JP4945745B2 - Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system - Google Patents
Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system Download PDFInfo
- Publication number
- JP4945745B2 JP4945745B2 JP2006028492A JP2006028492A JP4945745B2 JP 4945745 B2 JP4945745 B2 JP 4945745B2 JP 2006028492 A JP2006028492 A JP 2006028492A JP 2006028492 A JP2006028492 A JP 2006028492A JP 4945745 B2 JP4945745 B2 JP 4945745B2
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- pulse wave
- waveform data
- minimum point
- data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Description
本発明は、自己組織化マップ（Self-Organizing Map）を用いた波形の形状の解析装置及び波形解析のための自己組織化マップの作成方法及び作成プログラムに関する。 The present invention relates to a waveform shape analysis device using a self-organizing map, a self-organizing map creation method and a creation program for waveform analysis.
自己組織化マップ（以下「ＳＯＭ」という。）はヘルシンキ工科大学のコホネンが考案した教師なしニューラルネットワークであり、高次元データを低次元（例えば２次元）に圧縮して表示する仕組みを、神経回路網をヒントにして実現したものである。このＳＯＭの手法によれば、多次元データを例えば２次元のマップ上に投影することが可能となり、データの分類が視覚的に容易に可能となるため、種々の分野でＳＯＭの応用が研究されている（非特許文献１）。 A self-organizing map (hereinafter referred to as “SOM”) is an unsupervised neural network devised by Kohonen of Helsinki University of Technology. It is a neural circuit that compresses and displays high-dimensional data in low dimensions (for example, two dimensions). It was realized using the net as a hint. According to this SOM technique, multidimensional data can be projected onto, for example, a two-dimensional map, and data classification can be easily made visually. Therefore, the application of SOM has been studied in various fields. (Non-Patent Document 1).
例えば、健康状態の解析におけるＳＯＭの応用に関して特許文献１に開示の発明がある。特許文献１では、被験者の種々の健康状態に関するデータを入力ベクトルとして用いてＳＯＭを生成している。このようにして得られるＳＯＭに対し、患者の健康状態に関するデータを入力して、ＳＯＭ上の対応するユニット（グリッド）を強調表示させることで、患者の健康状態を容易に視覚的に認識することが可能となる。
For example, there is an invention disclosed in
一般に、患者の健康状態の解析に使用する情報として、血圧、コレステロール、中性脂肪、脈波等がある。特に、脈波は採取が容易であること、中枢から末梢にいたる血管動態に関して多くの情報をふくんでいることから、従来より、脈波を用いた、動脈硬化の程度の解析等が研究されている（非特許文献２）。脈波に関するデータを用いた健康状態の解析用のＳＯＭの生成に関して、特許文献２に開示がある。特許文献２によれば、脈波データから脈波以外の人体の情報を推測できるＳＯＭを得ることができ、健康状態に関するデータを短時間で取得することが可能となる。
In general, information used for analyzing a patient's health condition includes blood pressure, cholesterol, neutral fat, pulse wave, and the like. In particular, since the pulse wave is easy to collect and contains a lot of information on the vascular dynamics from the center to the periphery, analysis of the degree of arteriosclerosis using pulse waves has been studied conventionally. (Non-Patent Document 2).
特許文献２では、加速度脈波の１周期分における最大点から最小点までの波形を１２点でサンプリングして得られたデータを脈波に関するデータとして用いて、ＳＯＭを作成する。加速度脈波の波形は実際には複雑な形状をしており、この手法では、加速度脈波の種々の形状に対応できず、脈波データのみを用いてＳＯＭを生成して健康状態の解析に用いる場合には、精度の点で多少問題がある。
In
特に、ＳＯＭの学習時には、ＳＯＭを構成する各ユニット（グリッド）に対して入力ベクトルとの間でベクトル間の距離が計算される。その際、ユークリッド距離が演算されることから、同じ次元の成分どうしが比較される。測定した波形において極大点、極小点の時間軸上の位置にバラツキがある場合、同じ意味（極大点、極小点等）を持った波形の各点どうしが比較されていることにならず、結果として得られるＳＯＭにおいて精度について問題が生じる場合がある。また、そのようなＳＯＭを用いて波形形状を解析した場合、極大点、極小点の位置関係に基づく人間による視覚的に認識される波形形状と、ＳＯＭで分類される分類結果とに大きな隔たりが生じる場合がある。 In particular, when learning SOM, the distance between vectors is calculated between each unit (grid) constituting the SOM and the input vector. At that time, since the Euclidean distance is calculated, components of the same dimension are compared. If there are variations in the position of the maximum and minimum points on the time axis in the measured waveform, the points in the waveform that have the same meaning (maximum point, minimum point, etc.) are not compared, and the result There may be a problem with accuracy in the obtained SOM. Further, when the waveform shape is analyzed using such SOM, there is a large gap between the waveform shape visually recognized by humans based on the positional relationship between the maximum point and the minimum point and the classification result classified by the SOM. May occur.
本発明は上記課題を解決すべくなされたものであり、その目的とするところは、ＳＯＭを用いた波形解析において、人間の判断に近く精度のよい波形形状の分類を可能とする波形解析システム及びそれを用いた脈波解析システムを提供することにある。 The present invention has been made to solve the above-mentioned problems, and the object of the present invention is to provide a waveform analysis system capable of classifying waveform shapes with high accuracy close to human judgment in waveform analysis using SOM, and It is to provide a pulse wave analysis system using it.
