WO2022050333A1

WO2022050333A1 - 生体情報演算システム、サーバ、及びデータ構造

Info

Publication number: WO2022050333A1
Application number: PCT/JP2021/032231
Authority: WO
Inventors: 進太郎倉沢; 駿千野
Original assignee: Ｓｓｓｔ株式会社
Priority date: 2020-09-03
Filing date: 2021-09-02
Publication date: 2022-03-10
Also published as: CN116097365A; EP4210064A1; EP4210064A4; US20230309932A1; TW202221728A; KR20230062850A

Abstract

【課題】生体情報を評価する際の精度向上を図ることができる生体情報演算システムを提供する。【解決手段】ユーザの生体情報を評価する生体情報演算システムであって、前記ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する取得手段と、データベースと、前記データベースを参照し、前記第１評価データに対する第１生体情報を含む第１評価結果を生成する生成手段と、を備える。前記データベースには、予め取得された学習用脈波に基づく入力データ、及び前記入力データに紐づく生体情報を含む参照データの一対を学習データとして、複数の前記学習データを用いて生成された分類情報が記憶される。

Description

生体情報演算システム、サーバ、及びデータ構造

　本発明は、生体情報演算システム、サーバ、及びデータ構造に関する。

　従来、ユーザの血糖値等の生体情報を評価する方法として、例えば特許文献１のような方法が提案されている。

　特許文献１では、ユーザの加速度脈波を測定し、測定した加速度脈波の波形情報から、侵襲測定法により測定した血糖値と同時測定した加速度脈波との間の相関関係に基づき、分光分析を用いることなく、ユーザの血糖値情報を非侵襲的方法で抽出する生体情報推定装置及びその方法が開示されている。

特許第６５４４７５１号公報

　ここで、ユーザの生体情報を評価する際の精度向上が望まれている。

　そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、生体情報を評価する際の精度向上を図ることができる生体情報演算システム、サーバ、及びデータ構造を提供することにある。

　第１発明に係る生体情報演算システムは、ユーザの生体情報を評価する生体情報演算システムであって、前記ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する取得手段と、予め取得された学習用脈波に基づく入力データ、及び前記入力データに紐づく生体情報を含む参照データの一対を学習データとして、複数の前記学習データを用いて生成された分類情報が記憶されたデータベースと、前記データベースを参照し、前記第１評価データに対する第１生体情報を含む第１評価結果を生成する生成手段と、を備えることを特徴とする。

　第２発明に係る生体情報演算システムは、第１発明において、前記生成手段は、前記第２評価データに対する前記第１生体情報とは異なる種類の第２生体情報を含む第２評価結果を生成することを含むことを特徴とする。

　第３発明に係る生体情報演算システムは、第２発明において、前記第１評価結果、及び前記第２評価結果を保存する保存手段をさらに備えることを特徴とする。

　第４発明に係る生体情報演算システムは、第２発明において、前記取得手段は、前記ユーザの脈波に基づく速度脈波及び加速度脈波の何れかに相当する１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、前記第１評価データ及び前記第２評価データを取得することを特徴とする。

　第５発明に係る生体情報演算システムは、第２発明において、前記分類情報は、異なる種類の前記学習データを用いて生成された第１分類情報、及び第２分類情報を含み、前記生成手段は、前記第１分類情報を参照して前記第１評価データに対する前記第１評価結果を生成し、前記第２分類情報を参照して前記第２評価データに対する前記第２評価結果を生成することを含むことを特徴とする。

　第６発明に係る生体情報演算システムは、第２発明において、前記ユーザの特徴を示す付加情報を取得し、前記第１評価結果、前記第２評価結果、及び前記付加情報に基づき、前記ユーザの特徴を総合的に評価した総合評価結果を生成する総合評価手段を備えることを特徴とする。

　第７発明に係る生体情報演算システムは、第１発明において、前記分類情報は、それぞれ異なる前記学習データを用いて算出された複数の属性別分類情報を含み、前記生成手段は、前記第２評価データを参照し、複数の前記属性別分類情報のうち第１分類情報を選択する選択手段と、前記第１分類情報を参照し、前記第１評価データに対する前記第１評価結果を生成する属性別生成手段とを含むことを特徴とする。

　第８発明に係る生体情報演算システムは、第７発明において、前記取得手段は、前記脈波に基づく速度脈波に相当するデータを、前記第１評価データとして取得し、前記脈波に基づく加速度脈波に相当するデータを、前記第２評価データとして取得することを含むことを特徴とする。

　第９発明に係る生体情報演算システムは、第１発明において、前記生成手段は、前記分類情報のうち、前記脈波の特徴に基づき第１分類情報を選択し、前記第１分類情報を参照し、前記第１評価データに対する前記第１評価結果を生成することを含むことを特徴とする。

　第１０発明に係る生体情報演算システムは、第３発明において、前記保存手段により保存された前記第１評価結果、及び前記第２評価結果に基づき、前記ユーザの特徴を総合的に評価した総合評価結果を生成する算出手段を備えることを特徴とする。

　第１１発明に係る生体情報演算システムは、第３発明において、前記保存手段は、前記第１評価結果、及び前記第２評価結果の内容に対して前記ユーザが判定した判定結果を取得し、前記判定結果、前記第１評価結果、及び前記第２評価結果をそれぞれ紐づけて保存することを含むことを特徴とする。

　第１２発明に係る生体情報演算システムは、第１１発明において、前記保存手段に保存された前記判定結果、前記第１評価結果、及び前記第２評価結果に基づき、前記分類情報を更新する更新手段を備えることを特徴とする。

　第１３発明に係る生体情報演算システムは、第１発明において、前記データベースが保存され、前記生成手段により前記第１評価結果を生成するサーバと、前記第１評価結果を前記サーバから受信し、表示する生体情報演算装置と、を備えることを特徴とする。

　第１４発明に係るサーバは、第１発明における前記第１評価結果が保存されたことを特徴とする。

　第１５発明に係るデータ構造は、表示部、制御部及び記憶部を備えるコンピュータに用いられ、前記記憶部に記憶されるデータ構造であって、第２発明における生体情報演算システムにより生成された前記第１評価結果、及び前記第２評価結果を含み、前記第１評価結果、及び前記第２評価結果は、前記制御部が前記ユーザの特徴を総合的に評価した総合評価結果を生成する際に用いられることを特徴とする。

　第１発明～第１３発明によれば、取得手段は、ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する。また、生成手段は、第１評価データに対する第１生体情報を含む第１評価結果を生成する。即ち、複数の評価データは、１つのユーザの脈波から取得される。このため、各評価データを取得する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。

　第１発明～第１３発明によれば、生成手段は、データベースを参照し、第１評価結果を生成する。また、データベースには、複数の学習データを用いて生成された分類情報が記憶される。このため、評価結果を生成する際、過去に実績のある脈波の特徴と生体情報との繋がりを踏まえ、定量的な評価結果を生成することができる。これにより、ユーザ等の主観に伴う評価のばらつきを抑制することが可能となる。

　特に、第１３発明によれば、サーバは、生成手段により第１評価結果を生成する。また、生体情報演算装置は、第１評価結果をサーバから受信し、表示する。このため、生体情報演算装置に対し、評価結果を生成する際の負荷を低減させることができる。これにより、生体情報演算装置の利便性を向上させることが可能となる。また、生体情報演算装置に、データベースを保存する必要が無い。これにより、生体情報演算装置のデータ保存容量を大幅に低減させることが可能となる。また、データベースがサーバに保存されることで、複数の生体情報演算装置に対し、１つの分類情報を参照して生成された評価結果を出力することができる。これにより、データベースの更新等のメンテナンスに伴い、生体情報演算装置毎にデータベースを更新する膨大な時間と費用を削減することが可能となる。

　第１４発明によれば、サーバは、生体情報を評価する際の精度向上を図った第１評価結果を保存することが可能となる。

　第１５発明によれば、データ構造は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を含み、総合評価結果を生成する際に用いることが可能となる。

図１は、第１実施形態における生体情報演算システムの一例を示す模式図である。図２は、第１実施形態における生体情報演算システムの動作の一例を示す模式図である。図３（ａ）は、分類情報の一例を示す模式図であり、図３（ｂ）は、分類情報の他の例を示す模式図である。図４（ａ）～図４（ｄ）は、センサデータに対する処理の例を示す模式図である。図５（ａ）は、生体情報演算装置の構成の一例を示す模式図であり、図５（ｂ）は、生体情報演算装置の機能の一例を示す模式図である。図６（ａ）及び図６（ｂ）は、センサの一例を示す模式図である。図７は、第１実施形態における生体情報演算システムの動作の一例を示すフローチャートである。図８は、第２実施形態における生体情報演算システムの動作の一例を示す模式図である。図９は、第２実施形態における生体情報演算システムの動作の変形例を示す模式図である。図１０は、第３実施形態における生体情報演算システムの動作の一例を示す模式図である。図１１は、第４実施形態における生体情報演算システムの動作の一例を示す模式図である。図１２は、加速度脈波に相当するデータの分類例を示す模式図である。図１３は、速度脈波に相当するデータの分類例を示す模式図である。図１４は、第４実施形態における生体情報演算システムの動作の第１変形例を示す模式図である。図１５は、第４実施形態における生体情報演算システムの動作の第２変形例を示す模式図である。図１６は、第４実施形態における生体情報演算システムの動作の第３変形例を示す模式図である。図１７は、第５実施形態における生体情報演算システムの動作の一例を示す模式図である。図１８は、第６実施形態における生体情報演算システムの動作の一例を示す模式図である。図１９は、第７実施形態における電子機器の生体情報演算プログラムを実現するためのシーケンスを示す図である。図２０は、第１抽出部及び第１データ取得部の一例を示す模式図である。図２１は、第２抽出部及び第２データ取得部の一例を示す模式図である。図２２は、第７実施形態における生体情報演算システムの動作の一例を示すフローチャートである。図２３は、第８実施形態における電子機器の生体情報演算プログラムを実現するためのシーケンスを示す図である。図２４は、分類データ抽出部の一例を示す模式図である。図２５は、評価用データ抽出部の一例を示す模式図である。図２６は、第８実施形態における生体情報演算システムの動作の一例を示すフローチャートである。

　以下、本発明の実施形態における生体情報演算システム、サーバ、及びデータ構造の一例について、図面を参照しながら説明する。

（第１実施形態：生体情報演算システム１００）
　図１は、第１実施形態における生体情報演算システム１００の一例を示す模式図である。

　生体情報演算システム１００は、ユーザの生体情報を評価するために用いられる。生体情報演算システム１００は、ユーザの脈波に基づく複数の評価データを取得し、評価データに対する生体情報を含む評価結果を生成する。即ち、複数の評価データは、１つのユーザの脈波から取得される。このため、各評価データを取得する際、脈波の計測条件に起因するばらつきを排除することができる。例えば、１つの評価データの特徴に基づき、他の評価データの処理条件を特定してもよい。また、複数の評価データから、それぞれ異なる評価結果を生成してもよい。何れの場合においても、１つのユーザの脈波を用いて実施するため、測定条件の影響を抑制することができる。従って、生体情報を評価する際の精度向上を図ることが可能となる。

　特に、本実施形態における生体情報演算システム１００は、ユーザの脈波に基づく複数の評価データから、それぞれ異なる種類の生体情報を含む複数の評価結果を生成する。即ち、ユーザから計測された１つの脈波に基づき、複数種類の生体情報を含む評価結果の生成を実現できる。なお、「生体情報」とは、例えば脈波から推定できる血液の特徴や、体の特徴等を示す。

　生体情報として、例えば血中二酸化炭素の特徴が用いられるほか、例えば血糖値、血圧、酸素飽和度、乳酸値、脈拍数、呼吸数、ストレスレベル、血管年齢、糖尿病の程度等が用いられる。なお、「血中二酸化炭素の特徴」とは、ユーザの血液に含まれる二酸化炭素の程度を示す。血中二酸化炭素の特徴として、例えば血中二酸化炭素分圧（ＰａＣＯ_２）の値が用いられるほか、血中二酸化炭素の溶存濃度や、血液に含まれる重炭酸・バイカーボネート（ＨＣＯ_３ ^－）の濃度が用いられてもよく、状況に応じて血液のｐＨを考慮した値が用いられてもよい。

　生体情報演算システム１００は、例えば図１に示すように、生体情報演算装置１を備え、例えばセンサ５及びサーバ４の少なくとも何れかを備えてもよい。生体情報演算装置１は、例えば通信網３を介してセンサ５やサーバ４と接続される。

　生体情報演算システム１００では、例えば図２（ａ）に示すように、生体情報演算装置１が、センサ５等により生成されたセンサデータを取得する。センサデータは、特定の期間に計測された１つのユーザの脈波の特徴を含むデータを示す。その後、生体情報演算装置１は、取得した１つのセンサデータに対し、フィルタ処理等の前処理を実施し、複数の評価データ（例えば第１評価データ及び第２評価データ）を取得する。即ち、生体情報演算装置１は、各評価データを取得する際、１つのセンサデータに対し、それぞれ異なる種類の前処理を実施する。

　生体情報演算装置１は、データベースを参照し、各評価データに対してそれぞれ異なる種類の生体情報（例えば第１生体情報及び第２生体情報）を算出する。その後、生体情報演算装置１は、それぞれ異なる種類の生体情報を含む複数の評価結果（例えば第１評価結果及び第２評価結果）を生成する。即ち、複数の生体情報は、１つのユーザの脈波に基づき算出される。このため、各生体情報を算出する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。

　ここで、生体情報演算装置１は、各評価データに対する生体情報を算出する際、データベースを参照する。データベースには、複数の学習データを用いて生成された分類情報が記憶される。

　分類情報は、例えば図３（ａ）に示すように、過去に取得された学習用脈波に基づく入力データ、及び入力データに紐づく生体情報を含む参照データの一対を学習データとして、複数の学習データを用いて生成される。このため、生体情報を算出する際、過去に実績のある脈波の特徴と生体情報との繋がりを踏まえ、定量的な各評価結果を生成することができる。これにより、ユーザ等の主観に伴う評価のばらつきを抑制することが可能となる。

　なお、分類情報は、例えば図３（ｂ）に示すように、異なる種類の学習データを用いて生成された複数の分類情報（例えば第１分類情報、及び第２分類情報）を含んでもよい。この場合、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。

　生体情報演算装置１は、生成した複数の評価結果をサーバ４等に保存する。これにより、各評価結果の二次利用が容易に実現できる。

　生体情報演算装置１は、例えば生成した各評価結果をディスプレイ等に出力する。これにより、ユーザは、生成された複数の評価結果を把握することができる。

　なお、生体情報演算システム１００では、例えばセンサ５等から複数の評価データを取得してもよい。この場合、センサデータから複数の評価データを取得する前処理は、センサ５等により実施される。

　＜センサデータ＞
　センサデータは、ユーザの脈波の特徴を示すデータを含み、例えば脈波以外の特徴を示すデータ（ノイズ）を含んでもよい。センサデータは、測定時間に対する振幅を示すデータであり、用途やセンサデータの生成条件に応じたフィルタ処理を実施することで、センサデータから加速度脈波や速度脈波等に相当するデータを取得することができる。

　センサデータは、ひずみセンサ、ジャイロセンサ、光電容積脈波（ＰＰＧ）センサ、圧力センサ等の公知のセンサにより生成することができる。センサデータは、デジタル信号のほか、例えばアナログ信号でもよい。なお、センサデータを生成する際の測定時間は、例えば脈波の１～２０周期分の測定時間であり、センサデータの処理方法や、データ通信方法等の条件に応じて、任意に設定することができる。

　＜評価データ＞
　評価データは、生体情報を算出するためのデータを示す。評価データは、例えばユーザの脈波に基づく加速度脈波に相当するデータを示し、特定の周期（例えば１周期）に対する振幅を示す。

　評価データは、センサデータを生体情報演算装置１等によって処理（前処理）を実施することで取得される。例えば図４（ａ）～図４（ｄ）に示すように、センサデータに対して複数の処理を実施することで、評価データを得ることができる。各処理の詳細については、後述する。

　＜データベース＞
　データベースは、主に、評価データに対する評価結果を生成する際に用いられる。データベースには、１つ以上の分類情報が記憶されるほか、例えば分類情報の生成に用いられた複数の学習データが記憶されてもよい。

　分類情報は、例えば予め取得された過去の評価データ（入力データ）と、生体情報を含む参照データとの相間関係を示す関数である。分類情報は、例えば入力データを説明変数とし、参照データを目的変数として、回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。分類情報は、例えば検量モデルを定期的に更新することができるほか、ユーザの性別、年齢、運動内容等の属性情報毎に生成された複数の検量モデルを含んでもよい。

