JP2020195708A - 脈波解析装置、脈波解析方法および脈波解析プログラム - Google Patents

Abstract

【課題】ノイズの影響を低減して脈波の解析精度を高める。【解決手段】本脈波解析装置は、脈波センサの出力値を基に被測定者の脈波信号を取得する脈波取得部と、ノイズセンサの出力値を基にノイズを検出したノイズ区間を取得するノイズ区間取得部と、前記脈波信号から前記ノイズ区間の信号を除去する除去部と、前記除去部によって前記ノイズ区間の信号が除去された除去後脈波信号の特徴量を算出する算出部と、前記算出部が算出した特徴量を基に、被測定者の状態を示す生体指標と脈波の特徴を示す特徴量とを対応付ける記憶部を参照して、前記被測定者の脈波の解析を行う解析部と、を備える。【選択図】図３

Description

本発明は、脈波解析装置、脈波解析方法および脈波解析プログラムに関する。

近年、被測定者の脈波信号を取得し、取得した脈波信号を解析する脈波解析装置が利用されている。例えば、被測定者の皮膚に照射した光の反射光強度を基に光電脈波を取得する光電式脈波センサを利用する脈波解析装置が提案されている。また、例えば、被測定者の顔や手の画像を撮影し、撮影した撮像を基に映像脈波を取得する脈波解析装置が利用されている（例えば、特許文献１、２参照）。

特開２０１８−０５１２８８号公報 特開２０１４−１７６５８４号公報

脈波信号を解析することで、脈拍数、血圧値、血管年齢等の健康状態を示す様々な情報を取得することができる。そのため、脈波信号の解析は、被測定者の健康管理上、非常に有用である。一方、映像脈波や光電脈波は脈波を示す信号が微弱なため、光電脈波センサと被測定者の皮膚との接触状況の不良や撮影した顔や手が移動する等によるノイズの影響により、脈波解析装置による脈波の解析精度が低下する可能性がある。

開示の技術の１つの側面は、ノイズの影響を低減して脈波の解析精度を高めた脈波解析装置、脈波解析方法および脈波解析プログラムを提供することを目的とする。

開示の技術の１つの側面は、次のような脈波解析装置によって例示される。本脈波解析装置は、脈波センサの出力値を基に被測定者の脈波信号を取得する脈波取得部と、ノイズセンサの出力値を基にノイズを検出したノイズ区間を取得するノイズ区間取得部と、前記脈波信号から前記ノイズ区間の信号を除去する除去部と、前記除去部によって前記ノイズ区間の信号が除去された除去後脈波信号の特徴量を算出する算出部と、前記算出部が算出した特徴量を基に、被測定者の状態を示す生体指標と脈波の特徴を示す特徴量とを対応付ける記憶部を参照して、前記被測定者の脈波の解析を行う解析部と、を備える。

本開示の技術は、ノイズの影響を低減して脈波の解析精度を高めることができる。

図１は、実施形態に係るスマートフォンの外観の一例を示す図である。 図２は、実施形態に係るスマートフォンのハードウェア構成の一例を示す図である。 図３は、実施形態に係るスマートフォンの処理ブロックの一例を示す図である。 図４は、実施形態における特徴量データベースに記憶される特徴量テーブルの一例を示す図である。 図５は、脈波の特徴量を説明する図である。 図６は、平均輝度を基に脈波を取得する処理を模式的に示す図である。 図７は、脈波取得部によるフィルタ処理を模式的に示す図である。 図８は、センサが検出した合成加速度の変化の一例を示す図である。 図９は、ノイズ区間除去部によるノイズ区間の除去を模式的に示す図である。 図１０は、実施形態に係るスマートフォンの処理フローの概略を示す図である。 図１１は、実施形態における脈波取得部が脈波信号を取得する処理の処理フローの一例を示す図である。 図１２は、実施形態におけるノイズ区間検出部がノイズ区間を検出する処理の処理フローの一例を示す図である。 図１３は、実施形態におけるノイズ区間除去部がノイズ区間を除去する処理の処理フローの一例を示す図である。 図１４は、実施形態における脈拍数算出部が脈波信号の特徴量を算出する処理の処理フローの一例を示す図である。 図１５は、実施形態における脈拍数算出部が脈拍数を算出する処理の処理フローの一例を示す図である。 図１６は、実施形態における脈拍数算出部による補間処理の一例を示す図である。 図１７は、脈拍数算出部による周波数解析の解析結果を例示する図である。 図１８は、第１変形例に係るスマートフォンのハードウェア構成の一例を示す図である。 図１９は、第１変形例に係るスマートフォンの処理ブロックの一例を示す図である。 図２０は、第１変形例に係るスマートフォンの処理フローの概略を示す図である。 図２１は、第１変形例における脈波取得部が脈波信号を取得する処理の処理フローの一例を示す図である。 図２２は、第２変形例に係るスマートフォンの処理ブロックの一例を示す図である。 図２３は、第２変形例に係るスマートフォンの処理フローの概略を示す図である。 図２４は、第２変形例におけるノイズ区間検出部がノイズ区間を検出する処理の処理フローの一例を示す図である。

以下、図面を参照して、実施形態について説明する。以下に示す実施形態の構成や具体的な数値は例示であり、開示の技術は実施形態の構成に限定されない。

＜実施形態＞
図１は、実施形態に係るスマートフォンの外観の一例を示す図である。図１はスマートフォン１０の正面側の外観の一例を示す。なお、本明細書において、スマートフォン１０がディスプレイ２０を備える側を正面、その反対側を背面と称する。また、スマートフォン１０の長手方向をＸ方向、短手方向をＹ方向、高さ方向（図１の法線方向）をＺ方向とする。また、スマートフォン１０の長手方向において、インカメラ３０が設けられている側を上、ディスプレイ２０が設けられている側を下とする。

