ホーム > 特許ランキング > ロジスティード株式会社
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023160425
(43)【公開日】2023-11-02
(54)【発明の名称】自律神経機能評価システム及び自律神経機能評価方法
(51)【国際特許分類】
A61B 5/352 20210101AFI20231026BHJP
A61B 5/02 20060101ALI20231026BHJP
A61B 5/0245 20060101ALI20231026BHJP
【ＦＩ】
A61B5/352 100
A61B5/02 310Z
A61B5/0245 C
【審査請求】未請求
【請求項の数】14
【出願形態】ＯＬ
(21)【出願番号】P 2022070803
(22)【出願日】2022-04-22
(71)【出願人】
【識別番号】000153546
【氏名又は名称】ロジスティード株式会社
(74)【代理人】
【識別番号】110001678
【氏名又は名称】藤央弁理士法人
(72)【発明者】
【氏名】李 云
(72)【発明者】
【氏名】三幣 俊輔
(72)【発明者】
【氏名】田中 毅
(72)【発明者】
【氏名】堀田 奈桜
(72)【発明者】
【氏名】栗山 裕之
(72)【発明者】
【氏名】佐藤 公則
【テーマコード（参考）】
4C017
4C127
【Ｆターム（参考）】
4C017AA02
4C017AA09
4C017BC21
4C017BD06
4C017FF05
4C127AA02
4C127CC01
4C127FF09
4C127GG02
4C127GG05
4C127GG11
4C127GG13
4C127GG15
(57)【要約】
【課題】装着性、即応性と信頼性を考慮した自律神経機能評価を実現する。
【解決手段】自律神経機能評価システムであって、プロセッサと、記憶装置と、を有し、記憶装置は、所定の長さの時間に計測された生体データと、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、プロセッサは、所定の長さの時間に計測された生体データと、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、所定の長さの時間に計測された生体データの妥当性を判定し、所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出する。
【選択図】図２
【解決手段】自律神経機能評価システムであって、プロセッサと、記憶装置と、を有し、記憶装置は、所定の長さの時間に計測された生体データと、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、プロセッサは、所定の長さの時間に計測された生体データと、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、所定の長さの時間に計測された生体データの妥当性を判定し、所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出する。
【選択図】図２
【特許請求の範囲】
【請求項1】
自律神経機能評価システムであって、
プロセッサと、記憶装置と、を有し、
前記記憶装置は、所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、
前記プロセッサは、
前記所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、前記所定の長さの時間に計測された生体データの妥当性を判定し、
前記所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出することを特徴とする自律神経機能評価システム。
プロセッサと、記憶装置と、を有し、
前記記憶装置は、所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、
前記プロセッサは、
前記所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、前記所定の長さの時間に計測された生体データの妥当性を判定し、
前記所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出することを特徴とする自律神経機能評価システム。
【請求項2】
請求項１に記載の自律神経機能評価システムであって、
前記生体データは、心拍間隔データであり、
前記プロセッサは、前記所定の長さの時間に計測された心拍間隔のローレンツプロットに基づいて、前記所定の長さの時間に計測された心拍間隔データの妥当性を判定することを特徴とする自律神経機能評価システム。
前記生体データは、心拍間隔データであり、
前記プロセッサは、前記所定の長さの時間に計測された心拍間隔のローレンツプロットに基づいて、前記所定の長さの時間に計測された心拍間隔データの妥当性を判定することを特徴とする自律神経機能評価システム。
【請求項3】
請求項２に記載の自律神経機能評価システムであって、
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔のローレンツプロット上に設定した楕円領域の範囲内の前記心拍間隔データを妥当であると判定し、
前記楕円領域の中心を、前記所定の長さの時間に計測された心拍間隔の平均値又は中央値と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、に基づいて算出し、
前記楕円領域の径を、前記所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、に基づいて算出することを特徴とする自律神経機能評価システム。
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔のローレンツプロット上に設定した楕円領域の範囲内の前記心拍間隔データを妥当であると判定し、
前記楕円領域の中心を、前記所定の長さの時間に計測された心拍間隔の平均値又は中央値と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、に基づいて算出し、
前記楕円領域の径を、前記所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、に基づいて算出することを特徴とする自律神経機能評価システム。
【請求項4】
請求項３に記載の自律神経機能評価システムであって、
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔の平均値又は中央値と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、の重み付け平均を前記楕円領域の中心として算出し、
前記所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、の重み付け平均に所定の係数を乗じた値を前記楕円領域の径として算出することを特徴とする自律神経機能評価システム。
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔の平均値又は中央値と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、の重み付け平均を前記楕円領域の中心として算出し、
前記所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、の重み付け平均に所定の係数を乗じた値を前記楕円領域の径として算出することを特徴とする自律神経機能評価システム。
【請求項5】
請求項４に記載の自律神経機能評価システムであって、
より新しい前記生体データに基づいて算出された自律神経機能指標から抽出された値に、より大きい重みが付されることを特徴とする自律神経機能評価システム。
より新しい前記生体データに基づいて算出された自律神経機能指標から抽出された値に、より大きい重みが付されることを特徴とする自律神経機能評価システム。
【請求項6】
請求項２に記載の自律神経機能評価システムであって、
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔データのうち、ローレンツプロットに基づいて妥当でないと判定されたデータの区間が所定の基準より短い場合、当該区間の前後の前記心拍間隔データに基づいて、当該区間の心拍間隔データを補間し、
前記ローレンツプロットに基づいて妥当であると判定されたデータ及び前記補間されたデータを良好データと判定することを特徴とする自律神経機能評価システム。
前記プロセッサは、
