Deprecated: The each() function is deprecated. This message will be suppressed on further calls in /home/zhenxiangba/zhenxiangba.com/public_html/phproxy-improved-master/index.php on line 456
JP6913928B2 - 血圧測定装置、血圧測定方法及び血圧測定プログラム - Google Patents
[go: Go Back, main page]

JP6913928B2 - 血圧測定装置、血圧測定方法及び血圧測定プログラム - Google Patents

血圧測定装置、血圧測定方法及び血圧測定プログラム Download PDF

Info

Publication number
JP6913928B2
JP6913928B2 JP2017026090A JP2017026090A JP6913928B2 JP 6913928 B2 JP6913928 B2 JP 6913928B2 JP 2017026090 A JP2017026090 A JP 2017026090A JP 2017026090 A JP2017026090 A JP 2017026090A JP 6913928 B2 JP6913928 B2 JP 6913928B2
Authority
JP
Japan
Prior art keywords
pulse wave
blood pressure
user
peak point
heart rate
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.)
Expired - Fee Related
Application number
JP2017026090A
Other languages
English (en)
Other versions
JP2018130319A (ja
Inventor
割澤　伸一
伸一 割澤
類 福井
類 福井
遼行 讃岐
遼行 讃岐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Tokyo NUC
Original Assignee
University of Tokyo NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Tokyo NUC filed Critical University of Tokyo NUC
Priority to JP2017026090A priority Critical patent/JP6913928B2/ja
Priority to US15/897,442 priority patent/US20180228383A1/en
Publication of JP2018130319A publication Critical patent/JP2018130319A/ja
Application granted granted Critical
Publication of JP6913928B2 publication Critical patent/JP6913928B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Description