図１に例示するように、スマートフォン１０は、ディスプレイ２０とインカメラ３０とを正面側に備える。スマートフォン１０は、背面側にアウトカメラをさらに備えてもよい
。スマートフォン１０は、可搬型の情報処理装置である。スマートフォン１０は、インカメラ３０によってユーザの顔画像を撮影し、撮影した顔画像を解析してユーザの脈波を検出する。スマートフォン１０は、「コンピュータ」、「脈波解析装置」の一例である。ユーザは、「被測定者」の一例である。

ディスプレイ２０は、スマートフォン１０による情報処理の結果を出力する表示装置である。ディスプレイ２０は、例えば、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ（ＬＣＤ）、Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ（ＰＤＰ）、Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ（ＥＬ）パネル、有機ＥＬパネルである。ディスプレイ２０には、ユーザによるタッチ操作を検出するタッチパネルが重畳して配置される。

インカメラ３０は、動画および静止画を撮影可能な装置である。インカメラ３０は、例えば、デジタルカメラである。インカメラ３０はスマートフォン１０の正面側、すなわち、スマートフォン１０においてディスプレイ２０が配置された面に設けられる。インカメラ３０は、「カメラ」の一例である。

図２は、実施形態に係るスマートフォンのハードウェア構成の一例を示す図である。図２に例示されるスマートフォン１０は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＣＰＵ）１０１、主記憶部１０２、補助記憶部１０３、スピーカー１０４、通信部１０５、操作部１０６、センサ１０７、ディスプレイ２０、インカメラ３０および接続バスＢ１を含む。ＣＰＵ１０１、主記憶部１０２、補助記憶部１０３、スピーカー１０４、通信部１０５、操作部１０６、センサ１０７、ディスプレイ２０およびインカメラ３０は、接続バスＢ１によって相互に接続される。

ＣＰＵ１０１は、マイクロプロセッサユニット（ＭＰＵ）、プロセッサとも呼ばれる。ＣＰＵ１０１は、単一のプロセッサに限定される訳ではなく、マルチプロセッサ構成であってもよい。また、単一のソケットで接続される単一のＣＰＵ１０１がマルチコア構成を有していても良い。ＣＰＵ１０１が実行する処理のうち少なくとも一部は、ＣＰＵ１０１以外のプロセッサ、例えば、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ（ＤＳＰ）、Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＧＰＵ）、数値演算プロセッサ、ベクトルプロセッサ、画像処理プロセッサ等の専用プロセッサで行われても良い。また、ＣＰＵ１０１が実行する処理のうち少なくとも一部は、集積回路（ＩＣ）、その他のデジタル回路によって実行されてもよい。また、ＣＰＵ１０１の少なくとも一部にアナログ回路が含まれても良い。集積回路は、Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ（ＬＳＩ）、Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ（ＡＳＩＣ）、プログラマブルロジックデバイス（ＰＬＤ）を含む。ＰＬＤは、例えば、Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ（ＦＰＧＡ）を含む。ＣＰＵ１０１は、プロセッサと集積回路との組み合わせであっても良い。組み合わせは、例えば、マイクロコントローラユニット（ＭＣＵ）、Ｓｙｓｔｅｍ−ｏｎ−ａ−ｃｈｉｐ（ＳｏＣ）、システムＬＳＩ、チップセットなどと呼ばれる。スマートフォン１０では、ＣＰＵ１０１が補助記憶部１０３に記憶されたプログラムを主記憶部１０２の作業領域に展開し、プログラムの実行を通じて周辺装置の制御を行う。これにより、スマートフォン１０は、所定の目的に合致した処理を実行することができる。主記憶部１０２および補助記憶部１０３は、スマートフォン１０が読み取り可能な記録媒体である。

主記憶部１０２は、ＣＰＵ１０１からアクセスされる記憶部として例示される。主記憶部１０２は、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）およびＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）を含む。主記憶部１０２は、Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ（ＥＰＲＯＭ）、ソリッドステートドライブ（Ｓｏｌｉｄ
Ｓｔａｔｅ Ｄｒｉｖｅ、ＳＳＤ）、ハードディスクドライブ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ、ＨＤＤ）等を含んでもよい。主記憶部１０２には、本実施形態における各処理をＣＰＵ１０１に実行させるプログラムＰ、オペレーティングシステム（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ、ＯＳ）等が格納される。ＯＳは、例えば、スマートフォン１０の状態をプログラムＰから取得可能とするＡｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ
Ｉｎｔｅｒｆａｃｅ（ＡＰＩ）を提供する。プログラムＰは、「脈波解析プログラム」の一例である。

補助記憶部１０３は、スマートフォン１０から取り外し可能な記憶媒体である。補助記憶部１０３に記憶されたデータは、例えば、ＣＰＵ１０１によって主記憶部１０２に読み出される。補助記憶部１０３として、例えば、Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ（ＳＤ）メモリカードおよびＵｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ（ＵＳＢ）メモリ等を挙げることができる。

スピーカー１０４は、音声を出力する装置である。スピーカー１０４は、例えば、電話の音声や音楽等を出力する。通信部１０５は、例えば、携帯電話回線、無線Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＬＡＮ）等のコンピュータネットワーク環境とのインターフェースである。通信部１０５は、コンピュータネットワーク環境を介して外部の装置と通信を行う。

操作部１０６は、ユーザからの操作を受け付ける。操作部１０６は、例えば、ディスプレイ２０に重畳して配置されるタッチパネルである。

センサ１０７は、スマートフォン１０に加えられる外力を検知するセンサである。センサ１０７は、スマートフォン１０の振動や移動を検知するセンサの他、照度や近接度を検知する光学系センサやタッチパネルによる操作を検知するセンサということもできる。センサ１０７は、例えば、スマートフォン１０の加速度を検出する加速度センサやスマートフォン１０の角度（姿勢）を検出するジャイロセンサである。加速度センサおよびジャイロセンサはＸ方向、Ｙ方向、Ｚ方向への振動や移動が検知可能な３軸加速度センサや３軸ジャイロセンサである方が検出精度の上では好ましいが、これに限定されない。加速度センサおよびジャイロセンサはＸ軸、Ｙ軸およびＺ軸のうちのいずれかの１軸に対するものであってもよい。センサ１０７は、「ノイズセンサ」の一例である。

