知財求人 - 知財ポータルサイト「IP Force」
特開2024-58689信号復元システム、信号復元方法、及びコンピュータに信号復元方法を実行させるためのプログラム
(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】P2024058689
(43)【公開日】2024-04-26
(54)【発明の名称】信号復元システム、信号復元方法、及びコンピュータに信号復元方法を実行させるためのプログラム
(51)【国際特許分類】
A61B 5/11 20060101AFI20240419BHJP
A61B 5/0245 20060101ALI20240419BHJP
A61B 5/02 20060101ALI20240419BHJP
A61B 5/327 20210101ALN20240419BHJP
【ＦＩ】
A61B5/11 110
A61B5/0245 100Z
A61B5/02 310Z
A61B5/327
【審査請求】有
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2024018860
(22)【出願日】2024-02-09
(62)【分割の表示】P 2022501984の分割
【原出願日】2021-02-18
(31)【優先権主張番号】P 2020028681
(32)【優先日】2020-02-21
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】521369068
【氏名又は名称】データソリューションズ株式会社
(74)【代理人】
【識別番号】100079108
【弁理士】
【氏名又は名称】稲葉 良幸
(74)【代理人】
【識別番号】100109346
【弁理士】
【氏名又は名称】大貫 敏史
(74)【代理人】
【識別番号】100117189
【弁理士】
【氏名又は名称】江口 昭彦
(74)【代理人】
【識別番号】100134120
【弁理士】
【氏名又は名称】内藤 和彦
(72)【発明者】
【氏名】大槻 知明
(72)【発明者】
【氏名】山本 幸平
(72)【発明者】
【氏名】石坂 秀壮
(72)【発明者】
【氏名】廣松 亮祐
(57)【要約】 （修正有）
【課題】心拍の動作を示す信号を精度よく復元する。
【解決手段】本信号復元システムは、心拍の動作を示す第１心拍信号を取得する信号取得部１Ｆ１１と、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部１Ｆ１２と、前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部１Ｆ１３と、時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部１Ｆ１４と、前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部１Ｆ１７とを含む。
【選択図】図２０
【解決手段】本信号復元システムは、心拍の動作を示す第１心拍信号を取得する信号取得部１Ｆ１１と、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部１Ｆ１２と、前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部１Ｆ１３と、時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部１Ｆ１４と、前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部１Ｆ１７とを含む。
【選択図】図２０
【特許請求の範囲】
【請求項1】
心拍の動作を示す第１心拍信号を取得する信号取得部と、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部と、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部と、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部と、
前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部と
を含む信号復元システム。
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部と、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部と、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部と、
前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部と
を含む信号復元システム。
【請求項2】
前記復元信号生成部は、心拍の１周期におけるＱ波、Ｒ波、Ｓ波、及び、Ｔ波を復元又は強調する前記復元信号を生成する
請求項１に記載の信号復元システム。
請求項１に記載の信号復元システム。
【請求項3】
前記信号取得部は、ドップラーレーダによって前記第１心拍信号を取得する
請求項１又は２に記載の信号復元システム。
請求項１又は２に記載の信号復元システム。
【請求項4】
前記第１信号に基づいて、時間と前記第１信号に含まれる周波数強度との関係を示すスペクトログラムを生成するスペクトログラム変換部を更に含み、
前記積分計算部は、前記スペクトログラムが示す前記周波数強度を積分して前記積分値を計算する
請求項１乃至３のいずれか１項に記載の信号復元システム。
前記積分計算部は、前記スペクトログラムが示す前記周波数強度を積分して前記積分値を計算する
請求項１乃至３のいずれか１項に記載の信号復元システム。
【請求項5】
前記第１バンドパスフィルタ処理は、前記第２バンドパスフィルタ処理より減衰の対象外とする周波数帯が広く設定される
請求項１乃至４のいずれか１項に記載の信号復元システム。
請求項１乃至４のいずれか１項に記載の信号復元システム。
【請求項6】
前記第１バンドパスフィルタ処理は、８乃至３０Ｈｚの周波数帯以外を減衰させ、
前記第２バンドパスフィルタ処理は、０．５乃至１０．０Ｈｚの周波数帯以外を減衰させる
請求項５に記載の信号復元システム。
前記第２バンドパスフィルタ処理は、０．５乃至１０．０Ｈｚの周波数帯以外を減衰させる
請求項５に記載の信号復元システム。
【請求項7】
前記復元信号生成部は、ＬＳＴＭを含むことを特徴とする
請求項１乃至６のいずれか１項に記載の信号復元システム。
請求項１乃至６のいずれか１項に記載の信号復元システム。
【請求項8】
前記ＬＳＴＭは、３層の構造である
請求項７に記載の信号復元システム。
請求項７に記載の信号復元システム。
【請求項9】
前記ＬＳＴＭは、双方向の構成であるＢｉ－ＬＳＴＭである
請求項７又は８に記載の信号復元システム。
請求項７又は８に記載の信号復元システム。
【請求項10】
前記ＬＳＴＭを用いた機械学習により前記復元信号生成部のパラメータを設定するパラメータ設定部を更に含む
請求項７乃至９のいずれか１項に記載の信号復元システム。
請求項７乃至９のいずれか１項に記載の信号復元システム。
【請求項11】
心拍の動作を示す第３心拍信号を取得する信号取得部と、
前記第３心拍信号に対して第４バンドパスフィルタ処理を行って第４信号を生成する第４バンドパスフィルタ部と、
前記第４信号を所定時間ごとに区切って生成される第２データに基づいて、大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成する大動脈脈波生成部と、
前記大動脈脈波信号が示すパラメータに基づいて血圧を推定する血圧推定部と
を含む信号生成システム。
前記第３心拍信号に対して第４バンドパスフィルタ処理を行って第４信号を生成する第４バンドパスフィルタ部と、
前記第４信号を所定時間ごとに区切って生成される第２データに基づいて、大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成する大動脈脈波生成部と、
前記大動脈脈波信号が示すパラメータに基づいて血圧を推定する血圧推定部と
を含む信号生成システム。
【請求項12】
信号復元システムが実行する信号復元方法であって、
信号復元システムが、心拍の動作を示す第１心拍信号を取得する信号取得手順と、
信号復元システムが、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ手順と、
信号復元システムが、前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算手順と、
信号復元システムが、時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ手順と、
信号復元システムが、前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成手順と
を含む信号復元方法。
信号復元システムが、心拍の動作を示す第１心拍信号を取得する信号取得手順と、
信号復元システムが、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ手順と、
信号復元システムが、前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算手順と、
信号復元システムが、時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ手順と、
信号復元システムが、前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成手順と
を含む信号復元方法。
【請求項13】
請求項１２に記載の信号復元方法を実行するためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ＡＩを用いた信号復元システム、信号復元方法、プログラム、及び、信号生成システムに関する。
【背景技術】
【0002】
近年、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）を用いて、被験者を計測したデータから、心拍の動作等の生体情報を示す信号を復元する方法が知られている。
【0003】
例えば、まず、システムは、Ｇｅｏｐｈｏｎｅ ｓｅｎｓｏｒを用いて被験者を計測し、信号を生成する。そして、システムは、生成する信号に対して、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を適用する。このようにして、心臓の動きを示す電気的な信号を復元する方法が知られている（例えば、非特許文献１等）。
【0004】
ほかにも、計測システムが、ドップラーレーダによって計測する大動脈脈波に基づいて、ｐｕｌｓｅ ｔｒａｎｓｉｔ ｔｉｍｅ（以下「ＰＴＴ」いう。）を計算する。特に、血圧と相関の高い頸動脈－大腿骨間のＰＴＴ（ｃａｒｏｔｉｄ－ｆｅｍｏｒａｌ ＰＴＴ、以下「ＰＴＴｃｆ」という。）を計算して、収縮期血圧（ｓｙｓｔｏｌｉｃ ｂｌｏｏｄ ｐｒｅｓｓｕｒｅ、以下「ＳＢＰ」という。）を求める方法が知られている（例えば、非特許文献２等）。
【先行技術文献】
【非特許文献】
【0005】
【非特許文献1】Ｐｏｓｔｅｒ：Ｄｅｅｐ ＥＣＧ Ｅｓｔｉｍａｔｉｏｎ Ｕｓｉｎｇ ａ Ｂｅｄ－ａｔｔａｃｈｅｄ Ｇｅｏｐｈｏｎｅ，ＪａｅＹｅｏｎ Ｐａｒｋ，Ｈｙｅｏｎ Ｃｈｏ１，Ｗｏｎｊｕｎ Ｈｗａｎｇ，Ｒａｊｅｓｈ Ｋｒｉｓｈｎａ Ｂａｌａｎ，ａｎｄ ＪｅｏｎｇＧｉｌ Ｋｏ，ＭｏｂｉＳｙｓ'１９，Ｊｕｎｅ １７―２１,２０１９，Ｓｅｏｕｌ，Ｋｏｒｅａ
【非特許文献2】Ｎｏｎ―ｃｏｎｔａｃｔ Ｂｅａｔ－ｔｏ－ｂｅａｔ Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｓｉｎｇ Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅ Ｄｏｐｐｌｅｒ Ｒａｄａｒ，Ｈｅｎｇ Ｚｈａｏ，Ｘｕ Ｇｕ，Ｈｏｎｇ Ｈｏｎｇ，Ｙｕｓｈｅｎｇ Ｌｉ，Ｘｉａｏｈｕａ Ｚｈｕ，ａｎｄ Ｃｈａｎｇｚｈｉ Ｌｉ，２０１８ ＩＥＥＥ／ＭＴＴ―Ｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｉｃｒｏｗａｖｅ Ｓｙｍｐｏｓｉｕｍ， ２０ Ａｕｇｕｓｔ ２０１８.