前記所定の長さの時間に計測された心拍間隔データのうち、ローレンツプロットに基づいて妥当でないと判定されたデータの区間が所定の基準より短い場合、当該区間の前後の前記心拍間隔データに基づいて、当該区間の心拍間隔データを補間し、
前記ローレンツプロットに基づいて妥当であると判定されたデータ及び前記補間されたデータを良好データと判定することを特徴とする自律神経機能評価システム。
【請求項7】
請求項６に記載の自律神経機能評価システムであって、
前記プロセッサは、前記所定の長さの時間に計測された心拍間隔データのうち、前記良好データが連続する１以上の区間から、信頼区間を抽出し、
前記良好データが連続する区間の長さ、及び、前記良好データが連続する複数の区間の長さの合計の少なくともいずれかに基づいて、前記信頼区間の信頼性を評価する信頼性スコアを算出することを特徴とする自律神経機能評価システム。
前記プロセッサは、前記所定の長さの時間に計測された心拍間隔データのうち、前記良好データが連続する１以上の区間から、信頼区間を抽出し、
前記良好データが連続する区間の長さ、及び、前記良好データが連続する複数の区間の長さの合計の少なくともいずれかに基づいて、前記信頼区間の信頼性を評価する信頼性スコアを算出することを特徴とする自律神経機能評価システム。
【請求項8】
請求項７に記載の自律神経機能評価システムであって、
前記プロセッサは、前記良好データが連続する区間から、第１の抽出方法、第２の抽出方法及び第３の抽出方法の少なくともいずれかに基づいて前記信頼区間を抽出し、
前記第１の抽出方法は、所定の第１の連続区間長さより長い１区間を前記信頼区間として抽出する方法であり、
前記第２の抽出方法は、前記良好データが連続する区間のうち、所定の第２の連続区間長さより長い２以上の区間であって、それらの長さの合計が所定の第３の連続区間長さより長い２以上の区間を前記信頼区間として抽出する方法であり、
前記第３の抽出方法は、前記良好データが連続する区間のうち、長さの合計が前記第３の連続区間長さより長い２以上の区間を前記信頼区間として抽出する方法であり、
前記第２の連続区間長さは、前記第１の連続区間長さより短く、
前記第３の連続区間長さは、前記第１の連続区間長さより長く、
前記プロセッサは、前記第１の抽出方法、前記第２の抽出方法及び前記第３の抽出方法のうち２以上の抽出方法によって前記信頼区間を抽出した場合、前記抽出した２以上の信頼区間のうち前記信頼性スコアが最も高い信頼区間の前記心拍間隔データに基づいて、前記自律神経機能指標を算出することを特徴とする自律神経機能評価システム。
前記プロセッサは、前記良好データが連続する区間から、第１の抽出方法、第２の抽出方法及び第３の抽出方法の少なくともいずれかに基づいて前記信頼区間を抽出し、
前記第１の抽出方法は、所定の第１の連続区間長さより長い１区間を前記信頼区間として抽出する方法であり、
前記第２の抽出方法は、前記良好データが連続する区間のうち、所定の第２の連続区間長さより長い２以上の区間であって、それらの長さの合計が所定の第３の連続区間長さより長い２以上の区間を前記信頼区間として抽出する方法であり、
前記第３の抽出方法は、前記良好データが連続する区間のうち、長さの合計が前記第３の連続区間長さより長い２以上の区間を前記信頼区間として抽出する方法であり、
前記第２の連続区間長さは、前記第１の連続区間長さより短く、
前記第３の連続区間長さは、前記第１の連続区間長さより長く、
前記プロセッサは、前記第１の抽出方法、前記第２の抽出方法及び前記第３の抽出方法のうち２以上の抽出方法によって前記信頼区間を抽出した場合、前記抽出した２以上の信頼区間のうち前記信頼性スコアが最も高い信頼区間の前記心拍間隔データに基づいて、前記自律神経機能指標を算出することを特徴とする自律神経機能評価システム。
【請求項9】
請求項８に記載の自律神経機能評価システムであって、
前記プロセッサは、前記所定の長さの時間に対する前記信頼区間の長さの割合に、前記信頼区間の抽出方法に応じた信頼性重みを乗じることによって、前記信頼性スコアを算出し、
前記第１の抽出方法に応じた前記信頼性重みが最も大きく、前記第３の抽出方法に応じた前記信頼性重みが最も小さいことを特徴とする自律神経機能評価システム。
前記プロセッサは、前記所定の長さの時間に対する前記信頼区間の長さの割合に、前記信頼区間の抽出方法に応じた信頼性重みを乗じることによって、前記信頼性スコアを算出し、
前記第１の抽出方法に応じた前記信頼性重みが最も大きく、前記第３の抽出方法に応じた前記信頼性重みが最も小さいことを特徴とする自律神経機能評価システム。
【請求項10】
請求項２に記載の自律神経機能評価システムであって、
前記記憶装置は、前記生体データを計測したセンサに関する情報を保持し、
前記プロセッサは、前記所定の長さの時間に計測された生体データに対して前記センサに応じた整形処理を行い、整形処理された生体データの妥当性を判定することを特徴とする自律神経機能評価システム。
前記記憶装置は、前記生体データを計測したセンサに関する情報を保持し、
前記プロセッサは、前記所定の長さの時間に計測された生体データに対して前記センサに応じた整形処理を行い、整形処理された生体データの妥当性を判定することを特徴とする自律神経機能評価システム。
【請求項11】
請求項２に記載の自律神経機能評価システムであって、
前記プロセッサは、
算出した前記自律神経機能指標を、前記心拍間隔データの計測対象である人物の識別情報、当該人物の年齢、当該人物の性別、当該人物が乗車する車両の識別情報、当該人物の業務内容を示す情報、前記心拍間隔データの取得のために使用されたセンサに関する情報及び計測時刻の少なくともいずれかと対応付けて、自律神経機能指標統合データとして前記記憶装置に格納し、
指定された抽出条件に基づいて前記自律神経機能指標統合データから抽出された前記自律神経機能指標を、前記所定の長さの時間に計測された生体データの妥当性の判定に使用することを特徴とする自律神経機能評価システム。
前記プロセッサは、
算出した前記自律神経機能指標を、前記心拍間隔データの計測対象である人物の識別情報、当該人物の年齢、当該人物の性別、当該人物が乗車する車両の識別情報、当該人物の業務内容を示す情報、前記心拍間隔データの取得のために使用されたセンサに関する情報及び計測時刻の少なくともいずれかと対応付けて、自律神経機能指標統合データとして前記記憶装置に格納し、
指定された抽出条件に基づいて前記自律神経機能指標統合データから抽出された前記自律神経機能指標を、前記所定の長さの時間に計測された生体データの妥当性の判定に使用することを特徴とする自律神経機能評価システム。
【請求項12】
請求項２に記載の自律神経機能評価システムであって、
前記心拍間隔データは、心電の計測値に基づくＲ波の間隔のデータを含むことを特徴とする自律神経機能評価システム。
前記心拍間隔データは、心電の計測値に基づくＲ波の間隔のデータを含むことを特徴とする自律神経機能評価システム。
【請求項13】
請求項２に記載の自律神経機能評価システムであって、
前記心拍間隔データは、脈波の計測値のピーク間隔のデータを含むことを特徴とする自律神経機能評価システム。
前記心拍間隔データは、脈波の計測値のピーク間隔のデータを含むことを特徴とする自律神経機能評価システム。
【請求項14】
自律神経機能評価システムが実行する自律神経機能評価方法であって、
前記自律神経機能評価システムは、プロセッサと、記憶装置と、を有し、
前記記憶装置は、所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、
前記自律神経機能評価方法は、
前記プロセッサが、前記所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、前記所定の長さの時間に計測された生体データの妥当性を判定する手順と、
前記プロセッサが、前記所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出する手順と、を含むことを特徴とする自律神経機能評価方法。
前記自律神経機能評価システムは、プロセッサと、記憶装置と、を有し、
前記記憶装置は、所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、
前記自律神経機能評価方法は、
前記プロセッサが、前記所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、前記所定の長さの時間に計測された生体データの妥当性を判定する手順と、
前記プロセッサが、前記所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出する手順と、を含むことを特徴とする自律神経機能評価方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、交通機関の安全運行推進に際し短時間に計測される生体データの信頼性を向上するために利用される即応型（リアルタイム）生体データ評価技術に関する。