　分類情報を生成する際に用いる回帰分析の方法として、例えばＰＬＳ（Partial Least Squares）回帰分析、クラス毎に主成分分析を行って主成分モデルを得るＳＩＭＣＡ（Soft Independent Modeling of Class Analogy）法を利用した回帰分析等を用いることができる。

　分類情報は、例えば複数の学習データを用いた機械学習により生成された、学習済みモデルを含んでもよい。学習済みモデルは、例えばＣＮＮ（Convolutional Neural Network）等のニューラルネットワークモデルを示すほか、ＳＶＭ（Support vector machine）等を示す。また、機械学習として、例えば深層学習を用いることができる。

　入力データは、評価データと同種のデータが用いられ、例えば対応する生体情報が明確となっている過去の評価データを示す。例えば、被検者にセンサ５等を装着させ、学習用脈波の特徴を示すセンサデータ（学習用センサデータ）を生成する。そして、学習用センサデータに対して処理を実施することで、入力データを取得することができる。なお、入力データは、生体情報演算システム１００のユーザから取得するほか、例えばユーザとは別のユーザから取得してもよい。即ち、上述した被検者は、生体情報演算システム１００のユーザであるほか、ユーザ以外を対象としてもよく、特定又は不特定の多数でもよい。

　入力データは、例えば評価データを取得する際に利用するセンサ５等の種類、センサデータの生成条件、及びセンサデータに対する処理条件と同様の内容によって取得されることが好ましい。例えば上記３つの内容を統一することで、生体情報を生成する際の精度を飛躍的に向上させることが可能となる。

　参照データは、計測装置等を用いて計測された、被検者の生体情報を含む。例えば被検者にセンサ５等を装着させて学習用センサデータを生成する際、被検者の血中二酸化炭素の特徴等のような生体情報を計測することで、入力データに紐づく参照データを取得することができる。この場合、生体情報を計測するタイミングは、学習用センサデータを生成するタイミングと同時が好ましいが、例えば１～１０分程度前後するタイミングでもよい。

　参照データは、公知の計測装置を用いて計測される。例えば血中二酸化炭素濃度の特徴を計測する場合、計測装置として、経皮血液ガスモニタＴＣＭ５（ラジオメーターバーゼル社製）等の装置が用いられる。例えば血中乳酸量を計測する場合、計測装置として、ラクテート・プロ２（アークレイ株式会社製）等の公知の装置が用いられる。例えば酸素飽和度を計測する場合、計測装置として、ＰＵＬＳＯＸ－Ｎｅｏ（コニカミノルタ株式会社製）等の公知の装置が用いられる。

　＜生体情報＞
　生体情報演算システム１００において算出される生体情報は、参照データと同種のデータとして算出される。生体情報は、分類情報を参照し、参照データと同一又は類似のデータとして算出される。生体情報演算システム１００では、例えば複数の評価データを任意の時系列に沿ってそれぞれ取得し、各評価データに対する複数の生体情報を複数生成する。また、生体情報演算システム１００では、例えば任意のタイミング毎に複数の評価データを取得し、各評価データに対する複数の生体情報を複数算出してもよい。

　＜評価結果＞
　評価結果は、生体情報演算装置１により算出されたユーザの生体情報を含む。評価結果には、生体情報のほか、例えば予め設定された閾値との比較結果が含まれてもよい。評価結果は、例えば時系列に沿った複数の生体情報に基づき導出した値を含んでもよい。評価結果には、例えば「健康」、「運動が必要」、「無酸素性運動中」等のような、ユーザの健康状態、健康維持に繋がる助言、運動能力の傾向に対する評価を示す情報が含まれてもよい。これにより、複数の生体情報毎の経時変化を容易に把握することができる。例えば評価結果を出力することで、ユーザの生体情報を把握することができる。

　＜生体情報演算装置１＞
　生体情報演算装置１は、例えばパーソナルコンピュータ（ＰＣ）、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等の電子機器を示し、例えばユーザの操作に基づいて、通信網３を介して通信可能な電子機器を示す。なお、生体情報演算装置１は、センサ５を内蔵してもよい。以下、生体情報演算装置１として、ＰＣが用いられる場合の一例を説明する。

　図５（ａ）は、生体情報演算装置１の構成の一例を示す模式図であり、図５（ｂ）は、生体情報演算装置１の機能の一例を示す模式図である。

　生体情報演算装置１は、例えば図５（ａ）に示すように、筐体１０と、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、保存部１０４と、Ｉ／Ｆ１０５～１０７とを備える。各構成１０１～１０７は、内部バス１１０により接続される。

　ＣＰＵ１０１は、生体情報演算装置１全体を制御する。ＲＯＭ１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。保存部１０４は、データベースや評価データ等の各種情報が記憶される。保存部１０４として、例えばＨＤＤ（Hard Disk Drive）のほか、ＳＳＤ（Solid State Drive）等のデータ保存装置が用いられる。なお、例えば生体情報演算装置１は、図示しないＧＰＵ（Graphics Processing Unit）を有してもよい。

　Ｉ／Ｆ１０５は、通信網３を介して、必要に応じてサーバ４やセンサ５等との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部１０８との情報の送受信を行うためのインターフェースである。入力部１０８として、例えばキーボードが用いられ、生体情報演算装置１のユーザ等は、入力部１０８を介して、各種情報、又は生体情報演算装置１の制御コマンド等を入力する。Ｉ／Ｆ１０７は、表示部１０９との各種情報の送受信を行うためのインターフェースである。表示部１０９は、保存部１０４に保存された各種情報、又は評価結果等を表示する。表示部１０９として、ディスプレイが用いられ、例えばタッチパネル式の場合、入力部１０８と一体に設けられる。

　図５（ｂ）は、生体情報演算装置１の機能の一例を示す模式図である。生体情報演算装置１は、取得部１１と、生成部１２と、出力部１３と、記憶部１４とを備え、例えば学習部１５を備えてもよい。なお、図５（ｂ）に示した各機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。

　＜取得部１１＞
　取得部１１は、ユーザの脈波に基づく複数の評価データを取得する。取得部１１は、例えばセンサ５等からセンサデータを取得したあと、センサデータに対して処理を実施することで、評価データを取得する。取得部１１は、それぞれ異なる種類の処理を実施することで、１つのセンサデータに対して複数の評価データを取得する。

　取得部１１は、例えば図４（ａ）に示すように、取得したセンサデータに対し、フィルタリング処理（フィルタ処理）を実施する。フィルタ処理では、例えば０．５～５．０Ｈｚのバンドパスフィルタが用いられる。これにより、取得部１１は、ユーザの脈波に相当するデータ（脈波データ）を抽出する。脈波データは、例えば速度脈波に相当するデータを示す。なお、脈波データは、例えば加速度脈波又は容積脈波に相当するデータを示してもよく、センサの種類や用途に応じて任意に設定できる。また、バンドパスフィルタのフィルタ範囲は、用途に応じて任意に設定することができる。

　取得部１１は、例えば脈波データに対し、微分処理を実施する。例えば速度脈波に相当する脈波データに対して微分処理が実施される場合、取得部１１は、加速度脈波に相当するデータ（微分データ）を取得する。なお、微分処理では、１回微分のほか２回微分が実施されてもよい。

　取得部１１は、例えば微分データに対し、分割処理を実施する。分割処理では、例えば複数周期の加速度脈波に相当する微分データが、１周期毎の加速度脈波に相当するデータ（分割データ）に分割される。このため、取得部１１は、例えば１つの微分データに対して微分処理を実施することで、複数の分割データを取得することができる。なお、分割処理では、用途に応じて任意の周期（例えば周期の正数倍）毎に、微分データを分割することができる。

　例えば分割処理において、分割した各分割データにおけるデータ量が、それぞれ異なる場合がある。この場合、取得部１１は、最も少ないデータ量の分割データを特定し、他の分割データに対して、データ量の削減（トリミング）を実施してもよい。これにより、各分割データにおけるデータ量を統一することができ、各分割データにおけるデータの対比が容易になる。

　上記のほか、例えば分割データの時間軸に対応する値を対象に規格化処理を実施してもよい。規格化処理では、例えば時間軸に対応する値の最小値を０とし、最大値を１とした規格化が実施される。これにより、各分割データにおけるデータの対比が容易になる。

　取得部１１は、例えばデータ量の削減、又は規格化を実施した複数の分割データにおける平均を算出し、分割データとしてもよい。

　取得部１１は、分割データに対し、規格化処理を実施する。規格化処理では、振幅に対応する値を対象に、規格化されたデータ（規格化データ）が生成される。規格化処理では、例えば振幅の最低値を０とし、振幅の最高値を１とした規格化が実施される。取得部１１は、例えば規格化データを評価データ（例えば評価データＡ）として取得する。この場合、評価データＡとして、ユーザの加速度脈波に相当するデータが得られる。

　取得部１１は、上述した各処理を順次実施するほか、例えば図４（ｂ）に示すように、微分処理を実施しなくてもよい。この場合、評価データ（例えば評価データＢ）として、ユーザの速度脈波に相当するデータが得られる。

　また、取得部１１は、例えば上述した各処理の一部のみを実施してもよい。この場合、取得部１１は、脈波データ、微分データ、分割データ、トリミングされた分割データ、及び時間軸に対応する値を規格化した分割データの何れかを、評価データとして取得してもよく、用途に応じて任意に設定できる。

　取得部１１は、例えば図４（ｃ）に示すように、生体情報として脈拍数を算出する場合に適した評価データＣを取得してもよい。

　この場合、取得部１１は、上述したフィルタ処理をセンサデータに対して実施し、脈波データを抽出する。そして、取得部１１は、脈波データに対し、ピーク位置算出処理を実施する。ピーク位置算出処理では、脈波データに含まれる複数のピーク（振幅の最大値）を検出し、サンプリングされた順番（測定開始からの時間に相当）を特定する。これにより、取得部１１は、脈波データに含まれるピーク位置データを取得する。

　その後、取得部１１は、ピーク位置データに対し、ピーク間隔平均算出処理を実施する。ピーク間隔平均算出処理は、ピーク位置データに含まれるピークの間隔（隣接するピークがサンプリングされた順番の差分）を算出し、例えばピーク間隔の平均値を算出する。その後、取得部１１は、ピーク間隔又はピーク間隔の平均値に対し、センサデータのサンプリングレートで割り、秒数に相当するピーク間隔を示すデータを、評価データ（例えば評価データＣ）として取得する。

　取得部１１は、例えば図４（ｄ）に示すように、生体情報として呼吸数を算出する場合に適した評価データＤを取得してもよい。

　この場合、取得部１１は、上述したフィルタ処理をセンサデータに対して実施し、脈波データを抽出する。その後、取得部１１は、脈波データに対し、フーリエ変換処理を実施する。フーリエ変換処理では、例えばサンプリング時間対振幅を示す脈波データが、周波数対強度を示す周波数データに変換される。これにより、取得部１１は、脈波データに対する周波数データを取得する。

　その後、取得部１１は、周波数データに対し、最大周波数検出処理を実施する。最大周波数検出処理では、周波数データのうち、０．１５～０．３５Ｈｚの間における最大強度の周波数が特定される。これにより、取得部１１は、特定された周波数の値を、評価データＤとして取得する。

　＜生成部１２＞
　生成部１２は、データベースを参照し、評価データに対する評価結果を生成する。生成部１２は、例えばデータベースに記憶された分類情報を参照し、評価データに対する生体情報を算出し、評価結果として生成する。生成部１２は、それぞれ異なる複数の評価データ毎に対する評価結果を、複数生成する。

　生成部１２は、例えば複数の評価データに対し、同一の分類情報を参照して複数の評価データを生成してもよい。この場合、例えばそれぞれ異なる種類の前処理を用いて複数の評価データを取得することで、同一の分類情報を用いても、それぞれ異なる種類の生体情報を算出することができる。このため、評価データ毎に分類情報を生成する必要が無く、データベースのデータ容量を抑えることができる。

　生成部１２は、例えば複数の評価データに対し、それぞれ異なる分類情報を参照して複数の生体情報を算出してもよい。この場合、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。

　生成部１２は、例えば保存部１０４等に予め記憶された表示用のフォーマットを用いて、生体情報についてユーザが理解できる形式に変換した評価結果を生成してもよい。

　＜出力部１３＞
　出力部１３は、複数の評価結果を出力する。出力部１３は、表示部１０９に複数の評価結果を出力するほか、例えばセンサ５等に複数の評価結果を出力してもよい。

　＜記憶部１４＞
　記憶部１４は、保存部１０４に保存されたデータベース等の各種データを、必要に応じて取出す。記憶部１４は、各構成１１～１３、１５により取得又は生成された各種データを、必要に応じて保存部１０４に保存する。

　記憶部１４は、例えば複数の評価結果に紐づくセンサデータを、保存部１０４に保存してもよい。例えば記憶部１４は、センサデータを用いて生成された複数の評価データも、保存部１０４に保存してもよい。

　＜学習部１５＞
　学習部１５は、例えば複数の学習データを用いて、分類情報を生成する。学習部１５は、例えば新たな学習データを取得し、既存の分類情報を更新してもよい。

　＜通信網３＞
　通信網３は、生体情報演算装置１と、サーバ４と、センサ５とを通信回線を介して接続される公知のインターネット網等である。通信網３は、生体情報演算システム１００を一定の狭いエリア内で運用する場合には、ＬＡＮ（Local Area Network）等で構成されてもよい。また、通信網３は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網３は、有線通信網に限定されるものではなく、無線通信網で実現されてもよく、用途に応じて任意に設定できる。

　＜サーバ４＞
　サーバ４は、通信網３を介して送られてきた評価結果等の各種情報を保存し、蓄積する。サーバ４は、生体情報演算装置１からの要求に基づき、通信網３を介して蓄積された情報を生体情報演算装置１へと送信する。

　サーバ４は、例えば複数の生体情報演算装置１と接続され、各生体情報演算装置１から評価結果等の各種情報を取得し、一括して保存してもよい。なお、サーバ４は、上述した生体情報演算装置１の備える各機能のうち、少なくとも一部の機能を備えてもよい。また、サーバ４は、上述した生体情報演算装置１に記憶されたデータベース等が記憶されてもよい。

　＜センサ５＞
　センサ５は、センサデータを生成する。センサ５は、例えば図６（ａ）に示すように、検出部６を備える。センサ５は、検出部６を介してユーザの脈波を検出可能な位置に装着され、例えばリストバンド５５に固定される。

　検出部６は、ユーザの脈波を検出可能な公知の検出装置が用いられる。検出部６として、例えばファイバブラッググレーティング（ＦＢＧ）センサ等のひずみセンサ、ジャイロセンサ、脈波信号測定のための１つ以上の電極、光電容積脈波（ＰＰＧ）センサ、圧力センサ、及び光検出モジュールの少なくとも何れかが用いられる。検出部６は、例えば複数配置されてもよい。

　なお、センサ５は、衣服に埋め込まれてもよい。また、センサ５を装着するユーザは、人間のほか、犬や猫等のペットを対象としてもよく、例えば牛や豚等の家畜、魚等の養殖を対象としてもよい。

　センサ５は、例えば図６（ｂ）に示すように、取得部５０と、通信Ｉ／Ｆ５１と、メモリ５２と、命令部５３とを備え、各構成がそれぞれ内部バス５４で接続される。

　取得部５０は、検出部６を介してユーザの脈波を測定し、センサデータを生成する。取得部５０は、例えば生成したセンサデータを、通信Ｉ／Ｆ５１、又はメモリ５２へと送信する。

　通信Ｉ／Ｆ５１は、通信網３を介して、センサデータ等の各種データを生体情報演算装置１やサーバ４に送信する。また、通信Ｉ／Ｆ５１は、通信網３と接続するための回線制御回路や、生体情報演算装置１やサーバ４との間でデータ通信を行うための信号変換回路等が、実装されている。通信Ｉ／Ｆ５１は、内部バス５４からの各種命令に変換処理を施して、これを通信網３側へ送出するとともに、通信網３からのデータを受信した場合には、これに所定の変換処理を施して内部バス５４へ送信する。

　メモリ５２は、取得部５０から送信されたセンサデータ等の各種データを保存する。メモリ５２は、例えば通信網３を介して接続される他の端末装置から命令を受けることにより、保存したセンサデータ等の各種データを、通信Ｉ／Ｆ５１へ送信する。

　命令部５３は、センサデータを取得するための操作ボタンやキーボード等を含み、例えばＣＰＵ等のプロセッサを含む。命令部５３は、センサデータの取得の命令を受け付けた場合に、これを取得部５０に通知する。この通知を受けた取得部５０は、センサデータを取得する。なお、命令部５３は、例えば図４（ａ）～図４（ｄ）に示すように、センサデータから複数の評価データを取得するための処理を実施してもよい。

