JP2021074238A - 測定装置及びプログラム - Google Patents

Abstract

【課題】簡易な構成により腸内の状態を測定する。【解決手段】腸の状態を測定する測定装置１００は、被測定者の腸蠕動音が含まれる音響データを取得する取得部２０と、取得部２０によって取得される音響データに基づいて被測定者の腸内ガス量を演算する演算部３０と、を含む。【選択図】図１

Description

本発明は、腸の状態を測定する測定装置及びプログラムに関する。

腸の状態を評価するうえで、腸内のガス量を把握することは重要である。腸内のガス量を把握する手段としては、肛門からサンプリングチューブを挿入して放屁をモニターするシステムが提案されている（非特許文献１）。

Takekazu TERAI. Flatus Monitor "flatus as index of bowel function" J. Japan Association on Odor Environment Vol. 36, No. 5 2005.

しかしながら、上述のシステムは侵襲的であるため、患者への心身面及び金銭面の負担が大きいうえ、大掛かりな検査機器が必要であり、繰り返しの観察には適していないという問題がある。

本発明は、このような問題点に着目してなされたものであり、簡易な構成により腸内の状態を測定する測定装置及びプログラムを提供することを目的とする。

本発明のある態様によれば、腸の状態を測定する測定装置は、被測定者の腸蠕動音が含まれる音響データを取得する取得手段と、前記取得手段によって取得される音響データに基づいて前記被測定者の腸内ガス量を演算する演算手段と、を含む。

この態様によれば、被測定者の腸蠕動音が含まれる音響データを用いることによって被測定者の腸内ガス量が得られるので、簡易な構成により腸内の状態を測定することができる。

図１は、本発明の第１実施形態における測定装置の機能構成を示すブロック図である。 図２Ａは、炭酸水を摂取する前における被験者の腸蠕動音の発生頻度の一例を示す図である。 図２Ｂは、炭酸水を摂取した後における被験者の腸蠕動音の発生頻度の一例を示す図である。 図３Ａは、炭酸水を摂取する前における被験者の腸蠕動音の長さの一例を示す図である。 図３Ｂは、炭酸水を摂取した後における被験者の腸蠕動音の長さの一例を示す図である。 図４は、腸内ガス量に関する腸内情報の表示例を示す図である。 図５は、第１実施形態における測定方法の処理手順例を示すフローチャートである。 図６は、第２実施形態における測定装置の機能構成を示すブロック図である。 図７は、腸の不調度合いの判定手法の一例を説明するための図である。 図８は、他の判定手法の例を説明するための図である。 図９は、第３実施形態における腸音検出部の機能構成を示すブロック図である。 図１０は、腸音検出部による検出結果の一例を示す図である。 図１１は、第４実施形態における測定装置の機能構成を示すブロック図である。 図１２は、測定装置に用いられる予測アルゴリズムを生成する機械学習装置の機能構成を示すブロック図である。

以下、添付図面を参照しながら本発明の各実施形態について説明する。

（第１実施形態）
図１は、本発明の第１実施形態における測定装置の機能構成を示すブロック図である。

測定装置１００は、被測定者の腸の状態を測定する装置である。本実施形態の測定装置１００には、集音装置１、入力装置２及び表示装置３がそれぞれ接続されている。

集音装置１は、生体音を集音する装置であり、例えば電子聴診器、非接触マイクロフォン又はこれらの組合せによって構成される。集音装置１は、被測定者から集音した音を示す音響データを生成する。この集音装置１は、被測定者の腹部に当てられる。通常、集音装置１は、被測定者のお腹に当てられるが、お腹周りの背中の部分に当てられることもある。

被測定者の腹部に当てられた集音装置１は、被測定者の腸蠕動音（ＢＳ：Bowel sound）が含まれる音響データを生成し、その音響データを測定装置１００に出力する。集音装置１によって生成される音響データは、有線又は無線を介して測定装置１００に送信されてもよく、ＳＤカードなどの記録媒体を介して測定装置１００に入力されてもよい。

入力装置２は、利用者の入力操作を受け付ける受付手段である。入力装置２は、例えば、キーボード、タッチパネル及びマウスによって構成される。入力装置２は、例えば、腸の状態を測定するにあたり、被測定者の属性を示す属性情報又は体組成を示す体組成情報を受け付ける。属性情報としては、例えば性別、年齢、身長、体重及び腸の活動度合いなどが挙げられる。体組成情報としては、例えばＢＭＩ（Body Mass Index）、肥満度及び体脂肪率などが挙げられる。

本実施形態の入力装置２は、利用者の入力操作により、生体から生じる腸蠕動音の基準となる基準情報を受け付け、その基準情報を示す操作信号を生成する。入力装置２は、受け付けた入力操作によって生成された操作信号を測定装置１００に出力する。

表示装置３は、入力装置２によって生成された操作信号、又は測定装置１００によって測定された結果などの情報を表示する表示手段である。表示装置３は、例えば液晶ディスプレイなどによって構成される。

測定装置１００は、例えば、汎用或いは専用のコンピュータ、又は携帯端末などによって構成される。測定装置１００は、記憶部１０と、取得部２０と、演算部３０と、腸内情報生成部４０と、を備える。

記憶部１０は、揮発性メモリ（ＲＡＭ：Random Access Memory）及び不揮発性メモリ（ＲＯＭ：Read Only Memory）によって構成される。記憶部１０は、例えば、ハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＳＤ）などによって構成される。

記憶部１０は、測定装置１００の動作を制御するためのプログラムを記憶する記憶装置である。すなわち、記憶部１０は、本実施形態における測定方法を実行するためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。このプログラムは、あらかじめ記憶部１０に記憶されてもよく、測定装置１００の外部から通信回線を介して取得されてもよい。

記憶部１０には、さらに、上述した基準情報が保持される。すなわち、本実施形態の記憶部１０は、生体の腸蠕動音の基準となる基準情報を保持する保持手段を構成する。基準情報には、例えば、個人又は団体の被験者の腸蠕動音に関する実験又はシミュレーションなどの結果、又は腸蠕動音に関する統計データを用いて設定される閾値又は基準量が含まれる。以下、基準情報に示される閾値は「ＢＳ閾値」と称される。

また、この基準情報は、記憶部１０に限らず、測定装置１００の外部の装置などで保持されてもよい。この場合、測定装置１００の取得部２０は、基準情報を保持する外部の装置などから、通信回線を介して基準情報を取得してもよい。

本実施形態ではＢＳ閾値として、音響データから腸蠕動音を検出するための複数の検出閾値と、腸蠕動音に基づいて腸内ガス量を判定するための判定閾値と、が記憶部１０に保持されている。

これらのＢＳ閾値は、例えば、炭酸水などの腸内ガス量が増加しやすい特定の飲料を被験者が摂取した後の腸蠕動音を含む音響データに基づいてあらかじめ定められる。あるいは、主観評価において腹部の膨満感が強いと回答した人の腸蠕動音、又は、腸に不調がある人の腸蠕動音を基準にＢＳ閾値を定めてもよい。または、人の属性、又は体組成に基づいてＢＳ閾値を定めてもよい。

取得部２０は、測定装置１００の外部に配置された集音装置１及び入力装置２から出力される信号を取得する。本実施形態の取得部２０は、操作信号取得部２１と音響データ取得部２２とを備える。

操作信号取得部２１は、入力装置２から出力された操作信号を取得する。操作信号取得部２１は、入力装置２から上述のＢＳ閾値を示す操作信号を取得した場合には、その操作信号に示されたＢＳ閾値を記憶部１０に記録する。

音響データ取得部２２は、集音装置１から被測定者の腸蠕動音が含まれる音響データを取得する取得手段を構成する。音響データ取得部２２は、集音装置１から取得した音響データを演算部３０に出力する。

