JP6486707B2 - 血圧測定装置 - Google Patents

Description

この発明は、血圧測定装置に関し、特に光電脈拍センサーによる光電脈拍信号を利用した血圧測定装置に関する。

近年、光電脈拍センサーを使用した時計型のウェアラブル・ヘルスケア商品の開発が進んでいる。光電脈拍センサーでは発光素子から腕、指などに光を照射し、その反射光または透過光を受光素子で検出し、受光信号を電気信号に変換して光電脈拍信号（光電脈波信号）を得ることができ、光電脈拍信号に基づき測定した脈拍をＬＣＤ等で表示していた。このような態様の光電型の脈拍時計はすでに市場に存在するが、ウェアラブル光電型の血圧計はまだ少ない。

血圧測定技術として、従来、非侵襲血圧測定の方法はカフ式の聴診法（コロトコフ音）と同じカフ式のオシロメトリック法が知られている。前者は病院でよく使われている水銀式の血圧計、後者は家庭用のディジタル自動血圧計である。

近年、心電センサーと光電センサーと組み合わせて血圧を測る研究が行われている。原理は心電図信号（ＥＣＧ(electrocardiogram)信号）のＲ波が検出されてから、光電脈拍信号（ＰＰＧ(Photoplethysmography)信号）の最初のピークが検出されるまでのパルス伝達時間を血圧と関連させ、線形自己回帰モデルで血圧を推定する。この種の血圧測定アルゴリズムは心電図信号と光電脈拍信号を同時に取る必要があるので、ウェアラブルデバイス用には不便がある。

改善策として、ＰＰＧ信号を心臓収縮期間(systolic upstroke time)と心臓拡張期間(diastolic time)にわけて、前者を圧縮血圧、後者を拡張血圧と対応させ、線形自己回帰モデルで血圧を推定する方法が提案されている。上記方法と類似の技術が、例えば、特許文献１で開示されている。

特開平１１−１５５８２６号公報

上述した線形自己回帰モデルで血圧を推定する方法において、血圧の線形自己回帰モデル作りにはリファレンス血圧値を用いて被測定者ごとにキャリブレイションしなければ正確な血圧が得られない。すなわち、キャリブレイション用のリファレンス血圧値を得るべく被測定者にカフ型の血圧計等による別の血圧測定装置を用いた血圧測定を強いる手間を要する。この手間は、手軽に血圧を測れるように設計されたウェアラブル血圧計の使い勝手を大幅に劣化させてしまうという問題点があった。

この発明は上記問題点を解決するためになされたもので、使い勝手がよく、かつ正確に血圧測定ができる血圧測定装置を得ることを目的とする。

この発明に係る請求項１記載の血圧測定装置は、被測定者の脈拍を検出して光電脈拍信号を得る光電脈拍センサーと、前記光電脈拍信号に基づき前記被測定者の測定血圧を得る血圧測定部とを備え、前記血圧測定部は、前記光電脈拍信号に基づき時間情報を生成し、パラメータ情報を受け、前記時間情報及び前記パラメータ情報に血圧導出式を適用して前記測定血圧を算出する血圧算出部と、前記被測定者用の基本血圧情報及び前記時間情報を受け、前記時間情報に対し統計処理を実行して得られる統計時間情報及び前記基本血圧情報に学習演算式を適用して前記パラメータ情報を更新する学習処理を行うパラメータ学習部とを備え、前記基本血圧情報は、基準血圧及び前記基準血圧の変動幅である血圧変動幅を含み、前記時間情報は、前記光電脈拍信号の上昇及び下降のうち一方の方向に遷移する時間である遷移時間を含み、前記統計時間情報は、前記遷移時間を複数取り込んで得られる複数の遷移時間の平均値である時間平均値及び前記複数の遷移時間の標準偏差である時間標準偏差を含み、前記パラメータ情報は第１及び第２のパラメータを含み、前記血圧導出式は前記第１のパラメータを前記時間情報に対応する係数とし、前記第２のパラメータを定数項として用いた式を含み、前記基準血圧をＳＢＰ、前記血圧変動幅をδ、前記時間平均値をｔｍ、前記時間標準偏差をσ _ｔ 、前記第１のパラメータをａ１、前記第２のパラメータをｂ１としたとき、前記学習演算式は、以下の式で規定されることを特徴とする。
ＳＢＰ・（１＋δ）＝ａ１・（ｔｍ−σ _ｔ ）＋ｂ１
ＳＢＰ・（１−δ）＝ａ１・（ｔｍ＋σ _ｔ ）＋ｂ１

請求項１記載の本願発明の血圧測定装置における血圧算出部は、血圧導出式を適用して測定血圧を算出する際、パラメータ学習部により逐次更新される最新のパラメータ情報を用いることにより、正確な測定血圧を得ることができる。この際、パラメータ学習部は被測定者用として受ける基本血圧情報を利用して学習処理を行うため、学習処理時に被測定者に実際の血圧測定を強いる等の手間を省くことができる。

その結果、請求項１記載の本願発明の血圧測定装置は、使い勝手がよく、かつ正確な測定血圧を得ることができる効果を奏する。

この発明の実施の形態である血圧測定装置の全体構成を示すブロック図である。 図１で示した信号処理部、血圧算出部及びパラメータ学習部それぞれの内部構成を示すブロック図である。 ピーク検出部によるピーク位置の検出状況を示すグラフである。 ピーク検出部によるピーク位置の検出状況を示すグラフである。 単一脈拍信号の波形を示すグラフである。

（１．全体構成）
図１はこの発明の実施の形態である血圧測定装置の全体構成を示すブロック図である。同図に示すように、本実施の形態は光電脈拍センサーであるＰＰＧセンサー１、血圧測定部１１及びディスプレイ９から構成される。

