JP6878687B2 - モデル設定装置、非接触式血圧測定装置、モデル設定方法、モデル設定プログラム、および記録媒体 - Google Patents

Description

本開示は、モデル設定装置等に関し、より詳しくは、血圧予測モデルを設定するモデル設定装置、および該モデルを用いる非接触式血圧測定装置等に関する。

近年、人体の血圧を測定する技術として、人体に接触することなく血圧を測定（推定）する非接触式の血圧測定技術の開発が行われている（例えば、特許文献１〜３参照）。

この種の技術では、例えば、カメラにより撮像した画像を用いて、額および頬等の人体の異なる２部位における脈波から算出した脈波伝搬時間を用いて、血圧を予測する。

日本国公開特許公報「特開２０１７−１０４４９１号公報（２０１７年６月１５日公開）」 日本国公開特許公報「特開２０１６−１９００２２号公報（２０１６年１１月１０日公開）」 日本国公開特許公報「特開２０１５−０５４２２３号公報（２０１５年３月２３日公開）」

従来、脈波算出のため、各部位で対象領域を定め、対象領域内に含まれる複数画素の平均輝度値を計算し、その平均輝度値の変化から脈波を算出する技術がある。

しかしながら、血圧予測に最適な対象領域の大きさは考慮されておらず、血圧を精度良く予測する事が出来ないという問題がある。

本開示の目的の１つは、非接触式の血圧測定装置にて利用される血圧予測モデルを適切に設定することにより、当該血圧測定装置における血圧の予測精度を向上させることができるモデル設定装置等を提供することにある。

上記の課題を解決するために、本開示の一態様におけるモデル設定装置は、生体の第１および第２対象部位における脈波に基づいて当該生体の血圧を予測するためのモデルを設定するモデル設定装置であって、上記生体の血圧値と、当該血圧値を測定したときの当該生体の複数の画像と、の組み合わせを複数取得し、上記第１対象部位に、大きさの異なる複数の第１対象領域を設定するとともに、上記第２対象部位に、大きさの異なる複数の第２対象領域を設定する処理を、複数の上記組み合わせのそれぞれに含まれる複数の画像について行う領域設定部と、設定された複数の上記第１および第２対象領域を用いて上記生体の脈波を検出する検出部と、検出された脈波から上記第１および第２対象領域間の脈波伝搬時間を算出する算出部と、上記血圧値および上記脈波伝搬時間に基づいて、上記第１および第２対象領域を用いた血圧予測の精度を、上記第１および第２対象領域の大きさの組み合わせごとに評価する評価部と、上記評価部の評価結果に基づいて上記第１および第２対象領域の好ましい大きさを決定する決定部と、を備える構成である。

本開示の一態様におけるモデル設定方法は、生体の第１および第２対象部位における脈波に基づいて当該生体の血圧を予測するためのモデルを設定するモデル設定方法であって、上記生体の血圧値と、当該血圧値を測定したときの当該生体の複数の画像と、の組み合わせを複数取得する工程と、上記第１対象部位に、大きさの異なる複数の第１対象領域を設定するとともに、上記第２対象部位に、大きさの異なる複数の第２対象領域を設定する処理を、複数の上記組み合わせのそれぞれに含まれる複数の画像について行う工程と、設定された複数の上記第１および第２対象領域を用いて上記生体の脈波を検出する工程と、検出された脈波から上記第１および第２対象領域間の脈波伝搬時間を算出する工程と、上記血圧値および上記脈波伝搬時間に基づいて、上記第１および第２対象領域を用いた血圧予測の精度を、上記第１および第２対象領域の大きさの組み合わせごとに評価する工程と、上記評価に基づいて上記第１および第２対象領域の好ましい大きさを決定する工程と、を含む方法である。

本開示の一態様によれば、非接触式の血圧測定装置において、血圧の予測精度を向上させることができる。

実施の形態１に係る血圧測定システム構成を示す機能ブロック図である。 カメラの構成を示す概略図である。 データ取得部およびモデル設定ユニットにおける処理の流れの一例を示すフローチャートである。 領域設定部による第１および第２対象領域の設定方法を説明するための図である。 撮像画像の頬領域における各色の画素値の演算値を算出する処理を説明するための図である。 頬領域および額領域の脈波から算出される脈波伝搬時間を説明するための図である。 頬領域および額領域のサイズが３段階の場合の、頬領域および額領域における脈波伝搬時間とカフ血圧値との関係を示す図である。 頬領域および額領域の正方形の１行分に含まれる画素数と自由度調整済み決定係数との関係を示す図である。 額領域の脈波波形から波形情報を算出する方法を示す図である。 Lasso回帰を行った場合の平均二乗予測誤差と正則化パラメータとの関係を示すグラフである。 波形情報を用いていない場合と波形情報を用いてLasso回帰した場合との比較結果を示す図である。 実施の形態３に係るデータ取得部およびモデル設定ユニットにおける処理の流れの一例を示すフローチャートである。

