JP2016016295A - 血圧推定装置 - Google Patents

Abstract

【課題】被験者の血圧を精度よく推定できる血圧推定装置を提供すること。
【解決手段】脈波を取得する脈波取得ユニット（３）と、前記脈波から特徴量を抽出する特徴量抽出ユニット（９）と、前記特徴量から、モデルを用いて血圧を推定する血圧推定ユニット（１１）と、前記モデルを、個人情報又は前記特徴量を含む教師データに基づき作成又は更新するモデル作成／更新ユニット（１３）と、を備え、前記モデル作成／更新ユニットは、前記個人情報又は前記特徴量に応じて、モデルの作成又は更新における学習の判定閾値を変化させることを特徴とする血圧推定装置。
【選択図】 図１

Description

本発明は血圧推定装置に関する。

カフ血圧計の測定値と、脈波の特徴量とに基づいて学習されたニューラルネットを用いて、脈波の特徴量から被験者の血圧を推定する方法が提案されている（特許文献１参照）。

特開２０００−１２６１４２号公報

しかしながら、特許文献１記載の技術では、被験者の血圧を精度よく推定することができない。本発明は、こうした問題にかんがみてなされたものであり、被験者の血圧を精度よく推定できる血圧推定装置を提供することを目的とする。

本発明の血圧推定装置は、脈波を取得する脈波取得ユニットと、脈波から特徴量を抽出する特徴量抽出ユニットと、特徴量から、モデルを用いて血圧を推定する血圧推定ユニットと、モデルを、個人情報又は特徴量を含む教師データに基づき作成又は更新するモデル作成／更新ユニットと、を備え、モデル作成／更新ユニットは、個人情報又は特徴量に応じて、モデルの作成又は更新における学習の判定閾値を変化させることを特徴とする。本発明の血圧推定装置は、被験者の血圧を精度よく推定することができる。

血圧推定装置１の構成を表すブロック図である。 血圧推定装置１が実行する血圧推定処理を表すフローチャートである。 図３Ａ、図３Ｂ、図３Ｃは特徴量の例を表す説明図である。 図４Ａは、第１のモデルのみを使用して取得した推定血圧と、カフ測定血圧との相関を表すグラフであり、図４Ｂは、被験者の年齢に応じて第１のモデル及び第２のモデルを使い分けて取得した推定血圧と、カフ測定血圧との相関を表すグラフである。 血圧推定装置１が実行する血圧推定処理を表すフローチャートである。 教師データの一例を表す説明図である。

以下、本発明が適用された実施形態について、図面を用いて説明する。
＜第１の実施形態＞
１．血圧推定装置１の構成
血圧推定装置１の構成を図１に基づき説明する。血圧推定装置１は、インターフェース３、記憶部５、及び制御部７を備える。

インターフェース３は、外部の端末１０１との間で情報の送受信を行う。なお、インターフェース３は、脈波取得ユニット及び年齢取得ユニットの一例である。
記憶部５は、情報の記憶、保存、及び読み出しを行う。記憶部５は、例えば、ＨＤＤ（ハードディスクドライブ）により構成できる。

制御部７は、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備える周知のコンピュータである。制御部７は、機能的に、特徴量抽出ユニット９、血圧推定ユニット１１、及びモデル作成／更新ユニット１３を備える。制御部７は、これらの各ユニットにより、後述する処理を実行する。

なお、端末１０１には、血圧計１０３、カフレス血圧計１０５、及び入力部１０７が接続している。端末１０１は、これらと血圧推定装置１との間の情報の送受信を中継する。血圧計１０１は、カフを用いて被験者の正確な血圧を測定する。以下では、血圧計１０１で測定した血圧を、カフ測定血圧とする。カフ測定血圧は、端末１０１を介して血圧推定装置１に送信される。

カフレス血圧計１０５は、血圧推定装置１を用いて、被験者の血圧を推定する。すなわち、カフレス血圧計１０５は、被験者の脈波を取得し、その脈波を、端末１０１を介して血圧推定装置１に送信する。脈波の取得には、公知の脈波センサを用いることができる。脈波センサとしては、例えば、以下のものが挙げられる。脈波センサは、緑色の光（５０００Å〜８０００Åの波長を含む光）を出射する発光ダイオードを備え、その光を、被験者の指先等に照射する。また、脈波センサは、照射した光が患者の指の毛細血管内で反射された反射光をフォトダイオードで受光し、受光した光に対応する電気信号（脈波）を出力する。