ＰＰＧセンサー１は、発光素子から腕、指などに光を照射し、その反射光または透過光を受光素子で検出し、受光信号を電気信号に変換して脈拍を検出することにより光電脈拍信号Ｓ１（ＰＰＧ信号）を血圧測定部１１に出力する。ＰＰＧセンサー１の光電脈拍信号Ｓ１のサンプリング周期は１００〜３００Ｈｚ程度である。

血圧測定部１１は光電脈拍信号Ｓ１に基づき、血圧導出式を用いて最大血圧（値）や最小血圧（値）となる測定血圧を測定し、測定血圧を指示する血圧情報ＢＰを出力する。ディスプレイ９は血圧情報ＢＰの指示する測定血圧を視覚認識可能に表示する。

このような構成の血圧測定装置はＰＰＧセンサー１及びディスプレイ９を搭載した腕等に装着可能なＣＰＵ等を内蔵する演算ユニットに血圧測定部１１の機能を持たせた例えば腕時計型のコンパクトなウェアラブル装置として実現可能である。

（２．血圧測定部）
血圧測定部１１は、ＡＤＣ２、バッファ３、バッファ４、信号処理部５、血圧算出部６、パラメータ学習部７及びタイミング制御部８から構成される。ウェアラブルな血圧測定装置を実現する場合、血圧測定部１１内の上記構成部２〜８はそれぞれ、少なくとも一部はソフトウェアに基づくＣＰＵを用いたプログラム処理によって実行される。

ＡＤＣ２は光電脈拍信号Ｓ１をＡ／Ｄ変換してディジタル化した脈拍信号Ｓ２をバッファ３に出力する。バッファ３は脈拍信号Ｓ２を３０〜６０秒周期でバッファリングして脈拍信号Ｓ３を出力する。バッファ４は脈拍信号Ｓ３を３〜５秒周期でバッファリングして脈拍信号Ｓ４を信号処理部５に出力する。信号処理部５は脈拍信号Ｓ４に対し種々の信号処理を施して脈拍信号Ｓ５を血圧算出部６に出力する。

血圧算出部６は脈拍信号Ｓ５に基づき時間情報ＣＴを算出し、受信したパラメータ情報ＰＲと時間情報ＣＴとを後述する血圧導出式に適用して測定血圧を算出する。すなわち、血圧算出部６は、バッファ４でバッファリングされた脈拍信号Ｓ４単位（３〜５秒周期）で測定血圧を算出する。

そして、血圧算出部６は、測定血圧を指示する血圧情報ＢＰをディスプレイ９に出力すると共に時間情報ＣＴをパラメータ学習部７に出力する。なお、血圧算出部６はさらに脈拍信号Ｓ５に基づき脈拍を測定することにより測定脈拍をさらに算出し、測定脈拍を指示する脈拍情報ＨＲをパラメータ学習部７に出力する脈拍測定機能を有している。

パラメータ学習部７は時間情報ＣＴに対し統計処理を施して統計時間情報ＴＪを得る。そして、統計時間情報ＴＪ及び後述する基本血圧情報ＪＢを学習演算式に適用してパラメータ情報ＰＲを更新し、更新したパラメータ情報ＰＲを血圧算出部６に出力する。

さらに、血圧算出部６は必要に応じて測定脈拍機能により脈拍情報ＨＲを出力し、パラメータ学習部７は必要に応じて、脈拍情報ＨＲに対して統計処理を施して統計脈拍情報ＰＪを得、統計時間情報ＴＪ及び基本血圧情報ＪＢに加え、統計脈拍情報ＰＪを学習演算式に適用してパラメータ情報ＰＲを得る。

タイミング制御部８はバッファ３からの脈拍信号Ｓ３の出力と、血圧算出部６の血圧情報ＢＰの出力とのタイミング等を制御する。

（２−１．信号処理部）
図２は図１で示した信号処理部５、血圧算出部６及びパラメータ学習部７それぞれの内部構成を示すブロック図である。同図(a) は信号処理部５の内部構成、同図(b) は血圧算出部６の内部構成、同図(c) はパラメータ学習部７の内部構成を示している。

まず、同図(a) を参照して、信号処理部５の内部構成を説明する。信号処理部５は、オフセット除去部５１、リサンプリング部５２、ベースライン除去部５３及びＬＰＦ(Low-pass filter)５４から構成される。

オフセット除去部５１は、脈拍信号Ｓ４の最初の入力レベルが“０”となるようにオフセット除去処理を行い、オフセット除去後の脈拍信号Ｓ４１をリサンプリング部５２に出力する。リサンプリング部５２は脈拍信号Ｓ４１が血圧と脈拍計算に適したデータレートになるようにリサンプリング処理して脈拍信号Ｓ４２を出力する。ベースライン除去部５３は脈拍信号Ｓ４２からベースラインとなる信号波を除去して脈拍信号Ｓ４３をＬＰＦ５４に出力する。ＬＰＦ５４は脈拍信号Ｓ４３に対し遮断周波数より高い周波数の成分を除去するフィルタリング処理を行って脈拍信号Ｓ５を出力する。

（２−２．血圧算出部）
次に、同図(b) 参照して、血圧算出部６の内部構成を説明する。血圧算出部６は、ピーク検出部６１、波形選択部６２、波形分離部６３、時間情報抽出部６４及び脈拍・血圧演算部６５から構成される。

ピーク検出部６１は、脈拍信号Ｓ５から最大あるいは最小を示すピーク位置ＰＫを検出する。図３及び図４はピーク検出部６１によるピーク位置ＰＫの検出状況を示すグラフである。図３及び図４の横軸はサンプル数を示しており、光電脈拍信号Ｓ１のサンプリング周波数１００Ｈｚに対応すべく、単位を（ｍｓ（ミリ秒）×１０）として図示している。一方、図３及び図４の縦軸はスペクトル強度を示している。スペクトル強度は相対的な大きさとして示している。