本発明に係る波形解析システムは、波形データを入力ベクトルとして用いて学習させる自己組織化マップを用いた波形解析システムである。波形解析システムは、波形データを入力して、所定の規格化処理を行う波形処理手段と、規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するＳＯＭ処理手段とを有する。波形処理手段は、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれ所定位置となるように、一周期分の波形データの規格化を行う。
The waveform analysis system according to the present invention is a waveform analysis system using a self-organizing map for learning using waveform data as an input vector. The waveform analysis system includes waveform processing means for inputting waveform data and performing predetermined standardization processing, and SOM processing means for creating a self-organizing map using the normalized waveform data as an input vector. . The waveform processing means normalizes the waveform data for one period so that the position of the minimum point appearing first and the position of the minimum appearing second in the waveform data of one period become a predetermined position.
本発明に係る脈波解析システムは、上記の波形解析システムを備える。波形処理手段は容積脈波を２回微分して得られる加速度脈波データを波形データとして入力する。 A pulse wave analysis system according to the present invention includes the waveform analysis system described above. The waveform processing means inputs acceleration pulse wave data obtained by differentiating the volume pulse wave twice as waveform data.
本発明に係る自己組織化マップの作成方法は、波形データを入力ベクトルとして用いて学習させる自己組織化マップを作成する方法である。その作成方法は、波形データを入力し、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれが所定位置となるように、一周期分の波形データの規格化を行う規格化ステップと、規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するマップ作成ステップとを有する。
The method for creating a self-organizing map according to the present invention is a method for creating a self-organizing map for learning using waveform data as an input vector. Its creation method inputs the waveform data, such that the position of the minimum point appearing on the minimum point and the second appearing in the first Oite to one period of the waveform data is respectively a predetermined position, the one period A normalization step for normalizing the waveform data; and a map creation step for creating a self-organizing map using the normalized waveform data as an input vector.
本発明に係る自己組織化マップの作成プログラムは、波形データを入力ベクトルとして用いて学習させる自己組織化マップの作成を制御する、コンピュータ読み取り可能なプログラムである。そのプログラムは、波形データを入力し、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれ所定位置となるように、一周期分の波形データの規格化を行うステップと、規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するステップとをコンピュータに実行させる。
The self-organizing map creation program according to the present invention is a computer-readable program that controls the creation of a self-organizing map that is trained using waveform data as an input vector. The program inputs waveform data, and standardizes the waveform data for one cycle so that the position of the first minimum point and the second minimum point appearing in the waveform data of one cycle are the predetermined positions. And a step of creating a self-organizing map using the normalized waveform data as an input vector.
上記の自己組織化マップの作成方法及び作成プログラムにおいて、波形データとして、容積脈波を２回微分して得られる加速度脈波データを入力してもよい。 In the above-described method and program for creating a self-organizing map, acceleration pulse wave data obtained by differentiating a volume pulse wave twice may be input as waveform data.
本発明により得られる波形に関するＳＯＭ（自己組織化マップ）を用いることで、視覚的に容易に波形の特徴を認識でき、人間の判断により近い波形形状の分類が可能となり、精度のよい波形解析が実現できる。 By using the SOM (self-organizing map) relating to the waveform obtained by the present invention, the feature of the waveform can be easily recognized visually, the waveform shape can be classified closer to human judgment, and accurate waveform analysis can be performed. realizable.
以下、添付の図面を参照して本発明の実施形態を説明する。 Embodiments of the present invention will be described below with reference to the accompanying drawings.
（実施の形態１）
以下に説明する波形解析システムは、波形データに関するＳＯＭ（Self-Organizing Map:自己組織化マップ）を用いて波形形状の分析を可能とするシステムである。
(Embodiment 1)
The waveform analysis system described below is a system that enables waveform shape analysis using a SOM (Self-Organizing Map) relating to waveform data.
１．システム構成
図１は、本発明の波形解析システム（以下単に「システム」という。）の構成の一例を示した図である。図１において、システムは、波形データに関するＳＯＭ（以下「波形マップ」という）を用いた解析処理を実行する情報処理装置１を含む。
1. System Configuration FIG. 1 is a diagram showing an example of the configuration of a waveform analysis system (hereinafter simply referred to as “system”) of the present invention. In FIG. 1, the system includes an
情報処理装置１は、その全体動作を制御する制御部１１と、画面表示を行う表示部１７と、ユーザが操作を行う操作部１９と、データやプログラムを記憶するデータ格納部とを備える。例えば、表示部１７は液晶ディスプレイで構成され、操作部１９はキーボードやマウス等である。さらに、情報処理装置１は、アナログ信号を設定されたサンプリング周波数（サンプリングレート）でデジタル信号に変換するＡＤ変換器２３、及び外部機器やネットワークに接続するためのインタフェース２５を含む。情報処理装置１は例えばパーソナルコンピュータ等で実現できる。
The
制御部１１は、波形マップの作成等の処理を行うＳＯＭ処理部１３と、デジタル変換された波形データに対して所定の処理を行う波形処理部１５とを有する。制御部１１はＣＰＵやＭＰＵからなり、プログラムを実行することでＳＯＭ処理部１３や波形処理部１５の後述する機能を実現する。制御部１１で実行されるプログラムは通信回線を通じて、またはＣＤ−ＲＯＭ等の記録媒体で提供可能である。
The
データ格納部２１はデータやプログラムを記憶する手段であり、例えばハードディスク、半導体メモリ等で構成できる。データ格納部２１は、制御部１１で実行されるプログラム、測定された脈波データ、ＳＯＭに関する情報等を格納する。
The
２．システム動作
以上の構成を有する本システムの動作を詳細に説明する。
2. The operation of the system having a configuration higher than the system operation will be described in detail.
図２は、本システムに入力する信号波形の例を示した図である。本システムは、一周期において複数の極大点ａ、c、e、極小点ｂ、ｄを有し、それら極大点、極小点における振幅の大きさが波形の特性として重要な意味を持つ波形の形状解析に対して有効である。 FIG. 2 is a diagram showing an example of a signal waveform input to this system. This system has a plurality of local maximum points a, c, e, and local minimum points b, d in one cycle, and the waveform shape in which the magnitude of the amplitude at these local maximum points and local minimum points has an important meaning as a waveform characteristic. It is effective for analysis.
