JP2022042920A - 生体情報演算システム - Google Patents

Abstract

【課題】多角的な評価によって高精度な評価結果を得ることができる生体情報演算システムを提供する。【解決手段】速度脈波を脈波信号として取得する取得手段と、第１抽出条件を参照し、脈波信号に基づく第１評価データを抽出する第１抽出手段と、前記第１抽出条件に紐づく第１処理条件を参照し、前記第１抽出手段によって抽出された第１評価データに対する第１データを取得する第１データ取得手段と、第２抽出条件を参照し、脈波信号に基づく第２評価データを抽出する第２抽出手段と、前記第２抽出条件に紐づく第２処理条件を参照し、前記第２抽出手段によって抽出された第２評価データに対する、前記第１データと異なる生体情報からなる第２データを取得する第２データ取得手段と、を備え、前記第１評価データと、前記第２評価データとは、同一の前記脈波信号に基づいて抽出されることを特徴とする。【選択図】図５

Description

本発明は、生体情報演算システムに関する。

従来、ユーザから血液を採取する侵襲測定方法では、ユーザから生体情報を直接測定する場合がある。例えば生体情報として血糖値を測定する際には、穿刺によって血液を採取し、酵素電極法などの血糖値センサで測定する。このような生体情報の測定のための侵襲測定方法は、血液採取においてユーザの心身への負担が生じる。

このため、ユーザの心身への負担を軽減するために非侵襲生体情報測定法の技術が必要とされている。この非侵襲生体情報測定法によれば、例えばひずみセンサ、ジャイロセンサ、光電容積脈波計によって測定された脈波の波形信号から、予め定めた脈波と生体情報の相関関係に基づき、ユーザの生体情報を求める技術が注目されている。

また、脈波には血糖値や血圧などの様々な生体情報と相関関係があることを利用し、脈波の波形信号から非侵襲的方法で生体情報を取得する生体情報推定装置及びその方法が提案されている（例えば特許文献１参照）。

特許文献１では、生体信号から複数の特徴値を抽出して、特徴値に基づいてスケール因子を決定し、スケール因子と特徴値に基づいて正確かつ安定した生体情報を推定する生体情報推定装置及びその方法が開示されている。

特開２０１９－１４１５８３号公報

ここで、脈波の波形信号は、抽出条件や処理の方法に応じて、取得できる生体情報の数値にばらつきが生じる場合がある。例えば抽出条件として微分を行った脈波を処理した場合と、抽出条件として微分を行わなかった脈波を処理した場合とを比較したとき、取得できる生体情報の数値にばらつきが生じることが懸念される。すなわち、脈波の波形信号を利用して十分な精度がある生体情報を取得するためには、複数種類の抽出条件等を経て同時に出力された複数の生体情報から、脈波の波形信号を多角的に評価する必要がある。

一方、特許文献１では、１つの脈波の波形信号に対して、複数種類の抽出条件等を経て、複数の生体情報を同時に出力することが開示されていない。このため、特許文献１の開示技術では抽出条件等によって取得できる生体情報にばらつきが生じるので、十分な精度が得られないという問題点があった。

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、多角的な評価によって高精度な評価結果を得ることができる生体情報演算システムを提供することにある。

第１発明に係る生体情報演算システムは、速度脈波を脈波信号として取得する取得手段と、第１抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第１評価データを抽出する第１抽出手段と、前記第１抽出条件に紐づく第１処理条件を参照し、前記第１抽出手段によって抽出された第１評価データに対する第１データを取得する第１データ取得手段と、第２抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第２評価データを抽出する第２抽出手段と、前記第２抽出条件に紐づく第２処理条件を参照し、前記第２抽出手段によって抽出された第２評価データに対する、前記第１データと異なる生体情報からなる第２データを取得する第２データ取得手段と、を備え、前記第１評価データと、前記第２評価データとは、同一の前記脈波信号に基づいて抽出されることを特徴とする。

第２発明に係る生体情報演算システムは、第１発明において、前記第１抽出手段は、前記取得手段によって取得された脈波信号を微分しない前記第１抽出条件を参照し、前記第２抽出手段は、前記取得手段によって取得された脈波信号を微分する前記第２抽出条件を参照することを特徴とする。

第３発明に係る生体情報演算システムは、第１発明又は第２発明において、前記第１データ取得手段は、予め取得された第１評価データと生体情報の実測値との相関関係に基づいて構築された第１検量モデルを用いて、前記第１抽出手段によって抽出された第１評価データに対する第１データを取得する第１回帰分析手段を有し、前記第１回帰分析手段は、前記第１検量モデルを用いて、前記第１抽出手段によって抽出された第１評価データに対する第１血糖値を、前記第１データとして取得することを特徴とする。

第１発明～第３発明によれば、本発明の生体情報演算システムは、第１抽出条件を参照した第１抽出手段によって、脈波信号に基づく第１評価データを抽出し、さらに第１抽出条件に紐づく第１処理条件を参照した第１データ取得手段によって、第１評価データに対する第１データを取得する。また、本発明の生体情報演算システムは、第２抽出条件を参照した第２抽出手段によって、脈波信号に基づく第２評価データを抽出し、さらに第２抽出条件に紐づく第２処理条件を参照した第２データ取得手段によって、第２評価データに対する第２データを取得する。これらによって、入力された１つの脈波信号から、異なる抽出方法及び処理方法を施した複数の生体情報を同時に取得できる。この複数の生体情報によって、一つの脈波信号で生体情報の多角的な評価によって高精度な評価結果を得ることが可能になる。

特に、第２発明によれば、本発明の生体情報演算システムは、第１抽出手段で脈波信号を微分することにより、加速度脈波を第１評価データとして抽出する。また、本発明の生体情報演算システムは、第２抽出手段で脈波信号を微分しないことにより、速度脈波を第２評価データとして抽出する。これらによって、一つの脈波信号から加速度脈波と速度脈波を取得できる。加速度脈波と速度脈波から得られる特徴点が異なるため、これらのデータから生体情報を取得することにより、生体情報のより多角的な評価によって高精度な評価結果を得ることが可能になる。

特に、第３発明によれば、第１回帰分析手段は、第１検量モデルを用いて、第１抽出手段によって抽出された第１評価データに対する第１血糖値を、前記第１データとして取得する。これによって、誤検出の少ない速度脈波を第１評価データとして用いることができ、血糖値を算出することができるため、さらに高精度な評価結果を得ることが可能になる。

