特許 6871546 脈圧波形の異常を検出する検出方法及び検出装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6871546

(24)【登録日】2021年4月20日

(45)【発行日】2021年5月12日

(54)【発明の名称】脈圧波形の異常を検出する検出方法及び検出装置

(51)【国際特許分類】

   A61B 5/022 20060101AFI20210426BHJP

【ＦＩ】

   A61B5/022 400F

   A61B5/022 400L

【請求項の数】2

【全頁数】11

(21)【出願番号】特願2019-44519(P2019-44519)

(22)【出願日】2019年3月12日

(65)【公開番号】特開2020-146140(P2020-146140A)

(43)【公開日】2020年9月17日

【審査請求日】2020年2月13日

(73)【特許権者】

【識別番号】591032703

【氏名又は名称】群馬県

(73)【特許権者】

【識別番号】000231590

【氏名又は名称】日本精密測器株式会社

(72)【発明者】

【氏名】平崎 豊

(72)【発明者】

【氏名】脇 倫夫

(72)【発明者】

【氏名】山本 良寿

(72)【発明者】

【氏名】有馬 東良

(72)【発明者】

【氏名】川端 広一

(72)【発明者】

【氏名】水沼 一英

【審査官】 亀澤 智博

(56)【参考文献】

【文献】 特開２０１６−０６４１２５（ＪＰ，Ａ）

【文献】 特開２０１８−０３８７８７（ＪＰ，Ａ）

【文献】 国際公開第２０１７／１７９６９３（ＷＯ，Ａ１）

【文献】 特表２０１３−５１７９０８（ＪＰ，Ａ）

【文献】 米国特許第０５５３３５１１（ＵＳ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ａ６１Ｂ ５／０２ − ５／０３

(57)【特許請求の範囲】

【請求項1】

圧力式脈圧波測定器の脈圧波信号を用いて、加圧中または減圧中に前記脈圧波信号の脈圧波形をサンプリングする工程と、
前記サンプリングした時間領域の脈圧波形データから、下記（ａ）から（ｄ）のアルゴリズムを用いて特徴量を求める工程と、
（ａ）前記脈圧波形データの1次階差をとり、１次階差データの平均値と標準偏差を求める。
（ｂ）前記平均値と前記標準偏差を使用して、前記1次階差データの標準化を行う。
（ｃ）前記標準化した1次階差データに対して高速フーリエ変換により周波数分析を行う。
（ｄ）前記周波数分析による周波数スペクトルの振幅波形データから統計解析を行い、前記振幅波形データの分布の歪み度、尖り度の特徴量を求める。
求められた前記歪み度及び前記尖り度を用いて、予め定めた基準値に基づき正常状態か異常状態かを判定する行程と、
前記判定した結果を表示する工程と、
を備える脈圧波形の異常を検出する検出方法。

【請求項2】

腕帯（８）、該腕帯（８）に空気を送る圧電ポンプ（６）、前記空気の流量を切り替える電磁弁（５）、前記空気の圧力を検出する圧力センサ（７）、前記圧電ポンプ（６）と前記電磁弁（５）を制御し、前記圧力センサ（７）の脈圧波形信号から内蔵のソフトウエアにより血圧を求めるマイコン（４）、を備える血圧測定部（３）である圧力式脈圧波測定器と、
該圧力式脈圧波測定器により取得した前記脈圧波形信号を取り込み、請求項１に記載の検出方法を用いて分析するデータ処理用マイコン（２３）、前記検出方法を含むソフトウエアを書き込んだ記憶装置（２８）、分析データを記憶するメモリ（２６）、前記分析データの結果から正常状態か異常状態かを前記データ処理用マイコン（２３）にて判定し、該判定の結果を表示する表示器（２５）、を備えるデータ処理部（２２）と、
を具備する脈圧波形の異常を検出する検出装置（１）。

