生体光計測装置、波形解析方法
【課題】ヘモグロビン波形を詳細かつ効率的に確認できる生体光計測装置等を提供する。
【解決手段】生体光計測装置１の制御部１３は、被検者１９のヘモグロビン波形を計測し（Ｓ１）、計測された一部又は全部のヘモグロビン波形３１の類似性に基づいて複数のクラスタに分類し、クラスタ分布３２を算出する（Ｓ２）。次に、制御部１３は、クラスタごとに、クラスタ波形３３を生成し（Ｓ３）、クラスタ特徴量３８を算出する（Ｓ４）。そして、制御部１３は、識別情報３０ごとに、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を記憶部１４に記憶し（Ｓ５）、表示部１５に表示する（Ｓ６）。
【解決手段】生体光計測装置１の制御部１３は、被検者１９のヘモグロビン波形を計測し（Ｓ１）、計測された一部又は全部のヘモグロビン波形３１の類似性に基づいて複数のクラスタに分類し、クラスタ分布３２を算出する（Ｓ２）。次に、制御部１３は、クラスタごとに、クラスタ波形３３を生成し（Ｓ３）、クラスタ特徴量３８を算出する（Ｓ４）。そして、制御部１３は、識別情報３０ごとに、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を記憶部１４に記憶し（Ｓ５）、表示部１５に表示する（Ｓ６）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、近赤外光によって生体内部の血液量を非侵襲的に計測する生体光計測装置等に関するものである。
【背景技術】
【０００２】
生体光計測装置とは、近赤外光が生体を通過する際にヘモグロビンに吸収されることを利用し、生体内部の血液循環、血行動態及びヘモグロビン変化等を計測する装置である。生体光計測装置では、被検者をほとんど拘束することなく、かつ、被検者に害を与えずに、生体内部の血液量を計測することができる。生体光計測装置を用いると、例えば、頭部の表面から２〜３ｃｍの範囲の脳血液量変化を測定でき、脳賦活を簡便に捉えることができる。このような生体光計測装置による脳機能の測定手法は、光脳機能イメージング、ｆＮＩＲＳ(functional near-infrared spectroscopy：機能的近赤外線スペクトロスコピィ)、光トポグラフィ（登録商標）等と呼ばれる。
【０００３】
生体光計測装置の医療分野における利用例としては、例えば、先進医療「光トポグラフィー検査を用いたうつ症状の鑑別診断補助」が挙げられる（非特許文献１参照）。この検査内容の概要は、（１）被検者が、生体光計測装置のプローブを装着した状態で、指定の頭文字から始まる日本語の単語をできる限り多く発話する検査課題（「言語流暢性課題」）を６０秒間行う、（２）被検者が検査課題を行っている間、生体光計測装置が、被検者の前頭葉や側頭葉における脳活動状態の変化を波形として測定し、リアルタイムに画像化する、（３）更に、生体光計測装置又は医師が、データを解析し、検査課題に対する脳（特に、大脳皮質）の活性化状態がいずれの精神疾患のパターンに合致するかを判定することにより、臨床診断を補助して正確な鑑別診断を行う、というものである。
【０００４】
また、生体光計測装置の医療分野における他の利用例としては、脳虚血診断等が挙げられる（非特許文献２参照）。非特許文献２では、酸素吸入課題に伴う酸素化ヘモグロビン（oxy-hemoglobin）濃度の変化を計測し、測定データに対して主成分分析を行うことが記載されている。そして、非特許文献２では、第１主成分の重み値（存在頻度）を用いて作成されたトポグラフィ画像（以下、「重み値トポグラフィ画像」と表記する。）の左右均一度が、治療前後で異なることが報告されている。非特許文献２の報告を詳細に見ると、重み値トポグラフィ画像の治療改善領域が一部であること、非治療側のヘモグロビン変化と重み値トポグラフィ画像も治療前後で変化していることが分かる。このように、ヘモグロビン変化やトポグラフィ画像を詳細に解析することによって、より多くの臨床所見が得られることが期待できる。また、第２主成分以降のヘモグロビン変化や重み値トポグラフィ画像も考慮することによって、脳機能領域ごとの特徴が得られることも期待できる。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】福田正人監修、心の健康に光トポグラフィー検査を応用する会編集、“ＮＩＲＳ波形の臨床判読〜先進医療「うつ症状の光トポグラフィー検査」ガイドブック”、中山書店発行、２０１１年４月
【非特許文献２】海老原彰 et al.、“酸素吸入法を用いた光トポグラフィーによる脳虚血側診断”、臨床神経生理学３７（３）：７７−８４，２００９年
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、現状では、生体光計測装置の医療分野における利用例の報告が十分とは言えず、前述したように詳細に解析を行った報告は見られない。従って、生体光計測装置によって計測された酸素化ヘモグロビン（oxy-hemoglobin）、脱酸素化ヘモグロビン（deoxy-hemoglobin）、これらの和である総ヘモグロビン（total-hemoglobin）等（以下、これらを総称するときは、単に「ヘモグロビン」と表記する。）の波形を詳細かつ効率的に確認する手法も、十分に考案されていない。
【０００７】
本発明は、前述した問題点に鑑みてなされたものであり、その目的とすることは、ヘモグロビン波形を詳細かつ効率的に確認できる生体光計測装置等を提供することである。
【課題を解決するための手段】
【０００８】
前述した目的を達成するために第１の発明は、近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置であって、計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類手段と、前記クラスタを代表する波形であるクラスタ波形を生成する生成手段と、前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示手段と、を備えることを特徴とする生体光計測装置である。
【０００９】
第２の発明は、近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置が実行する波形解析方法であって、計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類ステップと、前記クラスタを代表する波形であるクラスタ波形を生成する生成ステップと、前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示ステップと、を含むことを特徴とする波形解析方法である。
【発明の効果】
【００１０】
本発明により、ヘモグロビン波形を詳細かつ効率的に確認できる生体光計測装置等を提供することができる。特に、本発明に係る生体光計測装置等によれば、ヘモグロビン波形の類似性に基づいてヘモグロビン波形を分類するので、主成分分析等のようにヘモグロビン波形の特徴成分を分離しないことから、分類された波形群の分布を示す画像によって、脳機能領域での特徴を明瞭に確認することができる。
【図面の簡単な説明】
【００１１】
【図１】生体光計測装置のハードウエア構成の一例を示す図
【図２】装着部の一例を示す図
【図３】生体光計測装置の処理の流れを示すフローチャート
【図４】今回のクラスタ波形及びクラスタ分布の表示例を示す図
【図５】合成画像の表示例を示す図
【図６】前回のクラスタ波形及びクラスタ分布の表示例を示す図
【図７】複数の識別情報におけるヘモグロビン波形の差分の表示例を示す図
【図８】複数の識別情報におけるクラスタ分布の差分の表示例を示す図
【図９】クラスタ特徴量の第１の表示例を示す図
【図１０】クラスタ特徴量の第２の表示例を示す図
【図１１】複数のクラスタ数についてのクラスタ分布の表示例を示す図
【発明を実施するための形態】
【００１２】
本発明の適用範囲は、診断目的（鑑別診断等）や検査内容（検査課題等）等によって限定されるものではない。本発明は、生体光計測装置によって取得される計測データ（ヘモグロビン波形）であれば適用することができる。以下図面に基づいて、本発明の実施形態を詳細に説明する。
【００１３】
最初に、図１及び図２を参照しながら、生体光計測装置１のハードウエア構成について説明する。尚、図１及び図２に示す生体光計測装置１のハードウエア構成は一例である。本発明は、生体光計測装置１のハードウエア構成によって限定されるものではない。
【００１４】
図１に示すように、生体光計測装置１は、装置本体部２及び装着部３によって構成されている。装置本体部２と装着部３は、送信用光ファイバ４及び受信用光ファイバ５によって接続されている。生体光計測装置１による計測の間、装着部３は被検者１９の頭部に装着される。
【００１５】
図２に示すように、装着部３には、近赤外光（可視から赤外の波長領域の光）を被検者１９に照射する照射プローブ２１、及び被検者１９の内部を通過した近赤外光を検出する検出プローブ２２が、それぞれ複数個配置されている。大脳皮質の情報を頭皮の上から検出する為には、頭皮上での照射位置と検出位置との間隔が３０ｍｍ程度離れていることが必要である。その為、照射プローブ２１及び検出プローブ２２は、３０ｍｍ間隔で交互に正方格子状に配置される。生体中での光伝播特性から、照射位置と検出位置の各中点では大脳皮質が感度良く計測できるため、隣接した照射プローブ２１及び検出プローブ２２の間の部位を計測チャネル２３とする。