　ここで、センサデータを取得する一例として、ＦＢＧセンサを用いる場合を説明する。

　ＦＢＧセンサは、１本の光ファイバ内に所定間隔をあけて回折格子構造を形成したである。ＦＢＧセンサは、例えばセンサ部分の長さが１０ｍｍ、波長分解能が±０．１ｐｍ、波長範囲が１５５０±０．５ｎｍ、ファイバの直径が１４５μｍ、コア径１０．５μｍである特徴を持つ。ＦＢＧセンサを上述した検出部６として、ユーザの皮膚に接触させた状態で測定をすることができる。

　例えば光ファイバに用いる光源として、波長範囲１５２５～１５７０ｎｍのＡＳＥ（Amplified Spontaneous Emission）光源が用いられる。光源からの出射光は、サーキュレータを介してＦＢＧセンサに入射させる。ＦＢＧセンサからの反射光は、サーキュレータを介してマッハツェンダー干渉計に導き、マッハツェンダー干渉計からの出力光を、光検出器によって検知する。マッハツェンダー干渉計は、ビームスプリッタにより光路差のある２つの光路に分離し、再びビームスプリッタにより一つに重ね合わせて干渉光を作り出すためのものである。光路差をつけるため、例えば一方の光ファイバの長さを長くしてもよい。コヒーレント光は、光路差に応じて干渉縞が生じるため、干渉縞のパターンを測定することによって、ＦＢＧセンサに生じた歪の変化、すなわち脈波を検知することができる。取得部５０は、検知された脈波に基づき、センサデータを生成する。これにより、センサデータが取得される。

　なお、ＦＢＧセンサの歪み量を検出して、脈波の波形を検出する光ファイバセンサシステムは、ＦＢＧセンサに入射させる光源の他に、広い帯域のＡＳＥ光源、サーキュレータ、マッハツェンダー干渉計、ビームスプリッタといった光学系や、光検出器が備える受光センサや、波長シフト量を解析する解析方法を含む。光ファイバセンサシステムは、使用するＦＢＧセンサの特性に応じて光源や帯域光を選択して使用することができ、検波方法等の解析方法についても種々の方法を採用することができる。

　＜データ構造＞
　例えば、上述した生体情報演算システム１００により生成された複数の評価結果（例えば第１評価結果、及び第２評価結果）を含むデータ構造が、サーバ４又は保存部１０４に記憶される。データ構造は、上述した生体情報演算装置１（表示部１０９、ＣＰＵ１０１（制御部）、及び保存部１０４を備えるコンピュータ）に用いられる。複数の評価結果を含むデータ構造は、例えばＣＰＵ１０１によって制御される生成部１２が、各評価結果に基づく総合評価結果を生成する際に用いられる。なお、総合評価結果については、後述する。

（第１実施形態：生体情報演算システム１００の動作）
　次に、本実施形態における生体情報演算システム１００の動作の一例について説明する。図７は、本実施形態における生体情報演算システム１００の動作の一例を示すフローチャートである。

　生体情報演算システム１００は、例えば生体情報演算装置１内にインストールされた生体情報演算プログラムを介して実行する。即ち、ユーザは、生体情報演算装置１、又はセンサ５を操作し、生体情報演算装置１にインストールされている生体情報演算プログラムを通じて、センサデータからユーザの生体情報を含む評価結果を複数取得することができる。

　生体情報演算システム１００の動作は、取得ステップＳ１１０と、生成ステップＳ１２０と、保存ステップＳ１４０とを備え、例えば出力ステップＳ１３０を備えてもよい。

　＜取得ステップＳ１１０＞
　取得ステップＳ１１０は、ユーザの脈波に基づき、複数の評価データを取得する。例えばセンサ５の取得部５０は、検出部６を介してユーザの脈波を測定し、センサデータを生成する。取得部５０は、通信Ｉ／Ｆ５１、及び通信網３を介して、センサデータを生体情報演算装置１へ送信する。生体情報演算装置１の取得部１１は、センサ５からセンサデータを受信する。

　取得部１１は、例えば図４（ａ）及び４（ｂ）に示した処理を、センサデータに対して実施し、第１評価データ及び第２評価データを取得する。取得部１１は、例えば記憶部１４を介して、取得した各評価データを保存部１０４に保存する。なお、取得部１１がセンサ５からセンサデータを取得する頻度等の条件は、用途に応じて任意に設定することができる。例えば取得部１１は、予め設定された周期で各評価データを取得する。

　＜生成ステップＳ１２０＞
　次に、生成ステップＳ１２０は、データベースを参照し、各評価データに対する生体情報を含む評価結果を複数生成する。例えば生成部１２は、分類情報を参照し、第１評価データに対する血中二酸化炭素分圧の値を第１生体情報として算出し、第２評価データに対する血糖値を第２生体情報として算出する。生成部１２は、第１生体情報を含む第１評価結果、及び第２生体情報を含む第２評価結果を生成する。

　生成部１２は、例えば第１分類情報を参照して第１評価データに対する第１評価結果を生成し、第２分類情報を参照して第２評価データに対する第２評価結果を生成する。この際、第１分類情報及び第２分類情報は、分類情報に含まれ、それぞれ異なる種類の学習データを用いて生成される。

　生成部１２は、例えば記憶部１４を介して、生成した各評価結果を保存部１０４に保存する。なお、各評価結果として、特定の値を示すほか、例えば誤差範囲（例えば「○○±２ｍｍＨｇ」等）が算出されてもよい。

　例えば生体情報として脈拍数を算出する場合、評価データとして、例えば図４（ｃ）に示した評価データＣが用いられ、生成部１２は、分類情報に含まれる脈拍数用分類情報を参照する。脈拍数用分類情報は、例えば６０［秒］をピーク間隔で割る関数を示す。このため、生成部１２は、例えば評価データＣ（ピーク間隔＝０．８５［秒］）に対する脈拍数（＝７１［ｂｐｍ］）を算出することができる。これにより、生成部１２は、脈拍数を示す生体情報を含む評価結果を生成することができる。

　例えば生体情報として呼吸数を算出する場合、評価データとして、例えば図４（ｄ）に示した評価データＤが用いられ、生成部１２は、分類情報に含まれる呼吸数用分類情報を参照する。呼吸数用分類情報は、例えば特定された周波数に６０［秒］をかける関数を示す。このため、生成部１２は、例えば評価データＤ（特定された周波数＝０．２２５Ｈｚ）に対する呼吸数（＝１３．５［ｂｐｍ］）を算出することができる。これにより、生成部１２は、呼吸数を示す生体情報を含む評価結果を生成することができる。

　＜出力ステップＳ１３０＞
　次に、例えば出力ステップＳ１３０は、複数の評価結果を出力してもよい。例えば出力部１３は、表示部１０９に第１評価結果及び第２評価結果を出力する。

　＜保存ステップＳ１４０＞
　次に、保存ステップＳ１４０は、第１評価結果及び第２評価結果を保存する。例えば記憶部１４は、第１評価結果及び第２評価結果を、保存部１０４に保存する。例えば出力部１３は、第１評価結果及び第２評価結果を、通信網３を介してサーバ４に出力し、保存してもよい。例えば保存ステップＳ１４０は、出力ステップＳ１３０の前に実施してもよい。

　なお、保存ステップＳ１４０は、例えば複数の評価結果に紐づくセンサデータを保存してもよい。この場合、センサデータは、複数の評価データの生成に用いられ、ユーザの脈波の特徴を示す。

　これにより、生体情報演算システム１００の動作が終了する。なお、各ステップを実施する頻度や順番は、用途に応じて任意に設定できる。

　生体情報演算システム１００では、例えば上述した各ステップＳ１１０、Ｓ１２０を、生体情報演算装置１で実施するほか、少なくとも一部をサーバ４で実施してもよい。この場合、上述した各ステップＳ１１０、Ｓ１２０には、通信網３を介してサーバ４が各種情報を送受信するための処理が含まれる。なお、生体情報演算装置１とサーバ４との間における通信は、公知の技術を用いて実現することができる。

　例えば取得ステップＳ１１０では、複数の評価データを、サーバ４が取得してもよい。この場合、サーバ４に含まれる取得部は、通信網３を介して生体情報演算装置１から送信された複数の評価データを取得する。

　サーバ４に含まれる取得部は、例えば生体情報演算装置１又はセンサ５から送信されたセンサデータを取得し、上述した前処理を実施することにより、複数の評価データを取得してもよい。この場合、生体情報演算装置１において、上述した前処理を実施する負荷を低減させることが可能となる。

　例えば生成ステップＳ１２０では、各評価データに対する評価結果を、サーバ４が複数生成してもよい。この場合、サーバ４に含まれる生成部は、サーバ４に保存されたデータベースを参照し、複数の評価結果を生成する。この場合、生体情報演算装置１において、上述した複数の評価結果を生成する処理を実施する負荷を低減させることが可能となる。

　なお、生成ステップＳ１２０をサーバ４で実施した場合、出力ステップＳ１３０では、例えばサーバ４に含まれる出力部が、通信網３を介して生体情報演算装置１等に複数の評価結果を送信する。この場合、生体情報演算装置１の出力部１３は、受信した複数の評価結果を表示部１０９に出力する。

　上記の通り、生体情報演算システム１００における各ステップＳ１１０～Ｓ１４０は、生体情報演算装置１又はサーバ４の何れも実施することができる。特に、取得ステップＳ１１０及び生成ステップＳ１２０をサーバ４で実施することで、生体情報演算装置１に対する負荷の低減等を図ることが可能となる。なお、後述する各実施形態においても同様のため、説明を省略する。

　ここで、ユーザの生体情報を評価する際、一度に複数の生体情報に関する評価が望まれている。この点、従来技術では、生体情報のうち血中二酸化炭素飽和度や、ヘモグロビン等を測定する際、２つの容積脈波を用いることを前提としている。このため、各容積脈波の計測条件に起因するデータのばらつきが、推定精度に大きく影響する場合がある。また、従来技術を用いて複数の生体情報を推定する場合には、生体情報の数や種類に応じた複数の容積脈波を取得する必要がある。このため、複数の生体情報を推定するために必要な容積脈波の数に比例して、容積脈波毎のばらつきに起因した推定精度の低下が懸念として挙げられる。

　これに対し、本実施形態によれば、取得部１１は、ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する。また、生成部１２は、第１評価データに対する第１生体情報を含む第１評価結果、及び第２評価データに対する第１生体情報とは異なる種類の第２生体情報を含む第２評価結果、をそれぞれ生成する。即ち、第１生体情報及び第２生体情報は、１つのユーザの脈波に基づき算出される。このため、各生体情報を算出する際、脈波の計測条件に起因するばらつきを排除することができる。これにより、生体情報を評価する際の精度向上を図ることが可能となる。

　また、本実施形態によれば、生成部１２は、データベースを参照し、第１評価結果及び第２評価結果を生成する。また、データベースには、複数の学習データを用いて算出された分類情報が記憶される。このため、各評価結果を生成する際、過去に実績のある脈波の特徴と生体情報との繋がりを踏まえ、定量的な各評価結果を生成することができる。これにより、ユーザ等の主観に伴う評価のばらつきを抑制することが可能となる。

　また、本実施形態によれば、取得部１１は、ユーザの脈波に基づく速度脈波及び加速度脈波の何れかに相当する１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、第１評価データ及び第２評価データを取得する。このため、光電式容積脈波を用いた場合に比べて、ノイズデータの影響を抑制した学習データ及び各評価データを用いた評価を実施することができる。これにより、高精度な評価を実現することが可能となる。

　また、本実施形態によれば、分類情報は、異なる種類の学習データを用いて生成された第１分類情報、及び第２分類情報を含む。このため、評価データ毎の種類に応じて最適な分類情報を参照し、各評価結果を生成することができる。これにより、生体情報を評価する際のさらなる精度向上を図ることが可能となる。

　また、本実施形態によれば、分類情報は、入力データを説明変数とし、参照データを目的変数としたＰＬＳ回帰分析を用いて得られた検量モデルである。このため、機械学習等を用いて分類情報を算出する場合に比べて、学習データの数を大幅に減らすことができるとともに、検量モデルの更新を容易に実施することができる。これにより、生体情報演算システム１００の構築及び更新の容易化を図ることが可能となる。

　また、本実施形態によれば、第１生体情報は、血糖値を示し、第２生体情報は、血圧、脈拍数、呼吸数、血中二酸化炭素濃度の特徴、乳酸値、及び酸素飽和度の少なくとも何れかを示す。このため、従来の計測方法に比べて侵襲式の計測方法を必要としないため、各情報を容易に取得することができる。これにより、ユーザへの負荷を大幅に減少させることが可能となる。

　また、本実施形態によれば、記憶部１４又はサーバ４は、第１評価結果、及び第２評価結果に紐づくセンサデータを保存することを含む。このため、分類情報の更新や新たに生成する際、学習データを容易に準備することができる。これにより、生体情報演算システム１００のメンテナンスを容易に実現することが可能となる。

　また、本実施形態によれば、サーバ４は、サーバ４の含む生成部により第１評価結果、及び第２評価結果を生成する。また、生体情報演算装置１は、第１評価結果、及び第２評価結果をサーバ４から受信し、表示する。このため、生体情報演算装置１に対し、各評価結果を生成する際の負荷を低減させることができる。これにより、生体情報演算装置１の利便性を向上させることが可能となる。また、生体情報演算装置１に、データベースを保存する必要が無い。これにより、生体情報演算装置１のデータ保存容量を大幅に低減させることが可能となる。また、データベースがサーバ４に保存されることで、複数の生体情報演算装置１に対し、１つの分類情報を参照して生成された評価結果を出力することができる。これにより、データベースの更新等のメンテナンスに伴い、生体情報演算装置１毎にデータベースを更新する膨大な時間と費用を削減することが可能となる。

　また、本実施形態によれば、サーバ４は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を保存することが可能となる。

　また、本実施形態によれば、データ構造は、生体情報を評価する際の精度向上を図った第１評価結果、及び第２評価結果を含み、総合評価結果を生成する際に用いることが可能となる。

（第２実施形態：生体情報演算システム１００）
　次に、第２実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第２実施形態との違いは、付加情報を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算システム１００は、例えば総合評価ステップＳ１５０を備える。生体情報演算システム１００では、例えば上述した生成ステップＳ１２０のあとに、総合評価ステップＳ１５０が実施され、総合評価ステップＳ１５０のあとに保存ステップＳ１４０が実施される。

　総合評価ステップＳ１５０は、例えば図８に示すように、付加情報を取得し、複数の評価結果（例えば第１評価結果、及び第２評価結果）、及び付加情報に基づき、総合評価結果を生成する。総合評価ステップＳ１５０は、例えば生成部１２に含まれる総合評価部によって実行することができる。

　付加情報は、ユーザの特徴を示し、例えば上述した生体情報とは異なる情報を示す。この場合、付加情報として、例えばユーザの性別、年齢等の属性情報が用いられるほか、診断結果や運動量等のようなユーザの健康状態等を特定する情報が用いられてもよい。付加情報は、例えばユーザの病歴、生活習慣、投薬情報、動脈硬化の程度、遺伝情報などの情報を含むほか、例えば周辺環境の温湿度や、センサ５に取り付けられた加速度センサが測定した加速度などのような、人体に関連する可能性のある情報を含んでもよい。付加情報は、例えば入力部１０８等を介してユーザが入力し、総合取得部等によって取得される。

　総合評価結果は、ユーザの特徴を総合的に評価した結果を示す。総合評価結果は、例各評価結果に含まれる生体情報に対し、付加情報に基づく補正処理等を実施した結果を示す。例えば付加情報としてユーザの年齢が用いられた場合、予め設定された年代毎の基準値と、各評価結果との比較結果が、総合評価結果として生成される。

　上記のほか、総合評価結果として、例えば「血糖値が高い」、「血圧が高い」、「運動能力が高い」、「運動量を抑制したほうがよい」等のユーザ毎の特徴を表す文字列が用いられるほか、例えば任意の基準値との差分や、偏差値等の数値が用いられてもよい。

　また、総合評価結果は、例えば保険料を含む推定保険情報を示す。推定保険情報は、例えば各評価結果を踏まえて推定される保険料を示す値を含むほか、例えば保険の種類等を示す文字列を含んでもよい。推定される保険料は、例えば保険数理に基づき算出される。

　総合評価部は、例えば予め保存部１０４等に保存された、ユーザが認識可能なデータ形式を参照し、総合評価結果を生成する。総合評価部は、例えば後処理用データベースを参照し、複数の評価結果及び付加情報に対して適した総合評価結果を生成してもよい。後処理用データベースは、例えば保存部１０４に保存される。