ピーク検出部６１は、図３に示す検出波形Ｗ１の脈拍信号Ｓ５が得られた場合、例えば負の方向におけるピーク位置ＰＫ１〜ＰＫ６を検出する。これらピーク位置ＰＫ１〜ＰＫ６それぞれのスペクトル強度及び時間を指示する情報を含むピーク情報ＪＰ１及び脈拍信号Ｓ５を波形選択部６２に出力する。同様にして、ピーク検出部６１は、図４に示す検出波形Ｗ２の脈拍信号Ｓ５が得られた場合、例えば、負の方向におけるピーク位置ＰＫ１１〜ＰＫ１５を検出する。

波形選択部６２は各ピーク位置ＰＫｉ間の時間距離（隣接するピーク位置ＰＫｉ（ＰＫ１i），ＰＫ（ｉ＋１）（ＰＫ１（ｉ＋１））間の差分時間；以下、「ピーク間距離」と略記する。）のバラツキの大きさによって正常波形かどうかを判断し、異常波形は棄却する。

例えば、図３で示す検出波形Ｗ１のピーク位置ＰＫ１〜ＰＫ６間のピーク間距離はバラツキが少ないため正常波形と判定し、図４で示す検出波形Ｗ２のピーク位置ＰＫ１１〜ＰＫ１５間のピーク間距離はバラツキが大きいため異常波形と判定する。

さらに、棄却されず正常波形と認めた脈拍信号Ｓ５の波形のピーク間距離の平均値が許容範囲内であれば、当該平均値を測定脈拍ｐの計算用に利用可能な正常波形とし、許容範囲でない場合、以降の処理に使用することなく棄却する。なお、許容範囲として許容最小値と許容最大値とが通常設定され、平均値が許容最小値以上でかつ、許容最大値以下であれば許容範囲内となる。

このように、波形選択部６２は、受信した脈拍信号Ｓ５に対し、ピーク情報ＪＰ１に基づき、条件(1)「ピーク間距離のバラツキが異常波形でないこと」、条件(2)「ピーク間距離の平均値が許容範囲内にあること」を共に満足する脈拍信号Ｓ５を選択脈拍信号Ｓ５２として波形分離部６３に出力する。

以下、波形選択部６２の上記判条件(1)，(2)に沿った処理を具体的に説明する。バッファ４でバッファリングされた５秒間分の脈拍信号Ｓ５において、ピーク位置ＰＫを検出し、各ピーク間距離を算出する。例えば、ピーク距離として｛ｔ１,ｔ２,ｔ３,ｔ４,ｔ５｝が得られたする。その中の最大値ｔ＿ｍａｘ＝ｍａｘ（ｔ１,ｔ２,ｔ３,ｔ４,ｔ５）、最小値ｔ＿ｍｉｎ＝ｍｉｎ（ｔ１,ｔ２,ｔ３,ｔ４,ｔ５）とのバラツキ差が２０サンプル（光電脈拍信号Ｓ１が１００Ｈｚでサンプリングされる場合、２００ｍｓ相当）以上であれば、条件(1)を満足しない異常波形として棄却する。すなわち、上述したバラツキ差が２０サンプル以上ある場合、光電脈拍信号Ｓ１に基づき得られた脈拍信号Ｓ５に０．２秒以上のジッタが存在するため、異常波形と判定する。

一方、バラツキ差（ｔ＿ｍａｘ−ｔ＿ｍｉｎ）が２０サンプル未満の場合、条件(1)を満足すると判定する。条件(1)を満足すると、｛ｔ１,ｔ２,ｔ３,ｔ４,ｔ５｝の平均値ｔ＿ｍｅａｎを取り、平均値ｔ＿ｍｅａｎが３０〜１５０（ｍｓ×１０）（脈拍２００ｂｐｍ(Beats Per Minute)〜４０ｂｐｍ相当）内であれば、条件(2)を満足する脈拍信号Ｓ５であると判定し、当該脈拍信号Ｓ５を選択脈拍信号Ｓ５２として出力し、条件(2)を満足しない場合、脈拍信号Ｓ５は棄却される。このように、波形選択部６２脈拍信号Ｓ５に対し、条件(1)及び条件(2)による脈拍測定用の合格基準を課している。

なお、波形選択部６２は選択脈拍信号Ｓ５２を出力する際、ピーク情報ＪＰ１のうち選択脈拍信号Ｓ５２に対応するピーク情報をピーク情報ＪＰ２として併せて出力する。

波形分離部６３は選択脈拍信号Ｓ５２からピーク間距離によって規定される１波長分の単一脈拍信号Ｓ５３を順次抽出して出力する。なお、単一脈拍信号Ｓ５３の出力に際し対応するピーク情報ＪＰ２も併せて出力される。

時間情報抽出部６４は受信する単一脈拍信号Ｓ５３に対し、アップ時間ｓｔ（上昇時間）及びダウン時間ｄｔ（下降時間）を測定する。光電脈拍信号Ｓ１における単一脈拍信号Ｓ５３において、アップ時間ｓｔは上昇方向に遷移する遷移時間となり、ダウン時間ｄｔは下降方向に遷移する遷移時間となる。

図５は単一脈拍信号Ｓ５３の波形を示すグラフである。図５の横軸は図３及び図４と同様、時間単位（ｍｓ×１０）で示し、縦軸はスペクトル強度を示している。

同図に示すように、時間情報抽出部６４は、単一脈拍信号Ｓ５３の単一波形ＳＷから、単一脈拍信号Ｓ５３が正のピーク位置ＰＫに向けて常に上昇する時間であるアップ時間ｓｔ、正のピーク位置ＰＫから常に下降する時間であるダウン時間ｄｔを算出する。