図１は、本実施形態における生体情報演算システムの構成例を示す図である。 図２は、本実施形態におけるセンサの具体的な構成例を示す図である。 図３は、リストバンドに埋め込まれたセンサの一例を示す図である。 図４は、本実施形態における電子機器の具体的な構成例を示す図である。 図５は、本実施形態における電子機器の生体情報演算プログラムを実現するためのシーケンスを示す図である。 図６は、本実施形態における第１抽出部及び第１データ取得部の具体的な構成例を示す図である。 図７は、本実施形態における第２抽出部及び第２データ取得部の具体的な構成例を示す図である。 図８は、本実施形態における生体情報演算システムの一例を示すフローチャートである。 図９は、本実施形態における加速度脈波の分類パターンの一例を示す図である。 図１０は、本実施形態における速度脈波の分類パターンの一例を示す図である。

以下、本発明を適用した生体情報演算システム１について、図面を参照しながら詳細に説明をする。

本発明を適用した生体情報演算システム１は、例えば図１に示すような構成により具現化される。この生体情報演算システム１は、電子機器２と、この電子機器２に対して公衆通信網３を介して接続されるサーバ４、センサ５とを備えている。

公衆通信網３は、電子機器２と、サーバ４と、センサ５とを通信回線を介して接続されるインターネット網等である。公衆通信網３は、生体情報演算システム１を一定の狭いエリア内で運用する場合には、ＬＡＮ（Local Area Network）で構成されてもよい。また、公衆通信網３は、いわゆる光ファイバ通信網で構成されてもよい。また、この公衆通信網３は、有線通信網に限定されるものではなく、無線通信網で実現されてもよい。

サーバ４は、公衆通信網３を介して送られてきた情報が蓄積されたデータベースで構築されている。また、このサーバ４は、電子機器２からの要求に基づいて、この蓄積した情報を公衆通信網３を介して電子機器２へと送信する。

図２は、センサ５の具体的な構成例を示している。センサ５は、取得部５０と、通信Ｉ／Ｆ５１（通信Ｉ／Ｆ２７）と、メモリ５２と、命令部５３とがそれぞれ内部バス５４で接続されている。センサ５は、例えば図３のようにリストバンド５５に埋め込まれ、リストバンド５５は、手首に装着される。それによって、センサ５は、取得部５０が手首の脈に接触するので、脈波信号を容易に測定できる。また、センサ５は、衣服に埋め込まれていてもよい。また、センサ５は、ユーザとして、人間に取り付けられることを想定して説明しているが、人間に限らず、ペットや牛、豚などの家畜、又は養殖中の魚類にも使用してもよい。

脈波信号は、ユーザの速度脈波に対応するデジタル信号又はアナログ信号を示し、例えば縦軸を速度脈波の振幅、横軸を時間とした平面上のグラフに波形としてプロットでき、振幅の大きさの時間変化を可視化した信号として扱うことができる。

取得部５０は、ユーザから脈波信号を測定するための少なくとも一つの測定器を備える。例えば、取得部５０は、ファイバブラッググレーティング（ＦＢＧ）センサなどのひずみセンサと、ジャイロセンサと、脈波信号測定のための１つ以上の電極と、光電容積脈波（ＰＰＧ）センサと、圧力センサと、光源及び検出器を含んだ光検出モジュールとの内の少なくとも１つを含む測定器を備えている。取得部５０は、測定器を通じてユーザと直接インターフェースされて脈波信号を取得することができる。取得部５０は、取得した脈波信号を通信Ｉ／Ｆ５１、又はメモリ５２へと送信する。

通信Ｉ／Ｆ５１は、公衆通信網３を介して取得部５０から送信された脈波信号を電子機器２、又はサーバ４に送信する。また、通信Ｉ／Ｆ５１は、公衆通信網３と接続するための回線制御回路や、電子機器２及びサーバ４との間でデータ通信を行うための信号変換回路等が実装されている。通信Ｉ／Ｆ５１は、内部バス５４からの各種命令に変換処理を施して、これを公衆通信網３側へ送出するとともに、公衆通信網３からのデータを受信した場合には、これに所定の変換処理を施して内部バス５４へ送信する。

メモリ５２は、取得部５０から送信された脈波信号を保存する。メモリ５２は、公衆通信網３を介して接続される他の末端装置から命令を受けることにより、保存した脈波信号を通信Ｉ／Ｆ５１へ送信する。

命令部５３は、取得部５０へ脈波信号の取得の命令を入力するための操作ボタンやキーボード等で構成される。この命令部５３は、脈波信号の取得の命令を受け付けた場合に、これを取得部５０に通知する。この通知を受けた取得部５０は、脈波信号を取得する。

電子機器２は、例えば、パーソナルコンピュータ（ＰＣ）、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等であり、少なくともユーザの操作に基づいて、公衆通信網３を介して通信可能なデバイスである。なお、この電子機器２は、センサ５を内蔵し、センサ５に対して公衆通信網３を介した通信を行わない機器であってもよい。以下の例では、この電子機器２に、ＰＣを適用する場合を例にとり説明をする。

図４は、電子機器２の具体的な構成例を示している。この電子機器２は、ＲＯＭ（Read Only Memory）２０と、ＲＡＭ（Random Access Memory）２１と、ＣＰＵ（Central Processing Unit）２２と、操作部２３と、出力Ｉ／Ｆ１６と、記憶部２４と、データ入出力部２５と、通信Ｉ／Ｆ２７とが内部バス２６にそれぞれ接続されている。また、出力Ｉ／Ｆ１６には、表示部２８が接続されている。

また、電子機器２は、ＣＰＵ２２が、ＲＡＭ２１を作業領域として、記憶部２４等に記憶された生体情報演算プログラムを実行することにより、脈波信号から生体情報を取得する。

ＲＯＭ２０は、電子機器２全体のハードウェア資源を制御するためのプログラムが格納されている。

ＲＡＭ２１は、電子機器２全体のハードウェア資源を制御するときの各種命令を一時的に記憶するデータの蓄積や展開等に使用する作業領域である。

ＣＰＵ２２は、内部バス２６を介して制御信号を送信することにより、電子機器２内に実装された各構成要素を制御するためのいわゆる中央演算ユニットである。また、このＣＰＵ２２は、操作部２３を介したユーザの操作に応じて各種制御用の指令を、内部バス２６を介して伝達する。

操作部２３は、各種制御用の指令を入力するためのマウスやキーボード、タッチパネル、及び操作ボタン等のデバイスで構成されている。操作部２３は、ユーザが実際に取得したい生体情報に関する情報が入力される他、生体情報演算プログラムを実行するための実行命令がユーザから入力される。操作部２３は、上述した実行命令がユーザにより入力された場合には、これをＣＰＵ２２に通知する。この通知を受けたＣＰＵ２２は、生体情報演算プログラムを記憶部２４から読み出して実行する。