【発明の詳細な説明】

【技術分野】

【0001】

近年、健康志向や精神衛生に対する意識の高まりからヘルスケアや、メンタルケア、遠隔医療といった医療・福祉関連サービスが注目されている。こうしたサービスの拡充には、心身の状態を反映する脈波や心拍、血圧といった生体信号を、身近に活用できる環境の整備が不可欠であろう。

【背景技術】

【0002】

心臓は、全身に酸素を含んだ血液を送るポンプの働きをする臓器である。心臓の中はいくつかの部屋に分かれており、そこを血液が１方向に流れる。血液の流れを制御するために弁構造があり、心臓の周りには心臓自身を栄養する血管（冠状動脈）が走っている。心臓は特殊な筋肉でできており、刺激伝導系という組織が、脈拍を調節している。心臓病とはこれらの心臓の働きがなんらかの原因で悪化したものであり、先天的、遺伝的な原因などにより起こることが多いものであるが、大人になってから起こるものもある。

【0003】

心臓を収縮させる刺激が一定でない場合をまとめて不整脈といい、脈が時々飛ぶタイプ、脈が極端に遅くなるタイプや、脈がばらばらになるタイプなどさまざまな種類の不整脈があるため、正確な診断が必要である。特に脈がばらばらになるタイプの不整脈は心房細動といい、この心房細動は、心房が細かく、速くかつ不規則的に動く頻発性の不整脈である。日本では７０才以上高齢者の数％を占める１３０万人の患者のいることが知られており、高齢になるほど増加するため、心臓の筋肉の老化により生じると考えられている。心房細動で心拍が高い状態が続くと、心臓の収縮機能低下による心不全や、または血液が心房の中で固まりやすく血栓ができやすい状態となり、できた血栓により脳の血管が詰まってしまう脳梗塞の原因となることも多く、注意が必要である。また、心房細動の不整脈により、心臓の働きが弱る心不全の原因にもなりやすい。さらに、心房細動は、高血圧症や弁膜症、心臓肥大などの特定な原因疾患がなくても生じると言われており、精神的・肉体的ストレス、不眠、不安なども誘発原因になっているため、予防のためには日々のチェックが重要になっている。

【0004】

心臓疾患に関する医療分野において、心房細動を判定する技術がある。例えば、特許文献１には、信号取得部により取得された検出波形信号において、体動ノイズの影響が含まれていても、その信号から心房細動を判定する、心房細動判定装置を開示している。そして、特許文献２には、脳血管疾患発症の危険度を予測することのできる発症危険度予測システムを開示している。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１５−２０５１８７号公報

【特許文献2】特開２０１６−６４１２５号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

以上述べた従来の脈波信号（例えば心電図信号）による心臓状態の監視システムにおいては、内部構成部品に複雑で精密な部品からなる高価な装置であった。
本発明は、このような従来の構成が有していた問題を解決しようとするものであり、心臓の脈圧波形の異常状態を簡便に、検出する検出方法と検出装置を提供することを目的とする。

【課題を解決するための手段】

【0007】

そこで、発明者は、通常の血圧測定に利用する血圧計などの圧力式脈圧波測定器の脈圧波形を収集して、これらからサンプリングした脈圧波形データを周波数分析することにより得られた周波数スペクトルの振幅波形データに対して統計解析を行い（図１（ｂ）参照）、心房細動などの場合に発生する脈圧波形の異常状態を簡便に検出できる特徴量を導いた。

【0008】

そして、通常の血圧測定に利用する脈圧波形を用いて、心臓の何らかの異常により変化する脈圧波形の周波数スペクトルの振幅波形データの分布をとり、分布のかたちの違いに着目し、波形が平均値を中心に如何にばらついているか、波形が平均値を中心に如何に歪んでいるか、さらに、波形が如何に尖っているかを示す無次元統計量である波形率（Ｓｈａｐｅ Ｆａｃｔｏｒ）、歪み度（Ｓｋｅｗｎｅｓｓ）及び尖り度（Ｋｕｒｔｏｓｉｓ）を用いて特徴量の検討を行った。