演算部３０は、取得部２０によって取得された音響データに基づいて被測定者の腸内ガス量を演算する演算手段を構成する。ここにいう腸内ガス量は、腹部の膨満感又は腸の不調度合いを評価するための指標であり、例えば、腸内に存在するガスの体積を示す指標、又は腸の容積に対するガスの体積の比率を示す指標が腸内ガス量として用いられる。

演算部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）又はＤＳＰ（digital signal processor）などのプロセッサによって構成される。あるいは、演算部３０は、ＡＳＩＣなどの専用のハードウェアによって構成されてもよく、プロセッサと専用のハードウェアとを組み合わせて構成されてもよい。

本実施形態において、演算部３０は、記憶部１０又は取得部２０から基準情報を取得するとともに音響データ取得部２２から音響データを取得し、その基準情報と音響データとを用いて、被測定者の腸内ガス量を演算する。演算部３０は、腸音検出部３１と腸内ガス量演算部３２とを備える。

腸音検出部３１は、集音装置１によって生成される音響データに基づいてその音響データに示される腸蠕動音を検出する。例えば、腸音検出部３１は、音響データ取得部２２から音響データを取得すると、その音響データの中から、腸蠕動音の長さ及び発生頻度を検出する。以下、腸蠕動音の長さは「ＢＳ長」と称され、腸蠕動音の発生頻度は「ＢＳ頻度」と称される。

腸音検出部３１は、音響データ取得部２２から取得した音響データに基づいてＢＳ長を検出する検出手段を構成する。

例えば、腸音検出部３１は、音響データの信号レベルが連続して所定値を超える期間を計測し、計測した期間をＢＳ長として腸内ガス量演算部３２に出力する。音響データの信号レベルとしては、例えば音の強さ、音圧又はＳＮＲ（Signal to Noise Ratio）などを用いることができる。

本実施形態における腸音検出部３１は、上述の所定値として記憶部１０からＢＳ閾値である第１検出閾値を読み出し、ＳＴＥ（Short term energy）法を用いて音響データのＳＮＲが第１検出閾値以上となる期間を計測する。

具体的には、腸音検出部３１は、所定の時間単位ごとに音響データを複数のセグメントに分割し、分割したセグメントごとに、式（１）に示すようにＳＮＲを算出する。所定の時間は、例えば数十ｍｓ（ミリセカンド）であり、本実施形態では３６ｍｓに設定される。

なお、Ｐ_Sは音響データに示される信号のパワーであり、Ｐ_Nは雑音のパワーである。Ｐ_Nは、視聴試験を行った際にサイレンスであると判断された１秒の区間内のエネルギーから算出される。

算出されたＳＮＲが第１検出閾値以上である場合には、腸音検出部３１は、そのセグメントに対し、腸蠕動音が含まれている可能性があるので「１」を付与する。一方、ＳＮＲが第１検出閾値を下回る場合には、そのセグメントは腸蠕動音が含まれていないとみなされ、腸音検出部３１は、ＳＮＲが第１検出閾値を下回るセグメントに対して「０」を付与する。

腸音検出部３１は、「１」を示すセグメントが連続する複数の有効セグメントを特定し、特定した有効セグメントの数をカウントする。腸音検出部３１は、カウントした数が第２検出閾値を上回る場合には、連続する有効セグメントの音響データに示される音が有効なＢＳであると判定し、有効なＢＳに対しては、カウントした数に所定の時間を乗じてＢＳ長を算出する。

第２検出閾値は、記憶部１０から読み出されるＢＳ閾値の一つであり、腸蠕動音のＳＮＲの基準となる基準情報である。第２検出閾値は、炭酸水などの特定の飲料を被験者が摂取した後のＢＳ長に基づいてあらかじめ定められる。本実施形態の第２検出閾値は「７」に設定される。

腸音検出部３１は、音響データから複数の有効なＢＳを検出した場合は、検出した複数の有効なＢＳについてのＢＳ長の平均値、中央値又は最頻値などの統計値をＢＳ長として算出してもよい。腸音検出部３１は、算出したＢＳ長を腸内ガス量演算部３２に出力する。また、腸音検出部３１は、音響データから複数の有効なＢＳを検出した場合は、有効なＢＳの発生頻度をＢＳ頻度として算出してもよい。

腸内ガス量演算部３２は、腸音検出部３１によって検出されるＢＳ長を用いて被測定者の腸内ガス量を演算するガス量演算手段を構成する。

腸内ガス量演算部３２は、腸音検出部３１から出力されるＢＳ長を取得し、そのＢＳ長に基づいて被測定者の腸内ガス量を算出する。

例えば、腸内ガス量演算部３２は、記憶部１０からＢＳ閾値の一つである判定閾値を読み出し、ＢＳ長が判定閾値以上である場合には、腸内ガス量が多いと判定し、ＢＳ長が判定閾値を下回る場合には、腸内ガス量が少ないと判定する。判定閾値は、腸内ガス量を判定するための腸蠕動音の基準となる基準情報であり、例えば、特定の飲料を摂取した後の被験者のＢＳ長に基づいてあらかじめ定められる。あるいは、判定閾値は、下痢又は便秘気味などの腸が不腸である人のＢＳ長を基準に定められてもよい。

本実施形態では、被測定者のＢＳ長と腸内ガス量との関係を示す変換テーブルが記憶部１０にあらかじめ記憶されている。そして腸内ガス量演算部３２は、腸音検出部３１からＢＳ長を取得すると、記憶部１０の変換テーブルを参照し、取得したＢＳ長の値に関係付けられた腸内ガス量の値を算出する。

記憶部１０に記憶された変換テーブルは、実験又はシミュレーションなどの結果を用いてあらかじめ定められる。腸内ガス量演算部３２は、腸音検出部３１から出力されたＢＳ長が長くなるほど、腸内ガス量として大きな値を設定する。

このように、腸内ガス量演算部３２は、音響データとＢＳ閾値とを用いて被測定者の腸内ガス量を判定する。そして腸内ガス量演算部３２は、判定した腸内ガス量を腸内情報生成部４０に出力する。

腸内情報生成部４０は、演算部３０によって演算された腸内ガス量に基づいて腸内ガス量に関する腸内情報を生成する生成手段を構成する。腸内情報としては、例えば、ＢＳ長、ＢＳ頻度、腸内ガス量、及び腹部における膨満感の程度などが含まれる。腸内情報生成部４０は、例えば画像処理装置によって構成される。

本実施形態の腸内情報生成部４０は、腸内ガス量演算部３２から出力される腸内ガス量の値に基づき所定の形式により腸内ガス量を示した表示画像を、上述の腸内情報として生成する。表示画像の態様については図面を参照して後述する。

腸内情報生成部４０は、生成した表示画像を表示装置３に出力する。これにより、表示装置３は、測定装置１００によって測定された腸内ガス量を利用者又は被測定者に表示することができる。

以上のように、測定装置１００は、集音装置１によって生成される音響データに基づいて被測定者の腸内ガス量を測定し、測定した結果を表示装置３に出力する。

なお、本実施形態では記憶部１０及び腸内情報生成部４０が測定装置１００に備えられているが、記憶部１０及び腸内情報生成部４０を省略して測定装置１００に接続される別体の記憶装置及び画像処理装置に置き換えてもよい。また、測定装置１００は、集音装置１、入力装置２及び表示装置３の少なくとも一つの機能を実装してもよい。

また、本実施形態では記憶部１０に保持されたＢＳ閾値はあらかじめ定められたものであったが、ＢＳ閾値は、被測定者の属性情報及び体組成情報の少なくとも一方の情報に基づいて変更されてもよい。

例えば、演算部３０は、被測定者の腸の活動度合いを示す属性情報に基づいて、腸の活動が活発になるほどＢＳ閾値を高めてもよく、腸の活動が不活発になるほどＢＳ閾値を低くしてもよい。あるいは、高齢者のＢＳ閾値は、若年者のＢＳ閾値よりも低く設定されてもよい。この理由は、高齢者は腸の活動が弱まることが知られているからである。これにより、被測定者の腸の活動の活発度合いを考慮して、腸内ガス量を精度よく測定することができる。