そして、時間情報抽出部６４は、アップ時間ｓｔ及びダウン時間ｄｔそれぞれのバラツキが閾値以下であり、かつ、アップ時間ｓｔの平均値とダウン時間ｄｔの平均値との比である、アップ・ダウン（平均）時間比ｓｔ／ｄｔが許容範囲内にある場合、当該単一波形ＳＷを合格波形とし、合格波形のアップ時間ｓｔ及びダウン時間ｄｔを指示する時間情報ＣＴとして出力する。なお、時間情報ＣＴの出力に際し、ピーク情報ＪＰ２のうち合格波形に対応するピーク情報であるピーク情報ＪＰ４が併せて出力される。

一方、時間情報抽出部６４は、アップ時間ｓｔ及びダウン時間ｄｔそれぞれのバラツキが閾値を超える、あるいは、アップ・ダウン時間比ｓｔ／ｄｔが許容範囲外にある場合、当該単一波形ＳＷは異常波形とし、異常波形のアップ時間ｓｔ及びダウン時間ｄｔは棄却され、時間情報ＣＴとして出力されることはない。

以下、時間情報抽出部６４の合格波形の判定処理について具体的に説明する。時間情報抽出部６４は、波形分離部６３から一単位の脈拍信号Ｓ５から得られた複数の単一脈拍信号Ｓ５３を得る。そして、時間情報抽出部６４は、複数の単一脈拍信号Ｓ５３におけるアップ時間ｓｔの最大値ｓｔ＿ｍａｘと最小値ｓｔ＿ｍｉｎとの差、及びダウン時間ｄｔの最大値ｄｔ＿ｍａｘと最小値ｄｔ＿ｍｉｎの差が共に２０サンプル以内の場合、かつ、複数の時間情報抽出部６４におけるアップ時間ｓｔの平均値ｓｔ＿ｍｅａｎとダウン時間ｄｔの平均値ｄｔ＿ｍｅａｎとの比ｓｔ＿ｍｅａｎ／ｄｔ＿ｍｅａｎ＜０．４であれば、血圧計算用の波形として合格波形とする。そして、時間情報抽出部６４は、合格波形の複数の単一脈拍信号Ｓ５３におけるアップ時間ｓｔ及びダウン時間ｄｔを指示する時間情報ＣＴを次段の脈拍・血圧演算部６５に出力する。

脈拍・血圧演算部６５は時間情報抽出部６４より得た時間情報ＣＴ及びパラメータ学習部７より得たパラメータ情報ＰＲに血圧導出式を適用し測定血圧（最大血圧，最小血圧）を算出し、測定血圧を指示する血圧情報ＢＰをディスプレイ９に出力する。この際、血圧情報ＢＰの算出に用いた時間情報ＣＴをパラメータ学習部７に出力する。

さらに、脈拍・血圧演算部６５は、必要に応じて、ピーク情報ＪＰ４に指示されたピーク間距離の平均値に基づき、測定脈拍ｐを算出し、測定脈拍を指示する脈拍情報ＨＲをパラメータ学習部７に出力する。なお、測定脈拍ｐはある期間（たとえば5秒間）内の各ピーク間距離それぞれから算出した各脈拍を平均するようにしても良い。

（２−２−１．血圧導出式：演算モデルＩ）
血圧導出式における演算モデルＩは、測定血圧をｂｐ、アップ時間ｓｔの平均値ｓｔｇあるいはダウン時間ｄｔの平均値ｄｔｇである遷移時間平均値ｔｇ、パラメータ情報ＰＲにより指示される第１及び第２のパラメータをパラメータａ１及びｂ１としたとき、以下の式(a) で規定される。なお、平均値ｓｔｇ及び平均値ｄｔｇは、バッファ４でバッファリングされた脈拍信号Ｓ４に準拠した脈拍信号Ｓ５から抽出したＭ個の単一脈拍信号Ｓ５３におけるＭ個のアップ時間ｓｔの平均値及びＭ個のダウン時間ｄｔの平均値を意味する。

ｂｐ＝ａ１・ｔｇ＋ｂ１…(a)

上記式(a) は線形自己回帰モデルである。 なお、例えば、バッファ４のバッファリング期間を５秒とした場合、Ｍは５，６個程度となる（図３，４参照）。

このように、血圧導出式の演算モデルＩである式(a) は時間情報である遷移時間平均値ｔｇに対応する係数であるパラメータａ１（第１のパラメータ）と、定数項となるパラメータｂ１（第２のパラメータ）とを用いて設定されている。

上述したように、遷移時間平均値ｔｇとしてＭ個のアップ時間ｓｔの平均値ｓｔｇあるいはＭ個のダウン時間ｄｔの平均値ｄｔｇが用いられる。アップ時間平均値ｓｔｇに基づく測定血圧ｂｐが最大血圧（値）ｂｐMAXとなり、ダウン時間平均値ｄｔｇに基づく測定血圧ｂｐが最小血圧（値）ｂｐMinとなる。すなわち、式(a) は正確には以下の式(as) 及び式(ad) に細分化される。

ｂｐMAX＝ａ１ｓ・ｓｔｇ＋ｂ１ｓ…(as)
ｂｐMin＝ａ１ｄ・ｄｔｇ＋ｂ１ｄ…(ad)

このように、第１のパラメータであるパラメータａ１はパラメータａ１ｓ及びパラメータａ１ｄに細分化され、第２のパラメータであるパラメータｂ１はパラメータｂ１ｓ及びパラメータｂ１ｄに細分化される。

（２−２−２．血圧導出式：演算モデルＩＩ）
血圧導出式における線形自己回帰モデルである演算モデルＩＩは、測定血圧をｂｐ、測定脈拍をｐ、遷移時間平均値をｔｇ、パラメータ情報ＰＲより指示される第１、第２及び第３のパラメータをａ２、ｂ２及びｃ２としたとき、以下の式(b)で規定される。