血圧推定装置１は、後述するように、カフレス血圧計１０５から送信された脈波に基づき、被験者の血圧を推定する。以下では、血圧推定装置１が推定した血圧を推定血圧とする。血圧推定装置１は、推定血圧を、端末１０１を介してカフレス血圧計１０５に送信する。以上のようにして、カフレス血圧計１０５は、被験者の脈波から、被験者の推定血圧を得ることができる。

入力部１０７は、ユーザ（被験者又は他の人）が情報を入力可能な構成であり、入力部１０７に入力された情報は、端末１０１を介して血圧推定装置１に送信される。入力部１０７に入力される情報としては、例えば、被験者の個人情報（身長、体重、年齢、性別等）がある。

血圧推定装置１は、例えば、クラウドコンピュータにより実現することができる。
２．血圧推定装置１が実行する血圧推定処理
血圧推定装置１（特に制御部７）が実行する血圧推定処理を図２、図３に基づき説明する。なお、この処理は、カフレス血圧計１０５から、血圧推定処理を実行する旨の指示があった場合に行われる。

図２のステップ１では、インターフェース３を用いて、端末１０１から、被験者の個人情報（身長、体重、年齢、性別等）を取得する。なお、この個人情報は、入力部１０７に入力され、端末１０１を経由して、血圧推定装置１に送信されたものである。

ステップ２では、インターフェース３を用いて、端末１０１から被験者の脈波を取得する。なお、この脈波は、カフレス血圧計１０５が被験者から取得し、端末１０１を経由して、血圧推定装置１に送信したものである。

ステップ３では、特徴量抽出ユニット９が、前記ステップ２で取得した脈波から、特徴量（脈波特徴量）を抽出する。特徴量としては、例えば、図３Ａに示すように、脈波から抽出されるＰ０、Ｐ１、Ｐ２、ΔＴ等がある。また、特徴量としては、例えば、図３Ｂに示すように、脈波の１階微分（速度脈波）から抽出されるａ１〜ｆ１等がある。また、特徴量としては、例えば、図３Ｃに示すように、脈波の２階微分（加速度脈波）から抽出されるａ〜ｆ等がある。その他の脈波としては、例えば、ＰＴＴ、ＨＲ、容積ＡＩ等がある。

図２に戻り、ステップ４では、前記ステップ１で取得した個人情報に含まれる年齢が６０歳未満であるか否かを判断する。６０歳未満である場合はステップ５に進み、６０歳以上である場合はステップ６に進む。なお、６０歳は、閾値の一例である。

ステップ５では、血圧推定ユニット１１が、前記ステップ３で抽出した特徴量から、第１のモデルを用いて被験者の血圧（推定血圧）を推定する。この第１のモデルは、特徴量を入力すると、それに対応する推定血圧を出力するものである。第１のモデルについては後述する。

ステップ６では、血圧推定ユニット１１が、前記ステップ３で抽出した特徴量から、第２のモデルを用いて被験者の血圧（推定血圧）を推定する。この第２のモデルは、特徴量を入力すると、それに対応する推定血圧を出力するものである。第２のモデルについては後述する。

ステップ７では、前記ステップ５又は６で推定した被験者の推定血圧を、端末１０１を介してカフレス血圧計１０５に送信する。
３．血圧推定装置１が実行するモデル作成処理
（１）血圧推定装置１（特にモデル作成／更新ユニット１３）が第１のモデルを作成する方法を説明する。まず、記憶部５に教師データを記憶しておく。教師データは、複数の単位データから成る。各単位データは、被験者のカフ測定血圧、同一の被験者から同時に得た複数の特徴量、及び同一の被験者の個人情報（身長、体重、年齢、性別）から成る。ここでは、教師データが、ｎ個の単位データから成るとする。ｎは十分大きい自然数である。ｎ個の単位データには、それぞれ、１、２、３・・ｉ、ｉ+１、・・ｎの識別番号を付して区別する。

