされた。
（１）ＬＦ、ＨＦのばらつきには、(a）自律神経等の生体機能が変化したことによる変動と、(b)唾液の嚥下や深呼吸などの心拍間隔に影響する「影響動作」による変動があり、これら「影響動作」によってＬＦとＨＦのばらつきが増幅される。
（２）上記(a)の自律神経機能等の生体機能の変化は体動をともなわないが、(b)の「影響動作」は、体動が発生すると同時に、心拍間隔が大きく変動する。
（３）頭や体を動かすだけの動きは(b)の「影響動作」には当たらず、被測定者にこのような動きがあっても心拍間隔はあまり変動しない。
The above basic concept is based on the following findings by the inventors. The following facts were found by observing the state of the person to be measured and analyzing the body movement signal and LF and HF obtained from the power spectrum of the heartbeat interval.
(1) Variations in LF and HF include (a) fluctuations due to changes in biological functions such as autonomic nerves, and (b) fluctuations due to "influenced movements" that affect heartbeat intervals such as saliva swallowing and deep breathing. Therefore, the variation of LF and HF is amplified by these “influenced operations”.
(2) Changes in biological functions such as autonomic nerve functions in (a) above are not accompanied by body movements, but in "influenced movements" in (b), body movements occur and heartbeat intervals fluctuate greatly.
(3) The motion of simply moving the head or body does not correspond to the “influenced motion” of (b), and the heartbeat interval does not fluctuate much even if the subject has such motion.
これらの知見に基づいて、検知された体動が心拍変動に影響する「影響動作」であるか否かを判別する。「影響動作」である場合に、体動が心拍間隔に影響している「影響区間」を特定して、影響区間のデータに処理を施す。 Based on these findings, it is determined whether or not the detected body motion is an "influencing motion" that affects the heart rate variability. In the case of “influenced movement”, the “influenced zone” in which the body movement affects the heartbeat interval is specified, and the data of the affected zone is processed.
その結果、従来必要とされていた３分という測定時間の半分以下の測定時間で、３分間の測定と同程度の精度で自律神経機能等の生体機能を評価できることがわかった。 As a result, it has been found that the biological function such as the autonomic nerve function can be evaluated with the same accuracy as the measurement for 3 minutes in the measurement time which is less than half of the measurement time of 3 minutes conventionally required.
以下で、実施形態を具体的に説明する。 The embodiment will be specifically described below.
＜第１実施形態＞
図１は、第１実施形態の生体機能評価装置１Ａの機能ブロック図である。生体機能評価装置１Ａは、信号処理部２００Ａと、体動モニタ部２２０と、生体信号測定部２３０と、表示部２４０を有する。第１実施形態では、体動のモニタと生体信号の取得を、別々のセンサで行う。
<First Embodiment>
FIG. 1 is a functional block diagram of the biological
生体信号測定部２３０は、被測定者から心電、脈波等の生体信号を取得する。生体信号測定部２３０は、特許請求の範囲における「生体信号取得部」に対応する。
The biological
信号処理部２００Ａにおいて、心拍間隔算出部２０３は、取得された生体信号から逐次、心拍間隔を算出する。統計解析部２０４は、心拍間隔データを統計処理し、解析する。解析結果は、影響動作判定部２０６に入力される。
In the
一方、体動検知部２０５は、体動モニタ部２２０の出力から体動を検知する。影響動作判定部２０６は、心拍間隔の統計解析の結果に基づいて、検知された体動が心拍変動に影響する「影響動作」であるか否かを判定する。換言すると、検知された体動による心拍変動に与える影響に基づいて、検知された体動を「影響動作」と検知する。影響動作判定部２０６は、特許請求の範囲における「影響動作検知部」に対応する。
On the other hand, the body
影響区間設定部２０７は、「影響動作」と判定された場合に、統計解析結果を用いて、体動の影響を受けているデータ区間を「影響区間」として設定する。影響区間処理部２０８は、影響区間の心拍間隔データに補正、除去などの処理を行う。
The influence
計測時間設定・カウント部２０９は、有効なデータ区間の合計値が、所定の計測時間に達するまで時間をカウントする。
The measurement time setting/
生体機能評価部２１０は、所定の計測時間の間に得られた有効データから、交換神経、副交感神経、自律神経バランスなどの生体機能を評価し、評価結果を表示部２４０に出力する。
The biological
各機能ブロックの具体的な動作例については、図３以降を参照して後述する。 A specific operation example of each functional block will be described later with reference to FIG.
図２は、図１の生体機能評価装置１Ａを実現するハードウエア構成図である。生体機能評価装置１Ａは、パーソナルコンピュータ（ＰＣ）、スマートフォン、タブレット端末などの情報処理装置１００で実現可能である。
FIG. 2 is a hardware configuration diagram for realizing the biological
情報処理装置１００は、ＣＰＵ（Central Processing Unit）１０１、記憶装置１０２、外部機器とのインタフェース（Ｉ／Ｆ）１０３、各種センサ１０４、表示装置１０５、撮像装置１０６、入力装置１０７、出力装置１０８を有する。これらの装置は、システムバス１０９によって相互に接続されている。
The
ＣＰＵ１０１は、情報処理装置１００の全体の動作と各装置の動作を制御し、記憶装置１０２の適切な領域を用いて必要な演算、データ加工等を行う。ＣＰＵ１０１は、記憶装置１０２に記憶された各種のプログラムを実行する。
The
記憶装置１０２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read-Only Memory）、ハードディスクドライブ、ソリッドステートドライブ、またはこれらの組み合わせを含む。図１の信号処理部２００Ａは、ＣＰＵ１０１と記憶装置１０２によって実現される。
The
インタフェース（Ｉ／Ｆ）１０３は、外部デバイス１１０を情報処理装置１００に接続するためのインタフェースである。外部デバイス１１０は、記憶媒体であってもよいし、センサ、ビデオカメラ等の外部機器であってもよい。外部デバイス１１０が記憶媒体である場合、記憶媒体に保存された生体機能評価プログラムを情報処理装置１００にインストールしてもよい。
The interface (I/F) 103 is an interface for connecting the
インタフェース１０３は、ネットワーク等を介して外部デバイス１１０との間でデータの送受信を行ってもよい。外部デバイス１１０が無線通信機器である場合、インタフェース１０３は短距離、近距離等の無線通信を行う無線インタフェースであってもよい。
The
図１の体動モニタ部２２０と生体信号測定部２３０を、外部デバイス１１０で実現する場合、外部デバイス１１０は、たとえば、体動センサと、心拍／脈波センサを含む。体動センサは、たとえば加速センサ、圧力センサ等であり、被測定者の額、耳、首等に取り付けられて、被測定者の動きをモニタする。モニタすべき動作として、唾液の嚥下、くしゃみ、あくび、深呼吸、うつらうつらする船漕ぎ動作などがある。体動センサは、ヘアバンド型、ネックバンド型、パッチ型等のウエアラブルセンサであってもよい。
When the body
心拍／脈波センサは、心電または脈波を測定する任意のタイプを用いることができる。２以上の電極を体表面に接触させて電位差から心電図をとる心電計、皮膚表面に向けて光を照射して反射波または透過光を計測する光電脈波計などを用いてもよい。あるいは、動脈の直上の皮膚に加速度センサや圧力センサを貼りつけて脈波をはかるウエアラブルタイプのセンサであってもよい。 The heartbeat/pulse wave sensor can use any type of electrocardiographic or pulse wave measurement. An electrocardiograph that takes an electrocardiogram from a potential difference by contacting two or more electrodes with the body surface, a photoelectric pulse wave meter that irradiates light onto the skin surface to measure reflected or transmitted light, and the like may be used. Alternatively, it may be a wearable type sensor that measures a pulse wave by attaching an acceleration sensor or a pressure sensor to the skin immediately above the artery.
ウエアラブルの脈波センサとして、指先につけるクリップタイプ、手首に巻くリストタイプ、耳たぶにつけるイヤリングタイプ、こめかみにつけるパッチタイプ等がある。 Wearable pulse wave sensors include a clip type attached to the fingertip, a wrist type wrapped around the wrist, an earring type attached to the earlobe, and a patch type attached to the temple.
