JP7019951B2 - 血圧データ処理装置、血圧データ処理方法、およびプログラム - Google Patents

Description

本発明は、血圧データを処理する技術に関する。

睡眠時無呼吸症候群（ＳＡＳ；Sleep Apnea Syndrome）を罹患している患者において、無呼吸後の呼吸再開時に、血圧が急激に上昇しその後に下降することが知られている。以下では、このような急激な血圧変動をサージ血圧と呼ぶ。患者に発生したサージ血圧に関連する指標（例えば、単位時間当たりにサージ血圧が発生した回数）は、ＳＡＳや高血圧のような、脳疾患または心血管疾患の発症リスクを高める疾患の診断や治療に役立つと考えられる。

サージ血圧を観測するためには、例えば一心拍ごとの血圧を得ることができるような、血圧を連続的に測定することができる血圧測定装置が必要となる。連続血圧測定によって得られた血圧データの量は膨大であり、医師や研究者などの専門家が血圧データを分析してサージ血圧を抽出することは困難である。このため、血圧データからサージ血圧を自動で抽出する技術の開発が進められている。

ところで、血圧測定装置は健康管理や病気の治療または診断などの様々なシーンで利用されている。特許文献１には、患者の心拍数における変動をモニターし、心拍数の変動が検出されたことに応答して血圧を測定する血圧測定装置が開示されている。この血圧測定装置は、心拍数の変動に基づいて、血圧が危険なレベルに下降または上昇するような血圧変動が患者に起こることを予測する。

特開２００１－２９９７０７号公報

サージ血圧は、無呼吸以外の要因によっても発生する。例えば、睡眠中にサージ血圧が発生する主な要因としては、無呼吸、レム（ＲＥＭ；Rapid Eye Movement）睡眠および覚醒反応が挙げられる。サージ血圧がいずれの要因により発生したのかは、ＰＳＧ（polysomnography）によって睡眠状態と血圧を計測することにより判断することができる。しかしながら、ＰＳＧは高価かつ大掛かりなデバイスであり、ＰＳＧを用いた計測を家庭で気軽に行うことはできない。また、特許文献１に開示された血圧測定装置では、血圧変動が生じることを予測することができるが、その血圧変動に寄与している身体の原因を特定することはできない。ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、サージ血圧の発生要因を特定することができることが求められている。

本発明は、上記の事情に着目してなされたものであり、その目的は、血圧データからサージ血圧が発生した要因を識別することができる血圧データ処理装置、血圧データ処理方法、およびプログラムを提供することである。

本発明の第１の態様では、血圧データ処理装置は、血圧データを取得する血圧データ取得部と、前記血圧データからサージ血圧を検出するサージ血圧検出部と、前記サージ血圧から一心拍以上の血圧波形を抽出する血圧波形抽出部と、前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出する波形特徴量算出部と、前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する要因識別部と、を備える。

本発明の第２の態様では、前記要因識別部は、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果を用いて、前記サージ血圧の要因を識別する。

本発明の第３の態様では、前記波形特徴量は、複数種類の波形特徴量を含み、前記要因識別部は、前記複数種類の波形特徴量と、前記所定の要因それぞれに関する境界であって特徴空間に設定された境界と、に基づいて、前記サージ血圧の要因を識別する。

本発明の第４の態様では、前記サージ血圧は、立ち上がり部分および前記立ち上がり部分の後に続く立ち下がり部分を含み、前記血圧波形抽出部は、前記サージ血圧の前記立ち上がり部分から前記一心拍以上の血圧波形を抽出する。

本発明の第５の態様では、前記波形特徴量は、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、前記ダイアストリックピークの前記時刻からダイクロティックピークの時刻までの時間間隔、前記シストリックピークの時間幅、全パルス時間、前記シストリックピークの振幅、および前記ダイクロティックピークの振幅の少なくとも１つに基づいている。

本発明の第６の態様では、前記波形特徴量は、前記シストリックピークの前記時間幅と前記全パルス時間との比に基づく波形特徴量を含む。

本発明の第７の態様では、前記波形特徴量算出部は、前記一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理を行い、前記前処理により得られる波形に基づいて前記ダイアストリックピーク、前記シストリックピーク、および前記ダイクロティックピークを特定する。

本発明の第８の態様では、血圧データ処理装置は、前記要因識別部により識別したサージ血圧の要因に関する情報を出力する出力部をさらに備える。

第１の態様によれば、血圧データからサージ血圧が検出され、サージ血圧から一心拍以上の血圧波形が抽出され、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量が算出され、波形特徴量に基づいて所定の要因の中から前記サージ血圧の要因が識別される。これにより、ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、血圧データからサージ血圧が発生した要因を識別することが可能になる。

第２の態様によれば、サージ血圧の要因を識別するために、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果が用いられる。これにより、サージ血圧の要因を識別するために必要なデータを容易に生成することができる。

