生体光計測装置
【課題】 注目する生理信号の正確な評価をするためには、関連する生理信号の相互作用を定量的に解析できる技術を開発し、注目する変数以外のパワーを排除する必要がある。
【解決手段】 複数変動間の関係を解析する手段として、有向コヒーレンス(DC)解析および偏有向コヒーレンス (PDC)解析を用い、周波数ごとにスペクトル解析の分野で知られるパワーの移動として求める。
【解決手段】 複数変動間の関係を解析する手段として、有向コヒーレンス(DC)解析および偏有向コヒーレンス (PDC)解析を用い、周波数ごとにスペクトル解析の分野で知られるパワーの移動として求める。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、生体に光を照射して生体血流(例えば脳)に起因する生体内部情報を取得する生体光計測装置に関する。計測の際に生じる生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを把握し、他の生理信号が及ぼす影響評価、影響排除することを可能とする技術である。
【背景技術】
【０００２】
被検体頭部に光を照射し、被検体頭部を透過し脳血流の影響を反映した生体内部情報を計測する生体光計測装置が知られている（例えば特許文献２）。この生体光計測装置を用いて脳活動計測を行う際には、一般に被験者に対して１０秒から３０秒程度脳を刺激するための課題を与える。これは十分な脳活動を誘発し、計測可能な脳活動状態の変化とするために必要な時間であり、ここで得られる脳活動信号の周波数帯域は、約０．０３〜０．１Ｈｚであることが知られている。
また当該装置による脳活動の計測結果において、生体内部情報の計測により得られる計測信号（以下、光信号とする）には、目的の応答信号のほかに、雑音信号が含まれることが知られている。
ここで雑音信号を生じさせる原因としては、血圧、心拍、脈拍などが生体揺らぎノイズとして雑音信号となることが知られている。
【０００３】
この雑音信号による影響を低減するために、従来、脳の活動が同一課題に対して同一の応答を示すことを前提としてそれ以外の信号を除去する加算平均や、応答信号と雑音信号とが異なる周波数帯域に存在することを前提として、所定の周波数以上もしくは所定の周波数以下の帯域をカットすることにより他の生理信号から影響の多い周波数を除去するバンドパス・フィルタを用いた雑音信号低減技術が知られている。
【０００４】
しかし、実際の脳の活動は、同一課題であっても同一の応答を示すとは限らず、加算平均による信号処理が必ずしもうまくいくわけではない。加算平均による信号処理が効果的であったとしても、加算するための信号計測に多くの時間を要してしまう。
上記の加算平均やバンドパスフィルタを用いた処理は複数の雑音信号に対する処理であるが、特定の原因による雑音信号に特化した処理も検討されている。
【０００５】
例えば、脈拍の影響による雑音信号（脈拍雑音信号）は、周波数の特定が容易なことから、バンドカット・フィルタによる低減も可能である。
また、耳などの部位で計測した脈拍信号を元に光計測信号に含まれる脈拍雑音信号を低減したり（特許文献３）、光計測信号自身から、脈拍雑音信号を抽出し、その影響を低減する手法も考案されている（非特許文献１）。
【０００６】
さらに、光信号に含まれる雑音信号の中に、約０．１Ｈｚの周波数帯域をもつ不規則なものがある。これは、低周波揺らぎ信号、或いはMayer波と呼ばれる、生体が元々持っている揺らぎ信号の一種である。
【０００７】
Mayer波については、これまで多くの研究が成されてきており、血圧、心拍の変動の関与が示されているが、その発生機序の詳細は未だ明らかではない。
なお上記、特許文献１は脈拍信号を用い、差分により雑音を取り除くものであり、Mayer波雑音成分は脈拍信号から単純に求められないので、脈拍信号の差分では取り除けない。
【０００８】
また、脳活動信号の周波数帯域は、約０．０３〜０．１Ｈｚであることは上述したが、Mayer波雑音信号の周波数帯域は、脳活動信号の周波数帯域に非常に近いことも知られている。このため、バンドパス・フィルタ、バンドカット・フィルタなどによるMayer波雑音信号の低減は困難である。また、低周波揺らぎ信号は非周期的な不規則な変化も含むため、単純な周波数フィルタリングでの低減は困難である。そのため、注目する生理信号が同帯域にパワーを持つ場合でもカットしてしまうことになる。
【０００９】
そこで、生体雑音信号の低減をするため特許文献１には、移動エントロピーを用いて注目する生理信号が他の生理信号から受ける影響をモデル化した関数重みづけを行い、他の変数から受ける影響を除去する情報移動解析を用いた生体雑音除去技術が開示されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００６−１１６０３７号公報
【特許文献２】特開平９−１３５８２５号公報
【特許文献３】特開２００４−１７３７５１号公報
【非特許文献】
【００１１】
【非特許文献１】Maria Angela Franceschiniほか、NeuroImage 21 (2004) 372 386
【発明の概要】
【発明が解決しようとする課題】
【００１２】
上記特許文献１による情報移動解析による雑音除去方法では、解析方法が非線形解析である特性上、計算時間が指数関数的に増加し、４変数以上の多変数解析は困難である。
また、注目する生理信号が、生体雑音信号となる第二の生理信号から受ける影響を仮想モデル化した関数で影響を排除しているため、正確に第二の生理信号からの影響を除くことはできなかった。
さらに、注目する生理信号に対し、第二の生理信号が直接に影響を及ぼしているか、それとも第三の生理信号の間接的経路を経て影響を受けているかという、生理信号間のパワーの詳細な流れを知ることはできなかった。
【課題を解決するための手段】
【００１３】
本発明は、被験者の生体内部の血行動態を計測するため、被験者に光を照射する一つまたは複数の光照射部と、この照射光が生体の中を経由または生体内で反射されてでてきた光を検出する一つまたは複数の光検出部と、脈拍、または呼吸、血圧、体温のいずれか一つまたは複数組を計測する生理信号計測部と、光検出部により得られた光信号と、生理信号との関係を有向コヒーレンス解析及び偏有向コヒーレンス解析による線形解析により解析する手段と、得られた関係を元に光信号から生体雑音信号を分離する手段とにより構成される。
【発明の効果】
【００１４】
上記によれば、線形解析であるが故に多数計測間の関係解析に用いることができ、従来よりも算出速度の速い解析手法の提供が可能となり、さらには生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを詳細に知ることができる。
これにより，注目する生理信号に対し、他の生理信号が及ぼす影響を評価し影響を排除することが可能となる。また、注目する生理信号に対し、特定の生理信号を媒介して影響を及ぼすパワーのみを選択もしくは排除することが可能となる。
【図面の簡単な説明】
【００１５】
【図１】本発明の第１の実施例の構成を示す概略図である。
【図２】光信号、血圧信号、心拍信号の表示例である。横軸は時間（秒）であり縦軸は信号強度をあらわし、平均０、分散１となるように規格化している。
【図３】ＤＣ解析結果かられる各生体信号間でのパワーの移動を示す表示例である。
【図４】ＰＤＣ解析結果かられる各生体信号間でのパワーの移動を示す表示例である。
【図５】ＯＴの持つパワーに注目した場合のパワーの移動の表示例である。
【図６】ＤＣ解析を用いたＯＴ、ＨＲ、ＢＰの三信号間のパワーの移動解析結果である。
【図７】ＰＤＣ解析を用いたＯＴ、ＨＲ、ＢＰの三信号間のパワーの移動解析結果である。
【図８】ＨＲの持つパワーの源とその伝搬経路の表示を示す図である。
【図９】ＢＰの持つパワーの源とその伝搬経路の表示を示す図である。
【図１０】ＯＴの持つパワーの源とその伝搬経路の表示を示す図である。
【図１１】フィルター例を示す図である。
【図１２】経路選択、雑音除去を選択的に実施させるための画面例である。
【図１３】経路選択、雑音除去を選択的に実施させるための画面表示フロー例である。
【図１４】本文中説明で用いる表１ＤＣ解析結果、表２ＰＤＣ解析結果、表３modified PDC解析結果を示す表である。
【図１５】本文中で用いる数式[数１]〜[数３]を示す。
【図１６】本文中で用いる数式[数４]〜[数７]を示す。
【図１７】本文中で用いる数式[数８]〜[数１１]を示す。
