JP6778369B2 - 生体信号解析システムおよびプログラム - Google Patents

Description

本発明は、生体信号を解析する生体信号解析システムに関し、より詳細には、心拍のゆらぎを解析するのに適した生体信号解析システムに関する。

従来、一見して何の問題もないように見えた人が、ある日突然心臓の不調を訴えて重篤な状態に至るケースが後を絶たない。

一方、１９８０年代以降、心拍のゆらぎと健康状態の相関に着目した研究が進んでおり、これに伴って心拍のゆらぎの解析方法について種々検討がなされてきた。この点につき、非特許文献１は、ＤＦＡ（Detrended Fluctuation Analysis）を使用した心拍ゆらぎの解析法を開示する。

C.-K.Peng, S. Havlin, H. E. Stanley, and A. L. Goldberger, Quantification of scaling exponents and crossover phenomenain nonstationaryheartbeat time series)",Chaos, 第５巻(Vol.5), 1995, pp.82-87

本発明は、心臓の機能不全の予兆検知に役立つ情報を提供することができる新規な生体信号解析システムを提供することを目的とする。

本発明者は、心臓の機能不全の予兆検知に役立つ情報を提供することができる新規な生体信号解析システムの構成につき鋭意検討した結果、以下の構成に想到し、本発明に至ったのである。

すなわち、本発明によれば、生体信号から心拍動成分を主成分として含む電圧信号を抽出する心拍動成分抽出部と、前記電圧信号に基づいて心拍発生時刻を取得する心拍発生時刻取得部と、前記心拍発生時刻から算出した心拍間隔の時系列データに基づいてＤＦＡを実行するためのＤＦＡ解析部と、ＤＦＡ解析部が算出したスケーリング指数を心臓の健康状態を表す指標として提示する健康状態情報を生成する健康状態情報生成部とを含む、生体信号解析システムが提供される。

上述したように、本発明によれば、心臓の機能不全の予兆検知に役立つ情報を提供することができる新規な生体信号解析システムが提供される。

本実施形態の生体信号解析システムの概要構成図。 本実施形態の生体信号解析システムの機能構成図。 本実施形態の心拍動成分抽出部が抽出する心拍パルス信号の波形を示す図。 本実施形態の心拍発生時刻取得処理を表すフローチャート。 本実施形態の心拍発生時刻取得処理を説明するための概念図。 本実施形態の解析対象データ生成処理を表すフローチャート。 本実施形態の解析対象データ生成処理を説明するための概念図。 本実施形態のグラフ生成処理を表すフローチャート。 本実施形態のボックスサイズ・データを示す図。 本実施形態のグラフ生成処理を説明するための概念図。 本実施形態のグラフ生成部が生成する両対数グラフを示す図。 本実施形態のスケーリング指数算出処理を表すフローチャート。 本実施形態の健康状態情報生成処理を表すフローチャート。 本実施形態の健康状態情報を示す図。 本発明の生体信号解析システムの実装態様を説明するための概念図。

以下、本発明を図面に示した実施の形態をもって説明するが、本発明は、図面に示した実施の形態に限定されるものではない。なお、以下に参照する各図においては、共通する要素について同じ符号を用い、適宜、その説明を省略するものとする。

図１は、本発明の実施形態である生体信号解析システム１００の概要構成を示す。図１に示すように、本実施形態の生体信号解析システム１００は、端末装置１０とコンピュータ２０を含んで構成される。

端末装置１０は、被検者の生体信号を収集するための装置であり、被検者の携帯容易性の観点から小型軽量の装置として構成されている。使用時において、端末装置１０に接続された３つの電極１１ａ，１１ｂ，１１ｃは、被検者の胸部の適切な位置に取り付けられ、端末装置１０は、３つの電極１１ａ，１１ｂ，１１ｃの電位差を生体信号（電圧信号）として取得する。端末装置１０は、取得した生体信号に基づいて被検者の心臓の拍動が発生した時刻（以下、心拍発生時刻という）に関する所定のデータを生成し、コンピュータ２０に送信する。なお、図１は、端末装置１０がＢｌｕｅｔｏｏｔｈ（登録商標）やＺｉｇｂｅｅ（登録商標）などの近距離無線通信によってデータを転送するイメージを示しているが、これはあくまで例示であって、データは、他の無線通信方式によって転送してもよいし、有線通信で転送してもよいことはいうまでもない。