＜スマートフォン１０の処理ブロック＞
図３は、実施形態に係るスマートフォンの処理ブロックの一例を示す図である。スマートフォン１０は、脈波取得部１１、ノイズ区間検出部１２、ノイズ区間除去部１３、脈拍数算出部１４、特徴量データベース１５を備える。スマートフォン１０は、主記憶部１０２に実行可能に展開されたプログラムＰをＣＰＵ１０１が実行することで、上記スマートフォン１０の、脈波取得部１１、ノイズ区間検出部１２、ノイズ区間除去部１３、脈拍数算出部１４、特徴量データベース１５等の各部としての処理を実行する。なお、図中では、データベースはＤＢと表記される。

特徴量データベース１５は、脈拍数と脈波の特徴量とを対応付けて記憶するデータベースである。図４は、実施形態における特徴量データベースに記憶される特徴量テーブルの一例を示す図である。図４に例示される特徴量テーブル１５１は、「Ｎｏ．」、「脈拍数」、「血圧値」、「ストレス値」、「血管年齢」、「特徴量１１」、「特徴量１２」、・・・、「特徴量Ｘ」の各項目を含む。「Ｎｏ．」には、「脈拍数」、「血圧値」、「ストレス値」、「血管年齢」、「特徴量１１」、「特徴量１２」、・・・、「特徴量Ｘ」の組に一意に割り当てられた番号が格納される。「脈拍数」には、１分間当たりの脈拍数が格納される。「特徴量１１」、「特徴量１２」、・・・、「特徴量Ｘ」は、脈拍数に対応付
けられる特徴量の一例であり、これらについては図５を参照して説明する。「血圧値」、「ストレス値」、「血管年齢」の各項目には、特徴量の組み合わせに対応する、血圧値、ストレス値、血管年齢を示す情報がそれぞれ格納される。例えば、血圧値は脈波の伝搬速度から推定することができ、ストレス値は脈拍一拍毎の脈拍間隔のゆらぎから推定することができ、血管年齢は脈波信号の波形から推定することができる。特徴量データベース１５は、「記憶部」の一例である。「脈拍数」、「血圧値」、「ストレス値」および「血管年齢」は、「生体指標」の一例である。

図５は、脈波の特徴量を説明する図である。図５では、縦軸が検出した脈波の信号値を示し、横軸が時間を示す。脈波の信号値のうち、図５に向かって右側が最新の信号値を示す。図５では、脈波の波形における各特徴点（極大値や極小値等の極値、反射点）に係る情報を特徴量の例として挙げている。特徴量は、例えば、各特徴点の前後における傾きや特徴点前後の角度、最新の特徴点からの各特徴点までの経過時間、最新の特徴点からの振幅を挙げることができる。特徴量は、例えば、最新の極小点の後の傾き（図５の（１））、最新の極小点の前の傾き（図５の（２））、最新の極小点の前後における接線間の角度（図５の（３））、最新の極小点から各特徴点までの経過時間（図５の（７）、（１２））最新の極小点と各特徴点との振幅の差（図５の（８）、（１３））を挙げることができる。脈波信号から特徴量を抽出する範囲を拡大して、さらに多くの特徴点における特徴量を特徴量テーブル１５１に記憶させてもよい。

脈波取得部１１は、インカメラ３０が撮影したユーザの顔や手の撮像（動画）を解析してユーザの脈波信号（映像脈波）を取得する。撮像からの脈波信号の取得には、様々な公知技術を適用できる。脈波信号の取得では、例えば、撮像中における、顔領域の認識処理を実行し、認識された顔領域全体の輝度の平均（平均輝度）を算出する。脈波取得部１１は、算出した平均輝度の時系列の変化を解析することによって、脈波信号を取得できる。脈波取得部１１は、「脈波取得部」の一例である。

図６は、平均輝度を基に脈波を取得する処理を模式的に示す図である。図６では、縦軸が輝度の強度を示し、横軸が時間を示す。図６では、連続する３フレームにおける輝度の変化が例示される。各フレームにおける輝度は、図６中の点Ｆ１、Ｆ２、Ｆ３によって例示される。図６（Ａ）は、インカメラ３０が撮影した顔領域の輝度を平均化し、各色成分（赤、緑、青）についての時系列変化を例示する図である。脈波取得部１１は、図６（Ａ）に例示される輝度の時系列変化に対して線形補間を行う。図６（Ｂ）は、線形補間を行った輝度の時系列変化に対してリサンプリング（例えば、例えば、０．２秒間隔）を行った状態を例示する図である。脈波取得部１１は、リサンプリング後における赤の輝度と青の輝度との平均輝度の時系列における変化を赤輝度信号として取得する。また、脈波取得部１１は、リサンプリング後における緑の輝度の時系列変化における変化を緑輝度信号として取得する。脈波取得部１１は、取得した赤輝度信号と緑輝度信号に対して所定のフィルタ処理を行うことで、脈波信号を取得する。

図７は、脈波取得部によるフィルタ処理を模式的に示す図である。脈波取得部１１は、赤輝度信号および緑輝度信号に含まれるノイズ成分を抽出するため、補間後の赤輝度信号と緑輝度信号に対して、バンドパスフィルタ（ＢＰＦ）１１１、絶対値フィルタ（ＡＢＳ）１１２、ローパスフィルタ（ＬＰＦ）１１３を適用し、これらフィルタを通過後の赤輝度信号に対する緑輝度信号による除算を除算フィルタ１１４が実行することで、ノイズ成分を抽出する。ノイズ成分は、例えば、呼吸より低い周波数成分や、１ｂｐｍより低い周波数成分を挙げることができる。抽出したノイズ成分は、除算フィルタ１１６に入力される。

