JPWO2002087434A1 - 生体状態及び生体状態に影響を及ぼす行為の有効性の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体 - Google Patents
生体状態及び生体状態に影響を及ぼす行為の有効性の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体 Download PDFInfo
- Publication number
- JPWO2002087434A1 JPWO2002087434A1 JP2002584790A JP2002584790A JPWO2002087434A1 JP WO2002087434 A1 JPWO2002087434 A1 JP WO2002087434A1 JP 2002584790 A JP2002584790 A JP 2002584790A JP 2002584790 A JP2002584790 A JP 2002584790A JP WO2002087434 A1 JPWO2002087434 A1 JP WO2002087434A1
- Authority
- JP
- Japan
- Prior art keywords
- entropy
- lyapunov exponent
- time
- series data
- determination
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/924—Medical
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/25—Chemistry: analytical and immunological testing including sample preparation
- Y10T436/25875—Gaseous sample or with change of physical state
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本発明は、被験体の生体信号の時系列データから得られるカオス性を表現可能な指標である（１）リアプノフ指数及びエントロピーの相関性及び／又は対称性、及び／又は、（２）ヒグチフラクタル次元を用いることを包含する生体状態の判定方法に関する。
Description
技術分野
本発明は、生体状態の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体に関する。なお、本明細書において、最大リアプノフ指数（λ１）を単にリアプノフ指数と記載することがある。
背景技術
生体の解糖系や酵素の動態、細胞内ｃＡＭＰ、カルシウムイオンの動き等は早くから非平衡なエネルギー状態とシグナル伝達系のフィードバック、クロストークなどと呼ばれる干渉効果によって、カオス的なＯｓｃｉｌｌａｔｉｏｎ（振動）を示すことはよく知られていることである（Ａｌｂｅｒｔ Ｇｏｌｄｂｅｔｔｅｒ，Ｂｉｏｃｈｅｍｉｃａｌ Ｏｓｃｉｌｌａｔｉｏｎｓ ａｎｄ ｃｅｌｌｕｌａｒ ｒｈｙｔｈｍｓ−Ｔｈｅ ｍｏｌｅｃｕｌａｒ ｂａｓｉｓ ｏｆ Ｐｅｒｉｏｄｉｃ ａｎｄ Ｃｈａｏｔｉｃ ｂｅｈａｖｉｏｒ−Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ）。この非平衡でゆらぎを含んでＯｓｃｉｌｌａｔｅするシステムは生命そのものであり、生命の適応能力はカオス的なゆらぎで測られる（Ｗｅｉｍｉｎｇ Ｙａｎｇ，Ａ．Ｊ．Ｍａｎｄｅｌｌ ｅｔ．ａｌ．Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ，Ｖｏｌ．５１，Ｎｕｍｂｅｒ１，ｐ１０２−１１０，１９９５）。
健康（正常）な時と病態などの非正常時でカオス的なゆらぎに差があるものとして、次の項目が知られている。（Ｗ．Ｙａｎｇ，同上）
１） 血液関連疾患時の各種の細胞数の経時変化のゆらぎ
２） 薬物刺激時の動物の行動パターンや脳内酵素、脳内レセプターの存在パターンの時間的変化
３） 種々の心疾患時の心拍間隔のパターン
４） 各種刺激感受性生物反応がある刺激に脱感作された時のその持続時間の変化
５） 実験癲癇
６） 神経内分泌細胞が突然変異してガン化したときのホルモン分泌パターン
７） 心移植の拒絶反応の予測に役立つ心電図のパターン
８） 神経変異性疾患時の脳波パターン
９） 加齢に伴なう神経内分泌パターン、心電図、脳波
１０）切迫した心室細動時の心電図パターン
このように病態生理学的にも、カオス的なゆらぎの喪失が病態の原因の１つであると考えられる例は数多く知られている。生命の存在原理が自己組織化と呼ばれるゆらぎを含んだ振動統合であることは、プリゴジンの定式化を始め多くの人達の指摘するところであり、神経−ホルモン−免疫系関連薬剤のデータが支持することである。従って、ゆらぎの喪失と病態の関係は生命現象のほとんどすべての範囲にわたっていても驚くにはあたらない。神経−ホルモン−免疫系や心臓の拍動などもカオス的ゆらぎを保つことで健全性を維持していることを表しており、精神・神経・免疫関連疾患や特発性周期疾患もカオス性を保つことが治療と予防につながることを示している。これらの薬剤が示す臨床効果と基礎の動物実験の効果は、これを改善した結果であると考えられる。
脳、神経関連疾患の分野では、脳波や指尖脈波のカオス測定と解析法の進歩によって、例えば神経系のもっている非線形性の全体像を、神経細胞内のイオン濃度、膜電位、シナプス電流、シナプス結合の強さ、新しく生じたシナプス結合、神経系の環境を作る様々な物質、入力信号等々によって、系の巨視的な状態がドラマチックにかつ多様に変化する全体像として把握できることが明らかになっている（合原一幸編、ニューラルシステムにおけるカオス、東京電機大学出版局）。
指尖脈波は、指先の毛細血管を流れる血液の時間的変化を赤外線センサーをつかって、例えば、１分間測定して得られる２次元の電気信号の波形を数学的に４次元のアトラクターとして表示すると共に、そのカオス解析を行うことにより、生体の全体状況の指標の１つにするものである。指尖脈波は少なくとも３コの脈波成分、心臓の拍動成分、呼吸成分、ホルモンによる血管壁への作用成分の３つからなっていると考えられている。それぞれ異なる基本周波数をもつと考えられる、これらの振動成分が統合されて表現されているいるのが、指尖脈波カオスである（金子邦彦、津田一郎 複雑系のカオス的シナリオ、朝倉書店）。
従って、脈波カオスによって表現される生体情報は、中枢神経系と末梢循環器系、代謝系の相互作用の全体像として表現されている。このことが心電図で現われるカオスと比べて、脈波カオスがより精神状態を反映する理由になっている。指尖脈波のカオス解析とその臨床応用に関しては、津田、田原等の論文に詳述されている（Ｉｃｈｉｒｏ Ｔｕｄａ，Ｔａｋａｓｈｉ Ｔａｈａｒａ Ｃｈａｏｔｉｃ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｈｕｍａｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ ａｎｄ ｉｔｓ Ｄｅｐｅｎｄｅｎｃｅ ｏｎ Ｍｅｎｔａｌ ａｎｄ Ｐｈｙｓｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ ｂｉｆｕｒｃａｔｉｏｎ ａｎｄ Ｃｈａｏｓ，Ｖｏｌ，２，Ｎｏ２，３１３−３２４，１９９２）（Ｔａｋｅｏ Ｓｕｍｉｄａ ｅｔ．ａｌ．Ｍｅｎｔａｌ Ｃｏｎｄｉｔｉｏｎｓ Ｒｅｆｌｅｃｔｅｄ ｂｙ ｔｈｅ Ｃｈａｏｓ ｏｆ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ，ｉｂｉｄ．Ｖｏｌ．１０，Ｎｏ．９（２０００）２２４５−２２５５（田原孝、臨床におけるカオスの応用、バイオメカニズム学会誌、Ｖｏｌ １９，Ｎｏ２，１０５−１１６，１９９５）。
これらの論文の中で、指尖脈波の中に含まれる決定論的カオスは脳波や心電図でも観察できるカオスと本質的に同じであり、人の精神、心理状態、病気、成熟に関係するとされている。神経症やうつ病患者の臨床症状とカオス性の１つの指標であるリアプノフ指数（λ１、λ２）の動きはパラレルであり、症状の改善に伴なってλ１は増加しλ２は減少する。又、アトラクターの構造も病状の改善に伴なって、弱い単純な構造から強い複雑な構造に変化する。
このように、リアプノフ指数が生体の自己組織化能や健全性の１つの指標になることは、今まで述べたことから示唆されることであった。しかしカオス性の指標であるリアプノフ指数の本来の意味は、システムの時間的な非周期性の大きさを表しており、このような指標は時間的にもフラクタルな変化をしていることは、システムがカオス性を示す以上当然のことであると考えられる。また、我々のデータもそのことを示している。従って、このような指標だけを単独に測定して、そのシステムの健全度を測ることは、長期にわたって何回も異なる間隔で測定をくりかえすことによってのみ可能になるような性質のものである。従って、このような指標を臨床診断の場で使うことは、かなり限定された意味しかもちえないものであった。
本発明は、生体状態を判定する方法、及び、ある行為が生体状態にどのような影響を及ぼすのかを判定する方法を提供することを目的とする。
また、本発明は、このような判定方法を実行するための判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体を提供することを目的とする。
発明の開示
本発明者は、上記課題に鑑み、生体状態を正確に判定する手法について検討を重ねてきた。その結果、脈波などの生体信号の時系列データから一定時間ごとのリアプノフ指数とエントロピーの平均値を求め、これら２種のデータのＭ−Ｓｙｍｍｅｔｒｙ法、Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ（ウェーブレット法）、Ｍｉｒｒｏｒ Ｖａｌｕｅ（ミラー値）に基づく方法を用いた対称性分析、並びに／或いは、同じ生体信号からベルヌーイシフトを行って、リアプノフ指数とエントロピーの時系列データを求め、これら相関性を求めることにより、良好ないし正常な生体状態と、精神あるいは身体のいずれかの部分に良好でない又は正常でない（疾病状態を含む）部分があるのかを容易に判定できることを見出した。
また、生体信号の時系列データをＦ−ｓｙｍｍｅｔｒｙ法に基づき分析してヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元の比（Ｄ１／Ｄ２）を算出し、この比を用いた対称性分析をさらに組み合わせることで、判定の精度を著しく向上できることを見出した。
さらに、生体状態の判定後、生体状態に影響を与える可能性のある行為を行った後、さらに生体状態を判定し、該行為の有効性を判定できることを見出した。
本発明は、以下の生体状態の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体を提供するものである。
（１） 被験体の生体信号の時系列データから得られるカオス性を表現可能な指標である（１）リアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、（２）ヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元を用いることを包含する生体状態の判定方法。
（２） 被験体の生体信号の時系列データから得られるリアプノフ指数とエントロピーの相関性及び／又は対称性を分析する工程、及び該相関性及び／又は対称性の分析結果に基づき生体状態を判定する工程を包含する（１）に記載の方法。
（３） 前記リアプノフ指数と前記エントロピーの相関性をＤＦＡ解析法（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）を用いて分析する（１）に記載の方法。
（４） 前記ＤＦＡ解析法が、マクロＤＦＡ解析を行う工程、及びミクロＤＦＡ解析を行う工程を包含する（１）に記載の方法。
（５） 前記リアプノフ指数と前記エントロピーの対称性をＭ−ｓｙｍｍｅｔｒｙ法、ウェーブレット（Ｗａｖｅｌｅｔ）解析法及びミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）に基づく方法からなる群から選ばれるいずれかの方法を用いて分析する（１）に記載の方法。
（６） 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値（Ｏｓ）を決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する工程と、
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する工程とを包含する（１）に記載の方法。
（７） 前記ヒグチフラクタル次元として、２つのヒグチのフラクタル次元の比（Ｄ１／Ｄ２）及び／又はＦ−定数を用いる（１）に記載の方法。
（８） 被験体の生体信号の時系列データをＦ−ｓｙｍｍｅｔｒｙ法を用い、Ｈｉｇｕｃｈｉのフラクタル次元の比（Ｄ１／Ｄ２）を算出する工程をさらに含み、リアプノフ指数とエントロピーの相関性及び／又は対称性とＨｉｇｕｃｈｉのフラクタル次元の比（Ｄ１／Ｄ２）に基づき生体状態を判定する（１）に記載の方法。
（９） 前記生体信号の時系列データが脈波から得られる（１）に記載の方法。
（１０） 前記生体状態が、被験体の疾病及び非疾病の精神的状態或いは身体的状態である（１）に記載の方法。
（１１） （１）に記載の方法に従いある時点での生体状態を判定する工程、生体状態を変化させる可能性のある行為を行う工程、該行為の後に生体信号の時系列データを分析してリアプノフ指数とエントロピーの相関性及び／又は対称性を測定する工程、前記行為の前後におけるリアプノフ指数とエントロピーの相関性及び／又は対称性を比較して前記行為の生体に対する影響がポジティブであるかネガティブであるか中立（不変）であるかを判定する工程を包含する生体状態に影響を及ぼす可能性のある行為の有効性の判定方法。
（１２） 前記行為が、薬物投与、透析、医療器具の使用（例えば、放射線ないしレーザー照射、電気的・磁気的パルスによる治療、リハビリなど）、生体の状態を改善する可能性のある食物の摂取などの疾患の予防又は治療行為、身体的又は精神的刺激の付与からなる群から選ばれる（１１）に記載の方法。
（１３） 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する工程とを含む（１）に記載の方法。
（１４） 被験体の生体信号の時系列データの計算結果に対してニューラルネットワークによって判定を行う（１）又は（７）に記載の方法。
（１５） 被験体の生体信号の時系列データを基に該生体の状態を判定する生体状態の判定装置であって、
処理部及び検出部を備え、
前記処理部は、前記検出部を制御して前記時系列データを採取し、該時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体状態の判定装置。
（１６） 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、通信回線を介して前記時系列データを前記判定装置に伝送し、
前記判定装置は、伝送された前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。
（１７） 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、通信回線を介して前記計算結果を前記判定装置に伝送し、
前記判定装置は、伝送された前記計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。
（１８） 前記判定装置は、前記判定の結果を前記測定装置に伝送する（１６）または（１７）に記載のシステム。
（１９） 被験体の生体信号の時系列データを基に該被験体の状態を判定する生体状態の判定装置に、
前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算する機能を実現させることを特徴とする生体の状態判定プログラム。
（２０） 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値を決定する機能、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する機能、及び
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する機能をさらに実現させる（１９）に記載のプログラム。
（２１） 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する機能をさらに実現させる（１９）に記載のプログラム。
（２２） 前記リアプノフ指数及び前記エントロピーに関してマクロＤＦＡ解析及びミクロＤＦＡ解析を行う機能をさらに実現させる（１９）に記載のプログラム。
（２３） 前記時系列データからヒグチフラクタル次元及びＦ−定数を計算する機能を実現させる（１９）に記載の生体状態の判定プログラム。
（２４） （１９）〜（２３）の何れかの項に記載の判定プログラムを記録したコンピュータ読み取り可能な記録媒体。
発明を実施するための最良の形態
以下、本発明を実施するための最良の形態について、図面を参照しながら説明する。
カオス性の１つの指標であるリアプノフ指数は多数あるが、ここでは最大リアプノフ指数（λ１）を用いる。以下においては、ウォルフの第１リアプノフ指数（λ１）を単にリアプノフ指数として記載する。また、特に断らない限り、リアプノフ指数は最大リアプノフ指数を意味する。
リアプノフ指数及びエントロピーは、脈波、心電図、脳波、心拍数などのカオス・ゆらぎの生体信号の時系列データの測定値から導くことができる。生体信号としては脈波が特に好ましいが、他の生体信号を用いることも可能である。
脈波は、指先から得られる指尖脈波が好ましいが、指先以外の生体表面の計測部位（耳たぶ、掌、指の付け根部分（指輪の位置））で測定してもよい。
脈波測定装置としては、コンピューターコンビニエンス社製の脈波収集装置（Ｂａｃｓ ｄｅｔｅｃｔｏｒ）を例示することができる。脈波からのリアプノフ指数及びエントロピーの算出手順は後述するが、リアプノフ指数は、例えば特許番号１８９１５３４号（特開平４−２０８１３６号公報）明細書の記載に従って、算出することができる。また脈波からのエントロピーの算出は公知の方法（Ｉｃｈｉｒｏ Ｔｕｄａ，Ｔａｋａｓｈｉ Ｔａｈａｒａ Ｃｈａｏｔｉｃ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｈｕｍａｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ ａｎｄ ｉｔｓ Ｄｅｐｅｎｄｅｎｃｅ ｏｎ Ｍｅｎｔａｌ ａｎｄ Ｐｈｙｓｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ ｂｉｆｕｒｃａｔｉｏｎ ａｎｄ Ｃｈａｏｓ，Ｖｏｌ，２，Ｎｏ２，３１３−３２４，１９９２）に従い算出することができる。
好ましい１つの実施形態において、脈波などの生体信号の時系列データの測定は、通常１分以上行うことができ、好ましくは約３分から３０分程度の時間、連続して或いは２〜１８回に分けて測定することができる。１回の連続的測定時間は、１分以上であるのが好ましく、特に２〜５分程度がよい。特に好ましくは、１分×３回の測定を１セットとし、３セットのデータを測定し、解析することである。
本発明の判定方法の被験体は、主としてヒトの被験体を対象としているが、ウシ、ウマ、イヌ、ネコ、ブタ、マウス、ラット、モルモット、ウサギなどの哺乳動物の被験体について適用することも可能である。
リアプノフ指数とエントロピーを用いる本発明の判定方法では、例えばあるヒト被験体が第１生体状態と第２生体状態のいずれに属するかを判定する場合、予め第１生体状態に属する被験体と、第２生体状態に属する被験体について予めリアプノフ指数とエントロピーに基づき判定基準を決定し、次に各被験体のリアプノフ指数とエントロピーを分析し、該判定基準に従って生体状態が第１の生体状態か第２の生体状態かを判定する。判定される生体状態がｎ個（ｎは３以上）ある場合には、第１の生体状態からｎ番目の生体状態について予め判定基準を作成し、同様に判定することができる。リアプノフ指数とエントロピーに代えて、ヒグチフラクタル次元を用いる場合にも、同様に判定することができる。
判定対象となる生体状態は、正常と非正常（例えば疾患）を判定することも可能であるが、例えば被験体がうつ病又は精神***病のいずれかの精神状態にあることがわかっている場合には、うつ病を第１の生体状態、精神***病を第２の生体状態として判定することも可能である。
判定基準を決定するための各生体状態の被験体の数は、多い方が正確に判定するために好ましく、例えば５以上、好ましくは１０以上、より好ましくは２０以上である。この被験体数は、判定の開始時の数であり、判定後の被験体は各々の生体状態の基礎データとして記録し、各生体状態の母集団を判定の実施によって増大させていくことで、より正確な判定が可能となる。また、特に精神状態などにおいて正常と非正常（例えばうつ病）の基準が変わったり、新たな病名が付与されたりする場合には、判定基準を決定するための各生体状態の基礎データを変更することも可能である。
本発明において生体状態の判定基準は、各生体状態の被験体に関する測定データから計算されたリアプノフ指数とエントロピーに基づき、好ましくはリアプノフ指数とエントロピーの対称性及び／又は相関性の分析を行い、対称性及び／又は相関性の分析結果に基づき判定基準を準備する。被験体についてリアプノフ指数とエントロピーの対称性を分析する方法として、Ｍ−ｓｙｍｍｅｔｒｙ法、ウェーブレット（Ｗａｖｅｌｅｔ）法を用いる。相関性の分析方法としては、ＤＦＡ（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）解析法や長距離相関を用いる解析法などが使用され得るが、ＤＦＡ解析法を用いることが好ましい。また、本発明における別の判定基準として、各生体状態の被験体に関する測定データからヒグチフラクタル次元を計算し、これから導出される指標であるＦ−定数を判定に使用する（Ｆ−ｓｙｍｍｅｔｒｙ法）。生体状態の判定又は生体に対する行為の有効性の判定において、これらの方法を単独で、又は２種以上を組み合わせて用いることができる。
（実施の形態１）
生体状態の判定装置
図１は、本発明の第１の実施の形態に係る生体状態の判定装置の概略構成を示すブロック図である。本実施の形態に係る生体状態の判定装置は、本体部１０、検出部２０及び通信ケーブル２１から構成されている。
本体部１０は、中央演算処理部１１（以下、ＣＰＵと記す）、メモリ部１２、記録部１３、インタフェース部１４、ビデオ部１５、データバス１６、表示部１７、操作部１８を備えている。検出部２０は、赤外線を放射する発光ダイオード及び発光ダイオードの放射する周波数帯域の赤外線を受信するフォトトランジスタを装備したプローブと、Ａ／Ｄ変換器（いずれも図示せず）とを備えている。
ＣＰＵ１１は本体部１０内部の各部を制御し、このＣＰＵ１１による制御及び各部間のデータ伝送はデータバス１６を介して行われる。ＣＰＵ１１は、インタフェース部１４を介して、操作部１８からの指示を受け付ける。
ＣＰＵ１１は、インタフェース部１４を介して、検出部２０の発光ダイオード及びＡ／Ｄ変換器を制御する。ＣＰＵ１１は、発光ダイオードを制御して赤外線を放射させ、Ａ／Ｄ変換器を制御してフォトトランジスタの受信信号をサンプリングさせ、通信ケーブル２１及びインタフェース部１４を介してサンプリングデータを取得し、記録部１３に記録する。例えば、人体の指先にプローブをセットし、指を透過（又は指内部で反射）した赤外線をフォトトランジスタで受信した信号を、所定の時間間隔でサンプリングすることによって、指先部分の血流状態の変化、即ち指尖脈波データを取得することができる。
ＣＰＵ１１は、記録部１３からデータをメモリ部１２に読み出して、後述する計算等の処理を行った結果を、記録部１３の所定領域に記録する。また、ＣＰＵ１１がビデオ部１５のビデオメモリ（図示せず）に画像データを書き込むことによって、書き込まれた画像データは、ビデオ部１５のビデオ変換器（図示せず）によって表示部１７に適したビデオ信号に変換された後、表示部１７に伝送されて表示される。