第３の態様によれば、所定の要因それぞれに関する境界が特徴空間上に予め定められる。これにより、少ない処理量でサージ血圧の要因を識別することが可能になる。

第４の態様によれば、波形特徴量は、サージ血圧の立ち上がり部分に含まれる一心拍分の血圧波形の各々または平均血圧波形について算出される。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。

第５の態様によれば、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、ダイアストリックピークの時刻からダイクロティックピークの時刻までの時間間隔、シストリックピークの時間幅、全パルス時間、シストリックピークの振幅、およびダイクロティックピークの振幅の少なくとも１つに基づく波形特徴量が用いられる。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。

第６の態様によれば、シストリックピークの時間幅と全パルス時間との比に基づく波形特徴量が用いられる。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。

第７の態様によれば、一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理が行われる。これにより、ダイアストリックピーク、シストリックピーク、およびダイクロティックピークなどの特徴点を特定する処理が容易になる。

第８の態様によれば、前記要因識別部により識別したサージ血圧の要因に関する情報が出力される。この情報により、医師は、患者の病状に対する対処法を検討することができるようになる。

すなわち、本発明によれば、血圧データからサージ血圧が発生した要因を識別することができる血圧データ処理装置、血圧データ処理方法、およびプログラムを提供することができる。

第１の実施形態に係る血圧データ処理装置を示すブロック図。 図１に示した血圧測定装置の一例を示すブロック図。 図２に示した血圧測定部の外観を示す側面図。 図２に示した血圧測定部を示す断面図。 図２に示した血圧測定部を示す平面図。 サージ血圧の波形の一例を示す図。 図１に示した要因識別部を示すブロック図。 波形特徴量を説明するための図。 要因識別用データを生成する方法例を説明するための図。 第１の実施形態に係る血圧データ処理装置の処理例を示すフローチャート。 図１に示した情報出力部によって出力された測定血圧情報を例示する図。 図１の血圧データ処理装置のハードウェア構成例を示すブロック図。

以下、図面を参照しながら本発明の実施形態を説明する。

［第１の実施形態］
図１は、第１の実施形態に係る血圧データ処理装置１０を概略的に示している。図１に示すように、血圧データ処理装置１０は、被測定者（ユーザ）の血圧を測定する血圧測定装置２０において得られた血圧データを処理するものである。血圧データ処理装置１０は、例えば、パーソナルコンピュータまたはサーバなどのコンピュータ上に実装されることができる。

まず、血圧測定装置２０について説明する。血圧測定装置２０は、被測定者の血圧を連続的に測定して血圧データを生成する。具体的には、血圧測定装置２０は、被測定者の動脈の脈波を測定し、測定した脈波を血圧に変換することで、血圧データを生成する。血圧データは、測定した脈波の波形に対応する血圧波形のデータを含む。血圧データは、血圧特徴量（血圧値）の時系列データをさらに含んでもよい。血圧特徴量は、例えば、収縮期血圧（ＳＢＰ；Systolic Blood Pressure）および拡張期血圧（ＤＢＰ；Diastolic Blood Pressure）を含むが、これに限定されない。一心拍分の脈波波形における最大値は収縮期血圧に対応し、一心拍分の脈波波形における最小値は拡張期血圧に対応する。

第１の実施形態では、血圧測定装置２０は、トノメトリ法により脈波としての圧脈波を測定する。ここで、トノメトリ法とは、皮膚の上から動脈を適切な圧力で押圧して動脈に扁平部を形成し、動脈内部と外部とのバランスがとれた状態で圧力センサにより非侵襲的に圧脈波を計測する方法をいう。トノメトリ法によれば、一心拍ごとの血圧値を得ることができる。

血圧測定装置２０は、被測定者に装着されるウェアラブル装置であってもよく、被測定者の上腕を固定台に載置した状態で血圧測定を行うような据え置き型装置であってもよい。図２から図５を参照して以下に説明する例では、血圧測定装置２０は、被測定者の手首に装着されるウェアラブル装置である。

図２は、血圧測定装置２０の一例を概略的に示している。図２に示す血圧測定装置２０は、血圧測定部２１、加速度センサ２４、記憶部２５、入力部２６、出力部２７、および制御部２８を備える。制御部２８は、血圧測定装置２０の各部を制御する。制御部２８の機能は、ＣＰＵ（Central Processing Unit）などのプロセッサがＲＯＭ（Read-Only Memory）などのコンピュータ読み取り可能な記憶媒体に記憶されている制御プログラムを実行することにより実現されることができる。