【図１８】本文中で用いる数式[数１２]〜[数１５]を示す。
【図１９】本文中で用いる数式[数１６]〜[数１９]を示す。
【図２０】本文中で用いる数式[数２０]〜[数２２]を示す。
【発明を実施するための形態】
【００１６】
（実施例１）
以下実施例として、具体的な装置構成を図１に示す。
装置構成としては、被験者の頭部の一部または全体に装着する生体光計測用プローブ１１０、生体光計測用プローブ１１０に連結した光ファイバー１１３により、光照射部１０１より生体に光を照射し、生体光計測用プローブ１１０に連結した光ファイバー１１４により、生体内を通過した光を検出する光検出部１０２と、この検出結果を記録する記憶部１０３を有する。ここで記憶部１０３に記録される信号を、以下「光信号」とする。
【００１７】
また被験者である生体の一部、例えば腕に血圧計測用のカフ１１１、指に血圧計測カフ１１２を取り付け可能に構成されている。カフはどちらか片方のみを用いてもよく、腕や指に限らず足、首、頭部などに取りつけることも可能である。
この心拍・血圧計測装置１０４内の制御演算部により、カフをコントロールし、カフから得られる信号を処理し、結果を記憶部１０５に記録する。記憶部１０５に記録される生体信号を、以下「心拍信号」「血圧信号」とする。ここで、記憶部１０３及び１０５はそれぞれ別体としたが、一つの記憶部であっても良いことは云うまでもない。
また、ここでは心拍・血圧計測装置は光信号を計測する装置とは別体であることを想定しているが、一体構成として、心拍・血圧計測の装置制御等を光信号を計測する装置の制御部で制御することも可能である。
【００１８】
また、検出部１０２及び心拍・血圧計測装置１０４の計測タイミングは同期部１０６により時間的に同期させることができる。ここで得られた光信号と生体信号を関係演算部１０７により解析する。得られる光信号と生体信号は時間的に同期したものであることが好ましいが、同期していないものについても時間遅延を考慮した演算を別途関係演算部１０７により行うことも可能である。
【００１９】
計測結果の例として、図２に検出部１０２で得られた光信号２０１、心拍・血圧計測装置１０４で得られた血圧信号２０２、心拍信号２０３の計測結果を示す。横軸は時間（秒）であり縦軸は信号強度を表している。
【００２０】
次に、関係演算部１０７により、検出部１０２、心拍・血圧計測装置１０４で取得された光信号２０１、血圧信号２０２、心拍信号２０３の相互に及ぼす影響について解析する。
光信号２０１、血圧信号２０２、心拍信号２０３の関係は複雑に関係しあう複数の生体指標であるが、健常状態の生体では線形性が保たれていることが多く、線形解析法で光信号２０１、血圧信号２０２、心拍信号２０３の相互に及ぼす影響を調べることができる。
この関係の線形性に注目して本実施例においては、パワースペクトル解析のパワー解析を基にした線形解析法である有向コヒーレンス解析（以下ＤＣ解析と称する）、偏有向コヒーレンス解析（以下ＰＤＣ解析と称する）を用いた線形解析を行うこととする。当該解析は関係演算部１０７によって実行される。
【００２１】
ここでＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができ、ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。ＤＣ解析結果から、注目する生理信号の持つパワーの源を図３のように表示することができる。
例えば、Optical Topography３０１ (以下ＯＴと称する)の持つパワーに注目した場合、ＯＴ自身の過去の変動のパワーからの影響３０４に加え、外部からの影響３０５、３０６を加えたものが観測されるＯＴのパワーとなる。
【００２２】
さらに、ＰＤＣ解析結果から、注目する生理信号の持つパワーの与える先を図４のように表示することができる。例えば、ＯＴの持つパワーに注目した場合、ＯＴ自身への影響４０４、Heart Rate(以下ＨＲと称する)への影響４０８、Blood Pressure(以下ＢＰと称する)への影響４１２にパワーを与えていることがわかる。
【００２３】
関係演算部１０７における上記二つの解析結果をもとに図示しない画像処理部がＯＴ・ＨＲ・ＢＰ相互のパワーの流れを表示部１１０に表示させる。この表示例（図５、図１２）のように視覚的にパワーの詳細な流れを調べることができるようになる。
このパワーの流れを用いることにより、後述する方法により特定の生理信号が及ぼす影響のみを排除することができるようになる。
【００２４】
これにより従来、互いに他の生体信号に及ぼす影響を知るに留まり、どのような経路を経て注目する生体信号に対して影響を及ぼしているかを知ることができなかったが、ＤＣ解析、ＰＤＣ解析から算出した結果から得られる各要因間でのパワーを計算することにより、注目する生体信号に対して、他の生体信号が及ぼす影響の経路を知ることができるようになる。
【００２５】
ここで図５の表示例は、ＯＴのパワーの流れを示したもので、５０１、５０２、５０３は直接注目する生理信号ＯＴに流れ込むパワーの流れを示しており、５０３、５０４、５０５、５０６、５０７、５０８、５０９は他の変数を媒介して注目する生理信号に対して影響を与えている。それぞれは注目する生理信号が持つパワーの割合、もしくはパーセンテージで表せられる。この表示は、フーリエ変換(後述する)で求めた全ての周波数で作成することができる。
注目する生理信号は図中に２つ表示され、同じ生理信号間のパワーの流れは、注目する生理信号が作成したパワーであることを示している。これは、表示部１０９により表示される。
【００２６】
光信号、血圧信号、心拍信号間での情報の流れの程度がそれぞれの矢印の方向と大きさと、光信号マーク３０１、血圧信号マーク３０３、心拍信号マーク３０２で示される（心拍信号から光信号へのパワー移動の程度３０４、光信号から心拍信号へのパワー移動の程度３０５、心拍信号から血圧信号へのパワー移動の程度３０６、血圧信号から心拍信号へのパワー移動の程度３０７、血圧信号から光信号へのパワー移動の程度３０８、光信号から血圧信号へのパワー移動の程度３０９）。この表示例は一例であって、矢印の大きさでパワーの流れの程度を示しているが、％表示等の数値的表示も可能であることは云うまでもない。
【００２７】
この表示は、一定期間の平均的なものであっても、各時刻における変化を連続的に表示するものであってもよい。この表示形態は図示しないキーボード、指示手段等の入力装置を介して設定できるようにする。
また、一定の幅を持つ周波数帯域の平均値を用いてもよい。得られたパワーの流れを用いて、分離演算部１０８により図１５に示す[数２]のように生体雑音信号ＳＢＮの与える影響を評価する。
ここでは、関数（Ｓ計測信号）は、注目する生理信号を指し、この場合ＢＰ、ＯＴ、ＨＲがある。（Ｓ間接ＢＰ）はＯＴを通り伝達する経路と、ＨＲを通り伝達する経路がある。同様に、（ａ４Ｓ間接ＨＲ）、（ａ５Ｓ間接ＯＴ）についても言える。 この場合、３生理信号を用いて解析を行っているが、４変数以上に計測生理信号数を増やせば、右辺の項は直接経路を示す項と間接経路を示す項が増加する。この結果をもとに、計測信号（Ｓ計測信号）に含まれる様々な信号のうち、計測に不要であるパワーを低減することができるようになった。つまり、計測信号（Ｓ計測信号）に対し図１５に示す[数３]を用いてフーリエ変換を行い、計測信号が持つ周波数別パワーを求め、それぞれの周波数に含まれる不要パワーをＰＤＣ・ＤＣ解析を用いて求めた割合で引く。
【００２８】
その後、図１６に示す[数４]により逆フーリエ変換を行うことにより、注目する純粋な計測信号を求めることができる。
ただし[数３]、[数４]ではなく、他のフーリエ変換の式や他の逆フーリエ変換の式を用いてパワーを計算してもよい。
この解析を用いて、注目する生理信号の持つパワーのうち、注目する経路を通ったパワーのみを表示することが可能となり、バンドパス・フィルタ、バンドカット・フィルタなどのように一律的に決められた周波数以上・以下の帯域をカットするのではなく、他の生理信号から影響のみを排除することが可能となる。
【００２９】
心拍・血圧計測装置の組み合わせの他に、呼吸、体温、のどの動き等の生体信号を組み合わせて用いてもよい。心拍計測に、光トポグラフィ装置の光照射・検出機構を共用してもよいことは云うまでもない。また、光トポグラフィ計測信号に含まれる心拍成分を抽出し、心拍信号としてもよい。
【００３０】
上記によれば、従来の単純なフィルタリングでは取り除くことができない低周波揺らぎ信号の影響のみを効果的に取り除くことができるようになる。