ｂｐ＝ａ２・ｔｇ＋ｂ２・ｐ＋ｃ２…(b)

上記式(b) は線形自己回帰モデルである。このように、血圧導出式の演算モデルＩＩである式(b) は時間情報である遷移時間平均値ｔｇに対応する係数であるパラメータａ２（第１のパラメータ）と、脈拍情報である測定脈拍ｐに対応する係数であるパラメータｂ２（第２のパラメータ）と、定数項となるパラメータｃ２（第３のパラメータ）とを用いて設定されている。

演算モデルＩＩにおいても、演算モデルＩと同様に、アップ時間平均値ｓｔｇに基づく測定血圧ｂｐが最大血圧（値）ｂｐMAXとなり、ダウン時間平均値ｄｔｇに基づく測定血圧ｂｐが最小血圧（値）ｂｐMinとなる。すなわち、式(b) は以下の式(bs) 及び式(bd) に細分化される。

ｂｐMAX＝ａ２ｓ・ｓｔｇ＋ｂ２ｓ・ｐ＋ｃ２ｓ…(bs)
ｂｐMIN＝ａ２ｄ・ｄｔｇ＋ｂ２ｄ・ｐ＋ｃ２ｄ…(bd)

このように、第１のパラメータであるパラメータａ２はパラメータａ２ｓ及びパラメータａ２ｄに細分化され、第２のパラメータであるパラメータｂ２はパラメータｂ２ｓ及びパラメータｂ２ｄに細分化され、第３のパラメータであるパラメータｃ２はパラメータｃ２ｓ及びパラメータｃ２ｄに細分化される。

上述したように、脈拍・血圧演算部６５は、時間情報ＣＴにおける遷移時間平均値ｔｇ（アップ時間平均値ｓｔｇ及びダウン時間平均値ｄｔｇ）を、式(a)（式(as) 及び式(ad)） あるいは式(b)（式(bs) 及び式(bd)）で規定される血圧導出式に適用することにより、測定血圧ｂｐ（ｂｐMAX，ｂｐMin）を算出することができる。

（２−３．従来のキャリブレイション）
上述したパラメータａ１及びｂ１、パラメータａ２〜ｃ２は測定血圧ｂｐを導出する際の重要な値であり、パラメータの決定方法はキャリブレイションと呼ばれる。

まず、従来のキャリブレイション方法を演算モデルＩの式(a) を例に挙げて説明する。正確なパラメータａ１及びｂ１を得るべく、被測定者は本血圧測定装置以外の実際の血圧計（リファレンス血圧計）を用いて血圧を測定してリファレンス血圧を得る必要がある。例えば、本実施の形態の血圧測定装置が用いたｎ個の遷移時間平均値ｔｇ１〜ｔｇｎを測定すると共に、上記リファレンス血圧計を用いてｎ個の遷移時間平均値ｔｇ１〜ｔｇｎ対応するｎ個のリファレンス血圧ｂｐ１〜ｂｐｎを得る。その結果、以下の式(3)（式(31)〜式(3n)）に示すように、ｎ本の連立方程式を立てることができる。

そして、ｎ個の遷移時間平均値ｔｇ１〜ｔｇｎ及びリファレンスｂｐ１〜ｂｐｎを式(3)に代入し、左辺（リファレンス血圧計の実測値）と右辺（式(a) により求めた測定血圧）との自乗誤差が最小となるように、ＬＳ(Least Square)アルゴリズムで計算して、最終的にパラメータａ１及びｂ１を決定する。

従来のキャリブレイションでは被測定者ごとに本実施の形態の血圧測定装置とは別のリファレンス血圧計を使って、式(3)の連立方程式を得るべく、ｎ回（数十回）の血圧測定を予め行う必要性がある。この必要性はウェアラブル用で手軽に血圧を測ることを主目的とした血圧測定装置の使い勝手を大幅に低下させてしまうことになる。このような従来のキャリブレイションの問題解消を図ったのが以下で述べる、本実施の形態の血圧測定装置におけるパラメータ学習部７である。

（２−４．パラメータ学習部）
図２(c) に示すように、パラメータ学習部７は時間情報蓄積部７１、パラメータ変更部７２及び時間情報保存部７３から構成される。

時間情報蓄積部７１は血圧算出部６より時間情報ＣＴを受け、必要に応じて脈拍情報ＨＲも受信する。すなわち、血圧算出部６が式(b)で規定する演算モデルＩＩを用いて測定血圧を得る場合は脈拍情報ＨＲも併せて受信する。

時間情報蓄積部７１は内部に時間情報ＣＴが指示する遷移時間ｔ（アップ時間ｓｔ及びダウン時間ｄｔ）及び脈拍情報ＨＲが指示する測定脈拍ｐを統計処理に必要なＫ個分格納するレジスタ（図示せず）を有している。なお、Ｋとしては例えば“３０”個程度が想定され、血圧算出部６による遷移時間平均値ｔｇ用のＭ個より十分大きな値に設定される。

レジスタ内にＫ個の遷移時間ｔ（アップ時間ｓｔまたはダウン時間ｄｔ）及び測定脈拍ｐが格納されるまでは、予め設定した遷移時間ｔ及び測定脈拍ｐ、あるいは後述する時間情報保存部７３に保存された過去の時間情報ＣＴが指示する遷移時間ｔ、測定脈拍ｐを利用して、Ｋ個の遷移時間ｔ及びＫ個の測定脈拍ｐを準備する。

Ｋ個の遷移時間ｔ及び測定脈拍ｐが準備されると、取り込んだＫ個の遷移時間ｔ（複数の遷移時間）に基づき、Ｋ個の遷移時間ｔにおける平均値である時間平均値ｔｍ、及び標準偏差である時間標準偏差σ _ｔを求める第１の統計処理を行う。