各種センサ１０４は、赤外線センサ、磁気センサ、加速度センサ、ジャイロセンサ、環境光センサなどである。図１の体動モニタ部２２０と生体信号測定部２３０の少なくとも一部を、各種センサ１０４を用いて実現してもよい。たとえば、体動センサと心拍／脈波センサのセンサ本体を各種センサ１０４の中に含め、電極端子だけを被測定者の体表に接触させる構成としてもよい。
The
表示装置１０５は、液晶ディスプレイ等であり、生体機能評価プログラムを実行する場合は、ＧＵＩ（Graphical User Interface）となる。取得された生体信号、処理途中のデータ、評価結果等が表示装置１０５に表示される。
The
撮像装置１０６は、カメラ、光センサ、またはこれらの組み合わせである。撮像素子としてＣＣＤ（Charge Coupled Device）、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）等を用いてもよい。第２実施形態で説明するように、体動モニタと心拍／脈波の計測を撮像装置１０６で実現することも可能である。
The
入力装置１０７は、ユーザによるプログラムの実行や脈波測定開始の指示等を入力するユーザインタフェースであり、キーボード、マウス、タッチパネル、マイク等を含む。入力装置１０７がタッチパネルである場合は、表示装置１０５と一体になっていてもよい。
The
出力装置１０８は、スピーカ、ＬＥＤインジケータなど、表示装置１０７以外の出力用ユーザインタフェースである。
The
＜処理フロー＞
図３は、生体機能評価装置１Ａで行われる処理フローである。生体機能評価の開始コマンドが入力されると、測定が開始され、生体信号を取得し、かつ体動をモニタする（Ｓ３１）。一例として、生体信号は心電または脈波であり、体動は上半身の動きである。
<Processing flow>
FIG. 3 is a processing flow performed by the biological
図４は生体信号測定部２３０によって取得される心電図の一例である。心電図は、心筋の電気的変化を図計として記録したものであり、心臓の経時的な活動状態を示している。心電図では、心臓の拍動に応じて複数種類の波が周期的に計測される。
FIG. 4 is an example of an electrocardiogram acquired by the biological
Ｐ波は心房の興奮過程を示す。Ｐ波のあとの最初の下向きの波がＱ波、鋭いピークがＲ波、Ｒ波のあとに現れる下向きの波がＳ波である。ＱＲＳ波は、左右の心室筋の興奮を示す。心室が急激に収縮して血液を送り出しているときに発生するのがＲ波である。Ｓ波に続く勾配のゆるやかな波がＴ波であり、心室筋の興奮が消退している過程を示している。 The P wave indicates the process of excitement of the atrium. The first downward wave after the P wave is the Q wave, the sharp peak is the R wave, and the downward wave appearing after the R wave is the S wave. QRS waves indicate excitation of the left and right ventricular muscles. The R wave is generated when the ventricles are rapidly contracting to pump blood. The gentle wave following the S wave is the T wave, which shows the process in which the excitability of the ventricular muscle has disappeared.
Ｒ波のピークとピークの間の間隔は、ＲＲＩ（Ｒ−Ｒ Interval）と呼ばれている。一分間の心拍数は、６０秒／ＲＲＩ（秒）で計算される。 The interval between peaks of the R wave is called RRI (RR interval). Heart rate per minute is calculated as 60 seconds/RRI (seconds).
図５は、生体信号測定部２３０によって取得される脈波信号の一例である。脈波は、心臓の拍動（心拍）にともなって生じる末梢血管系の内部の血圧・体積の変化を計測したものである。生体信号測定部２３０が外部のセンサ装置である場合、ＬＥＤ等の照射源から被測定者の皮膚表面に向けて緑色光、赤色光、赤外光などを照射し、反射光または透過光を皮膚に接触させたフォトディテクタで検出して、血流量の変化を計測してもよい。この場合、フォトディテクタから出力される電気信号が、生体信号測定部２３０で生体信号として取得される。被測定者の動脈の直上に加速度センサや圧力センサを取り付けて脈波を測る場合は、心拍に応じた血流変化が、生体信号測定部２３０で生体信号として取得される。
FIG. 5 is an example of a pulse wave signal acquired by the biological
図５の脈波信号にも、心臓の拍動に応じた周期的な波形が含まれる。脈波信号のピークとピークの間の間隔が、図４の心電図のＲＲＩに対応する。生体信号測定部２３０で取得される生体信号としては、心電と脈波のどちらを用いてもよい。この生体信号の取得と並行して、被測定者の体動がモニタされている。
The pulse wave signal in FIG. 5 also includes a periodic waveform according to the heartbeat. The interval between the peaks of the pulse wave signal corresponds to the RRI of the electrocardiogram of FIG. Either the electrocardiogram or the pulse wave may be used as the biological signal acquired by the biological
図３に戻って、取得された生体信号から、心拍と心拍の間の時間間隔（以下、「心拍間隔」と記す）を計算する（Ｓ３２）。心電図の場合、一番鋭いピーク間の時間間隔であるＲＲＩを用いる。 Returning to FIG. 3, the time interval between heartbeats (hereinafter, referred to as “heartbeat interval”) is calculated from the acquired biological signals (S32). In the case of electrocardiogram, RRI, which is the time interval between the sharpest peaks, is used.
脈拍信号を用いる場合は、図５の脈拍信号から検出されたｍ番目の脈拍のピーク時間をＴm、ピーク時間Ｔmにおける心拍間隔をＩ（Ｔm）とすると、心拍間隔Ｉ（Ｔm）は式（１）で算出される。 When using a pulse signal, the pulse signal detected m-th pulse peak time from the T m of FIG. 5, when the heart beat interval at the peak time T m and I (T m), the heartbeat interval I (T m) Is calculated by the equation (1).
Ｉ（Ｔm）＝Ｔm−Ｔm-1 （１）
脈拍のピーク時間Ｔmとして、脈波信号が極大となる時間を用いてもよいし、脈波信号が極小となる時間を用いてもよい。また、脈拍のピーク時間Ｔmは、ピーク近傍の信号値に基づいて補正された補正ピーク時間を用いてもよい。
I( Tm )= Tm - Tm-1 (1)
As the peak time T m of the pulse, the time when the pulse wave signal becomes maximum or the time when the pulse wave signal becomes minimum may be used. Further, as the peak time T m of the pulse, a corrected peak time corrected based on the signal value near the peak may be used.
図６は、ステップＳ３２で心拍間隔算出部２０３によって得られた心拍間隔データの一例である。横軸は時間［ｓ］、縦軸は心拍間隔［ｍｓ］である。心拍間隔は時間とともにゆらいでいることがわかる。
FIG. 6 is an example of the heartbeat interval data obtained by the heartbeat
図３に戻って、心拍間隔データを統計解析する（Ｓ３３）。心拍間隔データの統計解析は、統計解析部２０４で行われる。統計解析は、心拍間隔の平均値、標準偏差、分散、心拍間隔の極大値、極小値等を求める処理を含む。
Returning to FIG. 3, the heartbeat interval data is statistically analyzed (S33). The statistical analysis of the heartbeat interval data is performed by the
＜体動の検知＞
ステップＳ３１〜Ｓ３３とパラレルに被測定者の体動がモニタされており、体動検知部２０５で体動が検知されたか否かが判断される（Ｓ３４）。たとえば、体動モニタ部２２０の出力が所定範囲を超えて変化したときに、体動ありとして検知される。体動が検知されない場合（Ｓ３４でＮＯ）、生体機能評価装置１Ａは、計測時間が終了するまで（Ｓ３５でＹＥＳ）、ステップＳ３１〜Ｓ３４を繰り返して計測を続ける。
<Detection of body movement>
The body movement of the measurement subject is monitored in parallel with steps S31 to S33, and it is determined whether or not the body movement is detected by the body movement detection unit 205 (S34). For example, when the output of the body
図７は、体動検知部２０５による体動検知の例を示す。横軸は計測開始からの経過時間［ｓ］、縦軸は信号強度の変化量である。
FIG. 7 shows an example of body movement detection by the body
体動検知部２０５は、体動モニタ部２２０の出力から、信号の時間的な変化量を算出する。唾の飲み込み動作が発生すると、喉部の信号値が変化して、信号変化量が増大する。信号変化量は、所定の時間幅の分散や標準偏差の時間的な変化を用いてもよい。
The body
体動検知部２０５は、算出した信号変化量を所定の閾値Ｔｈと比較し、信号変化量が閾値Ｔｈを上回った場合に、体動ありと判定して、体動の検知と、体動検知時刻Ｔ１を出力する。体動検知時刻Ｔ１としては、信号変化量が閾値Ｔｈを上回った時点のほかに、信号変化量が極大となった時点、動作モニタ出力を統計処理して分散が大きくなった時点等を用いてもよい。
The body
実施形態の特徴として、体動検知部２０５によって体動が検知された場合（Ｓ３４でＹＥＳ）、影響動作判定部２０６は、その体動が心拍変動に影響する「影響動作」であるか否かを判定する（Ｓ３７）。一例として、体動が検知される前の心拍間隔の標準偏差と、体動が検知された後の心拍間隔の標準偏差を比較することで、検知された体動による心拍変動に与える影響を判断し、影響動作であるか否かを判断する。
As a feature of the embodiment, when a body movement is detected by the body movement detecting unit 205 (YES in S34), the influential
＜影響動作の判定＞
図８と図９は、影響動作判定の第一の方法について、説明する図である。図８（ａ）は、体動検知部２０５で得られる体動モニタ信号の信号変化量の時間変化、図８（ｂ）は、心拍間隔算出部２０３によって得られた心拍間隔データである。図８（ｃ）は、統計解析部２０４により得られた５秒ごとの心拍間隔の標準偏差である。
<Judgment of affected motion>
FIG. 8 and FIG. 9 are diagrams for explaining the first method of determining the influential motion. FIG. 8A is a time change of the signal change amount of the body movement monitor signal obtained by the body
図８（ａ）で体動が検知されると、図８（ｂ）に示すように、心拍間隔は短くなる一方で、図８（ｃ）に示すように標準偏差が大きくなる。標準偏差は、体動が検知された時刻Ｔ１よりも前と比較して、大きくなっている。標準偏差をとることで、同じ被測定者の体動直前までの平均的な心拍状態が把握され、平均状態からの乖離が大きいときに、心拍に影響する「影響動作」であると判断される。 When the body movement is detected in FIG. 8A, the heartbeat interval becomes short as shown in FIG. 8B, while the standard deviation becomes large as shown in FIG. 8C. The standard deviation is larger than that before the time T1 when the body motion is detected. By taking the standard deviation, the average heartbeat state of the same person up to immediately before the body movement is grasped, and when the deviation from the average state is large, it is judged to be an "influenced motion" that affects the heartbeat. ..