一方、コンピュータ２０は、端末装置１０から送信されるデータに基づいて健康状態情報を生成するための情報処理装置であり、図１は、コンピュータ２０がディスプレイ３０に健康状態情報を表示する様子を示している。本実施形態において、健康状態情報とは、心臓の健康状態を評価する際に参考にすることができる情報を意味し、より具体的には、心臓の機能不全の予兆検知に役立つ情報を意味する。なお、図１では、コンピュータ２０としてノート型ＰＣを例示的に示しているが、コンピュータ２０は、タブレット型やデスクトップ型のＰＣであってもよいし、診断用途に特化したワークステーションやサーバであってもよいことはいうまでもない。

以上、本実施形態の生体信号解析システム１００の概要構成について説明してきたが、続いて、図２に示す機能ブロック図に基づいて、端末装置１０およびコンピュータ２０の機能構成を説明する。

最初に、端末装置１０の機能構成について説明する。端末装置１０は、心拍動成分抽出部１２と心拍発生時刻取得部１４を含んで構成されている。

心拍動成分抽出部１２は、電極１１ａ，１１ｂ，１１ｃによってで検出される被検者の微弱な生体信号（アナログ信号）を増幅し、増幅後の信号から低周波ノイズを除去することで心拍動成分を抽出する。なお、心拍動成分抽出部１２は、ハイパスフィルタを備えるアンプ回路によって実現することができる。

ここで、ＪＩＳ規格では、心電計のハイパスフィルタの時定数τが３．２秒（低域遮断周波数０．０５Ｈｚ以下）と定められているところ、本実施形態においては、心拍動成分抽出部１２を構成するアンプ回路のハイパスフィルタの時定数τを０．１秒程度に設定することが好ましい。

図３は、ハイパスフィルタの時定数τを０．１秒に設定した心拍動成分抽出部１２によって抽出された心拍動成分を主成分として含む電圧信号（以下、心拍パルス信号という）の波形を示す。ハイパスフィルタの時定数τを０．１秒程度（低域遮断周波数を約１．６Ｈｚ以下）に設定することで、被検者の体動に起因する低周波ノイズがほぼ完全に除去され、基線が常に安定するようになるので、検査中、被検者に過度の拘束を強いる必要がなくなる。なお、ハイパスフィルタの時定数τをＪＩＳ規格の規格値より小さくすると、Ｐ波やＴ波の波形に歪みが生じる可能性があるが、本システムでは、Ｒ波またはＳ波のピーク時刻を心拍発生時刻として取得するので、このことは問題にならない。

心拍動成分抽出部１２は、生体信号から抽出した心拍パルス信号を心拍発生時刻取得部１４に出力する。これを受けて、心拍発生時刻取得部１４は、心拍パルス信号（アナログ信号）に基づいて、心拍発生時刻を取得する。なお、心拍発生時刻取得部１４は、Ａ／Ｄ変換器を内蔵したＭＣＵ（マイクロコントローラユニット）によって実現することができる。

ここで、図４に示すフローチャートおよび図５に示す心拍パルス信号の波形図に基づいて、心拍発生時刻取得部１４が実行する処理を説明する。

ステップ１０１では、心拍動成分抽出部１２から入力される心拍パルス信号の電圧監視を開始する。電圧の監視は、心拍パルス信号の信号電圧が所定の閾値電圧Ｖ_ｔｈを超えるまで継続され（Ｓ１０１、Ｎｏ）、心拍パルス信号の信号電圧が閾値電圧Ｖ_ｔｈを超えた時点で（Ｓ１０１、Ｙｅｓ）、処理はステップ１０２に進む。

ステップ１０２では、サンプリング期間Ｔ１にわたって心拍パルス信号の電圧値を所定のサンプリングレートでサンプリングし、サンプリング期間Ｔ１が経過した時点でサンプリングを停止する（Ｓ１０３）。例えば、サンプリングレート＝１ｋＨｚ、サンプリング期間Ｔ１＝１００ｍｓとした場合、ステップ１０２において、１００個の電圧値がサンプリングされる。