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明は、上記の点に鑑みてなされたものであり、心拍の動作（「心拍」又は「心臓の動作」と表現される場合もある。以下「心拍の動作」という。）を示す信号を精度よく復元することを目的とする。
【課題を解決するための手段】
【0007】
本信号復元システムは、
心拍の動作を示す第１心拍信号を取得する信号取得部と、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部と、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部と、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部と、
前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部と
を含むことを要件とする。
心拍の動作を示す第１心拍信号を取得する信号取得部と、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ部と、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算する積分計算部と、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ部と、
前記第３信号を所定時間ごとに区切って生成される第１データに基づいて、心拍の動作を示す復元信号を生成する復元信号生成部と
を含むことを要件とする。
【発明の効果】
【0008】
開示の技術によれば、心拍の動作を示す信号を精度よく復元できる。
【図面の簡単な説明】
【0009】
【図1】第１実施形態の全体構成例を示す図である。
【図2】ドップラーレーダの例を示す図である。
【図3】情報処理装置の例を示す図である。
【図4】第１実施形態の全体処理例を示す図である。
【図5】第１心拍信号の例を示す図である。
【図6】スペクトログラムの例を示す図である。
【図7】積分値の例を示す図である。
【図8】学習モデルのネットワーク構造例を示す図である。
【図9】入力値の例を示す図である。
【図10】出力値の例を示す図である。
【図11】復元信号の生成例を示す図である。
【図12】心拍の１周期におけるＱ波、Ｒ波、Ｓ波、及び、Ｔ波の例を示す図である。
【図13】０．５Ｈｚ乃至２．０Ｈｚのバンドパスフィルタを適用した例を示す図である。
【図14】０．５Ｈｚ乃至１０．０Ｈｚのバンドパスフィルタを適用した例を示す図である。
【図15】第１実施形態の実験諸元を示す表である。
【図16】実験における比較例を示す図である。
【図17】ピークの誤差平均を示す図である。
【図18】ＱＲＳ間隔、ＱＴ間隔、及び、ＲＲＩの比較例を示す図である。
【図19】ＱＲＳ間隔、及び、ＱＴ間隔における誤差を示す図である。
【図20】第１実施形態における機能構成例を示す図である。
【図21】大動脈脈波の例を示す図である。
【図22】「ＰＴＴｃｆ」と血圧の関係例を示す図である。
【図23】理想状態における大動脈脈波信号の例を示す図である。
【図24】第２実施形態の全体処理例を示す図である。
【図25】第２学習データの生成に用いるノイズ成分の例を示す図である。
【図26】第２実施形態の学習データを生成した条件を示す表である。
【図27】第２実施形態の実行用のデータを生成した条件を示す表である。
【図28】血圧と「ＰＴＴｃｆ」の散布図及び近似直線を示す図である。
【図29】第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合を計算した結果及び相関係数の計算結果を示す図である。
【図30】「真値」の血圧と推定結果が示す血圧の誤差を実験した結果を示す図である。
【図31】「真値」の血圧と推定結果が示す血圧の誤差を実験した結果を示す図である。
【図32】第２実施形態における機能構成例を示す図である。
【図33】ドップラーレーダで計測するＩＱデータの例である。
【図34】ＥＣＧ信号との比較した結果の例を示す図である。
【図35】第１推定結果を示す図である。
【図36】第２推定結果を示す図である。
【図37】第３推定結果を示す図である。
【図38】第４推定結果を示す図である。
【図39】第５推定結果を示す図である。
【図40】第６推定結果を示す図である。
【図41】第７推定結果を示す図である。
【発明を実施するための形態】
【0010】
以下、発明を実施するための最適かつ最小限な形態について、図面を参照して説明する。なお、図面において、同一の符号を付す場合には、同様の構成であることを示し、重複する説明を省略する。また、図示する具体例は、例示であり、図示する以外の構成が更に含まれる構成であってもよい。
【0011】
＜第１実施形態＞
例えば、信号復元システム１は、以下のような全体構成のシステムである。
例えば、信号復元システム１は、以下のような全体構成のシステムである。
【0012】
＜全体構成例＞
図１は、第１実施形態の全体構成例を示す図である。例えば、信号復元システム１は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ、以下「ＰＣ１０」という。）、ドップラーレーダ１２及びフィルタ１３等を有する構成である。なお、信号復元システム１は、図示するように、アンプ１１等を有する構成が望ましい。以下、図示する全体構成を例に説明する。
図１は、第１実施形態の全体構成例を示す図である。例えば、信号復元システム１は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ、以下「ＰＣ１０」という。）、ドップラーレーダ１２及びフィルタ１３等を有する構成である。なお、信号復元システム１は、図示するように、アンプ１１等を有する構成が望ましい。以下、図示する全体構成を例に説明する。
【0013】
ＰＣ１０は、情報処理装置の例である。また、アンプ１１等の周辺機器とネットワーク又はケーブル等を介して接続する。なお、アンプ１１及びフィルタ１３等は、ＰＣ１０が有する構成でもよい。また、アンプ１１及びフィルタ１３等は、装置でなく、ソフトウェアによる構成、又は、ハードウェアとソフトウェアの両方による構成でもよい。
【0014】
ドップラーレーダ１２は、計測装置の例である。
【0015】
この例では、ＰＣ１０は、アンプ１１に接続される。また、アンプ１１は、フィルタ１３に接続される。さらに、フィルタ１３は、ドップラーレーダ１２に接続される。そして、ＰＣ１０は、アンプ１１及びフィルタ１３を介して、ドップラーレーダ１２から計測データを取得する。すなわち、計測データは、心拍の動作を示すデータである。次に、ＰＣ１０は、取得される計測データに基づいて被験者２の心拍、呼吸及び体の動き等の体動を解析し、心拍数等の人体の動きを計測する。
【0016】
ドップラーレーダ１２は、例えば、以下のような原理で心拍の動作を示す信号（以下「心拍信号」という。）を取得する。
【0017】
＜ドップラーレーダの例＞
図２は、ドップラーレーダの例を示す図である。例えば、ドップラーレーダ１２は、図２に示すような構成の装置である。具体的には、ドップラーレーダ１２は、ソース（Ｓｏｕｒｃｅ）１２Ｓと、発信器１２Ｔｘと、受信器１２Ｒｘと、ミキサー（Ｍｉｘｅｒ）１２Ｍとを有する。また、ドップラーレーダ１２は、受信器１２Ｒｘが受信するデータのノイズを減らす等の処理を行うＬＮＡ（Ｌｏｗ Ｎｏｉｓｅ Ａｍｐｌｉｆｉｅｒ）等の調整器１２ＬＮＡを有する。
図２は、ドップラーレーダの例を示す図である。例えば、ドップラーレーダ１２は、図２に示すような構成の装置である。具体的には、ドップラーレーダ１２は、ソース（Ｓｏｕｒｃｅ）１２Ｓと、発信器１２Ｔｘと、受信器１２Ｒｘと、ミキサー（Ｍｉｘｅｒ）１２Ｍとを有する。また、ドップラーレーダ１２は、受信器１２Ｒｘが受信するデータのノイズを減らす等の処理を行うＬＮＡ（Ｌｏｗ Ｎｏｉｓｅ Ａｍｐｌｉｆｉｅｒ）等の調整器１２ＬＮＡを有する。
【0018】
ソース１２Ｓは、発信器１２Ｔｘが発信する発信波の信号を生成する発信源である。
【0019】
発信器１２Ｔｘは、被験者２に対して発信波を発信する。なお、発信波の信号は、時間ｔに係る関数Ｔｘ（ｔ）で示せ、例えば、下記（１）式のように示せる。
【0020】
【数1】
上記（１）式では、ωｃは、発信波の角周波数である。
【0021】
そして、被験者２、すなわち、発信された信号の反射面は、時間ｔにおいて、ｘ（ｔ）の変位である場合とする。この例では、反射面は、被験者２の胸壁となる。そして、変位ｘ（ｔ）は、例えば、下記（２）式のように示せる。
【0022】
【数2】
上記（２）式では、「ｍ」は、変位の振幅を示す定数である。また、上記（２）式では、「ω」は、被験者２の動きによってシフトする角速度である。なお、上記（１）式と同様の変数は同じ変数である。
【0023】
受信器１２Ｒｘは、発信器１２Ｔｘによって発信されて被験者２で反射した反射波を受信する。また、反射波の信号は、時間ｔに係る関数Ｒｘ（ｔ）で示せ、例えば、下記（３）式のように示せる。
【0024】
【数3】
上記（３）式では、「ｄ０」は、被験者２と、ドップラーレーダ１２との距離である。また、「λ」は、信号の波長である。以下、同様に記載する。
【0025】
ドップラーレーダ１２は、発信波の信号を示す関数Ｔｘ（ｔ）（上記（１）式である。）と、受信波の信号を示す関数Ｒ（ｔ）（上記（３）式である。）とをミキシングして、ドップラー信号を生成する。なお、ドップラー信号は、時間ｔに係る関数Ｂ（ｔ）で示すと、下記（４）式のように示せる。
【0026】
【数4】
そして、ドップラー信号の角周波数を「ωｄ」とすると、ドップラー信号の角周波数ωｄは、下記（５）式のように示せる。
【0027】
【数5】
また、上記（４）式及び上記（５）式における位相「θ」は、下記（６）式のように示せる。
【0028】
【数6】
上記（６）式では、「θ０」は、被験者２の胸壁、すなわち、反射面における位相変位である。
【0029】
次に、ドップラーレーダ１２は、発信した発信波の信号と、受信した受信波の信号とを比較した結果、すなわち、上記の式による計算結果に基づいて、被験者２の位置及び速度等が出力される。
【0030】
例えば、受信波から、Ｉデータ（同相データ）及びＱデータ（直交位相データ）が生成できる。そして、Ｉデータ及びＱデータにより、被験者２の胸壁が移動した距離が検出できる。また、Ｉデータ及びＱデータが示す位相に基づいて、被験者２の胸壁が前後のどちらに動いたかが検出できる。したがって、心拍に由来する胸壁の移動が、送信波及び受信波の周波数変化を利用して、心拍等の指標を検出できる。
【0031】
＜情報処理装置の例＞
図３は、情報処理装置の例を示す図である。例えば、ＰＣ１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、以下「ＣＰＵ１０Ｈ１」という。）と、記憶装置１０Ｈ２と、入力装置１０Ｈ３と、出力装置１０Ｈ４と、入力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）（以下「入力Ｉ／Ｆ１０Ｈ５」という。）とを有する。なお、ＰＣ１０が有する各ハードウェアは、バス（Ｂｕｓ）１０Ｈ６で接続され、各ハードウェアの間では、バス１０Ｈ６を介して、データ等が相互に送受信される。
図３は、情報処理装置の例を示す図である。例えば、ＰＣ１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、以下「ＣＰＵ１０Ｈ１」という。）と、記憶装置１０Ｈ２と、入力装置１０Ｈ３と、出力装置１０Ｈ４と、入力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）（以下「入力Ｉ／Ｆ１０Ｈ５」という。）とを有する。なお、ＰＣ１０が有する各ハードウェアは、バス（Ｂｕｓ）１０Ｈ６で接続され、各ハードウェアの間では、バス１０Ｈ６を介して、データ等が相互に送受信される。
【0032】
ＣＰＵ１０Ｈ１は、ＰＣ１０が有するハードウェアを制御する制御装置及び各種処理を実現するための演算を行う演算装置である。
【0033】
記憶装置１０Ｈ２は、例えば、主記憶装置及び補助記憶装置等である。具体的には、主記憶装置は、例えば、メモリ等である。また、補助記憶装置は、例えば、ハードディスク等である。そして、記憶装置１０Ｈ２は、ＰＣ１０が用いる中間データを含むデータ及び各種処理及び制御に用いるプログラム等を記憶する。
【0034】
入力装置１０Ｈ３は、ユーザの操作によって、計算に必要なパラメータ及び命令をＰＣ１０に入力するための装置である。具体的には、入力装置１０Ｈ３は、例えば、キーボード、マウス及びドライバ等である。
【0035】
出力装置１０Ｈ４は、ＰＣ１０による各種処理結果及び計算結果をユーザ等に出力するための装置である。具体的には、出力装置１０Ｈ４は、例えば、ディスプレイ等である。
【0036】
入力Ｉ／Ｆ１０Ｈ５は、計測装置等の外部装置と接続し、データ等を送受信するためのインタフェースである。例えば、入力Ｉ／Ｆ１０Ｈ５は、コネクタ又はアンテナ等である。すなわち、入力Ｉ／Ｆ１０Ｈ５は、ネットワーク、無線又はケーブル等を介して、外部装置とデータを送受信する。
【0037】
なお、ハードウェア構成は、図示する構成に限られない。例えば、ＰＣ１０は、処理を並列、分散又は冗長して行うため、更に演算装置又は記憶装置等を有してもよい。また、ＰＣ１０は、演算、制御及び記憶を並列、分散又は冗長して行うため、他の装置とネットワーク又はケーブルを介して接続される情報処理システムでもよい。すなわち、１以上の情報処理装置を有する情報処理システムによって、本発明は実現されてもよい。