出力Ｉ／Ｆ１６は、各種情報の表示を制御する。出力Ｉ／Ｆ１６はＣＰＵ２２による制御に基づいて、表示画像を作り出すグラフィックコントローラにより構成されている。この出力Ｉ／Ｆ１６に接続される表示部２８は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２４は、ハードディスク等に代表される記録媒体であり、実行すべき生体情報取得プログラムが格納されている。記憶部２４は、ハードディスクで構成される場合において、ＣＰＵ２２による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。記憶部２４はＣＰＵ２２により読み出されて生体情報取得プログラムを出力されることになる。

通信Ｉ／Ｆ２７は、公衆通信網３と接続するための回線制御回路や、他の端末装置との間でデータ通信を行うための信号変換回路等が実装されている。通信Ｉ／Ｆ２７は、内部バス２６からの各種命令に変換処理を施して、これを公衆通信網３側へ送出するとともに、公衆通信網３からのデータを受信した場合には、これに所定の変換処理を施して、内部バス２６、又はＣＰＵ２２へ送信する。

データ入出力部２５は、外部から電子機器２内へデータを入力し、又は電子機器２において生成されたデータを外部へ出力する。データ入出力部２５は、ＵＳＢ（Universal Serial Bus）メモリや、記録媒体との間でデータを入力するためのインターフェースとして構成されている。

本発明を適用した生体情報演算システム１は、電子機器２内にインストールされた生体情報演算プログラムを介して実行していくこととなる。即ち、ユーザは、電子機器２、又はセンサ５を操作し、電子機器２にインストールされている生体情報演算プログラムを通じて、脈波信号から生体情報を取得する。

図５は、電子機器２の生体情報演算プログラムを実現するためのシーケンスを示している。電子機器２は、脈波信号取得部６０と、脈波信号取得部６０に接続された第１抽出部６１及び第２抽出部６３と、第１抽出部６１に接続された第１データ取得部６２と、第２抽出部６３に接続された第２データ取得部６４と、第１データ取得部６２及び第２データ取得部６４とに接続された最適血糖値算出部６５と、を備えている。

脈波信号取得部６０は、公衆通信網３を介してセンサ５、サーバ４及び他の電子機器から送信された脈波信号を取得する。脈波信号取得部６０は、取得した脈波信号を第１抽出部６１及び第２抽出部６３へ出力する。

第１抽出部６１は、第１抽出条件を参照し、脈波信号取得部６０から入力された脈波信号に基づく第１評価データを抽出する。第１抽出部６１は、抽出した第１評価データを第１データ取得部６２へ出力する。

第１データ取得部６２は、第１抽出条件に紐づく第１処理条件を参照し、第１抽出部６１から入力された第１評価データを処理し、第１データを取得する。第１データ取得部６２は、取得した第１データを最適血糖値算出部６５へ出力する。

第２抽出部６３は、第２抽出条件を参照し、脈波信号取得部６０から入力された脈波信号に基づく第２評価データを抽出する。第２抽出部６３は、抽出した第２評価データを第２データ取得部６４へ出力する。

第２データ取得部６４は、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３から入力された第２評価データを処理し、第２データを取得する。第２データ取得部は、取得した第２データを最適血糖値算出部６５へ出力する。

最適血糖値算出部６５は、第１データ取得部６２から入力された第１データと第２データ取得部６４から入力された第２データとに基づき、最適値となる生体情報を算出する。

また、最適血糖値算出部６５は、電子機器２に必ずしも備えられているわけではなく、第１データおよび第２データを生体情報として出力してもよい。

図６は、第１抽出部６１及び第１データ取得部６２の具体的な構成例を示している。第１抽出部６１は、フィルタ処理部６１０と、フィルタ処理部６１０に接続された微分部６１１と、フィルタ処理部６１０に接続されたピーク位置算出部６１４と、微分部６１１に接続された分割部６１２と、分割部６１２に接続された規格化部６１３と、ピーク位置算出部６１４に接続されたピーク間隔平均算出部６１５と、ピーク位置算出部６１４に接続されたピーク間隔プロット部６１６と、ピーク位置算出部６１４に接続されたフーリエ変換部６１７と、フーリエ変換部６１７に接続された最大周波数検出部６１８と、を備えている。

フィルタ処理部６１０は、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６１０は、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６１０は、第１抽出条件を参照し、取得した脈波信号から第１評価データを抽出する抽出方法を決定する。フィルタ処理部６１０は、フィルタリング処理された脈波信号を決定された抽出方法に基づき、微分部６１１と、ピーク位置算出部６１４と、フーリエ変換部６１７のいずれか少なくとも一つに出力する。

第１抽出部６１は、一つの第１評価データを取得するために第１抽出部６１に備えられた抽出方法の必ずしもすべてを使用するわけではなく、フィルタ処理部６１０によって決められた少なくとも一つの抽出方法で脈波信号から第１評価データを抽出する。

微分部６１１は、フィルタ処理部６１０から入力された脈波信号を微分する。微分部６１１は、フィルタ処理部６１０によって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６１１は、処理した脈波信号を分割部６１２に出力する。

分割部６１２は、微分部６１１から入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６１２は、整数周期は１周期としているが、複数周期にしてもよい。分割部６１２は、分割波形データを規格化部６１３へ出力する。

規格化部６１３は、分割部６１２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行う。規格化部６１３は、規格化された平均波形信号を回帰分析部６２０へ出力する。

規格化部６１３は、分割波形信号の時間幅を統一するために分割部６１２から入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６１３は、時間幅を統一するための処理方法がフィルタ処理部６１０によって決められる。

規格化部６１３は、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６１０によって決められる。

ピーク位置算出部６１４は、フィルタ処理部６１０から入力された脈波信号のピーク位置と、隣り合うピーク同士の距離であるピーク間隔を算出する。ピーク位置算出部６１４は、抽出方法に基づき、算出したピーク間隔をピーク間隔平均算出部６１５と、ピーク間隔プロット部６１６と、フーリエ変換部６１７の少なくともいずれか一つへと出力する。

ピーク間隔平均算出部６１５は、ピーク位置算出部６１４から入力されたピーク間隔の平均を算出し、ピーク間隔の平均値を測定器のサンプリングレートで割り、秒数に変換する。ピーク間隔平均算出部６１５は、秒数に変換した平均値を脈拍処理部６２１へ出力する。

ピーク間隔プロット部６１６は、ピーク位置算出部６１４から入力されたピーク間隔を横軸とし、上述したピーク間隔の隣のピーク間隔を縦軸としたグラフをプロットし、脈波のピーク間隔のポアンカレプロットを取得する。ピーク間隔プロット部６１６は、脈波のピーク間隔のポアンカレプロットをストレスプロット処理部６２２へ出力する。

フーリエ変換部６１７は、ピーク位置算出部６１４からピーク間隔を入力された場合は、ピーク間隔を時系列データに変換したデータをフーリエ変換する。また、フーリエ変換部６１７は、フィルタ処理部６１０で処理された脈波信号を入力として、フーリエ変換を行ってもよい。フーリエ変換部６１７は、抽出方法に基づき、フーリエ変換した信号を最大周波数検出部６１８と、ストレスフーリエ処理部６２３の少なくともいずれか一つに出力する。