血圧測定部２１は、橈骨動脈の圧脈波を測定する。図３は、血圧測定部２１が図示しないベルトによって被測定者の手首Ｗに装着された状態を示す側面図であり、図４は、血圧測定部２１の構造を概略的に示す断面図である。図３および図４に示すように、血圧測定部２１は、センサ部２２および押圧機構２３を備える。センサ部２２は、橈骨動脈ＲＡが内部に存在する部位（この例では手首Ｗ）に接触するように配置される。押圧機構２３は、センサ部２２を手首Ｗに対して押圧する。トノメトリ法では、最適な押圧条件下では圧脈波と血圧が等しくなる。

図５は、センサ部２２の手首Ｗと接触する側の面を示している。図５に示すように、センサ部２２は、１以上の（この例では２つの）圧力センサアレイ２２１を備え、圧力センサアレイ２２１の各々は、方向Ｂに配列された複数の（例えば４６個の）圧力センサ２２２を有する。方向Ｂは、血圧測定装置２０が被測定者に装着された状態において橈骨動脈の伸びる方向Ａと交差する方向である。圧力センサ２２２の配置は図５に示す例に限定されない。圧力センサ２２２には、識別情報としてのチャンネル番号が付与されている。

各圧力センサ２２２は、圧力を測定して圧力データを生成する。圧力センサとしては、圧力を電気信号に変換する圧電素子を用いることができる。圧電素子の出力信号は、所定の（例えば１２５Ｈｚの）サンプリング周波数でデジタル信号に変換され、それにより圧力データが得られる。上述した脈波データに対応する圧脈波データは、圧力センサ２２２の中から適応的に選択された１つの圧力センサ（アクティブチャンネル）２２２から出力された圧力データに基づいて生成される。

押圧機構２３は、例えば、空気袋と空気袋の内圧を調整するポンプとを含む。ポンプが空気袋の内圧を高めるように制御部２８によって駆動されると、空気袋の膨張により圧力センサ２２２が手首Ｗに押し当てられる。なお、押圧機構２３は、空気袋を用いた構造に限定されず、圧力センサ２２２を手首Ｗに押し当てる力を調整できるいかなる構造により実現されてもよい。

加速度センサ２４は、血圧測定装置２０に作用する加速度を検出して加速度データを生成する。加速度センサ２４としては、例えば、三軸加速度センサを用いることができる。加速度の検出は、血圧測定と並行して実行される。

記憶部２５は、コンピュータ読み取り可能な記憶媒体を含む。例えば、記憶部２５は、ＲＯＭ、ＲＡＭ（Random Access Memory）、および補助記憶装置を含む。ＲＯＭは、上述した制御プログラムを記憶する。ＲＡＭはＣＰＵによってワークメモリとして使用される。補助記憶装置は、血圧測定部２１によって生成された血圧データおよび加速度センサ２４によって生成された加速度データを含む各種データを記憶する。補助記憶装置は、例えば、フラッシュメモリを含む。補助記憶装置は、血圧測定装置２０に内蔵された記憶媒体、メモリーカードなどのリムーバブルメディア、またはこれら両方を含む。

入力部２６は、被測定者からの指示を受け付ける。入力部２６は、例えば、操作ボタン、タッチパネルなどを含む。出力部２７は、血圧測定結果などの情報を出力する。出力部２７は、例えば、液晶表示装置などの表示装置を含む。

上述した構成を有する血圧測定装置２０によれば、血圧データおよび加速度データが得られる。例えば、被測定者が睡眠している期間全体（例えば一晩）にわたって測定が行われ、測定で得られた血圧データおよび加速度データが血圧データ処理装置１０へ入力される。

なお、血圧測定装置２０は、トノメトリ法による血圧測定装置に限らず、血圧を連続的に測定できる任意のタイプの血圧測定装置であってもよい。例えば、脈波としての容積脈波を測定する血圧測定装置を用いてもよい。この血圧測定装置は、例えば、光電センサまたは超音波プローブを用いて動脈の容積脈波を測定し、測定した容積脈波に基づいて血圧を推定することができる。また、動脈を伝播する脈波の伝播時間である脈波伝播時間（ＰＴＴ；Pulse Transit Time）を測定し、測定した脈波伝播時間に基づいて血圧を推定する血圧測定装置を用いてもよい。

次に、血圧データ処理装置１０について説明する。図１に示すように、血圧データ処理装置１０は、血圧データ取得部１１、血圧データ記憶部１２、前処理部１３、サージ血圧検出部１４、要因判定部１５、情報生成部１６、および情報出力部１７を備える。

血圧データ取得部１１は、血圧測定装置２０から血圧データを取得し、血圧データ記憶部１２に保存する。血圧データは、メモリーカードなどのリムーバブルメディアによって血圧測定装置２０から血圧データ処理装置１０へ提供されてもよい。あるいは、血圧データは、通信（有線通信または無線通信）によって血圧測定装置２０から血圧データ処理装置１０へ提供されてもよい。さらに、血圧データ取得部１１は、血圧測定装置２０に設けられた加速度センサから出力された加速度データなどをさらに取得してもよい。

