JP2013078543A - 自律神経活動指標算出方法、自律神経活動指標算出装置とそれを用いたココロとカラダのバランスの視覚的表示システム - Google Patents

Abstract

【課題】大がかりな心電計を用いることなく日常生活での自律神経活動指標を容易に計測して、それに基づくカラダとココロのバランスを可視的に把握できるようにする。
【解決手段】３軸加速度センサーと心拍センサーとを備えたヒューマンレコーダーからデータを取得して、心拍センサーから得られたＲＲ値から異常値を除去し、等間隔にサンプリングしてＲＲ間隔時系列データを形成し、高速フーリエ変換を適用して自律神経活動指標を算出し、加速度情報に基づいて少なくとも静止状態、歩行状態、早歩き状態等の行動判定を行い、あらかじめ設定された運動係数と基礎代謝係数に基づいて消費カロリーを計算して活動量を算出して、行動判定結果の大小と、活動量算出結果の大小との組み合わせからココロとカラダのバランスの４つのタイプに分類わけして表示する。
【選択図】図１１

Description

本発明は、複合センサーを内蔵したヒューマンレコーダーと、それを用いて算出される交感神経活動指標・副交感神経活動指標を用いた「こころの健康」測定技術（心的負荷測定技術）に関する。

自律神経検査では、心臓副交感神経機能の検査として心電計を用いたＣＶＲＲ（心電図ＲＲ間隔変動係数）がよく知られている。ＣＶＲＲでは１５分程度の安静の後、安静時と１分間に６回程度の深呼吸時の心電図を比較する。１００心拍程度解析し、ＲＲ間隔の平均値をＭ、標準偏差をＳＤとしＣＶＲＲはＳＤ／Ｍ×１００で定義する。神経変性疾患の場合、ＣＶＲＲは減少する傾向にある。

このような被測定者の心電データに基づいたＣＶＲＲから交感神経活動指標を得る先行技術として、特開２０１１-１２０６１８号公報（特許文献１）がある。この文献では、
被測定者の心電テータを心電図モニタにより測定し、測定された心電テータに基ついて、心拍変動の高周波成分ＨＦ、低周波成分ＬＦおよびＣＶＲＲを算出する。そして、算出されたこれらの値に基ついて、交感神経活動度指標（ＬＦ／ＨＦ）、副交感神経活動度指標（ＣＶＲＲ×ＬＦ／ＨＦ）を算出し、算出された交感神経活動度指標と副交換神経活動度指標との関係を表示装置に対して２次元表示するものだった。

特開２０１１-１２０６１８号公報

しかし、上記のような心電計を用いた心電データの取得は、被測定者を１０分以上安静状態に保って測定することが原則適であり、かつ医療施設に設置された高価かつ大がかりな心電計を用いなければならないため、被測定者が家庭内で普通に日常生活を過ごしている状態での交感神経活動指標・副交感神経活動指標の算出は困難だった。

本発明は、このような点に鑑みてなされたものであり、第１に、日常生活においても交感神経活動指標・副交感神経活動指標（以下、「自律神経活動指標」と総称する）の取得が可能なヒューマンレコーダーの実現と、第２に、当該ヒューマンレコーダーから得られる自律神経活動指標に基づく「ココロとカラダのバランス」の視覚的な出力を実現することを技術的課題とする。

本発明は、前記課題を解決するために、以下の手段を採用した。
本発明の請求項１は、ココロとカラダのバランス表示方法に関し、心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行されるココロとカラダのバランス表示方法であって、前記制御手段によって、前記心拍センサーからＲＲ間隔時系列データを取得し、前記３軸加速度センサーから被測定者の加速度情報を取得するステップと、前記心拍値と加速度情報とを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ
間隔時系列データと加速度情報とを、出力手段から出力させるステップと、前記情報処理装置において、前記心拍センサーから得られたＲＲ値から異常値を除去し、等間隔にサンプリングしてＲＲ間隔時系列データを形成し、高速フーリエ変換を適用して自律神経活動指標を算出するステップと、前記加速度情報に基づいて少なくとも静止状態、歩行状態、早歩き状態等の行動判定を行うステップと、前記行動判定結果からあらかじめ設定された運動係数と基礎代謝係数に基づいて消費カロリーを計算して活動量を算出するステップと、前記行動判定結果の大小と、前記活動量算出結果の大小との組み合わせからココロとカラダのバランスの４つのタイプに分類わけして表示するステップとからなるココロとカラダのバランス表示方法である。

