WO2012060107A1

WO2012060107A1 - 生体音検査装置、及び、生体音検査方法

Info

Publication number: WO2012060107A1
Application number: PCT/JP2011/006165
Authority: WO
Inventors: 堀井　則彰; 麻紀山田; 千珠土生川; 佳津美村上; 行雄長坂
Original assignee: パナソニック株式会社
Priority date: 2010-11-04
Filing date: 2011-11-04
Publication date: 2012-05-10
Also published as: US20120283598A1; EP2636369A4; EP2636369A1; JPWO2012060107A1; US8882683B2; JP5519778B2

Abstract

取得した生体音によって生体の状態を精度よく推定する生体音検査装置であって、生体の第一部位の第一生体音信号を生成する第一生体音測定部（１０１）と、第一部位より生体音の音源に近い第二部位の第二生体音信号を生成する第二生体音測定部（１０２）と、第二生体音信号のパワに対する第一生体音信号のパワ比を算出するパワ比算出部（３０４）と、パワ比に対し、生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、生体音の生体における伝達特性指標を、生体音特性の１つとして算出する疾病ゲイン算出部（３０５）と、第一周波数帯域における第二生体音信号のパワである第一パワを算出するパワ算出部（３０１）と、第一パワに対し、生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより生体音の音源特性指標を、生体音特性の他の１つとして算出する疾病高域パワ比算出部（３０３）とを備える。

Description

生体音検査装置、及び、生体音検査方法

　本発明は、生体音検査装置に関するものである。特に、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置に関するものである。

　医師が病院等で患者を診察する場合、聴診器によって心音や肺音などの生体音を聴取し、診断を行っている。しかしながら、聴診による診断は、医者の主観的評価に基づくものであり、正確な診断には熟練の必要があった。

　肺音とは、肺及び胸郭内で呼吸運動とともに発生し、正常又は異常とは関係なく、心血管系を音源とする音を除く全ての音である。さらに、肺音は呼吸により気道内に生じた空気の流れを音源とする生理的な音である呼吸音と、喘鳴や胸膜摩擦音などの病的状態で発生する異常な音である副雑音とに分類される。なお、呼吸音の音源は、比較的太い気道内で起こると考えられている。

　従来の診断において、肺音を信号処理することにより肺疾患の診断支援が行われている。肺疾患の診断支援では、副雑音を検知して疾患の状態を推定する。しかし、疾患の客観的指標が確立されるには至っていない。

　肺疾患の一つとして気胸がある。気胸とは、肺と胸壁の間に気腔が形成されるものであり、理学的所見では、呼吸音の減少として現れる。そこで、気胸の状態を検出するために、スピーカによって口および気管内に音波を放射し、放射された音波が患者内を伝播し、伝播してきた音波を胸壁上で測定して信号処理を行う方法が提案されている（例えば、特許文献１参照）。特許文献１によれば、放射される音波と胸壁上で測定した音波とを用いて伝達特性を算出し、気胸の状態を検出することができる。

　また、スピーカにより音波を放射する手段を利用しない方法として、胸壁上で測定した肺音を分析する方法が提案されている（例えば、特許文献１参照）。特許文献１によれば、胸壁上で測定した肺音信号を用いて周波数変換し、低周波数帯域成分と高周波数帯域成分とのエネルギ比を算出し、呼吸器の状態を検出することができる。

　一方、医師が呼吸器の診断を行う場合、身体の複数箇所に聴診器を当てて肺音を聴取する。肺音を測定した位置を検出するために、肺音を測定するセンサに加速度センサを備えた装置が提案されている（例えば、特許文献２参照）。特許文献２によれば、加速度センサの出力値を積分してセンサの移動距離を算出し、肺音の測定位置を自動検出することができる。

　また、患者が遠隔地にいる場合の診断において、医師以外の者が患者の所定の箇所にマイクを当てて生体音を測定し、その生体音信号を通信回線を通じて医者のもとに伝送して聴診する場合がある。患者の所定の箇所にマイクが当てられていない場合でも、遠隔地にいる医師の診断を可能にするために、患者に複数のマイクを当てて診断を支援する装置が提案されている（例えば、特許文献３参照）。特許文献３によれば、複数のマイクからの音響信号を用いて重みつき和を算出し、マイクが当てられていない箇所の音響信号を擬似的に作成することにより、遠隔地での診断を支援することができる。

特表２００４－５１２０６６号公報特開２００５－２７７５１号公報特許第３６０４１２７号公報

　しかしながら、肺音の伝達特性から疾患の状態を精度よく推定することはできないという問題がある。副雑音を伴わない場合であっても、疾患の状態に応じて肺の状態は変化する。例えば、喘息の場合、非発作時には喘鳴などの副雑音が発生していなくても、肺の状態、つまり肺実質や気道表面は日々変化している。したがって、例えば特許文献１の手法を用いて肺の伝達特性を算出したとしても、疾患の状態を精度よく推定することはできないという問題がある。なぜなら、肺の伝達特性だけでは、気道の表面の状態を評価することができないためである。

　一方、肺の伝達特性を評価することは疾患の状態を推定するために重要であるが、肺の伝達特性だけを正確に取得することは難しいという問題がある。肺音を胸壁上で観測しようとしても、肺音以外の振動が胸郭を介して胸壁上に伝播及び拡散し、又は、被験体の外部の音が混入して観測されるため、肺音だけを観測することが難しいためである。例えば、特許文献１のように、口腔から音波を入れて肺の伝達特性を求める場合、音波が胸郭を介して胸壁上に伝播することがあり、また、口腔から入れる音波が空気を伝播してセンサに混入することがあるため肺のみの伝達特性を正確に評価することが難しい。

　本発明は、上記の課題を解決するためになされたものであり、生体音を取得し、取得した生体音によって生体の状態を精度よく推定する生体音検査装置等を提供することを目的とする。

　上記課題を解決するために、本発明の一様態に係る生体音検査装置は、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置であって、前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定部と、前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定部と、前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出部と、前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の１つとして算出する伝達特性指標算出部と、第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出部と、前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の１つとして算出する音源特性指標算出部とを備える。

　この構成により、生体における二箇所の生体音を取得し分析することで、被験者の呼吸流速及び体格の影響が抑制された音源特性指標（疾病高域パワ比）及び伝達特性指標（疾病ゲイン）が算出される。よって、生体の状態を精度よく推定することが可能となる。

　また、好ましくは、前記パワ算出部は、前記第一周波数帯域と異なる周波数帯域である第二周波数帯域における前記第二生体音信号のパワである第二パワを算出し、前記生体音検査装置は、さらに、前記第二パワに含まれる前記生体の体格差の影響を抑制した値である第一パワ基準値を算出する基準パワ算出部を備え、前記音源特性指標算出部は、前記第一パワ基準値に対する前記第一パワの比を算出することで前記演算を行うことにより前記音源特性指標を算出する。

　この構成により、第二生体音信号に含まれる体格の影響を抑制することができる。よって、被験者の体格の違いによる第二パワ（低域パワ）の変動がある場合においても、その変動による影響を低減することが可能となる。

　また、好ましくは、前記第二周波数帯域は、前記第一周波数帯域より低い周波数を含む周波数帯域である。

　この構成により、第二パワ（低域パワ）に応じた第一パワ基準値（高域パワ基準値）を設定することができ、第二パワ（低域パワ）の変動による影響を低減することが可能となる。

　また、好ましくは、前記パワ比算出部は、第三周波数帯域における前記パワ比と、前記第三周波数帯域より低い周波数を含む第四周波数帯域における前記パワ比とを算出し、前記伝達特性指標算出部は、前記第四周波数帯域における前記パワ比に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する。

　この構成により、ゲイン基準値をあらかじめ設定しておく必要がなく、測定した生体音から算出することが可能となる。

　また、好ましくは、前記パワ比算出部は、第三周波数帯域における前記パワ比を算出し、前記伝達特性指標算出部は、前記生体の身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つとあらかじめ設定された第一のゲイン予測式とを用いて算出されるゲイン基準値を算出し、前記ゲイン基準値に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する。

　この構成により、被測定者の身体的特徴に依存したゲイン基準値を設定することができ、生体状態の分析結果において個人差の影響を低減することが可能となる。

　また、好ましくは、前記生体音検査装置は、さらに、あらかじめ設定された識別情報と、算出された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備える。

　また、好ましくは、前記状態推定部は、前記識別情報として判別関数を用い、前記音源特性指標及び前記伝達特性指標を判別関数に代入したときに、判別関数の値が所定値以上である場合に生体の状態が良好及び不良のうちどちらか一方とし、判別関数の値が所定値未満である場合に生体の状態が良好及び不良のうちどちらか他方とする前記推定を行う。

　また、好ましくは、前記状態推定部は、前記所定値を増減することで、前記推定において真に不良な生体が不良であると推定する割合である感度と、前記推定において真に良好な生体が良好であると推定する割合である特異度とを変更する。

　この構成により、生体の状態を推定することができ、専門家でなくても生体の状態の良し悪しを容易に把握することが可能となる。

　また、好ましくは、前記状態推定部は、前記識別情報としてサポートベクターマシンを用いて生体の状態を推定する。

　この構成により、生体の状態を自動的に高精度で識別することが可能となる。

　また、好ましくは、前記状態推定部は、さらに、前記生体への投薬に関する投薬情報から生体の状態を推定する。

　この構成により、生体への投薬情報の内容により、生体の状態推定を変えることができ、個人の状況に適応した状態推定が可能となる。

　また、好ましくは、前記生体音検査装置は、さらに、前記音源特性指標を示す軸と前記伝達特性指標を示す軸とを２軸とするグラフである２次元マップを含む検査結果を表示する表示部を備え、前記２次元マップは、少なくとも一つ以上の境界線により複数の領域に分割される。