なお、教師データは、同一の被験者について、血圧計１０３を用いて被験者のカフ測定血圧を取得するとともに、カフレス血圧計１０５、及び血圧推定装置１を用いて特徴量を取得し（前記ステップ２、３参照）、入力部１０７にその被験者の個人情報を入力することで得ることができる。
図６に、教師データの一例を示す。教師データを構成する各単位データには、電子血圧計で計測された血圧値、個人情報（身長、体重、年齢、性別等）及び特徴量が記憶されている。教師データにおいて単位データは複数存在し、様々な被験者について取得されている。

モデル作成／更新ユニット１３は、上記の教師データに基づき、サポートベクター回帰分析により、第１のモデルを作成する。第１のモデルは、下記（式１）として表すことができる。ここで、ｙは被験者の推定血圧であり、ｘは被験者の特徴量である。また、ｗ、ｂはそれぞれ、ｘに対してｙを表すためのモデル係数である。

上記（式１）は線形回帰式であって、推定式はε−インセンシティブ損失関数Ｌを用いて（式２）のように表される。式（４）〜（６）が成立する条件の下で、式（３）が最小となるように最適化問題を解くことで、（式１）におけるｗ、ｂが求められ、第１のモデルが得られる。

なお、（式３）から（式６）において、ξとその複素共役はスラック変数であり、誤分類の度合いを表す変数である。また、（式３）の第１項はモデルの複雑さを表し、これが大きいほどモデルは複雑である。また、εは誤差許容度を表すパラメータであり、Ｃは適合度を表すパラメータである。εが小さいほど、第１のモデルの曖昧さが大きくなり、Ｃが大きいほど、第１のモデルの曖昧さが大きくなる。

ここで曖昧さが大きいとは、モデルの作成において、カフ測定血圧と推定血圧との関係性を弱く学習することを意味し、曖昧さが小さいとは、カフ測定血圧と推定血圧との関係性を強く学習することを意味する。

また、（式３）から（式６）においてｉは、単位データに付された識別番号を表すものであり、１からｎのいずれかである。
（２）血圧推定装置１は、基本的には第１のモデルの場合と同様に、第２のモデルを作成する。ただし、サポートベクター回帰分析において、誤差許容度を表すパラメータεが第１のモデルの場合に比べて小さく、適合度を表すパラメータＣが第１のモデルの場合に比べて大きい、という条件の下で第２のモデルを作成する。その結果、第２のモデルは、第１のモデルよりも曖昧さが大きいものとなる。

なお、本実施形態において、上述した、誤差許容度を表すパラメータεと、適合度を表すパラメータＣとは、学習の判定閾値の一例である。このように、誤差許容度を表すパラメータεや適合度を表すパラメータＣをモデル作成における学習の判定閾値として用いることで、モデルの曖昧さを調整することができる。

（３）血圧推定装置１は、既に第１のモデルが存在する場合、上述した方法で第１のモデルを新たに作成し、新たな第１のモデルで、従来の第１のモデルを置換する（更新する）ことができる。

更新のときに使用する教師データは、従来の第１のモデルを作成するときに使用した教師データに、新たに得た単位データを追加したものとすることができる。あるいは、更新のときに使用する教師データは、従来の第１のモデルの作成後に得た単位データのみから成るものであってもよい。

また、血圧推定装置１は、既に第２のモデルが存在する場合、上述した方法で第２のモデルを新たに作成し、新たな第２のモデルで、従来の第２のモデルを置換する（更新する）ことができる。

更新のときに使用する教師データは、従来の第２のモデルを作成するときに使用した教師データに、新たに得た単位データを追加したものとすることができる。あるいは、更新のときに使用する教師データは、従来の第２のモデルの作成後に得た単位データのみから成るものであってもよい。

第１のモデル、第２のモデルを更新するタイミングは適宜設定することができる。例えば、第１のモデル、第２のモデルを前回作成又は更新してから、所定時間が経過したタイミング、あるいは、教師データが所定量蓄積されたタイミング等において、第１のモデル、第２のモデルを更新することができる。また、ユーザの指示に応じて、第１のモデル、第２のモデルを更新することができる。

