(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】
(24)【登録日】2023-07-21
(45)【発行日】2023-07-31
(54)【発明の名称】生体情報推定装置及びその方法
(51)【国際特許分類】
A61B 5/022 20060101AFI20230724BHJP
A61B 5/029 20060101ALI20230724BHJP
【ＦＩ】
A61B5/022 400F
A61B5/022 ZDM
A61B5/029
【請求項の数】
16
(21)【出願番号】P 2019027206
(22)【出願日】2019-02-19
(65)【公開番号】P2019141583
(43)【公開日】2019-08-29
【審査請求日】2021-04-12
(31)【優先権主張番号】10-2018-0019441
(32)【優先日】2018-02-19
(33)【優先権主張国・地域又は機関】KR
(31)【優先権主張番号】10-2019-0002484
(32)【優先日】2019-01-08
(33)【優先権主張国・地域又は機関】KR
(73)【特許権者】
【識別番号】390019839
【氏名又は名称】三星電子株式会社
【氏名又は名称原語表記】Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ．
【住所又は居所原語表記】１２９，Ｓａｍｓｕｎｇ－ｒｏ，Ｙｅｏｎｇｔｏｎｇ－ｇｕ，Ｓｕｗｏｎ－ｓｉ，Ｇｙｅｏｎｇｇｉ－ｄｏ，Ｒｅｐｕｂｌｉｃ ｏｆ Ｋｏｒｅａ
(74)【代理人】
【識別番号】110000051
【氏名又は名称】弁理士法人共生国際特許事務所
(72)【発明者】
【氏名】朴 昌 淳
(72)【発明者】
【氏名】權 義 根
(72)【発明者】
【氏名】具 允 書
(72)【発明者】
【氏名】盧 承 佑
(72)【発明者】
【氏名】尹 勝 槿
(72)【発明者】
【氏名】張 大 根
【審査官】藤原 伸二
(56)【参考文献】
【文献】国際公開第２００４／０３４９０２（ＷＯ，Ａ１）
【文献】特開２０１６－１７１９８３（ＪＰ，Ａ）
【文献】特開平０４－２８５５３０（ＪＰ，Ａ）
【文献】特開平１０－０７１１２９（ＪＰ，Ａ）
【文献】特開平０８－２７５９３４（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１３／０３２４８５９（ＵＳ，Ａ１）
【文献】特開２００３－２９９６２７（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ５／００－５／０５３８
Ａ６１Ｂ ５／０６－５／３９８
(57)【特許請求の範囲】
【請求項1】
生体信号を取得する生体信号取得部と、前記生体信号から複数の第１特徴値の内の１つ以上の第１特徴値を抽出し、抽出された前記第１特徴値に基づいて前記第１特徴値のスケール調節のための係数としてスケール因子を決定し、前記スケール因子と前記第１特徴値とに基づいて生体情報を推定するプロセッサと、を有し、
前記プロセッサは、抽出された前記第１特徴値に基づいてスケール調節のためのスケール調節比率を算出し、算出された前記スケール調節比率に基づいて所定の値を有する基準スケール因子を調節することで、前記第１特徴値の変化量に基づいて適応的に前記スケール因子を決定し、
前記プロセッサは、前記複数の第１特徴値を組み合わせて第２特徴値を算出し、前記第２特徴値に基づいて前記スケール調節比率を算出し、前記スケール調節比率に基づいて基準スケール因子を調節して、前記スケール因子を決定し、
前記プロセッサは、前記複数の第１特徴値のそれぞれの基準第２特徴値との差である個別変化量及び前記第１特徴値の線形結合値の前記基準第２特徴値との差である結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出し、
ここで、前記基準第２特徴値は、被検体が運動せず、目覚めていて、休みの間に被検体から測定される基準状態で抽出された基準第１特徴値に基づいて算出された第２特徴値であることを特徴とする生体情報推定装置。
【請求項2】
前記第１特徴値は、心拍出量と関連した特徴、総末梢抵抗と関連した特徴、及びこれらの組み合わせを含むことを特徴とする請求項１に記載の生体情報推定装置。
【請求項3】