　この構成により、状態の目安となる２次元マップ上の領域と、生体音の分析結果との関係を視覚的に表示されるため、状態の良し悪しやその程度を容易に理解することが可能となる。

　また、好ましくは、前記２次元マップは、前記伝達特性指標を示す軸方向に直線または曲線により三分割され、前記音源特性指標を示す軸方向に直線または曲線により二分割される。

　また、好ましくは、前記生体音検査装置は、さらに、あらかじめ設定された識別情報と、測定された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備え、前記状態推定部は、前記識別情報として前記境界線を用い、前記２次元マップにおいて、算出された前記音源特性指標及び前記伝達特性指標に対応する座標を含む領域により状態を推定する。

　この構成により、状態推定の境界線を２次元マップ上に表示することで、状態の推定結果を視覚的に分かりやすく表示することが可能となる。

　また、好ましくは、前記状態推定部は、第一時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域と、第一時刻と異なる第二時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域とから生体の状態を推定する。

　この構成により、疾病高域パワ比と疾病ゲインとが相関関係にあっても、同一個人の分析結果の時系列変化に基づいた状態の良し悪しやその傾向を推定することが可能となる。

　また、好ましくは、前記第二部位は胸部又は頸部の所定部位であり、前記第一部位は胸部の所定部位である。

　この構成により、肺を伝播する生体音を測定することができ、肺の状態を推定することが可能となる。

　また、好ましくは、前記第一部位は胸骨切痕であり、前記第二部位は右鎖骨中線上第二肋間である。

　この構成により、肺音の音源に近い位置と、肺の周縁位置とで肺音を測定することができ、高精度に肺の状態を推定することが可能となる。

　また、好ましくは、前記第二部位は、前記第一部位よりも頸部に近い部位である。

　この構成により、肺音が肺内を伝播する経路上の２点で肺音を測定することができ、肺の状態を推定することが可能となる。

　また、好ましくは、前記生体の状態とは、喘息の肺の状態である。

　この構成により、喘息の肺の状態が、肺音の分析によって判別することが可能となる。

　また、本発明の一様態に係る生体音検査方法は、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査方法であって、前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定ステップと、前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定ステップと、前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出ステップと、前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の１つとして算出する伝達特性指標算出ステップと、第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出ステップと、前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の１つとして算出する音源特性指標算出ステップとを含む。

　これにより、上記生体音検査装置と同様の効果を奏することができる。

　また、生体音検査方法に含まれる各ステップをコンピュータに実行させるためのプログラムとして実現することもできる。そのようなプログラムは、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体あるいはインターネット等の伝送媒体を介して配信することができる。

　本発明によれば、生体音検査装置は、肺音を分析することにより、複数の観点から簡単に生体の状態を定量化することができる。

図１は、実施の形態１の生体音検査装置の機能ブロック構成を示す図である。図２は、生体音測定部の構成図である。図３Ａは、信号分析部の機能ブロックの一例を示す図である。図３Ｂは、信号分析部の機能ブロックの他の一例を示す図である。図３Ｃは、信号分析部の機能ブロックの他の一例を示す図である。図３Ｄは、信号分析部の機能ブロックの他の一例を示す図である。図４Ａは、疾病高域パワ比の算出の一例を示すフローチャートである。図４Ｂは、疾病高域パワ比の算出の他の一例を示すフローチャートである。図４Ｃは、疾病高域パワ比の算出の他の一例を示すフローチャートである。図４Ｄは、疾病高域パワ比の算出の他の一例を示すフローチャートである。図５は、頸部で測定された肺音のパワの周波数特性の一例を示す図である。図６は、測定された肺音の低域パワと高域パワとの関係の一例を示す散布図である。図７は、疾病ゲインを算出する方法の一例を示すフローチャートである。図８は、胸部で測定された肺音のパワの周波数特性の一例を示す図である。図９は、測定された身長と低域ゲインとの関係の一例を示す散布図である。図１０は、喘息患者における疾病高域パワ比とスパイロメータの％Ｖ５０との関係の一例を示す散布図である。図１１は、喘息患者における疾病ゲインとＩＯＳのＲ５との関係の一例を示す散布図である。図１２は、実施の形態２の生体音検査装置の機能ブロック構成の一例を示す図である。図１３は、状態推定部の機能ブロック構成の一例を示す図である。図１４は、生体の状態の推定方法の一例を示すフローチャートである。図１５は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の一例を示す散布図である。図１６は、ＲＯＣ曲線の一例を示す図である。図１７は、ＲＯＣ曲線の他の一例を示す図である。図１８は、状態推定部の機能ブロック構成の他の一例を示す図である。図１９は、生体の状態の推定方法の他の一例を示すフローチャートである。図２０は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の他の一例を示す散布図である。図２１は、２次元マップの一例を示す図である。図２２は、決定木の一例を示す図である。図２３は、生体音検査装置の出力表示の一例を示す図である。図２４は、測定された肺音の全帯域におけるパワと高域パワ及び低域パワの関係の一例を示す散布図である。図２５Ａは、疾病高域パワ比と体重との関係の一例を表す散布図である。図２５Ｂは、疾病高域パワ比と身長との関係の一例を表す散布図である。図２６Ａは、疾病高域パワ比とＦＥＶ１との関係の一例を表す散布図である。図２６Ｂは、疾病高域パワ比とＶ５０との関係の一例を表す散布図である。図２７Ａは、生体音の全帯域パワと疾病高域パワ比との関係の一例を表す散布図である。図２７Ｂは、生体音の全帯域パワと疾病高域パワ比との関係の別の一例を表す散布図である。

　以下、本発明の実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、特許請求の範囲だけによって限定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。

　なお、同一の構成要素には同一の符号を付し、説明を省略する場合がある。

　（実施の形態１）
　本実施の形態において、生体音測定部において生体音を測定した後に生体音信号を生成し、生成した生体音信号から疾病高域パワ比及び疾病ゲインを算出する構成及び方法について説明する。

　図１は、実施の形態１に係る生体音検査装置１００の機能ブロック構成を示す図である。

　生体音検査装置１００は、生体音を測定する生体音測定部１０１及び１０２と、信号処理部１０３と、信号処理部１０３で利用する情報及び生体音信号の分析結果を記録する記録部１０７と、測定者に生体音信号の分析結果を表示する表示部１０８とを備える。信号処理部１０３は、生体音測定部１０１及び１０２で測定した生体音信号をそれぞれ増幅する増幅部１０４と、増幅部１０４で増幅された生体音信号のそれぞれをデジタル化する（デジタルデータに変換する）Ａ／Ｄ処理部１０５と、Ａ／Ｄ処理部１０５でそれぞれデジタルデータに変換された生体音信号を分析する信号分析部１０６とを備える。なお、記録部１０７及び表示部１０８は、通信回線で接続された外部の装置にあってもよい。

　図２は、生体音測定部１０１の構成図である。

　図２に示されるように、生体音測定部１０１は、生体内を伝播する生体音の振動を空気の振動に変換するダイヤフラム部２０１と、ダイヤフラム部２０１で空気振動に変換された生体音を伝播させる空間部２０２と、空間部２０２を伝播してきた生体音を電気信号に変換するマイクロフォン２０３と、マイクロフォン２０３で電気信号に変換された生体音信号を伝送するためのリード線２０４とを備える。なお、充填部２０５は、外部からの環境雑音による振動が空間部２０２に伝播しないように、ゴム素材やゲル等の制振材が充填されていてもよい。また、生体音測定部１０２は、生体音測定部１０１と同様の構成を備える。

　図３Ａ、図３Ｂ、図３Ｃ及び図３Ｄのそれぞれは、信号分析部１０６の機能ブロックの一例を示す図である。

　信号分析部１０６は、パワ算出部３０１と、疾病高域パワ比算出部３０３と、パワ比算出部３０４と、疾病ゲイン算出部３０５とを備える。パワ算出部３０１は、Ａ／Ｄ処理部１０５でデジタル化された各生体音信号から、複数の周波数帯域のパワを算出する。疾病高域パワ比算出部３０３は、パワ算出部３０１で算出された複数の周波数帯域の各パワから疾病高域パワ比を算出する。パワ比算出部３０４は、パワ算出部３０１で算出されたひとつまたは複数の周波数帯域のパワを用いてパワ比を算出し、高域ゲインと低域ゲインとを算出する。疾病ゲイン算出部３０５は、高域ゲイン、低域ゲインから疾病ゲインを算出する。なお、図３Ｂ及び図３Ｃに示されるように、信号分析部１０６は、パワ算出部３０１で算出された所定の周波数帯域のパワから異なる周波数帯域のパワの補正値を算出する基準パワ算出部３０２及び３１２をさらに備えてもよい。さらに、図３Ｄに示されるように、信号分析部１０６は、疾病高域パワ比算出部３０３で算出されるパワ比を補正する補正部３０６を備えてもよい。

　なお、疾病高域パワ比とは、呼吸流速及び体格によらずに気管の疾患状態に対応づけられる数値であり、図３Ａ、図３Ｂ、図３Ｃ及び図３Ｄのそれぞれに示される一連の処理により算出される。算出方法による差を明示するため、図３Ａにより算出される疾病高域パワ比を第一疾病高域パワ比と称する。同様に、図３Ｂ、図３Ｃ及び図３Ｄにより算出される疾病高域パワ比をそれぞれ第二疾病高域パワ比、第三疾病高域パワ比及び第四疾病高域パワ比と称することがある。なお、疾病高域パワ比は生体音の音源特性指標の一例である。