または、演算部３０は、被測定者の体組成情報に基づいて、肥満型の人の方が痩せ型の人よりもＢＳ閾値を低くしてもよい。この理由として、高度な肥満型の人は、活動状態が不活発になる傾向にあり膨満感が強くなることが多いのに対し、痩せ型の人は、活動状態が活発になる傾向にあるからである。

その他に、ＢＳ閾値は、同一の被測定者について時系列に取得された複数のＢＳ長を示す蓄積データに基づいて調整されてもよい。これにより、被測定者個人の腸の状態がＢＳ閾値に反映されることになるので、被測定者における腸の状態の変化を把握することが容易になる。

次に、音響データに含まれる腸蠕動音と腸内ガス量との相関関係を、図２Ａ、図２Ｂ、図３Ａ及び図３Ｂを参照して説明する。音響データに含まれる腸蠕動音と腸内ガス量との相関関係については、公知の検定手法の一つであるWilcolxonのＴ検定による評価結果を用いて説明する。このWilcolxonのＴ検定は、ノンパラメトリック検定による順序尺度の差を検定する手法である。

まず、ＢＳ頻度と腸内ガス量との相関関係について図２Ａ及び図２Ｂを参照して説明する。図２Ａは、被験者が炭酸水及びコーヒーの各飲料を摂取する前のＢＳ頻度の一例を示す図である。図２Ｂは、被験者が各飲料を摂取した後のＢＳ頻度の一例を示す図である。

図２Ｂに示すように、炭酸水摂取後のＢＳ頻度は、コーヒー摂取後のＢＳ頻度に比べて若干増加していることが確認されたが、有意な差は認められなかった。

続いて、ＢＳ長と腸内ガス量との相関関係について図３Ａ及び図３Ｂを参照して説明する。図３Ａは、被験者が各飲料を摂取する前のＢＳ長の一例を示す図である。図３Ｂは、被験者が各飲料を摂取した後のＢＳ長の一例を示す図である。

図３Ｂに示すように、炭酸水摂取後のＢＳ長は、コーヒー摂取後のＢＳ長に比べて、明らかに増加していることが確認されており、有意な差も認められた（Ｐ＜０．０５）。すなわち、ＢＳ長については、ＢＳ頻度に比べて腸内ガス量との相関関係が強いという結果が得られた。

以上の実験結果から、被験者の炭酸水摂取により腸内ガス量が増加したことによって、コーヒー摂取の場合に比べて被験者の腸蠕動音の発生状態が変化することを確認することができた。特にＢＳ長と腸内ガス量との間の相関性が高いことを発明者らは知見した。

それゆえ、本実施形態の測定装置１００は、ＢＳ長と腸内ガス量との相関関係を利用することにより腸内ガス量を推定している。より詳細には、測定装置１００は、集音装置１によって被測定者の腹部から得られる音響データを用いてＢＳ長を検出し、そのＢＳ長の長さに応じて被測定者の腸内ガス量を算出する構成を備えている。

次に、測定装置１００による測定結果の表示例について図４を参照して簡単に説明する。

図４は、本実施形態における腸内ガス量の測定結果を表示するための表示画像の一例を示す図である。図４には、被測定者の腸内ガス量の程度が棒グラフによってＢＳ長とともに示されている。

この例では、ＢＳ長が長く腸内ガス量が多目であるという結果が示されているので、被測定者が腹部に張りを感じているような状況においては、その張りは、胃の運動機能の低下によるものというよりは、腸の運動機能の低下によるものであることがわかる。

このように、集音装置１によって取得された被測定者の音響データに対し、ＢＳ長と腸内ガス量との相関性を利用した簡易な演算処理を実行することによって、被測定者の腸の状態を把握することができる。

次に、測定装置１００の動作について図５を参照して説明する。

図５は、本実施形態における腸内ガスを測定する測定方法を示すフローチャートである。

ステップＳ１において測定装置１００は、被測定者の腹部に当てられた集音装置１から、被測定者の腸蠕動音が含まれる音響データを取得する。

ステップＳ２において測定装置１００は、取得した音響データに基づいて被測定者の腸内ガス量を演算する。

本実施形態の測定装置１００は、取得した音響データのＳＮＲが、記憶部１０から読み出したＢＳ閾値以上となる期間をＢＳ長として検出する。そして測定装置１００は、記憶部１０からＢＳ長と腸内ガス量との関係を示す変換テーブルを読み出し、その変換テーブルにおいてＢＳ長の検出値に関係付けられた腸内ガス量を算出する。

ステップＳ３において測定装置１００は、算出した被測定者の腸内ガス量を用いて腸内情報を生成する。

本実施形態の測定装置１００は、図４に示したように、算出した腸内ガス量及びＢＳ長の検出値を表示するための表示画像を生成して表示装置３に出力する。これにより、表示装置３には、測定結果として被測定者の腸内ガス量の程度が表示される。

ステップＳ３の処理が完了すると、測定装置１００における測定方法についての一連の処理手順が終了する。

次に、第１実施形態による作用効果について説明する。

第１実施形態における測定装置１００は、腸の状態を測定する装置である。この測定装置１００は、生体音を集音する集音装置１から被測定者の腸蠕動音が含まれる音響データを取得する取得部２０と、取得部２０によって取得される音響データに基づいて被測定者の腸内ガス量を演算する演算部３０と、を含む。

また、本実施形態における腸の状態を測定する測定方法は、集音装置１から音響データを取得するステップＳ１と、ステップＳ１によって取得される音響データに基づいて被測定者の腸内ガス量を演算するステップＳ２と、を含む。

さらに、本実施形態において腸の状態を測定するコンピュータに実行させるためのプログラムには、集音装置１から音響データを取得するステップＳ１と、音響データに基づいて被測定者の腸内ガス量を演算するステップＳ２と、が含まれる。

従来、腸内ガス量を測定するには、被測定者の肛門からサンプリングチューブを挿入して放屁をモニターするシステム、又は経口摂取型のカプセルセンサーなどが使用されている。このような測定手法に比べて、上述した構成によれば、集音装置１によって被測定者の腸蠕動音が集音された音響データに所定の演算処理を施すことで、非侵襲的、かつ、簡易に被測定者の腸内ガス量を推定することができる。

これに加え、腸内の水素及び二酸化炭素は、微量であるうえ空気で希釈されるので、これらの濃度は極めて低いことから、経口摂取型のカプセルセンサー又は放屁モニターでは、腸内ガス量を精度よく測定することは困難である。これに対し、本実施形態では、腸内ガス量に相関性を有する腸蠕動音が含まれる音響データを用いることにより、腸内ガス量の測定精度を確保することができる。

測定した腸内ガス量は、腸の状態を把握するうえで重要である。特に、高齢者、小児又は意識レベルの低下した患者に対する腸管運動機能の評価又は治療効果の判定において、腸内ガス量は有用である。例えば、演算した被測定者の腸内ガス量が多い場合は、その対処策の一つとして、腸内ガス量に応じて腸内ガス量を適正な量に抑えるための運動の種類又はその運動の程度を報知してもよい。また、腸内ガス量から診断可能な腹部不快症状と肥満との関係性から、肥満型の被測定者又は痩せ型の被測定者に対して、ＢＭＩが１８．５以上２５未満の標準範囲を目標とするような生活改善を提示してもよい。

以上のように、上述した構成によれば、簡易な構成により腸の状態を測定することができる。

また、本実施形態における演算部３０は、被測定者の腸蠕動音の基準となるＢＳ閾値などの基準情報を取得し、その基準情報と音響データとを用いて腸内ガス量を演算する。

この構成によれば、音響データと基準情報とを比較することにより被測定者の腸蠕動音を抽出することが可能となり、抽出した腸蠕動音の長さ、発生数及びスペクトルの形状などを検出することによって腸内ガス量を推定することができる。