図９は、影響動作判定部２０６によって、「影響動作」でないと判断がなされるときの判定例である。図９（ａ）は、体動検知部２０５で得られる信号変化量の時間変化、図９（ｂ）は、心拍間隔算出部２０３によって得られた心拍間隔データ、図９（ｃ）は、統計解析部２０４により得られた心拍間隔の標準偏差である。
FIG. 9 is a determination example when the influence
上段のように、体動モニタの信号変化量が閾値Ｔｈを超えて大きく変化したことで、時刻Ｔ１に体動ありと判断される。このとき、体動の検知にもかかわらず、心拍間隔の変化は小さい。下段の心拍間隔の標準偏差は、時刻Ｔ１よりも前と比較して、時刻Ｔ１のあとはわずかに小さくなっている。 As shown in the upper part, it is determined that there is body movement at time T1 because the signal change amount of the body movement monitor largely changes beyond the threshold Th. At this time, the change in heartbeat interval is small despite the detection of body movement. The standard deviation of the heartbeat interval in the lower row is slightly smaller after time T1 than before time T1.
すなわち、体動が検出されたにもかかわらず、心拍変動への影響はほとんどなく、時刻Ｔ１の前後を通して、被測定者の標準的な心拍状態が維持されている。この場合、「影響動作」でないと判断される。 That is, although the body movement is detected, there is almost no effect on the heartbeat variability, and the standard heartbeat state of the measurement subject is maintained before and after time T1. In this case, it is determined that it is not the "influencing operation".
心拍変動に影響しない体動とは、たとえば、被測定者が後ろを振り返る、立ち上がる等の動作である。これらの場合、動きの量は大きいが、心拍間隔はそれほど変化しない。 The body motion that does not affect the heart rate variability is, for example, a motion in which the measurement subject turns around or stands up. In these cases, the amount of movement is large, but the heartbeat interval does not change much.
このように、体動を検知した際に、心拍間隔の変化量に基づいて、影響動作か否かの判定を行う（影響動作判定の第一の方法）。 In this way, when the body motion is detected, it is determined whether or not the motion is an influence motion based on the amount of change in the heartbeat interval (first method for determining the motion influence).
また、体動を検知する直前まで計測した心拍間隔データの統計値を利用することで、心拍間隔に対する影響動作であるか否かを精度良く判断することができる。 Further, by using the statistical value of the heartbeat interval data measured until immediately before the detection of the body movement, it is possible to accurately determine whether or not the operation is an influence operation on the heartbeat interval.
計測開始直後に体動モニタ信号の信号変化量が大きく増大し、体動を検知する直前までの計測データの統計値が利用できないときは、その被測定者の前回の測定データを利用してもよい。たとえば、記憶装置１０２に保存されている前回の心拍間隔データの標準偏差を読み出して、「影響動作」であるか否かを判断してもよい。更に、被測定者にとって初回の測定であり、その被測定者の過去の測定データが存在しない場合は、同じ年代の平均的な心拍間隔データをあらかじめ記憶装置１０２に記憶しておき、それを読み出して使用してもよい。
If the signal change amount of the body movement monitor signal increases greatly immediately after the start of measurement and the statistical values of the measurement data until immediately before the detection of body movement cannot be used, even if the previous measurement data of that person is used. Good. For example, the standard deviation of the previous heartbeat interval data stored in the
あるいは、計測開始直後に体動が検知された場合はアラートを出し、計測開始から３〜５秒たってから「影響動作」であるか否かを判断してもよい。 Alternatively, when body movement is detected immediately after the start of measurement, an alert may be issued, and 3 to 5 seconds after the start of measurement, it may be determined whether or not it is an “influenced motion”.
心拍間隔の統計情報として、標準偏差の他に、心拍間隔の平均値の変動、最大値、最小値、分散値等を用いて影響動作の判定を行ってもよい。 As the statistical information of the heartbeat interval, in addition to the standard deviation, the influence operation may be determined using the fluctuation of the average value of the heartbeat interval, the maximum value, the minimum value, the variance value, or the like.
図１０は、影響動作判定の第二の方法について、説明する図である。影響動作判定の第二の方法では、心拍間隔の極小値を用いて影響動作か否かを判断する。統計解析部２０４は、心拍間隔データ上の極小値Ｉsmallを逐次更新する。体動検知部２０５で体動が検知された場合、体動検出時刻における心拍間隔を極小値Ｉsmallと比較し、体動検知から所定時間以内に、極小値Ｉsmallよりも一定量Ｔｈ２以上小さくなったときに、影響動作であると判定する。
FIG. 10: is a figure explaining the 2nd method of the influence operation determination. In the second method of determining the influential motion, the minimal value of the heartbeat interval is used to determine whether or not the motion is an influential motion. The
たとえば、図１０（ａ）において時刻Ｔ０で体動が検知されると、心拍間隔が極小値Ｉsmallと比較される。図１０（ｂ）に示される例では、時刻Ｔ０から所定時間が経過しても、心拍間隔が極小値Ｉsmallよりも一定量Ｔｈ２以上小さくならないので、「影響動作」でないと判断される。 For example, when body movement is detected at time T0 in FIG. 10A, the heartbeat interval is compared with the minimum value I small . In the example shown in FIG. 10B, the heartbeat interval does not become smaller than the minimum value I small by the fixed amount Th2 or more even if the predetermined time has elapsed from the time T0, so that it is determined that the “influence operation” is not performed.
時刻Ｔ１で体動が検知されると、時刻Ｔ１から所定時間内に、心拍間隔が極小値Ｉsmallよりも一定量Ｔｈ２以上小さくなる。この場合、「影響動作」であると判断される。 When the body movement is detected at time T1, the heartbeat interval becomes smaller than the minimum value I small by a certain amount Th2 or more within a predetermined time from time T1. In this case, it is determined to be the "influencing operation".
この例でも、被測定者自身の体動発生前の測定データを用いるので、現在の生体機能を精度良く評価することができる。 Also in this example, since the measurement data before the body movement of the subject is used, the current biological function can be evaluated with high accuracy.
図１１は、影響動作判定の第三の方法のための統計情報の例を示す図である。影響動作判定の第三の方法では、事前の統計情報を用いる。被測定者から測定された心拍間隔データまたはその統計データを、生体機能評価装置１Ａが事前に保有する統計情報と比較して、影響動作であるか否かを判定してもよい。
FIG. 11 is a diagram showing an example of statistical information for the third method of determining the influential motion. The third method of determining the influential operation uses prior statistical information. The heartbeat interval data measured by the person to be measured or the statistical data thereof may be compared with the statistical information held in advance by the biological
事前の統計情報として、たとえば、一般的な心拍変動の統計データを記憶装置１０２に保有する。安静時の心拍数は、人間の場合１分あたり６０〜８０回といわれている。平均すると１拍が１秒前後であるが、１割程度の揺らぎが発生していることがわかっている。この平均的な数値を比較の基準に用いて、影響動作の有無を判定する。
As the statistical information in advance, for example, statistical data of general heart rate variability is stored in the
図１１に、事前に保有する統計情報の一例としてテーブル２１６を示す。年齢別及び性別に、安静時の心拍数の中央値が記述されている。中央値に替えて、平均値や標準偏差値を保有してもよい。図１１のテーブル２１６に替えて、一般的な基準値、たとえば、心拍間隔の平均値を９００ミリ秒、標準偏差を３０秒と設定してもよい。この場合、体動が検知された後の測定値が基準値以下になった場合を「影響動作」であると判断してもよい。 FIG. 11 shows a table 216 as an example of the statistical information held in advance. The median resting heart rate is described by age and sex. Instead of the median, an average value or standard deviation value may be held. Instead of the table 216 in FIG. 11, a general reference value, for example, the average value of the heartbeat intervals may be set to 900 milliseconds and the standard deviation may be set to 30 seconds. In this case, when the measured value after the body motion is detected becomes equal to or less than the reference value, it may be determined as the “influencing motion”.
個人による影響を排除するために、式（２）のように、心拍間隔の変動量を標準偏差で正規化して、判定の基礎としてもよい。 In order to eliminate the influence of the individual, the fluctuation amount of the heartbeat interval may be normalized by the standard deviation as in Expression (2), and may be used as the basis for the determination.
Ｘ＝ｘi−μ／σ （２）
ここで、ｘiは体動検知時刻Ｔ１の後のある時刻の心拍間隔、μは心拍間隔平均値、σは標準偏差値である。
X=xi-μ/σ (2)
Here, xi is a heartbeat interval at a certain time after the body motion detection time T1, μ is a heartbeat interval average value, and σ is a standard deviation value.
図３に戻って、「影響動作」ではないと判断された場合（Ｓ３７でＮＯ）、計測時間が終了するまで（Ｓ３５でＹＥＳ）、そのまま計測を続ける。 Returning to FIG. 3, when it is determined that the operation is not the "influencing operation" (NO in S37), the measurement is continued as it is until the measurement time ends (YES in S35).