【背景技術】
【0002】
近年、運輸業のドライバーの健康起因事故の予防へ向け、生体状態の定量評価が行われている。生体状態のうち、計測が簡便な各種形態の心拍センサによる、心拍の間隔である心拍間隔（Beat-to-Beat Interval，ＢＢＩ）データの計測に基づく自律神経機能評価が実施されている。業務中における自律神経機能評価は解析の即応性やデータの信頼性が重要である。
【0003】
例えば、特開２０２０－１３０３３５号公報（特許文献１）では、計測異常などによって生じた欠損区間のある周期性を有する生体信号の時系列データを対象として、任意時間内で計測した周期性を有する生体信号の変化傾向に着目した時間特徴量を精度良く算出する。具体的には、瞬時心拍異常値を隣接する二つのＲ波の計測状態から認識して時系列データから除外し、一定時間内で計測されたＲ波の間隔（R-R Interval，ＲＲＩ）の変動傾向を近似した一次関数などを用いた補間を行ったのち、時間特徴量（平均心拍数、平均ＲＲＩ、隣接するＲＲＩのローレンツプロット（ＬＰ）が描く形状の長辺の長さＬ及び短辺の長さＴなど）から求められる副交感神経の活動指標を算出する。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２０－１３０３３５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
業務中の自律神経機能評価を実時刻に管理できることが重要であり、センサの装着性、解析の即応性、結果の信頼性を総合的に考慮した計測と評価システムが必要である。
【0006】
運転を伴う業務中などにおいて、評価対象の人物（例えばドライバー）が安静状態とは限らない。また、装着性を重視したウェアラブルセンサを使用して心拍間隔データを計測する場合には計測不良が発生しやすい。特許文献１に記載された方法では、短い計測時間内のデータでは計測した瞬間心拍間隔が異常か否か適切に判断できない場合がある。計測時間を長く設定する場合、評価の即応性が低下する。また、ウェアラブルセンサ側において、膨大な心拍間隔データを長時間保持するには記憶容量の問題が発生する場合がある。
【課題を解決するための手段】
【0007】
上記の課題の少なくとも一つを解決するため、本発明は、自律神経機能評価システムであって、プロセッサと、記憶装置と、を有し、前記記憶装置は、所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、を保持し、前記プロセッサは、前記所定の長さの時間に計測された生体データと、前記所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、前記所定の長さの時間に計測された生体データの妥当性を判定し、前記所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出することを特徴とする。
【発明の効果】
【0008】
したがって、本発明の一態様によれば、短時間で取得した心拍間隔データに対しても、適切にデータの妥当性を判定でき、装着性、即応性と信頼性を考慮した自律神経機能評価が可能となる。
【0009】
本明細書において開示される主題の、少なくとも一つの実施の詳細は、添付されている図面と以下の記述の中で述べられる。開示される主題のその他の特徴、態様、効果は、以下の開示、図面、請求項により明らかにされる。
【図面の簡単な説明】
【0010】
【図1】本発明の実施例に係る生体データ評価システムの主要な構成の一例を示すブロック図である。
【図2】本発明の実施例に係る即応型自律神経機能評価システムの構成の一例を示す機能ブロック図である。
【図3】本発明の実施例に係る補正処理部の処理の一例を示すフローチャートである。
【図4A】本発明の実施例において測定される心拍間隔及びそれに基づく自律神経機能指標の一例を示す説明図である。
【図4B】本発明の実施例において測定される心拍間隔及びそれに基づく自律神経機能指標の一例を示す説明図である。
【図4C】本発明の実施例において測定される心拍間隔及びそれに基づく自律神経機能指標の一例を示す説明図である。
【図4D】本発明の実施例において測定される心拍間隔及びそれに基づく自律神経機能指標の一例を示す説明図である。
【図5】本発明の実施例において測定される多変量の自律神経機能指標の一覧の一例を示す説明図である。
【図6A】本発明の実施例に係る即応型自律神経機能評価システムが保持する心拍間隔データの一例を示す説明図である。
【図6B】本発明の実施例に係る即応型自律神経機能評価システムが保持する多変量の自律神経機能を含めた自律神経機能指標データの一例を示す説明図である。
【図6C】本発明の実施例に係る即応型自律神経機能評価システムが保持するＡＮＦ指標統合ＤＢの内部構成の一例を示す説明図である。
【図7A】本発明の実施例における所定解析窓内のＬＰに基づく妥当性判定の一例を示す説明図である。
【図7B】本発明の実施例における所定解析窓内のＬＰに基づく妥当性判定の一例を示す説明図である。
【図7C】本発明の実施例における所定解析窓内のＬＰに基づく妥当性判定の一例を示す説明図である。
【図8A】本発明の実施例における、ＡＮＦ指標統合ＤＢから参照ＡＮＦ指標を抽出できる場合の妥当領域の算出方法の一例を示す説明図である。
【図8B】本発明の実施例における、ＡＮＦ指標統合ＤＢから参照ＡＮＦ指標を抽出できる場合の妥当領域の算出方法の一例を示す説明図である。
【図9】本発明の実施例に係る信頼区間抽出部が解析時間のデータの信頼性評価を行い、信頼区間を抽出する処理の一例を示す説明図である。
【図10】本発明の実施例に係る即応型自律神経機能評価システムによる現在時刻の評価結果の表示の一例を示す説明図である。
【図11】本発明の実施例に係る即応型自律神経機能評価システムによる時系列の評価結果の表示の一例を示す説明図である。
【発明を実施するための形態】
【0011】
以下、図面を参照しながら本発明の実施例について説明する。
【0012】
＜システム構成＞
図１は、本発明の実施例に係る生体データ評価システムの主要な構成の一例を示すブロック図である。
図１は、本発明の実施例に係る生体データ評価システムの主要な構成の一例を示すブロック図である。
【0013】
本実施例の生体データ評価システムは、ネットワークを介して１以上の車両７から受信する生体データを処理する即応型自律神経機能評価システム１を含む。
【0014】
車両７は、車両７の位置を計測するＧＮＳＳ（Global Navigation Satellite System）８Ａ、車両７とその前後を走行する車両との距離を計測する車間距離センサ８Ｂ、車両７の速度を計測する速度計８Ｃ、車両７の加速度を計測する加速度センサ８Ｄ、車両７の周囲を撮影するカメラ８Ｅ、及び、それらから計測結果のデータ及び撮影結果のデータを収集して即応型自律神経機能評価システム１に送信する車載情報収集装置１０を有する。
【0015】
さらに、車両７には、生体センサ１１、生体データ収集装置１２、センサ情報入力部１３、センサ情報収集装置１４、ユーザ情報設定部１５、ユーザ情報収集装置１６、業務内容設定部１７及び業務情報収集装置１８が搭載される。これらは、車両７に取り付けられてもよいし、ユーザ（例えば車両７のドライバー）が所持し、車両７を運転するときに車両７に持ち込んでもよい。
【0016】
生体センサ１１は、心電、脈波または心音などに基づき心拍（ＲＲＩまたはＰＰＩ）を検出するセンサを含む。
【0017】
生体センサ１１は、心拍センサの他に、発汗量、体温、まばたき、眼球運動、筋電または脳波等を検出するセンサを採用することができる。生体センサ１１としては、ドライバーが装着可能なウェアラブルデバイスの他、ハンドル、シート、シートベルト等、車両７内のいずれかの部位に付属したセンシングデバイス、または、ドライバーの表情もしくは挙動を撮像して画像を解析する画像認識システム等を用いることができる。
【0018】
生体データ収集装置１２は、生体センサ１１が計測した情報を収集して、即応型自律神経機能評価システム１に送信する。
【0019】
センサ情報入力部１３は、生体センサ１１に関する情報の入力を受け付ける機能を有する。生体センサ１１に関する情報は、例えば、生体センサ１１の種類、機種、バージョン、仕様及び設定値等に関する情報を含んでもよい。センサ情報収集装置１４は、センサ情報入力部１３に入力された情報を収集して、即応型自律神経機能評価システム１に送信する。
【0020】