本開示における演算装置等の理解を容易にするために、始めに、本開示の知見の概要について以下に説明する。

被検者の各部位で対象領域を定め、対象領域内に含まれる複数画素の平均輝度値を計算し、その平均輝度値の変化から脈波を算出することができる。このとき、対象領域が狭すぎる場合（平均化する画素数が少ない場合）、カメラ信号のノイズが大きく、微小な脈波信号が精度良く得られない。

一方、対象領域が広すぎる場合（平均化する画素数が多い場合）カメラ信号のノイズの影響は小さくなる反面、血管が表皮深くにあるような、脈波が検出しにくい領域を用いる可能性が高くなり、血圧予測に適さない脈波伝搬時間を算出してしまうと考えられる。

また、最適な対象領域には、個人差や部位差、測定部位差があると予想される。個人毎、測定部位毎に対象領域の大きさを最適化する事によって、血圧予測精度が高い脈波伝搬時間を算出することができる。

〔実施形態１〕
以下、本開示の一実施形態について、詳細に説明する。図１は、本実施の形態に係る血圧測定システム１００の構成を示す機能ブロック図である。血圧測定システム１００は、被検体（生体）の異なる２つの対象部位における脈波に基づいて当該被検体の血圧を予測する血圧測定装置１（非接触式血圧測定装置）を含むシステムである。図１に示すように、血圧測定システム１００は、血圧測定装置１、カメラ１０および血圧計２０を備えている。

カメラ１０は、複数の受光素子を含むイメージセンサー（不図示）を備えている。カメラ１０は、所定の時間間隔（例えば、フレームレートが３００ｆｐｓ）で被検体を複数回撮像し、その結果生成した複数の撮像画像を血圧測定装置１へ送信する。以下の説明では、カメラ１０は、複数の撮像画像を含む動画を血圧測定装置１へ送信するものとする。なお、カメラ１０は、血圧測定装置１と通信可能に接続されている必要はなく、上記動画を格納した記憶媒体を血圧測定装置１に挿入または接続することにより、当該動画を血圧測定装置１へ供給してもよい。

図２は、カメラ１０の構成を示す概略図である。図２に示すように、カメラ１０には、イメージセンサー（不図示）が備える複数の受光素子のそれぞれに、赤色フィルタ１１、第１緑色フィルタ１２、青色フィルタ１３、および第２緑色フィルタ１４のいずれかが備えられている。第２緑色フィルタ１４は、第１緑色フィルタ１２と同様に約５００ｎｍ〜約６００ｎｍの緑色の可視光波長領域の光を透過させ、さらに約８０５ｎｍ以上の近赤外線領域の波長の光を透過させる。

カメラ１０は、赤色フィルタ１１、第１緑色フィルタ１２、青色フィルタ１３、および第２緑色フィルタ１４をそれぞれ透過した光の強度（輝度）を検出し、撮像画像を生成する。上述の４種類のフィルタのいずれかが設けられた受光素子によって、撮像画像における各画素が形成される。

カメラ１０は、赤色フィルタ１１、第１緑色フィルタ１２、青色フィルタ１３および第２緑色フィルタ１４を透過した光の強度に基づいて、被検体を撮像した動画を生成し、生成した動画を血圧測定装置１へ出力する。

なお、カメラ１０は、第２緑色フィルタ１４に替えて、約８０５ｎｍ以上の近赤外線領域の波長の光を透過させる赤外光フィルタを備えていてもよい。また、カメラ１０は、赤色フィルタ１１、第１緑色フィルタ１２および青色フィルタ１３の３色のフィルタを備えていてもよい。

血圧計２０は、被検体の血圧を測定する接触式の血圧計であり、例えばカフ血圧計である。血圧計２０は、血圧測定装置１と通信可能に接続されており、血圧計２０によって測定された血圧値は、血圧測定装置１のデータ取得部２へ送信される。なお、血圧計２０によって測定された血圧値をユーザが血圧測定装置１の入力部（不図示）を介して血圧測定装置１に入力してもよい。

カメラ１０が撮像した動画の撮像中に血圧計２０によって血圧が測定される必要がある。そのため、血圧測定装置１は、カメラ１０による撮像と血圧計２０による測定とが同時期に行われるように、カメラ１０および血圧計２０を制御する。