検知された体動が「影響動作」にあたると判断された場合（Ｓ３７でＹＥＳ）、影響区間設定部２０７は、体動の影響が心拍間隔に及んでいる「影響区間」を設定する（Ｓ３８）。影響区間の設定には、いくつかの方法がある。
When it is determined that the detected body motion corresponds to the "influenced motion" (YES in S37), the affected
＜影響区間の設定＞
図１２は、影響区間の第一の設定方法について説明する図である。図１２（ａ）で信号変化量が閾値Ｔｈを大きく上回って体動が検知され、かつ、図１２（ｂ）に示すように心拍間隔の平均偏差が体動検知時刻Ｔ１より前に比べて増大しているので、「影響動作」有りと判断される。ここで、体動発生後の心拍状態が、体動発生前の心拍状態に戻るまでの区間を影響区間ｔinf に設定する（影響区間の第一の設定方法）。この影響区間の第一の設定方法では、体動発生前の心拍状態を表わす指標として、体動発生までの心拍間隔の標準偏差の平均を用いている。
<Setting of affected section>
FIG. 12 is a diagram illustrating a first setting method of the affected section. In FIG. 12(a), the amount of signal change greatly exceeds the threshold Th to detect the body motion, and as shown in FIG. 12(b), the average deviation of the heartbeat intervals increases as compared with before the body motion detection time T1. Therefore, it is determined that there is an “influenced operation”. Here, the section until the heartbeat state after the occurrence of body movement returns to the heartbeat state before the occurrence of body movement is set as the influence section t inf (first setting method of the influence section). In the first method of setting the affected zone, the average of the standard deviations of the heartbeat intervals until the occurrence of body movement is used as an index indicating the heartbeat state before the occurrence of body movement.
心拍間隔の標準偏差が体動発生前の心拍間隔の標準偏差の平均と同等になるということは、心拍間隔に対する体動の影響がほぼ解消されたと考えてよい。 The fact that the standard deviation of the heartbeat intervals is equal to the average of the standard deviations of the heartbeat intervals before the occurrence of the body movement may be considered that the influence of the body movement on the heartbeat interval is almost eliminated.
図１３は、影響区間の第二の設定方法について説明する図である。図１２（ｂ）に示した心拍間隔の統計データに替えて、心拍間隔算出部２０３で得られた心拍間隔データと、体動検知部２０５の出力とを用いて、影響区間を設定してもよい。
FIG. 13 is a diagram illustrating a second setting method of the affected section. Instead of the statistical data of the heartbeat interval shown in FIG. 12B, the heartbeat interval data obtained by the heartbeat
たとえば、図１３（ａ）において時刻Ｔ１に体動が検知され、影響動作判定部２０６によって、この体動が心拍間隔に影響を与えていると判断されると、図１３（ｂ）に示すように、体動が検知された時刻Ｔ１から一定の時間を影響区間Ｔinf1に設定する。所定の時間は、唾液の嚥下やくしゃみ等の体動によって心拍間隔が変動する一般的な時間でもよいし、被測定者の測定データ履歴から、その被測定者の心拍間隔が体動によって影響を受ける平均的な時間を所定の時間としてもよい。
For example, when a body movement is detected at time T1 in FIG. 13A and the influence
唾の飲み込みの場合、唾を飲み込んだときから５〜１０秒の間、心拍間隔が変動することがわかっている。したがって、体動検知時刻Ｔ１から１０秒程度の区間を影響区間Ｔinf1に設定してもよい。この方法は、固定値を用いるので、影響区間設定の処理負担が軽減される。 In the case of swallowing saliva, it has been known that the heartbeat interval fluctuates for 5 to 10 seconds after swallowing saliva. Therefore, a section of about 10 seconds from the body movement detection time T1 may be set as the influence section T inf1 . Since this method uses a fixed value, the processing load for setting the affected section is reduced.
体動検知時刻Ｔ１からの一定時間を影響区間Ｔinf1とする方法に替えて、体動検知時刻Ｔ１の後の最初の心拍間隔のピークと、次のピークの間の区間を、影響区間Ｔinf2に設定してもよい。体動検知時刻Ｔ１の後に最初に現れる心拍間隔のピークと次のピークの間には、心拍間隔が短く落ち込む領域が含まれている。 Instead of the method of setting the constant time from the body motion detection time T1 as the influence section T inf1 , the section between the peak of the first heartbeat interval after the body movement detection time T1 and the next peak is the influence section T inf2. It may be set to. Between the peak of the heartbeat interval that first appears after the body motion detection time T1 and the next peak, a region in which the heartbeat interval falls short is included.
上述のように、唾液の嚥下や深呼吸の場合、心拍間隔が通常に比べて狭くなる。心拍間隔が短くなって落ち込んでいる領域を影響区間に用いる場合、区間の両端を規定する必要がある。心拍間隔が落ち込んでいる領域の両側のピークを、影響区間Ｔinf2の開始点と終了点に設定してもよい。 As described above, in the case of saliva swallowing and deep breathing, the heartbeat interval becomes narrower than usual. When using a region in which the heartbeat interval is shortened and depressed for the affected section, it is necessary to define both ends of the section. The peaks on both sides of the region where the heartbeat interval is depressed may be set as the start point and the end point of the affected section T inf2 .
図１４は、影響区間の第三の設定方法について説明する図である。影響区間の第三の設定方法では、影響区間設定部２０７は、体動検知信号の強度に基づいて影響区間Ｔinfを設定する。
FIG. 14 is a diagram illustrating a third setting method of the affected section. In the third method of setting the influence section, the influence
心拍に影響する体動のひとつとして深呼吸があるが、深呼吸の深さ、長さなどは、その時々で異なる。これらの要因を考慮して、体動が心拍に影響する影響区間を設定する。 Deep breathing is one of the body movements that affects the heartbeat, but the depth and length of deep breathing vary from time to time. In consideration of these factors, the influence section in which the body movement affects the heartbeat is set.
たとえば、図１４（ａ）で時刻Ｔ１に検出された体動検知信号の強度をＤとすると、式（４）で表されるように、影響区間ＴinfをＤの関数として設定する。 For example, assuming that the intensity of the body motion detection signal detected at time T1 in FIG. 14A is D, the influential section T inf is set as a function of D as represented by Expression (4).
Ｔinf＝ｇ（ｓ）×Ｄ （４）
ここで、ｇ（ｓ）はあらかじめ実験で導出された関数であり、単位強度当たりの影響時間を表わしている。図１４（ｂ）に示すように、体動検知信号の強度Ｄで決まる影響区間Ｔinfでは、一般的に心拍間隔の偏差が大きくなっているので、体動検知信号の強度を用いて影響区間を決定することができる。
T inf =g(s)×D (4)
Here, g(s) is a function derived in advance by an experiment, and represents the influence time per unit intensity. As shown in FIG. 14B, in the influence section T inf determined by the strength D of the body movement detection signal, since the deviation of the heartbeat interval is generally large, the influence section is determined using the strength of the body movement detection signal. Can be determined.
体動検知信号の強度または持続時間（長さ）の関数としての算出式に替えて、信号強度または持続時間から影響区間への換算表を保有していてもよい。 Instead of the calculation formula as a function of the strength or duration (length) of the body motion detection signal, a conversion table from the signal strength or duration to the affected section may be held.
図３に戻って、影響区間が設定されると（Ｓ３８）、影響区間の心拍間隔データに対する処理を行う（Ｓ３９）。この区間の心拍間隔データは体動の影響を受けており、生体の自律神経系の状態を正しく表していない。そこで、影響区間で得られた心拍間隔データを除去または補正することで、測定精度を高める。 Returning to FIG. 3, when the affected section is set (S38), processing is performed on the heartbeat interval data of the affected section (S39). The heartbeat interval data in this section is affected by body movement and does not correctly represent the state of the autonomic nervous system of the living body. Therefore, the measurement accuracy is improved by removing or correcting the heartbeat interval data obtained in the affected section.
影響区間の心拍間隔データを除去する場合、データの連結部に不連続性が発生しないように影響区間の前後のデータを連結してもよい。 When the heartbeat interval data of the affected section is removed, the data before and after the affected section may be linked so that discontinuity does not occur in the linked section of the data.
影響区間の心拍間隔データを補正する場合、影響区間の心拍データを影響区間の近傍のデータに置き換えるなど、公知の手法を用いてよい。影響区間全体のデータを補正するのではなく、体動の影響が強い部分のデータだけを補正してもよい。補正後のデータは、生体機能評価のための有効データとして用いることができる。 When correcting the heartbeat interval data of the affected section, a known method such as replacing the heartbeat data of the affected section with data in the vicinity of the affected section may be used. Instead of correcting the data of the entire affected section, only the data of the portion where the influence of body movement is strong may be corrected. The corrected data can be used as effective data for biological function evaluation.
影響動作の頻度に応じて、影響区間のデータ処理の方法を変えてもよい。影響動作の頻度は、影響動作の発生回数、影響区間のトータル時間、計測時間に対する影響区間の割合などにより求められる。影響動作の頻度が所定値よりも高い場合は、影響区間の測定データを前後のデータで置き換える等の補正が困難なので、データを除去するか、または影響区間内のデータに所定の重み付を与えるなどの別の補正処理を行ってもよい。 The data processing method of the affected section may be changed according to the frequency of the affected operation. The frequency of the influence operation is obtained by the number of occurrences of the influence operation, the total time of the influence section, the ratio of the influence section to the measurement time, and the like. If the frequency of the influence operation is higher than the predetermined value, it is difficult to correct the measured data in the influence section by replacing the measured data with the previous and subsequent data, so remove the data or give a predetermined weight to the data in the influence section. Other correction processing such as the above may be performed.