続くステップ１０４では、サンプリングした電圧値の中の最大値Ｖ_ｍａｘをサンプリングした時刻を取得し、これを心拍発生時刻ｔとして記録する。

なお、図５は、心拍パルス信号のＲ波に対応する波形のピーク時刻を拍発生時刻ｔとした例を示しているが、電極の取りつけ位置（誘導）によっては、上向きのＲ波よりも下向きのＳ波の方が大きく現れる場合がある。その場合は、心拍パルス信号の信号電圧が所定の閾値電圧を下回った時点からサンプリングを実施し、サンプリングした電圧値の中の最小値のサンプリング時刻（Ｓ波に対応する波形のピーク時刻）を心拍発生時刻ｔとすればよい。要するに、本実施形態においては、着目する波形の向きに応じて閾値電圧を決定し、心拍パルス信号の信号電圧が当該閾値電圧に達した時点からサンプリングを実施し、サンプリングした電圧値の中の極値のサンプリング時刻を心拍発生時刻ｔとすればよい。

続くステップ１０５では、心拍発生時刻ｔの取得数が目標数Ａに達したか否かを判断する。ここで、目標数Ａは脈拍数に対応し、本実施形態においては、目標数Ａを１５００〜２５００の範囲の自然数に設定することが好ましい。この値は、被検者が定常状態を維持することができるのはせいぜい３０分間程度であるという本発明者の経験的知見によるものであり、１５００〜２５００という範囲は、成人の３０分間の平均的な脈拍数に相当する。

ステップ１０５の判断の結果、目標数Ａに達していない場合は（Ｓ１０５、Ｎｏ）、サンプリング停止後、待機期間Ｔ２が経過したか否を判断する（Ｓ１０６）。以降、待機期間Ｔ２が経過するまでこの判断処理をループする（Ｓ１０６、Ｎｏ）。

待機期間Ｔ２が経過すると（Ｓ１０６、Ｙｅｓ）、処理は再びステップ１０１に戻って、心拍パルス信号の電圧監視を再開する。以降、ステップ１０５において、心拍発生時刻ｔの取得数が目標数Ａに達したと判断されるまでの間、上述した一連の処理（Ｓ１０１〜Ｓ１０６）を繰り返し実行する。

つまり、本実施形態においては、サンプリング期間Ｔ１に連続する待機期間Ｔ２において心拍パルス信号の電圧監視を中断することで、その間に発生する予期しないノイズが心拍としてカウントされることを防止している。

本実施形態においては、待機期間Ｔ２として、平均的な心拍間隔の略半分の時間長とサンプリング期間Ｔ１の時間長の差分に相当する時間長を設定することが好ましい。これは、平常時の心拍間隔の略半分の時間長の中で２回以上の心拍動が発生することはないという経験的事実に基づく。例えば、平均的な心拍間隔が１０００ｍｓの被検者について、サンプリング期間Ｔ１を１００ｍｓとする場合、待機期間Ｔ２は、４００ｍｓ（１０００／２−１００）に設定すればよい。なお、平均的な心拍間隔の時間長としては、事前に求めておいた被検者の心拍間隔の平均値を用いることができる。

上述した一連の処理（Ｓ１０１〜Ｓ１０６）を繰り返し実行した結果、心拍発生時刻ｔの取得数が目標数Ａに達すると（Ｓ１０６、Ｙｅｓ）、心拍発生時刻取得部１４は、心拍発生時刻取得処理を終了する。これを受けて、端末装置１０は、心拍発生時刻取得部１４が取得したＡ個の心拍発生時刻をコンピュータ２０に送信する。

以上、端末装置１０の機能構成について説明してきたが、続いて、コンピュータ２０の機能構成について説明する。

図２に示すように、コンピュータ２０は、端末装置１０から送信される心拍発生時刻に基づいてＤＦＡ（Detrended Fluctuation Analysis）を実行するためのＤＦＡ解析部２２と、ＤＦＡの結果を利用して健康状態情報を生成するための健康状態情報生成部２８とを含んで構成されている。本実施形態のＤＦＡ解析部２２が採用するＤＦＡの手法は、解析対象信号のゆらぎの分布関数がガウス分布である場合だけでなく、レヴィ分布である場合にも有効であり、本手法によれば、心拍のゆらぎの変化を精緻に検知することが可能になる。ＤＦＡ解析部２２は、ＤＦＡの対象となる時系列データを生成するための解析対象データ生成部２３と、生成された時系列データに基づいて両対数グラフを生成するグラフ生成部２４と、生成された両対数グラフに基づいてスケーリング指数を導出するスケーリング指数算出部２５とを含んで構成されている。以下、上述した各機能部が実行する処理の内容を順を追って説明する。