４．血圧推定装置１が奏する効果
以上詳述した血圧推定装置１によれば、以下の効果が得られる。
血圧推定装置１は、被験者の血圧を精度よく推定することができる。このことを以下の試験により確かめた。同一の被験者について同時に、血圧推定装置１を用いて推定血圧を取得するとともに、カフ血圧計を用いてカフ測定血圧を取得した。この結果、推定血圧と、それに対応するカフ測定血圧との組を得ることができる。この組を複数取得した。

そして、図４Ｂに示すように、横軸をカフ測定血圧とし、縦軸を推定血圧とするグラフにおいて、上記の複数の組をそれぞれプロットした。各プロットの誤差標準偏差を計算すると、９．２ｍｍＨｇであり、小さい値であった。すなわち、推定血圧はばらつきが小さく、カフ測定血圧との相関が高かった。なお、この試験において血圧推定装置１が脈波から抽出した特徴量は図３Ａ〜図３Ｃに示すＰ０〜Ｐ２，ａ１〜ｆ１，ａ〜ｆとした。

また、参考例として、同一の被験者について同時に、血圧推定装置１を用いて推定血圧を取得するとともに、カフ血圧計を用いてカフ測定血圧を取得した。ただし、ここでは、上述した血圧推定処理ではなく、被験者の年齢によらず、常に第１のモデルを使用する方法で、推定血圧を取得した。そして、図４Ａに示すように、常に第１のモデルを用いて得られた推定血圧と、それに対応するカフ測定血圧との組をグラフ上に複数プロットした。各プロットの誤差標準偏差を計算すると、１０．０ｍｍＨｇであり、比較的大きい値であった。すなわち、常に第１のモデルを用いる方法で得られた推定血圧は、第１のモデル及び第２のモデルを被験者の年齢に応じて使い分ける方法に比べて、推定血圧のばらつきが大きく、推定血圧とカフ測定血圧との相関が低かった。

血圧推定装置１が被験者の血圧を精度よく推定することができる理由は以下のように推測できる。高齢の被験者では、個人差が大きく、血圧と脈波との関係が崩れやすいため、曖昧さを許容するモデルが望ましい。血圧推定装置１は、高齢者に対しては、第１のモデルよりも曖昧さが大きい第２のモデルを使用するので、被験者の年齢に応じた適切なモデルを使用することができる。その結果、推定血圧を精度よく推定できると考えられる。
＜第２の実施形態＞
１．血圧推定装置１の構成
本実施形態の血圧推定装置１は、前記第１の実施形態と同様の構成を有する。

２．血圧推定装置１が実行する血圧推定処理
血圧推定装置１（特に制御部７）が実行する血圧推定処理を図５に基づき説明する。なお、この処理は、カフレス血圧計１０５から、処理を実行する旨の指示があった場合に行われる。

図５のステップ１１では、インターフェース３を用いて、端末１０１から被験者の脈波を取得する。なお、この脈波は、カフレス血圧計１０５が被験者から取得し、端末１０１を経由して、血圧推定装置１に送信したものである。

ステップ１２では、特徴量抽出ユニット９が、前記ステップ１１で取得した脈波から、特徴量（脈波特徴量）を抽出する。特徴量は、前記第１の実施形態と同様である。
ステップ１３では、血圧推定ユニット１１が、前記ステップ１２で抽出した特徴量から、モデルを用いて被験者の血圧（推定血圧）を推定する。このモデルは、特徴量を入力すると、それに対応する推定血圧を出力するものである。モデルについては後述する。

ステップ１４では、前記ステップ１３で推定した被験者の推定血圧を、端末１０１を介してカフレス血圧計１０５に送信する。
３．血圧推定装置１が実行するモデル作成処理
（１）本実施形態の血圧推定装置１は、基本的には、前記第１の実施形態において第１のモデルや第２のモデルを作成する方法と同様にして、モデルを作成する。ただし、本実施形態では、誤差許容度を表すパラメータであるεとして、（式７）に示すものを用い、適合度を表すパラメータであるＣとして、（式８）に示すものを用いる。