その後、ステップＳ３５で、計測時間が終了したか否かが判断される。計測時間設定・カウント部２０９は、生体機能の評価に必要な計測時間を算出する。
Then, in step S35, it is determined whether or not the measurement time has ended. The measurement time setting/
図１５は、計測時間算出の第一の処理フローである。計測時間設定・カウント部２０９は、計測時間のカウント中に心拍に影響を与える影響区間が設定される都度、影響区間を累積して合計値を算出する（Ｓ３５１）。現在カウントされている計測時間から、影響区間の合計値を差し引いた時間を、有効データ区間として算出し（Ｓ３５２）、有効データ区間が生体機能の評価に必要な所定値に達した場合に（Ｓ３５３でＹＥＳ）、計測を終了する。
FIG. 15 is a first processing flow of measurement time calculation. The measurement time setting/
自律神経の指標であるＬＦは、周期が６．７秒〜２５秒程度の心拍間隔の揺らぎを評価するものであるため、少なくとも２５秒程度の心拍データがあればよい。体動が発生しない場合、もしくは体動が発生しても心拍間隔の変動に影響がない場合は、理論的には、有効データ区間が２５秒になった時点で計測を終了してもよい。現実的には、自律神経バランスのばらつきを評価するのに２５秒の２〜３倍程度を見込んで、１分から１分半を計測時間とすることができる。 The LF, which is an index of the autonomic nerve, evaluates fluctuations in heartbeat intervals having a cycle of about 6.7 seconds to 25 seconds, and thus heartbeat data of at least about 25 seconds is sufficient. If the body movement does not occur, or if the body movement does not affect the fluctuation of the heartbeat interval, theoretically, the measurement may be ended at the time when the effective data section reaches 25 seconds. In reality, the measurement time can be 1 minute to 1 minute and a half in consideration of about 2 to 3 times 25 seconds to evaluate the variation in the autonomic nerve balance.
図１６は、計測時間算出の第二の処理フローである。計測中に、計測の残り時間を表示部２４０に表示してもよい。図１５に示した第一の処理フローと同様に、現在カウントされている計測時間から影響区間を除いて、有効データ区間を算出する（Ｓ３５１、Ｓ３５２）。必要な計測時間から有効データ区間を差し引いて残り時間を算出し、表示する（Ｓ３５４）。残り時間がゼロになった時点で（Ｓ３５５でＹＥＳ）、計測を終了する。
FIG. 16 is a second processing flow of calculating the measurement time. The remaining time of the measurement may be displayed on the
計測時間算出の第二の処理では、被測定者は、唾の飲み込みなどにより計測時間が多少延びても、残りの計測時間を知ることができるので、測定の精神的な負担が軽減される。 In the second process of calculating the measurement time, the person to be measured can know the remaining measurement time even if the measurement time is slightly extended due to swallowing saliva or the like, and thus the mental burden of measurement is reduced.
図１７は、計測時間算出の第三の処理フローである。影響区間が多い場合に、アラートを発してもよい。図１６に示した第二の処理フローと同様に、現在カウントされている計測時間から影響区間を除いて、有効データ区間を算出し（Ｓ３５１、Ｓ３５２）、必要な計測時間から有効データ区間を差し引いて残り時間を算出する（Ｓ３５４）。 FIG. 17 is a third processing flow of measurement time calculation. An alert may be issued when there are many affected sections. Similar to the second processing flow shown in FIG. 16, the effective data section is calculated by excluding the affected section from the currently counted measurement time (S351, S352), and the valid data section is subtracted from the required measurement time. And the remaining time is calculated (S354).
計測開始時刻から現在までの時間における影響区間の割合を計算し（Ｓ３５６）、影響区間の割合が所定値以上であるか否かを判断する（Ｓ３５７）。影響区間の割合が所定値以上の場合は（Ｓ３５７でＹＥＳ）、表示部２４０にエラーの表示をするなどしてエラー通知を行って（Ｓ３５８）、計測を終了する。影響区間の割合が所定値未満の場合は（Ｓ３５７でＮＯ）、生体評価に必要な計測時間になるまで、すなわち計測の残り時間がゼロになるまで計測を継続して（Ｓ３５５でＹＥＳ）、計測を終了する。 The ratio of the affected section in the time from the measurement start time to the present is calculated (S356), and it is determined whether the ratio of the affected section is equal to or more than a predetermined value (S357). When the ratio of the affected section is equal to or more than the predetermined value (YES in S357), an error notification is given by displaying an error on the display unit 240 (S358), and the measurement ends. When the ratio of the affected section is less than the predetermined value (NO in S357), the measurement is continued until the measurement time required for the biometric evaluation, that is, the remaining measurement time becomes zero (YES in S355), and the measurement is performed. To finish.
計測時間算出の第三の処理では、唾の飲み込みなどの影響動作が多い場合に、不必要に計測時間を延すのではなく、正しい計測が困難であることを被測定者に通知し、別のタイミングでの適切な計測を促すことができる。 In the third process of calculating the measurement time, when there are many influential actions such as swallowing saliva, rather than unnecessarily extending the measurement time, the subject is notified that correct measurement is difficult, and another It is possible to encourage appropriate measurement at the timing.
図３に戻って、計測時間が終了すると（Ｓ３５でＹＥＳ）、生体機能を評価し、評価結果を出力する（Ｓ３６）。 Returning to FIG. 3, when the measurement time ends (YES in S35), the biological function is evaluated and the evaluation result is output (S36).
＜生体機能の評価＞
生体機能評価部２１０は、有効区間に取得された心拍間隔データを解析して、自律神経バランス等の生体の機能または状態を評価する。ここでは、自律神経バランスを表わす指標であるＬＦ、ＨＦ、ＬＦ／ＨＦを評価する例を説明する。
<Evaluation of biological function>
The biological
心拍間隔は、自律神経系である心臓の交感神経と副交感神経の神経活動のバランスを反映してゆらいでいる。このゆらぎを心拍変動（ＨＲＶ：Heart Rate Variability）と呼ぶ。心臓交感神経は、身体的または精神的な負荷に対して抵抗するために身体を活性化する働きを持つ。心臓副交感神経は、休息または休養を要求する働きを持つ。 The heartbeat interval fluctuates reflecting the balance of neural activity of the sympathetic nerve and parasympathetic nerve of the heart, which is the autonomic nervous system. This fluctuation is called heart rate variability (HRV). Cardiac sympathetic nerves act to activate the body to resist physical or mental stress. The cardiac parasympathetic nerve has the function of requiring rest or rest.
身体的または精神的な負荷により、交感神経が高ぶると心拍数は増加し、心拍間隔が短縮することから、ストレスを表す指標となる。心拍間隔の時系列変化を見ることで、身体的または精神的ストレスの程度を知ることができる。 When the sympathetic nerve becomes higher due to physical or mental load, the heart rate increases and the heartbeat interval shortens, which is an index of stress. By observing the time-series changes in the heartbeat interval, the degree of physical or mental stress can be known.
ＨＲＶには、２つの周波数帯の異なる成分がある。第１の成分は、呼吸に由来する周波数帯域０．１５Ｈｚ〜０．４ＨｚのＨＦ成分である。ＨＦは、副交感神経系の活動が低下すると小さくなるといわれている。第２の成分は血圧のＭａｙｅｒ波に由来するとされている周波数帯域０．０４Ｈｚ〜０．１５ＨｚのＬＦ成分である。ＬＦは、交感神経系と副交感神経系の両方の活動を反映する。両者の比を取ったＬＦ／ＨＦは、生体の疲労度やストレス度を評価する指標となる。 HRV has different components in two frequency bands. The first component is an HF component derived from respiration and having a frequency band of 0.15 Hz to 0.4 Hz. HF is said to become smaller when the activity of the parasympathetic nervous system decreases. The second component is the LF component in the frequency band 0.04 Hz to 0.15 Hz which is said to be derived from the Mayer wave of blood pressure. LF reflects activity of both the sympathetic and parasympathetic nervous systems. The LF/HF obtained by taking the ratio of both is an index for evaluating the fatigue level and stress level of the living body.
ＬＦとＨＦの算出方法を説明する。まず、心拍間隔は等間隔のデータではないため、心拍間隔データの周波数解析を行うために、リサンプリングを行って等間隔のデータを生成する。リサンプリングの時間間隔は、例えば０．２５［秒］とする。リサンプリングしたい時間における信号値は、例えば補間により求めればよい。補間の方法としては、線形補間やスプライン補間等を用いることができる。 A method of calculating LF and HF will be described. First, since the heartbeat interval is not data at equal intervals, resampling is performed to generate data at equal intervals in order to perform frequency analysis of the heartbeat interval data. The time interval of resampling is, eg, 0.25 [seconds]. The signal value at the time when re-sampling is desired may be obtained by interpolation, for example. As the interpolation method, linear interpolation, spline interpolation, or the like can be used.
次に、等間隔にした心拍間隔の時系列データから、パワースペクトルを算出する。パワースペクトルを算出する方法は、既知の周波数解析手法を用いることができる。例えば最大エントロピー法によって指定の周波数におけるパワーを求めることができる。 Next, a power spectrum is calculated from time-series data of evenly spaced heartbeat intervals. As a method of calculating the power spectrum, a known frequency analysis method can be used. For example, the power at a specified frequency can be obtained by the maximum entropy method.
最後に、パワースペクトルから自律神経指標であるＬＦ、ＨＦ、及びＬＦ／ＨＦを算出する。ＬＦは０．０４〜０．１５［Ｈｚ］の周波数帯のパワーを積分して求めることができる。ＨＦは０．１５〜０．４０［Ｈｚ］の周波数帯のパワーを積分して求めることができる。ＬＦ／ＨＦは両者の比を取ることで求めることができる。 Finally, LF, HF, and LF/HF that are autonomic nerve indices are calculated from the power spectrum. The LF can be obtained by integrating the power in the frequency band of 0.04 to 0.15 [Hz]. HF can be obtained by integrating the power in the frequency band of 0.15 to 0.40 [Hz]. LF/HF can be obtained by taking the ratio of both.
