JP2012228492A

JP2012228492A - 生体状態診断方法

Info

Publication number: JP2012228492A
Application number: JP2011110806A
Authority: JP
Inventors: Sadaka Sato; 禎花佐藤; Masahiro Mizunuma; 昌弘水沼
Original assignee: NIHON HOLISTIC KK
Current assignee: NIHON HOLISTIC KK
Priority date: 2011-04-25
Filing date: 2011-04-25
Publication date: 2012-11-22

Abstract

【課題】本発明は、被験者が自ら発する発声からの音声信号とその被験者の脈波信号とから独自の解析を行うことにより、被験者の内蔵の健康状態を副作用の生じる可能性のある負荷をかけずに素早く診断する方法を提供することを課題とする。
【解決手段】本発明による生体状態診断方法では、被験者の発声から音声信号を取得する工程と、前記被験者から脈波信号を取得する工程と、前記音声信号及び前記脈波信号を合成及び振幅変調して変調信号を生成する工程と、前記変調信号を解析して解析値を求める演算工程と、前記解析値を基準値と比較判定する比較判定工程とからなることを特徴とする。
【選択図】図２

Description

本発明は、人の内臓の健康状態等の生体状態を素早く診断する方法に関する。

人の健康状態は従来、血液検査等の検査を行って判断していた。しかし、このような検査は検査値が出るまでに時間がかかってしまうという問題点があった。現在の医療では、放射線やそのほかの副作用の生じる可能性のある負荷をかけずに臓器の機能を決定できる方法が存在しないという問題がある。臨床検査では、１つの特定の機能について調べることができるが、すべての臓器の機能については調べることができず、ホリスティックアプローチをとる場合には、臨床検査ではコストが高額になるという問題がある。

一方、人の脈波を測定する方法は特許文献１を始めとして、いくつか過去に提案されている。これは動脈を流れる血流による脈波を測定することにより、脈拍数や脈波波形などの生体情報を得て健康管理に役立てるものであり、指先にセンサーを装着するタイプの測定器が市販されている。しかし、脈波だけで人の内臓の健康状態を判断することはできなかった。

特開２００１−８９１１号公報

本発明は、被験者が自ら発する発声からの音声信号とその被験者の脈波信号とから独自の解析を行うことにより、被験者の内蔵の健康状態を副作用の生じる可能性のある負荷をかけずに素早く診断する方法を提供することを課題とする。

上記課題を解決するため本発明による生体状態診断方法では、被験者の発声から音声信号を取得する工程と、前記被験者から脈波信号を取得する工程と、前記音声信号及び前記脈波信号を合成及び振幅変調して変調信号を生成する工程と、前記変調信号を解析して解析値を求める演算工程と、前記解析値を基準値と比較判定する比較判定工程とからなることを特徴とする。

前記音声信号が日本語の「あ」、「お」、「う」、「え」、「い」、「ん」の六声から選ばれた１以上の音声であることが好適である。これは、「あ」の音声を発声することにより「あ」と同じ固有振動数を持つ目、脳、神経系といった生体システムが共振して音声信号が変化する。生体システムに障害（病気など）がある場合は、この共振が小さくなるため音声信号の変化も小さくなる。従って、音声信号の共振の度合いを評価することにより目、脳、神経系といった生体システムの生体情報を判断することができる。同様に、「お」の音声を用いれば甲状腺、副甲状腺、呼吸器系、喉頭の生体情報、「う」では心臓、肺、循環器系の生体情報、「え」では胃、肝臓、膵臓、脾臓、消化器の生体情報、「い」では腎臓、腸の生体情報、また「ん」では生殖器、膀胱の生体情報をそれぞれ判断することができる。音声信号の取得方法としては、マイクロフォン等を利用することができる。