さらに、時間情報蓄積部７１は必要に応じてＫ個の遷移時間ｔにおける最大値である最大時間ｔ_ｍａｘ（時間最大値）、最小値である最小時間ｔ_ｍｉｎ（時間最小値）を求める第２の統計処理を行う。

加えて、時間情報蓄積部７１は、必要に応じてＫ個の測定脈拍ｐに基づき、Ｋ個の測定脈拍ｐにおける平均値である脈拍平均値ｐｍ、及び標準偏差である脈拍標準偏差σ _ｐ、最大値である最大脈拍ｐ_ｍａｘ（脈拍最大値）、最小値である最小脈拍ｐ_ｍｉｎ（脈拍最小値）を求める第３の統計処理を行う。

時間情報蓄積部７１は、血圧算出部６が式(b)で規定する演算モデルＩＩを用いて測定血圧を得る場合は、上述した第１〜第３の統計処理を全て行い、血圧算出部６が式(a)で規定する演算モデルＩを用いて測定血圧を得る場合は、上述した第１の統計処理のみを行う。

これらＫ個の遷移時間ｔに基づき得られた情報（時間平均値ｔｍ、時間標準偏差σ _ｔ、最大時間ｔ_ｍａｘ、最小時間ｔ_ｍｉｎ）が統計時間情報ＴＪとなり、測定脈拍ｐに基づき得られた情報（脈拍平均値ｐｍ、脈拍標準偏差σ _ｐ、最大脈拍ｐ_ｍａｘ、最小脈拍ｐ_ｍｉｎ）が統計脈拍情報ＰＪとなる。

なお、上記では、第１及び第２の統計処理に用いる遷移時間ｔの個数と、第３の統計処理に用いる測定脈拍ｐの個数とを同数のＫ個の場合を示したが、統計処理に用いる遷移時間ｔの個数と測定脈拍ｐの個数を異なる値に設定しても良い。

時間情報蓄積部７１は、時間情報ＣＴ（必要に応じて脈拍情報ＨＲ）、統計時間情報ＴＪ（及び必要に応じて統計脈拍情報ＰＪ）を次段のパラメータ変更部７２に出力する。

時間情報蓄積部７１はさらに外部より受信した基本血圧情報ＪＢを他のレジスタに格納しており、基本血圧情報ＪＢをそのままパラメータ変更部７２に出力する。

パラメータ変更部７２は、時間情報蓄積部７１より、時間情報ＣＴ、基本血圧情報ＪＢ、及び統計時間情報ＴＪと、必要に応じて脈拍情報ＨＲ及び統計脈拍情報ＰＪを受け、基本血圧情報ＪＢ、統計時間情報ＴＪ（及び必要に応じて統計脈拍情報ＰＪ）を学習演算式に適用して、血圧導出式用のパラメータを更新し、更新したパラメータを指示するパラメータ情報ＰＲを血圧算出部６の脈拍・血圧演算部６５に出力する。

（２−４−１．学習演算式：演算モデルＩ対応）
式(a) の演算モデルＩに対応する学習演算式は、以下の式(1) で規定される。式(1)は式(11)と式(12)との組み合わせにより構成される。なお、式(1)におけるＳＢＰは基準血圧、δは基準血圧ＳＢＰの血圧変動幅δであり、基準血圧ＳＢＰ及び血圧変動幅δは基本血圧情報ＪＢによって指示される。

なお、時間平均値ｔｍとして具体的にはアップ時間平均値ｓｔｍあるいはダウン時間平均値ｄｔｍが用いられ、血圧導出式である式(as)に用いられるパラメータａ１ｓ及びｂ１ｓに対応して以下の式(1s)が用いられ、血圧導出式である式(ad)に用いられるパラメータａ１ｄ及びｂ１ｄに対応して以下の式(1d)が用いられる。すなわち、式(1) は正確には以下の式(1s)及び式(1d) に細分化される。

このように、式(1)のパラメータａ１は式(1d)及び式(1s)のパラメータａ１ｓ及びパラメータａ１ｄに細分化され、式(1)のパラメータｂ１は式(1d)及び式(1s)のパラメータｂ１ｓ及びパラメータｂ１ｄに細分化される。

パラメータ変更部７２は、上述した式(1)（式(1s)及び式(1d)）の連立方程式を解法する学習処理を実行することにより、パラメータａ１（ａ１ｓ，ａ１ｄ）及びパラメータｂ１（ｂ１ｓ，ｂ１ｄ）を求め、求めたパラメータａ１及びパラメータｂ１を指示するパラメータ情報ＰＲを血圧算出部６の脈拍・血圧演算部６５に出力する。

（２−４−２．学習演算式：演算モデルＩＩ対応）
式(b)の演算モデルＩＩに対応する学習演算式は、以下の式(2)で規定される。式(2)は、式(21)と式(22)の組み合わせにより構成される。

なお、演算モデルＩＩは、演算モデルＩ対応の場合と同様、時間平均値ｔｍとして具体的にはアップ時間平均値ｓｔｍあるいはダウン時間平均値ｄｔｍが用いられ、血圧導出式である式(bs)に用いられるパラメータａ１ｓ〜ｃ１ｓに対応して以下の式(2s)が用いられ、血圧導出式である式(bd)に用いられるパラメータａ１ｄ〜ｃ１ｄに対応して以下の式(2d)が用いられる。すなわち、式(2) は正確には以下の式(2s)及び式(2d) に細分化される。

このように、式(2)のパラメータａ２は式(2s)及び式(2d)のパラメータａ２ｓ及びパラメータａ２ｄに細分化され、式(2)のパラメータｂ２は式(2s)及び式(2d)のパラメータｂ２ｓ及びパラメータｂ２ｄに細分化され、式(2)のパラメータｃ２は式(2s)及び式(2d)のパラメータｃ２ｓ及びパラメータｃ２ｄに細分化される。