本発明の請求項２は、ココロとカラダのバランスの可視的表示システムに関するものであり、心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行されるココロとカラダのバランスの可視的表示システムであって、ヒューマンレコーダーにおいて、前記心拍センサーからＲＲ間隔時系列データを取得し、前記３軸加速度センサーから被測定者の加速度情報を取得する制御手段と、前記心拍値と加速度情報とを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ間隔時系列データと加速度情報とを前記情報処理装置に出力する出力手段と、前記情報処理装置において、前記心拍センサーから得られたＲＲ値から異常値を除去し、等間隔にサンプリングしてＲＲ間隔時系列データを形成し、高速フーリエ変換を適用して自律神経活動指標を算出するとともに、前記加速度情報に基づいて少なくとも静止状態、歩行状態、早歩き状態等の行動判定を行い、前記行動判定結果からあらかじめ設定された運動係数と基礎代謝係数に基づいて消費カロリーを計算して活動量を算出する制御手段と、前記制御手段による計算結果から、行動判定結果の大小と、前記活動量算出結果の大小との組み合わせからココロとカラダのバランスの４つのタイプに分類わけして表示する表示手段とからなるココロとカラダのバランスの可視的表示システムである。

本発明の請求項３は、睡眠判定方法に関するものであり、心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行される睡眠判定方法であって、前記制御手段によって、前記心拍センサーから一定時間のＲＲ間隔時系列データを取得し、前記３軸加速度センサーから被測定者の加速度情報を取得し、前記ＲＲ間隔時系列データとを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ間隔時系列データと加速度情報とを、出力手段から出力させ、前記情報処理装置において、前記心拍センサーから得られたＲＲ間隔時系列データと、前記加速度情報に基づく行動判定結果とから入眠、覚醒または睡眠リズムの睡眠状態を判定する睡眠状態判定方法である。

本発明の請求項４は、入眠判定に関するもので、前記姿勢情報から***の変動が所定値以下で、そのときの心拍センサーからのＲＲ間隔時系列データの心拍標準偏差が２５〜７５％以下となったときに入眠を判定する請求項３記載の睡眠状態判定方法である。

本発明の請求項５は、覚醒判定に関するもので、前記姿勢情報から座位または立位となったことを検出する前４５〜１３５分以内で、かつ、前記心拍センサーから得られたＲＲ間隔時系列データの標準偏差が所定の平均値を越えており、該心拍標準偏差の前後の差（傾き）が０．１〜０．３以内である時間が前後２分（合計５分）以上連続しており、かつ、前後１０分の間で姿勢情報から得られる姿勢の変化が２回以上あったときに覚醒を判定する請求項３記載の睡眠状態判定方法である。

本発明の請求項６は、睡眠周期リズム判定に関するもので、前記ＲＲ時系列データから高速フーリエ変換を適用して得られた自律神経活動指標を所定時間単位でスムージングして睡眠グラフを生成し、前記睡眠リズムグラフから複数のピークを探索して、当該ピーク間隔で睡眠周期リズムを検出する請求項３記載の睡眠状態判定方法である。

本発明によれば、日常生活においても自律神経活動指標の取得が可能なヒューマンレコーダーを実現することができる。また、当該ヒューマンレコーダーから得られる自律神経活動指標に基づくココロとカラダのバランスを視覚的に把握することができる。

本発明の実施形態であるヒューマンレコーダーの内部構成図 本発明の実施形態であるヒューマンレコーダーの外観図 実施形態のヒューマンレコーダーの裏面図 実施形態の情報処理装置の構成を示すブロック図 実施形態の異常値除去フィルタテーブルを示す説明図 実施形態のＲＲ間隔時系列データを示すグラフ図 実施形態の交感神経活動指標（ＬＦ／ＨＦ）を示すグラフ図 実施形態の行動判定を示す説明図 消費カロリー算出のための運動係数を示す表図 実施形態の男女・年齢別の基礎代謝係数を示す表図 実施形態におけるココロとカラダのバランスを可視的にタイプ別に表示した状態を示す説明図 実施形態における入眠判定（睡眠時の心拍標準偏差）を示すグラフ図 実施形態における覚醒判定（睡眠時の心拍標準偏差）を示すグラフ図 実施形態における睡眠リズム判定を示すグラフ図

