JP2022504832A

JP2022504832A - ノイズを含む信号中の生体測定イベントの検出

Info

Publication number: JP2022504832A
Application number: JP2021520298A
Authority: JP
Inventors: モレッリ・ダビデ; プランツ・ダビド
Original assignee: Biobeats Group Ltd
Current assignee: Biobeats Group Ltd
Priority date: 2018-10-08
Filing date: 2019-10-08
Publication date: 2022-01-13
Also published as: GB2577883A; WO2020074873A1; EP3864571A1; GB201816386D0; US20210334566A1; KR20210116431A; CA3156937A1

Abstract

【課題】ノイズを含む入力信号中の生体測定イベントを検出する向上した方法を提供する。
【解決手段】入力信号中の生体測定イベントを検出する方法は、検出したい前記イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対して主成分分析ＰＣＡを実施することにより、情報性の高い成分および情報性の低い成分を含む変換行列を生成する過程と、１つ以上の前記情報性の高い成分を除去することにより、前記変換行列の次元を削減する過程と、前記入力信号の複数の標本を、次元削減後の前記変換行列で変換する過程と、変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記イベントが存在する確率を算出する過程と、前記確率が閾値を上回る場合に、前記入力信号が前記イベントを含んでいると判断する過程と、を備える。
【選択図】図１

Description

本発明は、ノイズを含む信号中の生体測定イベントを主成分分析（ＰＣＡ）を用いて検出する方法、装置およびコンピュータプログラムに関する。より詳細には、本発明は、入力信号中の１回以上の心拍の検出に関するが、これに限定されない。

多くの信号処理アプリケーションでは、ノイズを含む入力信号中に所定のイベントが存在するか否かを判定することが必要になる。従来の閾値ベースの方法では、ノイズの存在で誤検出が生じる場合がある。例えばヘルスケアの分野では、信号が所定の閾値を交差した際に心拍を計数する閾値ベースの方法で光電脈波（ＰＰＧ）信号、心電（ＥＣＧ）信号などの入力信号中の心拍を計数して脈拍数を測定するのが一般的である。信号中のノイズは、例えば、実際の心拍のピークを閾値未満に低下させてしまったり、閾値を超えるスプリアスピークを生じさせて実際には心拍が発生していないにもかかわらず心拍検出アルゴリズムをトリガさせてしまったりすることによって、誤検出を引き起こす可能性がある。

したがって、当該技術分野では、ノイズを含む入力信号中の心拍などの生体測定イベントを検出する向上した方法が求められている。

本発明は、これを背景に完成に至った。

本発明の第１の態様では、入力信号中の生体測定イベントを検出する方法であって、
検出したい前記生体測定イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対して主成分分析ＰＣＡを実施することにより、情報性の高い成分および情報性の低い成分を含む変換行列を生成する過程と、
１つ以上の前記情報性の高い成分を除去することにより、前記変換行列の次元を削減する過程と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換する過程と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記生体測定イベントが存在する確率を算出する過程と、
前記確率が閾値を上回る場合に、前記入力信号が前記生体測定イベントを含んでいると判断する過程と、
を備える、方法が提供される。

第１の態様の一部の実施形態において、前記入力信号の前記複数の標本は、前記複数のモデル信号と同じ長さの時間窓を当該入力信号に適用することによって選出され、前記方法は、さらに、前記入力信号内で前記窓を時間的に移動させて、当該窓の複数の各位置で前記確率関数を再計算することにより、前記入力信号中の様々な時点にて前記生体測定イベントが存在するか否かを判定する過程、を備える。

第１の態様の一部の実施形態において、前記複数の各モデル信号は、当該信号内の同じ位置にピーク振幅を有するように用意され、前記方法は、さらに、前記入力信号が前記生体測定イベントを含んでいると判断された場合に：前記入力信号の前記複数の標本のうちの、前記モデル信号内における前記ピーク振幅の位置と同等の位置にある標本の時間インデックスを特定する過程と；特定された前記標本の前記時間インデックスを、検出対象の前記生体測定イベントとして記録する過程と；を備える。

第１の態様の一部の実施形態では、前記生体測定イベントが、心拍、心拍変動、または対象者の活動を含む。前記生体測定イベントが心拍を含む場合、前記複数のモデル信号は複数の既知の心拍信号を含む。

第１の態様のうちの、検出対象の前記生体測定イベントが心拍である一部の実施形態において、前記入力信号が心拍を含んでいると判断する過程は、前記確率が前記閾値を上回る場合に、心拍候補として特定する副過程、前記心拍候補と前記入力信号中の直前の心拍との間の期間を算出する副過程、および算出された前記期間と既知の脈拍数との比較に基づいて、前記心拍候補が実際の心拍であるか否かを判定する副過程、を含む。

第１の態様のうちの、検出対象の前記生体測定イベントが心拍である一部の実施形態において、前記心拍候補が実際の心拍であるか否かを判定する副過程は、前記既知の脈拍数に基づいて心拍－心拍間の予想間隔を算出すること、および前記算出された期間と前記予想間隔との差分が閾値量を超える場合に、前記心拍候補が実際の心拍ではないと判断すること、を有する。例えば、一部の実施形態では、前記閾値量が前記予想間隔の±３０％である。