前処理部１３は、血圧データ記憶部１２から血圧データを受け取り、血圧データに対して前処理を行う。例えば、前処理部１３は、血圧データに含まれるまたは血圧データから生成された収縮期血圧の時系列データに対して、平滑化、スパイクノイズ除去、高周波成分除去などの前処理を行う。前処理は、加速度データを用いて被測定者の体動を検出し、体動が検出された時間区間の血圧データを補正する処理を含んでもよい。

サージ血圧検出部１４は、前処理された血圧データからサージ血圧を検出する。サージ血圧を検出する方法はいかなるものであってもよい。例えば、サージ血圧を検出する処理は、例えば、収縮期血圧または拡張期血圧の時系列データを用いて実行されてもよい。第１の実施形態では、どのような血圧波形をサージ血圧として検出するかについての制限はない。

図６は、サージ血圧の一例を示している。図６において、横軸は時間であり、縦軸は血圧である。時刻ｔ_１から時刻ｔ_３までの時間区間（サージ区間と呼ぶ）における血圧波形がサージ血圧に対応する。サージ区間において、血圧が上昇しその後に下降している。サージ血圧は、識別番号、サージ区間において血圧値が最大となる時刻（ピーク時刻と呼ぶ）ｔ_２、サージ区間の開始時刻ｔ_１、およびサージ区間の終了時刻ｔ_３を含む情報で管理されることができる。この情報は、サージ区間における最大血圧値を含んでもよい。

要因判定部１５は、サージ血圧検出部１４によって検出されたサージ血圧が所定の要因のうちのいずれの要因によって発生したかを判定する。一例として、所定の要因は、無呼吸、レム睡眠、および覚醒反応を含む。なお、所定の要因は、その他（具体的には、無呼吸、レム睡眠、および覚醒反応以外の要因）を含んでもよい。要因の数は２以上であればよい。無呼吸、レム睡眠、および覚醒反応は、要因の例であって、これらに限定されない。要因は、無呼吸のように、何らかの疾患に関連する要素から選択されることができる。要因判定部１５の処理については後により詳細に説明する。

情報生成部１６は、測定血圧情報を生成する。情報生成部１６は、要因判定部１５によりサージ血圧と判定された血圧波形に基づいて、サージ血圧に関連する指標を生成することができる。サージ血圧に関連する指標は、例えば、単位時間当たりにサージ血圧が発生した回数、サージ血圧それぞれの最大血圧値の平均値、およびサージ血圧それぞれの最大血圧値における最大値を含む。これにより、被測定者に発生したサージ血圧に関連する指標を提供することが可能になる。さらに、情報生成部１６は、血圧データ記憶部１２に記憶されている血圧データに基づいて、平均血圧値など、血圧に関連する様々な指標を生成することができる。

情報出力部１７は、情報生成部１６によって生成された測定血圧情報を出力する。例えば、情報出力部１７は測定血圧情報を含む画像データを生成し、画像データに応じた画像が表示装置に表示される。

要因判定部１５について詳細に説明する。
図７は、要因判定部１５の構成例を概略的に示している。図７に示すように、要因判定部１５は、対象区間設定部１５１、血圧波形抽出部１５２、波形特徴量算出部１５３、要因識別部１５４、要因識別用データ生成部１５５、およびサージ血圧波形記憶部１５６を備える。

対象区間設定部１５１は、サージ血圧から一心拍以上の血圧波形を抽出するための対象区間を設定する。例えば、サージ血圧の立ち上がり期間が対象区間として設定される。サージ血圧の立ち上がり期間は、開始時刻ｔ_１からピーク時刻ｔ_２までの時間区間を指す。立ち上がり期間の一部が対象区間として設定されてもよい。また、立ち下がり期間の一部または全部が対象区間として設定されてもよい。立ち下がり期間は、ピーク時刻ｔ_２から終了時刻ｔ_３までの時間区間を指す。本発明者らは、サージ血圧の立ち上がり期間を対象区間として使用することで、サージ血圧がいずれの要因で発生したかの判定を精度よく行うことができることを確認した。したがって、好適には、サージ血圧の立ち上がり期間の一部または全部が対象区間として設定される。

血圧波形抽出部１５２は、対象区間におけるサージ血圧から一心拍以上の血圧波形を抽出する。サージ血圧の立ち上がり期間は典型的には５～２５秒程度であり、したがって、複数心拍にわたる血圧波形が抽出される。なお、サージ血圧の立ち上がり期間の一部が対象区間として使用される場合のように対象区間が短い場合、二心拍分に満たない血圧波形が抽出されることもある。

