WO2022045174A1 - 生体検出装置、生体検出方法、及び、プログラム - Google Patents

生体検出装置、生体検出方法、及び、プログラム Download PDF

Info

Publication number
WO2022045174A1
WO2022045174A1 PCT/JP2021/031104 JP2021031104W WO2022045174A1 WO 2022045174 A1 WO2022045174 A1 WO 2022045174A1 JP 2021031104 W JP2021031104 W JP 2021031104W WO 2022045174 A1 WO2022045174 A1 WO 2022045174A1
Authority
WO
WIPO (PCT)
Prior art keywords
respiratory rate
unit
biological detection
detection device
signal
Prior art date
Application number
PCT/JP2021/031104
Other languages
English (en)
French (fr)
Inventor
知明 大槻
臣 葉
Original Assignee
学校法人慶應義塾
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 学校法人慶應義塾 filed Critical 学校法人慶應義塾
Priority to US18/043,318 priority Critical patent/US20230309863A1/en
Priority to JP2022545660A priority patent/JP7428813B2/ja
Publication of WO2022045174A1 publication Critical patent/WO2022045174A1/ja

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
    • A61B5/103—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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826—Detecting or evaluating apnoea events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle

Definitions

  • the present invention relates to a biological detection device, a biological detection method, and a program.
  • Non-Patent Document 1 There is known a technique of measuring biological information such as heart rate with a wearable device and notifying the user when there is an abnormality in the biological information (for example, Non-Patent Document 1 etc.).
  • a nurse call button a motion sensor, a Doppler sensor, a heart rate monitor, a breath measuring device, a thermo camera, a sphygmomanometer, a thermometer, an illuminance meter, a thermometer, or Connect an observation device such as a hygrometer.
  • the watching system acquires the observation information of the observed person.
  • the monitoring system determines whether or not the emergency alert condition is met based on the observation information, and issues an emergency alert if it is an emergency.
  • a monitoring system using such a vital sensor is known (for example, Patent Document 1 and the like).
  • the present invention aims to measure respiration with high accuracy in view of the fact that it was difficult to measure respiration with high accuracy by the conventional technique.
  • the biological detection device has a signal acquisition unit that acquires signals including respiratory components, and A filter unit that attenuates frequency components other than the respiratory component contained in the signal to generate a processed signal, and a filter unit.
  • An analysis unit that analyzes the processed signal and generates a spectrogram, Among the energies of the frequency components shown in the spectrogram, the variation calculation unit for calculating the variation in energy in a predetermined frequency band, and the variation calculation unit.
  • the first determination unit for determining whether or not the variation is larger than the threshold value, When the first determination unit determines that the variation is not larger than the threshold value, the second peak having an energy equal to or higher than the predetermined ratio with respect to the first peak having the maximum energy in the predetermined frequency band.
  • the second judgment unit that determines whether or not there are harmonics, When the second determination unit determines that the harmonic is absent, the respiratory rate is output based on the frequency of the first peak, and when the second determination unit determines that the harmonic is present, the second determination unit outputs the respiratory rate. It is required to include an output unit that outputs the respiratory rate based on the fundamental frequency of the harmonics.
  • respiration can be measured accurately.
  • the biological detection system 1 is a system having the following overall configuration.
  • FIG. 1 is a diagram showing an overall configuration example of the first embodiment.
  • the biological detection system 1 has a configuration including a PC (Personal Computer, hereinafter referred to as “PC10”), a Doppler radar 12, a filter 13, and the like.
  • PC10 Personal Computer
  • Doppler radar 12 a Doppler radar
  • filter 13 a filter
  • amplifier 11 an amplifier
  • PC10 is an information processing device and is an example of a biological detection device. Further, the PC 10 is connected to a peripheral device such as an amplifier 11 via a network or a cable.
  • the amplifier 11 and the filter 13 and the like may have the configuration of the PC 10. Further, the amplifier 11 and the filter 13 and the like may be configured by software, or may be configured by both hardware and software, instead of the device.
  • a biological detection system 1 as shown will be described.
  • the Doppler radar 12 is an example of a measuring device.
  • the PC 10 is connected to the amplifier 11. Further, the amplifier 11 is connected to the filter 13. Further, the filter 13 is connected to the Doppler radar 12. Then, the PC 10 acquires measurement data from the Doppler radar 12 via the amplifier 11 and the filter 13. That is, the measurement data is signal data indicating the movement of the living body such as respiration. Next, the PC 10 analyzes the body movements of the subject 2 such as the heartbeat, respiration, and body movements based on the acquired measurement data, and measures the movements of the human body such as respirations.
  • the Doppler radar 12 acquires, for example, a signal indicating an operation such as heartbeat and respiration (hereinafter referred to as "biological signal”) by the following principle.
  • FIG. 2 is a diagram showing an example of a Doppler radar.
  • the Doppler radar 12 is a device having a configuration as shown in FIG. Specifically, the Doppler radar 12 has a source 12S, a transmitter 12Tx, a receiver 12Rx, and a mixer 12M. Further, the Doppler radar 12 has a regulator 12LNA such as an LNA (Low Noise Amplifier) that performs processing such as reducing noise of data received by the receiver 12Rx.
  • LNA Low Noise Amplifier
  • the source 12S is a transmission source that generates a signal of a transmission wave transmitted by the transmitter 12Tx.
  • the transmitter 12Tx transmits a transmission wave to the subject 2.
  • the transmitted wave signal can be shown by the function Tx (t) related to the time "t", for example, as shown in the following equation (1).
  • ⁇ c is the angular frequency of the transmitted wave.
  • the subject 2 that is, the reflecting surface of the transmitted signal is a displacement of x (t) at the time "t".
  • the reflective surface is the battlement of subject 2.
  • the displacement x (t) can be expressed by, for example, the following equation (2).
  • the receiver 12Rx receives the reflected wave transmitted by the transmitter 12Tx and reflected by the subject 2. Further, the signal of the reflected wave can be shown by the function Rx (t) related to the time t, for example, as shown in the following equation (3).
  • the Doppler radar 12 includes a function Tx (t) (the above equation (1)) indicating a transmitted wave signal and a function R (t) (the above equation (3)) indicating a received wave signal.
  • Tx (t) the above equation (1)
  • R (t) the above equation (3)
  • the Doppler signal can be expressed by the function B (t) related to the time t as shown in the following equation (4).
  • the angular frequency of the Doppler signal is " ⁇ d "
  • the angular frequency ⁇ d of the Doppler signal can be expressed by the following equation (5).
  • phase " ⁇ " in the above equation (4) and the above equation (5) can be expressed as the following equation (6).
  • ⁇ 0 is the phase displacement of the subject 2 on the chest wall, that is, the reflection surface.
  • the Doppler radar 12 outputs the position, speed, etc. of the subject 2 based on the result of comparing the transmitted wave signal and the received received wave signal, that is, the calculation result by the above equation. Ru.
  • I data in-phase data
  • Q data quadrature phase data
  • I data and Q data quadrature phase data
  • the distance traveled by the chest wall of the subject 2 can be detected from the I data and the Q data.
  • the movement of the chest wall derived from the heartbeat can detect indexes such as heartbeat and respiration by utilizing the frequency change of the transmitted wave and the received wave.
  • FIG. 3 is a diagram showing an example of a biological detection device.
  • the PC 10 includes a CPU (Central Processing Unit, hereinafter referred to as “CPU 10H1”), a storage device 10H2, an input device 10H3, an output device 10H4, and an input I / F (Interface) (hereinafter, “input I / F 10H5”). It has.).
  • CPU 10H1 Central Processing Unit
  • storage device 10H2 storage device
  • input device 10H3 an output device 10H4
  • I / F Interface
  • Each hardware of the PC 10 is connected by a bus (hereinafter referred to as "bus 10H6”), and data and the like are exchanged between the hardware via the bus 10H6.
  • bus 10H6 bus
  • the CPU 10H1 is a control device that controls the hardware of the PC 10 and an arithmetic unit that performs calculations for realizing various processes.
  • the storage device 10H2 is, for example, a main storage device, an auxiliary storage device, or the like.
  • the main storage device is, for example, a memory or the like.
  • the auxiliary storage device is, for example, a hard disk or the like. Then, the storage device 10H2 stores data including intermediate data used by the PC 10 and programs used for various processes and controls.
  • the input device 10H3 is a device for inputting parameters and instructions necessary for calculation to the PC 10 by the user's operation.
  • the input device 10H3 is, for example, a keyboard, a mouse, a driver, or the like.
  • the output device 10H4 is a device for outputting various processing results and calculation results by the PC 10 to a user or the like. Specifically, the output device 10H4 is, for example, a display or the like.
  • the input I / F10H5 is an interface for connecting to an external device such as a measuring device and transmitting / receiving data or the like.
  • the input I / F10H5 is a connector, an antenna, or the like. That is, the input I / F10H5 transmits / receives data to / from an external device via a network, radio, cable, or the like.
  • the hardware configuration is not limited to the configuration shown in the figure.
  • the PC 10 may further have an arithmetic unit, a storage device, or the like in order to perform processing in parallel, distributed, or redundantly.
  • the PC 10 since the PC 10 performs arithmetic, control and storage in parallel, distributed or redundant, it may be an information processing system connected to another device via a network or a cable. That is, the present invention may be realized by an information processing system having one or more information processing devices.
  • the PC 10 acquires a biological signal indicating the operation of the living body by a measuring device such as the Doppler radar 12.
  • the biological signal may be acquired at any time in real time, or the biological signal for a certain period may be stored by a device such as a Doppler radar and then collectively acquired by the PC 10. Further, the acquisition may be performed by using a recording medium or the like.
  • the PC 10 may have a measuring device such as a Doppler radar 12, and the PC 10 may measure with a measuring device such as the Doppler radar 12 to generate a biological signal and acquire the biological signal.
  • FIG. 4 is a diagram showing an example of overall processing. For example, the whole process described below is executed for each window of time (for example, a value of about 30 seconds to 60 is preset).
  • step S101 the PC 10 acquires a signal.
  • the PC 10 receives data from a measuring device such as the Doppler radar 12 and acquires a biological signal (hereinafter, simply referred to as “signal”) indicating a respiratory component or the like.
  • the PC 10 may perform a low-pass filter processing on the signal to attenuate a frequency component higher than a predetermined frequency component.
  • the PC 10 performs a low-pass filter process so as to attenuate a frequency component other than the frequency component corresponding to respiration.
  • the low-pass filter processing is set so as to attenuate frequency components higher than 3 Hz, for example.
  • the PC 10 can attenuate the frequency component that becomes noise without attenuating the frequency component corresponding to respiration by the low-pass filter processing.
