JP6947227B2 - 脈波算出装置、脈波算出方法及び脈波算出プログラム - Google Patents

Description

本発明は、脈波算出装置、脈波算出方法及び脈波算出プログラムに関する。

被験者に装着された専用の器具を用いて、心臓の拍動に伴う血管内の血液の体積の変動、いわゆる脈波を算出する技術が知られている。例えば、脈波の一態様である心拍数を算出する技術の一例としては、心電計の電極を生体に装着することによって計測された心電波形のピーク、例えばＰ波やＲ波などを用いて心拍数を算出する心電図法が挙げられる。他の一例としては、指や耳たぶなどの末梢血管に赤外線を照射し、その反射光が血流および吸光特性によって周期的に変動する光学的な変化から心拍とほぼ等価な脈拍を算出する光電脈波法が挙げられる。

また、生体に計測器具が接触しない状態で脈波を測定するために、被験者が撮影された画像を用いた心拍測定方法が提案されている。かかる心拍測定方法では、カメラによって被験者の顔が撮影された画像の信号成分に対し、例えば、ＦＦＴ（Fast Fourier Transform）や最大エントロピー法によってパワースペクトルを求め、かかるパワースペクトルの周波数のピーク値から心拍数を得る。

特開２０１４−２２１１７２号公報 特開２００４−３１６号公報 特開２０１６−２２０９１５号公報 特開２０１４−１９８２０１号公報

しかし、上記技術においては、脈波波形を精度よく取得することが難しい。上記技術においては、光電脈波センサや画像から得られる信号が微弱であるため、手や顔の動き、及び外光などの外乱要因によって、波形にノイズが混入する場合がある。これにより、取得される波形に乱れが生じると、波形の基点となる時点を特定できなくなるので、上記技術においては、心臓の拍動区間に相当する脈波区間（など）を判別することが難しい。

一つの側面では、脈波波形を精度よく取得できる脈波算出装置、脈波算出方法及び脈波算出プログラムを提供することを目的とする。

一つの態様において、脈波算出装置は、被験者の第１の脈波波形を取得する取得部を有する。脈波算出装置は、前記第１の脈波波形又は前記第１の脈波波形から抽出された第２の波形から、１つ以上の区間波形を選択する選択部を有する。また、脈波算出装置は、前記区間波形の時間幅及び振幅のうち少なくともいずれかを、モデルに基づいて規格化する規格化処理部を有する。さらに、脈波算出装置は、規格化された区間波形を統計処理して出力する。

一つの態様によれば、脈波波形を精度よく取得できる。

図１は、背景技術における光電脈波センサから脈波を算出する処理の一例を示す図である。 図２は、背景技術における画像から脈波を算出する処理の一例を示す図である。 図３は、実施例１における算出装置の一例を示す図である。 図４は、実施例１における脈波モデルの一例を示す図である。 図５は、脈波モデルの一例を示す図である。 図６は、脈波間隔と振幅との関係の一例を示す図である。 図７は、信号記憶部の一例を示す図である。 図８は、実施例１における基準点特定処理結果の一例を示す図である。 図９は、脈波波形の自己相関係数の算出処理の一例を示す図である。 図１０は、自己相関係数の算出結果の一例を示す図である。 図１１は、実施例１における規格化処理及び統計処理の一例を示す図である。 図１２は、実施例１における脈波算出処理の一例を示すフローチャートである。 図１３は、実施例１における脈波取得処理の一例を示すフローチャートである。 図１４は、実施例１における基準点特定処理の一例を示すフローチャートである。 図１５は、実施例１における相関算出処理の一例を示すフローチャートである。 図１６は、実施例１における区間選択処理の一例を示すフローチャートである。 図１７は、実施例１における波形規格化処理の一例を示すフローチャートである。 図１８は、実施例１における出力処理の一例を示すフローチャートである。 図１９は、実施例２における算出装置の一例を示す図である。 図２０は、実施例２における脈波算出処理の一例を示すフローチャートである。 図２１は、実施例２における輝度波形取得処理の一例を示すフローチャートである。 図２２は、実施例２における波形フィルタリング処理の一例を示すフローチャートである。 図２３は、実施例３における基準点特定処理の一例を示す図である。 図２４は、脈波算出プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する脈波算出装置、脈波算出方法及び脈波算出プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜組み合わせても良い。

まず、背景技術における脈波算出処理について、図１及び図２を用いて説明する。上で述べたように、光電脈波センサを用いて得られた信号や、被験者を撮影した画像の信号成分を用いて、被験者の脈波を算出する技術が知られている。図１は、背景技術における光電脈波センサから脈波を算出する処理の一例を示す図である。図１に示すように、光電脈波センサ１１１は、例えば被験者の指１１２などに装着され、末梢血管に照射した赤外線などの反射光の変動に基づいて脈波を算出する。