　なお、疾病ゲインとは、呼吸流速及び体格によらずに肺の疾患状態の程度に対応づけられる数値である。なお、疾病ゲインは、生体における生体音の伝達特性指標の一例である。

　次に、生体音検査装置１００において、生体音信号が入力されてから、疾病高域パワ比と疾病ゲインを求める場合の動作について説明する。

　まず、疾病高域パワ比の算出方法について説明する。なお、第２の生体音として肺音を測定する場合、生体音測定部１０２は中枢気道に近いところに配置すればよく、胸壁上の中枢気道に近い場所、もしくは頸部であればよい。特に、胸骨切痕であることが望ましい。胸骨切痕は、中枢気道と生体音測定部との距離を短くすることができ、筋肉や脂肪などによる肺音の減衰を抑えることができるため、比較的太い気道内で発生する呼吸の音源を高いＳ／Ｎ（信号雑音比）で測定できる特徴を有する。

　図４Ａ、図４Ｂ、図４Ｃ及び図４Ｄのそれぞれは、信号分析部１０６において、生体音測定部１０２で測定した第２の生体音を用いて疾病高域パワ比を算出するフローチャートである。図４Ａに示されるフローチャートは図３Ｂに示される機能ブロックにおける処理の流れに対応する。同様に、図４Ｂは図３Ｃに、図４Ｃは図３Ａに、そして、図４Ｄは図３Ｄにそれぞれ対応する。

　まず、図４Ａ、図４Ｂ、図４Ｃ及び図４Ｄの全てに共通する処理であるステップＳ４００及びＳ４０１について説明する。

　パワ算出部３０１は、Ａ／Ｄ処理部１０５でデジタル化された生体音信号を受け取ると、高域に含まれるパワ（音圧レベル）である高域パワを算出する（ステップＳ４００）。ここで、高域とは、測定されるノイズに対して肺音のパワが有意に測定できる周波数帯域を示す。例えば、８５ｍｓｅｃを１フレームとし、２１ｍｓｅｃ経過するごとに１フレームの高域に含まれるパワを算出し、測定された肺音の分析時間区間における各フレームの高域パワの平均値を算出する。なお、高域パワは第一パワの一例である。

　図５は、頸部で測定された肺音のパワの周波数特性の一例を示す図である。実線は呼吸時に測定された肺音のパワの周波数特性であり、破線は無呼吸区間に測定されたパワの周波数特性である。測定された肺音にはノイズが含まれており、無呼吸区間に測定された周波数特性がノイズレベルを示している。肺音のパワとノイズレベルとが同等になる４ｋＨｚ以下の範囲が肺音の分析に適し、特にノイズレベルに対する肺音のパワである肺音のＳ／Ｎ比（信号雑音比）（図５における実線と破線との差分に相当）が５ｄＢ以上となる肺音スペクトル成分が含まれる３ｋＨｚ以下の周波数帯域が分析に適している。よって、高域としては、３ｋＨｚ以下の周波数が適しており、特に、５００Ｈｚ以上かつ１．５ｋＨｚ以下の周波数帯域のうちの一部又は全てであることが望ましい。なお、高域パワは、疾病による気道内の変化を反映する可能性が高いという特徴を有している一方、疾病毎に、又は、個人差によって高域の周波数範囲は多少変化する可能性がある。

　次に、パワ算出部３０１は、Ａ／Ｄ処理部１０５でデジタル化された生体音信号から、低域に含まれるパワである低域パワを算出する（ステップＳ４０１）。例えば、ステップＳ４００と同様にして、フレームごとに低域に含まれるパワを算出し、分析時間区間における各フレームのパワの平均値を算出する。低域としては、頸部で測定された肺音のスペクトル成分が含まれる３ｋＨｚ以下の周波数帯域で、高域より低い周波数帯域を含むものであればよい。特に、１００Ｈｚ以上かつ２ｋＨｚ以下である周波数帯域であることが望ましい。この帯域は、呼吸時の呼吸流速の程度を反映するという特徴を有するためである。なお、低域パワは第二パワの一例である。

　なお、ステップＳ４００及びＳ４０１の処理順序は必ずしもこれに限られず、逆であってもよいし、並列に処理してもよい。

　次に、図３Ｂに示されるように信号分析部１０６が基準パワ算出部３０２を有する場合、基準パワ算出部３０２は、パワ算出部３０１で算出された低域パワと、記録部１０７にあらかじめ設定されている高域パワ補正式とを用いて、測定された低域パワから高域パワを補正する高域パワ基準値を算出する（ステップＳ４０２）。

　高域パワ補正式は、例えば式１のようになる。
ＤＮＰｏｗＮｍｌ＝－０．００６＊ＤＢＰｏｗ＾２＋１．０９０＊ＤＢＰｏｗ－４．６１９　　　　　（式１）

　式１において、ＤＮＰｏｗＮｍｌは高域パワ基準値であり、ＤＢＰｏｗは低域パワの値である。式１は、例えば、正常な肺を有する被験者において、頸部で測定された肺音の低域パワと高域パワとの回帰曲線として導出され、低域パワから高域パワを予測する式となっている。この場合、高域パワ基準値は、低域パワから予測される高域パワとなる。

　式１は、頸部で測定された肺音の低域パワと高域パワとの関係から導出されたものである。図６は、頸部で測定された肺音の低域パワと高域パワとの関係を表す散布図の一例である。図６の散布図において、１次以上の任意の次数の回帰曲線を用いることができる。特に、最も高い相関係数を有する回帰曲線が最も適する。なお、図６に示される測定データにおいて、最も高い相関係数を有する回帰曲線の次数は２次であった。なお、肺音を測定するセンサの特性にも影響を受けるので、使用するセンサごとに高域パワ補正式を変更してもよい。

　また、高域パワ基準値は、呼吸流速の影響を低減することができる値であればよく、低域パワと高域パワの回帰曲線または直線以外の式であってもよい。例えば、低域パワから呼吸流速の値を算出する式であってもよい。

　次に、図３Ｃに示すように信号分析部１０６が基準パワ算出部３１２を有する場合、基準パワ算出部３１２は、パワ算出部３０１で算出された低域パワと補正用パワとを用いて高域パワ基準値を算出する。この場合、図４（ｂ）のような信号処理のフローチャートとなる。

　パワ算出部３０１は、Ａ／Ｄ処理部１０５でデジタル化された生体音信号から、生体音の補正用帯域に含まれる補正用パワを算出する（ステップＳ４０４）。これは例えば、ステップＳ４００と同様にして、フレームごとに補正用帯域に含まれるパワを算出し、分析時間区間における各フレームのパワの平均値を算出する。頸部で測定された肺音のスペクトル成分は、３ｋＨｚ以下の周波数帯域に含まれるので、補正用帯域としては３ｋＨｚ以下の帯域であればよい。特に、１００Ｈｚ以上かつ２ｋＨｚ以下である周波数帯域であることが望ましい。この帯域は、呼吸時の呼吸流速の程度を反映するという特徴を有するためである。

　なお、ステップＳ４００、Ｓ４０１及びＳ４０４の処理順序は必ずしもこれに限らず、逆であってもよいし、並列に処理してもよい。

　次に、基準パワ算出部３１２は、パワ算出部３０１で算出された低域パワと、補正用パワと、記録部１０７にあらかじめ設定されている高域パワ補正式とを用いて、高域パワを補正する高域パワ基準値を算出する（ステップＳ４０５）。

　高域パワ補正式としては、例えば式２のようになる。
ＤＮＰｏｗＮｍｌ＝ＤＢＰｏｗ＋Ｃｏｅｆ＿Ｃ＊ＣｏｒＰｏｗ　　　　　（式２）

　ここで、ＤＮＰｏｗＮｍｌおよびＤＢＰｏｗは式１と同じ変数であり、ＣｏｒＰｏｗは補正用パワである。Ｃｏｅｆ＿ＣはＣｏｒＰｏｗに積算される係数である。式２の右辺第１項は、呼吸流速の影響を大きく低減する帯域として選択されるＤＢＰｏｗの項であり、右辺第２項は、呼吸流速以外の影響を低減するための項である。

　図２４は、頸部で測定された肺音の全帯域におけるパワと高域パワ及び低域パワの関係の一例を示す散布図である。図２４の散布図において、横軸を生体音の全帯域におけるパワとし、縦軸を高域パワおよび低域パワとする。図２４において、全帯域パワは１００Ｈｚ以上かつ２ｋＨｚ以下のパワとし、高域パワは、８００Ｈｚ以上かつ１．３ｋＨｚ以下のパワとし、低域パワは１００Ｈｚ以上かつ８００Ｈｚ以下のパワとした。また、図中の○印は、低域パワのプロットを示し、＋印は高域パワのプロットを示す。低域パワと全帯域パワの回帰直線、および高域パワと全帯域パワの回帰直線は、それぞれ式３及び式４のようになる。
ＤＢＰｏｗ＝Ｃｏｅｆ＿Ｂ＊ＡｌｌＰｏｗ＋Ｃｏｎｓｔ＿Ｂ　　　　　（式３）
ＤＮＰｏｗ＝Ｃｏｅｆ＿Ｎ＊ＡｌｌＰｏｗ＋Ｃｏｎｓｔ＿Ｎ　　　　　（式４）

