呼吸状態分析装置、呼吸状態表示装置およびそれらにおける処理方法ならびにプログラム
【課題】生体の呼吸の多様な正常状態または異常状態を的確に判別する。
【解決手段】呼吸音相関度生成部１２０は、呼吸信号取得部１１０から供給された呼吸信号と予め定められたモデル呼吸音との相関度を生成する。呼吸音信頼度生成部１３０は、呼吸音相関度に基づいて呼吸音信頼度を生成する。呼吸区間同定部１４０は、呼吸音信頼度に基づいて呼吸区間を同定する。特徴量生成部１６０は、呼吸区間に係る呼吸信号の特徴量を生成する。呼吸異常度生成部１８０は、呼吸区間に係る呼吸信号の特徴量に基づいて呼吸音の異常度を生成する。呼吸異常性判定部１９０は、呼吸異常度に基づいて呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する。
【解決手段】呼吸音相関度生成部１２０は、呼吸信号取得部１１０から供給された呼吸信号と予め定められたモデル呼吸音との相関度を生成する。呼吸音信頼度生成部１３０は、呼吸音相関度に基づいて呼吸音信頼度を生成する。呼吸区間同定部１４０は、呼吸音信頼度に基づいて呼吸区間を同定する。特徴量生成部１６０は、呼吸区間に係る呼吸信号の特徴量を生成する。呼吸異常度生成部１８０は、呼吸区間に係る呼吸信号の特徴量に基づいて呼吸音の異常度を生成する。呼吸異常性判定部１９０は、呼吸異常度に基づいて呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、呼吸状態分析装置に関し、特に人間等の生体の呼吸音を含む時系列の呼吸信号からその呼吸状態を分析する呼吸状態分析装置、呼吸状態表示装置、および、これらにおける処理方法ならびに当該方法をコンピュータに実行させるプログラムに関する。
【背景技術】
【０００２】
従来から生体状態の確認のため、聴診器等により呼吸音を聴取することが広く行われている。そして、聴診器等により聴取された呼吸音を含む時系列の呼吸信号からその呼吸状態を分析する呼吸状態分析装置の開発が進められている。
【０００３】
例えば、予め設定された複数の異なる長さの全時間区分に基づいて呼吸音データをＦＦＴ処理してスペクトル情報を算出して、このスペクトル情報をデータ解析することにより異常音の検出を行う装置が提案されている（例えば、特許文献１参照。）。この従来技術では、サウンドスペクトログラムに係るスペクトル包絡とサウンドスペクトログラムとに基づいて、各種異常音を特徴付ける優勢な周波数成分（フォルマント）が所定時間継続しているかを判定することにより、異常音を検出している。例えば、高周波成分（５００〜１０００Ｈｚ）が一定以上の強度で２５ｍ秒以内持続する場合には断続性ラ音によるものと判定され、周波数４００Ｈｚ以上が一定以上の強度で２５０ｍ秒以上持続している場合には連続性ラ音によるものと判定される。これら断続性ラ音および連続性ラ音は、呼吸音に含まれる副雑音であり、異常音であると判定される。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００５−０６６０４５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述の従来技術では、呼吸音に含まれる異常音を検出する際に、時間区分を予め設定しておいて、特定の周波数成分の信号が継続する時間を測定することにより判定を行っていた。これは、音声発生モデルに基づく音声認識に用いられる方法を援用したものであり、呼吸音の異常性判定を音声と同じモデルに当てはめることの本質的な妥当性は証明されていない。そのため、様々な人の多様な正常状態および多様な異常状態を的確に判別できるとは限らない。
【０００６】
本発明はこのような状況に鑑みてなされたものであり、生体の呼吸の正常性または異常性を定量化することにより、多様な正常状態または異常状態を的確に判別することを目的とする。
【課題を解決するための手段】
【０００７】
本発明は、上記課題を解決するためになされたものであり、その第１の側面は、生体の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、上記呼吸信号において上記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、上記同定された呼吸区間について上記呼吸信号の所定の特徴量を生成する特徴量生成部と、上記特徴量に基づいて上記呼吸信号に含まれる上記呼吸音の異常度を生成する呼吸異常度生成部とを具備する呼吸状態分析装置およびその処理方法ならびにプログラムである。これにより、呼吸信号の時間区間における呼吸音の異常度を定量化するという作用をもたらす。
【０００８】
また、この第１の側面において、予め定められたモデル呼吸音と上記呼吸信号との相関度を生成する呼吸音相関度生成部と、上記呼吸信号の呼吸音らしさを示す呼吸音信頼度を上記相関度に基づいて生成する呼吸音信頼度生成部とをさらに具備し、上記呼吸区間同定部は、上記呼吸音信頼度に基づいて上記呼吸区間を同定するようにしてもよい。これにより、モデル呼吸音との相関度に基づいて呼吸区間を同定するという作用をもたらす。
【０００９】
また、この第１の側面において、上記呼吸音相関度生成部は、上記呼吸信号を時間周波数変換して時間周波数信号として生成する時間周波数変換部と、上記時間周波数信号を上記モデル呼吸音の基底ベクトルに射影して基底変換信号として生成する基底変換部と、上記基底変換信号に対して所定の非線形な変換を施して上記相関度として出力する非線形変換部とを備えるようにしてもよい。これにより、モデル呼吸音の基底ベクトルに基づいて相関度を生成して呼吸区間を同定するという作用をもたらす。
【００１０】
また、この第１の側面において、上記異常度に基づいて上記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部をさらに具備してもよい。これにより、定量化された異常度に基づいて呼吸異常性を判定するという作用をもたらす。また、この場合において、上記呼吸異常性判定部は、上記正常呼吸状態および上記異常呼吸状態の中間状態をさらに判定してもよい。
【００１１】
また、この第１の側面において、単位時間あたりの上記同定された呼吸区間の数を計測して呼吸回数として出力する呼吸回数計測部をさらに具備してもよい。これにより、呼吸状態の一つとして呼吸回数を出力するという作用をもたらす。
【００１２】
また、本発明の第２の側面は、生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、上記呼吸信号において上記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、上記同定された呼吸区間について上記呼吸信号の所定の特徴量を生成する特徴量生成部と、上記特徴量に基づいて上記呼吸信号に含まれる上記呼吸音の異常度を生成する呼吸異常度生成部と、上記異常度に基づいて上記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部と、上記呼吸音の判定結果を表示する表示部とを具備する呼吸状態表示装置である。これにより、呼吸信号の時間区間における呼吸音の呼吸異常性を表示するという作用をもたらす。
【発明の効果】
【００１３】
本発明によれば、生体の呼吸の正常性または異常性を定量化することにより、多様な正常状態または異常状態を的確に判別することができるという優れた効果を奏し得る。
【図面の簡単な説明】
【００１４】
【図１】本発明の実施の形態における呼吸状態表示システムの一構成例を示す図である。
【図２】本発明の第１の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。
【図３】本発明の実施の形態における呼吸音相関度生成部１２０の一構成例を示す図である。
【図４】本発明の実施の形態における時間周波数信号Ｘ（ｔ，ｋ）の一例を示す図である。
【図５】本発明の実施の形態における呼吸音基底ベクトルの学習過程の一例を示す図である。
【図６】本発明の実施の形態における呼吸音信頼度生成部１３０の一構成例を示す図である。
【図７】本発明の実施の形態における呼吸音信頼度荷重の学習過程の一例を示す図である。
【図８】本発明の実施の形態における呼吸異常度生成部１８０の一構成例を示す図である。
【図９】本発明の実施の形態における呼吸異常度荷重の学習過程の一例を示す図である。
【図１０】本発明の実施の形態における呼吸状態分析方法の流れ図の一例を示す図である。
【図１１】本発明の第２の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。