　後処理用データベースには、例えば上述したデータベースと同様に、複数の評価結果及び付加情報に対する総合評価結果を生成するための後処理用分類情報が記憶されてもよい。後処理用データベースには、１つ以上の後処理用分類情報が記憶されるほか、例えば後処理用分類情報の生成に用いられた複数の後処理用学習データが記憶されてもよい。

　後処理用分類情報は、例えば予め取得された過去の複数の評価結果及び過去の付加情報（後処理用入力データ）と、後処理用入力データに紐づく後処理用参照データとの相関関係を示す関数である。後処理用参照データは、ユーザの特徴を総合的に評価した結果を示す。後処理用分類情報は、後処理用入力データと、後処理用参照データとを一対の後処理用学習データとして、複数の後処理用学習データを用いて生成される。

　後処理用分類情報は、例えば後処理用入力データを説明変数とし、後処理用参照データを目的変数とし、上述した回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。後処理用分類情報は、例えば検量モデル（後処理用検量モデル）を定期的に更新することができるほか、例えば付加情報別に生成してもよい。なお、後処理用分類情報は、上述した分類情報と同様に、例えば複数の後処理用学習データを用いた機械学習により生成された、学習済みモデル（後処理用学習済みモデル）を含んでもよい。

　保存ステップＳ１４０は、総合評価結果を保存する。保存ステップＳ１４０では、上述した実施形態と同様の処理を実行することで、保存部１０４及びサーバ４の少なくとも何れかに総合評価結果を保存する。

　本実施形態によれば、上述した実施形態の効果に加え、総合評価部は、第１評価結果、第２評価結果、及び付加情報に基づき、ユーザの特徴を総合的に評価した総合評価結果を生成する。このため、各評価結果に対し、ユーザの特徴を考慮した評価を実現することができる。これにより、ユーザ毎に適した評価結果を生成することが可能となる。

（第２実施形態：生体情報演算システム１００の変形例）
　次に、第２実施形態における生体情報演算システム１００の変形例について説明する。上述した第２実施形態と、変形例との違いは、生成ステップＳ１２０において上述した付加情報を取得する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本変形例では、例えば図９に示すように、生成ステップＳ１２０は、付加情報を取得し、第１評価データ、及び付加情報に基づき、第１評価結果を生成することを含む。付加情報は、上述した内容と同様であり、例えば入力部１０８等を介してユーザが入力し、生成部１２等が取得する。

　生成部１２は、例えば付加情報の内容に応じて、第１評価データに対する演算方法を決定してもよい。この場合、付加情報の種類毎に異なる関数等が、分類情報に含まれる。なお、生成部１２は、例えば第１評価データと、付加情報とを組合わせた情報に基づき、第１評価結果を生成してもよい。

　本変形例によれば、生成部１２は、付加情報を取得し、第１評価データ、及び付加情報に基づき、第１評価結果を生成することを含む。このため、第１評価データに加えて、ユーザの特徴を考慮した多角的な第１評価結果を生成することができる。これにより、ユーザの生体情報に対する評価を、さらに高精度に生成することが可能となる。

（第３実施形態：生体情報演算システム１００）
　次に、第３実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第３実施形態との違いは、第２評価結果を生成する際、第２評価データに加えて第１評価結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算システム１００では、例えば図１０に示すように、生成ステップＳ１２０は、データベースを参照し、第１評価結果及び第２評価データに基づき、第２評価結果を生成することを含む。例えば生成部１２は、第１評価結果を生成したあと、第２評価結果を生成する。

　生成部１２は、例えば第１評価結果の内容に応じて、第２評価データに対する演算方法を決定してもよい。この場合、第１評価結果の内容の特徴毎に異なる関数等が、分類情報に含まれる。なお、生成部１２は、例えば第１評価結果と、第２評価データとを組合わせた情報に基づき、第２評価結果を生成してもよい。

　本実施形態によれば、上述した実施形態の効果に加え、生成部１２は、第１評価結果及び第２評価データに基づき、第２評価結果を生成する。このため、第１評価結果を踏まえた第２評価結果を生成することができる。これにより、ユーザの生体情報に対する評価を、さらに高精度に生成することが可能となる。

（第４実施形態：生体情報演算システム１００）
　次に、第４実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第４実施形態との違いは、分類情報に含まれる複数の属性別分類情報から、評価データに適した属性別分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算装置１では、例えば図１１に示すように、生成ステップＳ１２０が、選択ステップＳ１２１と、属性別生成ステップＳ１２２とを含む。なお、図１１では、第２評価データ及び第２評価結果の内容については記載を省略する。

　選択ステップＳ１２１は、予備評価データを参照し、複数の属性別分類情報のうち特定の属性別分類情報（例えば第１分類情報）を選択する。選択ステップＳ１２１は、例えば生成部１２に含まれる選択部によって実行することができる。予備評価データは、第１評価データとは異なる特徴を示し、例えば第２評価データと同様の特徴を示す。なお、例えば第２評価データを予備評価データとして用いてもよい。

　属性別生成ステップＳ１２２は、選択した第１分類情報を参照し、第１評価データに対する第１生体情報（例えば血中二酸化炭素分圧の値）を算出し、第１評価結果を生成する。属性別生成ステップＳ１２２は、例えば生成部１２に含まれる属性別生成部によって実行することができる。

　複数の属性別分類情報は、それぞれ異なる学習データを用いて算出される。例えば学習データの入力データとして、被検者の加速度脈波に相当するデータが用いられる場合、例えば図１２のような７種類（Ａ～Ｇ）毎に入力データを準備し、７種類の属性分類情報を生成する。

　このような複数の属性別分類情報がデータベースに記憶される場合、例えば取得部１１は、ユーザの加速度脈波に相当する評価データ、及び予備評価データを取得する。そして、生成部１２は、予備評価データを参照し、第１分類情報を選択する。その後、生成部１２は、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、各属性分類情報のうち、ユーザに最適な分類情報を選択することができる。

　なお、例えば学習データの入力データとして、被検者の速度脈波に相当するデータが用いられる場合、例えば図１３のような２種類（グループ１、グループ２）毎に入力データを準備し、２種類の属性分類情報を生成してもよい。

　ここで、図１２に示す加速度脈波に相当するデータは、特徴に基づく詳細な分類が容易である反面、生体情報を算出する際、ピークの誤検出等に伴う精度低下が懸念として挙げられる。また、図１３に示す速度脈波に相当するデータは、加速度脈波に相当するデータに比べ、特徴に基づく詳細な分類が困難であるが、ピークの誤検出等が少ないため、生体情報を高精度に算出し得る。

　上記を踏まえ、複数の属性分類情報は、特定の分類情報を選択するために用いられる選択用データとして、例えば図１２のような加速度脈波に相当するデータを含み、属性分類情報を生成する際の学習データには、速度脈波に相当するデータが用いられてもよい。

　この場合、取得ステップＳ１１０として、例えば取得部１１は、ユーザの脈波に基づくセンサデータから、速度脈波に相当するデータを第１評価データとして取得する。また、取得部１１は、センサデータから、加速度脈波に相当するデータを予備評価データとして取得する。

　次に、選択ステップＳ１２１として、例えば生成部１２は、予備評価データを参照し、加速度脈波に相当するデータを含む複数の選択用データのうち、予備評価データに最も類似する選択用データ（第１選択用データ）を特定し、第１選択用データに紐づく第１分類情報を選択する。そして、属性別生成ステップＳ１２２として、生成部１２は、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。これにより、評価精度のさらなる向上を図ることが可能となる。

　ここで、上述した選択用データ等に用いられるデータの一例を説明する。

　例えば図１２に示すように、加速度脈波には、ａ～ｅの変曲点が存在する。例えば、加速度脈波における最大のピークをａ点とし、ａ点から順に各変曲点をｂ点、ｃ点、ｄ点、ｅ点とし、ａ点を１とし、最小値であるｂ点もしくはｄ点を０とした規格化を行った場合、加速度脈波は、各変曲点の値と、その差の大小関係により分類する方法を用いて、７パターンに分類することができる。まず、変曲点の値がｂ＜ｄの場合は、パターンＡ又はＢに分類する。ｂ＜ｄでさらにｃ≧０．５であればＡ、そうでなければＢに分類する。次に変曲点の値がｂ≒ｄの場合、パターンＣ又はＤに分類する。ｂ≒ｄでさらにｃ≒０の場合はパターンＤ、そうでなければパターンＣに分類する。最後に、ｂ＞ｄの場合は、パターンＥ、Ｆ、Ｇの何れかに分類できる。ｂ＞ｄでさらにｂ＜ｃであればパターンＥに、ｂ≒ｃであればパターンＦ，ｂ＞ｃであればパターンＧに分類する。

　例えば生成部１２は、予備評価データが、例えば図１２のどのパターンに当てはまるかを判断し、第１選択用データを特定する。例えば、入力された予備評価データの変曲点ｂが変曲点ｄより小さく、さらに変曲点ｃ≧０．５であれば、パターンＡを第１選択用データとする。これにより、第１評価データの特徴に適した分類情報を参照し、生体情報を精度良く算出することができる。

　本実施形態によれば、上述した実施形態の効果に加え、生成部１２は、予備評価データを参照し、第１分類情報を選択する選択部と、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する属性別生成部とを含む。このため、脈波の特徴に対して最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。

　また、本実施形態によれば、取得部１１は、脈波に基づく速度脈波に相当するデータを、第１評価データとして取得する。また、取得部１１は、脈波に基づく加速度脈波に相当するデータを、予備評価データとして取得する。このため、速度脈波に比べて、脈波の特徴を分類し易い加速度脈波を用いて、属性分類情報を選択することができる。また、加速度脈波に比べて、生体情報を算出し易い速度脈波を用いて、第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。

（第４実施形態：生体情報演算システム１００の第１変形例）
　次に、第４実施形態における生体情報演算システム１００の第１変形例について説明する。上述した第４実施形態の一例と、第１変形例との違いは、評価結果を用いて分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本変形例では、例えば図１４に示すように、生成ステップＳ１２０は、分類情報のうち、第２評価結果に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、第２評価結果を参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。

　生成部１２は、例えば第２評価結果に含まれる生体情報の値に基づき、第１分類情報を選択する。この際、複数の属性情報には、選択するための値が予め設定されている。

　生成部１２は、上述した属性別生成ステップＳ１２２と同様に、選択した第１分類情報を参照し、第１評価データに対する第１生体情報を算出し、第１評価結果を生成する。

　本変形例によれば、生成部１２は、第２評価結果に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、第２評価結果に応じて最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。

（第４実施形態：生体情報演算システム１００の第２変形例）
　次に、第４実施形態における生体情報演算システム１００の第２変形例について説明する。上述した第４実施形態の一例と、第２変形例との違いは、脈波の特徴に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本変形例では、例えば図１５に示すように、生成ステップＳ１２０は、分類情報のうち、脈波の特徴（例えばセンサデータ）に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、センサデータを参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。

　なお、「脈波の特徴」として、例えば図４（ａ）～図４（ｄ）に示すような各処理の少なくとも一部を、センサデータに対して実施したあとのデータが用いられてもよい。特に、センサデータに対してフィルタ処理を実施したあとの脈波データを、脈波の特徴として用いることで、特定の属性分類情報を選択する際の精度向上を図ることが可能となる。

　生成部１２は、例えば上述した選択用データと、脈波の特徴とを比較し、第１分類情報を選択する。生成部１２は、例えばセンサデータ等に含まれるピークの半値幅や相対強度に基づき、第１分類情報を選択してもよい。この際、複数の属性情報には、選択するための値が予め設定されている。

　本変形例によれば、生成部１２は、脈波の特徴に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、脈波の特徴に応じて最適な第１分類情報を選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。

（第４実施形態：生体情報演算システム１００の第３変形例）
　次に、第４実施形態における生体情報演算システム１００の第３変形例について説明する。上述した第４実施形態の一例と、第３変形例との違いは、付加情報に基づき第１分類情報を選択する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本変形例では、例えば図１６に示すように、生成ステップＳ１２０は、分類情報のうち、付加情報に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。例えば生成部１２は、上述した選択ステップＳ１２１と同様に、付加情報を参照し、複数の属性別分類情報のうち特定の属性別分類情報を選択する。なお、付加情報は、上述した付加情報と同様である。

　生成部１２は、例えば付加情報に含まれる年齢や性別等の属性情報等に基づき、第１分類情報を選択してもよい。この際、複数の属性情報には、選択するための属性情報等が予め設定されている。

　本変形例によれば、生成部１２は、付加情報に基づき第１分類情報を選択し、第１分類情報を参照し、第１評価データに対する第１評価結果を生成する。このため、付加情報の特徴に応じて最適な第１分類情報選択した上で、第１評価データに対する第１評価結果を生成することができる。これにより、評価精度のさらなる向上を図ることが可能となる。

（第５実施形態：生体情報演算システム１００）
　次に、第５実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第５実施形態との違いは、算出ステップＳ１６０を備える点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算システム１００は、例えば算出ステップＳ１６０を備える。生体情報演算システム１００では、例えば上述した保存ステップＳ１４０のあとに、算出ステップＳ１６０が実施される。

　算出ステップＳ１６０は、例えば図１７に示すように、サーバ４又は保存部１０４に保存された複数の評価結果（例えば第１評価結果、及び第２評価結果）に基づき、ユーザの特徴を総合的に評価した総合評価結果を生成する。算出ステップＳ１６０は、例えば生体情報演算装置１の生成部１２に含まれる総合評価部によって実行することができるほか、例えばサーバ４に含まれる総合評価部によって実行してもよい。

　総合評価結果は、上述した実施形態と同様であり、以下では一例として、保険料を含む推定保険情報として説明する。

　総合評価部は、例えば予め保存部１０４等に保存された、ユーザが認識可能なデータ形式を参照し、推定保険情報を生成してもよい。総合評価部は、例えばデータベースを参照し、複数の評価結果に対して適した推定保険情報を生成してもよい。

　データベースには、例えば上述したデータベースと同様に、複数の評価結果に対する推定保険情報を生成するための保険用分類情報が記憶されてもよい。データベースには、１つ以上の保険用分類情報が記憶されるほか、例えば保険用分類情報の生成に用いられた複数の保険用学習データが記憶されてもよい。

　保険用分類情報は、例えば予め取得された過去の複数の評価結果（保険用入力データ）と、保険用入力データに紐づく保険用参照データとの相関関係を示す関数である。保険用参照データは、過去に実績のある保健用入力データに対する保険料を含む。保険用分類情報は、保険用入力データと、保険用参照データとを一対の保険用学習データとして、複数の保険用学習データを用いて生成される。

　保険用分類情報は、例えば保険用入力データを説明変数とし、保険用参照データを目的変数とし、上述した回帰分析等により解析し、その解析結果に基づいて生成される検量モデルを示す。保険用分類情報は、例えば検量モデル（保険用検量モデル）を定期的に更新することができる。なお、保険用分類情報は、上述した分類情報と同様に、例えば複数の保険用学習データを用いた機械学習により生成された、学習済みモデル（保険用学習済みモデル）を含んでもよい。

　本実施形態によれば、上述した実施形態の効果に加え、総合評価部は、第１評価結果、及び第２評価結果に基づき、総合評価結果を生成する。このため、各評価結果に対し、ユーザの特徴を考慮した評価を実現することができる。これにより、ユーザ毎に適した評価結果を生成することが可能となる。特に、総合評価結果として推定保険情報が用いられた場合、ユーザ等の主観に伴う推定保険料等のばらつきを抑制することが可能となる。

（第６実施形態：生体情報演算システム１００）
　次に、第６実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第６実施形態との違いは、判定結果を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算システム１００では、例えば図１８に示すように、保存ステップＳ１４０は、複数の評価結果（例えば第１評価結果、及び第２評価結果）の内容に対してユーザが判定した判定結果を取得し、判定結果及び複数の評価結果をそれぞれ紐づけて保存する。保存ステップＳ１４０は、例えば記憶部１４又はサーバ４によって実行することができる。

　判定結果は、例えば出力された複数の評価結果と、公知の計測装置を用いて計測された生体情報とを比較した結果を、ユーザが入力部１０８等を介して入力することで、取得することができる。

　本実施形態における生体情報演算システム１００は、例えば更新ステップＳ１７０を備えてもよい。この場合、更新ステップＳ１７０は、例えば学習部１５によって実行することができ、例えばサーバ４によって実行してもよい。

　学習部１５は、保存ステップＳ１４０において保存された判定結果、及び複数の評価結果に基づき、分類情報を更新する。学習部１５は、例えば公知の技術を用いて分類情報を更新する。