前記プロセッサは、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさに基づいて前記スケール調節比率を算出することを特徴とする請求項１に記載の生体情報推定装置。
【請求項4】
前記スケール調節比率決定関数は、前記基準第２特徴値で前記スケール調節比率が最小値をとり、前記基準第２特徴値を中心に前記第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、前記第２特徴値が閾値範囲（ｔｈｒｅｓｈｏｌｄ ｒａｎｇｅ）を外れれば、所定のスケール調節比率で飽和することを特徴とする請求項３に記載の生体情報推定装置。
【請求項5】
前記プロセッサは、前記第１特徴値に対する個別スケール調節比率を算出し、前記個別スケール調節比率の統計値に基づいて前記スケール調節比率を算出し、前記スケール調節比率に基づいて、前記スケール因子を決定することを特徴とする請求項１に記載の生体情報推定装置。
【請求項6】
前記プロセッサは、前記第１特徴値を組み合わせて第３特徴値を算出し、前記第３特徴値及び前記スケール因子に基づいて前記生体情報を推定し、
ここで、前記第３特徴値を構成する前記１特徴値の組み合わせ方法は、前記第２特徴値を構成する前記１特徴値の組み合わせ方法と異なるか、または同じであることを特徴とする請求項１に記載の生体情報推定装置。
【請求項7】
前記プロセッサは、前記第３特徴値と、前記基準状態で抽出された前記第１特徴値である前記基準第１特徴値に基づいて算出された第３特徴値である基準第３特徴値との差に、前記スケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定することを特徴とする請求項６に記載の生体情報推定装置。
【請求項8】
前記プロセッサは、前記第１特徴値が所定の閾値（ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ）を超過する場合、前記基準スケール因子を前記スケール因子として決定することを特徴とする請求項１に記載の生体情報推定装置。
【請求項9】
前記プロセッサは、前記基準第１特徴値に基づいて前記第１特徴値を正規化することを特徴とする請求項１に記載の生体情報推定装置。
【請求項10】
前記生体情報は、血圧、心拍出量、血糖、中性脂肪、及びケラチンの内の少なくとも１つを含むことを特徴とする請求項１に記載の生体情報推定装置。
【請求項11】
生体情報推定装置の生体情報推定方法であって、生体信号を取得する段階と、
前記生体信号から複数の第１特徴値の内の１つ以上の第１特徴値を抽出する段階と、
抽出された前記第１特徴値に基づいて前記第１特徴値のスケール調節のための係数としてスケール因子を決定する段階と、
前記スケール因子と前記第１特徴値とに基づいて生体情報を推定する段階と、を有し、
前記スケール因子を決定する段階は、抽出された前記第１特徴値に基づいてスケール調節のためのスケール調節比率を算出する段階と、
算出された前記スケール調節比率に基づいて所定の値を有する基準スケール因子を調節することで、前記第１特徴値の変化量に基づいて適応的に前記スケール因子を決定する段階と、を含み、
前記スケール因子を決定する段階は、前記複数の第１特徴値を組み合わせて第２特徴値を算出する段階と、
前記第２特徴値に基づいて前記スケール調節比率を算出する段階と、
前記スケール調節比率に基づいて前記基準スケール因子を調節して、前記スケール因子を決定する段階と、を含み、
前記第２特徴値を算出する段階は、前記複数の第１特徴値のそれぞれの基準第２特徴値との差である個別変化量及び前記第１特徴値の線形結合値の前記基準第２特徴値との差である結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出する段階を含み、
ここで、前記基準第２特徴値は、被検体が運動せず、目覚めていて、休みの間に被検体から測定される基準状態で抽出された基準第１特徴値に基づいて算出された第２特徴値であることを特徴とする生体情報推定方法。
【請求項12】
前記スケール調節比率を算出する段階は、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさに基づいて前記スケール調節比率を算出する段階を含むことを特徴とする請求項１１に記載の生体情報推定方法。