また、本実施形態における取得部２０は、利用者の入力操作を受け付ける入力装置２から基準情報を取得する。この構成によれば、入力装置２を用いて基準情報に含まれるＢＳ閾値などを任意の値に変更することが可能となる。それゆえ、測定環境又は被測定者の病状などに合わせてＢＳ閾値が変えられるので、ＢＳ閾値が固定される場合に比べて測定精度が低下するのを抑制することができる。

このＢＳ閾値を示す基準情報は、炭酸水などの特定の飲料物を摂取した後の腸蠕動音に基づいて設定される。例えば、炭酸水を摂取した個人又は団体の被験者から得られた腸蠕動音に基づいて基準情報をあらかじめ定めることにより、被測定者の腸内ガス量を精度よく測定することができる。

また、基準情報は、被測定者の性別又は年齢などを示す属性情報と、被測定者の体組成を示す体組成情報と、のうち少なくとも一方の情報に基づいて設定されてもよい。腸蠕動音は、被測定者の性別、年齢及び体組成の違いによって変化することから、被測定者の属性情報と体組成情報とを用いて基準情報を変更することにより、被測定者の特性に合わせて精度よく腸内ガス量を測定することができる。

また、本実施形態における演算部３０は、音響データに示される腸蠕動音の長さを示すＢＳ長を用いて被測定者の腸内ガス量を演算する。図２Ａ及び図２Ｂに示したように、音響データから抽出可能なパラメータのうち、特にＢＳ長が腸内ガス量に対する相関性が高いことから、被測定者の腸内ガス量を測定する際にＢＳ長を用いることによって、精度よく腸内ガス量を推定することができる。

（第２実施形態）
図６は、第２実施形態における測定装置１０１の機能構成を示すブロック図である。

第２実施形態では、被測定者の腸内ガス量を用いて腸の状態を判定する点が第１実施形態と異なる。測定装置１０１は、図１に示した演算部３０に代えて、当該演算部３０に対応する演算部３０Ａを備えている。演算部３０Ａは、図１に示した演算部３０の構成に加えて腸状態判定部３３をさらに有する。

本実施形態における腸音検出部３１は、音響データを用いてＢＳ長を検出するとともに、音響データに含まれる腸蠕動音の発生頻度を示すＢＳ頻度を検出する。ＢＳ頻度は、単位時間あたりの腸蠕動音の発生数である。

腸音検出部３１は、図１で述べたように音響データからＢＳ長を検出し、検出したＢＳ長を腸内ガス量演算部３２に出力する。これに加え、本実施形態の腸音検出部３１は、１分間あたりの腸蠕動音の発生数をカウントし、カウントした発生数をＢＳ頻度として腸状態判定部３３に出力する。

腸内ガス量演算部３２は、腸音検出部３１によって検出されたＢＳ長を取得すると、そのＢＳ長を被測定者の腸内ガス量とみなして、ＢＳ長をそのまま腸状態判定部３３に出力する。なお、腸内ガス量演算部３２は、ＢＳ長を腸内ガス量に変換し、変換した腸内ガス量をＢＳ頻度に応じて補正してもよい。

腸状態判定部３３は、腸内ガス量演算部３２から出力されるＢＳ長とＢＳ頻度とに基づいて被測定者における腸の状態を判定する。本実施形態における腸状態判定部３３は、ＢＳ長を用いて腹部における膨満感の程度を判定し、ＢＳ頻度を用いて腸の活動状態を判定する。

例えば、腸状態判定部３３は、ＢＳ長が長くなるほど、腹部の膨満感が強いと判定し、ＢＳ長が短くなるほど、腹部の膨満感が少ないと判定する。さらに腸状態判定部３３は、ＢＳ頻度が低くなるほど、腸が不活動的であると判定し、ＢＳ頻度が高くなるほど、腸が過活動気味であると判定する。

腸状態判定部３３は、腹部の膨満感及び腸の活動状態の判定結果を腸内情報生成部４０Ａに出力する。腸内情報生成部４０Ａは、判定結果に基づいて判定結果に関する腸内情報又は、判定結果とともにＢＳ長及びＢＳ頻度の検出結果を示す腸内情報を生成し、その腸内情報を表示装置３に出力する。

次に、腸状態判定部３３による腸の判定手法について図７を参照して説明する。

図７は、被測定者のＢＳ長とＢＳ頻度とを用いて腸の不調度合いを判定する例を説明するための図である。

この例では、図７に示すように、ＢＳ長とＢＳ頻度と腸の不調度合いとの関係を示す判定テーブルが記憶部１０に記憶される。そして腸状態判定部３３は、腸音検出部３１からＢＳ長及びＢＳ頻度を取得すると、判定テーブルを参照して被測定者における腸の不調度合いを判定する。

具体的には、腸状態判定部３３は、ＢＳ長が判定閾値Ｔ１を下回り、かつ、ＢＳ頻度が判定閾値Ｔ２を下回る場合に、腸が不活動的で膨満感が少ない状態であると判定する。この判定結果から、被測定者は、例えば便秘であるが腹部の膨満感は少ない状態であることが推察される。

また、ＢＳ長が判定閾値Ｔ１を下回り、かつ、ＢＳ頻度が判定閾値Ｔ２以上である場合には、腸状態判定部３３は、腸が活動的で膨満感が少ない状態であると判定する。この判定結果から、被測定者は、例えば便秘気味でもなく、下痢気味でもなく、かつ、膨満感も少ない状態であることが推察される。

一方、腸状態判定部３３は、ＢＳ長が判定閾値Ｔ１以上であり、かつ、ＢＳ頻度が判定閾値Ｔ２を下回る場合に、腸が不活動的で膨満感が強い状態であると判定する。この判定結果から、被測定者は、例えば便秘気味で腹部の膨満感も強い状態あることが推察される。

また、ＢＳ長が判定閾値Ｔ１以上であり、かつ、ＢＳ頻度が判定閾値Ｔ２以上である場合には、腸状態判定部３３は、腸が過活動気味で膨満感が強い状態であると判定する。この判定結果から、被測定者は、例えば下痢気味で腹部の膨満感も強い状態であることが推察される。

さらに、腸状態判定部３３は、ＢＳ頻度が判定閾値Ｔ３以上であれば、ＢＳ長に関係なく、被測定者の腸が過活動状態であり被測定者は違和感を持っている状態であると判定してもよい。

このように、腸の状態を判定するに際にＢＳ長に加えてＢＳ頻度を用いることによって、腸の不調度合いをきめ細かく判定することができる。

なお、本実施形態では腸状態判定部３３が、腹部の膨満感の程度及び腸の活動状態をそれぞれ判定する例について説明したが、これらの判定結果を元に腸状態判定部３３が被測定者の腸の状態として、上述のように下痢気味又は便秘気味といった総合的な評価を行うようにしてもよい。

また、腸の不調度合いの判定手法としては図７に示した判定手法に限られるものではない。そこで、他の判定手法について図８を参照して説明する。

図８は、腸の不調度合いの判定手法についての他の例を説明するための図である。図８には、腸状態判定部３３による判定結果を座標の中心から放射状に示すレーダーチャート形式で表した表示画像が示されている。具体的には、表示画像には、三軸が互いに直交する直交座標系において、ＢＳ長、ＢＳ頻度及びＳＮＲを各軸に設定したレーダーチャートが示されている。

この例では、図６に示した腸音検出部３１が、ＢＳ長とＢＳ頻度とに加え、音響データに示される腸蠕動音のＳＮＲを検出する。腸音検出部３１は、一分間に複数の腸蠕動音を検出した場合には、検出した腸蠕動音のＳＮＲについて平均値、中央値又は最頻値などの統計値を算出し、そのＳＮＲの統計値を、ＢＳ長及びＢＳ頻度とともに腸状態判定部３３に出力する。