脈波取得部１１は、脈波信号を取得するため、補間後の赤輝度信号と緑輝度信号をＢＰ
Ｆ１１５に入力する。ＢＰＦ１１５は、入力された赤輝度信号および緑輝度信号のうち、脈拍数と想定される周波数成分（例えば、４２−１５０ｂｐｍ）を通過させる。ＢＰＦ１１５を通過した赤輝度信号は、除算フィルタ１１６に入力される。除算フィルタ１１６は、入力された赤輝度信号を入力されたノイズ成分で除算を実行する。ＢＰＦ１１５通過後の緑輝度信号と除算フィルタ１１６通過後の赤輝度信号は減算フィルタ１１７に入力される。減算フィルタ１１７は、入力された緑輝度信号から赤輝度信号を減算する。減算フィルタ１１７を通過した信号は、ＢＰＦ１１８に入力される。ＢＰＦ１１８は、入力された信号のうち、脈拍数と想定される周波数成分を通過させることで、脈波信号を抽出する。脈波取得部１１は、抽出した脈波信号を主記憶部１０２や補助記憶部１０３に記憶させる。

ノイズ区間検出部１２は、センサ１０７が検出した加速度に基づいて、ノイズ区間の検出を行う。ノイズ区間検出部１２は、例えば、センサ１０７が検出した３軸（例えば、互いに直交するＸ軸、Ｙ軸、Ｚ軸）それぞれの加速度を合成した合成加速度を算出し、算出した合成加速度の所定期間（例えば２秒間）における移動平均を算出する。ノイズ区間検出部１２は、算出した移動平均が所定の閾値（例えば、９．８ｍ／ｓｅｃ^２）以上である区間をノイズ区間として検出する。図８は、センサが検出した合成加速度の変化の一例を示す図である。図８の縦軸は合成加速度の大きさを示し、横軸は時間を示す。ノイズ区間検出部１２は、脈波取得部１１が脈波の取得を開始すると、センサ１０７が検出した合成加速度の移動平均を算出し、移動平均が所定の閾値以上となっている区間（例えば、図８のノイズ区間Ａ）をノイズ区間として検出する。ノイズ区間検出部１２は、「ノイズ区間取得部」の一例である。

ノイズ区間除去部１３は、脈波信号の波形から、ノイズ区間検出部１２が検出したノイズ区間（例えば、図８の区間Ａ）に対応する区間の波形を除去する。図９は、ノイズ区間除去部によるノイズ区間の除去を模式的に示す図である。図９（Ａ）は、脈波取得部１１が取得した脈波の波形を例示し、図９（Ｂ）はノイズ区間検出部が検出したノイズ区間を例示する。図９（Ａ）および図９（Ｃ）の縦軸は脈波信号の強度を示し、図９（Ｂ）の縦軸は加速度の大きさを示す。図９（Ａ）、（Ｂ）、（Ｃ）の横軸は、時間を示す。ノイズ区間は、例えば、ノイズの検知を開始した時刻から、ノイズの検知を終了した時刻の範囲を含む。図９（Ｃ）は、ノイズ区間が除去された後の脈波の波形を例示する。ノイズ区間除去部１３は、図９（Ａ）に例示される脈波の波形から、図９（Ｂ）に例示されるノイズ区間Ａに対応する区間の波形を削除することで、図９（Ｃ）に例示されるノイズ区間除去後の脈波信号を取得する。ノイズ区間除去部１３は、「除去部」の一例である。ノイズ区間除去後の脈波信号は、「除去後脈波信号」の一例である。

脈拍数算出部１４は、ノイズ区間除去部１３によってノイズ区間が除去された脈波信号を基に、脈拍数を算出する。脈拍数算出部１４は、ノイズ除去によって図９（Ｃ）に例示されるように複数に分断された脈波信号から脈拍数の算出に用いる脈波信号を選択する。脈拍数算出部１４は、例えば、複数に分断された脈波信号のうち、最も長い期間連続している脈波信号を脈拍数の算出対象として選択する。最も長い期間連続している脈波信号は、例えば、図９（Ｃ）では、区間Ｂで例示される。脈拍数算出部１４は、選択した脈波信号の各特徴点における特徴量を取得し、取得した特徴量を基に特徴量データベース１５を参照して、脈拍数を算出する。また、脈拍数算出部１４は、脈拍数の算出に代えて、または、脈拍数の算出に加えて、取得した特徴量を基に特徴量データベース１５を参照して、血圧値、ストレス値、血管年齢等の生体指標を算出してもよい。脈拍数算出部１４は、特徴量データベース１５を参照して脈拍数を算出できない場合には、選択した脈波信号に対して補間処理（脈波信号の範囲を拡大する処理）を行い、補間処理後の脈波信号に対して周波数解析を行うことで、脈拍数を算出してもよい。脈拍数算出部１４は、「算出部」および「解析部」の一例である。

＜処理フロー＞
図１０は、実施形態に係るスマートフォンの処理フローの概略を示す図である。以下、図１０を参照して、実施形態に係るスマートフォンの処理フローの概略について説明する。

Ｔ１では、スマートフォン１０のインカメラ３０は、ユーザの顔の動画を撮影する。脈波取得部１１は、インカメラ３０が撮影したユーザの顔の撮像を取得する。

Ｔ２では、脈波取得部１１は、Ｔ１で取得した撮像を解析してユーザの顔が撮影された顔領域を認識し、認識した顔領域の輝度の時系列における変化を基に脈波信号を取得する。撮像を解析して脈波信号を取得する方法には、上記の通り限定はなく、様々な公知技術を適用可能である。脈波取得部１１は、取得した脈波信号を主記憶部１０２や補助記憶部１０３に記憶させる。

Ｔ３では、ノイズ区間検出部１２は、センサ１０７が検出した加速度に基づいて、ノイズ区間の検出を行う。Ｔ４では、ノイズ区間除去部１３は、Ｔ２で取得した脈波信号から、Ｔ３で検出したノイズ区間に対応する区間の波形を除去する。

Ｔ５では、脈拍数算出部１４は、Ｔ４でノイズ区間が除去された脈波信号の特徴量を算出する。Ｔ６では、脈拍数算出部１４は、Ｔ５で算出した特徴量を基に特徴量データベース１５の特徴量テーブル１５１を参照して、脈拍数を算出する。