　ＤＢＰｏｗは高域パワであり、ＤＮＰｏｗは高域パワであり、ＡｌｌＰｏｗは全帯域パワである。また、Ｃｏｅｆ＿ＢおよびＣｏｅｆ＿Ｎは傾きを表す係数であり、今回の実験では、Ｃｏｅｆ＿Ｂは０．９９、Ｃｏｅｆ＿Ｎは１．４１であった。Ｃｏｎｓｔ＿ＢおよびＣｏｎｓｔ＿Ｎは切片を表す定数である。

　図２４に示されるように、低域パワのプロットはばらつきが少なく、全帯域パワと比例してほぼ線形に変化することがわかる。一方、高域パワのプロットは全帯域パワと比例して変化するが、ばらつきが大きく、傾きが低域パワの傾きと異なる。傾きの違いには、呼吸流速以外の要因である個人差及び体格差などの影響が含まれている可能性があり、これらの影響を抑えることが望ましい。

　このため、式２の右辺第二項のように、Ｃｏｅｆ＿ＢとＣｏｅｆ＿Ｎとの差分値をＣｏｅｆ＿Ｃとし、ＣｏｒＰｏｗに積算した項を加えている。ＣｏｒＰｏｗの周波数帯域は、全帯域パワまたは低域パワのいずれの周波数帯域であってもよく、高域とは異なる周波数帯域であればよい。特に、高域と重ならない周波数帯域であることが望ましい。また、式２の右辺第二項の係数は、実験により求められたものであり、他の係数であってもよい。もちろん、べき乗項のように１次関数以外の項であってもよい。なお、ＣｏｒＰｏｗの周波数帯域が低域パワと同じ周波数帯域になる場合、信号分析部１０６は図３Ｂのように基準パワ算出部３０２を備える構成であってよい。

　式１および式２の補正式は、疾病、人種、対象年齢、身長、年齢、体重及び性別などの身体情報、利用用途等に応じて異なる補正式を選択できるようにしてもよい。また、補正式に、上記のようなパラメータを変数として導入していてもよい。さらには、補正式の選択時に、低域パワや補正用パワの周波数帯域を任意に選択できるようにしてもよい。周波数帯域の選択は、第１および第２の生体音のパワスペクトルの形状から選択されるようにしてもよい。

　次に、疾病高域パワ比算出部３０３において、パワ算出部３０１で算出された高域パワと、基準パワ算出部３１２で算出した高域パワ基準値とを用いて、第三疾病高域パワ比を算出する。疾病高域パワ比は、高域パワ基準値に対する高域パワの比として求められる（ステップＳ４０３）。

　また、低域パワの周波数帯域として呼吸流速の影響を反映する帯域を選択しておけば、低域パワを高域パワ基準値として利用してもよい。この場合は、基準パワ算出部３０２及び３１２は不要であり、信号分析部１０６は、例えば図３Ａ及び図４Ｃに示されるような構成となり、疾病高域パワ比算出部３０３は低域パワに対する高域パワの比を第一疾病高域パワ比として算出する（ステップＳ４０６）。

　この場合、低域パワの周波数帯域は、図５のように頸部で測定された肺音のスペクトル成分が含まれる３ｋＨｚ以下であればよい。特に、１００Ｈｚ以上かつ８００Ｈｚ以下である周波数帯域であることが望ましい。この周波数帯域のパワは、図２４のように、呼吸流速に比例してほぼ線形に変動し、疾病の影響が反映される高域パワの周波数帯域との重複を少なくできるという特徴があるためである。

　さらに、図４Ｄに示されるように、身体情報を用いて、低域パワと高域パワとから算出されるパワ比を補正し、第四疾病高域パワ比として算出してもよい（ステップＳ４０７）。この場合、図３Ｄに示される構成となり、補正部３０６は疾病高域パワ比算出部３０３で算出されるパワ比を補正する。なお、身体情報とは、例えば、身長、年齢、体重、体表面積及びボディ・マス・インデックスなどがある。補正の方法として、パワ比を身体情報の値で除算してもよい。他の方法として、正常な人の肺音から算出したパワ比と、身体情報の少なくとも一つの変数を独立変数として用い、回帰分析等でパワ比予測式を算出しておく。補正部３０６で補正する場合、身体情報とパワ比予測式から求められるパワ比基準値を算出し、疾病高域パワ比３０３で算出されるパワ比とパワ比基準値との比や差分を使うことで補正を行ってもよい。

　図２５Ａは、疾病高域パワ比算出部３０３で算出された疾病高域パワ比と体重との関係の一例を表す散布図である。図２５Ａに示されるように、パワ比と身長とに有意な負相関が認められる（相関係数＝－０．４５６、有意確率＜０．０１）。

　図２５Ｂは、疾病高域パワ比算出部３０３で算出された疾病高域パワ比と身長との関係の一例を表す散布図である。図２５Ｂに示されるように、パワ比と体重とに有意な負相関が認められる（相関係数＝－０．３６８、有意確率＜０．０１）。パワ比は身長および体重と相関があり、身体情報による補正をした方が望ましい。

　なお、高域パワの周波数帯域は、疾病、人種、対象年齢、身長、年齢、体重及び性別などの身体情報、利用用途等に応じて異なるようにしてもよい。また、第１および第２の生体音のパワスペクトルの形状から選択されるようにしてもよい。

　疾病高域パワ比は、図４Ａ、図４Ｂ、図４Ｃ及び図４Ｄのどの場合であっても、各パワのうちどちらを基準とする比として求めてもよいが、以下では図４Ａの場合であって、高域パワ基準値を基準とする比を求めたとして説明する。

　図１０は、喘息患者における疾病高域パワ比とスパイロメータの１指標である％Ｖ５０（肺活量の５０％の気量位における気速の予測率）との関係の一例を示す散布図である。図１０に示されるように、疾病高域パワ比と％Ｖ５０との間に有意な負相関が認められる（相関係数＝－０．４９４、有意確率＜０．００１）。％Ｖ５０とは、気道の閉塞状態を表していると言われており、％Ｖ５０の値が小さくなるほど閉塞状態が進行していることを意味する。図１０に示されるように、疾病高域パワ比と％Ｖ５０とは有意な相関関係にあるため、疾病高域パワ比は気道の閉塞状態を反映していると言える。

　図２６Ａは、喘息患者における、図４Ｂのフローチャートにより求められた疾病高域パワ比とスパイロメータの１指標であるＦＥＶ１（一秒量）との関係の一例を示す散布図である。図２６Ａでは、疾病高域パワ比とＦＥＶ１とに有意な負相関が認められる（相関係数＝－０．４１５、有意確率＜０．０１）。

　図２６Ｂは、喘息患者における、図４Ｂのフローチャートにより求められた疾病高域パワ比とスパイロメータの１指標であるＶ５０（肺活量の５０％の気量位における気息の実測値）との関係の一例を示す散布図である。図２６Ｂでは、疾病高域パワ比とＶ５０との間に有意な負相関が認められる（相関係数＝－０．３７６、有意確率＜０．０１）。ＦＥＶ１およびＶ５０は、気道の閉塞状態を表していると言われており、ＦＥＶ１およびＶ５０の値が小さくなるほど閉塞状態が進行していることを意味する。

　図２７Ａ及び図２７Ｂは、それぞれ、図３Ａ及び図３Ｃの構成により求められた生体音の全帯域パワと疾病高域パワ比との関係の一例を表す散布図である。全帯域パワは１００Ｈｚ以上かつ２ｋＨｚ以下の帯域を用いている。図２７Ａより、図３Ａの構成により算出される疾病高域パワ比は全帯域パワに依存した値になることが分かる。しかしながら、図２７Ｂより、図３Ｃの構成により算出される疾病高域パワ比は、全帯域パワに依存しない値になることが分かる。図３Ｃの構成によれば、式２の係数をあらかじめ設定しておく必要があるが、全帯域パワに依存しない値、つまり呼吸流速や個人差、体格差等の影響を抑えた値を算出できる可能性が高い。一方、図３Ａの構成によれば、係数の設定が不要であり、個人差や体格差の影響が比較的少ない同一個人において、疾病高域パワ比の時系列比較に使用するのであれば問題は少ない。

　以上のようにして、生体音測定装置１００は、疾病による気道内の状態を、疾病高域パワ比を用いて定量化することができる。

　例えば、分泌物過多の場合及び気道表面が荒れる場合に、呼吸音源である乱流騒音の高域パワが増大し、疾病高域パワ比の値が大きくなる可能性がある。一方、正常肺に近づくほど、乱流騒音の高域パワが減少し、疾病高域パワ比の値が小さくなる可能性がある。

　生体音測定装置１００は、呼吸流速に依存して変化する高域パワを直接用いるのではなく、高域パワ補正式を用いて算出される高域パワ基準値との比をとった疾病高域パワ比を用いることで、呼吸流速による影響を低減することができる。

　この結果、被験者に対して呼吸流速の調整を指示する必要がなくなる。また、スパイロメータ等を用いて肺音測定と同時に呼吸流速の測定を行い、信号処理によって呼吸流速による何らかの補正を行う必要もない。よって、生体音測定装置１００は、肺音測定だけで簡単に気道の状態を評価することができる。

　なお、パワ算出部３０１は各周波数帯域のパワを算出するために、フーリエ変換などの周波数変換を用いて所望の周波数帯域のパワを算出してもよいし、帯域通過フィルタを用いてもよいし、またさらに他の方法で行ってもよい。