  • the frequency band targeted for the low-pass filter processing may be set in consideration of the age, gender, state, etc. of the living body. For example, after strenuous exercise or in a state of excitement, both heart rate and respiratory rate are at higher frequencies than in a resting state. Therefore, the frequency components contained in the signal are both higher in frequency than in the resting state. On the other hand, in a resting state, both heart rate and respiratory rate are at low frequencies.
  • the frequency band to be the target of the low-pass filter processing may be dynamically changed or the frequency band to be the target of the low-pass filter processing may be narrowed down according to the state or the like. Specifically, in a state considered to be a frequency component having a high respiratory rate, such as a state after strenuous exercise, a low-pass filter process for attenuating a frequency component higher than 3.5 Hz is performed. On the other hand, in a state considered to be a frequency component having a high respiratory rate, such as a resting state, a low-pass filter process for attenuating a frequency component higher than 1.4 Hz is performed.
  • the state or the like can be input, or a value considering the state or the like may be set and the low-pass filter processing may be performed.
  • post-processed signal the signal generated by low-pass filter processing is referred to as "post-processed signal”.
  • step S103 the PC 10 performs frequency analysis of the processed signal.
  • frequency analysis is realized by FFT (Fast Fourier Transform, Fast Fourier Transform) or the like.
  • FFT Fast Fourier Transform
  • the PC 10 calculates a spectrum showing energy for each frequency band.
  • it is desirable that the PC 10 is normalized and the analysis result is shown in a spectrum. Below, the spectrum is shown by the normalized value. Specific examples of the analysis results will be described later.
  • the window function be executed on the processed signal.
  • the window function is preferably a Hanning window function.
  • the window function may be of another type. That is, the window function may be any function as long as it cancels the temporal discontinuity, and may be, for example, a rectangular window or a flat-top window.
  • the processed signal In the state before processing the window function, the processed signal often contains discontinuous components at the boundary points and the like. Such discontinuous components are often detected as peaks and often become noise. Therefore, if the window function is used, the frequency component can be analyzed with high accuracy.
  • the PC 10 calculates the power distribution.
  • the energy is, for example, the power generated in a predetermined frequency band among all the frequency bands indicated by the spectrogram.
  • the energy is calculated from the change in the voltage (or current) on the conducting wire by the PC 10 after inducing the energy of the electromagnetic wave to the conducting wire by the antenna in the Doppler radar.
  • the energy may be a value indicating the energy of each time and each frequency, and the acquisition method and the calculation method may not be used.
  • the predetermined frequency band is 0.07 Hz to 0.58 Hz (that is, a frequency of about 4 to 35 bpm (Beats Per Minute) is targeted). That is, it is desirable that the power be narrowed down to the power generated in the frequency band where the respiratory rate is likely to occur. Therefore, the predetermined frequency band may be limited, extended, or set to a different frequency band from 0.07 Hz to 0.58 Hz according to the state of the subject and the like.
  • a frequency band of 0.07 Hz to 0.58 Hz is set as a “predetermined frequency band”.
  • the dispersion quantifies how much "variation” there is in energy.
  • the variation may be a value indicating the degree of variation, such as variance or standard deviation.
  • an example showing the variation by dispersion will be described.
  • step S105 the PC 10 determines whether the variation is greater than the threshold. That is, in this example, it is determined whether the variance is a large value or a small value.
  • the threshold value is a value that serves as a reference for a preset judgment.
  • the threshold value is a value calculated by averaging the variances from a certain time before to the current time.
  • the threshold is calculated, for example, in a multi-hour window.
  • step S105 when it is determined that the variance is larger than the threshold value (YES in step S105), the PC 10 proceeds to step S107. On the other hand, if it is determined that the variance is not greater than the threshold (NO in step S105), PC 10 proceeds to step S106.
  • step S106 the PC 10 determines apnea and outputs it. For example, the PC 10 determines that the subject is in an apneic state and outputs that the respiratory rate is "0".
  • the output when it is determined to be apnea may be a value other than "0" or an output such as a message.
  • steps S104 to S106 if it is determined whether or not the value of the variance is larger than the threshold value, apnea can be determined accurately.
  • step S107 the PC 10 determines whether or not there are harmonics.
  • the presence or absence of harmonics is determined based on the peak with the maximum power (hereinafter referred to as the "first peak") in the predetermined frequency band. Therefore, the PC 10 first identifies the first peak. Next, the PC 10 determines whether or not a predetermined number or more of peaks having a power of a predetermined ratio or more with respect to the first peak (hereinafter referred to as "second peak”) are generated.
  • the predetermined ratio is a value that serves as a reference for determining whether or not it is the second peak.
  • the predetermined ratio is set in advance. Specifically, it is desirable that the predetermined ratio is set to about 20% to 40%. More preferably, the predetermined ratio is set to about 30%.
  • the predetermined ratio is set to “30%” will be described as an example.
  • the predetermined number is set in advance. Specifically, the predetermined number is set to, for example, three. Hereinafter, a case where the predetermined number is set to "3" will be described as an example. Therefore, when three or more second peaks are generated, that is, when a certain number of second peaks are generated, the following processing for determining the presence or absence of harmonics is performed. Will continue.
  • the PC 10 selects three peaks from the low frequency among the second peaks.
  • the peak selected in this way is referred to as a “candidate peak”.
  • the PC 10 determines whether or not the candidate peak is a harmonic that is an integral multiple of the fundamental wave. In this way, it is determined whether the candidate peak is a harmonic.
  • the candidate peak is a harmonic, that is, if the candidate peak corresponds to an integral multiple of the fundamental wave, it is determined that there is a harmonic (YES in step S107).
  • the presence or absence of harmonics may be determined by a method other than the above.
  • step S107 If it is determined that there are harmonics (YES in step S107), the PC 10 proceeds to step S108. On the other hand, if it is determined that there are no harmonics (NO in step S107), the PC 10 proceeds to step S109.
  • step S108 the PC 10 outputs the respiratory rate based on the fundamental frequency.
  • the fundamental frequency is the frequency of the fundamental wave.
  • the fundamental frequency is the frequency of the peak having the lowest frequency among the peaks determined to be harmonics. In this way, when it is determined that there are harmonics, the PC 10 outputs the specified fundamental frequency as the respiratory rate.
  • step S109 the PC 10 outputs the respiratory rate based on the frequency of the first peak. That is, the PC 10 outputs the frequency having the highest power in the predetermined frequency band as the respiratory rate.
  • the respiratory rate can be measured and output with high accuracy. In particular, even if there is an apnea state, breathing can be measured accurately.
  • the second embodiment is different from the first embodiment in the overall processing.
  • the points different from those of the first embodiment will be mainly described, and duplicate description will be omitted.
  • FIG. 5 is a diagram showing an example of overall processing of the second embodiment.
  • the second embodiment is different from the first embodiment in that the processing after step S110 is added.
  • the respiratory rate is specified in step S106a, step S108a, or step S109a. That is, unlike the first embodiment, the specified respiratory rate is not immediately output, and the processing after step S110 is performed based on the specified respiratory rate.
  • step S110 the PC 10 stores the identified respiratory rate.
  • the previously measured respiratory rate memorized in this way is referred to as "previous respiratory rate D1". Therefore, in the processing after step S111, the previous respiratory rate D1 previously stored in step S110 is read out and used.
  • step S111 the PC 10 continuously determines whether or not the comparison difference is large. For example, specifically, the PC 10 compares the respiratory rate specified this time (hereinafter simply referred to as “respiratory rate”) with the previous respiratory rate D1, and based on the comparison result, whether or not the comparison difference is continuously large. To judge.
  • respiratory rate specified this time
  • the comparison difference for example, when the difference between the respiratory rate and the previous respiratory rate D1 is continuously larger than the comparison threshold value, it is determined that the comparison difference is continuously large.
  • the comparison threshold value is set to, for example, about 0.08 Hz (about 5 bpm).
  • the PC 10 counts the number of consecutive times when the difference between the respiratory rate and the previous respiratory rate D1 is larger than the comparison threshold value, and determines whether or not the comparison difference is continuously large based on the counted number of times. Is desirable. Then, the PC 10 continuously determines whether or not the comparison difference is large depending on whether or not the number of times is continuously larger than the number of times threshold value. Specifically, the number-of-times threshold is set in advance to about two times.
  • the PC 10 continuously determines that the comparison difference is large (YES in step S111).
  • step S111 when it is continuously determined that the comparison difference is large (YES in step S111), the PC 10 proceeds to step S112. On the other hand, if it is continuously determined that the comparison difference is not large (NO in step S111), the PC 10 proceeds to step S113.
  • step S112 the PC 10 outputs the respiratory rate.
  • step S113 the PC 10 outputs the previous respiratory rate.
  • the PC 10 If the comparison difference is large continuously, there is a high possibility of false detection. Therefore, the PC 10 outputs the previous respiratory rate (step S113). On the other hand, if the comparison difference is not large continuously, the respiratory rate measured this time is output (step S112).
  • the PC 10 may output based on the result of one comparison. That is, the PC 10 outputs the respiratory rate measured this time based on the result of one comparison that the comparison difference is not large. On the other hand, the PC 10 outputs the previous respiratory rate D1 based on the result of one comparison that the comparison difference is large. In this way, the output may be switched based on the result of comparison only once.
  • a configuration using a plurality of comparison results may be used. For example, when the comparison result is that the comparison difference is large twice in a row, the PC 10 outputs the previous respiratory rate D1.
  • the PC10 when the comparison result is one time that the comparison difference is not large next to the comparison result that the comparison difference is large once or twice, the PC10 outputs the respiratory rate measured this time. In this way, the content to be output may be selected by using a plurality of consecutive comparison results and the like.
  • apnea by dispersion is performed at a timing prior to processing such as comparison, as in step S105. With such timing, apnea can be accurately determined.
  • FIG. 6 is a diagram showing the results of the first experiment.
  • the waveform 62 is the result of acquiring the signal indicated by the waveform 61 and performing the low-pass filter processing.
  • the spectrum is shown in the waveform 63.
  • the output respiratory rate is indicated by an "x" in the waveform 63.
  • FIG. 7 is a diagram showing the evaluation results compared with the true values in the first experiment.