本発明は、血圧測定装置、血圧測定方法及び血圧測定プログラムに関する。
従来、血圧を測定する方法として、血管にカテーテルを挿入して血液の圧力を直接測定する侵襲的方法と、非侵襲的方法とが知られている。非侵襲的方法としては、被験者の腕等にカフを巻き付けて加圧し、マイクロフォンでコロトコフ音を測定するコロトコフ法が広く用いられている。また、カフを用いない血圧の測定方法として、心臓の拍動が抹消部位に到達する際の伝播速度である脈波伝播速度を用いる方法が知られている。
脈波伝播速度を用いた血圧測定に関して、特許文献１には、脈波伝播速度を特徴量として算出し、特徴量とユーザの属性に基づいて、ユーザの血圧値を算出する情報処理装置が記載されている。
特開２０１６−１３１８２５号公報
特許文献１では、脈波伝播時間、心拍間隔、年齢等の基本属性、ＢＭＩ値等の体型属性及び血中総コレステロール値等の循環器属性を説明変数として、収縮期血圧を目的変数とした線形回帰分析を行うことで収縮期血圧を算出している。
脈波伝播速度に基づいて血圧を算出する場合、カフを用いないメリットを生かして、ユーザの自由行動下で血圧を連続測定することがある。このような場合、ユーザは常に安静状態にあるとは限らず、脈波伝播速度等と血圧の関係が複雑となり、当該関係をモデル化することが容易でなくなる。
特許文献１に記載の情報処理装置のように、線形回帰分析を用いて血圧を算出する場合、脈波伝播時間等と収縮期血圧の関係について何らかのモデルを仮定する必要がある。しかしながら、ユーザの自由行動下においては、仮定したモデルが成立しない状況が起こり得て、算出される血圧の妥当性が損なわれることがある。
そこで、本発明は、ユーザが自由行動下にあっても血圧を適切に算出することができる血圧測定装置、血圧測定方法及び血圧測定プログラムを提供する。
本発明の一態様に係る血圧測定装置は、ユーザの心電を取得する心電取得部と、ユーザの脈波を取得する脈波取得部と、心電に基づいて、心拍数を抽出する第１抽出部と、心電及び脈波に基づいて、脈波伝播速度を抽出する第２抽出部と、脈波に基づいて、脈波に関する１又は複数の特徴量を抽出する第３抽出部と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの血圧を算出する算出部と、を備える。
この態様によれば、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器を備えることで、物理的なモデルを仮定せずにユーザの血圧を算出することができる。そのため、ユーザが安静状態にあるとは限らず、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
上記態様において、学習器は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の収縮期血圧との関係を学習済みの第１学習器を含み、算出部は、第１学習器によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの収縮期血圧を算出してもよい。
この態様によれば、ユーザが安静状態にあるとは限らず、収縮期血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、収縮期血圧を適切に算出することができる。
上記態様において、学習器は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の拡張期血圧との関係を学習済みの第２学習器を含み、算出部は、第２学習器によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの拡張期血圧を算出してもよい。
この態様によれば、ユーザが安静状態にあるとは限らず、拡張期血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、拡張期血圧を適切に算出することができる。
上記態様において、第１抽出部は、心電のＲ波のピーク点を検出し、Ｒ波のピーク点について外れ値の除外処理を行った後、Ｒ波のピーク点の時間間隔に基づいて心拍数を抽出してもよい。
この態様によれば、外れ値を除外したＲ波のピーク点の時間間隔に基づいて心拍数を抽出することで、心拍数の抽出精度がユーザの行動状態に左右されて変動することが防止される。
上記態様において、第２抽出部は、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点を検出し、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点について外れ値の除外処理を行った後、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点のいずれかと、Ｒ波のピーク点との時間間隔に基づいて、脈波伝播速度を抽出してもよい。
この態様によれば、外れ値を除外した脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点のいずれかと、Ｒ波のピーク点との時間間隔に基づいて脈波伝播速度を抽出することで、脈波伝播速度の抽出精度がユーザの行動状態に左右されて変動することが防止される。
上記態様において、第３抽出部は、脈波の拡張期ピーク点を検出し、脈波の拡張期ピーク点について外れ値の除外処理を行った後、脈波の収縮期ピーク点と拡張期ピーク点の波高比、脈波の収縮期ピーク点と拡張期ピーク点の時間間隔及び脈波の立ち上がり点と収縮期ピーク点の時間間隔を抽出してもよい。
この態様によれば、外れ値を除外した脈波の収縮期ピーク点、拡張期ピーク点及び脈波の立ち上がり点に基づいて脈波の特徴量を抽出することで、特徴量の抽出精度がユーザの行動状態に左右されて変動することが防止される。
上記態様において、第３抽出部は、脈波の加速度である加速度脈波の複数のピーク点を検出し、脈波の加速度である加速度脈波の複数のピーク点について外れ値の除外処理を行った後、加速度脈波の複数のピーク点の間の波高比及び時間間隔を抽出してもよい。
この態様によれば、外れ値を除外した加速度脈波の複数のピーク点に基づいて脈波の特徴量を抽出することで、特徴量の抽出精度がユーザの行動状態に左右されて変動することが防止される。
上記態様において、第３抽出部は、ユーザの安静時に取得された脈波の速度である安静時速度脈波と、ユーザの運動時に取得された脈波の速度である運動時速度脈波とを比較して、ユーザの運動時に取得された脈波について外れ値の除外処理を行った後、ユーザの運動時に取得された脈波に関する１又は複数の特徴量を抽出してもよい。
この態様によれば、運動時に取得された脈波について外れ値の除外処理を行った後、運動時に取得された脈波に関する特徴量を抽出することで、特徴量の抽出精度がユーザの運動状態に左右されて変動することが防止される。
上記態様において、学習器は、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量との間の距離が近い順に選出されたＫ人（Ｋは１以上の自然数）の被験者の血圧を用いるＫ近傍回帰、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量のうちからランダムに選択された量に基づいて血圧を決定する複数の決定木を構成し、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量に基づいて複数の決定木によって求めた血圧を用いるランダムフォレスト回帰、及び、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量についてマージンが最大化するように求められた回帰超平面に属するサポートベクターと、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量とに基づいて求められるカーネル関数の値を用いるサポートベクター回帰のうちいずれかを用いて、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を学習済みであってもよい。
この態様によれば、学習器によって、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量を含む説明変数と、血圧を含む目的変数との関係を表す関数形を仮定せずに、説明変数と目的変数の関係を求めるノンパラメトリックな回帰分析が行われ、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
本発明の一態様に係る血圧測定方法は、ユーザの心電を取得するステップと、ユーザの脈波を取得するステップと、心電に基づいて、心拍数を抽出するステップと、
心電及び脈波に基づいて、脈波伝播速度を抽出するステップと、脈波に基づいて、脈波に関する１又は複数の特徴量を抽出するステップと、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの血圧を算出するステップと、を含む。
この態様によれば、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器を備えることで、物理的なモデルを仮定せずにユーザの血圧を算出することができる。そのため、ユーザが安静状態にあるとは限らず、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
本発明の一態様に係る血圧測定プログラムは、コンピュータを、ユーザの心電を取得する心電取得部と、ユーザの脈波を取得する脈波取得部と、心電に基づいて、心拍数を抽出する第１抽出部と、心電及び脈波に基づいて、脈波伝播速度を抽出する第２抽出部と、脈波に基づいて、脈波に関する１又は複数の特徴量を抽出する第３抽出部と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの血圧を算出する算出部と、として機能させる。