一部の実施形態では、第１の態様の方法が、さらに、前記確率を算出する過程に先立って、前記生体測定イベントの発生確率を、生体測定イベントの各検出後の所定の期間のあいだゼロに設定する過程、を備える。

演算量を減少させて処理能力を節約する方法の一つは、前記確率を算出する前記過程を実行する前に、当該確率を、検出されるイベントが生体測定イベントではないか又は生体測定イベントである可能性が極めて低くなると考えられる期間のあいだゼロに設定することである。この点に関して述べると、心拍数が例えば最大であったとしても、１回の心拍の検出後には、次の心拍が発生しない短い期間が存在する。この期間のあいだ前記確率をゼロに設定することにより、分析する必要のある期間が短縮されて処理能力が節約されると共に、ノイズに起因し得る誤検出が同期間中排除されるので精度が向上する。

変形例として、第１の態様のうちの、検出対象の前記生体測定イベントが心拍である一部の実施形態において、前記心拍候補が実際の心拍であるか否かを判定する副過程は、前記算出された期間が所定の最低期間を下回る場合に、前記心拍候補が実際の心拍ではないと判断すること、を有する。例えば、一部の実施形態では、前記所定の最低期間が、２００ミリ秒とされる。心拍が発生し得ないと考えられる期間中に生じた信号が除外されるため、これによっても誤検出の数が抑えられる。

第１の態様のうちの、検出対象の前記生体測定イベントが心拍である一部の実施形態において、前記方法は、さらに、それぞれ特定の対象者に関連付けて記憶された複数の変換行列に対して前記変換行列を照合することにより、前記入力信号の入手元である対象者を特定する過程、を備える。

第１の態様の一部の実施形態において、前記方法は、さらに、前記入力信号の標準偏差の標準偏差を算出することによって前記入力信号を検証する過程、を備え、前記標準偏差の前記標準偏差が所定の閾値を上回る場合に前記入力信号が廃棄される。

本発明の第２の態様では、コンピュータプログラム命令を記憶するように設けられたコンピュータ読取り可能な記憶媒体であって、前記コンピュータプログラム命令が実行されることにより、第１の態様の方法が実施される、記憶媒体が提供される。

本発明の第３の態様では、入力信号中の生体測定イベントを検出する装置であって、
検出したい前記生体測定イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対してＰＣＡを実施することによって情報性の高い成分および情報性の低い成分を含む変換行列を生成し、１つ以上の前記情報性の高い成分を除去することによって前記変換行列の次元を削減するように構成されている主成分分析ＰＣＡ部と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換するように構成されている標本変換部と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記生体測定イベントが存在する確率を算出するように構成されている確率算出部と、
前記確率が閾値を上回る場合に、前記入力信号が前記生体測定イベントを含んでいると判断するように構成されている生体測定イベント検出部と、
を備える、装置が提供される。

本発明の第４の態様では、入力信号中の生体測定イベントを検出する装置であって、
少なくとも１つのプロセッサを含む処理部と、
コンピュータプログラム命令を記憶するように設けられたメモリと、
を備え、前記コンピュータプログラム命令は、前記処理部で実行されることにより、当該装置に、
複数のモデル信号の標本に対して主成分分析ＰＣＡを実施することにより、情報性の高い成分および情報性の低い成分を含む変換行列を生成する手順と、
１つ以上の前記情報性の高い成分を除去することにより、前記変換行列の次元を削減する手順と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換する手順と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記生体測定イベントが存在する確率を算出する手順と、
前記確率が閾値を上回る場合に、前記入力信号が前記生体測定イベントを含んでいると判断する手順と、
を実行させる、装置が提供される。

第３又は第４の態様の一部の実施形態では、検出対象の前記生体測定イベントが心拍であり、前記複数のモデル信号が複数の既知の心拍信号を含み、前記装置が、さらに、生理的パラメータの値を経時的に記録することによって前記入力信号を取得するように構成されたセンサ、を備える。一部の実施形態では、前記センサが、光電脈波センサであり得る。

以下では、添付の図面を参照しながら、本発明の実施形態について、あくまでも例示的に説明する。

本発明の一実施形態における、受信信号の標本が心拍を含んでいるか否かを判定する方法を示すフローチャートである。本発明の一実施形態における、複数のモデル心拍を示す図である。正規化後の、図２の複数のモデル心拍を示す図である。正規化後の図３のモデル心拍の各データ点の平均・標準偏差を示す図である。本発明の一実施形態における、２回の心拍を含んだ入力信号の一例を示す図である。本発明の一実施形態における、図５の信号について計算したスライディング確率関数を示す図である。本発明の一実施形態における、２回の心拍を含んだ入力信号に、ガウス雑音（０．３×入力信号電力）を付加した一例を示す図である。本発明の一実施形態における、図７の信号について計算したスライディング確率関数を示す図である。本発明の一実施形態における、２回の心拍を含んだ入力信号に、ガウス雑音（０．５×入力信号電力）を付加した一例を示す図である。本発明の一実施形態における、図９の信号について計算したスライディング確率関数を示す図である。本発明の一実施形態における、心拍候補が実際の心拍であるか否かを判定する方法を示すフローチャートである。本発明の一実施形態における、受信信号の標本が心拍を含んでいるか否かを判定する装置を示す図である。本発明の一実施形態における、ノイズを含むＰＰＧ信号およびノイズを含まないＰＰＧ信号の場合の入力信号の２次モメンタムを示す一連のグラフである。