【００１６】
図２では、被検者１９が装着部３を装着している様子を模式的に示している。被検者１９は、右側頭部の一部、前頭上部及び左側頭部の一部を覆うように、装着部３を装着している。
【００１７】
図２に示す装着部３の拡大模式図では、内部が「×」の円が照射プローブ２１、内部が「●」の円が検出プローブ２２を示している。そして、照射プローブ２１及び検出プローブ２２の間の小さい点が、計測チャネル２３を示している。図２に示す例では、装着部３は５２個の計測チャネル２３（ＣＨ１〜ＣＨ５２）を有している。尚、本発明は計測チャネル２３の個数に限定されない。
【００１８】
図１の説明に戻る。装置本体部２は、計測部６及びコンピュータ７から構成される。計測部６及びコンピュータ７は、１つの筐体に格納されても良いし、別々の筐体に格納されても良い。
【００１９】
計測部６は、レーザダイオード８、検出器９、ロックインアンプ１０及びＡＤ変換１１から構成される。レーザダイオード８（光源部）は、複数の波長の光を放射する複数の光モジュールを備える。また、レーザダイオード８は、発振周波数の異なる複数の発振器によって構成される発振部を備えており、各光モジュールにそれぞれ異なる変調を与える。レーザダイオード８から放射される複数波長の光は、送信用光ファイバ４を通り、照射プローブ２１から被検者１９の頭部に照射される。
【００２０】
検出器９は、検出プローブ２２によって検出され、受信用光ファイバ５を通る光を、光量に対応する電気信号に変換する光電変換素子（フォトダイオード、光電子増倍管等）を備える。光電変換素子としてフォトダイオードを用いる場合には、高感度な光計測が実現できるアバランシェフォトダイオードが好適である。
【００２１】
ロックインアンプ１０は、検出器９からの電気信号を入力し、照射位置及び波長に対応した変調信号を選択的に検出する。ロックインアンプ１０については、例えば、特許第３５９９４２６号公報、特許第３８３９２０２号公報等に記載されている為、詳細な説明は省略する。
【００２２】
ＡＤ変換器１１は、ロックインアンプ１０からのアナログ信号を入力し、デジタル信号に変換する。ＡＤ変換器１１によって変換されたデジタル信号は、コンピュータ７に出力される。
【００２３】
コンピュータ７は、デジタルボード１２、制御部１３、記憶部１４、表示部１５、入力部１６等から構成される。デジタルボード１２は、ＡＤ変換器１１からの信号を入力する為のインタフェースである。
【００２４】
制御部１３は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を備え、生体光計測装置１の各種装置を制御する。特に、制御部１３は、デジタルボード１２を介して入力される信号（又は記憶部１４に記憶されている信号）から、計測チャネル２３ごとに複数波長の検出光量を用いて、脳活動に伴う酸素化ヘモグロビン（oxy-hemoglobin）、脱酸素化ヘモグロビン（deoxy-hemoglobin）、これらの和である総ヘモグロビン（total-hemoglobin）の時間的な変化をヘモグロビン波形（図４のヘモグロビン波形３１ｘ等を参照）として計測し、計測結果を表示部１５に表示する。この計測方法および画像化方法は、例えば、特許第３５９９４２６号公報等に記載されている為、詳細な説明は省略する。
【００２５】
記憶部１４は、例えば、内蔵のハードディスク装置、外付のハードディスク装置、各種の記憶媒体（ＵＳＢメモリ等）であり、デジタルボード１２を介して入力される信号や、制御部１３による処理結果を記憶する。尚、記憶部１４に記憶されるデータは、病院内やネットワーク上のサーバ（不図示）等に記憶させても良い。
【００２６】
表示部１５は、液晶ディスプレイ等のモニタであり、制御部１３による処理結果などを表示する。入力部１６は、マウスやキーボードなどの入力装置である。表示部１５及び入力部１６は、ユーザ（医者等）とコンピュータ７との対話処理を実現するユーザインタフェースの役割を果たす。尚、表示部１５及び入力部１６は、例えば、タッチパネル型ディスプレイ等のように一体であっても良い。
【００２７】
次に、図３のフローチャートに対して、図４〜図１１を適宜参照しながら、生体光計測装置１の処理の詳細について説明する。尚、生体光計測装置１は、図４〜図１１に示す処理結果を得る為に、必要に応じて、図３に示す処理順序の一部を変えたり、処理の一部を複数回実行したり、処理の一部を省略したりしている。以下では、混乱を避ける為に、図３に記載されている順に処理内容を説明する。
【００２８】
図３に示すように、生体光計測装置１の制御部１３は、被検者１９のヘモグロビン波形を計測し、ＲＡＭや記憶部１４等に記憶する（Ｓ１）。図４に示すように、制御部１３は、計測結果に対して、計測結果を一意に識別する識別情報３０ｘを付与し、計測結果ごとに記憶する。図４では、被検者「Ｓ」、計測開始時刻「２０１１年７月１日１３時１０分１０秒」の計測結果に対して、計測ＩＤ「１００２」が付与されている。
【００２９】
尚、図４では今回の計測結果を示し、図６では前回の計測結果を示している。これらを区別する為に、今回の計測結果に関する要素の符号には「ｘ」、前回の計測結果に関する要素の符号には「ｙ」を付けることにする。また、これらを区別せずに総称する場合には、「ｘ」や「ｙ」を付けないことにする。
【００３０】
図４に示すように、ヘモグロビン波形３１ｘは、計測チャネル２３ごとに計測される。ヘモグロビン波形３１ｘは、横軸が計測開始時刻からの経過時間（秒）、縦軸が計測値（ｍＭ・ｍｍ）のグラフとして表示される。計測値（ｍＭ・ｍｍ）は、ヘモグロビン濃度（ｍＭ）と長さ（ｍｍ）の積であるヘモグロビン濃度長である。計測値は、例えば、０．１秒ごとにサンプリングされる。図４に示す例では、横軸が０秒〜１２５秒、縦軸が−０．２〜＋０．４の範囲となっている。尚、経過時間が１０秒と７０秒における縦方向の点直線は、図９、図１０に示す特徴量算出区間３７の開始時間と終了時間を示している。
【００３１】
図３の説明に戻る。制御部１３は、計測された一部又は全部のヘモグロビン波形３１の類似性（特に、波形全体の類似性）に基づいて複数のクラスタに分類し、クラスタ分布３２を算出する（Ｓ２）。クラスタとは、データ解析手法の１つであるクラスタリング手法によって、データの集合から、何らかの尺度によって切り分けられたデータの部分集合を意味する。クラスタリング手法では、部分集合に含まれるデータが、ある共通の特徴（本発明の実施の形態では、波形全体の類似性）を持つように分類される。クラスタ数は、最小値が２個、最大値が計測チャネル２３の個数である。また、クラスタ分布３２とは、計測チャネル２３とクラスタとの対応付けを示す情報である。
【００３２】
クラスタリング手法は、階層的手法（最短距離手法など）と、分割最適化手法（ｋ平均法など）に分けられる。階層的手法は、最も距離が近いクラスタ間の逐次的な併合を繰り返すことによって階層構造を生成する手法である。階層的手法は、外乱（ノイズ等）に弱く、実データではあまり良い結果が得られない傾向がある。そこで、本発明の実施の形態では、外乱に対して頑健な分割最適化手法であるｋ平均法を採用する。ｋ平均法は、入力データ群を分割するクラスタ数を予めｋ個と設定して分割し、これを初期状態として分割を繰り返し実行することで、より良い分割を探し出す手法である。但し、本発明は、ｋ平均法に限定されるものではない。
【００３３】
まず、制御部１３は、計測されたヘモグロビン波形３１の全体から、例えば、アーチファクト等と考えられるヘモグロビン波形３１を除外し、分類対象を決める。尚、アーチファクトの原因は、光ファイバの動き、被検者１９の頭部位置の変化、被検者１９の側頭筋の動きなどがある。アーチファクトの判定については、例えば、非特許文献１に記載されている。
【００３４】
次に、制御部１３は、分類対象のヘモグロビン波形３１の計測値を、計測チャネル２３ごとに正規化（ｚスコア化）する。正規化処理では、例えば、計測区間全体（０〜１２５秒）の計測値の平均値及び標準偏差を用いる。サンプリング間隔が０．１秒の場合、計測区間全体（０〜１２５秒）の計測値は１２５０個である。
【００３５】
次に、制御部１３は、計測チャネル２３ごとの正規化された計測値のベクトルデータ（前述した例であれば、１２５０次元のベクトルデータ）を入力データ集合とし、ｋ平均法を用いて、複数のクラスタに分類する。クラスタ数、反復回数及び初期値（初期状態における各クラスタの代表データ）は、例えば、予め記憶部１４等に記憶されているデフォルト値、又はユーザによって入力部１６から入力される入力値を用いれば良い。ｋ平均法は、公知のクラスタリング手法である為、詳細な説明を省略する。
【００３６】
図４に示すクラスタ分布３２ｘは、計測チャネル２３ごとに小領域を配置し、計測チャネル２３同士の位置関係を２次元的に示している。また、クラスタ分布３２ｘは、クラスタごとに小領域の形態（形状、模様、色彩、又はこれらの組合せ等）を変えている。図４では、第１クラスタを内部が「＋」の模様の小円とし、第２クラスタを内部が黒色の小円として示している。
【００３７】