この態様によれば、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器を備えることで、物理的なモデルを仮定せずにユーザの血圧を算出することができる。そのため、ユーザが安静状態にあるとは限らず、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
本発明によれば、ユーザが自由行動下にあっても血圧を適切に算出することができる血圧測定装置、血圧測定方法及び血圧測定プログラムを提供することができる。
本発明の実施形態に係る血圧測定装置の構成の概要を示す図である。 本発明の実施形態に係る情報処理端末の物理的構成を示す図である。 本発明の実施形態に係る血圧測定装置の機能ブロック図である。 本発明の実施形態に係る血圧測定装置による血圧算出処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置による特徴点の抽出処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置によるピーク点の特定処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置によるピーク点の検出処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置によるピーク点の外れ値の除外処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置による特徴点の検出処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置による特徴点の外れ値の除外処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置による脈波の外れ値の除外処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置により取得される心電と脈波の波形を示す図である。 本発明の実施形態に係る血圧測定装置により抽出される脈波の特徴量を示す第１図である。 本発明の実施形態に係る血圧測定装置により抽出される脈波の特徴量を示す第２図である。 本発明の実施形態に係る血圧測定装置により抽出される脈波の特徴量を示す第３図である。 本発明の実施形態に係る血圧測定装置により抽出される脈波の特徴量と抽出対象の対応関係を示す図である。 本発明の実施形態に係る血圧測定装置が備える学習器を学習させる学習処理を示すフローチャートである。 本発明の実施形態に係る血圧測定装置による血圧算出処理を示すフローチャートである。
添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
図１は、本発明の実施形態に係る血圧測定装置１の構成の概要を示す図である。血圧測定装置１は、情報処理端末１０と、心電センサ２０と、脈波センサ３０と、を含む。情報処理端末１０は、心電センサ２０で測定されたユーザの心電及び脈波センサ３０で測定されたユーザの脈波を取得し、心電及び脈波から種々の特徴量を抽出する処理を行い、ユーザの血圧を算出する。情報処理端末１０は、専用又は汎用のコンピュータであってよく、例えば専用のアプリケーションがインストールされたスマートフォンであってよい。
心電センサ２０は、ユーザの体に装着される電極によってユーザの心電を測定し、測定した心電を無線通信又は有線通信によって情報処理端末１０に送信する。脈波センサ３０は、ユーザの耳や指先に装着されるＬＥＤ（Light Emitting Diode）等の発光部及びＰＤ（Photodiode）等の受光部によってユーザの動脈容積を測定し、測定した動脈容積を無線通信又は有線通信によって情報処理端末１０に送信する。本実施形態に係る脈波センサ３０は、耳や指先等の生体組織が薄い箇所に光を透過させて、透過した光を受光し、吸光スペクトルに基づいて動脈容積を測定する透過型光電脈波センサである。もっとも、脈波センサ３０としては、透過型光電脈波センサ以外に反射型光電脈波センサを用いることもできるし、その他の任意の脈波センサを用いることができる。また、心電センサ２０及び脈波センサ３０は、専用又は汎用のセンサであってよい。また、血圧測定装置１は、情報処理端末１０、心電センサ２０及び脈波センサ３０の一部又は全部が一体となったスマートウォッチ又はウェアラブルデバイスであってもよい。
図２は、本発明の実施形態に係る情報処理端末１０の物理的構成を示す図である。情報処理端末１０は、ハードウェアプロセッサに相当するＣＰＵ（Central Processing Unit）１０ａと、メモリに相当するＲＡＭ（Random Access Memory）１０ｂと、メモリに相当するＲＯＭ（Read only Memory）１０ｃと、通信インターフェース１０ｄと、入力部１０ｅと、表示部１０ｆとを有する。これら各構成は、バスを介して相互にデータ送受信可能に接続される。
ＣＰＵ１０ａは、ＲＡＭ１０ｂ又はＲＯＭ１０ｃに記憶されたプログラムの実行やデータの演算、加工を行う。ＣＰＵ１０ａは、ユーザの血圧を算出するためのアプリケーションを実行する演算装置である。ＣＰＵ１０ａは、入力部１０ｅや通信インターフェース１０ｄから種々の入力データを受け取り、入力データの演算結果を表示部１０ｆに表示したり、ＲＡＭ１０ｂやＲＯＭ１０ｃに格納したりする。
ＲＡＭ１０ｂは、データの書き換えが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＡＭ１０ｂは、ＣＰＵ１０ａが実行するアプリケーション等のプログラムやデータを記憶する。
ＲＯＭ１０ｃは、データの読み出しのみが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＯＭ１０ｃは、例えばファームウェア等のプログラムやデータを記憶する。
通信インターフェース１０ｄは、情報処理端末１０を心電センサ２０及び脈波センサ３０に接続するハードウェアインターフェースであり、無線通信のインターフェースであってもよいし、有線通信のインターフェースであってもよい。通信インターフェース１０ｄは、情報処理端末１０をインターネット等の外部通信ネットワークに接続してもよい。
入力部１０ｅは、ユーザからデータの入力を受け付けるものであり、例えば、キーボードやマウス、タッチパネルで構成される。
表示部１０ｆは、ＣＰＵ１０ａによる演算結果を視覚的に表示するものであり、例えば、ＬＣＤ（Liquid Crystal Display）により構成される。
情報処理端末１０は、一般のスマートフォンやパーソナルコンピュータのＣＰＵ１０ａによって本実施形態に係る血圧測定プログラムを実行することで構成されてよい。血圧測定プログラムは、ＲＡＭ１０ｂやＲＯＭ１０ｃ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信インターフェース１０ｄにより接続されるインターネット等の外部通信ネットワークを介して提供されてもよい。
図３は、本発明の実施形態に係る血圧測定装置１の機能ブロック図である。血圧測定装置１は、心電取得部１１、脈波取得部１２、第１抽出部１３、第２抽出部１４、第３抽出部１５、算出部１６及び学習器１７を含む。
心電取得部１１は、心電センサ２０によって測定されたユーザの心電を取得する。心電取得部１１は、ユーザの心電を連続的に取得し、ＲＡＭ１０ｂ等の記憶部に格納する。脈波取得部１２は、脈波センサ３０によって測定されたユーザの脈波を取得する。脈波取得部１２は、ユーザの脈波を連続的に取得し、ＲＡＭ１０ｂ等の記憶部に格納する。
第１抽出部１３は、取得されたユーザの心電に基づいて、ユーザの心拍数を抽出する。後に詳細に説明するように、第１抽出部１３は、心電のＲ波のピーク点を検出し、Ｒ波のピーク点について外れ値の除外処理を行った後、Ｒ波のピーク点の時間間隔に基づいて心拍数を抽出する。
第２抽出部１４は、取得されたユーザの心電及び脈波に基づいて、脈波伝播速度を抽出する。後に詳細に説明するように、第２抽出部１４は、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点を検出し、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点について外れ値の除外処理を行った後、脈波の立ち上がり点、脈波の傾きが最大となる点及び脈波の収縮期ピーク点のいずれかと、心電のＲ波のピーク点との時間間隔に基づいて、脈波伝播速度を抽出する。
第３抽出部１５は、取得されたユーザの脈波に基づいて、脈波に関する１又は複数の特徴量を抽出する。後に詳細に説明するように、第３抽出部１５は、脈波の拡張期ピーク点を検出し、脈波の拡張期ピーク点について外れ値の除外処理を行った後、脈波の収縮期ピーク点と拡張期ピーク点の波高比、脈波の収縮期ピーク点と拡張期ピーク点の時間間隔及び脈波の立ち上がり点と収縮期ピーク点の時間間隔を抽出する。また、第３抽出部１５は、脈波の加速度である加速度脈波の複数のピーク点を検出し、脈波の加速度である加速度脈波の複数のピーク点について外れ値の除外処理を行った後、加速度脈波の複数のピーク点の間の波高比及び時間間隔を抽出する。さらに、第３抽出部１５は、ユーザの安静時に取得された脈波の速度である安静時速度脈波と、ユーザの運動時に取得された脈波の速度である運動時速度脈波とを比較して、ユーザの運動時に取得された脈波について外れ値の除外処理を行った後、ユーザの運動時に取得された脈波に関する１又は複数の特徴量を抽出する。