波形特徴量算出部１５３は、血圧波形抽出部１５２によって抽出された一心拍以上の血圧波形から波形特徴量を抽出する。例えば、波形特徴量算出部１５３は、血圧波形抽出部１５２によって抽出された一心拍以上の血圧波形から１つ以上の一心拍分の血圧波形を分離または抽出し、分離した一心拍分の血圧波形の各々について波形特徴量を算出する。また、波形特徴量算出部１５３は、分離または抽出した一心拍分の血圧波形を平均した平均血圧波形を生成し、平均血圧波形について波形特徴量を算出してもよい。波形特徴量は、一心拍分の血圧波形の形状に基づいて算出される。波形特徴量は、１種類または複数種類の波形特徴量を含む。第１の実施形態では、複数種類の波形特徴量が使用される。波形特徴量は、特徴ベクトルで表すことができる。

図８を参照して波形特徴量について説明する。図８は、一心拍分の血圧波形を例示している。図８において、Ｔ０は、一心拍分の血圧波形において血圧値（例えば圧脈波の値）が最小になる点である。点Ｔ０をダイアストリックピーク（diastolic peak）またはダイアストリックオンセット（diastolic onset）と呼ぶ。Ｔ１は、一心拍分の血圧波形において血圧値が最大になる点である。点Ｔ１をシストリックピーク（systolic peak）と呼ぶ。Ｔ２は、点Ｔ１の後に現れる変曲点である。点Ｔ２をダイクロティックノッチ（dicrotic notch）と呼ぶ。Ｔ３は、点Ｔ２の後に現れる変曲点、すなわち、最大点Ｔ１より後に現れる血圧値が極大になる点である。点Ｔ３をダイクロティックピーク（dicrotic peak）と呼ぶ。Ｔ４は、血圧値が最小になる点であって、次の一心拍分の血圧波形の始点となる点である。ＡＰ１は、シストリックピークの振幅、すなわち、最大値から最小値を引いた差分値を表す。ＡＰ２は、ダイクロティックピークの振幅、すなわち、２番目の極大値から最小値を引いた差分値を表す。ＴＰ１は、シストリックピークまでの時間、すなわち、最小値の時刻から最大値の時刻までの時間を表す。ＴＰ２は、ダイクロティックピークまでの時間、すなわち、最小値の時刻から２番目の極大値の時刻までの時間を表す。ＴＰＴは、全パルス時間、すなわち、一心拍分の血圧波形の時間長を表す。ＩＷＴは、シストリックピークの時間幅を表す。例えば、ＩＷＴは、シストリックピークの高さ（ＡＰ１）の３分の２の値をとる波間時間である。波形特徴量は、これらのパラメータＡＰ１、ＡＰ２、ＴＰ１、ＴＰ２、ＴＰＴ、ＩＷＴのうちの少なくとも１つに基づくことができる。例えば、ＴＰ１、ＩＷＴ／ＴＰＴ、ＴＰ１／ＴＰＴ、ＴＰ２／ＴＰＴ、（ＴＰ２－ＴＰ１）／ＴＰＴ、ＡＰ２／ＡＰ１などに基づく波形特徴量を用いることができる。一例では、ＩＷＴ／ＴＰＴとＡＰ２／ＡＰ１の２種類の波形特徴量が用いられる。例えば、ＩＷＴ／ＴＰＴの波形特徴量は、サージ血圧が無呼吸か無呼吸以外の要因かを識別するのに有用である。なお、波形特徴量は、上述したパラメータとは異なるパラメータに基づいていてもよい。

波形特徴量算出部１５３は、点Ｔ０、Ｔ１、Ｔ２、Ｔ３、Ｔ４などの特徴点を特定するために、血圧波形に対して一次微分および／または二次微分を含む前処理を行ってもよい。血圧波形の一次微分および／または二次微分を用いることにより、特徴点を特定する処理が容易になる。

また、波形特徴量算出部１５３は、サージ血圧を含む期間の血圧波形から、心電図におけるＲ波間の間隔である瞬時心拍（ＲＲＩ；R-R interval）を算出し、ＲＲＩを周波数スペクトル解析し、低周波成分ＬＦおよび高周波数成分ＨＦを算出し、低周波成分ＬＦと高周波数成分ＨＦの比を特徴量として算出してもよい。例えば、波形特徴量算出部１５３は、ＲＲＩについてパワースペクトル密度を算出し、自己回帰モデルを用いてパワースペクトル密度を計算し、０．０５Ｈｚから０．１５Ｈｚまでの周波数領域にわたるパワーの積分値をＬＦとして算出し、０．１５Ｈｚから０．４０Ｈｚまでの周波数領域にわたるパワーの積分値をＨＦとして算出することができる。比ＬＦ／ＨＦは自律神経のバランスを表すことが知られている。このため、比ＬＦ／ＨＦを特徴量として用いることにより、サージ血圧がレム睡眠に由来するものか否かを判定することが可能となる。

