JP7037644B2 - データ解析装置 - Google Patents

データ解析装置 Download PDF

Info

Publication number
JP7037644B2
JP7037644B2 JP2020516286A JP2020516286A JP7037644B2 JP 7037644 B2 JP7037644 B2 JP 7037644B2 JP 2020516286 A JP2020516286 A JP 2020516286A JP 2020516286 A JP2020516286 A JP 2020516286A JP 7037644 B2 JP7037644 B2 JP 7037644B2
Authority
JP
Japan
Prior art keywords
data
analysis
extraction
characteristic value
analysis target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020516286A
Other languages
English (en)
Other versions
JPWO2019208388A1 (ja
Inventor
亮太 富澤
佳久 足立
勇樹 江戸
莉絵子 小川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sharp Corp filed Critical Sharp Corp
Publication of JPWO2019208388A1 publication Critical patent/JPWO2019208388A1/ja
Application granted granted Critical
Publication of JP7037644B2 publication Critical patent/JP7037644B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/08—Mouthpieces; Microphones; Attachments therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Acoustics & Sound (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)

Description

本開示は、データ解析装置に関する。
脈波を測定する装置において、測定部位の動作等によって生じるノイズの影響を減らす技術が、例えば特許文献１に開示されている。特許文献１の技術では、複数の受光素子から出力される測定信号に対して独立成分分析を行うことで、各測定信号を複数の成分に分離した場合の各成分の重み付け係数を算出する。当該技術では、更に、算出した重み付け係数のばらつきを成分毎に算出し、算出したばらつきが最も小さい成分を特定し、特定した成分に基づいて脈波を示す脈波情報を生成する。
特開２０１３－１７６５３５号公報（２０１３年９月９日公開）
しかしながら、特許文献１の技術は、複数の測定信号のそれぞれについて、その一部を抽出した測定信号に基づいて脈波情報を生成するものでは無い。そのため、特許文献１の技術では、測定信号に対する分析処理（例：独立成分分析）の結果に影響を与え得る変動要因（例：ノイズ）を含む測定信号に基づいて脈波情報が生成されてしまう可能性がある。この場合、脈波情報の信頼度の低下を招く可能性がある。
本開示の一態様は、解析対象となる信号に、当該信号に対する分析処理の結果に影響を与え得る変動要因が含まれている場合であっても、当該変動要因の影響を低減した信号を取り出す可能性を高めることが可能なデータ解析装置を実現することを目的とする。
上記の課題を解決するために、本開示の一態様に係るデータ解析装置は、主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備える、データ解析装置。
本開示の一態様に係るデータ解析装置によれば、解析対象となる信号に、当該信号に対する分析処理の結果に影響を与え得る変動要因が含まれている場合であっても、当該変動要因の影響を低減した信号を取り出す可能性を高めることができるという効果を奏する。
実施形態１のデータ解析装置の一例を示すブロック図である。 （ａ）～（ｃ）は、入力データの一例を示す図である。 上記データ解析装置が備えるデータ抽出部の処理の一例を示す図である。 （ａ）は、上記データ解析装置が備えるデータ特定部の処理の一例を示す図であり、（ｂ）は、上記データ解析装置が備える記憶部に記憶される解析対象データの一例を示す図である。 上記データ解析装置における処理の一例を示す図である。 実施形態２のデータ解析装置の一例を示すブロック図である。 入力データの集合の一例を示す図である。 図７の入力データの集合から、抽出条件に従って抽出された抽出データの一例を示す図である。 図８の抽出データに対して独立成分分析を行うことで取得された解析対象候補データの一例を示す図である。 複数の抽出条件のそれぞれに対応する解析対象データの一例を示す図である。 図７とは異なる入力データの集合の一例を示す図である。 複数の抽出条件のそれぞれに対応する解析対象データの一例を示す図である。 実施形態３のデータ解析装置の一例を示すブロック図である。 実施形態４のデータ解析装置の一例を示すブロック図である。 実施形態５のデータ解析装置の一例を示すブロック図である。 上記データ解析装置における処理の一例を示すフローチャートである。 実施形態５の実施例に係るデータ解析装置の一例を示すブロック図である。 実施形態６のデータ解析装置の一例を示すブロック図である。
〔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。
＜データ解析装置＞
図１は、データ解析装置１の一例を示すブロック図である。データ解析装置１は、主となる属性の特性値である主特性値に、主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うものであり、図１に示すように、制御部２及び記憶部３を備える。制御部２は、データ解析装置１を統括的に制御するものであり、本実施形態では特に、データ抽出部２１（抽出装置）、データ特定部２２（分離装置）、データ出力部２３（出力装置）を備える。記憶部３（メモリ装置）は、制御部２で処理されるプログラム、抽出条件（後述）、及び解析対象データ（後述）等が記憶される。
データ抽出部２１は、受信した入力データから抽出データを抽出するものである。具体的には、データ抽出部２１は、複数の入力データのそれぞれについて、複数の互いに異なる抽出条件のそれぞれに該当する複数の主特性値と、複数の主特性値のそれぞれに対応する従特性値とを、抽出データとして抽出条件毎に抽出する。
データ特定部２２は、複数の抽出データから所望の情報を分離データとして分離する。所望の情報は、データ出力部２３が出力データを生成するときに必要となるデータを指す。
具体的には、データ特定部２２は、複数の抽出条件のそれぞれについて、複数の抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定する。
例えば、データ特定部２２は、複数の抽出条件のそれぞれについて、複数の抽出データに対して所定の分析処理を行うことで、解析対象となり得る複数の解析対象候補データ（分離データ）を取得する。データ特定部２２は、取得した複数の解析対象候補データの中から、解析対象データに含むべき解析対象候補データを特定する。但し、データ特定部２２は、取得した複数の解析対象候補データの中から選択した解析対象候補データに関連するデータを、解析対象データに含むべきデータとして特定しても構わない。選択した解析対象候補データに関連するデータとしては、例えば、解析対象候補データのＳ／Ｎ（Signal to Noise）比、又は、所定の分析処理で用いられる分析条件（例：分離行列又は直交行列）が挙げられる。
上記所定の分析処理としては、例えば、独立成分分析（分離行列を入力データに適用する処理）が挙げられる。独立成分分析は、一般に良く知られた分析処理方法であるため、独立成分分析を用いることで、簡易な手法での解析対象データの特定が可能となる。また、データ解析装置１の汎用性を高めることができる。上記所定の分析処理としては、その他、主成分分析及び特異値分解等が挙げられる。
データ出力部２３は、解析対象データに基づき出力データを生成し、生成した出力データを出力する。出力データは、データ解析装置１又は出力先（例：測定装置（後述））が解析対象とするデータとして信頼度が高い推定される（もっともらしい）データを指す。例えば、実施形態２では、取得した脈波データが精度良い脈波データ（鮮明な波形を有する脈波データ）であるか否かを判断する指標となる信頼度が出力データとなる。また、実施形態３においては、精度良い脈波データが出力データとなる。なお、出力データとしての脈波データは、生体情報の一例である脈波を示すデータである。実施形態４においては、精度良い脈波データの取得に寄与する分析条件（例：分離行列）が出力データとなる。
具体的には、データ出力部２３は、複数の抽出条件毎に特定された複数の解析対象データに基づき生成された出力データを出力する。出力される出力データは、任意に設定された処理を経て生成される。データ出力部２３が出力データを生成するための処理、及び当該処理の結果として生成された出力データの例については、本実施形態の具体的な実施例を示す実施形態２～４にて詳述する。
データ出力部２３は、生成した出力データを出力先としての外部装置に出力する。入力データが、例えば生体から取得される生体情報を含む場合、又は、出力データが生体情報を含む場合、出力先としては、例えば、生体情報（例：脈波データ）に基づいて、生体の状態を測定する測定装置であっても構わない。測定装置が測定する生体の状態としては、例えば、心拍数、脈拍数、心拍間隔、又はストレス度が挙げられる。
その他、出力先としては、例えば、解析対象データに対して所定の解析を行う解析装置、又は解析対象データを提示する提示装置（例：表示装置又はスピーカ）であっても構わない。なお、データ解析装置１は、出力先と同じ装置内に設けられていても構わない。つまり、出力先にはデータ解析装置１が含まれる。
なお、本実施形態では、データ抽出部２１、データ特定部２２、データ出力部２３及び記憶部３は、データ解析装置１という１つの装置内に含まれているが、これに限られない。データ抽出部２１、データ特定部２２、データ出力部２３及び記憶部３は、２以上４以下の装置に別々に備えられていても構わない。この場合、複数の装置によってデータ解析装置１が実現される。
また、各装置に備えられる部材の組は任意に選択できる。つまり、データ抽出部２１、データ特定部２２、データ出力部２３及び記憶部３がそれぞれ個別の装置として機能しても構わない。また、データ抽出部２１、データ特定部２２、データ出力部２３及び記憶部３のうちの２つ又は３つの部材が同一の装置で実現されても構わない。また、データ解析装置１、又は上記各装置は、クラウドによって実現されていても構わない。
（入力データの例）
図２の（ａ）～（ｃ）は、入力データの一例を示す図である。上述のように、入力データは、主特性値に従特性値が対応付けられたものである。入力データは、主特性値と従特性値との組を少なくとも１つ含む。また、同一の主となる属性に対応する複数の従となる属性を集めたものが入力データの集合となる。換言すれば、入力データの集合は、主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含む。
図２の（ａ）の例では、主となる属性が「位置」であり、従となる属性が「信号Ｓｉ１」、「信号Ｓｉ２」及び「信号Ｓｉ３」の３つである。つまり、本例では、
・「位置」を示す主特性値と「信号Ｓｉ１」を示す従特性値との組、
・「位置」を示す主特性値と「信号Ｓｉ２」を示す従特性値との組、
・「位置」を示す主特性値と「信号Ｓｉ３」を示す従特性値との組、
のそれぞれが入力データを構成する。入力データの集合は、これらの３つの入力データを集めたものである。
なお、主となる属性及び従となる属性は、任意の属性であってよい。例えば主たる属性が「時刻」であっても構わない。主となる属性が「時刻」である場合、データ解析装置１は、時系列データとしての入力データに対する処理を行うことが可能となる。
また、主特性値及び従特性値は数値に限らず、例えば通し番号、文字、ラベル又は記号であっても構わない。図２の（ｂ）の例では、主となる属性が「（問題の）通し番号」であり、従となる属性が「（問題に対する個人の）解答」である。また、図２の（ｂ）に示すように、全ての主特性値に対して従特性値が存在している必要は必ずしもない（「Ｎｏ．２」の「Ｂの解答」参照）。
また、図２の（ｃ）に示すように、入力データ間で主特性値が異なっていても構わない。図２の（ｃ）の例では、主特性値が「時刻」であり、従特性値が「強度Ｓｔ１」、「強度Ｓｔ２」及び「強度Ｓｔ３」である場合を示している。本例では、３つの入力データの主特性値の初期値、又は隣接する主特性値間の間隔（ここでは時間間隔）が異なっている。
（データ抽出部の処理例）
図３は、データ抽出部２１の処理の一例を示す図である。データ抽出部２１は、入力データの集合を構成する複数の入力データのそれぞれについて、複数の抽出条件のそれぞれに該当する主特性値及び従特性値の組を抽出データとして抽出する。
複数の抽出条件は、互いに異なっていればよい。また、抽出条件は、複数の主特性値の中から、主特性値を連続的に選択する条件でも構わないし、離散的に選択する条件でも構わない。但し、複数の抽出条件は、データ特定部２２により抽出データから特定された解析対象データが、データ出力部２３が出力データを生成するために必要となるデータの条件を満たすかどうかによって決まる。複数の抽出条件の設定例については、実施形態２～４にて詳述する。
図３に示すように、データ抽出部２１は、抽出条件Ｃ１を入力データＤ１～Ｄ３のそれぞれに適用することで、抽出データＤＳ１（入力データＤ１～Ｄ３のそれぞれに対応する抽出データＤ１１～Ｄ１３）を生成する。具体的には、図３の例では、主となる属性「Ｍ」の主特性値「１」、「２」及び「５」と、これらに対応する従特性値との組が抽出される。データ抽出部２１は、同様に、抽出条件Ｃ２～Ｃ４のそれぞれを入力データＤ１～Ｄ３のそれぞれに適用することで、抽出条件Ｃ２～Ｃ４のそれぞれに対応する抽出データＤＳ２～ＤＳ４を生成する。
なお、抽出条件で選択された主特性値が入力データに存在しない場合、データ抽出部２１は、入力データに抽出条件に対応する主特性値が無いものとして、抽出データにおける該当箇所を空白としても構わない。また、データ抽出部２１は、当該主特性値に近い主特性値と、当該主特性値に対応する従特性値との組を抽出しても構わない。また、データ抽出部２１は、入力データに対して補間処理を行うことで、抽出条件に該当する主特性値及び従特性値を推定し、当該推定した主特性値及び従特性値の組を抽出しても構わない。
さらに、抽出条件で選択された主特性値に対応する従特性値が入力データに存在しない場合、データ抽出部２１は、当該従特性値が無いものとして、抽出データにおける該当箇所を空白としても構わない。また、データ抽出部２１は、入力データに対して補間処理を行うことで、抽出条件に該当する主特性値に対応する従特性値を推定し、当該推定した従特性値を抽出しても構わない。
（データ特定部の処理例）
図４の（ａ）は、データ特定部２２の処理の一例を示す図である。データ特定部２２は、データ抽出部２１が抽出した複数の抽出データが入力されると、所定の分析処理及び所定の選択処理を行った結果として解析対象データを特定する。
例えば、所定の分析処理として独立成分分析を用いる場合、図４の（ａ）に示すように、データ特定部２２は、抽出条件Ｃ１に対応する抽出データＤＳ１（抽出データＤ１１、Ｄ１２、Ｄ１３、…）に対して分離行列ＩＣＡ１を適用する。その結果、データ特定部２２は、独立成分としての解析対象候補データＩＣ１（解析対象候補データＩＣ１１、ＩＣ１２、ＩＣ１３、…）を取得する。データ特定部２２は、所定の選択処理を行うことで、複数の解析対象候補データＩＣ１の中から、抽出条件Ｃ１に対応する解析対象データＳＤ１に含むべき解析対象候補データＩＣ１ｘを特定する。
データ特定部２２は、例えば、解析対象候補データＩＣ１１を解析対象データＳＤ１に含むべきデータとして特定した場合、解析対象候補データＩＣ１１に対して成分番号Ｍ１を付しても構わない。また、解析対象データＳＤ１には、特定された解析対象候補データＩＣ１１以外のデータが含まれても構わない。解析対象データＳＤ１には、例えば、特定された解析対象候補データＩＣ１１の他、上述した解析対象候補データＩＣ１１に関連するデータが含まれる。例えば、解析対象データＳＤ１には、
・解析対象候補データＩＣ１１を取得するために使用された分離行列ＩＣＡ１、
・抽出データＤＳ１に分離行列ＩＣＡ１を適用することで取得された解析対象候補データＩＣ１１、ＩＣ１２、ＩＣ１３、…、及び、
・成分番号Ｍ１
が含まれる。その他、解析対象データＳＤ１には、例えば、解析対象候補データＩＣ１１のＳ／Ｎ比が含まれていても構わない。また、解析対象データＳＤ１に、これらの全てのデータが含まれる必要は無い。解析対象データＳＤ１には、データ出力部２３が出力データを生成するために必要となるデータが含まれていればよい。
ここで所定の選択処理は、解析対象データの特性等により設定されるものであり、解析対象データに含むべきデータとして取得すべき値（目標値）の範囲内に含まれる、最適な解析対象候補データを選択する処理である。
データ特定部２２は、同様に、抽出条件Ｃ２，Ｃ３，…のそれぞれに対応する抽出データＤＳ２，ＤＳ３，…に対しても、それぞれ分離行列ＩＣＡ２，ＩＣＡ３，…を適用する。これにより、データ特定部２２は、独立成分として、
・抽出条件Ｃ２に対応する解析対象候補データＩＣ２（解析対象候補データＩＣ２１、ＩＣ２２、ＩＣ２３、…）、
・抽出条件Ｃ３に対応する解析対象候補データＩＣ３（解析対象候補データＩＣ３１、ＩＣ３２、ＩＣ３３、…）、…
を生成する。そして、データ特定部２２は、抽出条件Ｃ１の場合と同じ選択処理（同じ条件下での選択処理）を行うことで、抽出条件Ｃ２，Ｃ３，…のそれぞれに対応する解析対象データＳＤ２，ＳＤ３，…を特定する。解析対象データＳＤ２，ＳＤ３，…には、解析対象データＳＤ１と同様のデータが含まれる。
なお、独立成分分析の場合、ｎ個の入力データから抽出した抽出データを（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）としたとき、独立成分（ＩＣ１１，ＩＣ１２，…，ＩＣ１ｎ）は、分離行列ＩＣＡ１（ｎ行×ｎ列）によって、
（ＩＣ１１，ＩＣ１２，…，ＩＣ１ｎ）＝（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）×ＩＣＡ１
に示すように分離される。この式は、分離行列ＩＣＡ１による、抽出データとしてのベクトル（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）から、独立成分としてのベクトル（ＩＣ１１，ＩＣ１２，…，ＩＣ１ｎ）への線形変換を意味する。独立成分分析では、線形変換された独立成分（ＩＣ１１，ＩＣ１２，…，ＩＣ１ｎ）が互いに独立となるように、分離行列ＩＣＡ１が決定される。この分離行列ＩＣＡ１は、所定の数値計算アルゴリズム（例：ｉｎｆｏｍａｘ法又はｆａｓｔＩＣＡ法）を用いて決定される。
また、主成分分析の場合、ｎ個の入力データから抽出した抽出データを（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）としたとき、主成分（ＰＣ１１，ＰＣ１２，…，ＰＣ１ｎ）は、直交行列ＰＣＡ１（ｎ行×ｎ列）によって、
（ＰＣ１１，ＰＣ１２，…，ＰＣ１ｎ）＝（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）×ＰＣＡ１
に示すように分離される。この式は、直交行列ＰＣＡ１による、抽出データとしてのベクトル（Ｄ１１，Ｄ１２，…，Ｄ１ｎ）から、主成分としてのベクトル（ＰＣ１１，ＰＣ１２，…，ＰＣ１ｎ）への線形変換を意味する。主成分分析では、線形変換された主成分（ＰＣ１１，ＰＣ１２，…，ＰＣ１ｎ）において、ＰＣ１１，ＰＣ１２，…，ＰＣ１ｎの順に分散が大きくなるように、直交行列ＰＣＡ１が決定される。
抽出条件は互いに異なるものであるため、独立成分分析又は主成分分析による変換前の抽出データは、抽出条件毎に、（Ｄ１１，Ｄ１２，… ，Ｄ１ｎ）、（Ｄ２１，Ｄ２２，… ，Ｄ２ｎ）、…と異なる。そのため、各抽出条件の抽出データに基づき算出される分離行列ＩＣＡ１、ＩＣＡ２、…又は直交行列ＰＣＡ１、ＰＣＡ２、…も、抽出条件毎に異なる。
本書では、主として、解析対象候補データが独立成分であるものとして説明する。そのため、解析対象候補データの符号としてＩＣ１，ＩＣ２，…を用いる。但し、所定の分析処理として主成分分析が行われる場合、解析対象候補データは上記主成分となるため、解析対象候補データの符号としてＰＣ１１，ＰＣ１２，…，ＰＣ１ｎが用いられてよい。
図４の（ｂ）は、記憶部３に記憶される解析対象データの一例を示す図である。図４の（ｂ）の例では、解析対象データは、抽出条件に対応付けられて記憶されている。但し、解析対象データのみが記憶されていても構わない。データ出力部２３は、記憶部３に記憶された解析対象データに対して所定の処理を施すことで、出力すべき出力データ（例：変動要因の影響を低減した信号自体）を生成する。
ここで変動要因とは、入力データに対する分析処理に影響を及ぼすことにより、分析処理の結果を変動させる要因（例：入力データに含まれるノイズ又は異常値）のことである。また、所定の処理は、複数の解析対象候補データから、変動要因を含まない、又は変動要因の影響が抑制された解析対象データを選択するための処理を指す。
＜データ解析装置における処理＞
図５は、データ解析装置１における処理の一例を示すフローチャートである。図５に示すように、データ抽出部２１は、入力データの集合から、任意の抽出条件に従って抽出データを抽出する（Ｓ１）。具体的には、データ抽出部２１は、入力データの集合ＩＮに含まれる入力データＤ１，Ｄ２，…のそれぞれについて、抽出条件Ｃ１に従って抽出データＤ１１，Ｄ１２，…を生成する。
次に、データ特定部２２は、抽出データＤ１１，Ｄ１２，…に対して、所定の分析処理（例：独立成分分析）を行い、その分析処理の結果に基づき解析対象データＳＤ１を特定する。例えば、データ特定部２２は、抽出条件Ｃ１に応じて設定された分離行列ＩＣＡ１を用いた処理を行うことで、複数の解析対象候補データＩＣ１１、ＩＣ１２、…を取得する（Ｓ２）。データ特定部２２は、取得した複数の解析対象候補データＩＣ１１、ＩＣ１２、…に基づき解析対象データＳＤ１を特定する（Ｓ３）。データ特定部２２は、特定した解析対象データＳＤ１を記憶部３に記憶する（Ｓ４）。
データ抽出部２１は、データ特定部２２による任意の抽出条件に対応する解析対象データの特定が完了すると、全ての抽出条件について解析対象データが特定されているか否かを判定する（Ｓ５）。全ての抽出条件について解析対象データが特定されていなければ（Ｓ５でＮＯ）、全ての抽出条件について解析対象データが特定されるまで、Ｓ１～Ｓ４の処理が行われる。
上記の例では、抽出条件Ｃ１に対応する解析対象データＳＤ１が特定された後、データ抽出部２１は、他の抽出条件Ｃ２，…に対応する解析対象データＳＤ２，…が特定されていないと判定する。この場合、データ抽出部２１は、抽出条件Ｃ２，Ｃ３，…の順に解析対象データＳＤ２，ＳＤ３，…を特定すべく、抽出条件Ｃ１が適用された入力データと同じ入力データ（入力データＤ１，Ｄ２，…）に対してＳ１～Ｓ４の処理を行う。
データ抽出部２１が全ての抽出条件Ｃ１，Ｃ２，…についてそれぞれ解析対象データＳＤ１，ＳＤ２，…が特定されたと判定した場合（Ｓ５でＹＥＳ）、データ出力部２３は、解析対象データＳＤ１，ＳＤ２，…に基づき出力データを生成する（Ｓ６）。
なお、Ｓ３において特定される解析対象データには、上述のように、抽出条件毎に、複数の解析対象候補データの中から選択された解析対象候補データが含まれていても構わない。また、解析対象データには、選択された解析対象候補データの所定の特性（例：Ｓ／Ｎ比）が含まれていても構わないし、分析条件が含まれていても構わない。また、Ｓ４において、データ特定部２２は、特定した解析対象データに抽出条件を対応付けて記憶部３に記憶しても構わない。
＜効果＞
データ解析装置１は、入力データの集合から、複数の互いに異なる抽出条件のそれぞれに従って主特性値及び従特性値の組を抽出データとして抽出し、抽出データのそれぞれについて所定の分析処理を行う。そして、当該分析処理の結果に基づき解析対象データを特定する。
一般に、入力データの中には上述の変動要因が含まれている場合がある。入力データに変動要因が含まれている場合、所定の分析処理によって取得される成分は変動要因の影響を受けている。そのため、当該成分から精度良い情報（解析対象とするデータとして信頼度が高いデータ。例えば、鮮明な波形を有する脈波データ）を取得することは困難である。つまり、精度良い情報を取得するためには、変動要因を含まない入力データから情報を取り出すことが理想である。
ここで、入力データのみが与えられ、当該入力データから精度良い情報を取り出そうとした場合、取り出した情報は変動要因の影響を受けたものとなる。一方、入力データから抽出データを抽出して、抽出データから精度良い情報を取り出す場合には、抽出データを抽出する抽出条件として、変動要因の影響を最大限に抑制して情報を取り出すことが可能な理想的な抽出条件を設定すればよい。しかし、データ解析装置において、入力データに変動要因がどのように含まれているかを、入力データのみから判断することはできないため、理想的な抽出条件を予め設定しておくことはできない。そこで、データ解析装置１では、互いに異なる抽出条件を複数準備しておき、抽出条件毎に抽出した抽出データのそれぞれに対応する解析対象データを特定する。そして、これらの解析対象データの比較、又は当該解析対象データを用いた重み付け等の処理を行うことで、理想的な抽出条件で抽出したときに取得される解析対象データと同等又は類似の解析対象データを取得することが可能となる。
つまり、互いに異なる抽出条件（抽出方法）を複数準備しておくことで、変動要因を含まないように、又は変動要因の影響を抑制するように抽出データを抽出する可能性を高めることができる。つまり、理想的な抽出条件で取得される情報と同等又は類似の情報を取得することが可能となる。
従って、データ解析装置１によれば、解析対象となる信号に変動要因が含まれている場合であっても、変動要因の影響を低減した信号を取り出す可能性を高めることができる。
〔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。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。実施形態２以降の実施形態についても同様である。
図６は、データ解析装置１Ａの一例を示すブロック図である。データ解析装置１Ａは、データ解析装置１の実施例の１つである。データ解析装置１Ａは、生体の皮膚の色を示す色データ（ＲＧＢ信号）から取得される生体情報としての脈波を示す脈波データの信頼度を判定するものである。データ解析装置１Ａは、図６に示すように、制御部２Ａ及び記憶部３（不図示）を備える。制御部２Ａは、データ抽出部２１Ａ、データ特定部２２Ａ及びデータ出力部２３Ａを備える。
データ抽出部２１Ａ、データ特定部２２Ａ及びデータ出力部２３Ａは、実施形態１の制御部２のデータ抽出部２１、データ特定部２２及びデータ出力部２３と同様の機能を有するが、以下の点において異なる。
データ抽出部２１Ａの抽出元となる入力データは、解析対象候補データの取得対象である対象物を撮像するカメラ１０が取得した動画像データである。また、本実施形態では、カメラ１０の撮像対象（対象物）は生体の所定部位である。つまり、入力データは、生体から取得される生体情報を含む。具体的には、カメラ１０が取得する動画像データが示す画像には生体の像が含まれている。
データ解析装置１Ａでは、データ抽出部２１Ａは、動画像データ（生体の像）を解析することでＲＧＢ信号を抽出する。ＲＧＢ信号は、主となる属性が「時刻」である時系列データである。つまり、データ抽出部２１Ａの抽出元となる入力データは、Ｒの時系列データ（Ｒ信号）、Ｇの時系列データ（Ｇ信号）、及びＢの時系列データ（Ｂ信号）である。本実施形態では、入力データとしてのＲ信号、Ｇ信号及びＢ信号を、それぞれＤ１、Ｄ２及びＤ３と称する。
また、このＲＧＢ信号に生体情報としての脈波を示す脈波データが含まれる。本実施形態では、データ特定部２２Ａは、生体から取得されたＲＧＢ信号に対して独立成分分析を行うことで、解析対象データとして脈波データを取得する。
また、本実施形態では、Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３は、６０秒間の連続した信号である。抽出条件としては、Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３における「時刻」の範囲が設定される。抽出条件としては、例えば、
・Ｃ１：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の中央２０秒間を含む範囲（つまり、撮像開始後２０秒以上４０秒以下の範囲）、
・Ｃ２：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の中央４０秒間を含む範囲（つまり、撮像開始後１０秒以上５０秒以下の範囲）、及び、
・Ｃ３：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の中央６０秒間を含む範囲（つまり、撮像開始後０秒以上６０秒以下の範囲（全範囲））
が設定されている。
データ抽出部２１Ａは、入力データの集合ＩＮを構成するＲ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３のそれぞれから、抽出条件Ｃ１に従い抽出データＤ１１、Ｄ１２及びＤ１３を抽出する。データ特定部２２Ａは、抽出データＤ１１、Ｄ１２及びＤ１３に対して、分離行列ＩＣＡ１を適用することで、解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３を取得する。
データ特定部２２Ａは、所定の選択処理を行うことで、解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３から、脈波データであると推定される解析対象候補データＩＣ１ｘを選択する。データ特定部２２Ａは、例えば、解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３のそれぞれに対してフーリエ変換を実行する。そして、データ特定部２２Ａは、フーリエ変換後の解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３の中から、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘを選択し、解析対象データＳＤ１として特定する。本実施形態では、所定の周波数範囲は、例えば０．７５Ｈｚ以上４Ｈｚ以下に設定されている。この処理により、脈波データであると推定される解析対象候補データＩＣ１ｘを選択できる。
抽出条件Ｃ１の場合と同様、データ抽出部２１Ａは、抽出条件Ｃ２に従った抽出データＤ２１～Ｄ２３を抽出する。データ特定部２２Ａは、抽出データＤ２１～Ｄ２３に対して分離行列ＩＣＡ２を適用することで、解析対象候補データＩＣ２１、ＩＣ２２及びＩＣ２３を取得する。データ特定部２２Ａは、解析対象候補データＩＣ２１、ＩＣ２２及びＩＣ２３に対してフーリエ変換を実行する。そして、フーリエ変換後の解析対象候補データＩＣ２１、ＩＣ２２及びＩＣ２３の中から、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ２ｘを選択し、解析対象データＳＤ２として特定する。また、データ特定部２２Ａは、同様にして、抽出条件Ｃ３に従って抽出された抽出データＤ３１～Ｄ３３に対して分離行列ＩＣＡ３を適用することで、解析対象候補データＩＣ３１、ＩＣ３２及びＩＣ３３を取得する。そして、上述の手法で選択した解析対象候補データＩＣ３ｘを、解析対象データＳＤ３として特定する。
このように、データ特定部２２Ａは、独立成分分析を行うことで得られた複数の解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３（分析結果）のうちの１つ（解析対象候補データＩＣ１ｘ）を、解析対象データＳＤ１として特定する。データ特定部２２Ａは、同様にして、解析対象データＳＤ２及びＳＤ３を特定する。
データ出力部２３Ａは、本実施形態では、解析対象データＳＤ１～ＳＤ３の信頼度を判定するための処理を行うことで、当該信頼度の判定結果を示すデータを出力データＯＵＴとして生成する。
具体的には、データ出力部２３Ａは、解析対象データＳＤ１～ＳＤ３について互いに比較した結果を、出力データとして出力する。より具体的には、データ出力部２３Ａは、特定された解析対象データＳＤ１～ＳＤ３（解析対象候補データＩＣ１ｘ、ＩＣ２ｘ及びＩＣ３ｘ）同士を、全ての抽出条件において重複している範囲である中央２０秒間の範囲で比較する。データ出力部２３Ａは、特定された解析対象データＳＤ１～ＳＤ３から任意の２つを選択し、選択した２つのデータにおいて、中央２０秒間の範囲の各時刻における振幅の差分（誤差）を算出する。本例では、解析対象データＳＤ１－ＳＤ２間の誤差、解析対象データＳＤ１－ＳＤ３間の誤差、及び、解析対象データＳＤ２－ＳＤ３間の誤差をそれぞれ算出する。
データ出力部２３Ａは、算出した誤差のうち、その最大値が所定値（例：１００）以上である誤差が存在する場合には、解析対象データＳＤ１～ＳＤ３の脈波データとしての信頼度が低いと判定する。つまり、入力データとしてのＲＧＢ信号に変動要因（例：ノイズ）が含まれていると判定する。一方、データ出力部２３Ａは、算出した誤差のうち、その最大値が所定値未満であれば、解析対象データＳＤ１～ＳＤ３の脈波データとしての信頼度が高いと判定する。つまり、入力データとしてのＲＧＢ信号に変動要因（例：ノイズ）が含まれていない、又は含まれていても無視できる程度の変動要因であると判定する。データ出力部２３Ａは、この判定結果を出力データＯＵＴとして出力する。
このように、データ解析装置１Ａでは、同一の主となる属性に対応する複数の解析対象データを比較することで、出力データを生成している。具体的には、データ解析装置１Ａは、同一の主特性値の範囲（ここでは同一の時間範囲）における複数の解析対象データを比較することで、解析対象データが示す波形の誤差を算出し、当該誤差に基づき解析対象データの信頼度の判定を行っている。そのため、全ての抽出条件において、データ特定部２２Ａで比較対象とする同一範囲の主特性値を設定しておく。換言すれば、全ての抽出条件のそれぞれは、特定範囲に含まれる複数の主特性値と、当該複数の主特性値に対応する複数の従特性値とが含まれるように設定されている。本実施形態では、データ特定部２２Ａで比較対象となる中央２０秒間の範囲が、全ての抽出条件において設定されている。なお、全ての抽出条件において比較対象となる同一範囲の主特性値は、上記範囲に限らず、任意に設定可能である。また、抽出条件の個数も任意に設定可能である。
また、データ解析装置１Ａでは、解析対象候補データ（つまり時系列データとしての信号波）を解析対象データとしている。データ特定部２２Ａが、抽出データを所望の波形（例：脈波データとしての鮮明な波形）を有する解析対象候補データに分離する場合、ある程度の個数の主特性値が必要となる。換言すれば、抽出データにおいて主特性値及び従特性値の組が極端に少ない場合には、抽出データを所望の波形を有する解析対象候補データに分離できない可能性がある。例えば１Ｈｚ程度の脈波データの波形を取得したい場合、１秒に１点程度の主特性値及び従特性値の組しか含まない抽出データからは、当該波形を取得することはできない。
つまり、どの程度鮮明な波形を有する解析対象候補データを取得するかに依存して、複数の抽出条件（抽出する主特性値及び従特性値の組の個数）が決定される。例えば、抽出条件は、脈波データとして鮮明な波形を有する解析対象候補データを取得できる程度に連続する主特性値及び従特性値の組を有する抽出データを抽出できるように設定される。
なお、この主特性値及び従特性値の組に関する抽出条件の設定に関しては、実施形態３のデータ解析装置１Ｂ、及び実施形態４のデータ解析装置１Ｃについても同様である。
また、解析対象データに含むべき解析対象候補データを選択するときに用いられる所定の周波数範囲、及び、誤差の最大値と比較される所定値は、上述した値に限られない。所定の周波数範囲は、脈波データであると推定される解析対象候補データが選択できる範囲に設定されていればよい。また、所定値は、抽出元となった入力データに変動要因が含まれていると判定できる値に設定されていればよい。所定の周波数範囲及び所定値は、例えば実験等を経て設定される。
また、データ特定部２２Ａは、解析対象データに、抽出データに独立成分分析を行った結果として取得された解析対象候補データを含めているが、これに限らず、分離行列を含めても構わない。この場合、データ出力部２３Ａは、複数の解析対象データとしての分離行列を互いに比較した結果を、出力データとして出力しても構わない。例えば、データ出力部２３Ａは、複数の分離行列について、任意の２つの分離行列の差を算出し、この差の最大値が判定基準未満であるか否かを判定することによって、選択した解析対象候補データの信頼度の判定を行い、その判定結果を出力しても構わない。また、データ出力部２３Ａは、信頼度を数値化して、数値化した信頼度を出力データとして出力しても構わない。