図１に示すように、血圧測定装置１は、データ取得部２、モデル設定ユニット３（モデル設定装置）、メモリ４、血圧測定ユニット５および表示部６を備えている。図３は、データ取得部２およびモデル設定ユニット３における処理の流れの一例を示すフローチャートである。

データ取得部２は、血圧計２０から被検体の血圧値（血圧値データ）を受信するとともに、カメラ１０から被検体の動画（動画データ）を受信し、受信した血圧値および動画をメモリ４に格納する（Ｓ１）。メモリ４は、不揮発性の記憶装置である。

血圧値データと動画データとは対応付けられており、これらのデータの組み合わせは、被検体の血圧値と、当該血圧値を測定したときの当該被検体の複数の画像との組み合わせに相当する。上記動画データは、例えば、被検体の顔を６０秒間撮像した動画のデータである。上記血圧値データは、当該動画を撮像したとき（上記６０秒の間）に血圧計２０で当該被検体を測定することによって得られた血圧値を示すデータである。このような血圧値データと動画データとの組み合わせをデータセットと称する。

データ取得部２は、血圧値が互いに異なる複数のデータセットを取得する。本実施形態では、データ取得部２は、１４個のデータセットを取得するものとする。これらのデータセットのうちの第１データセットには、第１動画と第１血圧値とが含まれており、第ｎデータセットには、第ｎ動画と第ｎ血圧値とが含まれている。データセットに含まれる動画データは、例えば、縦４８０×横６４０画素の６０秒の顔動画（計１８０００フレーム）である。データ取得部２は、モデル設定ユニット３および血圧測定ユニット５のそれぞれに設けられていてもよい。

被検体の血圧は、例えばエアロバイク（登録商標）運動（負荷５０Ｗ〜８０Ｗ）によって変動させることができる。安静時のデータセットと、血圧を変化させた時の複数のデータセットとをデータ取得部２は取得する。なお、本実施形態では、被検体の顔がカメラ１０に対して動かないように固定されており、全１４個の動画において顔の動きはほとんどない条件である。

図１に示すように、モデル設定ユニット３は、領域設定部３１、脈波検出部３２、伝搬時間算出部３３、評価部３４、領域決定部３５およびモデル設定部３６を備えている。

領域設定部３１は、メモリ４に格納された被検体の動画に含まれる撮像画像のそれぞれにおいて、脈波を検出する対象となる領域（対象領域）を設定する。具体的には、領域設定部３１は、顔領域８０における２つの対象部位のそれぞれについて、大きさの異なる複数の第１および第２対象領域を設定する。なお、第１および第２対象領域は、撮像画像において、被検体の肌が撮像されている領域から選択される必要がある。これは、脈波は、被験者の肌の色の時間的な変化を用いて検出されるためである。

図４は、領域設定部３１による第１および第２対象領域の設定方法を説明するための図である。領域設定部３１は、図４に示すように、被検体の動画の所定のフレームごとに被検体の顔領域８０を検出し、顔領域８０において第１および第２対象領域の基準位置を設定する（図３のＳ２）。第１および第２対象領域は、顔領域８０に含まれる異なる２つの対象部位に設定される。顔領域８０の検出には、公知の技術を用いることができる。

本実施形態では、一例として、領域設定部３１は、頬（第１対象部位）に第１対象領域（頬領域８１）を設定し、額（第２対象部位）に第２対象領域（額領域８２）を設定する。対象領域として、頬領域８１または額領域８２に替えて、鼻の領域を設定してもよい。額、鼻、頬には動脈があり、また、額、鼻、頬は被検体の顔がカメラ１０を向いているときに検出しやすい領域であるため、対象領域として好ましい。また、被検体がカメラ１０に対して横を向いている場合には、首を対象領域としてもよい。

次に、領域設定部３１は、頬領域８１および額領域８２のそれぞれについて、大きさの異なる複数の対象領域を設定する（図３のＳ３）。図４には、頬領域８１について頬領域８１Ａ・８１Ｂが設定され、額領域８２について額領域８２Ａ・８２Ｂが設定された状態が示されている。このように、領域設定部３１は、２つの対象部位（頬、額）のそれぞれについて、互いに大きさの異なる複数の第１および第２対象領域を設定する。

頬領域８１および額領域８２のサイズは、例えば、２×２〜１００×１００画素に変更する。サイズの上限は、頬領域８１、額領域８２がそれぞれ頬、額の部位を大きくはみ出してしまわない大きさに設定すればよい。

第１および第２対象領域について、大きさの異なる対象領域を何段階設けるかについては、特に限定されない。以下では、説明を簡略化するために、頬領域８１について大きさの異なる２つの対象領域を設定し、額領域８２について大きさの異なる２つの対象領域を設定する場合について説明する。