第１実施形態の構成で、自律神経バランスの評価のための計測時間を、従来の３分から１〜１分半へと、大幅に短縮することができる。 With the configuration of the first embodiment, the measurement time for evaluating the autonomic nervous balance can be significantly reduced from the conventional 3 minutes to 1 to 1 and a half minutes.
図３〜図１７を参照して説明した生体機能の評価方法は、生体機能評価装置１Ａで生体機能評価プログラムを実行することでによっても実現されるてもよい。生体機能評価プログラムは、外部記録媒体からインストールされてもよいし、ネットワーク経由でダウンロードされ、インストールされてもよい。
The biological function evaluation method described with reference to FIGS. 3 to 17 may also be realized by executing the biological function evaluation program in the biological
＜第２実施形態＞
図１８は、第２実施形態の生体機能評価装置１Ｂの機能ブロック図である。生体機能評価装置１Ｂは、信号処理部２００Ｂと、表示部２４０と、撮像部２５０を有する。第２実施形態では、撮像部２５０で撮影される画像データを用いて体動をモニタし、生体信号を取得する。
<Second Embodiment>
FIG. 18 is a functional block diagram of the biological
生体機能評価装置１Ｂは、図２のハードウエア構成で実現することができる。撮像部２５０は、情報処理装置１００の撮像装置１０６で実現され、具体的には、Ｗｅｂカメラや、情報処理装置１００に内蔵されている内蔵カメラである。
The biological
撮像部２５０は、たとえば、Ｒ（Red）、Ｇ（green）、Ｂ（blue）の３チャンネルを有する。必ずしもＲＧＢの３チャンネルである必要はないが、脈拍による輝度変化を取得しやすい波長域（緑光波長域や近赤外光波長域）に分光感度を持つチャンネルを少なくとも有していることが望ましい。
The
撮像部２５０で撮影された画像データは、信号処理部２００Ｂの画像信号入力部２０１に入力される。画像データは１フレームずつリアルタイムで入力されることが望ましいが、これに限定されない。画像信号入力部２０１に入力された画像データのうち、脈拍検出に用いられるデータ部分は生体信号抽出部２０２に入力され、体動検知に用いられるデータ部分は、体動検知部２０５に入力される。画像データは、脈波を検知できる肌領域と、体動を検知できる部位とが含まれるように撮像されていることが望ましい。
The image data captured by the
生体信号抽出部２０２は、特許請求の範囲における「生体信号取得部」に対応し、入力された画像データから脈波を取得する。たとえば、被測定者の胸部から上を撮影した動画像から、皮膚の色変化を検出して、欠陥を流れる血流の変化を読み取って、心拍を取得する。撮像部２５０で撮影された動画像は、皮膚を撮影していればよく、顔に限定されないが、心拍とパラレルに同じ画像から体動を検知するには、上半身であることが望ましい。
The biological
図１９は、画像信号入力部２０１に入力された画像データのうち、脈波の検出に用いられる肌領域Ａ１を示す。画像データ３０１は、たとえば、被測定者のパーソナルコンピュータ（ＰＣ）のモニタディスプレイのフレームに設けられているカメラ等の撮像装置１０６によって撮影される動画像である。生体信号抽出部２０２は、画像データ３０１から脈波信号などの生体信号を取得する。
FIG. 19 shows a skin area A1 used for detecting a pulse wave in the image data input to the image
図２０は、脈波信号取得の処理フローである。画像データ３０１から、脈波信号を取得するための肌領域Ａ１の画素値を取得する（Ｓ１０１）。肌領域は、画素のＲＧＢ値に基づき設定することができる。たとえば、顔検出技術で検出した顔領域に含まれる画素値を取得し、画素のＲＧＢ値が、肌色がもつＲＧＢ値の範囲に含まれる場合に、その画素が肌領域に含まれていると判断する。
FIG. 20 is a processing flow of pulse wave signal acquisition. From the
あるいは、肌領域Ａ１を、顔検出技術で検出した顔の特徴点の座標位置に基づいて設定してもよい。この場合、眼、口、鼻などの特徴点の座標位置を検出し、検出した座標位置に基づいて肌領域Ａ１を設定することができる。 Alternatively, the skin area A1 may be set based on the coordinate position of the feature point of the face detected by the face detection technique. In this case, it is possible to detect the coordinate positions of the characteristic points such as the eyes, the mouth, and the nose, and set the skin area A1 based on the detected coordinate positions.
図１９の例では、鼻と頬を含む顔の中心部分を肌領域Ａ１として設定しているが、眼と額を含む部分を肌領域に設定してよい。また、ユーザインタフェースである入力装置１０７から、肌領域Ａ１の視点位置、幅、長さ等のパラメータを入力して肌領域Ａ１を設定してもよい。
In the example of FIG. 19, the central portion of the face including the nose and cheeks is set as the skin area A1, but the portion including the eyes and the forehead may be set as the skin area. The skin area A1 may be set by inputting parameters such as the viewpoint position, width, and length of the skin area A1 from the
肌領域Ａ１の画素値が取得されると、取得された画素値を平均化する（Ｓ１０２）。たとえば、肌領域Ａ１に含まれる画素のＲ信号値、Ｇ信号値、Ｂ信号値を各色について加算し、平均値を計算する。脈拍に伴う画素値の変化は微小であるため、１画素単位ではノイズによる影響が大きいが、複数の画素の信号値を平均化することで、ノイズによる影響を低減できる。平均値の代わりに、中央値など他の代表値となる指標を用いてもよい。 When the pixel values of the skin area A1 are acquired, the acquired pixel values are averaged (S102). For example, the R signal value, the G signal value, and the B signal value of the pixels included in the skin area A1 are added for each color, and the average value is calculated. Since the change of the pixel value due to the pulse is small, the influence of noise is large on a pixel-by-pixel basis, but the influence of noise can be reduced by averaging the signal values of a plurality of pixels. Instead of the average value, another index such as the median value may be used.
平均化したＲＧＢ信号から、脈波を示す成分を含む脈波信号を取得する（Ｓ１０３）。脈波信号は、例えば式（５）により求めることができる。 A pulse wave signal including a component indicating a pulse wave is acquired from the averaged RGB signals (S103). The pulse wave signal can be obtained by, for example, Expression (5).
ｐ0（n）＝ａr×ｒ（n）＋ａg×ｇ（n）＋ａb×ｂ（n） （５）
ここで、ｐ0（n）、ｒ（n）、ｇ（n）、ｂ（n）は、それぞれｎフレーム目の脈波信号、Ｒ信号、Ｇ信号、Ｂ信号の信号値を表す。またａr、ａg、ａbは、Ｒ信号、Ｇ信号、ｂ信号の重みを表す。
p 0 (n)= ar ×r(n)+ ag ×g(n)+ ab ×b(n) (5)
Here, p 0 (n), r(n), g(n), and b(n) represent the signal values of the pulse wave signal, R signal, G signal, and B signal of the nth frame, respectively. Further, a r , a g , and a b represent weights of the R signal, the G signal, and the b signal.
各信号の重みは、最も簡単な例として、ａr＝０、ａg＝１、ａb＝０の組み合わせを利用できる。脈拍による信号値の変化は、Ｇ信号で最も顕著に現れることが知られており、Ｇ信号を脈波信号として用いることができる。 For the weight of each signal, a combination of a r =0, a g =1 and a b =0 can be used as the simplest example. It is known that the change in the signal value due to the pulse appears most noticeably in the G signal, and the G signal can be used as the pulse wave signal.
重み付けの別の例として、ａr＝−ｋ（ｋは正の値）、ａg＝１、ａb＝０の組み合せを利用してもよい。すなわち、Ｇ信号から係数ｋで補正されたＲ信号を差し引いた信号値を脈波信号として用いる。これにより、Ｇ信号に含まれる体動等に起因するノイズ成分を低減することができる。係数ｋは、脈波信号に含まれるノイズ成分が最小となるように決定することが望ましい。係数ｋは、フレームごとに最適化した値を用いてもよい。 As another example of weighting, a combination of a r =−k (k is a positive value), a g =1 and a b =0 may be used. That is, a signal value obtained by subtracting the R signal corrected by the coefficient k from the G signal is used as the pulse wave signal. As a result, it is possible to reduce the noise component that is included in the G signal and that is caused by body movement or the like. The coefficient k is preferably determined so that the noise component included in the pulse wave signal is minimized. A value optimized for each frame may be used as the coefficient k.
各信号の重み付けは上述した例に限らず、脈波を示す成分を取得抽出することができる他の適切な重みを用いて算出した信号値を、脈波信号として用いてもよい。 The weighting of each signal is not limited to the example described above, and a signal value calculated using another appropriate weight that can acquire and extract a component indicating a pulse wave may be used as the pulse wave signal.
次に、算出された脈波信号に含まれるノイズ成分を除去する（Ｓ１０４）。ノイズ成分の除去は、任意の手法を用いることができる。たとえば、ステップＳ１０３で算出した脈波信号に対して所定の周期特性を持つノイズ低減フィルタを適用することで、脈波周期と異なる周期を持つノイズ成分を低減することができる。ノイズ低減フィルタとしては、例えば脈波の周期に近い周波数成分のみを透過させるバンドパスフィルタを用いることができる。あるいは、脈波に近い周期を持つフィルタ関数を生成し、対象信号との相互相関計算により、脈波周期と異なる周期のノイズ成分を低減してもよい。 Next, the noise component included in the calculated pulse wave signal is removed (S104). Any method can be used to remove the noise component. For example, by applying a noise reduction filter having a predetermined periodic characteristic to the pulse wave signal calculated in step S103, it is possible to reduce a noise component having a period different from the pulse wave period. As the noise reduction filter, for example, a bandpass filter that transmits only frequency components close to the pulse wave period can be used. Alternatively, it is possible to generate a filter function having a period close to the pulse wave and calculate the cross-correlation with the target signal to reduce the noise component having a period different from the pulse wave period.