ここで、ε_０、Ｃ_０はそれぞれ定数であり、ageは教師データにおける被験者の年齢である。よって、本実施形態では、サポートベクター回帰分析において、教師データにおける年齢が高いほど、誤差許容度を表すパラメータεが小さく、適合度を表すパラメータＣが大きい、という条件の下でモデルを作成する。すなわち、本実施形態では、サポートベクター回帰分析において、教師データにおける年齢が高いほど、曖昧さを大きくする条件でモデルを作成する。

なお、本実施形態において、上述した、誤差許容度を表すパラメータεと、適合度を表すパラメータＣとは、学習の判定閾値の一例である。それらのパラメータは、教師データにおける被験者の年齢に応じて変化する。

（２）血圧推定装置１は、既にモデルが存在する場合、上述した方法でモデルを新たに作成し、新たなモデルで、従来のモデルを置換する（更新する）ことができる。
更新のときに使用する教師データは、従来のモデルを作成するときに使用した教師データに、新たに得た単位データを追加したものとすることができる。あるいは、更新のときに使用する教師データは、従来のモデルの作成後に得た単位データのみから成るものであってもよい。

モデルを更新するタイミングは適宜設定することができ、例えば、前記第１の実施形態と同様とすることができる。
４．血圧推定装置１が奏する効果
以上詳述した血圧推定装置１によれば、以下の効果が得られる。すなわち、本実施形態の血圧推定装置１は、被験者の血圧を精度よく推定することができる。
＜その他の実施形態＞
以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されることなく、種々の形態を採り得る。

（１）前記第１の実施形態におけるステップ４で、閾値とする年齢は６０歳には限定されず、適宜設定できる。例えば、５５歳、６５歳、７０歳、７５歳等とすることができる。

（２）前記第１の実施形態において、誤差許容度を表すパラメータεは第１のモデルの場合と同じであり、適合度を表すパラメータＣが第１のモデルの場合に比べて大きい、という条件の下で第２のモデルを作成してもよい。この場合でも、前記第１の実施形態と略同様の効果を奏することができる。

また、前記第１の実施形態において、誤差許容度を表すパラメータεが第１のモデルの場合に比べて小さく、適合度を表すパラメータＣが第１のモデルの場合と同じ、という条件の下で第２のモデルを作成してもよい。この場合でも、前記第１の実施形態と略同様の効果を奏することができる。

（３）前記第２の実施形態において、誤差許容度を表すパラメータεは教師データにおける年齢によらず一定であり、適合度を表すパラメータＣは教師データにおける年齢が高いほど大きい、という条件の下でモデルを作成してもよい。この場合でも、前記第２の実施形態と略同様の効果を奏することができる。

また、教師データにおける年齢が高いほど、誤差許容度を表すパラメータεが小さく、適合度を表すパラメータＣは教師データにおける年齢によらず一定である、という条件の下でモデルを作成してもよい。この場合でも、前記第２の実施形態と略同様の効果を奏することができる。

（４）前記第１、第２の実施形態において、血圧推定装置１は、モデルの作成、及び更新のうち、一方のみを行うものであってもよい。
（５）前記第１、第２の実施形態において、血圧推定装置１は、サポートベクター回帰分析以外の方法で、教師データに基づきモデルを作成又は更新してもよい。

（６）前記第１、第２の実施形態において、血圧推定装置１が変化させる学習の判定閾値は、誤差許容度を表すパラメータε及び適合度を表すパラメータＣ以外のものであってもよい。

（７）前記第１、第２の実施形態において、血圧推定装置１は、教師データに含まれる年齢ではなく、特徴量に応じて、学習の判定閾値（例えば、誤差許容度を表すパラメータεや適合度を表すパラメータＣ）を変化させてもよい。

（８）前記第１の実施形態において、第１のモデルを作成又は更新するとき、前記第２の実施形態と同様の方法で、モデルを作成又は更新することができる。すなわち、サポートベクター回帰分析において、教師データにおける年齢が高いほど、誤差許容度を表すパラメータεが小さく、適合度を表すパラメータＣが大きい、という条件の下で第１のモデルを作成又は更新することができる。