  • the output result is indicated by "FFT”. Comparing the output shown in FIG. 5 with the true value, the error (indicated as “AAE” in the figure) was about “0.91 bpm”.
  • FIG. 8 is a diagram showing the results of the second experiment. Waveforms 81 and 82 and waveform 83 show the same data as in the first experiment.
  • FIG. 9 is a diagram showing the evaluation results compared with the true values in the second experiment.
  • the output result is indicated by "FFT”. Comparing the output shown in FIG. 7 with the true value, the error (indicated as “AAE” in the figure) was about “0.64 bpm”.
  • the time window width is 30 seconds.
  • the respiratory rate could be measured accurately.
  • FIG. 10 is a diagram showing an example of the occurrence of apnea.
  • the figure is the measurement result by the breathing belt.
  • the state indicated by "apnea state NB" in this experiment is an example in which apnea occurs.
  • the circles in the figure are examples of "peaks”.
  • the result of calculating the variance in this example is shown.
  • the time window width is 20 seconds.
  • the case where the time window is set to "1" hereinafter referred to as "single time window”
  • the case where the time window is set to "3" hereinafter referred to as "three time windows" are described separately. ..
  • FIG. 11 is a diagram showing the calculation result of the variance by the single time window.
  • the variance becomes a small value as shown in the "first variance value V1" in the figure.
  • FIG. 12 is a diagram showing the calculation result of the variance by the three time windows.
  • the variance becomes a small value as shown in the "second variance value V2" in the figure.
  • the apneic state NB can be measured accurately.
  • FIG. 13 is a diagram showing the evaluation results compared with the true values in the experiment using the single-hour window.
  • the first apnea determination result NB1 is the result of determining apnea.
  • FIG. 14 is a diagram showing the evaluation results compared with the true values in the experiment using the three time windows.
  • the second apnea determination result NB2 is the result of determining apnea.
  • the first apnea judgment result NB1 and the second apnea judgment result NB2 can be judged accurately. Further, after the first apnea determination result NB1 and the second apnea determination result NB2, the respiratory rate returns correctly as if it were a true value, and the respiratory rate accurately follows the true value.
  • the time window is set to about 3 or less.
  • the time window exceeds the time window (for example, five, etc.) and the time of apnea. Therefore, if the number of time windows is three or less, respiration can be measured with high accuracy.
  • FIG. 15 is a diagram showing the results of the third experiment. Waveforms 151, 152, and 153 show the same data as in the first experiment.
  • FIG. 16 is a diagram showing the evaluation results compared with the true values in the third experiment.
  • the output result is indicated by "FFT”. Comparing the output shown in FIG. 7 with the true value, the error (indicated as “AAE” in the figure) was about “2.17 bpm”.
  • FIG. 17 is a diagram showing the results of the fourth experiment. Waveforms 171, 172, and 173 show the same data as in the first experiment.
  • FIG. 18 is a diagram showing the evaluation results compared with the true values in the fourth experiment.
  • the output result is indicated by "FFT”. Comparing the output shown in FIG. 7 with the true value, the error (indicated as “AAE” in the figure) was about “0.07 bpm”.
  • breathing can be measured accurately when it corresponds to harmonics.
  • FIG. 19 is a diagram showing a first comparative example. Waveforms 191, 192, and 193 show the same data as in the first experiment. As shown in the waveform 193, the true value (the value indicated by the “ ⁇ ” mark) and the output respiratory rate (the value indicated by the “x” mark) are significantly different from each other.
  • FIG. 20 is a diagram showing a second comparative example.
  • Waveforms 201, 202, and 203 show the same data as in the first experiment. As shown in the waveform 203, the true value (the value indicated by the “ ⁇ ” mark) and the output respiratory rate (the value indicated by the “ ⁇ ” mark) are significantly different from each other.
  • FIG. 21 is a diagram showing a functional configuration example.
  • the biological detection device has a function including a signal acquisition unit 10F1, a filter unit 10F2, an analysis unit 10F3, a dispersion calculation unit 10F4, a first determination unit 10F5, a second determination unit 10F6, and an output unit 10F7. It is a composition. Further, as shown in the figure, it is desirable that the biological detection device has a functional configuration further including a storage unit 10F8 and a comparison unit 10F9.
  • a functional configuration as shown in the figure will be described as an example.
  • the signal acquisition unit 10F1 performs a signal acquisition procedure for acquiring a signal including respiration.
  • the signal acquisition unit 10F1 is realized by the Doppler radar 12, the input I / F10H5, or the like.
  • the filter unit 10F2 performs a filter procedure for generating a processed signal by attenuating frequency components other than respiration contained in the signal acquired by the signal acquisition unit 10F1.
  • the filter unit 10F2 is realized by the CPU 10H1, the filter 13, or the like.
  • the analysis unit 10F3 analyzes the processed signal generated by the filter unit 10F2 and performs an analysis procedure for generating a spectrogram.
  • the analysis unit 10F3 is realized by the CPU 10H1 or the like.
  • the variation calculation unit 10F4 performs a variation calculation procedure for calculating the variation of the energy in a predetermined frequency band among the energies of the frequency components indicated by the spectrogram generated by the analysis unit 10F3.
  • the variation calculation unit 10F4 is realized by the CPU 10H1 or the like.
  • the first determination unit 10F5 performs the first determination procedure for determining whether or not the variation calculated by the variation calculation unit 10F4 is larger than the threshold value.
  • the first determination unit 10F5 is realized by the CPU 10H1 or the like.
  • the second determination unit 10F6 performs a second determination procedure for determining whether or not there is a harmonic with respect to the second peak in the predetermined frequency band when the first determination unit determines that the variation is not larger than the threshold value. ..
  • the second determination unit 10F6 is realized by the CPU 10H1 or the like.
  • the output unit 10F7 determines that there is no harmonic by the second determination unit 10F6, the output unit 10F7 performs an output procedure for outputting the respiratory rate based on the frequency of the first peak.
  • the output unit 10F7 performs an output procedure for outputting the respiratory rate based on the fundamental frequency of the harmonic.
  • the output unit 10F7 is realized by an output device 10H4 or the like.
  • the storage unit 10F8 performs a storage procedure for storing the previous respiratory rate.
  • the storage unit 10F8 is realized by a storage device 10H2 or the like.
  • the comparison unit 10F9 performs a comparison procedure for comparing the respiratory rate with the previous respiratory rate.
  • the comparison unit 10F9 is realized by the CPU 10H1 or the like.
  • FIG. 22 is a diagram showing an example of IQ data measured by a Doppler radar.
  • the Doppler radar 12 outputs a signal as shown in the figure. Then, when arctan (Q / I) is calculated, it becomes a biological signal.
  • the Doppler radar 12 can measure the movement of a moving object based on the Doppler effect in which the frequency of the reflected wave changes by irradiating the moving object with radio waves. In this way, a configuration that can measure the movement of the subject in a non-contact manner is desirable.
  • the living body is not limited to humans, but may be animals or the like.
  • the biological detection device and the biological detection system may be configured to use AI (Artificial Integrity).
  • AI Artificial Integrity
  • the set value such as the threshold value may be learned and set by machine learning or the like.
  • the biological detection device and the biological detection system may perform deep learning with the time domain signal or the frequency domain signal as the learning target. Then, based on the trained model, the biometric detection device and the biometric detection system may determine various settings and judgments.
  • the trained model is used as part of the software in AI. Therefore, the trained model is a program. Therefore, the trained model may be distributed or executed, for example, via a recording medium, a network, or the like.
  • the trained model includes, for example, a network structure such as CNN (Convolution Natural Network, convolutional neural network) or RNN (Recurrent Neural Network, recurrent neural network). Further, the trained model may be realized in a cloud or the like that can be used via a network or the like.
  • CNN Convolution Natural Network, convolutional neural network
  • RNN Recurrent Neural Network, recurrent neural network
  • the configuration for "learning processing” and the configuration for “execution processing” do not have to include both.
  • a configuration that does not include the configuration for the "execution process” may be used.
  • a configuration that does not include the configuration for the “learning process” may be used.
  • the configuration may be divided into the stages of "learning” and “execution”, and the configuration may be excluding the configuration different from the processing to be performed. It should be noted that various settings in the network structure may be adjusted by the user after the "learning process” or the "learning process”.
  • the biological detection device or the biological detection system may calculate an index related to the living body other than the respiratory rate.
  • the index is a value indicating the biological information of the target living body.
  • the index is a value calculated by analyzing a biological signal, and is a pulse rate, a heart rate, a respiratory rate, a blood pressure, a PTT (pulse transit time), a systolic blood pressure, and an RRI. (RR interval, RR interval), QRS interval, QT interval, or a combination thereof.
  • the index may be biometric information other than this. Further, in order to calculate the index, the biological detection device or the biological detection system may be performed from the acquisition of the biological signal.
  • apnea is not limited to the case where the respiratory rate is completely "0".
  • Apnea may be a value indicating that the living body has an abnormal respiratory rate (particularly, when the respiratory rate is abnormally low). Therefore, the respiratory rate for apnea may be individually defined according to the person, condition, or the like. For example, a low respiratory rate such as 8 bpm or less may be regarded as apnea.
  • the apnea state is a state that is dangerous to the living body or has a high possibility of harming health. Therefore, if the apnea state is accurately determined and output, it is possible to quickly respond to a case where the living body is dangerous.
  • the transmitter, receiver, or information processing device may be a plurality of devices. That is, processing and control may be virtualized, parallel, distributed or redundant.
  • the transmitter, the receiver, and the information processing device may be integrated with hardware or may also serve as a device.
  • each process according to the present invention is described in a low-level language such as an assembler or a high-level language such as an object-oriented language and is realized by a program for causing a computer to execute a biological detection method. good. That is, the program is a computer program for causing a computer such as an information processing device or a biological detection system to execute each process.
  • the arithmetic unit and the control device of the computer perform the operation and control based on the program in order to execute each process.
  • the storage device of the computer stores the data used for the processing based on the program in order to execute each processing.
  • the program can be recorded and distributed on a computer-readable recording medium.
  • the recording medium is a medium such as a magnetic tape, a flash memory, an optical disk, a magneto-optical disk, or a magnetic disk.
  • the program can be distributed over telecommunication lines.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