なお、以下の説明で、単に頬領域８１または額領域８２と称した場合には、これらは、大きさの異なる頬領域８１Ａ・８１Ｂまたは額領域８２Ａ・８２Ｂの総称を意味する。

大きさの異なる頬領域８１を設定するために、領域設定部３１は、基準となる大きさの頬領域８１Ａ（基準第１対象領域）の中心８３を上記基準位置として共有するように、大きさを変更した頬領域８１（頬領域８１Ｂ）を設定してもよい。または、領域設定部３１は、頬領域８１Ａの頂点のひとつを上記基準位置として共有し、かつ頬領域８１Ａを包含する（または頬領域８１Ａに包含される）ように、大きさを変更した頬領域８１（頬領域８１Ｂ）を設定してもよい。このことは額領域８２についても言える。

領域設定部３１は、このような頬領域８１および額領域８２の設定を、第１〜第１４動画のそれぞれに含まれる複数の撮像画像のそれぞれについて行う。領域設定部３１は、設定した頬領域８１および額領域８２の位置および大きさを示す情報をメモリ４に格納する。

脈波検出部３２は、領域設定部３１が設定した位置および大きさの頬領域８１Ａ・Ｂおよび額領域８２Ａ・Ｂのそれぞれにおける各色の平均画素値の変化を検出することにより被検体の脈波を算出する（図３のＳ４）。脈波検出部３２は、第１〜第１４動画にそれぞれ含まれる複数の撮像画像のそれぞれについて上記平均画素値を算出し、動画ごとかつ頬領域８１Ａ・８１Ｂごと、および動画ごとかつ額領域８２Ａ・８２Ｂごとに脈波を検出する。

図５は、撮像画像の頬領域８１における各色の画素値の演算値を算出する処理を説明するための図である。図５に示すように、撮像画像における頬領域８１および額領域８２に含まれる画素配列は、Ｒ、Ｇ、Ｂのベイヤー配列となっている。脈波検出部３２は、頬領域８１および額領域８２に含まれる各色（Ｒ、Ｇ、Ｂ）の画素値（階調値）を用いて、頬領域８１および額領域８２における各色の画素値の演算値を算出する。当該演算値とは、頬領域８１および額領域８２に含まれる画素の画素値の大きさを反映した値である。

脈波検出部３２は、例えば、頬領域８１における各色の画素値の平均（平均画素値）を、頬領域８１における画素値の演算値として算出してもよい。また、脈波検出部３２は、例えば、頬領域８１の中心に近い画素の画素値の重みづけを大きくし、頬領域８１の中心から離れた画素の画素値の重みづけを小さくして算出された統計値を、頬領域８１における画素値の演算値として算出してもよい。以降の説明では、脈波検出部３２が、頬領域８１における各色の平均画素値を、頬領域８１における画素値の演算値として算出するものとして説明する。額領域８２についても同様である。なお、頬領域８１および額領域８２内の画素のうち輝度値が所定値以下の画素を用いないようにしてもよい。

脈波検出部３２は、平均画素値の時間変化を取得するため、上記動画における所定の時間（例えば、３０秒間）分のフレームについて平均画素値の算出を行う。

脈波検出部３２は、各色の平均画素値の変化を検出することにより被検体の脈波を動画ごと、かつ頬領域８１または額領域８２ごとに算出する。すなわち、脈波検出部３２は、第１動画における頬領域８１Ａを用いた脈波の検出、第１動画における頬領域８１Ｂを用いた脈波の検出、第１動画における額領域８２Ａを用いた脈波の検出および第１動画における額領域８２Ｂを用いた脈波の検出を行う。脈波検出部３２は、このような脈波の検出を１４個の動画のそれぞれについて行う。

具体的には、脈波検出部３２は、まず、各色の平均画素値に対して独立成分分析を行い、色数と同じ数（すなわち、３つ）の独立成分を取り出す。脈波検出部３２は、取り出した３つの独立成分に対して、０．７５〜３．０Ｈｚのデジタルバンドパスフィルタを用いて、低周波成分および高周波成分をそれぞれ除去する。

次に、脈波検出部３２は、低周波成分および高周波成分を除去した３つの独立成分に対して、高速フーリエ変換を行い、各独立成分の周波数のパワースペクトルを算出する。脈波検出部３２は、算出した各独立成分の周波数のパワースペクトルの０．７５〜３．０Ｈｚにおけるピーク値を算出し、各独立成分のピーク値のうち最もピーク値の大きいピークを有する独立成分を脈波として検出する。脈波検出部３２は、検出した脈波を伝搬時間算出部３３へ出力する。