算出部１６は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器１７によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの血圧を算出する。ここで、ノンパラメトリックな回帰分析とは、説明変数と目的変数の関係を表す関数形を仮定せずに、説明変数と目的変数の関係を求める回帰分析である。すなわち、説明変数として心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量が設定され、目的変数として血圧が設定されたときに、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧との関係を表す物理モデルを仮定せずに、両変数の関係を求める回帰分析である。対して、パラメトリックな回帰分析とは、説明変数と目的変数の関係を表す関数形を仮定し、関数に含まれるパラメータを調整する回帰分析である。なお、ノンパラメトリックな回帰分析においてもハイパーパラメータを定める必要がある。
学習器１７は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の収縮期血圧との関係を学習済みの第１学習器１７ａと、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の拡張期血圧との関係を学習済みの第２学習器１７ｂと、を含む。算出部１６は、第１学習器１７ａによって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの収縮期血圧を算出し、第２学習器１７ｂによって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの拡張期血圧を算出する。
学習器１７は、Ｋ近傍回帰Ｒ１、ランダムフォレスト回帰Ｒ２及びサポートベクター回帰Ｒ３のうちいずれかを用いて、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を学習済みである。ここで、Ｋ近傍回帰Ｒ１は、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量との間の距離が近い順に選出されたＫ人（Ｋは１以上の自然数）の被験者の血圧を用いる。ここで、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量との間の距離は、心拍数、脈波伝播速度及び１又は複数の特徴量それぞれの空間におけるユークリッド距離であってよいが、その他の任意の距離であってもよい。また、Ｋ近傍回帰Ｒ１では、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量と、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量との間の距離が近い順に選出されたＫ人の被験者の血圧の距離に応じた加重平均をユーザの血圧の算出値としてよいが、選出されたＫ人の血圧を引数とする任意の関数によってユーザの血圧を算出してもよい。Ｋ近傍回帰Ｒ１において、Ｋの値や加重平均を算出する重み関数の係数がハイパーパラメータであり、任意の値に設定することができる。
ランダムフォレスト回帰Ｒ２は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量のうちからランダムに選択された量に基づいて血圧を決定する複数の決定木を構成し、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量に基づいて複数の決定木によって求めた血圧を用いる。ランダムフォレスト回帰Ｒ２では、複数の決定木によって求めた血圧の平均値をユーザの血圧の算出値としてよいが、複数の決定木によって求めた血圧を引数とする任意の関数によってユーザの血圧を算出してもよい。ランダムフォレスト回帰Ｒ２において、構成する決定木の本数と、各決定木に含まれるノード数（決定木の深さ）がハイパーパラメータであり、任意の値に設定することができる。
サポートベクター回帰Ｒ３は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量についてマージンが最大化するように求められた回帰超平面に属するサポートベクターと、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量とに基づいて求められるカーネル関数の値を用いる。ここで、マージンとは、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量を表す点と、回帰超平面との垂直距離のうち最小の距離である。距離の測定は、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量を表す空間におけるユークリッド距離によって行ってよい。サポートベクター回帰Ｒ３において、回帰超平面を決めるためのコストパラメータやカーネル関数の係数がハイパーパラメータであり、任意の値に設定することができる。
学習器１７の学習は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧とに基づいて予め実行されて、情報処理端末１０には学習済みの学習器１７がインストールされる。なお、情報処理端末１０は、インターネット等の外部通信ネットワークを介して、学習器１７のアップデートを受けてもよい。
学習器１７は、Ｋ近傍回帰Ｒ１、ランダムフォレスト回帰Ｒ２及びサポートベクター回帰Ｒ３のうちいずれかを用いることによって、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量を含む説明変数と、血圧を含む目的変数との関係を表す関数形を仮定せずに、説明変数と目的変数の関係を求めるノンパラメトリックな回帰分析を行う。これにより、血圧測定装置１は、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
図４は、本発明の実施形態に係る血圧測定装置１による血圧算出処理を示すフローチャートである。血圧測定装置１は、心電センサ２０によってユーザの心電を取得し（Ｓ１０）、脈波センサ３０によってユーザの脈波を取得する（Ｓ１１）。なお、心電の取得と脈波の取得は連続的に行われる。
次に、血圧測定装置１は、心電に基づいて心拍数を抽出する（Ｓ１２）。また、心電及び脈波に基づいて、脈波伝播速度を抽出する（Ｓ１３）。さらに、脈波に基づいて、脈波に関する１又は複数の特徴量を抽出する（Ｓ１４）。
最後に、血圧測定装置１は、複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器１７によって、ユーザについて抽出された心拍数、脈波伝播速度及び１又は複数の特徴量からユーザの血圧を算出する（Ｓ１５）。
本実施形態に係る血圧測定装置１は、心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器１７を備えることで、物理的なモデルを仮定せずにユーザの血圧を算出することができる。そのため、ユーザが安静状態にあるとは限らず、血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、血圧を適切に算出することができる。
図５は、本発明の実施形態に係る血圧測定装置１による特徴点の抽出処理を示すフローチャートである。特徴点の抽出処理は、取得された心電及び脈波についてそれぞれ実行される処理である。特徴点の抽出処理では、はじめに、取得された波形についてピーク解析を行い、ピーク点を検出する（Ｓ２０）。ピーク点の検出（Ｓ２０）については、図６から８を用いて詳細を説明する。次に、検出されたピーク点を基準に特徴点を抽出する（Ｓ３０）。特徴点の抽出（Ｓ３０）については、図９を用いて詳細を説明する。最後に、特徴点の外れ値を除外する処理を行う（Ｓ５０）。外れ値の除外（Ｓ５０）については、図１０を用いて詳細を説明する。
図６は、本発明の実施形態に係る血圧測定装置１によるピーク点の特定処理を示すフローチャートである。同図は、図５に示すピーク点の検出処理（Ｓ２０）の詳細を示すフローチャートである。ピーク点の検出処理（Ｓ２０）では、はじめに、波形に対して連続ウェーブレット変換を施し、特定周波数帯の信号を抽出する（Ｓ２１）。ここで、連続ウェーブレット変換は、マザーウェーブレット関数として例えばメキシカンハット型の関数を用いて、スケーリング係数や時間シフト係数を適宜調整して行われる。次に、動的閾値処理を用いて、波形のピーク点を検出する（Ｓ２２）。当該処理については、次図を用いて詳細に説明する。その後、ピーク点の外れ値を除外する（Ｓ２３）。当該処理については、図８を用いて詳細に説明する。最後に、ピーク位置を補正し（Ｓ２４）、ピーク点の特定処理が終了する。
図７は、本発明の実施形態に係る血圧測定装置１によるピーク点の検出処理を示すフローチャートである。同図は、図６に示す動的閾値処理を用いたピーク点の検出処理（Ｓ２２）の詳細を示すフローチャートである。動的閾値処理を用いたピーク点の検出処理（Ｓ２２）では、はじめに、連続ウェーブレット変換された信号を、時間窓毎にＮ個に分割する（Ｓ２２ａ）。ここで、Ｎは任意に設定することのできる自然数である。次に、Ｎ個に分割した信号のうちｉ（ｉ＝１〜Ｎ）番目の信号の閾値を算出する（Ｓ２２ｂ）。閾値は、時間窓における信号振幅のｓ％又は信号の最大値のｔ％としてよい。ここで、ｓ及びｔは、それぞれ０以上１００以下の実数であり、最適なピーク検出ができるように調整される。なお、脈波の立ち上がり点を検出する場合、閾値は、時間窓における信号の最小値のｔ％としてよい。閾値を算出した後、閾値以上の極大値をピーク点として検出する（Ｓ２２ｃ）。なお、脈波の立ち上がり点を検出する場合、閾値以下の極小点をピーク点として検出する。以上により、動的閾値処理を用いたピーク点の検出処理（Ｓ２２）が終了する。
