JPH053873A

JPH053873A - 生体リズム曲線評価装置

Info

Publication number: JPH053873A
Application number: JP3153446A
Authority: JP
Inventors: Emi Koyama; 恵美小山; Chisako Yamamoto; 智咲子山本; Akihiro Michimori; 章弘道盛
Original assignee: Matsushita Electric Works Ltd
Current assignee: Panasonic Electric Works Co Ltd
Priority date: 1991-06-25
Filing date: 1991-06-25
Publication date: 1993-01-14

Abstract

(57)【要約】【目的】環境情報や体調情報を加味して生体リズム曲線
を評価できる装置を提供する。【構成】生体リズム曲線と、特徴パラメータと、環境情
報と、体調情報に基づいて、データベース５を構成し、
ある日の生体リズム曲線とその特徴パラメータ及び環境
情報が入力されると、検索手段６によりデータベース５
を検索して、その日の体調情報を判断し、出力手段７に
より出力する。また、その日の実際の体調情報と、出力
手段７により得られた体調情報との誤差がゼロに収束す
るように、データベース補正手段８によりデータベース
５を補正する。【効果】装置を使用するにつれて使用環境や被験者の体
調に適合し、生体リズム曲線の定量的な評価精度が上が
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ヒトの生体リズム曲線
及びその特徴パラメータと環境情報及び体調情報から構
成されるデータベースに基づいて生体リズム曲線を評価
するための生体リズム曲線評価装置に関するものであ
る。

【０００２】

【従来の技術】様々な生体現象を時系列的に表現する
と、周期性を示すことが多い。しかも、その多くは自励
的な振動であると考えられており、生体リズムと総称さ
れている。生体リズムはその周期によっていくつかの種
類に分けられ、１年という長いものから数秒という短い
ものまである。人間は明期に覚醒度が向上して活動的と
なり、暗期に覚醒度が低下して休息に入るが、これはサ
ーカディアンリズム（Ｃｉｒｃａｄｉａｎｒｈｙｔｈ
ｍ：約１日を周期とするリズム）と呼ばれる生物時計
（Ｂｉｏｌｏｇｉｃａｌｃｌｏｃｋ）によって刻まれ
る生体リズム（Ｂｉｏｌｏｇｉｃａｌｒｈｙｔｈｍ）
の１つである。

【０００３】生体リズムのうち、人間の生活に最も関わ
りの深いものは、約１日を周期とするサーカディアンリ
ズムである。人間の代表的なサーカディアンリズムとし
て、体温変動、睡眠覚醒サイクル、ホルモン分泌量変動
などを挙げることができる。その他、心身の活動度、作
業や運動能力、薬品に対する感受性、自律系の機能に至
るまで、人間の生活に付随する生理的現象はサーカディ
アン変動を示すと考えて良い。

【０００４】ヒトのサーカディアンリズムは、深部体温
リズムを中心とするグループと睡眠覚醒サイクルを中心
とするグループとの２系統の振動体群に分かれるのでは
ないかという説が現在のところ有力である。深部体温リ
ズムは明暗周期の影響を受けており、睡眠覚醒サイクル
は社会的同調因子の影響を受けていると言われている。
覚醒度や生体リズムをモニターするには、実験室レベル
ではポリグラフ等のかなり進んだ技術が存在するが、日
常的な作業場面において被験者に苦痛を与えず、また、
その作業行動に支障がなく、非侵襲的に生体の活性度を
モニターすることはできないのが現状である。

【０００５】以下、体温による生体リズムの計測法につ
いて説明する。体温、特に深部体温のリズムは、外部か
らの影響が少なく、明瞭なサーカディアンリズムを示す
こと、他のリズムとの関係がかなり明らかになっている
こと、連続計測が可能なことなどから、ヒトのサーカデ
ィアンリズムの中で最も重要な指標とされている。深部
体温計測法の候補としては、直腸温・鼓膜温・食道温・
深部皮下温・尿温などが挙げられるが、長時間の連続測
定が可能という条件を満たすものは直腸温である。しか
し、いずれも被験者に苦痛を与える計測法であることが
難点である。