また、脳活動信号の持つ低周波数帯域は脳活動および全身循環系等の影響が考えられることから、除去せず計測することが重要であることに着目し、特に、心拍動の周波数以下の帯域である１Ｈｚ以下に揺らぎをもつ生体雑音信号（例えば血圧など）を分離することで脳機能計測における生体雑音信号を効果的に低減することができる。
解析結果は周波数ごとにスペクトル解析の分野で知られるパワーの移動として求めることができる。具体的には、ＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができ、 ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。この二つの解析法は多変数自己回帰(multivariate auto-regressive:ＭＡＲ)モデルに基づく線形解析法である。
【００３１】
ここでＭＡＲモデルとは、ひとつの観測量の現在の値をすべての観測量の過去の値の線形和で表すモデルである。ＤＣ解析は、注目する変数Ｙαが他の変数Ｙβからパワーをどれだけ受け取っているかを評価するもので、上記線形和の係数のフーリエ変換から求められる。ＰＤＣ解析は変数Ｙβが注目する変数Ｙαにパワーをどれだけ与えているかを評価するものであり、これも上記線形和の係数のフーリエ変換から導くことができる。
【００３２】
以下、計測データのＭＡＲモデルへの当てはめ、多変数自己回帰モデルに基づくスペクトル解析、ＤＣ解析およびＰＤＣ解析について順を追って詳細に説明する。
[多変数自己回帰モデルの作成]
多変数自己回帰(ＭＡＲ)モデルとは、定常状態で取得した過去のデータから今後取得されるデータを予想するモデルであり、線形解析の基本的手法の一つである。本実施例では、安静な状態で一定期間計測された生理学的変動データを定常的なデータとして扱った。平均血圧、心拍数、酸素化ヘモグロビン濃度の３つの変数をそれぞれＢＰ、ＨＲ、ＯＴと表し、離散化された時刻ｎにおける対象システムの状態Ｙ(ｎ)を図１６に示す[数５]で表す。
またＭＡＲモデルでは、Ｙ(ｎ)を図１６に示す[数６]で表す。[数７]は、時刻ｎにおける観測変動の状態が観測変動の過去の状態とノイズの和によって表されることを意味している。ｐはＭＡＲモデルの予想に用いる過去の計測ポイント数であり、最小記述長基準により決定する。
また、Ｗ(ｎ) はＭＡＲモデルの当てはめ誤差に相当し、互いに独立な白色ガウスノイズを成分とするノイズベクトルであり、図１６に示す[数７]で表される。
ここで、Ａ(ｋ)は係数行列であり、図１７に示す[数８]で表す。ここでは実験データとモデルとの誤差Ｗ(ｎ)を最小になるように最小二乗法を用いて決定した。
以上より、ＭＡＲモデルの係数Ａ(ｋ)とモデル次数ｐが求まり、計測データを表すＭＡＲモデルを求めることができる。
[パワースペクトル解析]
上記で得られたＭＡＲモデル、図１７に示す[数８]をフーリエ変換すると図１７に示す[数９]となる。係数行列のフーリエ変換A’(f)の要素A’αβは図１７に示す[数１０]で与えられる。 [数９]を式変形すると、図１７に示す[数１１]となり、成形フィルタH’を図１８８に示す[数１２]とおくと、図１８に示す[数１３]と表すことができ、観測変動のフーリエ変換はノイズベクトルに成形フィルタを乗ずることで得られることが分かる。
ここで、成形フィルタH’の各成分は図１８に示す[数１４]と表される。
次に対角成分がパワースペクトル（自己スペクトル）、非対角成分がクロススペクトルであるスペクトル行列を考える。スペクトル行列S’(f)は、図１８に示す[数１５]で与えられる。ここで、＊は複素共役、Tは転置を意味する。[数１３]より図１９に示す[数１６]と変形することができ、W’＊(f) W’TをΛとしてまとめると図１９に示す[数１７]となる。
【００３３】
また、W’(f)の各成分は互いに独立な白色ガウスノイズであることから図１９に示す[数１８]となり、対角成分以外は０であり、対角成分は周波数に依存しない。
以上より、 [数１７]の各項の成分が求まりスペクトル行列S’(f)が求めることができる。
[ＤＣ解析およびＰＤＣ解析]
前節で述べたパワースペクトルから、観測された変動の特定周波数成分がいずれの変数からパワーの寄与を受けているかが解析可能であり、以下の手順でＤＣを求めることができる。
【００３４】
変数ＹαのパワースペクトルＳααは、変数Ｙαが他変数および、自分自身から受け取ったパワーの総和であり、図１９に示す[数１９]で求められる。
ＤＣは、変数Ｙαの持っているパワーの総和に対する、他の変数Ｙβより与えられたパワーの割合を示していることから図２０に示す[数２０]と定義できる。
【００３５】
γαβ(ｆ)は、変数Ｙαのパワーのうち、どの程度のパワーを変数Ｙβから受け取っているかを表している。パワーのやり取りが複雑であって途中に他の変数が介在してもよい。
【００３６】
一方、ＰＤＣ解析では、ある変数Ｙβが変数Ｙαにパワーをどれだけ与えているかを評価する。ここで、図２０に示す[数２１]とおくとＰＤＣは、図２０に示す[数２２]で定義される。
【００３７】
π’αβ(f)は変数Ｙβのパワーのうち、どの程度のパワーを変数Ｙαに与えているかを表し、パワーのやり取りが直接的なものだけを考慮する。
[解析例]
次に、光信号２０１、血圧信号２０２、心拍信号２０３の関係について以上の解析方法を用いて解析を行う。解析は関係演算部１０７で行われ、図示しない画像処理装置において画像処理され表示部１０９に以下のように表示される。ここでは仮に０．０４〜０．１５Ｈｚの平均のパワーの解析を行う。ＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができる。解析結果を図６に表し、０．０４〜０．１５Ｈｚの平均のパワーを図１４中の表１に示す。
表１は行方向に足し合わせると１００％となり、Receiveのパワーがどの生体信号から受けているかを知ることができる。
【００３８】
ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。
ここで解析結果を図７に表し、０．０４〜０．１５Ｈｚの平均のパワーを図１４中の表２に示す。表２は列方向に足し合わせると１００％となり、Sourceのパワーがどこへ移動しているかを知ることができる。この二つの解析結果をもとに詳細なパワーの流れを調べることができるようになり、他の生理信号が及ぼす影響のみを排除することができるようになる。
【００３９】
次に表２から、注目する変数の受け取るパワーの総量を１００％として、注目する変数に対し、他の変数から直接移動するパワーの割合を再計算した。例えば、ＯＴに注目した場合はＢＰから８５％、ＨＲから５６％、ＯＴから１００％受け取り、総量が２４１％となる。この総計を１００％として、ＢＰからＯＴ、ＨＲからＯＴのように、注目変数に直接流入するパワー移動量を求め、その結果を修正偏有向コヒーレンス(Modified PDC)として、図１４中の表３に示す。
【００４０】
ＤＣ解析は注目する変数のパワーの源を知ることができ、媒介する変数があってもパワーの源を求めることができる。一方、ＰＤＣ解析はパワー移動の始点となる変数から次に伝達される変数との関係性を評価できる。Modified PDCは注目する変数に直接的にパワーを与える変数との関係性を評価できる。ＤＣとModified PDCの結果を組み合わせることにより、パワーの中継先を考慮したパワーの流れを知ることができるようになる。未知数が多く不定方程式となる場合は、計測した生理信号の関係を仮定し値を代入する。
この結果をもとに作成したパワーの流れは、以下の図８、図９、図１０のようになる。ここで、図１０から注目するＯＴ変動の持つ０．０４〜０．１５Ｈｚのパワーは外部からの影響はＢＰから２５％、ＨＲ２０％であり、合計４５％受けていることがわかる。そこで、０．０４〜０．１５Ｈｚのパワーの４５％を低減して再表示をすると、図１１の１１０１のＯＴデータから１１０２のように外部の影響を排除することができる。
【００４１】
ここでの例は、０．０４〜０．１５Ｈｚのパワーの平均を求めたものであるが、平均を行わずすべての周波数で同様に排除することも可能となる。
上述した内容で算出された生体雑音信号ＳＢＮを、図１５で示す[数１]に基づいて光信号ＳＯＴから差し引くことで、生体雑音信号による影響を低減した光信号ＳＰを得ることが可能となる。
【００４２】
次に、図１２、図１３を用いて具体的な表示形態例及び表示方法について説明をする。