リアプノフ指数とエントロピーの対称性分析
（ｉ）Ｍ−ｓｙｍｍｅｔｒｙ（Ｍｉｒｒｏｒ ｖａｌｕｅ ｓｙｍｍｅｔｒｙ）法
上記したように、測定データに関してリアプノフ指数とエントロピーの対称性を分析する方法としてはＭ−ｓｙｍｍｅｔｒｙによる方法がある。Ｍ−ｓｙｍｍｅｔｒｙ法とは、脈波時系列信号から得られるリアプノフ指数及びエントロピーが健常人であれば互いに逆方向へ動くことで複雑系としてのシステムの健全性を保っているという考えに基づいて、この２つの指標（リアプノフ指数及びエントロピー）の対称性を数値化する解析法をいう。具体的なデータ処理の手順に関しては後述する。Ｍ−ｓｙｍｍｅｔｒｙ法では、リアプノフ指数とエントロピーの対称性が、高いほど正常に近く、低いほど正常から離れた状態にあると判定される。
図２は、図１に示した生体状態の判定装置において実行されるＭ−ｓｙｍｍｅｔｒｙ法を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。下記の各ステップにおいて、計算等のデータ処理はメモリ部１２上で実行され、その結果は、次のステップで使用される場合など、必要に応じて記録部１３の所定の領域に記録されるものとする。
先ず、ステップ２１において、複数の被験体に対して指尖脈波の測定を行う。上記したように、検出部２０を制御して各々の被験体に対して指尖脈波の測定を行い、採取した指尖脈波データｗ（ｉ，ｊ；ｋ）を記録部１３に記録する。ここで、ｉは被験体に一意に割り当てた識別番号、ｊは測定回数、ｋはサンプリング順にデータに付したサンプリング番号を表わす。各種の測定条件で指尖脈波データを採取可能であるが、以下においては、サンプリング周期を５ミリ秒（ｍｓｅｃ）とし、各々の被験体に対して３分間の測定を３回行う場合に関して説明する。即ち、各被験体ｉに関して、各々３６０００個のデータからなる３つの時系列データ｛ｗ（ｉ，ｊ）｝が得られる。ここにおいて｛ ｝の記号は、１回のサンプリングデータを時系列データとして表わす記号である。
ステップ２２において、指尖脈波データｗ（ｉ，ｊ；ｋ）を記録部１３から読み出し、埋込次元を４に、埋込遅延τを１０にセットして、データ｛ｗ（ｉ，ｊ）｝から、式１によって４次元ベクトルＶ（ｉ，ｊ；ｋ）（ｋ＝１〜３６０００）を生成する。
ステップ２３において、式２及び式３によって、各（ｉ，ｊ）に関して、最大リアプノフ（Ｌｙａｐｕｎｏｖ）指数λ１（ｉ，ｊ）及びエントロピーＥ（ｉ，ｊ）を計算する。
最大リアプノフ指数λ１（ｉ，ｊ）は、４次元ベクトルＶ（ｉ，ｊ，ｋ）の各成分ｗ（ｉ，ｊ；ｋ）、ｗ（ｉ，ｊ；ｋ＋τ）、ｗ（ｉ，ｊ；ｋ＋２τ）、ｗ（ｉ，ｊ；ｋ＋３τ）に関して、式２によって計算される４つのλ（ｉ，ｊ）の中の最大のものである。
ここで、｛ｘｋ｝には、４次元ベクトルＶ（ｉ，ｊ；ｋ）の各成分ｗ（ｉ，ｊ；ｋ）、ｗ（ｉ，ｊ；ｋ＋τ）、ｗ（ｉ，ｊ；ｋ＋２τ）、ｗ（ｉ，ｊ；ｋ＋３τ）の時系列データが使用される。リアプノフ指数λ（ｉ，ｊ）は、所定の関数ｆを用いて、ｘｋ＋１＝ｆ（ｘｋ）の条件が付された力学系において、近接した２点から出発した２つの軌道｛ｘｋ｝が、ｎ→∞のときにどの程度離れて行くかを示している。
また、Ｐｋはデータの存在確率を表わす。即ち、エントロピーＥ（ｉ，ｊ）は、４次元ベクトルＶ（ｉ，ｊ；ｋ）の空間をＮ個の小領域に分割し、全データ個数に対する各小領域内に存在するデータ個数の比率によって各小領域のＰｋを表わし、全領域に関してＰｋの和をとることによって得られる。
ステップ２４において、エントロピーＥ（ｉ，ｊ）、最大リアプノフ指数λ１（ｉ，ｊ）を２次元平面にプロットし、全データの重心を計算し、重心を通って、水平線に対して＋４５度と−４５度の境界線を描き、２次元平面（Ｍｉｒｒｏｒ対称図）を図３に示すように所定の点を基準として８つの領域に区分し、領域Ｉ及びＩＩに対してオフセット値（Ｏｓ）を、Ｏｓ＝２とし、その他の領域に対してはＯｓ＝１と設定する。
ステップ２５において、式４によって、ミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）ＭＶ（ｉ，ｊ）を計算する。
ここでｍａｘ｜λ１｜、ｍａｘ｜Ｅ｜は、それぞれ、複数の被験体からなる集団全体の測定データに関する、最大リアプノフ指数λ１（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）の中の最大値である。ミラー値による正常、ＤＰ（うつ病）、ＳＰ（***病）の分析結果を図３１に例示する。
ステップ２６において、最大リアプノフ指数λ１（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）が、ステップ２３において決定した領域のどの領域に属するかを考慮して、各（ｉ，ｊ）に関して、式５によって重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）を計算する。
即ち、最大リアプノフ指数λ１（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）が領域Ｉ又はＩＩに属する場合、Ｏｓ＝２として、それ以外の領域に属する場合には、Ｏｓ＝１として、式５によって重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）を計算する。
ステップ２７において、重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）に関して、ｊ回の測定の平均値λ１ｗａｖ（ｉ）、Ｅａｖ（ｉ）を計算する。
ステップ２８において、縦軸を重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）、横軸をＥ（ｉ，ｊ）として、（ｉ，ｊ）に関してプロットした図を作成し、ビデオ部１５に伝送する。ビデオ部１５に伝送されたデータは、表示部１７上に表示される。
以上によって、得られた重み付きリアプノフ指数の平均値λ１ｗａｖ（ｉ）を、母集団に関して実験的に求められた基準値と比較することにより、被験体ｉの生体状態を判定することが可能となる。実験的に基準値を求める方法は、正常（健康な）被験体の脈波をなるべく多く測定して、重み付きリアプノフ指数を計算しその平均値を基準値とする。重み付きリアプノフ指数の平均値λ１ｗａｖ（ｉ）が、基準値よりも値が大きければ生体状態は良好と判定できる。
また、ステップ２８において得られるプロット図を、母集団に関して実験的に求められた基準線と比較することによっても、被験体ｉの生体状態を判定することが可能となる。実験的に基準値を求める方法は、正常（健康な）被験体の脈波をなるべく多く測定して、プロット図を作成し、その平均値を基準線とする。
図４はステップ２８によって得られるプロット図の一例を示している。例えば、プロットした点が、水平の基準ラインの上方に位置する場合、その被験体の生体状態は正常であると判定でき、下方に位置する場合、異常であると判定することができる。この例では、正常（Ｎｏｒｍａｌ）、うつ病（ＤＰ）、***病（ＳＰ）のデータをプロットしているが、正常が基準線より上、うつ病と***病が基準線より下に８３％の確率で分布している。
（実施の形態２）
ウェーブレット（Ｗａｖｅｌｅｔ）変換を使用する対称性分析
次に、被験体についてリアプノフ指数とエントロピーの対称性を分析する方法としてウェーブレット（Ｗａｖｅｌｅｔ）変換を使用する方法を説明する。図５は、図１に示した生体状態の判定装置において実行されるウェーブレット変換を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ３１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行い、１回３分間の測定３回を１セットとして、等時間間隔で３セット以上の測定が行なわれる。以下において、ｍ（ｍ≧３）をセット番号として、測定データをｗ（ｉ，ｍ，ｊ；ｋ）で表わす。
ステップ３２において、図２のステップ２２と同様に、埋込次元を４に、埋込遅延τを１０にセットして、ステップ３１において測定した指尖脈波データからベクトルデータＶ（ｉ，ｍ，ｊ；ｋ）を生成する。
ステップ３３において、図２のステップ２３と同様に、最大リアプノフ指数λ１（ｉ，ｍ，ｊ）及びエントロピーＥ（ｉ，ｍ，ｊ）を計算し、各々のｉに関して時系列データとして記録部１３に記録する。これによって、１回３分間の測定３回をＮセット行う場合、３Ｎ個のデータからなる時系列データが得られる。
ステップ３４において、ステップ３３で得られた最大リアプノフ指数λ１（ｉ，ｍ，ｊ）及びエントロピーＥ（ｉ，ｍ，ｊ）に関して、ウェーブレット多重解像度分解によって、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）、Ｓ１（Ｅ）〜Ｓ５（Ｅ）及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）、Ｗ１（Ｅ）〜Ｗ５（Ｅ）の時系列波形を計算する。ウェーブレット多重解像度分解は、信号波形を直交関数系で展開する周知の解析方法であり、スケーリング係数及びウェーブレット係数は、展開係数である。
即ち、被験体ｉの測定データに関するスケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）とウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）は、最大リアプノフ指数λ１（ｉ，ｍ，ｊ）を時系列データとみなして、ウェーブレット多重解像度分解によって得られる１次元〜５次元のスケーリング係数とウェーブレット係数である。
また、被験体ｉの測定データに関するスケーリング係数Ｓ１（Ｅ）〜Ｓ５（Ｅ）とウェーブレット係数Ｗ１（Ｅ）〜Ｗ５（Ｅ）は、エントロピーＥ（ｉ，ｍ，ｊ）を時系列データとみなして、ウェーブレット多重解像度分解によって得られる１次元〜５次元のスケーリング係数とウェーブレット係数である。
ステップ３５において、記録部１３から被験体ｉのスケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）、Ｓ１（Ｅ）〜Ｓ５（Ｅ）及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）、Ｗ１（Ｅ）〜Ｗ５（Ｅ）を読み出し、時系列データとみなして、図６に示すように、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の時系列波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データ、及び各々のウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の時系列波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データをビデオメモリ上に作成する。作成されたグラフは表示部１７に表示される。
ステップ３６において、ステップ３５で得られたグラフを元に被験体ｉの生体状態の判定を行う。即ち、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の波形との関係、及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の波形との関係によって判定を行う。
例えば、投薬の前後にわたって測定したデータに対して、上記した一連のステップにおいて処理し、表示部１７にスケーリング係数Ｓ１〜Ｓ５、ウェーブレット係数Ｗ１〜Ｗ５、リアプノフ指数λ１、エントロピーＥの時系列波形を表示し、これらの波形相互間の対称性を判定基準として、投薬の効果を判定することが可能である。即ち、投薬後に、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の波形とが交差を繰り返しながら対称に変化し、且つウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の波形とが交差を繰り返しながら対称に変化するようになれば、その投薬に効果があると判定できる。さらに、これらの波形が相互に対称であるほど、投薬の効果が高いと判定することができる。
図６は、がん患者にアガリクスを投薬する前後のリアプノフ指数とエントロピー波形を、上記したように処理して得られた結果の一例を示している。約３週間にわたり、１回１００秒間、１日２回〜９回のデータ測定を行った。図６において、上段の２つの波形Ｏｒｉｇ．ｓｉｇｎａｌ λ１、Ｏｒｉｇ．ｓｉｇｎａｌ Ｅは、それぞれ測定データのリアプノフ指数λ１、エントロピーＥを表わしている。下段の２つの波形は、スケーリング係数Ｓ２、ウェーブレット係数Ｗ２を表わしており、実線がリアプノフ指数λ１に関する係数、破線がエントロピーＥに関する係数を表わしている。
この図から、矢印で示した投薬時以前においては、波形の対称性が低いが、投薬時以後において、波形の対称性が高くなっていることが分かる。即ち、アガリクス投与は一定期間、この２つの指標の対称性ダイナミズムを増強する効果が確認できた。この効果は臨床症状ともよく一致していた。
（実施の形態３）
ＤＦＡ解析法を用いる相関性の分析
次に、相関性の分析方法であるＤＦＡ解析法を用いる判定方法に関して説明する。ＤＦＡ（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）解析法は、１９９３年にＢｕｌｄｙｒｅｖによって、ランダムにみえる２つのゆらぎ信号がどの程度似ているかを判定する指標として導入された。その方法は、ランダムにゆらぐ２つの信号波の標準偏差を、比較する範囲を自在に変えながらプロットするものである。１つのゆらぎ信号を拡大得られる信号波形を、元の信号波形とＤＦＡ法によって比較することにより、このゆらぎ信号の自己相似性、すなわちフラクタル性を評価することができる。しかし実際の生体からの信号は、非定常なゆらぎであるため、このフラクタル性を指数化することは困難であった。
これを可能にしたのは、比較する対象を局所の平均値にしてしまうという、１９９５年のＧｏｌｄｂｅｒｇｅｒらのアイデアによっている。その数式としての表現は、次の２つの式によって表わされる。
ここで、ｙ（ｋ）は全トレンド、Ｂ（ｉ）はｉ番目の値、Ｂａｖｅは平均値をである。
この全トレンドからそれぞれの分割トレンドを引き、次式によってＦを計算する。得られたＦは、分割領域のべき乗に比例すると考えられ、この法則をパワーロウ（Ｐｏｗｅｒ−ｌａｗ）と呼ぶ。
ここで、ｙｎ（ｋ）は分割した部分のトレンドである。
このＦ（ｎ）を用いて、ｌｏｇＦ（ｎ）とｌｏｇ ｎのグラフの傾きから、自己相似次元αが計算される。
本実施の形態おいては、例えば脈波に基づく生体信号の時系列データからリアプノフ指数とエントロピーを算出し、ＤＦＡ解析によりリアプノフ指数とエントロピーの自己相似性を求める。該相関性は自己相似次元αにより決定される。
自己相似次元αは、自己相関係数と一定の関係にあり、
０＜α＜０．５の場合、グラフからαが求められない反相関状態、
α＝０．５の場合、無相関（ｗｈｉｔｅ ｎｏｉｓｅ）、
０．５＜α＜１．０の場合、永続的な長周期（長距離）の相関状態、
α＝１．０の場合、１／ｆのゆらぎ又はノイズ状態、
α＞１．０の場合、フラクタル性や自己相似性を表すパワーロウ（Ｐｏｗｅｒ−ｌａｗ）がなくなる状態、
α＝１．５の場合、ブラウン（Ｂｒｏｗｎ）ノイズ状態
をそれぞれ表わしている。
従って、リアプノフ指数の自己相似次元αが生体状態の判定に有効であることが分かる。リアプノフ指数の自己相似次元αは、α＝１．０が、正常状態であり、αが１．０に近づくほどよい状態である。また、エントロピーの自己相似次元αは、α＝１．５が、正常状態であり、αが１．５に近づくほどよい状態である。
また、ある軽度のうつ病患者に関して、αが０．５６３（治療前）から０．７６７（治療後）に変化した事例があり、このことからα値自体の評価に加えて、変化の方向性、即ち生体への行為の前後におけるα値の変化方向も判定に有効であることが分かった。
図７は、図１に示した生体状態の判定装置において実行されるパワーロウ（Ｐｏｗｅｒ−ｌａｗ）即ちＤＦＡ解析法を使用する生体状態の判定方法における、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ４１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行い、１回３分間の測定３回を１セット、３セットを１ラウンドとして、３ラウンド以上、即ち合計２７回以上の測定が行なわれる。以下において、ｍ１（ｍ１≧３）をセット番号、ｍ２（ｍ２≧３）をラウンド番号として、測定データをｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ）で表わす。また、各々の処理において、計算はメモリ部１２上で行われ、計算結果は記録部１３の所定の領域に記録される。
ステップ４２において、記録部１３から読み出した測定データに対して、各１回の測定で得られる３６０００個のデータからなる時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝の中の連続する５０００個のデータｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ１）〜ｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ１＋５０００）を新しい時系列データ｛ｗ’ｎ（ｉ，ｍ２，ｍ１，ｊ）｝として、記録部に記録する。ここで、連続する５０００個のデータの先頭は、元の３６０００個の時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝の最初のデータから、１秒間（２００データ）づつずらして得られるデータとする。従って、先頭データを順に１秒ずつずらすことによって、１個の時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝から、１５６個（＝１＋（３６０００−５０００）／２００）の新しい時系列データ｛ｗ’ｎ（ｉ，ｍ２，ｍ１，ｊ）｝（ｎ＝１〜１５６）が作成される。このデータの先頭位置のシフトを、ベルヌーイシフトと呼ぶ。
ステップ４３において、図２のステップ２３と同様に、埋込次元＝４、埋込遅延＝１０として、新しい時系列データ｛ｗ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）｝（ｎ＝１〜１５６）に関して、ベクトルデータＶ’（ｉ，ｍ２，ｍ１，ｊ，ｎ；ｋ）（ｋ＝１〜５０００）を生成する。
ステップ４４において、図２のステップ２３と同様に、測定データｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ）に関して、式２から最大リアプノフ指数λ１（ｉ，ｍ２，ｍ１，ｊ）を、式３からエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）をそれぞれ計算する。
ステップ４５において、ステップ４４と同様に、各々の｛Ｖ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）｝（ｎ＝１〜１５６）に関して、式２によって得られる４個のリアプノフ指数λ（ｉ，ｍ２，ｍ１，ｊ，ｎ）の中の最大値である最大リアプノフ指数λ１’（ｉ，ｍ２，ｍ１，ｊ，ｎ）、及び式３からエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）を計算する。
例えば、１回３分間の測定３回を３ラウンドを行った場合、最大リアプノフ指数の時系列データ｛λ１’（ｉ，ｍ２，ｍ１，ｊ）｝が２７個（＝ｍ２×ｍ１×ｊ×ｎ、ｍ１＝ｍ２＝ｊ＝３）、及びエントロピーの時系列データＥ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）が２７個得られる。
ステップ４６において、ステップ４４で計算した、２７個の最大リアプノフ指数λ１（ｉ，ｍ２，ｍ１，ｊ）、及び２７個のエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）に対するマクロ的なＤＦＡ解析を行い、フラクタル自己相似構造を解析する。即ち、上記した式６おいて、λ１（ｉ，ｍ２，ｍ１，ｊ）を時系列データＢ（ｉ）とし、上記した式７を満たすαを計算してαλ１とする。同様に、Ｅ（ｉ，ｍ２，ｍ１，ｊ）を時系列データＢ（ｉ）として、式７を満たすαを計算してαＥとする。
ステップ４７において、ステップ４５で計算した、各々１５６個のデータからなる２７個の時系列データ｛λ１’（ｉ，ｍ２，ｍ１，ｊ）｝、２７個の時系列データ｛Ｅ’（ｉ，ｍ２，ｍ１，ｊ）｝に対して、ミクロ的なＤＦＡ解析を行い、フラクタル自己相似構造を解析する。
即ち、式６において、λ１’（ｉ，ｍ２，ｍ１，ｊ，ｎ）を時系列データＢ（ｉ）として、式７を満たすαλ１’（ｉ，ｍ２，ｍ１，ｊ）を計算する。同様に、式６おいて、Ｅ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）を時系列データＢ（ｉ）として、式７を満たすαＥ’（ｉ，ｍ２，ｍ１，ｊ）を計算する。ここで、Ｎ＝１５６である。これによって、各々２７個のαλ１’（ｉ，ｍ２，ｍ１，ｊ）、αＥ’（ｉ，ｍ２，ｍ１，ｊ）が計算される。
ステップ４８において、ステップ４６及び４７で計算したαの時間変動によって、投薬の効果を判定する。
例えば、投薬の前後の所定期間にわたって測定したデータに関して、ステップ４６で計算したαλ１’及びαＥ’を時間軸を横軸としてプロットして折れ線グラフを作成し、投薬の前後での折れ線グラフの変動をミクロ的に評価することによって、投薬の有効性を判定することができる。
また、投薬の前後の所定期間にわたって測定したデータに関して、ステップ４５で計算したαλ１及びαＥを、投薬の前後で比較することによって、投薬の有効性を判定することができる。
上記した第２の実施の形態において、がん患者にアガリクスを投薬した場合（図６参照）の投薬効果を判定することができることを示したが、図８は、同じ投薬実験データのマクロ的なＤＦＡ解析の結果を示している。図８の縦軸はリアプノフ指数とエントロピーの時系列データから２７個の自己相似次元αを求めこれを１点として表し、３個分づつずらしながら２７個の自己相似次元αをプロトしたものである。これにより投薬効果の時間単位の追跡が可能となった。
即ち、図６でもみられたリアプノフ指数とエントロピーの対称性変化は、図８に示すようにアガリクス投与によりダイナミックに変化し、エントロピー値も最高値を記録している。しかしリアプノフ指数は少し低い状態が続いているためアガリクスの効果の限界も示している。
以上のように、被験体ｉの指尖脈波の測定データを使用して、最大リアプノフ指数λ１及びエントロピーＥに関するαλ１（ｉ）、αＥ（ｉ）、αλ１’（ｉ）、αＥ’（ｉ）を計算し、これらの値の時間変化を観察することとによって、被験体ｉの生体状態や投薬効果を判定することが可能となる。例えば、αλ１（ｉ）、αλ１，ｎ（ｉ）が１に近づくほど、１／ｆノイズ状態に近いと考えられることから、生体の状態が良好であると判定できる。また、αＥ（ｉ）、αＥ，ｎ（ｉ）が１．５に近づくほど、ブラウンノイズ状態に近いと考えられることから、投薬の効果があると判定できる。上記したように、１人の被験体に対して指尖脈波の測定が、２７回以上であれば有効な判定が可能であるが、５４回以上であることがより望ましい。
（実施の形態４）
ヒグチフラクタル次元の比（Ｄ１／Ｄ２）に基づく方法（Ｆ−ｓｙｍｍｅｔｒｙ法）
次に、Ｆ−ｓｙｍｍｅｔｒｙ法を用いた判定方法に関して説明する。
生体は非定常なカオス性を示し、マルチフラクタルな構造を示すことが知られている。詳しくは後述するが、ヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元と呼ばれる２つの指標、Ｄ１及びＤ２によってシステムのマルチフラクタル性を表現できる。我々は、健常人約４０人に関して解析を行うことによって、この２つの指標の比（Ｄ１／Ｄ２）が宇宙定数と呼ばれるファイゲンバウム（Ｆｅｉｇｅｎｂａｕｍ）定数と一致することを見出した。
図９は、図１に示した生体状態の判定装置において実行されるヒグチフラクタル次元を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ５１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行う。