　本実施形態によれば、上述した実施形態の効果に加え、記憶部１４又はサーバ４は、判定結果、第１評価結果、及び第２評価結果をそれぞれ紐づけて保存する。このため、各評価結果と、判定結果との比較を、容易に実施することが可能となる。

　また、本実施形態によれば、学習部１５は、判定結果、第１評価結果、及び第２評価結果に基づき、分類情報を更新する。このため、各評価結果の精度が低下した際、容易に改善することができる。これにより、生体情報を評価する際の精度向上を維持することが可能となる。

（第７実施形態：生体情報演算システム１００）
　次に、第７実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第７実施形態との違いは、電子機器２を用いる点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　本実施形態における生体情報演算システム１００では、上述した生体情報演算装置１の代わりに電子機器２を用いるほか、例えば生体情報演算装置１及び電子機器２のそれぞれを状況に応じて用いてもよい。

　電子機器２は、生体情報演算装置１と同様に、上述したパーソナルコンピュータ等の電子機器を示す。電子機器２の構成は、例えば図５（ａ）と同様の構成を備えてもよい。電子機器２の生体情報演算プログラムを実現するための各機能は、生体情報演算装置１と同様に、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。

　図１９は、電子機器２の生体情報演算プログラムを実現するためのシーケンスを示している。電子機器２は、脈波信号取得部６０と、脈波信号取得部６０に接続された第１抽出部６１及び第２抽出部６３と、第１抽出部６１に接続された第１データ取得部６２と、第２抽出部６３に接続された第２データ取得部６４と、第１データ取得部６２及び第２データ取得部６４に接続された最適血糖値算出部６５と、を備えている。

　脈波信号取得部６０は、通信網３を介してセンサ５、サーバ４及び他の電子機器から送信された脈波信号を取得する。脈波信号取得部６０は、取得した脈波信号を第１抽出部６１及び第２抽出部６３へ出力する。なお、脈波信号は、上述したセンサデータと同様の特徴を示す。

　第１抽出部６１は、第１抽出条件を参照し、脈波信号取得部６０から入力された脈波信号に基づく第１評価データを抽出する。第１抽出部６１は、抽出した第１評価データを第１データ取得部６２へ出力する。

　第１データ取得部６２は、第１抽出条件に紐づく第１処理条件を参照し、第１抽出部６１から入力された第１評価データを処理し、第１データを取得する。第１データ取得部６２は、取得した第１データを最適血糖値算出部６５へ出力する。

　第２抽出部６３は、第２抽出条件を参照し、脈波信号取得部６０から入力された脈波信号に基づく第２評価データを抽出する。第２抽出部６３は、抽出した第２評価データを第２データ取得部６４へ出力する。

　第２データ取得部６４は、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３から入力された第２評価データを処理し、第２データを取得する。第２データ取得部６４は、取得した第２データを最適血糖値算出部６５へ出力する。

　最適血糖値算出部６５は、第１データ取得部６２から入力された第１データと第２データ取得部６４から入力された第２データとに基づき、最適値となる生体情報を算出する。

　また、最適血糖値算出部６５は、電子機器２に必ずしも備えられているわけではなく、第１データ及び第２データを生体情報として出力してもよい。

　図２０は、第１抽出部６１及び第１データ取得部６２の具体的な構成例を示している。第１抽出部６１は、フィルタ処理部６１０と、フィルタ処理部６１０に接続された微分部６１１と、フィルタ処理部６１０に接続されたピーク位置算出部６１４と、微分部６１１に接続された分割部６１２と、分割部６１２に接続された規格化部６１３と、ピーク位置算出部６１４に接続されたピーク間隔平均算出部６１５と、ピーク位置算出部６１４に接続されたピーク間隔プロット部６１６と、ピーク位置算出部６１４に接続されたフーリエ変換部６１７と、フーリエ変換部６１７に接続された最大周波数検出部６１８と、を備えている。

　フィルタ処理部６１０は、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６１０は、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６１０は、第１抽出条件を参照し、取得した脈波信号から第１評価データを抽出する抽出方法を決定する。フィルタ処理部６１０は、フィルタリング処理された脈波信号を決定された抽出方法に基づき、微分部６１１と、ピーク位置算出部６１４と、フーリエ変換部６１７のいずれか少なくとも一つに出力する。

　第１抽出部６１は、一つの第１評価データを取得するために第１抽出部６１に備えられた抽出方法の必ずしもすべてを使用するわけではなく、フィルタ処理部６１０によって決められた少なくとも一つの抽出方法で脈波信号から第１評価データを抽出する。

　微分部６１１は、フィルタ処理部６１０から入力された脈波信号を微分する。微分部６１１は、フィルタ処理部６１０によって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６１１は、処理した脈波信号を分割部６１２に出力する。

　分割部６１２は、微分部６１１から入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６１２は、整数周期は１周期としているが、複数周期にしてもよい。分割部６１２は、分割波形データを規格化部６１３へ出力する。

　規格化部６１３は、分割部６１２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行う。規格化部６１３は、規格化された平均波形信号を回帰分析部６２０へ出力する。

　規格化部６１３は、分割波形信号の時間幅を統一するために分割部６１２から入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６１３は、時間幅を統一するための処理方法がフィルタ処理部６１０によって決められる。

　規格化部６１３は、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６１０によって決められる。

　ピーク位置算出部６１４は、フィルタ処理部６１０から入力された脈波信号のピーク位置と、隣り合うピーク同士の距離であるピーク間隔を算出する。ピーク位置算出部６１４は、抽出方法に基づき、算出したピーク間隔をピーク間隔平均算出部６１５と、ピーク間隔プロット部６１６と、フーリエ変換部６１７の少なくともいずれか一つへと出力する。

　ピーク間隔平均算出部６１５は、ピーク位置算出部６１４から入力されたピーク間隔の平均を算出し、ピーク間隔の平均値を測定器のサンプリングレートで割り、秒数に変換する。ピーク間隔平均算出部６１５は、秒数に変換した平均値を脈拍処理部６２１へ出力する。

　ピーク間隔プロット部６１６は、ピーク位置算出部６１４から入力されたピーク間隔を横軸とし、上述したピーク間隔の隣のピーク間隔を縦軸としたグラフをプロットし、脈波のピーク間隔のポアンカレプロットを取得する。ピーク間隔プロット部６１６は、脈波のピーク間隔のポアンカレプロットをストレスプロット処理部６２２へ出力する。

　フーリエ変換部６１７は、ピーク位置算出部６１４からピーク間隔を入力された場合は、ピーク間隔を時系列データに変換したデータをフーリエ変換する。また、フーリエ変換部６１７は、フィルタ処理部６１０で処理された脈波信号を入力として、フーリエ変換を行ってもよい。フーリエ変換部６１７は、抽出方法に基づき、フーリエ変換した信号を最大周波数検出部６１８、及びストレスフーリエ処理部６２３の少なくともいずれかに出力する。

　最大周波数検出部６１８は、フーリエ変換部６１７から入力された信号を０．１５～０．３５Ｈｚの間で最大値を示す周波数である最大周波数を検出する。最大周波数検出部６１８は、検出した最大周波数を呼吸数処理部６２４へと出力する。

　第１データ取得部６２は、規格化部６１３に接続された回帰分析部６２０と、ピーク間隔平均算出部６１５に接続された脈拍処理部６２１と、ピーク間隔プロット部６１６に接続されたストレスプロット処理部６２２と、フーリエ変換部６１７に接続されたストレスフーリエ処理部６２３と、最大周波数検出部６１８に接続された呼吸数処理部６２４と、を備える。

　第１データ取得部６２は、例えば処理の方法として、生体情報の実測値と予め取得された脈波信号との相関関係に基づいて構築された検量モデルを用いて、第１評価データから第１データを取得する。

　回帰分析部６２０は、規格化部６１３から入力された規格化された平均波形信号から、検量モデルに基づいて、第１データとして例えば血糖値、血圧、血中の酸素飽和度、血中二酸化炭素濃度などを取得する。

　回帰分析部６２０は、あらかじめ構築しておいた汎用的に利用できる検量モデル用いて、第１データ取得部６２に記憶させて第１データを取得することもできる。

　脈拍処理部６２１は、ピーク間隔平均算出部６１５から入力されたピーク間隔の平均値をサンプリングレートで割り、秒数に変換する。脈拍処理部６２１は、６０秒を算出した秒数で割り、一分当たりの脈拍数（ｂｐｍ）を算出し、第１データとして脈拍数を取得する。

　ストレスプロット処理部６２２は、ピーク間隔プロット部６１６から入力されたポアンカレプロットから、第１データとして例えばストレス度を取得する。ストレスプロット処理部６２２は、ポアンカレプロットの分散値を計算し、分散値の大きさからストレス度を推定する。

　ストレスフーリエ処理部６２３は、フーリエ変換部６１７から入力された信号の積分比から、第１データとして例えばストレス度を取得する。具体的な方法として、ストレスフーリエ処理部６２３は、例えばフーリエ変換されたピーク間隔の時系列データから自己回帰モデル（autoregressive model）を用いて、ＰＳＤ（power spectral density）を計算し、パワースペクトルの０．５Ｈｚから０．１５Ｈｚまでの領域を高周波ＬＦ（Low Frequency）とし、０．１５Ｈｚから０．４０Ｈｚまでの領域を低周波ＨＦ（Hi Frequency）の強度をそれぞれ合計した積分値の比によってストレス度を決定する。

　呼吸数処理部６２４は、最大周波数検出部６１８から入力された最大値を示す周波数に６０秒をかけて一分あたりの呼吸数（ｂｐｍ）に換算し、第１データとして呼吸数を取得する。

　図２１は、第２抽出部６３及び第２データ取得部６４の具体的な構成例を示している。第２抽出部６３は、フィルタ処理部６３０と、フィルタ処理部６３０に接続された微分部６３１と、フィルタ処理部６３０に接続されたピーク位置算出部６３４と、微分部６３１に接続された分割部６３２と、分割部６３２に接続された規格化部６３３と、ピーク位置算出部６３４に接続されたピーク間隔平均算出部６３５と、ピーク位置算出部６３４に接続されたピーク間隔プロット部６３６と、ピーク位置算出部６３４に接続されたフーリエ変換部６３７と、フーリエ変換部６３７に接続された最大周波数検出部６３８と、を備える。第２抽出部６３は、第１抽出部６１と同じもので構成されているが、第１抽出部６１において、第１抽出条件を参照していたものが、第２抽出部６３の場合は、第１抽出条件ではなく、第２抽出条件を参照している。

　フィルタ処理部６３０は、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６３０は、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６３０は、第２抽出条件を参照し、取得した脈波信号から第１評価データを抽出する方法を決定する。フィルタ処理部６３０は、フィルタリング処理された脈波信号を決定された抽出方法に基づき、微分部６３１と、ピーク位置算出部６３４と、フーリエ変換部６３７のいずれか少なくとも一つに出力する。

　第２抽出部６３は、一つの第２評価データを取得するために第２抽出部６３に備えられた抽出方法を必ずしもすべて使用するわけではなく、フィルタ処理部６３０によって決められた少なくとも一つの抽出方法で脈波信号から第２評価データを抽出する。

　微分部６３１は、フィルタ処理部６３０から入力された脈波信号を微分する。微分部６３１は、フィルタ処理部６３０によって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６３１は、微分処理した脈波信号を分割部６３２に出力する。

　分割部６３２は、微分部６３１から入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６３２は、整数周期は１周期としているが、複数周期にしてもよい。分割部６３２は、分割波形データを規格化部６３３へ出力する。

　規格化部６３３は、分割部６３２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行う。規格化部６３３は、規格化された平均波形信号を回帰分析部６４０へ出力する。

　規格化部６３３は、分割波形信号の時間幅を統一するために分割部６３２から入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６３３は、時間幅を統一するための処理方法がフィルタ処理部６３０によって決められる。

　規格化部６３３は、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６３０によって決められる。

　ピーク位置算出部６３４は、フィルタ処理部６３０から入力された脈波信号のピーク位置と、隣り合うピーク同士の距離であるピーク間隔を算出する。ピーク位置算出部６３４は、抽出方法に基づき、算出したピーク間隔をピーク間隔平均算出部６３５と、ピーク間隔プロット部６３６と、フーリエ変換部６３７の少なくともいずれか一つへと出力する。

　ピーク間隔平均算出部６３５は、ピーク位置算出部６３４から入力されたピーク間隔の平均を算出し、ピーク間隔の平均値を測定器のサンプリングレートで割り、秒数に変換する。ピーク間隔平均算出部６３５は、秒数に変換した平均値を脈拍処理部６４１へ出力する。

　ピーク間隔プロット部６３６は、ピーク位置算出部６３４から入力されたピーク間隔を横軸とし、上述したピーク間隔の隣のピーク間隔を縦軸としたグラフをプロットし、脈波のピーク間隔のポアンカレプロットを取得する。ピーク間隔プロット部６３６は、脈波のピーク間隔のポアンカレプロットをストレスプロット処理部６４２へ出力する。

　フーリエ変換部６３７は、ピーク位置算出部６３４からピーク間隔を入力された場合は、ピーク間隔を時系列データに変換したデータをフーリエ変換する。また、フーリエ変換部６３７は、フィルタ処理部６３０で処理された脈波信号を入力として、フーリエ変換を行ってもよい。フーリエ変換部６３７は、抽出方法に基づき、フーリエ変換した信号を最大周波数検出部６３８と、ストレスフーリエ処理部６４３の少なくともいずれか一つに出力する。

　最大周波数検出部６３８は、フーリエ変換部６３７から入力された信号を０．１５～０．３５Ｈｚの間で最大値を示す周波数である最大周波数を検出する。最大周波数検出部６３８は、検出した最大周波数を呼吸数処理部６４４へと出力する。

　第２データ取得部６４は、規格化部６３３に接続された回帰分析部６４０と、ピーク間隔平均算出部６３５に接続された脈拍処理部６４１と、ピーク間隔プロット部６３６でプロットしたグラフからストレス度を取得するストレスプロット処理部６４２と、フーリエ変換部６３７に接続されたストレスフーリエ処理部６４３と、最大周波数検出部６３８に接続された呼吸数処理部６４４と、を備える。

　第２データ取得部６４は、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３によって抽出された第２評価データを処理し、第２データを取得する。

　第２データ取得部６４は、例えば処理の方法として、生体情報の実測値と予め取得された脈波信号との相関関係に基づいて構築された検量モデルを用いて構築し、第２評価データから第２データを取得する。

　回帰分析部６４０は、規格化部６３３から入力された規格化された平均波形信号から、検量モデルに基づいて、第２データとして例えば血糖値、血圧、血中の酸素飽和度、血中二酸化炭素濃度などを取得する。

　回帰分析部６４０は、あらかじめ構築しておいた汎用的に利用できる検量モデルを汎用データとして、第２データ取得部６４に記憶させて第２データを取得することもできる。

　脈拍処理部６４１は、ピーク間隔平均算出部６３５から入力されたピーク間隔の平均値をサンプリングレートで割り、秒数に変換する。脈拍処理部６４１は、６０秒を算出した秒数で割り、一分当たりの脈拍数（ｂｐｍ）を算出し、第２データとして脈拍数を取得する。

　ストレスプロット処理部６４２は、ピーク間隔プロット部６３６から入力されたポアンカレプロットから、第２データとして例えばストレス度を取得する。ストレスプロット処理部６４２は、ポアンカレプロットの分散値を計算し、分散値の大きさからストレス度を推定する。

　ストレスフーリエ処理部６４３は、フーリエ変換部６３７から入力された信号の積分比から、第２データとして例えばストレス度を取得する。

　呼吸数処理部６４４は、最大周波数検出部６３８から入力された最大値を示す周波数に６０秒をかけて一分あたりの呼吸数（ｂｐｍ）に換算し、第２データとして呼吸数を取得する。

　生体情報演算システム１００によって取得される第１データ及び第２データは、例えば血圧、血糖値、血中の酸素飽和度、血中二酸化炭素濃度、脈拍数、呼吸数、ストレス度、血管年齢、糖尿病の程度などのうち少なくとも一つを含める。

　次に、本実施形態における生体情報演算システム１００の動作の一例について説明する。図２２は、本実施形態における生体情報演算システム１００の動作の一例を示すフローチャートである。

　脈波信号取得ステップＳ１０において、取得部５０が脈波信号を取得し、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力する。またこの時、取得部５０が取得した脈波信号の代わりに、生体情報演算システム１００は、メモリ５２に記録されていた脈波信号を、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力してもよい。脈波信号の具体的な取得方法として、例えばＦＢＧセンサが用いられる。

　次に取得部５０から脈波信号を入力された通信Ｉ／Ｆ５１は、通信網３を介して、脈波信号を脈波信号取得部６０へ送信する。また、この時、取得部５０が取得した脈波信号の代わりに、サーバ４に保存された脈波信号を脈波信号取得部６０へ送信してもよい。