下記の詳細な説明では、本発明の例示的な一部の実施形態のみを説明するが、これはあくまでも例示に過ぎない。当業者であれば、本発明の範囲を逸脱しない範疇で、後述のあらゆる実施形態が様々な各種様式で変更されてもよいことが分かるであろう。つまり、図面および説明は本質的に例示に過ぎず、本発明を限定するものではないと捉えられたい。同一の符号は、本明細書をとおして同一の構成要素を指すものとする。

初めに図１を参照する。同図は、本発明の一実施形態における、受信信号の標本が心拍を含んでいるか否かを判定する方法を示すフローチャートである。

まず、ステップＳ１０１にて、複数の心拍サンプルに対して主成分分析（ＰＣＡ）が実施される。モデル心拍とも称され得る当該複数の心拍サンプルは、それぞれ１回の心拍を含んでいることが分かっている信号から各々なる。例えば、当該モデル心拍は、既知の時点に心拍を含んだ光電脈波（ＰＰＧ）信号、心電（ＥＣＧ）信号などの適切な生体測定信号から抽出されたものであり得る。当該モデル心拍は、前もって記録されて適切なコンピュータ読取り可能な不揮発性メモリに記憶されることにより、事後的に分析を行うことが可能なものとされる。

図２に、複数の心拍サンプルの一例を示す。同図には、１１のモデル心拍がプロットされている。本例では、各モデル心拍に、ｘ軸の標本インデックスｉで表した、一定時間間隔の１０個の標本が含まれている。本例では１１のモデル心拍を描いているが、他の実施形態ではモデル心拍の数がどのような数に設定されてもよい。

前記モデル心拍は、モデル心拍の数に等しい行数ｉ、各モデル心拍内の標本数に等しい列数ｊの配列で記憶され得る。よって、当該配列の要素ａ_ｉｊには、ｉ番目のモデル心拍のｊ番目の標本が含まれている。１０個の標本をそれぞれ含む図２にプロットした１１のモデル心拍についての、各行に所与のモデル心拍の標本が含まれるようにした配列の一例は、次のとおりである：

図３に、各モデル心拍をｚ正規化した後の図２のモデル心拍を示す。当該正規化処理は、モデル心拍のセンタリングおよび／またはスケーリングを伴うものであり得る。このようにモデル心拍を正規化することにより、様々な振幅値範囲を有する信号同士を互いに比較することが可能となり、これは、例えば、振幅の絶対値がモデル心拍間で大きく異なる場合に適用され得る。他の実施形態では、例えば、各モデル心拍の振幅値範囲が前記複数のモデル心拍同士で同じ又は同様である場合に、前記正規化処理が省略されてもよい。

図４は、図３の正規化後のモデル心拍の各標本インデックスの平均・標準偏差をプロットしたグラフである。図４に示すように、モデル心拍値の標準偏差は、心拍内の時点が異なれば極めて異なる値になり得る。本例では、モデル心拍の時間インデックスｉ＝８での値の標準偏差が約０．５であるのに対し、モデル心拍の時間インデックスｉ＝２での値の標準偏差が約０．１である。標準偏差の小さいデータ点は、特定の標本がモデル心拍の値の分布に属していると見なすことが出来るか否かの指標として優れている。例えば、図４に示す例で言うと、振幅値が分布の平均値から０．５離れているインデックスｉ＝２のデータ点は、同インデックスの標準偏差が０．１であることから、当該分布の一部である可能性は低く、つまり、心拍の一部である可能性は低い。対照的に、インデックスｉ＝８のデータ点の振幅値の前記平均値からの距離もこれと同じ（μ±０．５）である場合には、同インデックスの標準偏差が０．５であることから、当該分布の一部である可能性が残り得る。よって、本発明の実施形態では、入力信号が心拍を含んでいるか否かを判定するにあたって、標準偏差が小さい次元（配列のインデックス）に、より大きな重要性が付与され得る。

ＰＰＧ測定で得られたモデル心拍サンプルの配列のインデックス同士は、依存関係にあるため、共分散行列が対角にならない。しかし、これらは、ＰＣＡを用いることにより、次元同士が直交する空間へと変換することができる。本実施形態では、ステップＳ１０１にて、ＰＣＡが複数のモデル心拍に対して実施されて変換行列が生成される。当該ＰＣＡ変換行列の要素同士は、最大の分散を有する要素が最初の要素となり且つ最小の分散を有する要素が最後の分散となるように分散に従って順番に並べられる。分散が大きい要素同士は、情報性の高い成分と称することができ、分散が小さい要素同士は、情報性の低い成分と称することができる。つまり、情報性の低い成分は、情報性の高い成分よりも分散が小さいことになる。