本発明を図に基づいて説明する。
本実施形態のシステムは、ヒューマンレコーダーと、情報処理装置とで構成されている。

図１は本実施形態に用いられるヒューマンレコーダーのブロック構成図であり、図４は情報処理装置のブロック構成図である。

ヒューマンレコーダー（ＨＲ）は、中央処理装置（ＣＰＵ）およびメインメモリ（ＭＭ）を中心に、バス（ＢＵＳ）で接続されたユーザメモリ（ＵＭＥＭ）を有しており、オペレーティングシステム（ＯＳ）とともに、アプリケーションプログラム（ＡＰＬ）とデータベース（ＤＢ）が格納されている。

バス（ＢＵＳ）にはさらに、体表温度センサー、３軸加速度センサー、心拍センサーおよびインターフェース（Ｉ／Ｏ）を介して心拍検出パッド（ＰＡＤ）が装着されている。

ヒューマンレコーダー（ＨＲ）は外部との通信インターフェースとしてＵＳＢインターフェースおよび無線インターフェース（ＩＦ）を備えており、その筐体は図２に示すようにその上面に電源スイッチ（ＳＷ）を備えており、側面にＵＳＢインターフェース、裏面（図３）に２カ所の電極（ＥＬＴ）を備えている。前記２カ所の電極（ＥＬＴ）にはそれぞれスナップ方式で心拍検出パッド（ＰＡＤ）が着脱自在に装着されている。

前記ヒューマンレコーダー（ＨＲ）に接続される情報処理装置（ＰＣ）は、汎用のパー
ソナルコンピュータであり、図４に示すように中央処理装置（ＣＰＵ）およびバス（ＢＵＳ）を中心に、大規模記憶装置（ＨＤ）、出力装置としてのディスプレイ（ＤＩＳＰ）、入力装置としてのキーボード（ＫＢＤ）、補助入力装置としてのマウス（ＭＯＵ）、外部との通信インターフェースとしてのＵＳＢインターフェース（ＵＳＢ Ｉ／Ｏ）、ｗｉｆｉまたはブルートゥース通信方式による無線インターフェース（ＩＦ）を備えている。大規模記憶装置（ＨＤ）には、オペレーティングシステム（ＯＳ）とともに、アプリケーションプログラム（ＡＰＬ）、データベース（ＤＢ）および各種テーブル（ＴＢＬ）が設けられている。

前記ヒューマンレコーダー（ＨＲ）は被測定者の胸部に装着し、リアルタイムに心拍データ（ＲＲ間隔時系列データ）を取得する。この作業は具体的には、ＵＳＢインターフェース（ＵＳＢ Ｉ／Ｏ）または無線インターフェース（ＩＦ）を介して心拍データを受信した情報処理装置は、当該心拍データを一端メモリ（ＭＭ）に格納し、前記アプリケーションプログラム（ＡＰＬ）にしたがって自律神経活動指標を算出する。この課程を以下に説明する。

まず、ヒューマンレコーダー（ＨＲ）から取得されたＲＲ間隔時系列データから異常値を除去する。この異常値の除去には、大規模記憶装置（ＨＤ）に格納された異常値除去フィルタテーブルを用いる。この異常値除去フィルタテーブルを示したものが図５である。

ヒューマンレコーダー（ＨＲ）から得られたＲＲ間隔時系列データから、８拍の平均心拍における瞬時心拍数（Ｈ．Ｒ）を算出する。そして、以下の式１を満たすＨ．Ｒの８拍分でｍｅａｎＨ．Ｒ（８）を算出する。

（式１） ｜６０／ｔ（ｎ）６０／ｔ（ｎ１）｜≦１５

ｍｅａｎＨ．Ｒ（８）を移動平均で算出する。したがって、１拍毎にｍｅａｎＨ．Ｒ（８）は変化することになる。このｍｅａｎＨ．Ｒ（８）の算出後、比較すべき次の心拍との差分を求め、｜ｍｅａｎＨ．Ｒ（８）６０／ｔ｜≧３０のときその瞬時心拍数をエラー値として除去する。