【請求項13】
前記スケール調節比率決定関数は、前記基準第２特徴値で前記スケール調節比率が最小値をとり、前記基準第２特徴値を中心に前記第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、前記第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和することを特徴とする請求項１２に記載の生体情報推定方法。
【請求項14】
前記スケール因子を決定する段階は、前記第１特徴値に対する個別スケール調節比率を算出する段階と、前記個別スケール調節比率の統計値に基づいて前記スケール調節比率を算出する段階と、
前記算出されたスケール調節比率に基づいて前記基準スケール因子を調節して、前記スケール因子を決定する段階と、を含むことを特徴とする請求項１１に記載の生体情報推定方法。
【請求項15】
前記生体情報を推定する段階は、前記第１特徴値を組み合わせて第３特徴値を算出する段階と、前記算出された第３特徴値と前記基準状態で抽出された前記基準第１特徴値に基づいて算出された第３特徴値である基準第３特徴値との差に、前記決定されたスケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定する段階と、を含み、
ここで、前記第３特徴値を構成する前記１特徴値の組み合わせ方法は、前記第２特徴値を構成する前記１特徴値の組み合わせ方法と異なるか、または同じであることを特徴とする請求項１１に記載の生体情報推定方法。
【請求項16】
前記スケール因子を決定する段階は、前記第１特徴値が所定の閾値を超過するか否かを判断する段階と、前記判断の結果、前記第１特徴値が前記閾値を超過すれば、前記基準スケール因子を前記スケール因子として決定する段階と、を含むことを特徴とする請求項１１に記載の生体情報推定方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、生体情報を推定する技術に関し、特に生体信号を使用して非侵襲的方法で生体情報を推定する生体情報推定装置及びその方法に関する。
【背景技術】
【0002】
高齢化してきている人口構造、急増する医療費、専門医療サービス人力の不足などによって、ＩＴ技術と医療技術とが結合されたＩＴ－医療融合技術についての活発な研究が行われている。
特に、健康状態に対するモニタリングは、医療機関に限定されず、家庭と事務室などの日常生活でなされるようにするモバイルヘルスケア（ｍｏｂｉｌｅ ｈｅａｌｔｈｃａｒｅ）分野に拡大しつつある。
特に、健康状態に対するモニタリングは、医療機関に限定されず、家庭と事務室などの日常生活でなされるようにするモバイルヘルスケア（ｍｏｂｉｌｅ ｈｅａｌｔｈｃａｒｅ）分野に拡大しつつある。
【0003】
健康状態を示す生体信号の種類には、代表的にＥＣＧ（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｐｈｙ：心電図）、ＰＰＧ（Ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｍ：光電容積脈波）、ＥＭＧ（Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ：筋電図）信号などがあり、日常生活でそれを測定するために、多様な生体信号センサーが開発されている。
例えば、ＰＰＧ生体信号関連の研究結果によれば、全体ＰＰＧ信号は、心臓から出発して身体末端部に向ける進行波（ｐｒｏｐａｇａｔｉｏｎ ｗａｖｅ）と末端部から再び戻ってくる反射波（ｒｅｆｌｅｃｔｉｏｎ ｗａｖｅ）とが重畳して構成される。
この際、進行波又は反射波と関連した多様な特徴（ｆｅａｔｕｒｅ）を抽出すれば、血圧を推定することができる情報が得られる。
例えば、ＰＰＧ生体信号関連の研究結果によれば、全体ＰＰＧ信号は、心臓から出発して身体末端部に向ける進行波（ｐｒｏｐａｇａｔｉｏｎ ｗａｖｅ）と末端部から再び戻ってくる反射波（ｒｅｆｌｅｃｔｉｏｎ ｗａｖｅ）とが重畳して構成される。
この際、進行波又は反射波と関連した多様な特徴（ｆｅａｔｕｒｅ）を抽出すれば、血圧を推定することができる情報が得られる。
【0004】