パラメータ変更部７２は、上述した式(2)（式(2s)及び式(2d)）の連立方程式を解法する学習処理を実行することにより、パラメータａ２（ａ２ｓ，ａ２ｄ）、パラメータｂ２（ｂ２ｓ，ｂ２ｄ）及びパラメータｃ２（ｃ２ｓ，ｃ２ｄ）を求め、求めたパラメータａ２、パラメータｂ２及びパラメータｃ２を指示するパラメータ情報ＰＲを血圧算出部６の脈拍・血圧演算部６５に出力する。

（２−４−３．時間情報保存部）
時間情報保存部７３はパラメータ変更部７２より得た時間情報ＣＴ（必要に応じて脈拍情報ＨＲ）を内部のフラッシュメモリ等に保存する。この保存する情報した情報は、レジスタ内にＫ個の遷移時間ｔ（Ｋ個の測定脈拍ｐ）が格納されていない場合、時間情報蓄積部７１の第１〜第３の統計処理に用いられる。

（３．効果）
このように、本実施の形態の血圧測定装置における血圧算出部６は、式(a) あるいは式(b)で規定される血圧導出式を適用して測定血圧を算出する際、パラメータ学習部７により逐次更新される最新のパラメータ情報ＰＲを用いることにより、正確な測定血圧を得ることができる。この際、パラメータ学習部７は被測定者用として受ける基本血圧情報ＪＢを利用して式(1)あるいは式(2)の連立方程式を解法する学習処理を行うため、学習処理時に被測定者に本実施の形態の血圧測定装置以外の血圧計を用いた実際の血圧測定を強いる等の手間を省くことができる。

その結果、本実施の形態の血圧測定装置は、使い勝手がよく、かつ正確な測定血圧を得ることができる効果を奏する。

本実施の形態の血圧測定装置における血圧算出部６は、上述した演算モデルＩを採用する場合、第１及び第２のパラメータであるパラメータａ１及びｂ１並びに時間情報である時間平均値ｔｇに式(a) で規定する血圧導出式を適用することにより、時々刻々得られる光電脈拍信号Ｓ１に基づき算出された時間平均値ｔｇから測定血圧をリアルタイムに得ることができる。

この際、パラメータ学習部７は、基準血圧ＳＢＰ及び血圧変動幅δ、並びに統計時間情報ＴＪである時間平均値ｔｍ及び時間標準偏差σ _ｔに上記式(1)（式(1s)及び式(1d)）で規定された学習演算式を適用する学習処理を行う。そして、パラメータ学習部７は、式(1)の連立方程式を解法してパラメータａ１及びｂ１を適宜更新することにより、式(a) で規定される血圧導出式の信頼度を高く維持することができる。

本実施の形態の血圧測定装置における血圧算出部６は、演算モデルＩＩを採用する場合、第１〜第３のパラメータでるパラメータａ２〜ｃ２、時間情報である時間平均値ｔｇ、及び脈拍情報である測定脈拍ｐに式(b)で規定される血圧導出式を適用することにより、時々刻々取得する光電脈拍信号Ｓ１に基づき算出された時間平均値ｔｇ及び測定脈拍ｐから測定血圧をリアルタイムに得ることができる。

この際、パラメータ学習部７は、基準血圧ＳＢＰ及び血圧変動幅δ、統計時間情報ＴＪである時間平均値ｔｍ、最大時間ｔ_ｍａｘ（時間最大値）、最小時間ｔ_ｍｉｎ（時間最小値）、時間標準偏差σ _ｔ、並びに統計脈拍情報ＰＪである脈拍平均値ｐｍ、最大脈拍ｐ_ｍａｘ（脈拍最大値）、最小脈拍ｐ_ｍｉｎ（脈拍最小値）及び脈拍標準偏差σ _ｐに、上記式(2)で規定された学習演算式を適用する学習処理を行う。そして、パラメータ学習部７は、式(2)の連立方程式を解法してパラメータａ２〜ｃ２を適宜更新することにより、式(b)で規定される血圧導出式の信頼度を高く維持することができる。

加えて、本実施の形態１の血圧算出部６は、アップ時間ｓｔ（上昇時間）に対応する最大血圧導出式である式(as) あるいは式(bs)により最大血圧を指示する測定血圧である最大血圧（値）ｂｐMAXを取得する。

この際、パラメータ学習部７により、最大血圧学習演算式である式(1s)あるいは式(2s)を適用することにより、最大血圧導出式用のパラメータであるパラメータａ１ｓ及びｂ１ｓあるいはパラメータａ２ｓ〜ｃ２ｓを適宜更新することにより、最大血圧導出式（式(as) あるいは式(bs)）の信頼度を高く維持することができる。

さらに、血圧測定部１１は、ダウン時間ｄｔ（下降時間）に対応する最小血圧導出式である式(ad) あるいは式(bd)により最小血圧を指示する測定血圧である最小血圧ｂｐMinを取得する。

この際、パラメータ学習部７により、最小血圧学習演算式である式(1d)あるいは式(2ds)を適用することにより、最小血圧導出式用のパラメータであるパラメータａ１ｄ及びｂ１ｄあるいはパラメータａ２ｄ〜ｃ２ｄを適宜更新することにより、最小血圧導出式（式(ad) あるいは式(bd)）の信頼度を高く維持することができる。

（４．その他）
図２(b) で示した、血圧算出部６の波形選択部６２は条件(1)及び条件(2)を脈拍測定用の合格基準として課しているが、測定脈拍ｐを必要としない演算モデルＩ（式(a) ）を採用する場合、波形選択部６２による条件(1)及び条件(2)を課すことなく、脈拍信号Ｓ５をそのまま選択脈拍信号Ｓ５２として出力するようにしても良い。