分散が大きい側の成分にはＰＣＡ行列の計算に用いた信号同士の違いについての情報がより多く含まれているという前提から、分散が小さい成分を除去して分散が大きい側の成分を残すことによってＰＣＡ行列の次元削減を行うという技術が知られている。しかし、これとは対照的に、本発明の実施形態では、情報性の高い成分、つまり、ＰＣＡ行列のうちの分散が大きい成分を除去することによって次元が削減される。上述したように、本発明の発明者達は、分散が小さい次元上でデータ点が平均値から遠く離れていた場合、これは、そのサンプルが分布に属していないことの指標になることから、分散が大きい成分よりも分散が小さい成分（すなわち、情報性の低い成分）のほうが、特定の信号が分布に属しているか否かの指標として優れていることを見出した。

したがって、本実施形態では、ステップＳ１０２にて、情報性の高い成分を（ｎ－ｋ）個除去することによって前記ＰＣＡ変換行列の次元がｎからｋに削減される（但し、ｎは元々のＰＣＡ変換行列のサイズであり、ｋは残す成分の数である）。これは、元々のＰＰＧ空間のモデル心拍の標本を、次元同士が直交する空間へと、分散が小さいデータ点のみを確実に残すようにしながら変換することと同義である。例えば、次元の削減を行うことにより、前記変換行列の次元数が１００から１０に削減され得る。一部の実施形態では、情報性の高い成分を一定数（ｎ－ｋ）除去することによって次元の削減が行われ得る。他の実施形態では、所定の閾値を上回る分散を有する全ての成分を除去することによって次元の削減が行われ得る。

次に、ステップＳ１０３にて、次元削減後の前記変換行列が前記入力信号の標本に適用される。これにより、前記入力信号は、次元同士が直交であると共に次元同士が分散量で順番に並べられた空間へと変換される。前記モデル心拍同士を正規化してからＰＣＡを実施する実施形態では、次元削減後の前記変換行列による回転を適用する前の前記入力信号の標本同士にも、振幅値をセンタリングおよび／またはスケーリングするという点で同一の変換が適用され得る。

そして、ステップＳ１０４にて、変換後の前記標本について所定の確率関数が計算される。当該確率関数は、前記変換行列の生成に用いた分布、具体的には、複数のモデル心拍の標本値の分布に前記入力信号の標本が属している確率を計算するものである。つまり、当該確率関数の出力は、前記入力信号が心拍を含んでいる確率に相関している。

次に、ステップＳ１０５にて、ステップＳ１０４で計算された確率が閾値と比較される。前記確率が当該閾値を上回る場合、前記入力信号が心拍を含んでいると判断される。一方で、前記確率が当該閾値を下回る場合には、前記入力信号が心拍を含んでいないと判断される。

図１のステップＳ１０２との関連で前述したように、前記ＰＣＡ変換行列の次元を削減すると、実行すべき計算数が減るので、演算負荷を下げることが可能になる。さらに、情報性の低い成分を残すことにより、前記ＰＣＡ変換行列のサイズを削減したにもかかわらず、心拍を高い信頼度で確実に検出することが可能になる。これにより、本発明の実施形態は、入力信号が心拍を含んでいるか否かを判定する高精度で且つ演算効率の良い方法を提供することができる。次元を削減しなかった場合、各標本周期ごとに極めて大量の計算を行わざるを得なくなる可能性がある。

例えば、スマートフォンセンサを用いて全長１秒のＰＰＧ信号を２４０Ｈｚの標本化レートで記録した場合、その全共分散行列のサイズは２４０×２４０になる。このため、次元を削減しなかった場合には、２４０×２４０＝５７，６００個の乗算を毎秒２４０回行わなければならなくなる。これに対し、情報性の最も低い成分を１０個残し且つそれよりも情報性の高い残りの成分を除去することによって次元を削減した場合には、各標本周期ごとに、２４０×１０＝２，４００個の乗算を行った後で１０のデータ点について非結合確率の計算（Ｏ（ｎ）、つまり、削減後の次元数と同程度の規模の処理数を伴う処理）を行うだけで良くなる。したがって、本発明の実施形態は、例えばウェアラブル装置や、スマートフォンなどの別の種類のモバイルデバイス等のような、利用可能な処理リソースが限られている用途において極めて有利となり得る。

次に図５を参照する。同図には、本発明の一実施形態における、２回の心拍を含んだ入力信号の一例が描かれている。図５は、ＰＰＧ振幅を縦軸、標本インデックスを横軸としたプロット図である。本実施形態では、入力信号が１～４０の合計４０個の標本を含んでいる。入力信号中の任意の時点に心拍が存在しているか否かを判定するため、前記ＰＣＡ変換行列を取得するのに用いた前記モデル心拍の長さと同じ幅（すなわち、長さ）の時間窓内に位置した複数の標本が対象として選出され得る。次に、選出された標本を図１に示したような方法で処理することにより、前記入力信号のうちの前記時間窓内に収まった部分に心拍が存在している確率が算出される。