図８は、本発明の実施形態に係る血圧測定装置１によるピーク点の外れ値の除外処理を示すフローチャートである。同図は、図６に示すピーク点の外れ値の除外処理（Ｓ２３）の詳細を示すフローチャートである。ピーク点の外れ値の除外処理（Ｓ２３）では、はじめに、ピーク点にインデックスｊを割り当てる（Ｓ２３ａ）。ここで、インデックスｊは、ピーク点の振幅が大きい順に割り当ててよい。ここでは、仮にピーク点がＭ個存在するものとする。インデックスｊが割り当てられたピーク点それぞれについて、最近傍のピーク点との間隔が閾値以上であるか否かを判断する（Ｓ２３ｂ）。最近傍のピーク点との間隔が閾値以上でない場合（Ｓ２３ｂ：Ｎｏ）、すなわちｊ番目のピーク点と最近傍のピーク点との間隔が閾値よりも小さい場合、ｊ番目のピーク点を除外する（Ｓ２３ｃ）。例えば、ピーク点が心電のＲ波のピーク点である場合、閾値を０．０５秒と設定して、ｊ番目のＲ波のピーク点と隣り合うＲ波のピーク点が０．０５秒間隔よりも短い場合に、ｊ番目のＲ波のピーク点を除外する処理を行ってもよい。以上により、ピーク点の外れ値の除外処理（Ｓ２３）が終了する。
図９は、本発明の実施形態に係る血圧測定装置１による特徴点の検出処理を示すフローチャートである。同図は、図５に示す特徴点の検出処理（Ｓ３０）の詳細を示すフローチャートである。特徴点の検出処理（Ｓ３０）は、脈波の複数の特徴点を検出する処理である。はじめに、心電ピーク点を基準に脈波の立ち上がり点Ｐ１０を検出する（Ｓ３１）。なお、心電ピーク点とは、心電のＲ波のピーク点である。次に、脈波の波形の時間に関する一階微分である速度脈波に関し、心電ピーク点を基準に速度脈波のピーク点を検出する（Ｓ３２）。なお、速度脈波のピーク点は、脈波の傾きが最大となる点Ｐ１１である。さらに、脈波の波形の時間に関する二階微分である加速度脈波に関し、心電ピーク点を基準に加速度脈波のａ波のピーク点Ｐ２０を検出する（Ｓ３３）。以下に説明するように、加速度脈波は、典型的には、ａ波、ｂ波、ｃ波、ｄ波及びｅ波を含む。
次に、ａ波のピーク点Ｐ２０を基準に加速度脈波のｂ波のピーク点Ｐ２１を検出する（Ｓ３４）。また、心電ピーク点を基準に脈波の収縮期ピーク点Ｐ１２を検出する（Ｓ３５）。ただし、脈波の収縮期ピーク点Ｐ１２は、存在しない場合もある。そのため、脈波の収縮期ピーク点Ｐ１２が存在するか否かを判断する（Ｓ３６）。収縮期ピーク点Ｐ１２が存在する場合（Ｓ３６：Ｙｅｓ）、収縮期ピーク点Ｐ１２を基準に加速度脈波のｃ波のピーク点Ｐ２２を検出する（Ｓ３７）。一方、収縮期ピーク点Ｐ１２が存在しない場合（Ｓ３６：Ｎｏ）、ｂ波のピーク点Ｐ２１を基準にｃ波のピーク点Ｐ２２を検出する（Ｓ３８）。
さらに、加速度脈波のｃ波のピーク点Ｐ２２を基準に加速度脈波のｄ波のピーク点Ｐ２３を検出し（Ｓ３９）、加速度脈波のｄ波のピーク点Ｐ２３を基準に切痕ピーク点Ｐ１４を検出する（Ｓ４０）。最後に、切痕ピーク点Ｐ１４を基準に拡張期ピーク点Ｐ１３を検出する（Ｓ４１）。以上により、特徴点の検出処理（Ｓ３０）が終了する。
図１０は、本発明の実施形態に係る血圧測定装置１による特徴点の外れ値の除外処理を示すフローチャートである。同図は、図５に示す特徴点の外れ値の除外処理（Ｓ５０）の詳細を示すフローチャートである。特徴点の外れ値の除外処理（Ｓ５０）は、検出された脈波の特徴点に関して、外れ値を除外する処理である。はじめに、脈波の立ち上がり点Ｐ１０を基準に、脈波を１拍毎にＮ個に分割する（Ｓ５１）。そして、分割された脈波にインデックスｊ（ｊ＝１〜Ｎ）を割り当てる。次に、ｊ番目の分割された脈波に関して、立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の間に切痕ピーク点Ｐ１４又は拡張期ピーク点Ｐ１３が含まれるか否かを判断する（Ｓ５２）。立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の間に切痕ピーク点Ｐ１４又は拡張期ピーク点Ｐ１３が含まれる場合（Ｓ５２：Ｙｅｓ）、立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の間に含まれるピーク点を除外する（Ｓ５３）。これにより、切痕ピーク点Ｐ１４又は拡張期ピーク点Ｐ１３が適切に検出できなかった場合であっても、続く脈波においてピーク点を誤検出することが防止される。
脈波の立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の間に切痕ピーク点Ｐ１４又は拡張期ピーク点Ｐ１３が含まれない場合（Ｓ５２：Ｎｏ）及び立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の間に含まれるピーク点を除外した後（Ｓ５３）、加速度脈波のｃ波とｄ波の波高差が、切痕ピーク点Ｐ１４と拡張期ピーク点Ｐ１３の波高差より大きいか否かを判断する（Ｓ５４）。そして、加速度脈波のｃ波とｄ波の波高差が、切痕ピーク点Ｐ１４と拡張期ピーク点Ｐ１３の波高差より大きいと判断された場合（Ｓ５４：Ｙｅｓ）、ｃ波のピーク点を切痕ピーク点Ｐ１４に置き換え、ｄ波のピーク点を拡張期ピーク点Ｐ１３に置き換える（Ｓ５５）。これにより、加速度脈波のｃ波のピーク点及びｄ波のピーク点を誤検出してしまうことが防止され、脈波の特徴量が適切に抽出される。加速度脈波のｃ波とｄ波の波高差が、切痕ピーク点Ｐ１４と拡張期ピーク点Ｐ１３の波高差以下であると判断された場合（Ｓ５４：Ｎｏ）及びｃ波のピーク点を切痕ピーク点Ｐ１４に置き換え、ｄ波のピーク点を拡張期ピーク点Ｐ１３に置き換えた後（Ｓ５５）、ｊ＋１番目の分割された脈波に関して同様の処理を行う。以上により、特徴点の外れ値の除外処理（Ｓ５０）が終了する。
図１１は、本発明の実施形態に係る血圧測定装置１による脈波の外れ値の除外処理を示すフローチャートである。運動時に取得された脈波は、体動に起因する脈波の乱れを含む場合がある。脈波の外れ値の除外処理は、そのような乱れた脈波に含まれる外れ値を除外する処理である。
脈波の外れ値の除外処理では、はじめに、脈波の立ち上がり点Ｐ１０を基準に、脈波を１拍毎にＮ個に分割する（Ｓ６０）。分割された脈波には、インデックスｊが割り当てられる。また、対応する速度脈波についても同じインデックスｊが割り当てられる。次に、安静時の速度脈波と、ｊ番目の速度脈波の類似度をＤＴＷ（Dynamic Time Warping）を用いて計算する（Ｓ６１）。ＤＴＷは、２つの時系列データの類似度を測る手法であり、２つの時系列データに含まれる各点間の距離を総当たりで比較して、最短パスの距離を類似度とする手法である。類似度を算出した後、類似度が閾値より低いか否かが判断される（Ｓ６２）。類似度が閾値より高い場合（Ｓ６２：Ｙｅｓ）、脈波１拍分を除外する（Ｓ６３）。一方、類似度が閾値より低い場合（Ｓ６２：Ｎｏ）には、ｊ＋１番目の分割された脈波に関して同様の処理を行う。以上により、脈波の外れ値の除外処理が終了する。運動時に取得された脈波について、外れ値の除外処理を行った後、脈波に関する特徴量の抽出を行うことで、特徴量の抽出精度がユーザの運動状態に左右されて変動することが防止される。
図１２は、本発明の実施形態に係る血圧測定装置１により取得される心電ＥＣＧと脈波ＰＰＧの波形を示す図である。同図では、横軸に時間を示し、上側に心電ＥＣＧの波形を示して、下側に脈波ＰＰＧの波形を示している。第１抽出部１３は、心電ＥＣＧのＲ波のピーク点を検出し、Ｒ波のピーク点について外れ値の除外処理を行った後、Ｒ波のピーク点の時間間隔ＴRRに基づいて心拍数を抽出する。心拍数は、Ｒ波のピーク点の時間間隔ＴRRの逆数により算出され、単位はｂｐｍ（beats per minute）であってよい。第１抽出部１３によって、外れ値を除外したＲ波のピーク点の時間間隔ＴRRに基づいて心拍数を抽出することで、心拍数の抽出精度がユーザの行動状態に左右されて変動することが防止される。
第２抽出部１４は、脈波ＰＰＧの立ち上がり点Ｐ１０、傾きが最大となる点Ｐ１１及び収縮期ピーク点Ｐ１２を検出し、立ち上がり点Ｐ１０、傾きが最大となる点Ｐ１１及び収縮期ピーク点Ｐ１２について外れ値の除外処理を行った後、立ち上がり点Ｐ１０とＲ波のピーク点の時間間隔ＴPTT1、傾きが最大となる点Ｐ１１とＲ波のピーク点の時間間隔ＴPTT2及び収縮期ピーク点Ｐ１２とＲ波のピーク点の時間間隔ＴPTT3のいずれかに基づいて、脈波伝播速度を抽出する。より具体的には、脈波伝播速度は、ユーザの身長Ｌを用いて、ｖ1＝Ｌ／ＴPTT1、ｖ2＝Ｌ／ＴPTT2及びｖ3＝Ｌ／ＴPTT3のいずれかによって算出される。第２抽出部１４によって、外れ値を除外した脈波ＰＰＧの立ち上がり点Ｐ１０、傾きが最大となる点Ｐ１１及び収縮期ピーク点Ｐ１２のいずれかと、Ｒ波のピーク点との時間間隔に基づいて脈波伝播速度を抽出することで、脈波伝播速度の抽出精度がユーザの行動状態に左右されて変動することが防止される。
図１３は、本発明の実施形態に係る血圧測定装置１により抽出される脈波ＰＰＧの特徴量を示す第１図である。同図では、横軸に時間を示し、縦軸に脈波の振幅を示しており、脈波ＰＰＧの特徴量として、ＣＴ（Crest Time）、ＬＡＳＩ（Large Artery Stiffness Index）及びＡＩ（Augmentation Index）を示している。また、同図中、「ｘ」は、脈波ＰＰＧの立ち上がり点Ｐ１０と、最近傍の立ち上がり点Ｐ１５を結ぶ基線から拡張期ピーク点Ｐ１３までの垂直距離である。また、「ｙ」は、基線から収縮期ピーク点Ｐ１２までの垂直距離である。