【0009】

その結果、心臓の脈圧波形データの１次階差データを高速フーリエ変換などの信号処理と、その周波数スペクトルの振幅波形データの統計解析を行い、周波数スペクトルの振幅波形データの分布から導出した特徴量により心筋梗塞や脳卒中の主な原因となる心房細動などの場合に発生する脈圧波形の異常状態を簡便に検出する方法を発明するに至ったのである。

【0010】

本発明において、上記目的を達成するための第１の発明は、
圧力式脈圧波測定器の脈圧波信号を用いて、加圧中または減圧中に前記脈圧波信号の脈圧波形をサンプリングする工程と、
前記サンプリングした時間領域の脈圧波形データから、下記（ａ）から（ｄ）のアルゴリズムを用いて特徴量を求める工程と、
（ａ）脈圧波形データの1次階差をとり、１次階差データの平均値と標準偏差を求める。
（ｂ）前記平均値と前記標準偏差を使用して、1次階差データの標準化を行う。
（ｃ）標準化した1次階差データに対して高速フーリエ変換により周波数分析を行う。
（ｄ）周波数分析による周波数スペクトルの振幅波形データから統計解析を行い、振幅波形データの分布の歪み度、尖り度の特徴量を求める。
求められた歪み度及び尖り度を用いて、予め定めた基準値に基づき正常状態か異常状態かを判定する行程と、
前記判定した結果を表示する工程、
とした、脈圧波形の異常を検出する検出方法である。
また本発明の第２の発明は、腕帯（８）、該腕帯（８）に空気を送る圧電ポンプ（６）、空気の流量を切り替える電磁弁（５）、空気圧を検出する圧力センサ（７）、圧電ポンプ（６）と電磁弁（５）を制御し、圧力センサ（７）の脈圧波形信号から内蔵のソフトウエアにより血圧を求めるマイコン（４）、を備える血圧測定部（３）である圧力式脈圧波測定器と、
該圧力式脈圧波測定器により取得した脈圧波形信号を取り込み、第１の発明に記載の検出方法を用いて分析するデータ処理用マイコン（２３）、前記検出方法を含むソフトウエアを書き込んだ記憶装置（２８）、分析データを記憶するメモリ（２６）、分析データの結果から正常状態か異常状態かをデータ処理用マイコン（２３）にて判定し、該判定の結果を表示する表示器（２５）、を備えるデータ処理部（２２）と、
を具備する脈圧波形の異常を検出する検出装置（１）である。

【発明の効果】

【0011】

血圧測定時に得られる圧力式脈圧波測定器の脈圧波形からサンプリングした脈圧波形データをもとに、その１次階差データを周波数分析することにより得られた周波数スペクトルの振幅波形データに対して統計解析を行い、心房細動などの場合に発生する脈圧波形の異常を簡便に検出できる特徴量を導き、特に、心臓の各症状における周波数スペクトルの振幅波形データの分布のかたちの違いに着目し、波形が平均値に対して如何にばらついているか、平均値を中心に如何に歪んでいるか、さらに波形が如何に尖っているかを示す無次元統計量である歪み度および尖り度を用いて、この三つの統計量を監視することで、心房細動や心室性期外収縮などの場合に発生する脈圧波形の異常が検出できる。