【発明を実施するための形態】
【００１５】
以下、本発明を実施するための形態（以下、実施の形態と称する）について説明する。説明は以下の順序により行う。
１．第１の実施の形態（呼吸信号の特徴量を利用した例）
２．第２の実施の形態（呼吸信号の特徴量および相関度を利用した例）
【００１６】
＜１．第１の実施の形態＞
［呼吸状態表示システムの構成］
図１は、本発明の実施の形態における呼吸状態表示システムの一構成例を示す図である。この呼吸状態表示システムは、呼吸信号計測器１０と、雑音低減器２０と、呼吸状態分析装置３０と、表示装置４０とを備えている。
【００１７】
呼吸信号計測器１０は、人間等の生体の呼吸音を含む時系列の呼吸信号を計測するものである。この呼吸信号計測器１０としては聴診器を用いることができるが、のど近傍に配置されたマイクロフォンや、のどや胸の皮膚に接触させた圧力センサもしくは加速度センサ等により計測を行うようにしてもよい。
【００１８】
雑音低減器２０は、呼吸信号計測器１０によって計測された呼吸信号について雑音低減処理を行うものである。想定される雑音としては、生体の周囲の環境音や、生体の心拍音などが考えられる。この雑音低減器２０としては、呼吸音の周波数成分を通過する帯域通過フィルタや低域除去フィルタ等が想定される。
【００１９】
呼吸状態分析装置３０は、雑音低減器２０を通過した呼吸信号に含まれる呼吸音から、その呼吸状態を分析するものである。ここにいう呼吸状態としては、呼吸が正常であるか異常であるかを示す呼吸異常性や、単位時間あたりの呼吸回数などが想定される。
【００２０】
表示装置４０は、呼吸状態分析装置３０によって分析された呼吸状態を表示するモニタである。この表示装置４０としては、例えば、ＬＣＤ（Liquid Crystal Display）などが想定される。なお、表示装置４０は、特許請求の範囲に記載の表示部の一例である。
【００２１】
［呼吸状態分析装置の構成概要］
図２は、本発明の第１の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。呼吸状態分析装置３０は、呼吸信号取得部１１０と、呼吸音相関度生成部１２０と、呼吸音信頼度生成部１３０と、呼吸区間同定部１４０と、呼吸回数計測部１５０と、特徴量生成部１６０と、呼吸異常度生成部１８０と、呼吸異常性判定部１９０とを備えている。
【００２２】
呼吸信号取得部１１０は、人間等の生体の呼吸音を含む時系列の呼吸信号を取得するものである。ここでは、上述の呼吸信号計測器１０および雑音低減器２０を経た呼吸信号が呼吸信号取得部１１０に入力され、呼吸信号取得部１１０がその呼吸信号を取得することを想定している。この呼吸信号取得部１１０によって取得された呼吸信号は、信号線１１９を介して呼吸音相関度生成部１２０および特徴量生成部１６０に供給される。
【００２３】
呼吸音相関度生成部１２０は、呼吸信号取得部１１０から供給された呼吸信号と、予め定められたモデル呼吸音との相関度を生成するものである。ここで、モデル呼吸音は、多数の学習用呼吸音サンプルに基づいて作成されたものであり、呼吸音としての特徴をよく反映している必要がある。この呼吸音相関度生成部１２０により生成された呼吸音相関度は、信号線１２９を介して呼吸音信頼度生成部１３０に供給される。
【００２４】
呼吸音信頼度生成部１３０は、呼吸音相関度生成部１２０によって生成された呼吸音相関度に基づいて、呼吸信号の呼吸音らしさを離散時間毎に示す呼吸音信頼度を生成するものである。この呼吸音信頼度生成部１３０によって生成された呼吸音信頼度は、信号線１３９を介して呼吸区間同定部１４０に供給される。
【００２５】
呼吸区間同定部１４０は、呼吸音信頼度生成部１３０から供給された呼吸音信頼度に基づいて、呼吸信号において呼吸音を含む時間区間である呼吸区間を同定するものである。この呼吸区間同定部１４０によって同定された呼吸区間は、呼吸回数計測部１５０および 特徴量生成部１６０に供給される。
【００２６】
呼吸回数計測部１５０は、呼吸区間同定部１４０によって同定された呼吸区間の数を計数することにより、単位時間あたりの呼吸回数を計測するものである。単位時間としては、例えば１分間などの間を想定することができる。この呼吸回数計測部１５０によって計測された呼吸回数は、信号線１５９を介して表示装置４０に出力され、呼吸状態の一つとして表示対象となる。また、この呼吸回数は特徴量生成の対象としてもよく、その場合には信号線１５９を介して特徴量生成部１６０に供給されるようにしてもよい。
【００２７】
特徴量生成部１６０は、呼吸区間同定部１４０によって同定された呼吸区間について、呼吸信号取得部１１０から供給された呼吸信号の特徴量を生成するものである。ここで、呼吸信号の特徴量としては、呼吸区間における呼吸信号から直接得られる信号振幅値、振幅値の変化値、スペクトル値、スペクトルの変化値、零交差回数、零交差回数の変化値などを用いることができる。これらは、対象とする呼吸区間内で、平均、荷重平均または二乗平均などの方法により、統合して用いるのが簡便である。また、呼吸区間の近傍において呼吸回数計測部１５０によって計測された呼吸回数を特徴量として用いてもよい。さらに、この特徴量に対して、基底変換や非線形変換などを適宜施してもよい。この特徴量生成部１６０によって生成された特徴量は、信号線１６９を介して呼吸異常度生成部１８０に供給される。
【００２８】
呼吸異常度生成部１８０は、特徴量生成部１６０によって生成された特徴量に基づいて、呼吸信号取得部１１０から供給された呼吸信号に含まれる呼吸音の異常度を生成するものである。この呼吸異常度生成部１８０によって生成された呼吸異常度は、信号線１８９を介して呼吸異常性判定部１９０に供給される。
【００２９】
呼吸異常性判定部１９０は、呼吸異常度生成部１８０によって生成された呼吸異常度に基づいて、呼吸信号取得部１１０から供給された呼吸信号に含まれる呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定するものである。この呼吸異常性判定部１９０による判定結果は、信号線１９９を介して表示装置４０に出力され、呼吸状態の一つとして表示対象となる。
【００３０】
［呼吸音相関度生成］
図３は、本発明の実施の形態における呼吸音相関度生成部１２０の一構成例を示す図である。この呼吸音相関度生成部１２０は、時間周波数変換部１２１と、基底変換部１２２と、非線形変換部１２３と、呼吸音基底ベクトル保持部１２５とを備える。
【００３１】
時間周波数変換部１２１は、呼吸信号取得部１１０から供給された呼吸信号を時間周波数変換して、時間周波数信号Ｘ（ｔ，ｋ）として生成するものである。ここで、時間周波数変換としては、短時間フーリエ変換を用いることができる。また、バンドパスフィルタ群やウェーブレット変換など、同等の効果をもつ代替手段を用いてもよい。さらに、短時間フーリエ変換で得られたスペクトルに対してメル周波数変換などの周波数軸歪曲を施してもよい。
【００３２】
時間周波数変換部１２１によって時間周波数変換された時間周波数信号は、例えば図４のように表される。時間ｔは離散時間であり、周波数ｋは離散周波数である。時間ｔと周波数ｋの交点が時間周波数信号Ｘ（ｔ，ｋ）を示している。濃淡の濃さが時間周波数信号の強弱を示しており、濃い部分が強く、薄い部分が弱くなっている。すなわち、ある時間ｔを想定すると、時間周波数信号は周波数ｋに応じてある起伏を示している。そして、その起伏は時間の経過に応じて変化している。
【００３３】
呼吸音基底ベクトル保持部１２５は、予め定められたモデル呼吸音の基底ベクトルｗn（ｋ）および定数ｃnを保持するものである。ここで、基底ベクトルｗn（ｋ）は、周波数ｋの関数であり、基底番号ｎのそれぞれについて存在する。また、定数ｃnは各基底に付随する定数であり、原点の位置を調整するために用いられる。これらモデル呼吸音の基底ベクトルおよび定数は、後述するように、例えば多数の学習用呼吸音サンプルに対して、呼吸音または非呼吸音について正解付与を行うことにより生成することができる。
【００３４】
基底変換部１２２は、時間周波数信号Ｘ（ｔ，ｋ）をモデル呼吸音の基底ベクトルｗn（ｋ）に射影して、基底変換信号Ｙ（ｔ，ｎ）として生成するものである。この基底変換信号Ｙ（ｔ，ｎ）は、次式により得られる。
【数１】
【００３５】
この基底変換部１２２により得られた基底変換信号Ｙ（ｔ，ｎ）は、モデル呼吸音の周波数スペクトルとの類似度を表すことになる。基底ベクトルは基底番号ｎのそれぞれについて存在するため、何れかの基底には類似するが、他の基底には類似しないというケースも起こり得る。この場合、何れの基底を評価するかといった全体の組合せについては、呼吸音信頼度生成部１３０において呼吸音信頼度を定量化する際に決定される。