しかし、光電脈波センサ１１１により検出される信号には、光電脈波センサ１１１と指１１２との接触度合などに応じてノイズが生じやすい。例えば、図１のグラフＤ１は、光電脈波センサ１１１により得られた脈波波形をフィルタリング処理した波形を示す。グラフＤ１において、横軸は時間の経過（秒）を示し、縦軸は測定された信号の値（ａ．ｕ．）を示す。なお、以下に説明するその他の各グラフにおいても、別途説明のない場合、横軸は時間の経過を示し、縦軸は測定された信号の値を示すものとする。

例えばＰ１乃至Ｐ６の各時点において、光電脈波センサ１１１と指１１２との接触不良が生じた場合、グラフＤ１に示すように測定された信号にノイズが混入する。また、例えばＲ１乃至Ｒ５の各時点において、指１１２の光電脈波センサ１１１に対する押し付け圧力が変化した場合も、同様にグラフＤ１に示すように測定された信号にノイズが混入する。

図１のグラフＤ２は、このようなノイズが混入した波形を２階微分したグラフの一例を示す。グラフＤ２において、縦軸はＤ１に示す脈波信号を２階微分した値を示す。グラフＤ１及びＤ２においては、脈波らしいと考えられる区間を判別することは難しい。

次に、画像から脈波を算出する処理について、図２を用いて説明する。図２は、背景技術における画像から脈波を算出する処理の一例を示す図である。図２に示すように、カメラ１２１などの撮影装置は、例えば被験者の顔を撮影し、撮影した画像Ｆ１に含まれる領域Ｆ２における輝度信号（例えば緑成分）の変動に基づいて脈波を算出する。

しかし、画像Ｆ１を用いて検出される輝度信号は微弱であり、例えば外光の変化や、被験者の生体とカメラとの位置関係などに応じてノイズが生じやすい。例えば、顔画像の撮影中に被験者が体を動かすなどにより、画像Ｆ１が画像Ｆ１’に示すように変化する場合がある。この場合において、図２に示すように、画像Ｆ１における領域Ｆ２に含まれる被験者の顔の部位と、画像Ｆ１’における領域Ｆ２’に含まれる被験者の顔の部位とは一致しない。これにより、画像Ｆ１を用いて検出された輝度信号と、画像Ｆ１’を用いて検出された輝度信号との連続性が損なわれることがある。

図２のグラフＤ３は、画像Ｆ１が画像Ｆ１’に示すように変化した場合において検出された輝度信号の波形を示す。グラフＤ３において、縦軸は測定された輝度信号の値を示す。また、図２のグラフＤ４は、Ｄ３に示した波形を２階微分したグラフの一例を示す。グラフＤ４において、縦軸はＤ３に示す輝度信号を２階微分した値を示す。グラフＤ３及びＤ４においては、輝度信号のピーク位置などの基点を特定することが難しいので、脈波を精度よく算出することが困難である。

一方、本実施例における、以下に説明する算出装置１０は、光電脈波や顔画像等から脈拍に対応する区間波形を選択し、後に説明するウインドケッセルモデルなどの心室容積のモデルに基づいて時間幅が規格化された区間波形を統計処理して脈波を算出する。これにより、算出装置１０は、波形のばらつきを抑制し、精度よく脈波を取得できる。

なお、算出装置１０が区間波形の時間幅を規格化する際に用いるモデルは、例えば凸で単調増加の関数で表現される、ウインドケッセルモデルのような、脈波を再現したモデルである。

［機能ブロック］
次に、本実施例における算出装置の一例について、図３を用いて説明する。図３は、実施例１における算出装置の一例を示す図である。図３に示すように、本実施例における算出装置１０は、センサ１１と、記憶部２０と、制御部３０とを有する。なお、算出装置１０は、脈波算出装置の一例である。

センサ１１は、脈波を算出するために用いられる信号等を検出する。センサ１１は、例えば図１に示す光電脈波センサ１１１のように、被験者に赤外線等を照射して反射光を検出する、被験者に装着される接触型のセンサである。

記憶部２０は、例えば制御部３０が実行するプログラムなどの各種データなどを記憶する記憶装置の一例であり、例えばメモリやプロセッサなどである。記憶部２０は、脈波モデル２１及び信号記憶部２２を有する。

脈波モデル２１は、ウインドケッセルモデル（心室容積のモデル）のような、脈波を再現したモデルである。図４は、実施例１における脈波モデルの一例を示す図である。図４に示すように、脈波モデル２１は、時間の経過を示す「脈波間隔」と、各時点における心室の容積に対応する「振幅」とを対応付けたテーブルを記憶する。「脈波間隔」は、例えばミリ秒（ｍｓ）である。図４に示すように、脈波モデル２１は、上に凸で単調増加の関数で表現される。