【図面の簡単な説明】

【0012】

【図1】図１（ａ）は時間領域における脈圧波形分析結果を示す。図１（ｂ）は周波数領域における脈圧波形分析結果を示す。

【図2】周波数スペクトルの振幅波形データの統計解析結果の比較を示す。

【図3】脈圧波測定器により測定した脈圧波形の一例を示す。

【図4】脈圧波形データに１次階差を施した脈圧の時系列波形データを示す。

【図5】臨床の脈圧波形データに対して求めた周波数スペクトルの結果例を示す。

【図6】心臓疾患者に対して得られた特徴量の歪み度を示す。

【図7】心臓疾患者に対して得られた特徴量の尖り度を示す。

【図8】脈圧波形の異常状態を検出する検出装置のブロック図を示す。

【発明を実施するための形態】

【0013】

つぎに、本発明に係る心房細動や心室性期外収縮などの場合に発生する脈圧波形の異常を検出する実施例について、図面を参照して具体的に説明する。

【実施例】

【0014】

（１）心臓の脈圧波形データの時間領域と周波数領域の分析
不整脈の波形と周期の変化をシミュレーションできる装置（BP-PUMP:BIO-TEK Instruments製）と本発明者が製作した圧力式脈圧波測定器を用いて（ 表１）の４種類の脈圧波形データについて時間領域と周波数領域で分析を行った。

【0015】

【表1】

【0016】

脈圧波形データの分析には０．００５１２秒間隔でサンプリングした４０９６点数が使用された（サンプリング周波数は１９５．３１Ｈｚ）。特に、波形分析の際には、測定機器や測定環境の違い、または利用者の個人差の影響をなくすために、前処理としてすべての測定データは平均値０、標準偏差１になるように標準化を行った。その後、４種類の脈圧波形データを用いて時間領域と周波数領域で信号処理を行い、各状態における分析結果を比較、検討した。

【0017】

図１（ａ）、（ｂ）に測定した各状態別の脈圧波形データを時間領域と周波数領域で分析した結果を示す。心房性期外収縮、心房細動及び心室性期外収縮状態の場合、時間領域と周波数領域の両者において標準状態（健常者）と異なる振幅特性が認められた。また、心臓疾患状態と標準状態における脈圧波形データ分析の結果を見ると、時間領域の分析と比べて、周波数領域分析の方が、脈圧波形変化特性の違いがより明確になっている。これは、脈圧波形データの周波数分析の方が、より高精度に心房細動などの心臓疾患の状態が検出できることを示唆する。

【0018】

ここでは、前述の各状態における脈圧波形データの周波数分析により得られた周波数スペクトルの振幅波形データの統計解析を行い、心房細動などの心臓の異常を素早く高精度に検出できる特徴量を導く。特に、本解析では、各状態における周波数スペクトルの振幅波形データの分布のかたちの違いに着目し、分布のかたちが平均値に対して如何にばらついているか、平均値を中心に如何に歪んでいるか、さらに、分布のかたちが如何に尖っているかを示す無次元統計量である波形率、歪み度及び尖り度を用いて特徴量の検討を行った。

【0019】

図２に各状態に対して求めた周波数スペクトルの振幅波形データの統計量を比較した結果を示す。この図で示された三つの統計量の値は、Ｎｏ−０の標準状態（正常）における結果値を基準値となる１として、Ｎｏ−１からＮｏ−３の結果値を標準化したものである。この図から、Ｎｏ−２の心室性期外収縮症状の場合が、すべての統計量において正常の標準状態との差が一番大きかった。また、統計量の中では、尖り度が標準の正常状態の値と一番差が大きかった。以上の結果から、脈圧波形データの周波数スペクトルの振幅波形データの分布の統計量である波形率、歪み度及び尖り度を監視することで、心房細動や心室性期外収縮などの場合に発生する脈圧波形の異常が検出できるといえる。

【0020】

ここでは、臨床現場において、健常者１人と心房細動などの心臓疾患者１０人を含めて１１人の被験者から測定した脈圧波形データに対して、本発明で提案した脈圧波形の異常を検出する検出手法を適用し、その有効性を評価する。脈圧測定は試作した圧力式脈圧波測定器を使用して行った。特に、被験者中の心臓疾患者に対しては、同一な条件で３回測定を行った。また、これら測定データは、健常者はＮｏ．０、疾患者はＮｏ．１−１、Ｎｏ．１−２、Ｎｏ．１−３からＮｏ．１０−１、Ｎｏ．１０−２、Ｎｏ．１０−３のように番号を付けて区別ができるようにした。測定した脈圧波形データの評価方法は、以下の流れで行われた。