ステップ５２において、図２のステップ２２と同様に、埋込次元を４に、埋込遅延τを１０にセットして、ステップ５１において測定した指尖脈波データからベクトルデータＶ（ｉ，ｊ，ｋ）を生成する。
ステップ５３において、各回の測定データに関して、ヒグチフラクタル次元Ｄを計算する。ヒグチフラクタル次元Ｄは、式８で定義され、時系列データを１次元の幾何構造とみなした場合の形状の複雑さを表わしている。
ここで、
ｔ＝１〜Ｎ／２（整数値）
であり、［］は、括弧内の値を超えない最大の整数を表わし、Ｓは各回の指尖脈波の測定データ、Ｎはデータの個数（＝３６０００）である。
式８に示すように、ヒグチフラクタル次元Ｄはｔの関数であるが、指尖脈波データに関して、横軸をｌｏｇｔ、縦軸をｌｏｇΔ１としてプロットしたグラフは、図１０に示すように、傾きが一定の２つの直線でほぼ近似できる。式８から、ヒグチフラクタル次元Ｄは、このグラフの傾きに対応することが分かる。従って、それぞれの領域の傾きを、それぞれの領域のヒグチフラクタル次元Ｄ１（ｉ，ｊ）、Ｄ２（ｉ，ｊ）とする。グラフの傾きの計算は、周知の方法、例えば、最小２乗法によって計算することができる。
ステップ５４において、ステップ５３の処理によって得られたＤ１（ｉ，ｊ）、Ｄ２（ｉ，ｊ）に関して、被験体ｉの３回の測定データの平均値Ｄ１ａｖ（ｉ）、Ｄ２ａｖ（ｉ）を計算する。
ステップ５５において、式９によってＦ−定数Ｆ（ｉ）を計算する。
ステップ５６において、ステップ５５において計算されたＦ−定数Ｆ（ｉ）と、ファイゲンバウム（Ｆｅｉｇｅｎｂａｕｍ）定数（Ｆ＝４．６６９２）とを比較し、Ｆ−定数Ｆ（ｉ）とファイゲンバウム定数との差が所定値以下であるか否かを判定する。ここで、ファイゲンバウム定数は、Ｍ．Ｊ．Ｆｅｉｇｅｎｂａｕｍによって研究され、カオス生成のメカニズムである２分岐構造の比
によって導出される普遍定数であり、例えば「カオス入門−現象の解析と数理」（長島弘幸、馬場良和共著、培風館発行）にその詳細が説明されている。
ステップ５７において、横軸をＤ１ａｖ（ｉ）、縦軸をＤ２ａｖ（ｉ）として、Ｆ（ｉ）が一定の複数の直線を引き、ステップ５４で計算されたＤ１ａｖ（ｉ）、Ｄ２ａｖ（ｉ）をプロットしたグラフをビデオ部１５上に作成する。
式９を書き直すと、
となり、この式は、Ｆ（ｉ）が一定の値と仮定すると、傾き（Ｆ（ｉ）＋１）／（Ｆ（ｉ）−１）の直線を表わす。上記で描画する複数の直線は、この傾きを有する直線であり、ファイゲンバウム定数に対応する直線も含まれる。図１１は、一定のＦ値の各々に対応する直線を示したグラフである。
以上のように、ステップ５６において、Ｆ−定数Ｆ（ｉ）とファイゲンバウム定数とを比較することにより、被験体ｉの生体状態に関して判定を行うことが可能となる。
また、ステップ５７においてプロットした点と、ファイゲンバウム定数ラインとの位置関係を評価することにより、被験体ｉの生体状態に関して判定を行うことが可能となる。
図１２及び図１３は、複数の被験体に関してステップ５１〜５７を繰り返し行うことによって得られた結果の一例を示すグラフであり、図１２は、ステップ５６の比較結果を、図１３は、ステップ５７において作成されるグラフを示す。
図１２においては、正常者とうつ病、***病、喘息、潰瘍性大腸炎患者のデータの平均値を棒グラフで表示している。Ｆ−定数は、健常者（Ｎｏｒｍａｎｌ）では４．７３、うつ病（ＤＰ）では４．０６、***病（ＳＰ）では３．７０、潰瘍性大腸炎（ＵＣ）では３．６３、喘息（Ａｓｔｈｍａ）では３．７６である。図１２から、健常者のＦ−定数は、ファイゲンバウム定数ラインに近く、病気の被験体のＦ−定数はファイゲンバウム定数ラインから大きく離れていることが分かる。また、疾患の種類によってＦ−定数は特定の値になることが分かる。
図１３においては、正常者とうつ病、***病のデータをプロットしたグラフであるが、正常者はファイゲンバウム定数ライン近辺に分布し、特に***病患者のデータがファイゲンバウム定数ラインから離れて分布していることが分かる。
これら各々の疾患に対応するＦ−定数の算出は、同一疾患の患者の集団についてＦ−定数を算出することにより求められる。また、このＦ−定数は、測定される患者数（母集団）が大きいほど各疾患について正確な数値を求めることができることから、ニューラルネットワークによりデータを蓄積していくことによって、より正確な判定が可能となる。
さらに、Ｆ−ｓｙｍｍｅｔｒｙ法によって得られるヒグチフラクタル次元Ｄ１、Ｄ２分布の対称性を求め、上記した相関分析法、対称性分析法と組み合わせることにより高精度に生体状態を判定することができる。例えば、第１の実施の形態において説明したように、図４に示した集団に関して、Ｍ−ｓｙｍｍｅｔｒｙ法を用いたリアプノフ指数とエントロピーの対称性の分析結果だけでは識別率が８３％であったが、同じ測定データを使用してＦ−ｓｙｍｍｅｔｒｙ法による評価を組み合わせることにより、９７％の識別率を得ることができた。
またＦ−定数が類似した被験体（例えば、ＳＰとＧＬＹはＦ−定数は３．７０で同一）に対しては、Ｆ−ｓｙｍｍｅｔｒｙ法のみによって分類することができないが、ミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）やＤＦＡ分析で求められる相関次元を組み合わせることによって分類することが可能となる。
（実施の形態５）
生体状態に影響を及ぼす可能性のある行為の有効性の判定方法
以下において、生体状態を変化させる可能性のある行為の実施が薬物の投与である場合を例に取り、リアプノフ指及びエントロピーの時間変動を記録したグラフからそれらの対象性を直接判定する方法に関して説明する。
本実施の形態に係る判定方法において、生体状態を変化させる可能性のある行為が薬物投与である場合、薬物の有効性を判定することができる。２以上の薬剤に関して本実施の形態に係る判定方法により判定することで、いずれの薬剤がより有効性が高いかを薬物投与の初期の段階で判定することができる。また、２以上の薬剤を併用することにより、これら薬剤の併用（相乗）効果についても判定できる。
図１４に示すように、一般に、エントロピーとリアプノフ指数が対称的に（一方が減少すれば他方が増加する）変動するのが正常な生存状態を示す。換言すると、これは、リアプノフ指数とエントロピーの差のゆらぎが存在することを意味し、このような状態を「ミラーダイナミック」とも称することができる。具体例としては、図１５に示すように、患者Ａの治療初期ではリアプノフ指数とエントロピーの差（斜線部分）のゆらぎが大きく、患者Ａに対するアモキサピン（２３ｍｇ×３）及びイミプラミン（１０ｍｇ×６）の併用投与は、有効性が高いと判定できる。一方、患者Ｂの治療初期ではリアプノフ指数とエントロピーの差（斜線部分）のゆらぎが小さく、クロキサゾラム１ｍｇの投与の有効性は低いと判定できる。
一方、本実施の形態に係る判定方法のもう１つの基準は、エントロピーとリアプノフ指数の差の時間的な変動の方向性である。該差の変動の方向性が大きくなる方向と、小さくなる方向を交互に示す場合、薬物の有効性が高く、該差の変動にこのような「ゆらぎ」が認められない場合、薬物の有効性は低いと判定される。
当該行為の有効性を判定する本実施の形態に係る判定方法では、リアプノフ指数及びエントロピーの測定を薬剤投与前と投与後の少なくとも２回行う。薬物投与後の測定に関しては、１回のみの測定でもよいが、少なくとも２回測定するのが好ましい。少なくとも２回の測定のうち、少なくとも１回の測定は薬物の投与後、薬物の効果が現れると予測される時期或いはその薬物の効果が現れると予測される時期の後に行うことも可能である。薬物の効果が現れると予測される時期には、例えば薬物の投与後有効血中濃度に達していると予測される時期が例示される。薬物の効果が現れると予測される時期の後には、例えば薬物が有効血中濃度未満に低下したと予測される時期が例示される。少なくとも２回のリアプノフ指数及びエントロピーの測定は、薬物の効果が現れると予測される時期に少なくとも２回行ってもよく、薬物の効果が現れると予測される時期に少なくとも１回及び薬物の効果が現れると予測される時期の後に少なくとも１回行ってもよく、薬物の効果が現れると予測される時期に少なくとも１回及び薬物の投与前や薬物投与後であって有効血中濃度に達する前に少なくとも１回測定してもよい。薬物投与後に少なくとも１回測定されたリアプノフ指数及びエントロピーを薬物投与前の結果と比較し、エントロピーとリアプノフ指数の対称性の差の大小及びエントロピーとリアプノフ指数の差の時間的な変動の方向性を調べることで、薬物の有効性を判定できる。薬物投与の影響によるリアプノフ指数及びエントロピーの値の変動までの時間が長い場合には、薬物投与直後から数十分ないし数時間後、場合によっては十数時間から数日後の値を初期値とし、この初期値と、薬物投与から一定期間経過後のリアプノフ指数及びエントロピーの値を比較することも可能である。
なお、リアプノフ指数及びエントロピーの測定は、２回行ってもよく、例えば毎日薬物を服用する場合には、数日間連続して或いは一定の期間をおいて数回測定してもよい。
（実施の形態６）
生体状態の判定システム
以上においては、判定装置の本体１０が、生体状態又は薬効を判定する場合を説明したが、ここではデータ測定と判定処理とを各々別の装置で行う場合に関して説明する。本実施の形態に係る生体状態の判定システムは、通信用インタフェース（図１において図示せず）を備えた本体１０、及び本体１０から遠隔地に設置されている判定処理を行う解析用コンピュータを備えている。本体１０は、通信用インタフェースによって電話回線、ネットワーク回線などの通信回線に接続されており、検出部２０で測定を行って記録部１３に所定のファイル形式で保存したデータを、通信回線を介して、通信回線に接続された解析用コンピュータに伝送する。解析用コンピュータが、受信した測定データを、上記した方法に従って計算処理し、生体状態等の判定を行う。
通信するデータ量を低減するために、判定装置の本体１０が、データ測定と判定処理の一部とを行い、残りの判定処理を解析用コンピュータが行うようにすることも可能である。例えば、第１の実施の形態において、判定装置の本体１０がステップ２１〜２６の処理を行い、その計算結果である重み付きリアプノフ指数λ１ｗ及びエントロピーＥを送信し、解析用コンピュータがステップ２７〜２８の処理を行うようにすることも可能である。例えば、サンプリング周期を５ミリ秒（ｍｓｅｃ）とし、各々の被験体に対して３分間の測定を３回行い、１つの測定データを１バイトで扱う場合、判定装置の本体１０が、各々の被験体に関して３６０００×３バイト＝約１０８キロバイトのデータを処理するのに対して、その計算結果の重み付きリアプノフ指数λ１ｗ及びエントロピーＥは各々３個であり、通信されるデータは各々の被験体に関して６バイトのデータでよいことから、非常に効率的となり、大量の被験体に関するデータの交換が容易になる。
また、複数の依頼元にある本体１０から伝送されたデータに関して、解析用コンピュータが行った判定結果を、各々の本体１０に一意に付与した番号と対応させてデータベースとして保存及び管理することや、判定結果を所定のデータ形式に変換し、通信回線等を介して対応する依頼元の本体１０に伝送することも可能である。また、データの受け渡しは、通信回線を使用せずに、データを記録した記録媒体を運搬することによって行うことも可能である。
以上においては、第１〜第５の実施の形態を各々単独に実行する場合を中心に説明したが、これらの判定方法を組み合わせて行うことも可能であり、第４の実施の形態において説明したように、組み合せて行うことによって、生体状態及び生体状態に影響を及ぼす行為の有効性の判定の信頼性をより高めることが可能になる。
上記した第１〜第４の実施の形態において、データサンプリング周期、１回の測定時間、１セットの測定回数、１ラウンドのセット数は、上記した数値に限定されるものではなく、測定装置の性能などに応じて、または１回の測定にかかる時間及び計算時間が長くなり過ぎない範囲で変更が可能である。また、埋込次元、埋込遅延も上記した数値に限定されるものではなく、計算時間が長くなり過ぎない範囲で変更が可能である。
第１の実施の形態において、８つの領域を２種類に分類したオフセット値は上記した値に限らず、上記以外の異なる２つの値を設定することができる。また、８つの領域の分類は２分類に限らず、更に細かく分類し、各々に対応するオフセット値を設定することも可能である。
第２の実施の形態において、スケーリング係数及びウェーブレット係数として次元の低いものから各々５個の係数を使用したが、より高次元の係数を使用することも可能であり、判定の精度が低くなるが５個よりも少ない個数を使用して判定することも可能である。
第３の実施の形態において、実測データから５０００個のデータを抜き出して新たな時系列データとする場合を説明したが、実測データから連続するデータを抜き出す限りにおいて、５０００個に限らず、それ以外の個数であってもよい。また、抜き出す最初のデータをずらす間隔、即ちベルヌーイシフトの時間間隔は１秒間に限定されない。
また、各々の実施の形態において、生体の状態を判定する最後のステップは、ニューラルネットワークによって行うことも可能である。例えば、入力層、中間層及び出力層を備え、誤差逆伝搬法（ｅｒｒｏｒ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）によって、中間層のニューロンの結合係数（各ニューロンへの入力値から出力値を決定するための係数）を学習によって修正する階層型ニューラルネットワークを使用することができる。例えば、第１の実施の形態の重み付き最大リアプノフ指数の平均値λ１ｗａｖ（ｉ）、第３の実施の形態の自己相似次元αλ１及びαＥ、第４の実施の形態のＦ−定数Ｆ（ｉ）が各々入力される４個のニューロンを入力層に備え、正常及び疾患に対応する２個のニューロンを出力層に備えることができる。このように構成されたニューラルネットワークに対して、判定結果が明確な母集団の測定データを教師データとして使用し、学習させることによって、高精度の総合的な判定を自動的に行うことが可能となる。
以上にのように、第１〜第５の実施の形態によれば、生体の状態を判定することが可能である。特に、第１〜第４の実施の形態１〜４によれば、１回の測定により測定時における生体状態を判定することが可能である点で、より有効である。
また、第１〜第５の実施の形態によれば、この最初の判定後に、例えば生体状態の改善を意図した行為或いは生体状態に悪影響を及ぼす可能性がある行為が行われ、その行為の生体状態改善効果の程度を判定する場合には、当該行為を行った後に生体状態を判定し、当該行為の前後での生体状態を比較して、当該行為の有効性を判定することが可能である。前記行為の有効性の判定の際に、当該行為後の生体状態を同時に判定することができる。
測定可能な生体状態としては、被験体の正常、病態及び非病態（正常ではないが病態前の状態）の精神的状態或いは身体的状態が例示される。精神的状態としては、精神神経疾患（うつ病、躁病、躁鬱病、心身症、精神***病、神経症、不眠症、てんかん、パーキンゾン病、幻覚症、自閉症）のような病態、不安、焦燥感、神経過敏、興奮、神経痛、虚脱感、めまい、頭痛、精神的疲労、引きこもりなどの非病態症状が例示され、身体的状態としては、ガン、狭心症、心筋梗塞、脳梗塞、高血圧、高脂血症、不整脈、高コレステロール血症などの心血管系疾患、慢性肝炎、肝硬変、胃潰瘍、膵炎、糖尿病、慢性腎炎、アレルギー性疾患、ウイルス、細菌、真菌等の感染症、白内障、緑内障などの眼科疾患、不妊症、骨折、腰痛、肩こり、外傷などの疾患、或いはこのような身体的疾患の前段階にある身体的不調状態が例示される。
このような疾患或いは精神的・肉体的不調状態にあると診断された場合、例えば薬物投与、透析、医療器具の使用（例えば、放射線ないしレーザー照射、電気的・磁気的パルスによる治療、リハビリなど）、生体の状態を改善する可能性のある食物の摂取などの疾患の予防又は治療行為、身体的又は精神的刺激の付与行為が例示される。
該行為の生体状態に対する効果の判定は、このような行為の実施後１時間から１０日程度経過後に行うことができる。また、該行為の実施後の生体状態の判定は、１回だけでもよく、複数回行ってもよい。この判定により当該行為が生体状態を正常状態にする「ポジティブ」であると判定される場合には、当該行為は継続して行われることになり、生体状態の変化が見られず（「中立」）或いは悪化する（「ネガティブ」）と判定される場合には、他の行為が選択されることになる。
有効性の判定対称となる薬物としては、全ての疾患を治療するための薬物が含まれ、例えば免疫・ホルモン・神経系関連疾患の治療薬が例示される。具体的には、抗菌剤、抗ウイルス剤、抗真菌剤などの病原生物に対する薬物、抗癌剤、免疫抑制剤、抗炎症剤、抗アレルギー剤、糖尿病治療剤、ホルモン剤、ビタミン剤、輸液、血液製剤、抗血栓薬、抗高脂血症薬、止血薬、造血薬、強心薬、抗不整脈薬、狭心症治療薬、血管拡張薬、降圧薬、利尿薬、気管支拡張薬、消化性潰瘍治療薬、整腸薬、肝疾患治療薬、膵疾患治療薬、睡眠薬、鎮痛薬、抗てんかん薬、向精神薬、抗不安薬、自律神経作用薬、パーキンソン病治療薬、局所麻酔薬、眼科用剤、皮膚科用剤などが例示される。
生体の状態を改善する可能性のある食物としては、いわゆるサプリメントが挙げられ、食物は、固形物又は飲料の形態で提供される。食物には、ビタミン類や、血圧、血中のコレステロール、脂肪、血糖などを低下させる作用、滋養強壮作用、老化防止作用、体重低下作用などが知られている物質を含む抽出物又は食品素材が例示できる。
身体的刺激としては、運動、マッサージ、鍼灸、気温の変化（高温又は低温）などが例示され、精神的刺激としては、音楽、カウンセリングを含む会話、読書などが例示できる。
例えば、音楽療法の効果やヒトの右脳と左脳の活動状態などを判定可能である。図１６は、各年齢、性別の１６人の被験体に対して、一番好きな音楽を聴いている状態で、脈波の時系列データを採取し、ＤＦＡ解析を行って得られた自己相似次元αのグラフを示している。１６人には、健常者、疾患を有する人、疾患を有していた人、体調の良い人、体調の悪い人が含まれている。解析の結果、特に体調の良くない人に、ゆらぎ指数の大きい変化が見られ、音楽を聴くことによってαが１．０に近づいてくる、即ち自律神経のゆらぎが１／ｆ法則に近づいてくることが分かった。
また、図１７、図１８は、被験体に絵を見せた場合、又は計算させた場合における、左右手の指尖脈波を測定し、ＤＦＡ解析を行って得られた結果を示している。図１７の表記は図１９と同様であり、グラフの傾きが自己相似次元αを表わしている。左側の上下２つのグラフ、右側の上下２つのグラフは、それぞれ左手、右手の指尖脈波データを解析して得られたグラフであり、上側の２つのグラフ、下側の２つのグラフは、それぞれ絵を見た場合、計算をした場合の指尖脈波データを解析して得られたグラフである。図１８は、５人の被験体に対して、同様の実験を行って得られた指尖脈波データを解析した結果の自己相似次元αのグラフを示している。図１７，１８に示されているように、左右の脳の活動状態を、自己相似次元αの変化として観測可能である。
以上、本発明に係る実施の形態に関して説明したが、以下においては、本発明を具体的に適用した実施例に関して説明する。
（実施例１）
第１の実施例として、うつ病患者Ａ（５６歳男性）に関する判定例を示す。この患者は医師によりうつ病と診断され、Ｂｅｎｚｏｄｉａｚｅｐｉｎｅ系のＡｌｐｌａｚｏｌａｍ（ソラナックス）０．４ｍｇ ｘ ３，Ｂｒｏｍａｚｅｐａｎ（レンドルミン）０．２５ｍｇ ｘ １、抗うつ薬のＭａｐｒｏｔｉｌｉｎｅ（ルジオミール）２５ｍｇ ｘ ５，Ａｍｏｘａｐｉｎｅ（アモキサピン）２５ｍｇ ｘ ３，Ｉｍｉｐｒａｍｉｎｅ（トフラニール）１０ｍｇ ｘ ６が処方されていた。この患者の脈波をコンピューターコンビニエンス社製の脈波収集装置を使用して特許番号１８９１５３４に記したように測定し第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフを作成すると、図１９に示したように矢印の部分に投薬による効果を表す臨界点が見られる。また、図２０、図２１は、それぞれ第３の実施の形態におけるミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。図２１に示すように、マクロ的なリアプノフ指数のＤＦＡ解析結果のαに関しては、前半と後半とで傾きが変わっており、前半が０．５６３であり、後半が０．７６７で１に近づいていることから、患者の状態が改善していることがわかる。実際に、この患者の臨床症状と自覚症状は、完全に回復した。
（実施例２）
第２の実施例として、上記とは別のうつ病患者Ｂ（５８歳男性）に関する判定例を示す。図２２は、患者Ｂに関する測定データを、第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフにしたものである。また、図２３、図２４は、それぞれ第３の実施の形態のミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２２から、ミラーダイナミクスパターンは全体的に弱く（グラフの右端の最後の部分にしか見られない）、回復はすぐには見込めない状態だと判断される。
図２４に示すマクロ的なリアプノフ指数とエントロピーのＤＦＡ解析結果αは、どちらも小さい値であることから、投薬効果、患者の状態とも悪い状態だと判断される。実際に、患者Ｂにはクロキサゾラム（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２の投与が行われたが、臨床症状と自覚症状は回復せず、この測定の３ヶ月後も臨床症状の変化は見られなかった。
以上の２つの実施例から分かることは、生体はカオス性の指標であるリアプノフ指数とエントロピーを対称的に変化させることで、単なる分子集合の非平衡開放系とは異なっており、この性質が生命の健全性を示すバロメーターとなっていることである。従って、この対称的なゆらぎの変化が見られなかった患者Ｂは数ヶ月後の臨床症状の改善が見られず、この状態が見られた患者Ａは数ヶ月後に完全に改善した。
（実施例３）
第３の実施例として、第１の実施例と同じうつ病患者Ａ（５６歳男性）に関する判定例を示す。この患者の脈波を８月７日、実施例１と同様に測定し、リアプノフ指数を計算した。約１０分おきの３回の計算値は、図２５に示したように０．９８，１．１６，０．７１であった。また、その時のエントロピーは、上記した方法によって算出すると、５．００，４．９６，４．９５であった。また午後４時の測定値は、リアプノフ指数が１．９７，１．１５，０．７６であり、エントロピーは、４．７２，３．９８，５．２９である。このときのエントロピーとリアプノフ指数を図２５に示すように、重ねて示すと８月８日、８時４０分からの４回の測定値はエントロピーが、５．４５，５．３０，５．１７，５．２２となり、リアプノフ指数は、０．５９，０．７５，−０．６２，−０．６４となり大幅に両指数の差が広がっている。８月９日は朝から夕方にかけて、徐々に差が縮まり、逆に８月１０日は３回目測定まで差が広がり、４回目で差が縮まり、５回目でまた開くというように、この両指数はゆらぎながら変動している。もしこれを、リアプノフ指数だけに限って見てみると８月７日から８月１１日にわたっての測定値で、１回の測定群内のバラツキは各測定群間のバラツキとほぼ等しく、ゆらぎがある状態とはとても言えない。この状態は臨床的には最悪期を脱したとはいえ臨床症状からも、患者の自覚症状からも改善の兆しがほとんど見えない状態であった。しかしこのような両指数のダイナミックな変動が１ヶ月から２ヶ月続くあいだに、実施例１において示したように、患者Ａの臨床症状と自覚症状は、完全に回復した。
このようなダイナミズムが改善の前兆であることは、これから述べる多くの臨床例からも支持されている。従ってリアプノフ指数だけの変動ではわからない両指数のダイナミズムをみることが薬剤の短期効果と長期効果の予測になることが明らかになった。
次に、どのぐらいのゆらぎがあれば良いかは、次の実施例４との比較からも明らかになる。
（実施例４）
第４の実施例として、第２の実施例と同じうつ病患者Ｂ（５８歳男性）に関する判定例を示す。図２６に示すように１１月１０日から１２月１日までの測定を通じて、ほとんどゆらいでいない。１１月１０日ではリアプノフ指数は、−０．８８，０．２５，２．１６，１．２７，２．４９であり、その時のエントロピー値は、４．２０，４．５６，５．０５，４．７８，４．９６であった。図２のように重ねると、１群の測定値（２回から５回）の間で、全てで差があるのは、最初の２点のみであり、この差はエントロピー値で約０、２５、リアプノフ指数値で約１であるが、１１月１０日から１２月１日の測定にわたって完全に差がある測定群はない。