前記脈波信号は指尖脈波信号であることが好ましい。これは、市販の脈波測定器を利用できるためである。

脈波による音声信号の振幅変調の様子を図１に示す。（ａ）が音声信号、（ｂ）が脈波信号であり、これらを合成して振幅変調することにより（ｃ）の信号が得られる。

前記演算工程ではカオス分析を使用し、前記解析値としてリアプノフ指数及び／またはエントロピーの共振峰値増幅率を使用することがより好適である。カオス分析においては、Ｔａｋｅｎｓ定理により時系列データからカオスアトラクターを求める。図３に示したように、観測された一本の時系列データをｗ（ｋ）（ｋ＝０，１，２，３・・・）とする。このデータを用いて、ベクトルＰｉ＝（ｗ（ｉ），ｗ（ｉ＋τ），ｗ（ｉ＋２τ））を作成する。図３に示したのは例として３次元ベクトルとした。τは埋め込み遅延時間で時間遅れを表す量である。このベクトルＰｉを、３次元再構成相空間内（座標軸はＸｉ＝（ｗ（ｉ），Ｙｉ＝ｗ（ｉ＋τ），Ｚｉ＝ｗ（ｉ＋２τ））に順次プロットしていくと（ｉ＝０，１，２，．．．．，ｎ）軌道が描ける。これがカオスアトラクターである。

リアプノフ指数とは、ｘ_ｎ＋１＝ｆ（ｘ_ｎ）という力学系において、近接した２点から出発した２つの軌道｛ｘ_ｎ｝がｎ→＋∞のときにどのくらい離れてゆくかを測る尺度で、式１として定義される。

式１

リアプノフ指数は、カオスアトラクターを力学系として見た場合の不安定さを示す数値であり、値が大きいほど不安定、小さいほど安定であることを示す。この場合の不安定とは、系に小さな力を加えた際に、大きな状態の変化となって現れることを意味する。リアプノフ指数の値が大きいほど、変動の予測が難しいことを意味する。リアプノフ指数が負の場合、軌道は周期点へ収束する。反対に正の場合は、十分近い２点から出発した軌道が指数関数的にその距離を広げていく。

次に、測定データからのリアプノフ指数の計算について説明する。観測された一本の時系列データを再構成して、再構成した軌道マトリクスにより数値的にリアプノフ指数を計算する。

図４に示したように、３次元のカオス力学系に初期値として半径εの微小球（超球）を与えたとすると、最初は球であったものが１回写像されることによりｅ１方向に引き延ばされ、ｅ３方向には押しつぶされる結果、楕円体となる。このときのｅ１，ｅ２，ｅ３方向に対する単位時間当りの拡大率の対数をλ１，λ２，λ３とすると、これらのλ１，λ２，λ３がリアプノフ指数となる。計算繰り返し回数だけこの超球をとる操作を繰り返し、それらの総和から平均を求めることによりリアプノフ指数を算出する。

実際のプログラミングにおいては、超球の選択に対して、ｍ次元空間内に埋め込まれたアトラクター上の１点を中心とした微小半径εの球を超球とする。アトラクター上で、この球の中に入る点を探し出し、それぞれの点から発展時間後の点への変化量を線形近似することにより、各ｅ１，ｅ２，ｅ３・・・ｅｎ方向の拡大率を計算する。Ｌは、各軸方向のアトラクターの最大値を最小値の差の二乗和の平方根で、アトラクターの大きさを表す数値であるが、プログラムでは、ε／Ｌの値で超球の大きさを与える。超球の大きさを大きくすると、超球の中に入る点の数が多くなるが、あまり大きすぎると軌道の発展方向とは無関係の点まで含めてしまうことになる。逆に、超球を小さくしすぎると、超球の中に入る点が少なくなるので平均効果が小さくなり、ノイズの影響を受けやすくなる。従って適当な超球サイズを選択する必要がある。発展時間はある超球から次の超球までの時間間隔を意味するが、プログラムにおいてはデータの点数で入力する。発展時間に大きな値を代入すると超球と超球との間隔が広がり、逆に小さな値を代入すると間隔が狭まる。発展時間を大きくしすぎると線形近似計算精度が低下し、小さくしすぎるとノイズによる影響を受けやすくなる。従って、発展時間についても分析対象のデータの特性により調整する必要がある。これに対し、時間発展した回数、或いは計算繰り返し回数は、計算時間を短縮するために設けたパラメータで、回数が少ないほど計算時間は短くなる。回数が多ければ計算精度は向上するが、計算時間は長くなる。計算データ点数が十分であるかどうかは、計算結果のグラフでリアプノフ指数が収束しているかどうかで判断できる。