図１２は表示内容選択部１２０８（１３０１）でＯＴを選択し、表示部１０９に表示をした一例である。表示内容選択部１２０８で表示する生体信号を選択し、記憶部１０３もしくは、記憶部１０５に保存されているデータを関係演算部１０７（１３０２）もしくは分離演算部１０８（１３０２）で読み出し、画像処理部により時系列データを１２０６（１３０９）に表示し、パワーの流れを１２０２（１３０９）に表示する。
フィルターモードは経路排除モード選択ボタン１２０４（１３０３）と経路選択モード選択ボタン１２０５（１３０４）があり、排除したいパワーの流れ、もしくは表示をしたいパワーの流れを指示手段１２０３でパワー経路表示部１２０２の実線もしくは点線のパワー移動矢印を選択をする（１３０５、１３０７）。ここで指示手段１２０３はマウス操作による形態を示したが、これに限らず入力手段に備えられるキー操作、タッチパネル等を採用しても良い。
フィルターモードによるフィルター処理は、関係演算部１０７（１３０６、１３０８）もしくは分離演算部１０８（１３０６、１３０８）で処理が行われ、ファイル加工後データは１２０７（１３０９）に表示される。
排除モードは、マウスポインタまたは指示手段１２０３で選択したパワー経路表示１２０２部の実線もしくは点線のパワー移動を示す矢印のパワーをフィルターし、フィルター後表示部１２０７に表示をする。
選択モードは、マウスポインタまたは指示手段１２０３で選択したパワー経路表示部１２０２の実線もしくは点線のパワー移動を示す矢印のパワーをファイル加工後データ１２０７に表示をする。
上記によれば、所望とする生体情報を選択もしくは除去することが可能となり、所望の生体信号のパワーの流れを把握でき、当該パワーの流れを考慮した計測結果の表示が可能となる。
【００４３】
以上において光計測装置における、複数変動間の関係を解析する手段として、有向コヒーレンス(ＤＣ)解析および偏有向コヒーレンス(ＰＤＣ)解析を用い、周波数ごとにスペクトル解析の分野で知られるパワーの移動として求め、この二つの解析結果を組み合わせることにより、関連する生理信号の相互作用を定量的に評価し、注目する変数以外のパワーを排除する技術について説明し、さらに、パワーの詳細な流れ、特定の経路を伝達し影響を及ぼすパワーのみを排除する技術について説明してきた。
【００４４】
これにより、線形解析であるが故に多数計測間の関係解析に用いることができ、従来よりも算出速度の速い解析手法の提供が可能となり、さらには生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを詳細に知ることができる。
また、複雑な生理信号から生体内部の関係性を可視化することができ、生体内部の機能ネットワークをとらえることが可能となることから、注目する生理信号に対し、他の生理信号が及ぼす影響の評価、影響の排除が可能となり、さらには注目する生理信号に対し、特定の生理信号を媒介して影響を及ぼすパワーのみを排除することを可能となる。
その結果、生体雑音信号による影響を低減することにより信号のＳ／Ｎ比が向上し、計測時間の短縮やより質の高いデータを提供できる。
【産業上の利用可能性】
【００４５】
医療、研究分野における光を用いた脳機能計測において、生体雑音信号による影響を低減することにより信号のＳ／Ｎ比が向上し、計測時間の短縮やより質の高いデータを提供できる。また，注目する生理信号が他の生理信号に及ぼす影響を詳細に調べることができるようになることに加え、注目する生理信号が他の変数から受ける影響を調べることができるようになるため機能的結合の評価等、多数の計測ポイント間での関係を求める研究手法になると期待される。これにより、生理信号の異常に対し、根本的な原因を取り除くための検査手段になる可能性がある。
【符号の説明】
【００４６】
１０１・・光照射部、１０２・・ 光検出部、１０３・・ 記憶部、１０４・・心拍・血圧計測装置１０５・・ 記憶部、１０６・・ 動機部、１０７・・ 関係演算部、１０８・・ 分離演算部、１０９・・ 表示部、１１０・・ 生体光計測用プローブ、１１１・・ 腕用の血圧計測用のカフ、１１２・・ 指用の血圧計測カフ、１１３・・ 光ファイバー 、１１４・・ 光ファイバー、１１５・・ バンドパス・フィルタ部、２０１・・ 光信号２０２・・ 血圧信号、２０３・・ 心拍信号、３０１ 光信号マーク、３０２・・ 血圧信号マーク、３０３・・ 心拍信号マーク、３０４・・ 光信号から光信号へのパワー移動の程度、３０５・・ 心拍信号から光信号へのパワー移動の程度、３０６・・ 血圧信号から光信号へのパワー移動の程度、３０７・・心拍信号から心拍信号へのパワー移動の程度、３０８・・ 血圧信号光信号から心拍信号へのパワー移動の程度、３０９・・ 血圧信号から心拍信号へのパワー移動の程度、３１０・・血圧信号から血圧信号へのパワー移動の程度、３１１・・心拍信号から血圧信号へのパワー移動の程度、３１２・・光信号から血圧信号へのパワー移動の程度、４０１・・ 光信号マーク、４０２・・ 血圧信号マーク、４０３・・ 心拍信号マーク、４０４・・ 光信号から光信号へのパワー移動の程度、４０５・・ 心拍信号から光信号へのパワー移動の程度、４０６・・ 血圧信号から光信号へのパワー移動の程度、４０７・・心拍信号から心拍信号へのパワー移動の程度、４０８・・ 血圧信号光信号から心拍信号へのパワー移動の程度、４０９・・ 血圧信号から心拍信号へのパワー移動の程度 、４１０・・ 血圧信号から血圧信号へのパワー移動の程度、４１１・・心拍信号から血圧信号へのパワー移動の程度、４１２・・光信号から血圧信号へのパワー移動の程度、５０１・・ 光信号から光信号へのパワー移動の程度、５０２・・ 心拍信号から光信号へのパワー移動の程度、５０３・・ 血圧信号から光信号へのパワー移動の程度、５０４・・ 光信号から血圧信号を経由し光信号へのパワー移動の程度、５０５・・光信号から心拍信号を経由し光信号へのパワー移動の程度、５０６・・心拍信号から血圧信号を経由し光信号へのパワー移動の程度、５０８・・血圧信号から心拍信号を経由し光信号へのパワー移動の程度、５０９・・心拍信号から血圧信号を経由し光信号へのパワー移動の程度、１１０１・・フィルター前光信号、１１０２・・フィルター後光信号、１２０１・・モニタもしくはタッチパネル、１２０２・・経路選択画面、１２０３・・マウスポインタまたは指示手段、１２０４・・経路排除モード選択ボタン、１２０５・・経路選択モード選択ボタン、１２０６・・生データ、１２０７・・ファイル加工後データ
【技術分野】
【０００１】
本発明は、生体に光を照射して生体血流(例えば脳)に起因する生体内部情報を取得する生体光計測装置に関する。計測の際に生じる生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを把握し、他の生理信号が及ぼす影響評価、影響排除することを可能とする技術である。
【背景技術】
【０００２】
被検体頭部に光を照射し、被検体頭部を透過し脳血流の影響を反映した生体内部情報を計測する生体光計測装置が知られている（例えば特許文献２）。この生体光計測装置を用いて脳活動計測を行う際には、一般に被験者に対して１０秒から３０秒程度脳を刺激するための課題を与える。これは十分な脳活動を誘発し、計測可能な脳活動状態の変化とするために必要な時間であり、ここで得られる脳活動信号の周波数帯域は、約０．０３〜０．１Ｈｚであることが知られている。
また当該装置による脳活動の計測結果において、生体内部情報の計測により得られる計測信号（以下、光信号とする）には、目的の応答信号のほかに、雑音信号が含まれることが知られている。
ここで雑音信号を生じさせる原因としては、血圧、心拍、脈拍などが生体揺らぎノイズとして雑音信号となることが知られている。
【０００３】
この雑音信号による影響を低減するために、従来、脳の活動が同一課題に対して同一の応答を示すことを前提としてそれ以外の信号を除去する加算平均や、応答信号と雑音信号とが異なる周波数帯域に存在することを前提として、所定の周波数以上もしくは所定の周波数以下の帯域をカットすることにより他の生理信号から影響の多い周波数を除去するバンドパス・フィルタを用いた雑音信号低減技術が知られている。
【０００４】
しかし、実際の脳の活動は、同一課題であっても同一の応答を示すとは限らず、加算平均による信号処理が必ずしもうまくいくわけではない。加算平均による信号処理が効果的であったとしても、加算するための信号計測に多くの時間を要してしまう。
上記の加算平均やバンドパスフィルタを用いた処理は複数の雑音信号に対する処理であるが、特定の原因による雑音信号に特化した処理も検討されている。