所定のサンプリング周波数でサンプリングしたときの一周期におけるサンプリング点数をiとすると、サンプリング波形データは（ｘ1, ｘ2, ｘ3, …, ｘi）で表される。本システムでは、サンプリングした波形データをそのまま利用せず、波形処理部１５において前処理として規格化を行った後の所定点数ｊ（j≦i）のデータを、ＳＯＭ処理部１３に入力ベクトルとして入力する。本実施形態ではｊ＝５０とする。この規格化は、ＳＯＭ上での波形形状の解析を精度よく行うために行う。以下、波形データの規格化について説明する。
Sampling waveform data is represented by (x1, x2, x3,..., Xi) where i is the number of sampling points in one cycle when sampling is performed at a predetermined sampling frequency. In this system, the sampled waveform data is not used as it is, and data of a predetermined number j (j ≦ i) after standardization as preprocessing in the
２．１ 波形データの規格化
本システムにおいて波形データの規格化は、以下の３つのステップよりなる。
ステップ１：波形データの振幅方向の規格化、
ステップ２：第１番目の極小点ｂについての時間軸方向の規格化、
ステップ３：第２番目の極小点ｄについて時間軸方向の規格化
以下、図３〜図５を用いて各ステップをより詳細に説明する。
2.1 Standardization of waveform data In this system, standardization of waveform data consists of the following three steps.
Step 1: Normalization of amplitude direction of waveform data
Step 2: Normalization in the time axis direction for the first minimum point b,
Step 3: Normalization of the second minimum point d in the time axis direction Hereinafter, each step will be described in more detail with reference to FIGS.
＜ステップ１＞
図３を参照し、ステップ１を説明する。図３において、破線の波形Ｒは説明の便宜上示した基準波形であり、実線による波形Ｓはサンプリングされて入力した波形データである。入力した波形データの振幅の最大値にはバラツキがあるため、ステップ１において、サンプリングした波形Ｓの振幅の最大値、最小値が基準波形と一致するように、入力波形Ｓの振幅値を正規化する。具体的には、波形Ｓの振幅の最大値が１，最小値が０となるように入力した波形Ｓの各サンプリング点の振幅値を正規化する。図３（ｂ）は、振幅値を正規化した後の波形Ｓを示す。
<
＜ステップ２＞
図４を参照し、ステップ２を説明する。振幅方向の規格化後（図４（ａ）参照）、ステップ２により、サンプリング波形Ｓの第１の極小点ｂが、基準波形Ｒの第１の極小点ｂ0と時間軸上の位置において一致するように、サンプリング波形Ｓの開始点から第１の極小点ｂまでの波形を圧縮または伸張する。圧縮／伸張処理の詳細は後述する。図４（ｂ）に、第１の極小点ｂの時間軸上の位置を、基準波形Ｒの第１の極小点ｂ0の位置と一致するように波形を圧縮／伸張した後の波形を示す。
<
＜ステップ３＞
図５を参照し、ステップ３を説明する。第１の極小点の規格化後（図５（ａ）参照）、ステップ３では、サンプリング波形Ｓの第２の極小点ｄが、基準波形Ｒの第２の極小点ｄ0と時間軸上の位置において一致するように、サンプリング波形Ｓの第１の極小点ｂから第２の極小点ｄまでの波形を圧縮／伸張する。図５（ｂ）は、第２の極小点ｄの位置を、基準波形Ｒの第２の極小点ｄ0の位置と一致するように圧縮／伸張した後の波形を示す。最終的に、図５（ｂ）に示すように、サンプリング波形Ｓにおいて、第１の極小点ｂ及び第２の極小点ｄの位置が、時間軸方向において、それぞれ基準波形の極小点ｂ0、ｄ0と一致するようになる。
<
以上のように、本システムでは、サンプリング波形Ｓの極小点の時間軸上の位置が基準波形の極小点の位置と一致するように波形Ｓの形状を圧縮／伸張する。これにより、ＳＯＭへ入力すべき波形を示す入力ベクトルにおいて、極小点の時間軸上の位置が常に同じ位置（次元）に現れるようになる。よって、ＳＯＭの学習処理等におけるベクトルの比較処理において、第１の極小点どうし、第２の極小点どうしが確実に比較されるため、結果として精度のよいＳＯＭが得られる。 As described above, in this system, the shape of the waveform S is compressed / expanded so that the position of the minimum point of the sampling waveform S on the time axis matches the position of the minimum point of the reference waveform. Thereby, in the input vector indicating the waveform to be input to the SOM, the position of the minimum point on the time axis always appears at the same position (dimension). Therefore, in the vector comparison process in the SOM learning process or the like, the first minimum point and the second minimum point are reliably compared with each other, and as a result, a highly accurate SOM can be obtained.