呼吸成分を含む信号を取得する信号取得部と、信号に含まれる呼吸成分以外の周波数成分を減衰させて処理後信号を生成するフィルタ部と、処理後信号を分析してスペクトログラムを生成する分析部と、スペクトログラムが示す周波数成分のエネルギーのうち、所定周波数帯におけるエネルギーのばらつきを計算するばらつき計算部と、ばらつきが閾値より大きいか否かを判断する第１判断部と、第１判断部によってばらつきが閾値より大きくないと判断された場合に、所定周波数帯に、エネルギーが最大となる第１ピークに対して、所定割合以上のエネルギーがある第２ピークに対する高調波があるか否かを判断する第２判断部と、第２判断部によって高調波がないと判断されると、第１ピークの周波数に基づいて呼吸数を出力し、第２判断部によって高調波があると判断されると、高調波の基本周波数に基づいて呼吸数を出力する出力部とを含む。

Description

生体検出装置、生体検出方法、及び、プログラム
　本発明は、生体検出装置、生体検出方法、及び、プログラムに関する。
　ウェアラブル機器で心拍数等の生体情報を計測して、生体情報に異常があるとユーザへ通知を行う技術が知られている（例えば、非特許文献１等）。
　また、見守りシステムにおいて、まず、老人等の被観察者に、ナースコールボタン、人感センサ、ドップラーセンサ、心拍計、呼吸計測機、サーモカメラ、血圧計、体温計、照度計、温度計、又は、湿度計等の観察機器を接続させる。このようにして、見守りシステムは、被観察者の観察情報を取得する。そして、見守りシステムは、観察情報に基づいて緊急発報条件に合致するか否かを判断して緊急事態であると緊急発報を行う。このようなバイタル系センサを用いる見守りシステムが知られている（例えば、特許文献１等）。
"心拍数。その意味とＡｐｐｌｅ　Ｗａｔｃｈ（登録商標）での表示方法"、［online］、２０２０年０１月２１日、［令和２年３月２日検索］、インターネット〈URL：https://support.apple.com/ja-jp/HT204666〉
特開２０１７－１５１７５５号公報
　本発明は、従来の技術では、呼吸を精度良く計測するのが難しかったことに鑑みて、呼吸を精度良く計測することを目的とする。
　生体検出装置は、呼吸成分を含む信号を取得する信号取得部と、
　前記信号に含まれる呼吸成分以外の周波数成分を減衰させて処理後信号を生成するフィルタ部と、
　前記処理後信号を分析してスペクトログラムを生成する分析部と、
　前記スペクトログラムが示す周波数成分のエネルギーのうち、所定周波数帯におけるエネルギーのばらつきを計算するばらつき計算部と、
　前記ばらつきが閾値より大きいか否かを判断する第１判断部と、
　前記第１判断部によって前記ばらつきが閾値より大きくないと判断された場合に、前記所定周波数帯に、前記エネルギーが最大となる第１ピークに対して、所定割合以上のエネルギーがある第２ピークに対する高調波があるか否かを判断する第２判断部と、
　前記第２判断部によって前記高調波がないと判断されると、前記第１ピークの周波数に基づいて呼吸数を出力し、前記第２判断部によって前記高調波があると判断されると、前記高調波の基本周波数に基づいて呼吸数を出力する出力部と
を含むことを要件とする。
　開示の技術によれば、呼吸を精度良く計測できる。
第１実施形態の全体構成例を示す図である。 ドップラーレーダの例を示す図である。 生体検出装置の例を示す図である。 第１実施形態の全体処理例を示す図である。 第２実施形態の全体処理例を示す図である。 第１実験結果を示す図である。 第１実験における真値と比較した評価結果を示す図である。 第２実験結果を示す図である。 第２実験における真値と比較した評価結果を示す図である。 無呼吸の発生例を示す図である。 単時間窓による分散の計算結果を示す図である。 ３つの時間窓による分散の計算結果を示す図である。 単時間窓を用いた実験における真値と比較した評価結果を示す図である。 ３つの時間窓を用いた実験における真値と比較した評価結果を示す図である。 第３実験結果を示す図である。 第３実験における真値と比較した評価結果を示す図である。 第４実験結果を示す図である。 第４実験における真値と比較した評価結果を示す図である。 第１比較例を示す図である。 第２比較例を示す図である。 機能構成例を示す図である。 ドップラーレーダで計測するＩＱデータの例を示す図である。
　以下、発明を実施するための最適かつ最小限な形態について、図面を参照して説明する。なお、図面において、同一の符号を付す場合には、同様の構成であることを示し、重複する説明を省略する。また、図示する具体例は、例示であり、図示する以外の構成が更に含まれる構成であってもよい。
　＜第１実施形態＞
　例えば、生体検出システム１は、以下のような全体構成のシステムである。
　＜全体構成例＞
　図１は、第１実施形態の全体構成例を示す図である。例えば、生体検出システム１は、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ、以下「ＰＣ１０」という。）、ドップラーレーダ１２及びフィルタ１３等を有する構成である。なお、生体検出システム１は、図示するように、アンプ１１等を有する構成が望ましい。以下、図示する全体構成を例に説明する。
　ＰＣ１０は、情報処理装置であって、生体検出装置の例である。また、ＰＣ１０は、アンプ１１等の周辺機器とネットワーク又はケーブル等を介して接続する。なお、アンプ１１及びフィルタ１３等は、ＰＣ１０が有する構成でもよい。また、アンプ１１及びフィルタ１３等は、装置でなく、ソフトウェアによる構成、又は、ハードウェアとソフトウェアの両方による構成でもよい。以下、図示するような生体検出システム１の例で説明する。
　ドップラーレーダ１２は、計測装置の例である。
　この例では、ＰＣ１０は、アンプ１１に接続される。また、アンプ１１は、フィルタ１３に接続される。さらに、フィルタ１３は、ドップラーレーダ１２に接続される。そして、ＰＣ１０は、アンプ１１及びフィルタ１３を介して、ドップラーレーダ１２から計測データを取得する。すなわち、計測データは、呼吸等の生体の動作を示す信号のデータである。次に、ＰＣ１０は、取得される計測データに基づいて被験者２の心拍、呼吸及び体の動き等の体動を解析し、呼吸等の人体の動きを計測する。
　ドップラーレーダ１２は、例えば、以下のような原理で心拍及び呼吸等の動作を示す信号（以下「生体信号」という。）を取得する。
　＜ドップラーレーダの例＞
　図２は、ドップラーレーダの例を示す図である。例えば、ドップラーレーダ１２は、図２に示すような構成の装置である。具体的には、ドップラーレーダ１２は、ソース（Ｓｏｕｒｃｅ）１２Ｓと、発信器１２Ｔｘと、受信器１２Ｒｘと、ミキサー（Ｍｉｘｅｒ）１２Ｍとを有する。また、ドップラーレーダ１２は、受信器１２Ｒｘが受信するデータのノイズを減らす等の処理を行うＬＮＡ（Ｌｏｗ　Ｎｏｉｓｅ　Ａｍｐｌｉｆｉｅｒ）等の調整器１２ＬＮＡを有する。
　ソース１２Ｓは、発信器１２Ｔｘが発信する発信波の信号を生成する発信源である。
　発信器１２Ｔｘは、被験者２に対して発信波を発信する。なお、発信波の信号は、時間「ｔ」に係る関数Ｔｘ（ｔ）で示せ、例えば、下記（１）式のように示せる。
Figure JPOXMLDOC01-appb-M000001
 　上記（１）式では、「ωｃ」は、発信波の角周波数である。
　そして、被験者２、すなわち、発信された信号の反射面は、時間「ｔ」において、ｘ（ｔ）の変位である場合とする。この例では、反射面は、被験者２の胸壁となる。そして、変位ｘ（ｔ）は、例えば、下記（２）式のように示せる。
Figure JPOXMLDOC01-appb-M000002
 　上記（２）式では、「ｍ」は、変位の振幅を示す定数である。また、上記（２）式では、「ω」は、被験者２の動きによってシフトする角速度である。なお、上記（１）式と同様の変数は同じ変数である。
　受信器１２Ｒｘは、発信器１２Ｔｘによって発信されて被験者２で反射した反射波を受信する。また、反射波の信号は、時間ｔに係る関数Ｒｘ（ｔ）で示せ、例えば、下記（３）式のように示せる。
Figure JPOXMLDOC01-appb-M000003
 　上記（３）式では、「ｄ０」は、被験者２と、ドップラーレーダ１２との距離である。また、「λ」は、信号の波長である。以下、同様に記載する。
　ドップラーレーダ１２は、発信波の信号を示す関数Ｔｘ（ｔ）（上記（１）式である。）と、受信波の信号を示す関数Ｒ（ｔ）（上記（３）式である。）とをミキシングして、ドップラー信号を生成する。なお、ドップラー信号は、時間ｔに係る関数Ｂ（ｔ）で示すと、下記（４）式のように示せる。
Figure JPOXMLDOC01-appb-M000004
 　そして、ドップラー信号の角周波数を「ωｄ」とすると、ドップラー信号の角周波数ωｄは、下記（５）式のように示せる。
Figure JPOXMLDOC01-appb-M000005
 　また、上記（４）式及び上記（５）式における位相「θ」は、下記（６）式のように示せる。
Figure JPOXMLDOC01-appb-M000006
 　上記（６）式では、「θ０」は、被験者２の胸壁、すなわち、反射面における位相変位である。
　次に、ドップラーレーダ１２は、発信した発信波の信号と、受信した受信波の信号とを比較した結果、すなわち、上記の式による計算結果に基づいて、被験者２の位置及び速度等が出力される。
　例えば、受信波から、Ｉデータ（同相データ）及びＱデータ（直交位相データ）が生成できる。そして、Ｉデータ及びＱデータにより、被験者２の胸壁が移動した距離が検出できる。また、Ｉデータ及びＱデータが示す位相に基づいて、被験者２の胸壁が前後のどちらに動いたかが検出できる。したがって、心拍に由来する胸壁の移動が、送信波及び受信波の周波数変化を利用して、心拍及び呼吸等の指標を検出できる。
　＜生体検出装置のハードウェア構成例＞