【０００５】
例えば、脈拍の影響による雑音信号（脈拍雑音信号）は、周波数の特定が容易なことから、バンドカット・フィルタによる低減も可能である。
また、耳などの部位で計測した脈拍信号を元に光計測信号に含まれる脈拍雑音信号を低減したり（特許文献３）、光計測信号自身から、脈拍雑音信号を抽出し、その影響を低減する手法も考案されている（非特許文献１）。
【０００６】
さらに、光信号に含まれる雑音信号の中に、約０．１Ｈｚの周波数帯域をもつ不規則なものがある。これは、低周波揺らぎ信号、或いはMayer波と呼ばれる、生体が元々持っている揺らぎ信号の一種である。
【０００７】
Mayer波については、これまで多くの研究が成されてきており、血圧、心拍の変動の関与が示されているが、その発生機序の詳細は未だ明らかではない。
なお上記、特許文献１は脈拍信号を用い、差分により雑音を取り除くものであり、Mayer波雑音成分は脈拍信号から単純に求められないので、脈拍信号の差分では取り除けない。
【０００８】
また、脳活動信号の周波数帯域は、約０．０３〜０．１Ｈｚであることは上述したが、Mayer波雑音信号の周波数帯域は、脳活動信号の周波数帯域に非常に近いことも知られている。このため、バンドパス・フィルタ、バンドカット・フィルタなどによるMayer波雑音信号の低減は困難である。また、低周波揺らぎ信号は非周期的な不規則な変化も含むため、単純な周波数フィルタリングでの低減は困難である。そのため、注目する生理信号が同帯域にパワーを持つ場合でもカットしてしまうことになる。
【０００９】
そこで、生体雑音信号の低減をするため特許文献１には、移動エントロピーを用いて注目する生理信号が他の生理信号から受ける影響をモデル化した関数重みづけを行い、他の変数から受ける影響を除去する情報移動解析を用いた生体雑音除去技術が開示されている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００６−１１６０３７号公報
【特許文献２】特開平９−１３５８２５号公報
【特許文献３】特開２００４−１７３７５１号公報
【非特許文献】
【００１１】
【非特許文献１】Maria Angela Franceschiniほか、NeuroImage 21 (2004) 372 386
【発明の概要】
【発明が解決しようとする課題】
【００１２】
上記特許文献１による情報移動解析による雑音除去方法では、解析方法が非線形解析である特性上、計算時間が指数関数的に増加し、４変数以上の多変数解析は困難である。
また、注目する生理信号が、生体雑音信号となる第二の生理信号から受ける影響を仮想モデル化した関数で影響を排除しているため、正確に第二の生理信号からの影響を除くことはできなかった。
さらに、注目する生理信号に対し、第二の生理信号が直接に影響を及ぼしているか、それとも第三の生理信号の間接的経路を経て影響を受けているかという、生理信号間のパワーの詳細な流れを知ることはできなかった。
【課題を解決するための手段】
【００１３】
本発明は、被験者の生体内部の血行動態を計測するため、被験者に光を照射する一つまたは複数の光照射部と、この照射光が生体の中を経由または生体内で反射されてでてきた光を検出する一つまたは複数の光検出部と、脈拍、または呼吸、血圧、体温のいずれか一つまたは複数組を計測する生理信号計測部と、光検出部により得られた光信号と、生理信号との関係を有向コヒーレンス解析及び偏有向コヒーレンス解析による線形解析により解析する手段と、得られた関係を元に光信号から生体雑音信号を分離する手段とにより構成される。
【発明の効果】
【００１４】
上記によれば、線形解析であるが故に多数計測間の関係解析に用いることができ、従来よりも算出速度の速い解析手法の提供が可能となり、さらには生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを詳細に知ることができる。
これにより，注目する生理信号に対し、他の生理信号が及ぼす影響を評価し影響を排除することが可能となる。また、注目する生理信号に対し、特定の生理信号を媒介して影響を及ぼすパワーのみを選択もしくは排除することが可能となる。
【図面の簡単な説明】
【００１５】
【図１】本発明の第１の実施例の構成を示す概略図である。
【図２】光信号、血圧信号、心拍信号の表示例である。横軸は時間（秒）であり縦軸は信号強度をあらわし、平均０、分散１となるように規格化している。
【図３】ＤＣ解析結果かられる各生体信号間でのパワーの移動を示す表示例である。
【図４】ＰＤＣ解析結果かられる各生体信号間でのパワーの移動を示す表示例である。
【図５】ＯＴの持つパワーに注目した場合のパワーの移動の表示例である。
【図６】ＤＣ解析を用いたＯＴ、ＨＲ、ＢＰの三信号間のパワーの移動解析結果である。
【図７】ＰＤＣ解析を用いたＯＴ、ＨＲ、ＢＰの三信号間のパワーの移動解析結果である。
【図８】ＨＲの持つパワーの源とその伝搬経路の表示を示す図である。
【図９】ＢＰの持つパワーの源とその伝搬経路の表示を示す図である。
【図１０】ＯＴの持つパワーの源とその伝搬経路の表示を示す図である。
【図１１】フィルター例を示す図である。
【図１２】経路選択、雑音除去を選択的に実施させるための画面例である。
【図１３】経路選択、雑音除去を選択的に実施させるための画面表示フロー例である。
【図１４】本文中説明で用いる表１ＤＣ解析結果、表２ＰＤＣ解析結果、表３modified PDC解析結果を示す表である。
【図１５】本文中で用いる数式[数１]〜[数３]を示す。
【図１６】本文中で用いる数式[数４]〜[数７]を示す。
【図１７】本文中で用いる数式[数８]〜[数１１]を示す。
【図１８】本文中で用いる数式[数１２]〜[数１５]を示す。
【図１９】本文中で用いる数式[数１６]〜[数１９]を示す。
【図２０】本文中で用いる数式[数２０]〜[数２２]を示す。
【発明を実施するための形態】
【００１６】
（実施例１）
以下実施例として、具体的な装置構成を図１に示す。
装置構成としては、被験者の頭部の一部または全体に装着する生体光計測用プローブ１１０、生体光計測用プローブ１１０に連結した光ファイバー１１３により、光照射部１０１より生体に光を照射し、生体光計測用プローブ１１０に連結した光ファイバー１１４により、生体内を通過した光を検出する光検出部１０２と、この検出結果を記録する記憶部１０３を有する。ここで記憶部１０３に記録される信号を、以下「光信号」とする。
【００１７】
また被験者である生体の一部、例えば腕に血圧計測用のカフ１１１、指に血圧計測カフ１１２を取り付け可能に構成されている。カフはどちらか片方のみを用いてもよく、腕や指に限らず足、首、頭部などに取りつけることも可能である。
この心拍・血圧計測装置１０４内の制御演算部により、カフをコントロールし、カフから得られる信号を処理し、結果を記憶部１０５に記録する。記憶部１０５に記録される生体信号を、以下「心拍信号」「血圧信号」とする。ここで、記憶部１０３及び１０５はそれぞれ別体としたが、一つの記憶部であっても良いことは云うまでもない。
また、ここでは心拍・血圧計測装置は光信号を計測する装置とは別体であることを想定しているが、一体構成として、心拍・血圧計測の装置制御等を光信号を計測する装置の制御部で制御することも可能である。
【００１８】
また、検出部１０２及び心拍・血圧計測装置１０４の計測タイミングは同期部１０６により時間的に同期させることができる。ここで得られた光信号と生体信号を関係演算部１０７により解析する。得られる光信号と生体信号は時間的に同期したものであることが好ましいが、同期していないものについても時間遅延を考慮した演算を別途関係演算部１０７により行うことも可能である。
【００１９】
計測結果の例として、図２に検出部１０２で得られた光信号２０１、心拍・血圧計測装置１０４で得られた血圧信号２０２、心拍信号２０３の計測結果を示す。横軸は時間（秒）であり縦軸は信号強度を表している。
【００２０】
次に、関係演算部１０７により、検出部１０２、心拍・血圧計測装置１０４で取得された光信号２０１、血圧信号２０２、心拍信号２０３の相互に及ぼす影響について解析する。
光信号２０１、血圧信号２０２、心拍信号２０３の関係は複雑に関係しあう複数の生体指標であるが、健常状態の生体では線形性が保たれていることが多く、線形解析法で光信号２０１、血圧信号２０２、心拍信号２０３の相互に及ぼす影響を調べることができる。
この関係の線形性に注目して本実施例においては、パワースペクトル解析のパワー解析を基にした線形解析法である有向コヒーレンス解析（以下ＤＣ解析と称する）、偏有向コヒーレンス解析（以下ＰＤＣ解析と称する）を用いた線形解析を行うこととする。当該解析は関係演算部１０７によって実行される。
【００２１】
ここでＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができ、ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。ＤＣ解析結果から、注目する生理信号の持つパワーの源を図３のように表示することができる。
例えば、Optical Topography３０１ (以下ＯＴと称する)の持つパワーに注目した場合、ＯＴ自身の過去の変動のパワーからの影響３０４に加え、外部からの影響３０５、３０６を加えたものが観測されるＯＴのパワーとなる。
【００２２】
さらに、ＰＤＣ解析結果から、注目する生理信号の持つパワーの与える先を図４のように表示することができる。例えば、ＯＴの持つパワーに注目した場合、ＯＴ自身への影響４０４、Heart Rate(以下ＨＲと称する)への影響４０８、Blood Pressure(以下ＢＰと称する)への影響４１２にパワーを与えていることがわかる。
【００２３】
関係演算部１０７における上記二つの解析結果をもとに図示しない画像処理部がＯＴ・ＨＲ・ＢＰ相互のパワーの流れを表示部１１０に表示させる。この表示例（図５、図１２）のように視覚的にパワーの詳細な流れを調べることができるようになる。
このパワーの流れを用いることにより、後述する方法により特定の生理信号が及ぼす影響のみを排除することができるようになる。
【００２４】
これにより従来、互いに他の生体信号に及ぼす影響を知るに留まり、どのような経路を経て注目する生体信号に対して影響を及ぼしているかを知ることができなかったが、ＤＣ解析、ＰＤＣ解析から算出した結果から得られる各要因間でのパワーを計算することにより、注目する生体信号に対して、他の生体信号が及ぼす影響の経路を知ることができるようになる。
【００２５】
ここで図５の表示例は、ＯＴのパワーの流れを示したもので、５０１、５０２、５０３は直接注目する生理信号ＯＴに流れ込むパワーの流れを示しており、５０３、５０４、５０５、５０６、５０７、５０８、５０９は他の変数を媒介して注目する生理信号に対して影響を与えている。それぞれは注目する生理信号が持つパワーの割合、もしくはパーセンテージで表せられる。この表示は、フーリエ変換(後述する)で求めた全ての周波数で作成することができる。
注目する生理信号は図中に２つ表示され、同じ生理信号間のパワーの流れは、注目する生理信号が作成したパワーであることを示している。これは、表示部１０９により表示される。
【００２６】
光信号、血圧信号、心拍信号間での情報の流れの程度がそれぞれの矢印の方向と大きさと、光信号マーク３０１、血圧信号マーク３０３、心拍信号マーク３０２で示される（心拍信号から光信号へのパワー移動の程度３０４、光信号から心拍信号へのパワー移動の程度３０５、心拍信号から血圧信号へのパワー移動の程度３０６、血圧信号から心拍信号へのパワー移動の程度３０７、血圧信号から光信号へのパワー移動の程度３０８、光信号から血圧信号へのパワー移動の程度３０９）。この表示例は一例であって、矢印の大きさでパワーの流れの程度を示しているが、％表示等の数値的表示も可能であることは云うまでもない。
【００２７】
この表示は、一定期間の平均的なものであっても、各時刻における変化を連続的に表示するものであってもよい。この表示形態は図示しないキーボード、指示手段等の入力装置を介して設定できるようにする。
また、一定の幅を持つ周波数帯域の平均値を用いてもよい。得られたパワーの流れを用いて、分離演算部１０８により図１５に示す[数２]のように生体雑音信号ＳＢＮの与える影響を評価する。
ここでは、関数（Ｓ計測信号）は、注目する生理信号を指し、この場合ＢＰ、ＯＴ、ＨＲがある。（Ｓ間接ＢＰ）はＯＴを通り伝達する経路と、ＨＲを通り伝達する経路がある。同様に、（ａ４Ｓ間接ＨＲ）、（ａ５Ｓ間接ＯＴ）についても言える。 この場合、３生理信号を用いて解析を行っているが、４変数以上に計測生理信号数を増やせば、右辺の項は直接経路を示す項と間接経路を示す項が増加する。この結果をもとに、計測信号（Ｓ計測信号）に含まれる様々な信号のうち、計測に不要であるパワーを低減することができるようになった。つまり、計測信号（Ｓ計測信号）に対し図１５に示す[数３]を用いてフーリエ変換を行い、計測信号が持つ周波数別パワーを求め、それぞれの周波数に含まれる不要パワーをＰＤＣ・ＤＣ解析を用いて求めた割合で引く。
【００２８】
その後、図１６に示す[数４]により逆フーリエ変換を行うことにより、注目する純粋な計測信号を求めることができる。
ただし[数３]、[数４]ではなく、他のフーリエ変換の式や他の逆フーリエ変換の式を用いてパワーを計算してもよい。
この解析を用いて、注目する生理信号の持つパワーのうち、注目する経路を通ったパワーのみを表示することが可能となり、バンドパス・フィルタ、バンドカット・フィルタなどのように一律的に決められた周波数以上・以下の帯域をカットするのではなく、他の生理信号から影響のみを排除することが可能となる。
【００２９】
心拍・血圧計測装置の組み合わせの他に、呼吸、体温、のどの動き等の生体信号を組み合わせて用いてもよい。心拍計測に、光トポグラフィ装置の光照射・検出機構を共用してもよいことは云うまでもない。また、光トポグラフィ計測信号に含まれる心拍成分を抽出し、心拍信号としてもよい。
【００３０】
上記によれば、従来の単純なフィルタリングでは取り除くことができない低周波揺らぎ信号の影響のみを効果的に取り除くことができるようになる。
また、脳活動信号の持つ低周波数帯域は脳活動および全身循環系等の影響が考えられることから、除去せず計測することが重要であることに着目し、特に、心拍動の周波数以下の帯域である１Ｈｚ以下に揺らぎをもつ生体雑音信号（例えば血圧など）を分離することで脳機能計測における生体雑音信号を効果的に低減することができる。
解析結果は周波数ごとにスペクトル解析の分野で知られるパワーの移動として求めることができる。具体的には、ＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができ、 ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。この二つの解析法は多変数自己回帰(multivariate auto-regressive:ＭＡＲ)モデルに基づく線形解析法である。
【００３１】
ここでＭＡＲモデルとは、ひとつの観測量の現在の値をすべての観測量の過去の値の線形和で表すモデルである。ＤＣ解析は、注目する変数Ｙαが他の変数Ｙβからパワーをどれだけ受け取っているかを評価するもので、上記線形和の係数のフーリエ変換から求められる。ＰＤＣ解析は変数Ｙβが注目する変数Ｙαにパワーをどれだけ与えているかを評価するものであり、これも上記線形和の係数のフーリエ変換から導くことができる。
【００３２】
以下、計測データのＭＡＲモデルへの当てはめ、多変数自己回帰モデルに基づくスペクトル解析、ＤＣ解析およびＰＤＣ解析について順を追って詳細に説明する。
[多変数自己回帰モデルの作成]
多変数自己回帰(ＭＡＲ)モデルとは、定常状態で取得した過去のデータから今後取得されるデータを予想するモデルであり、線形解析の基本的手法の一つである。本実施例では、安静な状態で一定期間計測された生理学的変動データを定常的なデータとして扱った。平均血圧、心拍数、酸素化ヘモグロビン濃度の３つの変数をそれぞれＢＰ、ＨＲ、ＯＴと表し、離散化された時刻ｎにおける対象システムの状態Ｙ(ｎ)を図１６に示す[数５]で表す。
またＭＡＲモデルでは、Ｙ(ｎ)を図１６に示す[数６]で表す。[数７]は、時刻ｎにおける観測変動の状態が観測変動の過去の状態とノイズの和によって表されることを意味している。ｐはＭＡＲモデルの予想に用いる過去の計測ポイント数であり、最小記述長基準により決定する。
また、Ｗ(ｎ) はＭＡＲモデルの当てはめ誤差に相当し、互いに独立な白色ガウスノイズを成分とするノイズベクトルであり、図１６に示す[数７]で表される。
ここで、Ａ(ｋ)は係数行列であり、図１７に示す[数８]で表す。ここでは実験データとモデルとの誤差Ｗ(ｎ)を最小になるように最小二乗法を用いて決定した。
以上より、ＭＡＲモデルの係数Ａ(ｋ)とモデル次数ｐが求まり、計測データを表すＭＡＲモデルを求めることができる。