脈波モデル２１には、例えば以下の式（１）に基づいて予め算出されるテーブルが入力される。式（１）において、「Ａｍｐ」は信号振幅を示し、「ＲＲＩ」は脈拍間隔を示す。係数「ａ」は、信号振幅の変化度合いを示し、例えばａ＝２である。また、係数「ｂ」は、心臓の収縮の開始から終了までの時間、すなわち心室容積が最大から最小に至るまでの時間（ミリ秒）を示し、例えばｂ＝２５０である。

式（１）は、例えば図５に示すような心室容積の変動に基づいて算出される。図５は、脈波モデルの一例を示す図である。図５に示すように、心室容積は時点ｔ１において最大となり、その後心臓の収縮に伴い、時間ｂが経過した時点ｔ２において最小となる。また、時点ｔ２において心臓の拡張が始まった直後、時点ｔ３までの間は、血圧差が大きいため、心室容積は急激に増加する、すなわち血液が心室に急激に流入する。そして、時点ｔ３以降は血圧差が小さくなるために血液流入は減少し、心室容積は時点ｔ４に至るまで緩やかに増加する。そして、時点ｔ４以降は再び心臓の収縮が開始し、心室容積が減少する。

図５に示すような心室容積の変動に基づいて算出されるモデルの一例を、図６に示す。図６は、脈波間隔と振幅との関係の一例を示す図である。図６に示す心室容積のモデルは、時点ｔ１から時点ｔ２までの心臓が収縮する期間を捨象することにより、時点ｔ２から時点ｔ４までの上に凸で単調増加のモデルとなっている。

図３に戻って、信号記憶部２２は、センサ１１から取得された信号に関する情報を記憶する。図７は、信号記憶部の一例を示す図である。図７に示すように、信号記憶部２２は、「時刻」と「信号振幅」とを対応付けて記憶する。なお、信号記憶部２２に記憶される情報は、例えば後に説明する取得部３１により入力される。

図３に戻って、制御部３０は、算出装置１０全体を司る処理部であり、例えばプロセッサなどである。制御部３０は、取得部３１、区間選択部３５、規格化部３６及び出力部３７を有する。なお、取得部３１、区間選択部３５、規格化部３６及び出力部３７は、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

取得部３１は、脈波に関する信号を取得する。取得部３１は、センサ１１が検出した信号を取得し、信号記憶部２２に記憶する。

区間選択部３５は、取得された信号から抽出される波形の中から、区間波形を選択する。区間選択部３５は、区間波形を選択するに際し、例えば、信号記憶部２２に記憶された信号振幅から脈波波形を生成し、生成した脈波波形に対して、脈波の周波数に応じたフィルタ処理を行ってもよい。なお、区間選択部３５は、選択部の一例であり、信号振幅から生成される脈波波形は、第１の脈波波形の一例である。

区間選択部３５は、例えば４０乃至２４０ｂｐｍなど、脈波が取りうる周波数の範囲でバンドパスフィルタリング処理を行う。また、区間選択部３５は、例えばフィルタリングされた抽出波形の振幅の中央値がゼロになるように、振幅を補正する。なお、抽出波形は、第２の波形の一例である。

区間選択部３５によるフィルタリング処理について、図８を用いて説明する。図８は、実施例１における基準点特定処理結果の一例を示す図である。図８のグラフＧ１は、信号記憶部２２に記憶された信号振幅に基づいて生成された脈波波形を示す。グラフＧ１において、縦軸は信号振幅を示す。区間選択部３５は、例えば、グラフＧ１に対してバンドパスフィルタリング処理を行うことにより、図８のグラフＧ２に示すように、ノイズを除去した波形を抽出する。グラフＧ２において、縦軸はノイズが除去された信号振幅を示す。なお、以下に説明するグラフＧ３乃至Ｇ７においても同様である。

また、区間選択部３５は、区間波形を選択するに際し、例えば、抽出波形の基準点を特定してもよい。区間選択部３５は、例えば抽出波形の信号振幅がゼロとなるゼロクロス点を特定する。区間選択部３５は、例えばゼロクロス点の時刻を、抽出波形の区間を設定するための基準点として特定する。

図８に示すように、区間選択部３５は、抽出波形を示したグラフＧ２から、グラフＧ３に示すように、振幅が負から正に転換するゼロクロス点Ｚ１、及び振幅が正から負に転換するゼロクロス点Ｚ２を特定する。

また、区間選択部３５は、区間波形を選択するに際し、例えば、基準点間の各区間波形について自己相関係数を算出してもよい。区間選択部３５は、例えば基準となる区間波形と、その他の区間波形とを重ね合わせた際の波形の一致度を、重ね合わせた２つの波形の誤差の最小二乗法により自己相関係数を算出する。区間選択部３５は、１つの区間波形についての自己相関係数を算出するが、これに限られず、複数の区間波形について自己相関係数を算出してもよい。区間選択部３５は、例えば全ての基準点に対して、基準点間の各区間波形について自己相関係数を算出する処理を繰り返す。