　図３は、生体検出装置の例を示す図である。例えば、ＰＣ１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ、以下「ＣＰＵ１０Ｈ１」という。）と、記憶装置１０Ｈ２と、入力装置１０Ｈ３と、出力装置１０Ｈ４と、入力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）（以下「入力Ｉ／Ｆ１０Ｈ５」という。）とを有する。なお、ＰＣ１０が有する各ハードウェアは、バス（Ｂｕｓ）（以下「バス１０Ｈ６」という。）で接続され、各ハードウェアの間では、バス１０Ｈ６を介して、データ等が相互に送受信される。
　ＣＰＵ１０Ｈ１は、ＰＣ１０が有するハードウェアを制御する制御装置及び各種処理を実現するための演算を行う演算装置である。
　記憶装置１０Ｈ２は、例えば、主記憶装置及び補助記憶装置等である。具体的には、主記憶装置は、例えば、メモリ等である。また、補助記憶装置は、例えば、ハードディスク等である。そして、記憶装置１０Ｈ２は、ＰＣ１０が用いる中間データを含むデータ及び各種処理及び制御に用いるプログラム等を記憶する。
　入力装置１０Ｈ３は、ユーザの操作によって、計算に必要なパラメータ及び命令をＰＣ１０に入力するための装置である。具体的には、入力装置１０Ｈ３は、例えば、キーボード、マウス及びドライバ等である。
　出力装置１０Ｈ４は、ＰＣ１０による各種処理結果及び計算結果をユーザ等に出力するための装置である。具体的には、出力装置１０Ｈ４は、例えば、ディスプレイ等である。
　入力Ｉ／Ｆ１０Ｈ５は、計測装置等の外部装置と接続し、データ等を送受信するためのインタフェースである。例えば、入力Ｉ／Ｆ１０Ｈ５は、コネクタ又はアンテナ等である。すなわち、入力Ｉ／Ｆ１０Ｈ５は、ネットワーク、無線又はケーブル等を介して、外部装置とデータを送受信する。
　なお、ハードウェア構成は、図示する構成に限られない。例えば、ＰＣ１０は、処理を並列、分散又は冗長して行うため、更に演算装置又は記憶装置等を有してもよい。また、ＰＣ１０は、演算、制御及び記憶を並列、分散又は冗長して行うため、他の装置とネットワーク又はケーブルを介して接続される情報処理システムでもよい。すなわち、１以上の情報処理装置を有する情報処理システムによって、本発明は実現されてもよい。
　このようにして、ＰＣ１０は、ドップラーレーダ１２等の計測装置によって生体の動作を示す生体信号を取得する。なお、生体信号は、リアルタイムで随時取得されてもよいし、ある期間分の生体信号をドップラーレーダ等の装置が記憶して、その後、ＰＣ１０がまとめて取得してもよい。また、取得は、記録媒体等を用いてもよい。さらに、ＰＣ１０は、ドップラーレーダ１２等の計測装置を有し、ＰＣ１０がドップラーレーダ１２等の計測装置で計測して生体信号を生成して、生体信号を取得する構成でもよい。
　＜全体処理例＞
　図４は、全体処理例を示す図である。例えば、以下に説明する全体処理は、時間の窓（例えば、３０秒乃至６０程度の値が事前に設定される。）ごとに実行される。
　（信号の取得例）
　ステップＳ１０１では、ＰＣ１０は、信号を取得する。例えば、ＰＣ１０は、ドップラーレーダ１２等の計測装置等からデータを受信して、呼吸成分等の示す生体信号（以下単に「信号」という。）を取得する。
　（ローパスフィルタ処理の例）
　ステップＳ１０２では、ＰＣ１０は、信号に対して、所定の周波数成分より高い周波数成分を減衰させるローパスフィルタ処理を行なってもよい。
　具体的には、ＰＣ１０は、呼吸に対応する周波数成分以外の周波数成分を減衰させるようにローパスフィルタ処理を行う。
　ローパスフィルタ処理は、例えば、３Ｈｚより高い周波数成分を減衰させるように設定されるのが望ましい。このような設定であると、ＰＣ１０は、ローパスフィルタ処理によって、呼吸に対応する周波数成分を減衰させずに、ノイズとなる周波数成分を減衰させることができる。
　なお、ローパスフィルタ処理の対象とする周波数帯域は、生体の年齢、性別、及び、状態等を考慮して設定されてもよい。例えば、激しい運動の後又は興奮しているといった状態であると、心拍数及び呼吸数の両方とも、安静な状態より高い周波数となる。そのため、信号に含まれる周波数成分は、両方とも安静な状態よりも高い周波数となる。一方で、安静な状態であると、心拍数及び呼吸数の両方とも、低い周波数となる。
　そこで、例えば、状態等に合わせて、ローパスフィルタ処理の対象とする周波数帯域が動的に変更される、又は、ローパスフィルタ処理の対象とする周波数帯域が絞られてもよい。具体的には、激しい運動の後の状態といった、呼吸数が高い周波数成分であると考えられる状態では、３．５Ｈｚより高い周波数成分を減衰させるローパスフィルタ処理が行われる。一方で、安静な状態等といった、呼吸数が高い周波数成分であると考えられる状態では、１．４Ｈｚより高い周波数成分を減衰させるローパスフィルタ処理が行われる。
　このように、状態等が入力できる、又は、状態等を考慮した値が設定されて、ローパスフィルタ処理が行われてもよい。
　以下、ローパスフィルタ処理が行われて生成される信号を「処理後信号」という。
　（周波数分析の例）
　ステップＳ１０３では、ＰＣ１０は、処理後信号の周波数分析を行う。例えば、周波数分析は、ＦＦＴ（高速フーリエ変換、Ｆａｓｔ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ）等で実現する。このようにして、ＰＣ１０は、周波数帯域ごとのエネルギーを示すスペクトルを算出する。また、ＰＣ１０は、正規化し、かつ、スペクトルで分析結果を示すのが望ましい。以下、正規化された値でスペクトルを示す。分析結果の具体例は後述する。
　また、分析には、窓関数が処理後信号に対して実行されるのが望ましい。具体的には、窓関数は、ハニング窓（Ｈａｎｎｉｎｇ　ｗｉｎｄｏｗ）関数が望ましい。なお、窓関数は他の種類であってもよい。すなわち、窓関数は、時間的な不連続性を打ち消す関数であればよく、例えば、レクタンギュラ窓（ｒｅｃｔａｎｇｕｌａｒ　ｗｉｎｄｏｗ）又はフラットトップ窓（ｆｌａｔ－ｔｏｐ　ｗｉｎｄｏｗ）等でもよい。
　窓関数を処理する前の状態では、処理後信号は、境界となる箇所等に不連続な成分を含む場合が多い。このような不連続な成分は、ピークと検出される場合が多く、ノイズとなる場合が多い。したがって、窓関数を用いると、精度良く周波数成分を分析できる。
　（パワーの分散の計算例）
　ステップＳ１０４では、ＰＣ１０は、パワーの分散を計算する。まず、エネルギーは、例えば、スペクトログラムが示す全ての周波数帯のうち、所定周波数帯に発生するパワーである。以下、エネルギーがパワーである例で説明する。すなわち、エネルギーは、ドップラーレーダにおいて、電磁波のエネルギーをアンテナで導線に誘導した上で、ＰＣ１０によって、導線上の電圧（又は、電流である。）の変化から計算される。このように、エネルギーは、各時刻及び各周波数のそれぞれのエネルギーを示す値であればよく、取得方法及び計算方法は問わない。
　所定周波数帯は、０．０７Ｈｚ乃至０．５８Ｈｚ（すなわち、４乃至３５ｂｐｍ（Ｂｅａｔｓ　Ｐｅｒ　Ｍｉｎｕｔｅ）程度の周波数を対象とする。）であるのが望ましい。すなわち、パワーは、呼吸数が発生している可能性が高い周波数帯に発生しているパワーに絞られるのが望ましい。したがって、所定周波数帯は、被験者の状態等に合わせて、０．０７Ｈｚ乃至０．５８Ｈｚより範囲が限定、拡張又は異なる周波数帯に設定されてもよい。
　以下、０．０７Ｈｚ乃至０．５８Ｈｚの周波数帯を「所定周波数帯」とする例で説明する。
　次に、パワーの分散（以下単に「分散」という。）を計算する。すなわち、分散により、エネルギーにどの程度の「ばらつき」があるかが数値化される。なお、ばらつきは、分散又は標準偏差といった、ばらつき度合いを示す値であればよい。以下、ばらつきを分散で示す例で説明する。
　（ばらつきが閾値より大きいか否かの判断例）
　ステップＳ１０５では、ＰＣ１０は、ばらつきが閾値より大きいか否かを判断する。すなわち、この例では、分散が大きい値であるか、又は、小さい値であるかが判断される。
　閾値は、事前に設定される判断の基準となる値である。例えば、閾値は、一定時間前から現時間までの分散を平均して計算される値等である。このように、閾値は、例えば、多時間窓で計算される。
　次に、分散が閾値より大きいと判断された場合（ステップＳ１０５でＹＥＳ）には、ＰＣ１０は、ステップＳ１０７に進む。一方で、分散が閾値より大きくないと判断された場合（ステップＳ１０５でＮＯ）には、ＰＣ１０は、ステップＳ１０６に進む。
　（無呼吸と判断し、出力する例）
　ステップＳ１０６では、ＰＣ１０は、無呼吸を判断し、出力する。例えば、ＰＣ１０は、被験者が無呼吸の状態であると判断し、呼吸数が「０」であると出力する。なお、無呼吸と判断した場合における出力は、「０」以外の値、又は、メッセージ等の出力でもよい。
　ステップＳ１０４乃至ステップＳ１０６のように、分散の値が閾値より大きいか否かで判断されると、無呼吸を精度良く判断できる。
　（高調波があるか否かの判断例）
　ステップＳ１０７では、ＰＣ１０は、高調波があるか否かを判断する。
　高調波の有無は、所定周波数帯において、パワーが最大となるピーク（以下「第１ピーク」という。）を基準に判断する。したがって、ＰＣ１０は、まず、第１ピークを特定する。次に、ＰＣ１０は、第１ピークに対して所定割合以上のパワーがあるピーク（以下「第２ピーク」という。）が所定数以上、発生しているか否かを判断する。
　所定割合は、第２ピークであるか否かを判断するための基準となる値である。なお、所定割合は、事前に設定される。具体的には、所定割合は、２０％乃至４０％程度が設定されるのが望ましい。より望ましくは、所定割合は、３０％程度が設定されるのが望ましい。以下、所定割合を「３０％」に設定した場合を例に説明する。