【0038】
このようにして、ＰＣ１０は、ドップラーレーダ１２等の計測装置によって心拍の動作を示す心拍信号を取得する。なお、心拍信号は、リアルタイムで随時取得されてもよいし、ある期間分の心拍信号をドップラーレーダ等の装置が記憶して、その後ＰＣ１０がまとめて取得してもよい。また、取得は、記録媒体等を用いてもよい。
【0039】
＜全体処理例＞
図４は、全体処理例を示す図である。以下、全体処理を「学習処理」と「実行処理」に分けて説明する。なお、「学習処理」は、「実行処理」より前であれば実行のタイミングは限られない。すなわち、「学習処理」と「実行処理」は連続して実行するタイミングなくともよく、「学習処理」の後、「実行処理」が行われる前に時間があいてもよい。以下、「学習処理」の後に「実行処理」を連続して実行する場合を例に説明する。
図４は、全体処理例を示す図である。以下、全体処理を「学習処理」と「実行処理」に分けて説明する。なお、「学習処理」は、「実行処理」より前であれば実行のタイミングは限られない。すなわち、「学習処理」と「実行処理」は連続して実行するタイミングなくともよく、「学習処理」の後、「実行処理」が行われる前に時間があいてもよい。以下、「学習処理」の後に「実行処理」を連続して実行する場合を例に説明する。
【0040】
（第１心拍信号の取得例）
ステップＳ１０１では、信号復元システム１は、心拍信号を取得する。以下、心拍信号のうち、下記に示す第１データの例である「第１学習データ」を生成するために用いられる心拍信号を「第１心拍信号」という。したがって、第１心拍信号は、機械学習における学習データのもとになる心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
ステップＳ１０１では、信号復元システム１は、心拍信号を取得する。以下、心拍信号のうち、下記に示す第１データの例である「第１学習データ」を生成するために用いられる心拍信号を「第１心拍信号」という。したがって、第１心拍信号は、機械学習における学習データのもとになる心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
【0041】
例えば、第１心拍信号は、以下のような信号である。
【0042】
図５は、第１心拍信号の例を示す図である。図では、横軸が計測した時点を示す時間である。一方で、縦軸がドップラーレーダの計測結果に基づいて推定される電力である。
【0043】
（第１バンドパスフィルタ処理の例）
ステップＳ１０２では、信号復元システム１は、第１心拍信号に対してバンドパスフィルタ処理を行う。以下、第１心拍信号を対象にして行うバンドパスフィルタ処理を「第１バンドパスフィルタ処理」という。そして、第１心拍信号に対して第１バンドパスフィルタ処理を行って生成する信号、すなわち、第１心拍信号に含まれるノイズになる信号を第１バンドパスフィルタ処理で減衰させて生成する信号を「第１信号」という。
ステップＳ１０２では、信号復元システム１は、第１心拍信号に対してバンドパスフィルタ処理を行う。以下、第１心拍信号を対象にして行うバンドパスフィルタ処理を「第１バンドパスフィルタ処理」という。そして、第１心拍信号に対して第１バンドパスフィルタ処理を行って生成する信号、すなわち、第１心拍信号に含まれるノイズになる信号を第１バンドパスフィルタ処理で減衰させて生成する信号を「第１信号」という。
【0044】
（スペクトログラム変換の例）
ステップＳ１０３では、信号復元システム１は、第１信号に基づいてスペクトログラム変換を行い、スペクトログラム（Ｓｐｅｃｔｒｏｇｒａｍ）を生成するのが望ましい。例えば、スペクトログラム変換は、ＳＴＦＴ（ｓｈｏｒｔ－ｔｉｍｅ Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ、短時間フーリエ変換）等で実現する。例えば、スペクトログラムは、以下のようなデータである。
ステップＳ１０３では、信号復元システム１は、第１信号に基づいてスペクトログラム変換を行い、スペクトログラム（Ｓｐｅｃｔｒｏｇｒａｍ）を生成するのが望ましい。例えば、スペクトログラム変換は、ＳＴＦＴ（ｓｈｏｒｔ－ｔｉｍｅ Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ、短時間フーリエ変換）等で実現する。例えば、スペクトログラムは、以下のようなデータである。
【0045】
図６は、スペクトログラムの例を示す図である。図示するように、スペクトログラムは、第１信号に含まれる信号の強度（以下「周波数強度」という。）を周波数ごとに示す。この例では、スペクトログラムは、濃淡（この例では、高濃度ほど高強度である。）で周波数強度を示し、縦軸に対応する周波数を示す。そして、この例における横軸は、時間であり、図示するように、時間ごと、かつ、周波数成分ごとに、スペクトログラムは、周波数強度を示す。例えば、このような形式のスペクトログラムが生成されるのが望ましい。
【0046】
このようなスペクトログラムに変換されると、心拍信号における心拍の動作以外の成分、すなわち、ノイズの影響を低減できる。したがって、スペクトログラムに変換することで、心拍の動作を確認しやすいデータを生成できる。
【0047】
（積分計算の例）
ステップＳ１０４では、信号復元システム１は、スペクトログラムに基づいて、周波数強度の積分値を計算する。積分計算は、心拍成分に相当する周波数領域の強度を低い周波数から高い周波数まで周波数領域上で行う。具体的には、積分計算の対象となる周波数は、「－３０Ｈｚ」乃至「－８Ｈｚ」及び「８Ｈｚ」乃至「３０Ｈｚ」の周波数である。これらの周波数に該当する強度を積分して積分値が計算される。例えば、積分計算が行われると、以下のような積分値が計算される。
ステップＳ１０４では、信号復元システム１は、スペクトログラムに基づいて、周波数強度の積分値を計算する。積分計算は、心拍成分に相当する周波数領域の強度を低い周波数から高い周波数まで周波数領域上で行う。具体的には、積分計算の対象となる周波数は、「－３０Ｈｚ」乃至「－８Ｈｚ」及び「８Ｈｚ」乃至「３０Ｈｚ」の周波数である。これらの周波数に該当する強度を積分して積分値が計算される。例えば、積分計算が行われると、以下のような積分値が計算される。
【0048】
図７は、積分値の例を示す図である。例えば、図６に示すスペクトログラムに基づいて、積分計算を行うと、図示するように、時間ごとに積分値が計算される。以下、図示するように時間に対する積分値を示す信号を「第２信号」という。第２信号は、所定時間ごとに計算され、図示するように、第２信号は、時間に対する積分値の変化を示す信号である。
【0049】
なお、スペクトログラム変換を行わず、第１心拍信号における振幅を周波数強度として積分計算が行われてもよい。
【0050】
（第２バンドパスフィルタ処理の例）
ステップＳ１０５では、信号復元システム１は、第２信号に対してバンドパスフィルタ処理を行う。以下、第２信号を対象にして行うバンドパスフィルタ処理を「第２バンドパスフィルタ処理」という。したがって、第２バンドパスフィルタ処理は、第１バンドパスフィルタ処理とは別に行われるバンドパスフィルタ処理であって、バンドパスフィルタ処理が行われるタイミング及び処理の対象となる信号が異なる。以下、第２信号に対して第２バンドパスフィルタ処理を行うと生成される信号、すなわち、第２信号に含まれるノイズになる信号を第２バンドパスフィルタ処理で減衰させて生成する信号を「第３信号」という。
ステップＳ１０５では、信号復元システム１は、第２信号に対してバンドパスフィルタ処理を行う。以下、第２信号を対象にして行うバンドパスフィルタ処理を「第２バンドパスフィルタ処理」という。したがって、第２バンドパスフィルタ処理は、第１バンドパスフィルタ処理とは別に行われるバンドパスフィルタ処理であって、バンドパスフィルタ処理が行われるタイミング及び処理の対象となる信号が異なる。以下、第２信号に対して第２バンドパスフィルタ処理を行うと生成される信号、すなわち、第２信号に含まれるノイズになる信号を第２バンドパスフィルタ処理で減衰させて生成する信号を「第３信号」という。
【0051】
（第１学習データの生成例）
ステップＳ１０６では、信号復元システム１は、学習データを生成する。以下、後段のステップＳ１０７で実行する第１学習において入力して用いる学習データを「第１学習データ」という。例えば、第１学習データは、第３信号を所定時間ごとに区切って生成される。例えば、所定時間は、１秒程度にあらかじめ設定される。
ステップＳ１０６では、信号復元システム１は、学習データを生成する。以下、後段のステップＳ１０７で実行する第１学習において入力して用いる学習データを「第１学習データ」という。例えば、第１学習データは、第３信号を所定時間ごとに区切って生成される。例えば、所定時間は、１秒程度にあらかじめ設定される。
【0052】
（第１学習の例）
ステップＳ１０７では、信号復元システム１は、第１学習を行う。以下、第１学習データを入力データとして行う学習を「第１学習」という。
ステップＳ１０７では、信号復元システム１は、第１学習を行う。以下、第１学習データを入力データとして行う学習を「第１学習」という。
【0053】
また、図示するように、積分計算によって積分値が計算されると、例えば、ステップＳ１０５及びステップＳ１０６と並行してステップＳ１０８乃至ステップＳ１１０の処理が実行されるとする。なお、ステップＳ１０８乃至ステップＳ１１０は、ステップＳ１０５及びステップＳ１０６と並列のタイミングでなくともよい。
【0054】
（第３バンドパスフィルタ処理の例）
ステップＳ１０８では、信号復元システム１は、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理とは別に、第２信号に対してバンドパスフィルタ処理を行う。以下、第２信号を対象にして行い、第２バンドパスフィルタ処理とは別に行うバンドパスフィルタ処理を「第３バンドパスフィルタ処理」という。
ステップＳ１０８では、信号復元システム１は、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理とは別に、第２信号に対してバンドパスフィルタ処理を行う。以下、第２信号を対象にして行い、第２バンドパスフィルタ処理とは別に行うバンドパスフィルタ処理を「第３バンドパスフィルタ処理」という。
【0055】
（ピークの抽出例）
ステップＳ１０９では、信号復元システム１は、第３バンドパスフィルタ処理された信号からピークを抽出する。このピークは、Ｒ波におけるピークに対応する。
ステップＳ１０９では、信号復元システム１は、第３バンドパスフィルタ処理された信号からピークを抽出する。このピークは、Ｒ波におけるピークに対応する。
【0056】
（同期化の例）
ステップＳ１１０では、信号復元システム１は、ステップＳ１０９で抽出したピークと、ステップＳ１１２（ステップＳ１１２におけるピークの詳細は後述する。）で抽出したピークとを同期させる。
ステップＳ１１０では、信号復元システム１は、ステップＳ１０９で抽出したピークと、ステップＳ１１２（ステップＳ１１２におけるピークの詳細は後述する。）で抽出したピークとを同期させる。
【0057】
ステップＳ１１０において、ステップＳ１０９で抽出したピークと同期させるピークは、例えば、以下のステップＳ１２１及びステップＳ１２２によって抽出するピークである。
【0058】
ステップＳ１２１及びステップＳ１２２は、例えば、ステップＳ１０１乃至ステップＳ１１０の処理と並列して実行される。なお、ステップＳ１２１及びステップＳ１２２は、ステップＳ１０１乃至ステップＳ１１０と並列のタイミングでなくともよい。
【0059】
（ＥＣＧ信号の取得例）
ステップＳ１２１では、信号復元システム１は、ＥＣＧ信号（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ信号）を取得する。例えば、ＥＣＧ信号は、ＥＣＧ、すなわち、心電計によって生成される信号である。したがって、信号復元システム１は、例えば、心電計又はＥＣＧ信号を記憶する装置と接続し、ＥＣＧ信号を取得する。
ステップＳ１２１では、信号復元システム１は、ＥＣＧ信号（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ信号）を取得する。例えば、ＥＣＧ信号は、ＥＣＧ、すなわち、心電計によって生成される信号である。したがって、信号復元システム１は、例えば、心電計又はＥＣＧ信号を記憶する装置と接続し、ＥＣＧ信号を取得する。
【0060】
（ピークの抽出例）
ステップＳ１２２では、信号復元システム１は、ＥＣＧ信号からピークを抽出する。このピークは、Ｒ波におけるピークに対応する。
ステップＳ１２２では、信号復元システム１は、ＥＣＧ信号からピークを抽出する。このピークは、Ｒ波におけるピークに対応する。
【0061】
以上のような「学習処理」によって、例えば、以下のような学習モデルの学習を行う。
【0062】
図８は、学習モデルのネットワーク構造例を示す図である。例えば、学習モデルＭＤＬは、入力Ｌ１、多層Ｂｉ－ＬＳＴＭ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｌｏｎｇ－Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）Ｌ２、全結合層Ｌ３、及び、出力Ｌ４となる層を有するネットワーク構造である。
【0063】
入力Ｌ１は、「Ｘｔ－１」、「Ｘｔ」、及び、「Ｘｔ+１」のようにデータを入力する。これに対して、出力Ｌ４は、「ｙｔ－１」、「ｙｔ」、及び、「ｙｔ+１」のようにデータを出力する。なお、「ｔ」は、各データの出現時点を示す。したがって、「ｔ」を基準とし、「ｔ－１」は、１つ前のサイクルで用いたデータを示し、「ｔ＋１」は、１つ後のサイクルで用いたデータを示す。