【０００６】直腸温の一般的な計測法は、先端にサーミ
スタを埋め込んだプローブを肛門から１０ｃｍ以上挿入
し、それが抜けないようにテープで固定する方法であ
る。サーミスタの抵抗値から温度を算出してメモリに記
憶する装置が携帯用体温計として市販されている。ま
た、直腸温を直接計測する方法の他に、対流熱交換方式
で皮膚の表面から深部体温を測定できる装置（コアテン
プ）が市販されている。センサーの直径が大きくなるほ
ど、より深部の体温が計測でき、皮膚表面から約１０ｍ
ｍ深さの体温計測まで可能である。しかし、この方式で
はセンサー部で皮膚を加熱する必要があり、リズム計測
のように長時間使用する場合には低温やけどの危険性が
あり、取扱いに注意しなければならない。

【０００７】次に、生体リズムの解析法について説明す
る。生体リズムの解析は、リズムの三要素（周期・位相
・形）を求めることが基本になる。体温リズムを解析す
るには、周期と最小値位相を求めると共に、形の特徴と
しては振幅を求める。体温リズムにおいては、特に最小
値位相が重要な要素であるが、これは視察により求める
方法が一般的である。

【０００８】また、一定間隔で計測されたデータからリ
ズムの周期を求める方法としては、自己相関法（コレロ
グラム）、パワースペクトル法、コサイナー法、ペリオ
ドグラム法などを用いることができる。体温リズムの場
合、コサイナー法、ペリオドグラム法が利用されること
が多い。コサイナー法とは、正弦波への最小自乗近似に
より周期・振幅・位相を求める方法である。

【０００９】次に、サーカディアンリズムを厳密に求め
る方法として、コンスタント・ルーチン（Ｃｏｎｓｔａ
ｎｔｒｏｕｔｉｎｅ）法が知られている。この方法
は、深部体温といえども外部の影響を受けるため、真の
リズムをそのまま表現しているとは限らないという観点
から、外乱を可能な限り除去するような計測条件を設定
して、被験者の直腸温を数十時間計測し、深部体温の周
期・振幅・位相を求める方法である。

【００１０】

【発明が解決しようとする課題】上述のように、体温計
測による生体リズムの解析法としては、視察による方
法、コサイナー法、コンスタント・ルーチン法が一般的
であるが、視察による方法では定量的解析ができないと
いう問題がある。また、コサイナー法では体温リズムの
波形が実際には正弦波状とは限らないという問題があ
る。さらに、コンスタント・ルーチン法では、外乱の影
響は除去できるが、実験室に被験者を数十時間拘束する
必要があり、日常生活におけるリズム曲線の評価は不可
能であるという問題がある。また、生体リズムの特性を
知るうえでは、周期の長短や、振幅の大小、位相の前進
／後退などを定性的に評価することも大切であるが、生
体リズム曲線の波形そのものについての定量的な評価が
出来ないという問題がある。例えば、きれいな生体リズ
ム曲線であるかどうかを定量的に評価したり、生体リズ
ム曲線にメリハリがあるかどうかを定量的に評価するよ
うなことは出来ないという問題がある。さらに、従来の
技術では、環境情報や体調情報をも加味した評価が出来
ないという問題があった。

【００１１】本発明はこのような点に鑑みてなされたも
のであり、その目的とするところは、環境情報や体調情
報を加味した上で生体リズム曲線を定量的に評価できる
生体リズム曲線評価装置を提供することにある。

【００１２】

【課題を解決するための手段】本発明に係る生体リズム
曲線評価装置にあっては、上記の課題を解決するため
に、図１に示すように、生体リズム曲線を入力するリズ
ム曲線入力手段１と、生体リズム曲線の特徴パラメータ
を入力する特徴パラメータ入力手段２と、環境情報を入
力する環境情報入力手段３と、体調情報を入力する体調
情報入力手段４と、各入力手段１，２，３，４の入力情
報に基づいて構成されるデータベース５と、このデータ
ベース５を検索して生体リズム曲線を評価する検索手段
６と、検索手段６による評価結果を出力する出力手段７
と、学習機能を有するデータベース補正手段８とから構
成されることを特徴とするものである。

【００１３】なお、図３に示すように、複数個のニュー
ロンを結合したニューラルネットを使用し、前記データ
ベース５は各ニューロンの結合度の集合として構成し、
前記検索手段６はニューラルネットの入力層から出力層
への順方向信号伝達機能により構成し、前記データベー
ス補正手段８はニューラルネットの出力層から入力層へ
の逆方向学習機能により構成しても良い。

【００１４】

【作用】本発明においては、リズム曲線入力手段１によ
り入力された生体リズム曲線と、特徴パラメータ入力手
段２により入力された生体リズム曲線の特徴パラメータ
と、環境情報入力手段３により入力された環境情報と、
体調情報入力手段４により入力された体調情報に基づい
て、データベース５を構成しており、ある日の生体リズ
ム曲線とその特徴パラメータ及び環境情報が入力される
と、検索手段６によりデータベース５を検索して、その
日の体調を判断することができる。この評価結果は出力
手段７により出力される。また、その日の実際の体調情
報と、出力手段７により得られた体調情報との誤差をゼ
ロに収束させるように、データベース補正手段８により
データベース５を補正する。これにより、学習機能を持
たせることができ、この評価装置を使用するにつれて評
価の精度が次第に向上するものである。

【００１５】

【実施例】本発明の一実施例のブロック構成図を図１に
示す。図中、１はリズム曲線入力手段であり、深部体温
の計測データや心電計測データに基づいて測定された生
体リズム曲線のデータを入力する。２は特徴パラメータ
入力手段であり、生体リズム曲線の特徴パラメータを入
力する。この特徴パラメータとしては、例えば、生体リ
ズム曲線の周期、振幅、位相の３要素のほか、デューテ
ィ比、スペクトル、立ち上がり・立ち下がりの傾き、極
小値の数、極大値の数などが挙げられる。３は環境情報
入力手段であり、外気温、手首の活動度、周囲照度など
の環境情報を客観的計測データとして入力する。４は体
調情報入力手段であり、その日の被験者の体調を入力す
る。この体調情報には、主観的評価によるものと、客観
的評価によるもの（パフォーマンス・テストなど）があ
るが、いずれでも構わない。５はデータベースであり、
各入力手段１，２，３，４からの入力情報を蓄積してい
る。６は検索手段であり、リズム曲線とその特徴パラメ
ータ並びに環境情報を検索のカギとすることにより、対
応する体調情報を探し出すように構成されている。７は
出力手段であり、検索手段６により探し出された体調情
報を出力する。８はデータベース補正手段であり、出力
手段７から出力された体調情報と、その日の実際の体調
情報とを比較し、評価誤差が存在すれば、その評価誤差
がゼロに収束する方向にデータベース５を補正する。こ
のフィードバックにより、学習機能が得られるものであ
り、この評価装置を使用するにつれて、評価精度は次第
に向上して行くものである。

【００１６】次に、データベース５の構成について説明
する。ここでは、体調情報が生体リズム曲線の特徴パラ
メータや環境情報などの関数として表現されるものと仮
定し、体調＝ａ×周期＋ｂ×位相＋ｃ×振幅＋ｄ×安定
性＋ｅ×スペクトル＋ｆ×外気温＋ｇ×活動度…という
ような関数を定義する。そして、日々の入力情報が蓄積
されることによって、係数ａ，ｂ，ｃ，…が連立方程式
の解として求められ、また、さらなる情報の蓄積によっ
て係数が更新され、評価の精度が次第に上昇して行く。

【００１７】また、関数の代わりに、体調情報が生体リ
ズム曲線の特徴パラメータや環境情報から成る多次元平
面内の複数の領域毎に決定されると仮定し、その日の入
力情報がどの領域に近いかを判別することにより、その
日の体調を評価することができる。そして、日々の入力
情報を蓄積することによって、特徴平面内の領域が更新
され、評価の精度が次第に上昇して行く。

【００１８】さらに、図２に示すようなニューラルネッ
トを使用すれば、データベース５と検索手段６及びデー
タベース補正手段８を同時に実現することができる。ニ
ューラルネットは入力層、中間層、出力層という階層構
造を採る。この中間層は”ｈｉｄｄｅｎｌａｙｅｒ”
（隠れた層）と呼ばれ、重要な働きをする。各ユニット
の構成を図３に示す。ユニット間は入力層から出力層に
向かって結合している。各層内での結合は無い。入力パ
ターンｐは入力層から中間層を経て出力層へ伝わる。こ
れにより検索手段６が構成される。一方、学習は出力層
から入力層に向かって進む。これによりデータベース補
正手段８が構成される。学習とは、実際の出力と望まし
い出力値との誤差を減らすように、結合の強さを変える
ことである。この結合の強さの集合によりデータベース
５が構成される。

【００１９】以下、ニューラルネットについて更に説明
する。図３はニューロンの構成をモデル化して示してい
る。構造は単純で、他のユニットから入力を受ける部
分、入力を一定の規則で変換する部分、結果を出力する
部分から成る。他のユニットとの結合部には、それぞれ
可変の重みＷｉｊを付ける。これは結合の強さを表す係
数である。この値を変えると、ネットワークの構造が変
わる。ネットワークの学習とは、この値を変えることで
ある。Ｗｉｊは、正、ゼロ、負の値を取る。ゼロは結合
の無いことを表す。あるユニットが複数ユニットから入
力を受けた場合、その総和を入力値とする。入力の総
和”ｎｅｔ”は次式で与えられる。

【００２０】

【数１】

【００２１】各ユニットは入力の総和ｎｅｔを関数ｆに
適用し、変換する。この入出力特性は各ユニト毎に違っ
ていて良い。しかし、一般には、しきい値関数又はｓｉ
ｇｍｏｉｄ関数を使うことが多い。しきい値関数では、
入力の総和”ｎｅｔ”が所定のしきい値θを越えると出
力が１、そうでなければ出力が０となる。また、ｓｉｇ
ｍｏｉｄ関数は微分可能な疑似線形関数であり、次式の
ように定義される。

【００２２】

【数２】

【００２３】このｓｉｇｍｏｉｄ関数の値は０〜１の範
囲であり、入力値が大きくなるにつれて１に近づき、入
力値が小さくなるにつれて０に近づく。また、入力が０
のときは関数値は０．５となる。入力値に所定のしきい
値θを加えて、次のような関数を用いることもある。

【００２４】

【数３】

【００２５】ネットワークは図２に示すような階層構造
を採る。入力層の各ユニットに、生体リズム曲線の周
期、位相、振幅、安定性、スペクトル等の特徴パラメー
タや、種々の環境情報、例えば、外気温、手首の活動
度、周囲照度などを与えると、これらの信号は各ユニッ
トで変換され、中間層を伝わり、最後に出力層から体調
情報が得られる。このニューラルネットから出力された
体調情報と、その日の実際の体調情報とを比較し、誤差
がある場合には、その誤差がゼロに収束するように結合
の強さを変える。これにより、評価の精度は装置の使用
につれて次第に向上して行く。

【００２６】

【発明の効果】請求項１の生体リズム曲線評価装置で
は、生体リズム曲線とその特徴パラメータと環境情報及
び体調情報に基づいてデータベースを構成し、検索手段
によりデータベースを検索できるようにしたので、環境
情報や体調情報を加味した上で生体リズム曲線を評価す
ることが可能になるという効果がある。

【００２７】請求項２の生体リズム曲線評価装置では、
ニューラルネットを用いたことにより、データベースと
検索手段とデータベース補正手段が一体化され、簡単な
構成でありながら、精度の高い評価を行えるという効果
がある。

【図面の簡単な説明】

【図１】本発明の構成を示すブロック図である。

【図２】本発明に用いるニューラルネットの構成を示す
図である。

【図３】本発明に用いるニューロンの構成を示す図であ
る。

【符号の説明】

１リズム曲線入力手段２特徴パラメータ入力手段３環境情報入力手段４体調情報入力手段５データベース６検索手段７出力手段８データベース補正手段

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｇ０６Ｆ 15/42 Ｂ 7060−5Ｌ

Claims

【特許請求の範囲】

【請求項１】生体リズム曲線を入力するリズム曲線
入力手段と、生体リズム曲線の特徴パラメータを入力す
る特徴パラメータ入力手段と、環境情報を入力する環境
情報入力手段と、体調情報を入力する体調情報入力手段
と、各入力手段の入力情報に基づいて構成されるデータ
ベースと、このデータベースを検索して生体リズム曲線
を評価する検索手段と、検索手段による評価結果を出力
する出力手段と、学習機能を有するデータベース補正手
段とから構成されることを特徴とする生体リズム曲線評
価装置。
【請求項２】複数個のニューロンを結合したニュー
ラルネットを備え、前記データベースは各ニューロンの
結合度の集合として構成され、前記検索手段はニューラ
ルネットの入力層から出力層への順方向信号伝達機能に
より構成され、前記データベース補正手段はニューラル
ネットの出力層から入力層への逆方向学習機能により構
成されることを特徴とする請求項１記載の生体リズム曲
線評価装置。