第３抽出部１５は、脈波ＰＰＧの拡張期ピーク点Ｐ１３を検出し、拡張期ピーク点Ｐ１３について外れ値の除外処理を行った後、収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の波高比、収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の時間間隔及び立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の時間間隔を抽出する。収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の波高比は、基線から収縮期ピーク点Ｐ１２までの垂直距離ｙと、基線から拡張期ピーク点Ｐ１３までの垂直距離ｘの比ｘ／ｙであり、ＡＩと称される。ＡＩは、器質的な血管硬化及び機能的な血圧変化を表す指標として用いられる場合がある。また、収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の時間間隔は、ＬＡＳＩと称される。ＬＡＳＩは、器質的な血管硬化及び機能的な血圧変化を表す指標として用いられる場合がある。また、立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の時間間隔は、ＣＴと称される。ＣＴは、心血管疾患を識別する指標として用いられる場合がある。第３抽出部１５によって、外れ値を除外した脈波ＰＰＧの収縮期ピーク点Ｐ１２、拡張期ピーク点Ｐ１３及び立ち上がり点Ｐ１０に基づいて脈波の特徴量を抽出することで、特徴量の抽出精度がユーザの行動状態に左右されて変動することが防止される。
図１４は、本発明の実施形態に係る血圧測定装置１により抽出される脈波の特徴量を示す第２図である。同図においても、横軸に時間を示し、縦軸に脈波ＰＰＧの振幅を示して、脈波ＰＰＧの特徴量を算出するための量として、脈波ＰＰＧの立ち上がり点Ｐ１０から収縮期ピーク点Ｐ１２までの波形と基線とで囲まれる面積Ｓ１、収縮期ピーク点Ｐ１２から切痕ピーク点Ｐ１４までの波形と基線とで囲まれる面積Ｓ２、切痕ピーク点Ｐ１４から拡張期ピーク点Ｐ１３までの波形と基線とで囲まれる面積Ｓ３及び拡張期ピーク点Ｐ１３から最近傍の立ち上がり点Ｐ１５までの波形と基線とで囲まれる面積Ｓ４を示している。第３抽出部１５は、脈波の特徴量として、面積比ｒS2S1＝Ｓ２／Ｓ１、面積比ｒS3S1＝Ｓ３／Ｓ１及び面積比ｒS4S1＝Ｓ４／Ｓ１を抽出する。これらの面積比は、ＩＰＡ（Inflection Point Area Ratio）と称され、抹消血管状態のインピーダンス特性を表す指標として用いられる場合がある。
図１５は、本発明の実施形態に係る血圧測定装置１により抽出される脈波の特徴量を示す第３図である。同図では、横軸に時間を示し、縦軸に加速度脈波ＳＤＰＰＧの振幅を示しており、脈波ＰＰＧの特徴量を抽出するためのピーク点として、加速度脈波ＳＤＰＰＧのａ波のピーク点Ｐ２０、ｂ波のピーク点Ｐ２１、ｃ波のピーク点Ｐ２２、ｄ波のピーク点Ｐ２３及びｅ波のピーク点Ｐ２４を示している。また、同図中、「ｈa」は、基線（baseline）からａ波のピーク点Ｐ２０までの垂直距離、すなわちａ波の波高である。同様に、「ｈb」は、基線からｂ波のピーク点Ｐ２１までの垂直距離であり、「ｈc」は、基線からｃ波のピーク点Ｐ２２までの垂直距離であり、「ｈd」は、基線からｄ波のピーク点Ｐ２３までの垂直距離であり、「ｈe」は、基線からｅ波のピーク点Ｐ２４までの垂直距離である。また、同図中、「ｔba」は、ａ波のピーク点Ｐ２０とｂ波のピーク点Ｐ２１の時間間隔であり、「ｔca」は、ａ波のピーク点Ｐ２０とｃ波のピーク点Ｐ２２の時間間隔であり、「ｔda」は、ａ波のピーク点Ｐ２０とｄ波のピーク点Ｐ２３の時間間隔であり、「ｔea」は、ａ波のピーク点Ｐ２０とｅ波のピーク点Ｐ２４の時間間隔である。
第３抽出部１５は、脈波ＰＰＧの加速度である加速度脈波ＳＤＰＰＧの複数のピーク点を検出し、加速度脈波ＳＤＰＰＧの複数のピーク点について外れ値の除外処理を行った後、加速度脈波ＳＤＰＰＧの複数のピーク点の間の波高比及び時間間隔を抽出する。より具体的には、第３抽出部１５は、ａ波とｂ波の波高比ｒba＝ｈb／ｈa、ａ波とｃ波の波高比ｒca＝ｈc／ｈa、ａ波とｄ波の波高比ｒda＝ｈd／ｈa及びａ波とｅ波の波高比ｒea＝ｈe／ｈaを抽出する。また、第３抽出部１５は、ａ波とｂ波の時間間隔ｔba、ａ波とｃ波の時間間隔ｔca、ａ波とｄ波の時間間隔ｔda及びａ波とｅ波の時間間隔ｔeaを抽出する。これらの量は、血管の状態を推測するための指標として用いられる場合がある。例えば、ａ波とｂ波の波高比ｒbaは、器質的な血管硬化を表す指標として用いられる場合があり、ａ波とｄ波の波高比ｒdaは、機能的な血圧変化を表す指標として用いられる場合がある。第３抽出部１５によって、外れ値を除外した加速度脈波ＳＤＰＰＧの複数のピーク点に基づいて脈波ＰＰＧの特徴量を抽出することで、特徴量の抽出精度がユーザの行動状態に左右されて変動することが防止される。
図１６は、本発明の実施形態に係る血圧測定装置１により抽出される脈波ＰＰＧの特徴量ＦＴと抽出対象の対応関係を示す図である。上から順に、ＬＡＳＩの抽出対象は、収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の時間間隔であり、ＡＩの抽出対象は、収縮期ピーク点Ｐ１２と拡張期ピーク点Ｐ１３の波高比であり、ＣＴの抽出対象は、立ち上がり点Ｐ１０と収縮期ピーク点Ｐ１２の時間間隔である。また、面積比ｒS2S1の抽出対象は、Ｓ２とＳ１の面積比であり、面積比ｒS3S1の抽出対象は、Ｓ３とＳ１の面積比であり、面積比ｒS4S1の抽出対象は、Ｓ４とＳ１の面積比である。また、ａ波とｂ波の波高比ｒbaの抽出対象は、基線からａ波のピーク点Ｐ２０までの垂直距離ｈaと基線からｂ波のピーク点Ｐ２１までの垂直距離ｈbの波高比であり、ａ波とｃ波の波高比ｒcaの抽出対象は、基線からａ波のピーク点Ｐ２０までの垂直距離ｈaと基線からｃ波のピーク点Ｐ２２までの垂直距離ｈcの波高比であり、ａ波とｄ波の波高比ｒdaの抽出対象は、基線からａ波のピーク点Ｐ２０までの垂直距離ｈaと基線からｄ波のピーク点Ｐ２３までの垂直距離ｈdの波高比であり、ａ波とｅ波の波高比ｒeaの抽出対象は、基線からａ波のピーク点Ｐ２０までの垂直距離ｈaと基線からｅ波のピーク点Ｐ２４までの垂直距離ｈbの波高比である。さらに、ａ波とｂ波の時間間隔ｔbaの抽出対象は、ａ波のピーク点Ｐ２０とｂ波のピーク点Ｐ２１の時間間隔であり、ａ波とｃ波の時間間隔ｔcaの抽出対象は、ａ波のピーク点Ｐ２０とｃ波のピーク点Ｐ２２の時間間隔であり、ａ波とｄ波の時間間隔ｔdaの抽出対象は、ａ波のピーク点Ｐ２０とｄ波のピーク点Ｐ２３の時間間隔であり、ａ波とｅ波の時間間隔ｔeaの抽出対象は、ａ波のピーク点Ｐ２０とｅ波のピーク点Ｐ２４の時間間隔である。
図１７は、本発明の実施形態に係る血圧測定装置１が備える学習器１７を学習させる学習処理を示すフローチャートである。学習器１７を学習させる処理は、血圧測定装置１によって行われなくてもよく、他の装置によって実行されてよい。血圧測定装置１には、同図に示す学習処理によって学習済みの学習器１７がインストールされる。
学習器１７を学習させる処理では、はじめに学習器１７で用いる回帰分析のモデルを選択する（Ｓ７０）。ここで、回帰分析のモデルは、Ｋ近傍回帰Ｒ１、ランダムフォレスト回帰Ｒ２及びサポートベクター回帰Ｒ３の中から選択されてよい。次に、選択された回帰分析のモデルについて、ハイパーパラメータを設定する（Ｓ７１）。その後、学習器１７に含まれる第１学習器１７ａによって、複数の被験者の心拍数、脈波伝播速度及び脈波に関する特徴量と、収縮期血圧との関係を学習する（Ｓ７２）。さらに、学習器１７に含まれる第２学習器１７ｂによって、複数の被験者の心拍数、脈波伝播速度及び脈波に関する特徴量と、拡張期血圧との関係を学習する（Ｓ７３）。以上で、学習器１７を学習させる処理が終了する。
図１８は、本発明の実施形態に係る血圧測定装置１による血圧算出処理を示すフローチャートである。同図は、図４に示す血圧算出処理（Ｓ１５）の詳細を示すフローチャートである。はじめに、学習済みの第１学習器１７ａにユーザの心拍数、脈波伝播速度及び脈波に関する脈波の特徴量を入力する（Ｓ８０）。そして、第１学習器１７ａによって、ユーザの収縮期血圧を算出する（Ｓ８１）。本実施形態に係る血圧測定装置１によれば、ノンパラメトリックな回帰分析により学習済みの第１学習器１７ａによってユーザの収縮期血圧を算出することで、ユーザが安静状態にあるとは限らず、収縮期血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、収縮期血圧を適切に算出することができる。
また、学習済みの第２学習器１７ｂにユーザの心拍数、脈波伝播速度及び脈波に関する特徴量を入力する（Ｓ８２）。そして、第２学習器１７ｂによって、ユーザの拡張期血圧を算出する（Ｓ８３）。本実施形態に係る血圧測定装置１によれば、ノンパラメトリックな回帰分析により学習済みの第２学習器１７ｂによってユーザの拡張期血圧を算出することで、ユーザが安静状態にあるとは限らず、拡張期血圧と脈波伝播速度等との関係のモデル化が困難な場合であっても、拡張期血圧を適切に算出することができる。拡張期血圧と脈波伝播速度等との関係を表す物理モデルを構築することは特に難しいが、第２学習器１７ｂによれば、心拍数、脈波伝播速度及び脈波の特徴量と、拡張期血圧との関係を表す物理モデルを仮定する必要が無く、当該関係をモデル化する困難を避けることができる。
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。
１…血圧測定装置、１０…情報処理端末、１０ａ…ＣＰＵ、１０ｂ…ＲＡＭ、１０ｃ…ＲＯＭ、１０ｄ…通信インターフェース、１０ｅ…入力部、１０ｆ…表示部、１１…心電取得部、１２…脈波取得部、１３…第１抽出部、１４…第２抽出部、１５…第３抽出部、１６…算出部、１７…学習器、１７ａ…第１学習器、１７ｂ…第２学習器、２０…心電センサ、３０…脈波センサ、ＥＣＧ…心電、ＦＴ…特徴量、ＰＰＧ…脈波、Ｐ１０…立ち上がり点、Ｐ１１…傾きが最大となる点、Ｐ１２…収縮期ピーク点、Ｐ１３…切痕ピーク点、Ｐ１４…拡張期ピーク点、Ｐ１５…最近傍の立ち上がり点、Ｐ２０…ａ波のピーク点、Ｐ２１…ｂ波のピーク点、Ｐ２２…ｃ波のピーク点、Ｐ２３…ｄ波のピーク点、Ｐ２４…ｅ波のピーク点、Ｒ１…Ｋ近傍回帰、Ｒ２…ランダムフォレスト回帰、Ｒ３…サポートベクター回帰、ＳＤＰＰＧ…加速度脈波。