しかしながら、このように日常生活で健康状態をモニタリングするために、生体信号から生体情報を推定する方式は、日常生活による生体信号の品質低下、動雑音の介入などによって不安定な生体情報推定結果を提供する場合があり、それを解決するための多様な研究開発が課題となっている。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２０１６－７７５３９号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明は上記従来の生体情報推定における課題点に鑑みてなされたものであって、本発明の目的は、生体信号が不安定な状況で測定される場合にも、生体信号から抽出された特徴を適切にスケール変換して、正確かつ安定した生体情報を推定する生体情報推定装置及びその方法を提供することにある。
【課題を解決するための手段】
【0007】
上記目的を達成するためになされた本発明による生体情報推定装置は、生体信号を取得する生体信号取得部と、前記生体信号から複数の第１特徴値の内の１つ以上の第１特徴値を抽出して、前記第１特徴値に基づいてスケール因子を決定し、前記スケール因子と第１特徴値とに基づいて生体情報を推定するプロセッサと、を有することを特徴とする。
【0008】
前記第１特徴値の第１特徴とは、心拍出量と関連した特徴、総末梢抵抗と関連した特徴、及びこれらの組み合わせを含むことが好ましい。
前記プロセッサは、前記複数の第１特徴値を組み合わせて第２特徴値を算出し、前記第２特徴値に基づいてスケール調節比率を算出し、前記スケール調節比率に基づいて基準スケール因子を調節して、前記スケール因子を決定することが好ましい。
前記プロセッサは、前記複数の第１特徴値の個別変化量及び結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出することが好ましい。
前記プロセッサは、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさによる前記スケール調節比率を算出することが好ましい。
前記スケール調節比率決定関数は、基準第２特徴値でスケール調節比率が最小値をとり、基準第２特徴値を中心に第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、第２特徴値が閾値範囲（ｔｈｒｅｓｈｏｌｄ ｒａｎｇｅ）を外れれば、所定のスケール調節比率で飽和することが好ましい。
前記プロセッサは、前記複数の第１特徴値を組み合わせて第２特徴値を算出し、前記第２特徴値に基づいてスケール調節比率を算出し、前記スケール調節比率に基づいて基準スケール因子を調節して、前記スケール因子を決定することが好ましい。
前記プロセッサは、前記複数の第１特徴値の個別変化量及び結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出することが好ましい。
前記プロセッサは、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさによる前記スケール調節比率を算出することが好ましい。
前記スケール調節比率決定関数は、基準第２特徴値でスケール調節比率が最小値をとり、基準第２特徴値を中心に第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、第２特徴値が閾値範囲（ｔｈｒｅｓｈｏｌｄ ｒａｎｇｅ）を外れれば、所定のスケール調節比率で飽和することが好ましい。
【0009】
前記プロセッサは、前記第１特徴値に対する個別スケール調節比率を算出し、前記個別スケール調節比率の統計値に基づいてスケール調節比率を算出し、前記スケール調節比率に基づいて、前記スケール因子を決定することが好ましい。
前記プロセッサは、前記第１特徴値を組み合わせて第３特徴値を算出し、前記第３特徴値及び前記スケール因子に基づいて生体情報を推定することが好ましい。
前記プロセッサは、前記第３特徴値と基準第３特徴値との差に、前記スケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定することが好ましい。
前記プロセッサは、前記第１特徴値が所定の閾値（ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ）を超過する場合、基準スケール因子を前記スケール因子として決定することが好ましい。