　次に通信網３を介して、脈波信号を送信された脈波信号取得部６０は、脈波信号を第１抽出部６１及び第２抽出部６３へ出力する。

　次に第１抽出条件決定ステップＳ１１において、第１抽出部６１は、脈波信号取得部６０から入力された脈波信号をフィルタ処理部６１０へ入力する。その後、フィルタ処理部６１０は入力された脈波信号に施す抽出方法を、第１抽出条件を参照して、決定する。

　フィルタ処理部６１０は、第１抽出条件の中から、取得した脈波信号の状態、取得したい生体情報、外部要因によって、第１抽出部６１が脈波信号に施す抽出方法を決定する。外部要因は、例えばユーザの年齢や、性別や、病歴や、生活習慣や、投薬情報や、動脈硬化の程度や、健康状態や、遺伝情報などのユーザの情報、温度や、湿度などの環境情報などのうち少なくとも一つを含める。例えば、取得したい生体情報として、血糖値を取得したい場合、フィルタ処理部６１０は、脈波信号がフィルタ処理部６１０で処理を施された後、微分部６１１へと出力されるように第１抽出部６１に命令をする。第１抽出条件は、脈波信号から第１評価データを抽出するための抽出方法の一覧を含めるデータ群である。第１抽出条件のデータ群は複数の抽出方法を含めてもよいし、予め決められた単一の抽出方法を含めていてもよい。

　次に第１抽出ステップＳ１２において、第１抽出部６１は、脈波信号取得部６０から入力された脈波信号から第１評価データを抽出する。第１評価データとは、第１データ取得部６２で生体情報を取得するために第１抽出部６１によって、脈波信号から抽出された波形データである。第１評価データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。本実施形態では、例として血糖値を取得するための生体情報演算システム１００を説明する。

　まずフィルタ処理部６１０は、脈波信号取得部６０から入力された脈波信号にフィルタリング処理を施した後、例えば血糖値を生体情報として取得する場合、第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて、脈波信号を微分部６１１へと出力する。

　次に微分部６１１は、フィルタ処理部６１０から入力された脈波信号に微分をするか否かを、第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて判断し、処理を施した後、脈波信号を分割部６１２へと出力する。

　第１抽出条件決定ステップＳ１１で決定した抽出方法に基づいて、微分部６１１が脈波信号を微分するか否かを判断する理由は、脈波信号を微分するかしないかで得られる第１評価データの特徴に差が生じ、取得したい第１データによって、それに適した第１評価データを得るためである。また、「脈波信号を微分する」とは、脈波信号を加速度脈波として抽出することであり、「脈波信号を微分しない」とは、脈波信号を速度脈波として抽出することである。

　次に分割部６１２は、微分部６１１から入力された複数の波形信号のそれぞれを、平均化するために１周期分の分割波形データに分割する。その後、分割部６１２は、分割波形データを規格化部６１３へ出力する。

　規格化部６１３は、分割部６１２から入力された複数の分割波形信号の時間幅を統一するために横軸の規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う。この時、第１抽出部６１は平均波形信号を第１評価データとして取得する。その後、規格化部６１３は、規格化された平均波形信号を第１データ取得部６２へ出力する。

　規格化部６１３で時間幅を統一するために横軸の規格化処理を行う理由は、脈波の終端側で差が大きく表れることから、この部分を削除し、脈波の本体部分を解析対象とするためである。また平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う理由は、ＦＢＧセンサを測定部位に取り付ける際の押しつけ圧力のばらつきや、測定時にＦＢＧセンサが位置ずれすることによる測定データのばらつきを平均化するし、測定時のばらつきに起因するノイズを抑え、脈波信号と生体情報の実測値の相関関係の精度を向上させるためである。

　次に生体情報演算システム１００は、第１データ取得ステップＳ１３へ移行し、第１抽出条件に紐づく第１処理条件を参照し、第１抽出部６１から入力された第１評価データを第１データ取得部６２で処理し、第１データを取得する。

　第１処理条件は、第１抽出部６１から入力された第１評価データに、第１データ取得部６２で施す処理の第１抽出条件に紐づけられた方法を含めるデータ群である。第１データ取得部６２は第１処理条件の中から処理方法を決定する。第１処理条件のデータ群は複数の処理方法を含めてもよいし、予め決められた単一の処理方法を含めていてもよい。

　例えば、上述した抽出方法で取得した平均波形信号を第１評価データとして、第１データ取得部６２で処理する場合、第１データ取得部６２は、平均波形信号を回帰分析部６２０へ出力するように決定し、さらに回帰分析部６２０で平均波形信号に施す処理方法を決定する。

　第１抽出部６１から平均波形信号を入力された回帰分析部６２０は、実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から例えば血糖値を取得し、第１データとして出力する。

　検量モデルは、例えば予め測定された平均波形脈波を説明変数とし、生体情報の実測値を目的変数として、回帰分析等により解析し、その解析結果に基づいて構築されたものである。検量モデルは、あらかじめ構築しておいた汎用的に利用できる検量モデルを記憶部等に記憶させて、第１データを測定することもできる。検量モデルの構築は、例えば定期的にキャリブレーションする場合や、ユーザが変わったときに構築し直しするといった場合に必要になることがある。

　また、例えば血中二酸化炭素濃度などの異常値の値を観測しにくく、異常値のデータが集めにくい生体情報を推定する際に、回帰分析部６２０は第１抽出部６１から入力された平均波形信号と、検量モデルとの乖離度から、生体情報の異常値を推定してもよい。

　回帰分析部６２０は複数の検量モデルを有し、入力された平均波形データに対して、どの検量モデルを用いるかは、第１データ取得部６２において第１処理条件を参照して決定した処理方法によって決定される。例えばフィルタ処理部６１０で、取得したい生体情報として、血糖値が選択された場合、第１データ取得部６２は、第１抽出部６１から入力された平均波形信号を回帰分析部６２０へ出力し、回帰分析部６２０で、予め測定された脈波の波形データを説明変数とし、血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第１データを取得するように決定する。

　また、例えばフィルタ処理部６１０が、外部要因として、ユーザの年齢に基づいて、信号の抽出条件を決定した場合、第１データ取得部６２は、第１抽出条件に紐付けられた第１処理条件を参照することで、第１抽出部６１から入力された平均波形信号を回帰分析部６２０へ出力し、回帰分析部６２０で、予め測定された脈波の波形データを説明変数とし、ユーザの年齢に近いユーザの血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第１データを取得するように決定する。これらによって、抽出方法に適した処理方法の決定が可能となる。

　次に第２抽出部６３は、第２抽出条件決定ステップＳ１４において、脈波信号取得部６０から入力された脈波信号をフィルタ処理部６３０へ入力する。その後、フィルタ処理部６３０は入力された脈波信号に施す抽出方法を、第２抽出条件を参照して、決定する。

　第２抽出条件は、脈波信号から第２評価データを抽出するための抽出方法の一覧を含めるデータ群である。第２抽出条件のデータ群は複数の抽出方法を含めてもよいし、予め決められた単一の抽出方法を含めていてもよい。また、第２抽出条件は、第１抽出条件と同じものであってもよい。

　フィルタ処理部６３０は、第２抽出条件の中から、取得した脈波信号の状態、取得したい生体情報、外部要因によって、第２抽出部６３が脈波信号に施す抽出方法を決定する。外部要因は、例えばユーザの年齢や、性別や、病歴や、生活習慣や、健康状態や、遺伝情報などのユーザの情報、温度や、湿度などの環境情報などのうち少なくとも一つを含める。また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１データの内容によって、第２抽出部６３が脈波信号に施す抽出方法を決定してもよい。例えば、第１データ取得部６２で取得した第１データの血糖値の精度が低い場合、フィルタ処理部６３０は、第１抽出部６１で行わなかった抽出方法を決定する。また、例えば第１データとして血糖値を取得した場合、フィルタ処理部６３０は、血圧を第２データとして取得するために、規格化部６３３で、分割波形信号の時間幅を統一するために一定のサンプリング数でトリミングを行う抽出条件を決定してもよい。これによって、第１データの変化や特徴に合わせた第２データの取得が可能となり、高精度な評価結果をえることができる。また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１データの内容によって、第２データ取得部６４が第２評価データに施す処理方法を決定してもよい。具体的な方法としては、後述する第２データ取得部６４が、第１データ取得部６２で取得した第１データの内容によって、第２評価データに施す処理方法を決定する方法と同様なものでもよい。

　また、フィルタ処理部６３０は、第１データ取得部６２で取得した第１評価データの抽出方法によって、第２抽出部６３が脈波信号に施す抽出方法を決定してもよい。例えば、第１評価データを取得するときに、微分部６１１で微分を行った場合、フィルタ処理部６３０は、微分部６３１で微分を行わないように決定する。これらによって、第１データの変化に伴い、最適な第２データを取得することが可能となる。

　次に第２抽出部６３は、第２抽出ステップＳ１５において、脈波信号取得部６０から入力された脈波信号から第２評価データを抽出する。第２評価データとは、第２データ取得部６４で処理をするために第２抽出部６３によって、脈波信号から抽出された波形データである。第２評価データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。

　まずフィルタ処理部６３０は、脈波信号取得部６０から入力された脈波信号にフィルタリング処理を施した後、例えば血糖値を生体情報として取得する場合、第２抽出条件決定ステップＳ１４で決定した抽出方法に基づいて、脈波信号を微分部６３１へと出力する。

　次に微分部６３１は、フィルタ処理部６３０から入力された脈波信号に微分をするか否かを、第２抽出条件決定ステップＳ１４で決定した抽出方法に基づいて判断し、処理を施した後、脈波信号を分割部６３２へと出力する。

　次に分割部６３２は、微分部６３１から入力された複数の波形信号のそれぞれを、１周期分の分割波形データに分割する。その後、分割部６３２は、分割波形データを規格化部６３３へ出力する。

　規格化部６３３は、分割部６３２から入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした規格化を行う。この時、第２抽出部６３は平均波形信号を第２評価データとして取得する。その後、規格化部６３３は、規格化された平均波形信号を第２データ取得部６４へ出力する。

　次に生体情報演算システム１００は、第２データ取得ステップＳ１６へ移行し、第２抽出条件に紐づく第２処理条件を参照し、第２抽出部６３から入力された第２評価データを第２データ取得部６４で処理し、第２データを取得する。

　第２処理条件は、第２抽出部６３から入力された第２評価データに、第２データ取得部６４で施す処理の第２抽出条件に紐づけられた方法を含めるデータ群である。第２データ取得部６４は第２処理条件の中から処理方法を決定する。第２処理条件のデータ群は複数の処理方法を含めてもよいし、予め決められた単一の処理方法を含めていてもよい。また、第２処理条件は、第１処理条件と同じものであってもよい。

　また、第２データ取得部６４は、第１データの処理方法に応じて、第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。例えば、若年層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法を施した場合、第２データ取得部６４は、上記の処理方法に応じて、よりユーザに適した検量モデルを用いて、平均波形信号から第２データを取得してもよい。これによって、異なる処理の方法で取得した複数の生体情報を取得することが可能となり、より多角的で高精度な評価が可能となる。

　また、第２データ取得部６４は、第２処理条件を参照し、第１データの内容に対応する処理方法を決定してもよい。例えば、第１データによって、ユーザが低血糖の傾向があることが判明した場合、第２データ取得部６４は、第２データ取得部６４で施す第２評価データの処理方法として、低血糖のユーザの血糖値の実測値と脈波信号の相関関係を示した検量モデルを用いて、血糖値を取得する処理方法を決定してもよい。取得できる血糖値の値には大きな誤差がある場合が想定されるため、第１データの内容から低血糖帯、通常血糖帯、高血糖帯、超高血糖帯に分類し、その血糖帯に合わせた検量モデルを用いることで第２データとして取得する血糖値の精度を大幅に向上することが可能となる。また、第１データの内容からユーザが糖尿病かどうかを判断し、その結果に合わせて第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。これらによって、第１データの変化に追従して、第２評価データの処理を決定することで、より高精度な評価が可能になる。

　処理方法は、例えば回帰分析部６２０で、平均波形信号から第１データを取得する処理で用いられる検量モデルの内容によっても分類することができる。例えば、若年層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法と別の年代層のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いて、平均波形信号から第１データを取得する処理方法はそれぞれ異なる処理方法である。

　また、第２データ取得部６４は、第１評価データの分類パターンを参照して、第１評価データを分類した結果を第１データとし、上述した第１データを参照して、第２データ取得部６４で施す第２評価データの処理方法を決定してもよい。これによって、例えば分類しやすい加速度脈波を用いて、信号の特徴を分類したうえで、誤検出を抑制できる速度脈波を用いた高精度な評価が可能となる。これによって、第１データの変化に追従して、よりユーザに適した第２評価データの処理を決定することが可能となる。

　分類パターンは、信号の波形の特徴に応じて、信号を２つ以上のグループに分類するための分類表のことであり、例えば図１２に示す加速度脈波の分類パターンが用いられる。

　第１データ取得部６２は、微分部６１１で脈波信号を微分した加速度脈波に基づいた第１評価データが入力された場合、第１評価データが、例えば図１２のどのパターンに当てはまるかを判断し、分類パターンを決定する。例えば、入力された第１評価データの変曲点ｂが変曲点ｄより小さく、さらに変曲点ｃ≧０．５であれば、パターンＡを第１評価データの分類パターンとする。

　加速度脈波の分類ごとに、適した検量モデルが異なるので、第２データ取得部６４は、第１評価データの分類パターンを参照して、第１評価データを分類した結果を第１データとし、上述した第１データを参照して、第２データ取得部６４で施す第２評価データの処理の方法を決定することで、ユーザごとに適した処理方法を実現することができる。例えば、第１評価データがパターンＡに分類された結果を第１データとするとき、第２データ取得部６４は、回帰分析部６４０で、予め測定された脈波のパターンＡの波形データを説明変数とし、生体情報の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いて、入力された平均波形データから第２データを取得するように決定する。

　上述した加速度脈波の分類パターンの代わりに、例えば図１３に示す速度脈波の分類パターンを用いてもよい。これを上述したように用いることで、第１データ取得部６２は、微分部６１１で脈波信号を微分しない速度脈波に基づいた第１評価データが入力された場合でも分類パターンを決定することができる。

　次に、最適血糖値算出ステップＳ１７において、第１データ取得部６２で取得した第１データと、第２データ取得部６４で取得した第２データを最適血糖値算出部６５へ入力し、第１データと第２データから最適な生体情報を取得する。例えば、第１データとして取得した血糖値を第１血糖値とし、第２データとして取得した血糖値を第２血糖値とし、第１血糖値と第２血糖値から最適血糖値を算出する。最適値となる生体情報の算出方法については、例えば第１データと第２データにそれぞれの測定精度に伴って重み付けを行い、重み付けに基づき、複数の第１データ及び複数の第２データから最適値となる生体情報を算出してもよい。また、他の例として、他センサ等によって取得された血糖値を参照値とし、参照値と第１データ及び第２データのプロットグラフを作成し二つのプロットグラフのうち、エラーグリッド上で良好な値を示すデータを出力する方法と、第１データと第２データをそれぞれ複数取得し、バラつきの小さいデータを出力する方法と、予め設定された許容範囲に、第１データと第２データが範囲内に含まれるかを評価し、含まれるデータを出力する方法などがあげられる。

　ここで、脈波の波形信号は、抽出条件や処理の方法に応じて、取得できる生体情報の数値にばらつきが生じる場合がある。例えば抽出条件として微分を行った脈波を処理した場合と、抽出条件として微分を行わなかった脈波を処理した場合とを比較したとき、取得できる生体情報の数値にばらつきが生じることが懸念される。すなわち、脈波の波形信号を利用して十分な精度がある生体情報を取得するためには、複数種類の抽出条件等を経て同時に出力された複数の生体情報から、脈波の波形信号を多角的に評価する必要がある。

　一方、従来技術では、１つの脈波の波形信号に対して、複数種類の抽出条件等を経て、複数の生体情報を同時に出力することが開示されていない。このため、従来技術では抽出条件等によって取得できる生体情報にばらつきが生じるので、十分な精度が得られないという懸念がある。

　これに対し、本実施形態における生体情報演算システム１００は、例えば速度脈波を脈波信号として取得する脈波信号取得ステップＳ１０と、第１抽出条件を参照し、脈波信号に基づく第１評価データを抽出する第１抽出ステップＳ１２と、第１抽出条件に紐づく第１処理条件を参照し、第１評価データに対する第１データを取得する第１データ取得ステップＳ１３と、第２抽出条件を参照し、脈波信号に基づく第２評価データを抽出する第２抽出ステップＳ１５と、第２抽出条件に紐づく第２処理条件を参照し、第２評価データに対する第２データを取得する第２データ取得ステップＳ１６と、を備える。また、第２抽出ステップＳ１５は、第１データに応じて、参照する第２抽出条件に含まれる複数の抽出方法のうち何れか、又は第２処理条件に含まれる複数の処理方法のうち何れかを決定する。