　すなわち、第１ピークの３０％以上のパワーを有する大きなパワーのピークが所定周波数帯にあると、第２ピークであると判断される。そして、第２ピークの数がカウントされて所定数以上発生しているか否かが判断される。
　所定数は、事前に設定される。具体的には、所定数は、例えば、３個と設定される。以下、所定数を「３個」に設定した場合を例に説明する。したがって、第２ピークが３個以上発生しているような場合、すなわち、第２ピークがある程度の数、発生しているような場合には、以下のような高調波の有無を判断する処理が引き続き行われる。
　次に、ＰＣ１０は、第２ピークのうち、低周波数から３個のピークを選択する。以下、このように選択されるピークを「候補ピーク」という。そして、ＰＣ１０は、候補ピークが基本波の整数倍となる高調波であるか否かを判断する。このようにして、候補ピークが高調波であるかが判断される。そして、候補ピークが高調波である、すなわち、基本波を整数倍すると候補ピークが該当する場合には、高調波があると判断される（ステップＳ１０７でＹＥＳ）。なお、高調波の有無は、上記以外の方法で判断されてもよい。
　高調波があると判断される（ステップＳ１０７でＹＥＳ）と、ＰＣ１０は、ステップＳ１０８に進む。一方で、高調波がないと判断される（ステップＳ１０７でＮＯ）と、ＰＣ１０は、ステップＳ１０９に進む。
　（基本周波数に基づく呼吸数を出力する例）
　ステップＳ１０８では、ＰＣ１０は、基本周波数に基づいて、呼吸数を出力する。
　基本周波数は、基本波の周波数である。例えば、基本周波数は、高調波と判断されたピークのうち、最も周波数が低いピークの周波数である。このようにして、高調波があると判断された場合には、ＰＣ１０は、特定される基本周波数を呼吸数として出力する。
　（第１ピークの周波数に基づく呼吸数を出力する例）
　ステップＳ１０９では、ＰＣ１０は、第１ピークの周波数に基づいて、呼吸数を出力する。すなわち、ＰＣ１０は、所定周波数帯において、最もパワーが大きい周波数を呼吸数として出力する。
　以上のように、呼吸数を特定すると、呼吸を精度良く計測して出力できる。特に、無呼吸の状態があっても、呼吸を精度良く計測できる。
　＜第２実施形態＞
　第２実施形態は、第１実施形態と全体処理が異なる。以下、第１実施形態と異なる点を中心に説明し、重複する説明を省略する。
　図５は、第２実施形態の全体処理例を示す図である。第２実施形態は、第１実施形態と比較すると、ステップＳ１１０以降の処理が加わる点が異なる。
　まず、第２実施形態では、ステップＳ１０６ａ、ステップＳ１０８ａ、又は、ステップＳ１０９ａでは、呼吸数を特定する。すなわち、第１実施形態のように、特定した呼吸数を直ぐに出力せず、特定した呼吸数を基にステップＳ１１０以降の処理を行う。
　（呼吸数を記憶する例）
　ステップＳ１１０では、ＰＣ１０は、特定した呼吸数を記憶する。以下、このように記憶される、以前に計測された呼吸数を「前回呼吸数Ｄ１」という。したがって、ステップＳ１１１以降の処理では、以前にステップＳ１１０で記憶される前回呼吸数Ｄ１を読み出して用いる。
　（連続して比較差異が大きいか否かを判断する例）
　ステップＳ１１１では、ＰＣ１０は、連続して比較差異が大きいか否かを判断する。例えば具体的には、ＰＣ１０は、今回特定した呼吸数（以下単に「呼吸数」という。）と、前回呼吸数Ｄ１を比較し、比較結果に基づいて、連続して比較差異が大きいか否かを判断する。
　比較差異は、例えば、呼吸数及び前回呼吸数Ｄ１の差が連続して比較用閾値より大きい場合には、連続して比較差異が大きいと判断される。
　まず、比較用閾値は、例えば、０．０８Ｈｚ程度（約５ｂｐｍ程度である。）が設定されるのが望ましい。
　次に、ＰＣ１０は、呼吸数及び前回呼吸数Ｄ１の差が比較用閾値より大きい場合が連続した回数をカウントし、カウントした回数に基づいて、比較差異が連続して大きいか否かを判断するのが望ましい。そして、回数が連続して回数閾値より大きいか否かによって、ＰＣ１０は、連続して比較差異が大きいか否かを判断する。具体的には、回数閾値は、２回程度に事前に設定される。
　したがって、呼吸数及び前回呼吸数Ｄ１の差が１～２回程度比較用閾値より大きい場合には、ＰＣ１０は、連続して比較差異が大きいと判断する（ステップＳ１１１でＹＥＳ）。
　次に、連続して比較差異が大きいと判断される（ステップＳ１１１でＹＥＳ）と、ＰＣ１０は、ステップＳ１１２に進む。一方で、連続して比較差異が大きくないと判断される（ステップＳ１１１でＮＯ）と、ＰＣ１０は、ステップＳ１１３に進む。
　（呼吸数を出力する例）
　ステップＳ１１２では、ＰＣ１０は、呼吸数を出力する。
　（前回呼吸数を出力する例）
　ステップＳ１１３では、ＰＣ１０は、前回呼吸数を出力する。
　連続して比較差異が大きい場合には、誤検出の可能性が高い。そこで、ＰＣ１０は、前回呼吸数を出力する（ステップＳ１１３）。一方で、連続して比較差異が大きくない場合には、今回計測した呼吸数を出力する（ステップＳ１１２）。
　例えば、ＰＣ１０は、１回の比較結果に基づいて出力してもよい。すなわち、ＰＣ１０は、比較差異が大きくないという１回の比較結果で今回計測した呼吸数を出力する。一方で、ＰＣ１０は、比較差異が大きいという１回の比較結果で前回呼吸数Ｄ１を出力する。このように、１回だけの比較結果で出力を切り替えてもよい。
　一方で、複数の比較結果を用いる構成でもよい。例えば、２回連続して比較差異が大きいという比較結果である場合に、ＰＣ１０は、前回呼吸数Ｄ１を出力する。
　他にも、１～２回程度比較差異が大きいという比較結果の次に比較差異が大きくないという１回の比較結果である場合に、ＰＣ１０は、今回計測した呼吸数を出力する。このように、連続した複数の比較結果等を用いて、出力する内容を選択するようにしてもよい。
　なお、連続であるか否かを要件とするかは任意に設定されてもよい。また、「１～２」回といった回数の程度は任意に設定されてもよい。
　このように、前回呼吸数を用いると、より精度良く呼吸を計測できる。
　また、分散による無呼吸の判断は、ステップＳ１０５のように、比較等の処理より前のタイミングで行われるのが望ましい。このようなタイミングであると、無呼吸を精度良く判断できる。
　＜実験結果＞
　まず、正常な被験者、すなわち、無呼吸がない状態において実験した結果を下記に２例（第１実験及び第２実験という。）示す。なお、下記２例は、被験者が異なる。
　以下、実験において真値を「Ｇｒｏｕｎｄ－ｔｒｕｔｈ　ｏｆ　ｒｅｓｐｉｒａｔｉｏｎ　ｒａｔｅ」又は「ＧＴ」と示す。
　図６は、第１実験結果を示す図である。波形６１が示す信号を取得し、ローパスフィルタ処理した結果が波形６２である。また、波形６３にスペクトルを示す。そして、出力される呼吸数を波形６３では、「×」印で示す。
　図７は、第１実験における真値と比較した評価結果を示す図である。図では、出力した結果を「ＦＦＴ」で示す。図５に示す出力を真値と比較すると、誤差（図では「ＡＡＥ」と示す。）は、「０．９１ｂｐｍ」程度であった。
　図８は、第２実験結果を示す図である。波形８１、８２及び、波形８３は、第１実験と同様のデータを示す。
　図９は、第２実験における真値と比較した評価結果を示す図である。図では、出力した結果を「ＦＦＴ」で示す。図７に示す出力を真値と比較すると、誤差（図では「ＡＡＥ」と示す。）は、「０．６４ｂｐｍ」程度であった。
　なお、第１実験及び第２実験では、被験者は、寝室で仰向けの状態、すなわち、安静な状態であった。また、時間窓幅は、３０秒である。
　以上のように、呼吸数が精度良く計測できた。
　次に、無呼吸がある、すなわち、被験者に異常が発生した場合の実験結果を示す。
　図１０は、無呼吸の発生例を示す図である。図は、呼吸ベルトによる計測結果である。この実験における「無呼吸状態ＮＢ」で示す状態が、無呼吸が発生した例である。一方で、図における丸印が「ピーク」の例である。この例における分散を計算した結果を示す。なお、時間窓幅は、２０秒である。以下、時間窓を「１つ」設定した場合（以下「単時間窓」という。）と、時間窓を「３つ」設定した場合（以下「３つの時間窓」という。）に分けて記載する。
　図１１は、単時間窓による分散の計算結果を示す図である。無呼吸状態ＮＢでは、図における「第１分散値Ｖ１」のように、分散が小さい値となる。
　図１２は、３つの時間窓による分散の計算結果を示す図である。無呼吸状態ＮＢでは、図における「第２分散値Ｖ２」のように、分散が小さい値となる。
　したがって、分散の値が小さい場合を検出すると、無呼吸状態ＮＢを精度良く計測できる。
　以下、第１分散値Ｖ１及び第２分散値Ｖ２の状態を無呼吸状態ＮＢとし、呼吸数を「０」と特定して出力した実験結果を以下に示す。
　図１３は、単時間窓を用いた実験における真値と比較した評価結果を示す図である。図において、第１無呼吸判断結果ＮＢ１が無呼吸を判断した結果である。
　図１４は、３つの時間窓を用いた実験における真値と比較した評価結果を示す図である。図において、第２無呼吸判断結果ＮＢ２が無呼吸を判断した結果である。
　真値と比較して分かるように、第１無呼吸判断結果ＮＢ１及び第２無呼吸判断結果ＮＢ２が精度良く判断できている。また、第１無呼吸判断結果ＮＢ１及び第２無呼吸判断結果ＮＢ２の後、呼吸数が真値のように正しく戻り、呼吸数が真値に精度良く追従している。
　また、上記のように、時間窓は、３つ程度以下に設定されるのが望ましい。これ以上の時間窓（例えば、５つ等である。）と、無呼吸となっている時間を時間窓が超える場合が多くなる。したがって、時間窓は、３つ以下程度であると、精度良く呼吸が計測できる。
　＜比較実験結果＞
　図４及び図５におけるステップＳ１０７乃至ステップＳ１０９のように高調波を考慮することの効果を以下の実験結果で示す。
　まず、高調波を考慮した場合の実験結果を以下に（第３実験及び第４実験という。）示す。なお、下記２例は、被験者が異なる。なお、第３実験及び第４実験では、被験者は、寝室で仰向けの状態、すなわち、安静な状態であった。