（脈波信号取得処理）
図１１は、実施形態における脈波取得部が脈波信号を取得する処理の処理フローの一例を示す図である。図１１は、図１０のＴ２の処理をより詳細に説明する図である。以下、図１１を参照して、脈波取得部１１が脈波信号を取得する処理の処理フローの一例について説明する。

Ｔ２１では、脈波取得部１１は、インカメラ３０が撮影した撮像のうち、ユーザの顔が撮影された顔領域を検出する。Ｔ２２では、脈波取得部１１は、Ｔ２１で検出した顔領域を脈波信号を解析する領域として決定する。Ｔ２３では、脈波取得部１１は、Ｔ２２で決定した領域に対して領域平均処理を行う。領域平均処理はＴ２２で決定した領域からノイズを低減する処理を含む。領域平均処理は、図７を参照して説明した各種のフィルタを適用する処理を含んでもよい。Ｔ２１からＴ２３の処理は、インカメラ３０がユーザの顔を撮影した動画に対して、時系列に処理される。すなわち、脈波取得部１１は、動画において時系列に含まれる複数の静止画の各々に対して、Ｔ２１からＴ２３の処理を実行する。

Ｔ２４では、脈波取得部１１は、輝度波形抽出処理を行う。脈波取得部１１は、Ｔ２３における領域平均処理によってノイズを除去した領域における輝度の時系列の変化を基に、脈波信号を抽出する。脈波取得部１１は、例えば、抽出した脈波信号を補助記憶部１０３に記憶させる。

（ノイズ区間検出処理）
図１２は、実施形態におけるノイズ区間検出部がノイズ区間を検出する処理の処理フローの一例を示す図である。図１２は、図１０のＴ３の処理をより詳細に説明する図である。以下、図１２を参照して、ノイズ区間検出部１２がノイズ区間を検出する処理の処理フローの一例について説明する。

Ｔ３１では、ノイズ区間検出部１２は、センサ１０７が検出した３軸それぞれにおける
加速度を合成した合成加速度の所定期間における移動平均を算出する。ノイズ区間検出部１２は、例えば、インカメラ３０が撮影を開始したときから、センサ１０７の検出した加速度の取得を開始する。ノイズ区間検出部１２は、算出した移動平均が所定値以上である場合をノイズとして検出する。ノイズを検出した場合（Ｔ３２でＹＥＳ）、処理はＴ３３に進められる。ノイズを検出しない場合（Ｔ３２でＮＯ）、処理はＴ３１に進められる。

Ｔ３３では、ノイズ区間検出部１２は、ノイズ区間の取得を行う。ノイズ区間の取得は、例えば、ノイズが継続して生じるノイズ区間の開始時および終了時を取得することで行われる。開始時および終了時は、ノイズ区間検出部１２がセンサ１０７から加速度の取得を開始してから（換言すれば、インカメラ３０が顔の撮影を開始してから）の経過時間によって示されてもよいし、時刻で示されてもよい。ノイズ区間検出部１２は、取得したノイズ区間を補助記憶部１０３に記憶させる。

（ノイズ区間除去処理）
図１３は、実施形態におけるノイズ区間除去部がノイズ区間を除去する処理の処理フローの一例を示す図である。図１３は、図１０のＴ４の処理をより詳細に説明する図である。以下、図１３を参照して、ノイズ区間除去部１３がノイズ区間を除去する処理の処理フローの一例について説明する。

Ｔ４１では、ノイズ区間除去部１３は、図１１のＴ２４で補助記憶部１０３に記憶された脈波信号を取得する。Ｔ４２では、ノイズ区間除去部１３は、図１２のＴ３３で補助記憶部１０３に記憶されたノイズ区間を取得する。Ｔ４３では、ノイズ区間除去部１３は、Ｔ４１で取得した脈波信号から、Ｔ４２で取得したノイズ区間における信号を除去する。ノイズ区間除去部１３は、ノイズ区間における信号を除去した脈波信号を補助記憶部１０３に記憶させる。

（脈波特徴量算出）
図１４は、実施形態における脈拍数算出部が脈波信号の特徴量を算出する処理の処理フローの一例を示す図である。図１４は、図１０のＴ５の処理をより詳細に説明する図である。以下、図１４を参照して、脈拍数算出部１４が脈波信号の特徴量を算出する処理の処理フローの一例について説明する。

Ｔ５１では、図１３のＴ４３で補助記憶部１０３に記憶されたノイズ区間における信号が除去された脈波信号を取得する。Ｔ５２では、脈拍数算出部１４は、ノイズ区間が除去されたことで複数に分断された脈波信号から脈拍数の算出に用いる脈波信号を選択する。Ｔ５３では、脈拍数算出部１４は、Ｔ５２で選択した脈波信号の各特徴点における特徴量を取得する。特徴量は、例えば、各特徴点の前後における傾きや特徴点前後の角度、最新の特徴点からの各特徴点までの時間、最新の特徴点からの振幅等である。脈拍数算出部１４は、各特徴点において算出した特徴量のそれぞれを、補助記憶部１０３に記憶させる。

（脈拍数算出）
図１５は、実施形態における脈拍数算出部が脈拍数を算出する処理の処理フローの一例を示す図である。図１５は、図１０のＴ６の処理をより詳細に説明する図である。以下、図１５を参照して、脈拍数算出部１４が脈拍数を算出する処理の処理フローの一例について説明する。

Ｔ６１では、脈拍数算出部１４は、特徴量データベース１５の特徴量テーブル１５１において脈拍数に対応付けて記憶される特徴量の組のそれぞれについて、図１４のＴ５３で算出した特徴量の組との相関係数を算出する。算出した相関係数のうち、最も高い相関係数が閾値（例えば、０．７）以上である場合（Ｔ６２でＹＥＳ）、処理はＴ６３に進めら
れる。算出した相関係数のいずれもが閾値未満である場合（Ｔ６２でＮＯ）、処理はＴ６４に進められる。