ユーザ情報設定部１５は、ユーザに関する情報の設定を受け付ける機能を有する。ユーザに関する情報は、例えば、ユーザの名前、識別情報、年齢、性別、所属及び担当業務等の情報を含んでもよい。ユーザ情報収集装置１６は、ユーザ情報設定部１５に設定された情報を収集して、即応型自律神経機能評価システム１に送信する。
【0021】
業務内容設定部１７は、ユーザの業務に関する情報の設定を受け付ける機能を有する。ユーザの業務に関する情報は、例えば、ユーザが行う業務の内容（例えば運転、荷積み、荷卸し及び休憩のいずれかなど）及び業務を行った時間帯等の情報を含んでもよい。業務情報収集装置１８は、業務内容設定部１７に設定された情報を収集して、即応型自律神経機能評価システム１に送信する。
【0022】
なお、生体センサ１１、生体データ収集装置１２、センサ情報入力部１３、センサ情報収集装置１４、ユーザ情報設定部１５、ユーザ情報収集装置１６、業務内容設定部１７及び業務情報収集装置１８は、それぞれ独立した装置であってもよいが、それらの少なくともいくつかが一つの装置によって実現されてもよい。典型的な一例を挙げると、生体センサ１１はユーザが装着するセンサ装置であり、生体データ収集装置１２はユーザが持ち歩く端末装置（ユーザ端末）又は車両７に取り付けられた端末装置（車載端末）であってもよい。また、センサ情報入力部１３、センサ情報収集装置１４、ユーザ情報設定部１５、ユーザ情報収集装置１６、業務内容設定部１７及び業務情報収集装置１８は、ユーザ端末又は車載端末のアプリケーションとして実現されてもよい。
【0023】
図１には一つの車両７及び一組の生体センサ１１～業務情報収集装置１８のみを示したが、実際の生体データ評価システムは複数の車両７と、複数のユーザに対応する複数組の生体センサ１１～業務情報収集装置１８とを含んでもよい。ユーザ毎に使用する生体センサ１１の種類が異なる場合があり、同一のユーザであっても日によって生体センサ１１の種類が異なる場合がある。
【0024】
即応型自律神経機能評価システム１は、プロセッサ２と、メモリ３と、ストレージ装置４と、入出力装置５と、通信装置６と、を含む計算機である。メモリ３は、センサ情報に応じた単位時間内の心拍間隔を取得する心拍間隔取得部２１と、心拍間隔データの信頼性を向上するための補正処理を行う補正処理部２２と、補正処理した心拍間隔データに対し、自律神経機能（ＡＮＦ）指標を算出するＡＮＦ指標算出部２３と、ＡＮＦ指標データとユーザ情報及びセンサ情報業務情報等とを統合するデータ統合部２４と、を有する。統合したデータはＡＮＦ指標統合ＤＢ４８に蓄積される。メモリ３は、さらに、統合したＡＮＦ指標を総合的に評価し、評価結果を表示する評価結果表示部２５を有する。また、メモリ３は、さらに、評価結果の表示項目や設定する設定部２６（図２参照）を有する。
【0025】
補正処理部２２は、ＡＮＦ指標統合ＤＢ４８から参照するＡＮＦ指標を抽出する参照ＡＮＦ指標抽出部３１と、ローレンツプロット（ＬＰ）に基づいて心拍間隔データの妥当性を判定する妥当性判定部３２（図２参照、以下同様）と、判定結果に基づき心拍間隔データのノイズ除去及び補間を行うノイズ除去・補間処理部３３と、処理したデータを用いて所定時間内のデータの信頼性を評価し、信頼区間を抽出する信頼区間抽出部３４と、を有する。
【0026】
なお、本実施例における心拍間隔取得部２１、補正処理部２２、ＡＮＦ指標算出部２３、データ統合部２４、評価結果表示部２５及び設定部２６の機能は、実際にはプロセッサ２がメモリ３に格納されたプログラムに記述された命令を実行することによって実現される。すなわち、以下の説明において上記の各部が実行する処理は、実際にはプロセッサ２によって実行される。
【0027】
ストレージ装置４には、心拍センサ計測データ４１、ユーザ情報４２、センサ情報４３、業務情報４４、車載情報４５、短時間ＢＢＩデータ４６、ＡＮＦ指標データ４７及びＡＮＦ指標統合ＤＢ４８が格納される。心拍センサ計測データ４１は、生体センサ１１によって計測され、生体データ収集装置１２によって送信されたデータを含む。ユーザ情報４２は、ユーザ情報設定部１５によって設定され、ユーザ情報収集装置１６によって送信されたデータを含む。センサ情報４３は、センサ情報入力部１３に入力され、センサ情報収集装置１４によって送信されたデータを含む。業務情報４４は、業務内容設定部１７によって設定され、業務情報収集装置１８によって送信されたデータを含む。車載情報４５は、車載情報収集装置１０によって収集され、送信された情報を含む。この情報は、例えば、ＧＮＳＳ８Ａ、車間距離センサ８Ｂ、速度計８Ｃ、加速度センサ８Ｄ及びカメラ８Ｅから取得された情報を含む。
【0028】
短時間ＢＢＩデータ４６は、短時間（例えば２分間）のＢＢＩデータを含む。このデータは、例えば、生体データ収集装置１２から送信されたデータから心拍間隔取得部２１が取得した２分間ごとの心拍間隔（ＢＢＩ）データを含む。ＡＮＦ指標データ４７は、ＢＢＩデータを対象として補正処理部２２による補正処理及びＡＮＦ指標算出部２３によるＡＮＦ指標の算出を行った結果のデータを含む。ＡＮＦ指標統合ＤＢ４８は、ＡＮＦ指標と、ユーザに関する情報及び業務に関する情報等とを統合したデータを含む。
【0029】
＜処理詳細＞
図２は、本発明の実施例に係る即応型自律神経機能評価システム１の構成の一例を示す機能ブロック図である。
図２は、本発明の実施例に係る即応型自律神経機能評価システム１の構成の一例を示す機能ブロック図である。
【0030】
ユーザ端末側及び車両７側で取得した心拍センサ計測データ、センサ情報、ユーザ情報、業務情報及び車載情報は、ネットワーク１９を介して即応型自律神経機能評価システム１に送信される。業務中の実時刻の自律神経機能評価するため、即応性を持つように、センサ計測データの取得時間を短時間とする。一例として、２分間のセンサ計測データが取得されるごとに、生体データ収集装置１２から即応型自律神経機能評価システム１に送信され、心拍センサ計測データ４１としてストレージ装置４に格納される。同様に、センサ情報収集装置１４、ユーザ情報収集装置１６、業務情報収集装置１８及び車載情報収集装置１０から送信されたデータが、それぞれ、センサ情報４３、ユーザ情報４２、業務情報４４及び車載情報４５としてストレージ装置４に格納される。
【0031】
心拍間隔取得部２１は、心拍センサ計測データ４１に対し、そのデータに対応するセンサ情報４２を参照して当該データを計測した心拍センサの種類を特定し、特定した心拍センサの種類に応じた整形処理を実施し、単位解析時間のＢＢＩデータの共通形式に変換する。補正処理部２２は、取得した心拍間隔データに対して、データの妥当性判定、ノイズ除去・補間処理、及び、信頼性が高い区間の抽出処理を実施する。
【0032】
補正処理部２２において、新たに取得された短時間の心拍センサ計測データ４１の解析を行う時刻までの間に蓄積したＡＮＦ指標統合ＤＢ４８から、参照対象となるＡＮＦ指標を抽出する参照ＡＮＦ指標抽出部３１を有することが本実施例の特徴である。ノイズが入りやすい短時間で取得した心拍間隔データに対し、蓄積した参照ＡＮＦ指標を用いて計測データの妥当領域（すなわち妥当であると判定されるデータの領域）を判定することで、短時間データの信頼性を向上する。
【0033】
具体的には、補正処理部２２は妥当性判定部３２を有する。妥当性判定部３２がＬＰ上のデータ領域の妥当性判定を行い、妥当であると判定されたデータを時系列に戻すことで、計測した心拍間隔データ毎の妥当性を判定する。
【0034】
補正処理部２２のノイズ除去・補間処理部３３は、妥当であると判定されたデータに対し、取得データの傾向に基づいて補間可能なデータに対し補間処理を実施し、補間不可のデータをノイズとして除去する。さらに、補正処理部２２は信頼区間抽出部３４を有する。信頼区間抽出部３４は、ノイズ除去・補間処理を行ったデータに対し、時系列上の欠損の発生位置を確認し、欠損がない（または少ない）良好区間の連続性を確認し、連続性と使用可能なデータの時間長さとを考慮した信頼性スコアを算出し、ＡＮＦ指標算出に適した信頼区間を抽出する。
【0035】
また、ＡＮＦ指標算出部２３は、補正処理した心拍間隔データに基づいて、該当解析時間のＡＮＦ指標を算出する。データ統合部２４は、ＡＮＦ指標、ユーザ情報、業務情報及び車載情報を統合して、ＡＮＦ指標統合ＤＢ４８に蓄積していく。
【0036】
ユーザまたは管理者は、評価結果表示部２５を介して、解析したＡＮＦ指標データを総合評価し、現在時刻の評価結果、または時系列上の変化傾向を確認できる。また、評価結果表示部２５は設定部２６と接続され、ユーザ入力等により、表示項目、基本情報変更及び解析条件等を変更してもよい。
【0037】
図３は、本発明の実施例に係る補正処理部２２の処理の一例を示すフローチャートである。
【0038】