２．１．１ 波形データの演算処理
ステップ２、３における波形データの時間軸方向の規格化処理（すなわち、圧縮／伸張）についてさらに具体的に説明する。
2.1.1 Waveform Data Calculation Processing The waveform data normalization processing (that is, compression / expansion) in
前述のように、波形データの時間軸方向の規格化において、サンプリング波形Ｓの極小点が、基準波形Ｒの対応する極小点と、時間軸上の位置において一致するように、サンプリング波形Ｓの波形を圧縮／伸張する。これを実現するため、入力ベクトルにおける、サンプリング波形Ｓの極小点の次元が、所定の次元の成分に現れるように、サンプリング波形Ｓの各点を求め直す。本実施形態では、図６に示すように、入力ベクトルにおいて、第１の極小点の値を示す成分は、常に１５次元の成分に、第２の極小点の値を示す成分は４０次元の成分に現れるように、サンプリング波形Ｓの各サンプリング点を求め直す。つまり、入力ベクトル（ｘ1, ｘ2, ｘ3, …, ｘ50）において、１５次元の成分ｘ15は第１の極小点ｂの振幅値を、４０次元の成分ｘ40は第２の極小点ｄの振幅値をそれぞれ示す。 As described above, in normalization of the waveform data in the time axis direction, the waveform of the sampling waveform S is such that the minimum point of the sampling waveform S coincides with the corresponding minimum point of the reference waveform R at a position on the time axis. Is compressed / decompressed. In order to realize this, each point of the sampling waveform S is obtained again so that the dimension of the minimum point of the sampling waveform S in the input vector appears in a component of a predetermined dimension. In the present embodiment, as shown in FIG. 6, in the input vector, the component indicating the value of the first minimum point is always a 15-dimensional component, and the component indicating the value of the second minimum point is a 40-dimensional component. Each sampling point of the sampling waveform S is obtained again as shown in FIG. That is, in the input vector (x1, x2, x3,..., X50), the 15-dimensional component x15 represents the amplitude value of the first minimum point b, and the 40-dimensional component x40 represents the amplitude value of the second minimum point d. Each is shown.
例えば、図７に示すようにサンプリング波形Ｓにおいて第１の極小点ｂが２０次元成分に現れ、第２の極小点ｄが６５次元成分に現れた場合、それらの極小点が１５次元成分と４０次元成分となるように、波形Ｓの各点の振幅値を求め直す。つまり、最初、サンプリング波形Ｓにおいて最初から第１の極小点までのサンプリング点数が２０個から１５個に、第１の極小点の後、第２の極小点までのサンプリング点数が４５個から２５個になるようにサンプリング点数を変換する。 For example, as shown in FIG. 7, in the sampling waveform S, when the first local minimum point b appears in the 20-dimensional component and the second local minimum point d appears in the 65-dimensional component, those local minimum points become the 15-dimensional component and the 40-dimensional component. The amplitude value of each point of the waveform S is obtained again so as to be a dimension component. That is, first, in the sampling waveform S, the number of sampling points from the first to the first minimum point is changed from 20 to 15, and the number of sampling points from the first minimum point to the second minimum point is changed from 45 to 25. The number of sampling points is converted so that
より具体的には、サンプリング波形Ｓの開始点から第１の極小点までを１４（＝１５−１）等分し、元のサンプリング波形Ｓのデータに基づき、各分割点について振幅値（ｘ1, ｘ2, ｘ3, …, ｘ15）を求める。これにより、第１の極小点が規格化される。すなわち、ｘ15のデータに第１の極小点の振幅値が含まれるようになる。さらに、サンプリング波形Ｓの第１の極小点から第２の極小点までを２４（＝４０−１５−１）等分し、各分割点について元のサンプリング波形Ｓのデータに基づき、各分割点について振幅値（ｘ16, ｘ17, …, ｘ40）を求める。これにより、第２の極小点が規格化される。その後、第２の極小点から１０個のデータを入力ベクトルの残りの次元のデータ（ｘ41、ｘ42、…, ｘ50）とする。 More specifically, the sampling waveform S is divided into 14 (= 15-1) equally from the start point of the sampling waveform S to the first minimum point, and the amplitude value (x1, x1) for each division point based on the data of the original sampling waveform S. x2, x3, ..., x15). Thereby, the first minimum point is normalized. That is, the amplitude value of the first minimum point is included in the data of x15. Further, the first minimum point to the second minimum point of the sampling waveform S are equally divided into 24 (= 40-15-1), and each division point is determined based on the data of the original sampling waveform S for each division point. Amplitude values (x16, x17, ..., x40) are obtained. Thereby, the second minimum point is normalized. Thereafter, 10 pieces of data from the second minimum point are used as remaining dimension data (x41, x42,..., X50) of the input vector.
以下、サンプリング点数の変換について具体的に説明する。例として、図８に示すような１０個のサンプリング点（Ａ0〜Ａ9）からなる波形を考える。各サンプリング点の振幅値は以下のとおりである。
図８に示す、１６個のサンプリング点からなるサンプリング波形から１６個のサンプリング点の値を求めるためには、図９に示すように波形を時間軸方向に１５等分し、その等分した時間間隔毎にサンプリング点（Ｂ0〜Ｂ15）を定め、そのサンプリング点（Ｂ0〜Ｂ15）毎に振幅値を元の波形データの値に基づいて演算すればよい。 In order to obtain the values of 16 sampling points from the sampling waveform composed of 16 sampling points shown in FIG. 8, the waveform is divided into 15 equal parts in the time axis direction as shown in FIG. Sampling points (B0 to B15) are determined for each interval, and the amplitude value may be calculated for each sampling point (B0 to B15) based on the value of the original waveform data.
まず、変換後のデータ間隔ΔＧを求める。
ΔＧ＝（元データの個数−１）／（変換後のデータの個数−１） （１）
First, the converted data interval ΔG is obtained.
ΔG = (number of original data−1) / (number of data after conversion−1) (1)
本例では、ΔＧ＝（１０−１）／（１６−１）＝０．６である。 In this example, ΔG = (10−1) / (16−1) = 0.6.
変換後のサンプリング点Ｂmの時間軸方向の位置Ｐmは次式で求められる。
Ｐm＝ΔＧ×ｍ （２）
The position Pm in the time axis direction of the converted sampling point Bm is obtained by the following equation.