要因識別部１５４は、波形特徴量算出部１５３によって算出された波形特徴量に基づいて、所定の要因の中からサージ血圧の要因を識別する。要因識別部１５４は、識別を行うために、要因識別用データ生成部１５５によって生成された要因識別用データを使用する。要因識別部１５４についての具体的な説明を行う前に、要因識別用データについて説明する。

サージ血圧波形記憶部１５６は、典型的なサージ血圧波形のデータを格納している。ここでいうサージ血圧波形は、図８に示すような一心拍分の血圧波形を指す。典型的なサージ血圧波形は、医師や研究者などの専門家が任意の被測定者について得られた血圧データを解析することで得ることができる。睡眠中にサージ血圧が発生する要因としては、主として、無呼吸、レム睡眠、および覚醒反応が考えられる。図９に示す例では、無呼吸、ＲＥＭ、および覚醒反応の３つの要因（クラス）でラベル付けされた、典型的なサージ血圧波形の３つのデータセットが用意される。このようなデータセットは、ＰＳＧによって睡眠状態と血圧を計測することにより用意することができる。サージ血圧は複合的な要因により発生することもある。例えば、無呼吸とＲＥＭ睡眠とによりサージ血圧が発生することもある。また、無呼吸とＲＥＭ睡眠と覚醒反応とによりサージ血圧が発生することもある。なお、要因を特定できないサージ血圧もある。

要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データに基づいて、要因識別部１５４が識別を行うために使用するデータ（要因識別用データ）を生成する。要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データを学習することで要因識別用データを生成することができる。

一例では、要因識別用データ生成部１５５は、３つのクラスの各々に関して、次のようにして特徴空間上に境界を定める。要因識別用データ生成部１５５は、各クラスに属するサージ血圧波形から波形特徴量を算出する。波形特徴量の算出は、波形特徴量算出部１５３に関して説明したものと同様の方法で行われることができる。要因識別用データ生成部１５５は、算出した波形特徴量に基づいて、クラスを識別するための境界線または面を特徴空間上に定める。要因識別用データ生成部１５５は、２σ法または３σ法のようにデータの約９５．４％または約９９．７％が含まれる境界線または境界面を特徴空間上に定める。境界は、例えば、マハラノビス距離、１クラスサポートベクターマシン（ＳＶＭ；Support Vector Machine）などを用いて決定することができる。２種類の波形特徴量を用いる場合、図９に示すように、３つのクラスそれぞれの境界線が定められる。境界の各々は、他の境界と部分的に重なり得る。要因識別用データは、３つのクラスそれぞれに関する特徴空間上の境界を示すデータを含む。

要因識別部１５４は、波形特徴量算出部１５３によって算出された波形特徴量と特徴空間上に設定された境界とに基づいて、サージ血圧が所定の要因のいずれの要因によって発生したかを識別する。具体的には、要因識別部１５４は、波形特徴量を要素として含む特徴ベクトルがどのクラスの境界の内側にあるかに基づいて、サージ血圧がいずれの要因によって発生したかを識別する。血圧波形抽出部１５２によって複数の一心拍分の血圧波形が抽出されている場合、要因識別部１５４は、例えば、多数決で識別を行うことができる。具体的には、要因識別部１５４は、特徴空間上の境界の内側に位置する特徴ベクトルの数が最も多いクラスに対応する要因をサージ血圧の要因として決定する。

前述したように、境界は他の境界と重なることがある。このため、特徴ベクトルが２以上のクラスの境界の内側にあることもある。この場合、要因識別部１５４は、これらのクラスに対応する要因をサージ血圧の要素として決定してもよい。

他の例では、要因識別部１５４は、特徴ベクトルと各クラスの重心（中心）との間のマハラノビス距離を算出し、算出したマハラノビス距離に基づいて識別を行ってもよい。要因識別部１５４は、特徴ベクトルとのマハラノビス距離が最も小さいクラスに対応する要因をサージ血圧の要素として決定してもよい。この場合、要因識別用データは、各クラスについて、特徴空間上の重心位置および共分散行列の逆行列を含む。

さらに他の例では、要因識別部１５４は、サポートベクターマシンを用いて識別を行ってもよい。この場合、要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データに基づいてサポートベクターマシンを生成する。

次に、血圧データ処理装置１０の動作について説明する。
図１０は、第１の実施形態に係るサージ血圧が発生した要因を識別する手順例を示している。図１０のステップＳ１０１において、血圧データが血圧データ記憶部１２から読み出される。ステップＳ１０２において、サージ血圧検出部１４は、血圧データからサージ血圧を検出する。ここでは、説明を簡単にするために、１つのサージ血圧が検出されたとする。複数のサージ血圧が検出された場合には、各々について次に説明する処理が実行される。

ステップＳ１０３において、要因判定部１５は、サージ血圧に対して対象区間を設定する。ステップＳ１０４において、要因判定部１５は、対象区間のサージ血圧の波形から一心拍以上の血圧波形を抽出する。ステップＳ１０５において、要因判定部１５は、抽出した一心拍以上の血圧波形から波形特徴量を算出する。一例として、要因判定部１５は、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について波形特徴量を算出する。他の例では、要因判定部１５は、一心拍以上の血圧波形から分離した一心拍分の血圧波形を平均した平均血圧波形について波形特徴量を算出してもよい。ステップＳ１１６において、要因判定部１５は、算出した波形特徴量に基づいて、抽出した一心拍分の血圧波形がいずれのクラスに属するかを識別する。例えば、要因判定部１５は、算出した波形特徴量を要素として含む特徴ベクトルが特徴空間上に設定されたあるクラスの境界の内側にある場合に、抽出した一心拍分の血圧波形がそのクラスに属すると判定する。要因判定部１５は、抽出した一心拍分の血圧波形が属すると判定したクラスに対応する要因のスコアに１ポイント加算する。

ステップＳ１０３において抽出された対象区間の血圧波形に複数の一心拍分の血圧波形が含まれる場合、ステップＳ１０４～Ｓ１０６の処理は、一心拍分の血圧波形それぞれに対して行われる。

ステップＳ１０７において、要因判定部１５は、繰り返し実行された識別（ステップＳ１０６）の結果に基づいて、サージ血圧が所定の要因のいずれの要因によって発生したかを判定する。具体的には、要因判定部１５は、スコアが最も高い要因をサージ血圧の要因として決定する。

図１１は、情報出力部１７によって表示される血圧波形の一例を示している。図１１に示す例では、サージ血圧が四角の枠で囲まれ、枠内に、要因判定部１５の要因識別部１５４により識別されたサージ血圧の要因に関する情報が付されている。サージ血圧とともにその要因を示すことにより、医師が血圧データを病気の診断または治療に利用することが容易になる。

以上のように、第１の実施形態に係る血圧データ処理装置１０は、血圧データを取得し、血圧データからサージ血圧を検出し、サージ血圧から一心拍以上の血圧波形を抽出し、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出し、波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する。これにより、ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、血圧データからサージ血圧が発生した要因を識別することが可能である。その結果、無呼吸などの特定の要因によって発生したサージ血圧に関連する情報を提供することができる。サージ血圧の発生要因を明確にすることで、患者の治療すべき箇所を明確にすることができる。

図１２を参照して血圧データ処理装置１０のハードウェア構成例について説明する。
血圧データ処理装置１０は、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、補助記憶装置３４、入力装置３５、出力装置３６、および送受信器３７を備え、これらがバスシステム３８を介して互いに接続されている。血圧データ処理装置１０の上述した機能は、ＣＰＵ３１がコンピュータ読み取り可能な記憶媒体（ＲＯＭ３２および／または補助記憶装置３４）に記憶されたプログラムを読み出し実行することにより実現されることができる。ＲＡＭ３３は、ＣＰＵ３１によってワークメモリとして使用される。補助記憶装置３４は、例えば、ハードディスクドライブ（ＨＤＤ）またはソリッドステートドライブ（ＳＤＤ）を含む。補助記憶装置３４は、血圧データ記憶部１２（図１）およびサージ血圧波形記憶部１５６（図７）として使用される。入力装置は、例えば、キーボード、マウス、およびマイクロフォンを含む。出力装置は、例えば、液晶表示装置などの表示装置およびスピーカを含む。送受信器３７は、他のコンピュータとの間で信号の送受信を行う。例えば、送受信器３７は、血圧測定装置２０から血圧データを受信する。

［その他の実施形態］
上述した実施形態では、要因識別用データ生成部１５５およびサージ血圧波形記憶部１５６は血圧データ処理装置１０の要因判定部１５に設けられている。他の実施形態では、要因識別用データ生成部１５５およびサージ血圧波形記憶部１５６は血圧データ処理装置１０と異なる装置に設けられていてもよい。言い換えると、外部装置において要因識別用データが生成されて、要因識別用データが血圧データ処理装置１０に与えられもよい。

また、上述した実施形態では、血圧データ処理装置１０は血圧測定装置２０とは別に設けられている。他の実施形態では、血圧データ処理装置１０の機能の一部または全部が血圧測定装置２０に設けられていてもよい。

要するに本発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られるものではない。

（付記１）
ハードウェアプロセッサと、
前記ハードウェアプロセッサに結合されたメモリと、
を備え、
前記ハードウェアプロセッサは、
血圧データを取得し、
前記血圧データからサージ血圧を検出することと、
前記サージ血圧から一心拍以上の血圧波形を抽出し、
前記一心拍以上の血圧波形から波形特徴量を算出し、
前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別し、
ように構成された、血圧データ処理装置。