一般に、ヘモグロビン波形３１の特徴を、波形から直接、正確に読み取る為には、かなりの習熟度が必要となる。また、計測チャネル２３の個数が多くなると、習熟度が高いユーザであっても非常に時間がかかる。例えば、主成分分析等によってヘモグロビン波形３１の特徴成分を分離することもできるが、かえって直観的な理解を妨げる場合もある。
【００３８】
一方、本発明の実施の形態では、生体光計測装置１の制御部１３が自動的にクラスタ分布３２を算出するので、習熟度が低いユーザや計測チャネル２３の個数が多い場合も、時間をかけずに測定結果を判読することができる。更に、図４に示すクラスタ分布３２ｘでは、計測チャネル２３同士の位置関係が示された画像にクラスタリングの結果が重畳されているので、脳機能領域での特徴を明瞭に確認することができる。また、クラスタ分布３２は、波形全体の類似性に基づいて分類された結果なので、直観的な理解を妨げることがない。
【００３９】
図５には、クラスタ分布３２の他の表示例を示している。図５（ａ）は、ブロードマン脳地図に、クラスタ分布３２を重畳した合成画像の模式図である。ブロードマン脳地図とは、コルビニアン・ブロードマンによる大脳新皮質の解剖学・細胞構築学的区分の通称である。ブロードマンの原典では、大脳皮質組織の神経細胞を染色して可視化し（特許図面の制約の為、図５ではグレースケールに変換している。）、組織構造が均一である部分をひとまとまりの領域として区分して、１から５２までの番号が振られている。
【００４０】
図５（ａ）では、可読性を確保する為、一部の計測チャネル２３（ＣＨ２８、ＣＨ２９、ＣＨ３８、ＣＨ３９、ＣＨ４９）に対するクラスタリング結果のみを示している。図５（ａ）を見ると、ブロードマン脳地図における１０野と４６＋４７野との脳機能領域の境界が、クラスタ分布３２として明瞭に表現されていることが分かる。図５（ａ）に示す合成画像であれば、解剖学・細胞構築学的区分と対比してクラスタリング結果を確認することができる。
【００４１】
図５（ｂ）は、不特定多数の脳画像（ＭＲＩ画像など）に基づいて生成された平均脳画像に、クラスタ分布３２を重畳した合成画像の模式図である。図５（ｂ）では、平均脳画像の形状に合わせて計測チャネル２３に対応する小領域を変形し、変形した小領域を平均脳画像に重畳している。図５（ｂ）の合成画像は回転することができる。つまり、図５（ｂ）では左側頭部を正面としているが、ユーザが入力部１６を介して指示することによって、右側頭部を正面とすることができる。図５（ｂ）に示す合成画像であれば、被検者１９自身のＭＲＩ画像がなくても生成することができ、より直観的に脳機能領域での特徴を確認することができる。
【００４２】
図５（ｃ）は、被検者１９のＭＲＩ画像に、クラスタ分布３２を重畳した合成画像の模式図である。図５（ｃ）の合成画像も回転することができる。図５（ｃ）に示す合成画像であれば、より正確に脳機能領域での特徴を確認することができる。
【００４３】
図３の説明に戻る。制御部１３は、クラスタごとにクラスタ波形３３を生成する（Ｓ３）。クラスタ波形３３は、クラスタを代表する波形であり、例えば、各クラスタに含まれるヘモグロビン波形３１の各サンプリング点における平均値をグラフ化したものである。また、クラスタ波形３３は、例えば、各クラスタに含まれるヘモグロビン波形３１の各サンプリング点における中央値、最頻値、最小値、最大値、最頻値等をグラフ化したものでも良い。また、クラスタ波形３３は、１つだけではなく、複数の基準値（例えば、最小値、中央値、最大値等）をグラフ化したものであっても良い。
【００４４】
図４には、第１クラスタ波形３３ａｘ、第２クラスタ波形３３ｂｘが示されている。図４に示すように、クラスタ波形は、クラスタ数だけ存在することから、これらを区別する為に、第１クラスタに関する要素の符号には「ａ」、第２クラスタに関する要素の符号には「ｂ」を付けることにする。また、これらを区別せずに総称する場合には、「ａ」や「ｂ」を付けないことにする。
【００４５】
図４に示すように、計測チャネル２３の個数分のヘモグロビン波形３１を全て表示する為には、各波形の表示サイズを小さくしなければならず、視認性が悪くなる。また、計測チャネル２３の個数分のヘモグロビン波形３１を判読するよりも、クラスタ数分のクラスタ波形３３を判読する方が効率的である。
【００４６】
図３の説明に戻る。制御部１３は、クラスタごとにクラスタ特徴量３８を算出する（Ｓ４）。クラスタ特徴量３８は、クラスタ波形３３の特徴量である。波形の特徴量としては、例えば、積分値、平均値、標準偏差、重心値、傾き値などがある。積分値は、特徴量算出区間３７を積分した値である。平均値は、特徴量算出区間３７における計測値の平均値である。標準偏差は、特徴量算出区間３７における計測値の平均値である。重心値は、計測開始時刻から計測終了時刻までの全体を通して、計測値の正方向の面積が半分になる時間である。傾き値は、特徴量算出区間３７の開始時間から所定時間（例えば、５秒）の傾きである。特徴量算出区間３７＝検査課題の実施区間の場合、積分値が検査課題中の反応の大きさ、重心値が検査全体を通して見た場合の反応タイミング、傾き値が反応の速さ（初期賦活）を示している。
【００４７】
また、制御部１３は、識別情報３０ごとに、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を記憶部１４に記憶する（Ｓ５）。そして、制御部１３は、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を表示部１５に表示する（Ｓ６）。表示態様には、単独表示、比較表示、差分表示などがある。単独表示では、単一の計測結果（複数の計測チャネル２３のヘモグロビン波形３１）を詳細かつ効率的に確認できる。比較表示や差分表示では、治療による経時的変化や疾患等に起因した複数の計測結果同士の差異を詳細かつ効率的に確認することができる。
【００４８】
＜単独表示の例＞
制御部１３は、単独表示として、例えば、図４に示す情報を表示する。また、制御部１３は、図４のクラスタ分布３２ｘを、図５（ａ）〜（ｃ）に示す合成画像に代えて表示しても良い。
【００４９】
＜比較表示の第１の例＞
制御部１３は、比較表示として、例えば、図４及び図６に示す情報を同時に表示する。図４に示す情報は今回の計測結果であり、図６に示す情報は前回の計測結果である。図６には、被検者「Ｓ」、計測開始時刻「２０１１年４月１日１３時０５分０５秒」の計測結果に対して、計測ＩＤ「１００１」が付与されている。
【００５０】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ分布３２を表示する。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を容易に確認することができる。
【００５１】
＜比較表示＋差分表示の第１の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図７に示す情報を表示する。図７には、ヘモグロビン波形の比較表示３４、ヘモグロビン波形の差分表示３５が示されている。ヘモグロビン波形の比較表示３４は、計測チャネル２３ごとに、ヘモグロビン波形３１ｘとヘモグロビン波形３１ｙとを重畳したものである。ヘモグロビン波形の差分表示３５は、各サンプリング点におけるヘモグロビン波形３１ｘの計測値から、ヘモグロビン波形３１ｙの計測値を引いた値を波形として示したものである。ヘモグロビン波形の差分表示３５を見ると、ヘモグロビン変化としては、今回の計測結果の方が大きいことが明瞭に確認することができる。
【００５２】
＜比較表示＋差分表示の第２の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図８に示す情報を表示する。図８には、今回のクラスタ分布３２ｘ、前回のクラスタ分布３２ｙ、クラスタ分布の差分表示３６が示されている。
【００５３】
クラスタ分布の差分表示３６は、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとの差分である。図８では、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとを比較し、クラスタリング結果に差がある計測チャネル２３を、内部が「■」の小円として示している。クラスタ分布の差分表示３６を見ると、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとにほとんど差異がなく、機能領域的には、今回と前回との間に変化が少ないことが分かる。
【００５４】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ分布３２を表示したり、異なる２つの識別情報３０におけるクラスタ分布３２の差分を表示したりする。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を容易に確認することができる。
【００５５】
＜比較表示＋差分表示の第３の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図９に示す情報を表示する。図９には、特徴量算出区間３７、今回の第１クラスタ波形３３ａｘ、今回の第２クラスタ波形３３ｂｘ、今回の第１クラスタ特徴量３８ａｘ、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ波形３３ａｙ、前回の第２クラスタ波形３３ｂｙ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙ、第１クラスタ特徴量の差分３９ａ、第２クラスタ特徴量の差分３９ｂが示されている。