Claims (11)

  1. ユーザの心電を取得する心電取得部と、
    前記ユーザの脈波を取得する脈波取得部と、
    前記心電に基づいて、心拍数を抽出する第１抽出部と、
    前記心電及び前記脈波に基づいて、脈波伝播速度を抽出する第２抽出部と、
    前記脈波に基づいて、前記脈波に関する１又は複数の特徴量を抽出する第３抽出部と、
    複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量から前記ユーザの血圧を算出する算出部と、
    を備える血圧測定装置。
  2. 前記学習器は、前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の収縮期血圧との関係を学習済みの第１学習器を含み、
    前記算出部は、前記第１学習器によって、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量から前記ユーザの収縮期血圧を算出する、
    請求項１に記載の血圧測定装置。
  3. 前記学習器は、前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の拡張期血圧との関係を学習済みの第２学習器を含み、
    前記算出部は、前記第２学習器によって、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量から前記ユーザの拡張期血圧を算出する、
    請求項１又は２に記載の血圧測定装置。
  4. 前記第１抽出部は、前記心電のＲ波のピーク点を検出し、前記Ｒ波のピーク点について外れ値の除外処理を行った後、前記Ｒ波のピーク点の時間間隔に基づいて前記心拍数を抽出する、
    請求項１から３のいずれか１項に記載の血圧測定装置。
  5. 前記第２抽出部は、前記脈波の立ち上がり点、前記脈波の傾きが最大となる点及び前記脈波の収縮期ピーク点を検出し、前記脈波の立ち上がり点、前記脈波の傾きが最大となる点及び前記脈波の収縮期ピーク点について外れ値の除外処理を行った後、前記脈波の立ち上がり点、前記脈波の傾きが最大となる点及び前記脈波の収縮期ピーク点のいずれかと、前記Ｒ波のピーク点との時間間隔に基づいて、前記脈波伝播速度を抽出する、
    請求項４に記載の血圧測定装置。
  6. 前記第３抽出部は、前記脈波の拡張期ピーク点を検出し、前記脈波の拡張期ピーク点について外れ値の除外処理を行った後、前記脈波の収縮期ピーク点と拡張期ピーク点の波高比、前記脈波の収縮期ピーク点と拡張期ピーク点の時間間隔及び前記脈波の立ち上がり点と収縮期ピーク点の時間間隔を抽出する、
    請求項５に記載の血圧測定装置。
  7. 前記第３抽出部は、前記脈波の加速度である加速度脈波の複数のピーク点を検出し、前記脈波の加速度である加速度脈波の複数のピーク点について外れ値の除外処理を行った後、前記加速度脈波の複数のピーク点の間の波高比及び時間間隔を抽出する、
    請求項５又は６のいずれか１項に記載の血圧測定装置。
  8. 前記第３抽出部は、前記ユーザの安静時に取得された脈波の速度である安静時速度脈波と、前記ユーザの運動時に取得された脈波の速度である運動時速度脈波とを比較して、前記ユーザの運動時に取得された脈波について外れ値の除外処理を行った後、前記ユーザの運動時に取得された脈波に関する１又は複数の特徴量を抽出する、
    請求項１から７のいずれか１項に記載の血圧測定装置。
  9. 前記学習器は、
    前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量と、前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量との間の距離が近い順に選出されたＫ人（Ｋは１以上の自然数）の被験者の血圧を用いるＫ近傍回帰、
    前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量のうちからランダムに選択された量に基づいて血圧を決定する複数の決定木を構成し、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量に基づいて前記複数の決定木によって求めた血圧を用いるランダムフォレスト回帰、及び、
    前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量についてマージンが最大化するように求められた回帰超平面に属するサポートベクターと、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量とに基づいて求められるカーネル関数の値を用いるサポートベクター回帰のうちいずれかを用いて、前記複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の血圧との関係を学習済みである、
    請求項１から８のいずれか１項に記載の血圧測定装置。
  10. ユーザの心電を取得するステップと、
    前記ユーザの脈波を取得するステップと、
    前記心電に基づいて、心拍数を抽出するステップと、
    前記心電及び前記脈波に基づいて、脈波伝播速度を抽出するステップと、
    前記脈波に基づいて、前記脈波に関する１又は複数の特徴量を抽出するステップと、
    複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量から前記ユーザの血圧を算出するステップと、
    を含む血圧測定方法。
  11. コンピュータを、
    ユーザの心電を取得する心電取得部と、
    前記ユーザの脈波を取得する脈波取得部と、
    前記心電に基づいて、心拍数を抽出する第１抽出部と、
    前記心電及び前記脈波に基づいて、脈波伝播速度を抽出する第２抽出部と、
    前記脈波に基づいて、前記脈波に関する１又は複数の特徴量を抽出する第３抽出部と、
    複数の被験者について抽出された心拍数、脈波伝播速度及び脈波に関する１又は複数の特徴量と、前記複数の被験者の血圧との関係を、ノンパラメトリックな回帰分析により学習済みの学習器によって、前記ユーザについて抽出された前記心拍数、前記脈波伝播速度及び前記１又は複数の特徴量から前記ユーザの血圧を算出する算出部と、
    として機能させる血圧測定プログラム。
JP2017026090A 2017-02-15 2017-02-15 血圧測定装置、血圧測定方法及び血圧測定プログラム Expired - Fee Related JP6913928B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017026090A JP6913928B2 (ja) 2017-02-15 2017-02-15 血圧測定装置、血圧測定方法及び血圧測定プログラム
US15/897,442 US20180228383A1 (en) 2017-02-15 2018-02-15 Blood pressure measuring device, blood pressure measurement method and blood pressure measurement program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017026090A JP6913928B2 (ja) 2017-02-15 2017-02-15 血圧測定装置、血圧測定方法及び血圧測定プログラム