[パワースペクトル解析]
上記で得られたＭＡＲモデル、図１７に示す[数８]をフーリエ変換すると図１７に示す[数９]となる。係数行列のフーリエ変換A’(f)の要素A’αβは図１７に示す[数１０]で与えられる。 [数９]を式変形すると、図１７に示す[数１１]となり、成形フィルタH’を図１８８に示す[数１２]とおくと、図１８に示す[数１３]と表すことができ、観測変動のフーリエ変換はノイズベクトルに成形フィルタを乗ずることで得られることが分かる。
ここで、成形フィルタH’の各成分は図１８に示す[数１４]と表される。
次に対角成分がパワースペクトル（自己スペクトル）、非対角成分がクロススペクトルであるスペクトル行列を考える。スペクトル行列S’(f)は、図１８に示す[数１５]で与えられる。ここで、＊は複素共役、Tは転置を意味する。[数１３]より図１９に示す[数１６]と変形することができ、W’＊(f) W’TをΛとしてまとめると図１９に示す[数１７]となる。
【００３３】
また、W’(f)の各成分は互いに独立な白色ガウスノイズであることから図１９に示す[数１８]となり、対角成分以外は０であり、対角成分は周波数に依存しない。
以上より、 [数１７]の各項の成分が求まりスペクトル行列S’(f)が求めることができる。
[ＤＣ解析およびＰＤＣ解析]
前節で述べたパワースペクトルから、観測された変動の特定周波数成分がいずれの変数からパワーの寄与を受けているかが解析可能であり、以下の手順でＤＣを求めることができる。
【００３４】
変数ＹαのパワースペクトルＳααは、変数Ｙαが他変数および、自分自身から受け取ったパワーの総和であり、図１９に示す[数１９]で求められる。
ＤＣは、変数Ｙαの持っているパワーの総和に対する、他の変数Ｙβより与えられたパワーの割合を示していることから図２０に示す[数２０]と定義できる。
【００３５】
γαβ(ｆ)は、変数Ｙαのパワーのうち、どの程度のパワーを変数Ｙβから受け取っているかを表している。パワーのやり取りが複雑であって途中に他の変数が介在してもよい。
【００３６】
一方、ＰＤＣ解析では、ある変数Ｙβが変数Ｙαにパワーをどれだけ与えているかを評価する。ここで、図２０に示す[数２１]とおくとＰＤＣは、図２０に示す[数２２]で定義される。
【００３７】
π’αβ(f)は変数Ｙβのパワーのうち、どの程度のパワーを変数Ｙαに与えているかを表し、パワーのやり取りが直接的なものだけを考慮する。
[解析例]
次に、光信号２０１、血圧信号２０２、心拍信号２０３の関係について以上の解析方法を用いて解析を行う。解析は関係演算部１０７で行われ、図示しない画像処理装置において画像処理され表示部１０９に以下のように表示される。ここでは仮に０．０４〜０．１５Ｈｚの平均のパワーの解析を行う。ＤＣ解析は、ある変動が他の変動からパワーをどの程度受け取っているかを調べることができる。解析結果を図６に表し、０．０４〜０．１５Ｈｚの平均のパワーを図１４中の表１に示す。
表１は行方向に足し合わせると１００％となり、Receiveのパワーがどの生体信号から受けているかを知ることができる。
【００３８】
ＰＤＣ解析は、ある変動が他の変動にどの程度パワーを与えているかを評価できる。
ここで解析結果を図７に表し、０．０４〜０．１５Ｈｚの平均のパワーを図１４中の表２に示す。表２は列方向に足し合わせると１００％となり、Sourceのパワーがどこへ移動しているかを知ることができる。この二つの解析結果をもとに詳細なパワーの流れを調べることができるようになり、他の生理信号が及ぼす影響のみを排除することができるようになる。
【００３９】
次に表２から、注目する変数の受け取るパワーの総量を１００％として、注目する変数に対し、他の変数から直接移動するパワーの割合を再計算した。例えば、ＯＴに注目した場合はＢＰから８５％、ＨＲから５６％、ＯＴから１００％受け取り、総量が２４１％となる。この総計を１００％として、ＢＰからＯＴ、ＨＲからＯＴのように、注目変数に直接流入するパワー移動量を求め、その結果を修正偏有向コヒーレンス(Modified PDC)として、図１４中の表３に示す。
【００４０】
ＤＣ解析は注目する変数のパワーの源を知ることができ、媒介する変数があってもパワーの源を求めることができる。一方、ＰＤＣ解析はパワー移動の始点となる変数から次に伝達される変数との関係性を評価できる。Modified PDCは注目する変数に直接的にパワーを与える変数との関係性を評価できる。ＤＣとModified PDCの結果を組み合わせることにより、パワーの中継先を考慮したパワーの流れを知ることができるようになる。未知数が多く不定方程式となる場合は、計測した生理信号の関係を仮定し値を代入する。
この結果をもとに作成したパワーの流れは、以下の図８、図９、図１０のようになる。ここで、図１０から注目するＯＴ変動の持つ０．０４〜０．１５Ｈｚのパワーは外部からの影響はＢＰから２５％、ＨＲ２０％であり、合計４５％受けていることがわかる。そこで、０．０４〜０．１５Ｈｚのパワーの４５％を低減して再表示をすると、図１１の１１０１のＯＴデータから１１０２のように外部の影響を排除することができる。
【００４１】
ここでの例は、０．０４〜０．１５Ｈｚのパワーの平均を求めたものであるが、平均を行わずすべての周波数で同様に排除することも可能となる。
上述した内容で算出された生体雑音信号ＳＢＮを、図１５で示す[数１]に基づいて光信号ＳＯＴから差し引くことで、生体雑音信号による影響を低減した光信号ＳＰを得ることが可能となる。
【００４２】
次に、図１２、図１３を用いて具体的な表示形態例及び表示方法について説明をする。
図１２は表示内容選択部１２０８（１３０１）でＯＴを選択し、表示部１０９に表示をした一例である。表示内容選択部１２０８で表示する生体信号を選択し、記憶部１０３もしくは、記憶部１０５に保存されているデータを関係演算部１０７（１３０２）もしくは分離演算部１０８（１３０２）で読み出し、画像処理部により時系列データを１２０６（１３０９）に表示し、パワーの流れを１２０２（１３０９）に表示する。
フィルターモードは経路排除モード選択ボタン１２０４（１３０３）と経路選択モード選択ボタン１２０５（１３０４）があり、排除したいパワーの流れ、もしくは表示をしたいパワーの流れを指示手段１２０３でパワー経路表示部１２０２の実線もしくは点線のパワー移動矢印を選択をする（１３０５、１３０７）。ここで指示手段１２０３はマウス操作による形態を示したが、これに限らず入力手段に備えられるキー操作、タッチパネル等を採用しても良い。
フィルターモードによるフィルター処理は、関係演算部１０７（１３０６、１３０８）もしくは分離演算部１０８（１３０６、１３０８）で処理が行われ、ファイル加工後データは１２０７（１３０９）に表示される。
排除モードは、マウスポインタまたは指示手段１２０３で選択したパワー経路表示１２０２部の実線もしくは点線のパワー移動を示す矢印のパワーをフィルターし、フィルター後表示部１２０７に表示をする。
選択モードは、マウスポインタまたは指示手段１２０３で選択したパワー経路表示部１２０２の実線もしくは点線のパワー移動を示す矢印のパワーをファイル加工後データ１２０７に表示をする。
上記によれば、所望とする生体情報を選択もしくは除去することが可能となり、所望の生体信号のパワーの流れを把握でき、当該パワーの流れを考慮した計測結果の表示が可能となる。
【００４３】
以上において光計測装置における、複数変動間の関係を解析する手段として、有向コヒーレンス(ＤＣ)解析および偏有向コヒーレンス(ＰＤＣ)解析を用い、周波数ごとにスペクトル解析の分野で知られるパワーの移動として求め、この二つの解析結果を組み合わせることにより、関連する生理信号の相互作用を定量的に評価し、注目する変数以外のパワーを排除する技術について説明し、さらに、パワーの詳細な流れ、特定の経路を伝達し影響を及ぼすパワーのみを排除する技術について説明してきた。
【００４４】
これにより、線形解析であるが故に多数計測間の関係解析に用いることができ、従来よりも算出速度の速い解析手法の提供が可能となり、さらには生理信号の相互作用を定量的に解析し、生理信号間のパワーの流れを詳細に知ることができる。
また、複雑な生理信号から生体内部の関係性を可視化することができ、生体内部の機能ネットワークをとらえることが可能となることから、注目する生理信号に対し、他の生理信号が及ぼす影響の評価、影響の排除が可能となり、さらには注目する生理信号に対し、特定の生理信号を媒介して影響を及ぼすパワーのみを排除することを可能となる。