なお、平均画素値の時間に対する変動が大きい場合、脈波検出部３２は、各色の平均画素値に対してそれぞれトレンド除去を行い（IEEE Trans Biomed Eng, 2002 Feb;49(2):172-175参照）、上記変動を除去した後の各色の平均画素値に対して、独立成分分析を行ってもよい。

図６は頬領域８１および額領域８２の脈波から算出される脈波伝搬時間を説明するための図である。図６に示すように、伝搬時間算出部３３は、頬領域８１の脈波を基準とした、額領域８２の脈波の時間差を脈波伝搬時間として算出する（図３のＳ５）。心臓に近い頬の方が脈波の到達が早いため、通常この時間差は正の符号となる。

脈波伝搬時間の算出方法には相互相関解析法などの方法を用いればよい。例えば、頬領域８１を基準に額領域８２の脈波を微小時間ずらしていくときの脈波間の相関係数を求め、相関係数が最大となるときの時間差を２つの脈波の脈波伝搬時間として算出する。

脈波検出部３２は、このような脈波伝搬時間の算出を、ある動画について、頬領域８１Ａ・Ｂのうちの１つと、額領域８２Ａ・Ｂのうちの１つとの組み合わせについて行う。そのため、１つの動画について４通りの組み合わせを得ることができる。脈波検出部３２は、そのうちの全部または一部の組み合わせについて脈波伝搬時間を算出する。脈波検出部３２は、このような処理を１４個の動画のそれぞれについて行うと（図３のＳ６にてＹＥＳ）、その結果を評価部３４へ出力する。

図７は、頬領域８１および額領域８２のサイズが３段階（８×８、１６×１６、３２×３２）の場合の、頬領域８１および額領域８２における脈波伝搬時間とカフ血圧値との関係を示している。丸のシンボルは、頬領域８１が３２×３２であり、額領域８２が１６×１６である場合の値を示す。この場合の自由度調整済み決定係数は、０．７９である。四角のシンボルは、頬領域８１が８×８であり、額領域８２が１６×１６である場合の値を示す。この場合の自由度調整済み決定係数は、０．６０である。三角のシンボルは、頬領域８１が３２×３２であり、額領域８２が３２×３２である場合の値を示す。この場合の自由度調整済み決定係数は、０．０１である。

図７のグラフの破線は、丸のシンボルに対応する脈波伝搬時間とカフ血圧値との回帰式である。このような線形、または線形に近い関係が得られる場合は、線形モデル「（カフ血圧値）＝（切片）＋（傾き）×（脈波伝搬時間）」を仮定することが適しており、回帰式から切片と傾きとを算出することによって、好ましい血圧予測モデルを算出することができる。

自由度調整済み決定係数が高いほど、回帰式がデータに適合しているため、上記破線は頬領域８１および額領域８２のサイズが最適化された下で得られた血圧予測モデルといえる。

図８は、頬領域８１および額領域８２の正方形の１行分（１列）に含まれる画素数と自由度調整済み決定係数との関係を示している。図８には、頬領域８１、額領域８２ともに２×２〜１００×１００画素のサイズに変更し、全３６通りの領域サイズの組み合わせに対して、血圧を目的変数、脈波伝搬時間を説明変数とし、線形モデルを仮定した最小二乗法による回帰式の推定を行った結果を示す。

図８に示すように、頬領域８１が３２×３２画素であり、額領域８２が１６×１６画素である場合（符号７１で示す場合）において自由度調整済み決定係数が０．７９と最も高い。図７の丸のシンボルが、図８の符号７１で示すシンボルに対応し、図７の四角のシンボルが図８の符号７２で示すシンボルに対応し、図７の三角のシンボルが図８の符号７３で示すシンボルに対応している。

このように血圧予測性能は、対象領域のサイズ（平均化をする画素数）に大きく依存することが明らかとなった。また、頬領域８１および額領域８２が１００×１００画素のとき、頬、額をはみ出してしまうため、頬領域８１および額領域８２を１００×１００画素以上に大きくしても最適サイズを上回る性能は期待できないと考えられる。

このような考え方に基づいて、評価部３４は、頬領域８１および額領域８２の大きさの組み合わせごとに血圧予測の精度を評価する。具体的には、評価部３４は、被検体の血圧値と当該血圧値を測定した時の被検体における頬領域８１と額領域８２との間の脈波伝搬時間との関係が所定の関係にどの程度近似しているかを評価する。例えば、評価部３４は、被検体の血圧を目的変数、上記脈波伝搬時間を説明変数とし、線形モデルを仮定した最小二乗法による回帰式の推定を行い、自由度調整済み決定係数を、血圧予測の精度を示す評価値として算出する（図３のＳ７）。