Publications (2)

Publication Number Publication Date
JP2018130319A JP2018130319A (ja) 2018-08-23
JP6913928B2 true JP6913928B2 (ja) 2021-08-04

Family

ID=63106527

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017026090A Expired - Fee Related JP6913928B2 (ja) 2017-02-15 2017-02-15 血圧測定装置、血圧測定方法及び血圧測定プログラム

Country Status (2)

Country Link
US (1) US20180228383A1 (ja)
JP (1) JP6913928B2 (ja)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210161503A1 (en) * 2018-06-07 2021-06-03 Healthcare Technology Innovation Centre Multi-modal ultrasound probe for calibration-free cuff-less evaluation of blood pressure
JP7599101B2 (ja) * 2018-08-30 2024-12-13 パナソニックＩｐマネジメント株式会社 生体計測装置、及び生体計測方法
KR102758582B1 (ko) * 2018-12-21 2025-01-21 삼성전자주식회사 심혈관 정보 추정 장치 및 방법
CN113711376B (zh) * 2019-04-17 2024-07-12 株式会社日本显示器 检测装置
CN110251105B (zh) * 2019-06-12 2022-06-21 广州视源电子科技股份有限公司 一种无创血压测量方法、装置、设备及系统
KR102859922B1 (ko) * 2019-09-03 2025-09-15 삼성디스플레이 주식회사 표시 장치
CN111265196B (zh) * 2020-03-04 2021-03-09 云南大学 一种颈动脉脉搏波速估计方法及系统
JP7511405B2 (ja) * 2020-07-15 2024-07-05 日本光電工業株式会社 生体パラメータ値の推定装置、生体パラメータ値の推定方法、モニタ装置、およびコンピュータプログラム
WO2022050333A1 (ja) * 2020-09-03 2022-03-10 Ｓｓｓｔ株式会社 生体情報演算システム、サーバ、及びデータ構造
CN114431847B (zh) * 2020-11-06 2024-10-11 爱奥乐医疗器械(深圳)有限公司 一种动脉硬化检测方法、装置、系统及存储介质
US20220296111A1 (en) * 2020-12-18 2022-09-22 Movano Inc. Method for operating a wearable device that includes an optical sensor system and an rf sensor system
US20220287649A1 (en) * 2020-12-18 2022-09-15 Movano Inc. Method for generating training data for use in monitoring a health parameter of a person
US11832919B2 (en) * 2020-12-18 2023-12-05 Movano Inc. Method for generating training data for use in monitoring the blood pressure of a person that utilizes a pulse wave signal generated from radio frequency scanning
JP7476813B2 (ja) 2021-01-27 2024-05-01 株式会社Soken 生体情報検出装置
CN113171069B (zh) * 2021-03-05 2024-01-26 上海立阖泰医疗科技有限公司 一种嵌入式图形血压测量系统
CN113171070B (zh) * 2021-03-05 2022-02-18 上海立阖泰医疗科技有限公司 一种基于pwtt的动态连续血压测量手表
JP2022151111A (ja) * 2021-03-26 2022-10-07 株式会社アイシン 血圧測定装置、車両装置、及び血圧測定プログラム
JPWO2023188981A1 (ja) 2022-03-29 2023-10-05
DE112023000632T5 (de) * 2022-04-05 2024-12-19 Murata Manufacturing Co., Ltd. Verfahren zum schätzen des blutdrucks und system zur messung biologischer informationen
WO2024034305A1 (ja) * 2022-08-12 2024-02-15 株式会社村田製作所 脈圧測定装置及び脈圧測定方法
JP2024034428A (ja) * 2022-08-31 2024-03-13 太陽誘電株式会社 生体情報測定装置
KR102576679B1 (ko) * 2022-12-13 2023-09-11 주식회사 바이오커넥트 광용적맥파의 특징 값을 이용하여 혈압 수치를 산출하는 방법 및 장치
CN115836847B (zh) * 2022-12-14 2025-11-25 清华大学深圳国际研究生院 一种血压预测装置及设备
TR2023009498A2 (tr) * 2023-08-08 2023-08-21 Livewell Giyilebilir Saglik Ueruen Hizmet Ve Teknolojileri Sanayi Ve Ticaret Anonim Sirketi Kan basinci tahmi̇n si̇stemi̇

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8825428B2 (en) * 2010-11-30 2014-09-02 Neilcor Puritan Bennett Ireland Methods and systems for recalibrating a blood pressure monitor with memory
JP5984088B2 (ja) * 2012-06-15 2016-09-06 国立大学法人 東京大学 非侵襲的連続血圧モニタリング方法及び装置
JP6436663B2 (ja) * 2014-07-11 2018-12-12 株式会社デンソー 血圧推定装置
JP2016022293A (ja) * 2014-07-24 2016-02-08 パナソニックＩｐマネジメント株式会社 生体情報モニタリング装置、方法およびそのプログラム
JP6520140B2 (ja) * 2015-01-22 2019-05-29 Tdk株式会社 情報処理装置、血圧値算出方法及びプログラム
US9706964B2 (en) * 2015-02-25 2017-07-18 Echo Labs, Inc. Systems and methods for non-invasive blood pressure measurement

Also Published As

Publication number Publication date
US20180228383A1 (en) 2018-08-16
JP2018130319A (ja) 2018-08-23

Similar Documents

Publication Publication Date Title
JP6913928B2 (ja) 血圧測定装置、血圧測定方法及び血圧測定プログラム
Natarajan et al. Photoplethysmography fast upstroke time intervals can be useful features for cuff-less measurement of blood pressure changes in humans
WO2018072175A1 (en) Apparatus and method for determining a blood pressure of a subject
US11617545B2 (en) Methods and systems for adaptable presentation of sensor data
JPWO2017179693A1 (ja) 生体情報分析装置、生体情報分析システム、プログラム、及び、生体情報分析方法
WO2018009409A1 (en) Predictive weighting of hypotension profiling parameters
EP4084681B1 (en) Hypotension prediction with adjustable hypotension threshold
WO2021114134A1 (en) Method for blood pressure estimation
US20230380697A1 (en) Hemodynamic sensor-based system for automated prediction of a post-induction hypotensive event
US20180153415A1 (en) Aortic stenosis classification
CN113907727A (zh) 基于光电容积脉搏波描记的逐拍血压测量系统和方法
US20240382160A1 (en) Systems and methods for blood pressure device calibration
JP5296392B2 (ja) 自己組織化マップを用いた健康状態判定支援システム及び自己組織化マップ生成システム
WO2017047384A1 (ja) 血圧解析装置、血圧測定装置、血圧解析方法、血圧解析プログラム
Shokouhmand et al. MEMS fingertip strain plethysmography for cuffless estimation of blood pressure
KR102931301B1 (ko) 정수압 차이를 이용한 커프리스 혈압 추정 장치 및 그의 동작 방법
JP7033362B1 (ja) 情報処理システム、サーバ、情報処理方法及びプログラム
CN114947783A (zh) 自适应血压监测方法、模型训练方法、装置及电子设备
US20190110694A1 (en) Cardiac monitoring system
JP7097111B2 (ja) 情報処理システム、サーバ、情報処理方法及びプログラム
US20250213199A1 (en) Hemodynamic monitor for triaging patients with low ejection fraction
CN119418935A (zh) 血压预测方法、装置、电子设备及计算机可读存储介质
Xing et al. Model-Driven Prediction of Blood Pressure Leveraging Multimodal Sensing Data
JP2023077368A (ja) 情報処理システム、サーバ、情報処理方法及びプログラム
JP2022008292A (ja) 情報処理システム、サーバ、情報処理方法及びプログラム

Legal Events

Date Code Title Description
A80 Written request to apply exceptions to lack of novelty of invention

Free format text: JAPANESE INTERMEDIATE CODE: A80

Effective date: 20170310

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200128

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201207

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201211

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210607

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210706

R150 Certificate of patent or registration of utility model

Ref document number: 6913928

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees