[go: up one dir, main page]

WO2018168808A1 - 血圧データ処理装置、血圧データ処理方法、およびプログラム - Google Patents

血圧データ処理装置、血圧データ処理方法、およびプログラム Download PDF

Info

Publication number
WO2018168808A1
WO2018168808A1 PCT/JP2018/009580 JP2018009580W WO2018168808A1 WO 2018168808 A1 WO2018168808 A1 WO 2018168808A1 JP 2018009580 W JP2018009580 W JP 2018009580W WO 2018168808 A1 WO2018168808 A1 WO 2018168808A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood pressure
waveform
surge
factor
data processing
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.)
Ceased
Application number
PCT/JP2018/009580
Other languages
English (en)
French (fr)
Inventor
慶一 尾林
中嶋　宏
直樹 土屋
洋貴 和田
綾子 小久保
盛太郎 武良
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.)
Omron Healthcare Co Ltd
Original Assignee
Omron Healthcare Co Ltd
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 Omron Healthcare Co Ltd filed Critical Omron Healthcare Co Ltd
Priority to DE112018001390.1T priority Critical patent/DE112018001390T5/de
Priority to CN201880017119.6A priority patent/CN110418601A/zh
Publication of WO2018168808A1 publication Critical patent/WO2018168808A1/ja
Anticipated expiration legal-status Critical
Priority to US16/571,946 priority patent/US20200008691A1/en
Ceased legal-status Critical Current

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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
    • 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
    • A61B5/72—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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition

Definitions

  • the present invention relates to a technique for processing blood pressure data.
  • surge blood pressure Indicators related to surge blood pressure generated in patients (for example, the number of times surge blood pressure occurs per unit time) are used for diagnosis and treatment of diseases such as SAS and high blood pressure that increase the risk of developing brain disease or cardiovascular disease. It seems to be useful.
  • a blood pressure measuring device capable of continuously measuring blood pressure, for example, capable of obtaining blood pressure for each heartbeat.
  • the amount of blood pressure data obtained by continuous blood pressure measurement is enormous, and it is difficult for experts such as doctors and researchers to analyze blood pressure data and extract surge blood pressure. For this reason, development of a technique for automatically extracting surge blood pressure from blood pressure data is underway.
  • Japanese Patent Application Laid-Open No. 2001-299707 discloses a blood pressure measurement device that monitors fluctuations in the heart rate of a patient and measures blood pressure in response to detection of fluctuations in the heart rate. The blood pressure measurement device predicts that a blood pressure fluctuation that causes the blood pressure to drop or rise to a dangerous level occurs in the patient based on the heart rate fluctuation.
  • Surge blood pressure may also occur due to factors other than apnea.
  • the main factors that cause surge blood pressure during sleep include apnea, REM (Rapid Eye Movement) sleep, and arousal reaction.
  • Which factor caused the surge blood pressure can be determined by measuring sleep state and blood pressure by PSG (polysomnography).
  • PSG polysomnography
  • PSG is an expensive and large-scale device, and measurement using PSG cannot be easily performed at home.
  • the blood pressure measurement device disclosed in Japanese Patent Application Laid-Open No. 2001-299707 can predict blood pressure fluctuations, but cannot identify the cause of the body that contributes to the blood pressure fluctuations. There is a need to be able to identify the cause of surge blood pressure without using expensive and large-scale devices such as PSG.
  • the present invention has been made paying attention to the above-described circumstances, and an object thereof is to provide a blood pressure data processing device, a blood pressure data processing method, and a program capable of identifying a factor causing surge blood pressure from blood pressure data. It is to be.
  • the blood pressure data processing device includes a blood pressure data acquisition unit that acquires blood pressure data, a surge blood pressure detection unit that detects surge blood pressure from the blood pressure data, and a blood pressure of one heart beat or more from the surge blood pressure.
  • a blood pressure waveform extracting unit for extracting a waveform, and a blood pressure waveform for one heart beat separated from the blood pressure waveform for one heart beat or more, or a blood pressure waveform for one heart beat separated from the blood pressure waveform for one heart beat or more
  • a waveform feature amount calculation unit that calculates a waveform feature amount for the averaged average blood pressure waveform, and a factor identification unit that identifies a factor of the surge blood pressure from predetermined factors based on the waveform feature amount.
  • the factor identifying unit identifies a factor of the surge blood pressure using a learning result obtained by learning a waveform feature amount corresponding to each of the predetermined factors.
  • the waveform feature amount includes a plurality of types of waveform feature amounts
  • the factor identifying unit is a boundary relating to the plurality of types of waveform feature amounts and the predetermined factors, respectively.
  • the surge blood pressure factor is identified based on the boundary set in the space.
  • the surge blood pressure includes a rising portion and a falling portion that follows the rising portion, and the blood pressure waveform extraction unit performs blood pressure of one heartbeat or more from the rising portion of the surge blood pressure. Extract the waveform.
  • the waveform feature amount includes a time interval from the time of the diastole peak to the time of the systolic peak, a time interval from the time of the diastole peak to the time of the dichroic peak, Based on at least one of the time width of the systolic peak, the total pulse time, the amplitude of the systolic peak, and the amplitude of the dichroic peak.
  • the waveform feature amount includes a waveform feature amount based on a ratio between the time width of the systolic peak and the total pulse time.
  • the waveform feature amount calculation unit performs preprocessing including primary differentiation or secondary differentiation on the blood pressure waveform of one heartbeat or more, and based on the waveform obtained by the preprocessing.
  • the diastrotic peak, the systolic peak, and the dichroic peak are identified.
  • the blood pressure data processing device further includes an output unit that outputs information on the surge blood pressure factor identified by the factor identifying unit.
  • surge blood pressure is detected from the blood pressure data, a blood pressure waveform of one heart beat or more is extracted from the surge blood pressure, and each blood pressure waveform for one heart beat separated from the blood pressure waveform of one heart beat or more, or A waveform feature amount is calculated for an average blood pressure waveform obtained by averaging the blood pressure waveforms for one heart beat separated from the blood pressure waveform for one heart beat or more, and the surge blood pressure factor is selected from predetermined factors based on the waveform feature amount. Is identified. As a result, it is possible to identify the cause of the surge blood pressure from the blood pressure data without using an expensive and large-scale device such as PSG.
  • the learning result obtained by learning the waveform feature quantity corresponding to each of the predetermined factors is used. Therefore, data necessary for identifying the factor of surge blood pressure can be easily generated.
  • the boundary for each of the predetermined factors is predetermined on the feature space. This makes it possible to identify the cause of surge blood pressure with a small amount of processing.
  • the waveform feature amount is calculated for each blood pressure waveform for one heartbeat or the average blood pressure waveform included in the rising portion of the surge blood pressure. As a result, it is possible to accurately identify the cause of the surge blood pressure.
  • a waveform feature quantity based on at least one of the amplitude of the systolic peak and the amplitude of the dichroic peak is used.
  • the waveform feature quantity based on the ratio between the time width of the systolic peak and the total pulse time is used. As a result, it is possible to accurately identify the cause of the surge blood pressure.
  • preprocessing including primary differentiation or secondary differentiation is performed on a blood pressure waveform of one heartbeat or more. This facilitates the process of identifying feature points such as diastrotic peaks, systolic peaks, and dichroic peaks.
  • information related to the factor of surge blood pressure identified by the factor identifying unit is output. This information allows the physician to consider how to deal with the patient's medical condition.
  • a blood pressure data processing device it is possible to provide a blood pressure data processing device, a blood pressure data processing method, and a program that can identify a factor that causes surge blood pressure from blood pressure data.
  • FIG. 1 is a block diagram showing a blood pressure data processing device according to the first embodiment.
  • FIG. 2 is a block diagram showing an example of the blood pressure measurement device shown in FIG.
  • FIG. 3 is a side view showing an appearance of the blood pressure measurement unit shown in FIG.
  • FIG. 4 is a cross-sectional view showing the blood pressure measurement unit shown in FIG.
  • FIG. 5 is a plan view showing the blood pressure measurement unit shown in FIG.
  • FIG. 6 is a diagram illustrating an example of a waveform of surge blood pressure.
  • FIG. 7 is a block diagram showing the factor identifying unit shown in FIG.
  • FIG. 8 is a diagram for explaining the waveform feature amount.
  • FIG. 9 is a diagram for explaining an example of a method for generating factor identification data.
  • FIG. 1 is a block diagram showing a blood pressure data processing device according to the first embodiment.
  • FIG. 2 is a block diagram showing an example of the blood pressure measurement device shown in FIG.
  • FIG. 3 is a side view showing an
  • FIG. 10 is a flowchart illustrating a processing example of the blood pressure data processing device according to the first embodiment.
  • FIG. 11 is a diagram illustrating measured blood pressure information output by the information output unit illustrated in FIG. 1.
  • FIG. 12 is a block diagram illustrating a hardware configuration example of the blood pressure data processing device of FIG.
  • FIG. 1 schematically shows a blood pressure data processing device 10 according to the first embodiment.
  • the blood pressure data processing device 10 processes blood pressure data obtained in a blood pressure measurement device 20 that measures the blood pressure of a measurement subject (user).
  • the blood pressure data processing apparatus 10 can be mounted on a computer such as a personal computer or a server, for example.
  • the blood pressure measurement device 20 continuously measures the blood pressure of the measurement subject and generates blood pressure data. Specifically, the blood pressure measurement device 20 measures the pulse wave of the measurement subject's artery, and converts the measured pulse wave into blood pressure to generate blood pressure data.
  • the blood pressure data includes blood pressure waveform data corresponding to the measured pulse wave waveform.
  • the blood pressure data may further include time-series data of blood pressure feature amounts (blood pressure values). Examples of the blood pressure feature amount include, but are not limited to, systolic blood pressure (SBP) and diastolic blood pressure (DBP; Diastolic Blood Blood Pressure).
  • SBP systolic blood pressure
  • DBP diastolic blood pressure
  • the maximum value in the pulse waveform for one heartbeat corresponds to systolic blood pressure
  • the minimum value in the pulse waveform for one heartbeat corresponds to diastolic blood pressure.
  • the blood pressure measurement device 20 measures a pressure pulse wave as a pulse wave by a tonometry method.
  • the tonometry method is a technique in which an artery is pressed from above the skin with an appropriate pressure to form a flat portion in the artery, and the pressure pulse is non-invasively measured by a pressure sensor in a state where the inside and outside of the artery are balanced. A method of measuring waves. According to the tonometry method, blood pressure values for each heartbeat can be obtained.
  • the blood pressure measurement device 20 may be a wearable device worn by the subject, or may be a stationary device that performs blood pressure measurement with the upper arm of the subject placed on a fixed base. In the example described below with reference to FIGS. 2 to 5, the blood pressure measurement device 20 is a wearable device that is worn on the wrist of the measurement subject.
  • FIG. 2 schematically shows an example of the blood pressure measurement device 20.
  • the blood pressure measurement device 20 illustrated in FIG. 2 includes a blood pressure measurement unit 21, an acceleration sensor 24, a storage unit 25, an input unit 26, an output unit 27, and a control unit 28.
  • the control unit 28 controls each unit of the blood pressure measurement device 20.
  • the function of the control unit 28 can be realized by a processor such as a CPU (Central Processing Unit) executing a control program stored in a computer-readable storage medium such as a ROM (Read-Only Memory). .
  • a processor such as a CPU (Central Processing Unit) executing a control program stored in a computer-readable storage medium such as a ROM (Read-Only Memory).
  • the blood pressure measurement unit 21 measures the pressure pulse wave of the radial artery.
  • FIG. 3 is a side view showing a state in which the blood pressure measurement unit 21 is attached to the wrist W of the person to be measured by a belt (not shown), and
  • FIG. 4 is a cross-sectional view schematically showing the structure of the blood pressure measurement unit 21.
  • the blood pressure measurement unit 21 includes a sensor unit 22 and a pressing mechanism 23.
  • the sensor unit 22 is arranged so as to come into contact with a site where the radial artery RA is present (in this example, the wrist W).
  • the pressing mechanism 23 presses the sensor unit 22 against the wrist W. In the tonometry method, the pressure pulse wave and the blood pressure are equal under optimum pressing conditions.
  • FIG. 5 shows the surface of the sensor unit 22 on the side in contact with the wrist W.
  • the sensor unit 22 includes one or more (two in this example) pressure sensor arrays 221, and each of the pressure sensor arrays 221 includes a plurality of (for example, 46 pieces) arranged in the direction B. ) Having a pressure sensor 222;
  • the direction B is a direction that intersects the direction A in which the radial artery extends in a state where the blood pressure measurement device 20 is attached to the measurement subject.
  • the arrangement of the pressure sensor 222 is not limited to the example shown in FIG. A channel number as identification information is given to the pressure sensor 222.