自己相関係数の算出処理について、図９及び図１０を用いて説明する。図９は、脈波波形の自己相関係数の算出処理の一例を示す図である。例えば、区間選択部３５は、４つの区間波形を含む窓幅Ｕの範囲Ｓ１を、ずらし幅τ分だけ動かして、異なる範囲Ｓ２と重ね合わせ、グラフの一致度を算出する。

図１０は、自己相関係数の算出結果の一例を示す図である。図１０に示すグラフＧ４において、数値Ｃ１は、基準となる区間波形との自己相関係数を示す。図１０に示すように、自己相関係数が１に近い区間波形は相互に類似し、自己相関係数が０に近くなるほど、基準となる区間波形との相違が大きくなる。

さらに、区間選択部３５は、算出された自己相関係数に基づいて、出力の対象とする区間波形を選択する。区間選択部３５は、例えば自己相関係数が所定の閾値α以上である区間を選択する。区間選択部３５は、例えば図１１に示すような自己相関係数の算出結果において、自己相関係数が「０．５」以上である区間波形を、出力の対象とする区間波形として選択する。区間選択部３５は、例えば複数の区間波形が選択されるように、閾値αを設定してもよい。

規格化部３６は、選択された複数の区間波形を、モデルに基づいて規格化する。図１１は、実施例１における規格化処理及び統計処理の一例を示す図である。なお、規格化部３６は、規格化処理部の一例である。

まず、規格化部３６は、図１１のグラフＧ５に示すように、選択された複数の区間波形を重ね合わせる。次に、規格化部３６は、例えば重ね合わせた区間波形の時間幅を、脈波モデル２１に基づいて規格化する。規格化部３６は、時間幅として、例えば過去１０秒間のゼロクロス点から求めた平均脈波時間間隔等を使用してもよい。そして、規格化部３６は、図１１のグラフＧ６に示すような規格化した複数の区間波形を、出力部３７に出力する。

出力部３７は、規格化された区間波形に対する統計処理を行うとともに、処理結果を出力する。出力部３７は、例えば図１１のグラフＧ６に示すような規格化された複数の区間波形の平均値を算出する。なお、出力部３７は、規格化された複数の区間波形の中央値を算出してもよい。そして、出力部は、図１１のグラフＧ７に示すような統計処理された波形を、処理結果として出力する。

［処理の流れ］
次に、本実施例における処理について、図１２乃至図１８を用いて説明する。図１２は、実施例１における脈波算出処理の一例を示すフローチャートである。図１２に示すように、算出装置１０の取得部３１は、例えば操作部（不図示）を通じて脈波算出処理の開始指示を受け付けるまで待機する（Ｓ１０：Ｎｏ）。取得部３１は、開始指示を受け付けたと判定した場合（Ｓ１０：Ｙｅｓ）、脈波取得処理を実行する（Ｓ１１）。

図１３は、実施例１における脈波取得処理の一例を示すフローチャートである。図１３に示すように、取得部３１は、光電脈波センサなどのセンサ１１を起動し（Ｓ１１０）、センサ信号を取得する（Ｓ１１１）。取得部３１は、センサ１１から次のデータを受信する限り、処理を繰り返す（Ｓ１１２：Ｙｅｓ）。取得部３１は、センサ１１から信号データを取得しなかった場合（Ｓ１１２：Ｎｏ）、センサ１１を停止し（Ｓ１１４）、図１２の処理に戻る。

次に、区間選択部３５は、図８のグラフＧ１に示すような波形からノイズをフィルタリングして、図８のグラフＧ２に示すような抽出波形を生成する（Ｓ１２）。そして、区間選択部３５は、基準点特定処理を実行する（Ｓ１３）。

図１４は、実施例１における基準点特定処理の一例を示すフローチャートである。図１４に示すように、区間選択部３５は、図８のグラフＧ２に示すような抽出波形から、グラフＧ３に示すようなゼロクロス点を特定する（Ｓ１３０）。そして、区間選択部３５は、特定したゼロクロス点を出力し（Ｓ１３１）、図１２の処理に戻る。

次に、区間選択部３５は、相関算出処理を実行する（Ｓ１４）。図１５は、実施例１における相関算出処理の一例を示すフローチャートである。図１５に示すように、区間選択部３５は、自己相関係数の算出対象とする区間である抽出データ範囲を特定する（Ｓ１４０）。次に、区間選択部３５は、当該抽出データ範囲と他のデータ範囲との自己相関係数を算出する（Ｓ１４１）。次に、区間選択部３５は、当該抽出データ範囲と他のデータ範囲との自己相関係数のうち、最大相関値を特定し（Ｓ１４２）、最大相関値に対応するデータ範囲までのずらし幅τを算出する（Ｓ１４３）。