これに反して患者Ａの場合、８月７日と８日の測定値を重ねた場合エントロピー値で約１、リアプノフ指数値で約４の差がある。２つの図を比べた場合の図１の見た目のダイナミックな変動は、実際の数字にすると上記のようになるが、ゆらぎのある、なしにとってのもう１つの判断は時間的な変動の方向性があるかどうかにかかっている。この例では、患者Ａが１日又は２日の測定群間で、変動の方向性が大きくなる方向と、小さくなる方向を示したが、患者Ｂでは測定群間でこのような方向性は全く観察されなかった。即ち、患者Ａで見られたレベルのゆらぎはなかったということになる。上記したように、患者Ａは、９月から１０月にかけて徐々に服用薬剤を減量し、１０月には医師側の判定も患者Ａの自覚症状も完全に回復した。１０月２日から１０月３１日の両指数の動きを図３に示す。
図２８は図２５（８／７−８／１１）、図２７（１０／２−１０／３１）のリアプノフ指数を比較したものであるが、図２５が０〜２の間の変動であったのに対して、図２７は約０〜６の間の変動になっており、絶対値（平均値）としてのリアプノフ指数の上昇がみられる。一方、同じ時期のエントロピー値は、図２５のおおむね４．５〜５．５の変動に対して、図２７はおなじ領域で全体的に低くなっていることがわかる。患者Ｂはこの測定の３ヶ月後も臨床症状の変化はなかった。
以上の第３及び第４の実施例からも、第１及び第２の実施例と同様に、生体はカオス性の指標であるリアプノフ指数とエントロピーを対称的に変化させることで、単なる分子集合の非平衡開放系とは異なっており、この性質が生命の健全性を示すバロメーターとなっていることが分かる。
以上述べたことから言えることは、薬剤が効果があるかどうかは投薬後数時間から数日又は後に述べる例では数１０分後のリアプノフ指数とエントロピーの対称的なダイナミズムが観察できるかどうかで、判断でき、長期的な効果もこのダイナミズムを保てば両指標の絶対値の正常化として判断出来る。
これとは別に、図２９に示す患者Ｂのリアプノフ指数は、基線の動揺を除去するためのハイパスフィルター（１ヘルツ）（前述のＣｈａｏｓ Ｔｈｅｏｒｙ Ｔａｍｅｄ，ｐ１５３）をかける前の値を示しており、１回の測定群内の値でも０に近い値から１０以上と著しい変動を示している。単なるゆらぎの大きさでは、これ以上の大きな変動は考えられない程の大きなゆらぎでありフィルターをかけた後の減少幅は正常値に比較すると異常に大きい。この減少がこの患者のカオス性の異常を代表しており医師の診断とは逆にこの患者の***病的な傾向を表している。このデータはもう一方で、単なるリアプノフ指数だけのゆらぎでは健全性の指標にならないことを示している。患者Ａのフィルター処理をしたグラフは、ほぼフィルターなしのグラフと対称的なダイナミズムと絶対値の改善の点では一致していることからも、この減少が患者Ｂの状態を的確に表現するものといえる。
また図１５は、患者Ａと患者Ｂのエントロピーとリアプノフ指数（λ１）の変化の推移を示し、エントロピーとリアプノフ指数（λ１）の差（斜線部分）が変動している患者Ａはアモキサピン（２５ｍｇ×３）及びイミプラミン（１０ｍｇ×６）の併用が有効であることを示し、患者Ｂに関してはエントロピーとリアプノフ指数（λ１）の差（斜線部分）の変動が少なく、クロキサゾラム（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２の投与が有効でないことを示す。
産業上の利用可能性
本発明の生体状態の判定方法によれば、ヒトなどの被験体の測定時点での生体の精神的或いは身体的状態、例えば疾患の有無、疾患がある場合にはその程度、疲労度などを正確に判定することができる。また、本発明の判定方法を用いれば、薬物投与、運動、外部からの刺激（音楽、騒音、会話、高温ないし低温、湿度、明暗（照度）など）を与える行為の前後で生体状態を測定することで、これらの行為の生体状態に対する影響を判定することができる。このような判定方法は、医師による病気の診断支援システム、薬物選択、投与スケジュールの決定、ガンなどの疾患の早期診断などに有用である。
また、判定処置をニューラルネットワークによって実行させ、生体状態に関する信頼できるデータを新しく取得する毎に、そのデータを用いて学習させ、ニューラルネットワークの内部状態を修正することによって、判定精度をさらに向上させることができる。
本発明の方法によれば、生体状態が正常（改善）の方向に向かうのか、異常（悪化）の方向に向かうのかを判定できるので、これにより成人病等の慢性疾患、うつ病（躁鬱病）、精神***病、ノイローゼなどの精神神経疾患、登校ないし出社拒否（引きこもり）などの疾患ないし問題行動を予防ないし改善するのに威力を発揮し、医療費を含めた生体状態の悪化に伴う社会的コストを低減することができる。
本発明によれば、例えば薬物投与、透析、医療器具の使用などの治療手段の有効性に関し、治療手段を実施する初期の段階において個別の被験体に対する有効性を判定することができ、有効な治療手段の早期選択を促し、患者の利益と医療コストの低減を計ることができる。
本発明によれば、判定基準を算出するための母集団を変更することによって、種々の生体状態の判定に対応することができ、種々の分野において有効に利用され得る。また、同じ生体状態の判定を行う場合において、国、地域、時代などによってその基準が変化することがあるが、本発明は、判定基準を算出するための母集団を変更することによってこれに柔軟に対応することができる。
本発明によれば、多数の平均値を正常値とした従来法と異なり、特定データの絶対値と他データとの相対関係を組み合わせることで、一人一人異なるテイラーメイド診断を可能とし、信頼性の高い有効性の判定が可能となる。
【図面の簡単な説明】
図１は、本発明の第１の実施の形態に係る生体状態の判定装置の概略構成を示すブロック図である。
図２は、図１に示した生体状態の判定装置において実行されるＭ−ｓｙｍｍｅｔｒｙ法を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図３は、最大リアプノフ指数とエントロピーとを軸として２次元平面にプロットした図（Ｍｉｒｒｏｒ対称図）である。
図４は、ステップ２８によって得られるプロット図の一例を示す。
図５は、図１に示した生体状態の判定装置において実行されるウェーブレット変換を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図６は、スケーリング係数Ｓ２（λ１）の時系列波形とＳ２（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データ、及び各々のウェーブレット係数Ｗ２（λ１）の時系列波形とＷ２（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データを示す。
図７は、図１に示した生体状態の判定装置において実行されるパワーロウ（Ｐｏｗｅｒ−ｌａｗ）即ちＤＦＡ解析法を使用する生体状態の判定方法における、ＣＰＵ１１が行う処理を示すフローチャートである。
図８は、図６と同じ投薬実験データのマクロ的なＤＦＡ解析の結果を示している。
図９は、図１に示した生体状態の判定装置において実行されるヒグチフラクタル次元を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図１０は、ヒグチフラクタル次元ＤのＤ１及びＤ２を表す。
図１１は、一定のＦ値の各々に対応する直線を示したグラフである。
図１２は、ステップ５６の比較結果を示す。
図１３は、ステップ５７において作成されるグラフを示す。
図１４は、エントロピー及びリアプノフ指数と、生・死の状態の関係を示す概念図である。
図１５は、患者Ａと患者Ｂのエントロピーとリアプノフ指数（λ１）の変化の推移を示す。縦軸はリアプノフ指数を示し、横軸は測定日を示す。
図１６は、各年齢、性別の１６人の被験体に対して、一番好きな音楽を聴いている状態で、脈波の時系列データを採取し、ＤＦＡ解析を行って得られた自己相似次元αのグラフを示している。
図１７及び図１８は、被験体に絵を見せた場合、又は計算させた場合における、左右手の指尖脈波を測定し、ＤＦＡ解析を行って得られた結果を示す。
図１９は、ウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねて作成したグラフである。図１０に示したように矢印の部分に投薬による効果を表す臨界点が見られる。
図２０及び図２１は、それぞれＤＦＡ解析におけるミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２２は、患者Ｂに関する測定データを、第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフにしたものである。
図２３及び図２４は、それぞれ第３の実施の形態のミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２５は、うつ病患者Ａの８月７日〜８月１１日のリアプノフ指数とエントロピーの値を示す。図２５中、◆はエントロピーを示し、●はリアプノフ指数を示す。また、横軸は測定日を示し、縦軸はエントロピー（３〜７）及びリアプノフ指数（−４〜１２）を示す。
図２６セパゾン（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２を投与したときの、うつ病患者Ｂの１１月１０日、１７日、２０日、２７日、２９日及び１２月１日のリアプノフ指数とエントロピーの値を示す。図２６中、▲はエントロピーを示し、◆はリアプノフ指数を示す。また、横軸は測定日を示し、縦軸はエントロピー（３．５〜７．５）及びリアプノフ指数（−２．０〜１２．０）を示す。
図２７は、患者Ａの１０月２日、１３日、１９日、２５日及び３１日のリアプノフ指数とエントロピーの値を示す。図２７中、◆はエントロピーを示し、●はリアプノフ指数を示す。
図２８は、患者Ａの８月７日〜８月１１日のリアプノフ指数（●）と１０月２日、１３日、１９日、２５日及び３１日のリアプノフ指数（◆）を示す。
図２９は、患者Ｂのハイパスフィルター（１ヘルツ）をかける前のリアプノフ指数を示す。
図３０は、ミラー値による正常、ＤＰ（うつ病）、ＳＰ（***病）の分析結果を例示する。
本発明は、生体状態の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体に関する。なお、本明細書において、最大リアプノフ指数（λ１）を単にリアプノフ指数と記載することがある。
背景技術
生体の解糖系や酵素の動態、細胞内ｃＡＭＰ、カルシウムイオンの動き等は早くから非平衡なエネルギー状態とシグナル伝達系のフィードバック、クロストークなどと呼ばれる干渉効果によって、カオス的なＯｓｃｉｌｌａｔｉｏｎ（振動）を示すことはよく知られていることである（Ａｌｂｅｒｔ Ｇｏｌｄｂｅｔｔｅｒ，Ｂｉｏｃｈｅｍｉｃａｌ Ｏｓｃｉｌｌａｔｉｏｎｓ ａｎｄ ｃｅｌｌｕｌａｒ ｒｈｙｔｈｍｓ−Ｔｈｅ ｍｏｌｅｃｕｌａｒ ｂａｓｉｓ ｏｆ Ｐｅｒｉｏｄｉｃ ａｎｄ Ｃｈａｏｔｉｃ ｂｅｈａｖｉｏｒ−Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ）。この非平衡でゆらぎを含んでＯｓｃｉｌｌａｔｅするシステムは生命そのものであり、生命の適応能力はカオス的なゆらぎで測られる（Ｗｅｉｍｉｎｇ Ｙａｎｇ，Ａ．Ｊ．Ｍａｎｄｅｌｌ ｅｔ．ａｌ．Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ，Ｖｏｌ．５１，Ｎｕｍｂｅｒ１，ｐ１０２−１１０，１９９５）。
健康（正常）な時と病態などの非正常時でカオス的なゆらぎに差があるものとして、次の項目が知られている。（Ｗ．Ｙａｎｇ，同上）
１） 血液関連疾患時の各種の細胞数の経時変化のゆらぎ
２） 薬物刺激時の動物の行動パターンや脳内酵素、脳内レセプターの存在パターンの時間的変化
３） 種々の心疾患時の心拍間隔のパターン
４） 各種刺激感受性生物反応がある刺激に脱感作された時のその持続時間の変化
５） 実験癲癇
６） 神経内分泌細胞が突然変異してガン化したときのホルモン分泌パターン
７） 心移植の拒絶反応の予測に役立つ心電図のパターン
８） 神経変異性疾患時の脳波パターン
９） 加齢に伴なう神経内分泌パターン、心電図、脳波
１０）切迫した心室細動時の心電図パターン
このように病態生理学的にも、カオス的なゆらぎの喪失が病態の原因の１つであると考えられる例は数多く知られている。生命の存在原理が自己組織化と呼ばれるゆらぎを含んだ振動統合であることは、プリゴジンの定式化を始め多くの人達の指摘するところであり、神経−ホルモン−免疫系関連薬剤のデータが支持することである。従って、ゆらぎの喪失と病態の関係は生命現象のほとんどすべての範囲にわたっていても驚くにはあたらない。神経−ホルモン−免疫系や心臓の拍動などもカオス的ゆらぎを保つことで健全性を維持していることを表しており、精神・神経・免疫関連疾患や特発性周期疾患もカオス性を保つことが治療と予防につながることを示している。これらの薬剤が示す臨床効果と基礎の動物実験の効果は、これを改善した結果であると考えられる。
脳、神経関連疾患の分野では、脳波や指尖脈波のカオス測定と解析法の進歩によって、例えば神経系のもっている非線形性の全体像を、神経細胞内のイオン濃度、膜電位、シナプス電流、シナプス結合の強さ、新しく生じたシナプス結合、神経系の環境を作る様々な物質、入力信号等々によって、系の巨視的な状態がドラマチックにかつ多様に変化する全体像として把握できることが明らかになっている（合原一幸編、ニューラルシステムにおけるカオス、東京電機大学出版局）。
指尖脈波は、指先の毛細血管を流れる血液の時間的変化を赤外線センサーをつかって、例えば、１分間測定して得られる２次元の電気信号の波形を数学的に４次元のアトラクターとして表示すると共に、そのカオス解析を行うことにより、生体の全体状況の指標の１つにするものである。指尖脈波は少なくとも３コの脈波成分、心臓の拍動成分、呼吸成分、ホルモンによる血管壁への作用成分の３つからなっていると考えられている。それぞれ異なる基本周波数をもつと考えられる、これらの振動成分が統合されて表現されているいるのが、指尖脈波カオスである（金子邦彦、津田一郎 複雑系のカオス的シナリオ、朝倉書店）。
従って、脈波カオスによって表現される生体情報は、中枢神経系と末梢循環器系、代謝系の相互作用の全体像として表現されている。このことが心電図で現われるカオスと比べて、脈波カオスがより精神状態を反映する理由になっている。指尖脈波のカオス解析とその臨床応用に関しては、津田、田原等の論文に詳述されている（Ｉｃｈｉｒｏ Ｔｕｄａ，Ｔａｋａｓｈｉ Ｔａｈａｒａ Ｃｈａｏｔｉｃ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｈｕｍａｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ ａｎｄ ｉｔｓ Ｄｅｐｅｎｄｅｎｃｅ ｏｎ Ｍｅｎｔａｌ ａｎｄ Ｐｈｙｓｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ ｂｉｆｕｒｃａｔｉｏｎ ａｎｄ Ｃｈａｏｓ，Ｖｏｌ，２，Ｎｏ２，３１３−３２４，１９９２）（Ｔａｋｅｏ Ｓｕｍｉｄａ ｅｔ．ａｌ．Ｍｅｎｔａｌ Ｃｏｎｄｉｔｉｏｎｓ Ｒｅｆｌｅｃｔｅｄ ｂｙ ｔｈｅ Ｃｈａｏｓ ｏｆ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ，ｉｂｉｄ．Ｖｏｌ．１０，Ｎｏ．９（２０００）２２４５−２２５５（田原孝、臨床におけるカオスの応用、バイオメカニズム学会誌、Ｖｏｌ １９，Ｎｏ２，１０５−１１６，１９９５）。
これらの論文の中で、指尖脈波の中に含まれる決定論的カオスは脳波や心電図でも観察できるカオスと本質的に同じであり、人の精神、心理状態、病気、成熟に関係するとされている。神経症やうつ病患者の臨床症状とカオス性の１つの指標であるリアプノフ指数（λ１、λ２）の動きはパラレルであり、症状の改善に伴なってλ１は増加しλ２は減少する。又、アトラクターの構造も病状の改善に伴なって、弱い単純な構造から強い複雑な構造に変化する。
このように、リアプノフ指数が生体の自己組織化能や健全性の１つの指標になることは、今まで述べたことから示唆されることであった。しかしカオス性の指標であるリアプノフ指数の本来の意味は、システムの時間的な非周期性の大きさを表しており、このような指標は時間的にもフラクタルな変化をしていることは、システムがカオス性を示す以上当然のことであると考えられる。また、我々のデータもそのことを示している。従って、このような指標だけを単独に測定して、そのシステムの健全度を測ることは、長期にわたって何回も異なる間隔で測定をくりかえすことによってのみ可能になるような性質のものである。従って、このような指標を臨床診断の場で使うことは、かなり限定された意味しかもちえないものであった。
本発明は、生体状態を判定する方法、及び、ある行為が生体状態にどのような影響を及ぼすのかを判定する方法を提供することを目的とする。
また、本発明は、このような判定方法を実行するための判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体を提供することを目的とする。
発明の開示
本発明者は、上記課題に鑑み、生体状態を正確に判定する手法について検討を重ねてきた。その結果、脈波などの生体信号の時系列データから一定時間ごとのリアプノフ指数とエントロピーの平均値を求め、これら２種のデータのＭ−Ｓｙｍｍｅｔｒｙ法、Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ（ウェーブレット法）、Ｍｉｒｒｏｒ Ｖａｌｕｅ（ミラー値）に基づく方法を用いた対称性分析、並びに／或いは、同じ生体信号からベルヌーイシフトを行って、リアプノフ指数とエントロピーの時系列データを求め、これら相関性を求めることにより、良好ないし正常な生体状態と、精神あるいは身体のいずれかの部分に良好でない又は正常でない（疾病状態を含む）部分があるのかを容易に判定できることを見出した。
また、生体信号の時系列データをＦ−ｓｙｍｍｅｔｒｙ法に基づき分析してヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元の比（Ｄ１／Ｄ２）を算出し、この比を用いた対称性分析をさらに組み合わせることで、判定の精度を著しく向上できることを見出した。
さらに、生体状態の判定後、生体状態に影響を与える可能性のある行為を行った後、さらに生体状態を判定し、該行為の有効性を判定できることを見出した。
本発明は、以下の生体状態の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体を提供するものである。
（１） 被験体の生体信号の時系列データから得られるカオス性を表現可能な指標である（１）リアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、（２）ヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元を用いることを包含する生体状態の判定方法。
（２） 被験体の生体信号の時系列データから得られるリアプノフ指数とエントロピーの相関性及び／又は対称性を分析する工程、及び該相関性及び／又は対称性の分析結果に基づき生体状態を判定する工程を包含する（１）に記載の方法。
（３） 前記リアプノフ指数と前記エントロピーの相関性をＤＦＡ解析法（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）を用いて分析する（１）に記載の方法。
（４） 前記ＤＦＡ解析法が、マクロＤＦＡ解析を行う工程、及びミクロＤＦＡ解析を行う工程を包含する（１）に記載の方法。
（５） 前記リアプノフ指数と前記エントロピーの対称性をＭ−ｓｙｍｍｅｔｒｙ法、ウェーブレット（Ｗａｖｅｌｅｔ）解析法及びミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）に基づく方法からなる群から選ばれるいずれかの方法を用いて分析する（１）に記載の方法。
（６） 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値（Ｏｓ）を決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する工程と、
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する工程とを包含する（１）に記載の方法。
（７） 前記ヒグチフラクタル次元として、２つのヒグチのフラクタル次元の比（Ｄ１／Ｄ２）及び／又はＦ−定数を用いる（１）に記載の方法。
（８） 被験体の生体信号の時系列データをＦ−ｓｙｍｍｅｔｒｙ法を用い、Ｈｉｇｕｃｈｉのフラクタル次元の比（Ｄ１／Ｄ２）を算出する工程をさらに含み、リアプノフ指数とエントロピーの相関性及び／又は対称性とＨｉｇｕｃｈｉのフラクタル次元の比（Ｄ１／Ｄ２）に基づき生体状態を判定する（１）に記載の方法。
（９） 前記生体信号の時系列データが脈波から得られる（１）に記載の方法。
（１０） 前記生体状態が、被験体の疾病及び非疾病の精神的状態或いは身体的状態である（１）に記載の方法。
（１１） （１）に記載の方法に従いある時点での生体状態を判定する工程、生体状態を変化させる可能性のある行為を行う工程、該行為の後に生体信号の時系列データを分析してリアプノフ指数とエントロピーの相関性及び／又は対称性を測定する工程、前記行為の前後におけるリアプノフ指数とエントロピーの相関性及び／又は対称性を比較して前記行為の生体に対する影響がポジティブであるかネガティブであるか中立（不変）であるかを判定する工程を包含する生体状態に影響を及ぼす可能性のある行為の有効性の判定方法。
（１２） 前記行為が、薬物投与、透析、医療器具の使用（例えば、放射線ないしレーザー照射、電気的・磁気的パルスによる治療、リハビリなど）、生体の状態を改善する可能性のある食物の摂取などの疾患の予防又は治療行為、身体的又は精神的刺激の付与からなる群から選ばれる（１１）に記載の方法。
（１３） 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する工程とを含む（１）に記載の方法。
（１４） 被験体の生体信号の時系列データの計算結果に対してニューラルネットワークによって判定を行う（１）又は（７）に記載の方法。
（１５） 被験体の生体信号の時系列データを基に該生体の状態を判定する生体状態の判定装置であって、
処理部及び検出部を備え、
前記処理部は、前記検出部を制御して前記時系列データを採取し、該時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体状態の判定装置。
（１６） 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、通信回線を介して前記時系列データを前記判定装置に伝送し、
前記判定装置は、伝送された前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。
（１７） 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、通信回線を介して前記計算結果を前記判定装置に伝送し、
前記判定装置は、伝送された前記計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。
（１８） 前記判定装置は、前記判定の結果を前記測定装置に伝送する（１６）または（１７）に記載のシステム。
（１９） 被験体の生体信号の時系列データを基に該被験体の状態を判定する生体状態の判定装置に、
前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算する機能を実現させることを特徴とする生体の状態判定プログラム。
（２０） 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値を決定する機能、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する機能、及び