　基準パワ算出部３０２は、低域パワと高域パワ補正式とを用いて高域パワ基準値を算出していたが、実際の検査においてスパイロメータ等を用いて呼吸フローが測定される場合には、呼吸フローセンサを用いて測定される呼吸流速を用いて高域パワ基準値を算出してもよい。この場合、あらかじめ呼吸流速から高域パワ基準値を算出する補正式を記録部１０７に記録しておく必要がある。この結果、高域パワに対する呼吸流速の影響をより高精度に抑えることが可能となる。

　次に、疾病ゲインの算出方法について説明する。生体音として肺音を測定する場合、生体音測定部１０１は胸壁上または背中に配置すればよく、肺の周縁に位置する箇所に配置するのが望ましい。特に、右鎖骨中線上第二肋間であることが望ましい。なぜなら、肺実質での肺音伝播距離をできるだけ長くすることができ、かつ筋肉や脂肪などの肺実質以外の組織による肺音伝播への影響を小さく抑えることができるためである。肺実質での肺音伝播距離が長いほど、肺音の変化として、疾病による肺実質の状態変化を感度よく捉えることができる。また、右鎖骨中線上第二肋間は、心臓からの距離が遠いため、心音の混入が少なく、Ｓ／Ｎよく肺音を測定することができる。

　図７は、信号分析部１０６において、生体音測定部１０１及び１０２で測定した第１及び第２生体音を用いて疾病ゲインを算出する方法の一例を示すフローチャートである。

　パワ算出部３０１は、Ａ／Ｄ処理部１０５でデジタル化された第１及び第２の生体音信号を受け取ると、各生体音信号の全周波数帯域におけるパワスペクトルである第１及び第２のパワスペクトルを算出する（ステップＳ７００）。これは例えば、８５ｍｓｅｃを１フレームとし、２１ｍｓｅｃ経過するごとに周波数変換を用いて１フレームのパワスペクトルを算出し、測定した肺音の分析時間区間における各フレームのパワスペクトルの平均値を算出する。

　パワ比算出部３０４は、パワ算出部３０１で算出された第１及び第２のパワスペクトルを用い、第２のパワスペクトルに対する第１のパワスペクトルの比を算出する（ステップＳ７０１）。なお、パワスペクトル比は第１又は第２のどちらを基準とする比として求めてもよい。すなわち、第１のパワスペクトルに対する第２のパワスペクトルの比を用いてもよい。

　次に、算出されたパワスペクトル比において、低域におけるパワ比である低域ゲインと高域におけるパワ比である高域ゲインとを算出する（ステップＳ７０２）。

　図８は、胸部で測定された肺音のパワの周波数特性の一例を示す図である。実線は呼吸時に測定された肺音のパワの周波数特性であり、破線は無呼吸区間に測定されたパワの周波数特性である。測定された肺音にはノイズが含まれており、無呼吸区間に測定された周波数特性がノイズレベルを示している。肺音のパワとノイズレベルとが同等になる３ｋＨｚ以下の範囲が肺音の分析に適し、特にノイズレベルに対する肺音のパワである肺音のＳ／Ｎ（信号雑音比）（図８における実線と破線との差分に相当）が５ｄＢ以上となる肺音スペクトル成分が含まれる２ｋＨｚ以下の周波数帯域が分析に適している。

　よって、低域は２ｋＨｚ以下の周波数帯域が適しており、特に、１００Ｈｚ以上かつ２００Ｈｚ以下の周波数帯域であることが望ましい。例えば、１００Ｈｚ以上かつ２００Ｈｚ以下の帯域に含まれるパワ比の平均値を低域ゲインとするのがよい。この帯域は、被験者の体格を反映するという特徴を有するためである。図９は、測定された身長と低域ゲインとの関係の一例を示す散布図である。図９に示されるように、身長と低域ゲインとの間には有意な負の相関関係（相関係数＝－０．４８４、有意確率＜０．００１）が認められ、低域ゲインが被験者の体格をよく表していることがわかる。

　また、高域は、低域に含まれる周波数以上の周波数成分を含み、かつ、２ｋＨｚ以下である周波数帯域であればよい。特に、略４００Ｈｚを含む４００Ｈｚ帯であることが望ましい。この周波数帯は、疾病による肺実質の状態を反映するという特徴を有するためである。

　次に、疾病ゲイン算出部３０５は、疾病ゲインとしてパワ比算出部３０４で算出された低域ゲインと高域ゲインとを用い、低域ゲインに対する高域ゲインの比を算出する（ステップＳ７０３）。なお、疾病ゲインは、低域ゲインと高域ゲインとのどちらを基準とする比として求めてもよい。すなわち、高域ゲインに対する低域ゲインの比を用いてもよい。

　図１１は、喘息患者における疾病ゲインとＩＯＳ（Ｉｍｐｕｌｓｅ　Ｏｓｃｉｌｌｏｍｅｔｒｙ　Ｓｙｓｔｅｍ）の１指標であるＲ５との関係の一例を示す散布図である。なお、ＩＯＳの指標は年齢、身長及び体重に依存する値であるが、被験者である日本人の補正式はまだ確立されていない。このため、図１１では、ＩＯＳの実測値と比較するために、低域ゲインによる体格補正を行っていない高域ゲインの値を疾病ゲインとして用いている。図１１のように、Ｒ５と疾病ゲインとには有意な相関が認められる（相関係数＝０．４８５、有意確率＜０．００１）。Ｒ５とは、肺全体に関する全気道抵抗を表しており、Ｒ５の値が高くなるほど、呼吸がしにくくなることを意味する。図１１のように、Ｒ５と疾病ゲインとは正の相関関係にあるため、体格の影響が残っている為かもしれないが、疾病ゲインは全気道抵抗に影響を与える肺実質全体の状態を表している可能性が高いと言える。

　ここで生体音測定装置１００は、高域ゲインを直接用いるのではなく、低域ゲインとの比をとった疾病ゲインを用いることで、体格の影響を抑えながら疾病による肺実質の変化を定量化することができる。例えば、疾病により肺実質に浮腫が発生し、又は、肺実質の硬化が発生すると、肺音が伝播しやすくなる。この場合、疾病ゲインの値は大きくなる。疾病ゲインが対数表記の場合、疾病ゲインは負数であり、肺音が伝播しやすくなると、０ｄＢに近づく。

　以上のように疾病高域パワ比及び疾病ゲインにより、生体音検査装置１００は、年齢及び体格等の影響を低減させながら、呼吸流速のコントロールを必要とせず、気道の状態および肺実質の状態を評価することができる。

　なお、ステップＳ７０１においてパワ比算出部３０４はパワスペクトルの比を直接計算したが、クロススペクトル法を用いてもよい。

　なお、ステップＳ７０１においてパワ算出部３０１は低域及び高域のそれぞれにおけるパワのみを計算してもよい。この場合、パワ算出部３０１が低域及び高域におけるパワを算出し、パワ比算出部３０４が低域及び高域のパワ比を算出すれば低域ゲイン及び高域ゲインを算出することができる。この結果、パワスペクトルを算出するために、全帯域において周波数変換する必要はなく、演算量を削減することができる。なお、各周波数帯の帯域通過フィルタを設計し、各周波数帯のパワを算出するようにしてもよい。

　なお、疾病ゲイン算出部３０５で、低域ゲインに対する高域ゲインの比を算出したが、低域ゲインの代わりに低域ゲイン基準値を用いてもよい。低域ゲイン基準値は、身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つの身体パラメータと補正式とを用いて算出される値である。この場合、身体パラメータから低域ゲインを補正する補正式を記録部１０７にあらかじめ記録しておく必要がある。この結果、体格に応じた低域ゲインをより高精度に算出できる可能性がある。

　なお、生体音測定装置１００における肺音の分析時間区間は、吸気時間区間の全体若しくはその一部、呼気時間の全体若しくはその一部、又は、吸気呼気の両区間若しくはその一部のいずれであってもよい。特に、吸気区間の全体若しくはその一部であることが望ましい。なぜなら、呼気区間よりも吸気区間の方が、胸部において高いＳ／Ｎで肺音を測定できる特徴を有するためである。

　なお、生体音測定部１０１及び１０２はリード線２０４を備えて生体音信号を伝送するとして説明したが、これに限ったものではなく、リード線２０４の替わりに無線通信により生体音信号を伝送する構成であってもよい。この構成によると、リード線２０４が不要となり、生体音測定時に、リード線２０４の身体への接触等による振動や、電磁波などの影響により、リード線２０４からノイズが混入することを防ぐことができる。

　なお、生体音測定部１０１及び１０２は、マイクロフォン２０３を用いて生体音を検出するとして説明したが、加速度センサを用いて生体音を検出するようにしてもよい。この場合、ダイヤフラム部２０１及び空間部２０２は不要となる。その結果、空気振動によって伝播してくる周囲雑音が、ダイヤフラム部及び空間部を介してセンサに混入してしまうのを低減することができる。

　（実施の形態２）
　本実施の形態において、実施の形態１において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態（良好又は不良）を判別する方法、及び、その判別の根拠となる情報の設定方法について説明する。

　図１２は、実施の形態２に係る生体音検査装置１２００の構成ブロック構成の一例を示す図である。なお、実施の形態１と同一の構成ブロックについては、同一の符号を付し、説明を省略する。

　図１２に示されるように、生体音検査装置１２００は、信号分析部１０６で算出される分析結果と、記録部１０７にあらかじめ記録されている識別情報とを用いて、生体の状態を識別する状態推定部１２０１を備える。

　図１３は、状態推定部１２０１の機能ブロック構成の一例を示す図である。図１３に示されるように、状態推定部１２０１は、生体の状態を数値化する状態数値化部１３００と、状態数値化部１３００の結果を用いて生体の状態を判別する判別部１３０１とを備える。