【００５６】
特徴量算出区間３７は、入力部１６を介してユーザが任意の値を入力することができる。今回の第１クラスタ特徴量３８ａｘは、今回の計測結果の第１クラスタに関する特徴量（積分値、平均値、標準偏差、重心値、傾き値）である。また、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙも同様である。尚、図９に示す具体的な数値は、正規化（ｚスコア化）される前の値から算出されている。
【００５７】
また、第１クラスタ特徴量の差分３９ａは、今回の第１クラスタ特徴量３８ａｘから前回の第１クラスタ特徴量３８ａｙを引いた値である。第２クラスタ特徴量の差分３９ｂも同様である。
【００５８】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ特徴量３８を表示したり、異なる２つの識別情報３０におけるクラスタ特徴量３８の差分を表示したりする。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を定量的に確認することができる。
【００５９】
＜比較表示の第２の例＞
また、制御部１３は、比較表示として、例えば、図１０に示す情報を表示する。図１０には、特徴量算出区間３７、今回の第１クラスタ波形３３ａｘ、今回の第２クラスタ波形３３ｂｘ、今回の第１クラスタ特徴量３８ａｘ、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ波形３３ａｙ、前回の第２クラスタ波形３３ｂｙ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙ、クラスタ特徴量散布図４０が示されている。
【００６０】
クラスタ特徴量散布図４０は、横軸をクラスタ特徴量３８の１つである積分値、縦軸をクラスタ特徴量３８の１つである重心値とした散布図である。図１０に示すクラスタ特徴量散布図４０には、今回の第１クラスタ、今回の第２クラスタ、前回の第１クラスタ、及び前回の第２クラスタの４点が示されている。クラスタ特徴量散布図４０を見ると、クラスタ特徴量３８の定量的な違いを直観的に理解することができる。
【００６１】
＜変形例＞
前述の説明では同一の計測結果に対するクラスタの分類処理（Ｓ２）を１回としたが、本発明はこの例に限定されない。以下、変形例として、同一の計測結果に対するクラスタの分類処理（Ｓ２）を複数回行う例について説明する。
【００６２】
図１１では、同一の計測結果（計測ＩＤ「１００２」）に対して、クラスタ数を２、３、４とし、クラスタの分類処理を３回行った結果を例示的に示している。生体光計測装置１の制御部１３は、同一の計測結果に対して、クラスタ数を２、３、４に設定してｋ平均法によるクラスタの分類処理を行い、それぞれのクラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を算出する。
【００６３】
図１１では、３種類のクラスタ分布３２を示している。これらを区別する為に、クラスタ数が２に関する要素の符号には「ｌ」、クラスタ数が３に関する要素の符号には「ｍ」、クラスタ数が４に関する要素の符号には「ｎ」を付けている。尚、図１１には示していないが、制御部１３は、クラスタ波形３３やクラスタ特徴量３８を表示部１５に比較表示しても良い。
【００６４】
このように、制御部１３は、異なる複数のクラスタ数によって複数回の分類処理を行い、異なる複数のクラスタ数についてクラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を表示部１５に表示する。これによって、ユーザは、クラスタの分類処理を行う前に予めクラスタ数を決定する作業を行う必要がない。そして、ユーザは、最適なクラスタ数の分類結果を選択し、選択した分類結果についての詳細な情報を表示させることができる。
【００６５】
更に、制御部１３が、異なる複数のクラスタ数によって複数回の分類処理を行った後、最適なクラスタ数の分類結果を自動的に選択しても良い。この選択処理について、２つの例を説明する。
【００６６】
例えば、制御部１３は、ｋ＝２から再帰的にｋ平均法を実行し、クラスタの分割前と分割後で情報量基準（ベイズ情報量基準、赤池情報量基準等）を比較し、値が改善しなくなるまで処理を行う。そして、制御部１３は、値が改善しなくなった分類結果の１つ前の分類結果を、最適なクラスタ数の分類結果として選択する。
【００６７】
また、例えば、制御部１３は、ｋ＝２から再帰的にｋ平均法を実行してクラスタ特徴量３８を実行し、クラスタの分割前と分割後で、クラスタ間の距離を算出し、閾値以下となるクラスタ間が出てくるまで処理を行う。そして、制御部１３は、閾値以下となるクラスタ間が出てきた分類結果の１つ前の分類結果を、最適なクラスタ数の分類結果として選択する。ここで、クラスタ間の距離とは、例えば、図１０に示すクラスタ特徴量散布図４０のように、クラスタ特徴量３８の１つである積分値をｘ座標、クラスタ特徴量３８の１つである重心値をｙ座標としたときのユークリッド距離などである。
【００６８】
このように、制御部１３は、複数回の分類結果から、クラスタ特徴量３８に基づいて最適なクラスタ数の分類結果を選択する。これによって、ユーザは、最適なクラスタ数の分類結果を選択する作業を行う必要がない。そして、制御部１３は、最適なクラスタ数の分類結果についての詳細な情報を表示部１５に表示することができる。
【００６９】
以上、添付図面を参照しながら、本発明に係る生体光計測装置等の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【符号の説明】
【００７０】
１………生体光計測装置
２………装置本体部
３………装着部
４………送信用光ファイバ
５………受信用光ファイバ
６………計測部
７………コンピュータ
８………レーザダイオード
９………検出器
１０………ロックインアンプ
１１………ＡＤ変換
１２………デジタルボード
１３………制御部
１４………記憶部
１５………表示部
１６………入力部
１９………被検者
２１………照射プローブ
２２………検出プローブ
２３………計測チャネル
３０………識別情報
３１………ヘモグロビン波形
３２………クラスタ分布
３３………クラスタ波形
３４………ヘモグロビン波形の比較表示
３５………ヘモグロビン波形の差分表示
３６………クラスタ分布の差分表示
３７………特徴量算出区間
３８………クラスタ特徴量
３９………クラスタ特徴量の差分
４０………クラスタ特徴量散布図
【技術分野】
【０００１】
本発明は、近赤外光によって生体内部の血液量を非侵襲的に計測する生体光計測装置等に関するものである。
【背景技術】
【０００２】
生体光計測装置とは、近赤外光が生体を通過する際にヘモグロビンに吸収されることを利用し、生体内部の血液循環、血行動態及びヘモグロビン変化等を計測する装置である。生体光計測装置では、被検者をほとんど拘束することなく、かつ、被検者に害を与えずに、生体内部の血液量を計測することができる。生体光計測装置を用いると、例えば、頭部の表面から２〜３ｃｍの範囲の脳血液量変化を測定でき、脳賦活を簡便に捉えることができる。このような生体光計測装置による脳機能の測定手法は、光脳機能イメージング、ｆＮＩＲＳ(functional near-infrared spectroscopy：機能的近赤外線スペクトロスコピィ)、光トポグラフィ（登録商標）等と呼ばれる。
【０００３】
生体光計測装置の医療分野における利用例としては、例えば、先進医療「光トポグラフィー検査を用いたうつ症状の鑑別診断補助」が挙げられる（非特許文献１参照）。この検査内容の概要は、（１）被検者が、生体光計測装置のプローブを装着した状態で、指定の頭文字から始まる日本語の単語をできる限り多く発話する検査課題（「言語流暢性課題」）を６０秒間行う、（２）被検者が検査課題を行っている間、生体光計測装置が、被検者の前頭葉や側頭葉における脳活動状態の変化を波形として測定し、リアルタイムに画像化する、（３）更に、生体光計測装置又は医師が、データを解析し、検査課題に対する脳（特に、大脳皮質）の活性化状態がいずれの精神疾患のパターンに合致するかを判定することにより、臨床診断を補助して正確な鑑別診断を行う、というものである。
【０００４】
また、生体光計測装置の医療分野における他の利用例としては、脳虚血診断等が挙げられる（非特許文献２参照）。非特許文献２では、酸素吸入課題に伴う酸素化ヘモグロビン（oxy-hemoglobin）濃度の変化を計測し、測定データに対して主成分分析を行うことが記載されている。そして、非特許文献２では、第１主成分の重み値（存在頻度）を用いて作成されたトポグラフィ画像（以下、「重み値トポグラフィ画像」と表記する。）の左右均一度が、治療前後で異なることが報告されている。非特許文献２の報告を詳細に見ると、重み値トポグラフィ画像の治療改善領域が一部であること、非治療側のヘモグロビン変化と重み値トポグラフィ画像も治療前後で変化していることが分かる。このように、ヘモグロビン変化やトポグラフィ画像を詳細に解析することによって、より多くの臨床所見が得られることが期待できる。また、第２主成分以降のヘモグロビン変化や重み値トポグラフィ画像も考慮することによって、脳機能領域ごとの特徴が得られることも期待できる。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】福田正人監修、心の健康に光トポグラフィー検査を応用する会編集、“ＮＩＲＳ波形の臨床判読〜先進医療「うつ症状の光トポグラフィー検査」ガイドブック”、中山書店発行、２０１１年４月