エントロピーの計算について説明する。ある測定の結果が必ず単位区間上にあるような仮想的な統計系を考え、この区間をＮ個の小区間に分割する。そして、ｉ番目の小区間が可能な結果のうちある特定の範囲を含む場合は、それに確率Ｐｉを充てることができる。そのときの系のエントロピーは、式２として定義される。

式２

次に、カオスアトラクターのエントロピー計算のアルゴリズムについて説明する。図５に、カオスアトラクター表示を簡略化して２次元で示した。黒丸はアトラクターの点を表す。エントロピーの計算では、まず左上から１つ１つのセルについて、アトラクターの点が何個入っているかを調べる。そしてその確率Ｐｉを求める。図５の場合は、上から２行目左から２列目及び４列目、並びに最下行左から３列目には２個の点が入っていて、アトラクターの全点数が１４点であるので、これらのセルに入る確率Ｐｉは２／１４＝０．１４２８となる。同様に、１個も入っていないセルの確率は０、１個入っているセルの確率は１／１４、３個入っているセルの確率は３／１４となる。実際には、上記のような手法により４次元空間のすべてのセルについてその確率を求める。これらの確率を式２に代入して、すべてのセルについてのエントロピーを求める。

上記のリアプノフ指数或いはエントロピー値は複数回求めた上で、それらの傾向を把握することが望ましい。図２にエントロピー値による例を示した。横軸が測定回数であり縦軸がエントロピー値である。測定回数によりエントロピー値が変動するため、この変動の程度を共振峰値増幅率として計算する。その計算式は、Ｒ＝（（Ｓｐ−Ｓ０）／Ｓ０）×１００（％）である。この式において、Ｓｐは共振峰値の最大値、Ｓ０は最小値である。一般的には、Ｒが大きいほど健康状態であり、Ｒが５０％以下の場合は病気の疑いがある。

或いは、前記演算工程においてＰｏｗｅｒ−ｌａｗ解析を使用し、前記解析値としてＰｏｗｅｒ−ｌａｗ指数を用いることもできる。Ｐｏｗｅｒ−ｌａｗ解析法について以下に説明する。
Ｘ（１），Ｘ（２），Ｘ（３），．．．．，Ｘ（Ｎ）を時系列データとすると、まず、全体の平均値Ｍを計算し、各値から平均値を引いたものと積分して式３を計算する。

式３

式３において、Ｘ（ｉ）は時系列データでｉ＝１，２，．．．，Ｎであり、ＭはＸ（ｉ）の平均値である。このようにして求めた積分後の時系列ｙ（ｋ）を、図６に示したように等間隔ｎのボックスで分割し、そのボックス内で最小二乗近似直線ｙ_ｎ（ｋ）（ローカルトレンド）を求める。ｙ（ｋ）からｙ_ｎ（ｋ）のトレンドを除去して二乗し、その平均値の平方根Ｆ（ｎ）（平均二乗誤差）を求める式は式４となる。

式４

すべての時間スケールに対してＦ（ｎ）を計算し、横軸にｌｏｇｎ、縦軸にｌｏｇＦ（ｎ）としてプロットした時の直線部分の傾きがＰｏｗｅｒ−ｌａｗ指数αとなる。この指数の値により時系列データＸ（ｉ）を以下のように分類できる。
０＜α＜０．５反相関
α＝０．５無相関、ホワイトノイズ
０．５＜α＜１．０長距離相関
α＝１１／ｆゆらぎ
α＞１相関はあるが、フラクタル性・自己相似性を表す。ＰｏｗｅｒＬａｗがない。
α＝１．５ブラウンノイズ（ホワイトノイズの積分）、ランダムウォーク。

被験者が自ら発する発声からの音声信号とその被験者の脈波信号とから独自の解析を行うことにより、被験者の内蔵の健康状態を副作用の生じる可能性のある負荷をかけずにその場で素早く診断することができる。また、１つの特定の臓器の健康状態の診断のみならず、すべての臓器の健康状態を簡単に診断できる。