　次に、生体音検査装置１２００において、生体音信号が入力された場合の動作について説明する。

　図１４は、状態推定部１２０１において、生体の状態の推定方法の一例を示すフローチャートである。

　まず、状態数値化部１３００は、信号分析部１０６で算出される疾病高域パワ比及び疾病ゲインと、記録部１０７にあらかじめ記録されている識別情報とを用いて、生体の状態を示す状態数値を算出する（ステップＳ１４００）。

　ここで、識別情報とは、例えば、式５のように、疾病高域パワ比と疾病ゲインとを用いて連続値を算出する関数である。
Ｚ＝０．２７３＊ＤＧａｉｎ＋０．３５１＊ＤＨｉＰｏｗ＋４．１２４　　　　　（式５）

　ここで、Ｚは状態数値であり、ＤＧａｉｎは疾病ゲインであり、ＤＨｉＰｏｗは疾病高域パワ比である。式５は実験により求められた一例であり、他の式であっても構わない。

　判別部１３０１は、状態数値化部１３００で算出される状態数値と所定値とを比較する（ステップＳ１４０１）。状態数値が所定値未満であれば、生体の状態は良好であると判別される（ステップＳ１４０２）。一方、状態数値が所定値以上であれば、生体の状態は不良であると判別される（ステップＳ１４０３）。

　この結果、疾病高域パワ比及び疾病ゲインの２つの指標から、生体の状態を判別することが可能となる。

　図１５は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の一例を示す散布図である。図１５において、丸印は、発作及びその他喘息の症状がない時に測定された肺音から分析された値であり、肺の状態が良好な状態（状態良好）の分析値である。プラス印は、発作若しくは咳の症状がある時又は活動制限などの喘息症状を有する時に測定された肺音から分析された値であり、肺の状態が不良な状態（状態不良）の分析値である。

　図１５に示されるＺ＝０の実線は、肺の状態が良好な場合の分析値、及び、肺の状態が不良な場合の分析値の２群を精度よく判別するように求められた判別関数において、判別関数の値が０となる直線である。この場合の判別関数は式５である。

　式５において、Ｚ＝０が２群を精度よく判別できる境界になるため、識別情報として式５の判別関数を用いる場合、判別部１３０１での所定値は０とすることが望ましい。用途に応じて、他の所定値を用いることもできる。

　また、所定値を増減することにより、検査における感度と特異度とを変更することができる。ここで、感度とは、真に不良である生体数に対する、不良と判別された生体数の比である。また、特異度とは、真に良好である生体数に対する、良好と判別された生体数の比である。すなわち、生体音検査装置１２００で肺音を測定した際に状態不良として判別される場合において、感度を高くしたい場合は、所定値を０よりも小さく設定するとよい。一方、生体音検査装置１２００によって状態良好として判別される場合に、特異度を高くしたい場合は、所定値を０よりも大きく設定するとよい。

　このように、利用用途によって望ましい所定値は変化するため、生体音検査装置の操作者が所定値を任意に変更できる構成であってもよい。

　もちろん、所定値は判別関数としてどのような式を用いるかによっても適宜設定が異なる。肺の状態の状態良好又は状態不良を判別できるように、装置の各デバイスや環境により適切に式及び所定値を設定すればよい。

　図１６は、図１５の散布状態の場合に、式５の判別関数で所定値を変更した場合のＲＯＣ曲線である。一般に、ＲＯＣ曲線は、所定値を変化させた場合の感度と特異度との関係を示すものであり、１つの所定値が、ＲＯＣ曲線上の一点に対応する。生体音検査装置１２００がＲＯＣ曲線を表示すれば、操作者はそのＲＯＣ曲線から感度と特異度との関係を把握し、所定値を所望の値に変更することにより、検査の用途を変更することができる。さらに、生体音検査装置１２００が、ＲＯＣ曲線上の任意の点に対応した所定値を記録部１０７に事前に記録しておけば、操作者がＲＯＣ曲線上の任意の点を選択するだけで、所定値を所望の値に容易に設定することができる。

　なお、図１７は、図１６のＲＯＣ曲線に、疾病ゲインのみを用いて図１５の２群を識別した場合のＲＯＣ曲線を追加（図１７の点線）したものである。ＲＯＣ曲線は、感度及び特異度の両方が高いほどグラフが左上に近づく。このため、図１７からも明らかなように、疾病ゲインのみを用いた場合よりも、疾病ゲインと疾病高域パワ比との２つの指標を用いた場合の方が、識別精度が向上していることがわかる。

　なお、識別情報として判別関数を用いた例を説明したが、他の識別手法を用いても構わない。例えば、ＳＶＭ（サポートベクターマシン）やニューラルネットワーク、ＧＭＭ（Ｇａｕｓｓｉａｎ　Ｍｉｘｔｕｒｅ　Ｍｏｄｅｌ）、Ｋ－ｍｅａｎｓ法などの教師付き分類手法や、アプリオリなどの相関ルール、自己組織化マップなどの教師無し分類手法を用いてもよく、利用用途に応じて識別情報を変える構成であってもよい。

　例えば、喘息の鑑別診断時に用いる場合と、治療中の経過観察時に用いる場合とで異なる識別情報を用いてもよい。また、疾病ごとに識別情報を変えてもよい。この構成によると、利用用途や疾病ごとに識別情報および所定値を設定することができ、識別精度を向上させることができる。

　なお、服薬の種類や容量などの投薬情報によって、識別情報や所定値を変えても良い。

　なお、ステップＳ１４０２及びステップＳ１４０３での判別結果は、識別情報の種類や適用する疾病の種類、利用用途に応じて逆であってもよい。つまり、ステップＳ１４０１で状態数値が所定値未満の場合に、状態不良と判別し、所定値以上の場合に状態良好と判別してもよい。

　なお、疾病による生体の状態変化は、個人差および服薬などの治療状態によっても変化するため、個人ごとに所定値を学習させ、逐次的に所定値を更新するような構成であってもよい。例えば、定期的に同一個人の生体音を測定している場合、他の検査機器の結果や医師による診断に基づいて、各測定値に対して状態の良好又は不良の正解ラベルを付与し、蓄積された測定値と正解ラベルとに基づいて状態の良好又は不良を精度よく識別できるように識別情報や所定値を学習させてもよい。この構成によると、個人ごとに適切な識別情報および所定値を設定することができ、識別精度を向上させることができる。

　なお、識別情報で用いる情報として、信号分析部１０６での分析結果以外の情報を用いてもよい。例えば、血圧、体温、血液検査、肺機能検査、呼気ＮＯ検査装置及びＩＯＳ等の他の検査結果であってもよい。また、例えば、疾病に関する患者へのアンケート結果、医師による臨床評価項目及び身体所見、患者及び家族の病歴及び既往歴、並びに、服薬の種類及び容量などの投薬情報であってもよい。また、例えば、身長、年齢、体重、性別、体表面積及びＢＭＩ（ボディ・マス・インデックス）等の患者の身体基礎情報であってもよいし、気温、湿度、気圧などの天候情報、花粉の飛散状況、大気汚染情況などの大気情報、運動の有無、歩数計などによる患者の活動情報及び状態悪化時の時刻などでもよい。この構成によると、患者ごとに状態悪化時に特有の特徴量を加味して状態の良・不良を識別して患者の状態を推定でき、識別精度を向上させることができる。

　例えば、喘息の場合、運動によって発作を起こしやすい、気圧の変化によって発作を起こしやすいなど、状態悪化の要因は個人によって様々である。そのため、生体音の分析結果と他の情報を組み合わせることは識別精度向上に有効である。

　なお、本実施の形態では判別関数により２つの領域に分割したが、疾病の種類や分割された領域の意味づけ等により、３つ以上の複数の領域に分割されてもよい。領域の意味づけとは、例えば、スパイロメータや呼気ＮＯ測定器などの他の検査装置の値により、各領域が関連付けられる場合がある。スパイロメータの値の良し悪しと、呼気ＮＯの値の良し悪しの組み合わせにより、スパイロメータと呼気ＮＯの値が共に悪い人が分類されやすい領域を領域Ａ、スパイロメータも呼気ＮＯの値も共に良好な人が分類されやすい領域を領域Ｂ，どちらか片方の値が悪い人が分類されやすい領域を領域Ｃとなるように２次元マップが３分割されてもよい。

　（実施の形態３）
　本実施の形態において、実施の形態１において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態（良好又は不良）の推移を判別する方法について説明する。

　図１８は、実施の形態３に係る生体音検査装置１２００の状態推定部１２０１の機能ブロック構成の他の一例を示す図である。以下、実施の形態２と同様の構成については、同じ符号を用い、説明を省略する。

　状態推定部１２０１は、疾病高域パワ比の値を補正する補正値算出部１８００と、属性値算出部１８０１と、属性情報から生体の状態を判別する判別部１８０２とを備える。

　図１９は、状態推定部１２０１において、生体の状態の推定方法の他の一例を示すフローチャートである。

　補正値算出部１８００は、信号分析部１０６で算出された疾病高域パワ比及び疾病ゲインと、例えば式６を用いて補正疾病高域パワ比を算出する（ステップＳ１９００）。
ＣｏｒＤＨｉＰｏｗ　＝　ＤＨｉＰｏｗ－（－０．１８４＊ＤＧａｉｎ－３．００３）　　　　　　（式６）