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する機能をさらに実現させる（１９）に記載のプログラム。
（２１） 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する機能をさらに実現させる（１９）に記載のプログラム。
（２２） 前記リアプノフ指数及び前記エントロピーに関してマクロＤＦＡ解析及びミクロＤＦＡ解析を行う機能をさらに実現させる（１９）に記載のプログラム。
（２３） 前記時系列データからヒグチフラクタル次元及びＦ−定数を計算する機能を実現させる（１９）に記載の生体状態の判定プログラム。
（２４） （１９）〜（２３）の何れかの項に記載の判定プログラムを記録したコンピュータ読み取り可能な記録媒体。
発明を実施するための最良の形態
以下、本発明を実施するための最良の形態について、図面を参照しながら説明する。
カオス性の１つの指標であるリアプノフ指数は多数あるが、ここでは最大リアプノフ指数（λ１）を用いる。以下においては、ウォルフの第１リアプノフ指数（λ１）を単にリアプノフ指数として記載する。また、特に断らない限り、リアプノフ指数は最大リアプノフ指数を意味する。
リアプノフ指数及びエントロピーは、脈波、心電図、脳波、心拍数などのカオス・ゆらぎの生体信号の時系列データの測定値から導くことができる。生体信号としては脈波が特に好ましいが、他の生体信号を用いることも可能である。
脈波は、指先から得られる指尖脈波が好ましいが、指先以外の生体表面の計測部位（耳たぶ、掌、指の付け根部分（指輪の位置））で測定してもよい。
脈波測定装置としては、コンピューターコンビニエンス社製の脈波収集装置（Ｂａｃｓ ｄｅｔｅｃｔｏｒ）を例示することができる。脈波からのリアプノフ指数及びエントロピーの算出手順は後述するが、リアプノフ指数は、例えば特許番号１８９１５３４号（特開平４−２０８１３６号公報）明細書の記載に従って、算出することができる。また脈波からのエントロピーの算出は公知の方法（Ｉｃｈｉｒｏ Ｔｕｄａ，Ｔａｋａｓｈｉ Ｔａｈａｒａ Ｃｈａｏｔｉｃ Ｐｕｌｓａｔｉｏｎ ｉｎ Ｈｕｍａｎ Ｃａｐｉｌｌａｒｙ Ｖｅｓｓｅｌｓ ａｎｄ ｉｔｓ Ｄｅｐｅｎｄｅｎｃｅ ｏｎ Ｍｅｎｔａｌ ａｎｄ Ｐｈｙｓｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ ｂｉｆｕｒｃａｔｉｏｎ ａｎｄ Ｃｈａｏｓ，Ｖｏｌ，２，Ｎｏ２，３１３−３２４，１９９２）に従い算出することができる。
好ましい１つの実施形態において、脈波などの生体信号の時系列データの測定は、通常１分以上行うことができ、好ましくは約３分から３０分程度の時間、連続して或いは２〜１８回に分けて測定することができる。１回の連続的測定時間は、１分以上であるのが好ましく、特に２〜５分程度がよい。特に好ましくは、１分×３回の測定を１セットとし、３セットのデータを測定し、解析することである。
本発明の判定方法の被験体は、主としてヒトの被験体を対象としているが、ウシ、ウマ、イヌ、ネコ、ブタ、マウス、ラット、モルモット、ウサギなどの哺乳動物の被験体について適用することも可能である。
リアプノフ指数とエントロピーを用いる本発明の判定方法では、例えばあるヒト被験体が第１生体状態と第２生体状態のいずれに属するかを判定する場合、予め第１生体状態に属する被験体と、第２生体状態に属する被験体について予めリアプノフ指数とエントロピーに基づき判定基準を決定し、次に各被験体のリアプノフ指数とエントロピーを分析し、該判定基準に従って生体状態が第１の生体状態か第２の生体状態かを判定する。判定される生体状態がｎ個（ｎは３以上）ある場合には、第１の生体状態からｎ番目の生体状態について予め判定基準を作成し、同様に判定することができる。リアプノフ指数とエントロピーに代えて、ヒグチフラクタル次元を用いる場合にも、同様に判定することができる。
判定対象となる生体状態は、正常と非正常（例えば疾患）を判定することも可能であるが、例えば被験体がうつ病又は精神***病のいずれかの精神状態にあることがわかっている場合には、うつ病を第１の生体状態、精神***病を第２の生体状態として判定することも可能である。
判定基準を決定するための各生体状態の被験体の数は、多い方が正確に判定するために好ましく、例えば５以上、好ましくは１０以上、より好ましくは２０以上である。この被験体数は、判定の開始時の数であり、判定後の被験体は各々の生体状態の基礎データとして記録し、各生体状態の母集団を判定の実施によって増大させていくことで、より正確な判定が可能となる。また、特に精神状態などにおいて正常と非正常（例えばうつ病）の基準が変わったり、新たな病名が付与されたりする場合には、判定基準を決定するための各生体状態の基礎データを変更することも可能である。
本発明において生体状態の判定基準は、各生体状態の被験体に関する測定データから計算されたリアプノフ指数とエントロピーに基づき、好ましくはリアプノフ指数とエントロピーの対称性及び／又は相関性の分析を行い、対称性及び／又は相関性の分析結果に基づき判定基準を準備する。被験体についてリアプノフ指数とエントロピーの対称性を分析する方法として、Ｍ−ｓｙｍｍｅｔｒｙ法、ウェーブレット（Ｗａｖｅｌｅｔ）法を用いる。相関性の分析方法としては、ＤＦＡ（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）解析法や長距離相関を用いる解析法などが使用され得るが、ＤＦＡ解析法を用いることが好ましい。また、本発明における別の判定基準として、各生体状態の被験体に関する測定データからヒグチフラクタル次元を計算し、これから導出される指標であるＦ−定数を判定に使用する（Ｆ−ｓｙｍｍｅｔｒｙ法）。生体状態の判定又は生体に対する行為の有効性の判定において、これらの方法を単独で、又は２種以上を組み合わせて用いることができる。
（実施の形態１）
生体状態の判定装置
図１は、本発明の第１の実施の形態に係る生体状態の判定装置の概略構成を示すブロック図である。本実施の形態に係る生体状態の判定装置は、本体部１０、検出部２０及び通信ケーブル２１から構成されている。
本体部１０は、中央演算処理部１１（以下、ＣＰＵと記す）、メモリ部１２、記録部１３、インタフェース部１４、ビデオ部１５、データバス１６、表示部１７、操作部１８を備えている。検出部２０は、赤外線を放射する発光ダイオード及び発光ダイオードの放射する周波数帯域の赤外線を受信するフォトトランジスタを装備したプローブと、Ａ／Ｄ変換器（いずれも図示せず）とを備えている。
ＣＰＵ１１は本体部１０内部の各部を制御し、このＣＰＵ１１による制御及び各部間のデータ伝送はデータバス１６を介して行われる。ＣＰＵ１１は、インタフェース部１４を介して、操作部１８からの指示を受け付ける。
ＣＰＵ１１は、インタフェース部１４を介して、検出部２０の発光ダイオード及びＡ／Ｄ変換器を制御する。ＣＰＵ１１は、発光ダイオードを制御して赤外線を放射させ、Ａ／Ｄ変換器を制御してフォトトランジスタの受信信号をサンプリングさせ、通信ケーブル２１及びインタフェース部１４を介してサンプリングデータを取得し、記録部１３に記録する。例えば、人体の指先にプローブをセットし、指を透過（又は指内部で反射）した赤外線をフォトトランジスタで受信した信号を、所定の時間間隔でサンプリングすることによって、指先部分の血流状態の変化、即ち指尖脈波データを取得することができる。
ＣＰＵ１１は、記録部１３からデータをメモリ部１２に読み出して、後述する計算等の処理を行った結果を、記録部１３の所定領域に記録する。また、ＣＰＵ１１がビデオ部１５のビデオメモリ（図示せず）に画像データを書き込むことによって、書き込まれた画像データは、ビデオ部１５のビデオ変換器（図示せず）によって表示部１７に適したビデオ信号に変換された後、表示部１７に伝送されて表示される。
リアプノフ指数とエントロピーの対称性分析
（ｉ）Ｍ−ｓｙｍｍｅｔｒｙ（Ｍｉｒｒｏｒ ｖａｌｕｅ ｓｙｍｍｅｔｒｙ）法
上記したように、測定データに関してリアプノフ指数とエントロピーの対称性を分析する方法としてはＭ−ｓｙｍｍｅｔｒｙによる方法がある。Ｍ−ｓｙｍｍｅｔｒｙ法とは、脈波時系列信号から得られるリアプノフ指数及びエントロピーが健常人であれば互いに逆方向へ動くことで複雑系としてのシステムの健全性を保っているという考えに基づいて、この２つの指標（リアプノフ指数及びエントロピー）の対称性を数値化する解析法をいう。具体的なデータ処理の手順に関しては後述する。Ｍ−ｓｙｍｍｅｔｒｙ法では、リアプノフ指数とエントロピーの対称性が、高いほど正常に近く、低いほど正常から離れた状態にあると判定される。
図２は、図１に示した生体状態の判定装置において実行されるＭ−ｓｙｍｍｅｔｒｙ法を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。下記の各ステップにおいて、計算等のデータ処理はメモリ部１２上で実行され、その結果は、次のステップで使用される場合など、必要に応じて記録部１３の所定の領域に記録されるものとする。
先ず、ステップ２１において、複数の被験体に対して指尖脈波の測定を行う。上記したように、検出部２０を制御して各々の被験体に対して指尖脈波の測定を行い、採取した指尖脈波データｗ（ｉ，ｊ；ｋ）を記録部１３に記録する。ここで、ｉは被験体に一意に割り当てた識別番号、ｊは測定回数、ｋはサンプリング順にデータに付したサンプリング番号を表わす。各種の測定条件で指尖脈波データを採取可能であるが、以下においては、サンプリング周期を５ミリ秒（ｍｓｅｃ）とし、各々の被験体に対して３分間の測定を３回行う場合に関して説明する。即ち、各被験体ｉに関して、各々３６０００個のデータからなる３つの時系列データ｛ｗ（ｉ，ｊ）｝が得られる。ここにおいて｛ ｝の記号は、１回のサンプリングデータを時系列データとして表わす記号である。
ステップ２２において、指尖脈波データｗ（ｉ，ｊ；ｋ）を記録部１３から読み出し、埋込次元を４に、埋込遅延τを１０にセットして、データ｛ｗ（ｉ，ｊ）｝から、式１によって４次元ベクトルＶ（ｉ，ｊ；ｋ）（ｋ＝１〜３６０００）を生成する。
最大リアプノフ指数λ１（ｉ，ｊ）は、４次元ベクトルＶ（ｉ，ｊ，ｋ）の各成分ｗ（ｉ，ｊ；ｋ）、ｗ（ｉ，ｊ；ｋ＋τ）、ｗ（ｉ，ｊ；ｋ＋２τ）、ｗ（ｉ，ｊ；ｋ＋３τ）に関して、式２によって計算される４つのλ（ｉ，ｊ）の中の最大のものである。
また、Ｐｋはデータの存在確率を表わす。即ち、エントロピーＥ（ｉ，ｊ）は、４次元ベクトルＶ（ｉ，ｊ；ｋ）の空間をＮ個の小領域に分割し、全データ個数に対する各小領域内に存在するデータ個数の比率によって各小領域のＰｋを表わし、全領域に関してＰｋの和をとることによって得られる。
ステップ２４において、エントロピーＥ（ｉ，ｊ）、最大リアプノフ指数λ１（ｉ，ｊ）を２次元平面にプロットし、全データの重心を計算し、重心を通って、水平線に対して＋４５度と−４５度の境界線を描き、２次元平面（Ｍｉｒｒｏｒ対称図）を図３に示すように所定の点を基準として８つの領域に区分し、領域Ｉ及びＩＩに対してオフセット値（Ｏｓ）を、Ｏｓ＝２とし、その他の領域に対してはＯｓ＝１と設定する。
ステップ２５において、式４によって、ミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）ＭＶ（ｉ，ｊ）を計算する。
ステップ２６において、最大リアプノフ指数λ１（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）が、ステップ２３において決定した領域のどの領域に属するかを考慮して、各（ｉ，ｊ）に関して、式５によって重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）を計算する。
ステップ２７において、重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）、エントロピーＥ（ｉ，ｊ）に関して、ｊ回の測定の平均値λ１ｗａｖ（ｉ）、Ｅａｖ（ｉ）を計算する。
ステップ２８において、縦軸を重み付きリアプノフ指数λ１ｗ（ｉ，ｊ）、横軸をＥ（ｉ，ｊ）として、（ｉ，ｊ）に関してプロットした図を作成し、ビデオ部１５に伝送する。ビデオ部１５に伝送されたデータは、表示部１７上に表示される。
以上によって、得られた重み付きリアプノフ指数の平均値λ１ｗａｖ（ｉ）を、母集団に関して実験的に求められた基準値と比較することにより、被験体ｉの生体状態を判定することが可能となる。実験的に基準値を求める方法は、正常（健康な）被験体の脈波をなるべく多く測定して、重み付きリアプノフ指数を計算しその平均値を基準値とする。重み付きリアプノフ指数の平均値λ１ｗａｖ（ｉ）が、基準値よりも値が大きければ生体状態は良好と判定できる。
また、ステップ２８において得られるプロット図を、母集団に関して実験的に求められた基準線と比較することによっても、被験体ｉの生体状態を判定することが可能となる。実験的に基準値を求める方法は、正常（健康な）被験体の脈波をなるべく多く測定して、プロット図を作成し、その平均値を基準線とする。
図４はステップ２８によって得られるプロット図の一例を示している。例えば、プロットした点が、水平の基準ラインの上方に位置する場合、その被験体の生体状態は正常であると判定でき、下方に位置する場合、異常であると判定することができる。この例では、正常（Ｎｏｒｍａｌ）、うつ病（ＤＰ）、***病（ＳＰ）のデータをプロットしているが、正常が基準線より上、うつ病と***病が基準線より下に８３％の確率で分布している。
（実施の形態２）
ウェーブレット（Ｗａｖｅｌｅｔ）変換を使用する対称性分析
次に、被験体についてリアプノフ指数とエントロピーの対称性を分析する方法としてウェーブレット（Ｗａｖｅｌｅｔ）変換を使用する方法を説明する。図５は、図１に示した生体状態の判定装置において実行されるウェーブレット変換を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ３１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行い、１回３分間の測定３回を１セットとして、等時間間隔で３セット以上の測定が行なわれる。以下において、ｍ（ｍ≧３）をセット番号として、測定データをｗ（ｉ，ｍ，ｊ；ｋ）で表わす。
ステップ３２において、図２のステップ２２と同様に、埋込次元を４に、埋込遅延τを１０にセットして、ステップ３１において測定した指尖脈波データからベクトルデータＶ（ｉ，ｍ，ｊ；ｋ）を生成する。
ステップ３３において、図２のステップ２３と同様に、最大リアプノフ指数λ１（ｉ，ｍ，ｊ）及びエントロピーＥ（ｉ，ｍ，ｊ）を計算し、各々のｉに関して時系列データとして記録部１３に記録する。これによって、１回３分間の測定３回をＮセット行う場合、３Ｎ個のデータからなる時系列データが得られる。
ステップ３４において、ステップ３３で得られた最大リアプノフ指数λ１（ｉ，ｍ，ｊ）及びエントロピーＥ（ｉ，ｍ，ｊ）に関して、ウェーブレット多重解像度分解によって、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）、Ｓ１（Ｅ）〜Ｓ５（Ｅ）及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）、Ｗ１（Ｅ）〜Ｗ５（Ｅ）の時系列波形を計算する。ウェーブレット多重解像度分解は、信号波形を直交関数系で展開する周知の解析方法であり、スケーリング係数及びウェーブレット係数は、展開係数である。
即ち、被験体ｉの測定データに関するスケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）とウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）は、最大リアプノフ指数λ１（ｉ，ｍ，ｊ）を時系列データとみなして、ウェーブレット多重解像度分解によって得られる１次元〜５次元のスケーリング係数とウェーブレット係数である。
また、被験体ｉの測定データに関するスケーリング係数Ｓ１（Ｅ）〜Ｓ５（Ｅ）とウェーブレット係数Ｗ１（Ｅ）〜Ｗ５（Ｅ）は、エントロピーＥ（ｉ，ｍ，ｊ）を時系列データとみなして、ウェーブレット多重解像度分解によって得られる１次元〜５次元のスケーリング係数とウェーブレット係数である。
ステップ３５において、記録部１３から被験体ｉのスケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）、Ｓ１（Ｅ）〜Ｓ５（Ｅ）及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）、Ｗ１（Ｅ）〜Ｗ５（Ｅ）を読み出し、時系列データとみなして、図６に示すように、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の時系列波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データ、及び各々のウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の時系列波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データをビデオメモリ上に作成する。作成されたグラフは表示部１７に表示される。
ステップ３６において、ステップ３５で得られたグラフを元に被験体ｉの生体状態の判定を行う。即ち、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の波形との関係、及びウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の波形との関係によって判定を行う。
例えば、投薬の前後にわたって測定したデータに対して、上記した一連のステップにおいて処理し、表示部１７にスケーリング係数Ｓ１〜Ｓ５、ウェーブレット係数Ｗ１〜Ｗ５、リアプノフ指数λ１、エントロピーＥの時系列波形を表示し、これらの波形相互間の対称性を判定基準として、投薬の効果を判定することが可能である。即ち、投薬後に、スケーリング係数Ｓ１（λ１）〜Ｓ５（λ１）の波形とＳ１（Ｅ）〜Ｓ５（Ｅ）の波形とが交差を繰り返しながら対称に変化し、且つウェーブレット係数Ｗ１（λ１）〜Ｗ５（λ１）の波形とＷ１（Ｅ）〜Ｗ５（Ｅ）の波形とが交差を繰り返しながら対称に変化するようになれば、その投薬に効果があると判定できる。さらに、これらの波形が相互に対称であるほど、投薬の効果が高いと判定することができる。
図６は、がん患者にアガリクスを投薬する前後のリアプノフ指数とエントロピー波形を、上記したように処理して得られた結果の一例を示している。約３週間にわたり、１回１００秒間、１日２回〜９回のデータ測定を行った。図６において、上段の２つの波形Ｏｒｉｇ．ｓｉｇｎａｌ λ１、Ｏｒｉｇ．ｓｉｇｎａｌ Ｅは、それぞれ測定データのリアプノフ指数λ１、エントロピーＥを表わしている。下段の２つの波形は、スケーリング係数Ｓ２、ウェーブレット係数Ｗ２を表わしており、実線がリアプノフ指数λ１に関する係数、破線がエントロピーＥに関する係数を表わしている。
この図から、矢印で示した投薬時以前においては、波形の対称性が低いが、投薬時以後において、波形の対称性が高くなっていることが分かる。即ち、アガリクス投与は一定期間、この２つの指標の対称性ダイナミズムを増強する効果が確認できた。この効果は臨床症状ともよく一致していた。
（実施の形態３）
ＤＦＡ解析法を用いる相関性の分析
次に、相関性の分析方法であるＤＦＡ解析法を用いる判定方法に関して説明する。ＤＦＡ（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）解析法は、１９９３年にＢｕｌｄｙｒｅｖによって、ランダムにみえる２つのゆらぎ信号がどの程度似ているかを判定する指標として導入された。その方法は、ランダムにゆらぐ２つの信号波の標準偏差を、比較する範囲を自在に変えながらプロットするものである。１つのゆらぎ信号を拡大得られる信号波形を、元の信号波形とＤＦＡ法によって比較することにより、このゆらぎ信号の自己相似性、すなわちフラクタル性を評価することができる。しかし実際の生体からの信号は、非定常なゆらぎであるため、このフラクタル性を指数化することは困難であった。
これを可能にしたのは、比較する対象を局所の平均値にしてしまうという、１９９５年のＧｏｌｄｂｅｒｇｅｒらのアイデアによっている。その数式としての表現は、次の２つの式によって表わされる。
この全トレンドからそれぞれの分割トレンドを引き、次式によってＦを計算する。得られたＦは、分割領域のべき乗に比例すると考えられ、この法則をパワーロウ（Ｐｏｗｅｒ−ｌａｗ）と呼ぶ。
このＦ（ｎ）を用いて、ｌｏｇＦ（ｎ）とｌｏｇ ｎのグラフの傾きから、自己相似次元αが計算される。
本実施の形態おいては、例えば脈波に基づく生体信号の時系列データからリアプノフ指数とエントロピーを算出し、ＤＦＡ解析によりリアプノフ指数とエントロピーの自己相似性を求める。該相関性は自己相似次元αにより決定される。
自己相似次元αは、自己相関係数と一定の関係にあり、
０＜α＜０．５の場合、グラフからαが求められない反相関状態、
α＝０．５の場合、無相関（ｗｈｉｔｅ ｎｏｉｓｅ）、
０．５＜α＜１．０の場合、永続的な長周期（長距離）の相関状態、
α＝１．０の場合、１／ｆのゆらぎ又はノイズ状態、
α＞１．０の場合、フラクタル性や自己相似性を表すパワーロウ（Ｐｏｗｅｒ−ｌａｗ）がなくなる状態、
α＝１．５の場合、ブラウン（Ｂｒｏｗｎ）ノイズ状態
をそれぞれ表わしている。
従って、リアプノフ指数の自己相似次元αが生体状態の判定に有効であることが分かる。リアプノフ指数の自己相似次元αは、α＝１．０が、正常状態であり、αが１．０に近づくほどよい状態である。また、エントロピーの自己相似次元αは、α＝１．５が、正常状態であり、αが１．５に近づくほどよい状態である。
また、ある軽度のうつ病患者に関して、αが０．５６３（治療前）から０．７６７（治療後）に変化した事例があり、このことからα値自体の評価に加えて、変化の方向性、即ち生体への行為の前後におけるα値の変化方向も判定に有効であることが分かった。
図７は、図１に示した生体状態の判定装置において実行されるパワーロウ（Ｐｏｗｅｒ−ｌａｗ）即ちＤＦＡ解析法を使用する生体状態の判定方法における、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ４１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行い、１回３分間の測定３回を１セット、３セットを１ラウンドとして、３ラウンド以上、即ち合計２７回以上の測定が行なわれる。以下において、ｍ１（ｍ１≧３）をセット番号、ｍ２（ｍ２≧３）をラウンド番号として、測定データをｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ）で表わす。また、各々の処理において、計算はメモリ部１２上で行われ、計算結果は記録部１３の所定の領域に記録される。
ステップ４２において、記録部１３から読み出した測定データに対して、各１回の測定で得られる３６０００個のデータからなる時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝の中の連続する５０００個のデータｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ１）〜ｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ１＋５０００）を新しい時系列データ｛ｗ’ｎ（ｉ，ｍ２，ｍ１，ｊ）｝として、記録部に記録する。ここで、連続する５０００個のデータの先頭は、元の３６０００個の時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝の最初のデータから、１秒間（２００データ）づつずらして得られるデータとする。従って、先頭データを順に１秒ずつずらすことによって、１個の時系列データ｛ｗ（ｉ，ｍ２，ｍ１，ｊ）｝から、１５６個（＝１＋（３６０００−５０００）／２００）の新しい時系列データ｛ｗ’ｎ（ｉ，ｍ２，ｍ１，ｊ）｝（ｎ＝１〜１５６）が作成される。このデータの先頭位置のシフトを、ベルヌーイシフトと呼ぶ。