【非特許文献２】海老原彰 et al.、“酸素吸入法を用いた光トポグラフィーによる脳虚血側診断”、臨床神経生理学３７（３）：７７−８４，２００９年
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、現状では、生体光計測装置の医療分野における利用例の報告が十分とは言えず、前述したように詳細に解析を行った報告は見られない。従って、生体光計測装置によって計測された酸素化ヘモグロビン（oxy-hemoglobin）、脱酸素化ヘモグロビン（deoxy-hemoglobin）、これらの和である総ヘモグロビン（total-hemoglobin）等（以下、これらを総称するときは、単に「ヘモグロビン」と表記する。）の波形を詳細かつ効率的に確認する手法も、十分に考案されていない。
【０００７】
本発明は、前述した問題点に鑑みてなされたものであり、その目的とすることは、ヘモグロビン波形を詳細かつ効率的に確認できる生体光計測装置等を提供することである。
【課題を解決するための手段】
【０００８】
前述した目的を達成するために第１の発明は、近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置であって、計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類手段と、前記クラスタを代表する波形であるクラスタ波形を生成する生成手段と、前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示手段と、を備えることを特徴とする生体光計測装置である。
【０００９】
第２の発明は、近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置が実行する波形解析方法であって、計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類ステップと、前記クラスタを代表する波形であるクラスタ波形を生成する生成ステップと、前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示ステップと、を含むことを特徴とする波形解析方法である。
【発明の効果】
【００１０】
本発明により、ヘモグロビン波形を詳細かつ効率的に確認できる生体光計測装置等を提供することができる。特に、本発明に係る生体光計測装置等によれば、ヘモグロビン波形の類似性に基づいてヘモグロビン波形を分類するので、主成分分析等のようにヘモグロビン波形の特徴成分を分離しないことから、分類された波形群の分布を示す画像によって、脳機能領域での特徴を明瞭に確認することができる。
【図面の簡単な説明】
【００１１】
【図１】生体光計測装置のハードウエア構成の一例を示す図
【図２】装着部の一例を示す図
【図３】生体光計測装置の処理の流れを示すフローチャート
【図４】今回のクラスタ波形及びクラスタ分布の表示例を示す図
【図５】合成画像の表示例を示す図
【図６】前回のクラスタ波形及びクラスタ分布の表示例を示す図
【図７】複数の識別情報におけるヘモグロビン波形の差分の表示例を示す図
【図８】複数の識別情報におけるクラスタ分布の差分の表示例を示す図
【図９】クラスタ特徴量の第１の表示例を示す図
【図１０】クラスタ特徴量の第２の表示例を示す図
【図１１】複数のクラスタ数についてのクラスタ分布の表示例を示す図
【発明を実施するための形態】
【００１２】
本発明の適用範囲は、診断目的（鑑別診断等）や検査内容（検査課題等）等によって限定されるものではない。本発明は、生体光計測装置によって取得される計測データ（ヘモグロビン波形）であれば適用することができる。以下図面に基づいて、本発明の実施形態を詳細に説明する。
【００１３】
最初に、図１及び図２を参照しながら、生体光計測装置１のハードウエア構成について説明する。尚、図１及び図２に示す生体光計測装置１のハードウエア構成は一例である。本発明は、生体光計測装置１のハードウエア構成によって限定されるものではない。
【００１４】
図１に示すように、生体光計測装置１は、装置本体部２及び装着部３によって構成されている。装置本体部２と装着部３は、送信用光ファイバ４及び受信用光ファイバ５によって接続されている。生体光計測装置１による計測の間、装着部３は被検者１９の頭部に装着される。
【００１５】
図２に示すように、装着部３には、近赤外光（可視から赤外の波長領域の光）を被検者１９に照射する照射プローブ２１、及び被検者１９の内部を通過した近赤外光を検出する検出プローブ２２が、それぞれ複数個配置されている。大脳皮質の情報を頭皮の上から検出する為には、頭皮上での照射位置と検出位置との間隔が３０ｍｍ程度離れていることが必要である。その為、照射プローブ２１及び検出プローブ２２は、３０ｍｍ間隔で交互に正方格子状に配置される。生体中での光伝播特性から、照射位置と検出位置の各中点では大脳皮質が感度良く計測できるため、隣接した照射プローブ２１及び検出プローブ２２の間の部位を計測チャネル２３とする。
【００１６】
図２では、被検者１９が装着部３を装着している様子を模式的に示している。被検者１９は、右側頭部の一部、前頭上部及び左側頭部の一部を覆うように、装着部３を装着している。
【００１７】
図２に示す装着部３の拡大模式図では、内部が「×」の円が照射プローブ２１、内部が「●」の円が検出プローブ２２を示している。そして、照射プローブ２１及び検出プローブ２２の間の小さい点が、計測チャネル２３を示している。図２に示す例では、装着部３は５２個の計測チャネル２３（ＣＨ１〜ＣＨ５２）を有している。尚、本発明は計測チャネル２３の個数に限定されない。
【００１８】
図１の説明に戻る。装置本体部２は、計測部６及びコンピュータ７から構成される。計測部６及びコンピュータ７は、１つの筐体に格納されても良いし、別々の筐体に格納されても良い。
【００１９】
計測部６は、レーザダイオード８、検出器９、ロックインアンプ１０及びＡＤ変換１１から構成される。レーザダイオード８（光源部）は、複数の波長の光を放射する複数の光モジュールを備える。また、レーザダイオード８は、発振周波数の異なる複数の発振器によって構成される発振部を備えており、各光モジュールにそれぞれ異なる変調を与える。レーザダイオード８から放射される複数波長の光は、送信用光ファイバ４を通り、照射プローブ２１から被検者１９の頭部に照射される。
【００２０】
検出器９は、検出プローブ２２によって検出され、受信用光ファイバ５を通る光を、光量に対応する電気信号に変換する光電変換素子（フォトダイオード、光電子増倍管等）を備える。光電変換素子としてフォトダイオードを用いる場合には、高感度な光計測が実現できるアバランシェフォトダイオードが好適である。
【００２１】
ロックインアンプ１０は、検出器９からの電気信号を入力し、照射位置及び波長に対応した変調信号を選択的に検出する。ロックインアンプ１０については、例えば、特許第３５９９４２６号公報、特許第３８３９２０２号公報等に記載されている為、詳細な説明は省略する。
【００２２】
ＡＤ変換器１１は、ロックインアンプ１０からのアナログ信号を入力し、デジタル信号に変換する。ＡＤ変換器１１によって変換されたデジタル信号は、コンピュータ７に出力される。
【００２３】
コンピュータ７は、デジタルボード１２、制御部１３、記憶部１４、表示部１５、入力部１６等から構成される。デジタルボード１２は、ＡＤ変換器１１からの信号を入力する為のインタフェースである。
【００２４】
制御部１３は、ＣＰＵ、ＲＯＭ、ＲＡＭ等を備え、生体光計測装置１の各種装置を制御する。特に、制御部１３は、デジタルボード１２を介して入力される信号（又は記憶部１４に記憶されている信号）から、計測チャネル２３ごとに複数波長の検出光量を用いて、脳活動に伴う酸素化ヘモグロビン（oxy-hemoglobin）、脱酸素化ヘモグロビン（deoxy-hemoglobin）、これらの和である総ヘモグロビン（total-hemoglobin）の時間的な変化をヘモグロビン波形（図４のヘモグロビン波形３１ｘ等を参照）として計測し、計測結果を表示部１５に表示する。この計測方法および画像化方法は、例えば、特許第３５９９４２６号公報等に記載されている為、詳細な説明は省略する。
【００２５】
記憶部１４は、例えば、内蔵のハードディスク装置、外付のハードディスク装置、各種の記憶媒体（ＵＳＢメモリ等）であり、デジタルボード１２を介して入力される信号や、制御部１３による処理結果を記憶する。尚、記憶部１４に記憶されるデータは、病院内やネットワーク上のサーバ（不図示）等に記憶させても良い。
【００２６】
表示部１５は、液晶ディスプレイ等のモニタであり、制御部１３による処理結果などを表示する。入力部１６は、マウスやキーボードなどの入力装置である。表示部１５及び入力部１６は、ユーザ（医者等）とコンピュータ７との対話処理を実現するユーザインタフェースの役割を果たす。尚、表示部１５及び入力部１６は、例えば、タッチパネル型ディスプレイ等のように一体であっても良い。
【００２７】
次に、図３のフローチャートに対して、図４〜図１１を適宜参照しながら、生体光計測装置１の処理の詳細について説明する。尚、生体光計測装置１は、図４〜図１１に示す処理結果を得る為に、必要に応じて、図３に示す処理順序の一部を変えたり、処理の一部を複数回実行したり、処理の一部を省略したりしている。以下では、混乱を避ける為に、図３に記載されている順に処理内容を説明する。
【００２８】
図３に示すように、生体光計測装置１の制御部１３は、被検者１９のヘモグロビン波形を計測し、ＲＡＭや記憶部１４等に記憶する（Ｓ１）。図４に示すように、制御部１３は、計測結果に対して、計測結果を一意に識別する識別情報３０ｘを付与し、計測結果ごとに記憶する。図４では、被検者「Ｓ」、計測開始時刻「２０１１年７月１日１３時１０分１０秒」の計測結果に対して、計測ＩＤ「１００２」が付与されている。
【００２９】
尚、図４では今回の計測結果を示し、図６では前回の計測結果を示している。これらを区別する為に、今回の計測結果に関する要素の符号には「ｘ」、前回の計測結果に関する要素の符号には「ｙ」を付けることにする。また、これらを区別せずに総称する場合には、「ｘ」や「ｙ」を付けないことにする。
【００３０】
図４に示すように、ヘモグロビン波形３１ｘは、計測チャネル２３ごとに計測される。ヘモグロビン波形３１ｘは、横軸が計測開始時刻からの経過時間（秒）、縦軸が計測値（ｍＭ・ｍｍ）のグラフとして表示される。計測値（ｍＭ・ｍｍ）は、ヘモグロビン濃度（ｍＭ）と長さ（ｍｍ）の積であるヘモグロビン濃度長である。計測値は、例えば、０．１秒ごとにサンプリングされる。図４に示す例では、横軸が０秒〜１２５秒、縦軸が−０．２〜＋０．４の範囲となっている。尚、経過時間が１０秒と７０秒における縦方向の点直線は、図９、図１０に示す特徴量算出区間３７の開始時間と終了時間を示している。
【００３１】
図３の説明に戻る。制御部１３は、計測された一部又は全部のヘモグロビン波形３１の類似性（特に、波形全体の類似性）に基づいて複数のクラスタに分類し、クラスタ分布３２を算出する（Ｓ２）。クラスタとは、データ解析手法の１つであるクラスタリング手法によって、データの集合から、何らかの尺度によって切り分けられたデータの部分集合を意味する。クラスタリング手法では、部分集合に含まれるデータが、ある共通の特徴（本発明の実施の形態では、波形全体の類似性）を持つように分類される。クラスタ数は、最小値が２個、最大値が計測チャネル２３の個数である。また、クラスタ分布３２とは、計測チャネル２３とクラスタとの対応付けを示す情報である。
【００３２】
クラスタリング手法は、階層的手法（最短距離手法など）と、分割最適化手法（ｋ平均法など）に分けられる。階層的手法は、最も距離が近いクラスタ間の逐次的な併合を繰り返すことによって階層構造を生成する手法である。階層的手法は、外乱（ノイズ等）に弱く、実データではあまり良い結果が得られない傾向がある。そこで、本発明の実施の形態では、外乱に対して頑健な分割最適化手法であるｋ平均法を採用する。ｋ平均法は、入力データ群を分割するクラスタ数を予めｋ個と設定して分割し、これを初期状態として分割を繰り返し実行することで、より良い分割を探し出す手法である。但し、本発明は、ｋ平均法に限定されるものではない。
【００３３】
まず、制御部１３は、計測されたヘモグロビン波形３１の全体から、例えば、アーチファクト等と考えられるヘモグロビン波形３１を除外し、分類対象を決める。尚、アーチファクトの原因は、光ファイバの動き、被検者１９の頭部位置の変化、被検者１９の側頭筋の動きなどがある。アーチファクトの判定については、例えば、非特許文献１に記載されている。
【００３４】
次に、制御部１３は、分類対象のヘモグロビン波形３１の計測値を、計測チャネル２３ごとに正規化（ｚスコア化）する。正規化処理では、例えば、計測区間全体（０〜１２５秒）の計測値の平均値及び標準偏差を用いる。サンプリング間隔が０．１秒の場合、計測区間全体（０〜１２５秒）の計測値は１２５０個である。
【００３５】
次に、制御部１３は、計測チャネル２３ごとの正規化された計測値のベクトルデータ（前述した例であれば、１２５０次元のベクトルデータ）を入力データ集合とし、ｋ平均法を用いて、複数のクラスタに分類する。クラスタ数、反復回数及び初期値（初期状態における各クラスタの代表データ）は、例えば、予め記憶部１４等に記憶されているデフォルト値、又はユーザによって入力部１６から入力される入力値を用いれば良い。ｋ平均法は、公知のクラスタリング手法である為、詳細な説明を省略する。
【００３６】
図４に示すクラスタ分布３２ｘは、計測チャネル２３ごとに小領域を配置し、計測チャネル２３同士の位置関係を２次元的に示している。また、クラスタ分布３２ｘは、クラスタごとに小領域の形態（形状、模様、色彩、又はこれらの組合せ等）を変えている。図４では、第１クラスタを内部が「＋」の模様の小円とし、第２クラスタを内部が黒色の小円として示している。
【００３７】
一般に、ヘモグロビン波形３１の特徴を、波形から直接、正確に読み取る為には、かなりの習熟度が必要となる。また、計測チャネル２３の個数が多くなると、習熟度が高いユーザであっても非常に時間がかかる。例えば、主成分分析等によってヘモグロビン波形３１の特徴成分を分離することもできるが、かえって直観的な理解を妨げる場合もある。
【００３８】
一方、本発明の実施の形態では、生体光計測装置１の制御部１３が自動的にクラスタ分布３２を算出するので、習熟度が低いユーザや計測チャネル２３の個数が多い場合も、時間をかけずに測定結果を判読することができる。更に、図４に示すクラスタ分布３２ｘでは、計測チャネル２３同士の位置関係が示された画像にクラスタリングの結果が重畳されているので、脳機能領域での特徴を明瞭に確認することができる。また、クラスタ分布３２は、波形全体の類似性に基づいて分類された結果なので、直観的な理解を妨げることがない。
【００３９】
図５には、クラスタ分布３２の他の表示例を示している。図５（ａ）は、ブロードマン脳地図に、クラスタ分布３２を重畳した合成画像の模式図である。ブロードマン脳地図とは、コルビニアン・ブロードマンによる大脳新皮質の解剖学・細胞構築学的区分の通称である。ブロードマンの原典では、大脳皮質組織の神経細胞を染色して可視化し（特許図面の制約の為、図５ではグレースケールに変換している。）、組織構造が均一である部分をひとまとまりの領域として区分して、１から５２までの番号が振られている。
【００４０】
図５（ａ）では、可読性を確保する為、一部の計測チャネル２３（ＣＨ２８、ＣＨ２９、ＣＨ３８、ＣＨ３９、ＣＨ４９）に対するクラスタリング結果のみを示している。図５（ａ）を見ると、ブロードマン脳地図における１０野と４６＋４７野との脳機能領域の境界が、クラスタ分布３２として明瞭に表現されていることが分かる。図５（ａ）に示す合成画像であれば、解剖学・細胞構築学的区分と対比してクラスタリング結果を確認することができる。
【００４１】
図５（ｂ）は、不特定多数の脳画像（ＭＲＩ画像など）に基づいて生成された平均脳画像に、クラスタ分布３２を重畳した合成画像の模式図である。図５（ｂ）では、平均脳画像の形状に合わせて計測チャネル２３に対応する小領域を変形し、変形した小領域を平均脳画像に重畳している。図５（ｂ）の合成画像は回転することができる。つまり、図５（ｂ）では左側頭部を正面としているが、ユーザが入力部１６を介して指示することによって、右側頭部を正面とすることができる。図５（ｂ）に示す合成画像であれば、被検者１９自身のＭＲＩ画像がなくても生成することができ、より直観的に脳機能領域での特徴を確認することができる。
【００４２】
図５（ｃ）は、被検者１９のＭＲＩ画像に、クラスタ分布３２を重畳した合成画像の模式図である。図５（ｃ）の合成画像も回転することができる。図５（ｃ）に示す合成画像であれば、より正確に脳機能領域での特徴を確認することができる。
【００４３】
図３の説明に戻る。制御部１３は、クラスタごとにクラスタ波形３３を生成する（Ｓ３）。クラスタ波形３３は、クラスタを代表する波形であり、例えば、各クラスタに含まれるヘモグロビン波形３１の各サンプリング点における平均値をグラフ化したものである。また、クラスタ波形３３は、例えば、各クラスタに含まれるヘモグロビン波形３１の各サンプリング点における中央値、最頻値、最小値、最大値、最頻値等をグラフ化したものでも良い。また、クラスタ波形３３は、１つだけではなく、複数の基準値（例えば、最小値、中央値、最大値等）をグラフ化したものであっても良い。
【００４４】
図４には、第１クラスタ波形３３ａｘ、第２クラスタ波形３３ｂｘが示されている。図４に示すように、クラスタ波形は、クラスタ数だけ存在することから、これらを区別する為に、第１クラスタに関する要素の符号には「ａ」、第２クラスタに関する要素の符号には「ｂ」を付けることにする。また、これらを区別せずに総称する場合には、「ａ」や「ｂ」を付けないことにする。
【００４５】
図４に示すように、計測チャネル２３の個数分のヘモグロビン波形３１を全て表示する為には、各波形の表示サイズを小さくしなければならず、視認性が悪くなる。また、計測チャネル２３の個数分のヘモグロビン波形３１を判読するよりも、クラスタ数分のクラスタ波形３３を判読する方が効率的である。