そして、区間選択部３５は、処理していない次の基準点があるか否かを判定する（Ｓ１４４）。区間選択部３５は、次の基準点があると判定した場合（Ｓ１４４：Ｙｅｓ）、Ｓ１４０に戻って処理を繰り返す。一方、区間選択部３５は、全ての基準点について相関係算出処理を完了したと判定した場合（Ｓ１４４：Ｎｏ）、図１２の処理に戻る。

次に、区間選択部３５は、区間選択処理を実行する（Ｓ１５）。図１６は、実施例１における区間選択処理の一例を示すフローチャートである。図１６に示すように、区間選択部３５は、対象とする区間を特定する（Ｓ１５０）。次に、区間選択部３５は、当該区間の相関値が、閾値α以上であるか否かを判定する（Ｓ１５１）。

区間選択部３５は、当該区間の相関値が閾値α以上であると判定した場合（Ｓ１５１：Ｙｅｓ）、当該区間を、規格化の対象とする区間として選択し（Ｓ１５２）、Ｓ１５３に移行する。一方、区間選択部３５は、当該区間の相関値が閾値α未満であると判定した場合（Ｓ１５１：Ｎｏ）、区間を選択せずにＳ１５３に移行する。

そして、区間選択部３５は、処理していない区間があるか否かを判定する（Ｓ１５３）。区間選択部３５は、処理していない区間があると判定した場合（Ｓ１５３：Ｙｅｓ）、Ｓ１５０に戻って処理を繰り返す。一方、区間選択部３５は、全ての区間について処理が完了したと判定した場合（Ｓ１５３：Ｎｏ）、選択した区間を規格化部３６に出力し（Ｓ１５４）、図１２の処理に戻る。

次に、規格化部３６は、波形規格化処理を実行する（Ｓ１６）。図１７は、実施例１における波形規格化処理の一例を示すフローチャートである。まず、規格化部３６は、選択された区間の時間幅及び振幅を取得する（Ｓ１６０）。次に、規格化部３６は、例えば脈波モデル２１などの波形モデルを参照する（Ｓ１６１）。次に、規格化部３６は、波形モデルを用いて、時間幅又は振幅を規格化する（Ｓ１６２）。

そして、規格化部３６は、処理していない区間があるか否かを判定する（Ｓ１６３）。規格化部３６は、処理していない区間があると判定した場合（Ｓ１６３：Ｙｅｓ）、Ｓ１６２に戻って処理を繰り返す。一方、規格化部３６は、全ての区間について処理が完了したと判定した場合（Ｓ１６３：Ｎｏ）、規格化した区間波形を出力部３７に出力し、図１２の処理に戻る。

そして、出力部３７は、出力処理を実行する（Ｓ１７）。図１８は、実施例１における出力処理の一例を示すフローチャートである。まず、出力部３７は、規格化された区間波形を取得し（Ｓ１７０）、平均化処理や中央値算出などの統計処理を実行する（Ｓ１７１）。そして、出力部３７は、表示部（不図示）等を通じて処理結果を出力し（Ｓ１７２）、図１２の処理に戻って、処理を終了する。

［効果］
以上説明したように、本実施例における算出装置１０は、被験者の第１の脈波波形を取得し、第１の脈波波形又は第１の脈波波形から抽出された第２の波形から、１つ以上の区間波形を選択する。算出装置は、区間波形の時間幅及び振幅のうち少なくともいずれかを、モデルに基づいて規格化する。なお、算出装置１０は、例えばモデルとして、上に凸で単調増加の関数で表現される、脈波を再現したウインドケッセルモデル（心室容積のモデル）を用いる。これにより、算出装置１０は、脈波波形を精度よく取得できる。なお、算出装置１０は、例えば被験者から光電脈波センサにより取得された信号を、第１の脈波波形として取得する。

また、算出装置１０は、規格化された複数の区間波形の平均値又は中央値を算出して出力してもよい。これにより、区間波形ごとのバラつきを抑制して、脈波を精度よく検出できる。

さらに、算出装置１０は、第１の脈波波形からノイズをフィルタリングして、第２の波形を抽出し、波形の基準点を特定し、基準点間における区間波形の自己相関係数を算出してもよい。また、算出装置１０は、第１の脈波波形又は第２の波形から基準点により特定される複数の区間波形のうち、自己相関係数の最大値が所定の閾値以上であるいずれか１つ以上の区間波形を選択してもよい。これにより、ノイズの影響の少ない複数の区間波形を選択することができる。

なお、算出装置１０は、第１の脈波波形を、脈波が取りうる周波数の範囲でバンドパスフィルタリングすることにより、第２の波形を抽出してもよい。これにより、脈波波形からノイズを除去するので、脈波を精度よく検出できる。

また、算出装置１０は、第２の波形の振幅値がゼロ値を交差する点を基準点として特定してもよい。これにより、心電センサより取得したＲ波などを用いることなく、脈波の基点を容易に決定することができる。