また、前記第１の実施形態において、第２のモデルを作成又は更新するとき、前記第２の実施形態と同様の方法で、モデルを作成又は更新することができる。すなわち、サポートベクター回帰分析において、教師データにおける年齢が高いほど、誤差許容度を表すパラメータεが小さく、適合度を表すパラメータＣが大きい、という条件の下で第２のモデルを作成又は更新することができる。

（９）前記第１、第２の実施形態における１つの構成要素が有する機能を複数の構成要素として分散させたり、複数の構成要素が有する機能を１つの構成要素に統合させたりしてもよい。例えば、血圧推定装置１は、カフレス血圧計１０５を含んでいてもよい。また、記憶部５は、制御部７とは別の装置内にあり、制御部７とオンラインで接続されていてもよい。また、血圧推定装置１は、端末１０１、血圧計１０３、及び入力部１０７から選択される１以上を含んでいてもよい。

（１０）また、前記第１、第２の実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。また、前記第１、第２の実施形態の構成の一部を、課題を解決できる限りにおいて省略してもよい。また、前記第１、第２の実施形態の構成の少なくとも一部を、他の実施形態の構成に対して付加又は置換してもよい。なお、特許請求の範囲に記載した文言のみによって特定される技術思想に含まれるあらゆる態様が本発明の実施形態である。

（１１）上述した血圧推定装置１の他、当該血圧推定装置１を構成要素とするシステム、当該血圧推定装置１としてコンピュータを機能させるためのプログラム、このプログラムを記録した媒体、血圧推定方法等、種々の形態で本発明を実現することもできる。

１…血圧推定装置、３…インターフェース、５…記憶部、７…制御部、９…特徴量抽出ユニット、１１…血圧推定ユニット、１３…モデル作成／更新ユニット、１０１…端末、１０３…血圧計、１０５…カフレス血圧計、１０７…入力部

Claims (6)

1. 脈波を取得する脈波取得ユニット（３）と、
   前記脈波から特徴量を抽出する特徴量抽出ユニット（９）と、
   前記特徴量から、モデルを用いて血圧を推定する血圧推定ユニット（１１）と、
   前記モデルを、個人情報又は前記特徴量を含む教師データに基づき作成又は更新するモデル作成／更新ユニット（１３）と、
   を備え、
   前記モデル作成／更新ユニットは、前記個人情報又は前記特徴量に応じて、前記モデルの作成又は更新における学習の判定閾値を変化させることを特徴とする血圧推定装置。
2. 請求項１に記載の血圧推定装置であって、
   前記モデル作成／更新ユニットは、サポートベクター回帰分析により前記モデルを作成又は更新することを特徴とする血圧推定装置。
3. 請求項１又は２に記載の血圧推定装置であって、
   前記学習の判定閾値は、（１）誤差許容度を表すパラメータ、及び／又は、（２）適合度を表すパラメータを含むことを特徴とする血圧推定装置。
4. 請求項１〜３のいずれか１項に記載の血圧推定装置であって、
   前記モデル作成／更新ユニットは、前記教師データにおける年齢が高いほど、（１）誤差許容度を表すパラメータが小さい、及び／又は、（２）適合度を表すパラメータが大きい、という条件の下で前記モデルを作成又は更新することを特徴とする血圧推定装置。
5. 請求項１〜４のいずれか１項に記載の血圧推定装置であって、
   前記モデルとして、第１のモデルと、前記第１のモデルよりも曖昧さが大きい第２のモデルとを備え、
   被験者の年齢を取得する年齢取得ユニット（３）を備え、
   前記血圧推定ユニットは、前記被験者の年齢が所定の閾値未満である場合は前記第１のモデルを用い、前記被験者の年齢が前記閾値以上である場合は前記第２のモデルを用いることを特徴とする血圧推定装置。
6. 請求項５に記載の血圧推定装置であって、
   前記モデル作成／更新ユニットは、（１）誤差許容度を表すパラメータが前記第１のモデルの場合に比べて小さい、及び／又は、（２）適合度を表すパラメータが前記第１のモデルの場合に比べて大きい、という条件の下で前記第２のモデルを作成又は更新することを特徴とする血圧推定装置。

Images