WO2022113878A1 - 血圧計、血圧計における個人認証方法、およびプログラム - Google Patents

血圧計、血圧計における個人認証方法、およびプログラム Download PDF

Info

Publication number
WO2022113878A1
WO2022113878A1 PCT/JP2021/042449 JP2021042449W WO2022113878A1 WO 2022113878 A1 WO2022113878 A1 WO 2022113878A1 JP 2021042449 W JP2021042449 W JP 2021042449W WO 2022113878 A1 WO2022113878 A1 WO 2022113878A1
Authority
WO
WIPO (PCT)
Prior art keywords
pressure
feature
cuff
subject
user
Prior art date
Application number
PCT/JP2021/042449
Other languages
English (en)
French (fr)
Inventor
翔 寺澤
Original Assignee
オムロンヘルスケア株式会社
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 オムロンヘルスケア株式会社 filed Critical オムロンヘルスケア株式会社
Priority to DE112021006286.7T priority Critical patent/DE112021006286T5/de
Priority to CN202180077411.9A priority patent/CN116546920A/zh
Publication of WO2022113878A1 publication Critical patent/WO2022113878A1/ja
Priority to US18/136,032 priority patent/US20230255500A1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • 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
    • A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
    • 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
    • A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
    • A61B5/02225—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers using the oscillometric method
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Definitions

  • the present invention relates to a sphygmomanometer, and more particularly to a sphygmomanometer having a personal authentication function.
  • the present invention also relates to a personal authentication method for a sphygmomanometer.
  • the present invention also relates to a program for causing a computer to execute a personal authentication method in such a sphygmomanometer.
  • an object of the present invention is to provide a sphygmomanometer that observes the pressure of the cuff and measures the blood pressure, which can perform personal authentication with a simple configuration and with high accuracy. Further, an object of the present invention is to provide a personal authentication method in such a sphygmomanometer. It is also intended to provide a program for causing a computer to execute such a personal authentication method.
  • the sphygmomanometer of this disclosure is A sphygmomanometer equipped with a cuff for compressing the subject's area to be measured and observing the pressure of the cuff to measure blood pressure.
  • a pressure control unit that controls the supply of fluid to the cuff to pressurize it or discharge the fluid from the cuff to reduce the pressure.
  • the pressure detector that detects the pressure of the cuff and
  • a blood pressure calculation unit that calculates blood pressure based on the output of the pressure detection unit,
  • the feature acquisition unit that acquires the feature information about the pressure change pattern of the cuff with the passage of time from the start of pressurization in the process of pressurizing the cuff, and the feature acquisition unit.
  • the feature is that the acquired feature information is compared with the registered feature information about the user registered in advance, and the authentication unit for performing personal authentication for the subject is provided.
  • the "pressure of the cuff” means the pressure in the cuff (typically, the fluid bag contained in the cuff).
  • the "cuff pressure” is abbreviated as “cuff pressure” as appropriate.
  • the "pressure change pattern” means a pattern in which the pressure of the cuff changes with the passage of time from the start of pressurization in the process of pressurizing the cuff.
  • the pressure of the cuff is superposed with the pressure fluctuation component due to the pulse wave indicated by the measured site.
  • Performing personal authentication means determining whether or not the subject to be authenticated is a pre-registered user (person).
  • the subject is a pre-registered user depending on whether or not the feature information about the pressure change pattern of the subject matches the registered feature information about the pre-registered user. Judge whether or not.
  • the number of "pre-registered users" may be singular or plural.
  • the "registered feature information” is typically feature information acquired by the feature acquisition unit and stored in the storage unit in advance before the personal authentication is performed.
  • blood pressure is measured as follows. With the cuff attached to the measurement site, the pressure control unit supplies fluid to the cuff to pressurize it, or discharges the fluid from the cuff to reduce the pressure. In the pressurization process by the pressurization or the subsequent depressurization process, the pressure detection unit detects the pressure of the cuff. The blood pressure calculation unit calculates the blood pressure based on the output of the pressure detection unit. In this way, blood pressure measurement is performed.
  • the feature acquisition unit acquires feature information about the pressure change pattern that rises while increasing the rate of increase with the passage of time from the start of pressurization in the process of pressurizing the cuff for the subject to be authenticated.
  • the authentication unit compares the acquired feature information with the registered feature information for the user registered in advance, and performs personal authentication for the subject.
  • the pressure change pattern (particularly, the DC pressure change pattern according to the DC component of the pressure of the cuff) is the peripheral length (thick arm or thin arm) and body composition (muscular or fat) of the measurement site. It is empirically known that it is determined depending on the physical characteristics of the subject such as.
  • the internal capacity of the cuff increases as compared with the case where the circumference is small (that is, in the case of a thin arm).
  • the rate of increase (gradient) of the cuff pressure tends to be small.
  • the measured part is fatty, the measured part is more likely to be crushed in the high pressure region than when it is muscular, so that the increase rate (gradient) of the cuff pressure tends to be smaller in the high pressure region.
  • the above certification department Create a feature space with different feature values included in the feature information for the pressure change pattern as the coordinate axes.
  • the points corresponding to the registered feature information are calculated for the pre-registered user, and the subject is the pre-registered user around the points corresponding to the registered feature information.
  • Set an acceptable range that should be recognized as being When the point corresponding to the acquired feature information for the subject falls within the permissible range in the feature space, it is determined that the subject is the pre-registered user, while the acquisition for the subject. When the point corresponding to the feature information is not within the permissible range, it is determined that the subject is not the pre-registered user.
  • the sphygmomanometer of this embodiment by appropriately setting the allowable range, it is possible to more accurately determine whether or not the subject (subject to be authenticated) is the pre-registered user.
  • a first pressure detector that extracts a DC component from the pressure of the cuff and detects a DC pressure change pattern
  • the pressure fluctuation component due to the pulse wave indicated by the measurement site is extracted from the pressure of the cuff, and the waveform pattern for each beat is detected.
  • the feature acquisition unit acquires the one-beat feature amount for the waveform pattern for each beat in addition to the DC feature amount for the DC pressure change pattern.
  • the certification unit compares the acquired one-beat features with the pre-registered one-beat features. It is characterized in that personal authentication is performed for the above-mentioned subject in comparison with the amount.
  • DC feature amount means a feature amount for a DC pressure change pattern. Further, the "one-beat feature amount” means not a DC pressure change pattern but a feature amount for a waveform pattern for each beat.
  • the first pressure detecting unit extracts a DC component from the pressure of the cuff in the pressurizing process of the cuff and detects a DC pressure change pattern.
  • the second pressure detecting unit extracts the pressure fluctuation component due to the pulse wave indicated by the measured site from the pressure of the cuff in the pressurizing process of the cuff or the depressurizing process following the pressurizing process, and one beat. Detects each waveform pattern.
  • the feature acquisition unit acquires the one-beat feature amount for the waveform pattern for each beat in addition to the DC feature amount for the DC pressure change pattern.
  • the certification unit compares the acquired one-beat features with the pre-registered one-beat features. Personal authentication is performed for the above subjects in comparison with the amount. As described above, by using the one-beat feature amount as a judgment material in addition to the DC feature amount, it is possible to perform personal authentication of the subject with higher accuracy.
  • the authentication unit is characterized in that, under a predetermined first condition, only the DC feature amount is used without using the one-beat feature amount for personal authentication of the subject.
  • the pulse rate when performing personal authentication is significantly higher or lower than the pulse rate when the above-mentioned registered feature information is registered.
  • the condition that the reliability of the one-beat feature amount is low can be mentioned.
  • the authentication unit does not use the one-beat feature amount for personal authentication of the subject under the predetermined first condition, but only the DC feature amount.
  • the first condition for example, it is defined that the pulse rate at the time of personal authentication is significantly higher or lower than the pulse rate at the time of registering the registered feature information.
  • the DC feature is not used. Can only be used. As a result, it is possible to prevent the accuracy of the personal authentication from being lowered.
  • the characteristic information about the pressure change pattern of the subject is acquired in advance in the pressurizing process of the cuff, and the acquired characteristic information is associated with the subject and registered. It is characterized in that it is provided with a feature registration unit that controls storage of the feature information in the storage unit.
  • the feature registration unit performs the following control in advance before performing the personal authentication.
  • the acquired feature information is stored in the storage unit as the registered feature information in association with the subject.
  • the authentication unit can perform personal authentication on the subject by using the registered feature information registered in the storage unit as a reference for comparison.
  • the sphygmomanometer Memory and Each has an input layer containing multiple nodes, multiple intermediate layers, and a neural network with output layers.
  • the neural network passes through the plurality of intermediate layers to the output layer. The weighting between the above nodes has been made and learned so as to output the output information representing the teacher user corresponding to the input feature information.
  • the pressure of the user is applied to each user.
  • the feature information about the change pattern is acquired, the acquired feature information is input to the input layer of the neural network as a feature vector, and the information appearing in a certain intermediate layer among the plurality of intermediate layers is input to the above. It is equipped with a feature registration unit that controls storage in the storage unit as the registration feature information in association with the user.
  • the feature acquisition unit acquires the feature information about the pressure change pattern of the subject to be authenticated in the pressurizing process of the cuff.
  • the authentication unit inputs the acquired feature information as a feature vector into the input layer of the neural network, and registers the information appearing in the certain intermediate layer among the plurality of intermediate layers in the storage unit. It is characterized in that it is determined whether or not the subject is a user included in the user group by comparing with the registered feature information of each user of the user group.
  • the "teacher user” refers to a user who has provided characteristic information about the pressure change pattern for learning the neural network.
  • the "user group” includes a plurality of teacher users and / or users other than the above teacher users.
  • the feature registration unit performs the following control in advance before performing the personal authentication.
  • First in the process of pressurizing the cuff, for each user group including the plurality of teacher users and / or users other than the teacher users, characteristic information about the pressure change pattern of the user is acquired. ..
  • the acquired feature information of that user is input to the input layer of the neural network as a feature vector, and the information appearing in a certain intermediate layer among the plurality of intermediate layers is input.
  • Registered in the storage unit as the registered feature information in association with the user. As a result, the registered feature information is registered in the storage unit for each user.
  • the feature acquisition unit acquires the feature information about the pressure change pattern of the subject to be authenticated in the pressurizing process of the cuff.
  • the authentication unit inputs the acquired feature information of the subject as a feature vector into the input layer of the neural network. Then, the authentication unit compares the information appearing in the certain intermediate layer among the plurality of intermediate layers with the registered feature information of each user of the user group registered in the storage unit. It is determined whether or not the subject is a user included in the user group. As a result, if the subject is a user included in the user group, that can be authenticated.
  • the registered feature information of the user is updated by using the feature information acquired for the subject under a predetermined second condition. It is characterized by having a part.
  • the "predetermined second condition” includes, for example, the pressure change pattern for a certain period (for example, one year) from the time of registration (or the time of the previous update) of the registration feature information for the above user.
  • Conditions for updating the above registered feature information such as the elapse of a period during which the feature information may change significantly) can be mentioned.
  • the renewal unit when the renewal unit determines that the subject is a pre-registered user, the renewal unit uses the characteristic information acquired for the subject to obtain a predetermined second condition. Then, the registration feature information of the user is updated.
  • the second condition is, for example, the pressure change pattern for a certain period (for example, 6 months) from the time of registration (or the time of the previous update) of the registration feature information for the user. It is assumed that the period (a period in which the characteristic information may change significantly) has passed.
  • the registered feature information when such registered feature information should be updated, the registered feature information can be automatically updated and maintained in an appropriate state. As a result, it is possible to prevent the accuracy of the personal authentication from being lowered.
  • the authentication unit is characterized in that the personal authentication is canceled under a predetermined third condition.
  • predetermined third condition for example, characteristic information about the pressure change pattern such as the detection of an irregular pulse wave (the DC feature amount and / or the one-beat feature amount). There are conditions that are considered unreliable.
  • the authentication unit cancels the personal authentication under a predetermined third condition.
  • the third condition for example, it is assumed that an irregular pulse wave is detected.
  • the sphygmomanometer of this embodiment when the reliability of the feature information (the DC feature amount and / or the one-beat feature amount) about such a pressure change pattern is low, the personal authentication is performed. It can be canceled. As a result, it is possible to prevent the accuracy of the personal authentication from being lowered.
  • the personal authentication method in this disclosed sphygmomanometer It is a personal authentication method in a sphygmomanometer that is equipped with a cuff for compressing the measured part of the subject and measures the blood pressure by observing the pressure of the cuff.
  • the above blood pressure monitor A pressure control unit that controls the supply of fluid to the cuff to pressurize it or discharge the fluid from the cuff to reduce the pressure.
  • the pressure detector that detects the pressure of the cuff and It is equipped with a blood pressure calculation unit that calculates blood pressure based on the output of the pressure detection unit.
  • the above personal authentication method is For the subject to be authenticated, in the process of pressurizing the cuff, characteristic information on the pressure change pattern of the cuff with the passage of time from the start of pressurization was acquired.
  • the feature is that the acquired feature information is compared with the registered feature information about the user registered in advance, and personal authentication is performed for the subject.
  • the personal authentication method in the blood pressure monitor disclosed in this disclosure it is possible to perform personal authentication with high accuracy with a blood pressure monitor having a simple configuration.
  • this disclosed program is a program for causing a computer to execute the personal authentication method in the above blood pressure monitor.
  • the personal authentication method in the above blood pressure monitor can be implemented.
  • the blood pressure monitor of this disclosure personal authentication can be performed accurately with a simple configuration. Further, according to the personal authentication method in the sphygmomanometer of the present disclosure, it is possible to perform personal authentication with high accuracy with a sphygmomanometer having a simple configuration. Further, by causing the computer to execute the program of this disclosure, the personal authentication method in the blood pressure monitor can be implemented.
  • FIG. 6B is a diagram showing changes in cuff pressure with the passage of time from the start of pressurization.
  • FIG. 6A is a diagram showing a pressure fluctuation component (pulse wave signal) of the cuff pressure obtained with the passage of time from the start of pressurization.
  • FIG. 7A is a diagram showing a DC pressure change pattern with the passage of time from the start of pressurization for a muscular and thick arm user.
  • FIG. 7B is a diagram showing a DC pressure change pattern with the passage of time from the start of pressurization for a muscular and slender arm user.
  • FIG. 8A is a diagram showing a DC pressure change pattern with the passage of time from the start of pressurization for a fat and thick arm user.
  • FIG. 8B is a diagram showing a DC pressure change pattern with the passage of time from the start of pressurization for a fat and slender arm user.
  • FIG. 11B is a diagram showing a configuration of a neural network included in a modified example sphygmomanometer which is a modification of the sphygmomanometer.
  • 11 (A) and 11 (C) are diagrams showing an input signal (feature vector) and a teacher signal given to the neural network at the learning stage, respectively. It is a figure explaining the feature information (feature vector) about the DC pressure change pattern given to the said neural network.
  • FIG. 1 shows the appearance of the sphygmomanometer 1 according to the embodiment of the present invention.
  • the sphygmomanometer 1 is roughly divided into a blood pressure measuring cuff 20 worn around a rod-shaped measured portion (for example, an upper arm) of a subject, and a main body 10 equipped with an element for blood pressure measuring. ..
  • the cuff 20 is a general one, in which a fluid bag 22 is sandwiched between an elongated strip-shaped outer cloth 21 and an inner cloth 23, and the peripheral portions of the outer cloth 21 and the inner cloth 23 are sewn or welded. It is configured.
  • the main body 10 includes a CPU (Central Processing Unit) 100 as a processor, a display 50, an operation unit 52, a memory 51 as a storage unit, a power supply unit 53, a pressure sensor 31, a first filter unit 311 and the like.
  • a second filter unit 315, a pump 32, a pump drive circuit 320, a valve 33, and a valve drive circuit 330 are mounted.
  • the air pipe 39a connected to the pressure sensor 31, the air pipe 39b connected to the pump 32, and the air pipe 39c connected to the valve 33 merge to form one air pipe 39. It is connected to the fluid bag 22 in the cuff 20 so that the fluid can flow.
  • the air pipes 39a, 39b, and 39c are collectively referred to as an air pipe 39.
  • the display 50 is composed of an LCD (Liquid Crystal Display) and displays predetermined information according to a control signal from the CPU 100.
  • the display 50 is a systolic blood pressure SBP (Systolic Blood Pressure, unit; mmHg), a diastolic blood pressure DBP (Diastolic Blood Pressure, unit; mmHg), a pulse rate (unit; beat / min), and a subject.
  • SBP Synstolic Blood Pressure, unit; mmHg
  • DBP Diastolic Blood Pressure, unit; mmHg
  • the result of personal authentication about is displayed.
  • the display 50 may be made of an organic EL (ElectroLuminescence) display or may include an LED (Light Emitting Diode).
  • the operation unit 52 receives a power switch 52A for turning on or off the power of the sphygmomanometer 1, a measurement switch 52B for receiving an instruction to start a blood pressure measurement mode, and an instruction to start a registration mode. Including the registration switch 52C of the above, an operation signal according to a user's instruction is input to the CPU 100.
  • the power switch 52A is turned on
  • the sphygmomanometer 1 is in a power-on state capable of accepting the operation of the measurement switch 52B and the registration switch 52C by the user.
  • the measurement switch 52B is pressed while the power is on, the sphygmomanometer 1 executes a measurement mode process (a process including blood pressure measurement and personal authentication) described later.
  • the sphygmomanometer 1 executes the process of the registration mode (process of registering the user) described later. In the following description, it is assumed that the sphygmomanometer 1 is in the power-on state.
  • the memory 51 serves as a reference for comparison of program data for controlling the sphygmomanometer 1, setting data for setting various functions of the sphygmomanometer 1, data of blood pressure value measurement results, and personal authentication. Stores registered feature information, etc. Further, the memory 51 is used as a work memory or the like when a program is executed.
  • the CPU 100 controls the operation of the entire sphygmomanometer 1 according to a program for controlling the sphygmomanometer 1 stored in the memory 51. Specifically, as shown in FIG. 2, the CPU 100 functions as a first pressure detection unit 131, a second pressure detection unit 132, a pressure control unit 133, a blood pressure calculation unit 134, and a display processing unit 135. Further, the CPU 100 works as an input unit 210, a feature acquisition unit 220, a feature registration unit 230, an authentication unit 240, and an update unit 250 included in the authentication function block 200. The specific functions of each part will be described later.
  • the pressure sensor 31 shown in FIG. 1 includes a piezo resistance type semiconductor pressure sensor and an oscillation circuit in this example.
  • the piezoresistive semiconductor pressure sensor outputs the pressure (cuff pressure) Pc (see FIG. 6B) in the fluid bag 22 contained in the cuff 20 as an electric resistance due to the piezoresistive effect through the air pipe 39.
  • the oscillation circuit oscillates at an oscillation frequency corresponding to the electric resistance from the semiconductor pressure sensor, and outputs a frequency signal including the oscillation frequency as a signal representing the cuff pressure Pc.
  • the first filter unit 311 includes a low-pass filter (LPF) 312 and an A / D converter 314, and from a frequency signal representing a cuff pressure Pc, a DC component (this is referred to as a “DC component Pdc”) is obtained. Extract and convert to digital value.
  • the second filter unit 315 includes a high-pass filter (HPF) 316 and an A / D converter 318, and from a frequency signal representing the cuff pressure Pc, a pressure fluctuation component (pulse wave signal) Pm due to the pulse wave indicated by the measured site. (See FIG. 6 (A)) is extracted and converted into a digital value.
  • the digitized DC component Pdc and the pulse wave signal Pm are input to the CPU 100, respectively.
  • the CPU 100 functions as a first pressure detection unit 131 to detect a DC pressure change pattern (for example, the pressure change pattern PdcU1 shown in FIG. 7A) according to the input DC component Pdc. Further, the CPU 100 functions as a second pressure detection unit 132, and depending on the input pulse wave signal Pm, the waveform pattern for each beat (for example, the waveform pattern Pm1 for each beat shown in FIG. 6A). Is detected.
  • the pressure sensor 31, the first filter unit 311 and the second filter unit 315, the first pressure detection unit 131, and the second pressure detection unit 132 constitute a pressure detection unit that detects the pressure of the cuff 20 as a whole.
  • the pump 32 shown in FIG. 1 is driven by the pump drive circuit 320 based on a control signal given from the CPU 100 (acting as the pressure control unit 133), and air is passed through the air pipe 39 to the fluid bag 22 contained in the cuff 20. Supply. As a result, the pressure (cuff pressure Pc) of the fluid bag 22 is pressurized.
  • the valve 33 is composed of a normally open type solenoid valve, is driven by a valve drive circuit 330 based on a control signal given from a CPU 100 (acting as a pressure control unit 133), and discharges air in the fluid bag 22 through an air pipe 39. It is opened and closed to control the cuff pressure.
  • the power supply unit 53 supplies electric power to the CPU 100, the display 50, the memory 51, the pressure sensor 31, the pump 32, the valve 33, and other parts in the main body 10.
  • FIG. 3 shows the flow of blood pressure measurement executed in the process of the registration mode described later (FIG. 4) and the process of the measurement mode described later (FIG. 5), respectively.
  • the CPU 100 When the user (subject) instructs the start of the measurement mode by the measurement switch 52B provided on the main body 10 while the cuff 20 is attached to the measurement site (step S11 in FIG. 3), the CPU 100 is first initialized. (Step S12). Specifically, the CPU 100 initializes the processing memory area, stops the pump 32, and adjusts the pressure sensor 31 to 0 mmHg (the atmospheric pressure is set to 0 mmHg) with the valve 33 open. ..
  • the CPU 100 acts as a pressure control unit 133, closes the valve 33 (step S13), drives the pump 32, and starts pressurizing the cuff 20 (step S14). That is, the CPU 100 supplies a constant flow rate of air per unit time from the pump 32 to the fluid bag 22 contained in the cuff 20 through the air pipe 39.
  • the pressure sensor 31 detects the pressure (cuff pressure) Pc in the cuff 20 (fluid bag 22) through the air pipe 39.
  • the cuff pressure Pc detected by the pressure sensor 31 is due to a pulse wave in addition to a component (DC component Pdc) that smoothly and monotonically increases.
  • the pressure fluctuation component (pulse wave signal) Pm is superimposed.
  • the CPU 100 functions as the first pressure detection unit 131, and starts up while increasing the rate of increase with the lapse of time from the start of pressurization according to the DC component Pdc input through the first filter unit 311 (that is, gradually tilting).
  • a DC pressure change pattern (for example, the pressure change pattern PdcU1 shown in FIG. 7A) is detected (step S15 in FIG. 3).
  • the CPU 100 controls the pressurizing speed by the pump 32 based on the output of the first pressure detecting unit 131. This pressurization compresses the artery passing through the site to be measured and causes ischemia.
  • the CPU 100 works as a pressure control unit 133 to gradually open the valve 33.
  • the cuff pressure Pc is reduced at a substantially constant speed (step S17 in FIG. 3).
  • the CPU 100 acts as a second pressure detection unit 132 to detect a pulse wave signal Pm (including a waveform pattern Pm1 for each beat) input through the second filter unit 315 (step S18 in FIG. 3). ).
  • the CPU 100 functions as a blood pressure calculation unit 134, and based on the pulse wave signal Pm acquired at this time, the blood pressure value (systolic blood pressure SBP (Systolic Blood Pressure) and diastolic blood pressure, for example, by a known oscillometric method).
  • SBP Systolic Blood Pressure
  • DBP Diastolic Blood Pressure
  • the CPU 100 calculates the pulse rate [beat / min] based on the pulse wave signal.
  • the CPU 100 still cannot calculate the blood pressure value and the pulse rate due to lack of data (NO in step S20 in FIG. 3), the CPU 100 repeats the processes of steps S17 to S20 until it can be calculated.
  • step S20 If the blood pressure value and the pulse rate can be calculated in this way (Yes in step S20), the CPU 100 works as a pressure control unit 133, opens the valve 33, and rapidly exhausts the air in the cuff 20 (fluid bag 22). Control is performed (step S21).
  • the CPU 100 controls to save the blood pressure value and the pulse rate in the memory 51 (step S22).
  • the blood pressure value and the pulse rate were calculated in the process of depressurizing the cuff 20 (fluid bag 22), but the present invention is not limited to this, and the blood pressure value is calculated in the process of pressurizing the cuff 20 (fluid bag 22). And the pulse rate may be calculated.
  • FIG. 4 shows a flow of processing in the registration mode before performing personal authentication by the sphygmomanometer 1.
  • a new user who has not yet registered the user registration number is in a state of wearing the cuff 20 as a subject and wearing it on the upper arm as a measurement site.
  • the CPU 100 executes the processing of the registration mode as follows.
  • the CPU 100 causes the display 50 to display a screen for the user to select a new user registration number.
  • the display 50 displays a candidate for a user registration number such as "Do you want the new user registration number to be U1?".
  • the registration switch 52C for a short time (within 1 second)
  • "U1" is registered in the memory 51 as the user registration number of the user.
  • the CPU 100 displays on the display 50 another user registration number such as "Do you want the new user registration number to be U2?” Candidates are displayed.
  • the CPU 100 sequentially displays the user registration number candidates U1, U2, ... On the display 50, and registers the user-specific user registration number in the memory 51 according to the user's selection.
  • each user will be represented by a user registration number.
  • step S102 of FIG. 4 the CPU 100 executes the blood pressure measurement process described with reference to FIG.
  • step S15 of FIG. 3 in the pressurizing process of the cuff 20, a DC pressure change pattern is detected according to the DC component Pdc of the cuff pressure Pc.
  • t-Pc time-to-cuff pressure
  • FIG. 7A shows a typical pressure change pattern PdcU1 detected for a muscular, thick-armed user U1.
  • FIG. 7B shows a typical pressure change pattern PdcU2 detected for a muscular, slender arm user U2.
  • FIG. 8A shows a typical pressure change pattern PdcU3 detected for a fat and thick arm user U3.
  • FIG. 8B shows a typical pressure change pattern PdcU4 detected for a fat, slender arm user U4.
  • DC pressure change patterns are collectively referred to by the reference numeral PdcU.
  • a pulse wave signal Pm (including a waveform pattern Pm1 for each beat) is detected as a pressure fluctuation component due to the pulse wave in the decompression process of the cuff 20.
  • the CPU 100 acts as an input unit 210 and inputs the acquired DC pressure change pattern PdcU to the authentication function block 200.
  • the waveform pattern Pm1 for each beat may be input to the authentication function block 200 (a case will be described later).
  • a physical quantity for example, Pdc
  • U1 a reference numeral representing a user (or subject) to indicate that the physical quantity is obtained for the user (or subject).
  • the pressure change pattern (particularly, the DC pressure change pattern PdcU) depends on the physical characteristics of the subject such as the peripheral length (thick arm or thin arm) and the body composition (muscular or fat) of the measured site. It is empirically known that it is determined. For example, in the case of a thick arm as shown in FIGS. 7 (A) and 8 (A) (that is, when the peripheral length of the measured portion is large), as shown in FIGS. 7 (B) and 8 (B). Since the internal capacity of the cuff 20 (fluid bag 22) increases compared to the case of a thin arm (that is, when the circumference is small), the fluid is applied to the cuff 20 at a constant flow rate per unit time during the pressurization process of the cuff 20.
  • the rate of increase (gradient) of the cuff pressure Pc tends to be small. Further, when the measured site is fat as shown in FIGS. 8 (A) and 8 (B), it is compared with the case where it is muscular as shown in FIGS. 7 (A) and 7 (B). Therefore, since the measured portion is easily crushed in the high pressure region (for example, 25 mmHg or more), the increase rate (gradient) of the cuff pressure tends to be small in the high pressure region. Then, these tendencies appear in combination according to the combination of the perimeter of the measurement site, the body composition, and the like for each subject (user).
  • step S103 of FIG. 4 the CPU 100 works as the feature registration unit 230, and in this example, the feature information about the DC pressure change pattern PdcU is acquired.
  • the predetermined times t1 and t2 in this example, 0 ⁇ t1 ⁇ t2 ⁇ 10 seconds
  • time t 0 seconds
  • the values p1U1 and p2U1 taken by the pressure change pattern PdcU1 shown in FIG. 7 (A) are acquired as DC feature quantities.
  • the values p1U2 and p2U2 taken by the pressure change pattern PdcU2 shown in FIG. 7 (B) at times t1 and t2 are acquired as DC features.
  • the values p1U3 and p2U3 taken by the pressure change pattern PdcU3 shown in FIG. 8A at times t1 and t2 are acquired as DC features.
  • the values p1U4 and p2U4 taken by the pressure change pattern PdcU4 shown in FIG. 8 (B) at times t1 and t2 are acquired as DC features.
  • the DC feature quantities (collectively referred to by reference numerals p1 and p2) for these pressure change patterns PdcU are determined depending on the physical characteristics of the subject (user) as described above, and are therefore suitable as a criterion for personal authentication. Can be used for.
  • the CPU 100 further functions as the feature registration unit 230, and associates the feature information (in this example, the DC feature amounts p1 and p2) with the user registration number to register the feature information.
  • the feature information in this example, the DC feature amounts p1 and p2
  • the CPU 100 further functions as the feature registration unit 230, and associates the feature information (in this example, the DC feature amounts p1 and p2) with the user registration number to register the feature information.
  • the feature information in this example, the DC feature amounts p1 and p2U2
  • the registered feature information for the user U2 is stored separately from the registered feature information for the user U1. ..
  • Table 1 Registration information table
  • the registered feature information can be stored (registered) as a reference for comparison for personal authentication of the user. ..
  • step S102 of FIG. 4 it is assumed that the blood pressure measurement process described with reference to FIG. 3 is repeated for a certain user in a resting state, for example, three times or more.
  • step S103 of FIG. 4 the DC pressure change pattern PdcU is detected each time the blood pressure is measured three or more times, and in step S104 of FIG. 4, the characteristic information about the DC pressure change pattern PdcU (this example).
  • the DC features p1 and p2) are registered in the registration information table, respectively. Therefore, in this example, for the user U1, the data of the DC feature amounts p1U1 and p2U1 are registered in three or more values, respectively. For the user U2 as well, the data of the DC feature amounts p1U2 and p2U2 are registered in three or more values, respectively. The same applies to yet another user.
  • FIG. 5 shows a flow of processing in a measurement mode including blood pressure measurement by the sphygmomanometer 1 and personal authentication.
  • the subject to be authenticated this is represented by the symbol Ux
  • the CPU 100 executes the measurement mode processing as follows.
  • step S201 of FIG. 5 the CPU 100 executes the blood pressure measurement process described with reference to FIG.
  • a DC pressure change pattern (this is represented by the symbol PdcUx) is used as the DC component Pdc of the cuff pressure Pc. Detected.
  • a pulse wave signal Pm (including a waveform pattern Pm1 for each beat) is detected as a pressure fluctuation component due to the pulse wave in the decompression process of the cuff 20 for the subject Ux.
  • the CPU 100 acts as an input unit 210 to input a DC pressure change pattern PdcUx to the authentication function block 200.
  • step S22 of FIG. 3 the CPU 100 stores the blood pressure value and the pulse rate in the memory 51.
  • step S203 of FIG. 5 the CPU 100 acts as the authentication unit 240, and the acquired feature information (in this example, the DC feature amounts p1Ux and p2Ux) is collected as the registered feature information in the registration information table of Table 1. To search for a user corresponding to the subject Ux.
  • the acquired feature information in this example, the DC feature amounts p1Ux and p2Ux
  • the CPU 100 creates a feature amount space Q in which the horizontal axis is the DC feature amount p1 and the vertical axis is the DC feature amount p2.
  • the center of gravity point CgU1 in the feature amount space Q is calculated by using the data registered with three or more values of the DC feature amounts p1U1 and p2U1 for the user U1.
  • the center of gravity point CgU2 in the feature quantity space Q is calculated using the data registered with three or more values of the DC feature quantities p1U2 and p2U2, respectively.
  • the center of gravity point in the feature space Q is calculated.
  • the CPU 100 sets a certain range as the person acceptance range ArU1, ArU2, ... Centering on the center of gravity points CgU1, CgU2, ....
  • the "person acceptance range” means an allowable range in which the subject Ux to be authenticated should be recognized as the pre-registered users U1, U2, ....
  • each of the personal acceptance ranges ArU1, ArU2, ... As an elliptical range in which the allowable width for the DC feature amount p1 is the major axis L1 and the allowable width for the DC feature amount p2 is the minor diameter L2. It is set.
  • the point corresponding to the DC feature amounts p1Ux and p2Ux of the subject Ux (this is represented by the reference numeral dUx) is included in any one of the person acceptance ranges ArU1, ArU2, ... Judge whether or not.
  • the user corresponding to the subject Ux is searched for. This search is performed while comparing the DC feature amounts p1Ux and p2Ux acquired for the subject Ux with the registered feature information (DC feature amount in this example) of each user U1, U2, ....
  • the CPU 100 acts as the display processing unit 135 to simply display the measurement results of the blood pressure value and the pulse rate on the display unit 50.
  • step S204 of FIG. 5 the subject Ux is registered in advance. It is determined that the user is a user. In this case, in step S205 of FIG. 5, the CPU 100 associates the measurement result of the blood pressure value with the user registration number of the corresponding user and stores it in the memory 51.
  • the CPU 100 since the point dUx corresponding to the DC feature amounts p1Ux and p2Ux of the subject Ux is within the personal acceptance range ArU1 of the user U1, the CPU 100 has the blood pressure obtained in step S201 of FIG.
  • the value and the pulse rate are associated with the user registration number U1 of the user U1 and stored in the memory 51 as shown in the measurement result table of Table 2 below.
  • the systolic blood pressure SBP is 130 [mmHg]
  • the diastolic blood pressure DBP is 80 [mmHg]
  • the pulse rate is 70 [beat / min].
  • the CPU 100 works as a display processing unit 135 to display the measurement results of the blood pressure value and the pulse rate on the display unit 50.
  • Table 2 Measurement result table
  • the registration information table in Table 1 and the measurement result table in Table 2 may be associated with each other by a user registration number to form an integrated table.
  • this pressure change pattern is the physical body of the subject such as the perimeter (thick arm or thin arm) and body composition (muscular or fat) of the measured site. It is empirically known that it depends on the characteristics. These physical characteristics change little in a short period of time in individual subjects. In other words, these physical characteristics, unlike Korotkoff sounds and electrocardiographic signals, have little variation from measurement to measurement.
  • this sphygmomanometer 1 the individual authentication can be performed accurately for the subject by performing the individual authentication using the characteristic information about the pressure change pattern determined depending on the physical characteristics of the subject. Further, when the individual authentication of the subject is performed in this way, it is not necessary to provide an extra component (for example, a sound detection device such as a microphone, an electrocardiographic electrode, etc.) that is not used for pressure observation. Therefore, this sphygmomanometer 1 can be configured at low cost with a simple configuration.
  • the person acceptance range ArU1, ArU2, ... is set as an elliptical range, but the range is not limited to this.
  • the permissible range may be set independently for p1 on the horizontal axis and p2 on the vertical axis, and the personal acceptance range may be set as a rectangular range.
  • the person acceptance range can be set by using a known method such as Euclidean distance, Manhattan distance, cosine similarity, Pearson's product moment correlation coefficient, and dynamic time expansion / contraction method.
  • the DC feature amount the values p1 and p2 taken by the DC pressure change pattern PdcU at two predetermined times t1 and t2 from the start of pressurization are used, but the present invention is limited to this. It's not a thing.
  • the DC feature amount for example, the values p1, p2, p3, ... Taken by the DC pressure change pattern PdcU at three or more predetermined times t1, t2, t3, ... From the start of pressurization are used. May be good.
  • various features such as the following can be used as the DC features.
  • the feature information only the DC feature amount for the DC pressure change pattern PdcU is used, but the feature information is not limited to this.
  • the feature information in addition to the DC feature amount, the feature amount (single beat feature amount) for the waveform pattern Pm1 for each beat (see FIG. 6A) may be used.
  • step S102 of FIG. 4 before personal authentication by the sphygmomanometer 1, the CPU 100 acts as an input unit 210 and is added to the DC pressure change pattern PdcU. Then, the waveform pattern Pm1 for each beat is input to the authentication function block 200. Further, in step S103 of FIG. 4, the CPU 100 acts as a feature registration unit 230, and as feature information, in addition to the DC feature amount for the DC pressure change pattern PdcU, one beat for the waveform pattern Pm1 for each beat. Acquire the target feature amount.
  • FIG. 10 shows an enlarged waveform pattern Pm1 for each beat.
  • the pressure is 0 mmHg
  • the horizontal axis is the elapsed time t from the start point
  • the vertical axis is the pressure change amount ⁇ p from the start point.
  • It represents the waveform pattern Pm1 for each beat.
  • the waveform pattern Pm1 for each beat rises convexly from the start point, shows the first maximum point (extrusion peak) Max1 at time t11, and shows the minimum point Min at time t12.
  • the second maximum point (reflection peak) Max2 is shown at time t13, and the pressure is 0 mmHg (end point) at time t14.
  • the one-beat feature amount for such a waveform pattern Pm1 for each beat the following various feature amounts exemplified in FIG. 10 can be used.
  • the waveform pattern Pm1 for each beat can be extracted from either the pressurizing process or the depressurizing process shown in FIG. 6B. However, as can be seen from FIG. 6A, the waveform for each beat is most stable at the end of the depressurization process. Therefore, it is desirable to extract the waveform pattern Pm1 for each beat at the end of the depressurization process.
  • the CPU 100 further functions as the feature registration unit 230, and the user registration number is added to the DC feature amount (for example, p1, p2) and the one-beat feature amount (for example, pMax1). , PMax2) are associated with each other and stored (registered) in the memory 51 as registered feature information.
  • the user registration number of the user is U1
  • the amplitude pMax2U1 is acquired, it is stored in the memory 51 as shown in the registration information table of the following Table 3. (Table 3) Registration information table
  • the one-beat feature amount can be registered in the memory 51 as the registered feature information at the stage before the personal authentication by the sphygmomanometer 1 is performed.
  • step S201 of FIG. 5 (particularly, step S18 of FIG. 3) at the stage of performing personal authentication by the sphygmomanometer 1, the CPU 100 acts as an input unit 210, and the DC pressure change pattern PdcUx is applied to the subject Ux.
  • a waveform pattern for each beat (this is represented by the reference numeral Pm1Ux) is input to the authentication function block 200.
  • step S202 of FIG. 5 the CPU 100 acts as a feature acquisition unit 220, and as feature information, in addition to the DC feature quantities p1Ux and p2Ux for the DC pressure change pattern PdcUx, a waveform pattern for each beat.
  • the CPU 100 acts as an authentication unit 240 to display the acquired feature information (in this example, DC feature amounts p1Ux, p2Ux and one-beat feature amounts pMax1Ux, pMax2Ux) in Table 2.
  • the user corresponding to the subject Ux is searched for by comparing with the registered feature information in the registered information table of.
  • the CPU 100 creates a four-dimensional feature space (which is represented by the reference numeral Q1) having p1, p2, pMax1, and pMax2 as coordinate axes.
  • the points corresponding to the registered feature information are calculated for the pre-registered users U1, U2, ..., And the subject Ux is pre-registered around the points corresponding to the registered feature information.
  • the permissible range personal acceptance range
  • the CPU 100 determines that the subject Ux is a user (for example, U1) registered in advance.
  • the point corresponding to the feature information acquired for the subject Ux does not fall within the permissible range, it is determined that the subject Ux is not the user U1, U2, ... Registered in advance.
  • the one-beat feature amount as a judgment material in addition to the DC feature amount, it is possible to perform personal authentication of the subject with higher accuracy.
  • predetermined first condition it is desirable to use only the DC feature amount without using the one-beat feature amount for personal authentication of the subject.
  • examples of the "predetermined first condition” include the following conditions in which the reliability of the one-beat feature amount is low. -The pulse rate when performing personal authentication is significantly higher or lower than the pulse rate when registering the above-mentioned registered feature information.-The blood pressure value when performing personal authentication registers the above-mentioned registered feature information. Remarkably high or low compared to the blood pressure value at the time of High or low (In this case, the blood pressure monitor 1 shall observe and record the temperature, humidity, and pressure each time the blood pressure is measured.)
  • the accuracy of personal authentication can be improved by using only the DC feature without using the one-beat feature for personal authentication of the subject. It can be prevented from decreasing.
  • the CPU 100 creates the feature space Q (or Q1) and searches for the user corresponding to the subject Ux in the feature space Q, but is limited to this. It's not a thing.
  • the sphygmomanometer 1 may include a trained neural network NN1 as shown in FIG. 11B, and may determine a user corresponding to the subject Ux by using the neural network NN1.
  • the neural network NN1 has an input layer IL1, three intermediate layers ML1, ML2, ML3, and an output layer OL1.
  • the input layer IL1 and the output layer OL1 each include 5 nodes (neurons) nd.
  • the intermediate layers ML1, ML2, and ML3 each contain 20 to 30 nodes nd.
  • the neural network NN1 has a DC pressure change pattern PdcU of five teacher users (which are represented by the codes Ua, Ub, Uc, Ud, Ue) on the input layer IL1 at the learning stage.
  • the teacher user Ua corresponding to the feature information input to the output layer OL1 via the intermediate layers ML1, ML2, and ML3.
  • Ub, Uc, Ud or Ue the output information teUa, teUb, teUc, teUd or teUe is output, and the bond strength between the nodes nd and nd is weighted. That is, the neural network NN1 has already been learned.
  • the characteristic information inUa about the pressure change pattern of the teacher user is the DC pressure change obtained in step S102 of FIG. 4 (particularly, step S18 of FIG. 3) as shown in FIG.
  • the predetermined time t1, t2, t3, t4, t5 in this example, 0 ⁇ t1 ⁇ t2 ⁇ t3 ⁇ t4 ⁇ t5
  • the values p1Ua, p2Ua, p3Ua, p4Ua, and p5Ua taken by the pressure change pattern PdcUa are predetermined.
  • a vector having these five values (p1Ua, p2Ua, p3Ua, p4Ua, p5Ua) as a component is called a feature vector inUa by using the same code as the feature information inUa.
  • these feature vectors inUa, inUb, inUc, inUd, and inUe are input to the input layer IL1 respectively.
  • the output information teUd representing the teacher user Ud (0,0,0,1,0).
  • the output vector teUe (0,0,0,0,1).
  • the output vector teUa representing the teacher user Ua
  • the output vector teUa representing the teacher user Ua
  • the output vector teUa representing the teacher user Ua is correspondingly given to the output layer OL1 as a teacher signal.
  • the output vector teUb representing the teacher user Ub is correspondingly given to the output layer OL1 as a teacher signal. Similar processing is performed for other teacher users Uc, Ud, and Ue.
  • the neural network NN1 has the characteristic information inUa, inUb, inUc, inUd about the DC pressure change pattern PdcU of the five teacher users Ua, Ub, ..., Ue in the input layer IL1.
  • InUe when any of inUe is input as an input signal, the teacher user Ua, Ub, Uc, Ud or Ue corresponding to the input feature information is transmitted to the output layer OL1 via the intermediate layers ML1, ML2 and ML3.
  • the connection strength between the nodes nd and nd is weighted so as to output the output information teUa, teUb, teUc, teUd or teUe to be represented.
  • neural network NN1 By providing such a neural network NN1, it is possible to perform personal authentication for a user group including users other than the above five teacher users Ua, Ub, ..., Ue and / or teacher users. Next, the registration mode processing and the measurement mode processing when this neural network NN1 is used will be described.
  • the CPU 100 works as the feature registration unit 230 and performs the following control in advance before performing personal authentication.
  • the user this is referred to as Uy.
  • the feature vector inUy (p1Uy, p2Uy, p3Uy, p4Uy, p5Uy) is acquired as the feature information about the DC pressure change pattern PdcU (represented by).
  • the feature vector inUy acquired for that user Uy is input to the input layer IL1 of the neural network NN1, and a certain intermediate layer among the plurality of intermediate layers ML1, ML2, and ML3 (this example). Then, the information fe1Uy, fe2Uy, ..., FeNUy appearing in the intermediate layer ML3) immediately before the output layer OL1 are obtained.
  • a feature AI Artificial Intelligence
  • the components (fe1, fe2, ..., FeN) of the general feature AI vector fe which is not limited to the user, are shown.
  • the CPU 100 stores (registers) the components of the feature AI vector feUy for the user Uy in the memory 51 as registered feature information in association with the user Uy, as shown in the registration information table in Table 4 below.
  • the registered feature information of the user Uy Distinguishes and stores the registered feature information about the user Uz.
  • the registration information table of Table 4 the registration feature information is registered in the memory 51 for each user Uy, Uz, .... (Table 4) Registration information table
  • a predetermined second condition it is desirable to update the registration feature information registered in the registration information tables of Tables 1, 3 and 4 of the memory 51.
  • examples of the "predetermined second condition" include the following conditions for updating the registered feature information. -A certain period (for example, a period during which the characteristic information about the pressure change pattern may change significantly, such as 6 months) from the time of registration (or the time of the previous update) of the registered characteristic information Elapsed ⁇
  • the subject Ux was determined to be a pre-registered user (for example, U1), but the point dUx (see FIG. 9) corresponding to the feature information acquired for the subject Ux is the person's acceptance range. Being far from the center of gravity point CgU1 in ArU1
  • the "predetermined third condition” for example, a condition in which the reliability of the feature information (DC feature amount and / or one-beat feature amount) for the following pressure change pattern is considered to be low. Can be mentioned. -Irregular pulse wave was detected (in this case, the sphygmomanometer 1 detects the irregular pulse wave based on the pulse rate). -The body movement is determined (in this case, the sphygmomanometer 1 is equipped with an acceleration sensor to detect the body movement).
  • the CPU 100 works as an authentication unit 240 and cancels personal authentication under a predetermined third condition. Therefore, when the reliability of the feature information (DC feature amount and / or one-beat feature amount) about such a pressure change pattern is low, the personal authentication can be stopped. As a result, it is possible to prevent the accuracy of personal authentication from being lowered.
  • the measured site is the upper arm, but the present invention is not limited to this.
  • the measurement site may be an upper limb other than the upper arm such as a wrist, or a lower limb such as an ankle.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本発明の血圧計（１）は、被験者の被測定部位を圧迫するためのカフを備え、カフの圧力を観測して血圧を測定する。認証対象である被験者について、カフの加圧過程で、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる圧力変化パターンについての特徴情報を取得する特徴取得部（２２０）と、取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、被験者について個人認証を行う認証部（２４０）とを備える。

Description

血圧計、血圧計における個人認証方法、およびプログラム
　この発明は血圧計に関し、より詳しくは、個人認証機能を有する血圧計に関する。また、この発明は、血圧計における個人認証方法に関する。また、この発明は、そのような血圧計における個人認証方法をコンピュータに実行させるためのプログラムに関する。
　被験者が血圧計を用いて血圧を測定するに際して、被験者と測定される血圧値とを対応付けるため、被験者に対して個人認証（登録されたユーザ本人であることの確認）を行うことが望まれる場合がある。従来、血圧計によって個人認証を行う方法として、例えば特許文献１（特開２０１０－１１０３８０号公報）、特許文献２（特開平６－１４２０６５号公報）に開示されているように、コロトコフ音のレベル変化のパターンを用いる方法が知られている。また、特許文献３（特開２００３－２９９６２４号公報）に開示されているように、ユーザがサーバに送信した心電信号から特徴パラメータを抽出し、ニューラルネット分類手法等を用いて個人認証した上で診断を行う遠隔診断支援システムが知られている。
特開２０１０－１１０３８０号公報 特開平６－１４２０６５号公報 特開２００３－２９９６２４号公報
　しかしながら、コロトコフ音や心電信号は測定毎のばらつきが大きいため、正確な認証を行うことが難しいという問題がある。また、最近では、血圧計として、カフの圧力（内圧）を観測して、例えばオシロメトリック法により血圧を測定するものが普及している。このようなカフの圧力を観測して血圧を測定するタイプの血圧計で、コロトコフ音や心電信号によって個人認証を行うものとすると、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設けなければならない、という問題がある。
　そこで、この発明の課題は、カフの圧力を観測して血圧を測定する血圧計であって、簡単な構成で精度良く個人認証を行えるものを提供することにある。また、この発明の課題は、そのような血圧計における個人認証方法を提供することにある。また、そのような個人認証方法をコンピュータに実行させるためのプログラムを提供することにある。
　上記課題を解決するため、この開示の血圧計は、
　被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計であって、
　上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
　上記カフの圧力を検出する圧力検出部と、
　上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と、
　認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得する特徴取得部と、
　上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う認証部と
を備えたことを特徴とする。
　本明細書で、「カフの圧力」とは、カフ（典型的には、カフに内包された流体袋）内の圧力を意味する。以下では、「カフの圧力」を適宜「カフ圧」と略称する。
　「圧力変化パターン」は、上記カフの加圧過程で、加圧開始からの時間経過に伴って上記カフの圧力が変化するパターンを意味する。上記カフの圧力には、滑らかに単調増加する成分（直流成分）に加えて、上記被測定部位が示す脈波による圧力変動成分が重畳されている。
　「個人認証を行う」とは、認証対象である被験者が予め登録されているユーザ（本人）であるか否かを判定することを意味する。本明細書では、上記被験者の圧力変化パターンについての特徴情報が、予め登録されているユーザについての登録特徴情報と一致しているか否かに応じて、上記被験者が予め登録されているユーザであるか否かを判定する。なお、「予め登録されているユーザ」は、単数であってよいし、複数であってもよい。
　「登録特徴情報」とは、典型的には、上記個人認証が行われる前に予め、上記特徴取得部によって取得され、記憶部に記憶された特徴情報である。
　この開示の血圧計では、血圧測定は次のようにして行われる。被測定部位にカフが装着された状態で、圧力制御部は、上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する。その加圧による加圧過程又はそれに続く減圧過程で、圧力検出部は、上記カフの圧力を検出する。血圧算出部は、上記圧力検出部の出力に基づいて血圧を算出する。このようにして、血圧測定が行われる。
　また、被験者についての個人認証は次のようにして行われる。特徴取得部は、認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる圧力変化パターンについての特徴情報を取得する。認証部は、上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う。ここで、上記圧力変化パターン（特に、上記カフの圧力の直流成分に応じた直流的な圧力変化パターン）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。例えば、被測定部位の周囲長が大きい場合（つまり、太腕の場合）は、周囲長が小さい場合（つまり、細腕の場合）に比して、カフ（流体袋）の内部容量が増えるため、上記カフの加圧過程で上記カフに流体を単位時間当たり一定流量で供給するとき、カフ圧の上昇率（勾配）が小さくなる傾向がある。また、被測定部位が脂肪質である場合は、筋肉質である場合に比して、高圧域で被測定部位が潰れ易くなることから、高圧域でカフ圧の上昇率（勾配）が小さくなる傾向がある。そして、被験者毎の被測定部位の周囲長、体組成などの組み合わせに応じて、それらの傾向が組み合わされて現れる。これらの身体的特徴は被験者個人における短期間での変化量が小さい。言い換えれば、これらの身体的特徴は、コロトコフ音や心電信号とは異なり、測定毎のばらつきが小さい。したがって、この血圧計では、被験者の身体的特徴に依存して定まる上記圧力変化パターンについての特徴情報を用いて個人認証を行うことによって、上記被験者について精度良く個人認証を行うことができる。また、このようにして上記被験者についての個人認証が行われる場合、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設ける必要が無い。したがって、この血圧計は、簡単な構成で低コストに構成され得る。
　一実施形態の血圧計では、
　上記認証部は、
　上記圧力変化パターンについての上記特徴情報に含まれた互いに異なる特徴量をそれぞれ座標軸とする特徴量空間を作成し、
　上記特徴量空間で、上記予め登録されているユーザについて上記登録特徴情報に対応する点を算出するとともに、上記登録特徴情報に対応する点の周りに、上記被験者が上記予め登録されているユーザであると認められるべき許容範囲を設定し、
　上記特徴量空間で、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入るとき、上記被験者が上記予め登録されているユーザであると判定する一方、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入らないとき、上記被験者が上記予め登録されているユーザではないと判定する
ことを特徴とする。
　この一実施形態の血圧計では、上記許容範囲を適切に設定することによって、上記被験者（認証対象である被験者）が上記予め登録されているユーザであるか否かを、さらに精度良く判定できる。
　一実施形態の血圧計では、
　上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流的な圧力変化パターンを検出する第１圧力検出部と、
　上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する第２圧力検出部と
を備え、
　上記特徴取得部は、上記特徴情報として、上記直流的な圧力変化パターンについての直流的特徴量に加えて、上記一拍毎の波形パターンについての一拍的特徴量を取得し、
　上記認証部は、上記取得された直流的特徴量を予め登録されている直流的特徴量と比較するのに加えて、上記取得された一拍的特徴量を予め登録されている一拍的特徴量と比較して、上記被験者について個人認証を行う
ことを特徴とする。
　「直流的特徴量」とは、直流的な圧力変化パターンについての特徴量を意味する。また、「一拍的特徴量」とは、直流的な圧力変化パターンではなく、一拍毎の波形パターンについての特徴量を意味する。
　この一実施形態の血圧計では、第１圧力検出部は、上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流的な圧力変化パターンを検出する。一方、第２圧力検出部は、上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する。上記特徴取得部は、上記特徴情報として、上記直流的な圧力変化パターンについての直流的特徴量に加えて、上記一拍毎の波形パターンについての一拍的特徴量を取得する。上記認証部は、上記取得された直流的特徴量を予め登録されている直流的特徴量と比較するのに加えて、上記取得された一拍的特徴量を予め登録されている一拍的特徴量と比較して、上記被験者について個人認証を行う。このように、上記直流的特徴量に加えて、上記一拍的特徴量を判断材料として用いることによって、上記被験者についてさらに精度良く個人認証を行うことができる。
　一実施形態の血圧計では、
　上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍的特徴量を用いず、上記直流的特徴量のみを用いることを特徴とする。
　ここで、「予め定められた第１条件」としては、例えば、個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いことなどの、上記一拍的特徴量の信頼性が低い条件が挙げられる。
　この一実施形態の血圧計では、上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍的特徴量を用いず、上記直流的特徴量のみを用いる。ここで、上記第１条件としては、例えば、個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いことが定められているものとする。この一実施形態の血圧計によれば、そのような上記一拍的特徴量の信頼性が低い場合（つまり、上記一拍的特徴量の使用を排除すべき場合）に、上記直流的特徴量のみを用いることができる。この結果、上記個人認証の精度が低下するのを防止できる。
　一実施形態の血圧計では、
　記憶部と、
　上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部と
を備えたことを特徴とする。
　この一実施形態の血圧計では、上記特徴登録部は、上記個人認証を行う前の段階で予め、次のような制御を行う。まず、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得する。次に、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる。この結果、上記個人認証を行う段階で、上記認証部は、上記記憶部に登録されている上記登録特徴情報を比較の基準として用いて、上記被験者について個人認証を行うことができる。
　一実施形態の血圧計では、
　記憶部と、
　それぞれ複数のノードを含む入力層、複数の中間層、および出力層を有するニューラルネットワークとを備え、
　上記ニューラルネットワークは、上記入力層に、複数の教師ユーザの上記圧力変化パターンについての特徴情報を表す特徴ベクトルのいずれかが入力されたとき、上記複数の中間層を介して、上記出力層に、入力された特徴情報に対応する教師ユーザを表す出力情報を出力するように、上記ノード間の重み付けがなされて学習済みになっており、
　上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部を備え、
　上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得し、
　上記認証部は、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する
ことを特徴とする。
　「教師ユーザ」とは、上記ニューラルネットワークの学習のために、上記圧力変化パターンについての特徴情報を提供したユーザを指す。「ユーザグループ」は、複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含む。
　この一実施形態の血圧計では、上記特徴登録部は、上記個人認証を行う前の段階で予め、次のような制御を行う。まず、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得する。次に、それぞれのユーザ毎に、そのユーザの上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として記憶部に登録する。これにより、それぞれのユーザ毎に、上記記憶部に上記登録特徴情報が登録される。
　上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得する。上記認証部は、上記被験者の上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力する。そして、上記認証部は、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する。これにより、上記被験者が上記ユーザグループに含まれたユーザである場合、そのことを認証できる。
　一実施形態の血圧計では、
　上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する更新部
を備えたことを特徴とする。
　「予め定められた第２条件」としては、例えば、上記ユーザについての登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、１年間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したことなどの、上記登録特徴情報を更新すべき条件が挙げられる。
　この一実施形態の血圧計では、更新部は、上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する。ここで、上記第２条件としては、例えば、上記ユーザについての上記登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、６ヶ月間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したことが定められているものとする。この一実施形態の血圧計によれば、そのような上記登録特徴情報を更新すべき場合に、上記登録特徴情報を自動的に更新して適切な状態に維持することができる。この結果、上記個人認証の精度が低下するのを防止できる。
　一実施形態の血圧計では、
　上記認証部は、予め定められた第３条件下では上記個人認証を中止する
ことを特徴とする。
　「予め定められた第３条件」としては、例えば、不規則脈波が検出されたことなどの、上記圧力変化パターンについての特徴情報（上記直流的特徴量および／または上記一拍的特徴量）の信頼性が低いとみなされる条件が挙げられる。
　この一実施形態の血圧計では、上記認証部は、予め定められた第３条件下では上記個人認証を中止する。ここで、上記第３条件としては、例えば、不規則脈波が検出されたことが定められているものとする。この一実施形態の血圧計によれば、そのような上記圧力変化パターンについての特徴情報（上記直流的特徴量および／または上記一拍的特徴量）の信頼性が低い場合に、上記個人認証を中止することができる。この結果、上記個人認証の精度が低下するのを防止できる。
　別の局面では、この開示の血圧計における個人認証方法は、
　被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計における個人認証方法であって、
　上記血圧計は、
　上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
　上記カフの圧力を検出する圧力検出部と、
　上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と
を備え、
　上記個人認証方法は、
　認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得し、
　上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う
ことを特徴とする。
　この開示の血圧計における個人認証方法によれば、簡単な構成の血圧計で、精度良く個人認証を行うことができる。
　さらに別の局面では、この開示のプログラムは、上記血圧計における個人認証方法をコンピュータに実行させるためのプログラムである。
　この開示のプログラムをコンピュータに実行させることによって、上記血圧計における個人認証方法を実施することができる。
　以上より明らかなように、この開示の血圧計によれば、簡単な構成で精度良く個人認証を行うことができる。また、この開示の血圧計における個人認証方法によれば、簡単な構成の血圧計で、精度良く個人認証を行うことができる。また、この開示のプログラムをコンピュータに実行させることによって、上記血圧計における個人認証方法を実施することができる。
この発明の一実施形態の血圧計のブロック構成を示す図である。 上記血圧計のＣＰＵによる機能的なブロック構成を示す図である。 上記血圧計による血圧測定のフローを示す図である。 上記血圧計による登録モードの処理のフローを示す図である。 上記血圧計による測定モードの処理のフローを示す図である。 図６（Ｂ）は、加圧開始からの時間経過に伴うカフ圧の変化を示す図である。図６（Ａ）は、加圧開始からの時間経過に伴って得られるカフ圧の圧力変動成分（脈波信号）を示す図である。 図７（Ａ）は、筋肉質で太腕のユーザについての、加圧開始からの時間経過に伴う直流的な圧力変化パターンを示す図である。図７（Ｂ）は、筋肉質で細腕のユーザについての、加圧開始からの時間経過に伴う直流的な圧力変化パターンを示す図である。 図８（Ａ）は、脂肪質で太腕のユーザについての、加圧開始からの時間経過に伴う直流的な圧力変化パターンを示す図である。図８（Ｂ）は、脂肪質で細腕のユーザについての、加圧開始からの時間経過に伴う直流的な圧力変化パターンを示す図である。 特徴量空間において、認証対象である被験者が登録されているユーザであるか否かを判定するための許容範囲（本人受入範囲）を示す図である。 一拍毎の波形パターンについての特徴情報（一拍的特徴量）を説明する図である。 図１１（Ｂ）は、上記血圧計を変形した変形例の血圧計が有するニューラルネットワークの構成を示す図である。図１１（Ａ）、図１１（Ｃ）は、それぞれ上記ニューラルネットワークに学習段階で与えられる入力信号（特徴ベクトル）、教師信号を示す図である。 上記ニューラルネットワークに与えられる、直流的な圧力変化パターンについての特徴情報（特徴ベクトル）を説明する図である。
　以下、この発明の実施の形態を、図面を参照しながら詳細に説明する。
　（血圧計の構成）
　図１は、この発明の一実施形態の血圧計１の外観を示している。この血圧計１は、大別して、被験者の棒状の被測定部位（例えば、上腕）を取り巻いて装着される血圧測定用カフ２０と、血圧測定のための要素を搭載した本体１０とを備えている。
　上記カフ２０は、一般的なものであり、細長い帯状の外布２１と内布２３との間に流体袋２２を挟み、それらの外布２１、内布２３の周縁部を縫製または溶着して構成されている。
　本体１０は、プロセッサとしてのＣＰＵ（Central Processing Unit）１００と、表示器５０と、操作部５２と、記憶部としてのメモリ５１と、電源部５３と、圧力センサ３１と、第１フィルタ部３１１および第２フィルタ部３１５と、ポンプ３２と、ポンプ駆動回路３２０と、弁３３と、弁駆動回路３３０とを搭載している。この例では、圧力センサ３１に接続されたエア配管３９ａと、ポンプ３２に接続されたエア配管３９ｂと、弁３３に接続されたエア配管３９ｃとが合流して、１本のエア配管３９になって、カフ２０内の流体袋２２に流体流通可能に接続されている。以下では、上記エア配管３９ａ，３９ｂ，３９ｃを含めて、エア配管３９として総称する。
　表示器５０は、この例では、ＬＣＤ（Liquid Crystal Display；液晶ディスプレイ）からなり、ＣＰＵ１００からの制御信号に従って所定の情報を表示する。この例では、表示器５０は、収縮期血圧ＳＢＰ（Systolic Blood Pressure、単位；ｍｍＨｇ）、拡張期血圧ＤＢＰ（Diastolic Blood Pressure、単位；ｍｍＨｇ）、脈拍数（単位；拍／ｍｉｎ）、また、被験者についての個人認証の結果を表示するようになっている。なお、表示器５０は、有機ＥＬ（Electro Luminescence）ディスプレイからなっていてもよいし、ＬＥＤ（Light Emitting Diode；発光ダイオード）を含んでいてもよい。
　操作部５２は、この例では、血圧計１の電源をオンまたはオフするための電源スイッチ５２Ａと、血圧の測定モード開始の指示を受け付けるための測定スイッチ５２Ｂと、登録モード開始の指示を受け付けるための登録スイッチ５２Ｃとを含み、ユーザの指示に応じた操作信号をＣＰＵ１００に入力する。具体的には、電源スイッチ５２Ａがオンされると、血圧計１は、ユーザによる測定スイッチ５２Ｂ、登録スイッチ５２Ｃの操作を受け付け可能な電源オン状態となる。電源オン状態で測定スイッチ５２Ｂが押されると、血圧計１は、後述の測定モードの処理（血圧測定と個人認証とを含む処理）を実行する。電源オン状態で登録スイッチ５２Ｃが押されると、血圧計１は、後述の登録モードの処理（ユーザに関する登録を行う処理）を実行する。以下の説明では、血圧計１は電源オン状態にあるものとする。
　メモリ５１は、血圧計１を制御するためのプログラムのデータ、血圧計１の各種機能を設定するための設定データ、血圧値の測定結果のデータ、および、個人認証のための比較の基準となる登録特徴情報などを記憶する。また、メモリ５１は、プログラムが実行されるときのワークメモリなどとして用いられる。
　ＣＰＵ１００は、メモリ５１に記憶された血圧計１を制御するためのプログラムに従って、この血圧計１全体の動作を制御する。具体的には、ＣＰＵ１００は、図２に示すように、第１圧力検出部１３１、第２圧力検出部１３２、圧力制御部１３３、血圧算出部１３４、および表示処理部１３５として働く。さらに、ＣＰＵ１００は、認証機能ブロック２００に含まれた入力部２１０、特徴取得部２２０、特徴登録部２３０、認証部２４０、および更新部２５０として働く。各部の具体的な機能については後述する。
　図１中に示す圧力センサ３１は、この例ではピエゾ抵抗式半導体圧力センサと、発振回路とを含んでいる。上記ピエゾ抵抗式半導体圧力センサは、エア配管３９を通して、カフ２０に内包された流体袋２２内の圧力（カフ圧）Ｐｃ（図６（Ｂ）参照）をピエゾ抵抗効果による電気抵抗として出力する。上記発振回路は、上記半導体圧力センサからの電気抵抗に応じた発振周波数で発振して、その発振周波数を含む周波数信号を、カフ圧Ｐｃを表す信号として出力する。第１フィルタ部３１１は、ローパスフィルタ（ＬＰＦ）３１２と、Ａ／Ｄコンバータ３１４とを含み、カフ圧Ｐｃを表す周波数信号から、直流的な成分（これを「直流成分Ｐｄｃ」と呼ぶ。）を抽出し、デジタル値に変換する。第２フィルタ部３１５は、ハイパスフィルタ（ＨＰＦ）３１６と、Ａ／Ｄコンバータ３１８とを含み、カフ圧Ｐｃを表す周波数信号から、被測定部位が示す脈波による圧力変動成分（脈波信号）Ｐｍ（図６（Ａ）参照）を抽出し、デジタル値に変換する。デジタル化された直流成分Ｐｄｃ、脈波信号Ｐｍは、それぞれＣＰＵ１００に入力される。ＣＰＵ１００は第１圧力検出部１３１として働いて、入力された直流成分Ｐｄｃに応じて、直流的な圧力変化パターン（例えば、図７（Ａ）中に示す圧力変化パターンＰｄｃＵ１）を検出する。また、ＣＰＵ１００は第２圧力検出部１３２として働いて、入力された脈波信号Ｐｍに応じて、一拍毎の波形パターン（例えば、図６（Ａ）中に示す一拍毎の波形パターンＰｍ１）を検出する。圧力センサ３１、第１フィルタ部３１１、第２フィルタ部３１５、第１圧力検出部１３１、第２圧力検出部１３２は、全体として、カフ２０の圧力を検出する圧力検出部を構成している。
　図１中に示すポンプ３２は、ＣＰＵ１００（圧力制御部１３３として働く）から与えられる制御信号に基づいてポンプ駆動回路３２０によって駆動され、エア配管３９を通して、カフ２０に内包された流体袋２２へ空気を供給する。これにより、流体袋２２の圧力（カフ圧Ｐｃ）が加圧される。
　弁３３は、常開タイプの電磁弁からなり、ＣＰＵ１００（圧力制御部１３３として働く）から与えられる制御信号に基づいて弁駆動回路３３０によって駆動され、エア配管３９を通して流体袋２２内の空気を排出し、または封入してカフ圧を制御するために開閉される。
　電源部５３は、ＣＰＵ１００、表示器５０、メモリ５１、圧力センサ３１、ポンプ３２、弁３３、その他の本体１０内の各部に電力を供給する。
　（血圧測定）
　図３は、後述の登録モードの処理（図４）、後述の測定モードの処理（図５）の中でそれぞれ実行される血圧測定のフローを示している。
　カフ２０が被測定部位に装着された装着状態で、ユーザ（被験者）が本体１０に設けられた測定スイッチ５２Ｂによって測定モードの開始を指示すると（図３のステップＳ１１）、ＣＰＵ１００は、まず初期化を行う（ステップＳ１２）。具体的には、ＣＰＵ１００は、処理用メモリ領域を初期化するとともに、ポンプ３２を停止し、弁３３を開いた状態で、圧力センサ３１の０ｍｍＨｇ調整（大気圧を０ｍｍＨｇに設定する。）を行う。
　続いて、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を閉じ（ステップＳ１３）、ポンプ３２を駆動して、カフ２０の加圧を開始する（ステップＳ１４）。すなわち、ＣＰＵ１００は、ポンプ３２からエア配管３９を通してカフ２０に内包された流体袋２２に、単位時間当たり一定流量の空気を供給する。これとともに、圧力センサ３１は、カフ２０（流体袋２２）内の圧力（カフ圧）Ｐｃを、エア配管３９を通して検出する。ここで、図６（Ａ），図６（Ｂ）に示すように、圧力センサ３１によって検出されるカフ圧Ｐｃには、滑らかに単調増加する成分（直流成分Ｐｄｃ）に加えて、脈波による圧力変動成分（脈波信号）Ｐｍが重畳されている。ＣＰＵ１００は第１圧力検出部１３１として働いて、第１フィルタ部３１１を通して入力された直流成分Ｐｄｃに応じて、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる（すなわち、次第に傾きを大きくしながら、下向きに凸に湾曲して増加する）直流的な圧力変化パターン（例えば、図７（Ａ）中に示す圧力変化パターンＰｄｃＵ１）を検出する（図３のステップＳ１５）。これとともに、ＣＰＵ１００は、第１圧力検出部１３１の出力に基づいて、ポンプ３２による加圧速度を制御する。この加圧により、被測定部位を通る動脈が圧迫されて、阻血される。
　次に、ＣＰＵ１００は、第１圧力検出部１３１の出力に基づいて、カフ圧Ｐｃが予め定められた値Ｐｕ（この例では、被験者の想定される血圧値を十分上回るように、図７（Ｂ）中に示すようにＰｕ＝２００ｍｍＨｇとして定められている。）に達すると、ポンプ３２を停止する（図３のステップＳ１６）。
　続いて、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を徐々に開く。これにより、カフ圧Ｐｃを略一定速度で減圧してゆく（図３のステップＳ１７）。この減圧過程で、ＣＰＵ１００は第２圧力検出部１３２として働いて、第２フィルタ部３１５を通して入力された脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）を検出する（図３のステップＳ１８）。そして、ＣＰＵ１００は血圧算出部１３４として働いて、この時点で取得されている脈波信号Ｐｍに基づいて、例えば公知のオシロメトリック法により血圧値（収縮期血圧ＳＢＰ（Systolic Blood Pressure）と拡張期血圧ＤＢＰ（Diastolic Blood Pressure））の算出を試みる（図３のステップＳ１９）。また、この例では、ＣＰＵ１００は、上記脈波信号に基づいて、脈拍数［拍／ｍｉｎ］を算出する。
　ＣＰＵ１００は、データ不足のために未だ血圧値と脈拍数を算出できない場合は（図３のステップＳ２０でＮＯ）、算出できるまでステップＳ１７～Ｓ２０の処理を繰り返す。
　このようにして血圧値と脈拍数の算出ができたら（ステップＳ２０でＹｅｓ）、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を開いて、カフ２０（流体袋２２）内の空気を急速排気する制御を行う（ステップＳ２１）。
　この後、ＣＰＵ１００は、血圧値と脈拍数をメモリ５１に保存する制御を行う（ステップＳ２２）。
　なお、上の例では、カフ２０（流体袋２２）の減圧過程で血圧値と脈拍数を算出したが、これに限られるものではなく、カフ２０（流体袋２２）の加圧過程で血圧値と脈拍数を算出してもよい。
　（登録モードの処理）
　図４は、血圧計１による個人認証を行う前の段階での登録モードの処理のフローを示している。ここで、まだユーザ登録番号を登録していない新規のユーザが、被験者としてカフ２０を被測定部位としての上腕に装着した装着状態にあるものとする。この状態で、ユーザが本体１０に設けられた登録スイッチ５２Ｃによって登録モードの開始を指示すると、ＣＰＵ１００は、次のように登録モードの処理を実行する。
　まず、図４のステップＳ１０１で、ＣＰＵ１００は、表示器５０に、ユーザが新規のユーザ登録番号を選択するための画面を表示させる。例えば、表示器５０に、「新規のユーザ登録番号をＵ１としますか？」のようなユーザ登録番号の候補を表示させる。このとき、上記ユーザが、例えば登録スイッチ５２Ｃを短押し（１秒以内）すると、上記ユーザのユーザ登録番号として「Ｕ１」がメモリ５１に登録される。それに代えて、上記ユーザが、例えば登録スイッチ５２Ｃを長押し（３秒間以上）すると、ＣＰＵ１００は、表示器５０に、「新規のユーザ登録番号をＵ２としますか？」のようなユーザ登録番号の別の候補を表示させる。このとき、上記ユーザが、例えば登録スイッチ５２Ｃを短押しすると、上記ユーザのユーザ登録番号として「Ｕ２」がメモリ５１に登録される。このようにして、ＣＰＵ１００は、表示器５０にユーザ登録番号の候補Ｕ１，Ｕ２，…を順次表示させ、上記ユーザの選択に応じて、上記ユーザ固有のユーザ登録番号をメモリ５１に登録する。なお、以下では、簡単のため、各ユーザをユーザ登録番号で表すものとする。
　続いて、図４のステップＳ１０２で、ＣＰＵ１００は、図３によって説明した血圧測定の処理を実行する。既述のように、図３のステップＳ１５では、カフ２０の加圧過程で、カフ圧Ｐｃの直流成分Ｐｄｃに応じて、直流的な圧力変化パターンが検出される。例えば、図７（Ａ）から図８（Ｂ）は、横軸を時間ｔとし、縦軸をカフ圧Ｐｃとした時間対カフ圧（ｔ－Ｐｃ）平面上で、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる（すなわち、次第に傾きを大きくしながら、下向きに凸に湾曲して増加する）様々な圧力変化パターンを示している。具体的には、図７（Ａ）は、筋肉質で太腕のユーザＵ１について検出される典型的な圧力変化パターンＰｄｃＵ１を示している。また、図７（Ｂ）は、筋肉質で細腕のユーザＵ２について検出される典型的な圧力変化パターンＰｄｃＵ２を示している。図８（Ａ）は、脂肪質で太腕のユーザＵ３について検出される典型的な圧力変化パターンＰｄｃＵ３を示している。図８（Ｂ）は、脂肪質で細腕のユーザＵ４について検出される典型的な圧力変化パターンＰｄｃＵ４を示している。以下では、このような直流的な圧力変化パターンを符号ＰｄｃＵで総称する。また、図３のステップＳ１８では、カフ２０の減圧過程で、脈波による圧力変動成分として、脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）が検出される。この例では、ＣＰＵ１００は入力部２１０として働いて、取得された直流的な圧力変化パターンＰｄｃＵを、認証機能ブロック２００に入力する。なお、直流的な圧力変化パターンに加えて、一拍毎の波形パターンＰｍ１を、認証機能ブロック２００に入力してもよい（その場合については後述する。）。
　以下では、物理量（例えば、Ｐｄｃ）にユーザ（または被験者）を表す符号（例えば、Ｕ１）を付して、その物理量がそのユーザ（または被験者）について得られたものであることを表すものとする。
　ここで、圧力変化パターン（特に、直流的な圧力変化パターンＰｄｃＵ）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。例えば、図７（Ａ）、図８（Ａ）に示すように太腕の場合（つまり、被測定部位の周囲長が大きい場合）は、図７（Ｂ）、図８（Ｂ）に示すように細腕の場合（つまり、周囲長が小さい場合）に比して、カフ２０（流体袋２２）の内部容量が増えるため、カフ２０の加圧過程でカフ２０に流体を単位時間当たり一定流量で供給するとき、カフ圧Ｐｃの上昇率（勾配）が小さくなる傾向がある。また、図８（Ａ）、図８（Ｂ）に示すように被測定部位が脂肪質である場合は、図７（Ａ）、図７（Ｂ）に示すように筋肉質である場合に比して、高圧域（例えば、２５ｍｍＨｇ以上）で被測定部位が潰れ易くなることから、高圧域でカフ圧の上昇率（勾配）が小さくなる傾向がある。そして、被験者（ユーザ）毎の被測定部位の周囲長、体組成などの組み合わせに応じて、それらの傾向が組み合わされて現れる。
　続いて、図４のステップＳ１０３で、ＣＰＵ１００は特徴登録部２３０として働いて、この例では直流的な圧力変化パターンＰｄｃＵについての特徴情報を取得する。具体的には、例えばユーザＵ１について、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２（この例では、０＜ｔ１＜ｔ２＜１０秒とする。）で、図７（Ａ）に示す圧力変化パターンＰｄｃＵ１がとる値ｐ１Ｕ１，ｐ２Ｕ１を、直流的特徴量として取得する。同様に、ユーザＵ２について、時刻ｔ１，ｔ２で図７（Ｂ）に示す圧力変化パターンＰｄｃＵ２がとる値ｐ１Ｕ２，ｐ２Ｕ２を、直流的特徴量として取得する。また、ユーザＵ３について、時刻ｔ１，ｔ２で図８（Ａ）に示す圧力変化パターンＰｄｃＵ３がとる値ｐ１Ｕ３，ｐ２Ｕ３を、直流的特徴量として取得する。また、ユーザＵ４について、時刻ｔ１，ｔ２で図８（Ｂ）に示す圧力変化パターンＰｄｃＵ４がとる値ｐ１Ｕ４，ｐ２Ｕ４を、直流的特徴量として取得する。これらの圧力変化パターンＰｄｃＵについての直流的特徴量（符号ｐ１，ｐ２で総称する。）は、上述のように被験者（ユーザ）の身体的特徴に依存して定まるので、個人認証の判断基準として好適に用いることができる。
　続いて、図４のステップＳ１０４で、ＣＰＵ１００は、さらに特徴登録部２３０として働いて、ユーザ登録番号に、特徴情報（この例では、直流的特徴量ｐ１，ｐ２）を対応付けて、登録特徴情報としてメモリ５１に記憶（登録）させる。例えば、上記ユーザＵ１について取得された直流的特徴量がｐ１Ｕ１，ｐ２Ｕ１であれば、下の表１の登録情報テーブルに示すように、メモリ５１に記憶させる。また、上記ユーザＵ１とは別のユーザＵ２について取得された直流的特徴量がｐ１Ｕ２，ｐ２Ｕ２であれば、上記ユーザＵ１の登録特徴情報とは区別して、そのユーザＵ２についての登録特徴情報を記憶させる。さらに別のユーザについても同様である。
（表１）登録情報テーブル
Figure JPOXMLDOC01-appb-I000001
　このようにして、個人認証を行う前の段階で予め、登録モードの処理を実行することによって、上記ユーザの個人認証のための比較の基準として、登録特徴情報を記憶（登録）することができる。
　さらに、この例では、図４のステップＳ１０２で、或るユーザについて、図３によって説明した血圧測定の処理を、安静状態で、例えば３回以上繰り返すものとする。図４のステップＳ１０３では、３回以上の血圧測定の都度、直流的な圧力変化パターンＰｄｃＵを検出し、図４のステップＳ１０４では、それらの直流的な圧力変化パターンＰｄｃＵについての特徴情報（この例では、直流的特徴量ｐ１，ｐ２）をそれぞれ登録情報テーブルに登録するものとする。したがって、この例では、ユーザＵ１について、直流的特徴量ｐ１Ｕ１，ｐ２Ｕ１のデータは、それぞれ３値以上登録される。ユーザＵ２についても、直流的特徴量ｐ１Ｕ２，ｐ２Ｕ２のデータは、それぞれ３値以上登録される。さらに別のユーザについても同様である。
　（測定モードの処理）
　図５は、血圧計１による血圧測定と個人認証とを含む測定モードの処理のフローを示している。ここで、認証対象である被験者（これを符号Ｕｘで表す。）がカフ２０を被測定部位としての上腕に装着した装着状態にあるものとする。この状態で、被験者Ｕｘが本体１０に設けられた測定スイッチ５２Ｂによって測定モードの開始を指示すると、ＣＰＵ１００は、次のように測定モードの処理を実行する。
　まず、図５のステップＳ２０１で、ＣＰＵ１００は、図３によって説明した血圧測定の処理を実行する。既述のように、図３のステップＳ１５では、被験者Ｕｘについて、カフ２０の加圧過程で、カフ圧Ｐｃの直流成分Ｐｄｃとして、直流的な圧力変化パターン（これを符号ＰｄｃＵｘで表す。）が検出される。また、図３のステップＳ１８では、被験者Ｕｘについて、カフ２０の減圧過程で、脈波による圧力変動成分として、脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）が検出される。この例では、ＣＰＵ１００は入力部２１０として働いて、直流的な圧力変化パターンＰｄｃＵｘを、認証機能ブロック２００に入力する。図３のステップＳ２２では、ＣＰＵ１００は血圧値と脈拍数をメモリ５１に保存する。
　次に、図５のステップＳ２０２で、ＣＰＵ１００は特徴取得部２２０として働いて、この例では直流的な圧力変化パターンＰｄｃＵｘについての特徴情報を取得する。具体的には、例えば、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２（この例では、０＜ｔ１＜ｔ２＜１０秒とする。）（図７（Ａ）参照）で、圧力変化パターンＰｄｃＵｘがとる値（これを符号ｐ１Ｕｘ，ｐ２Ｕｘで表す。）を直流的特徴量として取得する。
　次に、図５のステップＳ２０３で、ＣＰＵ１００は認証部２４０として働いて、取得された特徴情報（この例では、直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘ）を、表１の登録情報テーブル内の登録特徴情報と比較して、被験者Ｕｘに該当するユーザを探索する。
　具体的には、図９に例示するように、ＣＰＵ１００は、横軸を直流的特徴量ｐ１とし、縦軸を直流的特徴量ｐ２とした特徴量空間Ｑを作成する。この例では、表１の登録情報テーブルで、ユーザＵ１について、直流的特徴量ｐ１Ｕ１，ｐ２Ｕ１のそれぞれ３値以上登録されたデータを用いて、特徴量空間Ｑでの重心点ＣｇＵ１を算出する。同様に、ユーザＵ２について、直流的特徴量ｐ１Ｕ２，ｐ２Ｕ２のそれぞれ３値以上登録されたデータを用いて、特徴量空間Ｑでの重心点ＣｇＵ２を算出する。さらに別のユーザについても同様に、特徴量空間Ｑでの重心点を算出する。
　さらに、ＣＰＵ１００は、それらの重心点ＣｇＵ１，ＣｇＵ２，…を中心として、それぞれ一定範囲を、本人受入範囲ＡｒＵ１，ＡｒＵ２，…として設定する。ここで、「本人受入範囲」とは、認証対象である被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…であると認められるべき許容範囲を意味している。この例では、それぞれの本人受入範囲ＡｒＵ１，ＡｒＵ２，…は、直流的特徴量ｐ１についての許容幅を長径Ｌ１とし、直流的特徴量ｐ２についての許容幅を短径Ｌ２とした楕円形状の範囲として設定されている。これらの本人受入範囲ＡｒＵ１，ＡｒＵ２，…のサイズは固定値であり、予め多人数で得られた実験データに基づいて、他人受入エラー（本人が他人として認定されるエラー）および個人拒否エラー（本人が本人でないとして認定されるエラー）が共に最小値となるよう調整されている。
　さらに、ＣＰＵ１００は、特徴量空間Ｑにおいて、被験者Ｕｘの直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点（これを符号ｄＵｘで表す。）が、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれかに入っているか否かを判断する。これにより、被験者Ｕｘに該当するユーザを探索する。この探索は、被験者Ｕｘについて取得された直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘを、各ユーザＵ１，Ｕ２，…の登録特徴情報（この例では、直流的特徴量）と比較しながら行われる。
　ここで、被験者Ｕｘの直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれにも入っていない場合（図５のステップＳ２０４でＮｏ）は、ＣＰＵ１００は、の被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…ではないと判定する。この場合、図５のステップＳ２０６に進んで、ＣＰＵ１００は表示処理部１３５として働いて、単に、血圧値と脈拍数の測定結果を表示器５０に表示させる。
　一方、被験者Ｕｘの直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれかに入っている場合（図５のステップＳ２０４でＹｅｓ）、被験者Ｕｘが予め登録されたユーザであると判定する。この場合、図５のステップＳ２０５で、ＣＰＵ１００は、該当ユーザのユーザ登録番号に、血圧値の測定結果を対応付けてメモリ５１に保存する。図９の例では、被験者Ｕｘの直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、ユーザＵ１の本人受入範囲ＡｒＵ１に入っていることから、ＣＰＵ１００は、図５のステップＳ２０１で得られた血圧値と脈拍数を、ユーザＵ１のユーザ登録番号Ｕ１に対応付けて、下の表２の測定結果テーブルに示すように、メモリ５１に保存する。この例では、収縮期血圧ＳＢＰは１３０［ｍｍＨｇ］、拡張期血圧ＤＢＰは８０［ｍｍＨｇ］、脈拍数は７０［拍／ｍｉｎ］であったものとする。さらに、図５のステップＳ２０６に進んで、ＣＰＵ１００は表示処理部１３５として働いて、血圧値と脈拍数の測定結果を表示器５０に表示させる。
（表２）測定結果テーブル
Figure JPOXMLDOC01-appb-I000002
なお、表１の登録情報テーブルと表２の測定結果テーブルとをユーザ登録番号で対応付けて、一体のテーブルとしてもよい。
　このように、この血圧計１では、カフ２０の加圧過程で加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる圧力変化パターンについての特徴情報（この例では、直流的特徴量ｐ１，ｐ２）を用いて、被験者の個人認証を行っている。既述のように、この圧力変化パターン（特に、直流的な圧力変化パターンＰｄｃＵ）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。これらの身体的特徴は被験者個人における短期間での変化量が小さい。言い換えれば、これらの身体的特徴は、コロトコフ音や心電信号とは異なり、測定毎のばらつきが小さい。したがって、この血圧計１では、被験者の身体的特徴に依存して定まる圧力変化パターンについての特徴情報を用いて個人認証を行うことによって、被験者について精度良く個人認証を行うことができる。また、このようにして被験者についての個人認証が行われる場合、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設ける必要が無い。したがって、この血圧計１は、簡単な構成で低コストに構成され得る。
　また、この血圧計１では、上記本人受入範囲ＡｒＵ１，ＡｒＵ２，…を適切に設定することによって、認証対象である被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…であるか否かを、さらに精度良く判定できる。
　上の例では、本人受入範囲ＡｒＵ１，ＡｒＵ２，…を楕円形状の範囲として設定したが、これに限られるものではない。例えば、横軸のｐ１、縦軸のｐ２について互いに独立に許容範囲を設定して、本人受入範囲を矩形状の範囲として設定してもよい。その他、本人受入範囲としては、ユークリッド距離、マンハッタン距離、コサイン類似度、ピアソンの積率相関係数、動的時間伸縮法などの公知の手法を使用して設定することができる。
　また、上の例では、直流的特徴量として、加圧開始から予め定められた２つの時刻ｔ１，ｔ２で直流的な圧力変化パターンＰｄｃＵがとる値ｐ１，ｐ２を用いたが、これに限られるものではない。直流的特徴量としては、例えば、加圧開始から予め定められた３つ以上の時刻ｔ１，ｔ２，ｔ３，…で直流的な圧力変化パターンＰｄｃＵがとる値ｐ１，ｐ２，ｐ３，…を用いてもよい。その他、直流的特徴量としては、次のような様々な特徴量を用いることができる。
・予め定められた圧力ｐ１′から別の圧力ｐ２′になるまでの時間Δｔ＝ｔ２′－ｔ１′（ただし、ｔ１′，ｔ２′は、それぞれ予め定められた圧力ｐ１′、ｐ２′になる時刻である。）
・圧力の比（ｐ２／ｐ１）
・予め定められた時刻ｔ１，ｔ２間での傾きα＝（ｐ２－ｐ１）／（ｔ２－ｔ１）
・予め定められた時刻での勾配
・面積Ｓ１，Ｓ２（ただし、図７（Ａ）中に例示するように、Ｓ１は時刻０～ｔ１での面積（点描で示す）、Ｓ２は時刻ｔ１～ｔ２での面積（斜線で示す）である。）
・面積比Ｓ２／Ｓ１
　（変形例１）
　上の例では、特徴情報として、直流的な圧力変化パターンＰｄｃＵについての直流的特徴量のみを用いたが、これに限られるものではない。特徴情報としては、直流的特徴量に加えて、一拍毎の波形パターンＰｍ１（図６（Ａ）参照）についての特徴量（一拍的特徴量）を用いてもよい。
　その場合、血圧計１による個人認証を行う前の段階の、図４のステップＳ１０２（特に、図３のステップＳ１８）で、ＣＰＵ１００が入力部２１０として働いて、直流的な圧力変化パターンＰｄｃＵに加えて、一拍毎の波形パターンＰｍ１を、認証機能ブロック２００に入力する。さらに、図４のステップＳ１０３では、ＣＰＵ１００は特徴登録部２３０として働いて、特徴情報として、直流的な圧力変化パターンＰｄｃＵについての直流的特徴量に加えて、一拍毎の波形パターンＰｍ１について一拍的特徴量を取得する。
　ここで、図１０は、一拍毎の波形パターンＰｍ１を拡大して示している。詳しくは、図１０は、一拍の開始点をｔ＝０秒、圧力＝０ｍｍＨｇとし、横軸を開始点からの経過時間ｔ、縦軸を開始点からの圧力変化量Δｐとして、典型的な一拍毎の波形パターンＰｍ１を表している。この例では、一拍毎の波形パターンＰｍ１は、開始点から上向きに凸に湾曲して立ち上がり、時刻ｔ１１で第１の極大点（駆出ピーク）Ｍａｘ１を示し、時刻ｔ１２で極小点Ｍｉｎを示し、時刻ｔ１３で第２の極大点（反射ピーク）Ｍａｘ２を示し、時刻ｔ１４で圧力０ｍｍＨｇ（終了点）となって終了している。このような一拍毎の波形パターンＰｍ１についての一拍的特徴量としては、図１０中に例示する次のような様々な特徴量を用いることができる。
・第１の極大点Ｍａｘ１での圧力変化量（振幅）ｐＭａｘ１、第２の極大点Ｍａｘ２での圧力変化量（振幅）ｐＭａｘ２
・第１の極大点Ｍａｘ１と第２の極大点Ｍａｘ２との間の時間間隔ΔｔＭａｘ（＝ｔ１３－ｔ１１）
・開始点から一定時間ｔ１０経過後における勾配α１０
・一拍毎の波形パターンＰｍ１と横軸ｔとの間の面積Ｓ１０
・第１の極大点Ｍａｘ１での振幅ｐＭａｘ１と第２の極大点Ｍａｘ２での振幅ｐＭａｘ２との比（ｐＭａｘ１／ｐＭａｘ２）
・面積Ｓ１０のうち時刻ｔ＝０からｔ１２までの間の面積Ｓ１１と、時刻ｔ＝ｔ１２からｔ１４までの間の面積Ｓ１２との比（Ｓ１１／Ｓ１２）
　なお、一拍毎の波形パターンＰｍ１は、図６（Ｂ）中に示す加圧過程と減圧過程とのいずれかからも抽出され得る。ただし、図６（Ａ）から分かるように、減圧過程の終盤に、一拍毎の波形が最も安定する。このため、一拍毎の波形パターンＰｍ１については、減圧過程の終盤に抽出するのが望ましい。
　続いて、図４のステップＳ１０４で、ＣＰＵ１００は、さらに特徴登録部２３０として働いて、ユーザ登録番号に、直流的特徴量（例えば、ｐ１，ｐ２）に加えて一拍的特徴量（例えば、ｐＭａｘ１，ｐＭａｘ２）を対応付けて、登録特徴情報としてメモリ５１に記憶（登録）させる。例えば、上記ユーザのユーザ登録番号がＵ１であり、直流的特徴量ｐ１Ｕ１，ｐ２Ｕ１に加えて、一拍的特徴量として、第１の極大点Ｍａｘ１での振幅ｐＭａｘ１Ｕ１、第２の極大点Ｍａｘ２での振幅ｐＭａｘ２Ｕ１が取得された場合、次の表３の登録情報テーブルに示すように、メモリ５１に記憶させる。
（表３）登録情報テーブル
Figure JPOXMLDOC01-appb-I000003
　このようにして、血圧計１による個人認証を行う前の段階で、直流的特徴量に加えて、一拍的特徴量を、登録特徴情報としてメモリ５１に登録することができる。
　この後、血圧計１による個人認証を行う段階の、図５のステップＳ２０１（特に、図３のステップＳ１８）で、ＣＰＵ１００が入力部２１０として働いて、被験者Ｕｘについて、直流的な圧力変化パターンＰｄｃＵｘに加えて、一拍毎の波形パターン（これを符号Ｐｍ１Ｕｘで表す。）を、認証機能ブロック２００に入力する。続いて、図５のステップＳ２０２で、ＣＰＵ１００は特徴取得部２２０として働いて、特徴情報として、直流的な圧力変化パターンＰｄｃＵｘについての直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘに加えて、一拍毎の波形パターンＰｍ１Ｕｘについての一拍的特徴量として、この例では第１の極大点Ｍａｘ１での振幅ｐＭａｘ１（これを符号ｐＭａｘ１Ｕｘで表す。）と第２の極大点Ｍａｘ２での振幅ｐＭａｘ２（これを符号ｐＭａｘ２Ｕｘで表す。）を取得する。次に、図５のステップＳ２０３で、ＣＰＵ１００は認証部２４０として働いて、取得された特徴情報（この例では、直流的特徴量ｐ１Ｕｘ，ｐ２Ｕｘと一拍的特徴量ｐＭａｘ１Ｕｘ，ｐＭａｘ２Ｕｘ）を、表２の登録情報テーブル内の登録特徴情報と比較して、被験者Ｕｘに該当するユーザを探索する。例えば、ＣＰＵ１００は、ｐ１，ｐ２，ｐＭａｘ１，ｐＭａｘ２を座標軸とする４次元の特徴量空間（これを符号Ｑ１で表す。）を作成する。上記特徴量空間Ｑ１で、予め登録されているユーザＵ１，Ｕ２，…について登録特徴情報に対応する点を算出するとともに、登録特徴情報に対応する点の周りに、被験者Ｕｘが予め登録されているユーザであると認められるべき許容範囲（本人受入範囲）を設定する。そして、ＣＰＵ１００は、特徴量空間Ｑ１で、被験者Ｕｘについて取得された特徴情報に対応する点が許容範囲内に入るとき、被験者Ｕｘが予め登録されているユーザ（例えば、Ｕ１）であると判定する一方、被験者Ｕｘについて取得された特徴情報に対応する点が許容範囲内に入らないとき、被験者Ｕｘが予め登録されているユーザＵ１，Ｕ２，…ではないと判定する。このように、直流的特徴量に加えて、一拍的特徴量を判断材料として用いることによって、被験者についてさらに精度良く個人認証を行うことができる。
　なお、予め定められた第１条件下では、被験者についての個人認証のために、一拍的特徴量を用いず、直流的特徴量のみを用いるのが望ましい。ここで、「予め定められた第１条件」としては、例えば次のような一拍的特徴量の信頼性が低い条件が挙げられる。
・　個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いこと
・　個人認証を行う際の血圧値が、上記登録特徴情報を登録した際の血圧値に比して、著しく高いか又は低いこと
・　個人認証を行う際の気温・湿度・気圧が、上記登録特徴情報を登録した際の気温・湿度・気圧に比して、著しく高いか又は低いこと（なお、この場合、血圧計１では、血圧測定の都度、気温・湿度・気圧を観測して記録するものとする。）
　このような一拍的特徴量の信頼性が低い条件下では、被験者についての個人認証のために、一拍的特徴量を用いず、直流的特徴量のみを用いることによって、個人認証の精度が低下するのを防止できる。
　（変形例２）
　上の例では、被験者についての個人認証のために、ＣＰＵ１００は、特徴量空間Ｑ（またはＱ１）を作成し、被験者Ｕｘに該当するユーザを特徴量空間Ｑ内で探索したが、これに限られるものではない。例えば、血圧計１は、図１１（Ｂ）に示すような学習済みのニューラルネットワークＮＮ１を備え、被験者Ｕｘに該当するユーザを、ニューラルネットワークＮＮ１を用いて判定するようにしてもよい。
　具体的には、図１１（Ｂ）に示すように、ニューラルネットワークＮＮ１は、入力層ＩＬ１と、３層の中間層ＭＬ１，ＭＬ２，ＭＬ３と、出力層ＯＬ１とを有している。この例では、入力層ＩＬ１、出力層ＯＬ１は、それぞれ５個のノード（ニューロン）ｎｄを含んでいる。中間層ＭＬ１，ＭＬ２，ＭＬ３は、それぞれ２０～３０個のノードｎｄを含んでいる。
　この例では、ニューラルネットワークＮＮ１は、学習段階で、入力層ＩＬ１に、５人の教師ユーザ（これを符号Ｕａ，Ｕｂ，Ｕｃ，Ｕｄ，Ｕｅで表す。）の直流的な圧力変化パターンＰｄｃＵについての特徴情報ｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅのいずれかが入力信号として入力されたとき、中間層ＭＬ１，ＭＬ２，ＭＬ３を介して、出力層ＯＬ１に、入力された特徴情報に対応する教師ユーザＵａ，Ｕｂ，Ｕｃ，ＵｄまたはＵｅを表す出力情報ｔｅＵａ，ｔｅＵｂ，ｔｅＵｃ，ｔｅＵｄまたはｔｅＵｅを出力するように、各ノードｎｄ，ｎｄ間の結合強度の重み付けがなされている。すなわち、ニューラルネットワークＮＮ１は、学習済みになっている。
　詳しくは、教師ユーザ（例えば、Ｕａ）の圧力変化パターンについての特徴情報ｉｎＵａは、図１２に示すように、図４のステップＳ１０２（特に、図３のステップＳ１８）で得られる直流的な圧力変化パターン（これを符号ＰｄｃＵａで表す。）において、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５（この例では、０＜ｔ１＜ｔ２＜ｔ３＜ｔ４＜ｔ５とする。）で、圧力変化パターンＰｄｃＵａがとる値ｐ１Ｕａ，ｐ２Ｕａ，ｐ３Ｕａ，ｐ４Ｕａ，ｐ５Ｕａとして予め定められている。これらの５個の値（ｐ１Ｕａ，ｐ２Ｕａ，ｐ３Ｕａ，ｐ４Ｕａ，ｐ５Ｕａ）を成分とするベクトルを、特徴情報ｉｎＵａと同じ符号を用いて、特徴ベクトルｉｎＵａと呼ぶ。同様に、図１１（Ａ）に示すように、教師ユーザＵｂの直流的な圧力変化パターンＰｄｃＵｂについての特徴情報ｉｎＵｂは、特徴ベクトルｉｎＵｂ＝（ｐ１Ｕｂ，ｐ２Ｕｂ，ｐ３Ｕｂ，ｐ４Ｕｂ，ｐ５Ｕｂ）で表される。教師ユーザＵｃの直流的な圧力変化パターンＰｄｃＵｃについての特徴情報ｉｎＵｃは、特徴ベクトルｉｎＵｃ＝（ｐ１Ｕｃ，ｐ２Ｕｃ，ｐ３Ｕｃ，ｐ４Ｕｃ，ｐ５Ｕｃ）で表される。教師ユーザＵｄの直流的な圧力変化パターンＰｄｃＵｄについての特徴情報ｉｎＵｄは、特徴ベクトルｉｎＵｄ＝（ｐ１Ｕｄ，ｐ２Ｕｄ，ｐ３Ｕｄ，ｐ４Ｕｄ，ｐ５Ｕｄ）で表される。また、教師ユーザＵｅの直流的な圧力変化パターンＰｄｃＵｅについての特徴情報ｉｎＵｅは、特徴ベクトルｉｎＵｅ＝（ｐ１Ｕｅ，ｐ２Ｕｅ，ｐ３Ｕｅ，ｐ４Ｕｅ，ｐ５Ｕｅ）で表される。学習段階では、これらの特徴ベクトルｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅが、それぞれ入力層ＩＬ１に入力される。
　一方、教師ユーザ（例えば、Ｕａ）を表す出力情報ｔｅＵａは、図１１（Ｃ）に示すように、出力ベクトルｔｅＵａ＝（１，０，０，０，０）で表される。同様に、教師ユーザＵｂを表す出力情報ｔｅＵｂは、出力ベクトルｔｅＵｂ＝（０，１，０，０，０）で表される。教師ユーザＵｃを表す出力情報ｔｅＵｃは、出力ベクトルｔｅＵｃ＝（０，０，１，０，０）で表される。教師ユーザＵｄを表す出力情報ｔｅＵｄは、出力ベクトルｔｅＵｄ＝（０，０，０，１，０）で表される。教師ユーザＵｅを表す出力情報ｔｅＵｅは、出力ベクトルｔｅＵｅ＝（０，０，０，０，１）で表される。学習段階では、例えば教師ユーザＵａについての特徴ベクトルｉｎＵａが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵａを表す出力ベクトルｔｅＵａが、教師信号として出力層ＯＬ１に与えられる。同様に、教師ユーザＵａについての特徴ベクトルｉｎＵａが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵａを表す出力ベクトルｔｅＵａが、教師信号として出力層ＯＬ１に与えられる。同様に、教師ユーザＵｂについての特徴ベクトルｉｎＵｂが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵｂを表す出力ベクトルｔｅＵｂが、教師信号として出力層ＯＬ１に与えられる。他の教師ユーザＵｃ，Ｕｄ，Ｕｅについても、同様の処理が行われる。
　このような学習を繰り返すことによって、ニューラルネットワークＮＮ１は、入力層ＩＬ１に、５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅの直流的な圧力変化パターンＰｄｃＵについての特徴情報ｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅのいずれかが入力信号として入力されたとき、中間層ＭＬ１，ＭＬ２，ＭＬ３を介して、出力層ＯＬ１に、入力された特徴情報に対応する教師ユーザＵａ，Ｕｂ，Ｕｃ，ＵｄまたはＵｅを表す出力情報ｔｅＵａ，ｔｅＵｂ，ｔｅＵｃ，ｔｅＵｄまたはｔｅＵｅを出力するように、各ノードｎｄ，ｎｄ間の結合強度の重み付けがなされている。
　このようなニューラルネットワークＮＮ１を備えることによって、上記５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅおよび／または教師ユーザ以外のユーザを含むユーザグループを対象として、個人認証を行うことが可能となる。次に、このニューラルネットワークＮＮ１を用いた場合の登録モードの処理と測定モードの処理について述べる。
　（ニューラルネットワークを用いた場合の登録モードの処理）
　この場合、ＣＰＵ１００は特徴登録部２３０として働いて、個人認証を行う前の段階で予め、次のような制御を行う。まず、カフ２０の加圧過程で、上記５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅおよび／または教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザ（これを符号Ｕｙで表す。）の直流的な圧力変化パターンＰｄｃＵについての特徴情報として、特徴ベクトルｉｎＵｙ＝（ｐ１Ｕｙ，ｐ２Ｕｙ，ｐ３Ｕｙ，ｐ４Ｕｙ，ｐ５Ｕｙ）を取得する。次に、それぞれのユーザ毎に、そのユーザＵｙについて取得された特徴ベクトルｉｎＵｙをニューラルネットワークＮＮ１の入力層ＩＬ１に入力して、複数の中間層ＭＬ１，ＭＬ２，ＭＬ３のうち或る中間層（この例では、出力層ＯＬ１の一つ手前の中間層ＭＬ３）に現れた情報ｆｅ１Ｕｙ，ｆｅ２Ｕｙ，…，ｆｅＮＵｙを得る。このＮ個（Ｎ＝２０～３０）の値を成分とするベクトルを、ユーザＵｙについての特徴ＡＩ（Artificial Intelligence）ベクトルｆｅＵｙと呼ぶ。なお、図１１（Ｂ）中には、ユーザが限定されない一般的な特徴ＡＩベクトルｆｅの成分（ｆｅ１，ｆｅ２，…，ｆｅＮ）が表されている。個々の成分ｆｅ１，ｆｅ２，…，ｆｅＮを、ＡＩ特徴量と呼ぶ。ユーザを特定するための特徴情報として特徴ＡＩベクトルｆｅ＝（ｆｅ１，ｆｅ２，…，ｆｅＮ）を使えること自体は、公知であるため、詳細な説明を省略する。ＣＰＵ１００は、ユーザＵｙについての特徴ＡＩベクトルｆｅＵｙの成分を、下の表４の登録情報テーブルに示すように、ユーザＵｙと対応付けて登録特徴情報としてメモリ５１に記憶（登録）させる。同様に、上記ユーザＵｙとは別のユーザのユーザ登録番号がＵｚであり、取得された特徴ＡＩベクトルがｉｎＵｚ＝（ｆｅ１Ｕｚ，ｆｅ２Ｕｚ，…，ｆｅＮＵｚ）であれば、上記ユーザＵｙの登録特徴情報とは区別して、そのユーザＵｚについての登録特徴情報を記憶させる。さらに別のユーザについても同様である。これにより、次の表４の登録情報テーブルに示すように、それぞれのユーザＵｙ，Ｕｚ，…毎に、メモリ５１に登録特徴情報が登録される。
（表４）登録情報テーブル
Figure JPOXMLDOC01-appb-I000004
　（ニューラルネットワークを用いた場合の測定モードの処理）
　個人認証を行う段階で、ＣＰＵ１００は特徴取得部２２０として働いて、カフ２０の加圧過程で、認証対象である被験者（これをＵｘとする。）の圧力変化パターンＰｄｃＵについての特徴情報（この例では、特徴ベクトルｉｎＵｘ＝（ｐ１Ｕｘ，ｐ２Ｕｘ，ｐ３Ｕｘ，ｐ４Ｕｘ，ｐ５Ｕｘ））を取得する。
　さらに、ＣＰＵ１００は認証部２４０として働いて、被験者Ｕｘについて取得された特徴ＡＩベクトルｉｎＵｘをニューラルネットワークＮＮ１の入力層ＩＬ１に入力して、中間層ＭＬ３に現れた情報を、特徴ＡＩベクトルｉｎＵｘ＝（ｆｅ１Ｕｘ，ｆｅ２Ｕｘ，…，ｆｅＮＵｘ））として取得する。そして、ＣＰＵ１００は、被験者Ｕｘについて取得された特徴ＡＩベクトルｉｎＵｘ＝（ｆｅ１Ｕｘ，ｆｅ２Ｕｘ，…，ｆｅＮＵｘ）を、表４の登録情報テーブルに登録されているそれぞれのユーザＵｙ，Ｕｚ，…の登録特徴情報と比較して、被験者Ｕｘがユーザグループに含まれたユーザであるか否かを判定する。これにより、被験者Ｕｘがユーザグループに含まれたユーザである場合、そのことを認証できる。
　（変形例３）
　予め定められた第２条件下では、メモリ５１の表１、表３、表４の登録情報テーブルに登録されている登録特徴情報を更新するのが望ましい。ここで、「予め定められた第２条件」としては、例えば次のような上記登録特徴情報を更新すべき条件が挙げられる。
・　上記登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、６ヶ月間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したこと
・　被験者Ｕｘが予め登録されているユーザ（例えば、Ｕ１）であると判定されたが、上記被験者Ｕｘについて取得された特徴情報に対応する点ｄＵｘ（図９参照）が、本人受入範囲ＡｒＵ１内で重心点ＣｇＵ１から遠くなっていること
　そこで、この血圧計１では、ＣＰＵ１００は更新部２５０として働いて、被験者Ｕｘが予め登録されたユーザであると判定されたとき、上記被験者Ｕｘについて取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する。これにより、上記登録特徴情報を更新すべき場合に、上記登録特徴情報を自動的に更新して適切な状態に維持することができる。この結果、上記個人認証の精度が低下するのを防止できる。
　（変形例４）
　予め定められた第３条件下では、個人認証を中止するのが望ましい。ここで、「予め定められた第３条件」としては、例えば次のような圧力変化パターンについての特徴情報（直流的特徴量および／または一拍的特徴量）の信頼性が低いとみなされる条件が挙げられる。
・　不規則脈波が検出されたこと（この場合、血圧計１は脈拍数に基づいて不規則脈波を検出する。）
・　体動が判定されたこと（この場合、血圧計１は加速度センサを備えて、体動を検出する。）
・　ゆる巻き（被測定部位に対するカフ２０の巻き付けがゆるい状態）が判定されたこと（この場合、血圧計１は圧力変化パターンの立ち上がりが極めて緩やかであることに基づいて、ゆる巻きを検出する。）
　そこで、この血圧計１では、ＣＰＵ１００は認証部２４０として働いて、予め定められた第３条件下では個人認証を中止する。これにより、そのような圧力変化パターンについての特徴情報（直流的特徴量および／または一拍的特徴量）の信頼性が低い場合に、個人認証を中止することができる。この結果、個人認証の精度が低下するのを防止できる。
　また、上述の実施形態では、被測定部位は上腕であるものとしたが、これに限られるものではない。被測定部位は、手首などの上腕以外の上肢であってもよいし、足首などの下肢であってもよい。
　以上の実施形態は例示であり、この発明の範囲から離れることなく様々な変形が可能である。上述した複数の実施の形態は、それぞれ単独で成立し得るものであるが、実施の形態同士の組みあわせも可能である。また、異なる実施の形態の中の種々の特徴も、それぞれ単独で成立し得るものであるが、異なる実施の形態の中の特徴同士の組みあわせも可能である。
　　１　血圧計
　　１０　本体
　　２０　血圧測定用カフ
　　３１　圧力センサ
　　５１　メモリ
　　１００　ＣＰＵ
　　３１１　第１フィルタ部
　　３１５　第２フィルタ部

Claims (10)

  1. 　被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計であって、
    　上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
    　上記カフの圧力を検出する圧力検出部と、
    　上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と、
    　認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得する特徴取得部と、
    　上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う認証部と
    を備えたことを特徴とする血圧計。
  2. 　請求項１に記載の血圧計において、
    　上記認証部は、
    　上記圧力変化パターンについての上記特徴情報に含まれた互いに異なる特徴量をそれぞれ座標軸とする特徴量空間を作成し、
    　上記特徴量空間で、上記予め登録されているユーザについて上記登録特徴情報に対応する点を算出するとともに、上記登録特徴情報に対応する点の周りに、上記被験者が上記予め登録されているユーザであると認められるべき許容範囲を設定し、
    　上記特徴量空間で、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入るとき、上記被験者が上記予め登録されているユーザであると判定する一方、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入らないとき、上記被験者が上記予め登録されているユーザではないと判定する
    ことを特徴とする血圧計。
  3. 　請求項１または２に記載の血圧計において、
    　上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流的な圧力変化パターンを検出する第１圧力検出部と、
    　上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する第２圧力検出部と
    を備え、
    　上記特徴取得部は、上記特徴情報として、上記直流的な圧力変化パターンについての直流的特徴量に加えて、上記一拍毎の波形パターンについての一拍的特徴量を取得し、
    　上記認証部は、上記取得された直流的特徴量を予め登録されている直流的特徴量と比較するのに加えて、上記取得された一拍的特徴量を予め登録されている一拍的特徴量と比較して、上記被験者について個人認証を行う
    ことを特徴とする血圧計。
  4. 　請求項３に記載の血圧計において、
    　上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍的特徴量を用いず、上記直流的特徴量のみを用いることを特徴とする血圧計。
  5. 　請求項１から４までのいずれか一つに記載の血圧計において、
    　記憶部と、
    　上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部と
    を備えたことを特徴とする血圧計。
  6. 　請求項１から４までのいずれか一つに記載の血圧計において、
    　記憶部と、
    　それぞれ複数のノードを含む入力層、複数の中間層、および出力層を有するニューラルネットワークとを備え、
    　上記ニューラルネットワークは、上記入力層に、複数の教師ユーザの上記圧力変化パターンについての特徴情報を表す特徴ベクトルのいずれかが入力されたとき、上記複数の中間層を介して、上記出力層に、入力された特徴情報に対応する教師ユーザを表す出力情報を出力するように、上記ノード間の重み付けがなされて学習済みになっており、
    　上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部を備え、
    　上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得し、
    　上記認証部は、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する
    ことを特徴とする血圧計。
  7. 　請求項５または６に記載の血圧計において、
    　上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する更新部
    を備えたことを特徴とする血圧計。
  8. 　請求項１から７までのいずれか一つに記載の血圧計において、
    　上記認証部は、予め定められた第３条件下では上記個人認証を中止する
    ことを特徴とする血圧計。
  9. 　被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計における個人認証方法であって、
    　上記血圧計は、
    　上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
    　上記カフの圧力を検出する圧力検出部と、
    　上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と
    を備え、
    　上記個人認証方法は、
    　認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得し、
    　上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う
    ことを特徴とする、血圧計おける個人認証方法。
  10. 　請求項９に記載の血圧計における個人認証方法をコンピュータに実行させるためのプログラム。
PCT/JP2021/042449 2020-11-30 2021-11-18 血圧計、血圧計における個人認証方法、およびプログラム WO2022113878A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE112021006286.7T DE112021006286T5 (de) 2020-11-30 2021-11-18 Blutdruckmessgerät, persönliches authentifizierungsverfahren auf einem blutdruckmessgerät und programm
CN202180077411.9A CN116546920A (zh) 2020-11-30 2021-11-18 血压计、血压计中的个人认证方法、以及程序
US18/136,032 US20230255500A1 (en) 2020-11-30 2023-04-18 Sphygmomanometer, personal authentication method on a sphygmomanometer, and computer-readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020198364A JP2022086396A (ja) 2020-11-30 2020-11-30 血圧計、血圧計における個人認証方法、およびプログラム
JP2020-198364 2020-11-30

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/136,032 Continuation US20230255500A1 (en) 2020-11-30 2023-04-18 Sphygmomanometer, personal authentication method on a sphygmomanometer, and computer-readable recording medium

Publications (1)

Publication Number Publication Date
WO2022113878A1 true WO2022113878A1 (ja) 2022-06-02

Family

ID=81754303

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/042449 WO2022113878A1 (ja) 2020-11-30 2021-11-18 血圧計、血圧計における個人認証方法、およびプログラム

Country Status (5)

Country Link
US (1) US20230255500A1 (ja)
JP (1) JP2022086396A (ja)
CN (1) CN116546920A (ja)
DE (1) DE112021006286T5 (ja)
WO (1) WO2022113878A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015070969A (ja) * 2013-10-03 2015-04-16 シチズンホールディングス株式会社 血圧計
JP2016214519A (ja) * 2015-05-19 2016-12-22 日本電信電話株式会社 本人確認システム、本人確認方法、ユーザ端末、本人確認機器、及び血圧測定装置
US20170245769A1 (en) * 2016-02-29 2017-08-31 Fitbit, Inc. Intelligent inflatable cuff for arm-based blood pressure measurement
JP2018161382A (ja) * 2017-03-27 2018-10-18 オムロン株式会社 血圧計、血圧測定装置及び血圧測定方法
JP2019115618A (ja) * 2017-12-27 2019-07-18 オムロンヘルスケア株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06142065A (ja) 1992-11-09 1994-05-24 Omron Corp 生体情報測定装置
JP2003299624A (ja) 2002-04-09 2003-10-21 Tama Tlo Kk 遠隔診断支援システム
JP2010110380A (ja) 2008-11-04 2010-05-20 Omron Healthcare Co Ltd 電子血圧計、および測定データ処理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015070969A (ja) * 2013-10-03 2015-04-16 シチズンホールディングス株式会社 血圧計
JP2016214519A (ja) * 2015-05-19 2016-12-22 日本電信電話株式会社 本人確認システム、本人確認方法、ユーザ端末、本人確認機器、及び血圧測定装置
US20170245769A1 (en) * 2016-02-29 2017-08-31 Fitbit, Inc. Intelligent inflatable cuff for arm-based blood pressure measurement
JP2018161382A (ja) * 2017-03-27 2018-10-18 オムロン株式会社 血圧計、血圧測定装置及び血圧測定方法
JP2019115618A (ja) * 2017-12-27 2019-07-18 オムロンヘルスケア株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Also Published As

Publication number Publication date
CN116546920A (zh) 2023-08-04
US20230255500A1 (en) 2023-08-17
JP2022086396A (ja) 2022-06-09
DE112021006286T5 (de) 2023-09-14

Similar Documents

Publication Publication Date Title
JP5363795B2 (ja) 血管内皮機能評価装置及び血管内皮機能評価方法
JPWO2017179695A1 (ja) 生体情報分析装置、システム、及び、プログラム
JP2008036004A (ja) 電子血圧計およびその制御方法
JP2011056200A (ja) 血管内皮機能評価装置
WO2022138169A1 (ja) 電子血圧計、および、電子血圧計における心房細動判定方法
JPH08256998A (ja) 生体情報監視装置
WO2019148872A1 (zh) 智能指纹式分组测量电子血压计
JP2007044364A (ja) 血圧脈波検査装置
JP6831382B2 (ja) 血圧測定の信頼性を評価する方法およびこれを実装する装置
JP2010110380A (ja) 電子血圧計、および測定データ処理方法
WO2022113878A1 (ja) 血圧計、血圧計における個人認証方法、およびプログラム
US6923770B2 (en) Pulse-wave-characteristic-point determining apparatus, and pulse-wave-propagation-velocity-related-information obtaining apparatus employing the pulse-wave-characteristic-point determining apparatus
US20040077959A1 (en) Vital-information obtaining apparatus
US6629930B2 (en) Pressure Holter that is self-programmable as a function of the monitored physical activity of the patient
KR20190129342A (ko) 인공지능 기반 맥진측정장치 및 상기 장치에서의 맥진측정방법
US6881190B2 (en) Standard pulse-wave-propagation-velocity-related-value determining apparatus and pulse-wave-propagation-velocity-related-value obtaining apparatus
JP2009153843A (ja) 血圧測定装置
JP2010167181A (ja) 電子血圧計、情報処理装置、測定管理システム、測定管理プログラム、および測定管理方法
JP2012200507A (ja) 電子血圧計および演算プログラム
JP2009279198A (ja) 血圧測定装置
US20230125180A1 (en) Blood pressure measurement system utilizing auscultatory signal acquisition
WO2024053166A1 (ja) 血圧計
JP2010110372A (ja) 電子血圧計
JP7024576B2 (ja) 電子血圧計および心不全検出器
JPH09201341A (ja) 電子血圧計

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: 21897852

Country of ref document: EP

Kind code of ref document: A1

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112023006815

Country of ref document: BR

WWE Wipo information: entry into national phase

Ref document number: 202180077411.9

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 112023006815

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20230412

WWE Wipo information: entry into national phase

Ref document number: 112021006286

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21897852

Country of ref document: EP

Kind code of ref document: A1