  • Each pressure sensor 222 measures pressure and generates pressure data.
  • a piezoelectric element that converts pressure into an electrical signal can be used.
  • the output signal of the piezoelectric element is converted into a digital signal at a predetermined sampling frequency (for example, 125 Hz), thereby obtaining pressure data.
  • the pressure pulse wave data corresponding to the above-described pulse wave data is generated based on the pressure data output from one pressure sensor (active channel) 222 adaptively selected from the pressure sensors 222.
  • the pressing mechanism 23 includes, for example, an air bag and a pump that adjusts the internal pressure of the air bag.
  • the pressure sensor 222 is pressed against the wrist W due to the expansion of the air bag.
  • the pressing mechanism 23 is not limited to a structure using an air bag, and may be realized by any structure capable of adjusting the force with which the pressure sensor 222 is pressed against the wrist W.
  • the acceleration sensor 24 detects acceleration acting on the blood pressure measurement device 20 and generates acceleration data.
  • the acceleration sensor 24 for example, a triaxial acceleration sensor can be used. The detection of acceleration is performed in parallel with the blood pressure measurement.
  • the storage unit 25 includes a computer-readable storage medium.
  • the storage unit 25 includes a ROM, a RAM (Random Access Memory), and an auxiliary storage device.
  • the ROM stores the control program described above.
  • the RAM is used as a work memory by the CPU.
  • the auxiliary storage device stores various data including blood pressure data generated by the blood pressure measurement unit 21 and acceleration data generated by the acceleration sensor 24.
  • the auxiliary storage device includes, for example, a flash memory.
  • the auxiliary storage device includes a storage medium built in the blood pressure measurement device 20, a removable medium such as a memory card, or both.
  • the input unit 26 receives an instruction from the subject.
  • the input unit 26 includes, for example, operation buttons and a touch panel.
  • the output unit 27 outputs information such as blood pressure measurement results.
  • the output unit 27 includes a display device such as a liquid crystal display device.
  • blood pressure data and acceleration data can be obtained. For example, measurement is performed over the entire period during which the measurement subject is sleeping (for example, overnight), and blood pressure data and acceleration data obtained by the measurement are input to the blood pressure data processing device 10.
  • the blood pressure measurement device 20 is not limited to the blood pressure measurement device based on the tonometry method, and may be any type of blood pressure measurement device that can continuously measure blood pressure.
  • a blood pressure measurement device that measures a volume pulse wave as a pulse wave may be used.
  • This blood pressure measuring apparatus can measure the volume pulse wave of an artery using, for example, a photoelectric sensor or an ultrasonic probe, and can estimate the blood pressure based on the measured volume pulse wave.
  • a blood pressure measurement device that measures a pulse wave propagation time (PTT; Pulse Transit Time) that is a propagation time of a pulse wave that propagates through an artery and estimates blood pressure based on the measured pulse wave propagation time may be used.
  • PTT Pulse Transit Time
  • the blood pressure data processing device 10 includes a blood pressure data acquisition unit 11, a blood pressure data storage unit 12, a preprocessing unit 13, a surge blood pressure detection unit 14, a factor determination unit 15, an information generation unit 16, and an information output.
  • the unit 17 is provided.
  • the blood pressure data acquisition unit 11 acquires blood pressure data from the blood pressure measurement device 20 and stores it in the blood pressure data storage unit 12.
  • the blood pressure data may be provided from the blood pressure measurement device 20 to the blood pressure data processing device 10 by a removable medium such as a memory card.
  • the blood pressure data may be provided from the blood pressure measurement device 20 to the blood pressure data processing device 10 by communication (wired communication or wireless communication).
  • the blood pressure data acquisition unit 11 may further acquire acceleration data output from an acceleration sensor provided in the blood pressure measurement device 20.
  • the pre-processing unit 13 receives blood pressure data from the blood pressure data storage unit 12 and performs pre-processing on the blood pressure data. For example, the preprocessing unit 13 performs preprocessing such as smoothing, spike noise removal, and high-frequency component removal on the time-series data of systolic blood pressure included in the blood pressure data or generated from the blood pressure data.
  • the pre-processing may include a process of detecting body movement of the measurement subject using acceleration data and correcting blood pressure data in a time section in which the body movement is detected.
  • the surge blood pressure detection unit 14 detects the surge blood pressure from the preprocessed blood pressure data. Any method for detecting surge blood pressure may be used. For example, the process of detecting surge blood pressure may be executed using time series data of systolic blood pressure or diastolic blood pressure, for example. In 1st Embodiment, there is no restriction
  • FIG. 6 shows an example of surge blood pressure.
  • the horizontal axis is time
  • the vertical axis is blood pressure.
  • Pressure waveform corresponds to the surge pressure in the time interval from time t 1 to time t 3 (referred to as surge section).
  • surge section blood pressure rises and then falls.
  • the surge blood pressure is managed by information including an identification number, a time t 2 when the blood pressure value is maximum in the surge section (referred to as peak time), a start time t 1 of the surge section, and an end time t 3 of the surge section. Can do. This information may include the maximum blood pressure value in the surge interval.
  • the factor determination unit 15 determines which of the predetermined factors has caused the surge blood pressure detected by the surge blood pressure detection unit 14.
  • the predetermined factors include apnea, REM sleep, and arousal response.
  • the predetermined factor may include other factors (specifically, factors other than apnea, REM sleep, and arousal reaction).
  • the number of factors may be two or more. Apnea, REM sleep, and wakefulness are examples of factors, but are not limited to these.
  • the factor can be selected from factors related to some disease, such as apnea. The processing of the factor determination unit 15 will be described in detail later.
  • the information generation unit 16 generates measured blood pressure information.
  • the information generation unit 16 can generate an index related to surge blood pressure based on the blood pressure waveform determined by the factor determination unit 15 as surge blood pressure.
  • the index related to surge blood pressure includes, for example, the number of times surge blood pressure occurs per unit time, the average value of maximum blood pressure values of each surge blood pressure, and the maximum value of maximum blood pressure values of each surge blood pressure. Thereby, it is possible to provide an index related to the surge blood pressure generated in the measurement subject.
  • the information generation unit 16 can generate various indexes related to blood pressure, such as an average blood pressure value, based on blood pressure data stored in the blood pressure data storage unit 12.
  • the information output unit 17 outputs the measured blood pressure information generated by the information generation unit 16. For example, the information output unit 17 generates image data including measured blood pressure information, and an image corresponding to the image data is displayed on the display device.
  • FIG. 7 schematically shows a configuration example of the factor determination unit 15.
  • the factor determination unit 15 includes a target section setting unit 151, a blood pressure waveform extraction unit 152, a waveform feature amount calculation unit 153, a factor identification unit 154, a factor identification data generation unit 155, and a surge blood pressure waveform storage. Part 156 is provided.
  • the target section setting unit 151 sets a target section for extracting a blood pressure waveform of one heartbeat or more from surge blood pressure.
  • the rising period of surge blood pressure is set as the target section.
  • Rise time of surge pressure refers to the time interval from the start time t 1 to the peak time t 2.
  • a part of the rising period may be set as the target section.
  • part or all of the falling period may be set as the target section.
  • Fall period refers to the time interval from the peak time t 2 until the end of time t 3.
  • the present inventors have confirmed that by using the rising period of surge blood pressure as a target section, it is possible to accurately determine which factor caused surge blood pressure. Therefore, preferably, part or all of the rising period of surge blood pressure is set as the target section.
  • the blood pressure waveform extraction unit 152 extracts a blood pressure waveform of one heartbeat or more from the surge blood pressure in the target section.
  • the rising period of surge blood pressure is typically about 5 to 25 seconds, and therefore blood pressure waveforms over a plurality of heartbeats are extracted. Note that if the target section is short, such as when a part of the surge blood pressure rising period is used as the target section, a blood pressure waveform that is less than two heartbeats may be extracted.
  • the waveform feature amount calculation unit 153 extracts a waveform feature amount from the blood pressure waveform of one heartbeat or more extracted by the blood pressure waveform extraction unit 152.
  • the waveform feature amount calculation unit 153 separates or extracts a blood pressure waveform for one or more heartbeats from a blood pressure waveform for one heartbeat or more extracted by the blood pressure waveform extraction unit 152, and separates the blood pressure waveform for one heartbeat.
  • a waveform feature amount is calculated for each of.
  • the waveform feature amount calculation unit 153 may generate an average blood pressure waveform that averages the separated or extracted blood pressure waveforms for one heartbeat, and may calculate the waveform feature amount for the average blood pressure waveform.
  • the waveform feature amount is calculated based on the blood pressure waveform shape for one heartbeat.
  • the waveform feature amount includes one or more types of waveform feature amounts. In the first embodiment, a plurality of types of waveform feature values are used.
  • the waveform feature amount can be represented by a feature vector.
  • FIG. 8 illustrates a blood pressure waveform for one heartbeat.
  • T0 is a point where the blood pressure value (for example, the value of the pressure pulse wave) is minimized in the blood pressure waveform for one heartbeat.
  • Point T0 is referred to as a diastolic peak or a diastolic peak.
  • T1 is a point where the blood pressure value becomes maximum in the blood pressure waveform for one heartbeat.
  • Point T1 is called a systolic peak.
  • T2 is an inflection point that appears after the point T1.
  • the point T2 is called a dichrotic notch.
  • T3 is an inflection point that appears after the point T2, that is, a point at which the blood pressure value that appears after the maximum point T1 is maximized.
  • Point T3 is called a dichrotic peak.
  • T4 is the point at which the blood pressure value becomes the minimum, and is the starting point of the blood pressure waveform for the next heartbeat.
  • AP1 represents the amplitude of the systolic peak, that is, the difference value obtained by subtracting the minimum value from the maximum value.
  • AP2 represents the amplitude of the dichroic peak, that is, the difference value obtained by subtracting the minimum value from the second maximum value.
  • TP1 represents the time to the systolic peak, that is, the time from the minimum time to the maximum time.
  • TP2 represents the time to the dichroic peak, that is, the time from the time of the minimum value to the time of the second maximum value.
  • TPT represents the total pulse time, that is, the time length of the blood pressure waveform for one heartbeat.
  • IWT represents the time width of the systolic peak. For example, IWT is an inter-wave time that takes a value two-thirds of the height of the systolic peak (AP1).
  • the waveform feature amount can be based on at least one of these parameters AP1, AP2, TP1, TP2, TPT, and IWT.
  • waveform feature amounts based on TP1, IWT / TPT, TP1 / TPT, TP2 / TPT, (TP2-TP1) / TPT, AP2 / AP1, etc. can be used.
  • two types of waveform feature quantities IWT / TPT and AP2 / AP1 are used.
  • the waveform feature value of IWT / TPT is useful for identifying whether the surge blood pressure is a factor other than apnea or apnea.
  • the waveform feature amount may be based on a parameter different from the parameters described above.
  • the waveform feature quantity calculation unit 153 may perform preprocessing including primary differentiation and / or secondary differentiation on the blood pressure waveform in order to specify feature points such as points T0, T1, T2, T3, and T4. .
  • preprocessing including primary differentiation and / or secondary differentiation on the blood pressure waveform in order to specify feature points such as points T0, T1, T2, T3, and T4. .
  • the waveform feature amount calculation unit 153 calculates an instantaneous heartbeat (RRI; RR interval) that is an interval between R waves in the electrocardiogram from a blood pressure waveform in a period including surge blood pressure, performs frequency spectrum analysis on the RRI, and performs low frequency components
  • RRI instantaneous heartbeat
  • the LF and the high frequency component HF may be calculated, and the ratio between the low frequency component LF and the high frequency component HF may be calculated as a feature amount.
  • the waveform feature amount calculation unit 153 calculates a power spectral density for RRI, calculates a power spectral density using an autoregressive model, and calculates an integral value of power over a frequency region from 0.05 Hz to 0.15 Hz as LF.
  • the integral value of the power over the frequency region from 0.15 Hz to 0.40 Hz can be calculated as HF.
  • the ratio LF / HF is known to represent the balance of autonomic nerves. For this reason, it becomes possible to determine whether surge blood pressure originates from REM sleep by using ratio LF / HF as a feature-value.
  • the factor identifying unit 154 identifies a surge blood pressure factor from predetermined factors based on the waveform feature amount calculated by the waveform feature amount calculating unit 153.
  • the factor identifying unit 154 uses the factor identifying data generated by the factor identifying data generating unit 155 in order to perform identification. Before specifically describing the factor identifying unit 154, the factor identifying data will be described.
  • the surge blood pressure waveform storage unit 156 stores typical surge blood pressure waveform data.
  • the surge blood pressure waveform here refers to a blood pressure waveform for one heartbeat as shown in FIG.
  • a typical surge blood pressure waveform can be obtained by analyzing blood pressure data obtained for an arbitrary measurement subject by a specialist such as a doctor or a researcher. Factors that cause surge blood pressure during sleep are mainly apnea, REM sleep, and arousal reaction. In the example shown in FIG. 9, three data sets of typical surge blood pressure waveforms are prepared, labeled with three factors (classes), apnea, REM, and wakefulness response. Such a data set can be prepared by measuring a sleep state and a blood pressure by PSG.
  • Surge blood pressure may occur due to multiple factors. For example, surge blood pressure may occur due to apnea and REM sleep. In addition, surge blood pressure may occur due to apnea, REM sleep, and arousal reaction. Some surge blood pressures cannot be identified.
  • the factor identification data generation unit 155 generates data (factor identification data) used by the factor identification unit 154 for identification based on the surge blood pressure waveform data stored in the surge blood pressure waveform storage unit 156. .
  • the factor identification data generation unit 155 can generate factor identification data by learning the surge blood pressure waveform data stored in the surge blood pressure waveform storage unit 156.
  • the factor identification data generation unit 155 determines a boundary on the feature space as follows for each of the three classes.
  • the factor identifying data generation unit 155 calculates a waveform feature amount from the surge blood pressure waveform belonging to each class.
  • the calculation of the waveform feature amount can be performed by the same method as that described with respect to the waveform feature amount calculation unit 153.
  • the factor identifying data generation unit 155 determines a boundary line or a surface for identifying a class on the feature space based on the calculated waveform feature amount.
  • the factor identifying data generation unit 155 determines a boundary line or boundary surface including about 95.4% or about 99.7% of data on the feature space as in the 2 ⁇ method or the 3 ⁇ method.
  • the boundary can be determined using, for example, a Mahalanobis distance, a one class support vector machine (SVM), and so on.
  • SVM support vector machine
  • the boundary lines of the three classes are determined.
  • Each of the boundaries can partially overlap with other boundaries.
  • the factor identification data includes data indicating boundaries on the feature space for each of the three classes.
  • the factor identifying unit 154 identifies, based on the waveform feature amount calculated by the waveform feature amount calculating unit 153 and the boundary set on the feature space, which factor caused the surge blood pressure. . Specifically, the factor identifying unit 154 identifies which factor caused the surge blood pressure based on which class boundary the feature vector including the waveform feature amount as an element is inside.
  • the factor identification unit 154 can perform identification by, for example, majority vote. Specifically, the factor identifying unit 154 determines the factor corresponding to the class having the largest number of feature vectors located inside the boundary on the feature space as the factor of surge blood pressure.
  • the boundary may overlap with other boundaries.
  • the feature vector may be inside the boundary of two or more classes.
  • the factor identifying unit 154 may determine factors corresponding to these classes as elements of surge blood pressure.
  • the factor identifying unit 154 may calculate a Mahalanobis distance between the feature vector and the center of gravity (center) of each class, and may perform identification based on the calculated Mahalanobis distance.
  • the factor identifying unit 154 may determine a factor corresponding to the class having the smallest Mahalanobis distance from the feature vector as an element of surge blood pressure.
  • the factor identification data includes, for each class, the barycentric position on the feature space and the inverse matrix of the covariance matrix.
  • the factor identifying unit 154 may identify using a support vector machine.
  • the factor identification data generation unit 155 generates a support vector machine based on the surge blood pressure waveform data stored in the surge blood pressure waveform storage unit 156.
  • FIG. 10 shows an example of a procedure for identifying the cause of the occurrence of surge blood pressure according to the first embodiment.
  • blood pressure data is read from the blood pressure data storage unit 12.
  • the surge blood pressure detector 14 detects the surge blood pressure from the blood pressure data.
  • step S103 the factor determination unit 15 sets a target section for the surge blood pressure.
  • step S104 the factor determination unit 15 extracts a blood pressure waveform of one heartbeat or more from the surge blood pressure waveform in the target section.
  • step S105 the factor determination unit 15 calculates a waveform feature amount from the extracted blood pressure waveform of one heartbeat or more.
  • the factor determination unit 15 calculates a waveform feature amount for each blood pressure waveform for one heartbeat separated from a blood pressure waveform for one heartbeat or more.
  • the factor determination unit 15 may calculate a waveform feature amount for an average blood pressure waveform obtained by averaging blood pressure waveforms for one heart beat separated from blood pressure waveforms for one heart beat or more.
  • step S116 the factor determination unit 15 identifies to which class the extracted blood pressure waveform for one heartbeat belongs, based on the calculated waveform feature amount. For example, when the feature vector including the calculated waveform feature amount as an element is inside the boundary of a certain class set on the feature space, the factor determination unit 15 extracts the blood pressure waveform for one heartbeat as the class. Judge as belonging. The factor determination unit 15 adds 1 point to the score of the factor corresponding to the class determined to belong to the extracted blood pressure waveform for one heartbeat.
  • the processing in steps S104 to S106 is performed for each blood pressure waveform for one heartbeat.
  • step S107 the factor determination unit 15 determines which of the predetermined factors has caused the surge blood pressure based on the result of the repeatedly executed identification (step S106). Specifically, the factor determination unit 15 determines the factor with the highest score as the factor of surge blood pressure.
  • FIG. 11 shows an example of a blood pressure waveform displayed by the information output unit 17.
  • the surge blood pressure is surrounded by a square frame, and information regarding the factor of the surge blood pressure identified by the factor identifying unit 154 of the factor determining unit 15 is attached in the frame. Indicating the factors along with surge blood pressure makes it easier for doctors to use blood pressure data for diagnosing or treating disease.
  • the blood pressure data processing device 10 acquires blood pressure data, detects surge blood pressure from the blood pressure data, extracts a blood pressure waveform of one heart beat or more from the surge blood pressure, and more than one heart beat For each of the blood pressure waveforms for one heart beat separated from the blood pressure waveform, or for the average blood pressure waveform obtained by averaging the blood pressure waveforms for one heart beat separated from the blood pressure waveform for one heart beat or more, a waveform feature amount is calculated, Based on the waveform feature quantity, the surge blood pressure factor is identified from predetermined factors. Thereby, it is possible to identify the cause of the surge blood pressure from the blood pressure data without using an expensive and large-scale device such as PSG. As a result, information related to surge blood pressure generated by a specific factor such as apnea can be provided. By clarifying the factors that cause surge blood pressure, it is possible to clarify the location of the patient to be treated.
  • the blood pressure data processing device 10 includes a CPU 31, a ROM 32, a RAM 33, an auxiliary storage device 34, an input device 35, an output device 36, and a transceiver 37, which are connected to each other via a bus system 38.
  • the above-described functions of the blood pressure data processing device 10 can be realized by the CPU 31 reading and executing a program stored in a computer-readable storage medium (ROM 32 and / or auxiliary storage device 34).
  • the RAM 33 is used as a work memory by the CPU 31.
  • the auxiliary storage device 34 includes, for example, a hard disk drive (HDD) or a solid state drive (SDD).
  • the auxiliary storage device 34 is used as the blood pressure data storage unit 12 (FIG. 1) and the surge blood pressure waveform storage unit 156 (FIG. 7).
  • the input device includes, for example, a keyboard, a mouse, and a microphone.
  • the output device includes, for example, a display device such as a liquid crystal display device and a speaker.
  • the transceiver 37 transmits and receives signals to and from other computers. For example, the transceiver 37 receives blood pressure data from the blood pressure measurement device 20.
  • the factor identification data generation unit 155 and the surge blood pressure waveform storage unit 156 are provided in the factor determination unit 15 of the blood pressure data processing device 10.
  • the factor identification data generation unit 155 and the surge blood pressure waveform storage unit 156 may be provided in a device different from the blood pressure data processing device 10.
  • the factor identification data may be generated in the external device, and the factor identification data may be given to the blood pressure data processing device 10.
  • the blood pressure data processing device 10 is provided separately from the blood pressure measurement device 20. In another embodiment, part or all of the functions of the blood pressure data processing device 10 may be provided in the blood pressure measurement device 20.
  • the present invention is not limited to the above-described embodiment as it is, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage.
  • various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the embodiment. For example, some components may be deleted from all the components shown in the embodiment. Furthermore, you may combine suitably the component covering different embodiment.
  • a hardware processor A hardware processor; A memory coupled to the hardware processor; With The hardware processor is Blood pressure data, Detecting surge blood pressure from the blood pressure data; Extract blood pressure waveform of one heart beat or more from the surge blood pressure, Calculate the waveform feature amount from the blood pressure waveform of one heart beat or more, Based on the waveform feature amount, the surge blood pressure factor is identified from predetermined factors, A blood pressure data processing device configured as described above.
  • (Appendix 2) Using at least one hardware processor to obtain blood pressure data; Detecting surge blood pressure from the blood pressure data using at least one hardware processor; Extracting a blood pressure waveform of one heartbeat or more from the surge blood pressure using at least one hardware processor; Using at least one hardware processor, the blood pressure waveform for one heart beat separated from the blood pressure waveform for one heart beat or more, or the blood pressure waveform for one heart beat separated from the blood pressure waveform for one heart beat or more. Calculating a waveform feature for the averaged mean blood pressure waveform; Identifying a factor of the surge blood pressure from among predetermined factors based on the waveform feature using at least one hardware processor;
  • a blood pressure data processing method comprising:

Landscapes

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

Abstract

本発明の一態様に係る血圧データ処理装置は、サージ血圧を取得するサージ血圧取得部と、前記サージ血圧から一心拍以上の血圧波形を抽出する血圧波形抽出部と、前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出する波形特徴量算出部と、前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する要因識別部と、を備える。

Description

血圧データ処理装置、血圧データ処理方法、およびプログラム
　本発明は、血圧データを処理する技術に関する。
　睡眠時無呼吸症候群（ＳＡＳ；Sleep Apnea Syndrome）を罹患している患者において、無呼吸後の呼吸再開時に、血圧が急激に上昇しその後に下降することが知られている。以下では、このような急激な血圧変動をサージ血圧と呼ぶ。患者に発生したサージ血圧に関連する指標（例えば、単位時間当たりにサージ血圧が発生した回数）は、ＳＡＳや高血圧のような、脳疾患または心血管疾患の発症リスクを高める疾患の診断や治療に役立つと考えられる。
　サージ血圧を観測するためには、例えば一心拍ごとの血圧を得ることができるような、血圧を連続的に測定することができる血圧測定装置が必要となる。連続血圧測定によって得られた血圧データの量は膨大であり、医師や研究者などの専門家が血圧データを分析してサージ血圧を抽出することは困難である。このため、血圧データからサージ血圧を自動で抽出する技術の開発が進められている。
　ところで、血圧測定装置は健康管理や病気の治療または診断などの様々なシーンで利用されている。特開２００１－２９９７０７号公報には、患者の心拍数における変動をモニターし、心拍数の変動が検出されたことに応答して血圧を測定する血圧測定装置が開示されている。この血圧測定装置は、心拍数の変動に基づいて、血圧が危険なレベルに下降または上昇するような血圧変動が患者に起こることを予測する。
　サージ血圧は、無呼吸以外の要因によっても発生する。例えば、睡眠中にサージ血圧が発生する主な要因としては、無呼吸、レム（ＲＥＭ；Rapid Eye Movement）睡眠および覚醒反応が挙げられる。サージ血圧がいずれの要因により発生したのかは、ＰＳＧ（polysomnography）によって睡眠状態と血圧を計測することにより判断することができる。しかしながら、ＰＳＧは高価かつ大掛かりなデバイスであり、ＰＳＧを用いた計測を家庭で気軽に行うことはできない。また、特開２００１－２９９７０７号公報に開示された血圧測定装置では、血圧変動が生じることを予測することができるが、その血圧変動に寄与している身体の原因を特定することはできない。ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、サージ血圧の発生要因を特定することができることが求められている。
　本発明は、上記の事情に着目してなされたものであり、その目的は、血圧データからサージ血圧が発生した要因を識別することができる血圧データ処理装置、血圧データ処理方法、およびプログラムを提供することである。
　本発明の第１の態様では、血圧データ処理装置は、血圧データを取得する血圧データ取得部と、前記血圧データからサージ血圧を検出するサージ血圧検出部と、前記サージ血圧から一心拍以上の血圧波形を抽出する血圧波形抽出部と、前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出する波形特徴量算出部と、前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する要因識別部と、を備える。
　本発明の第２の態様では、前記要因識別部は、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果を用いて、前記サージ血圧の要因を識別する。
　本発明の第３の態様では、前記波形特徴量は、複数種類の波形特徴量を含み、前記要因識別部は、前記複数種類の波形特徴量と、前記所定の要因それぞれに関する境界であって特徴空間に設定された境界と、に基づいて、前記サージ血圧の要因を識別する。
　本発明の第４の態様では、前記サージ血圧は、立ち上がり部分および前記立ち上がり部分の後に続く立ち下がり部分を含み、前記血圧波形抽出部は、前記サージ血圧の前記立ち上がり部分から前記一心拍以上の血圧波形を抽出する。
　本発明の第５の態様では、前記波形特徴量は、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、前記ダイアストリックピークの前記時刻からダイクロティックピークの時刻までの時間間隔、前記シストリックピークの時間幅、全パルス時間、前記シストリックピークの振幅、および前記ダイクロティックピークの振幅の少なくとも１つに基づいている。
　本発明の第６の態様では、前記波形特徴量は、前記シストリックピークの前記時間幅と前記全パルス時間との比に基づく波形特徴量を含む。
　本発明の第７の態様では、前記波形特徴量算出部は、前記一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理を行い、前記前処理により得られる波形に基づいて前記ダイアストリックピーク、前記シストリックピーク、および前記ダイクロティックピークを特定する。
　本発明の第８の態様では、血圧データ処理装置は、前記要因識別部により識別したサージ血圧の要因に関する情報を出力する出力部をさらに備える。
　第１の態様によれば、血圧データからサージ血圧が検出され、サージ血圧から一心拍以上の血圧波形が抽出され、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量が算出され、波形特徴量に基づいて所定の要因の中から前記サージ血圧の要因が識別される。これにより、ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、血圧データからサージ血圧が発生した要因を識別することが可能になる。
　第２の態様によれば、サージ血圧の要因を識別するために、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果が用いられる。これにより、サージ血圧の要因を識別するために必要なデータを容易に生成することができる。
　第３の態様によれば、所定の要因それぞれに関する境界が特徴空間上に予め定められる。これにより、少ない処理量でサージ血圧の要因を識別することが可能になる。
　第４の態様によれば、波形特徴量は、サージ血圧の立ち上がり部分に含まれる一心拍分の血圧波形の各々または平均血圧波形について算出される。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。
　第５の態様によれば、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、ダイアストリックピークの時刻からダイクロティックピークの時刻までの時間間隔、シストリックピークの時間幅、全パルス時間、シストリックピークの振幅、およびダイクロティックピークの振幅の少なくとも１つに基づく波形特徴量が用いられる。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。
　第６の態様によれば、シストリックピークの時間幅と全パルス時間との比に基づく波形特徴量が用いられる。これにより、サージ血圧が発生した要因を精度よく識別することが可能になる。
　第７の態様によれば、一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理が行われる。これにより、ダイアストリックピーク、シストリックピーク、およびダイクロティックピークなどの特徴点を特定する処理が容易になる。
　第８の態様によれば、前記要因識別部により識別したサージ血圧の要因に関する情報が出力される。この情報により、医師は、患者の病状に対する対処法を検討することができるようになる。
　すなわち、本発明によれば、血圧データからサージ血圧が発生した要因を識別することができる血圧データ処理装置、血圧データ処理方法、およびプログラムを提供することができる。
図１は、第１の実施形態に係る血圧データ処理装置を示すブロック図である。 図２は、図１に示した血圧測定装置の一例を示すブロック図である。 図３は、図２に示した血圧測定部の外観を示す側面図である。 図４は、図２に示した血圧測定部を示す断面図である。 図５は、図２に示した血圧測定部を示す平面図である。 図６は、サージ血圧の波形の一例を示す図である。 図７は、図１に示した要因識別部を示すブロック図である。 図８は、波形特徴量を説明するための図である。 図９は、要因識別用データを生成する方法例を説明するための図である。 図１０は、第１の実施形態に係る血圧データ処理装置の処理例を示すフローチャートである。 図１１は、図１に示した情報出力部によって出力された測定血圧情報を例示する図である。 図１２は、図１の血圧データ処理装置のハードウェア構成例を示すブロック図である。
　以下、図面を参照しながら本発明の実施形態を説明する。
　［第１の実施形態］
　図１は、第１の実施形態に係る血圧データ処理装置１０を概略的に示している。図１に示すように、血圧データ処理装置１０は、被測定者（ユーザ）の血圧を測定する血圧測定装置２０において得られた血圧データを処理するものである。血圧データ処理装置１０は、例えば、パーソナルコンピュータまたはサーバなどのコンピュータ上に実装されることができる。
　まず、血圧測定装置２０について説明する。血圧測定装置２０は、被測定者の血圧を連続的に測定して血圧データを生成する。具体的には、血圧測定装置２０は、被測定者の動脈の脈波を測定し、測定した脈波を血圧に変換することで、血圧データを生成する。血圧データは、測定した脈波の波形に対応する血圧波形のデータを含む。血圧データは、血圧特徴量（血圧値）の時系列データをさらに含んでもよい。血圧特徴量は、例えば、収縮期血圧（ＳＢＰ；Systolic Blood Pressure）および拡張期血圧（ＤＢＰ；Diastolic Blood Pressure）を含むが、これに限定されない。一心拍分の脈波波形における最大値は収縮期血圧に対応し、一心拍分の脈波波形における最小値は拡張期血圧に対応する。
　第１の実施形態では、血圧測定装置２０は、トノメトリ法により脈波としての圧脈波を測定する。ここで、トノメトリ法とは、皮膚の上から動脈を適切な圧力で押圧して動脈に扁平部を形成し、動脈内部と外部とのバランスがとれた状態で圧力センサにより非侵襲的に圧脈波を計測する方法をいう。トノメトリ法によれば、一心拍ごとの血圧値を得ることができる。
　血圧測定装置２０は、被測定者に装着されるウェアラブル装置であってもよく、被測定者の上腕を固定台に載置した状態で血圧測定を行うような据え置き型装置であってもよい。図２から図５を参照して以下に説明する例では、血圧測定装置２０は、被測定者の手首に装着されるウェアラブル装置である。
　図２は、血圧測定装置２０の一例を概略的に示している。図２に示す血圧測定装置２０は、血圧測定部２１、加速度センサ２４、記憶部２５、入力部２６、出力部２７、および制御部２８を備える。制御部２８は、血圧測定装置２０の各部を制御する。制御部２８の機能は、ＣＰＵ（Central Processing Unit）などのプロセッサがＲＯＭ（Read-Only Memory）などのコンピュータ読み取り可能な記憶媒体に記憶されている制御プログラムを実行することにより実現されることができる。
　血圧測定部２１は、橈骨動脈の圧脈波を測定する。図３は、血圧測定部２１が図示しないベルトによって被測定者の手首Ｗに装着された状態を示す側面図であり、図４は、血圧測定部２１の構造を概略的に示す断面図である。図３および図４に示すように、血圧測定部２１は、センサ部２２および押圧機構２３を備える。センサ部２２は、橈骨動脈ＲＡが内部に存在する部位（この例では手首Ｗ）に接触するように配置される。押圧機構２３は、センサ部２２を手首Ｗに対して押圧する。トノメトリ法では、最適な押圧条件下では圧脈波と血圧が等しくなる。
　図５は、センサ部２２の手首Ｗと接触する側の面を示している。図５に示すように、センサ部２２は、１以上の（この例では２つの）圧力センサアレイ２２１を備え、圧力センサアレイ２２１の各々は、方向Ｂに配列された複数の（例えば４６個の）圧力センサ２２２を有する。方向Ｂは、血圧測定装置２０が被測定者に装着された状態において橈骨動脈の伸びる方向Ａと交差する方向である。圧力センサ２２２の配置は図５に示す例に限定されない。圧力センサ２２２には、識別情報としてのチャンネル番号が付与されている。
　各圧力センサ２２２は、圧力を測定して圧力データを生成する。圧力センサとしては、圧力を電気信号に変換する圧電素子を用いることができる。圧電素子の出力信号は、所定の（例えば１２５Ｈｚの）サンプリング周波数でデジタル信号に変換され、それにより圧力データが得られる。上述した脈波データに対応する圧脈波データは、圧力センサ２２２の中から適応的に選択された１つの圧力センサ（アクティブチャンネル）２２２から出力された圧力データに基づいて生成される。
　押圧機構２３は、例えば、空気袋と空気袋の内圧を調整するポンプとを含む。ポンプが空気袋の内圧を高めるように制御部２８によって駆動されると、空気袋の膨張により圧力センサ２２２が手首Ｗに押し当てられる。なお、押圧機構２３は、空気袋を用いた構造に限定されず、圧力センサ２２２を手首Ｗに押し当てる力を調整できるいかなる構造により実現されてもよい。
　加速度センサ２４は、血圧測定装置２０に作用する加速度を検出して加速度データを生成する。加速度センサ２４としては、例えば、三軸加速度センサを用いることができる。加速度の検出は、血圧測定と並行して実行される。
　記憶部２５は、コンピュータ読み取り可能な記憶媒体を含む。例えば、記憶部２５は、ＲＯＭ、ＲＡＭ（Random Access Memory）、および補助記憶装置を含む。ＲＯＭは、上述した制御プログラムを記憶する。ＲＡＭはＣＰＵによってワークメモリとして使用される。補助記憶装置は、血圧測定部２１によって生成された血圧データおよび加速度センサ２４によって生成された加速度データを含む各種データを記憶する。補助記憶装置は、例えば、フラッシュメモリを含む。補助記憶装置は、血圧測定装置２０に内蔵された記憶媒体、メモリーカードなどのリムーバブルメディア、またはこれら両方を含む。
　入力部２６は、被測定者からの指示を受け付ける。入力部２６は、例えば、操作ボタン、タッチパネルなどを含む。出力部２７は、血圧測定結果などの情報を出力する。出力部２７は、例えば、液晶表示装置などの表示装置を含む。
　上述した構成を有する血圧測定装置２０によれば、血圧データおよび加速度データが得られる。例えば、被測定者が睡眠している期間全体（例えば一晩）にわたって測定が行われ、測定で得られた血圧データおよび加速度データが血圧データ処理装置１０へ入力される。
　なお、血圧測定装置２０は、トノメトリ法による血圧測定装置に限らず、血圧を連続的に測定できる任意のタイプの血圧測定装置であってもよい。例えば、脈波としての容積脈波を測定する血圧測定装置を用いてもよい。この血圧測定装置は、例えば、光電センサまたは超音波プローブを用いて動脈の容積脈波を測定し、測定した容積脈波に基づいて血圧を推定することができる。また、動脈を伝播する脈波の伝播時間である脈波伝播時間（ＰＴＴ；Pulse Transit Time）を測定し、測定した脈波伝播時間に基づいて血圧を推定する血圧測定装置を用いてもよい。
　次に、血圧データ処理装置１０について説明する。図１に示すように、血圧データ処理装置１０は、血圧データ取得部１１、血圧データ記憶部１２、前処理部１３、サージ血圧検出部１４、要因判定部１５、情報生成部１６、および情報出力部１７を備える。
　血圧データ取得部１１は、血圧測定装置２０から血圧データを取得し、血圧データ記憶部１２に保存する。血圧データは、メモリーカードなどのリムーバブルメディアによって血圧測定装置２０から血圧データ処理装置１０へ提供されてもよい。あるいは、血圧データは、通信（有線通信または無線通信）によって血圧測定装置２０から血圧データ処理装置１０へ提供されてもよい。さらに、血圧データ取得部１１は、血圧測定装置２０に設けられた加速度センサから出力された加速度データなどをさらに取得してもよい。
　前処理部１３は、血圧データ記憶部１２から血圧データを受け取り、血圧データに対して前処理を行う。例えば、前処理部１３は、血圧データに含まれるまたは血圧データから生成された収縮期血圧の時系列データに対して、平滑化、スパイクノイズ除去、高周波成分除去などの前処理を行う。前処理は、加速度データを用いて被測定者の体動を検出し、体動が検出された時間区間の血圧データを補正する処理を含んでもよい。
　サージ血圧検出部１４は、前処理された血圧データからサージ血圧を検出する。サージ血圧を検出する方法はいかなるものであってもよい。例えば、サージ血圧を検出する処理は、例えば、収縮期血圧または拡張期血圧の時系列データを用いて実行されてもよい。第１の実施形態では、どのような血圧波形をサージ血圧として検出するかについての制限はない。
　図６は、サージ血圧の一例を示している。図６において、横軸は時間であり、縦軸は血圧である。時刻ｔ１から時刻ｔ３までの時間区間（サージ区間と呼ぶ）における血圧波形がサージ血圧に対応する。サージ区間において、血圧が上昇しその後に下降している。サージ血圧は、識別番号、サージ区間において血圧値が最大となる時刻（ピーク時刻と呼ぶ）ｔ２、サージ区間の開始時刻ｔ１、およびサージ区間の終了時刻ｔ３を含む情報で管理されることができる。この情報は、サージ区間における最大血圧値を含んでもよい。
　要因判定部１５は、サージ血圧検出部１４によって検出されたサージ血圧が所定の要因のうちのいずれの要因によって発生したかを判定する。一例として、所定の要因は、無呼吸、レム睡眠、および覚醒反応を含む。なお、所定の要因は、その他（具体的には、無呼吸、レム睡眠、および覚醒反応以外の要因）を含んでもよい。要因の数は２以上であればよい。無呼吸、レム睡眠、および覚醒反応は、要因の例であって、これらに限定されない。要因は、無呼吸のように、何らかの疾患に関連する要素から選択されることができる。要因判定部１５の処理については後により詳細に説明する。
　情報生成部１６は、測定血圧情報を生成する。情報生成部１６は、要因判定部１５によりサージ血圧と判定された血圧波形に基づいて、サージ血圧に関連する指標を生成することができる。サージ血圧に関連する指標は、例えば、単位時間当たりにサージ血圧が発生した回数、サージ血圧それぞれの最大血圧値の平均値、およびサージ血圧それぞれの最大血圧値における最大値を含む。これにより、被測定者に発生したサージ血圧に関連する指標を提供することが可能になる。さらに、情報生成部１６は、血圧データ記憶部１２に記憶されている血圧データに基づいて、平均血圧値など、血圧に関連する様々な指標を生成することができる。
　情報出力部１７は、情報生成部１６によって生成された測定血圧情報を出力する。例えば、情報出力部１７は測定血圧情報を含む画像データを生成し、画像データに応じた画像が表示装置に表示される。
　要因判定部１５について詳細に説明する。　
　図７は、要因判定部１５の構成例を概略的に示している。図７に示すように、要因判定部１５は、対象区間設定部１５１、血圧波形抽出部１５２、波形特徴量算出部１５３、要因識別部１５４、要因識別用データ生成部１５５、およびサージ血圧波形記憶部１５６を備える。
　対象区間設定部１５１は、サージ血圧から一心拍以上の血圧波形を抽出するための対象区間を設定する。例えば、サージ血圧の立ち上がり期間が対象区間として設定される。サージ血圧の立ち上がり期間は、開始時刻ｔ１からピーク時刻ｔ２までの時間区間を指す。立ち上がり期間の一部が対象区間として設定されてもよい。また、立ち下がり期間の一部または全部が対象区間として設定されてもよい。立ち下がり期間は、ピーク時刻ｔ２から終了時刻ｔ３までの時間区間を指す。本発明者らは、サージ血圧の立ち上がり期間を対象区間として使用することで、サージ血圧がいずれの要因で発生したかの判定を精度よく行うことができることを確認した。したがって、好適には、サージ血圧の立ち上がり期間の一部または全部が対象区間として設定される。
　血圧波形抽出部１５２は、対象区間におけるサージ血圧から一心拍以上の血圧波形を抽出する。サージ血圧の立ち上がり期間は典型的には５～２５秒程度であり、したがって、複数心拍にわたる血圧波形が抽出される。なお、サージ血圧の立ち上がり期間の一部が対象区間として使用される場合のように対象区間が短い場合、二心拍分に満たない血圧波形が抽出されることもある。
　波形特徴量算出部１５３は、血圧波形抽出部１５２によって抽出された一心拍以上の血圧波形から波形特徴量を抽出する。例えば、波形特徴量算出部１５３は、血圧波形抽出部１５２によって抽出された一心拍以上の血圧波形から１つ以上の一心拍分の血圧波形を分離または抽出し、分離した一心拍分の血圧波形の各々について波形特徴量を算出する。また、波形特徴量算出部１５３は、分離または抽出した一心拍分の血圧波形を平均した平均血圧波形を生成し、平均血圧波形について波形特徴量を算出してもよい。波形特徴量は、一心拍分の血圧波形の形状に基づいて算出される。波形特徴量は、１種類または複数種類の波形特徴量を含む。第１の実施形態では、複数種類の波形特徴量が使用される。波形特徴量は、特徴ベクトルで表すことができる。
　図８を参照して波形特徴量について説明する。図８は、一心拍分の血圧波形を例示している。図８において、Ｔ０は、一心拍分の血圧波形において血圧値（例えば圧脈波の値）が最小になる点である。点Ｔ０をダイアストリックピーク（diastolic peak）またはダイアストリックオンセット（diastolic onset）と呼ぶ。Ｔ１は、一心拍分の血圧波形において血圧値が最大になる点である。点Ｔ１をシストリックピーク（systolic peak）と呼ぶ。Ｔ２は、点Ｔ１の後に現れる変曲点である。点Ｔ２をダイクロティックノッチ（dicrotic notch）と呼ぶ。Ｔ３は、点Ｔ２の後に現れる変曲点、すなわち、最大点Ｔ１より後に現れる血圧値が極大になる点である。点Ｔ３をダイクロティックピーク（dicrotic peak）と呼ぶ。Ｔ４は、血圧値が最小になる点であって、次の一心拍分の血圧波形の始点となる点である。ＡＰ１は、シストリックピークの振幅、すなわち、最大値から最小値を引いた差分値を表す。ＡＰ２は、ダイクロティックピークの振幅、すなわち、２番目の極大値から最小値を引いた差分値を表す。ＴＰ１は、シストリックピークまでの時間、すなわち、最小値の時刻から最大値の時刻までの時間を表す。ＴＰ２は、ダイクロティックピークまでの時間、すなわち、最小値の時刻から２番目の極大値の時刻までの時間を表す。ＴＰＴは、全パルス時間、すなわち、一心拍分の血圧波形の時間長を表す。ＩＷＴは、シストリックピークの時間幅を表す。例えば、ＩＷＴは、シストリックピークの高さ（ＡＰ１）の３分の２の値をとる波間時間である。波形特徴量は、これらのパラメータＡＰ１、ＡＰ２、ＴＰ１、ＴＰ２、ＴＰＴ、ＩＷＴのうちの少なくとも１つに基づくことができる。例えば、ＴＰ１、ＩＷＴ／ＴＰＴ、ＴＰ１／ＴＰＴ、ＴＰ２／ＴＰＴ、（ＴＰ２－ＴＰ１）／ＴＰＴ、ＡＰ２／ＡＰ１などに基づく波形特徴量を用いることができる。一例では、ＩＷＴ／ＴＰＴとＡＰ２／ＡＰ１の２種類の波形特徴量が用いられる。例えば、ＩＷＴ／ＴＰＴの波形特徴量は、サージ血圧が無呼吸か無呼吸以外の要因かを識別するのに有用である。なお、波形特徴量は、上述したパラメータとは異なるパラメータに基づいていてもよい。
　波形特徴量算出部１５３は、点Ｔ０、Ｔ１、Ｔ２、Ｔ３、Ｔ４などの特徴点を特定するために、血圧波形に対して一次微分および／または二次微分を含む前処理を行ってもよい。血圧波形の一次微分および／または二次微分を用いることにより、特徴点を特定する処理が容易になる。
　また、波形特徴量算出部１５３は、サージ血圧を含む期間の血圧波形から、心電図におけるＲ波間の間隔である瞬時心拍（ＲＲＩ；R-R interval）を算出し、ＲＲＩを周波数スペクトル解析し、低周波成分ＬＦおよび高周波数成分ＨＦを算出し、低周波成分ＬＦと高周波数成分ＨＦの比を特徴量として算出してもよい。例えば、波形特徴量算出部１５３は、ＲＲＩについてパワースペクトル密度を算出し、自己回帰モデルを用いてパワースペクトル密度を計算し、０．０５Ｈｚから０．１５Ｈｚまでの周波数領域にわたるパワーの積分値をＬＦとして算出し、０．１５Ｈｚから０．４０Ｈｚまでの周波数領域にわたるパワーの積分値をＨＦとして算出することができる。比ＬＦ／ＨＦは自律神経のバランスを表すことが知られている。このため、比ＬＦ／ＨＦを特徴量として用いることにより、サージ血圧がレム睡眠に由来するものか否かを判定することが可能となる。
　要因識別部１５４は、波形特徴量算出部１５３によって算出された波形特徴量に基づいて、所定の要因の中からサージ血圧の要因を識別する。要因識別部１５４は、識別を行うために、要因識別用データ生成部１５５によって生成された要因識別用データを使用する。要因識別部１５４についての具体的な説明を行う前に、要因識別用データについて説明する。
　サージ血圧波形記憶部１５６は、典型的なサージ血圧波形のデータを格納している。ここでいうサージ血圧波形は、図８に示すような一心拍分の血圧波形を指す。典型的なサージ血圧波形は、医師や研究者などの専門家が任意の被測定者について得られた血圧データを解析することで得ることができる。睡眠中にサージ血圧が発生する要因としては、主として、無呼吸、レム睡眠、および覚醒反応が考えられる。図９に示す例では、無呼吸、ＲＥＭ、および覚醒反応の３つの要因（クラス）でラベル付けされた、典型的なサージ血圧波形の３つのデータセットが用意される。このようなデータセットは、ＰＳＧによって睡眠状態と血圧を計測することにより用意することができる。サージ血圧は複合的な要因により発生することもある。例えば、無呼吸とＲＥＭ睡眠とによりサージ血圧が発生することもある。また、無呼吸とＲＥＭ睡眠と覚醒反応とによりサージ血圧が発生することもある。なお、要因を特定できないサージ血圧もある。
　要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データに基づいて、要因識別部１５４が識別を行うために使用するデータ（要因識別用データ）を生成する。要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データを学習することで要因識別用データを生成することができる。
　一例では、要因識別用データ生成部１５５は、３つのクラスの各々に関して、次のようにして特徴空間上に境界を定める。要因識別用データ生成部１５５は、各クラスに属するサージ血圧波形から波形特徴量を算出する。波形特徴量の算出は、波形特徴量算出部１５３に関して説明したものと同様の方法で行われることができる。要因識別用データ生成部１５５は、算出した波形特徴量に基づいて、クラスを識別するための境界線または面を特徴空間上に定める。要因識別用データ生成部１５５は、２σ法または３σ法のようにデータの約９５．４％または約９９．７％が含まれる境界線または境界面を特徴空間上に定める。境界は、例えば、マハラノビス距離、１クラスサポートベクターマシン（ＳＶＭ；Support Vector Machine）などを用いて決定することができる。２種類の波形特徴量を用いる場合、図９に示すように、３つのクラスそれぞれの境界線が定められる。境界の各々は、他の境界と部分的に重なり得る。要因識別用データは、３つのクラスそれぞれに関する特徴空間上の境界を示すデータを含む。
　要因識別部１５４は、波形特徴量算出部１５３によって算出された波形特徴量と特徴空間上に設定された境界とに基づいて、サージ血圧が所定の要因のいずれの要因によって発生したかを識別する。具体的には、要因識別部１５４は、波形特徴量を要素として含む特徴ベクトルがどのクラスの境界の内側にあるかに基づいて、サージ血圧がいずれの要因によって発生したかを識別する。血圧波形抽出部１５２によって複数の一心拍分の血圧波形が抽出されている場合、要因識別部１５４は、例えば、多数決で識別を行うことができる。具体的には、要因識別部１５４は、特徴空間上の境界の内側に位置する特徴ベクトルの数が最も多いクラスに対応する要因をサージ血圧の要因として決定する。
　前述したように、境界は他の境界と重なることがある。このため、特徴ベクトルが２以上のクラスの境界の内側にあることもある。この場合、要因識別部１５４は、これらのクラスに対応する要因をサージ血圧の要素として決定してもよい。
　他の例では、要因識別部１５４は、特徴ベクトルと各クラスの重心（中心）との間のマハラノビス距離を算出し、算出したマハラノビス距離に基づいて識別を行ってもよい。要因識別部１５４は、特徴ベクトルとのマハラノビス距離が最も小さいクラスに対応する要因をサージ血圧の要素として決定してもよい。この場合、要因識別用データは、各クラスについて、特徴空間上の重心位置および共分散行列の逆行列を含む。
　さらに他の例では、要因識別部１５４は、サポートベクターマシンを用いて識別を行ってもよい。この場合、要因識別用データ生成部１５５は、サージ血圧波形記憶部１５６に格納されているサージ血圧波形データに基づいてサポートベクターマシンを生成する。
　次に、血圧データ処理装置１０の動作について説明する。　
　図１０は、第１の実施形態に係るサージ血圧が発生した要因を識別する手順例を示している。図１０のステップＳ１０１において、血圧データが血圧データ記憶部１２から読み出される。ステップＳ１０２において、サージ血圧検出部１４は、血圧データからサージ血圧を検出する。ここでは、説明を簡単にするために、１つのサージ血圧が検出されたとする。複数のサージ血圧が検出された場合には、各々について次に説明する処理が実行される。
　ステップＳ１０３において、要因判定部１５は、サージ血圧に対して対象区間を設定する。ステップＳ１０４において、要因判定部１５は、対象区間のサージ血圧の波形から一心拍以上の血圧波形を抽出する。ステップＳ１０５において、要因判定部１５は、抽出した一心拍以上の血圧波形から波形特徴量を算出する。一例として、要因判定部１５は、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について波形特徴量を算出する。他の例では、要因判定部１５は、一心拍以上の血圧波形から分離した一心拍分の血圧波形を平均した平均血圧波形について波形特徴量を算出してもよい。ステップＳ１１６において、要因判定部１５は、算出した波形特徴量に基づいて、抽出した一心拍分の血圧波形がいずれのクラスに属するかを識別する。例えば、要因判定部１５は、算出した波形特徴量を要素として含む特徴ベクトルが特徴空間上に設定されたあるクラスの境界の内側にある場合に、抽出した一心拍分の血圧波形がそのクラスに属すると判定する。要因判定部１５は、抽出した一心拍分の血圧波形が属すると判定したクラスに対応する要因のスコアに１ポイント加算する。
　ステップＳ１０３において抽出された対象区間の血圧波形に複数の一心拍分の血圧波形が含まれる場合、ステップＳ１０４～Ｓ１０６の処理は、一心拍分の血圧波形それぞれに対して行われる。
　ステップＳ１０７において、要因判定部１５は、繰り返し実行された識別（ステップＳ１０６）の結果に基づいて、サージ血圧が所定の要因のいずれの要因によって発生したかを判定する。具体的には、要因判定部１５は、スコアが最も高い要因をサージ血圧の要因として決定する。
　図１１は、情報出力部１７によって表示される血圧波形の一例を示している。図１１に示す例では、サージ血圧が四角の枠で囲まれ、枠内に、要因判定部１５の要因識別部１５４により識別されたサージ血圧の要因に関する情報が付されている。サージ血圧とともにその要因を示すことにより、医師が血圧データを病気の診断または治療に利用することが容易になる。
　以上のように、第１の実施形態に係る血圧データ処理装置１０は、血圧データを取得し、血圧データからサージ血圧を検出し、サージ血圧から一心拍以上の血圧波形を抽出し、一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出し、波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する。これにより、ＰＳＧのような高価かつ大掛かりなデバイスを用いることなく、血圧データからサージ血圧が発生した要因を識別することが可能である。その結果、無呼吸などの特定の要因によって発生したサージ血圧に関連する情報を提供することができる。サージ血圧の発生要因を明確にすることで、患者の治療すべき箇所を明確にすることができる。
　図１２を参照して血圧データ処理装置１０のハードウェア構成例について説明する。　
　血圧データ処理装置１０は、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、補助記憶装置３４、入力装置３５、出力装置３６、および送受信器３７を備え、これらがバスシステム３８を介して互いに接続されている。血圧データ処理装置１０の上述した機能は、ＣＰＵ３１がコンピュータ読み取り可能な記憶媒体（ＲＯＭ３２および／または補助記憶装置３４）に記憶されたプログラムを読み出し実行することにより実現されることができる。ＲＡＭ３３は、ＣＰＵ３１によってワークメモリとして使用される。補助記憶装置３４は、例えば、ハードディスクドライブ（ＨＤＤ）またはソリッドステートドライブ（ＳＤＤ）を含む。補助記憶装置３４は、血圧データ記憶部１２（図１）およびサージ血圧波形記憶部１５６（図７）として使用される。入力装置は、例えば、キーボード、マウス、およびマイクロフォンを含む。出力装置は、例えば、液晶表示装置などの表示装置およびスピーカを含む。送受信器３７は、他のコンピュータとの間で信号の送受信を行う。例えば、送受信器３７は、血圧測定装置２０から血圧データを受信する。
　［その他の実施形態］
　上述した実施形態では、要因識別用データ生成部１５５およびサージ血圧波形記憶部１５６は血圧データ処理装置１０の要因判定部１５に設けられている。他の実施形態では、要因識別用データ生成部１５５およびサージ血圧波形記憶部１５６は血圧データ処理装置１０と異なる装置に設けられていてもよい。言い換えると、外部装置において要因識別用データが生成されて、要因識別用データが血圧データ処理装置１０に与えられもよい。
　また、上述した実施形態では、血圧データ処理装置１０は血圧測定装置２０とは別に設けられている。他の実施形態では、血圧データ処理装置１０の機能の一部または全部が血圧測定装置２０に設けられていてもよい。
　要するに本発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られるものではない。
　（付記１）
　ハードウェアプロセッサと、
　前記ハードウェアプロセッサに結合されたメモリと、
　を備え、
　前記ハードウェアプロセッサは、
　　血圧データを取得し、
　　前記血圧データからサージ血圧を検出することと、
　　前記サージ血圧から一心拍以上の血圧波形を抽出し、
　　前記一心拍以上の血圧波形から波形特徴量を算出し、
　　前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別し、
　ように構成された、血圧データ処理装置。
　（付記２）
　少なくとも１つのハードウェアプロセッサを用いて、血圧データを取得することと、
　少なくとも１つのハードウェアプロセッサを用いて、前記血圧データからサージ血圧を検出することと、
　少なくとも１つのハードウェアプロセッサを用いて、前記サージ血圧から一心拍以上の血圧波形を抽出することと、
　少なくとも１つのハードウェアプロセッサを用いて、前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出することと、
　少なくとも１つのハードウェアプロセッサを用いて、前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別することと、
　を備える血圧データ処理方法。

Claims (10)

  1. 　血圧データを取得する血圧データ取得部と、
    　前記血圧データからサージ血圧を検出するサージ血圧検出部と、
    　前記サージ血圧から一心拍以上の血圧波形を抽出する血圧波形抽出部と、
    　前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出する波形特徴量算出部と、
    　前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別する要因識別部と、
    　を具備する血圧データ処理装置。
  2. 　前記要因識別部は、前記所定の要因それぞれに対応する波形特徴量を学習することにより得られた学習結果を用いて、前記サージ血圧の要因を識別する、請求項１に記載の血圧データ処理装置。
  3. 　前記波形特徴量は、複数種類の波形特徴量を含み、
    　前記要因識別部は、前記複数種類の波形特徴量と、前記所定の要因それぞれに関する境界であって特徴空間に設定された境界と、に基づいて、前記サージ血圧の要因を識別する、請求項１または請求項２に記載の血圧データ処理装置。
  4. 　前記サージ血圧は、立ち上がり部分および前記立ち上がり部分の後に続く立ち下がり部分を含み、
    　前記血圧波形抽出部は、前記サージ血圧の前記立ち上がり部分から前記一心拍以上の血圧波形を抽出する、請求項１乃至請求項３のいずれか一項に記載の血圧データ処理装置。
  5. 　前記波形特徴量は、ダイアストリックピークの時刻からシストリックピークの時刻までの時間間隔、前記ダイアストリックピークの前記時刻からダイクロティックピークの時刻までの時間間隔、前記シストリックピークの時間幅、全パルス時間、前記シストリックピークの振幅、および前記ダイクロティックピークの振幅の少なくとも１つに基づいている、請求項１乃至請求項４のいずれか一項に記載の血圧データ処理装置。
  6. 　前記波形特徴量は、前記シストリックピークの前記時間幅と前記全パルス時間との比に基づく波形特徴量を含む、請求項５に記載の血圧データ処理装置。
  7. 　前記波形特徴量算出部は、前記一心拍以上の血圧波形に対して一次微分または二次微分を含む前処理を行い、前記前処理により得られる波形に基づいて前記ダイアストリックピーク、前記シストリックピーク、および前記ダイクロティックピークを特定する、請求項５または請求項６に記載の血圧データ処理装置。
  8. 　前記要因識別部により識別したサージ血圧の要因に関する情報を出力する出力部をさらに具備する請求項１乃至請求項７のいずれか一項に記載の血圧データ処理装置。
  9. 　血圧データを取得することと、
    　前記血圧データからサージ血圧を検出することと、
    　前記サージ血圧から一心拍以上の血圧波形を抽出することと、
    　前記一心拍以上の血圧波形から分離した一心拍分の血圧波形の各々について、または、前記一心拍以上の血圧波形から分離した前記一心拍分の血圧波形を平均した平均血圧波形について、波形特徴量を算出することと、
    　前記波形特徴量に基づいて、所定の要因の中から前記サージ血圧の要因を識別することと、
    　を具備する血圧データ処理方法。
  10. 　コンピュータを請求項１乃至請求項８のいずれか一項に記載の血圧データ処理装置として機能させるためのプログラム。
PCT/JP2018/009580 2017-03-14 2018-03-12 血圧データ処理装置、血圧データ処理方法、およびプログラム Ceased WO2018168808A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE112018001390.1T DE112018001390T5 (de) 2017-03-14 2018-03-12 Blutdruckdatenverarbeitungsvorrichtung, blutdruckdatenverarbeitungsverfahren und -programm
CN201880017119.6A CN110418601A (zh) 2017-03-14 2018-03-12 血压数据处理装置、血压数据处理方法以及程序
US16/571,946 US20200008691A1 (en) 2017-03-14 2019-09-16 Blood pressure data processing apparatus, blood pressure data processing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017048954A JP7019951B2 (ja) 2017-03-14 2017-03-14 血圧データ処理装置、血圧データ処理方法、およびプログラム
JP2017-048954 2017-03-14

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/571,946 Continuation US20200008691A1 (en) 2017-03-14 2019-09-16 Blood pressure data processing apparatus, blood pressure data processing method, and program

Publications (1)

Publication Number Publication Date
WO2018168808A1 true WO2018168808A1 (ja) 2018-09-20

Family

ID=63523145

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/009580 Ceased WO2018168808A1 (ja) 2017-03-14 2018-03-12 血圧データ処理装置、血圧データ処理方法、およびプログラム

Country Status (5)

Country Link
US (1) US20200008691A1 (ja)
JP (1) JP7019951B2 (ja)
CN (1) CN110418601A (ja)
DE (1) DE112018001390T5 (ja)
WO (1) WO2018168808A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11183303B2 (en) * 2015-10-13 2021-11-23 Salu Design Group Inc. Wearable health monitors and methods of monitoring health
JP6995100B2 (ja) * 2019-09-30 2022-01-14 エヌ・ティ・ティ・コミュニケーションズ株式会社 情報処理装置、算出方法および算出プログラム
CN113409941B (zh) * 2020-05-26 2024-06-28 孙书军 Osahs识别方法、模型、模型建立方法、及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10295657A (ja) * 1997-04-24 1998-11-10 Matsushita Electric Ind Co Ltd 血圧測定装置
JP2003070758A (ja) * 2001-06-21 2003-03-11 Univ Nihon 血管疾患検査装置およびバイパス血管診断装置
JP2004195204A (ja) * 2002-12-05 2004-07-15 Omron Healthcare Co Ltd 脈波測定装置
JP2015154884A (ja) * 2014-02-21 2015-08-27 セイコーエプソン株式会社 超音波測定装置及び超音波測定方法
JP2016064125A (ja) * 2014-09-19 2016-04-28 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4342455B2 (ja) * 2005-02-03 2009-10-14 株式会社東芝 健康管理装置および健康管理システム
JP5169644B2 (ja) * 2008-09-02 2013-03-27 オムロンヘルスケア株式会社 血圧測定装置
JP5234078B2 (ja) * 2010-09-29 2013-07-10 株式会社デンソー 脈波解析装置および血圧推定装置
WO2012077666A1 (ja) * 2010-12-08 2012-06-14 オムロンヘルスケア株式会社 血圧情報測定装置および該装置での動脈硬化度の指標の算出方法
JP5677400B2 (ja) * 2012-11-08 2015-02-25 日本光電工業株式会社 生体情報表示装置、および生体情報表示システム
JP6465622B2 (ja) * 2014-11-10 2019-02-06 日本光電工業株式会社 測定装置、及びプログラム
WO2016183515A1 (en) * 2015-05-13 2016-11-17 Alivecor, Inc. Discordance monitoring

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10295657A (ja) * 1997-04-24 1998-11-10 Matsushita Electric Ind Co Ltd 血圧測定装置
JP2003070758A (ja) * 2001-06-21 2003-03-11 Univ Nihon 血管疾患検査装置およびバイパス血管診断装置
JP2004195204A (ja) * 2002-12-05 2004-07-15 Omron Healthcare Co Ltd 脈波測定装置
JP2015154884A (ja) * 2014-02-21 2015-08-27 セイコーエプソン株式会社 超音波測定装置及び超音波測定方法
JP2016064125A (ja) * 2014-09-19 2016-04-28 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム

Also Published As

Publication number Publication date
JP7019951B2 (ja) 2022-02-16
US20200008691A1 (en) 2020-01-09
CN110418601A (zh) 2019-11-05
JP2018149186A (ja) 2018-09-27
DE112018001390T5 (de) 2019-11-28

Similar Documents

Publication Publication Date Title
JP6721155B2 (ja) 生体情報分析装置、システム、及び、プログラム
US10278595B2 (en) Analysis and characterization of patient signals
CN105725998B (zh) 使用心理状态验证进行血压测量的系统
US20060224070A1 (en) System and method for non-invasive cardiovascular assessment from supra-systolic signals obtained with a wideband external pulse transducer in a blood pressure cuff
JP2011115188A (ja) 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム
JPWO2009150744A1 (ja) 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム
KR20230132445A (ko) 웨어러블 심혈관 센싱으로 혈역학 파라미터를 측정하기 위한 시스템 및 방법
JP6766710B2 (ja) 血圧測定装置、方法及びプログラム
US12133721B2 (en) Pulse-wave signal analysis device, pulse-wave signal analysis method and computer program
JP5584111B2 (ja) 自動血圧測定装置
US20200008691A1 (en) Blood pressure data processing apparatus, blood pressure data processing method, and program
WO2018168810A1 (ja) 血圧データ処理装置、血圧データ処理方法、およびプログラム
EP4285815A1 (en) Arterial pressure estimation device, arterial pressure estimation system, and arterial pressure estimation method
US10327648B2 (en) Blood vessel mechanical signal analysis
JP7087267B2 (ja) 血圧データ処理装置、血圧データ処理方法、およびプログラム
CN118139576A (zh) 用于将来自生物物理信号的心脏波形特征工程化以用于表征生理系统的方法和系统
Park et al. Ballistocardiography
US11412942B2 (en) Apparatus, system and method for obtaining hemodynamic data of an individual
WO2025003556A1 (en) System and method for measuring eye property value
US10398321B2 (en) Thermal patient signal analysis

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18767946

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 18767946

Country of ref document: EP

Kind code of ref document: A1