最大周波数検出部６１８は、フーリエ変換部６１７から入力された信号を０．１５～０．３５Ｈｚの間で最大値を示す周波数である最大周波数を検出する。最大周波数検出部６１８は、検出した最大周波数を呼吸数処理部６２４へと出力する。

第１データ取得部６２は、規格化部６１３に接続された回帰分析部６２０と、ピーク間隔平均算出部６１５に接続された脈拍処理部６２１と、ピーク間隔プロット部６１６に接続されたストレスプロット処理部６２２と、フーリエ変換部６１７に接続されたストレスフーリエ処理部６２３と、最大周波数検出部６１８に接続された呼吸数処理部６２４と、を備える。

第１データ取得部６２は、例えば処理の方法として、生体情報の実測値と予め取得された脈波信号との相関関係に基づいて構築された検量モデルを用いて、第１評価データから第１データを取得する。

回帰分析部６２０は、規格化部６１３から入力された規格化された平均波形信号から、検量モデルに基づいて、第１データとして例えば血糖値、血圧、血中の酸素飽和度、血中二酸化炭素濃度などを取得する。

回帰分析部６２０は、あらかじめ構築しておいた汎用的に利用できる検量モデル用いて、第１データ取得部６２に記憶させて第１データを取得することもできる。

脈拍処理部６２１は、ピーク間隔平均算出部６１５から入力されたピーク間隔の平均値をサンプリングレートで割り、秒数に変換する。脈拍処理部６２１は、６０秒を算出した秒数で割り、一分当たりの脈拍数（ｂｐｍ）を算出し、第１データとして脈拍数を取得する。

ストレスプロット処理部６２２は、ピーク間隔プロット部６１６から入力されたポアンカレプロットから、第１データとして例えばストレス度を取得する。ストレスプロット処理部６２２は、ポアンカレプロットの分散値を計算し、分散値の大きさからストレス度を推定する。

ストレスフーリエ処理部６２３は、フーリエ変換部６１７から入力された信号の積分比から、第１データとして例えばストレス度を取得する。具体的な方法として、ストレスフーリエ処理部６２３は、例えばフーリエ変換されたピーク間隔の時系列データから自己回帰モデル（autoregressive model）を用いて、ＰＳＤ（power spectral density）を計算し、パワースペクトルの０．５Ｈｚから０．１５Ｈｚまでの領域を高周波ＬＦ（Low Frequency）とし、０．１５Ｈｚから０．４０Ｈｚまでの領域を低周波ＨＦ（Hi Frequency）の強度をそれぞれ合計した積分値の比によってストレス度を決定する。

呼吸数処理部６２４は、最大周波数検出部６１８から入力された最大値を示す周波数に６０秒をかけて一分あたりの呼吸数（ｂｐｍ）に換算し、第１データとして呼吸数を取得する。

図７は、第２抽出部６３及び第２データ取得部６４の具体的な構成例を示している。第２抽出部６３は、フィルタ処理部６３０と、フィルタ処理部６３０に接続された微分部６３１と、フィルタ処理部６３０に接続されたピーク位置算出部６３４と、微分部６３１に接続された分割部６３２と、分割部６３２に接続された規格化部６３３と、ピーク位置算出部６３４に接続されたピーク間隔平均算出部６３５と、ピーク位置算出部６３４に接続されたピーク間隔プロット部６３６と、ピーク位置算出部６３４に接続されたフーリエ変換部６３７と、フーリエ変換部６３７に接続された最大周波数検出部６３８と、を備える。第２抽出部６３は、第１抽出部６１と同じもので構成されているが、第１抽出部６１において、第１抽出条件を参照していたものが、第２抽出部６３の場合は、第１抽出条件ではなく、第２抽出条件を参照している。

フィルタ処理部６３０は、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６３０は、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６３０は、第２抽出条件を参照し、取得した脈波信号から第１評価データを抽出する方法を決定する。フィルタ処理部６３０は、フィルタリング処理された脈波信号を決定された抽出方法に基づき、微分部６３１と、ピーク位置算出部６３４と、フーリエ変換部６３７のいずれか少なくとも一つに出力する。

第２抽出部６３は、一つの第２評価データを取得するために第２抽出部６３に備えられた抽出方法を必ずしもすべて使用するわけではなく、フィルタ処理部６３０によって決められた少なくとも一つの抽出方法で脈波信号から第２評価データを抽出する。

微分部６３１は、フィルタ処理部６３０から入力された脈波信号を微分する。微分部６３１は、フィルタ処理部６３０によって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６３１は、微分処理した脈波信号を分割部６３２に出力する。

分割部６３２は、微分部６３１から入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６３２は、整数周期は１周期としているが、複数周期にしてもよい。分割部６３２は、分割波形データを規格化部６３３へ出力する。

規格化部６３３は、分割部６３２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行う。規格化部６３３は、規格化された平均波形信号を回帰分析部６４０へ出力する。

規格化部６３３は、分割波形信号の時間幅を統一するために分割部６３２から入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６３３は、時間幅を統一するための処理方法がフィルタ処理部６３０によって決められる。

規格化部６３３は、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６３０によって決められる。

ピーク位置算出部６３４は、フィルタ処理部６３０から入力された脈波信号のピーク位置と、隣り合うピーク同士の距離であるピーク間隔を算出する。ピーク位置算出部６３４は、抽出方法に基づき、算出したピーク間隔をピーク間隔平均算出部６３５と、ピーク間隔プロット部６３６と、フーリエ変換部６３７の少なくともいずれか一つへと出力する。

ピーク間隔平均算出部６３５は、ピーク位置算出部６３４から入力されたピーク間隔の平均を算出し、ピーク間隔の平均値を測定器のサンプリングレートで割り、秒数に変換する。ピーク間隔平均算出部６３５は、秒数に変換した平均値を脈拍処理部６４１へ出力する。

ピーク間隔プロット部６３６は、ピーク位置算出部６３４から入力されたピーク間隔を横軸とし、上述したピーク間隔の隣のピーク間隔を縦軸としたグラフをプロットし、脈波のピーク間隔のポアンカレプロットを取得する。ピーク間隔プロット部６３６は、脈波のピーク間隔のポアンカレプロットをストレスプロット処理部６４２へ出力する。

フーリエ変換部６３７は、ピーク位置算出部６３４からピーク間隔を入力された場合は、ピーク間隔を時系列データに変換したデータをフーリエ変換する。また、フーリエ変換部６３７は、フィルタ処理部６３０で処理された脈波信号を入力として、フーリエ変換を行ってもよい。フーリエ変換部６３７は、抽出方法に基づき、フーリエ変換した信号を最大周波数検出部６３８と、ストレスフーリエ処理部６４３の少なくともいずれか一つに出力する。