【0064】
多層Ｂｉ－ＬＳＴＭＬ２は、２層のＢｉ－ＬＳＴＭである。このように、多層Ｂｉ－ＬＳＴＭＬ２を２層の構成にすると、時系列データを処理できる。
【0065】
全結合層Ｌ３は、全結合処理を行う。具体的には、全結合処理は、全結合処理より前に行われる処理によって、複数の特徴マップが生成される場合において、それぞれの特徴マップを出力層に関連付けさせる処理である。また、最終的に出力する形式が設定されると、全結合処理は、それぞれの特徴マップに基づいて、活性化関数等によって、出力層にあらかじめ設定される出力形式のいずれに該当するかを判定する処理である。
【0066】
この例では、例えば、サンプリングレートに基づいて、全結合層Ｌ３は、３層であり、５１２、１２８、２５６の順になるように構成する。
【0067】
学習モデルＭＤＬは、ＬＳＴＭを含むネットワーク構造であるのが望ましい。すなわち、学習モデルＭＤＬのネットワーク構造は、ＲＮＮの構成を含むのが望ましい。
【0068】
例えば、ＬＳＴＭには、以下のようなデータが入力される。
【0069】
図９は、入力値の例を示す図である。図示する例は、横軸に時間を示し、かつ、縦軸に積分値の値を示す。また、図示する例は、１秒幅の積分値である。例えば、このように、時系列データの形式で、学習モデルＭＤＬの入力側に積分値が入力される。これに対して、多層Ｂｉ－ＬＳＴＭＬ２及び全結合層Ｌ３による処理を経て、例えば、以下のようなデータが出力される。
【0070】
図１０は、出力値の例を示す図である。例えば、図示するような１秒幅のＥＣＧ信号形式で学習モデルＭＤＬの出力側に入力される。
【0071】
ＬＳＴＭでは、シグモイド関数及びｔａｎｈ関数等により処理が行われる。これらの処理に対して、例えば、忘却ゲート、入力ゲート、及び、出力ゲートから入力されるデータに基づいて処理が行われる。したがって、図９のような入力値が入力ゲートに入力され、かつ、出力ゲートに図１０のような出力値が入力される。
【0072】
そして、多層Ｂｉ－ＬＳＴＭＬ２は、図８に示す多層Ｂｉ－ＬＳＴＭＬ２のように、ＢａｃｋｗａｒｄとＦｏｒｗａｒｄの双方向に処理を行う構成（「ＢＬＳＴＭ」等と呼ばれる場合もある。）であるのが望ましい。このような構成とすることで、高い精度を実現できる。
【0073】
例えば、以上のような処理を繰り返すことで第１学習が行われる。このような学習処理を行い、学習モデルを機械学習する。
【0074】
このように、ＬＳＴＭによって機械学習が行われると、学習モデルにおけるパラメータが設定される。また、機械学習によってパラメータが最適化されるのが望ましい。このように、ＬＳＴＭを用いる機械学習で復元信号生成部のパラメータを設定するパラメータ設定部を実現する。以下、学習処理で学習済みの学習モデルを「学習済みモデル」という。そして、学習済みモデルが生成できた後、以下のような「実行処理」が行われる。
【0075】
（第２心拍信号の取得例）
ステップＳ１１１では、信号復元システム１は、心拍信号を取得する。以下、「第１心拍信号」は別に取得される、「本番用」となる心拍信号を「第２心拍信号」という。したがって、第２心拍信号は、第１心拍信号と同様に、心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
ステップＳ１１１では、信号復元システム１は、心拍信号を取得する。以下、「第１心拍信号」は別に取得される、「本番用」となる心拍信号を「第２心拍信号」という。したがって、第２心拍信号は、第１心拍信号と同様に、心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
【0076】
（復元信号の生成例）
ステップＳ１１２では、信号復元システム１は、学習済みモデルを用いて心拍を示す信号を復元する。以下、ステップＳ１１２によって生成される信号を「復元信号」という。
ステップＳ１１２では、信号復元システム１は、学習済みモデルを用いて心拍を示す信号を復元する。以下、ステップＳ１１２によって生成される信号を「復元信号」という。
【0077】
なお、復元信号の生成には、学習処理と同様に、ステップＳ１０１乃至ステップＳ１０６等の処理が行われてもよい。例えば、復元信号は、以下のように生成される。
【0078】
図１１は、復元信号の生成例を示す図である。例えば、図１１（Ａ）に示すような第２心拍信号を取得する。これに対して、学習済みモデルを用いて「実行処理」を行うと、例えば、図１１（Ｂ）に示すような復元信号を生成できる。
【0079】
復元信号は、心拍信号と比較すると、以下のように、心拍の１周期におけるＱ波、Ｒ波、Ｓ波、及び、Ｔ波等の特徴を復元又は強調できる点が異なる。
【0080】
図１２は、心拍の１周期におけるＱ波、Ｒ波、Ｓ波、及び、Ｔ波の例を示す図である。図示するように、第１１頂点Ｐ１１、第１２頂点Ｐ１２、第１３頂点Ｐ１３、第１４頂点Ｐ１４、第２１頂点Ｐ２１、第２２頂点Ｐ２２、第２３頂点Ｐ２３、及び、第２４頂点Ｐ２４等のような頂点が復元又は強調される復元信号を生成する。
【0081】
第１１頂点Ｐ１１、及び、第２１頂点Ｐ２１は、Ｒ波を検出するための頂点である。このような頂点がはっきりすると、例えば、ＲＲＩ（Ｒ－Ｒ ｉｎｔｅｒｖａｌ、Ｒ－Ｒ間隔）等が精度よく算出できる。つまり、第１１頂点Ｐ１１、及び、第２１頂点Ｐ２１によって、それぞれの周期（この例では、１周期目と２周期目である。）におけるＲ波のピーク間隔（以下「第１指標ＩＤＸ１」という。）が算出できる。
【0082】
第１指標ＩＤＸ１は、心拍の１周期を示す指標である。一般的に、第１指標ＩＤＸ１は、６００ｍｓ乃至１２００ｍｓが正常範囲である。したがって、第１指標ＩＤＸ１を精度よく算出できると、心拍の周期が精度よく把握できる。
【0083】
第１１頂点Ｐ１１、第１２頂点Ｐ１２、及び、第１３頂点Ｐ１３は、Ｒ波、Ｑ波、及び、Ｓ波を検出するための頂点である。このような頂点がはっきりすると、例えば、ＱＲＳ間隔等が精度よく算出できる。つまり、第１１頂点Ｐ１１、第１２頂点Ｐ１２、及び、第１３頂点Ｐ１３によって、１周期におけるＱ波乃至Ｓ波の間隔（以下「第２指標ＩＤＸ２」という。）が算出できる。
【0084】
第２指標ＩＤＸ２は、心室の収縮における間隔を示す指標である。一般的に、第２指標ＩＤＸ２は、６０ｍｓ乃至１００ｍｓが正常範囲である。したがって、第２指標ＩＤＸ２を精度よく算出できると、心室の収縮が精度よく把握できる。
【0085】
第１２頂点Ｐ１２、及び、第１４頂点Ｐ１４は、Ｑ波、及び、Ｔ波を検出するための頂点である。このような頂点がはっきりすると、例えば、ＱＴ間隔等が精度よく算出できる。つまり、第１２頂点Ｐ１２、及び、第１４頂点Ｐ１４によって、１周期におけるＱ波乃至Ｔ波の間隔（以下「第３指標ＩＤＸ３」という。）が算出できる。
【0086】
第３指標ＩＤＸ３は、心室の収縮及び拡張における間隔を示す指標である。一般的に、第３指標ＩＤＸ３は、３５０ｍｓ乃至４４０ｍｓが正常範囲である。したがって、第３指標ＩＤＸ３を精度よく算出できると、心室の収縮及び拡張が精度よく把握できる。
【0087】
以上のように、復元信号を用いると、第１指標ＩＤＸ１、第２指標ＩＤＸ２、及び、第３指標ＩＤＸ３等の指標が精度よく算出でき、健康状態を精度よく把握できる。すなわち、第１指標ＩＤＸ１、第２指標ＩＤＸ２、及び、第３指標ＩＤＸ３等の指標を計算して、正常範囲と比較すると、正常範囲の範囲外であるか否かが判断できる。そして、範囲外である場合には、心臓等に異常がある場合である。ゆえに、心臓等に異常がある場合に、異常を早期に発見できる。
【0088】
＜バンドパスフィルタ処理における抽出する周波数のフィルタ設定例＞
学習処理及び実行処理では、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理のように、前処理としてバンドパスフィルタ処理が行われるのが望ましい。そして、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理は、以下のような関係であるのが望ましい。
学習処理及び実行処理では、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理のように、前処理としてバンドパスフィルタ処理が行われるのが望ましい。そして、第１バンドパスフィルタ処理及び第２バンドパスフィルタ処理は、以下のような関係であるのが望ましい。
【0089】
また、第１バンドパスフィルタ処理は、第２バンドパスフィルタ処理より減衰の対象外とする周波数帯が広く設定されるのが望ましい。
【0090】
例えば、積分値に対して、０．５Ｈｚ乃至２．０Ｈｚのバンドパスフィルタを適用すると、以下のような結果となる。
【0091】
図１３は、０．５Ｈｚ乃至２．０Ｈｚのバンドパスフィルタを適用した例を示す図である。図示するように、０．５Ｈｚ乃至２．０Ｈｚの周波数を抽出するバンドパスフィルタが適用されると、Ｒ波ピークと相関の高い波形、すなわち、心臓の収縮に相関する波形が抽出される。
【0092】
一方で、積分値に対して、０．５Ｈｚ乃至１０．０Ｈｚの周波数を抽出するバンドパスフィルタを適用すると、以下のような結果となる。
【0093】
図１４は、０．５Ｈｚ乃至１０．０Ｈｚのバンドパスフィルタを適用した例を示す図である。図１３に示す結果と比較すると、図１４に示す結果の方が、Ｒ波以外の周波数成分も多く含む。したがって、図１４に示すような波形となるような周波数帯が抽出されるように、バンドパスフィルタが適用されると、Ｒ波以外のＱ波、及び、Ｓ波等といった周波数の波形も復元信号で精度よく復元でき、かつ、体動等によるノイズの周波数の波形は減衰させることができる。
【0094】
＜実験結果＞
以下のような実験諸元で実験した結果を示す。
以下のような実験諸元で実験した結果を示す。
【0095】
図１５は、実験諸元を示す表である。以下、「変調方式」、「搬送波周波数」、及び、「サンプリング周波数」に示すように、「無変調連続波」の「２４ＧＨｚ」周波数となる波形を「１０００Ｈｚ」でサンプリングする実験の結果を示す。以下、同様に記載する。
【0096】
「測定距離」及び「測定の高さ」は、実験におけるドップラーレーダ１２及び被験者２の間の距離と、ドップラーレーダ１２を設置した高さを示す。
【0097】
「観測時間」は、心拍を計測した時間を示す。
【0098】
「被験者」は、「学習」の対象とした人数、及び、「テスト」、すなわち、実行処理の対象とした人数を示す。
【0099】
「測定条件」は、被験者が実験の際にどのような姿勢であったかを示す。
【0100】
「真値」は、比較対象とする、「正解」となるデータである。
【0101】
そして、評価指標は、下記（７）式で計算するＲＭＳＥ（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ、二乗平均平方根誤差）、及び、下記（８）式で計算する誤差平均である。
【0102】
【数7】
【0103】
【0104】
図１７は、ピークの誤差平均を示す図である。図示するように、Ｑ波を示すピークでは、真値、すなわち、ＥＣＧで計測する信号と比較すると、平均で「６７．１ｍｓ」の誤差となる実験結果が得られた。
【0105】
Ｒ波を示すピークでは、真値、すなわち、ＥＣＧで計測する信号と比較すると、平均で「５２．７ｍｓ」の誤差となる実験結果が得られた。
【0106】
Ｓ波を示すピークでは、真値、すなわち、ＥＣＧで計測する信号と比較すると、平均で「６４．６ｍｓ」の誤差となる実験結果が得られた。
【0107】
Ｔ波を示すピークでは、真値、すなわち、ＥＣＧで計測する信号と比較すると、平均で「７６．４ｍｓ」の誤差となる実験結果が得られた。
【0108】
また、ＱＲＳ間隔、ＱＴ間隔、及び、ＲＲＩを上記（７）式で計算するＲＭＳＥを指標にした評価結果が以下の通りである。
【0109】
図１８は、ＱＲＳ間隔、ＱＴ間隔、及び、ＲＲＩの比較例を示す図である。すなわち、ＱＲＳ間隔、及び、ＱＴ間隔は、以下のような誤差が発生した。
【0110】
図示するように、被験者が３人に対して、ＱＲＳ間隔は、「１７．１ｍｓ」、「４５．９ｍｓ」及び「３１．９ｍｓ」の誤差があり、平均して「３１．６ｍｓ」の誤差となった。
【0111】
また、ＱＴ間隔は、「４８．０ｍｓ」、「９１．８ｍｓ」及び「６５．２ｍｓ」の誤差があり、平均して「６８．３ｍｓ」の誤差となった。
【0112】
さらに、ＲＲＩは、「７４．１ｍｓ」、「１２４．６ｍｓ」及び「８０．４ｍｓ」の誤差があり、平均して「９３．０ｍｓ」の誤差となった。
【0113】
なお、ＱＲＳ間隔、及び、ＱＴ間隔は、図示すると、以下のような指標である。
【0114】
図１９は、ＱＲＳ間隔、及び、ＱＴ間隔における誤差を示す図である。図において、「ＱＲＳ間隔」、及び、「ＱＴ間隔」が実験で計算された値である。これに対して、図１８の「平均」で示す誤差が「平均ＱＲＳ間隔誤差」、及び、「平均ＱＴ間隔誤差」に発生した。
【0115】
＜機能構成例＞
図２０は、第１実施形態における機能構成例を示す図である。図示するように、「学習処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第１バンドパスフィルタ部１Ｆ１２、積分計算部１Ｆ１３、第２バンドパスフィルタ部１Ｆ１４、第１学習データ生成部１Ｆ１５、及び、第１学習部１Ｆ１６を含む機能構成である。一方で、「実行処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第１バンドパスフィルタ部１Ｆ１２、積分計算部１Ｆ１３、第２バンドパスフィルタ部１Ｆ１４、及び、復元信号生成部１Ｆ１７を含む機能構成である。以下、「学習処理」及び「実行状態」に用いる機能構成をすべて含む機能構成である状態を例に説明する。