図２(c) で示したパラメータ学習部７において、基本血圧情報ＪＢは時間情報蓄積部７１を経由してパラメータ変更部７２に伝達するように構成したが、基本血圧情報ＪＢを直接、パラメータ変更部７２に出力するように構成しても良い。

なお、本発明は、その発明の範囲内において、実施の形態を適宜、変形、省略することが可能である。

１ ＰＰＧセンサー
３，４ バッファ
５ 信号処理部
６ 血圧算出部
７ パラメータ学習部
９ ディスプレイ
１１ 血圧測定部
６５ 脈拍・血圧演算部
７１ 時間情報蓄積部
７２ パラメータ変更部

Claims (3)

1. 被測定者の脈拍を検出して光電脈拍信号を得る光電脈拍センサーと、
   前記光電脈拍信号に基づき前記被測定者の測定血圧を得る血圧測定部とを備え、
   前記血圧測定部は、
   前記光電脈拍信号に基づき時間情報を生成し、パラメータ情報を受け、前記時間情報及び前記パラメータ情報に血圧導出式を適用して前記測定血圧を算出する血圧算出部と、
   前記被測定者用の基本血圧情報及び前記時間情報を受け、前記時間情報に対し統計処理を実行して得られる統計時間情報及び前記基本血圧情報に学習演算式を適用して前記パラメータ情報を更新する学習処理を行うパラメータ学習部とを備え、
   前記基本血圧情報は、基準血圧及び前記基準血圧の変動幅である血圧変動幅を含み、
   前記時間情報は、前記光電脈拍信号の上昇及び下降のうち一方の方向に遷移する時間である遷移時間を含み、
   前記統計時間情報は、前記遷移時間を複数取り込んで得られる複数の遷移時間の平均値である時間平均値及び前記複数の遷移時間の標準偏差である時間標準偏差を含み、
   前記パラメータ情報は第１及び第２のパラメータを含み、
   前記血圧導出式は前記第１のパラメータを前記時間情報に対応する係数とし、前記第２のパラメータを定数項として用いた式を含み、
   前記基準血圧をＳＢＰ、前記血圧変動幅をδ、前記時間平均値をｔｍ、前記時間標準偏差をσ _ｔ 、前記第１のパラメータをａ１、前記第２のパラメータをｂ１としたとき、
   前記学習演算式は、以下の式(1)で規定されることを特徴とする、
   

   

   血圧測定装置。
2. 被測定者の脈拍を検出して光電脈拍信号を得る光電脈拍センサーと、
   前記光電脈拍信号に基づき前記被測定者の測定血圧を得る血圧測定部とを備え、
   前記血圧測定部は、
   前記光電脈拍信号に基づき時間情報を生成し、パラメータ情報を受け、前記時間情報及び前記パラメータ情報に血圧導出式を適用して前記測定血圧を算出する血圧算出部と、
   前記被測定者用の基本血圧情報及び前記時間情報を受け、前記時間情報に対し統計処理を実行して得られる統計時間情報及び前記基本血圧情報に学習演算式を適用して前記パラメータ情報を更新する学習処理を行うパラメータ学習部とを備え、
   前記血圧算出部は、前記光電脈拍信号に基づき、前記被測定者の脈拍を測定して測定脈拍をさらに算出し、
   前記血圧導出式は前記測定脈拍に基づく脈拍情報をさらに適用し、
   前記パラメータ学習部は、前記脈拍情報に対し統計処理を実行して統計脈拍情報をさらに取得し、
   前記基本血圧情報は、基準血圧及び前記基準血圧の変動幅である血圧変動幅を含み、
   前記時間情報は、各々が前記光電脈拍信号の上昇及び下降のうち一方の方向に遷移する時間である遷移時間を含み、
   前記統計時間情報は、前記遷移時間を複数取り込んで得られる複数の遷移時間の最大値、最小値及び平均値である時間最大値、時間最小値、時間平均値並びに前記複数の遷移時間の標準偏差である時間標準偏差を含み、
   前記統計脈拍情報は、前記測定脈拍を複数取り込んで得られる複数の測定脈拍の最大値、最小値及び平均値である脈拍最大値、脈拍最小値、及び脈拍平均値並びに前記複数の測定脈拍の標準偏差である脈拍標準偏差を含み、
   前記パラメータ情報は、第１、第２及び第３のパラメータを含み、
   前記血圧導出式は前記第１のパラメータを前記時間情報に対応する係数とし、前記第２のパラメータを前記脈拍情報に対応する係数とし、前記第３のパラメータを定数項として用いた式を含み、
   前記基準血圧をＳＢＰ、前記血圧変動幅をδ、前記時間最小値をｔ_ｍｉｎ、前記時間最大値をｔ_ｍａｘ、前記時間平均値をｔｍ、前記時間標準偏差をσ_ｔ、前記脈拍最小値をｐ_ｍｉｎ、前記脈拍最大値をｐ_ｍａｘ、前記脈拍平均値をｐｍ、前記脈拍標準偏差をσ_ｐ、前記第１のパラメータをａ２、前記第２のパラメータをｂ２、前記第３のパラメータをｃ２としたとき、
   前記学習演算式は、以下の式(2)で規定されること特徴とする、
   

   

   血圧測定装置。
3. 請求項１または請求項２記載の血圧測定装置であって、
   前記複数の遷移時間は、前記光電脈拍信号が上昇する方向に遷移する複数の上昇時間と、前記光電脈拍信号が下降する方向に遷移する複数の下降時間とを含み、
   前記血圧導出式は前記上昇時間に対応する最大血圧導出式と、前記下降時間に対応する最小血圧導出式とを含み、
   前記学習演算式は前記上昇時間に対応する最大血圧学習演算式と、前記下降時間に対応する最小血圧学習演算式とを含む、
   血圧測定装置。

Images