最大周波数検出部６３８は、フーリエ変換部６３７から入力された信号を０．１５～０．３５Ｈｚの間で最大値を示す周波数である最大周波数を検出する。最大周波数検出部６３８は、検出した最大周波数を呼吸数処理部６４４へと出力する。

第２データ取得部６４は、規格化部６３３に接続された回帰分析部６４０と、ピーク間隔平均算出部６３５に接続された脈拍処理部６４１と、ピーク間隔プロット部６３６でプロットしたグラフからストレス度を取得するストレスプロット処理部６４２と、フーリエ変換部６３７に接続されたストレスフーリエ処理部６４３と、最大周波数検出部６３８に接続された呼吸数処理部６４４と、を備える。

第２データ取得部６４は、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３によって抽出された第２評価データを処理し、第２データを取得する。

第２データ取得部６４は、例えば処理の方法として、生体情報の実測値と予め取得された脈波信号との相関関係に基づいて構築された検量モデルを用いて構築し、第２評価データから第２データを取得する。

回帰分析部６４０は、規格化部６３３から入力された規格化された平均波形信号から、検量モデルに基づいて、第２データとして例えば血糖値、血圧、血中の酸素飽和度、血中二酸化炭素濃度などを取得する。

回帰分析部６４０は、あらかじめ構築しておいた汎用的に利用できる検量モデルを汎用データとして、第２データ取得部６４に記憶させて第２データを取得することもできる。

脈拍処理部６４１は、ピーク間隔平均算出部６３５から入力されたピーク間隔の平均値をサンプリングレートで割り、秒数に変換する。脈拍処理部６４１は、６０秒を算出した秒数で割り、一分当たりの脈拍数（ｂｐｍ）を算出し、第２データとして脈拍数を取得する。

ストレスプロット処理部６４２は、ピーク間隔プロット部６３６から入力されたポアンカレプロットから、第２データとして例えばストレス度を取得する。ストレスプロット処理部６４２は、ポアンカレプロットの分散値を計算し、分散値の大きさからストレス度を推定する。

ストレスフーリエ処理部６４３は、フーリエ変換部６３７から入力された信号の積分比から、第２データとして例えばストレス度を取得する。

呼吸数処理部６４４は、最大周波数検出部６３８から入力された最大値を示す周波数に６０秒をかけて一分あたりの呼吸数（ｂｐｍ）に換算し、第２データとして呼吸数を取得する。

生体情報演算システム１によって取得される第１データ及び第２データは、例えば血圧、血糖値、血中の酸素飽和度、血中二酸化炭素濃度、脈拍数、呼吸数、ストレス度、血管年齢、糖尿病の程度などのうち少なくとも一つを含める。

次に、本実施形態における生体情報演算システム１の一例について説明する。図８は、本実施形態における生体情報演算システム１の一例を示すフローチャートである。

まず脈波信号取得ステップＳ１０において、生体情報演算システム１は、取得部５０が脈波信号を取得し、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力する。またこの時、取得部５０が取得した脈波信号の代わりに、生体情報演算システム１は、メモリ５２に記録されていた脈波信号を、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力してもよい。

脈波信号の具体的な取得方法として、ＦＢＧセンサを用いて測定する場合を例として説明する。

ＦＢＧセンサは、１本の光ファイバ内に所定間隔をあけて回折格子構造を形成したである。本実施形態では、ＦＢＧセンサとして、センサ部分の長さ１０ｍｍ、波長分解能±０．１ｐｍ、波長範囲１５５０±０．５ｎｍのものを使用し、ファイバの直径は１４５μｍ、コア径１０．５μｍとした。しかし、これらの設定は、ＦＢＧセンサの一例であり、本発明においてはこの限りではない。このセンサを手首に取り付け、ＦＢＧセンサを皮膚に接触させた状態で測定をする。

光ファイバに用いる光源として、波長範囲１５２５～１５７０ｎｍのＡＳＥ（Amplified Spontaneous Emission）光源を使用してもよい。光源からの出射光は、サーキュレータを介してＦＢＧセンサに入射させる。ＦＢＧセンサからの反射光は、サーキュレータを介してマッハツェンダー干渉計に導き、マッハツェンダー干渉計からの出力光を、光検出器によって検知する。マッハツェンダー干渉計は、ビームスプリッタにより光路差のある２つの光路に分離し、再びビームスプリッタにより一つに重ね合わせて干渉光を作り出すためのものである。光路差をつけるため、本実施形態では一方の光ファイバの長さを長くしている。コヒーレント光は、光路差に応じて干渉縞が生じるから、干渉縞のパターンを測定することによって、ＦＢＧセンサに生じた歪の変化、すなわち脈波を検知することができる。

ＦＢＧセンサの歪み量を検出して、脈波の波形を検出するシステムである光ファイバセンサシステムは、ＦＢＧセンサに入射させる光源の他に、広い帯域のＡＳＥ光源とする手段、サーキュレータ、マッハツェンダー干渉計、ビームスプリッタといった光学系や、光検出器が備える受光センサや、波長シフト量を解析する解析手段を含む。光ファイバセンサシステムは、使用するＦＢＧセンサの特性に応じて光源や帯域光を選択して使用することができ、検波方法等の解析手段についても種々の方法を採用することができる。また、本発明は、光ファイバセンサシステムの機能や方式が限定されるものではない。

これらの方法によって、取得部５０が脈波信号を取得し、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力する。

次に取得部５０から脈波信号を入力された通信Ｉ／Ｆ５１は、公衆通信網３を介して、脈波信号を脈波信号取得部６０へ送信する。また、この時、取得部５０が取得した脈波信号の代わりに、サーバ４に保存された脈波信号を脈波信号取得部６０へ送信してもよい。

次に公衆通信網３を介して、脈波信号を送信された脈波信号取得部６０は、脈波信号を第１抽出部６１及び第２抽出部６３へ出力する。

次に第１抽出条件決定ステップＳ１１において、第１抽出部６１は、脈波信号取得部６０から入力された脈波信号をフィルタ処理部６１０へ入力する。その後、フィルタ処理部６１０は入力された脈波信号に施す抽出方法を、第１抽出条件を参照して、決定する。

フィルタ処理部６１０は、第１抽出条件の中から、取得した脈波信号の状態、取得したい生体情報、外部要因によって、第１抽出部６１が脈波信号に施す抽出方法を決定する。外部要因は、例えばユーザの年齢や、性別や、病歴や、生活習慣や、投薬情報や、動脈硬化の程度や、健康状態や、遺伝情報などのユーザの情報、温度や、湿度などの環境情報などのうち少なくとも一つを含める。例えば、取得したい生体情報として、血糖値を取得したい場合、フィルタ処理部６１０は、脈波信号がフィルタ処理部６１０で処理を施された後、微分部６１１へと出力されるように第１抽出部６１に命令をする。第１抽出条件は、脈波信号から第１評価データを抽出するための抽出方法の一覧を含めるデータ群である。第１抽出条件のデータ群は複数の抽出方法を含めてもよいし、予め決められた単一の抽出方法を含めていてもよい。

次に第１抽出ステップＳ１２において、第１抽出部６１は、脈波信号取得部６０から入力された脈波信号から第１評価データを抽出する。第１評価データとは、第１データ取得部６２で生体情報を取得するために第１抽出部６１によって、脈波信号から抽出された波形データである。第１評価データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。本実施形態では、例として血糖値を取得するための生体情報演算システム１を説明する。

まずフィルタ処理部６１０は、脈波信号取得部６０から入力された脈波信号にフィルタリング処理を施した後、例えば血糖値を生体情報として取得する場合、第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて、脈波信号を微分部６１１へと出力する。

次に微分部６１１は、フィルタ処理部６１０から入力された脈波信号に微分をするか、もしくはしないかを、第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて判断し、処理を施した後、脈波信号を分割部６１２へと出力する。

第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて、微分部６１１が脈波信号を微分するかしないかを判断する理由は、脈波信号を微分するかしないかで得られる第１評価データの特徴に差が生じ、取得したい第１データによって、それに適した第１評価データを得るためである。また、「脈波信号を微分する」とは、脈波信号を加速度脈波として抽出することであり、「脈波信号を微分しない」とは、脈波信号を速度脈波として抽出することである。

次に分割部６１２は、微分部６１１から入力された複数の波形信号のそれぞれを、平均化するために１周期分の分割波形データに分割する。その後、分割部６１２は、分割波形データを規格化部６１３へ出力する。

規格化部６１３は、分割部６１２から入力された複数の分割波形信号の時間幅を統一するために横軸の規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う。この時、第１抽出部６１は平均波形信号を第１評価データとして取得する。その後、規格化部６１３は、規格化された平均波形信号を第１データ取得部６２へ出力する。

規格化部６１３で時間幅を統一するために横軸の規格化処理を行う理由は、脈波の終端側で差が大きく表れることから、この部分を削除し、脈波の本体部分を解析対象とするためである。また平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う理由は、ＦＢＧセンサを測定部位に取り付ける際の押しつけ圧力のばらつきや、測定時にFBGセンサが位置ずれすることによる測定データのばらつきを平均化するし、測定時のばらつきに起因するノイズを抑え、脈波信号と生体情報の実測値の相関関係の精度を向上させるためである。

次に生体情報演算システム１は、第１データ取得ステップＳ１３へ移行し、第１抽出条件に紐づく第１処理条件を参照し、第１抽出部６１から入力された第１評価データを第１データ取得部６２で処理し、第１データを取得する。

第１処理条件は、第１抽出部６１から入力された第１評価データに、第１データ取得部６２で施す処理の第１抽出条件に紐づけられた方法を含めるデータ群である。第１データ取得部６２は第１処理条件の中から処理方法を決定する。第１処理条件のデータ群は複数の処理方法を含めてもよいし、予め決められた単一の処理方法を含めていてもよい。

例えば、上述した抽出方法で取得した平均波形信号を第１評価データとして、第１データ取得部６２で処理する場合、第１データ取得部６２は、平均波形信号を回帰分析部６２０へ出力するように決定し、さらに回帰分析部６２０で平均波形信号に施す処理方法を決定する。

第１抽出部６１から平均波形信号を入力された回帰分析部６２０は、実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から例えば血糖値を取得し、第１データとして出力する。

検量モデルは、予め測定された平均波形脈波を説明変数とし、生体情報の実測値を目的変数として、例えば回帰分析により解析し、その解析結果に基づいて構築されたものである。検量モデルは、あらかじめ構築しておいた汎用的に利用できる検量モデルを記憶部２４に記憶させて、第１データを測定することもできる。検量モデルの構築は、例えば定期的にキャリブレーションする場合や、ユーザが変わったときに構築し直しするといった場合に必要になることがある。

検量モデルを構築するための回帰分析の方法として、例えばＰＬＳ回帰分析、クラス毎に主成分分析を行って主成分モデルとして検量モデルを得るSIMCA（Soft Independent Modeling of Class Analogy）法を利用した回帰分析、ＡＩを用いたニューラルネットワークなどによる回帰分析方法などの少なくともひとつの方法を含める。

また、例えば血中二酸化炭素濃度などの異常値の値を観測しにくく、異常値のデータが集めにくい生体情報を推定する際に、回帰分析部６２０は第１抽出部６１から入力された平均波形信号と、検量モデルとの乖離度から、生体情報の異常値を推定してもよい。

回帰分析部６２０は複数の検量モデルを有し、入力された平均波形データに対して、どの検量モデルを用いるかは、第１データ取得部６２において第１処理条件を参照して決定した処理方法によって決定される。例えばフィルタ処理部６１０で、取得したい生体情報として、血糖値が選択された場合、第１データ取得部６２は、第１抽出部６１から入力された平均波形信号を回帰分析部６２０へ出力し、回帰分析部６２０で、予め測定された脈波の波形データを説明変数とし、血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第１データを取得するように決定する。

また、例えばフィルタ処理部６１０が、外部要因として、ユーザの年齢に基づいて、信号の抽出条件を決定した場合、第１データ取得部６２は、第１抽出条件に紐付けられた第１処理条件を参照することで、第１抽出部６１から入力された平均波形信号を回帰分析部６２０へ出力し、回帰分析部６２０で、予め測定された脈波の波形データを説明変数とし、ユーザの年齢に近いユーザの血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第１データを取得するように決定する。これらによって、抽出方法に適した処理方法の決定が可能となる。

次に第２抽出部６３は、第２抽出条件決定ステップＳ１４において、脈波信号取得部６０から入力された脈波信号をフィルタ処理部６３０へ入力する。その後、フィルタ処理部６３０は入力された脈波信号に施す抽出方法を、第２抽出条件を参照して、決定する。

第２抽出条件は、脈波信号から第２評価データを抽出するための抽出方法の一覧を含めるデータ群である。第２抽出条件のデータ群は複数の抽出方法を含めてもよいし、予め決められた単一の抽出方法を含めていてもよい。また、第２抽出条件は、第１抽出条件と同じものであってもよい。

フィルタ処理部６３０は、第２抽出条件の中から、取得した脈波信号の状態、取得したい生体情報、外部要因によって、第２抽出部６３が脈波信号に施す抽出方法を決定する。外部要因は、例えばユーザの年齢や、性別や、病歴や、生活習慣や、健康状態や、遺伝情報などのユーザの情報、温度や、湿度などの環境情報などのうち少なくとも一つを含める。また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１データの内容によって、第２抽出部６３が脈波信号に施す抽出方法を決定してもよい。例えば、第１データ取得部６２で取得した第１データの血糖値の精度が低い場合、フィルタ処理部６３０は、第１抽出部６１で行わなかった抽出方法を決定する。また、例えば第１データとして血糖値を取得した場合、フィルタ処理部６３０は、血圧を第２データとして取得するために、規格化部６３３で、分割波形信号の時間幅を統一するために一定のサンプリング数でトリミングを行う抽出条件を決定してもよい。これによって、第１データの変化や特徴に合わせた第２データの取得が可能となり、高精度な評価結果をえることができる。また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１データの内容によって、第２データ取得部６４が第２評価データに施す処理方法を決定してもよい。具体的な方法としては、後述する第２データ取得部６４が、第１データ取得部６２で取得した第１データの内容によって、第２評価データに施す処理方法を決定する方法と同様なものでもよい。

また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１評価データの抽出方法によって、第２抽出部６３が脈波信号に施す抽出方法を決定してもよい。
例えば、第１評価データを取得するときに、微分部６１１で微分を行った場合、フィルタ処理部６３０は、微分部６３１で微分を行わないように決定する。これらによって、第１データの変化に伴い、最適な第２データを取得することが可能となる。

次に第２抽出部６３は、第２抽出ステップＳ１５において、脈波信号取得部６０から入力された脈波信号から第２評価データを抽出する。第２評価データとは、第２データ取得部６４で処理をするために第２抽出部６３によって、脈波信号から抽出された波形データである。第２評価データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。

まずフィルタ処理部６３０は、脈波信号取得部６０から入力された脈波信号にフィルタリング処理を施した後、例えば血糖値を生体情報として取得する場合、第２抽出条件決定ステップＳ１４で決定した抽出方法に基づいて、脈波信号を微分部６３１へと出力する。

次に微分部６３１は、フィルタ処理部６３０から入力された脈波信号に微分をするか、もしくはしないかを、第２抽出条件決定ステップＳ１４で決定した抽出方法に基づいて判断し、処理を施した後、脈波信号を分割部６３２へと出力する。

次に分割部６３２は、微分部６３１から入力された複数の波形信号のそれぞれを、１周期分の分割波形データに分割する。その後、分割部６３２は、分割波形データを規格化部６３３へ出力する。

規格化部６３３は、分割部６３２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした規格化を行う。この時、第２抽出部６３は平均波形信号を第２評価データとして取得する。その後、規格化部６３３は、規格化された平均波形信号を第２データ取得部６４へ出力する。

次に生体情報演算システム１は、第２データ取得ステップＳ１６へ移行し、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３から入力された第２評価データを第２データ取得部６４で処理し、第２データを取得する。

第２処理条件は、第２抽出部６３から入力された第２評価データに、第２データ取得部６４で施す処理の第２抽出条件に紐づけられた方法を含めるデータ群である。第２データ取得部６４は第２処理条件の中から処理方法を決定する。第２処理条件のデータ群は複数の処理方法を含めてもよいし、予め決められた単一の処理方法を含めていてもよい。また、第２処理条件は、第１処理条件と同じものであってもよい。

また、第２データ取得部６４は、第１データの処理方法に応じて、第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。例えば、若年層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法を施した場合、第２データ取得部６４は、上記の処理方法に応じて、よりユーザに適した検量モデルを用いて、平均波形信号から第２データを取得してもよい。これによって、異なる処理の方法で取得した複数の生体情報を取得することが可能となり、より多角的で高精度な評価が可能となる。

また、第２データ取得部６４は、第２処理条件を参照し、第１データの内容に対応する処理方法を決定してもよい。例えば、第１データによって、ユーザが低血糖の傾向があることが判明した場合、第２データ取得部６４は、第２データ取得部６４で施す第２評価データの処理方法として、低血糖のユーザの血糖値の実測値と脈波信号の相関関係を示した検量モデルを用いて、血糖値を取得する処理方法を決定してもよい。取得できる血糖値の値には大きな誤差がある場合が想定されるため、第１データの内容から低血糖帯、通常血糖帯、高血糖帯、超高血糖帯に分類し、その血糖帯に合わせた検量モデルを用いることで第２データとして取得する血糖値の精度を大幅に向上することが可能となる。また、第１データの内容からユーザが糖尿病かどうかを判断し、その結果に合わせて第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。これらによって、第１データの変化に追従して、第２評価データの処理を決定することで、より高精度な評価が可能になる。

処理方法は、例えば回帰分析部６２０で、平均波形信号から第１データを取得する処理で用いられる検量モデルの内容によっても分類することができる。例えば、若年層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法と別の年代層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法はそれぞれ異なる処理方法である。

また、第２データ取得部６４は、第１評価データの分類パターンを参照して、第１評価データを分類した結果を第１データとし、上述した第１データを参照して、第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。これによって、例えば分類しやすい加速度脈波を用いて、信号の特徴を分類したうえで、誤検出を抑制できる速度脈波を用いた高精度な評価が可能となる。これによって、第１データの変化に追従して、よりユーザに適した第２評価データの処理を決定することが可能となる。

分類パターンは、信号の波形の特徴に応じて、信号を２つ以上のグループに分類するための分類表のことである。

図９は、加速度脈波の分類パターンの一例である。図９は、加速度脈波にはａ～ｅの変曲点が存在し、加速度脈波における最大のピークをａ点とし、ａ点から順に各変曲点をｂ点、ｃ点、ｄ点、ｅ点とし、ａ点を１とし、最小値であるｂ点もしくはｄ点を０とした規格化を行い、各変曲点の値と、その差の大小関係により分類する方法で、脈波を７パターンに分類した図である。まず、変曲点の値がｂ＜ｄの場合は、パターンＡまたはＢに分類する。ｂ＜ｄでさらにｃ≧０．５であればＡ、そうでなければＢに分類する。次に変曲点の値がｂ≒ｄの場合、パターンＣまたはＤに分類する。ｂ≒ｄでさらにｃ≒０の場合はパターンＤ、そうでなければパターンＣに分類する。最後に、ｂ＞ｄの場合は、パターンＥ、Ｆ、Ｇのいずれかに分類できる。ｂ＞ｄでさらにｂ＜ｃであればパターンＥに、ｂ≒ｃであればパターンＦ，ｂ＞ｃであればパターンＧに分類する。

第１データ取得部６２は、微分部６１１で脈波信号を微分した加速度脈波に基づいた第１評価データが入力された場合、第１評価データが、例えば図９のどのパターンに当てはまるかを判断し、分類パターンを決定する。例えば、入力された第１評価データの変曲点ｂが変曲点ｄより小さく、さらに変曲点ｃ≧０．５であれば、パターンＡを第１評価データの分類パターンとする。