【００３６】
非線形変換部１２３は、基底変換信号Ｙ（ｔ，ｎ）に対して非線形な変換を施して呼吸音相関度Ｑ（ｔ，ｎ）として出力するものである。ここで、非線形変換としては、例えば、シグモイド関数、対数関数、指数関数、平方根、ガウス関数などが想定される。このような非線形変換を行うのは、基底変換信号Ｙ（ｔ，ｎ）のレンジが広がり過ぎた場合に備えて、そのレンジを収めるためである。非線形変換を行う関数をＦとすると、呼吸音相関度Ｑ（ｔ，ｎ）は次式により得られる。
Ｑ（ｔ，ｎ）＝Ｆ（Ｙ（ｔ，ｎ））
なお、この非線形変換に代えて、無変換または線形変換などを想定することもできる。
【００３７】
図５は、本発明の実施の形態における呼吸音基底ベクトルの学習過程の一例を示す図である。学習用呼吸音サンプルは多数用意されることが望ましい。呼吸音学習部２２５では、呼吸音サンプルの各々に対して、教師信号として「呼吸音である」または「非呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸音サンプルの学習が行われ、周波数ｋの関数であるｎ次元の基底ベクトルｗn（ｋ）および定数ｃnが生成される。生成された基底ベクトルｗn（ｋ）および定数ｃnは、呼吸音基底ベクトル保持部１２５に保持される。
【００３８】
［呼吸音信頼度生成］
図６は、本発明の実施の形態における呼吸音信頼度生成部１３０の一構成例を示す図である。この呼吸音信頼度生成部１３０は、呼吸音信頼度定量化部１３１と、呼吸音信頼度荷重保持部１３５とを備える。
【００３９】
呼吸音信頼度荷重保持部１３５は、呼吸音信頼度を定量化するために必要な荷重ｕn，ｖnおよび定数ｃを保持するものである。荷重ｕnおよびｖnは、基底番号ｎのそれぞれについて存在する。定数ｃは、原点の位置を調整するために用いられるものであり、各基底に共通のものである。
【００４０】
呼吸音信頼度定量化部１３１は、呼吸音相関度生成部１２０によって生成された呼吸音相関度Ｑ（ｔ，ｎ）に基づいて、呼吸信号の呼吸音らしさを離散時間毎に示す呼吸音信頼度Ｂ（ｔ）を定量化するものである。呼吸音信頼度Ｂ（ｔ）は、呼吸音相関度Ｑ（ｔ，ｎ）の線形荷重和による次式により得られる。
【数２】
【００４１】
また、時間ｔを中心として窓関数をかけて時間区間に亘ってスペクトルを平均した時間平滑化加算項を加えることにより、例外的な値を除外することもできる。これにより、瞬時の呼吸音変換パターンのブレが小さくなり、スコアが時間的に安定する方向に作用する。この場合、呼吸音信頼度Ｂ（ｔ）は次式により得られる。
【数３】
【００４２】
また、少し離れた時刻において時間平滑化加算を行ったもの同士の差である時間平滑化差分項を加えることにより、呼吸音の時間的変化を考慮することができ、多様な呼吸音パターンへの対応性が向上する。この場合、呼吸音信頼度Ｂ（ｔ）は次式により得られる。
【数４】
【００４３】
図７は、本発明の実施の形態における呼吸音信頼度荷重の学習過程の一例を示す図である。呼吸音学習部２３５では、呼吸音学習部２２５と同様に、呼吸音サンプルの各々に対して、教師信号として「呼吸音である」または「非呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸音と非呼吸音の識別性能の最も高い荷重および定数を生成することができる。生成された荷重ｕn，ｖnおよび定数ｃは、呼吸音信頼度荷重保持部１３５に保持される。
【００４４】
［呼吸区間同定］
図２に戻り、呼吸区間同定部１４０について引き続き説明する。呼吸区間同定部１４０は、呼吸音信頼度生成部１３０から供給された呼吸音信頼度Ｂ（ｔ）に基づいて呼吸区間を同定する。これは、例えば、所定の閾値ＴＨ１を想定して、以下のように、呼吸音信頼度Ｂ（ｔ）が一定以上高い場合に呼吸状態とし、そうでない場合には非呼吸状態と判定することができる。
Ｂ（ｔ）≧ＴＨ１； → 呼吸状態
Ｂ（ｔ）＜ＴＨ１； → 非呼吸状態
【００４５】
このようにして離散時間ｔの各々において、呼吸状態または非呼吸状態の何れであるかが判定される。そして、呼吸状態と非呼吸状態の遷移経過を辿ることにより、呼吸区間の一つ一つを同定することができる。呼吸回数計測部１５０は、呼吸区間同定部１４０によって同定された呼吸区間の数を計数することにより、単位時間あたりの呼吸回数を計測することができる。
【００４６】
［呼吸異常度生成］
図８は、本発明の実施の形態における呼吸異常度生成部１８０の一構成例を示す図である。呼吸異常度生成部１８０は、呼吸異常度定量化部１８１と、呼吸異常度荷重保持部１８５とを備える。
【００４７】
呼吸異常度荷重保持部１８５は、呼吸異常度を定量化するために必要な荷重ｓmおよび定数ｄを保持するものである。ｍは特徴量の番号を表すものであり、荷重ｓmは特徴量のそれぞれについて存在する。定数ｄは、原点の位置を調整するために用いられるものであり、各基底に共通のものである。
【００４８】
呼吸異常度定量化部１８１は、特徴量生成部１６０によって生成された特徴量Ｓ（ｌ，ｍ）に基づいて、呼吸音の異常度を定量化するものである。ここで、ｌはそれぞれの呼吸区間の番号を表すものとする。すなわち、特徴量生成部１６０では、呼吸区間ｌ毎にｍ種類の特徴量が生成され、ベクトル化されることを想定する。呼吸異常度を定量化するためには、例えば、ベイズ判定器、線形識別器、一般化線形識別器、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、ブースティング法、混合ガウス法などのいわゆる統計的識別法を用いることができる。ここで、線形識別器を例にとると、呼吸異常度Ｚ（ｌ）は、次式のように各特徴量の線形荷重和により定量化することができる。
【数５】
【００４９】
図９は、本発明の実施の形態における呼吸異常度荷重の学習過程の一例を示す図である。呼吸音学習部２８５では、呼吸音サンプルの各々に対して、教師信号として「正常な呼吸音である」または「異常な呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸の正常性と異常性の識別性能の最も高い荷重および定数を生成することができる。生成された荷重ｓmおよび定数ｄは、呼吸異常度荷重保持部１８５に保持される。
【００５０】
［呼吸異常性判定］
図２に戻り、呼吸異常性判定部１９０について引き続き説明する。呼吸異常性判定部１９０は、呼吸異常度生成部１８０によって生成された呼吸異常度Ｚ（ｌ）に基づいて、呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する。これは、例えば、所定の閾値ＴＨ２を想定して、以下のように、呼吸異常度Ｚ（ｌ）が一定以上高い場合に異常呼吸状態とし、そうでない場合には正常呼吸状態と判定することができる。
Ｚ（ｌ）≧ＴＨ２； → 異常呼吸状態
Ｚ（ｌ）＜ＴＨ２； → 正常呼吸状態
【００５１】
また、２段階の閾値ＴＨ３およびＴＨ４を想定して、以下のように、中間状態として要注意状態を設けてもよい。
Ｚ（ｌ）≧ＴＨ３； → 異常呼吸状態
ＴＨ４≦Ｚ（ｌ）＜ＴＨ３； → 要注意状態
Ｚ（ｌ）＜ＴＨ４； → 正常呼吸状態
【００５２】
［呼吸状態分析方法］
図１０は、本発明の実施の形態における呼吸状態分析方法の流れ図の一例を示す図である。まず、人間等の生体の呼吸音を含む時系列の呼吸信号が呼吸信号取得部１１０によって取得される（ステップＳ９１１）。この取得された呼吸信号は、時間周波数変換部１２１によって時間周波数変換されて、時間ｔおよび周波数ｋの時間周波数信号Ｘ（ｔ，ｋ）として生成される（ステップＳ９１２）。この生成された時間周波数信号Ｘ（ｔ，ｋ）は、基底変換部１２２によってモデル呼吸音のｎ次元の基底ベクトルｗn（ｋ）に射影される（ステップＳ９１３）。射影された基底変換信号Ｙ（ｔ，ｎ）は、非線形変換部１２３によって非線形な変換が施され、呼吸音相関度Ｑ（ｔ，ｎ）として出力される（ステップＳ９１４）。
【００５３】
このようにして出力された呼吸音相関度Ｑ（ｔ，ｎ）は、呼吸音信頼度生成部１３０によって線形荷重和がとられ、呼吸音信頼度Ｂ（ｔ）が定量化される（ステップＳ９１５）。そして、この呼吸音信頼度Ｂ（ｔ）に基づいて呼吸区間が同定される（ステップＳ９１６）。すなわち、呼吸音信頼度Ｂ（ｔ）が閾値ＴＨ１に満たない場合には（ステップＳ９１６：Ｎｏ）、非呼吸状態であると同定される（ステップＳ９２６）。
【００５４】
一方、呼吸音信頼度Ｂ（ｔ）が閾値ＴＨ１以上である場合には（ステップＳ９１６：Ｙｅｓ）、呼吸状態であると同定されて、呼吸回数計測部１５０によって呼吸回数が計測される（ステップＳ９１７）。そして、各呼吸区間ｌについて、呼吸信号のｍ種類の特徴量Ｓ（ｌ，ｍ）が特徴量生成部１６０によって生成される（ステップＳ９１８）。呼吸異常度生成部１８０によって特徴量Ｓ（ｌ，ｍ）の線形荷重和が求められることにより、呼吸異常度Ｚ（ｌ）が定量化される（ステップＳ９１９）。
【００５５】
このようにして定量化された呼吸異常度Ｚ（ｌ）に基づいて、呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかが呼吸異常性判定部１９０によって判定される（ステップＳ９２０）。すなわち、呼吸異常度Ｚ（ｌ）が閾値ＴＨ２以上である場合には（ステップＳ９２０：Ｙｅｓ）、異常呼吸状態であると判定される（ステップＳ９２２）。一方、呼吸異常度Ｚ（ｌ）が閾値ＴＨ２に満たない場合には（ステップＳ９２０：Ｎｏ）、正常呼吸状態であると判定される（ステップＳ９２１）。なお、ここでは、呼吸音が正常呼吸状態および異常呼吸状態の何れかに分類する例について説明したが、上述のように中間状態として要注意状態を設けてもよい。
【００５６】
このように、本発明の第１の実施の形態によれば、同定された呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に基づいて呼吸異常度Ｚ（ｌ）を定量化することにより、その定量化された呼吸異常度から呼吸異常性を判定することができる。
【００５７】
＜２．第２の実施の形態＞
［呼吸状態分析装置の構成概要］
図１１は、本発明の第２の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。この第２の実施の形態における呼吸状態分析装置３０は、呼吸音相関度生成部１２０によって生成された呼吸音相関度Ｑ（ｔ，ｎ）が特徴量生成部１６０に入力されている点で、第１の実施の形態とは異なっている。すなわち、この第２の実施の形態の特徴量生成部１６０は、呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に加えて、対応する呼吸区間ｌの呼吸音相関度Ｑ（ｔ，ｎ）に基づいた特徴量Ｒ（ｌ，ｎ）も生成する。呼吸音相関度Ｑ（ｔ，ｎ）は、本来は呼吸区間の判定のために用いられるものであるが、これを呼吸異常性の判定にも利用したのがこの第２の実施の形態である。
【００５８】
１つの呼吸区間の中には複数の呼吸音相関度Ｑ（ｔ，ｎ）が存在するが、対象とする呼吸区間全体において呼吸音相関度Ｑ（ｔ，ｎ）の平均、窓関数による荷重平均、または、二乗平均した値などを求めることにより特徴量Ｒ（ｌ，ｎ）を生成することができる。また、これらを適宜組み合わせてもよい。
【００５９】
この第２の実施の形態における呼吸異常度生成部１８０は、特徴量Ｓ（ｌ，ｍ）およびＲ（ｌ，ｎ）に基づいて、呼吸異常度Ｚ（ｌ）を定量化する。呼吸異常度を定量化するためには、上述のようにいわゆる統計的識別法を用いることができ、線形識別器を例にとると、呼吸異常度Ｚ（ｌ）は、次式のように各特徴量の線形荷重和の加算により定量化することができる。
【数６】
ただし、荷重ｒnは、荷重ｓｍと同様な学習過程により生成され、呼吸異常度荷重保持部１８５に予め保持されているものとする。
【００６０】
なお、この第２の実施の形態における呼吸状態分析方法については、ステップＳ９１８において特徴量Ｒ（ｌ，ｎ）を生成し、ステップＳ９１９において呼吸異常度の定量化に利用する点以外は、図１０により説明した第１の実施の形態のものと同様である。
【００６１】
このように、本発明の第２の実施の形態によれば、呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に加えて、呼吸音相関度に基づいた特徴量Ｒ（ｌ，ｎ）を利用して呼吸異常度を定量化することにより、その定量化された呼吸異常度から呼吸異常性を判定することができる。
【００６２】
なお、本発明の実施の形態は本発明を具現化するための一例を示したものであり、本発明の実施の形態において明示したように、本発明の実施の形態における事項と、特許請求の範囲における発明特定事項とはそれぞれ対応関係を有する。同様に、特許請求の範囲における発明特定事項と、これと同一名称を付した本発明の実施の形態における事項とはそれぞれ対応関係を有する。ただし、本発明は実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において実施の形態に種々の変形を施すことにより具現化することができる。
【００６３】
また、本発明の実施の形態において説明した処理手順は、これら一連の手順を有する方法として捉えてもよく、また、これら一連の手順をコンピュータに実行させるためのプログラム乃至そのプログラムを記憶する記録媒体として捉えてもよい。この記録媒体として、例えば、ＣＤ（Compact Disc）、ＭＤ（MiniDisc）、ＤＶＤ（Digital Versatile Disk）、メモリカード、ブルーレイディスク（Blu-ray Disc（登録商標））等を用いることができる。
【符号の説明】
【００６４】
１０ 呼吸信号計測器
２０ 雑音低減器
３０ 呼吸状態分析装置
４０ 表示装置
１１０ 呼吸信号取得部
１２０ 呼吸音相関度生成部
１２１ 時間周波数変換部
１２２ 基底変換部
１２３ 非線形変換部
１２５ 呼吸音基底ベクトル保持部
１３０ 呼吸音信頼度生成部
１３１ 呼吸音信頼度定量化部
１３５ 呼吸音信頼度荷重保持部
１４０ 呼吸区間同定部
１５０ 呼吸回数計測部
１６０ 特徴量生成部
１８０ 呼吸異常度生成部
１８１ 呼吸異常度定量化部
１８５ 呼吸異常度荷重保持部
１９０ 呼吸異常性判定部
２２５、２３５、２８５ 呼吸音学習部
【技術分野】
【０００１】
本発明は、呼吸状態分析装置に関し、特に人間等の生体の呼吸音を含む時系列の呼吸信号からその呼吸状態を分析する呼吸状態分析装置、呼吸状態表示装置、および、これらにおける処理方法ならびに当該方法をコンピュータに実行させるプログラムに関する。
【背景技術】
【０００２】
従来から生体状態の確認のため、聴診器等により呼吸音を聴取することが広く行われている。そして、聴診器等により聴取された呼吸音を含む時系列の呼吸信号からその呼吸状態を分析する呼吸状態分析装置の開発が進められている。
【０００３】
例えば、予め設定された複数の異なる長さの全時間区分に基づいて呼吸音データをＦＦＴ処理してスペクトル情報を算出して、このスペクトル情報をデータ解析することにより異常音の検出を行う装置が提案されている（例えば、特許文献１参照。）。この従来技術では、サウンドスペクトログラムに係るスペクトル包絡とサウンドスペクトログラムとに基づいて、各種異常音を特徴付ける優勢な周波数成分（フォルマント）が所定時間継続しているかを判定することにより、異常音を検出している。例えば、高周波成分（５００〜１０００Ｈｚ）が一定以上の強度で２５ｍ秒以内持続する場合には断続性ラ音によるものと判定され、周波数４００Ｈｚ以上が一定以上の強度で２５０ｍ秒以上持続している場合には連続性ラ音によるものと判定される。これら断続性ラ音および連続性ラ音は、呼吸音に含まれる副雑音であり、異常音であると判定される。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００５−０６６０４５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述の従来技術では、呼吸音に含まれる異常音を検出する際に、時間区分を予め設定しておいて、特定の周波数成分の信号が継続する時間を測定することにより判定を行っていた。これは、音声発生モデルに基づく音声認識に用いられる方法を援用したものであり、呼吸音の異常性判定を音声と同じモデルに当てはめることの本質的な妥当性は証明されていない。そのため、様々な人の多様な正常状態および多様な異常状態を的確に判別できるとは限らない。
【０００６】
本発明はこのような状況に鑑みてなされたものであり、生体の呼吸の正常性または異常性を定量化することにより、多様な正常状態または異常状態を的確に判別することを目的とする。
【課題を解決するための手段】
【０００７】
本発明は、上記課題を解決するためになされたものであり、その第１の側面は、生体の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、上記呼吸信号において上記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、上記同定された呼吸区間について上記呼吸信号の所定の特徴量を生成する特徴量生成部と、上記特徴量に基づいて上記呼吸信号に含まれる上記呼吸音の異常度を生成する呼吸異常度生成部とを具備する呼吸状態分析装置およびその処理方法ならびにプログラムである。これにより、呼吸信号の時間区間における呼吸音の異常度を定量化するという作用をもたらす。
【０００８】
また、この第１の側面において、予め定められたモデル呼吸音と上記呼吸信号との相関度を生成する呼吸音相関度生成部と、上記呼吸信号の呼吸音らしさを示す呼吸音信頼度を上記相関度に基づいて生成する呼吸音信頼度生成部とをさらに具備し、上記呼吸区間同定部は、上記呼吸音信頼度に基づいて上記呼吸区間を同定するようにしてもよい。これにより、モデル呼吸音との相関度に基づいて呼吸区間を同定するという作用をもたらす。
【０００９】
また、この第１の側面において、上記呼吸音相関度生成部は、上記呼吸信号を時間周波数変換して時間周波数信号として生成する時間周波数変換部と、上記時間周波数信号を上記モデル呼吸音の基底ベクトルに射影して基底変換信号として生成する基底変換部と、上記基底変換信号に対して所定の非線形な変換を施して上記相関度として出力する非線形変換部とを備えるようにしてもよい。これにより、モデル呼吸音の基底ベクトルに基づいて相関度を生成して呼吸区間を同定するという作用をもたらす。
【００１０】
また、この第１の側面において、上記異常度に基づいて上記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部をさらに具備してもよい。これにより、定量化された異常度に基づいて呼吸異常性を判定するという作用をもたらす。また、この場合において、上記呼吸異常性判定部は、上記正常呼吸状態および上記異常呼吸状態の中間状態をさらに判定してもよい。
【００１１】
また、この第１の側面において、単位時間あたりの上記同定された呼吸区間の数を計測して呼吸回数として出力する呼吸回数計測部をさらに具備してもよい。これにより、呼吸状態の一つとして呼吸回数を出力するという作用をもたらす。
【００１２】
また、本発明の第２の側面は、生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、上記呼吸信号において上記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、上記同定された呼吸区間について上記呼吸信号の所定の特徴量を生成する特徴量生成部と、上記特徴量に基づいて上記呼吸信号に含まれる上記呼吸音の異常度を生成する呼吸異常度生成部と、上記異常度に基づいて上記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部と、上記呼吸音の判定結果を表示する表示部とを具備する呼吸状態表示装置である。これにより、呼吸信号の時間区間における呼吸音の呼吸異常性を表示するという作用をもたらす。
【発明の効果】
【００１３】
本発明によれば、生体の呼吸の正常性または異常性を定量化することにより、多様な正常状態または異常状態を的確に判別することができるという優れた効果を奏し得る。
【図面の簡単な説明】
【００１４】
【図１】本発明の実施の形態における呼吸状態表示システムの一構成例を示す図である。
【図２】本発明の第１の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。
【図３】本発明の実施の形態における呼吸音相関度生成部１２０の一構成例を示す図である。
【図４】本発明の実施の形態における時間周波数信号Ｘ（ｔ，ｋ）の一例を示す図である。
【図５】本発明の実施の形態における呼吸音基底ベクトルの学習過程の一例を示す図である。
【図６】本発明の実施の形態における呼吸音信頼度生成部１３０の一構成例を示す図である。
【図７】本発明の実施の形態における呼吸音信頼度荷重の学習過程の一例を示す図である。
【図８】本発明の実施の形態における呼吸異常度生成部１８０の一構成例を示す図である。
【図９】本発明の実施の形態における呼吸異常度荷重の学習過程の一例を示す図である。
【図１０】本発明の実施の形態における呼吸状態分析方法の流れ図の一例を示す図である。
【図１１】本発明の第２の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。
【発明を実施するための形態】
【００１５】
以下、本発明を実施するための形態（以下、実施の形態と称する）について説明する。説明は以下の順序により行う。
１．第１の実施の形態（呼吸信号の特徴量を利用した例）
２．第２の実施の形態（呼吸信号の特徴量および相関度を利用した例）
【００１６】
＜１．第１の実施の形態＞
［呼吸状態表示システムの構成］
図１は、本発明の実施の形態における呼吸状態表示システムの一構成例を示す図である。この呼吸状態表示システムは、呼吸信号計測器１０と、雑音低減器２０と、呼吸状態分析装置３０と、表示装置４０とを備えている。
【００１７】
呼吸信号計測器１０は、人間等の生体の呼吸音を含む時系列の呼吸信号を計測するものである。この呼吸信号計測器１０としては聴診器を用いることができるが、のど近傍に配置されたマイクロフォンや、のどや胸の皮膚に接触させた圧力センサもしくは加速度センサ等により計測を行うようにしてもよい。
【００１８】
雑音低減器２０は、呼吸信号計測器１０によって計測された呼吸信号について雑音低減処理を行うものである。想定される雑音としては、生体の周囲の環境音や、生体の心拍音などが考えられる。この雑音低減器２０としては、呼吸音の周波数成分を通過する帯域通過フィルタや低域除去フィルタ等が想定される。
【００１９】
呼吸状態分析装置３０は、雑音低減器２０を通過した呼吸信号に含まれる呼吸音から、その呼吸状態を分析するものである。ここにいう呼吸状態としては、呼吸が正常であるか異常であるかを示す呼吸異常性や、単位時間あたりの呼吸回数などが想定される。
【００２０】
表示装置４０は、呼吸状態分析装置３０によって分析された呼吸状態を表示するモニタである。この表示装置４０としては、例えば、ＬＣＤ（Liquid Crystal Display）などが想定される。なお、表示装置４０は、特許請求の範囲に記載の表示部の一例である。
【００２１】
［呼吸状態分析装置の構成概要］
図２は、本発明の第１の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。呼吸状態分析装置３０は、呼吸信号取得部１１０と、呼吸音相関度生成部１２０と、呼吸音信頼度生成部１３０と、呼吸区間同定部１４０と、呼吸回数計測部１５０と、特徴量生成部１６０と、呼吸異常度生成部１８０と、呼吸異常性判定部１９０とを備えている。
【００２２】
呼吸信号取得部１１０は、人間等の生体の呼吸音を含む時系列の呼吸信号を取得するものである。ここでは、上述の呼吸信号計測器１０および雑音低減器２０を経た呼吸信号が呼吸信号取得部１１０に入力され、呼吸信号取得部１１０がその呼吸信号を取得することを想定している。この呼吸信号取得部１１０によって取得された呼吸信号は、信号線１１９を介して呼吸音相関度生成部１２０および特徴量生成部１６０に供給される。
【００２３】
呼吸音相関度生成部１２０は、呼吸信号取得部１１０から供給された呼吸信号と、予め定められたモデル呼吸音との相関度を生成するものである。ここで、モデル呼吸音は、多数の学習用呼吸音サンプルに基づいて作成されたものであり、呼吸音としての特徴をよく反映している必要がある。この呼吸音相関度生成部１２０により生成された呼吸音相関度は、信号線１２９を介して呼吸音信頼度生成部１３０に供給される。
【００２４】
呼吸音信頼度生成部１３０は、呼吸音相関度生成部１２０によって生成された呼吸音相関度に基づいて、呼吸信号の呼吸音らしさを離散時間毎に示す呼吸音信頼度を生成するものである。この呼吸音信頼度生成部１３０によって生成された呼吸音信頼度は、信号線１３９を介して呼吸区間同定部１４０に供給される。
【００２５】
呼吸区間同定部１４０は、呼吸音信頼度生成部１３０から供給された呼吸音信頼度に基づいて、呼吸信号において呼吸音を含む時間区間である呼吸区間を同定するものである。この呼吸区間同定部１４０によって同定された呼吸区間は、呼吸回数計測部１５０および 特徴量生成部１６０に供給される。
【００２６】
呼吸回数計測部１５０は、呼吸区間同定部１４０によって同定された呼吸区間の数を計数することにより、単位時間あたりの呼吸回数を計測するものである。単位時間としては、例えば１分間などの間を想定することができる。この呼吸回数計測部１５０によって計測された呼吸回数は、信号線１５９を介して表示装置４０に出力され、呼吸状態の一つとして表示対象となる。また、この呼吸回数は特徴量生成の対象としてもよく、その場合には信号線１５９を介して特徴量生成部１６０に供給されるようにしてもよい。
【００２７】
特徴量生成部１６０は、呼吸区間同定部１４０によって同定された呼吸区間について、呼吸信号取得部１１０から供給された呼吸信号の特徴量を生成するものである。ここで、呼吸信号の特徴量としては、呼吸区間における呼吸信号から直接得られる信号振幅値、振幅値の変化値、スペクトル値、スペクトルの変化値、零交差回数、零交差回数の変化値などを用いることができる。これらは、対象とする呼吸区間内で、平均、荷重平均または二乗平均などの方法により、統合して用いるのが簡便である。また、呼吸区間の近傍において呼吸回数計測部１５０によって計測された呼吸回数を特徴量として用いてもよい。さらに、この特徴量に対して、基底変換や非線形変換などを適宜施してもよい。この特徴量生成部１６０によって生成された特徴量は、信号線１６９を介して呼吸異常度生成部１８０に供給される。
【００２８】
呼吸異常度生成部１８０は、特徴量生成部１６０によって生成された特徴量に基づいて、呼吸信号取得部１１０から供給された呼吸信号に含まれる呼吸音の異常度を生成するものである。この呼吸異常度生成部１８０によって生成された呼吸異常度は、信号線１８９を介して呼吸異常性判定部１９０に供給される。
【００２９】
呼吸異常性判定部１９０は、呼吸異常度生成部１８０によって生成された呼吸異常度に基づいて、呼吸信号取得部１１０から供給された呼吸信号に含まれる呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定するものである。この呼吸異常性判定部１９０による判定結果は、信号線１９９を介して表示装置４０に出力され、呼吸状態の一つとして表示対象となる。
【００３０】
［呼吸音相関度生成］
図３は、本発明の実施の形態における呼吸音相関度生成部１２０の一構成例を示す図である。この呼吸音相関度生成部１２０は、時間周波数変換部１２１と、基底変換部１２２と、非線形変換部１２３と、呼吸音基底ベクトル保持部１２５とを備える。
【００３１】
時間周波数変換部１２１は、呼吸信号取得部１１０から供給された呼吸信号を時間周波数変換して、時間周波数信号Ｘ（ｔ，ｋ）として生成するものである。ここで、時間周波数変換としては、短時間フーリエ変換を用いることができる。また、バンドパスフィルタ群やウェーブレット変換など、同等の効果をもつ代替手段を用いてもよい。さらに、短時間フーリエ変換で得られたスペクトルに対してメル周波数変換などの周波数軸歪曲を施してもよい。
【００３２】
時間周波数変換部１２１によって時間周波数変換された時間周波数信号は、例えば図４のように表される。時間ｔは離散時間であり、周波数ｋは離散周波数である。時間ｔと周波数ｋの交点が時間周波数信号Ｘ（ｔ，ｋ）を示している。濃淡の濃さが時間周波数信号の強弱を示しており、濃い部分が強く、薄い部分が弱くなっている。すなわち、ある時間ｔを想定すると、時間周波数信号は周波数ｋに応じてある起伏を示している。そして、その起伏は時間の経過に応じて変化している。
【００３３】
呼吸音基底ベクトル保持部１２５は、予め定められたモデル呼吸音の基底ベクトルｗn（ｋ）および定数ｃnを保持するものである。ここで、基底ベクトルｗn（ｋ）は、周波数ｋの関数であり、基底番号ｎのそれぞれについて存在する。また、定数ｃnは各基底に付随する定数であり、原点の位置を調整するために用いられる。これらモデル呼吸音の基底ベクトルおよび定数は、後述するように、例えば多数の学習用呼吸音サンプルに対して、呼吸音または非呼吸音について正解付与を行うことにより生成することができる。
【００３４】
基底変換部１２２は、時間周波数信号Ｘ（ｔ，ｋ）をモデル呼吸音の基底ベクトルｗn（ｋ）に射影して、基底変換信号Ｙ（ｔ，ｎ）として生成するものである。この基底変換信号Ｙ（ｔ，ｎ）は、次式により得られる。
【数１】
【００３５】
この基底変換部１２２により得られた基底変換信号Ｙ（ｔ，ｎ）は、モデル呼吸音の周波数スペクトルとの類似度を表すことになる。基底ベクトルは基底番号ｎのそれぞれについて存在するため、何れかの基底には類似するが、他の基底には類似しないというケースも起こり得る。この場合、何れの基底を評価するかといった全体の組合せについては、呼吸音信頼度生成部１３０において呼吸音信頼度を定量化する際に決定される。
【００３６】
非線形変換部１２３は、基底変換信号Ｙ（ｔ，ｎ）に対して非線形な変換を施して呼吸音相関度Ｑ（ｔ，ｎ）として出力するものである。ここで、非線形変換としては、例えば、シグモイド関数、対数関数、指数関数、平方根、ガウス関数などが想定される。このような非線形変換を行うのは、基底変換信号Ｙ（ｔ，ｎ）のレンジが広がり過ぎた場合に備えて、そのレンジを収めるためである。非線形変換を行う関数をＦとすると、呼吸音相関度Ｑ（ｔ，ｎ）は次式により得られる。
Ｑ（ｔ，ｎ）＝Ｆ（Ｙ（ｔ，ｎ））
なお、この非線形変換に代えて、無変換または線形変換などを想定することもできる。
【００３７】
図５は、本発明の実施の形態における呼吸音基底ベクトルの学習過程の一例を示す図である。学習用呼吸音サンプルは多数用意されることが望ましい。呼吸音学習部２２５では、呼吸音サンプルの各々に対して、教師信号として「呼吸音である」または「非呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸音サンプルの学習が行われ、周波数ｋの関数であるｎ次元の基底ベクトルｗn（ｋ）および定数ｃnが生成される。生成された基底ベクトルｗn（ｋ）および定数ｃnは、呼吸音基底ベクトル保持部１２５に保持される。
【００３８】
［呼吸音信頼度生成］
図６は、本発明の実施の形態における呼吸音信頼度生成部１３０の一構成例を示す図である。この呼吸音信頼度生成部１３０は、呼吸音信頼度定量化部１３１と、呼吸音信頼度荷重保持部１３５とを備える。
【００３９】
呼吸音信頼度荷重保持部１３５は、呼吸音信頼度を定量化するために必要な荷重ｕn，ｖnおよび定数ｃを保持するものである。荷重ｕnおよびｖnは、基底番号ｎのそれぞれについて存在する。定数ｃは、原点の位置を調整するために用いられるものであり、各基底に共通のものである。
【００４０】
呼吸音信頼度定量化部１３１は、呼吸音相関度生成部１２０によって生成された呼吸音相関度Ｑ（ｔ，ｎ）に基づいて、呼吸信号の呼吸音らしさを離散時間毎に示す呼吸音信頼度Ｂ（ｔ）を定量化するものである。呼吸音信頼度Ｂ（ｔ）は、呼吸音相関度Ｑ（ｔ，ｎ）の線形荷重和による次式により得られる。
【数２】
【００４１】
また、時間ｔを中心として窓関数をかけて時間区間に亘ってスペクトルを平均した時間平滑化加算項を加えることにより、例外的な値を除外することもできる。これにより、瞬時の呼吸音変換パターンのブレが小さくなり、スコアが時間的に安定する方向に作用する。この場合、呼吸音信頼度Ｂ（ｔ）は次式により得られる。
【数３】
【００４２】
また、少し離れた時刻において時間平滑化加算を行ったもの同士の差である時間平滑化差分項を加えることにより、呼吸音の時間的変化を考慮することができ、多様な呼吸音パターンへの対応性が向上する。この場合、呼吸音信頼度Ｂ（ｔ）は次式により得られる。
【数４】
【００４３】
図７は、本発明の実施の形態における呼吸音信頼度荷重の学習過程の一例を示す図である。呼吸音学習部２３５では、呼吸音学習部２２５と同様に、呼吸音サンプルの各々に対して、教師信号として「呼吸音である」または「非呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸音と非呼吸音の識別性能の最も高い荷重および定数を生成することができる。生成された荷重ｕn，ｖnおよび定数ｃは、呼吸音信頼度荷重保持部１３５に保持される。
【００４４】
［呼吸区間同定］
図２に戻り、呼吸区間同定部１４０について引き続き説明する。呼吸区間同定部１４０は、呼吸音信頼度生成部１３０から供給された呼吸音信頼度Ｂ（ｔ）に基づいて呼吸区間を同定する。これは、例えば、所定の閾値ＴＨ１を想定して、以下のように、呼吸音信頼度Ｂ（ｔ）が一定以上高い場合に呼吸状態とし、そうでない場合には非呼吸状態と判定することができる。
Ｂ（ｔ）≧ＴＨ１； → 呼吸状態
Ｂ（ｔ）＜ＴＨ１； → 非呼吸状態
【００４５】
このようにして離散時間ｔの各々において、呼吸状態または非呼吸状態の何れであるかが判定される。そして、呼吸状態と非呼吸状態の遷移経過を辿ることにより、呼吸区間の一つ一つを同定することができる。呼吸回数計測部１５０は、呼吸区間同定部１４０によって同定された呼吸区間の数を計数することにより、単位時間あたりの呼吸回数を計測することができる。
【００４６】
［呼吸異常度生成］
図８は、本発明の実施の形態における呼吸異常度生成部１８０の一構成例を示す図である。呼吸異常度生成部１８０は、呼吸異常度定量化部１８１と、呼吸異常度荷重保持部１８５とを備える。
【００４７】
呼吸異常度荷重保持部１８５は、呼吸異常度を定量化するために必要な荷重ｓmおよび定数ｄを保持するものである。ｍは特徴量の番号を表すものであり、荷重ｓmは特徴量のそれぞれについて存在する。定数ｄは、原点の位置を調整するために用いられるものであり、各基底に共通のものである。
【００４８】
呼吸異常度定量化部１８１は、特徴量生成部１６０によって生成された特徴量Ｓ（ｌ，ｍ）に基づいて、呼吸音の異常度を定量化するものである。ここで、ｌはそれぞれの呼吸区間の番号を表すものとする。すなわち、特徴量生成部１６０では、呼吸区間ｌ毎にｍ種類の特徴量が生成され、ベクトル化されることを想定する。呼吸異常度を定量化するためには、例えば、ベイズ判定器、線形識別器、一般化線形識別器、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、ブースティング法、混合ガウス法などのいわゆる統計的識別法を用いることができる。ここで、線形識別器を例にとると、呼吸異常度Ｚ（ｌ）は、次式のように各特徴量の線形荷重和により定量化することができる。
【数５】
【００４９】
図９は、本発明の実施の形態における呼吸異常度荷重の学習過程の一例を示す図である。呼吸音学習部２８５では、呼吸音サンプルの各々に対して、教師信号として「正常な呼吸音である」または「異常な呼吸音である」旨の正解付与が行われる。そして、例えば最急降下法やニュートン法などの最適化法を用いることにより、呼吸の正常性と異常性の識別性能の最も高い荷重および定数を生成することができる。生成された荷重ｓmおよび定数ｄは、呼吸異常度荷重保持部１８５に保持される。
【００５０】
［呼吸異常性判定］
図２に戻り、呼吸異常性判定部１９０について引き続き説明する。呼吸異常性判定部１９０は、呼吸異常度生成部１８０によって生成された呼吸異常度Ｚ（ｌ）に基づいて、呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する。これは、例えば、所定の閾値ＴＨ２を想定して、以下のように、呼吸異常度Ｚ（ｌ）が一定以上高い場合に異常呼吸状態とし、そうでない場合には正常呼吸状態と判定することができる。
Ｚ（ｌ）≧ＴＨ２； → 異常呼吸状態
Ｚ（ｌ）＜ＴＨ２； → 正常呼吸状態
【００５１】
また、２段階の閾値ＴＨ３およびＴＨ４を想定して、以下のように、中間状態として要注意状態を設けてもよい。
Ｚ（ｌ）≧ＴＨ３； → 異常呼吸状態
ＴＨ４≦Ｚ（ｌ）＜ＴＨ３； → 要注意状態
Ｚ（ｌ）＜ＴＨ４； → 正常呼吸状態
【００５２】
［呼吸状態分析方法］
図１０は、本発明の実施の形態における呼吸状態分析方法の流れ図の一例を示す図である。まず、人間等の生体の呼吸音を含む時系列の呼吸信号が呼吸信号取得部１１０によって取得される（ステップＳ９１１）。この取得された呼吸信号は、時間周波数変換部１２１によって時間周波数変換されて、時間ｔおよび周波数ｋの時間周波数信号Ｘ（ｔ，ｋ）として生成される（ステップＳ９１２）。この生成された時間周波数信号Ｘ（ｔ，ｋ）は、基底変換部１２２によってモデル呼吸音のｎ次元の基底ベクトルｗn（ｋ）に射影される（ステップＳ９１３）。射影された基底変換信号Ｙ（ｔ，ｎ）は、非線形変換部１２３によって非線形な変換が施され、呼吸音相関度Ｑ（ｔ，ｎ）として出力される（ステップＳ９１４）。
【００５３】
このようにして出力された呼吸音相関度Ｑ（ｔ，ｎ）は、呼吸音信頼度生成部１３０によって線形荷重和がとられ、呼吸音信頼度Ｂ（ｔ）が定量化される（ステップＳ９１５）。そして、この呼吸音信頼度Ｂ（ｔ）に基づいて呼吸区間が同定される（ステップＳ９１６）。すなわち、呼吸音信頼度Ｂ（ｔ）が閾値ＴＨ１に満たない場合には（ステップＳ９１６：Ｎｏ）、非呼吸状態であると同定される（ステップＳ９２６）。
【００５４】
一方、呼吸音信頼度Ｂ（ｔ）が閾値ＴＨ１以上である場合には（ステップＳ９１６：Ｙｅｓ）、呼吸状態であると同定されて、呼吸回数計測部１５０によって呼吸回数が計測される（ステップＳ９１７）。そして、各呼吸区間ｌについて、呼吸信号のｍ種類の特徴量Ｓ（ｌ，ｍ）が特徴量生成部１６０によって生成される（ステップＳ９１８）。呼吸異常度生成部１８０によって特徴量Ｓ（ｌ，ｍ）の線形荷重和が求められることにより、呼吸異常度Ｚ（ｌ）が定量化される（ステップＳ９１９）。
【００５５】
このようにして定量化された呼吸異常度Ｚ（ｌ）に基づいて、呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかが呼吸異常性判定部１９０によって判定される（ステップＳ９２０）。すなわち、呼吸異常度Ｚ（ｌ）が閾値ＴＨ２以上である場合には（ステップＳ９２０：Ｙｅｓ）、異常呼吸状態であると判定される（ステップＳ９２２）。一方、呼吸異常度Ｚ（ｌ）が閾値ＴＨ２に満たない場合には（ステップＳ９２０：Ｎｏ）、正常呼吸状態であると判定される（ステップＳ９２１）。なお、ここでは、呼吸音が正常呼吸状態および異常呼吸状態の何れかに分類する例について説明したが、上述のように中間状態として要注意状態を設けてもよい。
【００５６】
このように、本発明の第１の実施の形態によれば、同定された呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に基づいて呼吸異常度Ｚ（ｌ）を定量化することにより、その定量化された呼吸異常度から呼吸異常性を判定することができる。
【００５７】
＜２．第２の実施の形態＞
［呼吸状態分析装置の構成概要］
図１１は、本発明の第２の実施の形態における呼吸状態分析装置３０の一構成例を示す図である。この第２の実施の形態における呼吸状態分析装置３０は、呼吸音相関度生成部１２０によって生成された呼吸音相関度Ｑ（ｔ，ｎ）が特徴量生成部１６０に入力されている点で、第１の実施の形態とは異なっている。すなわち、この第２の実施の形態の特徴量生成部１６０は、呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に加えて、対応する呼吸区間ｌの呼吸音相関度Ｑ（ｔ，ｎ）に基づいた特徴量Ｒ（ｌ，ｎ）も生成する。呼吸音相関度Ｑ（ｔ，ｎ）は、本来は呼吸区間の判定のために用いられるものであるが、これを呼吸異常性の判定にも利用したのがこの第２の実施の形態である。
【００５８】
１つの呼吸区間の中には複数の呼吸音相関度Ｑ（ｔ，ｎ）が存在するが、対象とする呼吸区間全体において呼吸音相関度Ｑ（ｔ，ｎ）の平均、窓関数による荷重平均、または、二乗平均した値などを求めることにより特徴量Ｒ（ｌ，ｎ）を生成することができる。また、これらを適宜組み合わせてもよい。
【００５９】
この第２の実施の形態における呼吸異常度生成部１８０は、特徴量Ｓ（ｌ，ｍ）およびＲ（ｌ，ｎ）に基づいて、呼吸異常度Ｚ（ｌ）を定量化する。呼吸異常度を定量化するためには、上述のようにいわゆる統計的識別法を用いることができ、線形識別器を例にとると、呼吸異常度Ｚ（ｌ）は、次式のように各特徴量の線形荷重和の加算により定量化することができる。
【数６】
ただし、荷重ｒnは、荷重ｓｍと同様な学習過程により生成され、呼吸異常度荷重保持部１８５に予め保持されているものとする。
【００６０】
なお、この第２の実施の形態における呼吸状態分析方法については、ステップＳ９１８において特徴量Ｒ（ｌ，ｎ）を生成し、ステップＳ９１９において呼吸異常度の定量化に利用する点以外は、図１０により説明した第１の実施の形態のものと同様である。
【００６１】
このように、本発明の第２の実施の形態によれば、呼吸区間に係る特徴量Ｓ（ｌ，ｍ）に加えて、呼吸音相関度に基づいた特徴量Ｒ（ｌ，ｎ）を利用して呼吸異常度を定量化することにより、その定量化された呼吸異常度から呼吸異常性を判定することができる。
【００６２】
なお、本発明の実施の形態は本発明を具現化するための一例を示したものであり、本発明の実施の形態において明示したように、本発明の実施の形態における事項と、特許請求の範囲における発明特定事項とはそれぞれ対応関係を有する。同様に、特許請求の範囲における発明特定事項と、これと同一名称を付した本発明の実施の形態における事項とはそれぞれ対応関係を有する。ただし、本発明は実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において実施の形態に種々の変形を施すことにより具現化することができる。
【００６３】