このようにして異常値が除外されたＲＲ間隔時系列データは、不等間隔にサンプリングされたデータであるため、高速フーリエ変換に適用することができない。そこで、当該データに線形補間（直線補間）および３次スプライン補間（曲線補間）を適用して等間隔に再サンプリングする。このサンプリング間隔が短ければ計算結果の精度は高くなるが、パフォーマンスが下がるという弱点がある。一方、サンプリング間隔を長くした場合には計算結果の精度は下がるがパフォーマンスは上がる。本実施形態では、データの範囲は６０秒とし、サンプリング間隔は０．２５秒とした。その結果、点データは６０×１／０．２５＝２４０点となる。これを２のべき乗個にするため、ＲＲ間隔値が０のデータを１６個補い、２５６点のデータを作成する（２＾８＝２５６２４０＝１６）。

図６は、このようにして得られたデータ範囲＝６０秒、サンプリング間隔＝０．２５行のＲＲ間隔時系列データの例を示す。

この対象データに対して、ハニング窓あるいはマミング窓等の窓関数を適用して高速フーリエ変換（ＦＦＴ）を適用する。この適用結果を示したものが図７である。

この変換結果から、低周波成分（ＬＦ）と、高周波成分（ＨＦ）と、交感神経活動指標（ＬＦ／ＨＦ）を算出する。低周波成分（ＬＦ）は、０．０４〜０．１５Ｈｚのパワースペクトルの積分値であり、高周波成分（ＨＦ）は、０．１５〜０．４Ｈｚのパワースペク
トルの積分値である。

次に、情報処理装置は、ヒューマンレコーダー（ＨＲ）の３軸加速度センサーから得られたデータに基づいて行動判定を行う。

まず前記３軸加速度センサーから得られた３次元方向のそれぞれの加速度データ（３軸合成値）から、被測定者の活動量を計算する。この活動量は具体的には、第１ステップとして３軸加速度センサーの３軸の合成値から静止状態、歩行状態、早歩き状態、ランニング状態のいずれの状態かを判定する。

具体的には、３軸合成値が０〜０．９Ｇは静止状態、０．９〜１．２Ｇは静止状態、１．２〜１．５Ｇは歩行状態、１．５〜１．７Ｇは早歩き状態、１．７〜１．９Ｇはジョギング（ランニング）状態、１．９Ｇ以上はランニング状態と分類する。そして、３軸センサーの１分間のデータを用いて各レコードの３軸加速度の合成値がどの閾値内にあるかを振り分けて行動判定を行う。

次に、前記で得られた行動判定から、カロリー消費計算を行う。具体的には以下の式で算出可能である。

（式２）
消費カロリー＝運動係数×基礎代謝係数×体重（ｋｇ）×時間（分）

運動の係数は、図９に示すようにそれぞれの行動に基づいて定められている（日本体育協会スポーツ科学委員会）。

基礎代謝の係数は、図１０に示すように年齢と性別によって定まっている。
したがって、たとえば被測定者が５６歳で体重６０ｋｇの男性であり、１．６Ｇ程度の状態が６０分継続した場合には、早歩き状態であることが判定されるので、そのときの消費カロリーは、早歩き（たとえば分速１００ｍ）の運動係数が０．１０８３、５６歳男性の基礎代謝係数が０．０１５３、体重＝６０、時間６０分であるので、以下のように算出される。

消費カロリー＝０．１０８３×０．０１５３×６０×６０
＝５．９７Ｋｃａｌ

なお、図８〜図１０で示した表はテーブル化されて情報処理装置の大規模記憶装置（ＨＤ）内に格納されている。また、被測定者の年齢、体重等の個人情報もテーブル化して大規模記憶装置（ＨＤ）内に登録されている。つまり、情報処理装置の中央処理装置（ＣＰＵ）は、３軸センサーからのデータが入力されると各テーブルを参照して行動判定を行い、上記式２の計算プログラムに基づいて活動量（消費カロリー）を算出する。