Ｔ６３では、脈拍数算出部１４は、Ｔ６１で算出した相関係数のうち、特徴量データベース１５の特徴量テーブル１５１において、図１４のＴ５３で算出した特徴量の組との相関係数が最も高い特徴量の組に対応付けられた脈拍数をユーザの脈拍数として取得する。

Ｔ６４では、脈拍数算出部１４は、図１４のＴ５１で取得したノイズ除去後の脈波信号に対して、補間処理を行う。脈拍数算出部１４は、例えば、ノイズ除去後の脈波信号におけるゼロクロス点から脈波信号の範囲外に向けて脈波を０とした補間処理を行う。

図１６は、実施形態における脈拍数算出部による補間処理の一例を示す図である。図１６（Ａ）は、図１３のＴ４３で補助記憶部１０３に記憶されたノイズ区間における信号が除去された脈波信号を例示する図である。図１６（Ａ）に例示される脈波信号のうち、左右方向の端点Ｃがゼロクロス点を例示する。図１６（Ｂ）は、ゼロクロス点から脈波信号の範囲外に向けて脈波を０とした補間処理を行った波形を例示する図である。図１６（Ｂ）の領域Ｅが、補間処理で伸長された領域に相当する。補間処理によって、脈拍数算出部１４が周波数解析の対象とする脈波信号の波形を伸長することができる。

図１５に戻り、Ｔ６５では、脈拍数算出部１４は、Ｔ６４で補間処理を行った脈波信号に対して周波数解析を行う。図１７は、脈拍数算出部による周波数解析の解析結果を例示する図である。図１７では、縦軸が信号の強度、横軸が周波数（１分当たりの振動数）を例示する。Ｔ６６では、脈拍数算出部１４は、周波数解析の結果、最も高い強度を有する周波数（ピーク周波数）をユーザの脈拍数として取得する。例えば、ピーク周波数が「６２ｂｐｍ」である場合、脈拍数算出部１４は、ユーザの脈拍数として「６２」を取得する。なお、脈拍数算出部１４は、Ｔ６４で補間処理を行った脈波信号に対して窓関数を適用してから周波数解析を行ってもよい。窓関数は、例えば、ｈａｍｍｉｎｇ窓、ハン窓、カイザー窓等である。

＜実施形態の作用効果＞
実施形態では、ノイズ区間除去部１３が、ノイズ区間検出部１２が検出したノイズ区間に相当する区間を、脈波取得部１１が取得した脈波信号から除去する。脈波信号取得部１４は、ノイズ区間が除去された脈波信号を解析して脈拍数を取得する。そのため、実施形態によれば、ノイズの影響を低減して脈拍数の測定精度を高めることができる。

実施形態では、ノイズ区間を除去することにより、解析対象とする脈波信号が短く（少なく）なる。実施形態では、脈拍数算出部１４は、ノイズ区間除去後の脈波信号に対して補間処理を行う。補間処理によって、脈拍数算出部１４が解析対象とする脈波信号を伸長し、解析対象とする脈波信号が短くなることによる測定精度の低下を抑制することができる。

実施形態では、脈拍数算出部１４は、脈波信号の特徴量を複数抽出し、抽出した複数の特徴量と、特徴量データベース１５の特徴量テーブル１５１において脈拍数に対応付けて記憶される特徴量の組それぞれとについて、相関係数を算出した。実施形態によれば、脈波信号から複数の特徴量を抽出することで、脈拍数算出部１４による脈拍数の算出精度を高めることができる。

実施形態では、脈拍数算出部１４は、相関係数によって脈拍数を算出できない場合（図１５のＴ６２でＮＯ）、補間処理によって脈波信号の波形を伸長して周波数解析を行うことで脈拍数を算出した。補間処理によって脈波信号を伸長することにより、脈拍数算出部
１４が脈拍数算出の基とする脈波信号が短い（少ない）場合でも、より高い精度で脈拍数を算出できるとともに、相関係数による脈拍数の算出が困難な場合でも脈拍数の算出を行うことができる。なお、実施形態では、補間処理をゼロクロス点から波形を伸長することで行ったが、補間処理はゼロクロス点以外の点（たとえば、波形のピークを示すピーク点）から波形を伸長するものであってもよい。ピーク点は、トップ点であってもボトム点であってもよい。

＜第１変形例＞
実施形態では、脈波取得部１１は、インカメラ３０が撮影したユーザの顔の画像を基に脈波信号を取得する。第１変形例では、光電脈波センサによって光電脈波を取得する。実施形態と同一の構成については同一の符号を付し、その説明を省略する。以下、図面を参照して、第１変形例について説明する。

図１８は、第１変形例に係るスマートフォンのハードウェア構成の一例を示す図である。図１８に例示されるスマートフォン１０ａは、光電脈波センサ１０８をさらに備える点で、実施形態に係るスマートフォン１０とは異なる。

光電脈波センサ１０８は、光電脈波センサ１０８に押し当てられたユーザの体（例えば、指先等）の皮膚に光を照射し、その反射光の強度を取得する。光電脈波センサ１０８の光源は、例えば、Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ（ＬＥＤ）である。光電脈波センサ１０８は、「光電式センサ」の一例である。

図１９は、第１変形例に係るスマートフォンの処理ブロックの一例を示す図である。図１９に例示されるスマートフォン１０ａは、脈波取得部１１に代えて脈波取得部１１ａを備える点で、実施形態に係るスマートフォン１０とは異なる。

脈波取得部１１ａは、光電脈波センサ１０８が取得する反射光の強度に基づいて、脈波信号（光電脈波）を取得する。光電脈波センサ１０８から脈波信号を取得する手法に限定はなく、様々な公知技術を適用できる。脈波取得部１１ａは、取得した脈波信号を補助記憶部１０３に記憶させる。

図２０は、第１変形例に係るスマートフォンの処理フローの概略を示す図である。以下、図２０を参照して、実施形態に係るスマートフォンの処理フローの概略について説明する。