前記プロセッサは、基準第１特徴値に基づいて前記第１特徴値を正規化することが好ましい。
前記生体情報は、血圧、心拍出量、血糖、中性脂肪、及びケラチンの内の少なくとも１つを含むことが好ましい。
前記プロセッサは、前記第１特徴値を組み合わせて第３特徴値を算出し、前記第３特徴値及び前記スケール因子に基づいて生体情報を推定することが好ましい。
前記プロセッサは、前記第３特徴値と基準第３特徴値との差に、前記スケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定することが好ましい。
前記プロセッサは、前記第１特徴値が所定の閾値（ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ）を超過する場合、基準スケール因子を前記スケール因子として決定することが好ましい。
前記プロセッサは、基準第１特徴値に基づいて前記第１特徴値を正規化することが好ましい。
前記生体情報は、血圧、心拍出量、血糖、中性脂肪、及びケラチンの内の少なくとも１つを含むことが好ましい。
【0010】
上記目的を達成するためになされた本発明による生体情報推定方法は、生体情報推定装置の生体情報推定方法であって、生体信号を取得する段階と、前記生体信号から複数の第１特徴値の内の１つ以上の第１特徴値を抽出する段階と、前記第１特徴値に基づいてスケール因子を決定する段階と、前記スケール因子と第１特徴値とに基づいて生体情報を推定する段階と、を有することを特徴とする。
【0011】
前記スケール因子を決定する段階は、前記複数の第１特徴値を組み合わせて第２特徴値を算出する段階と、前記第２特徴値に基づいてスケール調節比率を算出する段階と、前記スケール調節比率に基づいて基準スケール因子を調節して、前記スケール因子を決定する段階と、を含むことが好ましい。
前記第２特徴値を算出する段階は、前記複数の第１特徴値の個別変化量及び結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出する段階を含むことが好ましい。
前記スケール調節比率を算出する段階は、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさによるスケール調節比率を算出する段階を含むことが好ましい。
前記スケール調節比率決定関数は、基準第２特徴値でスケール調節比率が最小値をとり、基準第２特徴値を中心に第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和することが好ましい。
前記第２特徴値を算出する段階は、前記複数の第１特徴値の個別変化量及び結合変化量の内の少なくとも１つを組み合わせて、前記第２特徴値を算出する段階を含むことが好ましい。
前記スケール調節比率を算出する段階は、前記第２特徴値をスケール調節比率決定関数に適用して、前記第２特徴値の大きさによるスケール調節比率を算出する段階を含むことが好ましい。
前記スケール調節比率決定関数は、基準第２特徴値でスケール調節比率が最小値をとり、基準第２特徴値を中心に第２特徴値の変化によって増加する谷型（ｖａｌｌｅｙ ｓｈａｐｅ）のグラフで表され、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和することが好ましい。
【0012】
前記スケール因子を決定する段階は、前記第１特徴値に対する個別スケール調節比率を算出する段階と、前記個別スケール調節比率の統計値に基づいてスケール調節比率を算出する段階と、算出されたスケール調節比率に基づいて基準スケール因子を調節して、前記スケール因子を決定する段階と、を含むことが好ましい。
前記生体情報を推定する段階は、前記第１特徴値を組み合わせて第３特徴値を算出する段階と、前記算出された第３特徴値と基準第３特徴値との差に、前記決定されたスケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定する段階と、を含むことが好ましい。
前記スケール因子を決定する段階は、前記第１特徴値が所定の閾値を超過するか否かを判断する段階と、前記判断の結果、前記第１特徴値が前記閾値を超過すれば、基準スケール因子を前記スケール因子として決定する段階と、を含むことが好ましい。