【００４６】
図３の説明に戻る。制御部１３は、クラスタごとにクラスタ特徴量３８を算出する（Ｓ４）。クラスタ特徴量３８は、クラスタ波形３３の特徴量である。波形の特徴量としては、例えば、積分値、平均値、標準偏差、重心値、傾き値などがある。積分値は、特徴量算出区間３７を積分した値である。平均値は、特徴量算出区間３７における計測値の平均値である。標準偏差は、特徴量算出区間３７における計測値の平均値である。重心値は、計測開始時刻から計測終了時刻までの全体を通して、計測値の正方向の面積が半分になる時間である。傾き値は、特徴量算出区間３７の開始時間から所定時間（例えば、５秒）の傾きである。特徴量算出区間３７＝検査課題の実施区間の場合、積分値が検査課題中の反応の大きさ、重心値が検査全体を通して見た場合の反応タイミング、傾き値が反応の速さ（初期賦活）を示している。
【００４７】
また、制御部１３は、識別情報３０ごとに、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を記憶部１４に記憶する（Ｓ５）。そして、制御部１３は、クラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を表示部１５に表示する（Ｓ６）。表示態様には、単独表示、比較表示、差分表示などがある。単独表示では、単一の計測結果（複数の計測チャネル２３のヘモグロビン波形３１）を詳細かつ効率的に確認できる。比較表示や差分表示では、治療による経時的変化や疾患等に起因した複数の計測結果同士の差異を詳細かつ効率的に確認することができる。
【００４８】
＜単独表示の例＞
制御部１３は、単独表示として、例えば、図４に示す情報を表示する。また、制御部１３は、図４のクラスタ分布３２ｘを、図５（ａ）〜（ｃ）に示す合成画像に代えて表示しても良い。
【００４９】
＜比較表示の第１の例＞
制御部１３は、比較表示として、例えば、図４及び図６に示す情報を同時に表示する。図４に示す情報は今回の計測結果であり、図６に示す情報は前回の計測結果である。図６には、被検者「Ｓ」、計測開始時刻「２０１１年４月１日１３時０５分０５秒」の計測結果に対して、計測ＩＤ「１００１」が付与されている。
【００５０】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ分布３２を表示する。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を容易に確認することができる。
【００５１】
＜比較表示＋差分表示の第１の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図７に示す情報を表示する。図７には、ヘモグロビン波形の比較表示３４、ヘモグロビン波形の差分表示３５が示されている。ヘモグロビン波形の比較表示３４は、計測チャネル２３ごとに、ヘモグロビン波形３１ｘとヘモグロビン波形３１ｙとを重畳したものである。ヘモグロビン波形の差分表示３５は、各サンプリング点におけるヘモグロビン波形３１ｘの計測値から、ヘモグロビン波形３１ｙの計測値を引いた値を波形として示したものである。ヘモグロビン波形の差分表示３５を見ると、ヘモグロビン変化としては、今回の計測結果の方が大きいことが明瞭に確認することができる。
【００５２】
＜比較表示＋差分表示の第２の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図８に示す情報を表示する。図８には、今回のクラスタ分布３２ｘ、前回のクラスタ分布３２ｙ、クラスタ分布の差分表示３６が示されている。
【００５３】
クラスタ分布の差分表示３６は、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとの差分である。図８では、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとを比較し、クラスタリング結果に差がある計測チャネル２３を、内部が「■」の小円として示している。クラスタ分布の差分表示３６を見ると、今回のクラスタ分布３２ｘと前回のクラスタ分布３２ｙとにほとんど差異がなく、機能領域的には、今回と前回との間に変化が少ないことが分かる。
【００５４】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ分布３２を表示したり、異なる２つの識別情報３０におけるクラスタ分布３２の差分を表示したりする。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を容易に確認することができる。
【００５５】
＜比較表示＋差分表示の第３の例＞
また、制御部１３は、比較表示及び差分表示として、例えば、図９に示す情報を表示する。図９には、特徴量算出区間３７、今回の第１クラスタ波形３３ａｘ、今回の第２クラスタ波形３３ｂｘ、今回の第１クラスタ特徴量３８ａｘ、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ波形３３ａｙ、前回の第２クラスタ波形３３ｂｙ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙ、第１クラスタ特徴量の差分３９ａ、第２クラスタ特徴量の差分３９ｂが示されている。
【００５６】
特徴量算出区間３７は、入力部１６を介してユーザが任意の値を入力することができる。今回の第１クラスタ特徴量３８ａｘは、今回の計測結果の第１クラスタに関する特徴量（積分値、平均値、標準偏差、重心値、傾き値）である。また、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙも同様である。尚、図９に示す具体的な数値は、正規化（ｚスコア化）される前の値から算出されている。
【００５７】
また、第１クラスタ特徴量の差分３９ａは、今回の第１クラスタ特徴量３８ａｘから前回の第１クラスタ特徴量３８ａｙを引いた値である。第２クラスタ特徴量の差分３９ｂも同様である。
【００５８】
このように、制御部１３は、異なる複数の識別情報３０についてクラスタ特徴量３８を表示したり、異なる２つの識別情報３０におけるクラスタ特徴量３８の差分を表示したりする。これによって、例えば、両者の期間内に、被検者「Ｓ」に対して何らかの治療を施した場合、その治療による効果を定量的に確認することができる。
【００５９】
＜比較表示の第２の例＞
また、制御部１３は、比較表示として、例えば、図１０に示す情報を表示する。図１０には、特徴量算出区間３７、今回の第１クラスタ波形３３ａｘ、今回の第２クラスタ波形３３ｂｘ、今回の第１クラスタ特徴量３８ａｘ、今回の第２クラスタ特徴量３８ｂｘ、前回の第１クラスタ波形３３ａｙ、前回の第２クラスタ波形３３ｂｙ、前回の第１クラスタ特徴量３８ａｙ、前回の第２クラスタ特徴量３８ｂｙ、クラスタ特徴量散布図４０が示されている。
【００６０】
クラスタ特徴量散布図４０は、横軸をクラスタ特徴量３８の１つである積分値、縦軸をクラスタ特徴量３８の１つである重心値とした散布図である。図１０に示すクラスタ特徴量散布図４０には、今回の第１クラスタ、今回の第２クラスタ、前回の第１クラスタ、及び前回の第２クラスタの４点が示されている。クラスタ特徴量散布図４０を見ると、クラスタ特徴量３８の定量的な違いを直観的に理解することができる。
【００６１】
＜変形例＞
前述の説明では同一の計測結果に対するクラスタの分類処理（Ｓ２）を１回としたが、本発明はこの例に限定されない。以下、変形例として、同一の計測結果に対するクラスタの分類処理（Ｓ２）を複数回行う例について説明する。
【００６２】
図１１では、同一の計測結果（計測ＩＤ「１００２」）に対して、クラスタ数を２、３、４とし、クラスタの分類処理を３回行った結果を例示的に示している。生体光計測装置１の制御部１３は、同一の計測結果に対して、クラスタ数を２、３、４に設定してｋ平均法によるクラスタの分類処理を行い、それぞれのクラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を算出する。
【００６３】
図１１では、３種類のクラスタ分布３２を示している。これらを区別する為に、クラスタ数が２に関する要素の符号には「ｌ」、クラスタ数が３に関する要素の符号には「ｍ」、クラスタ数が４に関する要素の符号には「ｎ」を付けている。尚、図１１には示していないが、制御部１３は、クラスタ波形３３やクラスタ特徴量３８を表示部１５に比較表示しても良い。
【００６４】
このように、制御部１３は、異なる複数のクラスタ数によって複数回の分類処理を行い、異なる複数のクラスタ数についてクラスタ分布３２、クラスタ波形３３、クラスタ特徴量３８を表示部１５に表示する。これによって、ユーザは、クラスタの分類処理を行う前に予めクラスタ数を決定する作業を行う必要がない。そして、ユーザは、最適なクラスタ数の分類結果を選択し、選択した分類結果についての詳細な情報を表示させることができる。
【００６５】
更に、制御部１３が、異なる複数のクラスタ数によって複数回の分類処理を行った後、最適なクラスタ数の分類結果を自動的に選択しても良い。この選択処理について、２つの例を説明する。
【００６６】