一部の実施形態では、前記入力信号内で前記窓を時間的に移動させて当該窓の複数の各位置で前記確率関数を再計算することによってスライディング確率関数を計算することにより、前記入力信号中の様々な時点にて心拍が存在するか否かが判定され得る。図６に、図５の信号について計算されたスライディング確率関数の一例を示す。

図６に示す例では、図３に示す正規化後のそれぞれ１０個の標本を含むモデル心拍から導出された変換行列を次元削減したものを使って、前記時間窓の各位置での確率値が計算されている。よって、本実施形態では、前記時間窓に前記入力信号の標本が１０個含まれることになるように、当該時間窓の幅が９×Ｓに設定される（但し、Ｓは前記入力信号の標本化レートである）。他の実施形態では、前記モデル心拍に含まれる標本数が別のものとされてもよく、前記時間窓の幅はそれに合わせて調節され得る。

本実施形態において、前記モデル心拍同士は、最初の標本から４回の標本化間隔を空けた標本インデックスｊ＝５にて振幅ピークを有するように用意されている。図１のステップＳ１０４で計算される確率関数は、前記入力信号中の前記時間窓内における心拍のピーク振幅の位置が前記モデル心拍内における前記ピーク振幅と同等の位置にあるときに最大となる。したがって、本実施形態では、前記入力信号中の心拍のピーク振幅が前記窓の始点から４回の標本化間隔を空けたところに位置するよう当該窓が配置されたときに、前記確率関数が最大となる。

図６は、前記スライディング確率関数の値を縦軸、前記窓の始点からの前記標本のインデックスを横軸としたプロット図である。図６に示すように、前記確率関数は２つのピークを有していることから、前記入力信号が２回の心拍を含んでいることが分かる。前記確率関数の１番目のピークがインデックス＝１１で発生していることから、１つ目の心拍のピーク振幅が図５に示すように時間インデックス＝１１＋４＝１５で生じていると判断することができる。前記確率関数の２番目のピークはインデックス＝２６で発生していることから、２つ目の心拍のピーク振幅が図５に示すように時間インデックス＝２６＋４＝３０で生じていると判断することができる。前記スライディング確率関数でピークが検出されると、前記時間窓内のうちの、前記既知の心拍信号中のピークの位置と同等の位置にある標本の時間インデックスが特定されて、これが検出対象の心拍の位置の記録に用いられ得る。

本発明の実施形態は、ノイズを含む入力信号であっても心拍を高い信頼度で検出することが可能である。図７および図８に、入力信号電力の３０％に等しい雑音電力レベルのガウス雑音を入力信号が含有している一例の、その入力信号とスライディング確率関数をそれぞれ示す。図９および図１０に、入力信号電力の５０％に等しい雑音電力レベルのガウス雑音を入力信号が含有している一例の、その入力信号とスライディング確率関数をそれぞれ示す。図７及び図９の入力信号は、図５の入力信号にガウス雑音を付加したものである。図８及び図１０に示すように、雑音レベルが比較的高い場合にも、２回の各心拍に対するピークをスライディング確率関数中にはっきりと確認することが可能である。

次に図１１を参照する。同図は、本発明の一実施形態における、心拍候補が実際の心拍であるか否かを判定する方法を示すフローチャートである。図１１に示すステップは、図１に示す方法においてステップＳ１０５で心拍候補が検出された後のステップＳ１０６にて実行され得る。

まず、ステップＳ２０１にて、前記入力信号中で心拍候補が発生した時刻が記録される。例えば、スライディング確率関数が前述のように用いられた場合には、前記心拍候補の時刻が、現在の前記時間窓の始点と前記モデル心拍中にある心拍の既知の位置とに基づいて算出され得る。

次に、ステップＳ２０２にて、前記心拍候補と前記入力信号中の直前の心拍との間の期間が算出される。前記心拍候補が実際の心拍であるならば、この期間が、連続する心拍－心拍間の間隔となる。ステップＳ２０３では、算出された前記期間が、最低脈拍間隔と称することができる所定の最低期間を上回るか否かが確認される。当該最低脈拍間隔は、現実的な最大心拍数の場合に予想される最短間隔よりも短くなるように設定され得る。前記算出された期間が前記最低脈拍間隔を下回ると認められた場合には、ステップＳ２０４にて、前記心拍候補が実際の心拍ではあり得ないと判断される。

本実施形態では、前記最低脈拍間隔が、２００ｍｓ（ミリ秒）に設定される。これは、（１０００／２００）×６０＝３００ｂｐｍ（毎分心拍数）の心拍数に等しい。人間の最大心拍数は一般的に毎分心拍数＝２００～２２０前後になると予想されることから、ステップＳ２０２で計算された期間が２００ｍｓ未満である場合、脈拍数がそこまで高くなることはあり得ないので、前記心拍候補は実際の心拍になり得ないと考えられる。他の実施形態では別の最低脈拍間隔が設定されてもよいことを理解されたい。例えば、一部の実施形態では、心拍数＝約２２０ｂｐｍに等しい２７０ｍｓ以下が値として用いられ得る。