このように、腸音検出部３１を含む演算部３０Ａは、集音装置１によって生成された音響データに基づいてＢＳ長を検出するとともに、腸蠕動音の信号レベル及び発生数のうち少なくとも一方のパラメータを検出する。

図８に示されたＢＳ長は、上述のとおり、腹部の膨満感に相関性を有している。一方、ＢＳ頻度及びＳＮＲは、腸の活動状態に相関性を有しており、例えば、感染性胃腸炎などの炎症、又は下痢などの症状によって腸の活動状態が活発になるほど、ＢＳ頻度及びＳＮＲの双方が高くなりやすい。反対に、手術による腹膜の炎症又は便秘などの症状によって腸の活動状態が鈍化するほど、ＢＳ頻度及びＳＮＲの双方が低くなりやすい。

このような傾向を利用することによって被測定者における腸の状態を推定することができる。すなわち、ＢＳ長、ＢＳ頻度及びＳＮＲの各指標を用いることにより、被測定者の腸の不調度合いを精度よく判定することが可能となる。

例えば、被測定者が便秘気味であるときは、ＢＳ頻度及びＳＮＲが比較的低く、かつ、ＢＳ長が比較的短くなりやすく、被測定者が下痢気味であるときは、ＢＳ頻度及びＳＮＲが比較的高く、かつ、ＢＳ長が比較的長くなりやすい。

このため、腸の状態が悪くなるほど、ＢＳ頻度及びＳＮＲの数値とＢＳ長の数値との差分が大きくなりやすい。すなわち、腸の不調度合いが高くなるほど、図８に示したレーダーチャートの面積Ｓが大きくなりやすい。それゆえ、本例における腸状態判定部３３は、レーダーチャートの面積Ｓを求め、その面積Ｓが大きくなるほど、腸の不調度合いが高いと判定する。

なお、被測定者がイレウスを引き起こしているときは、腸蠕動音が発生し難くなるので、ＢＳ長、ＢＳ頻度及びＳＮＲが全て低下する。このような場合には、腸状態判定部３３は、腸の不調度合いが高いと判定してもよい。

腸状態判定部３３は、腸の不調度合いの判定結果と、ＢＳ長、ＢＳ頻度及びＳＮＲの検出結果と、を腸内情報生成部４０Ａに出力する。そして腸内情報生成部４０Ａは、図８に示したようなレーダーチャートとともに不調度合いの判定結果を示す表示画像を生成して表示装置３に出力する。これにより、表示装置３は、腸内情報生成部４０Ａによって生成された腸内情報をレーダーチャートの形式により表示する。

このように、判定結果に加えてＢＳ長、ＢＳ頻度及びＳＮＲをレーダーチャート形式で表示することにより、被測定者における腸の状態を、総合的かつ容易に把握することが可能となる。

なお、この例では腸の状態を判定する際にＢＳ長に加えてＢＳ頻度及びＳＮＲの双方を用いたが、ＢＳ頻度及びＳＮＲのうち一方のみを用いて腸の状態を判定してもよい。また、腸蠕動音の信号レベルとしてＳＮＲを用いたが、これに代えて又は加えて、腸蠕動音の強さ又は音圧などを用いてもよい。このような場合でも被測定者における腸の不調度合いを判定することが可能である。

また、図８に示した例では、ＢＳ長、ＢＳ頻度及びＳＮＲの三軸が互いに直交する三次元の座標系を用いて腸の状態を表示したが、これに代えて、二次元の座標系を用いてＢＳ長、ＢＳ頻度及びＳＮＲを表示してもよい。この場合でも、被測定者の腸の状態を容易に把握することができる。

次に、第２実施形態による作用効果について説明する。

第２実施形態において、腸音検出部３１を含む演算部３０Ａは、集音装置１によって生成された音響データに基づいてＢＳ長を腸内ガス量として検出するとともに腸蠕動音の信号レベル及び発生数のうち少なくとも一方のパラメータを検出する。そして腸内情報生成部４０Ａは、演算部３０Ａによって検出されるパラメータとＢＳ長とに基づいて被測定者における腸の不調度合いを示す腸内情報を生成する。

この構成によれば、ＢＳ長に加えて腸蠕動音に関する他のパラメータを用いることによって、被測定者における腸の不調度合いを判定することが可能となる。したがって、本実施形態の測定装置１０１は、簡易な構成により腸の状態を測定することができる。

また、本実施形態における表示装置３は、腸内情報生成部４０Ａによって生成された腸内情報をレーダーチャートによって表示する。これにより、被測定者は、自身の腸の不調度合いを容易に把握することができる。

（第３実施形態）
図９は、第３実施形態における測定装置１０２の機能構成を示すブロック図である。

第３実施形態では、被測定者の腸内ガス量を演算するにあたり、音響データにおける腸蠕動音の特徴を示す特徴量を用いる点が第１実施形態と異なる。そのため、記憶部１０には、第１実施形態のＢＳ閾値に代えて、腸蠕動音の基準となる基準情報として音響データの特徴量に関する基準量が保持されている。

本実施形態の測定装置１０２は、図１に示した測定装置１００の腸音検出部３１に代えて、腸音検出部３１に対応する腸音検出部３１ａを備えている。他の構成については測定装置１００の構成と同一である。

腸音検出部３１ａは、腸蠕動音が含まれている音響データにおける特徴量に基づいてＢＳ長を検出する。本実施形態における腸音検出部３１ａは、音響データにおける特徴量が連続して記憶部１０の基準量を超える期間を計測し、計測した期間をＢＳ長として腸内ガス量演算部３２に出力する。

本実施形態の腸音検出部３１ａは、セグメント検出部３１１と、特徴量抽出部３１２と、ＢＳ長検出部３１３と、を備える。

セグメント検出部３１１は、音響データ取得部２２から音響データを受け付けると、第１実施形態と同じように，所定の時間単位により音響データを複数のセグメントに分割する。セグメント検出部３１１は、分割した各セグメントのＳＮＲが所定値以上である有効セグメントを検出する。

特徴量抽出部３１２は、音響データから腸蠕動音の特徴を示す特徴量を抽出する抽出手段を構成する。

具体的には、特徴量抽出部３１２は、セグメント検出部３１１によって検出された有効セグメントごとに音響データの特徴量を抽出する。音響データの特徴量としては、例えばＰＮＣＣ（Power Normalized Cepstral Coefficients）又はＭＦＣＣ（Mel-Frequency Cepstral Coefficients）などを用いることができる。

ＭＦＣＣは、特に音声認識の分野において、声道特性を表す特徴量とも言われ、一般的に使用されてきた。このＭＦＣＣは、声道特性を連想するような生体音の検出に対しても適用されてきた。ＭＦＣＣは、ヒトの聴覚系を簡易的に模擬したメルスケールと呼ばれる対数軸上に等間隔に配置された三角フィルタバンクの出力に対し離散コサイン変換を行うことによって算出される。

ＰＮＣＣは、雑音環境下での音声認識システムの頑健性を改善するために開発された特徴量である。しかしながら、ＰＮＣＣは、録音データのサンプリングレートが低い場合（例えば、聴診器の録音データのような場合）、検出対象とするサウンドデータの音響やスペクトルの特性によっては、ＭＦＣＣより検出性能が劣化する場合があるとの報告がある。ＰＮＣＣは、ヒトの生理的な側面により近くなるようにＭＦＣＣを算出する過程を改善したものである。ＰＮＣＣは、ＭＦＣＣに比べて、主に、以下の三つの点が異なっている。