さらに、算出装置１０は、自己相関係数の最大値と、当該区間波形の基準点から当該最大値に該当する区間波形の基準点までの時間のずらし幅とを算出してもよい。これにより、自己相関係数の高い複数の区間波形を重ね合わせ、区間波形ごとのバラつきを抑制することができる。

実施例１においては、算出装置１０が、光電脈波センサから取得された信号を用いる構成について説明したが、実施の形態はこれに限られない。例えば、算出装置が、カメラ等で撮影された画像から輝度信号を抽出して脈波信号を算出するような構成であってもよい。

［機能ブロック］
本実施例における算出装置の一例について、図１９を用いて説明する。図１９は、実施例２における算出装置の一例を示す図である。なお、以下の実施例において、先に説明した図面に示す部位と同一の部位には同一の符号を付し、重複する説明は省略する。

図１９に示すように、本実施例における算出装置５０は、カメラ１２と、記憶部２０と、制御部６０とを有する。カメラ１２は、例えば図２に示すカメラ１２１のような非接触型のセンサであり、被験者を撮影した画像を取得する。

制御部６０は、算出装置５０全体を司る処理部であり、例えばプロセッサなどである。制御部６０は、取得部６１、波形抽出部６２、基準点特定部６３、相関算出部６４、区間選択部６５、規格化部３６及び出力部３７を有する。なお、取得部６１、波形抽出部６２、基準点特定部６３、相関算出部６４及び区間選択部６５も、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

取得部６１は、カメラ１２が撮影した画像から、輝度信号を取得し、信号記憶部２２に記憶する。

波形抽出部６２は、取得された輝度信号からノイズをフィルタリングした波形を抽出する。波形抽出部６２は、例えば、信号記憶部２２に記憶された、被験者を撮影した画像の各画素値に対して、波長成分別に統計処理することにより、波形を抽出する。なお、波形抽出部６２は、抽出部の一例である。

例えば、波形抽出部６２は、画素値の緑成分を用いて波形を抽出してもよい。また、波形抽出部６２は、画素値の赤成分と緑成分とから算出される領域をノイズ領域として、脈波波形をフィルタリングしてもよい。

基準点特定部６３は、例えば実施例１における区間選択部３５が実行する処理のうち、図１２のＳ１３に示すような基準点特定処理を実行する。基準点特定部６３は、特定した基準点を、相関算出部６４に出力する。

相関算出部６４は、例えば実施例１における区間選択部３５が実行する処理のうち、図１２のＳ１４に示すような相関算出処理を実行する。相関算出部６４は、算出した自己相関係数を、区間選択部６５に出力する。

区間選択部６５は、例えば実施例１における区間選択部３５が実行する処理のうち、図１２のＳ１５に示すような区間選択処理を実行する。

［処理の流れ］
次に、本実施例における処理について、図２０乃至図２２を用いて説明する。図２０は、実施例２における脈波算出処理の一例を示すフローチャートである。なお、以下の説明において、図１２乃至図１８に示すステップと同じ符号については同様のステップであるため、詳細な説明を省略する。

まず、取得部６１は、開始指示を受け付けたと判定した場合（Ｓ１０：Ｙｅｓ）、輝度波形取得処理を実行する（Ｓ２１）。図２１は、実施例２における輝度波形取得処理の一例を示すフローチャートである。

図２１に示すように、取得部６１は、カメラ１２を起動し（Ｓ２１０）、撮影された画像から顔を検出する（Ｓ２１１）。次に、取得部６１は、検出された領域を平均化し（Ｓ２１２）、輝度信号を抽出する（Ｓ２１３）。

そして、取得部６１は、カメラ１２から次のデータを受信する限り、処理を繰り返す（Ｓ２１４：Ｙｅｓ）。取得部６１は、カメラ１２からデータを取得しなかった場合（Ｓ２１４：Ｎｏ）、カメラ１２を停止し（Ｓ２１５）、図２０の処理に戻る。

次に、波形抽出部６２は、波形フィルタリング処理を実行する（Ｓ２２）。図２２は、実施例２における波形フィルタリング処理の一例を示すフローチャートである。

図２２に示すように、波形抽出部６２は、信号記憶部２２から輝度波形を取得する（Ｓ２２０）。次に、波形抽出部６２は、輝度波形からノイズ領域を抽出する（Ｓ２２１）。そして、波形抽出部６２は、ノイズ波形を除外した輝度波形から、脈波領域を抽出する（Ｓ２２２）。その後、波形抽出部６２は、抽出波形を算出し（Ｓ２２３）、図２０の処理に戻る。

［効果］
以上説明したように、本実施例における算出装置５０は、被験者を撮影した画像から抽出される輝度信号を、第１の脈波波形として取得してもよい。これにより、例えばスマートフォンなどの一般的なユーザ端末を用いて、精度よく脈波を算出できる。