領域決定部３５は、評価部３４の評価結果に基づいて、頬領域８１および額領域８２の好ましい大きさを決定する。具体的には、領域決定部３５は、自由度調整済み決定係数の最も大きい「頬領域８１および額領域８２の大きさの組み合わせ」を、頬領域８１および額領域８２の好ましい大きさの組み合わせとして決定する（図３のＳ８）。

血圧予測モデルの性能指標には、自由度調整済み決定係数以外にも、ＡＩＣ（Akaike's Information Criteria）や、あるいは、未知のデータを当てはめた平均二乗誤差などを用いる事ができる。しかし、交差確認などの手法によって統計的な扱いが容易な平均二乗誤差を指標として用いるのが最も望ましい。

モデル設定部３６は、領域決定部３５が決定した頬領域８１および額領域８２の大きさの組み合わせに対応するモデルを、血圧予測のために使用するモデルとして設定する（図３のＳ９）。すなわち、モデル設定部３６は、作成されたモデルのうち最も予測性能が高い（評価値が最も高い）モデルを、モデル設定ユニット３が使用するモデルとして決定する。モデル設定部３６は、設定したモデルをメモリ４に格納する。

血圧測定ユニット５は、カメラ１０によって撮像された被検者の撮像画像を解析することにより、当該被写体の血圧を測定する。血圧測定ユニット５は、モデル設定部３６が設定したモデルを用いて、被験者の血圧を測定する。

血圧測定ユニット５は、脈波検出部５１、伝搬時間算出部５２および血圧算出部５３を備えている。脈波検出部５１は、脈波検出部３２と同様の処理を行い、頬領域８１および額領域８２における脈波を検出する。伝搬時間算出部５２は、伝搬時間算出部３３と同様の処理を行い、頬領域８１と額領域８２との間の脈波伝搬時間を算出する。このときの頬領域８１および額領域８２の大きさは、領域決定部３５が決定した大きさである。

血圧算出部５３は、伝搬時間算出部５２が算出した脈波伝搬時間を、モデル設定部３６が設定したモデル（図７に示す破線のグラフ）に当てはめることにより、血圧値を算出する。血圧算出部５３は、算出した血圧値を表示部６に出力する。

このように血圧測定装置１では、モデル設定ユニット３によって最適なモデルを設定し、そのモデルを用いて血圧測定ユニット５にて血圧を予測する。血圧測定装置１では、従来のカフ方式に比べて、カメラ１０を用いた非接触な測定によって、看護師の負担を大幅に軽減したり、自宅での血圧測定の煩わしさを解消したりすることができる。

また、カメラ１０を用いた非接触な測定によって、ユーザが無意識の状態で心身の健康状態を把握する事ができる。そのため、自動車を運転中のドライバーや高齢者の健康管理を好適に行うことができる。

〔実施形態２〕
本開示の他の実施形態について、以下に説明する。

実施形態１では、被検体の顔がカメラ１０に対して動かないように固定されていたため、動画間または同一動画におけるフレーム間で頬領域８１および額領域８２における画素数を固定していた。しかし、実際には被検体の顔が動いてしまうことが起こり得る。

その場合、一般的な顔認識アルゴリズムを用いて、数フレーム間隔で顔認識を行い、実際の検出領域サイズに合わせて、各部位の対象領域の大きさを可変とすればよい。このような画像解析を領域設定部３１が行えばよい。

領域設定部３１は、基準となる距離（初期の距離）に位置する被検体の画像（基準画像）を特定し、他の画像における被検体の像を、基準画像の大きさと一致するように拡大または縮小した場合の拡大率または縮小率を算出し、当該拡大率または縮小率を用いて、基準となる頬領域８１および額領域８２の面積を変化させる。

複数の動画間で頬領域８１および額領域８２の面積を変化させる場合も同様に、最初の動画を撮影したときの初期の距離を用いて、２回目以降に撮影した動画における基準となる頬領域８１および額領域８２の面積を変化させればよい。

上記のことは、以下のように整理することができる。すなわち、領域設定部３１は、基準となる距離に被検体が位置する画像を基準画像として、当該基準画像において設定された頬領域８１および額領域８２の面積と対応するように、上記被検体の複数の画像のそれぞれについて、基準となる頬領域８１および額領域８２の面積を変化させる。

〔実施形態３〕
本開示のさらに別の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

脈波伝搬時間だけでなく、血圧と相関がある波形情報に関する複数の説明変数をモデルに加える事によって、予測性能を改善できる。

図９は、額領域８２の１６×１６画素での脈波波形から波形情報を算出する方法を示す図である。当該脈波波形は、６０秒の動画から算出されたものである。ここでは、脈波の有効な極大および極小を検出し、各波形情報は、次に示す情報とした。
ＡＭＰ１：極小から次の極大までの振幅
ＡＭＰ２：極大から次の極小までの振幅
Ｔ１：極小から次の極小までの時間（Ｔ２＋Ｔ３）
Ｔ２：極小から次の極大までの時間
Ｔ３：極大から次の極小までの時間
Ｔ４：極大から次の極大までの時間
ＳＬＰ１：極小から次の極大への勾配（ＡＭＰ１÷Ｔ２）
ＳＬＰ２：極大から次の極小への勾配（ＡＭＰ２÷Ｔ３）。

実施形態１で示したような、対象領域サイズが最適な時の脈波伝搬時間に加えて、各波形情報を説明変数とする血圧予測モデルを考える。モデルの作成には血圧値、脈波伝搬時間、各波形情報を同時に取得したデータを用いる。予測性能が高いモデルを選択するためには、限られたデータサイズの下で過適合なく、より複雑なモデルを選択することが好ましい。

例えば、Lasso回帰といわれる手法を用いる場合、モデルの複雑度を決める正則化パラメータを予測誤差が最小となるように最適化する事で、脈波伝搬時間および各波形情報を用いた精度の高い血圧予測モデルを選択することができる。

なお、波形情報は、頬領域８１のものでも額領域８２のものでもよく、両方の波形情報を用いてもよい。

頬領域８１は３２×３２画素、額領域８２は１６×１６画素であり、これらの領域間の脈波伝搬時間と、額領域８２の各波形情報を説明変数としてLasso回帰を行った。血圧値、脈波伝搬時間および各波形情報を同時に取得したデータセットを計１４セット使用した。

図１０は、Lasso回帰を行った場合の平均二乗予測誤差（縦軸）と正則化パラメータ（横軸）との関係を示している。正則化パラメータの値が小さいほどモデル複雑度は高くなる。本結果から、平均２乗予測誤差が最小となる最適な正則化パラメータの値は０．５という結果となった。

図１１は、波形情報を用いていない場合と波形情報を用いてLasso回帰した場合（正則化パラメータの値が０．５）との比較結果を示す図であり、各説明変数の係数と、予測誤差とを示している。波形情報を用いた場合、脈波伝搬時間に加えてＳＬＰ１を用いる事で予測誤差が小さくなり、予測精度が改善した。

なお、今回の結果では、ＳＬＰ１以外の波形情報の変数の係数がゼロとなってしまったが、これはデータ数が１４データと少なく、変数を増やしてモデルを複雑にすると過学習が起こってしまうためである。データ数は通常、変数の数の５〜１０倍が望ましいと言われており、データ数が増加すれば、ＳＬＰ１以外の変数もモデルに加えるなど、より複雑なモデルで予測誤差がさらに改善されると考えられる。

以上の技術的思想を用いて、血圧予測のためのモデルをモデル設定部３６が設定してもよい。図１２は、本実施の形態に係るデータ取得部およびモデル設定ユニットにおける処理の流れの一例を示すフローチャートである。図３に示したステップと同じ処理を行うステップについては、同じ符号を付している。

図１２に示すように、モデル設定部３６は、脈波伝搬時間の算出に用いた第１または第２対象領域の脈波の波形が示す特徴量を、当該波形を解析することにより算出する（Ｓ１０）。上記特徴量とは、上述の波形情報に相当する値である。

そして、モデル設定部３６は、被検体の血圧値、当該血圧値に対応する第１対象領域と第２対象領域との間の脈波伝搬時間、当該脈波伝搬時間の算出に用いた第１または第２対象領域の脈波の波形情報とを用いて、予測誤差が最小となるモデルを決定する。モデル設定部３６は、複数の正則化パラメータにおけるモデルの予測誤差を指標として、上記血圧値および上記脈波伝搬時間から得られる複数のモデルのうち最も好ましいモデルを血圧予測のためのモデルとして決定する（Ｓ１１）。

〔ソフトウェアによる実現例〕
血圧測定装置１の制御ブロック（特にモデル設定ユニット３および血圧測定ユニット５）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、血圧測定装置１は、各機能を実現するソフトウェアであるプログラム（モデル設定プログラム）の命令を実行するコンピュータを備えている。このコンピュータは、例えば少なくとも１つのプロセッサ（制御装置）を備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な少なくとも１つの記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本開示の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本開示の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔付記事項〕
本開示は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。

（関連出願の相互参照）
本出願は、2018年3月27日に出願された日本国特許出願：特願2018-060592に対して優先権の利益を主張するものであり、それを参照することにより、その内容の全てが本書に含まれる。