以下、本発明の好適な実施例について説明する。装置構成としては、音声信号を取得するためにマイクロフォンを使用し、脈波信号を取得するために近赤外光センサーを備えたカフを用いた指尖脈波計測器を製作して脈波信号を取得に使用した。演算及び比較判定はコンピュータを用いてプログラムにより行った。

実施例１−老人施設（滋賀県野州町の老人ホーム及びデイケアセンター、並びに滋賀県中主町の老人ホーム）の入所者２９名（年齢５５〜１００歳、平均８３．１歳）を被験者として、音声「あ」による解析を行い、リアプノフ指数の共振峰値と意思疎通度（認知度）との比較を行った。意思疎通度は、「１：完全に通じる」、「２：ある程度通じる」、「３：ほとんど通じない」の３段階の評価とし、上記施設の医師により判定してもらった。その結果を図７に示す。横軸はそれぞれの被験者であり、数字は意思疎通度を表す。縦軸はリアプノフ指数の共振峰値である。重相関解析の結果、重相関係数Ｒ２＝０．７６という高い相関性が得られた。これは、リアプノフ指数の共振峰値により意思疎通度の評価ができることを示す。

実施例２−心臓血管研究所の患者（心房細動患者６名、心筋梗塞患者７名、狭心症患者７名）を被験者として、音声「う」による解析を行い、Ｐｏｗｅｒ−ｌａｗ指数αと医師による総合診断結果（ＥＣＧ、血圧、採血など）と比較した。その結果を図８に示す。横軸は病名で、Ｎｏｒｍａｌは健常、ＡＦは心房細動、ＡＰは狭心症、ＯＭＩは心筋梗塞を表す。図８から明らかなように、各病気の患者の指数値は健常者に比べて低いことがわかる。従って、「う」の音声を用いると、心疾患の可能性が判断できる。

以上の実施例においては、「あ」及び「う」の音声を用いたが、「お」、「え」、「い」、「ん」の音声を用いれば、体のその他の場所の疾患の可能性を判断することが可能となる。従って、本発明による診断方法を用いることにより、体の各部の疾患の可能性を副作用の生じる可能性のある負荷をかけずにその場で判断することができる。

本発明によれば、体の各部の疾患の可能性を副作用の生じる可能性のある負荷をかけずに簡単な装置で迅速に判断することができ、さらに複数の臓器の状態を同時に判断することもできるため、医療分野において大いに貢献できるものである。

脈波による音声信号の振幅変調の様子を示す説明図である。カオス解析におけるエントロピー値から共振峰値を求める方法を示す説明図である。カオス解析の方法を示す説明図である。カオス解析の方法を示す説明図である。カオスアトラクターのエントロピー計算のアルゴリズムに関する説明図である。Ｐｏｗｅｒ−ｌａｗ解析の方法を示す説明図である。本発明による実施例１の結果を示すグラフである。本発明による実施例２の結果を示すグラフである。

Claims

被験者の発声から音声信号を取得する工程と、前記被験者から脈波信号を取得する工程と、前記音声信号及び前記脈波信号を合成及び振幅変調して変調信号を生成する工程と、前記変調信号を解析して解析値を求める演算工程と、前記解析値を基準値と比較判定する比較判定工程とからなることを特徴とする生体状態診断方法。
前記音声信号が日本語の「あ」、「お」、「う」、「え」、「い」、「ん」の六声から選ばれた１以上の音声であることを特徴とする請求項１記載の生体状態診断方法。
前記脈波信号が指尖脈波信号であることを特徴とする請求項１または２記載の生体状態診断方法。
前記演算工程がカオス分析を使用したものであることを特徴とする請求項１乃至３のいずれかに記載の生体状態診断方法。
前記解析値がリアプノフ指数及び／またはエントロピーの共振峰値増幅率であることを特徴とする請求項４記載の生体状態診断方法。
前記演算工程がＰｏｗｅｒ−ｌａｗ解析を使用したものであることを特徴とする請求項１乃至３のいずれかに記載の生体状態診断方法。
前記解析値がＰｏｗｅｒ−ｌａｗ指数であることを特徴とする請求項６記載の生体状態診断方法。