図２０は、第１実施形態における機能構成例を示す図である。図示するように、「学習処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第１バンドパスフィルタ部１Ｆ１２、積分計算部１Ｆ１３、第２バンドパスフィルタ部１Ｆ１４、第１学習データ生成部１Ｆ１５、及び、第１学習部１Ｆ１６を含む機能構成である。一方で、「実行処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第１バンドパスフィルタ部１Ｆ１２、積分計算部１Ｆ１３、第２バンドパスフィルタ部１Ｆ１４、及び、復元信号生成部１Ｆ１７を含む機能構成である。以下、「学習処理」及び「実行状態」に用いる機能構成をすべて含む機能構成である状態を例に説明する。
【0116】
信号取得部１Ｆ１１は、第１心拍信号及び第２心拍信号等の心拍信号を取得する信号取得手順を行う。例えば、信号取得部１Ｆ１１は、ドップラーレーダ１２等で実現する。
【0117】
第１バンドパスフィルタ部１Ｆ１２は、第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成する第１バンドパスフィルタ手順を行う。例えば、第１バンドパスフィルタ部１Ｆ１２は、ＣＰＵ１０Ｈ１等で実現する。
【0118】
積分計算部１Ｆ１３は、第１信号が示す心拍の周波数強度を積分して積分値を計算する積分計算手順を行う。例えば、積分計算部１Ｆ１３は、ＣＰＵ１０Ｈ１等で実現する。
【0119】
第２バンドパスフィルタ部１Ｆ１４は、積分値を示す第２信号に対して、第２バンドパスフィルタ処理を行って第３信号を生成する第２バンドパスフィルタ手順を行う。例えば、第２バンドパスフィルタ部１Ｆ１４は、ＣＰＵ１０Ｈ１等で実現する。
【0120】
第１学習データ生成部１Ｆ１５は、第３信号を所定時間ごとに区切って第１学習データを生成する第１学習データ生成手順を行う。例えば、第１学習データ生成部１Ｆ１５は、ＣＰＵ１０Ｈ１等で実現する。
【0121】
第１学習部１Ｆ１６は、第１学習データを入力して機械学習を行う第１学習手順を行う。例えば、第１学習部１Ｆ１６は、ＣＰＵ１０Ｈ１等で実現する。
【0122】
復元信号生成部１Ｆ１７は、機械学習によって生成される学習済みモデルに基づいて、第２心拍信号を取得して、復元信号を生成する復元信号生成手順を行う。例えば、復元信号生成部１Ｆ１７は、ＣＰＵ１０Ｈ１等で実現する。
【0123】
まず、「学習処理」を行うことで、学習モデルＭＤＬの機械学習を行う。このような学習を行うと、「学習済みモデル」が生成できる。そして、学習済みモデルを用いると、第２心拍信号を取得すると、学習済みモデルによって復元信号を生成できる。
【0124】
上記の例に示すように、信号復元システム１は、Ｒ波、Ｑ波、Ｓ波、及び、Ｔ波等も含めて、図１１（Ｂ）のように復元信号を生成できる。すなわち、信号復元システム１は、Ｒ波、Ｑ波、Ｓ波、及び、Ｔ波が把握しやすい復元信号を生成できる。このような復元信号を用いると、ＱＲＳ間隔、ＱＴ間隔、及び、ＲＲＩの指標を精度よく計算できる。したがって、信号復元システム１は、復元信号のように、心拍の動作を示す信号を精度よく復元できる。
【0125】
また、復元信号は、Ｒ波、Ｑ波、Ｓ波、及び、Ｔ波におけるピーク等の特徴点を強調するように生成されてもよい。すなわち、各波におけるピーク等の極値を強調させるように復元信号を生成してもよい。
【0126】
＜第２実施形態＞
第２実施形態は、例えば、第１実施形態と同様の全体構成及び同様のハードウェア構成である情報処理装置によって実現する。以下、第１実施形態と重複する箇所は説明を省略し、異なる点を中心に説明する。また、以下の例では、信号生成システムの例として、第１実施形態と同様の全体構成である信号復元システム１を例に説明する。
第２実施形態は、例えば、第１実施形態と同様の全体構成及び同様のハードウェア構成である情報処理装置によって実現する。以下、第１実施形態と重複する箇所は説明を省略し、異なる点を中心に説明する。また、以下の例では、信号生成システムの例として、第１実施形態と同様の全体構成である信号復元システム１を例に説明する。
【0127】
第２実施形態では、例えば、ドップラーレーダ等で取得できる心拍信号から、以下のような大動脈脈波を検出して、血圧を推定する。
【0128】
血圧は、血管内を流れる血液の圧力を示す。そして、例えば、高血圧は、心臓病等の主要な危険因子となる可能性があり、血圧は、生体情報としてモニタリングが重要な情報である。
【0129】
従来では、聴診器を用いて、訓練を受けた検査官がコロトコフ音を聞いて血圧を測定する聴診法等が知られている。ほかにも、上腕をカフによって圧迫し、脈動を検出するお城メトリック法等が知られている。
【0130】
聴診法は、手軽に計測するのが難しい課題がある。また、これらの方法では、カフによる締め付けがあるため、不快に感じる被験者がいることが課題となる。そこで、本実施形態のように、心拍信号を用いる構成とすると、被験者に対して接触が少ないため、被験者が接触によって不快に感じるのを少なくできる効果を奏する。
【0131】
図２１は、大動脈脈波の例を示す図である。例えば、大動脈脈波信号ＰＷＳは、図示するような形状の信号であって、図における「２．５ｓｅｃ」乃至「３．４ｓｅｃ」（図では、矢印で示す時間である。）を１周期とする信号である。以下、図示するような大動脈脈波信号ＰＷＳを例に説明する。
【0132】
大動脈脈波信号ＰＷＳは、大動脈の動きに起因する波形である。まず、大動脈脈波信号ＰＷＳには、図におけるピークで示す特徴的な３点（図では、第１ピーク点ＰＫ１、第２ピーク点ＰＫ２及び第３ピーク点ＰＫ３である。）が含まれる。
【0133】
第１ピーク点ＰＫ１、第２ピーク点ＰＫ２及び第３ピーク点ＰＫ３は、大動脈脈波信号ＰＷＳにおける極値である。したがって、大動脈脈波信号ＰＷＳを時間で微分（離散的には差分である。）計算して極値を特定する計算と行うと、第１ピーク点ＰＫ１、第２ピーク点ＰＫ２及び第３ピーク点ＰＫ３を特定できる。
【0134】
また、第１ピーク点ＰＫ１、第２ピーク点ＰＫ２及び第３ピーク点ＰＫ３は、一定以上の間隔があいて次のピークが出現する。したがって、例えば、第１ピーク点ＰＫ１の基準に、第２ピーク点ＰＫ２の出現がありえる時間が経過してから、以降の時間帯で第２ピーク点ＰＫ２が検出されるのが望ましい。このように、大動脈脈波信号ＰＷＳの性質上、ピーク点は、出現する間隔がある程度定まっている。一方で、あまりに近接して出現するピーク点はノイズである可能性が高い。そのため、出現がありえる間隔の範囲で、それぞれのピーク点を検出すると、精度よくピーク点を検出できる。なお、検出を行う間隔は、例えば、あらかじめ設定される。
【0135】
このように検出されるピーク点に基づいて、まず、信号復元システム１は、第１区間（以下「Ｔ１」の変数で示す。）及び第２区間（以下「ＥＤ」の変数で示す。）を特定する。
【0136】
「Ｔ１」は、脈波の立ち上がりから（この例では、第１ピーク点ＰＫ１を始点とする。）、最大振幅となるピークの直前に出現するピーク（山側に出現するピークである。この例では、第２ピーク点ＰＫ２を終点とする。）までの区間である。
【0137】
「ＥＤ」は、脈波の立ち上がりから（この例では、第１ピーク点ＰＫ１を始点とする。）、最大振幅となるピークの直後にピーク（谷側に出現するピークである。この例では、第３ピーク点ＰＫ３を終点とする。）までの区間である。
【0138】
これらの区間は、例えば、「Ｈ.Ｚｈａｏ,ｅｔ ａｌ.,２０１８ ＩＥＥＥ／ＭＴＴ－Ｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｉｃｒｏｗａｖｅ Ｓｙｍｐｏｓｉｕｍ, ２０ Ａｕｇｕｓｔ ２０１８.」に記載されている値である。
【0139】
このように、大動脈脈波信号ＰＷＳが生成できると、大動脈脈波信号ＰＷＳに含まれるピーク点を検出することで、第１区間「Ｔ１」及び第２区間「ＥＤ」といった区間の値が計算できる。そして、大動脈脈波信号ＰＷＳが生成できると、区間に基づいて、下記（９）式に示すような計算によって「ＰＴＴｃｆ」が計算できる。
【0140】
【数9】
そして、「ＰＴＴｃｆ」と血圧は、以下のような関係がある。
【0141】
図２２は、「ＰＴＴｃｆ」と血圧の関係例を示す図である。すなわち、ＳＢＰと「ＰＴＴｃｆ」には、負の相関となる関係がある。そのため、「ＰＴＴｃｆ」が短いほど、血圧が高くなる関係となる。
【0142】
この関係を式で示すと、下記（１０）式のように示せる。
【0143】
【数10】
上記（１０）式において、「ａ」及び「ｂ」は、１次関数の傾きと切片を示す値である。したがって、「ａ」及び「ｂ」のパラメータを計算すると、上記（１０）式に基づいて、「ＰＴＴｃｆ」と血圧の関係を示す１次関数の式（図２２における直線である。）を特定できる。そして、上記（１０）式に基づいて、「ＰＴＴｃｆ」を特定できると、信号復元システム１は、ＳＢＰ、すなわち、血圧を推定できる。
【0144】
この関係は、例えば、「Ｈ.Ｚｈａｏ,ｅｔ ａｌ.,２０１８ ＩＥＥＥ／ＭＴＴ－Ｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｉｃｒｏｗａｖｅ Ｓｙｍｐｏｓｉｕｍ, ２０ Ａｕｇｕｓｔ ２０１８.」に記載されている関係である。
【0145】
そこで、信号復元システム１は、大動脈脈波信号ＰＷＳを生成する。まず、大動脈脈波信号ＰＷＳは、理想的、すなわち、仮にノイズがない環境下では、以下のような信号である。
【0146】
図２３は、理想状態における大動脈脈波信号の例を示す図である。例えば、図示するように、第１区間「Ｔ１」及び第２区間「ＥＤ」が計算しやすい信号の状態、すなわち、できるだけノイズを含まない、理想状態に近い大動脈脈波信号ＰＷＳが生成できると、上記（９）式及び上記（１０）式に基づいて精度よく血圧が推定できる。
【0147】
このように、理想状態の大動脈脈波信号ＰＷＳは、第１区間「Ｔ１」及び第２区間「ＥＤ」が計算でき、かつ、「ＰＴＴｃｆ」と血圧の間で強い相関のある波形である。なお、強い相関は、例えば、相関係数が「－０．７」以下の値となる波形である。特に、理想状態の大動脈脈波信号ＰＷＳは、「ＰＴＴｃｆ」と血圧の間で相関係数が「－０．８」以下である強い相関係数の波形であるのが望ましい。
【0148】
一方で、実際には、ドップラーレーダ１２で取得する信号には、ノイズが含まれる。そこで、信号復元システム１は、ノイズが含まれる心拍信号を入力して、図示するように、ノイズを少なくした信号を生成して、出力する。例えば、以下のような全体処理によって、信号復元システム１は、大動脈脈波信号ＰＷＳを生成し、血圧を推定する。
【0149】
＜全体処理例＞
図２４は、全体処理例を示す図である。以下、全体処理を「学習処理」と「実行処理」に分けて説明する。なお、「学習処理」は、「実行処理」より前であれば実行のタイミングは限られない。すなわち、「学習処理」と「実行処理」は連続して実行するタイミングなくともよく、「学習処理」の後、「実行処理」が行われる前に時間があいてもよい。
図２４は、全体処理例を示す図である。以下、全体処理を「学習処理」と「実行処理」に分けて説明する。なお、「学習処理」は、「実行処理」より前であれば実行のタイミングは限られない。すなわち、「学習処理」と「実行処理」は連続して実行するタイミングなくともよく、「学習処理」の後、「実行処理」が行われる前に時間があいてもよい。
【0150】
（第３心拍信号の取得例）
ステップＳ３０１では、信号復元システム１は、心拍信号を取得する。以下、心拍信号のうち、下記に示す第２データの例である「第２学習データ」を生成するために用いられる心拍信号を「第３心拍信号」という。したがって、第３心拍信号は、機械学習における学習データのもとになる心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
ステップＳ３０１では、信号復元システム１は、心拍信号を取得する。以下、心拍信号のうち、下記に示す第２データの例である「第２学習データ」を生成するために用いられる心拍信号を「第３心拍信号」という。したがって、第３心拍信号は、機械学習における学習データのもとになる心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
【0151】
（第４バンドパスフィルタ処理の例）
ステップＳ３０２では、信号復元システム１は、第３心拍信号に対してバンドパスフィルタ処理を行うのが望ましい。以下、第３心拍信号を対象にして行うバンドパスフィルタ処理を「第４バンドパスフィルタ処理」という。そして、第３心拍信号に対して第４バンドパスフィルタ処理を行って生成する信号、すなわち、第３心拍信号に含まれるノイズになる信号を第４バンドパスフィルタ処理で減衰させて生成する信号を「第４信号」という。
ステップＳ３０２では、信号復元システム１は、第３心拍信号に対してバンドパスフィルタ処理を行うのが望ましい。以下、第３心拍信号を対象にして行うバンドパスフィルタ処理を「第４バンドパスフィルタ処理」という。そして、第３心拍信号に対して第４バンドパスフィルタ処理を行って生成する信号、すなわち、第３心拍信号に含まれるノイズになる信号を第４バンドパスフィルタ処理で減衰させて生成する信号を「第４信号」という。
【0152】
第４バンドパスフィルタ処理は、０．５Ｈｚ乃至１０．０Ｈｚ程度の周波数を抽出する設定であるのが望ましい。より望ましくは、第４バンドパスフィルタ処理は、０．７Ｈｚ乃至７Ｈｚ程度の周波数を抽出する設定であるのが望ましい。
【0153】
（第２学習データの生成例）