Pm = ΔG × m (2)
求めたサンプリング点Ｂmの位置Ｐｍに基づいて以下の式を満たす整数ｎを求める。
ｎ≦Ｐm≦ｎ＋１ （３）
An integer n satisfying the following expression is obtained based on the obtained position Pm of the sampling point Bm.
n ≦ Pm ≦ n + 1 (3)
求めたｎから２つのサンプリング点（Ａn、Ａn+1）を特定し、それらの振幅値から、次式でサンプリング点Ｂmの振幅値が求められる（図１０参照）。
Ｂmの振幅値＝Ａn＋ΔＡ
ΔＡ＝（Ａn+1−Ａn）ΔＷ＝（Ａn+1−Ａn）×（Ｐm−ｎ） （４）
Two sampling points (An, An + 1) are specified from the obtained n, and the amplitude value of the sampling point Bm is obtained from the amplitude value by the following equation (see FIG. 10).
Amplitude value of Bm = An + ΔA
ΔA = (An + 1−An) ΔW = (An + 1−An) × (Pm−n) (4)
例えば、Ｂ3の場合、Ｐ3＝１．８であるため、条件２を満たすＡ1、Ａ2が求まる。よって、Ｂ3の振幅値は次のようになる。
Ｂ3の振幅値＝Ａ１＋ΔＡ
＝Ａ１＋（Ａ２−Ａ１）×（Ｐ3−１）
＝１５＋（３４−１５）×（１．８−１）
＝１５＋１９×０．８
＝３０．２
For example, in the case of B3, since P3 = 1.8, A1 and A2 satisfying the
Amplitude value of B3 = A1 + ΔA
= A1 + (A2-A1) × (P3-1)
= 15 + (34-15) × (1.8-1)
= 15 + 19 × 0.8
= 30.2
なお、式（３）においてＰm＝ｎが成り立つときは、Ａｎの振幅値をサンプリング点Ｂmの値とする。 When Pm = n holds in the expression (3), the amplitude value of An is set as the value of the sampling point Bm.
以上のようにしてサンプリング点数の変換ができる。以上の方法で求めたサンプリング点Ｂmの値を以下に示す。
２．２ 波形マップの生成
ＳＯＭ処理部１３は、以上のような規格化後の波形データをＳＯＭに入力して学習させることで波形マップを作成する。作成された波形マップはデータ格納部２１に保存される。波形マップへの入力データは、上記の方法で得られた５０点の波形を示す５０次元のベクトルデータである。
2.2 Waveform Map Generation The
図１１（ａ）に、本システムによって作成された波形マップの例を示す。同図において、Ａ＋、Ａ、Ｂ＋、Ｂ、…と、複数の領域が表示されている。各領域は、波形の極小点の特徴に基づいて分類して得られる領域である。すなわち、同じ領域に含まれる波形は同じ特徴を有すると考えられる。具体的には、入力ベクトルの極小点の値に基づき所定の演算式で算出した値に基づいて分類している。 FIG. 11A shows an example of a waveform map created by this system. In the figure, a plurality of areas A +, A, B +, B,... Are displayed. Each region is a region obtained by classification based on the feature of the minimum point of the waveform. That is, the waveforms included in the same region are considered to have the same characteristics. Specifically, the classification is performed based on the value calculated by a predetermined arithmetic expression based on the value of the minimum point of the input vector.
図１１（ａ）に見られるように、Ａ＋、Ａ、Ｂ＋、Ｂ、…と波形形状の変化に伴い、領域が滑らかに連続して配置されている。図１１（ｂ）は、図１１（ａ）に示すマップ上の対応する領域を代表する波形の形状を示した図である。すなわち、図１１（ｂ）は、図１１（ａ）のマップの領域を横方向に１２分割、縦方向に６分割して得られる小領域について、各小領域の代表的な波形を示している。例えば、図１１（ｂ）において、右から１列目、上から１行目の領域の波形は、図１１（ａ）の領域Ａ＋での波形を示し、第１の極小点ｂが第２の極小点ｄよりも小さく、且つ、第２の極大点ｃが第２の極小点ｄよりも大きな波形を示している。また、図１１（ｂ）において、左から１列目、上から２行目の領域の波形は、図１１（ａ）における領域Ｆ＋中の対応する領域の波形を示し、第２の極小点ｄが第１の極小点ｂよりも小さい波形を示している。図１１（ｂ）を参照すると、ＳＯＭの縦方向、横方向において波形形状が連続的に変化していることが分かる。このようにして生成される波形マップを用いることで、人間の感覚による波形形状の認識に近い分類が可能となる。 As shown in FIG. 11A, the regions are smoothly and continuously arranged along with the change in waveform shape such as A +, A, B +, B,. FIG. 11B is a diagram showing a waveform shape representing the corresponding region on the map shown in FIG. That is, FIG. 11B shows a typical waveform of each small region for a small region obtained by dividing the map region of FIG. 11A into 12 parts in the horizontal direction and 6 parts in the vertical direction. . For example, in FIG. 11 (b), the waveform in the first column from the right and the first row from the top shows the waveform in the region A + in FIG. 11 (a), and the first minimum point b is the second. The waveform is smaller than the minimum point d and the second maximum point c is larger than the second minimum point d. In FIG. 11B, the waveform in the first column from the left and the second row from the top indicates the waveform in the corresponding region in the region F + in FIG. 11A, and the second minimum point d. Shows a waveform smaller than the first minimum point b. Referring to FIG. 11 (b), it can be seen that the waveform shape continuously changes in the vertical and horizontal directions of the SOM. By using the waveform map generated in this way, classification close to the recognition of the waveform shape by human senses becomes possible.