　図１５は、第３実験結果を示す図である。波形１５１、１５２、及び１５３は、第１実験と同様のデータを示す。
　図１６は、第３実験における真値と比較した評価結果を示す図である。図では、出力した結果を「ＦＦＴ」で示す。図７に示す出力を真値と比較すると、誤差（図では「ＡＡＥ」と示す。）は、「２．１７ｂｐｍ」程度であった。
　図１７は、第４実験結果を示す図である。波形１７１、１７２、及び、１７３は、第１実験と同様のデータを示す。
　図１８は、第４実験における真値と比較した評価結果を示す図である。図では、出力した結果を「ＦＦＴ」で示す。図７に示す出力を真値と比較すると、誤差（図では「ＡＡＥ」と示す。）は、「０．０７ｂｐｍ」程度であった。
　以上のように、高調波に対応すると、呼吸が精度良く計測できる。
　以下、比較のため、同時に高調波を用いない方法で計測した結果（以下「比較例」という。）を示す。すなわち、以下に示す第１比較例及び第２比較例では、被験者の状態等は、第３実験及び第４実験と同一である。
　図１９は、第１比較例を示す図である。波形１９１、１９２、及び、１９３は、第１実験と同様のデータを示す。波形１９３に示すように、真値（「〇」印で示す値である。）と、出力する呼吸数（「×」印で示す値である。）とが大きくずれる結果となった。
　図２０は、第２比較例を示す図である。波形２０１、２０２、及び、２０３は、第１実験と同様のデータを示す。波形２０３に示すように、真値（「〇」印で示す値である。）と、出力する呼吸数（「×」印で示す値である。）とが大きくずれる結果となった。
　＜機能構成例＞
　図２１は、機能構成例を示す図である。例えば、生体検出装置は、信号取得部１０Ｆ１と、フィルタ部１０Ｆ２と、分析部１０Ｆ３と、分散計算部１０Ｆ４と、第１判断部１０Ｆ５と、第２判断部１０Ｆ６と、出力部１０Ｆ７とを含む機能構成である。また、生体検出装置は、図示するように、記憶部１０Ｆ８と、比較部１０Ｆ９とを更に含む機能構成であるのが望ましい。以下、図示するような機能構成を例に説明する。
　信号取得部１０Ｆ１は、呼吸を含む信号を取得する信号取得手順を行う。例えば、信号取得部１０Ｆ１は、ドップラーレーダ１２、又は、入力Ｉ／Ｆ１０Ｈ５等で実現する。
　フィルタ部１０Ｆ２は、信号取得部１０Ｆ１が取得する信号に含まれる呼吸以外の周波数成分を減衰させて処理後信号を生成するフィルタ手順を行う。例えば、フィルタ部１０Ｆ２は、ＣＰＵ１０Ｈ１、又は、フィルタ１３等で実現する。
　分析部１０Ｆ３は、フィルタ部１０Ｆ２が生成する処理後信号を分析して、スペクトログラムを生成する分析手順を行う。例えば、分析部１０Ｆ３は、ＣＰＵ１０Ｈ１等で実現する。
　ばらつき計算部１０Ｆ４は、分析部１０Ｆ３が生成するスペクトログラムが示す周波数成分のエネルギーのうち、所定周波数帯におけるエネルギーのばらつきを計算するばらつき計算手順を行う。例えば、ばらつき計算部１０Ｆ４は、ＣＰＵ１０Ｈ１等で実現する。
　第１判断部１０Ｆ５は、ばらつき計算部１０Ｆ４が計算したばらつきが閾値より大きいか否かを判断する第１判断手順を行う。例えば、第１判断部１０Ｆ５は、ＣＰＵ１０Ｈ１等で実現する。
　第２判断部１０Ｆ６は、第１判断部によってばらつきが閾値より大きくないと判断された場合に、所定周波数帯に、第２ピークに対する高調波があるか否かを判断する第２判断手順を行う。例えば、第２判断部１０Ｆ６は、ＣＰＵ１０Ｈ１等で実現する。
　出力部１０Ｆ７は、第２判断部１０Ｆ６によって高調波がないと判断されると、第１ピークの周波数に基づいて呼吸数を出力する出力手順を行う。一方で、出力部１０Ｆ７は、第２判断部１０Ｆ６によって高調波があると判断されると、高調波の基本周波数に基づいて呼吸数を出力する出力手順を行う。例えば、出力部１０Ｆ７は、出力装置１０Ｈ４等で実現する。
　記憶部１０Ｆ８は、前回呼吸数を記憶する記憶手順を行う。例えば、記憶部１０Ｆ８は、記憶装置１０Ｈ２等で実現する。
　比較部１０Ｆ９は、呼吸数と、前回呼吸数とを比較する比較手順を行う。例えば、比較部１０Ｆ９は、ＣＰＵ１０Ｈ１等で実現する。
　＜ドップラーレーダで計測するＩＱデータの例＞
　図２２は、ドップラーレーダで計測するＩＱデータの例を示す図である。例えば、ドップラーレーダ１２は、図示するような信号を出力する。そして、ａｒｃｔａｎ（Ｑ／Ｉ）を計算すると、生体信号となる。
　ドップラーレーダ１２は、動く対象物に電波を照射することで反射波の周波数が変化するドップラー効果に基づいて対象物の動きを計測できる。このように、非接触に被験者の動きを計測できる構成が望ましい。
　＜変形例＞
　なお、生体は、人に限られず、動物等でもよい。
　生体検出装置及び生体検出システムは、ＡＩ（Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）を用いる構成でもよい。例えば、閾値等の設定値は、機械学習等で学習されて設定されてもよい。
　また、生体検出装置及び生体検出システムは、時間領域信号又は周波数領域信号を学習の対象として、深層学習を行ってもよい。そして、学習済みモデルに基づいて、生体検出装置及び生体検出システムは、各種の設定及び判断を判断してもよい。
　学習済みモデルは、ＡＩにおけるソフトウェアの一部として利用される。したがって、学習済みモデルは、プログラムである。そのため、学習済みモデルは、例えば、記録媒体又はネットワーク等を介して、頒布又は実行されてもよい。
　学習済みモデルは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ、畳み込みニューラルネットワーク）、又は、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ、回帰型ニューラルネットワーク）等といったネットワーク構造を含む。また、学習済みモデルは、ネットワーク等を介して利用できるクラウド等で実現されてもよい。
　このように、機能構成のうち、「学習処理」用の構成と「実行処理」用の構成は、両方を含む構成でなくともよい。例えば、「学習処理」を行う段階では、「実行処理」用の構成を含まない構成でもよい。同様に、「実行処理」を行う段階では、「学習処理」用の構成を含まない構成でもよい。このように、「学習」及び「実行」の段階に分けて、行う処理とは異なる構成を除いた構成にできてもよい。なお、「学習処理」又は「学習処理」の後等に、ネットワーク構造における様々な設定は、ユーザによって調整されてもよい。
　なお、生体検出装置又は生体検出システムは、呼吸数以外の生体に関する指標を計算してもよい。例えば、指標は、対象とする生体の生体情報を示す値である。具体的には、指標は、生体信号を解析して計算される値であって、脈拍数、心拍数、呼吸数、血圧、ＰＴＴ（ｐｕｌｓｅ　ｔｒａｎｓｉｔ　ｔｉｍｅ）、収縮期血圧（ｓｙｓｔｏｌｉｃ　ｂｌｏｏｄ　ｐｒｅｓｓｕｒｅ）、ＲＲＩ（Ｒ－Ｒ　ｉｎｔｅｒｖａｌ、Ｒ－Ｒ間隔）、ＱＲＳ間隔、ＱＴ間隔、又は、これらの組み合わせ等である。なお、指標は、これ以外の生体情報でもよい。また、指標を計算するため、生体検出装置又は生体検出システムは、生体信号の取得から行ってもよい。
　また、無呼吸は、完全に呼吸数が「０」の場合に限られない。無呼吸は、生体が異常な呼吸数である場合（特に、呼吸数が異常に低い場合である。）を示す値であればよい。したがって、無呼吸とする呼吸数は、人又は状態等によって個別に定義されてもよい。例えば、８ｂｐｍ以下のような低い呼吸数の場合を無呼吸としてもよい。
　このように、無呼吸の状態は、生体にとって危険な状態、又は、健康を害する可能性が高い状態である。したがって、無呼吸の状態が精度良く判断され、出力されると、生体が危険な場合等に迅速に対応できる。
　＜その他の実施形態＞
　例えば、送信器、受信器、又は、情報処理装置は、複数の装置であってもよい。すなわち、処理及び制御は、仮想化、並行、分散又は冗長して行われてもよい。一方で、送信器、受信器及び情報処理装置は、ハードウェアが一体又は装置を兼用してもよい。
　なお、本発明に係る各処理の全部又は一部は、アセンブラ等の低水準言語又はオブジェクト指向言語等の高水準言語で記述され、コンピュータに生体検出方法を実行させるためのプログラムによって実現されてもよい。すなわち、プログラムは、情報処理装置、又は、生体検出システム等のコンピュータに各処理を実行させるためのコンピュータプログラムである。
　したがって、プログラムに基づいて各処理が実行されると、コンピュータが有する演算装置及び制御装置は、各処理を実行するため、プログラムに基づいて演算及び制御を行う。また、コンピュータが有する記憶装置は、各処理を実行するため、プログラムに基づいて、処理に用いられるデータを記憶する。
　また、プログラムは、コンピュータが読み取り可能な記録媒体に記録されて頒布することができる。なお、記録媒体は、磁気テープ、フラッシュメモリ、光ディスク、光磁気ディスク又は磁気ディスク等のメディアである。さらに、プログラムは、電気通信回線を通じて頒布することができる。
　以上、好ましい実施の形態等について詳説したが、上述した実施の形態等に制限されることはなく、特許請求の範囲に記載された範囲を逸脱することなく、上述した実施の形態等に種々の変形及び置換を加えることができる。
　また、本国際出願は、２０２０年８月３１日に出願された日本国特許出願２０２０－１４５６２４に基づく優先権を主張するものであり、日本国特許出願２０２０－１４５６２４の全内容を本国際出願に援用する。
１　生体検出システム
２　被験者
１０Ｆ１　信号取得部
１０Ｆ２　フィルタ部
１０Ｆ３　分析部
１０Ｆ４　ばらつき計算部
１０Ｆ５　第１判断部
１０Ｆ６　第２判断部
１０Ｆ７　出力部
１０Ｆ８　記憶部
１０Ｆ９　比較部
１１　アンプ
１２　ドップラーレーダ
１３　フィルタ
Ｄ１　前回呼吸数
ＮＢ　無呼吸状態
Ｖ１　第１分散値
Ｖ２　第２分散値