なお、算出装置５０は、被験者を撮影した画像の各画素値に対して、波長成分別に統計処理することにより、第２の波形を抽出してもよい。これにより、より精度よく脈波領域を抽出できる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。例えば、算出装置１０は、センサと一体型の機器であるが、これに限られず、算出装置１０本体はセンサを有さず、インタフェースを通じて外部の光電脈波センサ等から信号を取得するような構成であってもよい。同様に、算出装置５０本体がカメラ１２を有さず、インタフェースを通じて外部のカメラ等から輝度信号を取得するような構成であってもよい。

また、実施例１においては、基準点として、抽出波形の振幅値がゼロ値を交差するゼロクロス点を特定する構成について説明したが、実施の形態はこれに限られない。例えば、算出装置１０は、基準点として、ゼロクロス点の近傍における極大点及び極小点のうち少なくともいずれかを基準点として特定してもよい。

図２３は、実施例３における基準点特定処理の一例を示す図である。図２３に示すように、算出装置１０の区間選択部３５は、ゼロクロス点Ｚ３の近傍にある極大点Ｓｍａｘ、及びゼロクロス点Ｚ３の近傍にある極小点Ｓｍｉｎを、基準点として特定してもよい。

以上説明したように、本実施例において、算出装置１０は、第２の波形の振幅値がゼロ値を交差する点の近傍における極大点及び極小点のうち少なくともいずれかを基準点として特定してもよい。これにより、ゼロクロス点のバラつきが大きい場合においても、脈波の基点を容易に決定することができる。

なお、算出装置１０は、ノイズがフィルタリングされた抽出波形の代わりに、光電脈波センサにより取得された信号及び画像から抽出される輝度信号のうち少なくともいずれかの中から、区間波形を選択してもよい。これにより、外乱要因等によるノイズの影響が小さい場合に、脈波算出のための処理負荷を軽減させることができる。

また、規格化部３６は、選択波形を規格化する際に、時間幅の代わりに振幅を規格化してもよく、また時間幅及び振幅の両方を規格化してもよい。

また、被験者の年齢や性別等に応じて、複数の脈波モデルを使い分けるような構成であってもよい。

なお、算出装置１０が、各実施例において算出された脈波波形を用いて、被験者のストレス指標や血管年齢、血圧等をさらに推定するような構成であってもよい。

また、算出装置１０は、取得した信号振幅に対して、線形補完を実行してもよい。これにより、サンプリングされた信号振幅の数が少ない場合であっても、精度よく脈波波形を算出できる。

［システム］
また、各実施例において説明した各処理のうち、自動的に行なわれるものとして説明した処理の一部を手動的に行うこともできる。あるいは、手動的に行なわれるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図１９に示す相関算出部６４と区間選択部６５とを統合してもよい。また、図３に示す区間選択部３５を、波形抽出部３２、基準点特定部３３、相関算出部３４及び区間選択部６５に分散してもよい。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、プロセッサおよび当該プロセッサにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

上記の実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図２４は、脈波算出プログラムを実行するコンピュータの一例を示す図である。なお、以下においては、算出装置１０を例として説明するが、実施例２乃至３における対応する各装置についても同様である。

コンピュータ１００は、操作部１１０ａと、センサ１１０ｂと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、プロセッサ１５０と、ＲＯＭ（Read Only Memory）１６０と、外部記憶装置１７０と、ＲＡＭ（Random Access Memory）１８０とを有する。これら１１０〜１８０の各部はバス１４０を介して接続される。

ＲＡＭ１８０の一例としては、ＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）、フラッシュメモリ等のメモリが挙げられる。プロセッサ１５０の一例としては、ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）等が挙げられる。

外部記憶装置１７０には、図２４に示すように、上記の実施例１乃至３で示した各機能部と同様の機能を発揮する脈波算出プログラム１７０ａが予め記憶される。この脈波算出プログラム１７０ａについては、図３又は図１９に示した各々の構成要素と同様、適宜統合又は分離しても良い。すなわち、外部記憶装置１７０に格納される各データは、常に全てのデータが外部記憶装置１７０に格納される必要はなく、処理に必要なデータのみが外部記憶装置１７０に格納されれば良い。

そして、プロセッサ１５０が、脈波算出プログラム１７０ａを外部記憶装置１７０から読み出してＲＡＭ１８０に展開する。これによって、図２４に示すように、脈波算出プログラム１７０ａは、脈波算出プロセス１８０ａとして機能する。この脈波算出プロセス１８０ａは、外部記憶装置１７０から読み出した各種データを適宜ＲＡＭ１８０上の自身に割り当てられた領域に展開し、この展開した各種データに基づいて各種処理を実行する。なお、脈波算出プロセス１８０ａは、図３又は図１９に示した各機能部にて実行される処理、例えば図１２乃至図１８及び図２０乃至図２２に示す処理を含む。また、プロセッサ１５０上で仮想的に実現される各処理部は、常に全ての処理部がプロセッサ１５０上で動作する必要はなく、処理に必要な処理部のみが仮想的に実現されれば良い。