　即ち、本実施形態によれば、第１抽出条件を参照した第１抽出ステップＳ１２によって、脈波信号に基づく第１評価データを抽出し、さらに第１抽出条件に紐づく第１処理条件を参照した第１データ取得ステップＳ１３によって、第１評価データに対する第１データを取得する。また、生体情報演算システム１００は、第２抽出条件を参照した第２抽出Ｓ１５によって、脈波信号に基づく第２評価データを抽出し、さらに第２抽出条件に紐づく第２処理条件を参照した第２データ取得ステップＳ１６によって、第２評価データに対する第２データを取得する。これらによって、入力された１つの脈波信号から、異なる抽出方法及び処理方法を施した複数の生体情報を同時に取得できる。この複数の生体情報によって、一つの脈波信号で生体情報の多角的な評価によって高精度な評価結果を得ることが可能になる。

　また、本実施形態によれば、第２抽出ステップＳ１５は、第１データ取得ステップＳ１３によって取得された第１データに応じて、参照する第２抽出条件に含まれる複数の抽出方法のうち何れか、又は前記第２処理条件に含まれる複数の処理方法のうち何れかを決定する。このため、第１データの内容から、最適な脈波信号に抽出方法を決定し、第１データの変化や特徴に合わせた第２データの取得が可能になる。これにより、ユーザの特徴に合わせた高精度な評価結果を得ることができる。

　また、本実施形態によれば、第２抽出ステップＳ１５は、第１抽出ステップＳ１２によって抽出された第１評価データの抽出方法に基づいて、参照する第２抽出条件に含まれる複数の抽出方法のうち何れかを決定する。これによって、第２抽出ステップＳ１５は、第１評価データの抽出方法から、より適した抽出方法を決定し、脈波信号により適した抽出方法の異なる複数の生体情報を取得することができ、多角的な評価によって、より高精度な評価結果を得ることが可能となる。

　また、本実施形態によれば、第２データ取得ステップＳ１６は、第１データ取得ステップＳ１３によって決定された第１データの処理方法に応じて、参照する第２処理条件に含まれる複数の処理方法のうち何れかを決定する。これによって、第２データ取得ステップＳ１６は、第１データの処理方法から最適な第２評価データの処理方法を決定でき、脈波信号により適した処理方法の異なる複数の生体情報を取得し、より多角的な評価によって、より高精度な評価結果を得ることが可能となる。

　また、本実施形態によれば、第１抽出ステップＳ１２は、脈波信号を微分し、第１評価データを抽出し、第１データ取得ステップＳ１３は、第１評価データの分類パターンを参照して、第１評価データを分類した結果を第１データの処理方法として取得することと、第２抽出ステップＳ１５は、脈波信号を微分しないで、第２評価データを抽出することで、分類に適した加速度脈波を第１評価データとして分類を行い、誤検出を抑制できる速度脈波を第２評価データとして処理を行うことができ、多角的な評価によって、より高精度な評価結果を得ることが可能となる。

（第８実施形態：生体情報演算システム１００）
　次に、第８実施形態における生体情報演算システム１００の一例について説明する。上述した実施形態と、第８実施形態との違いは、電子機器２が異なる処理を実施する点である。なお、上述した実施形態と同様の内容については、説明を省略する。

　図２３は、電子機器２の生体情報演算プログラムを実現するためのシーケンスを示している。電子機器２は、脈波信号取得部６０ａと、脈波信号取得部６０ａに接続された分類データ抽出部６１ａ及び評価用データ抽出部６５ａと、分類データ抽出部６１ａに接続された第１パターン選択部６２ａと、評価用データ抽出部６５ａに接続された第２パターン選択部６６ａと、第１パターン選択部６２ａ及び第２パターン選択部６６ａに接続された第１処理選択部６３ａと、第１処理選択部６３ａ及び評価用データ抽出部６５ａに接続された血糖値取得部６４ａと、を備えている。

　脈波信号取得部６０ａは、通信網３を介してセンサ５、サーバ４及び他の電子機器２から送信された脈波信号を取得する。脈波信号取得部６０ａは、取得した脈波信号を分類データ抽出部６１ａ及び評価用データ抽出部６５ａへ出力する。また、評価用データ抽出部６５ａによる脈波信号の抽出を必要としない場合、脈波信号取得部６０ａは、脈波信号を血糖値取得部６４ａへ出力してもよい。

　分類データ抽出部６１ａは、抽出条件を参照し、脈波信号取得部６０ａから入力された脈波信号に基づく分類データを抽出する。分類データ抽出部６１ａは、抽出した分類データを第１パターン選択部６２ａへ出力する。

　第１パターン選択部６２ａは、第１分類パターンを参照し、分類データ抽出部６１ａから入力された分類データに対する第１パターンを選択する。第１パターン選択部６２ａは、選択した第１パターンを第１処理選択部６３ａへ出力する。

　評価用データ抽出部６５ａは、評価用抽出条件を参照し、脈波信号取得部６０ａから入力された脈波信号に基づく評価用データを抽出する。評価用データ抽出部６５ａは、抽出した評価用データを第２パターン選択部６６ａ及び血糖値取得部６４ａへ出力する。

　第２パターン選択部６６ａは、第２分類パターンを参照し、評価用データ抽出部６５ａから入力された評価用データに対する第２パターンを選択する。第２パターン選択部６６ａは、選択した第２パターンを第１処理選択部６３ａへ出力する。

　第１処理選択部６３ａは、予め取得された処理パターンを参照して、第１パターン選択部６２ａから入力された第１パターンと、第２パターン選択部６６ａから入力された第２パターンとに基づき、第１処理を選択する。第１処理選択部６３ａは、選択した第１処理を血糖値取得部６４ａへ出力する。

　血糖値取得部６４ａは、第１処理選択部６３ａから入力された第１処理を参照して、評価用データ抽出部６５ａから入力された評価用データに対する血糖値を取得する。

　図２４は、分類データ抽出部６１ａの具体的な構成例を示している。分類データ抽出部６１ａは、脈波信号取得部６０ａに接続されたフィルタ処理部６１０ａと、フィルタ処理部６１０ａに接続された微分部６１１ａと、微分部６１１ａに接続された分割部６１２ａと、分割部６１２ａに接続された規格化部６１３ａと、を備える。

　分類データ抽出部６１ａは、一つの分類データを取得するために分類データ抽出部６１ａに備えられた抽出方法の必ずしもすべてを使用するわけではなく、抽出条件によって決められた少なくとも一つの抽出方法で脈波信号から分類データを抽出する。

　フィルタ処理部６１０ａは、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６１０ａは、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６１０ａは、抽出条件を参照し、取得した脈波信号から分類データを抽出する抽出方法を決定する。フィルタ処理部６１０ａは、フィルタリング処理された脈波信号を微分部６１１ａに出力する。

　微分部６１１ａは、フィルタ処理部６１０ａから入力された脈波信号を微分する。微分部６１１ａは、フィルタ処理部６１０ａによって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６１１ａは、処理した脈波信号を分割部６１２ａに出力する。

　分割部６１２ａは、微分部６１１ａから入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６１２ａは、整数周期は１周期としているが、複数周期にしてもよい。分割部６１２ａは、分割波形データを規格化部６１３ａへ出力する。

　規格化部６１３ａは、分割部６１２ａから入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行い、分類データを取得する。規格化部６１３ａは、取得した分類データを第１パターン選択部６２ａへ出力する。

　規格化部６１３ａは、分割波形信号の時間幅を統一するために分割部６１２ａから入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６１３ａは、時間幅を統一するための処理方法がフィルタ処理部６１０ａによって決められる。

　規格化部６１３ａは、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６１０ａによって決められる。

　第１パターン選択部６２ａは、予め取得された第１分類パターンを参照し、規格化部６１３ａから入力された分類データを、第１パターンに分類する。第１パターン選択部６２ａは、分類された第１パターンを第１処理選択部６３ａへ出力する。

　図２５は、評価用データ抽出部６５ａの具体的な構成例を示している。評価用データ抽出部６５ａは、脈波信号取得部６０ａに接続されたフィルタ処理部６５０ａと、フィルタ処理部６５０ａに接続された微分部６５１ａと、微分部６５１ａに接続された分割部６５２ａと、分割部６５２ａに接続された規格化部６５３ａと、を備える。評価用データ抽出部６５ａは、分類データ抽出部６１ａと同じもので構成されているが、分類データ抽出部６１ａにおいて、抽出条件を参照していたが、評価用データ抽出部６５ａの場合は、抽出条件ではなく、評価用抽出条件を参照している。

　フィルタ処理部６５０ａは、取得した脈波信号にフィルタリング処理を施す。フィルタ処理部６５０ａは、フィルタリングに例えば０．５～５Ｈｚのバンドパスフィルタを用いるが、この限りではない。また、フィルタ処理部６５０ａは、評価用抽出条件を参照し、取得した脈波信号から評価用データを抽出する抽出方法を決定する。フィルタ処理部６５０ａは、フィルタリング処理された脈波信号を微分部６５１ａに出力する。

　微分部６５１ａは、フィルタ処理部６５０ａから入力された脈波信号を微分する。微分部６５１ａは、フィルタ処理部６５０ａによって、微分処理が必要と判断された場合、入力された脈波信号に微分処理を行う。微分部６５１ａは、処理した脈波信号を分割部６５２ａに出力する。

　分割部６５２ａは、微分部６５１ａから入力された複数の波形信号のそれぞれを、整数周期分の分割波形データに分割する。本実施形態では分割部６５２ａは、整数周期は１周期としているが、複数周期にしてもよい。分割部６５２ａは、分割波形データを規格化部６５３ａへ出力する。

　規格化部６５３ａは、分割部６５２ａから入力された複数の分割波形信号の時間幅を統一するために規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の振幅の最大値を１、最小値を０とした規格化を行い、評価用データを取得する。規格化部６５３ａは、取得した評価用データを第２パターン選択部６６ａへ出力する。

　規格化部６５３ａは、分割波形信号の時間幅を統一するために分割部６５２ａから入力された複数の分割波形信号を一定の時間幅又は一定のサンプリング数でトリミングを行ってもよい。規格化部６５３ａは、時間幅を統一する方法がフィルタ処理部６５０ａによって決められる。

　規格化部６５３ａは、平均波形信号を取得するとき、複数の分割波形信号を必要とするが、必要な分割波形信号の数はフィルタ処理部６５０ａによって決められる。

　第２パターン選択部６６ａは、予め取得された第２分類パターンを参照し、規格化部６５３ａから入力された評価用データを、第２パターンに分類する。第２パターン選択部６６ａは、分類された第２パターンを第１処理選択部６３ａへ出力する。

　第１処理選択部６３ａは、予め取得された処理パターンを参照し、第１パターン選択部６２ａから入力された第１パターン及び第２パターン選択部６６ａから入力された第２パターンから、第１処理を選択する。第１処理選択部６３ａは、選択した第１処理を血糖値取得部６４ａへ出力する。

　生体情報演算システム１００によって取得される生体情報は、血糖値を含み、他の例として血圧、血中の酸素飽和度、血中二酸化炭素濃度、血管年齢、糖尿病の程度などを含んでもよい。生体情報演算システム１００は、例えば上記以外の脈波信号に相関関係のある情報を、生体情報として取得してもよい。

　次に、本実施形態における生体情報演算システム１００の動作の一例について説明する。図２６は、本実施形態における生体情報演算システム１００の動作の一例を示すフローチャートである。

　まず脈波信号取得ステップＳ１０ａにおいて、取得部５０が脈波信号を取得し、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力する。脈波信号取得ステップＳ１０ａは、例えば取得部５０が取得した脈波信号の代わりに、メモリ５２に記録されていた脈波信号を、内部バス５４を介して、通信Ｉ／Ｆ５１へ脈波信号を出力してもよい。脈波信号は、例えばＦＢＧセンサを用いて測定される。

　次に取得部５０から脈波信号を入力された通信Ｉ／Ｆ５１は、通信網３を介して、脈波信号を脈波信号取得部６０ａへ送信する。また、この時、取得部５０が取得した脈波信号の代わりに、サーバ４に保存された脈波信号を脈波信号取得部６０ａへ送信してもよい。

　次に通信網３を介して、脈波信号を送信された脈波信号取得部６０ａは、脈波信号を分類データ抽出部６１ａ及び評価用データ抽出部６５ａへ出力する。

　分類データ抽出部６１ａは、抽出条件を参照し、脈波信号取得部６０ａから入力された脈波信号から分類データを抽出する。分類データとは、第１パターン選択部６２ａで脈波信号を分類するために分類データ抽出部６１ａによって、抽出された波形データである。分類データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。

　フィルタ処理部６１０ａは、抽出条件を参照して、取得した脈波信号の状態、付加情報によって、分類データ抽出部６１ａが脈波信号に施す抽出の方法を決定する。付加情報は、ユーザの情報を示し、例えばユーザの年齢、性別、病歴、生活習慣、健康状態、投薬情報、動脈硬化の程度、又は遺伝情報などの情報のほか、温度、湿度、又はセンサ５に取り付けられた加速度センサが測定した加速度などの環境情報のうち少なくとも１つを含む。

　例えば、フィルタ処理部６１０ａは、微分部６１１ａで、フィルタ処理部６１０ａから入力された脈波信号を微分するように命令をする。

　まず分類データ抽出部６１ａは、脈波信号取得部６０ａから入力された脈波信号をフィルタ処理部６１０ａへと出力する。

　次にフィルタ処理部６１０ａは、脈波信号取得部６０ａから入力された脈波信号にフィルタリング処理を施した後、脈波信号を微分部６１１ａへと出力する。

　次に微分部６１１ａは、フィルタ処理部６１０ａから入力された脈波信号に微分をするか否かを、フィルタ処理部６１０ａに基づいて判断し、処理を施した後、脈波信号を分割部６１２ａへと出力する。

　フィルタ処理部６１０ａに基づいて、微分部６１１ａが脈波信号を微分するか否かを判断する理由は、脈波信号を微分するかしないかで得られる分類データの特徴に差が生じ、取得した脈波信号によって、それに適した第１処理を決定するためである。

　次に分割部６１２ａは、微分部６１１ａから入力された複数の波形信号のそれぞれを、平均化するために１周期分の分割波形データに分割する。その後、分割部６１２ａは、分割波形データを規格化部６１３ａへ出力する。

　規格化部６１３ａは、分割部６１２ａから入力された複数の分割波形信号の時間幅を統一するために横軸の規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行い、分類データを取得する。その後、規格化部６１３ａは、分類データを第１パターン選択部６２ａへ出力する。

　規格化部６１３ａで時間幅を統一するために横軸の規格化処理を行う理由は、脈波の終端側で差が大きく表れることから、この部分を削除し、脈波の本体部分を解析対象とするためである。また平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う理由は、ＦＢＧセンサを測定部位に取り付ける際の押しつけ圧力のばらつきや、測定時にＦＢＧセンサが位置ずれすることによる測定データのばらつきを平均化するし、測定時のばらつきに起因するノイズを抑え、脈波信号と生体情報の実測値の相関関係の精度を向上させるためである。

　次に、第１パターン選択ステップＳ１２ａは、第１分類パターンを参照し、分類データ抽出部６１ａから入力された分類データを第１パターン選択部６２ａで分類し、第１パターンを取得する。分類パターンは、例えば上述した実施形態と同様に、図１２等のような加速度脈波の分類パターンが用いられる。

　第１パターン選択部６２ａは、微分部６１１ａで脈波信号を微分した加速度脈波に基づいた分類データが入力された場合、分類データが、例えば図１２のどのパターンに当てはまるかを判断し、第１パターンを決定する。

　次に評価用データ抽出ステップＳ１３ａにおいて、評価用データ抽出部６５ａは、評価用抽出条件を参照し、脈波信号取得部６０ａから入力された脈波信号から評価用データを抽出する。評価用データ抽出部６５ａが脈波信号に施す抽出方法は、分類データ抽出部６１ａが脈波信号に施す抽出方法とほぼ同様であるが、分類データ抽出部６１ａにおいて、抽出条件を参照していたもの、評価用データ抽出部６５ａの場合は、抽出条件ではなく、評価用抽出条件を参照している点で異なっている。また、評価用データ抽出部６５ａは、脈波信号取得部６０ａから分類データ抽出部６１ａに入力された脈波信号とは異なる脈波信号を脈波信号取得部６０ａから入力され、上述した脈波信号から評価用データを抽出してもよい。評価用データとは、第２パターン選択部６６ａで脈波信号を分類又は血糖値取得部６４ａで生体情報を取得するために評価用データ抽出部６５ａによって、抽出された波形データである。評価用データは、例えば脈波信号が、フィルタリング処理、微分処理、規格化処理、及び平均化処理の少なくとも何れかによって１周期分等の波形に処理された波形データである。

　フィルタ処理部６５０ａは、評価用抽出条件を参照して、取得した脈波信号の状態、付加情報によって、評価用データ抽出部６５ａが脈波信号に施す抽出の方法を決定する。抽出の方法として、例えば、付加情報として上述した加速度が高い数値が測定された場合、フィルタ処理部６５０ａは、通過周波数帯がより狭いバンドパスフィルタを使用してもよい。

　また、フィルタ処理部６５０ａは、分類データの抽出方法によっても、評価用データ抽出部６５ａが脈波信号に施す抽出の方法を決定する。例えば、微分部６１１ａに微分する抽出方法を決定していた場合、フィルタ処理部６５０ａは、微分部６５１ａで、フィルタ処理部６５０ａから入力された脈波信号を微分しないように命令をする。これによって、分類しやすい加速度脈波を分類データとして分類を行い、分類データに対する第１パターンを選択し、第１パターンに対する第１処理を決定することができ、誤検出を抑えやすい速度脈波を評価用データとして、評価用データに対する血糖値を取得することが可能となり、より高精度な評価ができる。

　まず評価用データ抽出部６５ａは、脈波信号取得部６０ａから入力された脈波信号をフィルタ処理部６５０ａへと出力する。

　次にフィルタ処理部６５０ａは、脈波信号取得部６０ａから入力された脈波信号にフィルタリング処理を施した後、脈波信号を微分部６５１ａへと出力する。

　次に微分部６５１ａは、フィルタ処理部６５０ａから入力された脈波信号に微分をするか否かを、フィルタ処理部６５０ａに基づいて判断し、処理を施した後、脈波信号を分割部６５２ａへと出力する。

　次に分割部６５２ａは、微分部６５１ａから入力された複数の波形信号のそれぞれを、平均化するために１周期分の分割波形データに分割する。その後、分割部６５２ａは、分割波形データを規格化部６５３ａへ出力する。

　規格化部６５３ａは、分割部６５２ａから入力された複数の分割波形信号の時間幅を統一するために横軸の規格化をし、複数の分割波形信号の平均となる平均波形信号を取得し、平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行い、評価用データを取得する。その後、規格化部６５３ａは、評価用データを第２パターン選択部６６ａへ出力する。

　規格化部６５３ａで時間幅を統一するために横軸の規格化処理を行う理由は、脈波の終端側で差が大きく表れることから、この部分を削除し、脈波の本体部分を解析対象とするためである。また平均波形信号の最大値を１、最小値を０とした縦軸の規格化を行う理由は、ＦＢＧセンサを測定部位に取り付ける際の押しつけ圧力のばらつきや、測定時にＦＢＧセンサが位置ずれすることによる測定データのばらつきを平均化するし、測定時のばらつきに起因するノイズを抑え、脈波信号と生体情報の実測値の相関関係の精度を向上させるためである。

　次に、第２パターン選択ステップＳ１４ａは、第２分類パターンを参照し、評価用データ抽出部６５ａから入力された評価用データを第２パターン選択部６６ａで分類し、第２パターンを取得する。

　第２パターン選択部６６ａは、第１パターン選択部６２ａと同様に、入力された評価用データ及び付加情報が、例えばどのパターンに当てはまるかを判断し、第２パターンを決定する。

　また、第２パターン選択部６６ａは、第１パターン選択部６２ａと同様に、入力された複数の分類データと付加情報から、それぞれの分類結果を重み付けして、複数のパターンの割合を第２パターンとしてよい。

　次に第１処理選択ステップＳ１５ａにおいて、第１処理選択部６３ａは、予め取得された処理パターンを参照し、第１パターン選択部６２ａから入力された第１パターン及び第２パターン選択部６６ａから入力された第２パターンに対する第１処理を選択し、血糖値取得部６４ａに出力する。

　処理パターンは、評価用データから血糖値を取得するために、血糖値取得部６４ａが、評価用データに施す一連の処理方法を含めるデータ群のことである。第１処理選択部６３ａは処理パターンの中から評価用データに施す処理方法を第１処理として決定する。処理パターンのデータ群は複数の処理方法を含めてもよい。処理パターンとして、例えば、実測値と脈波信号の相関関係を示した検量モデルを用いて、評価用データから血糖値を取得する処理方法が挙げられる。また、処理パターンは、例えば入力された評価用データと、検量モデルとの乖離度から、血糖値の異常値を推定する処理方法を含める。

　第１処理選択部６３ａは、第１パターン選択部６２ａから入力された第１パターン及び第２パターン選択部６６ａから入力された第２パターンに対して、最適な検量モデルを用いた処理方法を第１処理として選択し、血糖値取得部６４ａに出力してもよい。

　第１処理の選択方法として、例えば、第１パターン選択部６２ａから入力された第１パターン及び第２パターン選択部６６ａから入力された第２パターンに最も該当する脈波のパターンの波形データを説明変数とし、血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いた処理パターンを第１処理として選択し、血糖値取得部６４ａに出力してもよい。例えば、パターンＢが第１パターンとして入力された場合、パターンＢの波形データを説明変数とし、血糖値の実測値を目的変数として、回帰分析により解析し、その解析結果に基づいて構築された検量モデルを用いた処理方法を処理パターンから第１処理として選択する。

　また、第１パターン選択部６２ａから入力された第１パターン及び第２パターン選択部６６ａから入力された第２パターンが複数のパターンで構成される場合、第１処理選択部６３ａは、それぞれのパターンに該当する複数の検量モデルを用いた複数の第１処理を選択し、血糖値取得部６４ａに出力してもよい。

　また、第１処理選択部６３ａは、入力された付加情報に対する第１処理を選択してもよい。例えば付加情報としてユーザの年齢が４０代と入力された場合、第１処理選択部６３ａは、４０代のユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いた処理方法を第１処理として選択し、血糖値取得部６４ａに出力してもよい。また、例えば動脈硬化の程度や、糖尿病であるかどうかなどを付加情報として、上述したように、第１処理選択部６３ａは、付加情報に当てはまるユーザから測定した実測値と脈波信号の相関関係を示した検量モデルを用いた処理方法を第１処理として選択し、血糖値取得部６４ａに出力してもよい。

　次に血糖値取得部６４ａは、血糖値取得ステップＳ１６ａにおいて、第１処理選択部６３ａから入力された第１処理を参照し、評価用データ抽出部６５ａから入力された評価用データに対する血糖値等の生体情報を取得する。

　血糖値取得部６４ａは、第１処理選択部６３ａから複数の第１処理を入力された場合、それぞれの第１処理に基づいて、評価用データに対する複数の血糖値を取得してもよい。また、その場合は例えば複数の血糖値から最適血糖値を算出してもよい。最適血糖値の算出方法として、複数の血糖値の平均値を最適な血糖値として出力してもよい。また、例えばそれぞれの測定精度に伴って、それぞれの血糖値に重み付けを行い、重み付けに基づき、複数の血糖値から最適血糖値を算出してもよい。また、他の例として、血糖値を取得した複数の第１処理のうち、エラーグリッド上で良好な値を示す第１処理によって取得した血糖値を最適血糖値として出力する方法と、それぞれの第１処理を用いて、血糖値を複数取得し、バラつきの小さい第１処理によって取得された血糖値を最適血糖値として出力する方法と、予め設定された許容範囲に、血糖値が範囲内に含まれるかを評価し、含まれる血糖値を最適血糖値として出力する方法などがあげられる。

　ここで、脈波の波形信号は、ユーザの性別や年齢などの属性により、脈波の波形信号から取得できる血糖値の数値にばらつきが生じる場合がある。例えば、２０代の男性をユーザとして、測定した脈波を処理した場合と、５０代の女性をユーザとして、測定した脈波を処理した場合とを比較したとき、処理の方法によって、取得できる血糖値の精度にばらつきが生じ、十分な精度が得られないという懸念がある。

　これに対し、本実施形態における係る生体情報演算システム１００は、速度脈波を脈波信号として取得する脈波信号取得ステップＳ１０ａと、脈波信号に基づく分類データを抽出する分類データ抽出ステップＳ１１ａと、評価用抽出条件を参照し、分類データと異なる抽出方法により、脈波信号に基づく評価用データを抽出する評価用データ抽出ステップＳ１３ａと、予め取得された複数の第１パターンを含む第１分類パターンを参照し、分類データに対する第１パターンを１以上選択する第１パターン選択ステップＳ１２ａと、予め取得された複数の第１処理を含む処理パターンを参照し、第１パターンに対する第１処理を１以上選択する第１処理選択ステップＳ１５ａと、第１処理を参照し、評価用データから血糖値等の生体情報を取得する生体情報取得ステップ（例えば血糖値取得ステップＳ１６ａ）と、を備える。

　即ち、本実施形態によれば、生体情報演算システム１００は、第１処理選択ステップＳ１５ａによって選択された第１パターンに対する第１処理を参照し、評価用データ抽出ステップＳ１３ａによって抽出された評価用データから血糖値等の生体情報を取得する。これによって、入力された脈波信号から、脈波信号に対して最適な処理方法を選択し、血糖値等の生体情報が取得できるため、ユーザの属性に合わせた脈波信号の処理が可能になり、高精度な評価結果を得ることができる。

　また、本実施形態によれば、生体情報演算システム１００は、分類データ抽出ステップＳ１１ａで脈波信号を微分することにより、加速度脈波を分類データとして抽出し、分類データに対する第１パターンを選択する。また、評価用データ抽出ステップＳ１３ａは、脈波信号を微分しないことにより、速度脈波を評価用データとして抽出する。これらによって、分類に適した加速度脈波を用いて脈波信号の特徴を分類した上で、誤検出を抑制できる速度脈波を用いて血糖値を計測するため、高精度な評価が可能となる。

　また、本実施形態によれば、第１処理選択ステップＳ１５ａは、第１パターン選択手段によって選択された第１パターン及び第２パターン選択ステップＳ１２ａ、Ｓ１４ａによって選択された第２パターンに対する第１処理を選択する。これによって、１つの脈波信号から取得した異なる抽出方法を施した複数のパターンから、より最適な処理方法の選択が可能となり、さらに精度が向上する。

　また、本実施形態によれば、第１パターン選択ステップＳ１２ａは、分類データ抽出ステップＳ１１ａによって抽出された分類データ及び付加情報に対する第１パターンを選択する。これによって、付加情報に対する第１パターンの選択が可能となり、さらに精度が向上する。

　また、本実施形態によれば、第１処理選択ステップＳ１５ａは、分類データ抽出ステップＳ１１ａによって抽出された第１パターン及び付加情報に対する第１処理を選択する。これによって、付加情報に対する第１処理の選択が可能となり、さらに精度が向上する。

　本発明の実施形態を説明したが、この実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。このような新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１　　　　：生体情報演算装置
３　　　　：通信網
４　　　　：サーバ
５　　　　：センサ
６　　　　：検出部
１０　　　：筐体
１１　　　：取得部
１２　　　：生成部
１３　　　：出力部
１４　　　：記憶部
１５　　　：学習部
５０　　　：取得部
５１　　　：通信Ｉ／Ｆ
５２　　　：メモリ
５３　　　：命令部
５４　　　：内部バス
５５　　　：リストバンド
１００　　：生体情報演算システム
１０１　　：ＣＰＵ
１０２　　：ＲＯＭ
１０３　　：ＲＡＭ
１０４　　：保存部
１０５　　：Ｉ／Ｆ
１０６　　：Ｉ／Ｆ
１０７　　：Ｉ／Ｆ
１０８　　：入力部
１０９　　：表示部
１１０　　：内部バス
Ｓ１１０　：取得ステップ
Ｓ１２０　：生成ステップ
Ｓ１３０　：出力ステップ
Ｓ１４０　：保存ステップ
Ｓ１５０　：総合評価ステップ
Ｓ１６０　：算出ステップ
Ｓ１７０　：更新ステップ

Claims

　ユーザの生体情報を評価する生体情報演算システムであって、
　前記ユーザの脈波に基づき、第１評価データ及び第２評価データを取得する取得手段と、
　予め取得された学習用脈波に基づく入力データ、及び前記入力データに紐づく生体情報を含む参照データの一対を学習データとして、複数の前記学習データを用いて生成された分類情報が記憶されたデータベースと、
　前記データベースを参照し、前記第１評価データに対する第１生体情報を含む第１評価結果を生成する生成手段と、
　を備えること
　を特徴とする生体情報演算システム。
　前記生成手段は、前記第２評価データに対する前記第１生体情報とは異なる種類の第２生体情報を含む第２評価結果を生成することを含むこと
　を特徴とする請求項１記載の生体情報演算システム。
　前記第１評価結果、及び前記第２評価結果を保存する保存手段をさらに備えること
　を特徴とする請求項２記載の生体情報演算システム。
　前記取得手段は、前記ユーザの脈波に基づく速度脈波及び加速度脈波の何れかに相当する１つの脈波データに対し、それぞれ異なる種類の処理を実施することで、前記第１評価データ及び前記第２評価データを取得すること
　を特徴とする請求項２記載の生体情報演算システム。
　前記分類情報は、異なる種類の前記学習データを用いて生成された第１分類情報、及び第２分類情報を含み、
　前記生成手段は、
　　前記第１分類情報を参照して前記第１評価データに対する前記第１評価結果を生成し、
　　前記第２分類情報を参照して前記第２評価データに対する前記第２評価結果を生成すること
　を含むこと
　を特徴とする請求項２記載の生体情報演算システム。
　前記ユーザの特徴を示す付加情報を取得し、前記第１評価結果、前記第２評価結果、及び前記付加情報に基づき、前記ユーザの特徴を総合的に評価した総合評価結果を生成する総合評価手段を備えること
　を特徴とする請求項２記載の生体情報演算システム。
　前記分類情報は、それぞれ異なる前記学習データを用いて算出された複数の属性別分類情報を含み、
　前記生成手段は、
　　前記第２評価データを参照し、複数の前記属性別分類情報のうち第１分類情報を選択する選択手段と、
　　前記第１分類情報を参照し、前記第１評価データに対する前記第１評価結果を生成する属性別生成手段と
　を含むこと
　を特徴とする請求項１記載の生体情報演算システム。
　前記取得手段は、
　　前記脈波に基づく速度脈波に相当するデータを、前記第１評価データとして取得し、
　　前記脈波に基づく加速度脈波に相当するデータを、前記第２評価データとして取得すること
　を含むこと
　を特徴とする請求項７記載の生体情報演算システム。
　前記生成手段は、
　　前記分類情報のうち、前記脈波の特徴に基づき第１分類情報を選択し、
　　前記第１分類情報を参照し、前記第１評価データに対する前記第１評価結果を生成すること
　を含むこと
　を特徴とする請求項１記載の生体情報演算システム。
　前記保存手段により保存された前記第１評価結果、及び前記第２評価結果に基づき、前記ユーザの特徴を総合的に評価した総合評価結果を生成する算出手段を備えること
　を特徴とする請求項３記載の生体情報演算システム。
　前記保存手段は、
　　前記第１評価結果、及び前記第２評価結果の内容に対して前記ユーザが判定した判定結果を取得し、
　　前記判定結果、前記第１評価結果、及び前記第２評価結果をそれぞれ紐づけて保存すること
　を含むこと
　を特徴とする請求項３記載の生体情報演算システム。
　前記保存手段に保存された前記判定結果、前記第１評価結果、及び前記第２評価結果に基づき、前記分類情報を更新する更新手段を備えること
　を特徴とする請求項１１記載の生体情報演算システム。
　前記データベースが保存され、前記生成手段により前記第１評価結果を生成するサーバと、
　前記第１評価結果を前記サーバから受信し、表示する生体情報演算装置と、
　を備えること
　を特徴とする請求項１記載の生体情報演算システム。
　請求項１記載の前記第１評価結果が保存されたことを特徴とするサーバ。
　表示部、制御部及び記憶部を備えるコンピュータに用いられ、前記記憶部に記憶されるデータ構造であって、
　請求項２記載の生体情報演算システムにより生成された前記第１評価結果、及び前記第２評価結果を含み、
　前記第１評価結果、及び前記第２評価結果は、前記制御部が前記ユーザの特徴を総合的に評価した総合評価結果を生成する際に用いられること
　を特徴とするデータ構造。