その結果、生体雑音信号による影響を低減することにより信号のＳ／Ｎ比が向上し、計測時間の短縮やより質の高いデータを提供できる。
【産業上の利用可能性】
【００４５】
医療、研究分野における光を用いた脳機能計測において、生体雑音信号による影響を低減することにより信号のＳ／Ｎ比が向上し、計測時間の短縮やより質の高いデータを提供できる。また，注目する生理信号が他の生理信号に及ぼす影響を詳細に調べることができるようになることに加え、注目する生理信号が他の変数から受ける影響を調べることができるようになるため機能的結合の評価等、多数の計測ポイント間での関係を求める研究手法になると期待される。これにより、生理信号の異常に対し、根本的な原因を取り除くための検査手段になる可能性がある。
【符号の説明】
【００４６】
１０１・・光照射部、１０２・・ 光検出部、１０３・・ 記憶部、１０４・・心拍・血圧計測装置１０５・・ 記憶部、１０６・・ 動機部、１０７・・ 関係演算部、１０８・・ 分離演算部、１０９・・ 表示部、１１０・・ 生体光計測用プローブ、１１１・・ 腕用の血圧計測用のカフ、１１２・・ 指用の血圧計測カフ、１１３・・ 光ファイバー 、１１４・・ 光ファイバー、１１５・・ バンドパス・フィルタ部、２０１・・ 光信号２０２・・ 血圧信号、２０３・・ 心拍信号、３０１ 光信号マーク、３０２・・ 血圧信号マーク、３０３・・ 心拍信号マーク、３０４・・ 光信号から光信号へのパワー移動の程度、３０５・・ 心拍信号から光信号へのパワー移動の程度、３０６・・ 血圧信号から光信号へのパワー移動の程度、３０７・・心拍信号から心拍信号へのパワー移動の程度、３０８・・ 血圧信号光信号から心拍信号へのパワー移動の程度、３０９・・ 血圧信号から心拍信号へのパワー移動の程度、３１０・・血圧信号から血圧信号へのパワー移動の程度、３１１・・心拍信号から血圧信号へのパワー移動の程度、３１２・・光信号から血圧信号へのパワー移動の程度、４０１・・ 光信号マーク、４０２・・ 血圧信号マーク、４０３・・ 心拍信号マーク、４０４・・ 光信号から光信号へのパワー移動の程度、４０５・・ 心拍信号から光信号へのパワー移動の程度、４０６・・ 血圧信号から光信号へのパワー移動の程度、４０７・・心拍信号から心拍信号へのパワー移動の程度、４０８・・ 血圧信号光信号から心拍信号へのパワー移動の程度、４０９・・ 血圧信号から心拍信号へのパワー移動の程度 、４１０・・ 血圧信号から血圧信号へのパワー移動の程度、４１１・・心拍信号から血圧信号へのパワー移動の程度、４１２・・光信号から血圧信号へのパワー移動の程度、５０１・・ 光信号から光信号へのパワー移動の程度、５０２・・ 心拍信号から光信号へのパワー移動の程度、５０３・・ 血圧信号から光信号へのパワー移動の程度、５０４・・ 光信号から血圧信号を経由し光信号へのパワー移動の程度、５０５・・光信号から心拍信号を経由し光信号へのパワー移動の程度、５０６・・心拍信号から血圧信号を経由し光信号へのパワー移動の程度、５０８・・血圧信号から心拍信号を経由し光信号へのパワー移動の程度、５０９・・心拍信号から血圧信号を経由し光信号へのパワー移動の程度、１１０１・・フィルター前光信号、１１０２・・フィルター後光信号、１２０１・・モニタもしくはタッチパネル、１２０２・・経路選択画面、１２０３・・マウスポインタまたは指示手段、１２０４・・経路排除モード選択ボタン、１２０５・・経路選択モード選択ボタン、１２０６・・生データ、１２０７・・ファイル加工後データ
【特許請求の範囲】
【請求項１】
被検体頭部に光を照射する光照射手段と、前記光照射手段から照射され、前記被検体頭部内を伝播した光を受光する受光手段と、前記被検体の生体信号を検出する生体信号検出手段と、前記受光手段で受光した光の光信号と、前記生体信号検出手段で検出した前記生体信号の関係を線形解析により算出する関係演算部と、前記関係演算部で算出された関係から前記被検体の生体雑音信号を算出し、前記光信号から前記生体雑音信号を分離する分離演算手段とを備え、
前記関係演算部は、有向コヒーレンス解析及び偏有向コヒーレンス解析による線形解析を用いたパワー解析を行うことで前記光信号と前記生体信号の関係を算出することを特徴とする生体光計測装置。
【請求項２】
前記関係演算部で算出された関係を表示する表示部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項３】
前記生体信号は前記被検体の血圧、心拍、呼吸、温度、のどの動きのいずれか一または、これらのうちいずれか複数を組み合わせたものであることを特徴とする請求項１記載の生体光計測装置。
【請求項４】
前記パワー解析の結果を基に，計測した生体信号間のパワーの受け渡しを前記表示部に表示させる画像処理部を有することを特徴とする請求項１または２に記載の生体光計測装置。
【請求項５】
前記パワー解析の結果を基に，前記光信号および/または前記生体信号の所定の周波数成分を除去および/または低減することを特徴とする請求項１記載の生体光計測装置。
【請求項６】
前記光信号および/または、前記生体雑音信号および/または、前記光信号から前記生体雑音信号を除去した信号を表示する表示部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項７】
前記受光手段と前記生体信号検出手段を同期させる同期部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項８】
前記生体信号検出手段は、脈波計測部、心拍計測部、または血圧計測部のいずれか一であることを特徴とする請求項１記載の生体光計測装置。
【請求項１】
被検体頭部に光を照射する光照射手段と、前記光照射手段から照射され、前記被検体頭部内を伝播した光を受光する受光手段と、前記被検体の生体信号を検出する生体信号検出手段と、前記受光手段で受光した光の光信号と、前記生体信号検出手段で検出した前記生体信号の関係を線形解析により算出する関係演算部と、前記関係演算部で算出された関係から前記被検体の生体雑音信号を算出し、前記光信号から前記生体雑音信号を分離する分離演算手段とを備え、
前記関係演算部は、有向コヒーレンス解析及び偏有向コヒーレンス解析による線形解析を用いたパワー解析を行うことで前記光信号と前記生体信号の関係を算出することを特徴とする生体光計測装置。
【請求項２】
前記関係演算部で算出された関係を表示する表示部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項３】
前記生体信号は前記被検体の血圧、心拍、呼吸、温度、のどの動きのいずれか一または、これらのうちいずれか複数を組み合わせたものであることを特徴とする請求項１記載の生体光計測装置。
【請求項４】
前記パワー解析の結果を基に，計測した生体信号間のパワーの受け渡しを前記表示部に表示させる画像処理部を有することを特徴とする請求項１または２に記載の生体光計測装置。
【請求項５】
前記パワー解析の結果を基に，前記光信号および/または前記生体信号の所定の周波数成分を除去および/または低減することを特徴とする請求項１記載の生体光計測装置。
【請求項６】
前記光信号および/または、前記生体雑音信号および/または、前記光信号から前記生体雑音信号を除去した信号を表示する表示部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項７】
前記受光手段と前記生体信号検出手段を同期させる同期部を有することを特徴とする請求項１記載の生体光計測装置。
【請求項８】
前記生体信号検出手段は、脈波計測部、心拍計測部、または血圧計測部のいずれか一であることを特徴とする請求項１記載の生体光計測装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【公開番号】特開２０１１−２１２０３８（Ｐ２０１１−２１２０３８Ａ）
【公開日】平成２３年１０月２７日（２０１１．１０．２７）
【国際特許分類】
【出願番号】特願２０１０−８０１１８（Ｐ２０１０−８０１１８）
【出願日】平成２２年３月３１日（２０１０．３．３１）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２３年１０月２７日（２０１１．１０．２７）
【国際特許分類】
【出願日】平成２２年３月３１日（２０１０．３．３１）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]