この情報処理装置の中央処理装置（ＣＰＵ）は、前記３軸センサーからのデータで算出された消費カロリーが０．０２Ｋｃａｌ以下の状態のときに静止していると判定される。本発明者の実験によれば、このときに算出された交感神経活動指標（ＬＦ／ＨＦ）は、病院等の医療施設で心電計を用いた１０分間の安静状態での交感神経活動指標（ＬＦ／ＨＦ）とほぼ一致した。

本実施形態での最大の特徴は、このような静止状態（安静状態）のみならず日常生活において体を動かしている状態においても交感神経活動指標（ＬＦ／ＨＦ）の測定が可能で、かつこの値と活動量との関係からココロとカラダのバランスを視覚的に表示させること
ができる点にある。このような交感神経活動指標（ＬＦ／ＨＦ）と活動量との関係は１分毎のリアルタイムで表示してもよいし、交感神経活動指標（ＬＦ／ＨＦ）は１時間、数時間、１日または数日の平均値を適用してもよい。

上記説明で得られた交感神経活動指標（ＬＦ／ＨＦ）と活動量とから「ココロとカラダのバランス」を図１１に示すような４つのタイプに分類分けすることができる。このような表示はそのまま情報処理装置のディスプレイ（ＤＩＳＰ）から出力されるものである。

すなわち、タイプＩは活動量が０．０２以上、交感神経活動指標（ＬＦ／ＨＦ）が４以上の「興奮・エネルギッシュ」のタイプに属する。

タイプＩＩは、活動量が０．０２未満、交感神経活動指標（ＬＦ／ＨＦ）が４以上の「集中・神経質」のタイプに属する。

タイプＩＩＩは、活動量が０．０２以上、交感神経活動指標（ＬＦ／ＨＦ）が４未満で「自然体・行動的」のタイプに属する。

タイプＩＶは、活動量が０．０２未満、交感神経活動指標（ＬＦ／ＨＦ）が４未満で「リラックス・充電」のタイプに属する。
このタイプ分けは、ＸＹ軸の中心軸から同軸上に１分毎に所定半径毎に外方に向かって決定されたタイプの円弧部分の象限が着色されて表示されるようになっている。

このように、被測定者は自分自身の１分毎のタイプを知ることで、自分自身の「ココロとカラダのバランス」を視覚的に認識するとともに、自分自身を客観的に把握することができる。

なお、このタイプ分けでは、デスクワーク時の１分間あたりの活動量が０．０２以下であったことから、この値を活動最小値（静止時・安静時）としたがこれに限定される必要はない。

被測定者として、３０代の体重６０ｋｇの男性の２４時間の通常生活におけるタイプ分けを説明する。ここでヒューマンレコーダー（ＨＲ）は２４時間装着していたものとする。

被測定者は仕事を１２時間、睡眠を１２時間とっていたものとする。そして交感神経活動指標（ＬＦ／ＨＦ）の１日の平均値は４．５であった。また、消費カロリーの大小のしきい値は暫定的に２０００Ｋｃａｌとした。

まず、３軸加速度センサーからのデータに基づいて行動判定を行う。ここで仕事中は、常に加速度は０．９〜１．２Ｇの範囲内だったので、「静止状態」と判定される。

次に、行動判定毎の消費カロリーの合計は以下のように算出される。
行動の消費カロリー＝０．０３０４（机上事務の場合の係数）×０．９５５（男性、３０代の係数）×６０（体重）×７２０（分）
＋０．０１７０（睡眠の場合の係数）×０．９５５（男性、３０代の係数）×６０（体重）×７２０（分）＝１９５５Ｋｃａｌ
以上の計算結果に基づき、交感神経活動指標（ＬＦ／ＨＦ）の平均が４以上、活動量（消費カロリー）が２０００Ｋｃａｌ以下になるので、タイプＩＩに分類される。

次に、本システムを用いた睡眠判定について説明する。
本実施形態で用いられるヒューマンレコーダー（ＨＲ）と情報処理装置（ＰＣ）とは前述のものと同じでよい。

ヒューマンレコーダー（ＨＲ）の心拍センサーから得られたＲＲ時系列データと３軸加速度センサーから得られた加速度情報とから、情報処理装置（ＣＰＵ）のプログラムに基づいて中央処理装置（ＣＰＵ）が睡眠状態を判定する。