一つ目は、ＭＦＣＣで使用される三角フィルタバンクの代わりに蝸牛の働きを模擬するために等価長方形帯域幅に基づくガンマトーンフィルタバンクを使用している点である。二つ目は、ＭＦＣＣの算出過程には使用されていない、中時間処理された音声の算術平均及び幾何平均の比（AM-to-GM ratio）に基づいたバイアスサブトラクションを使用している点である。三つ目は、ＭＦＣＣで使用される対数非線形性をべき乗非線形性に置き換える点である。これらの点により、雑音に頑健な音声処理が可能となると言われている。

なお、ＰＮＣＣの詳細については、Kim, Chanwoo, and Richard M. Stern. "Power-normalized cepstral coefficients (PNCC) for robust speech recognition." Acoustics, Speech and Signal Processing (ICASSP), 2012 IEEE International Conference on. IEEE, 2012.を参照されたい。

特徴量抽出部３１２は、有効セグメントごとに抽出した音響データの特徴量をＢＳ長検出部３１３に出力する。

ＢＳ長検出部３１３は、特徴量抽出部３１２によって抽出された特徴量が、基準情報に示される基準量を超えて抽出される期間をＢＳ長として検出する検出手段を構成する。

本実施形態におけるＢＳ長検出部３１３は、連続する複数の有効セグメントのうち特徴量が基準量を超える有効セグメントの数をカウントし、カウントした数を有効セグメントの単位時間に乗じてＢＳ長を算出する。

そしてＢＳ長検出部３１３は、算出したＢＳ長を腸内ガス量演算部３２に出力する。腸内ガス量演算部３２では、第１実施形態と同様、ＢＳ長検出部３１３から出力されるＢＳ長に基づいて被測定者の腸内ガス量が演算される。

なお、本実施形態では腸音検出部３１ａが各セグメントのＳＮＲに基づき有効セグメントを検出して有効セグメントの特徴量を抽出したが、これに限られるものではない。例えば、腸音検出部３１ａは、有効セグメントを検出することなく各セグメントの特徴量を抽出し、これらの特徴量が連続して基準量を超えるセグメントの期間をＢＳ長として算出してもよい。

次に、腸音検出部３１ａによる音響データの検出結果について図１０を参照して説明する。

図１０は、音響データに含まれる腸蠕動音の長さ及び発生数の関係を例示する図である。

ここでは、炭酸水を摂取した被験者の腸蠕動音についての検出結果が実線により示されており、コーヒーを摂取した被験者の腸蠕動音についての検出結果が破線により示されている。なお、連続する有効セグメントの数、すなわちＢＳ長が横軸であり、縦軸が腸蠕動音の発生数、すなわちＢＳ頻度が縦軸である。

図１０に示すように、炭酸水摂取後の腸蠕動音については、コーヒー摂取後の腸蠕動音に比べて右側にシフトしているため、ＢＳ長が長くなっていることがわかる。すなわち、腸内ガス量が多い人ほど、ＢＳ長が長くなるといえる。

本実施形態における腸音検出部３１ａは、音響データからＢＳ長を検出し、検出したＢＳ長ごとに発生頻度を求め、ＢＳ長の平均値又は最頻値などの統計値を、新たなＢＳ長として腸内ガス量演算部３２に出力する。

あるいは、図１０に示したように、腸内ガス量が増加するにつれて、検出結果の線と縦軸と横軸とで囲まれる領域の面積は広くなるため、腸音検出部３１ａは、当該領域の面積としてＢＳ長の各値の発生頻度を積算し、その積算値をＢＳ長として用いてもよい。または、腸音検出部３１ａは、例えば「１０」から「２０」までの所定範囲の発生数のＢＳ長を抽出し、そのＢＳ長の平均値をＢＳ長として用いてもよい。これにより、腸内ガス量の測定精度を高めることができる。

次に、第３実施形態による作用効果について説明する。

第３実施形態における演算部３０は、音響データにおける特徴量を抽出する特徴量抽出部３１２と、特徴量抽出部３１２によって抽出される特徴量が基準量を超えて抽出される期間をＢＳ長として検出するＢＳ長検出部３１３と、を含む。ここにいう基準量は、腸蠕動音の特徴量の基準となる基準情報に含まれる。

この構成によれば、音響データから抽出した腸蠕動音の特徴量を用いることにより、音響データに混入する雑音が比較的多い条件下であってもＢＳ長を精度よく検出することがでる。それゆえ、音響データのＳＮＲが低くなる環境下であっても腸内ガス量を測定する精度が低下するのを抑制することができる。

（第４実施形態）
図１１は、第４実施形態における測定装置１０３の一部の機能構成を示すブロック図である。

第４実施形態では、被測定者の腸内ガス量を演算するにあたり、音響データにおける特徴量から分類される腸蠕動音のパターンを用いる点が第１乃至第３実施形態と異なる。

本実施形態の測定装置１０３は、図１に示した測定装置１００の構成に加え、音響データに含まれた腸蠕動音を分類するための予測アルゴリズムＤ１を記憶する補助記憶部１１を備えている。

予測アルゴリズムＤ１は、機械学習によって生成されたものである。予測アルゴリズムＤ１の学習については、入力層、中間層及び出力層のユニット数がそれぞれ１３、２５及び１の人工ニューラルネットワーク（ＡＮＮ）が本実施形態で用いられている。学習手法の詳細については図１２を参照して後述する。

また、測定装置１０３は、図１に示した測定装置１００の演算部３０に代えて、演算部３０に対応する演算部３０Ｂを備えている。他の構成については測定装置１００の構成と同一であるため、ここでの説明を省略する。

演算部３０Ｂは、音響データに示される腸蠕動音の種類に基づいて被測定者の腸内ガス量を演算する演算手段を構成する。本実施形態の演算部３０Ｂは、セグメント検出部３１１と、特徴量抽出部３１２と、ＢＳ予測部３１３ａと、ＢＳ分類予測部３１３ｂと、腸内ガス量演算部３２ａと、を備える。

セグメント検出部３１１及び特徴量抽出部３１２は、図９に示した腸音検出部３１ａの構成と同じであるため、同一符号を付してここでの説明を省略する。

ＢＳ予測部３１３ａは、予測アルゴリズムＤ１に従って、音響データに腸蠕動音が含まれているかを予測する。

本実施形態におけるＢＳ予測部３１３ａは、セグメント検出部３１１によって検出された有効セグメントの各々について、特徴量抽出部３１２によって抽出された特徴量に基づき、音響データに腸蠕動音が含まれているかを予測する。

具体的には、ＢＳ予測部３１３ａは、有効セグメントごとに、腸蠕動音が含まれている蓋然性を表わす予測スコアを予測結果として算出する。本実施形態の予測スコアは、「０」から「１」までの範囲内の数値で定量化され、予測スコアが「１」に近づくほど、腸蠕動音が含まれている蓋然性が高いことを意味する。

ＢＳ予測部３１３ａは、算出した予測スコアに基づいて音響データの中から腸蠕動音が含まれている有効セグメントを抽出する。ＢＳ予測部３１３ａは、セグメント検出部３１１によって検出された有効セグメントの中から、予測スコアが最適閾値Ｔ_hを上回るセグメントを、腸蠕動音が含まれているＢＳセグメントとして抽出する。

上述の最適閾値Ｔ_hは、腸蠕動音を検出するための検出閾値であり、記憶部１０にあらかじめ保持される基準情報として用いられる。この最適閾値Ｔ_hを設定する手法について以下に説明する。

まず、ＢＳ予測部３１３ａによって算出された予測スコアを基に、受信者動作特性（ＲＯＣ:Receiver Operating Characteristic）解析が行われる。この解析により、カットオフポイントにおける感度（Sensitivity）、特異度（Specificity）、精度（Accuracy）を次式（２）のように求めることができる。