なお、上記の脈波算出プログラム１７０ａについては、必ずしも最初から外部記憶装置１７０やＲＯＭ１６０に記憶させておく必要はない。例えば、コンピュータ１００に挿入される「可搬用の物理媒体」に各プログラムを記憶させる。可搬用の物理媒体は、フレキシブルディスク、いわゆるＦＤ、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ（Digital Versatile Disc）、光磁気ディスク、ＩＣ（Integrated Circuit）カードなどの任意の媒体を採用できる。そして、コンピュータ１００がこれらの可搬用の物理媒体から各プログラムを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに各プログラムを記憶させておき、コンピュータ１００がこれらから各プログラムを取得して実行するようにしてもよい。

１０、５０ 算出装置
１１ センサ
１２ カメラ
２０ 記憶部
２１ 脈波モデル
２２ 信号記憶部
３０、６０ 制御部
３１、６１ 取得部
６２ 波形抽出部
６３ 基準点特定部
６４ 相関算出部
３５、６５ 区間選択部
３６ 規格化部
３７ 出力部

Claims (12)

1. 被験者の第１の脈波波形を取得する取得部と、
   前記第１の脈波波形又は前記第１の脈波波形から抽出された第２の波形から、１つ以上の区間波形を選択する選択部と、
   前記区間波形の時間幅及び振幅のうち少なくともいずれかを、上に凸で単調増加の関数で表現される、脈波を再現したウインドケッセルモデルに基づいて規格化する規格化処理部と、
   規格化された前記区間波形を統計処理して出力する出力部と
   を有することを特徴とする脈波算出装置。
2. 前記取得部は、前記被験者から光電脈波センサにより取得された信号又は前記被験者を撮影した画像から抽出される輝度信号を、前記第１の脈波波形として取得することを特徴とする請求項１に記載の脈波算出装置。
3. 前記選択部は、前記光電脈波センサにより取得された信号及び前記画像から抽出される輝度信号のうち少なくともいずれかの中から、前記区間波形を選択することを特徴とする請求項２に記載の脈波算出装置。
4. 前記出力部は、規格化された複数の前記区間波形の平均値又は中央値を算出して出力することを特徴とする請求項１に記載の脈波算出装置。
5. 前記第１の脈波波形からノイズをフィルタリングして、前記第２の波形を抽出する抽出部と、
   前記第２の波形の基準点を特定する基準点特定部と、
   前記基準点間における区間波形の自己相関係数を算出する相関算出部をさらに有し、
   前記選択部は、前記第１の脈波波形又は前記第２の波形から前記基準点により特定される複数の区間波形のうち、前記自己相関係数の最大値が所定の閾値以上であるいずれか１つ以上の区間波形を選択することを特徴とする請求項１乃至４のいずれか１つに記載の脈波算出装置。
6. 前記抽出部は、前記第１の脈波波形を、脈波が取りうる周波数の範囲でバンドパスフィルタリングすることにより、前記第２の波形を抽出することを特徴とする請求項５に記載の脈波算出装置。
7. 前記抽出部は、前記被験者を撮影した画像の各画素値に対して、波長成分別に統計処理することにより、前記第２の波形を抽出することを特徴とする請求項５に記載の脈波算出装置。
8. 前記基準点特定部は、前記第２の波形の振幅値がゼロ値を交差する点を前記基準点として特定することを特徴とする請求項５に記載の脈波算出装置。
9. 前記基準点特定部は、前記第２の波形の振幅値がゼロ値を交差する点の近傍における極大点及び極小点のうち少なくともいずれかを前記基準点として特定することを特徴とする請求項５に記載の脈波算出装置。
10. 前記相関算出部は、前記自己相関係数の最大値と、当該区間波形の基準点から当該最大値に該当する区間波形の基準点までの時間のずらし幅とを算出することを特徴とする請求項５に記載の脈波算出装置。
11. コンピュータが、
    被験者の第１の脈波波形を取得し、
    前記第１の脈波波形又は前記第１の脈波波形から抽出された第２の波形から、１つ以上の区間波形を選択し、
    前記区間波形の時間幅及び振幅のうち少なくともいずれかを、上に凸で単調増加の関数で表現される、脈波を再現したウインドケッセルモデルに基づいて規格化し、
    規格化された前記区間波形を統計処理して出力する
    処理を実行することを特徴とする脈波算出方法。
12. コンピュータに、
    被験者の第１の脈波波形を取得し、
    前記第１の脈波波形又は前記第１の脈波波形から抽出された第２の波形から、１つ以上の区間波形を選択し、
    前記区間波形の時間幅及び振幅のうち少なくともいずれかを、上に凸で単調増加の関数で表現される、脈波を再現したウインドケッセルモデルに基づいて規格化し、
    規格化された前記区間波形を統計処理して出力する
    処理を実行させることを特徴とする脈波算出プログラム。

Images