前記算出された期間が前記最低脈拍間隔を上回ると認められた場合、前記心拍候補が実際の心拍である可能性が高い。これを踏まえたうえで、ステップＳ２０５では、ステップＳ２０３で算出された期間が、脈拍数の最新値に基づいて予想される連続する心拍－心拍間の間隔と比較される。例えば、前記脈拍数の最新値は、それ以前の所定の期間内に検出された心拍の総数に基づいて算出されたり、所定数の心拍同士の平均間隔に基づいて算出されたりし得る。

ステップＳ２０５では、前記期間と前記予想間隔との差分が閾値量未満であれば、当該期間と当該予想間隔が合致しているとの判断が下される。前記期間と前記予想間隔が合致していると認められなかった場合には、ステップＳ２０６にて、前記心拍候補が実際の心拍ではあり得ないと判断される。一方で、前記期間と前記予想間隔が合致していた場合には、ステップＳ２０７にて、前記心拍候補が実際の心拍であると判断される。

前記期間と前記予想間隔が合致しているか否かを判定するためのステップＳ２０５の前記閾値は、例えば前記予想間隔の百分率等として相対的に、あるいは、一定の時間差等として絶対的に設定され得る。本実施形態では、ステップＳ２０２で算出された期間が前記予想間隔の±３０％内である場合に、当該期間と当該予想間隔が合致していると見なされる。しかし、他の実施形態では別の閾値が用いられてもよい。

ステップＳ２０３およびステップＳ２０５に設けられた前記確認は、図１に示したような方法で検出された心拍候補が実際の心拍であるのか否かを検証するために適用されるものであり得る。一部の実施形態では、ステップＳ２０３に示した検証とステップＳ２０５に示した検証とが逆の順番で実行されてもよいし、あるいは、一方の検証が省略されてもよい。また、一部の実施形態では、両方の検証が省略されてもよく、ステップＳ１０５で前記確率が前記閾値を上回るたびに、心拍が記録されることになり得る。

一部の実施形態では、心拍が存在する確率を計算するための図１に示すような処理の適用前の時点で、同様のロジックが適用され得る。例えば、スライディング確率関数が用いられる一部の実施形態では、心拍が検出された後の、前記最低脈拍間隔に等しい所定の期間のあいだ、前記確率がゼロに設定され得る。この期間のあいだは前記確率が自動的にゼロに設定されるため、当該期間中に前記時間窓の位置で前記確率関数を計算する必要がなくなり、演算負荷を下げることができる。同様に、心拍が検出された際には、次の心拍が発生すると思われる予想時刻が前記脈拍数の最新値に基づいて算出され得る。演算負荷をなおいっそう下げるために、前記スライディング確率関数は、次の心拍の前記予想時刻の所定の範囲内でのみ、例えば、連続する心拍－心拍間の前記予想間隔の±３０％に等しい範囲内でのみ計算され得る。この範囲外では前記確率が自動的にゼロに設定されるので、図１のような方法によって前記確率関数を計算する必要がなくなり得る。

次に図１２を参照する。同図には、本発明の一実施形態における、受信信号の標本が心拍を含んでいるか否かを判定する装置が概略的に示されている。当該装置は、処理部３１０、適切なコンピュータ読取り可能な記憶媒体の形態のメモリ３２０、およびセンサ３３０を備える。センサ３３０は、生理的パラメータの値を経時的に記録することによって前記入力信号を処理部３１０へ供給するよう構成されている。例えば、センサ３３０は、ＰＰＧセンサや、心拍が検出される可能性がある信号を記録することが可能な任意の他種のセンサであり得る。

実施形態にもよるが、処理部３１０、メモリ３２０およびセンサ３３０は、同じ物理的装置内に実現されてもよいし、あるいは、互いに物理的に別体とされてもよい。例えば、前記処理部とメモリとがスマートフォンなどの同じ装置内に含められ得て、かつ、センサ３３０が、処理部３１０と適切な有線接続又は無線接続によって通信することが可能な物理的に別体の装置内、例えば、ＰＰＧセンサが組み込まれたスマートウォッチなどのウェアラブル装置や、心拍数センサが組み込まれたチェストストラップ等に含められ得る。

本実施形態では、処理部３１０が、図１２に示すようにＰＣＡ部３１１、標本変換部３１２、確率算出部３１３および心拍検出部３１４を含む。実施形態にもよるが、処理部３１０の各種構成要素は、別個のハードウェアエレメントとして実現されてもよいし、ソフトウェアモジュールとして実現されてもよい。ソフトウェアとして実現された場合には、メモリ３２０が、処理部３１０の１つ以上のプロセッサで実現されることでＰＣＡ部３１１、標本変換部３１２、確率算出部３１３および心拍検出部３１４の機能を実現するコンピュータプログラム命令を記憶するように用いられ得る。