なお、ＴＰ、ＴＮ、ＦＰ及びＦＮの定義は以下のとおりである。
ＴＰ（True Positive）：ＢＳセグメントを自動抽出した数
ＴＮ（True Negative）：ｎｏｎ−ＢＳセグメントを自動抽出しなかった数
ＦＮ（False Negative）：ＢＳセグメントを自動抽出しなかった数
ＦＰ（False Positive）：ｎｏｎ−ＢＳセグメントを自動抽出した数

ＲＯＣ曲線において、感度：１、特異度：１の位置からのユーグリッド距離が最短となる点を基に、最適閾値Ｔ_hが決定される。本実施形態では、例えばＴ_h＝０．５５に設定することができる。

ＢＳ分類予測部３１３ｂは、特徴量抽出部３１２によって抽出される特徴量に基づいて所定のＢＳパターンの中から、音響データに含まれる腸蠕動音のパターンを選択する選択手段を構成する。所定のＢＳパターンは、腸蠕動音の種類ごとにあらかじめ定められる。

本実施形態におけるＢＳ分類予測部３１３ｂは、ＢＳ予測部３１３ａによって腸蠕動音が予測された場合には、その腸蠕動音について、予測アルゴリズムＤ１に従い腸蠕動音の種類を予測する。

具体的には、ＢＳ分類予測部３１３ｂは、ＢＳ予測部３１３ａによって抽出されたＢＳセグメント区間内の腸蠕動音の種類を、特徴量抽出部３１２で抽出されたＰＮＣＣなどの特徴量に基づいて予測する。これにより、腸蠕動音の種類を自動判別することが可能となる。

腸蠕動音の種類としては、例えば「グー」、「キュルキュル」、「ポコ」などの擬音に応じて分類することができ、腸蠕動音を分類するカテゴリー又は数は、特に限定されない。本実施形態では、腸蠕動音（ＢＳ）は、次の表１に示すように五つのパターンに分類される。

この五つのパターンは、腸蠕動音の種類ごとに定められた所定のＢＳパターンであり、腸蠕動音の基準となる基準情報として用いられる。なお、具体的な分類方法については、Dimoulas, C., Kalliris, G., Papanikolaou, G., Petridis, V., & Kalampakas, A. (2008). Bowel-sound pattern analysis using wavelets and neural networks with application to long-term, unsupervised, gastrointestinal motility monitoring. Expert Systems with Applications, 34(1), 26-41.を参照されたい。

例えば、被験者がコーヒーを摂取した後においては、炭酸水摂取後に比べて、腸蠕動音のパターンＰ１が明らかに多く見られることが確認されている。逆に、被験者が炭酸水を摂取した後においては、特に、腸蠕動音のパターンＰ２、Ｐ４の発生頻度が増加していることが確認されている。これらの結果は、明らかに、飲料の成分の違いによる腸管内の状態の違いが現れていると考えられ、腸蠕動音の種類を用いることにより、腸内ガス量の判定が可能であることが示唆されているといえる。

このため、本実施形態におけるＢＳ分類予測部３１３ｂは、五つのパターンＰ１乃至Ｐ５の中から、ＢＳセグメントから抽出された特徴量に基づき、ＢＳセグメントにおける腸蠕動音のパターンを選択する。そしてＢＳ分類予測部３１３ｂは、選択した腸蠕動音のパターンを腸内ガス量演算部３２ａに出力する。

腸内ガス量演算部３２ａは、ＢＳ分類予測部３１３ｂによって予測された腸蠕動音の種類に基づいて被測定者の腸内ガス量を演算する演算手段を構成する。本実施形態における腸内ガス量演算部３２ａは、ＢＳ分類予測部３１３ｂから出力される腸蠕動音のパターンの発生頻度に基づいて被測定者の腸内ガス量を判定する。

例えば、腸内ガス量演算部３２ａは、表１のパターンＰ２及びＰ４の一方又は両方の発生頻度が所定の正常範囲の上限値を上回る場合には、被測定者の腸内ガス量が多いと判定する。腸蠕動音のパターンＰ２及びＰ４の一方又は両方の発生頻度が正常範囲の下限値を下回る場合には、腸内ガス量演算部３２ａは、被測定者の腸内ガス量が少ないと判定する。

このように、本実施形態では、腸蠕動音を上記の表１に示したパターンＰ１乃至Ｐ５に分類することができる。また、ＡＮＮの出力層のユニットが一つの場合、腸蠕動音を二つのクラスに分類できるが、出力層のユニットを複数設けることにより、腸蠕動音を多クラスに分類できる。

次に、予測アルゴリズムＤ１の生成手法について図１２を参照して簡単に説明する。

図１２は、本実施形態における予測アルゴリズムＤ１を生成する機械学習装置２００の機能構成を示すブロック図である。機械学習装置２００は、教師データ作成部５０と、記憶部６０と、学習部７０と、を備える。

教師データ作成部５０は、集音装置１からの音響データに基づいて教師データＤ１’を作成する。教師データ作成部５０は、音響データ取得部５１と、セグメント検出部５２と、特徴量抽出部５３と、ＢＳ判定部５４と、ＢＳ分類判定部５５と、を備える。

音響データ取得部５１、セグメント検出部５２、及び特徴量抽出部５３は、それぞれ、図１に示した音響データ取得部２２、図１１に示したセグメント検出部３１１及び特徴量抽出部３１２と同じ構成である。

ＢＳ判定部５４は、音響データに腸蠕動音が含まれるか否かを利用者の入力操作に応じて判定する。本実施形態では、利用者が音響データにおける各セグメントの再生音を聴き、各セグメントに腸蠕動音が含まれているかを判定し、判定した結果を利用者が入力装置２を介してＢＳ判定部５４に入力する。このような利用者の入力操作に応じて、ＢＳ判定部５４は、各セグメントに腸蠕動音が含まれるか否かを判定する。

具体的には、ＢＳ判定部５４は、利用者によって音響データに腸蠕動音が含まれていると判定された区間をＢＳエピソードと定義し、各セグメントの区間内にＢＳエピソードが存在していれば、当該セグメントをＢＳセグメントとし、存在していなければｎｏｎ−ＢＳセグメントとする。

ＢＳ分類判定部５５は、音響データに腸蠕動音が含まれる場合に、当該腸蠕動音の種類を利用者の入力操作に応じて判定する。本実施形態におけるＢＳ分類判定部５５は、ＢＳ判定部５４によって腸蠕動音が含まれていると判定されたＢＳセグメントについて、入力装置２による利用者の入力操作に応じて腸蠕動音の種類を判定する。

腸蠕動音の種類は、本実施形態では、表１に示した五つのパターンＰ１乃至Ｐ５に分類される。フィジカルアセスメントの技術では、一般の聴診で（正常な）腸蠕動音として聴取される「グルグル・ゴロゴロという音」、短いポコ音、持続するギュー音や、腸音の亢進時に聴取される「グルグルと突進するような音」に分類することができる。

また、腸蠕動音は、正常、亢進、減弱、消失に分類することもでき、腸蠕動音の亢進は、感染性胃腸炎などの炎症、下痢、又はイレウスの沈静化時に聴取される。腸蠕動音の減弱は、手術による腹膜の炎症又は便秘時に聴取される。腸蠕動音の消失は、イレウス時に聴取されると言われている。そのほかに、腹部の血管雑音の聴取は腹部動脈の狭窄病変が疑われると言われている。

教師データ作成部５０は、セグメントごとに、ＢＳ判定部５４の判定結果と、ＢＳ分類判定部５５の分類と、特徴量抽出部５３によって抽出された特徴量と、を互いに対応付けることによって教師データＤ１’を作成する。教師データ作成部５０は、作成した教師データＤ１’を記憶部６０に記録する。