また、本発明の実施の形態において説明した処理手順は、これら一連の手順を有する方法として捉えてもよく、また、これら一連の手順をコンピュータに実行させるためのプログラム乃至そのプログラムを記憶する記録媒体として捉えてもよい。この記録媒体として、例えば、ＣＤ（Compact Disc）、ＭＤ（MiniDisc）、ＤＶＤ（Digital Versatile Disk）、メモリカード、ブルーレイディスク（Blu-ray Disc（登録商標））等を用いることができる。
【符号の説明】
【００６４】
１０ 呼吸信号計測器
２０ 雑音低減器
３０ 呼吸状態分析装置
４０ 表示装置
１１０ 呼吸信号取得部
１２０ 呼吸音相関度生成部
１２１ 時間周波数変換部
１２２ 基底変換部
１２３ 非線形変換部
１２５ 呼吸音基底ベクトル保持部
１３０ 呼吸音信頼度生成部
１３１ 呼吸音信頼度定量化部
１３５ 呼吸音信頼度荷重保持部
１４０ 呼吸区間同定部
１５０ 呼吸回数計測部
１６０ 特徴量生成部
１８０ 呼吸異常度生成部
１８１ 呼吸異常度定量化部
１８５ 呼吸異常度荷重保持部
１９０ 呼吸異常性判定部
２２５、２３５、２８５ 呼吸音学習部
【特許請求の範囲】
【請求項１】
生体の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成部と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成部と
を具備する呼吸状態分析装置。
【請求項２】
予め定められたモデル呼吸音と前記呼吸信号との相関度を生成する呼吸音相関度生成部と、
前記呼吸信号の呼吸音らしさを示す呼吸音信頼度を前記相関度に基づいて生成する呼吸音信頼度生成部と
をさらに具備し、
前記呼吸区間同定部は、前記呼吸音信頼度に基づいて前記呼吸区間を同定する請求項１記載の呼吸状態分析装置。
【請求項３】
前記呼吸音相関度生成部は、
前記呼吸信号を時間周波数変換して時間周波数信号として生成する時間周波数変換部と、
前記時間周波数信号を前記モデル呼吸音の基底ベクトルに射影して基底変換信号として生成する基底変換部と、
前記基底変換信号に対して所定の非線形な変換を施して前記相関度として出力する非線形変換部とを備える
請求項２記載の呼吸状態分析装置。
【請求項４】
前記異常度に基づいて前記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部をさらに具備する請求項１記載の呼吸状態分析装置。
【請求項５】
前記呼吸異常性判定部は、前記正常呼吸状態および前記異常呼吸状態の中間状態をさらに判定する請求項４記載の呼吸状態分析装置。
【請求項６】
単位時間あたりの前記同定された呼吸区間の数を計測して呼吸回数として出力する呼吸回数計測部をさらに具備する請求項１記載の呼吸状態分析装置。
【請求項７】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成部と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成部と、
前記異常度に基づいて前記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部と、
前記呼吸音の判定結果を表示する表示部と
を具備する呼吸状態表示装置。
【請求項８】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得手順と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定手順と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成手順と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成手順と
を具備する呼吸状態分析方法。
【請求項９】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得手順と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定手順と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成手順と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成手順と
をコンピュータに実行させるためのプログラム。
【請求項１】
生体の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成部と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成部と
を具備する呼吸状態分析装置。
【請求項２】
予め定められたモデル呼吸音と前記呼吸信号との相関度を生成する呼吸音相関度生成部と、
前記呼吸信号の呼吸音らしさを示す呼吸音信頼度を前記相関度に基づいて生成する呼吸音信頼度生成部と
をさらに具備し、
前記呼吸区間同定部は、前記呼吸音信頼度に基づいて前記呼吸区間を同定する請求項１記載の呼吸状態分析装置。
【請求項３】
前記呼吸音相関度生成部は、
前記呼吸信号を時間周波数変換して時間周波数信号として生成する時間周波数変換部と、
前記時間周波数信号を前記モデル呼吸音の基底ベクトルに射影して基底変換信号として生成する基底変換部と、
前記基底変換信号に対して所定の非線形な変換を施して前記相関度として出力する非線形変換部とを備える
請求項２記載の呼吸状態分析装置。
【請求項４】
前記異常度に基づいて前記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部をさらに具備する請求項１記載の呼吸状態分析装置。
【請求項５】
前記呼吸異常性判定部は、前記正常呼吸状態および前記異常呼吸状態の中間状態をさらに判定する請求項４記載の呼吸状態分析装置。
【請求項６】
単位時間あたりの前記同定された呼吸区間の数を計測して呼吸回数として出力する呼吸回数計測部をさらに具備する請求項１記載の呼吸状態分析装置。
【請求項７】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得部と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定部と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成部と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成部と、
前記異常度に基づいて前記呼吸音が正常呼吸状態および異常呼吸状態の何れを示しているかを判定する呼吸異常性判定部と、
前記呼吸音の判定結果を表示する表示部と
を具備する呼吸状態表示装置。
【請求項８】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得手順と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定手順と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成手順と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成手順と
を具備する呼吸状態分析方法。
【請求項９】
生物の呼吸音を含む時系列の呼吸信号を取得する呼吸信号取得手順と、
前記呼吸信号において前記呼吸音を含む時間区間である呼吸区間を同定する呼吸区間同定手順と、
前記同定された呼吸区間について前記呼吸信号の所定の特徴量を生成する特徴量生成手順と、
前記特徴量に基づいて前記呼吸信号に含まれる前記呼吸音の異常度を生成する呼吸異常度生成手順と
をコンピュータに実行させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１２−１２０６８８（Ｐ２０１２−１２０６８８Ａ）
【公開日】平成２４年６月２８日（２０１２．６．２８）
【国際特許分類】
【出願番号】特願２０１０−２７３６３５（Ｐ２０１０−２７３６３５）
【出願日】平成２２年１２月８日（２０１０．１２．８）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
【公開日】平成２４年６月２８日（２０１２．６．２８）
【国際特許分類】
【出願日】平成２２年１２月８日（２０１０．１２．８）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
[ Back to top ]