まず、図６に示すフローチャートに基づいて、解析対象データ生成部２３が実行する解析対象データ生成処理を説明する。

コンピュータ２０が、端末装置１０からＡ個の心拍発生時刻を受信したことを受けて、解析対象データ生成部２３が以下の処理を開始する。

ステップ２０１では、端末装置１０から受信したＡ個の心拍発生時刻ｔからＭ個（Ａ-１個）の心拍間隔ｘを算出し、算出したＭ個の心拍間隔ｘを要素とする時系列データ{ｘ_ｉ}を生成する。具体的には、端末装置１０から受信したＡ個の心拍発生時刻ｔを時系列に並べ、（ｉ＋１）番目の時刻と（ｉ）番目の時刻の時間差分を心拍間隔ｘとして算出する。その結果、Ｍ個（Ａ-１個）の心拍間隔ｘが得られ、{ｘ_ｉ}は、Ｍ個の要素ｘからなる時系列データとして生成される。図７（ａ）は、ステップ２０１で生成される時系列データ{ｘ_ｉ}のグラフを例示的に示す。図７（ａ）に示すグラフでは、横軸をデータの時系列順番[ｉ]に取り、縦軸を心拍間隔[ｘ]に取っている。

続くステップ２０２では、時系列データ{ｘ_ｉ}を構成するＭ個の心拍間隔ｘの平均値ｘ_ａｖｅを算出した後、時系列データ{ｘ_ｉ}を構成する各要素から平均値ｘ_ａｖｅを差し引くことによって、時系列データ{(ｘ−ｘ_ａｖｅ)_ｉ}を生成する。図７（ｂ）は、ステップ２０２で生成される時系列データ{(ｘ−ｘ_ａｖｅ)_ｉ}のグラフを示す。

続くステップ２０３では、時系列データ{(ｘ−ｘ_ａｖｅ)_ｉ}を積分して時系列データ{ｙ_ｉ}を生成する。具体的には、時系列データ{(ｘ−ｘ_ａｖｅ)_ｉ}の各要素を時系列順に足し合わせることによって時系列データ{ｙ_ｉ}を生成する。下記式（１）は、時系列データ{ｙ_ｉ}の算出式を示す。

図７（ｃ）は、ステップ２０３で生成される時系列データ{ｙ_ｉ}のグラフを示す。本実施形態においては、この時系列データ{ｙ_ｉ}が解析対象データとなる。最後に、生成した時系列データ{ｙ_ｉ}を記憶部２６に保存して（ステップ２０４）、処理を終了する。

以上、解析対象データ生成部２３が実行する処理について説明してきたが、続いて、図８に示すフローチャートに基づいて、グラフ生成部２４が実行するグラフ生成処理を説明する。

解析対象データ生成部２３が解析対象データ（時系列データ{ｙ_ｉ}）を生成したことを受けて、グラフ生成部２４が以下の処理を開始する。

ステップ３０１では、解析対象データ生成部２３が保存した時系列データ{ｙ_ｉ}を記憶部２６からロードする。

続くステップ３０２では、記憶部２６からボックスサイズ・データをロードする。ここで、ボックスサイズ・データは、ＤＦＡにおいて使用する複数のボックスサイズ（整数）のセットであり、ボックスサイズとは、データの要素数を意味する。図９は、１０〜１０００の範囲に存在する１３６個の整数をボックスサイズとして有するボックスサイズ・データを例示的に示す。図９に示す例では、ボックスサイズ・データに含まれる１３６個の整数は、１０〜１００の間は１ずつ増分し、１００〜５００の間は１０ずつ増分し、５００〜１０００の間は１００ずつ増分している。

続くステップ３０３では、ロードしたボックスサイズ・データの中から最初のボックスサイズ[Ｎ]をセットする。図９に示すボックスサイズ・データの場合、例えば、最小のボックスサイズ[１０]を最初にセットする。

続くステップ３０４では、ステップ３０１でロードした時系列データ{ｙ_ｉ}をその時点でセットされているボックスサイズ[Ｎ]で分割する。例えば、その時点でセットされているボックスサイズが[１０]であった場合、時系列データ{ｙ_ｉ}を１０個の要素を含む小区間（以下、ボックスという）に分割する。つまり、時系列データ{ｙ_ｉ}がＭ個の要素からなる場合、ステップ３０４において、時系列データ{ｙ_ｉ}は、Ｍ／Ｎ個のボックスに分割されることになる。図１０（ａ）は、ボックスサイズ[１０]で分割した時系列データ{ｙ_ｉ}を示す。この場合、各ボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）は、１０個の要素を含む。

続くステップ３０５では、分割後のボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）のそれぞれにつき、当該ボックス内に存在するＮ個のデータに対して近似曲線をフィッティングし、当該近似曲線上の値を各ボックスの局所トレンドｙ_Ｖとして決定する。ここで、近似曲線のフィッティングは１次関数から４次関数までを用いた最小二乗法によって行うことができる。なお、ここでいう近似曲線は、直線を含む概念である。図１０（ｂ）は、各ボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）に対して近似曲線ｙ_Ｖ（ｙ_Ｖ（１）、ｙ_Ｖ（２）、ｙ_Ｖ（３）…）をフィッティングした状態を示している。なお、図１０（ｂ）においては、説明の便宜上、近似曲線を１次関数で示している。

続くステップ３０６では、ボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）のそれぞれにつき、ボックスを構成する各要素から当該ボックスについて決定した局所トレンドｙ_Ｖを差し引くことにより、時系列データ{ｚ_ｉ}を生成する。下記式（２）は、時系列データ{ｚ_ｉ}の式を示し、図１０（ｃ）は、ステップ２０５で生成される時系列データ{ｚ_ｉ}のグラフを示す。

続くステップ３０７では、時系列データ{ｚ_ｉ}のボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）のそれぞれにつき、ボックスを構成する先頭の要素（点線の丸で囲んで示す）の値と末尾の要素（点線の四角で囲んで示す）の値の差分を求める。

なお、上述したステップ３０６および３０７の処理に代えて、以下の方法を採用して計算量を軽減してもよい。すなわち、各ボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）の先頭の要素から対応する局所トレンドｙ_Ｖを差し引いた値と末尾の要素から対応する局所トレンドｙ_Ｖを差し引いた値の差分を求める方法である。

続くステップ３０８では、全てのボックス（ＢＯＸ（１）、ＢＯＸ（２）、ＢＯＸ（３）…）について求めた差分（先頭と末尾の差分）の二乗平均平方根[Ｓ]を算出する。

続くステップ３０９では、ステップ３０７で算出した二乗平均平方根[Ｓ]とその時点でセットされているボックスサイズ[Ｎ]からなる数値の組（Ｎ，Ｓ）を記録する。

続くステップ３１０では、ステップ３０２でロードしたボックスサイズ・データに含まれる全てのボックスサイズ[Ｎ]について、組（Ｎ，Ｓ）を記録したか否かを判断する。その結果、全てのボックスサイズ[Ｎ]について組（Ｎ，Ｓ）の記録が完了していない場合には（ステップ３１０、Ｎｏ）、処理はステップ３１１に進む。

ステップ３１１では、ボックスサイズ・データに含まれる値の中から次のボックスサイズ[Ｎ]を新たにセットする。図９に示すボックスサイズ・データの場合、例えば、ボックスサイズ[11]を新たにセットする。その後、処理は再びステップ３０４に戻る。

以降、ステップ３１０において、全てのボックスサイズ[Ｎ]について組（Ｎ，Ｓ）を記録したと判断されるまでの間、上述した一連の処理（Ｓ３０４〜Ｓ３１０）を繰り返し実行する。

つまり、本実施形態では、ステップ３０２でロードしたボックスサイズ・データに含まれる全てのボックスサイズについて、上述した一連の処理（Ｓ３０４〜Ｓ３１０）を実行することによって、ボックスサイズの数だけ数値の組（Ｎ，Ｓ）が記録されることになり、図９に示すボックスサイズ・データの場合、１３６個の組（Ｎ，Ｓ）が記録されることになる。

ここで、ボックスサイズ[Ｎ]と二乗平均平方根[Ｓ]の関係は、下記式（３）に示す関数Ｓ（Ｎ）として定義される。なお、下記式（３）において、“Ｍ”は時系列データ{ｙ_ｉ}の要素数を示し、“Ｎ”はボックスサイズを示し、“ｚ_ｊＮ＋Ｎ−ｚ_ｊＮ＋１“は、ｊ番目のボックスの先頭の要素（ｚ_ｊＮ＋１）と末尾の要素（ｚ_ｊＮ＋Ｎ）の差分（変位）を示す。

再び、図８に戻って説明を続ける。ステップ３１０において、全てのボックスサイズ[Ｎ]について組（Ｎ，Ｓ）を記録したと判断した場合（ステップ３１０、Ｙｅｓ）、処理は、ステップ３１２に進む。

ステップ３１２では、記録した組（Ｎ，Ｓ）を両対数グラフにプロットする。図１１は、ステップ３１２で生成される両対数グラフを例示的に示す。図１１に示す両対数グラフでは、縦軸をｌｏｇ[Ｓ]に、横軸をｌｏｇ[Ｎ]に取り、対数目盛を刻んでいる。最後に、ステップ３１２で生成した両対数グラフを記憶部２６に保存して（ステップ３１３）、処理を終了する。

以上、グラフ生成部２４が実行する処理について説明してきたが、続いて、図１２に示すフローチャートに基づいて、スケーリング指数算出部２５が実行するスケーリング指数算出処理を説明する。

スケーリング指数算出部２５は、健康状態情報生成部２８からの要求を受けて（後述する）、以下の処理を開始する。

ステップ４０１では、グラフ生成部２４が生成した両対数グラフを記憶部２６からロードする。

続くステップ４０２では、ロードした両対数グラフのプロットのうち、健康状態情報生成部２８から指定されたボックスサイズの範囲（後述する）に含まれるプロットに１次関数をフィッティングし、フィッティングした１次関数の傾きをスケーリング指数αとして算出する。最後に、１次関数のフィッティングを行った両対数グラフと算出したスケーリング指数αを記憶部２６に保存して（ステップ４０３）、処理を終了する。

以上、スケーリング指数算出部２５が実行する処理について説明してきたが、続いて、図１３に示すフローチャートに基づいて、健康状態情報生成部２８が実行する健康状態情報生成処理を説明する。

健康状態情報生成部２８は、所定のＵＩ画面を介して、ボックスサイズの範囲を指定した処理要求をユーザから受け付ける。なお、本実施形態においては、一度に２以上のボックスサイズの範囲の指定を受け付けるようにしてもよい。健康状態情報生成部２８は、ユーザからの処理要求を受けて以下の処理を開始する。

ステップ５０１では、ユーザが指定したボックスサイズの範囲を指定して、スケーリング指数算出部２５にスケーリング指数の計算を要求する。これを受けて、スケーリング指数算出部２５がスケーリング指数算出処理を実行する（図１２参照）。

続くステップ５０２では、スケーリング指数の算出に使用した両対数グラフと算出したスケーリング指数αを記憶部２６からロードする。

続くステップ５０３では、ロードした両対数グラフとスケーリング指数αを使用して健康状態情報を生成する。

図１４は、可視化データとして生成された健康状態情報を例示的に示す。図１４（ａ）に示す例では、ボックスサイズの範囲［３０〜２７０]に１次関数をフィッティングした両対数グラフ上にスケーリング指数αが健康指標αとして提示されている。一方、図１４（ｂ）に示す例では、３つのボックスサイズの範囲[３０〜６０]、[７０〜１４０]および[１３０〜２７０]に１次関数をフィッティングした両対数グラフ上に各１次関数に対応するスケーリング指数αが健康指標αとして提示されている。なお、本発明は、健康状態情報のフォーマットを限定するものではなく、スケーリング指数αを心臓の健康状態を表す指標として提示することができるフォーマットであれば、どのようなフォーマットであってもよい。

最後に、健康状態情報生成部２８は、生成した診断支援情報健康状態情報を記憶部２６に保存して（ステップ５０４）、処理を終了する。

なお、本実施形態においては、ボックスサイズの範囲のデフォルト値を設定しておき、ボックスサイズの範囲についてユーザから明示的な指定がない場合に、当該デフォルト値が示すボックスサイズの範囲についてスケーリング指数αを計算し、その結果を心臓の健康状態を表す指標として提示するようにしてもよい。この場合、ボックスサイズの範囲のデフォルト値は、１０〜３００とすることが好ましく、３０〜２７０とすることがより好ましい。この値は、本発明者の経験的知見によるものであり、本発明者は、数百人の被検者の健康状態を経時的に観察した経験から、当該ボックスサイズの範囲について計算したスケーリング指数αと急性心筋梗塞の危険因子であるストレスとの間に密接な相関があることを発見したのである。

以上、本発明の生体信号解析システムを実施形態に基づいて説明してきたが、本発明の生体信号解析システムは、図１に示した態様の他にも種々の実装構成が可能であることはいうまでもない。例えば、本発明の生体信号解析システムは、図２に示した各機能手段を小型の筐体に一体化することによって、図１５（ａ）に示すような携帯型装置として実装することができる。また、本発明の生体信号解析システムは、図２に示したコンピュータ２０が備える機能手段をＷｅｂアプリケーションとしてＷｅｂサーバ５０に搭載することによって、Ｗｅｂサービスとして実装することができる。この場合、モバイル端末４０（例えば、スマートフォンやタブレットＰＣ）にインストールされた専用アプリケーションが端末装置１０から受信した心拍発生時刻を含むＨＴＴＰリクエストをＷｅｂサーバ５０に送信し、Ｗｅｂサーバ５０からＨＴＴＰレスポンスとして健康状態情報を受信する。要するに、本発明の生体信号解析システムを構成する各機能手段は、健康状態情報をユーザに提示しうる限りにおいて、任意の単位で自由に組み合わせることができ、また、それらを任意の態様で分散して配置することができる。

以上、説明したように、本実施形態によれば、被検者に過度の拘束を強いることなく、心臓の機能不全の予兆検知に役立つ有用な健康状態情報をユーザに提示することが可能になる。心臓に潜在的なリスクを抱えたユーザは、提示された健康状態情報に基づいて生活習慣を見直すなどの策を講じることができるので、大事に至らずに済む。

以上、本発明について実施形態をもって説明してきたが、本発明は上述した実施形態に限定されるものではなく、当業者が推考しうる実施態様の範囲内において、本発明の作用・効果を奏する限り、本発明の範囲に含まれるものである。

また、上述した端末装置１０およびコンピュータ２０の各機能は、Ｃ、Ｃ＋＋、Ｃ＃、Ｊａｖａ（登録商標）などで記述された装置実行可能なプログラムにより実現することができ、本実施形態のプログラムは、ハードディスク装置、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、フレキシブルディスク、ＥＥＰＲＯＭ、ＥＰＲＯＭなどの装置可読な記録媒体に格納して頒布することができ、また他装置が可能な形式でネットワークを介して伝送することができる。

１０…端末装置、１１…電極、１２…心拍動成分抽出部、１４…心拍発生時刻取得部、２０…コンピュータ、２２…ＤＦＡ解析部、２３…解析対象データ生成部、２４…グラフ生成部、２５…スケーリング指数算出部、２６…記憶部、２８…健康状態情報生成部、３０…ディスプレイ、４０…モバイル端末、５０…Ｗｅｂサーバ、１００…生体信号解析システム

Claims (10)

1. 生体信号から心拍動成分を主成分として含む電圧信号を抽出する心拍動成分抽出部と、
   前記電圧信号に基づいて心拍発生時刻を取得する心拍発生時刻取得部と、
   前記心拍発生時刻から算出した心拍間隔の時系列データに基づいてＤＦＡを実行するためのＤＦＡ解析部と、
   ＤＦＡ解析部が算出したスケーリング指数を心臓の健康状態を表す指標として提示する健康状態情報を生成する健康状態情報生成部と、
   を含み、
   前記心拍発生時刻取得部は、
   前記電圧信号の電圧が所定の閾値に達した時点からサンプリング期間にわたって該電圧信号の電圧値をサンプリングし、電圧の極値をサンプリングした時刻を前記心拍発生時刻として取得し、該サンプリング期間に連続する待機期間において該電圧信号の監視を中断し、前記待機期間が、平均的な心拍間隔の半分の時間長と前記サンプリング期間の時間長の差分に設定される、
   生体信号解析システム。
2. 前記心拍動成分抽出部は、ハイパスフィルタを含み、該ハイパスフィルタの時定数は０．１程度である、請求項１に記載の生体信号解析システム。
3. 前記ＤＦＡ解析部は、
   前記心拍発生時刻から算出した心拍間隔の時系列データの各要素から平均値を引いた値を積分して解析対象データを生成する解析対象データ生成部と、
   前記解析対象データをボックスサイズＮ（Ｎは１以上の整数。以下同様）で分割し、ボックス毎のトレンドを決定し、各ボックスについて先頭の要素からトレンドを差し引いた値と末尾の要素からトレンドを差し引いた値の差分を求め、該差分の二乗平均平方根ＳとボックスサイズＮの組（Ｎ,Ｓ）を記録するという一連の処理を、複数の異なるボックスサイズＮについて実行し、記録した複数の前記組（Ｎ,Ｓ）を両対数グラフにプロットするグラフ生成部と、
   前記両対数グラフにおける前記プロットの一部または全部に１次関数をフィッティングし、該１次関数の傾きをスケーリング指数として算出するスケーリング指数算出部と、
   を含む、請求項１または２に記載の生体信号解析システム。
4. 前記グラフ生成部は、
   各前記ボックス内のＮ個の要素に近似曲線をフィッティングして前記トレンドを決定する、請求項３に記載の生体信号解析システム。
5. 前記スケーリング指数算出部は、
   指定された前記ボックスサイズＮの範囲の前記プロットに１次関数をフィッティングする、請求項３または４に記載の生体信号解析システム。
6. 前記スケーリング指数算出部は、
   前記ボックスサイズＮが１０〜３００の範囲の前記プロットに１次関数をフィッティングする、請求項３〜５のいずれか一項に記載の生体信号解析システム。
7. 前記解析対象データ生成部は、
   所定数の前記心拍発生時刻に基づいて前記解析対象データを生成する、請求項３〜５のいずれか一項に記載の生体信号解析システム。
8. 前記所定数は、１５００〜２５００の範囲の自然数である、請求項７に記載の生体信号解析システム。
9. 心臓の健康状態を表す指標を含む健康状態情報を生成するため、コンピュータが実行する方法であって、コンピュータが、
   生体信号から心拍動成分を主成分として含む電圧信号を抽出するステップと、
   前記電圧信号に基づいて心拍発生時刻を取得するステップと、
   前記心拍発生時刻から算出した心拍間隔の時系列データに基づいてＤＦＡを実行するステップと、
   ＤＦＡ解析部が算出したスケーリング指数を心臓の健康状態を表す指標として提示する健康状態情報を生成するステップと、
   を実行し、
   前記心拍発生時刻を取得するステップは、
   前記電圧信号の電圧が所定の閾値に達した時点からサンプリング期間にわたって該電圧信号の電圧値をサンプリングし、電圧の極値をサンプリングした時刻を前記心拍発生時刻として取得し、該サンプリング期間に連続する待機期間において該電圧信号の監視を中断するステップであって、
   前記待機期間が、平均的な心拍間隔の半分の時間長と前記サンプリング期間の時間長の差分に設定される、
   コンピュータ実行可能なプログラム。
10. 前記ＤＦＡを実行するステップは、
    前記心拍発生時刻から算出した心拍間隔の時系列データの各要素から平均値を引いた値を積分して解析対象データを生成するステップと、
    前記解析対象データをボックスサイズＮ（Ｎは１以上の整数。以下同様）で分割し、ボックス毎のトレンドを決定し、各ボックスについて先頭の要素からトレンドを差し引いた値と末尾の要素からトレンドを差し引いた値の差分を求め、該差分の二乗平均平方根ＳとボックスサイズＮの組（Ｎ,Ｓ）を記録するという一連の処理を、複数の異なるボックスサイズＮについて実行し、記録した複数の前記組（Ｎ,Ｓ）を両対数グラフにプロットするステップと、
    前記両対数グラフにおける前記プロットの一部または全部に１次関数をフィッティングし、該１次関数の傾きをスケーリング指数として算出するステップと、
    を含む、請求項９に記載のコンピュータ実行可能なプログラム。