Ｔ１ａでは、スマートフォン１０の光電脈波センサ１０８は、光電脈波センサ１０８に押し当てられた指先等に光を照射し、照射した光の反射光の強度を取得する。Ｔ２ａでは、脈波取得部１１ａは、光電脈波センサ１０８が取得した反射光の強度を基に脈波信号を取得する。

図２１は、第１変形例における脈波取得部が脈波信号を取得する処理の処理フローの一例を示す図である。図２１は、図２０のＴ２ａの処理のより詳細に説明する図である。以下、図２１を参照して、第１変形例における脈波取得部１１ａが脈波信号を取得する処理の処理フローの一例について説明する。

Ｔ２１ａでは、脈波取得部１１ａは、光電脈波センサ１０８から反射光の強度を取得する。脈波取得部１１ａは、例えば、反射光の強度の取得を所定期間経過するまで継続する。Ｔ２２ａでは、脈波取得部１１ａは、Ｔ２１ａで取得した反射光の強度の時系列の変化に基づいて、脈波信号を取得する。

第１変形例によれば、インカメラ３０が撮影した撮像に代えて、光電脈波センサ１０８からの反射光の強度を基に、脈波信号を取得できる。

＜第２変形例＞
実施形態では、センサ１０７が検出した加速度に基づいてノイズ区間検出部１２がノイズ区間の検出を行う。第２変形例では、インカメラ３０が撮影した撮像におけるユーザの顔の移動量に基づいて、ノイズ区間を検出する変形例について説明する。実施形態と同一の構成については同一の符号を付し、その説明を省略する。以下、図面を参照して、第２変形例について説明する。

図２２は、第２変形例に係るスマートフォンの処理ブロックの一例を示す図である。図２２に例示されるスマートフォン１０ｂは、ノイズ区間検出部１２に代えてノイズ区間検出部１２ａを備える点で、実施形態に係るスマートフォン１０とは異なる。

ノイズ区間検出部１２ａは、インカメラ３０が撮影した撮像における顔領域の移動量を基にノイズを検出する。移動量は、例えば、１フレーム前のフレームとの間における顔領域の移動量（ピクセル数）として算出される。ノイズ区間検出部１２ａは、例えば、インカメラ３０が撮影した撮像における顔領域の移動量の所定期間（例えば、２秒間）における移動平均を算出する。ノイズ区間検出部１２ａは、算出した移動平均が所定閾値以上である場合をノイズとして検出する。所定閾値は、例えば、４ピクセルである。

図２３は、第２変形例に係るスマートフォンの処理フローの概略を示す図である。以下、図２３を参照して、第２変形例に係るスマートフォンの処理フローの概略について説明する。

Ｔ３ａでは、ノイズ区間検出部１２ａは、インカメラ３０が撮影した撮像において、脈波取得部１１が認識した顔領域の移動量に基づいて、ノイズ区間の検出を行う。

図２４は、第２変形例におけるノイズ区間検出部がノイズ区間を検出する処理の処理フローの一例を示す図である。図２４は、図２３のＴ３ａの処理をより詳細に説明する図である。以下、図２４を参照して、ノイズ区間検出部１２ａがノイズ区間を検出する処理の処理フローの一例について説明する。

ノイズ区間検出部１２ａは、インカメラ３０が撮影した撮像における顔の移動量の移動平均を算出する。ノイズ区間検出部１２ａは、算出した移動平均が所定閾値以上である場合をノイズとして検出する。ノイズとして検出した場合（Ｔ３２でＹＥＳ）、処理はＴ３３に進められる。ノイズとして検出しない場合（Ｔ３２でＮＯ）、処理はＴ３１に進められる。

Ｔ３３では、ノイズ区間検出部１２ａは、ノイズ区間の取得を行う。ノイズ区間の取得は、例えば、ノイズ区間の開始時および終了時を取得することで行われる。開始時および終了時は、インカメラ３０が顔の撮影を開始してからの経過時間によって示されてもよいし、時刻で示されてもよい。ノイズ区間検出部１２ａは、取得したノイズ区間を補助記憶部１０３に記憶させる。

第２変形例によれば、スマートフォン１０ｂがセンサ１０７を備えていなくとも、インカメラ３０の撮像に基づいて、ノイズ区間を取得することができる。

＜その他の変形＞
以上説明した実施形態や変形例では、脈拍数算出部１４は脈波信号から特徴量を抽出し
たが、脈拍数算出部１４は、脈波信号に代えて、または、脈波信号に加えて、脈波信号を時間で一階微分した速度脈波信号や、脈波信号を時間で二階微分した加速度脈波信号を特徴量の抽出対象としてもよい。速度脈波信号や加速度脈波信号を用いることで、脈波信号とは異なる特徴量を抽出することができる。そのため、脈拍数算出部１４による脈拍数の算出精度を高めることができる。

以上説明した実施形態や変形例では、脈拍数算出部１４は、脈波信号から抽出した特徴量と、特徴量データベース１５の特徴量テーブル１５１に記憶された特徴量との比較を相関係数に基づいて行ったが、相関係数以外の手法によって比較してもよい。脈拍数算出部１４は、例えば、脈波信号から抽出した特徴量と、特徴量テーブル１５１に記憶された特徴量との比較に、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、ＳＶＭ）を用いてもよい。

以上説明した実施形態や変形例に係るスマートフォンはノイズを検出するセンサとして加速度センサであるセンサ１０７を用いた。しかしながら、実施形態や変形例に係るスマートフォンは、加速度センサ以外のセンサによってノイズを検出してもよい。実施形態や変形例に係るスマートフォンは、例えば、地磁気センサ、角速度センサ、照度センサ、近接センサ、圧力センサ等を用いて、ノイズを検出してもよい。また、これらのセンサをユーザが身に着け、実施形態や変形例に係るスマートフォンは、ユーザが身に着けたセンサの出力値を取得することで、ノイズを検知してもよい。

実施形態や変形例では、スマートフォンによって脈波の解析が実行されたが、スマートフォン以外の装置、例えば、スマートウォッチ、タブレット型コンピュータ等によって脈波の解析が実行されてもよい。