これに対して、図１２（ａ）は、時間軸方向への規格化（ステップ２、３）を行わない従来の方法で入力ベクトルを用いて学習させて得られたＳＯＭを示した図である。図１２の例では、交差して配置された領域があり、連続的な配置となっていない。例えば、領域Ｂ＋、Ｂ、Ｃ＋は領域Ｃを挟んで不連続に配置されている。また、領域Ａについても不連続となっている。また、図１１（ｂ）においても、波形の形状が連続的に変化していない様子が見られる。このような波形マップでは、波形形状に応じた領域が不連続となるため、人間の感覚による波形形状の認識とは離れた分類となり、波形形状の正確な解析が困難である。 On the other hand, FIG. 12A is a diagram showing an SOM obtained by learning using an input vector by a conventional method in which normalization in the time axis direction (steps 2 and 3) is not performed. . In the example of FIG. 12, there are regions arranged so as to intersect with each other, and the arrangement is not continuous. For example, the regions B +, B, and C + are discontinuously arranged with the region C interposed therebetween. The region A is also discontinuous. Moreover, also in FIG.11 (b), a mode that the shape of a waveform is not changing continuously can be seen. In such a waveform map, the region corresponding to the waveform shape is discontinuous, so that the classification is different from the recognition of the waveform shape by human senses, and it is difficult to accurately analyze the waveform shape.
３． 変形例
上記のように極小点について時間軸方向に規格化を行ったが、これにより時間軸方向の情報が失われる問題がある。つまり、図１３（ａ）に示すように、サンプリングされた波形データについて、時間軸方向の規格化により、頂点（極小点、極大点）間の距離は、Ｗ1，Ｗ2，Ｗ3，Ｗ4からＷ1'，Ｗ2'，Ｗ3'，Ｗ4'となり、時間軸方向の最初の情報（Ｗ1，Ｗ2，Ｗ3，Ｗ4）が失われてしまう。波形解析において波形の振幅方向の大きさに意味があり、時間軸方向の情報にあまり意味がないときは、時間軸方向の情報が失われても、解析において何ら影響はない。しかし、波形解析において時間軸方向（波形の幅方向）の大きさにも意味があるときは、時間軸方向の情報が失われることは好ましくない。そこで、ＳＯＭへの入力ベクトルにおいて、波形の振幅値を示すデータに加えて、さらに、幅に関する最初の情報（Ｗ1，Ｗ2，Ｗ3，Ｗ4）を加えても良い（式（５）参照）。これにより、時間軸方向の情報が失われることはなく、時間軸方向（波形の幅方向）の大きさにも意味があるときにも対応できる。
入力ベクトル＝（ｘ1, ｘ2, ｘ3, …, ｘ50，Ｗ1，Ｗ2，Ｗ3，Ｗ4） （５）
3. Modification As described above, normalization is performed in the time axis direction with respect to the minimum point, but there is a problem that information in the time axis direction is lost. That is, as shown in FIG. 13 (a), with respect to the sampled waveform data, the distance between the vertices (minimum point, maximum point) from W1, W2, W3, W4 to W1 ′ by normalization in the time axis direction. , W2 ′, W3 ′, W4 ′, and the first information (W1, W2, W3, W4) in the time axis direction is lost. In the waveform analysis, when the magnitude in the amplitude direction of the waveform is significant and the information in the time axis direction is not very meaningful, even if the information in the time axis direction is lost, there is no influence on the analysis. However, if the size in the time axis direction (the width direction of the waveform) is meaningful in waveform analysis, it is not preferable that the information in the time axis direction is lost. Therefore, in the input vector to the SOM, in addition to the data indicating the amplitude value of the waveform, first information about the width (W1, W2, W3, W4) may be added (see equation (5)). Thereby, information in the time axis direction is not lost, and it is possible to cope with the case where the size in the time axis direction (the width direction of the waveform) is meaningful.
Input vector = (x1, x2, x3, ..., x50, W1, W2, W3, W4) (5)
また、上記説明では、第１の極小点ｂ及び第２の極小点ｄの双方について時間軸方向の規格化を行ったが、いずれかの極小点のみに対して時間軸方向の規格化を行ってもよい。また、第１の極小点ｂ及び第２の極小点ｄ以外の極小点、極大点について、時間軸方向の規格化を行ってもよい。また、時間軸方向の規格化を行うのは、極大点、極小点に限る必要はなく、波形の所定の部分に注目し、その部分について時間軸方向の規格化を行ってもよい。 In the above description, the time axis direction normalization is performed for both the first minimum point b and the second minimum point d, but the time axis direction normalization is performed for only one of the minimum points. May be. Also, normalization in the time axis direction may be performed for local minimum points and local maximum points other than the first local minimum point b and the second local minimum point d. Further, normalization in the time axis direction need not be limited to the maximum point and the minimum point, and attention may be paid to a predetermined portion of the waveform, and normalization in the time axis direction may be performed for that portion.
また、以上の説明に用いたサンプリング点数の値は例示であり、本発明の範囲はその値に限定されることはない。 Moreover, the value of the number of sampling points used in the above description is an example, and the scope of the present invention is not limited to this value.
また、上記の例では、時間軸方向の規格化において、サンプリングデータを演算処理することで極小点ｂ、ｄまでのサンプリング点数が所定数となるようにサンプリング点数を調整したが、ＡＤ変換器２３のサンプリング周波数を再設定することで、サンプリング点数を調整することもできる。
Further, in the above example, in the standardization in the time axis direction, the sampling points are adjusted so that the sampling points up to the minimum points b and d are obtained by calculating the sampling data, but the
４． まとめ
以上のように、本実施形態では、波形マップに入力するサンプリングデータを時間軸方向に規格化し、その規格化後のデータを用いてＳＯＭを作成する。これにより、ＳＯＭ上において、波形の形状に応じて分類した波形の領域を、波形の形状の変化に応じて連続的に配置することが可能となる。このような波形マップを用いることで、より人間の感覚に近い波形形状の分類が精度よくできる。すなわち、ＳＯＭへの入力ベクトルにおいて、注目する波形部分（例えば、極大点、極小点）の位置を常に同じ次元の成分に設定できるため、測定バラツキにより、注目する波形部分の時間的位置が変動した場合であっても、ＳＯＭの学習処理等において、ベクトル間で精度よく、注目する波形部分の比較ができ、精度のよく波形分類が可能なＳＯＭが得られる。
4). Summary As described above, in this embodiment, the sampling data input to the waveform map is normalized in the time axis direction, and the SOM is created using the normalized data. Thereby, on the SOM, the waveform regions classified according to the waveform shape can be continuously arranged according to the change in the waveform shape. By using such a waveform map, it is possible to classify waveform shapes closer to human senses with high accuracy. That is, in the input vector to the SOM, since the position of the waveform portion of interest (for example, the maximum point and the minimum point) can always be set to the same dimension component, the temporal position of the waveform portion of interest fluctuated due to measurement variations. Even in this case, in the SOM learning process or the like, the waveform portions of interest can be compared with high accuracy between vectors, and an SOM capable of accurate waveform classification can be obtained.