ステップ４３において、図２のステップ２３と同様に、埋込次元＝４、埋込遅延＝１０として、新しい時系列データ｛ｗ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）｝（ｎ＝１〜１５６）に関して、ベクトルデータＶ’（ｉ，ｍ２，ｍ１，ｊ，ｎ；ｋ）（ｋ＝１〜５０００）を生成する。
ステップ４４において、図２のステップ２３と同様に、測定データｗ（ｉ，ｍ２，ｍ１，ｊ；ｋ）に関して、式２から最大リアプノフ指数λ１（ｉ，ｍ２，ｍ１，ｊ）を、式３からエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）をそれぞれ計算する。
ステップ４５において、ステップ４４と同様に、各々の｛Ｖ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）｝（ｎ＝１〜１５６）に関して、式２によって得られる４個のリアプノフ指数λ（ｉ，ｍ２，ｍ１，ｊ，ｎ）の中の最大値である最大リアプノフ指数λ１’（ｉ，ｍ２，ｍ１，ｊ，ｎ）、及び式３からエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）を計算する。
例えば、１回３分間の測定３回を３ラウンドを行った場合、最大リアプノフ指数の時系列データ｛λ１’（ｉ，ｍ２，ｍ１，ｊ）｝が２７個（＝ｍ２×ｍ１×ｊ×ｎ、ｍ１＝ｍ２＝ｊ＝３）、及びエントロピーの時系列データＥ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）が２７個得られる。
ステップ４６において、ステップ４４で計算した、２７個の最大リアプノフ指数λ１（ｉ，ｍ２，ｍ１，ｊ）、及び２７個のエントロピーＥ（ｉ，ｍ２，ｍ１，ｊ）に対するマクロ的なＤＦＡ解析を行い、フラクタル自己相似構造を解析する。即ち、上記した式６おいて、λ１（ｉ，ｍ２，ｍ１，ｊ）を時系列データＢ（ｉ）とし、上記した式７を満たすαを計算してαλ１とする。同様に、Ｅ（ｉ，ｍ２，ｍ１，ｊ）を時系列データＢ（ｉ）として、式７を満たすαを計算してαＥとする。
ステップ４７において、ステップ４５で計算した、各々１５６個のデータからなる２７個の時系列データ｛λ１’（ｉ，ｍ２，ｍ１，ｊ）｝、２７個の時系列データ｛Ｅ’（ｉ，ｍ２，ｍ１，ｊ）｝に対して、ミクロ的なＤＦＡ解析を行い、フラクタル自己相似構造を解析する。
即ち、式６において、λ１’（ｉ，ｍ２，ｍ１，ｊ，ｎ）を時系列データＢ（ｉ）として、式７を満たすαλ１’（ｉ，ｍ２，ｍ１，ｊ）を計算する。同様に、式６おいて、Ｅ’（ｉ，ｍ２，ｍ１，ｊ，ｎ）を時系列データＢ（ｉ）として、式７を満たすαＥ’（ｉ，ｍ２，ｍ１，ｊ）を計算する。ここで、Ｎ＝１５６である。これによって、各々２７個のαλ１’（ｉ，ｍ２，ｍ１，ｊ）、αＥ’（ｉ，ｍ２，ｍ１，ｊ）が計算される。
ステップ４８において、ステップ４６及び４７で計算したαの時間変動によって、投薬の効果を判定する。
例えば、投薬の前後の所定期間にわたって測定したデータに関して、ステップ４６で計算したαλ１’及びαＥ’を時間軸を横軸としてプロットして折れ線グラフを作成し、投薬の前後での折れ線グラフの変動をミクロ的に評価することによって、投薬の有効性を判定することができる。
また、投薬の前後の所定期間にわたって測定したデータに関して、ステップ４５で計算したαλ１及びαＥを、投薬の前後で比較することによって、投薬の有効性を判定することができる。
上記した第２の実施の形態において、がん患者にアガリクスを投薬した場合（図６参照）の投薬効果を判定することができることを示したが、図８は、同じ投薬実験データのマクロ的なＤＦＡ解析の結果を示している。図８の縦軸はリアプノフ指数とエントロピーの時系列データから２７個の自己相似次元αを求めこれを１点として表し、３個分づつずらしながら２７個の自己相似次元αをプロトしたものである。これにより投薬効果の時間単位の追跡が可能となった。
即ち、図６でもみられたリアプノフ指数とエントロピーの対称性変化は、図８に示すようにアガリクス投与によりダイナミックに変化し、エントロピー値も最高値を記録している。しかしリアプノフ指数は少し低い状態が続いているためアガリクスの効果の限界も示している。
以上のように、被験体ｉの指尖脈波の測定データを使用して、最大リアプノフ指数λ１及びエントロピーＥに関するαλ１（ｉ）、αＥ（ｉ）、αλ１’（ｉ）、αＥ’（ｉ）を計算し、これらの値の時間変化を観察することとによって、被験体ｉの生体状態や投薬効果を判定することが可能となる。例えば、αλ１（ｉ）、αλ１，ｎ（ｉ）が１に近づくほど、１／ｆノイズ状態に近いと考えられることから、生体の状態が良好であると判定できる。また、αＥ（ｉ）、αＥ，ｎ（ｉ）が１．５に近づくほど、ブラウンノイズ状態に近いと考えられることから、投薬の効果があると判定できる。上記したように、１人の被験体に対して指尖脈波の測定が、２７回以上であれば有効な判定が可能であるが、５４回以上であることがより望ましい。
（実施の形態４）
ヒグチフラクタル次元の比（Ｄ１／Ｄ２）に基づく方法（Ｆ−ｓｙｍｍｅｔｒｙ法）
次に、Ｆ−ｓｙｍｍｅｔｒｙ法を用いた判定方法に関して説明する。
生体は非定常なカオス性を示し、マルチフラクタルな構造を示すことが知られている。詳しくは後述するが、ヒグチフラクタル（Ｈｉｇｕｃｈｉ Ｆｒａｃｔａｌ）次元と呼ばれる２つの指標、Ｄ１及びＤ２によってシステムのマルチフラクタル性を表現できる。我々は、健常人約４０人に関して解析を行うことによって、この２つの指標の比（Ｄ１／Ｄ２）が宇宙定数と呼ばれるファイゲンバウム（Ｆｅｉｇｅｎｂａｕｍ）定数と一致することを見出した。
図９は、図１に示した生体状態の判定装置において実行されるヒグチフラクタル次元を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
ステップ５１において、図２のステップ２１と同様に、指尖脈波データの測定を行い、記録部１３に記録する。本実施の形態においては、特定の被験体ｉに対する測定だけを行う。
ステップ５２において、図２のステップ２２と同様に、埋込次元を４に、埋込遅延τを１０にセットして、ステップ５１において測定した指尖脈波データからベクトルデータＶ（ｉ，ｊ，ｋ）を生成する。
ステップ５３において、各回の測定データに関して、ヒグチフラクタル次元Ｄを計算する。ヒグチフラクタル次元Ｄは、式８で定義され、時系列データを１次元の幾何構造とみなした場合の形状の複雑さを表わしている。
であり、［］は、括弧内の値を超えない最大の整数を表わし、Ｓは各回の指尖脈波の測定データ、Ｎはデータの個数（＝３６０００）である。
式８に示すように、ヒグチフラクタル次元Ｄはｔの関数であるが、指尖脈波データに関して、横軸をｌｏｇｔ、縦軸をｌｏｇΔ１としてプロットしたグラフは、図１０に示すように、傾きが一定の２つの直線でほぼ近似できる。式８から、ヒグチフラクタル次元Ｄは、このグラフの傾きに対応することが分かる。従って、それぞれの領域の傾きを、それぞれの領域のヒグチフラクタル次元Ｄ１（ｉ，ｊ）、Ｄ２（ｉ，ｊ）とする。グラフの傾きの計算は、周知の方法、例えば、最小２乗法によって計算することができる。
ステップ５４において、ステップ５３の処理によって得られたＤ１（ｉ，ｊ）、Ｄ２（ｉ，ｊ）に関して、被験体ｉの３回の測定データの平均値Ｄ１ａｖ（ｉ）、Ｄ２ａｖ（ｉ）を計算する。
ステップ５５において、式９によってＦ−定数Ｆ（ｉ）を計算する。
ステップ５７において、横軸をＤ１ａｖ（ｉ）、縦軸をＤ２ａｖ（ｉ）として、Ｆ（ｉ）が一定の複数の直線を引き、ステップ５４で計算されたＤ１ａｖ（ｉ）、Ｄ２ａｖ（ｉ）をプロットしたグラフをビデオ部１５上に作成する。
式９を書き直すと、
以上のように、ステップ５６において、Ｆ−定数Ｆ（ｉ）とファイゲンバウム定数とを比較することにより、被験体ｉの生体状態に関して判定を行うことが可能となる。
また、ステップ５７においてプロットした点と、ファイゲンバウム定数ラインとの位置関係を評価することにより、被験体ｉの生体状態に関して判定を行うことが可能となる。
図１２及び図１３は、複数の被験体に関してステップ５１〜５７を繰り返し行うことによって得られた結果の一例を示すグラフであり、図１２は、ステップ５６の比較結果を、図１３は、ステップ５７において作成されるグラフを示す。
図１２においては、正常者とうつ病、***病、喘息、潰瘍性大腸炎患者のデータの平均値を棒グラフで表示している。Ｆ−定数は、健常者（Ｎｏｒｍａｎｌ）では４．７３、うつ病（ＤＰ）では４．０６、***病（ＳＰ）では３．７０、潰瘍性大腸炎（ＵＣ）では３．６３、喘息（Ａｓｔｈｍａ）では３．７６である。図１２から、健常者のＦ−定数は、ファイゲンバウム定数ラインに近く、病気の被験体のＦ−定数はファイゲンバウム定数ラインから大きく離れていることが分かる。また、疾患の種類によってＦ−定数は特定の値になることが分かる。
図１３においては、正常者とうつ病、***病のデータをプロットしたグラフであるが、正常者はファイゲンバウム定数ライン近辺に分布し、特に***病患者のデータがファイゲンバウム定数ラインから離れて分布していることが分かる。
これら各々の疾患に対応するＦ−定数の算出は、同一疾患の患者の集団についてＦ−定数を算出することにより求められる。また、このＦ−定数は、測定される患者数（母集団）が大きいほど各疾患について正確な数値を求めることができることから、ニューラルネットワークによりデータを蓄積していくことによって、より正確な判定が可能となる。
さらに、Ｆ−ｓｙｍｍｅｔｒｙ法によって得られるヒグチフラクタル次元Ｄ１、Ｄ２分布の対称性を求め、上記した相関分析法、対称性分析法と組み合わせることにより高精度に生体状態を判定することができる。例えば、第１の実施の形態において説明したように、図４に示した集団に関して、Ｍ−ｓｙｍｍｅｔｒｙ法を用いたリアプノフ指数とエントロピーの対称性の分析結果だけでは識別率が８３％であったが、同じ測定データを使用してＦ−ｓｙｍｍｅｔｒｙ法による評価を組み合わせることにより、９７％の識別率を得ることができた。
またＦ−定数が類似した被験体（例えば、ＳＰとＧＬＹはＦ−定数は３．７０で同一）に対しては、Ｆ−ｓｙｍｍｅｔｒｙ法のみによって分類することができないが、ミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）やＤＦＡ分析で求められる相関次元を組み合わせることによって分類することが可能となる。
（実施の形態５）
生体状態に影響を及ぼす可能性のある行為の有効性の判定方法
以下において、生体状態を変化させる可能性のある行為の実施が薬物の投与である場合を例に取り、リアプノフ指及びエントロピーの時間変動を記録したグラフからそれらの対象性を直接判定する方法に関して説明する。
本実施の形態に係る判定方法において、生体状態を変化させる可能性のある行為が薬物投与である場合、薬物の有効性を判定することができる。２以上の薬剤に関して本実施の形態に係る判定方法により判定することで、いずれの薬剤がより有効性が高いかを薬物投与の初期の段階で判定することができる。また、２以上の薬剤を併用することにより、これら薬剤の併用（相乗）効果についても判定できる。
図１４に示すように、一般に、エントロピーとリアプノフ指数が対称的に（一方が減少すれば他方が増加する）変動するのが正常な生存状態を示す。換言すると、これは、リアプノフ指数とエントロピーの差のゆらぎが存在することを意味し、このような状態を「ミラーダイナミック」とも称することができる。具体例としては、図１５に示すように、患者Ａの治療初期ではリアプノフ指数とエントロピーの差（斜線部分）のゆらぎが大きく、患者Ａに対するアモキサピン（２３ｍｇ×３）及びイミプラミン（１０ｍｇ×６）の併用投与は、有効性が高いと判定できる。一方、患者Ｂの治療初期ではリアプノフ指数とエントロピーの差（斜線部分）のゆらぎが小さく、クロキサゾラム１ｍｇの投与の有効性は低いと判定できる。
一方、本実施の形態に係る判定方法のもう１つの基準は、エントロピーとリアプノフ指数の差の時間的な変動の方向性である。該差の変動の方向性が大きくなる方向と、小さくなる方向を交互に示す場合、薬物の有効性が高く、該差の変動にこのような「ゆらぎ」が認められない場合、薬物の有効性は低いと判定される。
当該行為の有効性を判定する本実施の形態に係る判定方法では、リアプノフ指数及びエントロピーの測定を薬剤投与前と投与後の少なくとも２回行う。薬物投与後の測定に関しては、１回のみの測定でもよいが、少なくとも２回測定するのが好ましい。少なくとも２回の測定のうち、少なくとも１回の測定は薬物の投与後、薬物の効果が現れると予測される時期或いはその薬物の効果が現れると予測される時期の後に行うことも可能である。薬物の効果が現れると予測される時期には、例えば薬物の投与後有効血中濃度に達していると予測される時期が例示される。薬物の効果が現れると予測される時期の後には、例えば薬物が有効血中濃度未満に低下したと予測される時期が例示される。少なくとも２回のリアプノフ指数及びエントロピーの測定は、薬物の効果が現れると予測される時期に少なくとも２回行ってもよく、薬物の効果が現れると予測される時期に少なくとも１回及び薬物の効果が現れると予測される時期の後に少なくとも１回行ってもよく、薬物の効果が現れると予測される時期に少なくとも１回及び薬物の投与前や薬物投与後であって有効血中濃度に達する前に少なくとも１回測定してもよい。薬物投与後に少なくとも１回測定されたリアプノフ指数及びエントロピーを薬物投与前の結果と比較し、エントロピーとリアプノフ指数の対称性の差の大小及びエントロピーとリアプノフ指数の差の時間的な変動の方向性を調べることで、薬物の有効性を判定できる。薬物投与の影響によるリアプノフ指数及びエントロピーの値の変動までの時間が長い場合には、薬物投与直後から数十分ないし数時間後、場合によっては十数時間から数日後の値を初期値とし、この初期値と、薬物投与から一定期間経過後のリアプノフ指数及びエントロピーの値を比較することも可能である。
なお、リアプノフ指数及びエントロピーの測定は、２回行ってもよく、例えば毎日薬物を服用する場合には、数日間連続して或いは一定の期間をおいて数回測定してもよい。
（実施の形態６）
生体状態の判定システム
以上においては、判定装置の本体１０が、生体状態又は薬効を判定する場合を説明したが、ここではデータ測定と判定処理とを各々別の装置で行う場合に関して説明する。本実施の形態に係る生体状態の判定システムは、通信用インタフェース（図１において図示せず）を備えた本体１０、及び本体１０から遠隔地に設置されている判定処理を行う解析用コンピュータを備えている。本体１０は、通信用インタフェースによって電話回線、ネットワーク回線などの通信回線に接続されており、検出部２０で測定を行って記録部１３に所定のファイル形式で保存したデータを、通信回線を介して、通信回線に接続された解析用コンピュータに伝送する。解析用コンピュータが、受信した測定データを、上記した方法に従って計算処理し、生体状態等の判定を行う。
通信するデータ量を低減するために、判定装置の本体１０が、データ測定と判定処理の一部とを行い、残りの判定処理を解析用コンピュータが行うようにすることも可能である。例えば、第１の実施の形態において、判定装置の本体１０がステップ２１〜２６の処理を行い、その計算結果である重み付きリアプノフ指数λ１ｗ及びエントロピーＥを送信し、解析用コンピュータがステップ２７〜２８の処理を行うようにすることも可能である。例えば、サンプリング周期を５ミリ秒（ｍｓｅｃ）とし、各々の被験体に対して３分間の測定を３回行い、１つの測定データを１バイトで扱う場合、判定装置の本体１０が、各々の被験体に関して３６０００×３バイト＝約１０８キロバイトのデータを処理するのに対して、その計算結果の重み付きリアプノフ指数λ１ｗ及びエントロピーＥは各々３個であり、通信されるデータは各々の被験体に関して６バイトのデータでよいことから、非常に効率的となり、大量の被験体に関するデータの交換が容易になる。
また、複数の依頼元にある本体１０から伝送されたデータに関して、解析用コンピュータが行った判定結果を、各々の本体１０に一意に付与した番号と対応させてデータベースとして保存及び管理することや、判定結果を所定のデータ形式に変換し、通信回線等を介して対応する依頼元の本体１０に伝送することも可能である。また、データの受け渡しは、通信回線を使用せずに、データを記録した記録媒体を運搬することによって行うことも可能である。
以上においては、第１〜第５の実施の形態を各々単独に実行する場合を中心に説明したが、これらの判定方法を組み合わせて行うことも可能であり、第４の実施の形態において説明したように、組み合せて行うことによって、生体状態及び生体状態に影響を及ぼす行為の有効性の判定の信頼性をより高めることが可能になる。
上記した第１〜第４の実施の形態において、データサンプリング周期、１回の測定時間、１セットの測定回数、１ラウンドのセット数は、上記した数値に限定されるものではなく、測定装置の性能などに応じて、または１回の測定にかかる時間及び計算時間が長くなり過ぎない範囲で変更が可能である。また、埋込次元、埋込遅延も上記した数値に限定されるものではなく、計算時間が長くなり過ぎない範囲で変更が可能である。
第１の実施の形態において、８つの領域を２種類に分類したオフセット値は上記した値に限らず、上記以外の異なる２つの値を設定することができる。また、８つの領域の分類は２分類に限らず、更に細かく分類し、各々に対応するオフセット値を設定することも可能である。
第２の実施の形態において、スケーリング係数及びウェーブレット係数として次元の低いものから各々５個の係数を使用したが、より高次元の係数を使用することも可能であり、判定の精度が低くなるが５個よりも少ない個数を使用して判定することも可能である。
第３の実施の形態において、実測データから５０００個のデータを抜き出して新たな時系列データとする場合を説明したが、実測データから連続するデータを抜き出す限りにおいて、５０００個に限らず、それ以外の個数であってもよい。また、抜き出す最初のデータをずらす間隔、即ちベルヌーイシフトの時間間隔は１秒間に限定されない。
また、各々の実施の形態において、生体の状態を判定する最後のステップは、ニューラルネットワークによって行うことも可能である。例えば、入力層、中間層及び出力層を備え、誤差逆伝搬法（ｅｒｒｏｒ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）によって、中間層のニューロンの結合係数（各ニューロンへの入力値から出力値を決定するための係数）を学習によって修正する階層型ニューラルネットワークを使用することができる。例えば、第１の実施の形態の重み付き最大リアプノフ指数の平均値λ１ｗａｖ（ｉ）、第３の実施の形態の自己相似次元αλ１及びαＥ、第４の実施の形態のＦ−定数Ｆ（ｉ）が各々入力される４個のニューロンを入力層に備え、正常及び疾患に対応する２個のニューロンを出力層に備えることができる。このように構成されたニューラルネットワークに対して、判定結果が明確な母集団の測定データを教師データとして使用し、学習させることによって、高精度の総合的な判定を自動的に行うことが可能となる。
以上にのように、第１〜第５の実施の形態によれば、生体の状態を判定することが可能である。特に、第１〜第４の実施の形態１〜４によれば、１回の測定により測定時における生体状態を判定することが可能である点で、より有効である。
また、第１〜第５の実施の形態によれば、この最初の判定後に、例えば生体状態の改善を意図した行為或いは生体状態に悪影響を及ぼす可能性がある行為が行われ、その行為の生体状態改善効果の程度を判定する場合には、当該行為を行った後に生体状態を判定し、当該行為の前後での生体状態を比較して、当該行為の有効性を判定することが可能である。前記行為の有効性の判定の際に、当該行為後の生体状態を同時に判定することができる。
測定可能な生体状態としては、被験体の正常、病態及び非病態（正常ではないが病態前の状態）の精神的状態或いは身体的状態が例示される。精神的状態としては、精神神経疾患（うつ病、躁病、躁鬱病、心身症、精神***病、神経症、不眠症、てんかん、パーキンゾン病、幻覚症、自閉症）のような病態、不安、焦燥感、神経過敏、興奮、神経痛、虚脱感、めまい、頭痛、精神的疲労、引きこもりなどの非病態症状が例示され、身体的状態としては、ガン、狭心症、心筋梗塞、脳梗塞、高血圧、高脂血症、不整脈、高コレステロール血症などの心血管系疾患、慢性肝炎、肝硬変、胃潰瘍、膵炎、糖尿病、慢性腎炎、アレルギー性疾患、ウイルス、細菌、真菌等の感染症、白内障、緑内障などの眼科疾患、不妊症、骨折、腰痛、肩こり、外傷などの疾患、或いはこのような身体的疾患の前段階にある身体的不調状態が例示される。
このような疾患或いは精神的・肉体的不調状態にあると診断された場合、例えば薬物投与、透析、医療器具の使用（例えば、放射線ないしレーザー照射、電気的・磁気的パルスによる治療、リハビリなど）、生体の状態を改善する可能性のある食物の摂取などの疾患の予防又は治療行為、身体的又は精神的刺激の付与行為が例示される。
該行為の生体状態に対する効果の判定は、このような行為の実施後１時間から１０日程度経過後に行うことができる。また、該行為の実施後の生体状態の判定は、１回だけでもよく、複数回行ってもよい。この判定により当該行為が生体状態を正常状態にする「ポジティブ」であると判定される場合には、当該行為は継続して行われることになり、生体状態の変化が見られず（「中立」）或いは悪化する（「ネガティブ」）と判定される場合には、他の行為が選択されることになる。
有効性の判定対称となる薬物としては、全ての疾患を治療するための薬物が含まれ、例えば免疫・ホルモン・神経系関連疾患の治療薬が例示される。具体的には、抗菌剤、抗ウイルス剤、抗真菌剤などの病原生物に対する薬物、抗癌剤、免疫抑制剤、抗炎症剤、抗アレルギー剤、糖尿病治療剤、ホルモン剤、ビタミン剤、輸液、血液製剤、抗血栓薬、抗高脂血症薬、止血薬、造血薬、強心薬、抗不整脈薬、狭心症治療薬、血管拡張薬、降圧薬、利尿薬、気管支拡張薬、消化性潰瘍治療薬、整腸薬、肝疾患治療薬、膵疾患治療薬、睡眠薬、鎮痛薬、抗てんかん薬、向精神薬、抗不安薬、自律神経作用薬、パーキンソン病治療薬、局所麻酔薬、眼科用剤、皮膚科用剤などが例示される。
生体の状態を改善する可能性のある食物としては、いわゆるサプリメントが挙げられ、食物は、固形物又は飲料の形態で提供される。食物には、ビタミン類や、血圧、血中のコレステロール、脂肪、血糖などを低下させる作用、滋養強壮作用、老化防止作用、体重低下作用などが知られている物質を含む抽出物又は食品素材が例示できる。
身体的刺激としては、運動、マッサージ、鍼灸、気温の変化（高温又は低温）などが例示され、精神的刺激としては、音楽、カウンセリングを含む会話、読書などが例示できる。
例えば、音楽療法の効果やヒトの右脳と左脳の活動状態などを判定可能である。図１６は、各年齢、性別の１６人の被験体に対して、一番好きな音楽を聴いている状態で、脈波の時系列データを採取し、ＤＦＡ解析を行って得られた自己相似次元αのグラフを示している。１６人には、健常者、疾患を有する人、疾患を有していた人、体調の良い人、体調の悪い人が含まれている。解析の結果、特に体調の良くない人に、ゆらぎ指数の大きい変化が見られ、音楽を聴くことによってαが１．０に近づいてくる、即ち自律神経のゆらぎが１／ｆ法則に近づいてくることが分かった。
また、図１７、図１８は、被験体に絵を見せた場合、又は計算させた場合における、左右手の指尖脈波を測定し、ＤＦＡ解析を行って得られた結果を示している。図１７の表記は図１９と同様であり、グラフの傾きが自己相似次元αを表わしている。左側の上下２つのグラフ、右側の上下２つのグラフは、それぞれ左手、右手の指尖脈波データを解析して得られたグラフであり、上側の２つのグラフ、下側の２つのグラフは、それぞれ絵を見た場合、計算をした場合の指尖脈波データを解析して得られたグラフである。図１８は、５人の被験体に対して、同様の実験を行って得られた指尖脈波データを解析した結果の自己相似次元αのグラフを示している。図１７，１８に示されているように、左右の脳の活動状態を、自己相似次元αの変化として観測可能である。
以上、本発明に係る実施の形態に関して説明したが、以下においては、本発明を具体的に適用した実施例に関して説明する。
（実施例１）