＜実施例＞
図７は、入力データの集合ＩＮａの一例を示す図である。図８は、図７の入力データの集合ＩＮａから、抽出条件Ｃ１に従って抽出された抽出データＤＳ１ａの一例を示す図である。図９は、図８の抽出データＤＳ１ａに対して分離行列ＩＣＡ１を適用することで取得された解析対象候補データＩＣ１ａの一例を示す図である。図１０は、抽出条件Ｃ１～Ｃ３に対応する解析対象データＳＤａの一例を示す図である。
入力データの集合ＩＮａが、図７に示すようなＲ信号Ｄ１ａ、Ｇ信号Ｄ２ａ及びＢ信号Ｄ３ａで構成されている場合、データ抽出部２１Ａは、Ｒ信号Ｄ１ａ、Ｇ信号Ｄ２ａ及びＢ信号Ｄ３ａのそれぞれから、抽出条件Ｃ１に示される中央２０秒間の範囲を抽出する。その結果、データ抽出部２１Ａは、図８に示すように、Ｒ信号Ｄ１ａに対応する抽出データＤ１１ａ、Ｇ信号Ｄ２ａに対応する抽出データＤ１２ａ、及び、Ｂ信号Ｄ３ａに対応する抽出データＤ１３ａを抽出する。
データ特定部２２Ａは、図８の抽出データＤ１１ａ、Ｄ１２ａ及びＤ１３ａに対して、分離行列ＩＣＡ１を適用することで、図９の解析対象候補データＩＣ１１ａ、ＩＣ１２ａ及びＩＣ１３ａを取得する。データ特定部２２Ａは、解析対象候補データＩＣ１１ａ、ＩＣ１２ａ及びＩＣ１３ａに対してフーリエ変換を実行する。そして、図１０に示すように、フーリエ変換後の解析対象候補データＩＣ１１ａ、ＩＣ１２ａ及びＩＣ１３ａの中から、０．７５Ｈｚ以上４Ｈｚ以下の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１２ａを、解析対象データＳＤ１ａとして特定する。
また、データ抽出部２１Ａ及びデータ特定部２２Ａは、入力データの集合ＩＮａに対して抽出条件Ｃ２に基づく処理を行うことで、図１０に示す解析対象データＳＤ２ａを特定する。同様に、データ抽出部２１Ａ及びデータ特定部２２Ａは、入力データの集合ＩＮａに対して抽出条件Ｃ３に基づく処理を行うことで、図１０に示す解析対象データＳＤ３ａを特定する。
図１０に示す解析対象データＳＤ１ａ～ＳＤ３ａについて、データ出力部２３Ａが上記誤差を算出すると、その最大値は６９．９であった。この値は所定値１００を下回るため、データ出力部２３Ａは、入力データの集合ＩＮａから得られた脈波データ（解析対象データＳＤａ）の信頼度が高いと判定し、「信頼できる」旨の出力データＯＵＴを出力する。
次に、入力データの集合ＩＮａとは異なる入力データの集合ＩＮｂから得られた脈波データの信頼度について検証した結果を示す。図１１は、入力データの集合ＩＮｂの一例を示す図である。図１２は、抽出条件Ｃ１～Ｃ３に対応する解析対象データＳＤｂの一例を示す図である。
図１１に示すように、入力データの集合ＩＮｂは、Ｒ信号Ｄ１ｂ、Ｇ信号Ｄ２ｂ及びＢ信号Ｄ３ｂで構成されている。この場合、データ抽出部２１Ａ及びデータ特定部２２Ａは、入力データの集合ＩＮｂに対して抽出条件Ｃ１～Ｃ３のそれぞれに基づく処理を行うことで、図１２に示す解析対象データＳＤｂを特定する。具体的には、データ特定部２２Ａは、抽出条件Ｃ１に対応する解析対象データＳＤ１ｂ、抽出条件Ｃ２に対応する解析対象データＳＤ２ｂ、及び、抽出条件Ｃ３に対応する解析対象データＳＤ３ｂを特定する。
図１２に示す解析対象データＳＤ１ｂ～ＳＤ３ｂについて、データ出力部２３Ａが上記誤差を算出すると、その最大値は３０１．３であった。この値は所定値１００を上回るため、データ出力部２３Ａは、入力データの集合ＩＮｂから得られた脈波データ（解析対象データＳＤｂ）の信頼度が低いと判定し、「信頼できない」旨の出力データＯＵＴを出力する。
＜効果＞
データ解析装置１Ａは、生体から取得したＲＧＢ信号に変動要因が含まれている場合であっても、変動要因の影響を低減した脈波データを取出す可能性を高めることができる。
また、データ解析装置１Ａは、抽出条件毎に取得した脈波データとしての解析対象データの誤差を算出し、その算出結果に基づき脈波データの信頼度を出力する。そのため、データ解析装置１Ａは、取得した脈波データの信頼度を通知できる。当該通知により、例えば測定装置において信頼度の高い脈波データを選択的に用いることができるので、脈拍数等の生体の状態を示す種々の情報を精度良く測定することが可能となる。
また、入力データが動画像データである場合、カメラ１０で撮像するという簡易な手法で、入力データを取得できる。また、カメラ１０が生体の所定部位を撮像することで、生体の像を含む動画像データを取得できる。この場合、生体の像から、生体情報（例：脈波データ）を抽出可能なＲＧＢ信号を取得できる。
〔実施形態３〕
図１３は、データ解析装置１Ｂの一例を示すブロック図である。データ解析装置１Ｂは、データ解析装置１の実施例の１つである。データ解析装置１Ｂは、ＲＧＢ信号から取得される脈波データの、信頼度が高いと推定される範囲を特定するものである。データ解析装置１Ｂは、図１３に示すように、制御部２Ｂ及び記憶部３（不図示）を備える。制御部２Ｂは、データ抽出部２１Ｂ、データ特定部２２Ｂ及びデータ出力部２３Ｂを備える。
データ抽出部２１Ｂ、データ特定部２２Ｂ及びデータ出力部２３Ｂは、実施形態２の制御部２Ａのデータ抽出部２１Ａ、データ特定部２２Ａ及びデータ出力部２３Ａと同様の機能を有するが、以下の点において異なる。
データ抽出部２１Ｂは、実施形態２とは異なる抽出条件に従って、入力データの集合ＩＮ（Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３）から、抽出データＤ１１～Ｄ１３を抽出する。本実施形態の抽出条件は、Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３において、各抽出条件で互いに異なる「時刻」の範囲が設定される。抽出条件としては、例えば、
・Ｃ１：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の０秒以上１０秒未満の範囲
・Ｃ２：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の１０秒以上２０秒未満の範囲
・Ｃ３：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の２０秒以上３０秒未満の範囲
・Ｃ４：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の３０秒以上４０秒未満の範囲
・Ｃ５：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の４０秒以上５０秒未満の範囲
・Ｃ６：Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３の５０秒以上６０秒以下の範囲
が設定されている。
データ特定部２２Ｂは、実施形態２と同様、データ抽出部２１Ｂが抽出条件Ｃ１に従って抽出した抽出データＤ１１、Ｄ１２及びＤ１３に対して独立成分分析を行うことで、解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３を取得する。データ特定部２２Ｂは、取得したフーリエ変換後の解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３の中から、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘを、解析対象データＳＤ１に含むべき解析対象候補データとして特定する。所定の周波数範囲は、実施形態２と同様、例えば０．７５Ｈｚ以上４Ｈｚ以下の範囲である。
また、データ特定部２２Ｂは、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘのＳ／Ｎ比（分析結果の品質に係る値）を算出し、当該Ｓ／Ｎ比を解析対象データＳＤ１に含める。つまり、本実施形態では、データ特定部２２Ｂは、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘと、当該解析対象候補データＩＣ１ｘのＳ／Ｎ比とを含む解析対象データＳＤ１を生成する。
データ抽出部２１Ｂ及びデータ特定部２２Ｂは、抽出条件Ｃ２～Ｃ６についても、抽出条件Ｃ１のときと同じ処理を行うことで、抽出条件Ｃ２～Ｃ６のそれぞれに対応する解析対象データＳＤ２～ＳＤ６を生成する。解析対象データＳＤ２～ＳＤ６のそれぞれには、解析対象データＳＤ１と同様、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ２ｘ～ＩＣ６ｘと、解析対象候補データＩＣ２ｘ～ＩＣ６ｘのそれぞれのＳ／Ｎ比（分析結果の品質に係る値）とが含まれる。
データ出力部２３Ｂは、複数の解析対象データのそれぞれに含まれる解析対象候補データから、脈波データとしての信頼度が高いと推定される解析対象候補データを取り出すための処理を行う。そして、データ出力部２３Ｂは、当該処理の結果として取り出した解析対象候補データを出力データＯＵＴとして生成する。
具体的には、データ出力部２３Ｂは、解析対象データＳＤ１～ＳＤ６について互いに比較した結果を、出力データとして出力する。より具体的には、データ出力部２３Ｂは、解析対象データＳＤ１～ＳＤ６のＳ／Ｎ比を比較することで、解析対象データＳＤ１～ＳＤ６のうち、Ｓ／Ｎ比が最も大きい解析対象データを選択する。つまり、データ出力部２３Ｂは、各抽出条件Ｃ１～Ｃ６において、脈波データとして最も信頼度が高いと推定される解析対象候補データＩＣ１ｘ～ＩＣ６ｘを特定し、その中から、最も変動要因の影響が少ない解析対象候補データを選択する。これにより、入力データの集合ＩＮを所定の時間間隔（本例では１０秒毎）で区切ったときの、入力データの集合ＩＮの各部分に対応して取得された信号波（解析対象候補データＩＣ１ｘ～ＩＣ６ｘ）の中から、脈波データとして最も信頼度が高い信号波を選択できる。
このように、データ解析装置１Ｂでは、抽出条件毎に分離した解析対象候補データのＳ／Ｎ比を比較することで、最適な解析対象候補データを特定している。そのため、比較されるＳ／Ｎ比は、同等の条件下で取得された解析対象候補データから算出される。つまり、各抽出条件は、互いに同等の条件を有するように設定される。そのため、本実施形態では、各抽出条件において、抽出する複数の主特性値の個数、及び複数の主特性値の抽出間隔を同じにしている（上記例では１０秒間隔）。
なお、実施形態４のデータ解析装置１Ｃにおいても、各抽出条件下で取得された解析対象候補データのＳ／Ｎ比が用いられる。そのため、実施形態４においても、本実施形態と同様、各抽出条件は、互いに同等の条件を有するように設定される（実施形態４においても、各抽出条件において、抽出する主特性値の個数及び間隔は同じである）。
また、実施形態２で述べたように、本実施形態においても、連続する主特性値及び従特性値の組を有する抽出データを抽出できるように、各抽出条件が設定されている。そのため、抽出データから取得された解析対象候補データのＳ／Ｎ比を算出できる。
＜効果＞
データ解析装置１Ｂは、変動要因の影響を低減した脈波データを取り出すことができる。また、データ解析装置１Ｂは、脈波データの、最も信頼度が高いと推定される範囲を、出力先に提供できる。出力先が測定装置である場合には、測定装置にて、当該範囲を用いた生体の状態の測定を行うことができるため、精度良い測定を行うことが可能となる。
〔実施形態４〕
図１４は、データ解析装置１Ｃの一例を示すブロック図である。データ解析装置１Ｃは、データ解析装置１の実施例の１つである。データ解析装置１Ｃは、カメラ１０が６０秒間撮像した動画像データを構成するＲＧＢ信号から、信頼度が高いと推定される脈波データを取得するための処理を行うものである。データ解析装置１Ｃは、図１４に示すように、制御部２Ｃ及び記憶部３（不図示）を備える。制御部２Ｃは、データ抽出部２１Ｃ、データ特定部２２Ｃ及びデータ出力部２３Ｃを備える。
データ抽出部２１Ｃ、データ特定部２２Ｃ及びデータ出力部２３Ｃは、実施形態２の制御部２Ａのデータ抽出部２１Ａ、データ特定部２２Ａ及びデータ出力部２３Ａと同様の機能を有するが、以下の点において異なる。
データ抽出部２１Ｃは、実施形態２とは異なる抽出条件Ｃｘに従って、入力データの集合ＩＮ（Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３）から、抽出データＤｘ１～Ｄｘ３を抽出する。本実施形態の抽出条件は、Ｒ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３を構成する動画像データの数フレーム毎（例：１０フレーム毎）に、主特性値及び従特性値の組を抽出可能なように設定される。抽出条件としては、例えば、６０秒間の動画像データが１００フレームから構成される場合、
・Ｃ１：１フレーム、１１フレーム、２１フレーム、…８１フレーム及び９１フレームのＲ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３
・Ｃ２：２フレーム、１２フレーム、２２フレーム、…８２フレーム及び９２フレームのＲ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３
…
・Ｃ９：９フレーム、１９フレーム、２９フレーム、…８９フレーム及び９９フレームのＲ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３
・Ｃ１０：１０フレーム、２０フレーム、３０フレーム、…９０フレーム及び１００フレームのＲ信号Ｄ１、Ｇ信号Ｄ２及びＢ信号Ｄ３
が設定されている。
データ特定部２２Ｃは、実施形態３と同様、抽出条件Ｃ１に従って抽出された抽出データＤ１１、Ｄ１２及びＤ１３に対して、分離行列ＩＣＡ１を適用することで、解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３を取得する。データ特定部２２Ｃは、フーリエ変換後の解析対象候補データＩＣ１１、ＩＣ１２及びＩＣ１３の中から、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘを選択する。所定の周波数範囲は、例えば０．７５Ｈｚ以上４Ｈｚ以下の範囲である。また、データ特定部２２Ｃは、実施形態３と同様、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘのＳ／Ｎ比を算出する。そして、データ特定部２２Ｃは、分離行列ＩＣＡ１と、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１ｘのＳ／Ｎ比とを含む解析対象データＳＤ１を生成する。
データ抽出部２１Ｃ及びデータ特定部２２Ｃは、抽出条件Ｃ２～Ｃ１０についても、抽出条件Ｃ１のときと同じ処理を行うことで、抽出条件Ｃ２～Ｃ１０のそれぞれに対応する解析対象データＳＤ２～ＳＤ１０を生成する。解析対象データＳＤ２～ＳＤ１０のそれぞれには、解析対象データＳＤ１と同様、分離行列ＩＣＡ２～ＩＣＡ１０のそれぞれと、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ２ｘ～ＩＣ１０ｘのそれぞれのＳ／Ｎ比とが含まれる。
データ出力部２３Ｃは、ＲＧＢ信号から信頼度が高いと推定される脈波データを取得するための条件を、出力データＯＵＴとして生成する。本実施形態では、データ出力部２３Ｃは、ＲＧＢ信号から信頼度が高いと推定される脈波データを取得するための分離行列を生成する。
具体的には、データ出力部２３Ｃは、各抽出条件に応じて設定された分離行列に対する所定の統計処理として、当該分離行列を、各抽出条件下で取得された上記Ｓ／Ｎ比（分析結果の品質に係る値）で重み付けすることで、新たな分離行列を生成する。この場合、データ出力部２３Ｃは、以下の式：
出力データＯＵＴ（新たな分離行列）＝
（ＩＣＡ１×ＳＮ１＋ＩＣＡ２×ＳＮ２＋…＋ＩＣＡ１０×ＳＮ１０）／（ＳＮ１＋ＳＮ２＋…＋ＳＮ１０）
に従って、新たな分離行列を生成する。なお、上記式において、各抽出条件Ｃ１～Ｃ１０に応じて設定された分離行列を、それぞれＩＣＡ１，ＩＣＡ２，…，ＩＣＡ１０と表している。また、各抽出条件Ｃ１～Ｃ１０下で取得されたＳ／Ｎ比を、それぞれＳＮ１，ＳＮ２，…，ＳＮ１０と表している。
これにより、データ出力部２３Ｃは、各抽出条件下で取得された解析対象候補データのうち、信頼度が高いと推定される解析対象候補データのＳ／Ｎ比を用いて、分離行列の重み付けを行うことで、信頼度が高いと推定される新たな分離行列を生成できる。データ出力部２３Ｃは、この新たな分離行列を出力データＯＵＴとして出力するため、例えば出力先において、入力データに対して新たな分離行列を適用することが可能となる。そのため、出力先において、入力データから信頼度が高いと推定される脈波データを取得することが可能となる。
なお、本実施形態の抽出条件は、実施形態２及び３で述べたように、連続する主特性値及び従特性値の組を有する抽出データを抽出できるように設定されている。そのため、データ解析装置１Ｃは、所望の波形を有する解析対象候補データを取得できると共に、そのＳ／Ｎ比を算出できる。本実施形態では、上述のように、入力データの１０フレーム毎に主特性値及び従特性値の組を抽出できるように、各抽出条件が設定されている。また、上述したように、各抽出条件において、抽出する主特性値の個数は同じである。
また、所望の波形を有する解析対象候補データを取得できるか否かは、カメラ１０が単位時間あたりに取得する画像数にも影響される。例えば、入力データが１００ｆｐｓ（Frames Per Second）のカメラ１０で撮像された動画像データの場合、抽出データには１秒に１０点の主特性値及び従特性値の組が含まれるため、鮮明な波形を取得できる。一方、入力データが３０ｆｐｓのカメラ１０で撮像された動画像データの場合、抽出データには１秒に３点の主特性値及び従特性値の組しか含まれず、鮮明な波形を取得することは困難となる。このように、本実施形態では、所望の波形を取得するために、抽出条件の設定に加え、カメラ１０が取得する単位時間あたりの画像数も設定される。
＜変形例＞
データ出力部２３Ｃは、信頼度が高いと推定される分離行列又は解析対象候補データを出力できればよい。データ出力部２３Ｃは、例えば、各抽出条件下で設定された分離行列に対する所定の統計処理として、当該分離行列を平均したものを、新たな分離行列として生成しても構わない。
この場合、データ特定部２２Ｃは、各抽出条件下で設定された分離行列を解析対象データとして特定する。つまり、データ特定部２２Ｃは、複数の抽出条件のそれぞれについて、複数の抽出データに対して所定の分析処理（例：独立成分分析）を行うことで複数の解析対象候補データを取得したときに用いた分析条件（例：分離行列）を、解析対象データとして特定する。またこの場合、抽出条件は任意に設定可能である。
また、データ解析装置１Ｃは、データ出力部２３Ｃで生成された新たな分離行列を、入力データの集合に対して適用することで、信頼度が高い推定される脈波データを生成しても構わない。
＜効果＞
データ解析装置１Ｃは、変動要因の影響を低減した脈波データを取り出す可能性を高めることができる。また、データ解析装置１Ｃは、信頼度が高いと推定される分析条件を生成する。そのため、データ解析装置１Ｃ又は出力先は、当該分析条件を用いた入力データの分析処理を行うことができる。つまり、データ解析装置１Ｃ又は出力先は、入力データから、変動要因の影響を低減したデータを精度良く取り出すことが可能となる。
〔実施形態５〕
実施形態１～４では、データ解析装置１、１Ａ～１Ｃに入力される入力データの集合は１つであった。本実施形態では、データ解析装置１Ｄ及び１Ｅに入力される入力データの集合が複数である点で、データ解析装置１、１Ａ～１Ｃと異なる。
＜データ解析装置＞
図１５は、データ解析装置１Ｄの一例を示すブロック図である。データ解析装置１Ｄは、図１５に示すように、制御部２Ｄ及び記憶部３を備える。制御部２Ｄは、データ抽出部２１Ｄ、データ特定部２２Ｄ及びデータ出力部２３Ｄを備える。データ抽出部２１Ｄ、データ特定部２２Ｄ及びデータ出力部２３Ｄは、実施形態１の制御部２のデータ抽出部２１、データ特定部２２及びデータ出力部２３と同様の機能を有するが、以下の点において異なる。
データ抽出部２１Ｄは、複数の入力データの集合のそれぞれについて、互いに異なる複数の抽出条件に従って、複数の主特性値及び従特性値の組を抽出データとして抽出する。
データ特定部２２Ｄは、実施形態１と同様、複数の抽出条件のそれぞれについて、複数の抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象データを特定する。但し、この特定する処理を、複数の入力データの集合のそれぞれについて行う。
データ出力部２３Ｄは、複数の入力データの集合のそれぞれについて特定された解析対象データに対して、任意に設定された処理を実行する。本実施形態の具体的な実施例（データ解析装置１Ｅ）については後述する。
＜データ解析装置における処理＞
図１６は、データ解析装置１Ｄにおける処理の一例を示すフローチャートである。図１６に示すように、データ解析装置１Ｄは、任意の入力データの集合に対して、実施形態１で説明したＳ１～Ｓ５の処理を行う。データ抽出部２１Ｄは、全ての抽出条件についてそれぞれ解析対象データが特定されたと判定した場合（Ｓ５でＹＥＳ）、全ての入力データの集合に対して、Ｓ１～Ｓ５の処理が行われたか否かを判定する（Ｓ１１）。データ抽出部２１Ｄが全ての入力データの集合に対してＳ１～Ｓ５の処理が行われていないと判定した場合（Ｓ１１でＮＯ）、全ての入力データの集合に対して解析対象データが特定されるまで、Ｓ１～Ｓ５の処理が行われる。一方、データ抽出部２１Ｄが全ての入力データの集合に対してＳ１～Ｓ５の処理が行われたと判定した場合（Ｓ１１でＹＥＳ）、データ出力部２３Ｄは、全ての入力データの集合の、全ての解析対象データに基づき、出力データを生成する（Ｓ１２）。
なお、入力データの集合のそれぞれについて、Ｓ１～Ｓ５の処理が並行して実行されても構わない。
＜実施例＞
図１７は、データ解析装置１Ｅの一例を示すブロック図である。データ解析装置１Ｅは、データ解析装置１Ｄの実施例の１つである。データ解析装置１Ｅは、複数のＲＧＢ信号のそれぞれから取得される脈波データを用いて、信頼度が高い推定される脈波伝播時間を算出するものである。データ解析装置１Ｅは、図１７に示すように、制御部２Ｅ及び記憶部３（不図示）を備える。制御部２Ｅは、データ抽出部２１Ｅ、データ特定部２２Ｅ及びデータ出力部２３Ｅを備える。データ解析装置１Ｅは、データ解析装置１Ｄの実施例であるため、データ抽出部２１Ｅ、データ特定部２２Ｅ及びデータ出力部２３Ｅは、データ抽出部２１Ｄ、データ特定部２２Ｄ及びデータ出力部２３Ｄと同じ機能を有する。
本例において、データ抽出部２１Ｅの抽出元となる入力データの集合ＩＮ１及びＩＮ２は、互いに異なる生体の部位を撮像する２つのカメラ１０が取得した動画像データを構成するＲＧＢ信号である。本例では、入力データの集合が２つである場合（ＲＧＢ信号が生体の２つの部位でそれぞれ検出された場合）を示しているが、３つ以上であっても構わない。この場合、入力データの集合は、互いに異なる生体の部位を撮像する３つ以上のカメラ１０によって取得される。
抽出条件としては、例えば、実施形態２～４のいずれの抽出条件が設定されても構わない。つまり、抽出条件は、脈波伝播時間を算出するための解析対象データとして、脈波データとしての波形を有する解析対象候補データが取得できるように設定されていればよい。但し、データ解析装置１Ｅは、入力データの集合ＩＮ１及びＩＮ２のそれぞれにおいて、各抽出条件下で特定された解析対象データを用いて脈波伝播時間を算出する。そのため、入力データの集合ＩＮ１及びＩＮ２のそれぞれにおいて用いられる全ての抽出条件は同じものとなる。つまり、複数の入力データの集合に対して同じ抽出条件が用いられる。
データ抽出部２１Ｅは、入力データの集合ＩＮ１を構成するＲ信号Ｄ１１１、Ｇ信号Ｄ１１２及びＢ信号Ｄ１１３のそれぞれから、抽出条件Ｃ１に従い抽出データＤ１１１１、Ｄ１１１２及びＤ１１１３を抽出する。データ特定部２２Ｅは、抽出データＤ１１１１、Ｄ１１１２及びＤ１１１３に対して所定の分離処理（例：独立成分分析（分離行列ＩＣＡ１を適用））を行うことで、解析対象候補データＩＣ１１１１、ＩＣ１１１２及びＩＣ１１１３を取得する。
データ特定部２２Ｅは、解析対象候補データＩＣ１１１１、ＩＣ１１１２及びＩＣ１１１３から、脈波データとしての信頼度が最も高いと推定される解析対象候補データを選択する。データ特定部２２Ｅは、例えば、解析対象候補データＩＣ１１１１、ＩＣ１１１２及びＩＣ１１１３のそれぞれに対してフーリエ変換を実行する。そして、フーリエ変換後の解析対象候補データＩＣ１１１１、ＩＣ１１１２及びＩＣ１１１３の中から、所定の周波数範囲（例：０．７５Ｈｚ以上４Ｈｚ以下）において信号強度が最も強い解析対象候補データＩＣ１１１ｘを、解析対象データＳＤ１１１として特定する。
データ抽出部２１Ｅ及びデータ特定部２２Ｅは、抽出条件Ｃ２，Ｃ３，…についても、抽出条件Ｃ１のときと同じ処理を行うことで、抽出条件Ｃ２，Ｃ３，…のそれぞれに対応する解析対象データＳＤ２１１，ＳＤ３１１，…を生成する。解析対象データＳＤ２１１，ＳＤ３１１，…のそれぞれには、解析対象データＳＤ１１１と同様、所定の周波数範囲において信号強度が最も強い解析対象候補データＩＣ１２１ｘ，ＩＣ１３１ｘ，…が含まれる。
また、データ抽出部２１Ｅ及びデータ特定部２２Ｅは、Ｒ信号Ｄ１２１、Ｇ信号Ｄ１２２及びＢ信号Ｄ１２３により構成される入力データの集合ＩＮ２についても、入力データの集合ＩＮ１に対する処理と同じ処理を行う。つまり、データ抽出部２１Ｅは、Ｒ信号Ｄ１２１、Ｇ信号Ｄ１２２及びＢ信号Ｄ１２３から、抽出条件Ｃ１に従い抽出データＤ１１２１、Ｄ１１２２及びＤ１１２３を抽出する。データ特定部２２Ｅは、抽出データＤ１１２１、Ｄ１１２２及びＤ１１２３に対して独立成分分析を行うことで、解析対象候補データＩＣ１１２１、ＩＣ１１２２及びＩＣ１１２３を取得する。そして、解析対象候補データＩＣ１１２ｘを解析対象データＳＤ１２１として特定する。データ抽出部２１Ｅ及びデータ特定部２２Ｅは、抽出条件Ｃ２，Ｃ３，…のそれぞれについても同様の処理を行うことで、抽出条件Ｃ２，Ｃ３，…に対応する解析対象データＳＤ２２１，ＳＤ３２１，…を生成する。
データ出力部２３Ｅは、入力データの集合ＩＮ１から取得された解析対象データＳＤ１１１，ＳＤ２１１，…と、入力データの集合ＩＮ２から取得された解析対象データＳＤ１２１，ＳＤ２２１，…とに基づき、脈波伝播時間ＰＰＴｘを算出する。
例えば、データ出力部２３Ｅは、抽出条件Ｃ１の下、入力データの集合ＩＮ１から取得された解析対象データＳＤ１１１の波形におけるピーク位置と、入力データの集合ＩＮ２から取得された解析対象データＳＤ１２１の波形におけるピーク位置とを特定する。データ出力部２３Ｅは、特定した２つのピーク位置の時間差を、抽出条件Ｃ１における脈波伝播時間ＰＰＴ１として算出する。データ出力部２３Ｅは、抽出条件Ｃ２，Ｃ３，…のそれぞれについても、抽出条件Ｃ１のときと同じように脈波伝播時間ＰＰＴ２，ＰＰＴ３，…を算出する。
データ出力部２３Ｅは、算出した脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…を含むデータを出力データＯＵＴとして出力する。脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…は、各抽出条件において脈波データと推定されるデータ（解析対象データ）を用いて算出されたものである。各抽出条件は互いに異なっているため、解析対象データの中には、精度良い脈波データも含まれる。そのため、出力先に、変動要因の影響を低減した（精度良い）脈波伝播時間を提供できる。
（変形例）
なお、入力データの集合ＩＮ１及びＩＮ２は、同一のカメラ１０が取得した動画像データを構成するＲＧＢ信号から、互いに異なる生体の部位を撮像した部分のＲＧＢ信号を抜き出したものでも構わない。入力データの集合が３つ以上の場合も、同一のカメラ１０が取得した動画像データを構成するＲＧＢ信号から、複数の入力データの集合を取得して構わない。
また、算出した脈波伝播時間をそのまま出力データＯＵＴとする必要は必ずしも無い。データ解析装置１Ｅは、例えば実施形態２又は４のように、算出した脈波伝播時間に基づく出力データＯＵＴを生成しても構わない。
実施形態２のように、データ解析装置１Ｅは、算出した脈波伝播時間の信頼度を判定するものであっても構わない。この場合、データ出力部２３Ｅは、脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…から任意の２つを選択し、その差分をとることで、当該２つの脈波伝播時間の誤差を算出する。この処理を全ての脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…について行う。
データ出力部２３Ｅは、算出した誤差のうち、その最大値が所定値以上である誤差が存在する場合には、脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…の信頼度が低いと判定する。一方、データ出力部２３Ｅは、算出した誤差のうち、その最大値が所定値未満であれば、脈波伝播時間ＰＰＴ１，ＰＰＴ２，ＰＰＴ３，…の信頼度が高いと判定する。データ出力部２３Ｅは、この判定結果を出力データＯＵＴとして出力する。
また、実施形態４のように、信頼度が高いと推定される脈波伝播時間を抽出するための処理を行っても構わない。この場合、データ特定部２２Ｅは、入力データの集合ＩＮ１について、解析対象データＳＤ１１１，ＳＤ２１１，…として、抽出条件Ｃ１，Ｃ２，…のそれぞれに対応する分離行列ＩＣＡ１，ＩＣＡ２，…を特定する。また、データ特定部２２Ｅは、解析対象データＳＤ１１１，ＳＤ２１１，…として、解析対象候補データＩＣ１１１ｘ，ＩＣ１２１ｘ，…のそれぞれのＳ／Ｎ比を特定する。
データ出力部２３Ｅは、解析対象データＳＤ１１１，ＳＤ２１１，…が特定されると、実施形態４で述べたように、分離行列ＩＣＡ１，ＩＣＡ２，…を、それぞれに対応するＳ／Ｎ比で重み付けすることで、新たな分離行列を算出する。
データ特定部２２Ｅ及びデータ出力部２３Ｅは、入力データの集合ＩＮ２についても、入力データの集合ＩＮ１と同じ処理を行う。データ特定部２２Ｅは、解析対象データＳＤ１２１，ＳＤ２２１，…として、抽出条件Ｃ１，Ｃ２，…のそれぞれに対応する分離行列ＩＣＡ１，ＩＣＡ２，…を特定する。また、データ特定部２２Ｅは、解析対象データＳＤ１２１，ＳＤ２２１，…として、解析対象候補データＩＣ１１２ｘ，ＩＣ１２２ｘ，…のそれぞれのＳ／Ｎ比を特定する。データ出力部２３Ｅは、分離行列ＩＣＡ１，ＩＣＡ２，…を、それぞれに対応するＳ／Ｎ比で重み付けすることで、新たな分離行列を算出する。
データ出力部２３Ｅは、入力データの集合ＩＮ１及びＩＮ２のそれぞれに対して、生成した新たな分離行列を適用することで、解析対象候補データを取得する。データ出力部２３Ｅは、各解析対象候補データの時間差（例：各解析対象候補データのピーク位置の時間差）を脈波伝播時間として算出し、当該脈波伝播時間を出力データＯＵＴとして出力する。
この場合、信頼度が高いと推定される新たな分離行列を用いて脈波伝播時間が算出されるので、脈波伝播時間についても信頼度が高いものと推定できる。
＜効果＞
データ解析装置１Ｄは、データ解析装置１と同様、複数の入力データの集合から、変動要因の影響を低減した信号を取り出す可能性を高めることができる。例えば、データ解析装置１Ｅでは、生体の複数の部位から取得したＲＧＢ信号から、変動要因の影響を低減した脈波データを取り出す可能性を高めることができる。そのため、データ解析装置１Ｅは、精度良い脈波伝播時間を生成できる。
〔実施形態６〕
図１８は、データ解析装置１の変形例を示すブロック図である。図１８に示すように、データ解析装置１は、集音機能を有するマイク２０から、音データとしての入力データを取得する。つまり、本実施形態では、入力データは、マイク２０によって集音された音データである。
音データは、例えば生体の音声データであっても構わない。つまり、生体から取得される生体情報が音声であるといえる。この場合、鮮明な波形を有する音声データを精度良く取得し得る。
但し、マイク２０で集音される音データは、生体の音声データである必要は無く、例えば環境音データ（例：騒音データ）であっても構わない。この場合、鮮明な波形を有する音データを精度良く取得し得る。
〔実施形態７〕
実施形態２～４、及び実施形態５の実施例では、入力データの集合が、カメラ１０で撮像した生体の動画像データを構成するＲＧＢ信号であるものとして説明したが、これに限られない。生体から取得されるＲＧＢ信号は、カメラ１０ではなく、例えば、接触式又は非接触式のセンサによって取得されても構わない。この場合、センサによってもＲＧＢ信号を取得できる。つまり、ＲＧＢ信号は、動画像データから取得される必要は無い。
また、実施形態２～４、及び実施形態５の実施例では、入力データが生体から取得される生体情報を含み、かつ、生体情報が脈波である（つまり解析対象データが脈波データである）ものとして説明した。このように入力データが生体情報として脈波を含む場合であっても、上述したような所望の効果を得ることができる。脈波以外の生体情報についても同様である。
但し、生体情報が脈波である必要は無い。生体情報は、生体の状態（例：心拍数、脈拍数、心拍間隔又はストレス度）の測定元となる、生体から取得される情報であればよく、例えば実施形態６に示す音声データ、又は生体に含まれる特定成分であっても構わない。また、生体の状態を示す情報を生体から直接取得できる場合、当該情報が生体情報であっても構わない。
また、実施形態１に示したように、入力データが生体情報を含んでいなくて構わない。つまり、解析対象候補データが生体情報以外の情報であっても構わない。
また、実施形態１に示したように、主となる属性は「時刻」以外であっても構わない。つまり、入力データが時系列データ以外のデータであっても構わない。また、実施形態２～４、及び実施形態５の実施例においては、６０秒間の時系列データを入力データとして用いているが、時系列データは、信頼度が高いと推定される解析対象データを取得できる程度の長さに設定されていればよい。
〔ソフトウェアによる実現例〕
データ解析装置１、１Ａ～１Ｅの制御ブロック（特に制御部２、２Ａ～２Ｅ）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、データ解析装置１、１Ａ～１Ｅは、各機能を実現するソフトウェアである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。
〔本開示の別表現〕
本開示のデータ解析装置を、以下のように表現することも可能である。
（１）主となる属性と、従となる複数の属性が存在し、前記主となる属性における特性値を主特性値とし、前記主特性値に対応する前記従となる属性における特性値を従特性値とし、主特性値と、従となる複数の属性の従特性値とからなる入力データを解析するデータ解析装置であって、
前記データ解析装置は、
前記主特性値に基づく抽出条件を設定し、設定した抽出条件に該当する主特性値と、該主特性値に対応する従特性値とを抽出データとして抽出する抽出装置と、
前記抽出データから所望の情報を分離データとして分離する分離装置と、
前記分離データを前記抽出条件に応じて格納するメモリ装置と、
前記メモリ装置に格納された、前記抽出条件毎の分離データを用いて出力データを作成する出力装置と、を含み、
前記抽出装置は、抽出条件を変更して設定する。
（２）前記（１）において、前記主となる属性とは、時刻であっても構わない。
（３）前記（１）又は（２）において、前記入力データとは、接触式または非接触式のセンサで取得した生体の色情報に関するデータ（色データ）であっても構わない。
（４）前記（１）又は（２）において、前記入力データとは、カメラによって取得した動画像であっても構わない。
（５）前記（４）において、前記動画像とは、生体の動画像であっても構わない。
（６）前記（１）又は（２）において、前記入力データとは、マイクで取得した音であっても構わない。
（７）前記（６）において、前記音とは、生体の音声であっても構わない。
（８）前記（１）～（３）、（５）及び（７）のいずれかにおいて、前記所望の情報とは、生体情報であっても構わない。
（９）前記（８）において、前記生体情報とは、脈波であっても構わない。
（１０）前記（１）～（９）のいずれかにおいて、前記分離装置とは、独立成分分析によって所望の情報を分離しても構わない。
（１１）前記（１）において、解析対象データは、所定の分析処理に関するデータであって、前記出力データは、前記複数の抽出条件毎に特定された複数の前記解析対象データを比較した結果であっても構わない。
（１２）前記（１１）において、前記複数の抽出条件は、特定の主特性値と、特定の主特性値に対応する従特性値とが、いずれの抽出データにも含まれるように設定され、前記解析対象データは、前記所定の分析処理の分析結果であって、前記出力データは、前記複数の抽出条件毎に特定された複数の前記解析対象データを比較した結果であっても構わない。
（１３）前記（１１）において、前記複数の抽出条件は、いずれも同等の抽出データが抽出されるように設定され、前記解析対象データは、前記所定の分析処理に関するデータおよび所定の分析処理の分析結果であって、前記出力データは、前記複数の抽出条件毎に特定された複数の前記解析対象データに含まれる所定の分析処理の分析結果の品質に基づいて、所定の分析処理に関するデータから生成されても構わない。
〔関連出願の相互参照〕
本出願は、2018年4月23日に出願された日本国特許出願：特願2018-082301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、１Ａ～１Ｅ データ解析装置
１０ カメラ
２０ マイク
２１、２１Ａ～２１Ｅ データ抽出部
２２、２２Ａ～２２Ｅ データ特定部
２３、２３Ａ～２３Ｅ データ出力部

Claims (21)

  1. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
    前記主となる属性は、時刻であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備える、データ解析装置。
  2. 前記データ特定部は、前記所定の分析処理で用いられる分析条件を、前記解析対象データとして含め、
    前記データ出力部は、前記複数の抽出条件毎に特定された複数の前記解析対象データについて互いに比較した結果を、前記出力データとして出力する、請求項１に記載のデータ解析装置。
  3. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備え、
    複数の前記抽出データのそれぞれに、特定範囲に含まれる複数の前記主特性値と、前記特定範囲に含まれる複数の主特性値に対応する複数の前記従特性値とが含まれるように、前記複数の抽出条件が設定されており、
    前記データ特定部は、前記所定の分析処理を行うことで得られた複数の分析結果のうちの１つを、前記解析対象データとして含め、
    前記データ出力部は、前記複数の抽出条件毎に特定された複数の前記解析対象データについて互いに比較した結果を、前記出力データとして出力する、データ解析装置。
  4. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備え、
    複数の前記抽出データのそれぞれにおいて、複数の前記主特性値の個数、及び複数の前記主特性値の抽出間隔が同等となるように、前記複数の抽出条件が設定されており、
    前記データ特定部は、前記所定の分析処理を行うことで得られた複数の分析結果のうちの１つについて算出された、当該分析結果の品質に係る値を、前記解析対象データとして含め、
    前記データ出力部は、前記複数の抽出条件毎に特定された複数の前記解析対象データについて互いに比較した結果を、前記出力データとして出力する、データ解析装置。
  5. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備え、
    複数の前記抽出データのそれぞれにおいて、複数の前記主特性値の個数、及び複数の前記主特性値の抽出間隔が同等となるように、前記複数の抽出条件が設定されており、
    前記データ特定部は、前記所定の分析処理で用いられる分析条件を、前記解析対象データとして含め、
    前記データ出力部は、前記複数の抽出条件毎に特定された複数の前記解析対象データについて、前記分析条件に対して所定の統計処理を行った結果として得られる新たな分析条件を、前記出力データとして出力する、データ解析装置。
  6. 前記データ特定部は、前記所定の分析処理を行うことで得られた複数の分析結果のうちの１つについて算出された、当該分析結果の品質に係る値を、前記解析対象データとして更に含め、
    前記データ出力部は、前記複数の抽出条件毎に特定された複数の前記解析対象データについて、前記品質に係る値を更に用いて前記所定の統計処理を行った結果として得られる新たな分析条件を、前記出力データとして出力する、請求項５に記載のデータ解析装置。
  7. 前記主となる属性は、時刻である、請求項３から６の何れか１項に記載のデータ解析装置。
  8. 前記入力データは、カメラにより取得される動画像データである、請求項１から７の何れか１項に記載のデータ解析装置。
  9. 前記動画像データが示す画像は、生体の像を含む、請求項８に記載のデータ解析装置。
  10. 前記入力データは、接触式または非接触式のセンサにより取得される、生体の皮膚の色を示す色データである、請求項１から７の何れか１項に記載のデータ解析装置。
  11. 前記入力データは、マイクにより取得される音データである、請求項１から７の何れか１項に記載のデータ解析装置。
  12. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析装置であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するデータ抽出部と、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するデータ特定部と、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するデータ出力部と、を備え、
    前記入力データは、マイクにより取得される音データである、データ解析装置。
  13. 前記音データは、生体の音声データである、請求項１１または１２に記載のデータ解析装置。
  14. 前記出力データは、生体情報である、請求項１から１３の何れか１項に記載のデータ解析装置。
  15. 前記生体情報は、脈波である、請求項１４に記載のデータ解析装置。
  16. 前記所定の分析処理は、独立成分分析を行う処理である、請求項１から１５の何れか１項に記載のデータ解析装置。
  17. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析方法であって、
    前記主となる属性は、時刻であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するステップと、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するステップと、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するステップと、を含むデータ解析方法。
  18. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析方法であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するステップと、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するステップと、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するステップと、を含み、
    複数の前記抽出データのそれぞれに、特定範囲に含まれる複数の前記主特性値と、前記特定範囲に含まれる複数の主特性値に対応する複数の前記従特性値とが含まれるように、前記複数の抽出条件が設定されており、
    前記解析対象データを特定するステップでは、前記所定の分析処理を行うことで得られた複数の分析結果のうちの１つを、前記解析対象データとして含め、
    前記出力データを出力するステップでは、前記複数の抽出条件毎に特定された複数の前記解析対象データについて互いに比較した結果を、前記出力データとして出力する、データ解析方法。
  19. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析方法であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するステップと、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するステップと、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するステップと、を含み、
    複数の前記抽出データのそれぞれにおいて、複数の前記主特性値の個数、及び複数の前記主特性値の抽出間隔が同等となるように、前記複数の抽出条件が設定されており、
    前記解析対象データを特定するステップでは、前記所定の分析処理を行うことで得られた複数の分析結果のうちの１つについて算出された、当該分析結果の品質に係る値を、前記解析対象データとして含め、
    前記出力データを出力するステップでは、前記複数の抽出条件毎に特定された複数の前記解析対象データについて互いに比較した結果を、前記出力データとして出力する、データ解析方法。
  20. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析方法であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するステップと、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するステップと、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するステップと、を含み、
    複数の前記抽出データのそれぞれにおいて、複数の前記主特性値の個数、及び複数の前記主特性値の抽出間隔が同等となるように、前記複数の抽出条件が設定されており、
    前記解析対象データを特定するステップでは、前記所定の分析処理で用いられる分析条件を、前記解析対象データとして含め、
    前記出力データを出力するステップでは、前記複数の抽出条件毎に特定された複数の前記解析対象データについて、前記分析条件に対して所定の統計処理を行った結果として得られる新たな分析条件を、前記出力データとして出力する、データ解析方法。
  21. 主となる属性の特性値である主特性値に、前記主特性値に対応する従となる属性の特性値である従特性値が対応付けられた入力データの集合に対して解析を行うデータ解析方法であって、
    前記入力データの集合は、前記主特性値に対応する従特性値の属性が互いに異なる複数の入力データを含み、
    前記複数の入力データのそれぞれについて、互いに異なる複数の抽出条件に該当する複数の主特性値と、前記複数の主特性値に対応する従特性値とを、抽出データとして抽出するステップと、
    複数の前記抽出データに対して所定の分析処理を行い、その分析処理の結果に基づき解析対象となる解析対象データを特定するステップと、
    前記複数の抽出条件毎に特定された複数の前記解析対象データに基づき生成された出力データを出力するステップと、を含み、
    前記入力データは、マイクにより取得される音データである、データ解析方法。
JP2020516286A 2018-04-23 2019-04-18 データ解析装置 Active JP7037644B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018082301 2018-04-23
JP2018082301 2018-04-23
PCT/JP2019/016627 WO2019208388A1 (ja) 2018-04-23 2019-04-18 データ解析装置

Publications (2)

Publication Number Publication Date
JPWO2019208388A1 JPWO2019208388A1 (ja) 2021-04-22
JP7037644B2 true JP7037644B2 (ja) 2022-03-16

Family

ID=68293561

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020516286A Active JP7037644B2 (ja) 2018-04-23 2019-04-18 データ解析装置

Country Status (4)

Country Link
US (1) US11864875B2 (ja)
JP (1) JP7037644B2 (ja)
CN (1) CN112020323B (ja)
WO (1) WO2019208388A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014155750A1 (ja) 2013-03-29 2014-10-02 富士通株式会社 血流指標算出方法、血流指標算出プログラム及び血流指標算出装置
WO2016163019A1 (ja) 2015-04-10 2016-10-13 株式会社日立製作所 生体情報分析システム
JP2016193021A (ja) 2015-03-31 2016-11-17 株式会社エクォス・リサーチ 脈波検出装置、及び脈波検出プログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8870780B2 (en) * 2008-10-15 2014-10-28 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for monitoring heart function
JP5769309B2 (ja) * 2009-09-18 2015-08-26 国立大学法人東北大学 １計測信号からの独立成分分析による信号抽出装置、その信号抽出プログラム及びその信号抽出方法
JP6036122B2 (ja) 2012-02-02 2016-11-30 セイコーエプソン株式会社 脈波測定装置及びプログラム
EP2879569A1 (en) * 2012-07-30 2015-06-10 Koninklijke Philips N.V. Device and method for extracting physiological information
JP6376805B2 (ja) * 2014-04-02 2018-08-22 シャープ株式会社 データ処理装置、データ処理システム、端末装置、データ処理方法、及びデータ処理プログラム
WO2017150576A1 (ja) * 2016-02-29 2017-09-08 ダイキン工業株式会社 判定結果出力装置、判定結果提供装置、及び判定結果出力システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014155750A1 (ja) 2013-03-29 2014-10-02 富士通株式会社 血流指標算出方法、血流指標算出プログラム及び血流指標算出装置
JP2016193021A (ja) 2015-03-31 2016-11-17 株式会社エクォス・リサーチ 脈波検出装置、及び脈波検出プログラム
WO2016163019A1 (ja) 2015-04-10 2016-10-13 株式会社日立製作所 生体情報分析システム

Also Published As

Publication number Publication date
US20210248739A1 (en) 2021-08-12
CN112020323A (zh) 2020-12-01
WO2019208388A1 (ja) 2019-10-31
JPWO2019208388A1 (ja) 2021-04-22
US11864875B2 (en) 2024-01-09
CN112020323B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
JP6027087B2 (ja) スペクトル挙動の変換を実行する音響信号処理システム及び方法
JP5672144B2 (ja) 心拍数・呼吸数検出装置，方法およびプログラム
JP5732994B2 (ja) 楽曲検索装置および方法、プログラム、並びに記録媒体
US20190087730A1 (en) Non-transitory computer-readable storage medium storing improved generative adversarial network implementation program, improved generative adversarial network implementation apparatus, and learned model generation method
KR101724939B1 (ko) 뇌파를 이용한 사용자 의도 예측 시스템 및 그 방법
JP2011233148A (ja) 画像強調方法と装置、物体検出方法と装置
US9549162B2 (en) Image processing apparatus, image processing method, and program
JP7037644B2 (ja) データ解析装置
WO2019230593A1 (ja) 画像処理方法および画像処理装置
JP2015005221A (ja) 情報処理装置、情報処理方法、及び、コンピュータプログラム
JP2013506145A (ja) 波形の精密測定方法
JP2010140315A (ja) 物体検出装置
JP4908185B2 (ja) レーダ波の識別装置
JP6318451B2 (ja) 顕著度画像生成装置、方法、及びプログラム
EP2413585A3 (en) Image processing apparatus, image processing method, and program
WO2018168515A1 (ja) 画像処理装置、画像処理方法及び記録媒体
CN110188748B (zh) 图像内容识别方法、装置以及计算机可读存储介质
JP4090969B2 (ja) 信号分離方法、信号分離プログラム及びそのプログラムを記録した記録媒体
KR20150042674A (ko) 환경 변화에 강인한 멀티모달 사용자 인식
JP6229576B2 (ja) サンプリング周波数推定装置
KR20170045846A (ko) 엣지 라인을 검출하여 분할선을 획득하는 장치 및 방법
JP6507512B2 (ja) 推定プログラム、推定方法および推定装置
JP7496399B2 (ja) 機械学習による信号の純度の定量化
WO2015145763A1 (ja) 呼吸音解析装置及び呼吸音解析方法、並びにコンピュータプログラム及び記録媒体
WO2023144998A1 (ja) 情報処理装置、情報処理方法及びプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201007

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201007

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211012

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211111

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220208

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220304

R150 Certificate of patent or registration of utility model

Ref document number: 7037644

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150