（実施の形態２）
本実施形態では、実施の形態１で示した波形解析システムを用いて脈波（加速度脈波）の波形形状の解析を可能とする脈波解析システムについて説明する。
(Embodiment 2)
In the present embodiment, a pulse wave analysis system capable of analyzing the waveform shape of a pulse wave (acceleration pulse wave) using the waveform analysis system shown in the first embodiment will be described.
図１４に脈波解析システムの構成を示す。脈波解析システム１００は、上記波形解析システム１の構成に加えて、さらにセンサ３１と増幅器３３を備える。センサ３１は動脈の内圧の変化により生ずる指先の毛細血管の容積変化を計測した容積脈波を検出する。具体的には、センサ３１は透過型フォトセンサで指先のヘモグロビン濃度変化を吸光度変化として捉えて、容積脈波を測定する。このようなセンサには、例えば、日本光電社製の「ＴＬ−２０１Ｔ」がある。増幅器３３は、センサ３１からの脈波信号を検出し、アナログ信号として波形解析システム１に出力する。
FIG. 14 shows the configuration of the pulse wave analysis system. The pulse
脈波解析システム１００は、波形信号として、センサ３１により測定された脈波信号を受信して、脈波に関するＳＯＭ（以下「脈波マップ」という。）の作成、保存を行う。脈波マップの作成処理については実施の形態１で説明したとおりである。
The pulse
脈波解析システム１００での脈波マップによる解析処理について説明する。
本処理は主としてＳＯＭ処理部１３により実行される。脈波マップによる解析処理に関して表示部１５上に図１５に示すようなボタン５１、５３が表示される。脈波測定開始ボタン５１が押下されると、解析を受ける被験者の脈波データの採取が開始される。
An analysis process using a pulse wave map in the pulse
This process is mainly executed by the
脈波測定開始ボタン５１が押下されると、脈波データがセンサ３１を介して波形処理部１５により取得され、取得されたデータはマップ作成時と同様の上記の規格化処理がなされた後、データ格納部２１に保持される。
When the pulse wave
脈波の測定に続いて解析開始ボタン５３が押下されると、直前に取得したデータに基づいて解析が開始される。ＳＯＭ処理部１３はデータ格納部２１から、解析を受ける被験者のデータと、作成された脈波マップのデータとを読み出す。読み出した脈波マップを参照し、被験者のデータに最も近いユニットを検索し、マップ上において、解析結果として検索したノードを視認可能に表示させる。これにより被験者または医師は脈波マップを見ることで、視覚的に脈波の状態を認識でき、マップ上において良い波形から悪い波形へと連続的に並んでいることから、波形に基づいた相対的な解析が可能となる。
When the
図１６（ａ）に、脈波マップ上での解析結果の表示例を示す。同図においてマークＸが被験者の脈波の脈波マップ上での対応するユニットを示す。被験者の脈波は、領域Ｂ＋に属していることが分かる。図１６（ｂ）において、円で囲まれた領域の波形が、図１６（ａ）のマークＸ周辺の領域における代表的な脈波の波形形状を示す。 FIG. 16A shows a display example of the analysis result on the pulse wave map. In the figure, the mark X indicates the corresponding unit on the pulse wave map of the subject's pulse wave. It can be seen that the pulse wave of the subject belongs to the region B +. In FIG. 16B, the waveform of the region surrounded by a circle shows the typical waveform of the pulse wave in the region around the mark X in FIG.
本脈波解析システム１００を用いることで、より容易に、迅速に、かつより人間の感覚に近く脈波の波形形状の解析が可能となる。
By using the present pulse
１ 情報処理装置（波形解析システム）
１１ 制御部
１３ ＳＯＭ処理部
１５ 波形処理部
１７ 表示部
１９ 操作部
２１ データ格納部
２３ ＡＤ変換器
２５ インタフェース
３１ センサ
３３ 増幅器
１００ 脈波解析システム
1 Information processing equipment (waveform analysis system)
DESCRIPTION OF
Claims (7)
波形データを入力して、所定の規格化処理を行う波形処理手段と、
前記規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するＳＯＭ処理手段とを有し、
前記波形処理手段は、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれ所定位置となるように、前記一周期分の波形データの規格化を行う、
ことを特徴とする波形解析システム。 A waveform analysis system using a self-organizing map for learning using waveform data as an input vector,
Waveform processing means for inputting waveform data and performing predetermined standardization processing;
SOM processing means for creating a self-organizing map using the normalized waveform data as an input vector,
The waveform processing means normalizes the waveform data for one period so that the position of the first minimum point and the second minimum point appearing in the waveform data of one period are respectively predetermined positions. ,
Waveform analysis system characterized by this.
前記波形処理手段は前記波形データとして容積脈波を２回微分して得られる加速度脈波データを入力する、ことを特徴とする脈波解析システム。 The waveform analysis system according to claim 1 or 2 ,
The pulse wave analysis system, wherein the waveform processing means inputs acceleration pulse wave data obtained by differentiating a volume pulse wave twice as the waveform data.