入眠判定は、図１２に示すように、３軸加速度センサーからの情報に基づく行動判定（図８参照）で静止した状態（入床）と判定されたタイミングでの心拍（ＲＲ時系列データ）の標準偏差か半分(５０％)になった時点を入眠と判定する。これで入眠判定ができなかった場合には、前記５０％の基準を６０％、７０％・・・と１０％単位でしきい値を上げていき、検出されるまでかかる判定を繰り返す。なお、このしきい値は５０％を基準値としたが、２０％〜８０％の範囲で可変にしてもよい。

覚醒判定は、図１３に示すように、３軸加速度センサーからの情報で被測定者がベッドから立ち上がったことを検出する。そして、（Ａ）その立ち上がり状態の前９０分以内の心拍（ＲＲ時系列データ）を取得して、（Ｂ）この標準偏差が平均値を越えており、かつ標準偏差の前後の差（傾き）が０．２以内の時間が前後２分（合計５分）以上連続しているグラフのヤマ部分を探す。このときの平均値は、「入床時間＋立ち上がり時刻）／２」の時刻を中心に５割のデータを用いて計算する。このとき、計測開始時と最終時のぶれの大きなデータは採用しない。そして、（Ｃ）前後１０分の間において３軸加速度センサーから得られた被測定者の姿勢が変化した状態が２回以上あったときに覚醒判定を行う。

上記覚醒を判定できる候補が０だった場合には、上記（Ａ）〜（Ｃ）の条件を緩和して覚醒判定を繰り返す。具体的には、（Ｃ）の姿勢の変化状態の検出回数を１回以上とする。（Ｃ）の条件を除外する。（Ｂ）の標準偏差の傾き０．１〜０．３の範囲で０．１単位で増減させていく、（Ａ）の検出時間範囲を９０分から４５〜１３５分に拡大する、等を行い再度覚醒判定を行うようにすればよい。

睡眠周期リズム判定は、図１４に示すように、前記ＲＲ時系列データから高速フーリエ変換を適用して得られた交感神経活動指標（ＬＦ／ＨＦ）を所定時間単位でスムージングして睡眠グラフを生成し、前記睡眠リズムグラフから複数のピークを探索して、当該ピーク間隔で睡眠周期リズムを生成している。

具体的には、１分単位で算出した交感神経活動指標（ＬＦ／ＨＦ）を５分平均でスムージングして、睡眠リズムグラフを作成する。ピークの検出は、睡眠リズムグラフの先頭からピークを探索して、最大ピークを採用する。そして前記で採用した最大ピークの前後５０分のデータは除去する。次の最大ピークを探索する。ここでは前後３０分のデータは除去する。最後尾までたどり着いたら睡眠リズムグラフの先頭に戻り、次のピークを探索する。そして採択したピークの前後３０分のデータを除去する。このようにして検出するピークの個数は上限で６個までとする。

このように被測定者の睡眠リズムを測定してグラフで出力することによって、自身の睡眠リズムを視覚的に把握することが可能となる。

以上、本発明を実施形態に基づいて説明したが、本発明はこれに限定されるものではない。たとえば実施形態では自律神経活動指標として、交感神経活動指標（ＬＦ／ＨＦ）に基づく数値を主に用いて説明したが、副交感神経活動指標（ＣＶＲＲ×ＬＦ／ＨＦ）による数値を用いて各種計算を行ってもよい。

本発明は、日常生活で用いられる健康機器産業に利用できる。

ＨＲ ヒューマンレコーダー
ＰＣ パーソナルコンピュータ（情報処理装置）
ＣＰＵ 中央処理装置
ＭＭ メインメモリ
ＰＡＤ 心拍検出パッド
ＥＬＴ 電極
ＢＵＳ バス
ＵＭＥＭ ユーザーメモリ
ＯＳ オペレーティングシステム
ＡＰＬ アプリケーションプログラム
ＤＢ データベース
ＴＢＬ テーブル
ＤＩＳＰ ディスプレイ装置
ＫＢＤ キーボード

Claims (6)