加速度脈波の分類ごとに、適した検量モデルが異なるので、第２データ取得部６４は、第１評価データの分類パターンを参照して、第１評価データを分類した結果を第１データとし、上述した第１データを参照して、第２データ取得部６４で施す第２評価データの処理の方法を決定することで、ユーザごとに適した処理方法を実現することができる。例えば、第１評価データがパターンＡに分類された結果を第１データとするとき、第２データ取得部６４は、回帰分析部６４０で、予め測定された脈波のパターンＡの波形データを説明変数とし、生体情報の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第２データを取得するように決定する。

図１０は、速度脈波の分類パターンの一例である。図１０は、速度脈波における最大のピークを１とし、最小値を０とした規格化を行い、最大のピーク以外にピークが見られたパターンをグループ１とし、最大のピーク以外にピークが見られなかったパターンをグループ２とした分類パターンである。これを上述したように用いることで、第１データ取得部６２は、微分部６１１で脈波信号を微分しない速度脈波に基づいた第１評価データが入力された場合でも分類パターンを決定することができる。

次に、最適血糖値算出ステップＳ１７において、第１データ取得部６２で取得した第１データと、第２データ取得部６４で取得した第２データを最適血糖値算出部６５へ入力し、第１データと第２データから最適な生体情報を取得する。例えば、第１データとして取得した血糖値を第１血糖値とし、第２データとして取得した血糖値を第２血糖値とし、第１血糖値と第２血糖値から最適血糖値を算出する。最適値となる生体情報の算出方法については、例えば第１データと第２データにそれぞれの測定精度に伴って重み付けを行い、重み付けに基づき、複数の第１データおよび複数の第２データから最適値となる生体情報を算出してもよい。また、他の例として、他センサ等によって取得された血糖値を参照値とし、参照値と第１データ及び第２データのプロットグラフを作成し二つのプロットグラフのうち、エラーグリッド上で良好な値を示すデータを出力する方法と、第１データと第２データをそれぞれ複数取得し、バラつきの小さいデータを出力する方法と、予め設定された許容範囲に、第１データと第２データが範囲内に含まれるかを評価し、含まれるデータを出力する方法などがあげられる。

１ 生体情報演算システム
２ 電子機器
３ 公衆通信網
４ サーバ
５ センサ
１６ 出力Ｉ／Ｆ
２０ ＲＯＭ
２１ ＲＡＭ
２２ ＣＰＵ
２３ 操作部
２４ 記憶部
２５ データ入出力部
２６ 内部バス
２７ 通信Ｉ／Ｆ
２８ 表示部
５０ 取得部
５１ 通信Ｉ／Ｆ
５２ メモリ
５３ 命令部
５４ 内部バス
５５ リストバンド
６０ 脈波信号取得部
６１ 第１抽出部
６２ 第１データ取得部
６３ 第２抽出部
６４ 第２データ取得部
６５ 最適血糖値算出部
６１０ フィルタ処理部
６１１ 微分部
６１２ 分割部
６１３ 規格化部
６１４ ピーク位置算出部
６１５ ピーク間隔平均算出部
６１６ ピーク間隔プロット部
６１７ フーリエ変換部
６１８ 最大周波数検出部
６２０ 回帰分析部
６２１ 脈拍処理部
６２２ ストレスプロット処理部
６２３ ストレスフーリエ処理部
６２４ 呼吸数処理部
６３０ フィルタ処理部
６３１ 微分部
６３２ 分割部
６３３ 規格化部
６３４ ピーク位置算出部
６３５ ピーク間隔平均算出部
６３６ ピーク間隔プロット部
６３７ フーリエ変換部
６３８ 最大周波数検出部
６４０ 回帰分析部
６４１ 脈拍処理部
６４２ ストレスプロット処理部
６４３ ストレスフーリエ処理部
６４４ 呼吸数処理部
Ｓ１０ 脈波信号取得ステップ
Ｓ１１ 第１抽出条件決定ステップ
Ｓ１２ 第１抽出ステップ
Ｓ１３ 第１データ取得ステップ
Ｓ１４ 第２抽出条件決定ステップ
Ｓ１５ 第２抽出ステップ
Ｓ１６ 第２データ取得ステップ
Ｓ１７ 最適血糖値算出ステップ

第１発明に係る生体情報演算システムは、速度脈波を脈波信号として取得する取得手段と、第１抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第１評価データを抽出する第１抽出手段と、前記第１抽出条件に紐づく第１処理条件を参照し、前記第１抽出手段によって抽出された第１評価データに対する第１血糖値を、第１データとして取得する第１データ取得手段と、第２抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第２評価データを抽出する第２抽出手段と、前記第２抽出条件に紐づく第２処理条件を参照し、前記第２抽出手段によって抽出された第２評価データに対する、前記第１データと異なる種類の生体情報からなる第２データを取得する第２データ取得手段と、を備え、前記第１評価データと、前記第２評価データとは、同一の前記脈波信号に基づいて抽出されることを特徴とする。

Claims (3)

1. 速度脈波を脈波信号として取得する取得手段と、
   第１抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第１評価データを抽出する第１抽出手段と、
   前記第１抽出条件に紐づく第１処理条件を参照し、前記第１抽出手段によって抽出された第１評価データに対する第１データを取得する第１データ取得手段と、
   第２抽出条件を参照し、前記取得手段によって取得された脈波信号に基づく第２評価データを抽出する第２抽出手段と、
   前記第２抽出条件に紐づく第２処理条件を参照し、前記第２抽出手段によって抽出された第２評価データに対する、前記第１データと異なる生体情報からなる第２データを取得する第２データ取得手段と、
   を備え、
   前記第１評価データと、前記第２評価データとは、同一の前記脈波信号に基づいて抽出されること
   を特徴とする生体情報演算システム。
2. 前記第１抽出手段は、前記取得手段によって取得された脈波信号を微分しない前記第１抽出条件を参照し、
   前記第２抽出手段は、前記取得手段によって取得された脈波信号を微分する前記第２抽出条件を参照すること
   を特徴とする請求項１に記載の生体情報演算システム。
3. 前記第１データ取得手段は、予め取得された第１評価データと生体情報の実測値との相関関係に基づいて構築された第１検量モデルを用いて、前記第１抽出手段によって抽出された第１評価データに対する第１データを取得する第１回帰分析手段を有し、
   前記第１回帰分析手段は、前記第１検量モデルを用いて、前記第１抽出手段によって抽出された第１評価データに対する第１血糖値を、前記第１データとして取得すること
   を特徴とする請求項１又は２に記載の生体情報演算システム。

Images