例えば、制御部１３は、ｋ＝２から再帰的にｋ平均法を実行し、クラスタの分割前と分割後で情報量基準（ベイズ情報量基準、赤池情報量基準等）を比較し、値が改善しなくなるまで処理を行う。そして、制御部１３は、値が改善しなくなった分類結果の１つ前の分類結果を、最適なクラスタ数の分類結果として選択する。
【００６７】
また、例えば、制御部１３は、ｋ＝２から再帰的にｋ平均法を実行してクラスタ特徴量３８を実行し、クラスタの分割前と分割後で、クラスタ間の距離を算出し、閾値以下となるクラスタ間が出てくるまで処理を行う。そして、制御部１３は、閾値以下となるクラスタ間が出てきた分類結果の１つ前の分類結果を、最適なクラスタ数の分類結果として選択する。ここで、クラスタ間の距離とは、例えば、図１０に示すクラスタ特徴量散布図４０のように、クラスタ特徴量３８の１つである積分値をｘ座標、クラスタ特徴量３８の１つである重心値をｙ座標としたときのユークリッド距離などである。
【００６８】
このように、制御部１３は、複数回の分類結果から、クラスタ特徴量３８に基づいて最適なクラスタ数の分類結果を選択する。これによって、ユーザは、最適なクラスタ数の分類結果を選択する作業を行う必要がない。そして、制御部１３は、最適なクラスタ数の分類結果についての詳細な情報を表示部１５に表示することができる。
【００６９】
以上、添付図面を参照しながら、本発明に係る生体光計測装置等の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【符号の説明】
【００７０】
１………生体光計測装置
２………装置本体部
３………装着部
４………送信用光ファイバ
５………受信用光ファイバ
６………計測部
７………コンピュータ
８………レーザダイオード
９………検出器
１０………ロックインアンプ
１１………ＡＤ変換
１２………デジタルボード
１３………制御部
１４………記憶部
１５………表示部
１６………入力部
１９………被検者
２１………照射プローブ
２２………検出プローブ
２３………計測チャネル
３０………識別情報
３１………ヘモグロビン波形
３２………クラスタ分布
３３………クラスタ波形
３４………ヘモグロビン波形の比較表示
３５………ヘモグロビン波形の差分表示
３６………クラスタ分布の差分表示
３７………特徴量算出区間
３８………クラスタ特徴量
３９………クラスタ特徴量の差分
４０………クラスタ特徴量散布図
【特許請求の範囲】
【請求項１】
近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置であって、
計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類手段と、
前記クラスタを代表する波形であるクラスタ波形を生成する生成手段と、
前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示手段と、
を備えることを特徴とする生体光計測装置。
【請求項２】
前記分類手段は、前記ヘモグロビン波形の波形全体の類似性に基づいて複数のクラスタに分類する
ことを特徴とする請求項１に記載の生体光計測装置。
【請求項３】
計測結果を識別する情報である識別情報ごとに前記クラスタ波形及び前記クラスタ分布を記憶する記憶手段、
を更に備え、
前記表示手段は、異なる複数の前記識別情報について前記クラスタ波形及び前記クラスタ分布を表示する、並びに／或いは、異なる２つの前記識別情報における前記クラスタ分布の差分を表示する
ことを特徴とする請求項１又は請求項２に記載の生体光計測装置。
【請求項４】
前記クラスタ波形の特徴量であるクラスタ特徴量を算出する算出手段、
を更に備え、
前記記憶手段は、前記識別情報ごとに前記クラスタ特徴量を記憶し、
前記表示手段は、異なる複数の前記識別情報について前記クラスタ特徴量を表示する、及び／又は、異なる２つの前記識別情報における前記クラスタ特徴量の差分を表示する
ことを特徴とする請求項３に記載の生体光計測装置。
【請求項５】
前記分類手段は、異なる複数のクラスタ数によって複数回の分類処理を行い、
前記生成手段は、異なる複数のクラスタ数について前記クラスタ波形を生成し、
前記算出手段は、異なる複数のクラスタ数について前記クラスタ特徴量を算出し、
前記表示手段は、異なる複数のクラスタ数について前記クラスタ波形及び前記クラスタ分布を表示する、並びに／或いは、異なる複数のクラスタ数について前記クラスタ特徴量を表示する
ことを特徴とする請求項４に記載の生体光計測装置。
【請求項６】
前記分類手段における複数回の分類結果から、前記クラスタ特徴量に基づいて最適なクラスタ数の分類結果を選択する選択手段、
を更に備えることを特徴とする請求項５に記載の生体光計測装置。
【請求項７】
近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置が実行する波形解析方法であって、
計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類ステップと、
前記クラスタを代表する波形であるクラスタ波形を生成する生成ステップと、
前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示ステップと、
を含むことを特徴とする波形解析方法。
【請求項１】
近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置であって、
計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類手段と、
前記クラスタを代表する波形であるクラスタ波形を生成する生成手段と、
前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示手段と、
を備えることを特徴とする生体光計測装置。
【請求項２】
前記分類手段は、前記ヘモグロビン波形の波形全体の類似性に基づいて複数のクラスタに分類する
ことを特徴とする請求項１に記載の生体光計測装置。
【請求項３】
計測結果を識別する情報である識別情報ごとに前記クラスタ波形及び前記クラスタ分布を記憶する記憶手段、
を更に備え、
前記表示手段は、異なる複数の前記識別情報について前記クラスタ波形及び前記クラスタ分布を表示する、並びに／或いは、異なる２つの前記識別情報における前記クラスタ分布の差分を表示する
ことを特徴とする請求項１又は請求項２に記載の生体光計測装置。
【請求項４】
前記クラスタ波形の特徴量であるクラスタ特徴量を算出する算出手段、
を更に備え、
前記記憶手段は、前記識別情報ごとに前記クラスタ特徴量を記憶し、
前記表示手段は、異なる複数の前記識別情報について前記クラスタ特徴量を表示する、及び／又は、異なる２つの前記識別情報における前記クラスタ特徴量の差分を表示する
ことを特徴とする請求項３に記載の生体光計測装置。
【請求項５】
前記分類手段は、異なる複数のクラスタ数によって複数回の分類処理を行い、
前記生成手段は、異なる複数のクラスタ数について前記クラスタ波形を生成し、
前記算出手段は、異なる複数のクラスタ数について前記クラスタ特徴量を算出し、
前記表示手段は、異なる複数のクラスタ数について前記クラスタ波形及び前記クラスタ分布を表示する、並びに／或いは、異なる複数のクラスタ数について前記クラスタ特徴量を表示する
ことを特徴とする請求項４に記載の生体光計測装置。
【請求項６】
前記分類手段における複数回の分類結果から、前記クラスタ特徴量に基づいて最適なクラスタ数の分類結果を選択する選択手段、
を更に備えることを特徴とする請求項５に記載の生体光計測装置。
【請求項７】
近赤外光を被検者に照射する照射プローブ、及び前記被検者の内部を通過した前記近赤外光を検出する検出プローブが配置され、前記被検者に装着される装着部と、前記照射プローブと前記検出プローブの間の部位である計測チャネルごとにヘモグロビン波形を計測し、計測結果を表示する装置本体部と、から構成される生体光計測装置が実行する波形解析方法であって、
計測された一部又は全部の前記ヘモグロビン波形の類似性に基づいて複数のクラスタに分類する分類ステップと、
前記クラスタを代表する波形であるクラスタ波形を生成する生成ステップと、
前記クラスタ波形とともに、前記計測チャネルと前記クラスタとの対応付けを示す情報であるクラスタ分布を表示する表示ステップと、
を含むことを特徴とする波形解析方法。
【図１】
【図２】
【図３】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図４】
【図２】
【図３】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図４】
【公開番号】特開２０１３−１７４９４（Ｐ２０１３−１７４９４Ａ）
【公開日】平成２５年１月３１日（２０１３．１．３１）
【国際特許分類】
【出願番号】特願２０１１−１５０５８２（Ｐ２０１１−１５０５８２）
【出願日】平成２３年７月７日（２０１１．７．７）
【出願人】（０００１５３４９８）株式会社日立メディコ (1,613)
【Ｆターム（参考）】
【公開日】平成２５年１月３１日（２０１３．１．３１）
【国際特許分類】
【出願日】平成２３年７月７日（２０１１．７．７）
【出願人】（０００１５３４９８）株式会社日立メディコ (1,613)
【Ｆターム（参考）】
[ Back to top ]