ステップＳ３０３では、信号復元システム１は、第２学習データを生成する。例えば、第２学習データは、第４信号を０．８秒ごとに区切って生成する。なお、所定時間は、０．８秒に限られず、例えば、０．８秒に対して±０．２秒程度になってもよい。
ステップＳ３０３では、信号復元システム１は、第２学習データを生成する。例えば、第２学習データは、第４信号を０．８秒ごとに区切って生成する。なお、所定時間は、０．８秒に限られず、例えば、０．８秒に対して±０．２秒程度になってもよい。
【0154】
また、第２学習データは、例えば、ＬＳＴＭの入力側に入力するデータとして、ノイズを含ませた大動脈脈波信号ＰＷＳを生成するのが望ましい。
【0155】
図２５は、第２学習データの生成に用いるノイズ成分の例を示す図である。すなわち、第２学習データは、理想状態の大動脈脈波信号ＰＷＳに対して、図示するようなガウス分布のノイズ成分を加えて生成されてもよい。このように、ノイズ成分を加えて第２学習データを生成すると、学習データの数を増やすことができる。
【0156】
また、大動脈脈波信号ＰＷＳには、ガウス分布の特性を持ったノイズが含まれやすい。すなわち、ガウス分布のノイズを減衰できるように学習モデルを学習させると、精度よくノイズを減衰させて大動脈脈波信号ＰＷＳを抽出できる。
【0157】
したがって、入力側に用いる第２学習データは、ガウス分布のノイズ成分を加えて生成されたデータが用いられるのが望ましい。
【0158】
なお、ガウス分布とは異なる分布に従うノイズが生じる環境では、その分布を考慮して学習モデルを学習させてもよい。このように、ノイズの分布に合わせて学習モデルを学習させると、精度よくノイズを減衰させて大動脈脈波信号ＰＷＳを抽出できる。
【0159】
ノイズは、例えば、以下のようにモデル化して理想状態の大動脈脈波信号ＰＷＳに付加する。
【0160】
まず、被験者ごとに、理想状態の大動脈脈波信号ＰＷＳにおける振幅値を各時間で特定し、平均値を計算する。次に、被験者ごとに、ノイズを含む大動脈脈波信号ＰＷＳにおける振幅値から、理想状態の大動脈脈波信号ＰＷＳにおける振幅値の平均値を減算すると、ノイズ成分が計算できる。続いて、想定されるＳＮＲ（Ｓ／Ｎ比、以下「ＳＮＲ」という。）の範囲に基づいて、ＳＮＲを変化させ、各ＳＮＲに対して複数回ノイズ成分を理想状態の大動脈脈波信号ＰＷＳに付加する。このように、計算されたノイズ成分を理想状態の大動脈脈波信号ＰＷＳに付加して、第２学習データが生成される。このように、第２学習データは、ノイズ成分を含む大動脈脈波信号ＰＷＳ及び理想状態の大動脈脈波信号ＰＷＳである。
【0161】
（第２学習の例）
ステップＳ３０４では、信号復元システム１は、第２学習を行う。以下、第２学習データを入力側及び出力側に入力するＬＳＴＭによる学習を「第２学習」という。すなわち、ＬＳＴＭの学習モデルには、第２学習データとして、ノイズ成分を含む大動脈脈波信号ＰＷＳを入力側に用い、かつ、理想状態の大動脈脈波信号ＰＷＳを出力側に用いる。
ステップＳ３０４では、信号復元システム１は、第２学習を行う。以下、第２学習データを入力側及び出力側に入力するＬＳＴＭによる学習を「第２学習」という。すなわち、ＬＳＴＭの学習モデルには、第２学習データとして、ノイズ成分を含む大動脈脈波信号ＰＷＳを入力側に用い、かつ、理想状態の大動脈脈波信号ＰＷＳを出力側に用いる。
【0162】
このように第２学習を行うと、ノイズを含む大動脈脈波信号ＰＷＳを入力として、ノイズを減衰させた大動脈脈波信号ＰＷＳを出力する学習済みモデルが生成できる。
【0163】
（第４心拍信号の取得例）
ステップＳ３０５では、信号復元システム１は、心拍信号を取得する。以下、「第３心拍信号」は別に取得される、「本番用」となる心拍信号を「第４心拍信号」という。したがって、第３心拍信号は、第４心拍信号と同様に、心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
ステップＳ３０５では、信号復元システム１は、心拍信号を取得する。以下、「第３心拍信号」は別に取得される、「本番用」となる心拍信号を「第４心拍信号」という。したがって、第３心拍信号は、第４心拍信号と同様に、心拍の動作を示す信号であり、ドップラーレーダ１２が生成するＩＱデータである。
【0164】
（大動脈脈波信号の生成例）
ステップＳ３０６では、信号復元システム１は、学習済みモデルを用いて大動脈脈波信号を生成する。
ステップＳ３０６では、信号復元システム１は、学習済みモデルを用いて大動脈脈波信号を生成する。
【0165】
なお、大動脈脈波信号の生成には、学習処理と同様に、ステップＳ３０２等の処理が行われてもよい。
【0166】
（血圧の推定例）
ステップＳ３０７では、信号復元システム１は、血圧を推定する。すなわち、信号復元システム１は、ステップＳ３０６で生成される大動脈脈波信号ＰＷＳに基づいて、第１区間「Ｔ１」及び第２区間「ＥＤ」といった区間及び「ＰＴＴｃｆ」等のパラメータを計算する。このように、パラメータが特定できると、上記（１０）式に基づいて、血圧が推定できる。
ステップＳ３０７では、信号復元システム１は、血圧を推定する。すなわち、信号復元システム１は、ステップＳ３０６で生成される大動脈脈波信号ＰＷＳに基づいて、第１区間「Ｔ１」及び第２区間「ＥＤ」といった区間及び「ＰＴＴｃｆ」等のパラメータを計算する。このように、パラメータが特定できると、上記（１０）式に基づいて、血圧が推定できる。
【0167】
＜実験結果＞
図２６は、第２実施形態の学習データを生成した条件を示す表である。以下、図示するような条件で生成した第２学習データを用いて、第２学習を行った実験結果を示す。そして、「真値」を「オムロン社製 デジタル自動血圧計 ＨＥＭ－９０７」（商標）とした。
図２６は、第２実施形態の学習データを生成した条件を示す表である。以下、図示するような条件で生成した第２学習データを用いて、第２学習を行った実験結果を示す。そして、「真値」を「オムロン社製 デジタル自動血圧計 ＨＥＭ－９０７」（商標）とした。
【0168】
図２７は、第２実施形態の実行用のデータを生成した条件を示す表である。以下、図示するような条件で取得した第４心拍信号を用いて、実行処理を行った実験結果を示す。
【0169】
実験では、下記（Ａ）乃至（Ｃ）の実験評価指標で評価を行った。
（Ａ）第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合
（Ｂ）「真値」の血圧と「ＰＴＴｃｆ」の間の相関係数
（Ｃ）「真値」の血圧と推定結果が示す血圧の誤差
図２８は、血圧と「ＰＴＴｃｆ」の散布図及び近似直線を示す図である。図は、実験における複数の被験者のうち、１人についての実験結果を示す。図において、比較用の実験結果（以下「比較例Ｒ１」という。）と、本実施形態による実験結果（以下「提案法Ｒ２」という。）をプロットして示す。
（Ａ）第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合
（Ｂ）「真値」の血圧と「ＰＴＴｃｆ」の間の相関係数
（Ｃ）「真値」の血圧と推定結果が示す血圧の誤差
図２８は、血圧と「ＰＴＴｃｆ」の散布図及び近似直線を示す図である。図は、実験における複数の被験者のうち、１人についての実験結果を示す。図において、比較用の実験結果（以下「比較例Ｒ１」という。）と、本実施形態による実験結果（以下「提案法Ｒ２」という。）をプロットして示す。
【0170】
図２９は、第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合を計算した結果及び相関係数の計算結果を示す図である。「比較例」は、図２８における比較例Ｒ１に相当する手法での実験結果である。一方で、「提案法」は、図２８における提案法Ｒ２に相当する手法での実験結果である。
【0171】
そして、図２９は、「被験者 １」及び「被験者 ２」の２人についての実験結果を示す。そして、図における相関係数（マイナスの値で示す値である。）が、（Ｂ）「真値」の血圧と「ＰＴＴｃｆ」の間の相関係数を実験した結果である。また、図におけるかっこ内の「割合」が、（Ａ）第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合を実験した結果である。
【0172】
図示するように、（Ａ）第１区間「Ｔ１」及び第２区間「ＥＤ」を計算できない波形の割合は、いずれの被験者においても、提案法の方が低い値となった。したがって、提案法の方が、第１区間「Ｔ１」及び第２区間「ＥＤ」といったパラメータを計算できる波形を生成できる可能性が高い結果となった。
【0173】
（Ｂ）「真値」の血圧と「ＰＴＴｃｆ」の間の相関係数は、いずれの被験者においても、提案法の方が高い相関を示す結果となった。
【0174】
図３０は、「真値」の血圧と推定結果が示す血圧の誤差を実験した結果を示す図である。
【0175】
図３１は、「真値」の血圧と推定結果が示す血圧の誤差を実験した結果を示す図である。
【0176】
【0177】
図示するように、提案法は、比較例より、「被験者 １」において、「２５％」程度誤差が少ない結果となった。同様に、提案法は、比較例より、「被験者 ２」において、「３３％」程度誤差が少ない結果となった。このように、提案法は、（Ｃ）「真値」の血圧と推定結果が示す血圧の誤差において、比較例より、血圧を少ない誤差で推定できた。
【0178】
＜機能構成例＞
図３２は、第２実施形態における機能構成例を示す図である。図示するように、「学習処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第４バンドパスフィルタ部１Ｆ２１、第２学習データ生成部１Ｆ２２、及び、第２学習部１Ｆ２３を含む機能構成である。一方で、「実行処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第４バンドパスフィルタ部１Ｆ２１、大動脈脈波生成部１Ｆ２４、及び、血圧推定部１Ｆ２５を含む機能構成である。以下、「学習処理」及び「実行状態」に用いる機能構成をすべて含む機能構成である状態を例に説明する。
図３２は、第２実施形態における機能構成例を示す図である。図示するように、「学習処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第４バンドパスフィルタ部１Ｆ２１、第２学習データ生成部１Ｆ２２、及び、第２学習部１Ｆ２３を含む機能構成である。一方で、「実行処理」を行う状態では、信号復元システム１は、信号取得部１Ｆ１１、第４バンドパスフィルタ部１Ｆ２１、大動脈脈波生成部１Ｆ２４、及び、血圧推定部１Ｆ２５を含む機能構成である。以下、「学習処理」及び「実行状態」に用いる機能構成をすべて含む機能構成である状態を例に説明する。
【0179】
信号取得部１Ｆ１１は、第３心拍信号及び第４心拍信号等の心拍信号を取得する信号取得手順を行う。例えば、信号取得部１Ｆ１１は、ドップラーレーダ１２等で実現する。
【0180】
第４バンドパスフィルタ部１Ｆ２１は、第３心拍信号に対して第４バンドパスフィルタ処理を行って第４信号を生成する第４バンドパスフィルタ手順を行う。例えば、第４バンドパスフィルタ部１Ｆ２１は、ＣＰＵ１０Ｈ１等で実現する。
【0181】
第２学習データ生成部１Ｆ２２は、第４信号を所定時間ごとに区切って第２学習データを生成する第２学習データ生成手順を行う。例えば、第２学習データ生成部１Ｆ２２は、ＣＰＵ１０Ｈ１等で実現する。
【0182】
第２学習部１Ｆ２３は、第２学習データを入力して機械学習を行う第２学習手順を行う。例えば、第２学習部１Ｆ２３は、ＣＰＵ１０Ｈ１等で実現する。
【0183】
大動脈脈波生成部１Ｆ２４は、機械学習によって生成される学習済みモデルに基づいて、第４心拍信号を取得して大動脈脈波を含む又は大動脈脈波を強調した大動脈脈波信号を生成する大動脈脈波生成手順を行う。例えば、大動脈脈波生成部１Ｆ２４は、ＣＰＵ１０Ｈ１等で実現する。
【0184】
血圧推定部１Ｆ２５は、大動脈脈波信号が示すパラメータに基づいて血圧を推定する血圧推定手順を行う。例えば、血圧推定部１Ｆ２５は、ＣＰＵ１０Ｈ１等で実現する。
【0185】
まず、「学習処理」を行うことで、学習モデルＭＤＬの機械学習を行う。このような学習を行うと、「学習済みモデル」が生成できる。そして、学習済みモデルを用いると、第４心拍信号を取得すると、学習済みモデルによって大動脈脈波信号を生成できる。そして、大動脈脈波信号が得られると、第１区間「Ｔ１」及び第２区間「ＥＤ」といった区間及び「ＰＴＴｃｆ」等のパラメータが特定して、上記（１０）式に基づいて、血圧が推定できる。
【0186】
以上のような構成であると、信号復元システム１は、大動脈脈波信号を生成して、血圧を推定できる。
【0187】
また、大動脈脈波信号を生成する上で、大動脈脈波生成部１Ｆ２４は、大動脈脈波信号を強調するように生成してもよい。すなわち、上記のような構成では、大動脈脈波信号に基づいて、第１区間「Ｔ１」及び第２区間「ＥＤ」等のパラメータが計算される。この計算では、大動脈脈波信号における極値、すなわち、図２１における第１ピーク点ＰＫ１、第２ピーク点ＰＫ２及び第３ピーク点ＰＫ３等がはっきりとしている方がより精度よくパラメータを計算できる。したがって、大動脈脈波生成部１Ｆ２４は、極値を強調するように波形を加工する等の処理を更に行ってもよい。また、２階微分等によって、下に凸な極値であるか、又は、上に凸な極値であるか等が計算されてもよい。
【0188】
＜ドップラーレーダで計測するＩＱデータの例＞
図３３は、ドップラーレーダで計測するＩＱデータの例である。例えば、ドップラーレーダ１２は、図示するような信号を出力する。そして、ａｒｃｔａｎ（Ｑ／Ｉ）を計算すると、心拍信号となる。
図３３は、ドップラーレーダで計測するＩＱデータの例である。例えば、ドップラーレーダ１２は、図示するような信号を出力する。そして、ａｒｃｔａｎ（Ｑ／Ｉ）を計算すると、心拍信号となる。
【0189】
ドップラーレーダ１２は、動く対象物に電波を照射することで反射波の周波数が変化するドップラー効果に基づいて対象物の動きを計測できる。このように、非接触に被験者の動きを計測できる構成が望ましい。
【0190】
＜第３実施形態＞
第３実施形態は、例えば、第１実施形態と同様の全体構成及び同様のハードウェア構成である情報処理装置によって実現する。以下、第１実施形態と重複する箇所は説明を省略し、異なる点を中心に説明する。また、以下の例では、信号生成システムの例として、第１実施形態と同様の全体構成である信号復元システム１を例に説明する。
第３実施形態は、例えば、第１実施形態と同様の全体構成及び同様のハードウェア構成である情報処理装置によって実現する。以下、第１実施形態と重複する箇所は説明を省略し、異なる点を中心に説明する。また、以下の例では、信号生成システムの例として、第１実施形態と同様の全体構成である信号復元システム１を例に説明する。
【0191】
第３実施形態では、例えば、ドップラーレーダ等で下記（１１）式に示すようなドップラー信号を取得して、心拍信号を再構成する。
【0192】
【数11】
そして、上記（１１）式に示すドップラー信号に対して、例えば、以下のような処理を施す。
【0193】
第１に、カットオフ周波数を０．５Ｈｚ及び２．０Ｈｚに設定してバンドパスフィルタ処理を行うのが望ましい。
【0194】
第２に、ウィンドウサイズが「２５６ｍｓ」又は「５１２ｍｓ」であって、ステップサイズが「５ｍｓ」乃至「５０ｍｓ」程度のＳＴＦＴを行う。
【0195】
第３に、ＬＳＴＭに基づいて復元等の処理を行う。具体的には、ＬＳＴＭを用いてスペクトログラムから心拍信号を生成する。
【0196】
ＬＳＴＭは、信号の時間領域における長期的な依存関係を学習できる深層学習法の例である。そして、上記の例に示すように、ＬＳＴＭが双方向に処理を行う構成（Ｂｉ－ＬＳＴＭ）であると、時間の順方向及び逆方向の双方向において、信号の長期的な依存関係を学習できる。
【0197】
そして、ＬＳＴＭには、入力データとして、スペクトログラムを数秒ずつに分割して、心拍に起因するスペクトログラムによって生じる周波数帯のパワーを入力する。
【0198】
さらに、ＬＳＴＭには、出力データとして、心拍動作の検出が容易な信号を利用することが望ましい。例えば、ＥＣＧ信号又はＥＣＧ信号にフィルタ処理を行って生成される信号が利用されるのが望ましい。
【0199】
また、学習モデルは、例えば、入力層、Ｂｉ－ＬＳＴＭ層、及び、回帰層の３層があるのが望ましい。そして、Ｂｉ－ＬＳＴＭ層、及び、回帰層が多層であると、より詳細な特徴量に基づいて、心拍の動作を復元した信号を生成できる。
【0200】
複雑なネットワーク構造であるほど、過学習が生じやすい。そこで、３層程度の構造が単純な構造であるため、３層程度の構造が望ましい。
Ｂｉ－ＬＳＴＭにおける隠れ層数及びステップサイズは、入力データ長が２のべき乗となる値であって、かつ「６４」乃至「２５６」程度が望ましい。
Ｂｉ－ＬＳＴＭにおける隠れ層数及びステップサイズは、入力データ長が２のべき乗となる値であって、かつ「６４」乃至「２５６」程度が望ましい。
【0201】
第１実施形態とは、以下のように損失関数が異なる。
【0202】
損失関数は、出力波形と真値の相関が高くなるように学習モデルを学習するため、相関係数「ｃｏｅｆ」を利用する関数が望ましい。具体的には、損失関数は、例えば、下記（１２）式に示すような関数に設定される。
【0203】
【数12】
上記のような構成であると、例えば、以下のような結果となる。
【0204】
図３４は、ＥＣＧ信号との比較した結果の例を示す図である。この実験では、被験者は、ベッドで仰向けに寝ている状態であった。
【0205】
縦軸は、電圧を示す。一方で、横軸は、時間を示す。
【0206】
図示する評価では、計算量を考慮してＳＴＦＴのウィンドウサイズ及びステップサイズをそれぞれ「５１２ｍｓ」及び「２５ｍｓ」と設定した場合である。そして、入力に利用する周波数帯を［－２０,－８．０］Ｈｚ［８．０,２０］Ｈｚとするため、バンドパスフィルタ処理を行った。図示する信号は、構築した深層学習モデルによる出力信号の一例である。「Ｔｒｕｅ ＥＣＧ ｓｉｇｎａｌ」で示す線は、ＥＣＧ信号である。一方で、「Ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｓｉｇｎａｌ」で示す線は、学習モデル（すなわち、ＬＳＴＭからの出力である。）による出力信号である。このように、ＥＣＧ信号のピークに対応するピークが、出力信号でも確認できる。
【0207】
また、ＥＣＧ信号と学習モデルによる出力信号で計算されるＲＲＩを比較すると、以下のような結果が得られる。なお、以下の図では、ピークの対応関係を見やすくするため、ＥＣＧ信号と学習モデルの出力を正規化して示す（縦軸は、正規化した値を示す）。
【0208】
図３５は、第１推定結果を示す図である。
【0209】
図３６は、第２推定結果を示す図である。
【0210】
図３７は、第３推定結果を示す図である。
【0211】
図３８は、第４推定結果を示す図である。
【0212】
図３９は、第５推定結果を示す図である。
【0213】
図４０は、第６推定結果を示す図である。
【0214】
図４１は、第７推定結果を示す図である。
【0215】
第１推定結果乃至第７推定結果では、被験者が異なる。なお、被験者は、第１推定結果乃至第７推定結果では、いずれも着座静止状態である。
【0216】
このように、本実施形態（図における「Ｅｓｔｉｍａｔｅｄ ＲＲＩ」である。）であると、ＥＣＧに近しい特性が出せる。
【0217】
本実施形態では、入力時間幅を長くし、複数ピークが含まれる構成である。そのため、第１実施形態におけるピークの対応付け等の処理が不要にできる構成である。
【0218】
＜変形例＞
第１実施形態及び第２実施形態に示す構成要素は、組み合わせられてもよい。例えば、心拍信号は、第１実施形態及び第２実施形態の学習済みモデルを両方持つ信号復元システムによって取得されて両方に用いられてもよい。このように、第１実施形態及び第２実施形態のそれぞれの構成要素を一部共通して用いる構成等でもよい。
第１実施形態及び第２実施形態に示す構成要素は、組み合わせられてもよい。例えば、心拍信号は、第１実施形態及び第２実施形態の学習済みモデルを両方持つ信号復元システムによって取得されて両方に用いられてもよい。このように、第１実施形態及び第２実施形態のそれぞれの構成要素を一部共通して用いる構成等でもよい。
【0219】
各信号は、心拍等の１周期に揃えた間隔で生成されるのが望ましい。ただし、１つのデータに２周期以上の周期が含まれてもよい。
【0220】
＜学習済みモデルの実施形態＞
第２心拍信号を取得して心拍の動作を示す復元信号を生成するようにコンピュータを機能させるための学習済みモデルであって、
入力層と、
ＬＳＴＭを含むＬＳＴＭ層と、
全結合層と、
出力層とを含むネットワーク構造であって、
信号復元システムが、
心拍の動作を示す第１心拍信号を取得し、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成し、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算し、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成し、
前記第３信号を所定時間ごとに区切って第１学習データを生成し、
前記第１学習データを入力して学習される学習済みモデルであり、
前記第２心拍信号に基づいて積分値を計算し、
学習済みモデルに対して、
前記積分値を前記入力層に入力し、
前記復元信号を生成するようにコンピュータを機能させるための学習済みモデルでもよい。
第２心拍信号を取得して心拍の動作を示す復元信号を生成するようにコンピュータを機能させるための学習済みモデルであって、
入力層と、
ＬＳＴＭを含むＬＳＴＭ層と、
全結合層と、
出力層とを含むネットワーク構造であって、
信号復元システムが、
心拍の動作を示す第１心拍信号を取得し、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って第１信号を生成し、
前記第１信号が示す前記心拍の周波数強度を積分して積分値を計算し、
時間に対して前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って第３信号を生成し、
前記第３信号を所定時間ごとに区切って第１学習データを生成し、
前記第１学習データを入力して学習される学習済みモデルであり、
前記第２心拍信号に基づいて積分値を計算し、
学習済みモデルに対して、
前記積分値を前記入力層に入力し、
前記復元信号を生成するようにコンピュータを機能させるための学習済みモデルでもよい。
【0221】
また、第４心拍信号を取得して大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成し、前記大動脈脈波信号が示すパラメータに基づいて血圧を推定するようにコンピュータを機能させるための学習済みモデルであって、
入力層と、
ＬＳＴＭを含むＬＳＴＭ層と、
全結合層と、
出力層とを含むネットワーク構造であって、
信号生成システムが、
心拍の動作を示す第３心拍信号を取得し、
前記第３心拍信号に対して第４バンドパスフィルタ処理を行って第４信号を生成し、
前記第４信号を所定時間ごとに区切って第２学習データを生成し、
前記第２学習データを入力して学習される学習済みモデルであり、
学習済みモデルに対して、
前記第４心拍信号が入力されると、前記大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成し、
前記大動脈脈波信号に基づいて血圧を推定するようにコンピュータを機能させるための学習済みモデルでもよい。
入力層と、
ＬＳＴＭを含むＬＳＴＭ層と、
全結合層と、
出力層とを含むネットワーク構造であって、
信号生成システムが、
心拍の動作を示す第３心拍信号を取得し、
前記第３心拍信号に対して第４バンドパスフィルタ処理を行って第４信号を生成し、
前記第４信号を所定時間ごとに区切って第２学習データを生成し、
前記第２学習データを入力して学習される学習済みモデルであり、
学習済みモデルに対して、
前記第４心拍信号が入力されると、前記大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成し、
前記大動脈脈波信号に基づいて血圧を推定するようにコンピュータを機能させるための学習済みモデルでもよい。
【0222】
学習済みモデルは、ＡＩにおけるソフトウェアの一部として利用される。したがって、学習済みモデルは、プログラムである。そのため、学習済みモデルは、例えば、記録媒体又はネットワーク等を介して、頒布又は実行されてもよい。
【0223】
学習済みモデルは、上記のようなデータ構造である。そして、学習済みモデルは、上記に示すような学習データにより学習したモデルである。なお、学習済みモデルは、更に学習データを入力して、更に学習が行える構造でもよい。
【0224】
＜その他の実施形態＞
例えば、送信器、受信器、又は、情報処理装置は、複数の装置であってもよい。すなわち、処理及び制御は、仮想化、並行、分散又は冗長して行われてもよい。一方で、送信器、受信器及び情報処理装置は、ハードウェアが一体又は装置を兼用してもよい。
例えば、送信器、受信器、又は、情報処理装置は、複数の装置であってもよい。すなわち、処理及び制御は、仮想化、並行、分散又は冗長して行われてもよい。一方で、送信器、受信器及び情報処理装置は、ハードウェアが一体又は装置を兼用してもよい。
【0225】
信号復元システム及び信号生成システムは、ＡＩ等を利用して機械学習を行う構成であればよい。例えば、ネットワーク構造は、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ等といった機械学習を行う構造を含んでもよい。
【0226】
また、機能構成のうち、「学習処理」用の構成と「実行処理」用の構成は、両方を含む構成でなくともよい。例えば、「学習処理」を行う段階では、「実行処理」用の構成を含まない構成でもよい。同様に、「実行処理」を行う段階では、「学習処理」用の構成を含まない構成でもよい。このように、「学習」及び「実行」の段階に分けて、行う処理とは異なる構成を除いた構成にできてもよい。なお、「学習処理」又は「学習処理」の後等に、ネットワーク構造における様々な設定は、ユーザによって調整されてもよい。
【0227】
なお、本発明に係る各処理の全部又は一部は、アセンブラ等の低水準言語又はオブジェクト指向言語等の高水準言語で記述され、コンピュータに信号復元方法又は信号生成方法を実行させるためのプログラムによって実現されてもよい。すなわち、プログラムは、情報処理装置、信号復元システム及び信号生成システム等のコンピュータに各処理を実行させるためのコンピュータプログラムである。
【0228】
したがって、プログラムに基づいて各処理が実行されると、コンピュータが有する演算装置及び制御装置は、各処理を実行するため、プログラムに基づいて演算及び制御を行う。また、コンピュータが有する記憶装置は、各処理を実行するため、プログラムに基づいて、処理に用いられるデータを記憶する。
【0229】
また、プログラムは、コンピュータが読み取り可能な記録媒体に記録されて頒布することができる。なお、記録媒体は、磁気テープ、フラッシュメモリ、光ディスク、光磁気ディスク又は磁気ディスク等のメディアである。さらに、プログラムは、電気通信回線を通じて頒布することができる。
【0230】