Ｓ１０１〜Ｓ１０４の処理を、計測時間が終了するまで（Ｓ１０５でＹＥＳ）繰り返すことで、画像データ３０１から被測定者の脈波信号を取得抽出することができる。
By repeating the processing of S101 to S104 until the measurement time ends (YES in S105), the pulse wave signal of the measurement subject can be acquired and extracted from the
図２１は、画像信号入力部２０１に入力された画像データ３０１のうち、脈波または心拍の変動に影響を与える可能性のある体動検出に用いられる喉領域Ａ２を示す図である。第２実施形態では、体動検知部２０５は入力された画像データ３０１から喉の動きなどを検出して、唾の飲み込み動作を検知する。
FIG. 21 is a diagram showing the throat region A2 used in the body motion detection that may affect the fluctuation of the pulse wave or the heartbeat in the
図２２は、第２実施形態における体動検知の処理フローである。画像データ３０１から、喉領域Ａ２の画素値を取得する（Ｓ１１１）。喉領域Ａ２は、公知の顔検出技術により、顔の輪郭等の特徴点の座標位置を検出し、検出された座標位置から喉領域Ａ２の画素値を取得することができる。 FIG. 22 is a processing flow of body movement detection in the second embodiment. The pixel value of the throat area A2 is acquired from the image data 301 (S111). The throat area A2 can detect the coordinate position of a feature point such as the contour of the face by a known face detection technique, and obtain the pixel value of the throat area A2 from the detected coordinate position.
次に、喉領域Ａ２のＲ信号、Ｇ信号、Ｂ信号のいずれかの信号の変動量を算出する（Ｓ１１２）。変動量は画像データの入力ごとに、たとえばフレームごとに算出される。 Next, the variation amount of any one of the R signal, G signal, and B signal of the throat region A2 is calculated (S112). The variation amount is calculated for each input of image data, for example, for each frame.
算出された変動量が一定の閾値を超えたときに、体動（唾の飲み込み）の検知を出力する（Ｓ１１３）。 When the calculated fluctuation amount exceeds a certain threshold, detection of body movement (salting of saliva) is output (S113).
ステップＳ１１１〜Ｓ１１３の処理を、計測時間が終了するまで（Ｓ１１４でＹＥＳ）繰り返すことで、画像データ３０１から被測定者の体動を検知することができる。
By repeating the processing of steps S111 to S113 until the measurement time ends (YES in S114), the body movement of the measurement subject can be detected from the
信号処理部２００Ｂのその他の機能及び動作は、第１実施形態と同様である。心拍間隔算出部２０３は、取得された脈波信号から逐次、心拍間隔を算出する。統計解析部２０４は、心拍間隔データを統計処理し、解析する。解析結果は、影響動作判定部２０６に入力される。
The other functions and operations of the
影響動作判定部２０６は、体動検知部２０５の検知出力を受け取り、心拍間隔の統計解析の結果に基づいて、検知された体動が心拍変動に影響する「影響動作」であるか否かを判定する。換言すると、検知された体動による心拍変動に与える影響に基づいて、検知された体動を「影響動作」と検知する。「影響動作」か否かの判断は、第１実施形態において図８〜図１１を参照して説明したいずれの方法を用いてもよい。
The affected
「影響動作」と判定された場合に、影響区間設定部２０７によって、体動の影響を受けている「影響区間」が設定される。「影響区間」の設定は、第１実施形態において、図１２〜図１４を参照して説明したいずれの方法を用いてもよい。その後、影響区間処理部２０８によって、影響区間の生体データまたはその統計データに対する補正、削除等の処理が行われる。
When it is determined that the "influenced motion", the affected
計測時間設定・カウント部２０９は、有効なデータ区間の合計値が、所定の計測時間に達するまで時間をカウントする。生体機能評価部２１０は、所定の計測時間の間に得られた有効データから、交換神経、副交感神経、自律神経バランスなどの生体機能を評価し、評価結果を表示部２４０に出力する。
The measurement time setting/
第２実施形態では、非接触で脈波等の生体信号と、唾液の嚥下等の体動情報の双方を取得することができる。たとえば、ＰＣを用いた作業と作業の間の休憩時間に、自律神経バランスを気軽にチェックすることができる。 In the second embodiment, both a biological signal such as a pulse wave and body movement information such as saliva swallowing can be acquired in a non-contact manner. For example, it is possible to easily check the autonomic nervous balance during a break between work using a PC.
第１実施形態と第２実施形態のどちらの実施形態においても、体動が検知された場合、その体動が心拍変動に影響を与えているときのデータだけを補正または除去する。体動があっても心拍変動に影響していない場合は、測定データを有効データとして扱う。その結果、従来の自律神経バランスの測定時間を短縮して、同程度の測定精度を実現することができる。具体的には、被測定者の状態にもよるが、一般的な状態であれば、３分間という従来の自律神経バランスの測定時間の半分以下の時間で、同程度の測定精度を実現することができる。 In both the first embodiment and the second embodiment, when the body movement is detected, only the data when the body movement affects the heart rate variability is corrected or removed. If body movement does not affect the heart rate variability, the measured data is treated as valid data. As a result, it is possible to shorten the conventional autonomic nerve balance measurement time and achieve the same measurement accuracy. Specifically, depending on the condition of the person to be measured, if it is a general condition, the same degree of measurement accuracy should be achieved in less than half the conventional autonomic nerve balance measurement time of 3 minutes. You can
上述した生体機能の評価は、生体機能評価装置１Ａまたは１Ｂに生体機能評価プログラムをインストールすることで実行されてもよい。この場合、プログラムは、心拍間隔を用いて被測定者の生体機能の評価を行う生体機能評価装置に、
被測定者から生体信号を取得する手順と、
前記被測定者の体動を検知する手順と、
前記生体信号から心拍間隔を算出する手順と、
前記被測定者の体動が検知された場合に、前記体動が前記心拍間隔の変動に与えた影響に基づいて、前記体動を影響動作と検知する手順と、
前記体動が前記影響動作と検知された場合に、前記心拍間隔が前記体動の影響を受けている影響区間を特定する手順と、
前記体動が前記影響動作と検知された場合に、前記影響区間における前記心拍間隔に対して所定の処理を施した後に、前記生体機能の評価を行う手順と、
を実行させる。
The evaluation of the biological function described above may be executed by installing the biological function evaluation program in the biological
A procedure for acquiring a biological signal from the measured person,
A procedure for detecting the body movement of the person to be measured,
A procedure for calculating a heartbeat interval from the biological signal,
When a body movement of the person to be measured is detected, based on the influence of the body movement on the fluctuation of the heartbeat interval, a procedure of detecting the body movement as an influential operation,
When the body motion is detected as the influential motion, a procedure of identifying an affected section in which the heartbeat interval is affected by the body motion,
When the body motion is detected as the influential motion, after performing a predetermined process on the heartbeat interval in the influential section, a procedure for evaluating the biological function,
To run.
１Ａ、１Ｂ 生体機能評価装置
１００ 情報処理装置
２００Ａ、２００Ｂ 信号処理部
２０１ 画像信号入力部
２０２ 生体信号抽出部
２０３ 心拍間隔算出部
２０４ 統計解析部
２０５ 体動検知部
２０６ 影響動作判定部
２０７ 影響区間設定部
２０８ 影響区間処理部
２０９ 計測時間設定・カウント部
２１０ 生体機能評価部
２２０ 体動モニタ部
２３０ 生体信号測定部
２４０ 表示部
２５０ 撮像部
1A, 1B Biological
Claims (14)
前記被測定者から生体信号を取得する生体信号取得部と、
前記被測定者の体動を検知する体動検知部と、
前記生体信号から心拍間隔を算出する心拍間隔算出部と、
前記体動検知部によって検知された前記体動が、前記心拍間隔の変動に与えた影響に基づいて、前記体動を影響動作と検知する影響動作検知部と、
前記影響動作検知部が前記体動を前記影響動作と検知した場合に、前記生体信号について前記心拍間隔が前記体動の影響を受けている影響区間を特定する区間設定部と、
を有し、
前記影響動作検知部が前記体動を前記影響動作と検知した場合に、前記区間設定部が特定した前記影響区間における前記心拍間隔に対して所定の処理を施した後に、前記生体機能の評価を行う生体機能評価装置。 A biological function evaluation device for evaluating a biological function of a measurement subject using a heartbeat interval,
A biological signal acquisition unit that acquires a biological signal from the measurement subject,
A body movement detection unit that detects the body movement of the person to be measured,
A heartbeat interval calculation unit that calculates a heartbeat interval from the biological signal,
The body movement detected by the body movement detecting unit, based on the influence on the fluctuation of the heartbeat interval, an influence motion detecting unit that detects the body motion as an influence motion,
A section setting section that specifies an affected section in which the heartbeat interval for the biological signal is affected by the body movement when the affected movement detection unit detects the body movement as the influence movement.
Have
When the influential action detection unit detects the body motion as the influential action, the biological function is evaluated after performing a predetermined process on the heartbeat interval in the influential segment identified by the segment setting unit. A biological function evaluation device for performing.