　ここで、ＣｏｒＤＨｉＰｏｗは補正疾病高域パワ比であり、ＤＧａｉｎは疾病ゲインである。

　図２０は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の他の一例を示す散布図である。図２０に示されるとおり、疾病高域パワ比と疾病ゲインとの間には負の相関関係があり、疾病高域パワ比の変化量を分析する場合、疾病ゲインによる補正が必要になることがある。このため、式６によって疾病ゲインによる補正を行う。

　式６の右辺第２項（－０．１８４＊ＤＧａｉｎ－３．００３）は、喘息の状態が軽症である患者の肺音における疾病ゲインと疾病高域パワ比との関係を示す散布図から算出された回帰直線である。この回帰直線により、比較的正常に近い肺に対する、疾病ゲインごとの疾病高域パワ比基準値を算出することができる。

　補正疾病高域パワ比は、疾病高域パワ比基準値からの差分であり、値が大きくなるほど気道内の状態が悪化していることを意味する。なお、式６は、実験により求められた一例であり、他の式でもよい。

　次に、属性値算出部１８０１は、疾病ゲイン、補正疾病高域パワ比、及び記録部１０７に記録されている２次元マップを用いて、分析値の２次元マップにおけるプロット情報を算出する（ステップＳ１９０１）。

　ここで、２次元マップとは、例えば図２１に示されるように、疾病ゲインを横軸に、疾病高域パワ比を縦軸にとったグラフにおいて、複数の領域およびゾーンに分割された情報を含むマップである。各領域には順序尺度が付与されており、生体の悪化状態に応じて数値が付与される。図２１の２次元マップは６つの領域及び３つのゾーンに分割される。

　まず、領域について説明する。２次元マップは、直線及び曲線によって複数の領域に分割される。

　図２１では、グラフ領域は直線１、直線２及び直線３によって６つの領域に分割される。領域１は、疾病高域パワ比が直線１以上であり、疾病ゲインが直線２以上の領域である。領域２は、疾病高域パワ比が直線１未満で、疾病ゲインが直線２以上の領域である。領域３は、疾病高域パワ比が直線１以上、かつ、疾病ゲインが直線２未満かつ直線３以上の領域である。領域４は、疾病高域パワ比が直線１未満かつ、疾病ゲインが直線２未満かつ直線３以上の領域である。領域５は、疾病高域パワ比が直線１以上かつ、疾病ゲインが直線３未満の領域である。領域６は、疾病高域パワ比が直線１未満かつ、疾病ゲインが直線３未満の領域である。

　なお、図２１において、直線１の一例は、式７であり、式６の右辺第２項と同じである。また、直線２の一例は、喘息発作を起こしている際に肺音を測定した患者の群と、それ以外の患者の群を精度よく識別する式５である。直線３の一例は、非喘息者と喘息者とで測定した肺音を精度よく識別する式６である。
ＤＨｉＰｏｗ＝－０．１８４＊ＤＧａｉｎ－３．００３　　　　　（式７）
ＤＧａｉｎ＝－１２．５　　　　　（式８）
ＤＧａｉｎ＝－１８．０　　　　　（式９）

　式７、式８及び式９は実験によって求められたものであり、他の直線及び曲線であってもよい。

　また、図２１は６つの領域に分割されているが、いくつかの領域が結合されて、５つ以下の領域に分割されるように構成されてもよい。しかしながら、領域１、領域２及び領域３のうちの少なくとも一つの領域と、領域４、領域５及び領域６のうちの少なくとも一つの領域とが結合されてはいけない。なぜなら、領域１、領域２及び領域３には喘息の状態が悪い人の分析結果が含まれることが多く、領域４、領域５及び領域６には喘息の状態が良好である人の分析結果が含まれることが多いためである。なお、領域１及び領域２には発作を起こしやすい状態の人が含まれることが多いため、領域１及び領域２が結合された領域を新たな領域１としてもよい。また、領域４及び領域５には喘息の状態が良好である人が多く、領域６には正常な人が含まれることが比較的多いため、領域４及び領域５を結合して新たな領域４としてもよい。

　次に、ゾーンについて説明する。２次元マップは、疾病ゲインの軸方向に複数のゾーンに分割される。

　図２１では、ゾーン１は、疾病ゲインが直線２以上であるゾーンである。ゾーン２は、疾病ゲインが直線２未満かつ直線３以上のゾーンである。ゾーン３は、疾病ゲインが直線３未満のゾーンである。ゾーン１には、発作を起こしやすい状態の人の分析結果が含まれることが多い。ゾーン２には、状態の良し悪しが変化しやすい比較的不安定な人の分析結果が含まれることが多い。ゾーン３には、状態がよく比較的安定した人、または正常な人の分析結果が含まれることが多い。

　プロット情報とは、疾病ゲインと疾病高域パワ比とに基づいて２次元マップにプロットされた点に該当する領域番号とゾーン番号とのうちの少なくとも一方である。図２１の場合、領域１から６まで、ゾーン１から３まで、領域番号とゾーン番号とがそれぞれ１から昇順に番号が付与され、ゾーン１からゾーン３まで、ゾーン番号が昇順に付与されているが、これに限らず各領域、各ゾーンの生体の状態に応じた順序尺度が区別できればどのような値であってもよい。

　属性算出部１８０１は、同一個人において異なる時刻に測定した疾病ゲイン、補正疾病高域パワ比及びプロット情報において、前回の測定値から今回の測定値までの変化量である差分値情報を算出する（ステップＳ１９０２）。差分値情報は、今回と前回との測定値の変化量のみならず、前回と前々回との測定値の変化量、さらにその前、というように時系列の変化の履歴がわかるログ情報であってもよい。

　判別部１８０２は、差分値情報と、今回測定した疾病ゲイン、疾病高域パワ比、補正疾病高域パワ比及びプロット情報と、前回測定した疾病ゲイン、疾病高域パワ比、補正疾病高域パワ比及びプロット情報のうち少なくとも一つを含む属性情報を用いて、あらかじめ記録部１０７に記録されている識別情報である決定木に基づいて判別を行う（ステップＳ１９０３）。

　図２２は、決定木の一例である。図２２に示される決定木を用いて判別を行う場合、属性算出部１８０１から判別部１８０２に出力される属性情報は、プロット情報と前回と現在の補正疾病高域パワ比を含む。これに限らずどのような決定木を用いるかにより属性情報は異なる。また、決定木は、人種や疾病、対象年齢、識別する情報等の利用用途に応じて変化する。

　図２２に示される丸で囲まれたノードと呼ばれる箇所に記載されている属性情報と所定値とが比較され、比較結果に従って上段から下段へと判別される。判別の結果、四角で囲まれた葉と呼ばれる部分に分類されれば判別が終了する。あらかじめ、各葉に対応して、判別結果と信頼度および判別理由を設定しておき、判別結果と一緒に表示すれば、測定者による判別結果の解読に役立つ。なお、図２２の各葉には、発作、不良、又は良好の判別結果と、信頼度（パーセント表示）とが記載されている。さらに、２次元マップと被験者の時系列の分析結果とを同時に表示すれば、視覚的にも容易に状態の変化を理解することができる。

　出力結果の一例を図２３に示す。図２３のグラフは、今回、前回及び前々回の連続する３回の肺音分析結果を２次元マップに表示したものである。

　このように、肺音分析結果を時系列がわかるように表示すれば、肺の状態変化を視覚的に理解しやすくなる。２次元マップは、分析結果が右上側に近寄るほど状態が悪化していることを意味しているため、図２３の場合、連続する３回の肺音分析における診断結果が順に領域４、領域２、そして、領域１へと推移したことで、徐々に状態が悪化していることが容易に把握できる。

　さらに、第３者が理解しやすいように、決定木等の識別情報を用いて判別された判別結果や判別理由の文言が表示されてもよい。信頼度は、訓練データを用いて決定木を学習させた際の、各葉に訓練データが正しく分類される精度を利用してもよい。また、テストデータを用いて決定木の判別能力をテストした際の分類精度を利用してもよい。もちろん、他の方法によって信頼度を決定してもよい。

　なお、上述の説明では決定木を用いたが、他の識別情報を用いても構わない。例えば、ＳＶＭ（サポートベクターマシン）やニューラルネットワーク、ＧＭＭ（Ｇａｕｓｓｉａｎ　Ｍｉｘｔｕｒｅ　Ｍｏｄｅｌ）、Ｋ－ｍｅａｎｓ法などの教師付き分類手法や、アプリオリなどの相関ルール、自己組織化マップなどの教師無し分類手法を用いてもよく、利用用途に応じて識別情報を変える構成であってもよい。

　なお、疾病による生体の状態変化は、個人差および服薬などの治療状態によっても変化するため、個人ごとに所定値を学習させ、逐次的に所定値を更新するような構成であってもよい。

　例えば、定期的に同一個人の生体音を測定している場合、他の検査機器の結果や医師による診断に基づいて、各測定値に対して肺状態の良好又は不良の正解ラベルを付与し、蓄積された測定値と正解ラベルに基づいて肺状態の良好又は不良を精度よく識別できるように識別情報や所定値を学習させてもよい。この構成によると、個人ごとに適切な識別情報および所定値を設定することができ、識別精度を向上させることができる。

　なお、識別情報で用いる情報として、信号分析部１０６での分析結果以外の情報を用いてもよい。例えば、血圧、体温、血液検査、肺機能検査、呼気ＮＯ検置及びＩＯＳ等の他の検査結果であってもよい。また、例えば、疾病に関する患者へのアンケート結果、医師による臨床評価項目や身体所見、患者および家族の病歴や既往歴であってもよい。また例えば身長、年齢、体重、性別、体表面積、ＢＭＩ（ボディ・マス・インデックス）等の患者の身体基礎情報であってもよいし、気温、湿度、気圧などの天候情報や、花粉の飛散状況や大気汚染情況などの大気情報、運動の有無や歩数計などによる患者の活動情報、状態悪化時の時刻などでもよい。この構成によると、患者ごとで状態悪化時に特有の特徴量を加味して状態の良好又は不良を識別して患者の状態を推定でき、識別精度を向上させることができる。