学習部７０は、記憶部６０に記憶された教師データＤ１’に基づいて、予測アルゴリズムＤ１を学習する。本実施形態における学習部７０は、人工ニューラルネットワーク（ＡＮＮ）によって構成される。ＡＮＮの構造は、入力層、中間層、出力層の少なくとも三層からなる階層型ニューラルネットワークである。学習部７０は、学習した予測アルゴリズムＤ１を記憶部６０に記録する。この学習済みの予測アルゴリズムＤ１は、例えば図１１に示した補助記憶部１１に記録される。

なお、学習部７０はＡＮＮに限定されず、線形識別関数、Gaussian Mixture Model （ＧＭＭ）、Support Vector Machine（ＳＶＭ）、Probabilistic neural network（ＰＮＮ）、Radial bias function network（ＲＢＦＮ）、Convolutional neural network（ＣＮＮ）、ＤｅｅｐＮＮ、ＤｅｅｐＳＶＭなどの学習機械を用いて構築することも可能である。

次に、第４実施形態による作用効果について説明する。

第４実施形態における演算部３０Ｂは、取得部２０からの音響データに示される腸蠕動音の種類に基づいて被測定者の腸内ガス量を演算する。

この構成によれば、腸内ガス量を演算する際に腸蠕動音の種類を用いることによって、第１乃至第３実施形態に比べて精度よく腸内ガス量を推定することができる。例えば、被測定者の腸が飢餓収縮している場合はＢＳ長が長くなるものの、腸蠕動音のパターンＰ１乃至Ｐ５を用いることにより、飢餓収縮の症状と、感染性胃腸炎及び下痢の症状と、を切り分けることが可能となる。

また、本実施形態における演算部３０Ｂは、音響データにおける特徴量を抽出する特徴量抽出部３１２と、特徴量抽出部３１２で抽出される特徴量に基づいて腸蠕動音のパターンを選択するＢＳ分類予測部３１３ｂと、を含む。さらに演算部３０Ｂは、ＢＳ分類予測部３１３ｂによって選択されるパターンに基づいて被測定者の腸内ガス量を演算する腸内ガス量演算部３２ａを含む。ＢＳ分類予測部３１３ｂは、腸蠕動音の基準となる基準情報に含まれる所定のパターンの中から、特徴量抽出部３１２で抽出される特徴量に基づいて音響データに示される腸蠕動音のパターンを選択する。

この構成によれば、腸蠕動音のパターンを選択する際に音響データから抽出される腸蠕動音の特徴量を用いることによって、雑音環境下であっても精度よく腸蠕動音のパターンを分類することができる。したがって、腸内ガス量を精度よく推定することが可能となる。

以上、本発明の実施形態について説明したが、上述の実施形態は本発明の適用例の一部を示したに過ぎず、本発明の技術的範囲を上述の実施形態の具体的構成に限定する趣旨ではない。

例えば、音響データの特徴量としては、本実施形態で例示したＰＮＣＣ及びＭＦＣＣに代えて、△ＰＮＣＣ、△△ＰＮＣＣ、△ＭＦＣＣ、△△ＭＦＣＣ、ＢＳＦ、フォルマントに関連する特徴、ピッチに関連する特徴、ＬＰＣ係数、スペクトルフラットネス、対数エネルギー、有音区間の持続時間、ＺＣＲ、及び近似エントロピーなどのエントロピーに基づく指標、並びに、これらの統計量（平均、標準偏差など）を用いることができる。

また、上記実施形態では人間の腸蠕動音が含まれる音響データが用いられたが、人間に限らず、犬又は猫などの動物の腸蠕動音が含まれる音響データを用いてもよい。この場合には、動物の腸蠕動音と腸内ガス量との相関関係を測定装置１００乃至１０３に適用することによって、上記実施形態と同様の作用効果が得られる。

１００、１０１、１０２、１０３ 測定装置
２ 入力装置（受付手段）
２０ 取得部（取得手段）
２１ 操作信号取得部
２２ 音響データ取得部
３０、３０Ａ、３０Ｂ 演算部（演算手段）
３２、３２ａ 腸内ガス量演算部（腸内ガス量演算手段）
４０、４０Ａ 腸内情報生成部（生成手段）
３１２ 特徴量抽出部（抽出手段）
３１３ ＢＳ長検出部（検出手段）
３１３ｂ ＢＳ分類予測部（選択手段）
Ｓ１、Ｓ２（取得ステップ、演算ステップ）

Claims (14)

1. 腸の状態を測定する測定装置であって、
   被測定者の腸蠕動音が含まれる音響データを取得する取得手段と、
   前記取得手段によって取得される音響データに基づいて前記被測定者の腸内ガス量を演算する演算手段と、
   を含む測定装置。
2. 請求項１に記載の測定装置であって、
   前記演算手段は、前記腸蠕動音の基準となる基準情報を取得し、前記基準情報と前記音響データとを用いて前記腸内ガス量を演算する、
   測定装置。
3. 請求項２に記載の測定装置であって、
   前記取得手段は、利用者の入力操作を受け付ける受付手段から前記基準情報を取得する、
   測定装置。
4. 請求項２又は請求項３に記載の測定装置であって、
   前記基準情報は、被験者が特定の飲料を摂取した後の腸蠕動音に基づいて設定される、
   測定装置。
5. 請求項２から請求項４までのいずれか一項に記載の測定装置であって、
   前記基準情報は、被測定者の属性情報及び体組成情報の少なくとも一つに応じて設定される、
   測定装置。
6. 請求項１から請求項５までのいずれか一項に記載の測定装置であって、
   前記演算手段は、前記音響データに示される腸蠕動音の長さを用いて前記腸内ガス量を演算する、
   測定装置。
7. 請求項６に記載の測定装置であって、
   前記演算手段は、
   前記音響データにおける特徴量を抽出する抽出手段と、
   前記抽出手段によって抽出される特徴量が基準量を超えて抽出される期間を前記腸蠕動音の長さとして検出する検出手段と、
   前記検出手段によって検出される腸蠕動音の長さを用いて前記腸内ガス量を演算するガス量演算手段と、を含む、
   測定装置。
8. 請求項１から請求項７までのいずれか一項に記載の測定装置であって、
   前記演算手段は、前記音響データに示される腸蠕動音の種類に基づいて前記腸内ガス量を演算する、
   測定装置。
9. 請求項８に記載の測定装置であって、
   前記演算手段は、
   前記音響データにおける特徴量を抽出する抽出手段と、
   前記腸蠕動音の種類ごとに定められた所定のパターンの中から、前記抽出手段によって抽出される特徴量に基づいて前記音響データに示される腸蠕動音のパターンを選択する選択手段と、
   前記選択手段によって選択されるパターンに基づいて前記腸内ガス量を演算するガス量演算手段と、を含む、
   測定装置。
10. 請求項７又は請求項９に記載の測定装置であって、
    前記特徴量は、ＰＮＣＣを含む、
    測定装置。
11. 請求項１から請求項１０までのいずれか一項に記載の測定装置であって、
    前記演算手段によって演算される腸内ガス量に関する腸内情報を生成する生成手段をさらに含む測定装置。
12. 請求項１１に記載の測定装置であって、
    前記演算手段は、前記音響データに基づいて、前記腸蠕動音の長さを前記腸内ガス量として検出するとともに前記腸蠕動音の信号レベル及び発生数のうち少なくとも一方のパラメータを検出し、
    前記生成手段は、前記演算手段によって検出されるパラメータと前記腸蠕動音の長さとに基づいて前記被測定者における腸の不調度合いを示す前記腸内情報を生成する、
    測定装置。
13. 請求項１２に記載の測定装置であって、
    前記生成手段によって生成される腸内情報をレーダーチャートにより表示する表示手段をさらに含む、
    測定装置。
14. 腸の状態を測定するコンピュータに、
    被測定者の腸蠕動音が含まれる音響データを取得する取得ステップと、
    前記取得ステップによって取得される音響データに基づいて前記被測定者の腸内ガス量を演算する演算ステップと、
    を実行させるためのプログラム。

Images