以上、好ましい実施の形態等について詳説したが、上述した実施の形態等に制限されることはなく、特許請求の範囲に記載された範囲を逸脱することなく、上述した実施の形態等に種々の変形及び置換を加えることができる。
【0231】
この出願は、２０２０年２月２１日に出願された日本国特許出願第２０２０－０２８６８１号に基づきその優先権を主張するものであり、その全内容を参照により含む。
【符号の説明】
【0232】
１ 信号復元システム
１Ｆ１１ 信号取得部
１Ｆ１２ 第１バンドパスフィルタ部
１Ｆ１３ 積分計算部
１Ｆ１４ 第２バンドパスフィルタ部
１Ｆ１５ 第１学習データ生成部
１Ｆ１６ 第１学習部
１Ｆ１７ 復元信号生成部
１Ｆ２１ 第４バンドパスフィルタ部
１Ｆ２２ 第２学習データ生成部
１Ｆ２３ 第２学習部
１Ｆ２４ 大動脈脈波生成部
１Ｆ２５ 血圧推定部
１２ ドップラーレーダ
１２Ｒｘ 受信器
１２Ｓ ソース
１２Ｔｘ 発信器
１３ フィルタ
ＩＤＸ１ 第１指標
ＩＤＸ２ 第２指標
ＩＤＸ３ 第３指標
Ｌ１ 入力
Ｌ２ 多層Ｂｉ－ＬＳＴＭ
Ｌ３ 全結合層
Ｌ４ 出力
ＭＤＬ 学習モデル
Ｐ１１ 第１１頂点
Ｐ１２ 第１２頂点
Ｐ１３ 第１３頂点
Ｐ１４ 第１４頂点
Ｐ２１ 第２１頂点
Ｐ２２ 第２２頂点
Ｐ２３ 第２３頂点
Ｐ２４ 第２４頂点
ＰＫ１ 第１ピーク点
ＰＫ２ 第２ピーク点
ＰＫ３ 第３ピーク点
ＰＷＳ 大動脈脈波信号
Ｒ１ 比較例
Ｒ２ 提案法
ｘ 変位
θ 位相
ωｄ 角周波数
１Ｆ１１ 信号取得部
１Ｆ１２ 第１バンドパスフィルタ部
１Ｆ１３ 積分計算部
１Ｆ１４ 第２バンドパスフィルタ部
１Ｆ１５ 第１学習データ生成部
１Ｆ１６ 第１学習部
１Ｆ１７ 復元信号生成部
１Ｆ２１ 第４バンドパスフィルタ部
１Ｆ２２ 第２学習データ生成部
１Ｆ２３ 第２学習部
１Ｆ２４ 大動脈脈波生成部
１Ｆ２５ 血圧推定部
１２ ドップラーレーダ
１２Ｒｘ 受信器
１２Ｓ ソース
１２Ｔｘ 発信器
１３ フィルタ
ＩＤＸ１ 第１指標
ＩＤＸ２ 第２指標
ＩＤＸ３ 第３指標
Ｌ１ 入力
Ｌ２ 多層Ｂｉ－ＬＳＴＭ
Ｌ３ 全結合層
Ｌ４ 出力
ＭＤＬ 学習モデル
Ｐ１１ 第１１頂点
Ｐ１２ 第１２頂点
Ｐ１３ 第１３頂点
Ｐ１４ 第１４頂点
Ｐ２１ 第２１頂点
Ｐ２２ 第２２頂点
Ｐ２３ 第２３頂点
Ｐ２４ 第２４頂点
ＰＫ１ 第１ピーク点
ＰＫ２ 第２ピーク点
ＰＫ３ 第３ピーク点
ＰＷＳ 大動脈脈波信号
Ｒ１ 比較例
Ｒ２ 提案法
ｘ 変位
θ 位相
ωｄ 角周波数
【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21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】
【図36】
【図37】
【図38】
【図39】
【図40】
【図41】
【手続補正書】
【提出日】2024-02-14
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
心拍の動作を示す第１心拍信号を取得する信号取得部と、
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って前記第１心拍信号に基づく第１信号を生成する第１バンドパスフィルタ部と、
前記第１心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第１心拍信号に基づく積分値を計算する積分計算部と、
時間に対して前記第１心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第１心拍信号に基づく第３信号を生成する第２バンドパスフィルタ部と、
前記第１心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第１心拍信号に基づく第１データに基づいて、前記第１心拍信号に基づく心拍の動作を示す復元信号を生成する復元信号生成部と、
前記第１心拍信号に基づく前記第１データに基づいて学習モデルの学習を行う学習部と、
を含む信号復元システムであって、
前記信号取得部が、心拍の動作を示す第２心拍信号を取得し、
前記第１バンドパスフィルタ部が、前記第２心拍信号に対して前記第１バンドパスフィルタ処理を行って前記第２心拍信号に基づく第１信号を生成し、
前記積分計算部が、前記第２心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第２心拍信号に基づく積分値を計算し、
前記第２バンドパスフィルタ部が、時間に対して前記第２心拍信号に基づく前記積分値を示す第２信号に対して前記第２バンドパスフィルタ処理を行って前記第２心拍信号に基づく第３信号を生成し、
前記復元信号生成部が、前記第２心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第２心拍信号に基づく第１データを、前記第１心拍信号に基づく前記第１データで学習済みの前記学習モデルに入力し、前記第２心拍信号に基づく心拍の動作を示す復元信号を生成する、
信号復元システム。
前記第１心拍信号に対して第１バンドパスフィルタ処理を行って前記第１心拍信号に基づく第１信号を生成する第１バンドパスフィルタ部と、
前記第１心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第１心拍信号に基づく積分値を計算する積分計算部と、
時間に対して前記第１心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第１心拍信号に基づく第３信号を生成する第２バンドパスフィルタ部と、
前記第１心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第１心拍信号に基づく第１データに基づいて、前記第１心拍信号に基づく心拍の動作を示す復元信号を生成する復元信号生成部と、
前記第１心拍信号に基づく前記第１データに基づいて学習モデルの学習を行う学習部と、
を含む信号復元システムであって、
前記信号取得部が、心拍の動作を示す第２心拍信号を取得し、
前記第１バンドパスフィルタ部が、前記第２心拍信号に対して前記第１バンドパスフィルタ処理を行って前記第２心拍信号に基づく第１信号を生成し、
前記積分計算部が、前記第２心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第２心拍信号に基づく積分値を計算し、
前記第２バンドパスフィルタ部が、時間に対して前記第２心拍信号に基づく前記積分値を示す第２信号に対して前記第２バンドパスフィルタ処理を行って前記第２心拍信号に基づく第３信号を生成し、
前記復元信号生成部が、前記第２心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第２心拍信号に基づく第１データを、前記第１心拍信号に基づく前記第１データで学習済みの前記学習モデルに入力し、前記第２心拍信号に基づく心拍の動作を示す復元信号を生成する、
信号復元システム。
【請求項2】
前記復元信号生成部は、心拍の１周期におけるＱ波、Ｒ波、Ｓ波、及び、Ｔ波を復元又は強調する前記復元信号を生成する
請求項１に記載の信号復元システム。
請求項１に記載の信号復元システム。
【請求項3】
前記信号取得部は、ドップラーレーダによって前記第１心拍信号を取得する
請求項１又は２に記載の信号復元システム。
請求項１又は２に記載の信号復元システム。
【請求項4】
前記第１信号に基づいて、時間と前記第１信号に含まれる周波数強度との関係を示すスペクトログラムを生成するスペクトログラム変換部を更に含み、
前記積分計算部は、前記スペクトログラムが示す前記周波数強度を積分して前記積分値を計算する
請求項１乃至３のいずれか１項に記載の信号復元システム。
前記積分計算部は、前記スペクトログラムが示す前記周波数強度を積分して前記積分値を計算する
請求項１乃至３のいずれか１項に記載の信号復元システム。
【請求項5】
前記第１バンドパスフィルタ処理は、前記第２バンドパスフィルタ処理より減衰の対象外とする周波数帯が広く設定される
請求項１乃至４のいずれか１項に記載の信号復元システム。
請求項１乃至４のいずれか１項に記載の信号復元システム。
【請求項6】
前記第１バンドパスフィルタ処理は、８乃至３０Ｈｚの周波数帯以外を減衰させ、
前記第２バンドパスフィルタ処理は、０．５乃至１０．０Ｈｚの周波数帯以外を減衰させる
請求項５に記載の信号復元システム。
前記第２バンドパスフィルタ処理は、０．５乃至１０．０Ｈｚの周波数帯以外を減衰させる
請求項５に記載の信号復元システム。
【請求項7】
前記信号取得部が、心拍の動作を示す第３心拍信号を取得し、
前記第３心拍信号に対してバンドパスフィルタ処理を行って第４信号を生成する第４信号生成バンドパスフィルタ部と、
前記第４信号を所定時間ごとに区切って生成される第２データに基づいて、大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成する大動脈脈波生成部と、
前記大動脈脈波信号が示すパラメータに基づいて血圧を推定する血圧推定部と
をさらに含む、請求項１乃至６のいずれか１項に記載の信号復元システム。
前記第３心拍信号に対してバンドパスフィルタ処理を行って第４信号を生成する第４信号生成バンドパスフィルタ部と、
前記第４信号を所定時間ごとに区切って生成される第２データに基づいて、大動脈脈波を含む又は前記大動脈脈波を強調した大動脈脈波信号を生成する大動脈脈波生成部と、
前記大動脈脈波信号が示すパラメータに基づいて血圧を推定する血圧推定部と
をさらに含む、請求項１乃至６のいずれか１項に記載の信号復元システム。
【請求項8】
信号復元システムが実行する信号復元方法であって、
信号復元システムが、心拍の動作を示す第１心拍信号を取得することと、
信号復元システムが、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って前記第１心拍信号に基づく第１信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第１心拍信号に基づく積分値を計算することと、
信号復元システムが、時間に対して前記第１心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第１心拍信号に基づく第３信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第１心拍信号に基づく第１データに基づいて、前記第１心拍信号に基づく心拍の動作を示す復元信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第１データに基づいて学習モデルの学習を行うことと、
信号復元システムが、心拍の動作を示す第２心拍信号を取得することと、
信号復元システムが、前記第２心拍信号に対して第１バンドパスフィルタ処理を行って前記第２心拍信号に基づく第１信号を生成することと、
信号復元システムが、前記第２心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第２心拍信号に基づく積分値を計算することと、
信号復元システムが、時間に対して前記第２心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第２心拍信号に基づく第３信号を生成することと、
信号復元システムが、前記第２心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第２心拍信号に基づく第１データを、前記第１心拍信号に基づく前記第１データで学習済みの前記学習モデルに入力し、前記第２心拍信号に基づく心拍の動作を示す復元信号を生成することと、
を含む信号復元方法。
信号復元システムが、心拍の動作を示す第１心拍信号を取得することと、
信号復元システムが、前記第１心拍信号に対して第１バンドパスフィルタ処理を行って前記第１心拍信号に基づく第１信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第１心拍信号に基づく積分値を計算することと、
信号復元システムが、時間に対して前記第１心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第１心拍信号に基づく第３信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第１心拍信号に基づく第１データに基づいて、前記第１心拍信号に基づく心拍の動作を示す復元信号を生成することと、
信号復元システムが、前記第１心拍信号に基づく前記第１データに基づいて学習モデルの学習を行うことと、
信号復元システムが、心拍の動作を示す第２心拍信号を取得することと、
信号復元システムが、前記第２心拍信号に対して第１バンドパスフィルタ処理を行って前記第２心拍信号に基づく第１信号を生成することと、
信号復元システムが、前記第２心拍信号に基づく前記第１信号が示す前記心拍の周波数強度を積分して前記第２心拍信号に基づく積分値を計算することと、
信号復元システムが、時間に対して前記第２心拍信号に基づく前記積分値を示す第２信号に対して第２バンドパスフィルタ処理を行って前記第２心拍信号に基づく第３信号を生成することと、
信号復元システムが、前記第２心拍信号に基づく前記第３信号を所定時間ごとに区切って生成される前記第２心拍信号に基づく第１データを、前記第１心拍信号に基づく前記第１データで学習済みの前記学習モデルに入力し、前記第２心拍信号に基づく心拍の動作を示す復元信号を生成することと、
を含む信号復元方法。
【請求項9】
コンピュータに請求項８に記載の信号復元方法を実行させるためのプログラム。