第１の実施例として、うつ病患者Ａ（５６歳男性）に関する判定例を示す。この患者は医師によりうつ病と診断され、Ｂｅｎｚｏｄｉａｚｅｐｉｎｅ系のＡｌｐｌａｚｏｌａｍ（ソラナックス）０．４ｍｇ ｘ ３，Ｂｒｏｍａｚｅｐａｎ（レンドルミン）０．２５ｍｇ ｘ １、抗うつ薬のＭａｐｒｏｔｉｌｉｎｅ（ルジオミール）２５ｍｇ ｘ ５，Ａｍｏｘａｐｉｎｅ（アモキサピン）２５ｍｇ ｘ ３，Ｉｍｉｐｒａｍｉｎｅ（トフラニール）１０ｍｇ ｘ ６が処方されていた。この患者の脈波をコンピューターコンビニエンス社製の脈波収集装置を使用して特許番号１８９１５３４に記したように測定し第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフを作成すると、図１９に示したように矢印の部分に投薬による効果を表す臨界点が見られる。また、図２０、図２１は、それぞれ第３の実施の形態におけるミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。図２１に示すように、マクロ的なリアプノフ指数のＤＦＡ解析結果のαに関しては、前半と後半とで傾きが変わっており、前半が０．５６３であり、後半が０．７６７で１に近づいていることから、患者の状態が改善していることがわかる。実際に、この患者の臨床症状と自覚症状は、完全に回復した。
（実施例２）
第２の実施例として、上記とは別のうつ病患者Ｂ（５８歳男性）に関する判定例を示す。図２２は、患者Ｂに関する測定データを、第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフにしたものである。また、図２３、図２４は、それぞれ第３の実施の形態のミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２２から、ミラーダイナミクスパターンは全体的に弱く（グラフの右端の最後の部分にしか見られない）、回復はすぐには見込めない状態だと判断される。
図２４に示すマクロ的なリアプノフ指数とエントロピーのＤＦＡ解析結果αは、どちらも小さい値であることから、投薬効果、患者の状態とも悪い状態だと判断される。実際に、患者Ｂにはクロキサゾラム（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２の投与が行われたが、臨床症状と自覚症状は回復せず、この測定の３ヶ月後も臨床症状の変化は見られなかった。
以上の２つの実施例から分かることは、生体はカオス性の指標であるリアプノフ指数とエントロピーを対称的に変化させることで、単なる分子集合の非平衡開放系とは異なっており、この性質が生命の健全性を示すバロメーターとなっていることである。従って、この対称的なゆらぎの変化が見られなかった患者Ｂは数ヶ月後の臨床症状の改善が見られず、この状態が見られた患者Ａは数ヶ月後に完全に改善した。
（実施例３）
第３の実施例として、第１の実施例と同じうつ病患者Ａ（５６歳男性）に関する判定例を示す。この患者の脈波を８月７日、実施例１と同様に測定し、リアプノフ指数を計算した。約１０分おきの３回の計算値は、図２５に示したように０．９８，１．１６，０．７１であった。また、その時のエントロピーは、上記した方法によって算出すると、５．００，４．９６，４．９５であった。また午後４時の測定値は、リアプノフ指数が１．９７，１．１５，０．７６であり、エントロピーは、４．７２，３．９８，５．２９である。このときのエントロピーとリアプノフ指数を図２５に示すように、重ねて示すと８月８日、８時４０分からの４回の測定値はエントロピーが、５．４５，５．３０，５．１７，５．２２となり、リアプノフ指数は、０．５９，０．７５，−０．６２，−０．６４となり大幅に両指数の差が広がっている。８月９日は朝から夕方にかけて、徐々に差が縮まり、逆に８月１０日は３回目測定まで差が広がり、４回目で差が縮まり、５回目でまた開くというように、この両指数はゆらぎながら変動している。もしこれを、リアプノフ指数だけに限って見てみると８月７日から８月１１日にわたっての測定値で、１回の測定群内のバラツキは各測定群間のバラツキとほぼ等しく、ゆらぎがある状態とはとても言えない。この状態は臨床的には最悪期を脱したとはいえ臨床症状からも、患者の自覚症状からも改善の兆しがほとんど見えない状態であった。しかしこのような両指数のダイナミックな変動が１ヶ月から２ヶ月続くあいだに、実施例１において示したように、患者Ａの臨床症状と自覚症状は、完全に回復した。
このようなダイナミズムが改善の前兆であることは、これから述べる多くの臨床例からも支持されている。従ってリアプノフ指数だけの変動ではわからない両指数のダイナミズムをみることが薬剤の短期効果と長期効果の予測になることが明らかになった。
次に、どのぐらいのゆらぎがあれば良いかは、次の実施例４との比較からも明らかになる。
（実施例４）
第４の実施例として、第２の実施例と同じうつ病患者Ｂ（５８歳男性）に関する判定例を示す。図２６に示すように１１月１０日から１２月１日までの測定を通じて、ほとんどゆらいでいない。１１月１０日ではリアプノフ指数は、−０．８８，０．２５，２．１６，１．２７，２．４９であり、その時のエントロピー値は、４．２０，４．５６，５．０５，４．７８，４．９６であった。図２のように重ねると、１群の測定値（２回から５回）の間で、全てで差があるのは、最初の２点のみであり、この差はエントロピー値で約０、２５、リアプノフ指数値で約１であるが、１１月１０日から１２月１日の測定にわたって完全に差がある測定群はない。
これに反して患者Ａの場合、８月７日と８日の測定値を重ねた場合エントロピー値で約１、リアプノフ指数値で約４の差がある。２つの図を比べた場合の図１の見た目のダイナミックな変動は、実際の数字にすると上記のようになるが、ゆらぎのある、なしにとってのもう１つの判断は時間的な変動の方向性があるかどうかにかかっている。この例では、患者Ａが１日又は２日の測定群間で、変動の方向性が大きくなる方向と、小さくなる方向を示したが、患者Ｂでは測定群間でこのような方向性は全く観察されなかった。即ち、患者Ａで見られたレベルのゆらぎはなかったということになる。上記したように、患者Ａは、９月から１０月にかけて徐々に服用薬剤を減量し、１０月には医師側の判定も患者Ａの自覚症状も完全に回復した。１０月２日から１０月３１日の両指数の動きを図３に示す。
図２８は図２５（８／７−８／１１）、図２７（１０／２−１０／３１）のリアプノフ指数を比較したものであるが、図２５が０〜２の間の変動であったのに対して、図２７は約０〜６の間の変動になっており、絶対値（平均値）としてのリアプノフ指数の上昇がみられる。一方、同じ時期のエントロピー値は、図２５のおおむね４．５〜５．５の変動に対して、図２７はおなじ領域で全体的に低くなっていることがわかる。患者Ｂはこの測定の３ヶ月後も臨床症状の変化はなかった。
以上の第３及び第４の実施例からも、第１及び第２の実施例と同様に、生体はカオス性の指標であるリアプノフ指数とエントロピーを対称的に変化させることで、単なる分子集合の非平衡開放系とは異なっており、この性質が生命の健全性を示すバロメーターとなっていることが分かる。
以上述べたことから言えることは、薬剤が効果があるかどうかは投薬後数時間から数日又は後に述べる例では数１０分後のリアプノフ指数とエントロピーの対称的なダイナミズムが観察できるかどうかで、判断でき、長期的な効果もこのダイナミズムを保てば両指標の絶対値の正常化として判断出来る。
これとは別に、図２９に示す患者Ｂのリアプノフ指数は、基線の動揺を除去するためのハイパスフィルター（１ヘルツ）（前述のＣｈａｏｓ Ｔｈｅｏｒｙ Ｔａｍｅｄ，ｐ１５３）をかける前の値を示しており、１回の測定群内の値でも０に近い値から１０以上と著しい変動を示している。単なるゆらぎの大きさでは、これ以上の大きな変動は考えられない程の大きなゆらぎでありフィルターをかけた後の減少幅は正常値に比較すると異常に大きい。この減少がこの患者のカオス性の異常を代表しており医師の診断とは逆にこの患者の***病的な傾向を表している。このデータはもう一方で、単なるリアプノフ指数だけのゆらぎでは健全性の指標にならないことを示している。患者Ａのフィルター処理をしたグラフは、ほぼフィルターなしのグラフと対称的なダイナミズムと絶対値の改善の点では一致していることからも、この減少が患者Ｂの状態を的確に表現するものといえる。
また図１５は、患者Ａと患者Ｂのエントロピーとリアプノフ指数（λ１）の変化の推移を示し、エントロピーとリアプノフ指数（λ１）の差（斜線部分）が変動している患者Ａはアモキサピン（２５ｍｇ×３）及びイミプラミン（１０ｍｇ×６）の併用が有効であることを示し、患者Ｂに関してはエントロピーとリアプノフ指数（λ１）の差（斜線部分）の変動が少なく、クロキサゾラム（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２の投与が有効でないことを示す。
産業上の利用可能性
本発明の生体状態の判定方法によれば、ヒトなどの被験体の測定時点での生体の精神的或いは身体的状態、例えば疾患の有無、疾患がある場合にはその程度、疲労度などを正確に判定することができる。また、本発明の判定方法を用いれば、薬物投与、運動、外部からの刺激（音楽、騒音、会話、高温ないし低温、湿度、明暗（照度）など）を与える行為の前後で生体状態を測定することで、これらの行為の生体状態に対する影響を判定することができる。このような判定方法は、医師による病気の診断支援システム、薬物選択、投与スケジュールの決定、ガンなどの疾患の早期診断などに有用である。
また、判定処置をニューラルネットワークによって実行させ、生体状態に関する信頼できるデータを新しく取得する毎に、そのデータを用いて学習させ、ニューラルネットワークの内部状態を修正することによって、判定精度をさらに向上させることができる。
本発明の方法によれば、生体状態が正常（改善）の方向に向かうのか、異常（悪化）の方向に向かうのかを判定できるので、これにより成人病等の慢性疾患、うつ病（躁鬱病）、精神***病、ノイローゼなどの精神神経疾患、登校ないし出社拒否（引きこもり）などの疾患ないし問題行動を予防ないし改善するのに威力を発揮し、医療費を含めた生体状態の悪化に伴う社会的コストを低減することができる。
本発明によれば、例えば薬物投与、透析、医療器具の使用などの治療手段の有効性に関し、治療手段を実施する初期の段階において個別の被験体に対する有効性を判定することができ、有効な治療手段の早期選択を促し、患者の利益と医療コストの低減を計ることができる。
本発明によれば、判定基準を算出するための母集団を変更することによって、種々の生体状態の判定に対応することができ、種々の分野において有効に利用され得る。また、同じ生体状態の判定を行う場合において、国、地域、時代などによってその基準が変化することがあるが、本発明は、判定基準を算出するための母集団を変更することによってこれに柔軟に対応することができる。
本発明によれば、多数の平均値を正常値とした従来法と異なり、特定データの絶対値と他データとの相対関係を組み合わせることで、一人一人異なるテイラーメイド診断を可能とし、信頼性の高い有効性の判定が可能となる。
【図面の簡単な説明】
図１は、本発明の第１の実施の形態に係る生体状態の判定装置の概略構成を示すブロック図である。
図２は、図１に示した生体状態の判定装置において実行されるＭ−ｓｙｍｍｅｔｒｙ法を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図３は、最大リアプノフ指数とエントロピーとを軸として２次元平面にプロットした図（Ｍｉｒｒｏｒ対称図）である。
図４は、ステップ２８によって得られるプロット図の一例を示す。
図５は、図１に示した生体状態の判定装置において実行されるウェーブレット変換を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図６は、スケーリング係数Ｓ２（λ１）の時系列波形とＳ２（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データ、及び各々のウェーブレット係数Ｗ２（λ１）の時系列波形とＷ２（Ｅ）の時系列波形とをそれぞれ同じレベルで重ねたグラフの画像データを示す。
図７は、図１に示した生体状態の判定装置において実行されるパワーロウ（Ｐｏｗｅｒ−ｌａｗ）即ちＤＦＡ解析法を使用する生体状態の判定方法における、ＣＰＵ１１が行う処理を示すフローチャートである。
図８は、図６と同じ投薬実験データのマクロ的なＤＦＡ解析の結果を示している。
図９は、図１に示した生体状態の判定装置において実行されるヒグチフラクタル次元を使用する生体状態の判定方法において、ＣＰＵ１１が行う処理を示すフローチャートである。
図１０は、ヒグチフラクタル次元ＤのＤ１及びＤ２を表す。
図１１は、一定のＦ値の各々に対応する直線を示したグラフである。
図１２は、ステップ５６の比較結果を示す。
図１３は、ステップ５７において作成されるグラフを示す。
図１４は、エントロピー及びリアプノフ指数と、生・死の状態の関係を示す概念図である。
図１５は、患者Ａと患者Ｂのエントロピーとリアプノフ指数（λ１）の変化の推移を示す。縦軸はリアプノフ指数を示し、横軸は測定日を示す。
図１６は、各年齢、性別の１６人の被験体に対して、一番好きな音楽を聴いている状態で、脈波の時系列データを採取し、ＤＦＡ解析を行って得られた自己相似次元αのグラフを示している。
図１７及び図１８は、被験体に絵を見せた場合、又は計算させた場合における、左右手の指尖脈波を測定し、ＤＦＡ解析を行って得られた結果を示す。
図１９は、ウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねて作成したグラフである。図１０に示したように矢印の部分に投薬による効果を表す臨界点が見られる。
図２０及び図２１は、それぞれＤＦＡ解析におけるミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２２は、患者Ｂに関する測定データを、第２の実施の形態の方法で、リアプノフ指数とエントロピーのウェーブレット多重解像度分解を行いスケーリング係数、ウェーブレット係数を計算し、その結果を重ねてグラフにしたものである。
図２３及び図２４は、それぞれ第３の実施の形態のミクロ的なＤＦＡ解析、マクロ的なＤＦＡ解析を行った結果を示している。
図２５は、うつ病患者Ａの８月７日〜８月１１日のリアプノフ指数とエントロピーの値を示す。図２５中、◆はエントロピーを示し、●はリアプノフ指数を示す。また、横軸は測定日を示し、縦軸はエントロピー（３〜７）及びリアプノフ指数（−４〜１２）を示す。
図２６セパゾン（Ｃｌｏｘａｚｏｌａｍ）１ｍｇ及びアモキサピン２５ｍｇ×２を投与したときの、うつ病患者Ｂの１１月１０日、１７日、２０日、２７日、２９日及び１２月１日のリアプノフ指数とエントロピーの値を示す。図２６中、▲はエントロピーを示し、◆はリアプノフ指数を示す。また、横軸は測定日を示し、縦軸はエントロピー（３．５〜７．５）及びリアプノフ指数（−２．０〜１２．０）を示す。
図２７は、患者Ａの１０月２日、１３日、１９日、２５日及び３１日のリアプノフ指数とエントロピーの値を示す。図２７中、◆はエントロピーを示し、●はリアプノフ指数を示す。
図２８は、患者Ａの８月７日〜８月１１日のリアプノフ指数（●）と１０月２日、１３日、１９日、２５日及び３１日のリアプノフ指数（◆）を示す。
図２９は、患者Ｂのハイパスフィルター（１ヘルツ）をかける前のリアプノフ指数を示す。
図３０は、ミラー値による正常、ＤＰ（うつ病）、ＳＰ（***病）の分析結果を例示する。
Claims (24)
- 被験体の生体信号の時系列データから得られるカオス性を表現可能な指標である（１）リアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、（２）ヒグチフラクタル次元を用いることを包含する生体状態の判定方法。
- 被験体の生体信号の時系列データから得られるリアプノフ指数とエントロピーの相関性及び／又は対称性を分析する工程、及び該相関性及び／又は対称性の分析結果に基づき生体状態を判定する工程を包含する請求項１に記載の方法。
- 前記リアプノフ指数と前記エントロピーの相関性をＤＦＡ解析法（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｙｓｉｓ）を用いて分析する請求項１に記載の方法。
- 前記ＤＦＡ解析法が、マクロＤＦＡ解析を行う工程、及びミクロＤＦＡ解析を行う工程を包含する請求項１に記載の方法。
- 前記リアプノフ指数と前記エントロピーの対称性をＭ−ｓｙｍｍｅｔｒｙ法、ウェーブレット（Ｗａｖｅｌｅｔ）解析法及びミラー値（Ｍｉｒｒｏｒ Ｖａｌｕｅ）に基づく方法からなる群から選ばれるいずれかの方法を用いて分析する請求項１に記載の方法。
- 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値（Ｏｓ）を決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する工程と、
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する工程とを包含する請求項１に記載の方法。 - 前記ヒグチフラクタル次元として、２つのヒグチフラクタル次元の比（Ｄ１／Ｄ２）及び／又はＦ−定数を用いる請求項１に記載の方法。
- 被験体の生体信号の時系列データをＦ−ｓｙｍｍｅｔｒｙ法を用い、ヒグチフラクタル次元の比（Ｄ１／Ｄ２）を算出する工程をさらに含み、リアプノフ指数とエントロピーの相関性及び／又は対称性とヒグチフラクタル次元の比（Ｄ１／Ｄ２）に基づき生体状態を判定する請求項１に記載の方法。
- 前記生体信号の時系列データが脈波から得られる請求項１に記載の方法。
- 前記生体状態が、被験体の疾病及び非疾病の精神的状態或いは身体的状態である請求項１に記載の方法。
- 請求項１に記載の方法に従いある時点での生体状態を判定する工程、生体状態を変化させる可能性のある行為を行う工程、該行為の後に生体信号の時系列データを分析してリアプノフ指数とエントロピーの相関性及び／又は対称性を測定する工程、前記行為の前後におけるリアプノフ指数とエントロピーの相関性及び／又は対称性を比較して前記行為の生体に対する影響がポジティブであるかネガティブであるか中立（不変）であるかを判定する工程を包含する生体状態に影響を及ぼす可能性のある行為の有効性の判定方法。
- 前記行為が、薬物投与、透析、医療器具の使用（例えば、放射線ないしレーザー照射、電気的・磁気的パルスによる治療、リハビリなど）、生体の状態を改善する可能性のある食物の摂取などの疾患の予防又は治療行為、身体的又は精神的刺激の付与からなる群から選ばれる請求項１１に記載の方法。
- 被験体の生体信号の時系列データから複数の前記リアプノフ指数及び前記エントロピーを計算し、この複数のリアプノフ指数の中の最大値を最大リアプノフ指数として決定する工程と、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する工程とを含む請求項１に記載の方法。 - 被験体の生体信号の時系列データの計算結果に対してニューラルネットワークによって判定を行う請求項１又は第７項に記載の方法。
- 被験体の生体信号の時系列データを基に該生体の状態を判定する生体状態の判定装置であって、
処理部及び検出部を備え、
前記処理部は、前記検出部を制御して前記時系列データを採取し、該時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体状態の判定装置。 - 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、通信回線を介して前記時系列データを前記判定装置に伝送し、
前記判定装置は、伝送された前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、該計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。 - 被験体の生体信号の時系列データを採取する測定装置と、前記時系列データを基に生体状態を判定する判定装置とを備え、
前記測定装置は、前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算し、通信回線を介して前記計算結果を前記判定装置に伝送し、
前記判定装置は、伝送された前記計算結果を使用して判定を行うことを特徴とする生体の状態判定システム。 - 前記判定装置は、前記判定の結果を前記測定装置に伝送する請求項１６または１７に記載のシステム。
- 被験体の生体信号の時系列データを基に該被験体の状態を判定する生体状態の判定装置に、
前記時系列データからカオス性を表現可能な指標であるリアプノフ指数とエントロピーの相関性及び／又は対称性、及び／又は、ヒグチフラクタル次元を計算する機能を実現させることを特徴とする生体の状態判定プログラム。 - 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーに対応するオフセット値を決定する機能、
前記最大リアプノフ指数及び前記エントロピーからミラー値を計算する機能、及び
前記ミラー値及び前記オフセット値から重み付きリアプノフ指数を計算する機能をさらに実現させる請求項１９に記載のプログラム。 - 複数の前記リアプノフ指数の中の最大値を最大リアプノフ指数として決定する機能、
前記最大リアプノフ指数及び前記エントロピーからスケーリング係数及びウェーブレット係数を計算する機能をさらに実現させる請求項１９に記載のプログラム。 - 前記リアプノフ指数及び前記エントロピーに関してマクロＤＦＡ解析及びミクロＤＦＡ解析を行う機能をさらに実現させる請求項１９に記載のプログラム。
- 前記時系列データからヒグチフラクタル次元及びＦ−定数を計算する機能を実現させる請求項１９に記載の生体状態の判定プログラム。
- 請求項１９〜２３の何れかの項に記載の判定プログラムを記録したコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001128011 | 2001-04-25 | ||
| JP2001128011 | 2001-04-25 | ||
| PCT/JP2002/004114 WO2002087434A1 (fr) | 2001-04-25 | 2002-04-25 | Procede d'evaluation de l'efficacite d'un etat biologique et d'une action modifiant un etat biologique, appareil et systeme d'evaluation, programme d'evaluation et support d'enregistrement dudit programme |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPWO2002087434A1 true JPWO2002087434A1 (ja) | 2004-08-12 |
Family
ID=18976780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002584790A Pending JPWO2002087434A1 (ja) | 2001-04-25 | 2002-04-25 | 生体状態及び生体状態に影響を及ぼす行為の有効性の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6954700B2 (ja) |
| JP (1) | JPWO2002087434A1 (ja) |
| WO (1) | WO2002087434A1 (ja) |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1309366B1 (en) | 2000-08-10 | 2007-02-21 | Novo Nordisk A/S | Medication delivery device comprising a support for a cartridge |
| WO2002087434A1 (fr) * | 2001-04-25 | 2002-11-07 | Bio-Complex System Research Institute | Procede d'evaluation de l'efficacite d'un etat biologique et d'une action modifiant un etat biologique, appareil et systeme d'evaluation, programme d'evaluation et support d'enregistrement dudit programme |