波形データを入力し、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれ所定位置となるように、前記一周期分の波形データの規格化を行うステップと、
前記規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するステップと
を有する、ことを特徴とする自己組織化マップの作成方法。 A method for creating a self-organizing map for learning by using waveform data as an input vector,
Enter the waveform data, such that the position of the minimum point appearing on the minimum point and the second appears at the first in the waveform data of one cycle is each predetermined position, performs the normalization of the waveform data of the one cycle Steps,
And a step of creating a self-organizing map using the normalized waveform data as an input vector.
波形データを入力し、一周期の波形データにおいて第１番目に現れる極小点及び第２番目に現れる極小点の位置がそれぞれ所定位置となるように、前記一周期分の波形データの規格化を行うステップと、
前記規格化処理された波形データを入力ベクトルとして用いて自己組織化マップを作成するステップと
をコンピュータに実行させることを特徴とする自己組織化マップの作成プログラム。 A computer-readable program for controlling the creation of a self-organizing map that learns using waveform data as an input vector,
Enter the waveform data, such that the position of the minimum point appearing on the minimum point and the second appears at the first in the waveform data of one cycle is each predetermined position, performs the normalization of the waveform data of the one cycle Steps,
A program for creating a self-organizing map, which causes a computer to execute a step of creating a self-organizing map using the normalized waveform data as an input vector.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006028492A JP4945745B2 (en) | 2006-02-06 | 2006-02-06 | Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006028492A JP4945745B2 (en) | 2006-02-06 | 2006-02-06 | Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2007202964A JP2007202964A (en) | 2007-08-16 |
| JP4945745B2 true JP4945745B2 (en) | 2012-06-06 |
Family
ID=38482957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006028492A Active JP4945745B2 (en) | 2006-02-06 | 2006-02-06 | Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4945745B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5296392B2 (en) * | 2008-02-08 | 2013-09-25 | 有限会社Ｓｏｍジャパン | Health condition determination support system and self-organizing map generation system using self-organizing map |
| US10586154B2 (en) | 2016-03-25 | 2020-03-10 | Megachips Corporation | State estimation apparatus, state estimation method, and integrated circuit |
| JP6704574B2 (en) * | 2016-04-27 | 2020-06-03 | 株式会社メガチップス | State determination device, program and integrated circuit |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04108424A (en) * | 1990-08-29 | 1992-04-09 | Sony Corp | Pulse wave analyzing device |
| JP3599819B2 (en) * | 1995-03-27 | 2004-12-08 | コーリンメディカルテクノロジー株式会社 | Biological information monitoring device |
| JPH10283336A (en) * | 1997-04-03 | 1998-10-23 | Nkk Corp | Waveform learning device and waveform recognition device |
| JPH11342119A (en) * | 1998-06-01 | 1999-12-14 | Matsushita Electric Ind Co Ltd | Peripheral blood vessel characteristic determining device |
| JP2000266570A (en) * | 1999-03-15 | 2000-09-29 | Omron Corp | Signal processor for discriminating steady state and unsteady state |
| JP3750557B2 (en) * | 2001-04-25 | 2006-03-01 | オムロンヘルスケア株式会社 | Pulse wave detector |
| JP4132946B2 (en) * | 2002-04-26 | 2008-08-13 | 平蔵 徳高 | Health checkup system and program |
-
2006
- 2006-02-06 JP JP2006028492A patent/JP4945745B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2007202964A (en) | 2007-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220093216A1 (en) | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions | |
| Wang et al. | A robust signal preprocessing framework for wrist pulse analysis | |
| Cheng et al. | Prediction of arterial blood pressure waveforms from photoplethysmogram signals via fully convolutional neural networks | |
| CN107536599A (en) | The System and method for of live signal segmentation and datum mark alignment framework is provided | |
| US20220093215A1 (en) | Discovering genomes to use in machine learning techniques | |
| JP6477199B2 (en) | Vibration state estimation device, vibration state estimation method, and program | |
| JP6515670B2 (en) | Sleep depth estimation device, sleep depth estimation method, and program | |
| US10660536B2 (en) | Wearable biometric measurement device | |
| KR20170084643A (en) | Motion analysis appratus and method using dual smart band | |
| JP2008073077A (en) | Data processor, data processing method and data processing program | |
| JP4945745B2 (en) | Waveform analysis system using self-organizing map, method and program for creating self-organizing map for waveform analysis, and pulse wave analysis system | |
| KR20140089897A (en) | Device and method for monitoring bio signal with low power | |
| Lee et al. | Respiration rate estimation based on independent component analysis of accelerometer data: Pilot single-arm intervention study | |
| Fenu et al. | IMU based post-traumatic rehabilitation assessment | |
| JP4882052B2 (en) | Pulse wave diagnosis system using self-organizing map, self-organizing map generating program and generating method | |
| JP6536038B2 (en) | Period estimation apparatus, period estimation method and program | |
| JP5911840B2 (en) | Diagnostic data generation device and diagnostic device | |
| JP2014176427A (en) | Data analysis device and data analysis program | |
| Eun et al. | Development of intelligent healthcare system based on ambulatory blood pressure measuring device | |
| JP6491920B2 (en) | Biological signal processing apparatus and biological signal processing method | |
| Jeon et al. | Multi-slice Nested Recurrence Plot (MsNRP): A robust approach for person identification using daily ECG or PPG signals | |
| Safonov et al. | An approach for model assissment for activity recognition | |
| JP4677528B2 (en) | Constellation graph history display device | |
| Progonov et al. | Heartbeat-based authentication on smartwatches in various usage contexts | |
| Schmith et al. | Photoplethysmography signal quality assessment using attractor reconstruction analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20080124 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090119 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110401 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110802 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110930 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120207 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |