JP6732316B2 - 解析装置、解析プログラム - Google Patents

Description

本発明は、被検体の血流を解析する技術に関する。

ビッグデータやＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）の利用が拡大するのにともない、各種センシングデバイスが社会の様々な場面において利用され、様々な事象を様々な観点から計測して業務に活用する流れが拡大している。同様の流れは人の計測にも及んでいる。特に、脳や生体の変化をセンシングして、商品開発に活用する動きが加速している。

人の血液中のヘモグロビンは、近赤外光を吸収する。したがって人の体内に近赤外光を照射すると、血流量の変化に応じて近赤外光の反射量が変化する。この性質を利用し、脳に対して外部から近赤外光を照射して、反射してくる近赤外光を計測し、受光量を分析することにより、非侵襲で脳活動の変化を観察することができる。さらに複数箇所を計測することにより、複数部位の脳活動を観察することができる。

センシングする近赤外光の反射量は、体動などによるノイズを含む。さらに脳血流量は脳活動以外による変化を含む。これらノイズを計測結果から除去するため、脳活動を解析する装置は一般に、ノイズ除去機能を備えている。

下記特許文献１は、『被検体の測定部位より浅い皮膚血流等の浅部による不要な受光量情報を除去した脳血流等の測定部位による受光量情報を得ることができる光計測装置の提供。』を課題として、『複数の送光プローブ１２と複数の受光プローブ１３とを有する第一送受光部１１を備え、第一送受光部１１は、送光プローブ１２と受光プローブ１３とが交互に第一設定間隔で並べられた格子状に形成されている光計測装置１であって、第二送受光部１５は、送光プローブ１６と受光プローブ１７との間の距離である第二設定間隔が、第一設定間隔より短くなるように形成されており、制御部２０は、送光プローブ１２から受光プローブ１３への光の第一受光量情報を取得するとともに、送光プローブ１６から受光プローブ１７への光の第二受光量情報を取得し、第二受光量情報を用いて、第一受光量情報から不要な受光量情報を除去することを特徴とする。』という技術を開示している（要約参照）。

特開２００９−１４８３８８号公報

例えば脳が学習しているとき、その学習を実施している部分が活性化して血流が多く流れる。したがって血流量を測定することにより、脳の活動を推測することができる。脳の活動は瞬時的に生じるので、血流量を測定する際にもその瞬時値を正確に測定することが重要である。血流量の測定結果が同程度に脈動による瞬時的な血流変化を含んでいると、いずれに起因する血流変化かわからなくなり、脳の活動による血流量の瞬時値を正確に測定することの妨げになる。そこで特許文献１のような従来技術においては、脈拍による影響を差分演算によって除去していると考えられる。

他方で、脈動は心拍によって血液が押し流される際に発生し、脈動間隔は心拍間隔と同等であることや、人の健康状態や心理状態などを反映していることが知られている。つまり、脳血流から脳活動と脈動間隔の両方が測定できると、一度により詳細な心身の活動を推測することができる。特許文献１のような従来技術においては、脳血流から脳活動を計測すると同時に脈動間隔を測定することは想定されていないので、脈拍による影響は除去されている。したがって従来技術をそのまま用いて脈動間隔を測定することは困難である。特許文献１のような差分演算を実施しないとしても、脳血流量の測定結果のうち脈拍を表す成分は信号強度が小さいので、やはり脈動間隔を測定することは困難である。

本発明は、上記のような課題に鑑みてなされたものであり、血流量を精度よく測定するとともに、脈動間隔を併せて精度よく測定することができる技術を提供することを目的とする。

本発明に係る解析装置は、被検体の内部のそれぞれ異なる深さにおいて反射した光を測定し、深さの異なる信号に脈動の成分が共通して含まれることを利用し、測定結果の差分に基づき前記被検体の脳活動による血流量を求めるとともに、測定結果の加算に基づき脈動による血流量の変化を強め、前記被検体の脈動間隔を精度よく求める。

本発明に係る解析装置によれば、被検体の血流量を精度よく測定するための測定結果を用いて、同被検体の脈動間隔を精度よく測定することができる。これにより、同一の測定部品により血流量と脈動間隔をともに精度よく求めることができる。

実施形態１に係る解析装置１００の構成図である。 近赤外計測装置１１０の構成図である。 近赤外計測装置１１０が計測する深さとその結果として得られる物理量の関係を示す模式図である。 プローブ１と２による測定結果を例示するグラフである。 実施形態２における加算プログラム１２３の演算ブロック図である。 脈動間隔を求める処理を説明する概念図である。 実施形態３に係る解析装置１００の構成図である。 モデルデータ１３６が記述している内容を説明する概念図である。

＜実施の形態１＞
図１は、本発明の実施形態１に係る解析装置１００の構成図である。解析装置１００は例えば生物の脳などの被検体に対して光を照射することによりその被検体の血流を解析する装置である。解析装置１００は、近赤外計測装置１１０、後述する各プログラム、各プログラムが出力するデータを記憶する記憶装置、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１４０を備える。

近赤外計測装置１１０は、被検体に対して光を照射し、被検体から反射された光を測定する装置である。近赤外計測装置１１０の具体的構成については後述する。近赤外計測装置１１０は、解析装置１００の一部として構成することもできるし、解析装置１００とは切り離して別個に構成した上で近赤外計測装置１１０による計測結果を解析装置１００が取り込むようにしてもよい。

ＣＰＵ１４０は、解析装置１００が備える各プログラムを実行する演算装置である。以下では記載の便宜上、各プログラムを動作主体として説明する場合があるが、実際にこれらプログラムを実行するのはＣＰＵ１４０であることを付言しておく。各プログラムは解析装置１００が備える適当な記憶装置に格納することができる。各データを格納する記憶装置と同じであってもよいし別の記憶装置であってもよい。複数の記憶装置に分割して記憶してもよい。

計測結果取得プログラム１２１は、近赤外計測装置１１０から計測結果を表す信号またはデータを受け取り、必要に応じて整形などの処理を施した上で、血流データ１３１として記憶装置に格納する。以下に説明する各データは、血流データ１３１と同じ記憶装置に格納してもよいし別の記憶装置に格納してもよい。

差分演算プログラム１２２は、血流データ１３１に対して後述する差分演算を実施することにより、被検体の血流量を算出し、その結果を差分データ１３２として記憶装置に格納する。

加算プログラム１２３は、血流データ１３１に対して後述する加算演算を実施することにより、被検体の脈動間隔を算出し、その結果を加算データ１３３として記憶装置に格納する。

特徴量算出プログラム１２４は、差分データ１３２が記述している被検体の血流量に対して、例えば（ａ）血流量の単位時間当たりの変化率、（ｂ）所定期間における血流量の最大値、（ｃ）所定期間における血流量の最小値、（ｄ）血流量の最大値と最小値との間の差分、（ｅ）血流量の極値間の時間間隔、などのような特徴量のうち少なくともいずれかを算出する。特徴量算出プログラム１２４は、算出結果を血流量データ１３４として記憶装置に格納する。

特徴量算出プログラム１２５は、加算データ１３３が記述している被検体の脈動間隔に対して、例えば（ａ）脈動間隔の単位時間当たりの変化率、（ｂ）所定期間における脈動間隔の最大値、（ｃ）所定期間における脈動間隔の最小値、（ｄ）脈動間隔の最大値と最小値との間の差分、（ｅ）脈動間隔の極値間の時間間隔、などのような特徴量のうち少なくともいずれかを算出する。特徴量算出プログラム１２５は、算出結果を脈動間隔データ１３５として記憶装置に格納する。

図２は、近赤外計測装置１１０の構成図である。近赤外計測装置１１０は、２以上の計測部１１１、制御部１１２、通信部１１３を備える。図２においては便宜上、２つの計測部１１１−１と１１１−２について符号を付与した。各計測部は、被検体２００の体表のそれぞれ異なる位置に取り付けられ、その位置において計測を実施する。

各計測部１１１は、それぞれ２以上のプローブを備える。図２においては、被検体２００の頭蓋骨よりも体表に近い深さの血流を測定するプローブ１と、被検体２００の頭蓋骨よりも体内に近い深さ（被検体２００の頭部を測定する場合は脳内）の血流を測定するプローブ２を備える構成を示した。各プローブはそれぞれ発光部（光照射部）と受光部（光検出器）を備える。発光部が被検体２００に対して照射した光が被検体２００から反射され、受光部がその反射光を検出する。

制御部１１２は、各計測部１１１の動作を制御するとともに、各計測部１１１による測定結果を取得する。通信部１１３は、各計測部１１１による測定結果を記述したデータまたは信号を、外部装置（図１においては解析装置１００）に対して出力する。

図３は、近赤外計測装置１１０が計測する深さとその結果として得られる物理量の関係を示す模式図である。ここでは被検体２００の脳内の血流を測定することを想定する。浅い位置（脳に達していない深さ）と深い位置（脳内）いずれの測定結果も、被検体２００の脈拍によって影響されるので、ともに脈拍を表す成分を含んでいる。他方で脳内の血流変動は、脳内に達する深さのプローブから主に得られると考えられるので、プローブ２は脳内の血流変動を表す成分をさらに含んでいる。各プローブが検出するノイズは互いに異なる。

プローブ１による測定結果とプローブ２による測定結果はともに脈拍を表す成分を含んでいるので、これらの差分をとることにより、血流変動を表す成分を残すことができる。差分演算プログラム１２２はこのことを利用して、プローブ２の測定結果からプローブ１の測定結果を減算することにより、血流変動を表す差分データ１３２を算出する。血流変動から血流量を求める処理は、差分演算プログラム１２２が実施して差分データ１３２に記録してもよいし、特徴量算出プログラム１２４が実施して血流量データ１３４に記録してもよい。本実施形態１においては差分演算プログラム１２２が実施するものとする。

プローブ１による測定結果とプローブ２による測定結果を加算することにより、脈拍を表す成分を強調することができる。加算結果には血流変動を表す成分も含まれるが、脈拍を表す成分は被検体２００の脈動間隔に対応する周波数成分を特に強く有していると考えられるので、脈拍を表す成分の信号強度を充分に確保できれば、これを抽出することは比較的容易である。加算プログラム１２３は、このことを利用して、プローブ１と２の測定結果を加算することにより、脈拍を表す加算データ１３３を算出する。脈拍を表す成分から脈動間隔を求める処理は、加算プログラム１２３が実施して加算データ１３３に記録してもよいし、特徴量算出プログラム１２５が実施して脈動間隔データ１３５に記録してもよい。本実施形態１においては加算プログラム１２３が実施するものとする。

図４は、プローブ１と２による測定結果を例示するグラフである。プローブ１と２ともに脈拍を表す成分を含んでいるが、その成分の信号強度は測定結果全体の信号強度と比較すると小さい。プローブ１と２による測定結果を加算することにより、図４の右下に示すように脈拍を表す成分を強調することができる、またこれらの差分を求めることにより、図４の右上に示すように血流変動を表す成分を鮮明にすることができる。

＜実施の形態１：まとめ＞
本実施形態１に係る解析装置１００は、それぞれ異なる深さについて脈動の成分が共通することを利用し、測定結果の差分を求めることにより脈動の成分を除いて血流量を求め、加算することにより脈動の成分を強めて脈動間隔を求める。これにより、血流量を測定することを想定した装置構成を用いて、脈動間隔を精度よく求めることができる。

＜実施の形態２＞
本発明の実施形態２では、血流量や脈動間隔を求める前に、近赤外計測装置１１０による測定結果を改善する手法について説明する。改善に関する構成を除いて解析装置１００は実施形態１と同様の構成を備えるので、以下では主に差異点について説明する。

図５は、本実施形態２における加算プログラム１２３の演算ブロック図である。被検体２００上のプローブの位置によっては、必ずしも明瞭な計測結果が得られない可能性がある。そこで加算プログラム１２３は、各計測部１１１から取得した計測結果のＳ／Ｎ比を求め、Ｓ／Ｎ比が良好な計測結果のみを加算する。Ｓ／Ｎ比の判定は信号処理において複数の技術が知られており、１つの例として、フーリエ変換等によって信号の各周波数成分を算出し、脈動の周波数（約０．５〜３Ｈｚ）の周波数成分の強度のピークと、それ以外の周波数成分の強度の比をＳ／Ｎ比とすることができ、計測した複数の信号のＳ／Ｎ比のばらつきから、正規分布を仮定した標準偏差の２倍の範囲内である信号を良好であるとして採用する。

加算プログラム１２３は、各計測部１１１から取得した計測結果のうち、脈拍を表す周波数成分のスペクトル（脈拍に対応する周波数範囲のスペクトル）を算出する。加算プログラム１２３は、算出したスペクトルが所定閾値以上の計測結果のみを選択し、その他の計測結果は破棄する。以後は実施形態１と同様である。図５に示す例においては、計測箇所１と４のＳ／Ｎ比が良好であるので、加算プログラム１２３はこれらの計測結果のみを残し、その他は破棄する。脈拍を表す成分は、被検体２００の生物種によって定まるが、人間であれば概ね２０Ｈｚ〜２００Ｈｚ程度であろう。

被検体２００が生物の脳である場合、脳は部位によって働きが異なるので、それぞれ異なる部位の活動を測定するため、頭部の複数個所に計測部１１１を配置してそれぞれの部位の活動を測定する場合がある。図５で説明する手法は、このような複数個所の測定結果を得る場合において、測定結果を複数得られることを利用してＳ／Ｎ比を向上させることができる。

図６は、脈動間隔を求める処理を説明する概念図である。一般に脳の血流量を求める際には、瞬時値を正確に求めることが重要であり、測定頻度が高いことは求められない場合がある。他方で脈動間隔は常に変化するので、脈動間隔を正確に測定するためには測定頻度を多くすることが必要である。本発明においては血流量を測定するための構成を利用するので、サンプリング周波数が低いデータを用いて脈動間隔を求めることになる。そうすると図６右上のように、脈動間隔（図６のＲＲ間隔）を誤って求める可能性がある。

そこで加算プログラム１２３は、加算データ１３３に対してサンプリング間隔を補間する。例えば公知のカーブフィッティングなどの手法を用いて近似曲線を求めることにより計測結果を補間することができる。これにより、図６右下に示すように正しい脈動間隔を求めることができる。

図６において、信号強度の極大値間の間隔を脈動間隔として取り扱ってもよいし、極小値間の間隔を脈動間隔として取り扱ってもよい。ただし、血液が光を吸収するので血流が多いとき受光強度が下がることを利用して測定を実施する場合は、信号強度の極小値を用いるほうが好適である。心臓が収縮するときは弛緩するときと比較して心臓の動きが急峻なので、信号強度の極小値付近の信号波形も急峻となり（収縮期は血流が増えるので光がより多く吸収されて信号強度は下がる）、極小値を特定しやすいからである。

被検体２００が生物の脳である場合、脳血流量を測定するために必要な計測部１１１のサンプリング周波数は、概ね３２Ｈｚまたはこれ以下である。図６で説明する手法は、そのようなサンプリング周波数が小さい場合においても、脈動間隔を的確に測定することができる。

＜実施の形態３＞
本発明の実施形態３では、血流量データ１３４と脈動間隔データ１３５を用いて被検体２００の生理的状態を解析する手法について説明する。その他の構成は実施形態１〜２と同様なので、以下では差異点について主に説明する。

図７は、本実施形態３に係る解析装置１００の構成図である。本実施形態３において解析装置１００は、実施形態１〜２で説明した構成に加えてモデルデータ１３６と出力プログラム１２６を備える。

図８は、モデルデータ１３６が記述している内容を説明する概念図である。人間の感情を快／不快の軸と活性／不活性の軸の相対的な関係性によって２次元的に表現した感情モデルが、Ｒｕｓｓｅｌの２次元感情モデルとして知られている。モデルデータ１３６は、この感情モデルと解析装置１００による測定結果との間の対応関係を記述するデータである。

具体的には、モデルデータ１３６は、公知の事例をもとに、心拍間隔、及び同等の値である脈動間隔を快／不快と対応付けるとともに、前頭葉血流を活性／不活性と対応付け、心拍間隔あるいは脈動間隔が短いほど快が大きく、前頭葉血流が多いほど脳が活性であると仮定する。モデルデータ１３６は、心拍間隔あるいは脈動間隔と前頭葉血流によって表される２次元空間と、Ｒｕｓｓｅｌの２次元感情モデルにおける各感情との間の対応関係を、適当なデータ形式により記述する。特徴量算出プログラム１２４または１２５は、血流量データ１３４と脈動間隔データ１３５がそれぞれ記述している血流量と脈動間隔を用いてモデルデータ１３６を照会することにより、２軸の相対的な関係から、図８の２次元の感情モデルの中における位置付けがわかり、被検体２００の感情を推定することができる。

脈動間隔は常に経時変化しており、その変化は副交感神経の活動に由来するものと、交感・副交感神経の双方の活動に由来するものがあることが知られている。具体的には、脈動間隔の経時波形の周波数スペクトルにおいて、ある周波数以上の成分は主に副交感神経の活動に由来するものであり、その周波数未満の成分は交感・副交感神経の双方の活動に由来するものであると仮定することができる。特徴量算出プログラム１２５は、このことを利用して、被検体２００の生理的状態を推測することができる。

例えば特徴量算出プログラム１２５は、脈動間隔の周波数スペクトルのうち、閾値周波数以上のパワースペクトルの合計ＨＦ（閾値周波数以上のパワースペクトル波形の面積）と、閾値周波数未満のパワースペクトルの合計ＬＦ（閾値周波数未満のパワースペクトル波形の面積）の比（ＬＦ／ＨＦ）を求める。ＬＦ／ＨＦが小さければ副交感神経が優位であり、大きければ交感神経が優位であるといえる。これにより、例えば被検体２００のストレス状態を推測することができる。

１例として、被検体２００が椅子に座っている状態と椅子から立ち上がる動作を交互に繰り返させて脈動間隔の周波数スペクトルを測定する検査が挙げられる。一般に座っているときは副交感神経が優位になるのでＨＦが増え、立っているときは交感神経が優位になるのでＬＦが増える。座っていてもＨＦがあまり高まらない（ＬＦ／ＨＦが低下しない）被検体２００は、ストレスが多いと推測される。

出力プログラム１２６は、各プログラムによる演算結果を、適当なフォーマットで出力する。例えば、（ａ）血流量データ１３４が記述している血流量や脈動間隔データ１３５が記述している脈動間隔を、時間軸に沿ったグラフ形式で出力する、（ｂ）特徴量算出プログラム１２４と１２５が算出した特徴量をそのグラフと併記する、（ｃ）モデルデータ１３６に基づく感情推定結果または２次元グラフを出力する、（ｄ）ＬＦ／ＨＦの値やこれに基づく被検体２００の生理的状態の推定結果を出力する、などが考えられる。

出力プログラム１２６による出力形式は、例えば画面出力であれば適当なフォーマットの画像や文字であり、データとして出力するのであれば適当なデータフォーマットに整形したデータである。

＜本発明の変形例について＞
本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

以上の実施形態において、各プログラムのうち２以上を一体としてもよい。例えば差分演算プログラム１２２と特徴量算出プログラム１２４を１つのプログラム（第１解析部）として構成し、加算プログラム１２３と特徴量算出プログラム１２５を１つのプログラム（第２解析部）として構成してもよい。さらにこれらをモジュールとして構成し、別のプログラム（解析部）が呼び出すように構成してもよい。

以上の実施形態において、各プログラムに代えて、これらの機能を実装した回路デバイスなどのハードウェアを用いて、同等の機能を実現することもできるし、実施形態で説明したようにソフトウェアとして実装することもできる。

以上の実施形態においては、被検体２００として生物の脳活動を測定することを説明したが、その他の生体被検体についても同様に、異なる深さの測定結果を用いて、血流量と脈動間隔を測定することができる。例えば筋肉の血流量を測定するとともに脈動間隔を測定する場合は、筋肉の中心付近の深さを測定するとともに表皮近傍の深さを測定すればよい。被検体２００が人間の脳である場合、プローブ１は概ね体表から１ｃｍ程度の深さを測定し、プローブ２は概ね体表から３ｃｍ程度の深さを測定する。

１００：解析装置
１１０：近赤外計測装置
１１１：計測部
１２１：計測結果取得プログラム
１２２：差分演算プログラム
１２３：加算プログラム
１２４：特徴量算出プログラム
１２５：特徴量算出プログラム
１２６：出力プログラム
１３１：血流データ
１３２：差分データ
１３３：加算データ
１３４：血流量データ
１３５：脈動間隔データ
１３６：モデルデータ
１４０：ＣＰＵ
２００：被検体

Claims (10)

1. 被検体の血流を解析する解析装置であって、
   前記被検体に対して光を照射する光照射部、
   前記被検体から反射された前記光を検出する光検出器、
   前記光検出器が前記光を検出することにより取得した信号強度を解析する解析部、
   を備え、
   前記解析部は、
   前記被検体の第１深度において反射した前記光を前記光検出器が検出することにより取得した第１信号強度と、前記被検体の第２深度において反射した前記光を前記光検出器が検出することにより取得した第２信号強度との間の差分を算出し、前記差分を用いて前記血流の血流量を算出する、第１解析部、
   前記第１信号強度と前記第２信号強度を加算し、前記加算によって得られた信号強度を用いて前記血流の脈動間隔を算出する、第２解析部、
   を有することを特徴とする解析装置。
2. 前記第２解析部は、
   前記加算によって得られた信号強度を時間軸に沿って補間することにより、前記光検出器が検出した信号強度の極大値または極小値を複数取得し、前記取得した極大値または極小値の間隔を用いて、前記脈動間隔を算出する
   ことを特徴とする請求項１記載の解析装置。
3. 前記解析装置は、複数の前記光検出器を備え、
   前記第２解析部は、各前記光検出器が前記光を検出することにより取得した信号強度のうち、前記血流の脈動に対応する周波数範囲におけるものとそれ以外の周波数範囲におけるものとの比を、Ｓ／Ｎ比として算出し、
   前記第２解析部は、前記算出したＳ／Ｎ比が予め設定した閾値の範囲内である前記第１および第２信号強度のみを前記加算の対象として用いる
   ことを特徴とする請求項１記載の解析装置。
4. 前記解析部は、前記脈動間隔の周波数スペクトルを算出し、
   前記解析部は、前記周波数スペクトルのうち所定周波数以上の領域におけるパワースペクトルと前記所定周波数未満の領域におけるパワースペクトルとの比を、前記解析の結果として出力する
   ことを特徴とする請求項１記載の解析装置。
5. 前記光照射部は、前記被検体として生物の頭部に対して前記光を照射し、
   前記解析装置はさらに、前記生物の血流量、前記生物の脈動間隔、および前記生物が有している感情の間の対応関係を記述した感情モデルデータを格納する記憶部を備え、
   前記解析部は、前記算出した前記血流量と、前記算出した脈動間隔とを用いて、前記感情モデルデータを照会することにより、前記生物が有している感情を推定する
   ことを特徴とする請求項１記載の解析装置。
6. 前記第１解析部は、前記血流量の単位時間当たりの変化率、所定期間における前記血流量の最大値、所定期間における前記血流量の最小値、前記最大値と前記最小値との間の差分、前記血流量の極値間の時間間隔、のうち少なくともいずれかを算出する
   ことを特徴とする請求項１記載の解析装置。
7. 前記第２解析部は、前記脈動間隔の単位時間当たりの変化率、所定期間における前記脈動間隔の最大値、所定期間における前記脈動間隔の最小値、前記最大値と前記最小値との間の差分、前記脈動間隔の極値間の時間間隔、のうち少なくともいずれかを算出する
   ことを特徴とする請求項１記載の解析装置。
8. 前記解析装置はさらに、前記解析部による処理結果を前記解析装置の外部に対して出力する出力部を備える
   ことを特徴とする請求項１記載の解析装置。
9. 前記被検体は、生物の脳であり、
   前記光照射部は、前記生物の頭蓋骨よりも体表に近い深さを焦点として光を照射する第１照射部と、前記生物の頭蓋骨よりも体内に近い深さを焦点として光を照射する第２照射部とを有し、
   前記第１解析部は、前記差分によって前記脳のなかの血流量を算出し、
   前記第２解析部は、前記加算によって前記生物の脈動間隔を算出する
   ことを特徴とする請求項１記載の解析装置。
10. 被検体の血流を解析する処理をコンピュータに実行させる解析プログラムであって、前記コンピュータに、
    前記被検体に対して光を照射することにより前記被検体から反射された前記光を光検出器が検出することにより取得した信号強度を取得するステップ、
    前記信号強度を解析する解析ステップ、
    を実行させ、
    前記解析ステップにおいては、前記コンピュータに、
    前記被検体の第１深度において反射した前記光を前記光検出器が検出することにより取得した第１信号強度と、前記被検体の第２深度において反射した前記光を前記光検出器が検出することにより取得した第２信号強度との間の差分を算出し、前記差分を用いて前記血流の血流量を算出する、第１解析ステップ、
    前記第１信号強度と前記第２信号強度を加算し、前記加算によって得られた信号強度を用いて前記血流の脈動間隔を算出する、第２解析ステップ、
    を実行させることを特徴とする解析プログラム。

Images