（付記２）
少なくとも１つのハードウェアプロセッサを用いて、血圧データを取得することと、
少なくとも１つのハードウェアプロセッサを用いて、前記血圧データからサージ血圧を検出することと、
少なくとも１つのハードウェアプロセッサを用いて、前記サージ血圧から一心拍以上の血圧波形を抽出することと、
少なくとも１つのハードウェアプロセッサを用いて、前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出することと、
少なくとも１つのハードウェアプロセッサを用いて、前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別することと、
を備える血圧データ処理方法。

１０…血圧データ処理装置、１１…血圧データ取得部、１２…血圧データ記憶部、１３…前処理部、１４…サージ血圧検出部、１５…要因判定部、１６…情報生成部、１７…情報出力部、２０…血圧測定装置、２１…血圧測定部、２２…センサ部、２３…押圧機構、２４…加速度センサ、２５…記憶部、２６…入力部、２７…出力部、２８…制御部、３１…ＣＰＵ、３２…ＲＯＭ、３３…ＲＡＭ、３４…補助記憶装置、３５…入力装置、３６…出力装置、３７…送受信器、３８…バスシステム、１５１…対象区間設定部、１５２…血圧波形抽出部、１５３…波形特徴量算出部、１５４…要因識別部、１５５…要因識別用データ生成部、１５６…サージ血圧波形記憶部、２２１…圧力センサアレイ、２２２…圧力センサ。

Claims (10)

1. 睡眠中の被測定者に関する血圧データを取得する血圧データ取得部と、
   前記血圧データから生成される収縮期血圧または拡張期血圧の時系列データにおいて、前記収縮期血圧または前記拡張期血圧が上昇しその後に下降する時間区間における血圧波形をサージ血圧として検出するサージ血圧検出部と、
   前記血圧データのうちの前記検出されたサージ血圧に対応する部分から一心拍以上の血圧波形を抽出する血圧波形抽出部と、
   前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出する波形特徴量算出部と、
   前記波形特徴量に基づいて、所定の要因の中から前記検出されたサージ血圧が発生した要因を識別する要因識別部と、
   を具備する血圧データ処理装置。
2. 前記要因識別部は、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果を用いて、前記検出されたサージ血圧が発生した要因を識別する、請求項１に記載の血圧データ処理装置。
3. 前記波形特徴量は、複数種類の波形特徴量を含み、
   前記要因識別部は、前記複数種類の波形特徴量と、前記所定の要因それぞれに関する境界であって特徴空間に設定された境界と、に基づいて、前記検出されたサージ血圧が発生した要因を識別する、請求項１または請求項２に記載の血圧データ処理装置。
4. 前記サージ血圧は、立ち上がり部分および前記立ち上がり部分の後に続く立ち下がり部分を含み、
   前記血圧波形抽出部は、前記サージ血圧の前記立ち上がり部分から前記一心拍以上の血圧波形を抽出する、請求項１乃至請求項３のいずれか一項に記載の血圧データ処理装置。
5. 前記波形特徴量は、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、前記ダイアストリックピークの前記時刻からダイクロティックピークの時刻までの時間間隔、前記シストリックピークの時間幅、全パルス時間、前記シストリックピークの振幅、および前記ダイクロティックピークの振幅の少なくとも１つに基づいている、請求項１乃至請求項４のいずれか一項に記載の血圧データ処理装置。
6. 前記波形特徴量は、前記シストリックピークの前記時間幅と前記全パルス時間との比に基づく波形特徴量を含む、請求項５に記載の血圧データ処理装置。
7. 前記波形特徴量算出部は、前記一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理を行い、前記前処理により得られる波形に基づいて前記ダイアストリックピーク、前記シストリックピーク、および前記ダイクロティックピークを特定する、請求項５または請求項６に記載の血圧データ処理装置。
8. 前記要因識別部により識別したサージ血圧の要因に関する情報を出力する出力部をさらに具備する請求項１乃至請求項７のいずれか一項に記載の血圧データ処理装置。
9. 睡眠中の被測定者に関する血圧データを取得することと、
   前記血圧データから生成される収縮期血圧または拡張期血圧の時系列データにおいて、前記収縮期血圧または前記拡張期血圧が上昇しその後に下降する時間区間における血圧波形をサージ血圧として検出することと、
   前記血圧データのうちの前記検出されたサージ血圧に対応する部分から一心拍以上の血圧波形を抽出することと、
   前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出することと、
   前記波形特徴量に基づいて、所定の要因の中から前記検出されたサージ血圧が発生した要因を識別することと、
   を具備する血圧データ処理方法。
10. コンピュータを請求項１乃至請求項８のいずれか一項に記載の血圧データ処理装置として機能させるためのプログラム。

Images