Claims (11)

  1. 　呼吸成分を含む信号を取得する信号取得部と、
    　前記信号に含まれる呼吸成分以外の周波数成分を減衰させて処理後信号を生成するフィルタ部と、
    　前記処理後信号を分析してスペクトログラムを生成する分析部と、
    　前記スペクトログラムが示す周波数成分のエネルギーのうち、所定周波数帯におけるエネルギーのばらつきを計算するばらつき計算部と、
    　前記ばらつきが閾値より大きいか否かを判断する第１判断部と、
    　前記第１判断部によって前記ばらつきが閾値より大きくないと判断された場合に、前記所定周波数帯に、前記エネルギーが最大となる第１ピークに対して、所定割合以上のエネルギーがある第２ピークに対する高調波があるか否かを判断する第２判断部と、
    　前記第２判断部によって前記高調波がないと判断されると、前記第１ピークの周波数に基づいて呼吸数を出力し、前記第２判断部によって前記高調波があると判断されると、前記高調波の基本周波数に基づいて呼吸数を出力する出力部と
    を含む生体検出装置。
  2. 　前記分析部は、窓関数を前記処理後信号に対して実行する
    請求項１に記載の生体検出装置。
  3. 　前記所定周波数帯は、０．０７Ｈｚ乃至０．５８Ｈｚである
    請求項１又は２に記載の生体検出装置。
  4. 　前記第１判断部によって前記ばらつきが閾値より大きいと判断された場合には、
    　前記出力部は、無呼吸である判断を出力する
    請求項１乃至３のいずれか１項に記載の生体検出装置。
  5. 　前記呼吸数より以前に出力される前回呼吸数を記憶する記憶部と、
    　前記出力部が出力する前記呼吸数と、前記前回呼吸数とを比較する比較部とを更に含み、
    　前記比較部による比較結果によって、前記出力部は、前記前回呼吸数を出力するか、又は、前記呼吸数を出力する
    請求項１乃至４のいずれか１項に記載の生体検出装置。
  6. 　前記比較部は、前記呼吸数及び前記前回呼吸数の差が比較用閾値より大きいか否かを比較する
    請求項５に記載の生体検出装置。
  7. 　前記比較部は、前記呼吸数及び前記前回呼吸数の差が比較用閾値より大きい場合であって、連続する回数をカウントし、
    　前記回数による比較結果によって、前記出力部は、前記前回呼吸数を出力するか、又は、前記呼吸数を出力する
    請求項６に記載の生体検出装置。
  8. 　前記信号取得部は、ドップラーレーダによって前記信号を取得する
    請求項１乃至７のいずれか１項に記載の生体検出装置。
  9. 　前記ばらつきは、分散である
    請求項１乃至８のいずれか１項に記載の生体検出装置。
  10. 　生体検出装置が行う生体検出方法であって、
    　生体検出装置が、呼吸成分を含む信号を取得する信号取得手順と、
    　生体検出装置が、前記信号に含まれる呼吸成分以外の周波数成分を減衰させて処理後信号を生成するフィルタ手順と、
    　生体検出装置が、前記処理後信号を分析してスペクトログラムを生成する分析手順と、
    　生体検出装置が、前記スペクトログラムが示す周波数成分ごとのエネルギーのうち、所定周波数帯におけるエネルギーのばらつきを計算する分散計算手順と、
    　生体検出装置が、前記ばらつきが閾値より大きいか否かを判断する第１判断手順と、
    　生体検出装置が、前記第１判断手順で前記ばらつきが閾値より大きくないと判断された場合に、前記所定周波数帯に、前記エネルギーが最大となる第１ピークに対して、所定割合以上のエネルギーがある第２ピークに対する高調波があるか否かを判断する第２判断手順と、
    　生体検出装置が、前記第２判断手順で前記高調波がないと判断されると、前記第１ピークの周波数に基づいて呼吸数を出力し、前記第２判断手順で前記高調波があると判断されると、前記高調波の基本周波数に基づいて呼吸数を出力する出力部と
    を含む生体検出方法。
  11. 　請求項１０に記載の生体検出方法をコンピュータに実行させるためのプログラム。
PCT/JP2021/031104 2020-08-31 2021-08-25 生体検出装置、生体検出方法、及び、プログラム WO2022045174A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US18/043,318 US20230309863A1 (en) 2020-08-31 2021-08-25 Biological detection device, biological detection method, and program
JP2022545660A JP7428813B2 (ja) 2020-08-31 2021-08-25 生体検出装置、生体検出方法、及び、プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020145624 2020-08-31
JP2020-145624 2020-08-31

Publications (1)

Publication Number Publication Date
WO2022045174A1 true WO2022045174A1 (ja) 2022-03-03

Family

ID=80355284

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/031104 WO2022045174A1 (ja) 2020-08-31 2021-08-25 生体検出装置、生体検出方法、及び、プログラム

Country Status (3)

Country Link
US (1) US20230309863A1 (ja)
JP (1) JP7428813B2 (ja)
WO (1) WO2022045174A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9724016B1 (en) * 2009-10-16 2017-08-08 Masimo Corp. Respiration processor
JP2018086266A (ja) * 2016-11-22 2018-06-07 パラマウントベッド株式会社 端末装置、出力方法及びコンピュータプログラム
WO2018163447A1 (ja) * 2017-03-08 2018-09-13 パナソニックＩｐマネジメント株式会社 呼吸状態推定装置、呼吸状態推定方法、及び、プログラム記録媒体
JP2019088455A (ja) * 2017-11-14 2019-06-13 シャープ株式会社 監視装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9724016B1 (en) * 2009-10-16 2017-08-08 Masimo Corp. Respiration processor
JP2018086266A (ja) * 2016-11-22 2018-06-07 パラマウントベッド株式会社 端末装置、出力方法及びコンピュータプログラム
WO2018163447A1 (ja) * 2017-03-08 2018-09-13 パナソニックＩｐマネジメント株式会社 呼吸状態推定装置、呼吸状態推定方法、及び、プログラム記録媒体
JP2019088455A (ja) * 2017-11-14 2019-06-13 シャープ株式会社 監視装置

Also Published As

Publication number Publication date
JPWO2022045174A1 (ja) 2022-03-03
JP7428813B2 (ja) 2024-02-06
US20230309863A1 (en) 2023-10-05

Similar Documents

Publication Publication Date Title
US10376157B2 (en) Systems and methods for determining respiration information using phase locked loop
US10492720B2 (en) System and method for determining sleep stage
CA2766879C (en) Systems and methods for detecting effort events
US9693736B2 (en) Systems and methods for determining respiration information using historical distribution
US20120029320A1 (en) Systems and methods for processing multiple physiological signals
US9615781B2 (en) Systems and methods for monitoring depth of consciousness
US8834378B2 (en) Systems and methods for determining respiratory effort
EP3474287A1 (en) Apparatus and method for correcting error of bio-information sensor, and apparatus and method for estimating bio-information
JP5432253B2 (ja) 反復特徴によって信号を処理するシステムおよび方法
EP2757943B1 (en) Systems and methods for determining respiration information from a photoplethysmograph
US20140081152A1 (en) System and method for determining stability of cardiac output
JP2014530057A (ja) フォトプレチスモグラフから呼吸情報を決定するためのシステムおよび方法
US20110270579A1 (en) Systems and methods for signal monitoring using lissajous figures
US20140275889A1 (en) Systems and methods for determining respiration information from segments of a photoplethysmograph
US20140180044A1 (en) Methods and systems for determining signal quality of a physiological signal
WO2010007492A1 (en) Systems and methods using induced perturbation to determine physiological parameters
US11744526B2 (en) Apparatus and method for estimating blood pressure
US20150119664A1 (en) Systems and methods for identifying ventilated breathing
Morresi et al. Metrological characterization and signal processing of a wearable sensor for the measurement of heart rate variability
KR20190092691A (ko) 맥파신호를 이용한 스트레스 분석 및 관리 시스템
WO2022045174A1 (ja) 生体検出装置、生体検出方法、及び、プログラム
WO2021187308A1 (ja) 生体検出装置、生体検出方法、及び、プログラム
WO2022039188A1 (ja) 生体検出装置、生体検出方法、及び、プログラム
JP7455191B2 (ja) 生体異常検出装置、生体異常検出方法、及び、プログラム
US20210275048A1 (en) Biometric information processing apparatus and biometric information processing method

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21861598

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022545660

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21861598

Country of ref document: EP

Kind code of ref document: A1