以上で開示した実施形態や変形例はそれぞれ組み合わせることができる。例えば、実施形態と第２変形例とを組み合わせることで、センサ１０７を備えなくともノイズ区間を検出できるスマートフォンを提供したり、加速度および顔領域の移動量の少なくとも一方が閾値以上である場合をノイズとして検出できるスマートフォンを提供できる。

<<コンピュータが読み取り可能な記録媒体>>
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させる情報処理プログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。

ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＣＤ−ＲＯＭ）、Ｃｏｍｐａｃｔ Ｄｉｓｃ−Ｒｅｃｏｒｄａｂｌｅ（ＣＤ−Ｒ）、Ｃｏｍｐａｃｔ Ｄｉｓｃ−ＲｅＷｒｉｔｅｒａｂｌｅ（ＣＤ−ＲＷ）、Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ（ＤＶＤ）、ブルーレイディスク（ＢＤ）、Ｄｉｇｉｔａｌ Ａｕｄｉｏ Ｔａｐｅ（ＤＡＴ）、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ等がある。

１０・・・スマートフォン
２０・・・ディスプレイ
３０・・・インカメラ
１０１・・・ＣＰＵ
１０２・・・主記憶部
１０３・・・補助記憶部
１０４・・・スピーカー
１０５・・・通信部
１０６・・・操作部
１０７・・・センサ
１０８・・・光電脈波センサ
１１、１１ａ・・・脈波取得部
１２、１２ａ・・・ノイズ区間検出部
１３・・・ノイズ区間除去部
１４・・・脈拍数算出部
１５・・・特徴量データベース
１５１・・・特徴量テーブル
Ｂ１・・・接続バス
Ｐ・・・プログラム

Claims (13)

1. 脈波センサの出力値を基に被測定者の脈波信号を取得する脈波取得部と、
   ノイズセンサの出力値を基にノイズを検出したノイズ区間を取得するノイズ区間取得部と、
   前記脈波信号から前記ノイズ区間の信号を除去する除去部と、
   前記除去部によって前記ノイズ区間の信号が除去された除去後脈波信号の特徴量を算出する算出部と、
   前記算出部が算出した特徴量を基に、被測定者の状態を示す生体指標と脈波の特徴を示す特徴量とを対応付ける記憶部を参照して、前記被測定者の脈波の解析を行う解析部と、を備える、
   脈波解析装置。
2. 前記ノイズセンサは加速度センサを含み、
   前記ノイズ区間取得部は、前記加速度センサが検出する加速度が閾値以上である場合にノイズを検出する、
   請求項１に記載の脈波解析装置。
3. 前記ノイズセンサはカメラを含み
   前記ノイズ区間取得部は、前記カメラの撮像を基に検出した前記被測定者の移動量を基に、前記ノイズを検出する、
   請求項１または２に記載の脈波解析装置。
4. 前記脈波センサはカメラを含み、
   前記脈波取得部は、前記カメラが撮像した前記被測定者の皮膚における輝度の時系列変化に基づいて、前記脈波信号を取得する、
   請求項１から３のいずれか一項に記載の脈波解析装置。
5. 前記脈波センサは、前記被測定者の皮膚に照射した光の反射光の強度を検知する光電式センサを含み、
   前記脈波取得部は、前記光電式センサが検出した反射光の強度に基づいて、前記脈波信号を取得する、
   請求項１から３のいずれか一項に記載の脈波解析装置。
6. 前記解析部は、前記算出部が算出した特徴量と、前記記憶部が記憶する特徴量それぞれとの相関係数を算出し、前記記憶部において前記相関係数が最も高い特徴量に対応付けられた生体指標を取得する、
   請求項１から５のいずれか一項に記載の脈波解析装置。
7. 前記解析部は、前記除去後脈波信号を伸長する補間処理を実行し、前記補間処理が実行された除去後脈波信号に対する周波数解析によってピーク周波数に対応する周波数を脈拍数として取得する、
   請求項１から６のいずれか一項に記載の脈波解析装置。
8. 前記解析部は、前記除去後脈波信号の極値および反射点を含む特徴点のうち、少なくとも２つの特徴点それぞれに係る特徴量を取得する、
   請求項１から７のいずれか一項に記載の脈波解析装置。
9. 前記特徴量は、前記少なくとも２つの特徴点の一方の特徴点から他方の特徴点までの経過時間を含む、
   請求項８に記載の脈波解析装置。
10. 前記解析部は、前記除去後脈波信号、前記除去後脈波信号を一階微分した速度脈波信号および前記除去後脈波信号を二階微分した加速度脈波信号のうち少なくともひとつを解析対象の脈波信号とする、
    請求項１から９のいずれか一項に記載の脈波解析装置。
11. 前記生体指標は、脈拍数、血圧値、ストレス値および血管年齢のすくなくとも一つを含む、
    請求項１から１０のいずれか一項に記載の脈波解析装置。
12. コンピュータが、
    脈波センサの出力値を基に被測定者の脈波信号を取得し、
    ノイズセンサの出力値を基にノイズを検出したノイズ区間を取得し、
    前記脈波信号から前記ノイズ区間の信号を除去し、
    前記ノイズ区間の信号が除去された除去後脈波信号の特徴量を算出し、
    算出した前記除去後脈波信号の特徴量を基に、被測定者の状態を示す生体指標と脈波の特徴を示す特徴量とを対応付ける記憶部を参照して、前記被測定者の脈波の解析を行う、処理を実行する、
    脈波解析方法。
13. コンピュータに、
    脈波センサの出力値を基に被測定者の脈波信号を取得し、
    ノイズセンサの出力値を基にノイズを検出したノイズ区間を取得し、
    前記脈波信号から前記ノイズ区間の信号を除去し、
    前記ノイズ区間の信号が除去された除去後脈波信号の特徴量を算出し、
    算出した前記除去後脈波信号の特徴量を基に、被測定者の状態を示す生体指標と脈波の特徴を示す特徴量とを対応付ける記憶部を参照して、前記被測定者の脈波の解析を行う、処理を実行させる、
    脈波解析プログラム。

Images