【0021】

（２）臨床現場の被験者の脈圧波形に対する本発明の脈圧波形の異常を検出する検出方法の有効性評価
本発明の実施例で得られた脈圧波形データは、図３に示すように最初の加圧過程とその後、最大圧力に到達してから減圧する過程の２段階の波形データになっているが、波形データの評価に用いる有意なデータとしては、最大脈圧からの減圧過程区間のデータであり、本発明の実施例では最大脈圧からの減圧過程区間で、０．００５１２秒間隔でサンプリングした７１６８点の連続データ（約３７秒間）を用いて脈圧波形データの分析と評価を行った。図３に測定した脈圧波形データの一例を示す。

【0022】

次に、前処理として、時間に伴う下降傾向を示している脈圧波形データの非定常性を取り除くために、用いた７１６８点の測定値に対して１次階差をとった。図４に１次階差を施した脈圧の時系列波形データを示す。

【0023】

さらに、この前処理を施した時系列波形データを平均値０、標準偏差１になるように標準化を行った。これは、前述のシミュレータのデータ処理の場合と同様に、利用者の個人差の影響をなくすためである。

【0024】

最後に、標準化処理を行った１次階差を施した脈圧の時系列波形データに対して周波数分析を行った。図５に求めた周波数スペクトルの一例を示す。ここでは、疾患の有無による周波数スペクトルの振幅波形データの形状変化が見られる周波数０．０５Ｈｚまでの周波数スペクトルの振幅波形データを用いて（３５９データ点で、周波数０のデータは除く）統計解析を行い、本発明で提案した振幅波形データの分布のかたちの違いに着目し、分布のかたちから求めた特徴量の歪み度及び尖り度が、心房細動などの心臓疾患の状態を高精度に検出できる指標として有効であるかを検証した。このような０．０５Ｈｚ以下の低周波数帯の振幅波形データの変動は、血圧や心拍などの生理学的な挙動と密接な関連があることが報告されている。

【0025】

（３）臨床現場の被験者の脈圧波形に対して周波数スペクトルの振幅波形データの分布の歪み度、尖り度を適用した結果
ここでは、臨床試験現場で測定した健常者１人と心房細動などの心臓疾患者１０人を含めて１１人の被験者の脈圧波形データに対して、本発明で提案した脈圧波形の異常の特徴量として歪み度及び尖り度を適用した実施例の結果を述べる。
図６と図７は、健常者の歪み度及び尖り度を基準値となる１にしたとき、１０人の被験者に対して得られた特徴量の歪み度及び尖り度をそれぞれ示したものである。この図から、健常者と比べて、何らかの心臓疾患を持っているすべての被験者の場合、歪み度及び尖り度の値が小さい値を示した。また、この二つの特徴量の比較では、尖り度の方が、健常者の値と比べてより差が顕著に表れており、例えば、健常者の値が１の場合、心臓疾患者の１０人すべてにおいて０．３以下で大きな差を示した。したがって、脈圧波形の異常の検出精度から見ると、異常の検出指標（特徴量）として尖り度を用いた方がより検出精度が高いといえる。

【0026】

以上のように、臨床試験で測定した脈圧波形データを対象として本発明で提案した異常検出手法の適用性を評価した結果、脈圧波形データの1次階差データを標準化し、高速フーリエ変換などの信号処理と統計解析により導いた周波数スペクトルの振幅波形データの分布の歪み度及び尖り度の特徴量を利用することにより、心筋梗塞や脳卒中の主な原因となる心房細動などの場合に発生する脈圧波形の異常状態を精度よく検出できることを確認した。

【0027】

（４）本発明の脈圧波形の異常状態検出装置の説明
（４−１）血圧測定のブロック図
図８は、本発明に係る、脈圧波形を用いた心房細動などの場合に発生する脈圧波形の異常状態を検出する検出装置のブロック図である。

【0028】

（４−２）脈圧波形の異常状態検出装置の構成
図８を参照して、脈圧波形の異常状態検出装置１の構成を説明する。脈圧波形の異常状態検出装置１は、血圧測定部３と、光電脈波測定部１４と、データ処理部２２とから構成されている。血圧測定部３は圧力式脈圧波測定器で、血圧測定を制御する血圧測定用マイコン４と、電磁弁５と、医療用の圧電ポンプ６と、圧力センサ７と、被験者の腕に巻き付けて使用する腕帯（カフともいう）８と、そして、腕帯８と、電磁弁５と、圧電ポンプ６と、圧力センサ７とをエア配管９により連通させ、血圧測定用操作スイッチ１０の操作により、血圧測定用マイコン４に内蔵のソフトウエアの指示に従い、圧電ポンプ６の作動により加圧する時に電磁弁５を閉じ、腕帯８が所定の圧力になったら、圧電ポンプ６の作動を停止して、血圧を測定するときに電磁弁５を徐々に開ける。血圧測定中の圧力や血圧測定結果の圧力を、液晶により血圧表示器１１に表示し、補助記憶装置のメモリ１２に血圧測定結果の圧力を記憶する。

【0029】

（４−３）光電脈波測定部１４
光電脈波測定部１４は、光電脈波計である指ホルダ１５と、光電脈波計である指ホルダ１５からのノイズを除去するノイズフィルタ１６と、光電脈波計である指ホルダ１５の微弱な光電脈波の信号を大きくするゲインアンプ（信号増幅器）１７とを含む構成となっている。

【0030】

（４−４）圧力センサ７とゲインアンプ１７
血圧測定部３の圧力センサ７と、光電脈波測定部１４のゲインアンプ（信号増幅器）１７は、後述するデータ処理部２２のデータ処理用マイコン２３に各データ信号を送る構成となっている。

【0031】

（４−５）データ処理部２２
データ処理部２２を説明する。このデータ処理部２２は、データ処理用マイコン２３と、モニターを操作するモニター操作用スイッチ２４と、液晶による異常状態表示器２５と、処理したデータを記憶する補助記憶装置であるメモリ２６と、処理したデータを転送収納するＳＤカード２７と、データ処理用マイコン２３のソフトウエアを書き込んであるｍｉｃｒｏ−ＵＳＢ記憶装置２８とを含む構成であり、更に、前述したように、血圧測定部３の圧力センサ７と、光電脈波測定部１４のゲインアンプ（信号増幅器）１７は、データ処理用マイコン２３に接続して、各データ信号をデータ処理用マイコン２３に送る構成となっている。

【0032】

本発明は、上述のように、通常の血圧測定に利用する脈圧波形を収集して、これら各症状における脈圧波形データにより、各症状における脈圧波形データの周波数分析により得られた周波数スペクトルの振幅波形データの統計解析を行い、心房細動などの場合に発生する脈圧波形の異常状態を簡便に検出できる特徴量を導く方法である。

【0033】

そして、通常の血圧測定に利用する脈圧波のデータを用いて、心臓の何らかの異常により変化する脈圧波形データの周波数スペクトルの振幅波形データの分布のかたちの違いに着目し、波形が平均値を中心に如何にばらついているか、波形が平均値を中心に如何に歪んでいるか、さらに、波形が如何に尖っているかを示す無次元統計量である波形率,歪み度及び尖り度を用いて特徴量の検討を行い、これらを監視することで、心房細動や心室性期外収縮などの場合に発生する脈圧波形の異常が検出できる。

【0034】

（４−６）心臓疾患の場合に発生する脈圧波形の異常の有無を検出する工程とアルゴリズム
心臓疾患の場合に発生する脈圧波形の異常の有無を検出する工程とアルゴリズムを以下に述べる。
・ステップ１：加圧中（加圧時に脈圧を測定する場合）または、減圧中（減圧時に脈圧を測定する場合）で、０．００５１２秒間隔（サンプリング周波数：１９５．３１Ｈｚ）で３０秒〜１分間の脈圧波形を測定する。本発明では、減圧時の脈圧波形を対象とする。

【0035】

・ステップ２：測定したデータ中、最大圧力から減圧する区間で７１６８点の連続データを採集し、前処理として、この７１６８点データに対して１次階差（差分）をとる。これは、時間に伴う下降傾向を表す脈圧波形データの非正常性を取り除くためである。１次階差データは以下のように求める。元の脈圧時系列データを｛ｙ_ｔ：ｔ＝１、２、・・・・・、ｎ｝とすると、その１次階差時系列｛ｘ_ｔ：ｔ＝１、２、・・・・・、ｎ−１}は、次のように表される。

【0036】

（数１）
ｘ_ｔ＝ｙ_ｔ＋１−ｙ_ｔ （１）

【0037】

・ステップ３：前述の１次階差データｘ_ｔを以下のように平均値０、標準偏差１になるように標準化を行う。

【0038】

（数２）
Ｘ_ｔ＝（ｘ_ｔ−μ）／σ （２）
ここで、Ｘｔは標準化した１次階差データ、μは１次階差データの平均値、σは１次階差データの標準偏差である。

【0039】

・ステップ４：標準化した７１６８点の１次階差データＸｔに対して、Cooley-Tukeyの高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）アルゴリズムを採用し周波数分析を行う。

【0040】

・ステップ５：次に、求めた周波数スペクトルの振幅波形データの中、周波数０．０５Ｈｚまでのスペクトル振幅波形データを取り出して統計解析を行う。用いたデータは３５９点データで周波数０のデータを除いた３５９点データである。異常検出に使用する特徴量の歪み度及び尖り度を算出する。

【0041】

・ステップ６：次に、正常状態を基準値である１にした場合、算出した歪み度及び尖り度の両者の値が１より小さいと、心房細動や心室性外期収縮などの場合に発生する脈圧波形の異常の有すると判断する。

【0042】

以上のことから、本発明は、通常の血圧測定に利用する脈圧波形を収集して、これ等の脈圧波形データにより、各症状における脈圧波形データの周波数分析により得られた周波数スペクトルの振幅波形データの統計解析を行い（図５参照）、心房細動などの場合に発生する脈圧波形の異常状態を簡便に検出できる特徴量を導き、その特徴量に従って脈圧波形の異常を検出する検出方法である。

【0043】

以上、本発明の実施例を説明したが、本発明の範囲は、これ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種々変更を加え得ることは勿論である。

【産業上の利用可能性】

【0044】

病院や老人福祉施設、学校、職場、家庭などでも心臓疾患に素早く、対応することに貢
献できる。

【符号の説明】

【0045】

１‥ ‥脈圧波形の異常状態検出装置
３‥ ‥血圧測定部
４‥ ‥血圧測定用マイコン
５‥ ‥電磁弁
６‥ ‥圧電ポンプ
７‥ ‥圧力センサ
８‥ ‥腕帯（ カフ）
９‥ ‥エア配管
１０‥ ‥血圧測定用操作スイッチ
１１‥ ‥血圧表示器
１２‥ ‥補助記憶装置のメモリ
１４‥ ‥光電脈波測定部
１５‥ ‥指ホルダ（光電脈波計）
１６‥ ‥ノイズフィルタ
１７‥ ‥ゲインアンプ（信号増幅器）
２２‥ ‥データ処理部
２３‥ ‥データ処理用マイコン
２４‥ ‥モニター操作用スイッチ
２５‥ ‥異常状態表示器
２６‥ ‥メモリ
２７‥ ‥Ｓ Ｄ カード
２８‥ ‥ｍｉｃｒｏ−ＵＳＢ記憶装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】