　例えば、喘息の場合、運動によって発作を起こしやすい人や、気圧の変化によって発作を起こしやすい人など、状態悪化の要因は個人によって様々であり、生体音の分析結果と他の情報を組み合わせることは識別精度向上に有効である。

　なお、図２１で示されている６つの領域は分割の一例であって、疾病の種類や各領域の意味づけなどにより、さらに多くの領域への分割や、分割の方法が異なっていてもよい。各領域の意味づけとは、例えば、スパイロメータや呼気ＮＯ測定器などの他の検査装置の値により、各領域が関連付けられる場合がある。スパイロメータの値の良し悪しと、呼気ＮＯの値の良し悪しの組み合わせにより、スパイロメータと呼気ＮＯの値が共に悪い人が分類されやすい領域を領域Ａ、スパイロメータも呼気ＮＯの値も共に良好な人が分類されやすい領域を領域Ｂ，どちらか片方の値が悪い人が分類されやすい領域を領域Ｃとなるように２次元マップが分割されてもよい。

　（その他の変形例）
　なお、本発明を上記実施の形態に基づいて説明してきたが、本発明は、上記の実施の形態に限定されず、以下のような場合も本発明に含まれる。

　（１）上記の各装置の全部、もしくは一部を、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニットなどから構成されるコンピュータシステムで構成した場合。前記ＲＡＭまたはハードディスクユニットには、上記各装置と同様の動作を達成するコンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、各装置はその機能を達成する。

　（２）上記の各装置を構成する構成要素の一部または全部は、一つのシステムＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ（大規模集積回路））から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、上記各装置と同様の動作を達成するコンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

　（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

　（４）本発明は、上記に示すコンピュータの処理で実現する方法であるとしてもよい。また、本発明は、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。

　また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータ読み取り可能な記録媒体に記録したものとしてもよい。コンピュータ読み取り可能な記録媒体は例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ　Ｄｉｓｃ）、半導体メモリなどである。また、本発明は、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

　また、本発明は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

　また本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムに従って動作するとしてもよい。

　また前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

　（５）上記実施の形態および上記変形例をそれぞれ組み合わせるとしてもよい。

　以上のように、本発明に係る生体音検査装置およびその方法は、年齢や身長等による補正や呼吸のコントロールを必要とせず、肺音を測定することで、簡単に気道内の状態と肺実質の状態とを同時に定量化することができるという効果を有し、疾病等での肺の状態推定等に有効である。

　１００、１２００　　　　　　　　　　　　生体音検査装置
　１０１、１０２　　　　　　　　　　　　　生体音測定部
　１０３　　　　　　　　　　　　　　　　　信号処理部
　１０４　　　　　　　　　　　　　　　　　増幅部
　１０５　　　　　　　　　　　　　　　　　Ａ／Ｄ処理部
　１０６　　　　　　　　　　　　　　　　　信号分析部
　１０７　　　　　　　　　　　　　　　　　記録部
　１０８　　　　　　　　　　　　　　　　　表示部
　２０１　　　　　　　　　　　　　　　　　ダイヤフラム部
　２０２　　　　　　　　　　　　　　　　　空間部
　２０３　　　　　　　　　　　　　　　　　マイクロフォン
　２０４　　　　　　　　　　　　　　　　　リード線
　２０５　　　　　　　　　　　　　　　　　充填部
　３０１　　　　　　　　　　　　　　　　　パワ算出部
　３０２、３１２　　　　　　　　　　　　　基準パワ算出部
　３０３　　　　　　　　　　　　　　　　　疾病高域パワ比算出部
　３０４　　　　　　　　　　　　　　　　　パワ比算出部
　３０５　　　　　　　　　　　　　　　　　疾病ゲイン算出部
　３０６　　　　　　　　　　　　　　　　　補正部
　１２０１　　　　　　　　　　　　　　　　状態推定部
　１３００　　　　　　　　　　　　　　　　状態数値化部
　１３０１、１８０２　　　　　　　　　　　判別部
　１８００　　　　　　　　　　　　　　　　補正値算出部
　１８０１　　　　　　　　　　　　　　　　属性値算出部

Claims

　生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置であって、
　前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定部と、
　前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定部と、
　前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出部と、
　前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の１つとして算出する伝達特性指標算出部と、
　第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出部と、
　前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の１つとして算出する音源特性指標算出部とを備える
　生体音検査装置。
　前記パワ算出部は、
　前記第一周波数帯域と異なる周波数帯域である第二周波数帯域における前記第二生体音信号のパワである第二パワを算出し、
　前記生体音検査装置は、さらに、
　前記第二パワに含まれる前記生体の体格差の影響を抑制した値である第一パワ基準値を算出する基準パワ算出部を備え、
　前記音源特性指標算出部は、前記第一パワ基準値に対する前記第一パワの比を算出することで前記演算を行うことにより前記音源特性指標を算出する
　請求項１に記載の生体音検査装置。
　前記第二周波数帯域は、前記第一周波数帯域より低い周波数を含む周波数帯域である
　請求項２に記載の生体音検査装置。
　前記パワ比算出部は、第三周波数帯域における前記パワ比と、前記第三周波数帯域より低い周波数を含む第四周波数帯域における前記パワ比とを算出し、
　前記伝達特性指標算出部は、前記第四周波数帯域における前記パワ比に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する
　請求項１～３のいずれか一項に記載の生体音検査装置。
　前記パワ比算出部は、第三周波数帯域における前記パワ比を算出し、
　前記伝達特性指標算出部は、前記生体の身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つとあらかじめ設定された第一のゲイン予測式とを用いて算出されるゲイン基準値を算出し、前記ゲイン基準値に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する
　請求項１～３のいずれか一項に記載の生体音検査装置。
　前記生体音検査装置は、さらに、
　前記生体の身長、年齢、体重、体表面積及びボディ・マス・インデックスのうち少なくとも一つに基づいて、身体が大きいほど高音を増幅させる、または低音を抑圧することで、前記音源特性指標を補正する補正部をさらに備える
　請求項１に記載の生体音検査装置。
　前記生体音検査装置は、さらに、
　あらかじめ設定された識別情報と、算出された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備える
　請求項１に記載の生体音検査装置。
　前記状態推定部は、前記識別情報として判別関数を用い、
　前記音源特性指標及び前記伝達特性指標を判別関数に代入したときに、判別関数の値が所定値以上である場合に生体の状態が良好及び不良のうちどちらか一方とし、判別関数の値が所定値未満である場合に生体の状態が良好及び不良のうちどちらか他方とする前記推定を行う
　請求項７に記載の生体音検査装置。
　前記状態推定部は、前記所定値を増減することで、前記推定において真に不良な生体が不良であると推定する割合である感度と、前記推定において真に良好な生体が良好であると推定する割合である特異度とを変更する
　請求項８に記載の生体音検査装置。
　前記状態推定部は、前記識別情報としてサポートベクターマシンを用いて生体の状態を推定する
　請求項７に記載の生体音検査装置。
　前記状態推定部は、さらに、前記生体への投薬に関する投薬情報から生体の状態を推定する
　請求項７～１０のいずれか一項に記載の生体音検査装置。
　前記生体音検査装置は、さらに、
　前記音源特性指標を示す軸と前記伝達特性指標を示す軸とを２軸とするグラフである２次元マップを含む検査結果を表示する表示部を備え、
　前記２次元マップは、少なくとも一つ以上の境界線により複数の領域に分割される
　請求項１に記載の生体音検査装置。
　前記２次元マップは、前記伝達特性指標を示す軸方向に直線または曲線により三分割され、前記音源特性指標を示す軸方向に直線または曲線により二分割される
　請求項１２に記載の生体音検査装置。
　前記生体音検査装置は、さらに、
　あらかじめ設定された識別情報と、測定された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備え、
　前記状態推定部は、前記識別情報として前記境界線を用い、
　前記２次元マップにおいて、算出された前記音源特性指標及び前記伝達特性指標に対応する座標を含む領域により状態を推定する
　請求項１２又は１３に記載の生体音検査装置。
　前記状態推定部は、
　第一時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域と、第一時刻と異なる第二時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域とから生体の状態を推定する
　請求項１４に記載の生体音検査装置。
　前記第二部位は胸部又は頸部の所定部位であり、前記第一部位は胸部の所定部位である
　請求項１～１５のいずれか一項に記載の生体音検査装置。
　前記第一部位は胸骨切痕であり、前記第二部位は右鎖骨中線上第二肋間である
　請求項１６に記載の生体音検査装置。
　前記第二部位は、前記第一部位よりも頸部に近い部位である
　請求項１６に記載の生体音検査装置。
　前記生体の状態とは、喘息の肺の状態である
　請求項１～１８のいずれか一項に記載の生体音検査装置。
　生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査方法であって、
　前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定ステップと、
　前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定ステップと、
　前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出ステップと、
　前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の１つとして算出する伝達特性指標算出ステップと、
　第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出ステップと、
　前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の１つとして算出する音源特性指標算出ステップとを含む
　生体音検査方法。
　請求項２０に記載の生体音検査方法をコンピュータに実行させるためのプログラム。