心拍間隔取得部２１は、心拍センサ計測データ４１から取得した短時間ＢＢＩ３０１と、センサ情報４３から取得した当該データを計測した心拍センサに関する情報３０２と、に応じて、データ整形処理処理を行い（ステップ３０３）、所定短時間区間（例えば２分間）の標準時間の心拍間隔データ（ＢＢＩ）を取得する。一つのＢＢＩ（すなわちある１拍とその次の１拍との間隔）のみで心拍変動を解析することは難しく、所定の長さの解析時間窓を要する。即応性を重視する場合には当該所定時間が短いことが好ましい一方、解析の信頼性を重視する場合には当該所定時間が心拍変動解析に要求される時間幅以上であることが好ましい。
【0039】
補正処理部２２の妥当性判定部３２は、所定短時間入力された心拍センサ情報と、取得したデータの品質とに応じて、高度なノイズ除去が必要か否かを判断し（ステップ３０４）、高度な除去が必要でないと判定した場合、外れ値基本判定を行う（ステップ３０５）。一方、高度なノイズ除去が必要と判定した場合、参照ＡＮＦ指標抽出部３１が解析時刻まで蓄積したＡＮＦ指標統合ＤＢ４８にアクセスし（ステップ３０６）、一定の抽出条件を満たした参照対象のＡＮＦ指標を抽出する。抽出条件の一例として、同一ユーザの現解析時刻と同じ業務状態の直近の所定時間（例えば３０分）のデータを参照対象のＡＮＦ指標として抽出してもよい。例えば、所定短時間が２分、直近の所定時間が３０分とすると、１５セットのＡＮＦ指標が抽出される。
【0040】
なお、上記の「同一ユーザの現解析時刻と同じ業務状態の直近の所定時間」とは、抽出条件の一例であり、他の抽出条件を設定することもできる。例えば、解析対象のユーザと近い年齢のユーザのデータ、または同一の性別のユーザのデータを抽出してもよい。あるいは、同一のユーザの安静状態のデータを抽出してもよいし、同一のユーザ（または他のユーザ、または年齢、性別等の条件が類似するユーザ）を対象として計測精度が高い生体センサ１１を使用して計測したデータを抽出してもよい。
【0041】
また、参照ＡＮＦ指標の一例として、ＲＲＩの平均値、ＬＰに関連するＹ＝－Ｘ方向の標準偏差ＳＤ１、及び、Ｙ＝Ｘ方向の標準偏差ＳＤ２等が挙げられる。
【0042】
ＬＰは、時系列データＴ［ｔ］について、ｘ軸に先行する時刻ｔ（ｔ＝０、１、２、…）の時系列データＴ［ｔ］を、ｙ軸に時刻ｔから期間ｄｔ（ｄｔ＝１、２、３、…）だけ経過した時刻ｔ＋ｄｔにおける時系列データＴ［ｔ＋ｄｔ］をプロットすることで描かれるカオス解析を行うための二次元プロットである。本実施例では、Ｔ［ｔ］をｘ軸に、Ｔ［ｔ＋ｄｔ］をｙ軸に対応付けてプロットしたＬＰを例として示す。
【0043】
ＬＰに描かれる幾何学図形を解析することで時系列データＴ［ｔ］の特性を分析することができる。特に連続する期間のＲＲＩデータについてＬＰを描くと、その幾何学的特徴から、所定期間において計測されたデータがどの程度不整脈または計測不良を含んでいるかといった計測特性を評価可能であることが知られている。本実施例では、ｄｔ＝１時刻とした場合のＬＰについての例を示す。また、時系列データとして、測定したＲＲＩデータの原系列ＲＲＩ［ｔ］を用いる場合を示す。
【0044】
参照ＡＮＦ指標を抽出可能の場合（ステップ３０７：Ｙｅｓ）、妥当性判定部３２は、参照指標と解析対象データのＬＰとに基づき、取得したＢＢＩの妥当性判定を行う（ステップ３０８）。具体的な妥当性判定は後に図７Ａ～図８Ｂを用いて説明する。一方、所定抽出条件を満たす参照対象のＡＮＦ指標を抽出出来ない場合の一例として、ユーザの初期のセンサ装着時に、ＡＮＦ指標統合ＤＢ４８から該当ユーザのデータを抽出できない場合が挙げられる。参照指標を抽出できない場合（ステップ３０７：Ｎｏ）、妥当性判定部３２は、所定の解析窓のＢＢＩデータのみを参照し、ＬＰ上の幾何学的な領域を確認し、データの妥当性判定を行う（ステップ３０９）。具体的な算出方法は後に図７Ａ～図７Ｃを参照して説明する。
【0045】
次に、ノイズ除去・補間処理部３３は、妥当性が判定された後のデータについて補間処理を行い、その結果として残った異常データをノイズとして除去する（ステップ３１０）。具体的には、ノイズ除去・補間処理部３３は、ＬＰ上での妥当性が判定されたたデータを、時系列上のＲＲＩデータに戻し、時系列上の異常データ（すなわちＬＰ上で妥当でないと判定されたデータ）の発生状況及び発生区間を確認する。異常データ発生区間の時間が短く、解析区間内の前後のＲＲＩデータの変化傾向から正常範囲の数拍分のＲＲＩデータに基づいて補間可能と判定される場合、ノイズ除去・補間処理部３３は、補間処理を実施する。ノイズ除去・補間処理部３３は、補間処理の後に異常値として残った区間のデータをノイズとして除去し、時系列上の欠損区間とする。
【0046】
その後、信頼区間抽出部３４は、欠損区間の発生状況に応じて、ＡＮＦ指標を算出するための信頼区間を抽出する（ステップ３１１）。信頼区間算出の具体的な方法の一例については図９を参照して後述する。
【0047】
参照ＡＮＦ指標抽出（ステップ３０６）、ＬＰによる妥当性判定（ステップ３０８または３０９）、ノイズ除去・補間処理（ステップ３１０）及び信頼区間抽出（ステップ３１１）の一連の処理を介して補正処理を行ったＢＢＩデータを用いて、ＡＮＦ指標算出部２３が該当解析時刻のＡＮＦ指標を算出し、ＡＮＦ指標データ４７として保持する（ステップ３１２）。データ統合部２４は、算出したＡＮＦ指標と、ユーザ情報４２、センサ情報４３、業務情報４４及び車載情報４５等とを統合し、ＡＮＦ指標統合ＤＢ４８に蓄積する（ステップ３１３）。即応型自律神経機能評価システム１は、統合したＡＮＦ指標統合ＤＢ４８に基づいて総合的な評価を行い、解析の実時刻の評価結果、または時系列上の評価結果を、評価結果表示部２５を介して、入出力装置５に表示する。
【0048】
【0049】
図４Ａは、心電のＲ波とＲ波の間隔を測定するＲＲＩ（R-R Interval）の一例を示す。図４Ｂは、脈波のピークとピークの間隔を測定するＰＰＩ（Peak-to-Peak Interval）の一例を示す。本実施例でＡＮＦ指標の算出に使用する心拍間隔ＢＢＩは、上記のＲＲＩ及びＰＰＩのいずれであってもよい。ただし、一般に、ＲＲＩは、心拍そのものを計測するため精度が高いものの、測定するためには例えば電極の付いたベルト又は肌着を着用する必要があるなど、ユーザの負担が大きい。これに対して、ＰＰＩは、例えば腕時計型の脈拍センサ等によって計測することも可能であり、ユーザの負担は少ないが、ノイズ等の計測不良が多いなど、精度は低くなる傾向がある。
【0050】
図４Ｃは、時間軸における心拍間隔ＢＢＩ（ＲＲＩまたはＰＰＩ）の変化の一例を示す。図４Ｄは、図４Ｃの所定の解析時間窓（例：２分）のＢＢＩデータをベースに周波数解析し、ＡＮＦ指標の一部である周波数領域の低周波成分ＬＦ、高周波成分ＨＦ、トータルパワーＴＰを示す。ここで、ＬＦは所定の比較的低い周波数帯域（例えば０．０４Ｈｚ～０．１５Ｈｚ）のパワースペクトルであり、ＨＦは所定の比較的高い周波数帯域（例えば０．１５Ｈｚ～０．４Ｈｚ）のパワースペクトルであり、トータルパワーＴＰはＬＦとＨＦの和である。
【0051】
図５は、本発明の実施例において測定される多変量の自律神経機能指標の一覧の一例を示す説明図である。
【0052】
解析時間窓内のＢＢＩデータをベースに、周波数領域、時間領域、または非線形領域等の多くの指標を算出し、自律神経機能を総合評価することができる。ここでは、代表的ないくつかの指標について説明する。
【0053】
周波数領域指標のうちＬＦ、ＨＦ及びＴＰは、図４Ｄを参照して説明した通りであり、ＬＦ／ＨＦはＬＦとＨＦとの比率である。ＬＦ及びＨＦはそれぞれ交感神経及び副交感神経に関連する指標として使用される。時間領域指標のうちＲＲＩは既に説明した心電のＲ波の間隔である。非線形領域指標のうちＳＤ１は、ＬＰのＹ＝－Ｘ方向の標準偏差、ＳＤ２はＬＰのＹ＝Ｘ方向の標準偏差、ＳＤ１／ＳＤ２はそれらの比率である。
【0054】
図６Ａは、本発明の実施例に係る即応型自律神経機能評価システム１が保持する心拍間隔データの一例を示す説明図である。
【0055】
具体的には、図６Ａに示す心拍間隔データは、短時間ＢＢＩデータ４６に含まれるデータの一例を示すものである。計測時刻で測定したＲＲＩデータは、ユーザＩＤ６０１、車両ＩＤ６０２、心拍センサ６０３、計測時刻６０４及びＲＲＩ６０５の組み合わせのリストを含む。ここでは心拍間隔データがＲＲＩ６０５を含む例を示しているが、これはＢＢＩデータの一例であり、ＲＲＩの代わりにＰＰＩが保持されてもよい。
【0056】
ユーザＩＤ６０１及び車両ＩＤ６０２は、測定対象のユーザを識別する情報及びそのユーザが乗車する車両７を識別する情報である。心拍センサ６０３は、測定に使用した心拍センサを特定する情報（例えば心拍センサの種類、機種又は個体の少なくともいずれかを識別する情報）である。心拍間隔データの１行（１レコード）が一つの心拍に相当し、計測時刻６０４は各心拍（例えばＲ波又は脈波のピーク等）の出現時刻であり、ＲＲＩ６０５は前回の心拍から今回の心拍までの時間間隔を示す。ここで、ＲＲＩ６０５は約数百ミリ秒スケールのデータである。
【0057】
例えば、図６Ａの１行目は、あるＲ波が２０２０年４月１日の１０：００：００．０００に計測され、そのＲ波とその前のＲ波との間隔が７５０ミリ秒であったことを示している。２行目は、１行目のＲ波の次のＲ波が２０２０年４月１日の１０：００：００．７５５に計測され、そのＲ波とその前のＲ波（すなわち１行目のＲ波）との間隔が７５５ミリ秒であったことを示している。
【0058】
図６Ｂは、本発明の実施例に係る即応型自律神経機能評価システム１が保持する多変量の自律神経機能を含めた自律神経機能指標データの一例を示す説明図である。
【0059】
具体的には、図６Ｂに示す単位時間内の自律神経機能（ＡＮＦ）指標データは、ＡＮＦ指標データ４７に含まれるデータの一例を示すものである。図６Ｂに示す単位時間内のＡＮＦ指標データの１行（１レコード）が一つの所定短時間（図６Ｂの例では２分）のＢＢＩデータから算出されたＡＮＦ指標を含む。ユーザＩＤ６１１、車両ＩＤ６１２及び心拍センサ６１３は、それぞれ図６Ａに示したユーザＩＤ６０１、車両ＩＤ６０２及び心拍センサ６０３に対応する。日時６１４は、各所定短時間を代表する時刻（例えば始点の時刻）を示す。
【0060】
自律神経機能指標６１５は、各所定短時間のＢＢＩデータから算出されたＡＮＦ指標であり、例えば図５に示したＡＮＦ指標の少なくともいずれかを含んでもよい。信頼性スコア６１６は、各所定短時間のＢＢＩデータから算出されたＡＮＦ指標に信頼性を評価する指標である信頼性スコアの値を示す。信頼性スコアの算出方法は、図９を参照して後述する。参照時間６１７は、ＢＢＩデータの妥当性判定のために参照した過去のＡＮＦ指標データの時間長さを示す。例えば過去のＡＮＦ指標データを参照しなかった場合、参照時間６１７の値は０となる。また、過去の３０分間のＡＮＦ指標データを参照した場合、参照時間６１７の値は３０となる。
【0061】
ノイズ除去手法６１８は、ＢＢＩデータの妥当性判定のために使用した手法を示す。例えば後述のようにＬＰに基づく妥当性判定を行った場合、ノイズ除去手法６１８の値はＬＰとなる。補間手法６１９は、妥当でない（すなわちノイズである）と判定されて除去されたＢＢＩデータを補間するために使用した手法（例えば移動平均等）を示す。
【0062】
図６Ｃは、本発明の実施例に係る即応型自律神経機能評価システム１が保持するＡＮＦ指標統合ＤＢ４８の内部構成の一例を示す説明図である。
【0063】
ＡＮＦ指標統合ＤＢ４８は、ユーザ情報６２１、車両情報６２２、心拍センサ情報６２３、時刻情報６２４、業務情報６２５、自律神経機能指標６２６、信頼性スコア６２７、及び適用手法６２８を統合的にリスト化したデータ構成を示す。
【0064】
ここで、ユーザ情報６２１、車両情報６２２、心拍センサ情報６２３及び時刻情報６２４は、それぞれ、図６Ｂに示すユーザＩＤ６１１、車両ＩＤ６１２、心拍センサ６１３及び日時６１４に対応する。業務情報６２５は、業務情報４４から抽出された、各ユーザが各時刻に行っていた業務に関する情報である。自律神経機能指標６２６及び信頼性スコア６２７は、それぞれ、図６Ｂに示す自律神経機能指標６１５及び信頼性スコア６１６に対応する。適用手法６２８は、図６Ｂに示すノイズ除去手法６１８及び補間手法６１９に対応する。
【0065】
【0066】
具体的には、図７Ａ～図７Ｃは、図３のステップ３０９において実行される処理を説明するものである。この場合、妥当性判定部３２は、所定時間内のＢＢＩデータについて、前後のＢＢＩのデータをペアとして、ＬＰを生成し、基本外れ値除去を行い、初期正常範囲内のデータ分布を確認する。初期正常範囲の一例として、該当時間内のＢＢＩデータの中央値を算出し、中央値×０．７５～中央値×１．７５の範囲を初期正常範囲としてもよい。その場合、初期正常範囲外のＢＢＩデータが外れ値として除去される。
【0067】
また、ＬＰ上のデータ妥当領域の一例として、データが集中的に分布しているY=Xの方向に沿った楕円形状を当該ＬＰ上に仮想的に形成し、その内部領域（楕円領域）を妥当領域と設定してもよい。データの集中状態に基づいて楕円領域を定めるために、楕円中心、楕円の縦軸、及び楕円の横軸を指定する。ここでは、楕円のｙ＝－ｘ方向の軸を縦軸、ｙ＝ｘ方向の軸を横軸と記載する。初期正常範囲内の全ての点をｙ＝ｘ軸とｙ＝－ｘ軸に投影する。ｙ＝ｘ軸の投影点と原点の距離の平均をｍとし、ｙ＝ｘ軸上に原点から距離ｍの位置を楕円の中心位置とする。ＢＢＩの平均を
【0068】
【数1】
【0069】
とすると、ｙ＝ｘ方向の中心ｍは
【0070】
【数2】
【0071】
に相当する。
【0072】
また、楕円横軸（ｙ＝ｘ方向）ａの一例として、ｙ＝ｘ方向の標準偏差：ｓｔｄ２を２倍した値とする。正規分布に従うデータの場合、約９６％のデータが入った範囲に相当する。楕円縦軸（ｙ＝－ｘ方向）ｂの一例として、ｙ＝－ｘ方向の標準偏差：ｓｔｄ１を２倍した値とする。楕円横軸（ｙ＝ｘ方向）のａは縦軸（ｙ＝－ｘ方向）のｂより必ず大きいと限らない。
【0073】
ｙ＝ｘ方向の標準偏差は、対象データ群をｙ＝ｘの直線に投影する場合のデータの標準偏差を指す。
【0074】
ｙ＝－ｘ方向の標準偏差は、対象データ群をｙ＝－ｘの直線に投影する場合のデータの標準偏差を指す。
【0075】
図７Ｂは、ＢＢＩデータのＬＰの一例であり、図７Ｂの平面上の各点がＢＢＩデータをプロットしたものである。例えば図６Ａに示す心拍間隔データが得られた場合、１行目と２行目のデータに基づいて、横軸ＰＰＩｔの値が７５０ミリ秒、縦軸ＰＰＩｔ＋１の値が７５５ミリ秒となる点がプロットされる。楕円７０１は上記の方法によって決定した中心、横軸の長さ及び縦軸の長さを有する。この楕円７０１の内側が妥当領域となる。図７Ｃには、楕円７０１の外側のＢＢＩデータを妥当でないものとして除去した後の状態を示している。
【0076】
【0077】
具体的には、図８Ａ及び図８Ｂは、図３のステップ３０８において実行される処理を説明するものである。過去に遡り抽出条件に満たしたＡＮＦ指標、例えば同一ユーザの同じ業務状態のｎ点（例えばｎ＝１５）の単位時間のＡＮＦ指標を参照する。妥当領域の形状は図７Ａ～図７Ｃと同様に楕円とする。参照ＡＮＦ指標の一例として、図５のＡＮＦ指標一覧におけるＲＲＩの平均値を表すＭｅａｎＮＮ、Ｐｏｉｎｃａｒｅ ＳＤ１、及びＰｏｉｎｃａｒｅ ＳＤ２が参照される。
【0078】
妥当性判定部３２は、解析対象時間内のＢＢＩデータのＬＰ上の分布と、抽出したＡＮＦ指標とを融合して、新たな妥当領域を決定する。一例として、楕円の中心は次のように算出される。すなわち、ｎ点のＭｅａｎＮＮの重み付き平均を算出し、係数をかけて解析対象時間内のＢＢＩの平均値（すなわち上記の数値（１））との平均を算出し、算出した平均に√２をかけて、ｙ＝ｘの中心位置を算出する（数式（３））。
【0079】
【数3】
【0080】
楕円横軸（ｙ＝ｘ方向）について、ｎ点のＳＤ２の重み付き平均を算出し、係数をかけて解析対象時間内のｓｔｄ２との平均を算出する（数式（４））。
【0081】
【数4】
【0082】
楕円縦軸（ｙ＝－ｘ方向）について、ｎ点のＳＤ１の重み付き平均を算出し、係数をかけて解析対象時間内のｓｔｄ１との平均を算出する（数式（５））。
【0083】
【数5】
【0084】
参照対象の重みｗは、ｎ点の全てについて同じ値としてもよいし、解析対象の現時刻に対し、近い時刻の点（言い換えると新しい計測データ）である程大きい重みをつけてもよい。前者は移動平均に相当し、後者は重み付き移動平均に相当する。また、解析対象の現時刻の重みαについて、０．０～１．０の値とし、この値が小さいほど、過去の参照ＡＮＦ指標の傾向を重視することになる。
【0085】
中心、横軸、縦軸について、同じ傾向の重みセットをつけてもよいし、項目ごとに異なる重みセットをつけてもよい。
【0086】
妥当性判定部３２は、妥当領域の範囲を決定した後に、領域内のデータを良好データとし、領域外のデータを異常値とする。
【0087】
図８Ａには、ＡＮＦ指標統合ＤＢ４８から抽出した参照ＡＮＦ指標を使用せずに、所定短時間内のＢＢＩデータのみを使用して妥当性を判定した結果の一例を示す。これに対して、図８Ｂには、図８Ａの場合と同一の所定短時間内のＢＢＩデータに加えて、ＡＮＦ指標統合ＤＢ４８から抽出した参照ＡＮＦ指標を使用して妥当性を判定した結果の一例を示す。
【0088】
所定短時間内のＢＢＩデータのみを使用した場合、得られるサンプル数が少ないため、図８Ａの楕円８０１に示すように少数のノイズによって全体の分布が大きく偏り、その結果、本来はＡＮＦ指標の算出に使用すべきＢＢＩデータを異常値として除去してしまったり、本来はＡＮＦ指標の算出に使用すべきでないＢＢＩデータを妥当なデータとしてＡＮＦ指標の算出に使用してしまったりすることがある。これに対して、参照ＡＮＦ指標を使用した場合、過去のある程度の長さにわたって取得されたＢＢＩデータに基づくＡＮＦ指標の値が使用されるため、楕円８０２に示すように、所定短時間内の少数のノイズの影響が少ない妥当領域を設定することができる。その結果、ＡＮＦ指標の算出に適したＢＢＩデータを取得することができる。
【0089】
なお、上記の例では妥当領域の楕円の中心をＢＢＩデータの平均値に基づいて算出しているが、平均値の代わりに中央値を使用してもよい。
【0090】
ノイズ除去・補間処理部３３は、ＬＰ上で妥当性を判定した良好データを時系列上のＲＲＩデータに戻し、時系列上の異常データの発生状況及び発生区間を確認する。ノイズ除去・補間処理部３３は、異常値発生区間の時間が短く、解析区間内の前後のＲＲＩデータの変化傾向に基づいて、正常範囲の数拍分のＲＲＩデータを用いて補間可能な場合、補間処理を実施する（図３のステップ３１０）。ノイズ除去・補間処理部３３は、異常値として残った区間のデータをノイズとして除去し、その区間を時系列上の欠損区間とする。
【0091】
図９は、本発明の実施例に係る信頼区間抽出部３４が解析時間のデータの信頼性評価を行い、信頼区間を抽出する処理の一例を示す説明図である。
【0092】
具体的には、図９は、図３のステップ３１１において実行される処理を説明するものである。ＬＰによる妥当性判定及びノイズ除去・補間処理によって、解析対象時間内の欠損の発生位置が明確になる。信頼区間抽出部３４は、欠損の状況に応じて、良好データ（すなわち、ＬＰ上で妥当であると判定されたデータ、及び、補間処理によって補間されたデータ）の連続区間を探索し、信頼性スコアを評価することで、ＡＮＦ指標算出に適した信頼区間データを抽出し、ＡＮＦ指標の信頼性を向上する。
【0093】
具体的な探索手法として、解析窓幅を２分とした例を説明する。２分間のＢＢＩデータのすべてが良好に取得されることが最も望ましいが、異常値または欠損を含む場合、一般的に良好データの連続区間が６０秒以上であれば、ＡＮＦ指標を算出する際に、元の良好データと比較して８０％以上の相関性を持つ。このケース、すなわち、２分間のＢＢＩデータが６０秒以上の良好データの連続区間を含む場合にその連続区間のデータを信頼区間データとして抽出する手法を、短縮手法１とする。
【0094】
その次に、欠損の発生位置によって、一つの長い連続区間を抽出できない場合、３０秒以上の短い連続区間を二つ以上有していれば、それらを繋ぎ合わせることによって、短縮手法１と近い精度のＡＮＦ指標を算出できることを実験で確認した。このケース、すなわち、３０秒以上６０秒未満の良好データの連続区間を二つ以上繋ぎ合わせた区間のデータを信頼区間データとして抽出する手法を短縮手法２とする。
【0095】
さらに、欠損点が散らばっていて、短縮手法１及び短縮手法２のいずれの条件を満たす区間も抽出することが難しい場合、断続的な正常ＲＲＩデータの繋ぎ合わせで、８０秒以上のデータを得ることができれば、短縮手法１に近い精度を有する。この手法、すなわち、３０秒未満の良好データの連続区間を複数繋ぎ合わせた８０秒以上の区間のデータを信頼区間データとして抽出する手法を短縮手法３とする。
【0096】
良好データの時間長さの合計が同じであっても、短縮手法１を適用できた場合、短縮手法１を適用できずに短縮手法２を適用した場合、及び、短縮手法１、２のいずれも適用できずに短縮手法３を適用した場合では、その順に信頼性が少しずつ低下する（すなわち短縮手法１を適用できた場合が最も信頼性が高い）。信頼区間抽出部３４は、欠損の発生状況と利用可能なデータの量とを考慮し、適用した短縮手法に応じた信頼性重みと抽出した信頼区間の合計時間とを掛け算し、その値を解析窓幅の時間で割ることで、解析対象区間の信頼性を表す信頼性スコアを算出する。信頼性重みの値は、短縮手法１に対応するものが最も大きく、短縮手法３に対応するものが最も小さい。例えば短縮手法１、２及び３の信頼性重みをそれぞれ１．０、０．９及び０．８等としてもよいが、それ以外の値を使用してもよい。
【0097】
ＡＮＦ指標算出部２３は、信頼性スコアが最も高い短縮手法によって抽出した信頼区間のデータを用いてＡＮＦ指標を算出する（図３のステップ３１２）。ステップ３１２以降の処理は図３を参照して説明した通りである。
【0098】
図１０は、本発明の実施例に係る即応型自律神経機能評価システム１による現在時刻の評価結果の表示の一例を示す説明図である。
【0099】
本実施例では、表示モードとして、現在時刻と時系列を選択できる。図１０は現在時刻を選択した場合の例を示す。
【0100】
基本情報表示部１００１において、表示した対象の基本データとして、ユーザＩＤ、車両ＩＤ、心拍センサ、現在時刻の業務状態、及び多変量のＡＮＦ指標に基づき総合評価したストレスレベルが表示される。また、現在時刻で取得した解析データの区間の信頼性スコアが表示される。さらに、データの補正処理に関する情報として、過去のＡＮＦ指標の参照の有無、参照する際の参照時間、ＬＰの適用の有無及び補間処理の有無が表示される。
【0101】
グラフ表示部１００２において、現在時刻及び直近の総合評価したストレス・リラックスレベルが表示される。
【0102】
設定変更部１００３において、入力設定によるユーザＩＤの設定変更、センサ変更、業務情報変更、ＡＮＦ指標参照変更、参照時間変更、ノイズ除去手法の変更、補間手法変更等を行うことで、基本設定を変更できる。
【0103】
【0104】
グラフ表示項目指定１００５をクリックすると、総合評価のストレスレベルの他、各ＡＮＦ指標を指定して、指定したＡＮＦ指標の現在時刻と直近の変化傾向を表示できる。
【0105】
図１１は、本発明の実施例に係る即応型自律神経機能評価システム１による時系列の評価結果の表示の一例を示す説明図である。
【0106】
本例は、一日単位の時系列表示を示す。表示モードとして時系列を選択すると例えば図１１に示す情報が表示される。
【0107】
基本情報表示部１１０１は、現在時刻表示モードにおける基本情報表示部１００１とほぼ同じである。ただし、基本情報表示部１１０１では、ストレスレベルとして所定の比較的長い期間（例えば１日）の平均値が表示される。
【0108】
設定変更１１０２、ＡＮＦ指標一覧表示１１０３及びグラフ表示項目指定１１０４は、それぞれ、現在時刻表示モードにおける設定変更部１００３、ＡＮＦ指標一覧表示１００４及びグラフ表示項目指定１００５と同様である。
【0109】
グラフ表示部１１０５において、所定の期間（例えば一日）単位の自律神経機能指標の推移が表示される。
【0110】
また、時系列上における業務状態１１０６、例えば運行、荷積、荷卸、休息、休憩等があわせて表示される。さらに、所定短時間単位で取得したデータの信頼性スコアに基づき、時系列上の取得データ及びそれに基づいて算出したＡＮＦ指標の信頼性レベル１１０７が表示される。
【0111】
カーソル１１０８をグラフ上の表示点に合わせることによって、その表示点に該当する時刻の詳細表示も確認することができる。図１１では詳細表示を省略するが、例えば該当時刻における図６Ｂに示すテーブルの情報が表示されてもよい。
【0112】
また、本発明の実施形態のシステムは次のように構成されてもよい。
【0113】
（１）自律神経機能評価システムであって、プロセッサ（例えばプロセッサ２）と、記憶装置（例えばメモリ３及びストレージ装置４の少なくともいずれか）と、を有し、記憶装置は、所定の長さの時間に計測された生体データ（例えばＢＢＩデータ）と、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標（例えばＡＮＦ指標統合ＤＢ４８に含まれるＡＮＦ指標）と、を保持し、プロセッサは、所定の長さの時間に計測された生体データと、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標と、に基づいて、所定の長さの時間に計測された生体データの妥当性を判定し（例えばステップ３０８）、所定の長さの時間に計測された生体データのうち、妥当であると判定されたデータに基づいて、自律神経機能指標を算出する（例えばステップ３１２）。
【0114】
これによって、例えば業務中に装着したウェアラブルセンサから計測された心拍間隔データなどの生体データに対し、動的に算出したＡＮＦ指標をＡＮＦ指標統合ＤＢに蓄積し、参照ＡＮＦ指標を抽出することにより、短時間で取得した生体データに対しても、適切に妥当性を判定でき、装着性、即応性と信頼性を考慮した自律神経機能評価が可能となる。
【0115】
（２）上記（１）において、生体データは、心拍間隔データ（例えばＢＢＩデータ）であり、プロセッサは、所定の長さの時間に計測された心拍間隔のローレンツプロットに基づいて、所定の長さの時間に計測された心拍間隔データの妥当性を判定する。
【0116】
これによって、心拍間隔データの妥当性を適切に判定することができる。
【0117】
（３）上記（２）において、プロセッサは、所定の長さの時間に計測された心拍間隔のローレンツプロット上に設定した楕円領域（例えば楕円８０２）の範囲内の心拍間隔データを妥当であると判定し、楕円領域の中心を、所定の長さの時間に計測された心拍間隔の平均値又は中央値と、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、に基づいて算出し（例えば数式（３））、楕円領域の径を、所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、に基づいて算出する（例えば数式（４）、（５））。
【0118】
すなわち、ローレンツプロット上において仮想的に楕円領域を設定し、当該楕円領域を生体データの集中状態に基づいて描画し、その範囲内の前記心拍間隔データが妥当であると判定することによって、短時間で取得した生体データに対しても、心拍間隔データの妥当性範囲を適切に設定することができる。
【0119】
（４）上記（３）において、プロセッサは、所定の長さの時間に計測された心拍間隔の平均値又は中央値と、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔の平均値又は中央値と、の重み付け平均を楕円領域の中心として算出し（例えば数式（３））、所定の長さの時間に計測された心拍間隔のローレンツプロット上の標準偏差と、所定の長さの時間より前に計測された生体データに基づいて算出された自律神経機能指標のうち、心拍間隔のローレンツプロット上の標準偏差と、の重み付け平均に所定の係数（例えば２）を乗じた値を楕円領域の径として算出する（例えば数式（４）、（５））。
【0120】
これによって、短時間で取得した生体データに対しても、心拍間隔データの妥当性範囲を適切に設定することができる。
【0121】
（５）上記（４）において、より新しい生体データに基づいて算出された自律神経機能指標から抽出された値に、より大きい重みが付される。
【0122】
これによって、短時間で取得した生体データに対しても、心拍間隔データの妥当性範囲を適切に設定することができる。
【0123】
（６）上記（２）において、プロセッサは、所定の長さの時間に計測された心拍間隔データのうち、ローレンツプロットに基づいて妥当でないと判定されたデータの区間が所定の基準より短い場合、当該区間の前後の心拍間隔データに基づいて、当該区間の心拍間隔データを補間し（例えばステップ３１０）、ローレンツプロットに基づいて妥当であると判定されたデータ及び補間されたデータを良好データと判定する。
【0124】
これによって、取得されたデータを有効に利用して、信頼性のある自律神経指標の評価を行うことができる。
【0125】
（７）上記（６）において、プロセッサは、所定の長さの時間に計測された心拍間隔データのうち、良好データが連続する１以上の区間から、信頼区間を抽出し（例えばステップ３１１、図９）、良好データが連続する区間の長さ、及び、良好データが連続する複数の区間の長さの合計の少なくともいずれかに基づいて、信頼区間の信頼性を評価する信頼性スコアを算出する（例えばステップ３１２）。
【0126】
これによって、取得されたデータを有効に利用して、信頼性のある自律神経指標の評価を行うことができる。
【0127】
（８）上記（７）において、プロセッサは、前記良好データが連続する区間から、第１の抽出方法、第２の抽出方法及び第３の抽出方法の少なくともいずれかに基づいて信頼区間を抽出し、第１の抽出方法は、所定の第１の連続区間長さより長い１区間を信頼区間として抽出する方法であり、第２の抽出方法は、良好データが連続する区間のうち、所定の第２の連続区間長さより長い２以上の区間であって、それらの長さの合計が所定の第３の連続区間長さより長い２以上の区間を信頼区間として抽出する方法であり、第３の抽出方法は、良好データが連続する区間のうち、長さの合計が第３の連続区間長さより長い２以上の区間を信頼区間として抽出する方法であり、第２の連続区間長さは、第１の連続区間長さより短く、第３の連続区間長さは、第１の連続区間長さより長く、プロセッサは、第１の抽出方法、第２の抽出方法及び第３の抽出方法のうち２以上の抽出方法によって信頼区間を抽出した場合、抽出した２以上の信頼区間のうち信頼性スコアが最も高い信頼区間の心拍間隔データに基づいて、自律神経機能指標を算出する。
【0128】
これによって、取得されたデータを有効に利用して、信頼性のある自律神経指標の評価を行うことができる。
【0129】
（９）上記（８）において、プロセッサは、所定の長さの時間に対する信頼区間の長さの割合に、信頼区間の抽出方法に応じた信頼性重みを乗じることによって、信頼性スコアを算出し、第１の抽出方法に応じた信頼性重みが最も大きく、第３の抽出方法に応じた信頼性重みが最も小さい。
【0130】
これによって、取得されたデータの信頼性を適切に評価することができる。
【0131】
（１０）上記（２）において、記憶装置は、生体データを計測したセンサに関する情報（例えばセンサ情報４３）を保持し、プロセッサは、所定の長さの時間に計測された生体データに対してセンサに応じた整形処理を行い（例えばステップ３０３）、整形処理された生体データの妥当性を判定する。
【0132】
これによって、センサの種類等に応じて、自律神経指標の評価に使用するデータを適切に生成することができる。
【0133】
（１１）上記（２）において、プロセッサは、算出した自律神経機能指標を、心拍間隔データの計測対象である人物の識別情報、当該人物の年齢、当該人物の性別、当該人物が乗車する車両の識別情報、当該人物の業務内容を示す情報、前記心拍間隔データの取得のために使用されたセンサに関する情報及び計測時刻の少なくともいずれかと対応付けて、自律神経機能指標統合データ（例えばＡＮＦ指標統合ＤＢ４８）として記憶装置に格納し、指定された抽出条件に基づいて自律神経機能指標統合データから抽出された前記自律神経機能指標（例えばステップ３０６で参照される指標）を、所定の長さの時間に計測された生体データの妥当性の判定に使用する。
【0134】
これによって、短時間で取得した生体データに対しても、適切に妥当性を判定することができる。
【0135】
（１２）上記（２）において、心拍間隔データは、心電の計測値に基づくＲ波の間隔のデータ（例えば図４Ａ）を含む。
【0136】
これによって、精度の高い心拍間隔データを得ることができる。
【0137】
（１３）上記（２）において、心拍間隔データは、脈波の計測値のピーク間隔のデータ（例えば図４Ｂ）を含む。
【0138】
これによって、計測時に計測対象の人物の負担を軽減することができる。
【0139】
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【0140】
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
【0141】
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【0142】
１ 即応型自律神経機能評価システム
２ プロセッサ
３ メモリ
４ ストレージ装置
５ 入出力装置
６ 通信装置
７ 車両
１１ 生体センサ
１９ ネットワーク
２１ 心拍間隔取得部
２２ 補正処理部
２３ ＡＮＦ指標算出部
２４ データ統合部
２５ 評価結果表示部
２６ 設定部
３１ 参照ＡＮＦ指標抽出部
３２ 妥当性判定部
３３ ノイズ除去・補間処理部
３４ 信頼区間抽出部
４１ 心拍センサ計測データ
４２ ユーザ情報
４３ センサ情報
４４ 業務情報
４５ 車載情報
４６ 短時間ＢＢＩデータ
４７ ＡＮＦ指標データ
４８ ＡＮＦ指標統合ＤＢ
２ プロセッサ
３ メモリ
４ ストレージ装置
５ 入出力装置
６ 通信装置
７ 車両
１１ 生体センサ
１９ ネットワーク
２１ 心拍間隔取得部
２２ 補正処理部
２３ ＡＮＦ指標算出部
２４ データ統合部
２５ 評価結果表示部
２６ 設定部
３１ 参照ＡＮＦ指標抽出部
３２ 妥当性判定部
３３ ノイズ除去・補間処理部
３４ 信頼区間抽出部
４１ 心拍センサ計測データ
４２ ユーザ情報
４３ センサ情報
４４ 業務情報
４５ 車載情報
４６ 短時間ＢＢＩデータ
４７ ＡＮＦ指標データ
４８ ＡＮＦ指標統合ＤＢ
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図4C】
【図4D】
【図5】
【図6A】
【図6B】
【図6C】
【図7A】
【図7B】
【図7C】
【図8A】
【図8B】
【図9】
【図10】
【図11】