図１のステップＳ１０１およびステップＳ１０２との関連で前述したように、ＰＣＡ部３１１は、複数の既知の心拍信号の標本に対してＰＣＡを実施することによって変換行列を生成し、１つ以上の前記情報性の高い成分を除去することによって当該変換行列の次元を削減するように構成されている。図１のステップＳ１０３との関連で前述したように、標本変換部３１２は、前記入力信号の複数の標本を、次元削減後の前記変換行列で変換するように構成されている。図１のステップＳ１０４を参照しながら前述したように、確率算出部３１３は、変換後の前記標本について所定の確率関数を計算することによって前記入力信号が心拍を含んでいる確率を算出するように構成されている。最後に、心拍検出部３１４は、確率算出部３１３で計算された前記確率に基づいて、前記入力信号が心拍を含んでいると判断するように構成されている。一部の実施形態において、心拍検出部３１４は、さらに、図１１を参照しながら前述したような、前記心拍候補が実際の心拍であるか否かを検証するための追加の確認を実行し得る。

本発明の実施形態として、入力信号が心拍を含んでいるか否かを判定するのに利用可能な実施形態について説明した。一部の実施形態では、心拍が存在するか否かの確認へと進む前に、前記入力信号が心拍の検出に適していない場合に処理リソースの不要な消費を避けるための前記入力信号の検証が行われ得る。例えば、一実施形態では、前記入力信号の２次モメンタムとも称され得る、前記入力信号の標準偏差の標準偏差を算出することにより、前記入力信号が検証され得る。図１３は、ノイズを含むＰＰＧ信号およびノイズを含まないＰＰＧ信号の場合の入力信号の２次モメンタムを示す一連のグラフである。図１３の上から２番目のグラフに示すように前記入力信号の２次モメンタムが閾値を上回った場合、心拍を高い信頼度で検出するには信号のノイズが大き過ぎるという前提から当該入力信号が廃棄され得る。一方で、図１３の一番下のグラフに示すように前記２次モメンタムが前記閾値を下回る場合には前記入力信号が受け入れられ得て、当該信号中の心拍を検出するための前述した方法による当該信号の処理をシステムが続行し得る。

最後に、本発明の実施形態として、ＰＣＡ変換行列が複数のモデル心拍から導出される実施形態について説明した。一部の実施形態では、前記入力信号から抽出された心拍で前記モデル心拍を更新することにより、システムを特定の個人の特徴に合わせて調整することが可能である。これにより、対象者の心拍固有の波形を識別するよう前記システムを訓練し、その特定の個人に対する精度を高めることができる。また、一部の実施形態では、様々な対象者についてのＰＣＡ変換行列が複数記憶されることで、当該複数記憶されたＰＣＡ変換行列に対して前記変換行列を照合することにより、前記入力信号の入手元である対象者をシステムが特定することが可能とされる。

本発明の実施形態として、ＰＰＧ信号、ＥＣＧ信号などの生理信号中の心拍の検出に関する実施形態について説明した。しかし、本発明の他の実施形態では、これまでに開示したものと同じ原理が、別の種類の生体測定信号の処理に適用されてもよい。一般的に述べると、本明細書に開示したＰＣＡベースの技術は、ノイズを含む信号中のあらゆる種類の生体測定イベントを検出するのに利用することが可能である。例えば、一部の実施形態では、対象者の運動を表した、ノイズを含む信号から、対象者による歩行などの特定の活動の実行を検出するのに、ＰＣＡベースのイベント検出方法が適用され得る。

図面を参照しながら本発明の一部の実施形態について本明細書で説明したが、添付の特許請求の範囲で定まる本発明の範囲を逸脱しない範疇で、数多くの変形や変更が可能であることを理解されたい。

当業者であれば、プログラムされたコンピュータにより、前述した各種方法の手順を実行出来るということが容易に分かるであろう。また、本明細書の一部の実施形態は、前述の方法の一部又は全ての手順を実行する機械実行可能又はコンピュータ実行可能な命令のプログラムを符号化した、例えばデジタルデータ記憶媒体等の機械読取り可能又はコンピュータ読取り可能なプログラム記憶装置をカバーするものとしても意図されている。当該プログラム記憶装置は、例えば、デジタルメモリ、磁気ディスクや磁気テープなどの磁気記憶媒体、ハードドライブ、光学的に読取り可能なデジタルデータ記憶媒体等であり得る。また、実施形態は、前述した方法の前記手順を実行するようにプログラムされたコンピュータをカバーするものとしても意図されている。

これまでの説明で説明した構成同士は、明記した組合せ以外の組合せで使用されてもよい。

Claims

入力信号中の生体測定イベントを検出する方法であって、
検出したい前記イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対して主成分分析ＰＣＡを実施することにより、情報性の高い成分および情報性の低い成分を含む変換行列を生成する過程と、
１つ以上の前記情報性の高い成分を除去することにより、前記変換行列の次元を削減する過程と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換する過程と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記イベントが存在する確率を算出する過程と、
前記確率が閾値を上回る場合に、前記入力信号が前記イベントを含んでいると判断する過程と、
を備える、方法。
請求項１に記載の方法において、前記入力信号の前記複数の標本は、前記複数のモデル信号と同じ長さの時間窓を当該入力信号に適用することによって選出され、当該方法は、さらに、
前記入力信号内で前記窓を時間的に移動させて、当該窓の複数の各位置で前記確率関数を再計算することにより、前記入力信号中の様々な時点にて前記イベントが存在するか否かを判定する過程、
を備える、方法。
請求項１または２に記載の方法において、前記複数の各モデル信号は、当該信号内の同じ位置にピーク振幅を有するように用意され、前記方法は、さらに、
前記入力信号が前記イベントを含んでいると判断された場合に、
前記入力信号の前記複数の標本のうちの、前記モデル信号内における前記ピーク振幅の位置と同等の位置にある標本の時間インデックスを特定する過程と、
特定された前記標本の前記時間インデックスを、検出対象の前記イベントとして記録する過程と、
を備える、方法。
請求項１から３のいずれか一項に記載の方法において、前記生体測定イベントが、心拍、心拍変動、または対象者の活動を含む、方法。
請求項１から４のいずれか一項に記載の方法において、検出対象の前記生体測定イベントが心拍であり、前記複数のモデル信号が複数の既知の心拍信号を含む、方法。
請求項１から５のいずれか一項に記載の方法において、前記入力信号が心拍を含んでいると判断する過程が、
前記確率が前記閾値を上回る場合に、心拍候補として特定する副過程、
前記心拍候補と前記入力信号中の直前の心拍との間の期間を算出する副過程、および
算出された前記期間と既知の脈拍数との比較に基づいて、前記心拍候補が実際の心拍であるか否かを判定する副過程、
を含む、方法。
請求項６に記載の方法において、前記心拍候補が実際の心拍であるか否かを判定する副過程が、
前記既知の脈拍数に基づいて心拍－心拍間の予想間隔を算出すること、および
前記算出された期間と前記予想間隔との差分が閾値量を超える場合に、前記心拍候補が実際の心拍ではないと判断すること、
を含む、方法。
請求項６または７に記載の方法において、前記閾値量が、前記予想間隔の±３０％である、方法。
請求項１から８のいずれか一項に記載の方法において、さらに、
前記確率を算出する過程に先立って、前記生体測定イベントの発生確率を、生体測定イベントの各検出後の所定の期間のあいだゼロに設定する過程、
を備える、方法。
請求項６、７または８に記載の方法において、前記心拍候補が実際の心拍であるか否かを判定する副過程が、
前記算出された期間が所定の期間を下回る場合に、前記心拍候補が実際の心拍ではないと判断すること、
を含む、方法。
請求項９または１０に記載の方法において、前記所定の期間が、２００ミリ秒以下に設定される、方法。
請求項１から１１のいずれか一項に記載の方法において、さらに、
それぞれ特定の対象者に関連付けて記憶された複数の変換行列に対して前記変換行列を照合することにより、前記入力信号の入手元である対象者を特定する過程、
を備える、方法。
請求項１から１２のいずれか一項に記載の方法において、さらに、
前記入力信号の標準偏差の標準偏差を算出することによって前記入力信号を検証する過程、
を備え、前記標準偏差の前記標準偏差が所定の閾値を上回る場合に前記入力信号が廃棄される、方法。
コンピュータプログラム命令を記憶するように設けられたコンピュータ読取り可能な記憶媒体であって、前記コンピュータプログラム命令が実行されることにより、請求項１から１３のいずれか一項に記載の方法が実施される、記憶媒体。
入力信号中の生体測定イベントを検出する装置であって、
検出したい前記生体測定イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対してＰＣＡを実施することによって情報性の高い成分および情報性の低い成分を含む変換行列を生成し、１つ以上の前記情報性の高い成分を除去することによって前記変換行列の次元を削減するように構成されている主成分分析ＰＣＡ部と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換するように構成されている標本変換部と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記生体測定イベントが存在する確率を算出するように構成されている確率算出部と、
前記確率が閾値を上回る場合に、前記入力信号が前記生体測定イベントを含んでいると判断するように構成されている生体測定イベント検出部と、
を備える、装置。
入力信号中の生体測定イベントを検出する装置であって、
少なくとも１つのプロセッサを含む処理部と、
コンピュータプログラム命令を記憶するように設けられたメモリと、
を備え、前記コンピュータプログラム命令は、前記処理部で実行されることにより、当該装置に、
検出したい前記生体測定イベントを含んだ既知信号から各々なる複数のモデル信号の標本に対して主成分分析ＰＣＡを実施することにより、情報性の高い成分および情報性の低い成分を含む変換行列を生成する手順と、
１つ以上の前記情報性の高い成分を除去することにより、前記変換行列の次元を削減する手順と、
前記入力信号の複数の標本を、次元削減後の前記変換行列で変換する手順と、
変換後の前記標本について所定の確率関数を計算することにより、前記入力信号の前記複数の標本中に前記生体測定イベントが存在する確率を算出する手順と、
前記確率が閾値を上回る場合に、前記入力信号が前記生体測定イベントを含んでいると判断する手順と、
を実行させる、装置。
請求項１５または１６に記載の装置において、検出対象の前記生体測定イベントが心拍であり、前記複数のモデル信号が複数の既知の心拍信号を含み、当該装置が、さらに、
生理的パラメータの値を経時的に記録することによって前記入力信号を取得するように構成されたセンサ、
を備える、装置。
請求項１７に記載の装置において、前記センサが、光電脈波センサである、装置。