１ 血圧測定装置（非接触式血圧測定装置）
３ モデル設定ユニット（モデル設定装置）
５ 血圧測定ユニット
１０ カメラ
２０ 血圧計
３１ 領域設定部
３２、５１ 脈波検出部（検出部）
３３、５２ 伝搬時間算出部（算出部）
３４ 評価部
３５ 領域決定部（決定部）
３６ モデル設定部
５３ 血圧算出部
８０ 顔領域
８１、８１Ａ、８１Ａ・８１Ｂ、８１Ａ・Ｂ、８１Ｂ 頬領域
８２、８２Ａ、８２Ａ・８２Ｂ、８２Ａ・Ｂ、８２Ｂ 額領域
１００ 血圧測定システム

Claims (9)

1. 生体の第１および第２対象部位における脈波に基づいて当該生体の血圧を予測するためのモデルを設定するモデル設定装置であって、
   上記生体の血圧値と、当該血圧値を測定したときの当該生体の複数の画像と、の組み合わせを複数取得し、
   上記第１対象部位に、大きさの異なる複数の第１対象領域を設定するとともに、上記第２対象部位に、大きさの異なる複数の第２対象領域を設定する処理を、複数の上記組み合わせのそれぞれに含まれる複数の画像について行う領域設定部と、
   設定された複数の上記第１および第２対象領域を用いて上記生体の脈波を検出する検出部と、
   検出された脈波から上記第１および第２対象領域間の脈波伝搬時間を算出する算出部と、
   上記血圧値および上記脈波伝搬時間に基づいて、上記第１および第２対象領域を用いた血圧予測の精度を、上記第１および第２対象領域の大きさの組み合わせごとに評価する評価部と、
   上記評価部の評価結果に基づいて上記第１および第２対象領域の好ましい大きさを決定する決定部と、を備えることを特徴とするモデル設定装置。
2. 上記評価部は、上記血圧値と上記脈波伝搬時間との関係が所定の関係にどの程度近似しているかを評価し、
   上記決定部は、上記血圧値と上記脈波伝搬時間との関係が所定の関係に最も近似している上記第１および第２対象領域の大きさを、当該第１および第２対象領域の好ましい大きさとして決定することを特徴とする請求項１に記載のモデル設定装置。
3. 上記決定部が決定した上記第１および第２対象領域の大きさの組み合わせに対応する上記モデルを、血圧予測のために使用するモデルとして設定するモデル設定部をさらに備えることを特徴とする請求項１または２に記載のモデル設定装置。
4. 上記モデル設定部は、上記検出部が検出した脈波の波形が示す特徴量をさらに用いて上記モデルを設定することを特徴とする請求項３に記載のモデル設定装置。
5. 上記領域設定部は、基準となる距離に上記生体が位置する画像を基準画像として、当該基準画像において設定された上記第１および第２対象領域の面積と対応するように、上記生体の複数の画像のそれぞれについて、基準となる上記第１および第２対象領域の面積を変化させることを特徴とする請求項１から４のいずれか１項に記載のモデル設定装置。
6. 請求項１から５のいずれか１項に記載のモデル設定装置を備えたことを特徴とする非接触式血圧測定装置。
7. 請求項１に記載のモデル設定装置としてコンピュータを機能させるためのモデル設定プログラムであって、上記領域設定部、上記検出部、上記算出部、上記評価部および上記決定部としてコンピュータを機能させるためのモデル設定プログラム。
8. 請求項７に記載のモデル設定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。
9. 生体の第１および第２対象部位における脈波に基づいて当該生体の血圧を予測するためのモデルを設定するモデル設定方法であって、
   上記生体の血圧値と、当該血圧値を測定したときの当該生体の複数の画像と、の組み合わせを複数取得する工程と、
   上記第１対象部位に、大きさの異なる複数の第１対象領域を設定するとともに、上記第２対象部位に、大きさの異なる複数の第２対象領域を設定する処理を、複数の上記組み合わせのそれぞれに含まれる複数の画像について行う工程と、
   設定された複数の上記第１および第２対象領域を用いて上記生体の脈波を検出する工程と、
   検出された脈波から上記第１および第２対象領域間の脈波伝搬時間を算出する工程と、
   上記血圧値および上記脈波伝搬時間に基づいて、上記第１および第２対象領域を用いた血圧予測の精度を、上記第１および第２対象領域の大きさの組み合わせごとに評価する工程と、
   上記評価に基づいて上記第１および第２対象領域の好ましい大きさを決定する工程と、を含むことを特徴とするモデル設定方法。

Images