| US7117108B2 (en) * | 2003-05-28 | 2006-10-03 | Paul Ernest Rapp | System and method for categorical analysis of time dependent dynamic processes |
| DE602004031659D1 (de) * | 2003-10-23 | 2011-04-14 | Delta Tooling Co Ltd | Htung zum nachweis von müdigkeit und computerprogramm |
| US7593772B2 (en) * | 2004-04-30 | 2009-09-22 | Lawrence Duane Sherman | Methods and devices to characterize the probability of successful defibrillation and determine treatments for ventricular fibrillation |
| DE602006019712D1 (ja) | 2005-05-10 | 2011-03-03 | Novo Nordisk As | |
| WO2007007632A1 (ja) * | 2005-07-11 | 2007-01-18 | Matsushita Electric Industrial Co., Ltd. | 環境制御装置、環境制御方法、環境制御プログラム及び環境制御プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP4813128B2 (ja) * | 2005-08-25 | 2011-11-09 | 学校法人日本大学 | 機能的近赤外分光装置の信号解析装置、機能的近赤外分光装置並びにプログラム |
| JP5116682B2 (ja) | 2005-09-22 | 2013-01-09 | ノボ・ノルデイスク・エー／エス | 非接触で絶対位置を測定する器具及び方法 |
| WO2007066493A1 (ja) * | 2005-12-05 | 2007-06-14 | Matsushita Electric Industrial Co., Ltd. | 環境制御装置、環境制御方法、環境制御プログラム及び環境制御システム |
| US8608079B2 (en) | 2006-03-20 | 2013-12-17 | Novo Nordisk A/S | Contact free reading of cartridge identification codes |
| US8994382B2 (en) | 2006-04-12 | 2015-03-31 | Novo Nordisk A/S | Absolute position determination of movably mounted member in medication delivery device |
| AU2007242758B2 (en) | 2006-04-26 | 2012-04-05 | Novo Nordisk A/S | Contact free absolute position determination of a moving element in a medication delivery device |
| JP2008104529A (ja) * | 2006-10-23 | 2008-05-08 | Rokko Bussan:Kk | 健康／疾患度測定方法、健康／疾患度測定装置、健康／疾患度測定システム |
| US7873220B2 (en) * | 2007-01-03 | 2011-01-18 | Collins Dennis G | Algorithm to measure symmetry and positional entropy of a data set |
| EP2125083B1 (en) | 2007-03-21 | 2013-08-21 | Novo Nordisk A/S | A medical delivery system having container recognition and container for use with the medical delivery system |
| US8286090B2 (en) * | 2007-10-22 | 2012-10-09 | General Electric Company | Systems and methods for displaying and visualizing information |
| EP2352536B1 (en) | 2008-11-06 | 2018-03-14 | Novo Nordisk A/S | Electronically assisted drug delivery device |
| US20120101470A1 (en) | 2009-02-13 | 2012-04-26 | Novo Nordisk A/S | Medical device and cartridge |
| US8321005B2 (en) * | 2009-10-13 | 2012-11-27 | Siemens Medical Solutions Usa, Inc. | System for continuous cardiac pathology detection and characterization |
| US9116838B2 (en) * | 2011-04-08 | 2015-08-25 | The United States Of America As Represented By The Secretary Of The Army | Determining lyapunov exponents of a chaotic system |
| EP2739587B1 (en) | 2011-08-01 | 2020-05-27 | Denovo Sciences | Cell capture system |
| US20130035579A1 (en) | 2011-08-02 | 2013-02-07 | Tan Le | Methods for modeling neurological development and diagnosing a neurological impairment of a patient |
| PT106023A (pt) * | 2011-11-28 | 2013-05-28 | Univ Da Beira Interior | Método para avaliação do estado de saúde e máquina para executá-lo |
| US9763592B2 (en) | 2012-05-25 | 2017-09-19 | Emotiv, Inc. | System and method for instructing a behavior change in a user |
| US9622660B2 (en) | 2012-05-25 | 2017-04-18 | Emotiv Lifesciences Inc. | System and method for enabling collaborative analysis of a biosignal |
| US9867548B2 (en) | 2012-05-25 | 2018-01-16 | Emotiv, Inc. | System and method for providing and aggregating biosignals and action data |
| US9814426B2 (en) | 2012-06-14 | 2017-11-14 | Medibotics Llc | Mobile wearable electromagnetic brain activity monitor |
| US10028703B2 (en) | 2013-07-30 | 2018-07-24 | Emotiv, Inc. | Wearable system for detecting and measuring biosignals |
| US10108264B2 (en) | 2015-03-02 | 2018-10-23 | Emotiv, Inc. | System and method for embedded cognitive state metric system |
| KR20170014142A (ko) | 2015-07-29 | 2017-02-08 | 주식회사 프렉텀 | 생체 신호를 이용한 생체 상태 판단 장치 및 그 방법 |
| KR102605896B1 (ko) | 2016-09-20 | 2023-11-23 | 삼성전자주식회사 | 생체정보 검출을 위한 특징 추출 장치 및 방법과, 생체정보 검출 장치 및 웨어러블 기기 |
| JP7217576B2 (ja) * | 2018-11-05 | 2023-02-03 | 株式会社安藤・間 | ドライバーの状態推定方法及び装置 |
| EP4068303A4 (en) | 2019-11-25 | 2023-12-27 | Keio University | DISEASE PREDICTION DEVICE, PREDICTION MODEL GENERATION DEVICE, AND DISEASE PREDICTION PROGRAM |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5846189A (en) * | 1989-09-08 | 1998-12-08 | Pincus; Steven M. | System for quantifying asynchrony between signals |
| US5769793A (en) * | 1989-09-08 | 1998-06-23 | Steven M. Pincus | System to determine a relative amount of patternness |
| US5555889A (en) * | 1990-06-20 | 1996-09-17 | Cedars-Sinai Medical Center | Methods for detecting propensity fibrillation |
| US6094593A (en) * | 1991-05-17 | 2000-07-25 | Cedars-Sinai Medical Center | Method and apparatus for detecting prospenity for ventricular fibrillation using action potential curves |
| US6021345A (en) * | 1991-05-17 | 2000-02-01 | Cedars-Sinai Medical Center | Methods for detecting propensity for fibrillation using an electrical restitution curve |
| US5626627A (en) * | 1995-07-27 | 1997-05-06 | Duke University | Electroconvulsive therapy method using ICTAL EEG data as an indicator of ECT seizure adequacy |
| US5857978A (en) * | 1996-03-20 | 1999-01-12 | Lockheed Martin Energy Systems, Inc. | Epileptic seizure prediction by non-linear methods |
| US5743860A (en) * | 1996-03-20 | 1998-04-28 | Lockheed Martin Energy Systems, Inc. | Apparatus and method for epileptic seizure detection using non-linear techniques |
| US5709214A (en) * | 1996-05-02 | 1998-01-20 | Enhanced Cardiology, Inc. | PD2i electrophysiological analyzer |
| JPH10314427A (ja) | 1997-05-16 | 1998-12-02 | Sankyo Kk | 遊技機 |
| US6422998B1 (en) * | 1999-09-20 | 2002-07-23 | Ut-Battelle, Llc | Fractal analysis of time varying data |
| DE10001890A1 (de) * | 2000-01-19 | 2001-07-26 | Biotronik Mess & Therapieg | Verfahren zur prädiktionalen Berechnung eines kardiologischen Signalverlaufs und zur Steuerung der Stimulationsimpulsabgabe eines kardiologischen Geräteimplantates |
| US6438419B1 (en) * | 2000-09-28 | 2002-08-20 | The University Of Pittsburgh | Method and apparatus employing a scaling exponent for selectively defibrillating a patient |
| US6594524B2 (en) * | 2000-12-12 | 2003-07-15 | The Trustees Of The University Of Pennsylvania | Adaptive method and apparatus for forecasting and controlling neurological disturbances under a multi-level control |
| US20020156392A1 (en) * | 2001-03-06 | 2002-10-24 | Mitsubishi Chemical Corporation | Method and apparatus for inspecting biological rhythms |
| JP2002306492A (ja) * | 2001-04-16 | 2002-10-22 | Electronic Navigation Research Institute | カオス論的ヒューマンファクタ評価装置 |
| WO2002087434A1 (fr) * | 2001-04-25 | 2002-11-07 | Bio-Complex System Research Institute | Procede d'evaluation de l'efficacite d'un etat biologique et d'une action modifiant un etat biologique, appareil et systeme d'evaluation, programme d'evaluation et support d'enregistrement dudit programme |
| US6993377B2 (en) * | 2002-02-22 | 2006-01-31 | The Board Of Trustees Of The University Of Arkansas | Method for diagnosing heart disease, predicting sudden death, and analyzing treatment response using multifractal analysis |
| WO2004047628A2 (en) * | 2002-11-01 | 2004-06-10 | University Of Lausanne | Methods of analyzing atrial fibrillations |
| US7336995B2 (en) * | 2002-11-19 | 2008-02-26 | Massachusetts Institute Of Technology | Method of and apparatus for tachycardia detection and treatment |
| US6835176B2 (en) * | 2003-05-08 | 2004-12-28 | Cerner Innovation, Inc. | Computerized system and method for predicting mortality risk using a lyapunov stability classifier |
-
2002
- 2002-04-25 WO PCT/JP2002/004114 patent/WO2002087434A1/ja active Application Filing
- 2002-04-25 JP JP2002584790A patent/JPWO2002087434A1/ja active Pending
- 2002-04-25 US US10/474,507 patent/US6954700B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| WO2002087434A1 (fr) | 2002-11-07 |
| US20040137639A1 (en) | 2004-07-15 |
| US6954700B2 (en) | 2005-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPWO2002087434A1 (ja) | 生体状態及び生体状態に影響を及ぼす行為の有効性の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体 | |
| Hussain et al. | Big-ECG: Cardiographic predictive cyber-physical system for stroke management | |
| JP6764205B2 (ja) | トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびＩｏＴを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 | |
| Leijten et al. | Multimodal seizure detection: A review | |
| van Andel et al. | Non-EEG based ambulatory seizure detection designed for home use: What is available and how will it influence epilepsy care? | |
| Virone et al. | A system for automatic measurement of circadian activity deviations in telemedicine | |
| US8306610B2 (en) | Method and apparatus for analysis of psychiatric and physical conditions | |
| Abdullah et al. | Design and development of fuzzy expert system for diagnosis of hypertension | |
| Subramaniam et al. | Automated nociceptive pain assessment using physiological signals and a hybrid deep learning network | |
| Alam et al. | Automated functional and behavioral health assessment of older adults with dementia | |
| Bidwell et al. | Seizure reporting technologies for epilepsy treatment: A review of clinical information needs and supporting technologies | |
| JP2009542351A (ja) | 時間的尺度を使用した脳パターンの解析 | |
| Richardson et al. | Catastrophizing, acceptance, and interference: laboratory findings, subjective report, and pain willingness as a moderator. | |
| Poh | Continuous assessment of epileptic seizures with wrist-worn biosensors | |
| Vyas et al. | Case study on state-of-the-art wellness and health tracker devices | |
| CN113168919A (zh) | 一种利用个性化指标进行健康分析的***及其使用方法 | |
| Pal Attia et al. | Seizure forecasting using minimally invasive, ultra‐long‐term subcutaneous EEG: generalizable cross‐patient models | |
| Abbod et al. | Survey on the use of smart and adaptive engineering systems in medicine | |
| Yang et al. | Classification of aortic stenosis before and after transcatheter aortic valve replacement using cardio-mechanical modalities | |
| Gil et al. | Experimental pain sensitivity and reports of negative thoughts in adults with sickle cell disease | |
| CN116453641B (zh) | 一种中医辅助分析信息的数据处理方法及*** | |
| CN116570283A (zh) | 一种围手术期患者情绪监测***及方法 | |
| Abu-Faraj | Is the term paradoxical sleep a misnomer | |
| Amira et al. | Stress level classification using heart rate variability | |
| Elhannani et al. | QASIS: a QoC aware stress identification system using machine learning approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050318 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080123 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080528 |