1. 心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行されるココロとカラダのバランス表示方法であって、
   前記制御手段によって、前記心拍センサーからＲＲ間隔時系列データを取得し、
   前記３軸加速度センサーから被測定者の加速度情報を取得するステップと、
   前記心拍値と加速度情報とを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ間隔時系列データと加速度情報とを、出力手段から出力させるステップと、
   前記情報処理装置において、
   前記心拍センサーから得られたＲＲ値から異常値を除去し、等間隔にサンプリングしてＲＲ間隔時系列データを形成し、高速フーリエ変換を適用して自律神経活動指標を算出するステップと、
   前記加速度情報に基づいて少なくとも静止状態、歩行状態、早歩き状態等の行動判定を行うステップと、
   前記行動判定結果からあらかじめ設定された運動係数と基礎代謝係数に基づいて消費カロリーを計算して活動量を算出するステップと、
   前記行動判定結果の大小と、前記活動量算出結果の大小との組み合わせからココロとカラダのバランスの４つのタイプに分類わけして表示するステップとからなるココロとカラダのバランス表示方法。
2. 心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行されるココロとカラダのバランスの可視的表示システムであって、
   ヒューマンレコーダーにおいて、
   前記心拍センサーからＲＲ間隔時系列データを取得し、前記３軸加速度センサーから被測定者の加速度情報を取得する制御手段と、
   前記心拍値と加速度情報とを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ間隔時系列データと加速度情報とを前記情報処理装置に出力する出力手段と、
   前記情報処理装置において、
   前記心拍センサーから得られたＲＲ値から異常値を除去し、等間隔にサンプリングしてＲＲ間隔時系列データを形成し、高速フーリエ変換を適用して自律神経活動指標を算出するとともに、前記加速度情報に基づいて少なくとも静止状態、歩行状態、早歩き状態等の行動判定を行い、前記行動判定結果からあらかじめ設定された運動係数と基礎代謝係数に基づいて消費カロリーを計算して活動量を算出する制御手段と、
   前記制御手段による計算結果から、行動判定結果の大小と、前記活動量算出結果の大小との組み合わせからココロとカラダのバランスの４つのタイプに分類わけして表示する表示手段とからなるココロとカラダのバランスの可視的表示システム。
3. 心拍センサーと、３軸加速度センサーと、制御手段と、時計手段と、記憶手段とを内蔵し被測定者の人体表面に装着されるヒューマンレコーダーと、当該ヒューマンレコーダーから得られる各手段の値から各種情報を算出・表示する情報処理装置とで実行される睡眠判定方法であって、
   前記制御手段によって、前記心拍センサーから一定時間のＲＲ間隔時系列データを取得し、
   前記３軸加速度センサーから被測定者の加速度情報を取得し、
   前記ＲＲ間隔時系列データと加速度情報とを一旦記憶手段に格納した後に、前記時計手段で同期されたＲＲ間隔時系列データと加速度情報とを、出力手段から出力させ、
   前記情報処理装置において、
   前記心拍センサーから得られたＲＲ間隔時系列データと、前記加速度情報に基づく行動判定結果とから入眠、覚醒または睡眠リズムの睡眠状態を判定する睡眠状態判定方法。
4. 前記睡眠状態は入眠であり、
   前記姿勢情報から***の変動が所定値以下で、そのときの心拍センサーからのＲＲ間隔時系列データの心拍標準偏差が２５〜７５％以下となったときに入眠を判定する請求項３記載の睡眠状態判定方法。
5. 前記睡眠状態は覚醒であり、
   前記姿勢情報から座位または立位となったことを検出する前４５〜１３５分以内で、
   かつ、前記心拍センサーから得られたＲＲ間隔時系列データの標準偏差が所定の平均値を越えており、該脈拍標準偏差の前後の差（傾き）が０．１〜０．３以内である時間が前後２分（合計５分）以上連続しており、
   かつ、前後１０分の間で姿勢情報から得られる姿勢の変化が２回以上あったときに覚醒を判定する請求項３記載の睡眠状態判定方法。
6. 前記睡眠状態は睡眠周期リズムであり、
   前記ＲＲ時系列データから高速フーリエ変換を適用して得られた自律神経活動指標を所定時間単位でスムージングして睡眠グラフを生成し、
   前記睡眠リズムグラフから複数のピークを探索して、当該ピーク間隔で睡眠周期リズムを検出する請求項３記載の睡眠状態判定方法。

Images