前記被測定者から生体信号を取得し、
前記被測定者の体動を検知し、
前記生体信号から心拍間隔を算出し、
前記被測定者の体動が検知された場合に、前記体動が前記心拍間隔の変動に与えた影響に基づいて、前記体動を影響動作と検知し、
前記体動が前記影響動作と検知された場合に、前記心拍間隔が前記体動の影響を受けている影響区間を特定し、
前記影響区間における前記心拍間隔に対して所定の処理を施した後に、前記被測定者の生体機能の評価を行う、
生体機能評価方法。 A biological function evaluation method for evaluating a biological function of a measurement subject using a heartbeat interval,
Obtaining a biological signal from the subject,
Detects the body movement of the person being measured,
Calculate the heartbeat interval from the biological signal,
When the body movement of the person to be measured is detected, based on the influence of the body movement on the fluctuation of the heartbeat interval, the body movement is detected as an influential operation,
When the body movement is detected as the influential movement, the heartbeat interval specifies an affected section affected by the body movement,
After performing a predetermined process on the heartbeat interval in the affected zone, evaluate the biological function of the subject,
Biological function evaluation method.
被測定者から生体信号を取得する手順と、
前記被測定者の体動を検知する手順と、
前記生体信号から心拍間隔を算出する手順と、
前記被測定者の体動が検知された場合に、前記体動が前記心拍間隔の変動に与えた影響に基づいて、前記体動を影響動作と検知する手順と、
前記体動が前記影響動作と検知された場合に、前記心拍間隔が前記体動の影響を受けている影響区間を特定する手順と、
前記体動が前記影響動作と検知された場合に、前記生体機能の評価を、前記影響区間における前記心拍間隔に対して所定の処理を施した後に行う手順と、
を実行させる生体機能評価プログラム。 In the biological function evaluation device that evaluates the biological function of the measurement subject using the heartbeat interval,
A procedure for acquiring a biological signal from the measured person,
A procedure for detecting the body movement of the person to be measured,
A procedure for calculating a heartbeat interval from the biological signal,
When a body movement of the person to be measured is detected, based on the influence of the body movement on the fluctuation of the heartbeat interval, a procedure of detecting the body movement as an influential operation,
When the body motion is detected as the influential motion, a procedure of identifying an affected section in which the heartbeat interval is affected by the body motion,
When the body movement is detected as the influential action, the evaluation of the biological function, after performing a predetermined process for the heartbeat interval in the affected section, a procedure,
A biological function evaluation program for executing.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018225444 | 2018-11-30 | ||
| JP2018225444 | 2018-11-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020092817A true JP2020092817A (en) | 2020-06-18 |
| JP7155980B2 JP7155980B2 (en) | 2022-10-19 |
Family
ID=71085419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018232560A Active JP7155980B2 (en) | 2018-11-30 | 2018-12-12 | Biological function evaluation device, biological function evaluation method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7155980B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022029919A (en) * | 2020-08-06 | 2022-02-18 | 独立行政法人国立病院機構 | Biological information acquisition device |
| CN114300134A (en) * | 2021-12-14 | 2022-04-08 | 中南大学 | User health condition detection method and device, terminal and readable storage medium |
| JP2022141565A (en) * | 2021-03-15 | 2022-09-29 | 鴻海精密工業股▲ふん▼有限公司 | Health monitoring method, electronic device, and computer-readable storage medium |
| JPWO2023063220A1 (en) * | 2021-10-12 | 2023-04-20 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001204714A (en) * | 2000-01-28 | 2001-07-31 | Nissan Motor Co Ltd | Mental stress judging device |
| JP2004089314A (en) * | 2002-08-30 | 2004-03-25 | Pioneer Electronic Corp | Heart rate measuring system, heart rate measuring method, heart rate measuring program and recording medium having the program recorded thereon |
| JP2006271731A (en) * | 2005-03-29 | 2006-10-12 | Toshiba Corp | Heartbeat measuring apparatus and heartbeat measuring method |
| JP2008237574A (en) * | 2007-03-27 | 2008-10-09 | Toshiba Corp | Apparatus and method for measuring autonomic nerve index and biological information detecting apparatus |
| JP2009011585A (en) * | 2007-07-05 | 2009-01-22 | Toshiba Corp | Apparatus and method for pulse wave processing |
| JP2010063682A (en) * | 2008-09-11 | 2010-03-25 | Aisin Seiki Co Ltd | Driver monitoring apparatus |
| WO2013114596A1 (en) * | 2012-02-01 | 2013-08-08 | 富士通株式会社 | Information processing device, method for generating representative waveform, and program for generating representative waveform |
| JP2017012249A (en) * | 2015-06-26 | 2017-01-19 | 富士通株式会社 | Meal time estimation method, meal time estimation program and meal time estimation device |
| JP2017029318A (en) * | 2015-07-30 | 2017-02-09 | 国立大学法人 千葉大学 | Method for processing image for stress-monitoring and program of the same |
-
2018
- 2018-12-12 JP JP2018232560A patent/JP7155980B2/en active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001204714A (en) * | 2000-01-28 | 2001-07-31 | Nissan Motor Co Ltd | Mental stress judging device |
| JP2004089314A (en) * | 2002-08-30 | 2004-03-25 | Pioneer Electronic Corp | Heart rate measuring system, heart rate measuring method, heart rate measuring program and recording medium having the program recorded thereon |
| JP2006271731A (en) * | 2005-03-29 | 2006-10-12 | Toshiba Corp | Heartbeat measuring apparatus and heartbeat measuring method |
| JP2008237574A (en) * | 2007-03-27 | 2008-10-09 | Toshiba Corp | Apparatus and method for measuring autonomic nerve index and biological information detecting apparatus |
| JP2009011585A (en) * | 2007-07-05 | 2009-01-22 | Toshiba Corp | Apparatus and method for pulse wave processing |
| JP2010063682A (en) * | 2008-09-11 | 2010-03-25 | Aisin Seiki Co Ltd | Driver monitoring apparatus |
| WO2013114596A1 (en) * | 2012-02-01 | 2013-08-08 | 富士通株式会社 | Information processing device, method for generating representative waveform, and program for generating representative waveform |
| JP2017012249A (en) * | 2015-06-26 | 2017-01-19 | 富士通株式会社 | Meal time estimation method, meal time estimation program and meal time estimation device |
| JP2017029318A (en) * | 2015-07-30 | 2017-02-09 | 国立大学法人 千葉大学 | Method for processing image for stress-monitoring and program of the same |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022029919A (en) * | 2020-08-06 | 2022-02-18 | 独立行政法人国立病院機構 | Biological information acquisition device |
| JP7414201B2 (en) | 2020-08-06 | 2024-01-16 | 浩士 中村 | Biometric information acquisition device |
| JP2022141565A (en) * | 2021-03-15 | 2022-09-29 | 鴻海精密工業股▲ふん▼有限公司 | Health monitoring method, electronic device, and computer-readable storage medium |
| JPWO2023063220A1 (en) * | 2021-10-12 | 2023-04-20 | ||
| WO2023063220A1 (en) * | 2021-10-12 | 2023-04-20 | 株式会社グレースイメージング | Bioanalytical device and program |
| CN114300134A (en) * | 2021-12-14 | 2022-04-08 | 中南大学 | User health condition detection method and device, terminal and readable storage medium |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7155980B2 (en) | 2022-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220296176A1 (en) | Processing biological data | |
| JP7155980B2 (en) | Biological function evaluation device, biological function evaluation method, and program | |
| Li et al. | The obf database: A large face video database for remote physiological signal measurement and atrial fibrillation detection | |
| US10285601B2 (en) | Detection and monitoring of atrial fibrillation | |
| US9408576B2 (en) | Detection and monitoring of atrial fibrillation | |
| JP6669409B2 (en) | Method, apparatus and computer program for measuring blood pressure value | |
| JP6098257B2 (en) | Signal processing apparatus, signal processing method, and signal processing program | |
| EP3061391B1 (en) | Apparatus and method for determining blood pressure | |
| US9504400B2 (en) | Atrial fibrillation analyzer, atrial fibrillation analysis system, atrial fibrillation analysis method, and program | |
| EP3096686B1 (en) | Heart monitoring device | |
| US9820667B2 (en) | Method and system for detecting heartbeat irregularities | |
| WO2009150765A1 (en) | Sleeping condition monitoring apparatus, monitoring system, and computer program | |
| JP6608527B2 (en) | Device, terminal and biometric information system | |
| JP2011115188A (en) | Sleeping condition monitoring apparatus, monitoring system, and computer program | |
| Tyapochkin et al. | Smartphone PPG: Signal processing, quality assessment, and impact on HRV parameters | |
| JP2019209128A (en) | Stress evaluation device, stress evaluation method, and program | |
| US20180233234A1 (en) | System and Method for Sympathetic and Parasympathetic Activity Monitoring by Heartbeat | |
| JP7400574B2 (en) | Biometric information acquisition device, biometric information acquisition method, and program | |
| EP3107447B1 (en) | Method and system for evaluating a noise level of a biosignal | |
| JP7396143B2 (en) | Pulse wave analysis device, pulse wave analysis method and program | |
| WO2019230235A1 (en) | Stress evaluation device, stress evaluation method, and program | |
| JP7327816B2 (en) | Pulse wave signal analysis device, pulse wave signal analysis method, and computer program | |
| Malar et al. | FPGA Implementation of Heart Rate Variability using rPPG and Peak Detection | |
| JP2022041969A (en) | Computer-assisted method for noninvasive detection of carbohydrate metabolism disorders from heart rate variability and wearable autonomous device for its implementation | |
| Desai et al. | Heart rate monitor using mobile camera |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210915 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220630 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220705 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220829 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220906 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220919 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7155980 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |