JP7400574B2 - 生体情報取得装置、生体情報取得方法及びプログラム - Google Patents

Description

本発明は、生体情報取得装置、生体情報取得方法及びプログラムに関するものである。

従来、生体から取得できる脈波等を解析して、生体の様々な状態を示す指標を評価する技術が知られている。例えば、指標は、脈拍数又は脈拍変動指標等である。

具体的には、脈拍変動指標は、脈拍のピーク間隔に起きる揺らぎを評価する指標である。そして、脈拍変動指標には、０．０４Ｈｚ（ヘルツ）乃至０．１５Ｈｚ程度の低周波成分を示すＬＦ（Ｌｏｗ Ｆｒｅｑｕｅｎｃｙ）、０．１５Ｈｚ乃至０．４０Ｈｚ程度の高周波成分を示すＨＦ（Ｈｉｇｈ Ｆｒｅｑｕｅｎｃｙ）値、及び、ＬＦとＨＦの比をとったＬＦ／ＨＦ等の指標がある。そして、これらの指標は、生体の自律神経の働きと関連するため、脈拍変動指標から、生体の自律神経の状態が評価できる。このようにして、生体の自律神経の状態から、生体の疲れ又は病気等が把握できる。

このように、生体情報を解析する技術が知られている。例えば、解析装置は、まず、被験者の心拍信号に基づいて、次の心拍間隔を特定する。また、解析装置は、分散値を算出する。そして、次の心拍間隔を示す代表値と分散値を比較して、心拍信号にノイズが発生しているか否かを判断する。このようにして、解析装置は、被験者に負担をかけずに、被験者の眠気による周波数変化があるか否かを判定する技術が知られている（例えば、特許文献１等）。

しかしながら、従来の技術では、正常な呼吸の区間を呼吸異常と過検出してしまう場合がある。そのため、異常な呼吸があると、ＬＦ、ＨＦ、及び、ＬＦ／ＨＦ等の指標の精度に影響が出る場合があった。

本発明の１つの側面は、異常な呼吸があっても、指標の精度に対して影響を少なくすることを目的としている。

上述した課題を解決するために、本発明の一態様である、生体情報取得装置は、生体信号を取得する生体信号取得部と、前記生体信号が示す心拍間隔又は脈拍間隔を取得する間隔取得部と、前記心拍間隔又は脈拍間隔の略周期的な構造の１サイクルの長さである間隔パラメータが第１所定値より長い異常間隔であるか否かを判断する第１判断部と、前記異常間隔があると判断されると、前記生体信号を示す又は前記生体信号に基づいて生成されるデータを加工する加工部とを備える。

異常な呼吸があっても、指標の精度に対して影響を少なくできる。

生体情報取得装置の例を示す図である。 ハードウェアの構成例を示す図である。 撮像例を示す図である。 機能構成例を示す図である。 全体処理例を示す図である。 生体信号を取得する手順の例を示す図である。 生体信号の例を示す図である。 心拍間隔の例を示す図である。 心拍間隔に含まれるＬＦ及びＨＦの例を示す図である。 呼吸による影響の例を示す図である。 異常呼吸の判断例を示す図である。 時間データによる判断例を示す図である。 加工の第１例を示す図である。 加工の第２例を示す図である。 第２実施形態の例を示す図である。 第３実施形態の例を示す図である。

以下、本発明の実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付し、重複する説明を省略する。

＜生体情報取得装置例＞
図１は、生体情報取得装置の例を示す図である。例えば、生体情報取得装置の例である端末装置１００は、カメラ等の撮像装置１００Ｈ１を有する。そして、端末装置１００は、撮像装置１００Ｈ１によって、生体情報を取得する対象となる生体１を撮像する。次に、撮像装置１００Ｈ１が撮像した画像に基づいて、端末装置１００は、生体１の脈波等を示す生体信号を取得する。

＜ハードウェアの構成例＞
図２は、ハードウェアの構成例を示す図である。例えば、端末装置１００は、撮像装置１００Ｈ１と、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、以下「ＣＰＵ１００Ｈ２」という。）と、記憶装置１００Ｈ３と、入力装置１００Ｈ４とを有する。さらに、端末装置１００は、出力装置１００Ｈ５と、Ｉ／Ｆ（ｉｎｔｅｒｆａｃｅ、以下「Ｉ／Ｆ１００Ｈ６」という。）とを有する。これらのハードウェアは、バス１００Ｈ７によって接続される。

撮像装置１００Ｈ１は、例えば、カメラ、光センサ又はこれらの組み合わせである。以下、撮像装置１００Ｈ１がカメラである例で説明する。また、この例では、カメラの色フィルタ構成は、例えば、Ｒ（Ｒｅｄ）、Ｇ（Ｇｒｅｅｎ）及びＢ（Ｂｌｕｅ）（以下「Ｒ」、「Ｇ」及び「Ｂ」で各色を示す場合がある。）の３チャンネルの色信号を出力できるベイヤ（Ｂａｙｅｒ）構成等である。このように、カメラの色フィルタ構成は、１チャンネル以上の色信号を出力する構成である。

また、カメラは、脈拍に基づく輝度変化を取得できるチャンネルを有するのが望ましい。脈拍に基づく輝度変化は、例えば、「Ｇ」又は近赤外（ＮＩＲ、Ｎｅａｒ－ｉｎｆｒａｒｅｄ）の光から取得しやすい。したがって、カメラは、近赤外のチャンネルを有してもよい。近赤外の光は、主に７５０ｎｍ（ナノメートル）乃至１．４μｍ（マイクロメートル）程度の波長である。

なお、撮像装置１００Ｈ１が有する撮像素子は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）又はＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサ等の光センサである。

さらに、撮像装置１００Ｈ１は、カメラ等に限られない。例えば、撮像装置は、光を測定する光センサ等でもよい。すなわち、光センサは、生体から反射する光を測定できるセンサ等である。

以下、撮像装置１００Ｈ１がカメラであって、ＲＧＢ画像を出力する例で説明する。

ＣＰＵ１００Ｈ２は、中央処理装置である。すなわち、ＣＰＵ１００Ｈ２は、処理を実現するための演算及びデータの加工等を行う演算装置並びにハードウェアを制御する制御装置である。また、ＣＰＵ１００Ｈ２は、記憶装置１００Ｈ３等が記憶するプログラム等に基づいて、処理を実行する。

記憶装置１００Ｈ３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク又はこれらの組み合わせである。すなわち、記憶装置１００Ｈ３は、主記憶装置及び補助記憶装置等である。

入力装置１００Ｈ４は、ユーザによる操作を入力する装置である。例えば、入力装置１００Ｈ４は、キーボード、マウス又はこれらの組み合わせ等である。

出力装置１００Ｈ５は、ユーザに対して画像、各種処理結果又はこれらの組み合わせ等を表示する装置である。例えば、出力装置１００Ｈ５は、液晶ディスプレイ等である。

なお、入力装置１００Ｈ４及び出力装置１００Ｈ５は、一体となっているタッチパネル等でもよい。

Ｉ／Ｆ１００Ｈ６は、外部装置と接続するためのインタフェースである。例えば、Ｉ／Ｆ１００Ｈ６は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等である。また、Ｉ／Ｆ１００Ｈ６は、画像データ等を外部装置と入出力する。さらに、Ｉ／Ｆ１００Ｈ６は、ネットワーク等を介して外部装置と通信を行って、データを送受信してもよい。

また、Ｉ／Ｆ１００Ｈ６は、記録媒体２００等からプログラム等を入力する。

このように、端末装置１００は、スマートフォン又はＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の情報処理装置であり、コンピュータである。なお、端末装置１００は、情報処理装置と、情報処理装置に接続される撮像装置との組み合わせ等でもよい。このように、生体情報取得装置は、情報処理装置と生体情報を取得する計測装置の組み合わせ、又は、情報処理装置と計測装置が一体となった装置である。

また、生体情報取得装置は、生体１に対して光を当てる照明装置を更に有してもよい。そして、生体情報取得装置は、照明装置を制御して光量又は点灯を制御してもよい。さらに、生体情報取得装置は、照明装置及び撮像装置を組み合わせて制御し、露光及び照明等の撮像条件を変更して撮像を行ってもよい。

＜撮像例＞
図３は、撮像例を示す図である。例えば、端末装置１００は、生体１の部位のうち、図示する領域１１が中心となるように撮像して生体信号を取得するのが望ましい。具体的には、領域１１は、生体１の鼻及び頬を含む領域である。

この領域１１は、脈拍によって画素値が変化しやすい領域である。そのため、領域１１を含む画像に基づいて指標が計算されると、脈波変動指標等が精度良く計算できる。

さらに、領域１１は、髪又は衣服等によって肌が隠れる場合が少ない領域である。したがって、領域１１を含む画像に基づいて指標が計算されると、端末装置１００は、脈波変動指標等を精度良く計算できる。

なお、端末装置１００は、脈拍による画素値の変化が観察できる領域であれば、領域１１以外の領域を撮像してもよい。例えば、端末装置１００は、額又は指先等の部位を撮像してもよい。

また、端末装置１００又は計測装置は、撮像装置を用いる等のように生体１に対して非接触であるのが望ましい。

＜機能構成例＞
図４は、機能構成例を示す図である。例えば、端末装置１００は、生体信号取得部１００Ｆ１、心拍間隔取得部１００Ｆ２、第１判断部１００Ｆ３、及び、加工部１００Ｆ４を備える機能構成である。また、端末装置１００は、第２判断部１００Ｆ５、周波数分析部１００Ｆ６、及び、指標計算部１００Ｆ７を更に備える機能構成が望ましい。以下、図示する機能構成を例に説明する。

例えば、生体信号取得部１００Ｆ１等は、撮像装置１００Ｈ１又はＩ／Ｆ１００Ｈ６等の計測装置、インタフェース又はこれらの組み合わせ等で実現する。その他の構成は、ＣＰＵ１００Ｈ２、及び、記憶装置１００Ｈ３等の演算装置、制御装置、及び、記憶装置を協働して動作させて処理を行うことで実現する。

＜全体処理例＞
図５は、全体処理例を示す図である。

＜生体信号を取得する手順の例＞（ステップＳ１）
生体信号取得部１００Ｆ１は、生体信号を取得する。例えば、生体信号の例である脈波を示す信号（以下「脈波信号」という。）は、以下のように取得される。

図６は、生体信号を取得する手順の例を示す図である。

＜撮像例＞（ステップＳ２０）
生体信号取得部１００Ｆ１は、生体を撮像する。例えば、生体信号取得部１００Ｆ１は、生体を撮像し、生体を示す画像データを生成する。例えば、生体信号取得部１００Ｆ１は、３０ｆｐｓ（フレーム毎秒）程度で撮像を行い、動画データを生成する。なお、画像は、静止画でもよい。具体的には、生体信号取得部１００Ｆ１は、図３に示すように撮像する。

＜顔における特徴点座標を算出する手順の例＞（ステップＳ２１）
生体信号取得部１００Ｆ１は、顔における特徴点座標を算出する。具体的には、まず、生体信号取得部１００Ｆ１は、撮像された画像から、目、口及び鼻等の特徴点の座標を検出する。なお、各部位の検出は、例えば、公知の顔認証技術等によって実現できる。

＜脈波信号の抽出に用いる画素の領域を設定する手順の例＞（ステップＳ２２）
生体信号取得部１００Ｆ１は、脈波信号の抽出に用いる画素の領域を設定する。すなわち、生体信号取得部１００Ｆ１は、領域１１から脈波信号が抽出できるように、設定を行う。具体的には、生体信号取得部１００Ｆ１は、ステップＳ２１による算出結果に基づいて、生体の鼻及び頬を含む領域を設定する。

また、この場合において、設定される領域は、目及び口が領域内に入らない程度に設定される。なお、領域の設定は、顔認証等に基づいて行われるに限られない。例えば、ユーザによる操作によって、領域の始点位置、幅及び高さ等が入力され、設定が行われてもよい。また、領域は、複数に分割されて設定されてもよい。例えば、領域は、鼻を含む領域と、左頬を含む領域と、右頬を含む領域とに分割されて設定されてもよい。

＜領域内の画素値を平均化する手順の例＞（ステップＳ２３）
生体信号取得部１００Ｆ１は、領域内の画素値を平均化する。具体的には、生体信号取得部１００Ｆ１は、ステップＳ２２で設定される領域から生成される画像が有するＲ、Ｇ及びＢ等の画素値を平均化して、それぞれの平均値を計算する。

生体の脈拍に起因する画素値の変化は、微小な変化である。そのため、１画素単位では、ノイズの影響が大きい。そこで、複数の画素が示すそれぞれの画素値を平均化すると、脈波信号に対するノイズの影響が低減できる。

＜脈波信号を生成する手順の例＞（ステップＳ２４）
生体信号取得部１００Ｆ１は、脈波信号を生成する。例えば、生体信号取得部１００Ｆ１は、ステップＳ２３で計算される平均値に基づいて、下記（１）式を計算して、脈波信号の値（下記（１）式におけるｐ０（ｎ）である。）を生成する。

ｐ０（ｎ）＝ａ_ｒ×ｒ（ｎ）＋ａ_ｇ×ｇ（ｎ）＋ａ_ｂ×ｂ（ｎ） （１）

上記（１）式では、「ｎ」は、フレーム番号を示す値である。また、「ｒ（ｎ）」は、「ｎ」フレーム目の画像が示すＲの画素値である。同様に、「ｇ（ｎ）」は、「ｎ」フレーム目の画像が示すＧの画素値である。さらに、「ｂ（ｎ）」は、「ｎ」フレーム目の画像が示すＢの画素値である。

また、上記（１）式では、「ａ_ｒ」は、Ｒに対する重みとなる係数である。同様に、「ａ_ｇ」は、Ｇに対する重みとなる係数である。さらに、「ａ_ｂ」は、Ｂに対する重みとなる係数である。

例えば、「ａ_ｒ」、「ａ_ｇ」及び「ａ_ｂ」は、あらかじめ「ａ_ｒ＝０」、「ａ_ｇ＝１」、「ａ_ｂ＝０」と設定されると、生体信号取得部１００Ｆ１は、Ｇの成分だけを抽出した脈波信号を生成できる。生体の脈拍に起因する画素値の変化は、Ｇの成分から観察できる。したがって、上記のような設定とすると、生体信号取得部１００Ｆ１は、生体の脈拍に起因する画素値の変化を観察しやすい脈波信号を生成できる。

ほかにも、「ａ_ｒ」、「ａ_ｇ」及び「ａ_ｂ」は、あらかじめ「ａ_ｒ＝－ｋ」、「ａ_ｇ＝１」、「ａ_ｂ＝０」等と設定されてもよい。このような設定であると、脈波信号は、Ｇの成分から、「ｋ」で補正されたＲの成分を引いた値で生成される。

このようにすると、生体信号取得部１００Ｆ１は、Ｇの成分に含まれる体動等を起因とするノイズを低減させることができる。なお、ノイズは、例えば、周辺の光量の変化又は光源のちらつき等の周辺環境の変化が起因する場合もある。

したがって、設定係数「ｋ」は、ノイズとなる成分が少なくなるように設定される。なお、「ｋ」は、正の値である。また、「ｋ」は、例えば、フレームごとに設定されてもよい。

また、領域が複数設定される場合がある。このような場合には、端末装置は、まず、領域ごとに、それぞれの脈波信号を生成する。そして、端末装置は、複数の脈波信号を合成して１つの脈波信号としてもよい。具体的には、端末装置は、加算平均等によって、複数の脈波信号を合成する。すなわち、端末装置は、領域ごとの脈波信号を平均して、合成してもよい。他にも、端末装置は、領域ごとの脈波信号に重み付けをして合成してもよい。

以上のような処理を行うと、生体信号として、例えば、以下のような脈波信号を取得できる。

＜生体信号の例＞
図７は、生体信号の例を示す図である。例えば、生体信号は、図示するような脈波信号である。なお、図では、横軸は、計測した時間を示す。一方で、縦軸は、脈波信号の信号強度を示す。

脈波は、脈拍による血管の容積変化を波形として捉えた信号である。そして、脈波信号は、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）等の照明装置を皮膚表面に向けて、緑色、赤色、赤外光、又は、これらを組み合わせた光等を当て、反射光又は透過光をフォトトランジスタで計測する光電脈波法等でも取得できる。

ほかにも、脈波信号は、動脈直上の皮膚に、加速度センサ又は圧力センサ等のセンサを貼り付けて脈波を計測する接触法等でも取得できる。又は、脈波信号は、顔等といった生体の一部を撮影した動画における皮膚の色変化から血管を流れる血流の変化を読み取り、心拍を抽出する非接触方法でも取得できる。また、脈波は、心電図と同様に、心臓の拍動に応じて周期的な波形が計測される。

以下、図示するような脈波信号を例に説明する。

＜心拍間隔を取得する手順の例＞（ステップＳ２）
心拍間隔取得部１００Ｆ２は、心拍間隔を取得する。

心拍間隔は、心拍の時間における間隔であって、ある程度の時間ごとに発生する信号のピークと、次のピークの間隔等である。例えば、心拍間隔は、心電計で計測する心拍の最も鋭いピークを含むＲ波と次のＲ波の間隔であるＲＲＩ（Ｒ－Ｒ Ｉｎｔｅｒｖａｌ）等の指標で示す。

心拍は、心臓の拍動である。一方で、脈拍は、動脈における血液の流れの拍動である。一般的には、心拍と脈拍は一致するが、不整脈等であると、心拍と脈拍は一致しない。そして、脈波信号に基づいて、脈波と脈波の間隔を示すＰＰＩ（Ｐｅａｌ－Ｐｅａｋ Ｉｎｔｅｒｖａｌ）が取得される。

上記の通り、心拍と脈拍は一致しない場合がある。一方で、心拍と脈拍は、生体が正常（すなわち、不整脈等がない健康な状態である。）であると一致する。そして、心拍と脈拍が一致する場合には、脈波信号から取得できる脈拍間隔と、心電計で取得する心電図に基づいて取得できる心拍間隔とが一致する。以下、心拍と脈拍が一致する例で説明するため、「脈拍間隔」及び「心拍間隔」を統一して「心拍間隔」という。

以下、脈波信号において、信号の開始から順に「ｍ」番目に検出されたピークが、ピーク時間「Ｔ_ｍ」に発生したとする。そして、心拍間隔を心拍間隔「Ｉ（Ｔ_ｍ）」とする。すなわち、心拍間隔「Ｉ（Ｔ_ｍ）」は、「ｍ」番目のピークと、１つ前（「ｍ－１」番目となる。）のピークの時間における間隔を示す。したがって、心拍間隔「Ｉ（Ｔ_ｍ）」は、下記（２）式のように示せる。

Ｉ（Ｔ_ｍ）＝Ｔ_ｍ－Ｔ_ｍ－１ （２）

上記（２）式におけるピーク時間「Ｔ_ｍ」は、例えば、脈拍信号の極大値又は脈波信号を２回微分して算出した加速度脈波の極大値となる時間である。なお、心拍間隔「Ｉ（Ｔ_ｍ）」は、脈拍信号の極小値となる時間の間隔で計算されてもよい。また、心拍間隔は、脈波信号を補正した信号に基づいて計算されてもよい。

例えば、心拍間隔「Ｉ（Ｔ_ｍ）」は、以下のように取得される。

図８は、心拍間隔の例を示す図である。図では、横軸は、時間を示す。一方で、縦軸は、心拍間隔を示す。例えば、心拍間隔は、脈波信号に基づいて上記（２）式を計算した結果をプロットすると、図示するような結果が得られる。

心拍間隔は、自律神経系である心臓の交感神経・副交感神経が行う神経活動のバランスを反映して揺らぐ値である。このような揺らぎが「心拍変動（Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ、ＨＲＶ）」となる。すなわち、心拍変動は、心拍間隔「Ｉ（Ｔ_ｍ）」の時系列変化である。例えば、このような指標を計算すると、身体的・精神的なストレスを示す指標が生成できる。

＜間隔パラメータが第１所定値より長いか否かを判断する手順の例＞（ステップＳ３）
第１判断部１００Ｆ３は、間隔パラメータが第１所定値より長いか否かを判断する。以下、間隔パラメータが長い、すなわち、異常な間隔であるか否かを判断するのに用いる閾値を「第１所定値」という。なお、間隔パラメータは、図１０等で説明する。

まず、心拍間隔には、以下のように、ＬＦとＨＦの２つの成分が含まれる。

図９は、心拍間隔に含まれるＬＦ及びＨＦの例を示す図である。以下、図９（Ａ）に示すような心拍間隔がステップＳ２で取得された場合を例に説明する。

図９（Ａ）に示すような心拍間隔には、図９（Ｂ）に示すような低周波成分と図９（Ｃ）に示すような高周波成分が含まれる。

図９（Ｂ）は、心拍間隔に含まれる低周波の揺らぎ成分の例を示す。ＬＦは、血圧変動に由来する。また、ＬＦは、心拍間隔のパワースペクトルの低周波帯の積分値である。そして、ＬＦは、交感神経系と副交感神経系の両方の活動を反映する。

図９（Ｃ）は、心拍間隔に含まれる高周波の揺らぎ成分の例を示す。ＨＦは、生体１による呼吸に由来する。また、ＨＦは、心拍間隔のパワースペクトルの高周波帯の積分値である。そして、ＨＦは、副交感神経系の活動が低下すると、小さくなる。

また、ＬＦとＨＦの比を計算した指標が、生体の疲労度又はストレス等を評価する指標となる。したがって、ＬＦ及びＨＦが抽出できると、生体の疲労度又はストレス等を評価する指標が生成できる。

ＬＦ及びＨＦは、例えば、以下のように抽出される。

第１に、心拍間隔は、リサンプリングされる。上記の通り、心拍間隔は、等間隔でない場合が多い。そこで、心拍間隔を周波数分析するため、心拍間隔に対してリサンプリングを行い、間隔を等間隔にするのが望ましい。例えば、心拍間隔は、０．２５秒にリサンプリングされる。

リサンプリングは、例えば、信号値を補間する。なお、補間は、例えば、線形補間又はスプライン補間等である。

第２に、リサンプリングされた心拍間隔の時系列データ、すなわち、等間隔となった心拍間隔の時系列データに基づいて、パワースペクトルが計算される。パワースペクトルは、周波数分析によって計算される。具体的には、最大エントロピー法によって、指定の周波数におけるパワースペクトルが計算される。

第３に、パワースペクトルに基づいて、ＬＦ及びＨＦ等の指標が計算できる。具体的には、ＬＦは、「０．０４Ｈｚ」乃至「０．１５Ｈｚ」のパワースペクトルを積分して計算される。また、ＨＦは、「０．１５Ｈｚ」乃至「０．４Ｈｚ」のパワースペクトルを積分して計算される。なお、「ＬＦ／ＨＦ」は、計算されるＬＦとＨＦの比を計算すると定まる。

以上のように、ＬＦ及びＨＦ等を計算するためには、心拍間隔が精度よく計算されるのが望ましい。一方で、心拍間隔には、例えば、以下のような異常が発生する場合がある。

＜呼吸による異常の発生例＞
生体１が「異常な呼吸」を行うと、心拍間隔に影響が出る。

異常な呼吸は、例えば、深呼吸、ため息、あくび、くしゃみ等である。このように、異常な呼吸とは、標準的な呼吸（例えば、安静時に行う呼吸である。例えば、健康な成人で安静時では、毎分１２回乃至２０回程度の回数であって、一回に４５０乃至５００ｍｌの深さである。したがって、標準的な呼吸の回数及び深さ等は、年齢、性別、及び、状態等によって異なる。）より、呼吸の間隔、呼吸の深さ、又は、この両方が異なる呼吸である。そして、異常な呼吸の有無によって、心拍間隔は、例えば、以下のように異なる。

図１０は、呼吸による影響の例を示す図である。以下、図１０（Ａ）に示すような「正常な」心拍間隔を例に説明する。すなわち、図１０（Ａ）は、異常な呼吸がない場合に取得できる心拍間隔の例を示す。このように、「正常」であると、間隔パラメータは、ほぼ一定である場合が多い。以下、「正常」における間隔パラメータの例を「第１周期ＣＹ１」で示す。

間隔パラメータは、例えば、心拍間隔に生じる略周期的な構造である。

心拍間隔は、安静な状態でも一定値をとらず、呼吸の周期に応じて増減する。この増減は、心拍間隔の略周期的な構造となる。なお、間隔パラメータの特定方法は、図１１で説明する。

一方で、生体１が異常な呼吸を行うと、間隔パラメータは、例えば、図１０（Ｂ）のようになる。

図１０（Ａ）と比較すると、図１０（Ｂ）に示す例では、間隔パラメータは、第１周期ＣＹ１と比較して長い周期（以下「第２周期ＣＹ２」という。）となる点が異なる。

このように、異常な呼吸があると、第２周期ＣＹ２のように、略周期的な構造の１サイクルが長くなる（以下、図１０（Ｂ）のように、異常に長い略周期的な構造の１サイクルを「異常間隔」という）。このようなデータでは、ＨＦの周期構造が消失する。このような特異パターンが、異常な呼吸により発生する。

図１０（Ｂ）に示すような異常間隔を含むデータを用いると、「正常」な場合と比較して、ＨＦの値が小さく、かつ、ＬＦの値が大きく計算される。そのため、「ＬＦ／ＨＦ」等の指標にも、影響が出る。

また、略周期的な構造は、振幅が判定されてもよい。略周期的な構造の振幅が大きくなった場合も、ＨＦの値が小さくなり、ＬＦの値が大きくなる。したがって、略周期的な構造は、振幅も正常であるか異常であるかが判定されるのが望ましい。例えば、図１０（Ｂ）に示す場合では、略周期的な構造は、振幅が大きい。このような場合を略周期的な構造の振幅が大きいと判定し、異常であると判断されてもよい。

すなわち、間隔パラメータは、略周期的な構造の１サイクルの長さ、振幅の大きさ、又は、この両方である。

このように、異常な呼吸の影響を受けたデータ、すなわち、異常間隔を含むデータが用いられると、ＬＦ、ＨＦ及び指標の精度が悪化する。そこで、第１判断部１００Ｆ３は、このような異常間隔を含むデータであるか否かの判断を行う。

異常間隔を含むデータであるか否かは、第１判断部１００Ｆ３は、脈拍間隔の略周期的な構造の１サイクルが第１所定値より長いか否かを比較して判断する。

図１０（Ｂ）に示すように、異常間隔は、脈拍間隔の略周期的な構造の１サイクルが長い。したがって、第１判断部１００Ｆ３は、第１所定値より長い脈拍間隔の略周期的な構造の１サイクルがあると、異常間隔を含むと判断する（ステップＳ３でＹＥＳ）。

第１所定値は、上記の通り、第２周期ＣＹ２のような長い周期であるか否か、すなわち、異常間隔であるか否かが判断できる値があらかじめ設定される。例えば、第１所定値は、「６．７秒」程度に設定される。なお、第１所定値は、ＬＦ及びＨＦをどの周波数帯とするかの設定によって「６．７秒」以外でもよい。

第１所定値を「６．７」秒とすると、精度よく異常間隔を判断できる。

なお、第１所定値は、「６．７」秒に限られない。第１所定値を「６．７」秒とする設定は、第１所定値でＬＦとＨＦを分別するための設定である。この例では、周期「６．７」秒、すなわち、周波数「０．１５Ｈｚ」をＬＦとＨＦの境界とした場合の例である。したがって、第１所定値は、ＬＦとＨＦの定義によっては周期「６．７」秒、すなわち、周波数「０．１５Ｈｚ」でなくともよい。

例えば、ＬＦは、「０．１Ｈｚ」付近の周波数成分と定義される場合もある。具体的には、ＬＦは、「０．０８Ｈｚ」乃至「０．１２Ｈｚ」と定義される場合もある。一方で、ＨＦは、呼吸重心周波数（Ｇｒａｖｉｔｙ Ｆｒｅｑｕｅｎｃｙ：ＧＡ）に対して±０．０５Ｈｚ範囲の周波数と定義される場合もある。

したがって、第１所定値は、上記のような定義を適用する場合を含めて、周波数「０．１０Ｈｚ」乃至「０．３５Ｈｚ」を判断する設定でもよい。すなわち、第１所定値は、周期「１０秒」乃至「２．９秒」の範囲で設定されてもよい。好ましくは、第１所定値は、周波数「０．１２Ｈｚ」乃至「０．３０Ｈｚ」（周期では、「８．３秒」乃至「３．３秒」である。）を判断する設定が望ましい。このような値が第１所定値に設定されると、ＬＦ及びＨＦを精度よく判断できる。

なお、異常間隔の判断、すなわち、脈拍間隔の略周期的な構造の１サイクルが第１所定値より長いか否かの判断は、周期に代えて、周波数の値で判断されてもよい。すなわち、「６．７」秒の周期は、約「０．１５Ｈｚ」であるため、周波数が「０．１５Ｈｚ」より低いか否かで、脈拍間隔の略周期的な構造の１サイクルが第１所定値より長いか否かの判断がされてもよい。

具体的には、例えば、以下のように、異常間隔が判断される。

図１１は、異常呼吸の判断例を示す図である。以下、図１０（Ａ）及び図１０（Ｂ）と同様の心拍間隔を図１１（Ａ）及び図１１（Ｂ）に示し、この２つの例で説明する。

図１１（Ｃ）は、図１１（Ａ）を微分して得られる心拍間隔微分値の例である。したがって、図１１（Ｃ）は、「正常」な場合における心拍間隔微分値の例を示す。一方で、図１１（Ｄ）は、図１１（Ｂ）を微分して得られる心拍間隔微分値の例を示す。したがって、図１１（Ｄ）は、異常間隔を含むデータの場合における心拍間隔微分値の例を示す。

図１１（Ａ）及び図１１（Ｂ）に示すような心拍間隔を示すデータに対して、微分の計算を行うと、心拍間隔微分値が計算できる。そして、心拍間隔微分値が「０」となる点を検出すると、ピークが計算できる。このようなピークが計算できると、心拍間隔を示す波形における略周期構造が解析できる。

例えば、心拍間隔の略周期的な構造の１サイクル、すなわち、間隔パラメータは、あるピークから次のピークまでの時間である。なお、間隔パラメータは、心拍間隔の略周期的な構造の１サイクルが把握できればよい。したがって、心拍間隔微分値が「０」となる点以外の点でピークを検出して把握されてもよい。

このように、間隔パラメータは、心拍間隔を時間に対して微分した微分値に基づいて、微分値が任意の所定値（例えば、上記の例のように「０」である。）から、微分値が次に所定値となるまでの経過時間によって定まる値である。なお、所定値は、あらかじめ設定される値である。

また、間隔パラメータには、心拍間隔の略周期的な構造の振幅が考慮されてもよい。

具体的には、微分の計算を行うと、図１１（Ｃ）及び図１１（Ｄ）に示す心拍間隔微分値が得られる。そして、第１判断部１００Ｆ３は、心拍間隔微分値が「０」となる時間を検出する。

なお、微分の計算は、離散的には、差分の計算であってもよい。すなわち、コンピュータで処理する上では、微分の計算は、計算対象とするデータと、計算対象となるデータより時系列において異なる時点のデータとの差分を計算して微分値と扱ってもよい。

以下、心拍間隔微分値が「０」となる時間、すなわち、極値（図１１（Ｃ）及び図１１（Ｄ）の縦軸が「０」を示す直線と、心拍間隔微分値を示す曲線の交点である。）を取る時間を「ｔ_ｉ」とする。なお、添え字の「ｉ」は、極値が検出された順番を示す番号である。「ｉ＝０、１、２、・・・」とする。

例えば、判断の基準とする「ｔ_ｉ」と、「ｔ_ｉ」より２つ先の極値である「ｔ_ｉ+２」との差分、すなわち、「ｔ_ｉ」から「ｔ_ｉ+２」までの経過時間を間隔パラメータとする。そして、第１判断部１００Ｆ３は、このように計算される間隔パラメータを閾値とする第１所定値と比較して、異常間隔であるか否かを判断する。

例えば、図１１（Ｄ）に示す例では、第１判断部１００Ｆ３は、「ｔ_６」から「ｔ_８」の間隔が第１所定値より長く、異常間隔であると判断する（ステップＳ３でＹＥＳ）。

なお、間隔パラメータが異常間隔であるか否かの判断は、極値のうち、極大値又は極小値のどちらを用いてもよい。

また、第１判断部１００Ｆ３は、データを一定区間に区切って、区間ごとに判断を行ってもよい。

以上のような判断によって、異常間隔と判断されたデータが後段のステップＳ６で加工の対象となる。

次に、心拍間隔が第１所定値より長いと判断すると（ステップＳ３でＹＥＳ）、第１判断部１００Ｆ３は、ステップＳ４に進む。一方で、心拍間隔が第１所定値より長くないと判断すると（ステップＳ３でＮＯ）、第１判断部１００Ｆ３は、ステップＳ７に進む。

なお、異常なデータの検出には、複数の心拍間隔の時系列データから計算される心拍間隔に生じる略周期的な構造の１サイクルの長さ（振幅）を示す値を統計処理した「時間データ」を更に用いる構成が望ましい。以下、振幅（時間データ）を用いる構成を例にして説明する。例えば、振幅は、以下のように用いられる。

＜時間データを生成する手順の例＞（ステップＳ４）
第２判断部１００Ｆ５は、時間データを生成する。

＜時間データの値が第２所定値より大きいか否かを判断する手順の例＞（ステップＳ５）
第２判断部１００Ｆ５は、時間データの値が第２所定値より大きいか否かを判断する。例えば、第２判断部１００Ｆ５は、以下のように判断する。

図１２は、時間データによる判断例を示す図である。以下、脈拍信号の全体を計測した時間より短く設定される時間を「ｔ_Ｌ」とする。

図示するように、「ｔ_Ｌ」の区間には、複数の心拍間隔が含まれる。例えば、時間データは、「ｔ_Ｌ」の区間に含まれる複数の心拍間隔に基づく統計処理によって計算される統計量である。具体的には、時間データは、複数の心拍間隔に生じる略周期的な構造の１サイクルの長さの平均、分散、標準偏差、標準偏差の倍数、平均と標準偏差の組み合わせ、又は、平均と標準偏差の倍数の組み合わせの値を示すデータである。

図示する例では、第２判断部１００Ｆ５は、「ｔ_Ｌ」の区間に含まれる複数の心拍間隔に生じる略周期的な構造の１サイクルの長さを統計処理して標準偏差「δ_０」を計算する。次に、第２判断部１００Ｆ５は、「ｔ_Ｌ」の開始時点から「Δｔ」ずらして、「ｔ_Ｌ」と同じ長さの区間を設定する。

以下、「ｔ_Ｌ」の区間を順に番号付けして、「第ｎ区間」という。図では、「ｔ_Ｌ」で示す区間が「第０区間」（ｎ＝０）となる。これに対して、第０区間の次に設定される区間、すなわち、開始時点が第０区間から「Δｔ」ずれた区間を「第１区間」（ｎ＝１）という。

このように、第２判断部１００Ｆ５は、「Δｔ」ずつずらしていき、「第０区間」、「第１区間」、「第２区間」、・・・、「第ｎ区間」というように、「ｔ_Ｌ」の区間を設定する。

そして、時間データは、区間ごとに、標準偏差「δ_ｎ」（ｎ＝０、１、２、・・・）を計算して生成される。

次に、第２判断部１００Ｆ５は、区間ごとの統計量に基づいて、異常間隔を含むか否かを判断する。

異常間隔を含むと、時間データの値が大きくなる。具体的には、異常間隔が発生すると、ばらつきが大きくなるため、分散及び標準偏差の値は、大きな値となる。そこで、第２判断部１００Ｆ５は、時間データの値を第２所定値と比較することで、時間データの値が大きい値であるか否かを判断する。以下、このように時間データの値が大きい値であるか否かを判断する閾値を「第２所定値」という。

したがって、第２所定値は、時間データの値が大きい値であるか否かを判断できる値が設定されるのが望ましい。例えば、第２所定値は、「正常」の状態において取得されるデータに基づいて計算される時間データを平均して得られる値等である。つまり、「正常」な状態下での心拍間隔の平均、分散及び標準偏差等を第２所定値に設定し、基準とする。そして、基準とする第２所定値よりも大きなばらつきがあるような場合には、第２判断部１００Ｆ５は、異常間隔を含むデータであると判断する（ステップＳ５でＹＥＳ）。

このように、時間データは、統計量に基づいて計算される第２所定値を基準に判断されるのが望ましい。

呼吸は生体１によって、深さが異なる。すなわち、人によっては、浅い呼吸を行うのが「正常」な場合がある一方で、深い呼吸を行うのが「正常」な場合もある。したがって、人によって、呼吸の「浅い」、「深い」、「速い」及び「遅い」を判断する基準が異なる。ゆえに、どのような生体１であっても一律な基準を設定するより、それぞれの生体１ごとに、「正常」と推定できる第２所定値を統計処理で計算するのが望ましい。このように、統計量を第２所定値に用いると、生体１ごとの呼吸の特徴に合わせて、精度よく異常間隔を判断できる。

なお、標準偏差は、整数を乗じた倍数でもよい。いわゆる「σ」、「２σ」又は「３σ」等が第２所定値に用いられてもよい。すなわち、異常と判断する基準によって、標準偏差の倍率が設定されてもよい。このように平均と標準偏差の倍数の組み合わせの値を基準にすると、平均に対して「σ」、「２σ」又は「３σ」を超えて外れる極端に長い、又は、極端に短い心拍間隔を異常と判断できる。

なお、間隔パラメータによる判断及び時間データによる判断は、並列又は図示する順序とは異なる順序で行われてもよい。すなわち、２つの両方の判断で「ＡＮＤ」が取れる構成であればよい。このように、間隔パラメータによる判断及び時間データによる判断の２つ以上の判断が用いられると、精度よく異常間隔を含むデータが判断できる。

ただし、図示するように、間隔パラメータによる判断に、時間データによる判断より重きを置くような構成でもよい。図示する全体処理では、間隔パラメータによる判断を時間データによる判断より先に行う。したがって、間隔パラメータによる判断が時間データによる判断より優先して行われる。このように、間隔パラメータによる判断を優先すると、精度よく異常間隔を含むデータが判断できる。

次に、時間データの値が第２所定値より大きいと判断すると（ステップＳ５でＹＥＳ）、第２判断部１００Ｆ５は、ステップＳ６に進む。一方で、時間データの値が第２所定値より大きくないと判断すると（ステップＳ５でＮＯ）、第２判断部１００Ｆ５は、ステップＳ７に進む。

＜データを加工する手順の例＞（ステップＳ６）
加工部１００Ｆ４は、データを加工する。以下、ステップＳ６による加工で生成されるデータを「加工後データ」という。例えば、加工は、以下のような処理である。

＜第１例＞
図１３は、加工の第１例を示す図である。例えば、加工部１００Ｆ４は、以下のように異常間隔を含むデータを除外するように加工する。

以下、図１３（Ａ）に示す脈波信号のうち、異常間隔を含むデータ（以下「異常データＤ１」という。）が、間隔パラメータの判断等によって加工の対象であると判断された場合を例に説明する。このような場合には、例えば、異常データＤ１を含むデータ（以下「加工対象データＤ２」という。）が加工され、例えば、図１３（Ｂ）に示すような加工後データが生成される。したがって、以降の処理では、加工対象データＤ２が除外された図１３（Ｂ）に示すような加工後データが処理に用いられる。このように、異常データＤ１が除外されると、精度よく指標の計算等ができる。

なお、除外する単位は、加工対象データＤ２でなくともよい。例えば、図１３（Ａ）に示す脈波信号全体又は異常データＤ１の部分のみ等といった単位で除外する加工が行われてもよい。また、このように、異常データＤ１等を減らしてデータを少なくすると、後段の処理負荷を軽減できる。

なお、データの除外は、生体信号でなく、異常区間を含むデータを用いて計算される指標等といった生体信号に基づいて生成されるデータを対象にして、指標を除外してもよい。

＜第２例＞
図１４は、加工の第２例を示す図である。例えば、加工部１００Ｆ４は、以下のように異常間隔を含むデータを補間するように加工する。

以下、図１３と同様に、図１４（Ａ）に示す脈波信号のうち、異常データＤ１が、心拍間隔の判断等によって加工の対象であると判断された場合を例に説明する。

図１４（Ｂ）に示すように、図１４（Ａ）と比較すると、図１４（Ｂ）では、異常データＤ１が補間され、別のデータ（以下「補間データＤ３」という。）になる点が異なる。

補間データＤ３は、例えば、異常データＤ１の前又は後の傾向から推定して生成される。すなわち、補間データＤ３は、異常間隔を含まないと判断されたデータを適用して生成する。このように、補間データＤ３は、正常なデータにおける揺らぎ等の特徴をコピーして生成される。また、補間データＤ３は、正常なデータを繰り返して生成されてもよい。

なお、補間は、図示するように、異常データＤ１に補間データＤ３を適用する処理に限られない。例えば、補間は、異常データＤ１を消して、異常データＤ１の前後をつなげる処理等でもよい。

このように、データが加工されると、異常間隔を含むデータの影響を少なくできる。

なお、データは、加工によって９０秒以上のデータになるのが望ましい。指標を計算する上で、データは、９０秒以上の長さであると、臨床的に有効なデータである場合が多い。したがって、加工は、９０秒以上の長さとなるデータが多くなるように行われるのが望ましい。

＜正常なデータと判断する手順の例＞（ステップＳ７）
端末装置は、正常なデータと判断する。すなわち、端末装置は、後段で行われる指標を計算する処理等に、正常なデータを採用する。

＜データに基づいて指標を計算する手順の例＞（ステップＳ８）
指標計算部１００Ｆ７は、データに基づいて指標を計算する。例えば、指標計算部１００Ｆ７は、「ＬＦ／ＨＦ」等の指標を計算する。なお、指標の計算には、取得したデータの全体が用いられてもよいし、ある程度の区間に区切って、区間ごとに指標が計算されてもよい。また、データを区間に区切る場合には、区間と次の区間では、指標の計算に用いられるデータが、一部重複してもよい。

指標の計算には、ステップＳ６が行われた場合には、加工後データが用いられる。一方で、加工が行われない場合には、ステップＳ１で取得したデータが用いられる。

例えば、自律神経機能を評価する指標には、ＬＦ及びＨＦ等が用いられる。心拍変動の時系列データは、緊張時に活発に働く交感神経、及び、リラックス時に活発に働く副交感神経の２つの自律神経系の制御を受けて２つの略周期的な変動を生じる。

交感神経は低周波（０．０４～０．１５Ｈｚ）な略周期的な変動を生じさせ、副交感神経は高周波（０．０４～０．１５Ｈｚ）な略周期的な変動を生じさせる。そのため、ＬＦは、心拍間隔データのパワースペクトルの低周波成分（０．０４～０．１５Ｈｚ）の周波数帯の積分値等で計算される。また、ＨＦは、心拍間隔データのパワースペクトルの高周波成分（０．１５～０．４０Ｈｚ）の周波数帯の積分値で計算される。そして、ＬＦ及びＨＦの比を取った指標であるＬＦ／ＨＦは、生体１の疲労度及びストレスを評価する指標となる。

このような指標を計算する上で、生体信号を取得している間に、異常な呼吸があると、心拍変動が定常な状態（すなわち、異常な呼吸がない状態である。）と比べて、高周波な略周期構造の周期が長くなりやすい。このような異常な呼吸による影響が出てしまう場合が多い。そこで、異常な呼吸を検出して、異常な呼吸による異常間隔を含むデータを加工する。このように、データを加工すると、データを用いて計算される指標等に対して、異常な呼吸による影響を少なくできる。

＜周波数分析を用いる変形例＞
上記の異常なデータの検出には、脈波信号を周波数分析した分析結果が用いられてもよい。例えば、周波数分析部１００Ｆ６は、まず、脈波信号を一定区間ごとに分割する。

次に、周波数分析部１００Ｆ６は、一定区間に分割された脈波信号に対して周波数分析を行う。すなわち、周波数分析部１００Ｆ６は、一定区間ごとに、データを周波数空間に変換する。このようにすると、周波数分析によって、周波数帯域ごとのスペクトル強度が計算できる。

そして、周波数分析部１００Ｆ６は、脈波信号における所定周波数帯域の強度が閾値（以下、周波数分析における閾値となる値を「第３所定値」という。）以下であると、異常間隔を含まないデータであると判断する。

所定周波数は、例えば、「０．０４Ｈｚ」乃至「０．１５Ｈｚ」と設定する。すなわち、異常間隔は、「正常」の場合よりも周期が長いため、低い周波数となる。そのため、異常間隔を含むデータであると、「正常」と判断できる周波数よりも低い周波数帯域の強度が強くなる。ゆえに、所定周波数帯域の強度が弱くなる。このような現象が起きているか否かによって異常間隔の有無が判断されるのが望ましい。そこで、所定周波数帯域の強度が強いか弱いかは、第３所定値を基準とし、心拍に含まれる所定周波数帯域の強度が第３所定値以下であるか否かに基づいて異常間隔があるか否かを判断する。

このように、周波数分析が用いられると、精度よく異常間隔を含むデータが判断できる。

なお、周波数分析による判断は、心拍間隔による判断及び時間データによる判断と組み合わせて用いられるのが望ましい。具体的には、心拍間隔による判断及び周波数分析による判断のいずれの判断でも、異常間隔と判断された場合を最終的に異常間隔と判断する（すなわち、心拍間隔による判断及び周波数分析による判断の「ＡＮＤ」である）。

ほかにも、間隔パラメータによる判断、時間データによる判断及び周波数分析による判断の３つの判断を組み合わせてもよい。この場合には、間隔パラメータによる判断、時間データによる判断及び周波数分析による判断のいずれの判断でも、異常間隔と判断された場合を最終的に異常間隔と判断する（すなわち、３つの判断の「ＡＮＤ」である）。このように、判断を組み合わせると、精度よく異常間隔を含むデータが判断できる。

＜第２実施形態＞
第２実施形態は、第１実施形態と比較すると、生体信号を取得するハードウェアが異なる。以下、異なる点を中心に説明し、重複する説明を省略する。

図１５は、第２実施形態の例を示す図である。第２実施形態では、生体情報取得装置は、図示するように、電極３０１及び電位計３０２等を用いる心電計で生体信号を取得する。

例えば、電極３０１は、生体１の胸部に設置される。

電位計３０２は、電極３０１で計測する電位を計測して、電位の時系列データを生成する。このようにして、生体信号が取得されてもよい。

＜第３実施形態＞
第３実施形態は、第１実施形態と比較すると、生体信号を取得するハードウェアが異なる。以下、異なる点を中心に説明し、重複する説明を省略する。

図１６は、第３実施形態の例を示す図である。第３実施形態では、生体情報取得装置は、図示するように、心拍センサ４０１で生体信号を取得する。

心拍センサ４０１は、光源及び受光装置を有するセンサである。そして、心拍センサ４０１は、光源及び受光装置を生体１の皮膚に接触させて光量を計測する。このように計測される光量の時系列データが生成される。このようにして、生体信号が取得されてもよい。

なお、心電計及び心拍センサ等は、端末装置１００と無線による接続でもよい。

＜その他の実施形態＞
なお、上記に示す処理とは別に、生体情報取得装置は、信号に含まれるノイズを低減させるフィルタリング処理、又は、信号を増幅させる処理等を行ってもよい。また、これらの処理を行う上で、生体情報取得装置は、信号を周波数分析するＦＦＴ（高速フーリエ変換）又はＳ／Ｎ比の計算等を行ってもよい。

また、本発明に係る実施形態は、本発明の一実施形態に係る処理が、プログラムに基づいて情報処理装置又は情報処理システムによって実行されることで実現されてもよい。すなわち、本発明に係る実施形態は、生体情報取得方法をコンピュータに実行させるためのプログラム等によって実現されてもよい。なお、プログラムは、コンピュータが読み取り可能な記録媒体等に記憶されてコンピュータにインストールされる。

さらに、本発明に係る実施形態は、１以上の情報処理装置を有する生体情報取得システムによって実現されてもよい。そして、生体情報取得システムは、処理を冗長、分散又は並列して行ってもよい。

以上、本発明の好ましい実施例について詳述したが、本発明は係る特定の実施形態に限定されない。すなわち、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形又は変更が可能である。

１ 生体
１１ 領域
１００ 端末装置
１００Ｆ１ 生体信号取得部
１００Ｆ２ 心拍間隔取得部
１００Ｆ３ 第１判断部
１００Ｆ４ 加工部
１００Ｆ５ 第２判断部
１００Ｆ６ 周波数分析部
１００Ｆ７ 指標計算部
３０１ 電極
３０２ 電位計
４０１ 心拍センサ
Ｄ１ 異常データ
Ｄ２ 加工対象データ
Ｄ３ 補間データ
ＣＹ１ 第１周期
ＣＹ２ 第２周期

特許第５９８２９１０号公報

Claims (15)

1. 生体信号を取得する生体信号取得部と、
   前記生体信号が示す心拍間隔又は脈拍間隔を取得する間隔取得部と、
   前記心拍間隔又は脈拍間隔の略周期的な構造の１サイクルの長さである間隔パラメータが第１所定値より長い異常間隔であるか否かを判断する第１判断部と、
   前記異常間隔があると判断されると、前記生体信号を示す又は前記生体信号に基づいて生成されるデータを加工する加工部と
   を備える生体情報取得装置。
2. 複数の前記心拍間隔又は脈拍間隔を含む区間から求めた複数の前記略周期的な構造の１サイクルに基づいて計算される、前記１サイクルの長さの平均、分散、標準偏差、前記標準偏差の倍数、前記平均と前記標準偏差の組み合わせ、又は、前記平均と前記標準偏差の倍数の組み合わせが第２所定値より大きいか否かに基づいて前記異常間隔があるか否かを判断する第２判断部を更に備える
   請求項１に記載の生体情報取得装置。
3. 前記第２所定値は、正常な状態での、複数の前記心拍間隔又は脈拍間隔の略周期的な構造の１サイクルに基づいて計算される、複数の前記心拍間隔又は脈拍間隔の略周期的な構造の１サイクルの長さの平均、分散、標準偏差、前記標準偏差の倍数、前記平均と前記標準偏差の組み合わせ、又は、前記平均と前記標準偏差の倍数の組み合わせである
   請求項２に記載の生体情報取得装置。
4. 前記第１判断部及び前記第２判断部の両方で前記異常間隔があると判断されると、前記異常間隔があると判断する
   請求項２又は３に記載の生体情報取得装置。
5. 脈波信号に含まれる所定周波数帯域の強度が第３所定値以下であるか否かに基づいて前記異常間隔があるか否かを判断する周波数分析部を更に備える
   請求項１乃至４のいずれか１項に記載の生体情報取得装置。
6. 前記加工部は、前記異常間隔を含むデータを除外する
   請求項１乃至５のいずれか１項に記載の生体情報取得装置。
7. 前記加工部は、前記異常間隔を含むデータを補間する
   請求項１乃至６のいずれか１項に記載の生体情報取得装置。
8. 前記第１所定値は、１０秒乃至２．９秒である
   請求項１乃至７のいずれか１項に記載の生体情報取得装置。
9. 前記第１所定値は、８．３秒乃至３．３秒である
   請求項８に記載の生体情報取得装置。
10. 前記第１所定値は、６．７秒である
    請求項９に記載の生体情報取得装置。
11. 前記生体信号取得部は、生体を撮像した静止画又は動画である画像に基づいて前記生体信号を取得する
    請求項１乃至１０のいずれか１項に記載の生体情報取得装置。
12. 前記加工部が生成する加工後データに基づいて、指標が計算される
    請求項１乃至１１のいずれか１項に記載の生体情報取得装置。
13. 前記指標には、少なくとも、ＬＦ、又は、ＨＦのいずれか一方が含まれる
    請求項１２に記載の生体情報取得装置。
14. 生体情報取得装置が行う生体情報取得方法であって、
    生体情報取得装置が、生体信号を取得する生体信号取得手順と、
    生体情報取得装置が、前記生体信号が示す心拍間隔又は脈拍間隔の時間における間隔を取得する間隔取得手順と、
    生体情報取得装置が、前記心拍間隔又は脈拍間隔の略周期的な構造の１サイクルの長さである間隔パラメータが第１所定値より長い異常間隔であるか否かを判断する第１判断手順と、
    生体情報取得装置が、前記異常間隔があると判断されると、前記生体信号を示す又は前記生体信号に基づいて生成されるデータを加工する加工手順と
    を含む生体情報取得方法。
15. 請求項１４に記載の生体情報取得方法をコンピュータに実行させるためのプログラム。
    

Images