前記生体情報を推定する段階は、前記第１特徴値を組み合わせて第３特徴値を算出する段階と、前記算出された第３特徴値と基準第３特徴値との差に、前記決定されたスケール因子を乗算し、前記生体情報についてのオフセット値を加算して、前記生体情報を推定する段階と、を含むことが好ましい。
前記スケール因子を決定する段階は、前記第１特徴値が所定の閾値を超過するか否かを判断する段階と、前記判断の結果、前記第１特徴値が前記閾値を超過すれば、基準スケール因子を前記スケール因子として決定する段階と、を含むことが好ましい。
【発明の効果】
【0013】
本発明に係る生体情報推定装置及びその方法によれば、生体信号が不安定な状況で測定される場合にも、生体信号から抽出された特徴を適切にスケール変換することで、正確かつ安定した生体情報を推定することができるという効果がある。
【図面の簡単な説明】
【0014】
【図1】本発明の一実施形態による生体情報推定装置の概略構成の一例を示すブロック図である。
【図2】生体信号の例示図である。
【図3】本発明の一実施形態によるスケール因子調節を説明するためのグラフである。
【図4】本発明の一実施形態による第２特徴値を算出する一例を説明するためのグラフである。
【図5】本発明の一実施形態によるスケール調節比率算出の一例を説明するためのグラフ群である。
【図6】本発明の一実施形態によるスケール調節比率算出の他の例を説明するためのグラフ群である。
【図7】本発明の一実施形態による生体情報推定装置の概略構成の他の例を示すブロック図である。
【図8】本発明の一実施形態による生体情報推定方法の一例を説明するためのフローチャートである。
【図9】本発明の一実施形態による生体情報推定方法の他の例を説明するためのフローチャートである。
【発明を実施するための形態】
【0015】
次に、本発明に係る生体情報推定装置及びその方法を実施するための形態の具体例を図面を参照しながら説明する。
【0016】
各図面の構成要素に参照符号を付け加えるに当って、同じ構成要素に対しては、たとえ他の図面上に表示されていても、可能な限り同じ符号を有させることに留意しなければならない。
また、本発明を説明するに当って、関連した公知の機能又は構成についての具体的な説明が、本発明の要旨を不明にする恐れがあると判断される場合には、その詳細な説明を省略する。
また、各段階において、各段階は、文脈上、明白に特定の順序を記載していない以上、明記された順序と異なって起こりうる。すなわち、各段階は、明記された順序と同様に行われ、実質的に同時に行われることもあり、逆順にも行われる。
また、本発明を説明するに当って、関連した公知の機能又は構成についての具体的な説明が、本発明の要旨を不明にする恐れがあると判断される場合には、その詳細な説明を省略する。
また、各段階において、各段階は、文脈上、明白に特定の順序を記載していない以上、明記された順序と異なって起こりうる。すなわち、各段階は、明記された順序と同様に行われ、実質的に同時に行われることもあり、逆順にも行われる。
【0017】
後述する用語は、本発明での機能を考慮して定義された用語であって、これは、ユーザ、運用者の意図又は慣例などによって変わりうる。したがって、その定義は、本明細書の全般に亘った内容に基づいて下されなければならない。
本明細書において、単数の表現は、文脈上、取り立てて明示しない限り、複数の表現を含み、「含む」又は「有する」などの用語は、明細書上に記載の特徴、数字、段階、動作、構成要素、部品又はこれらを組み合わせたものが存在するということを指定しようとするものであって、１つ又はそれ以上の他の特徴や数字、段階、動作、構成要素、部品又はこれらを組み合わせたものの存在又は付加可能性をあらかじめ排除しないものと理解しなければならない。
本明細書において、単数の表現は、文脈上、取り立てて明示しない限り、複数の表現を含み、「含む」又は「有する」などの用語は、明細書上に記載の特徴、数字、段階、動作、構成要素、部品又はこれらを組み合わせたものが存在するということを指定しようとするものであって、１つ又はそれ以上の他の特徴や数字、段階、動作、構成要素、部品又はこれらを組み合わせたものの存在又は付加可能性をあらかじめ排除しないものと理解しなければならない。
【0018】
図１は、本発明の一実施形態による生体情報推定装置の概略構成の一例を示すブロック図であり、図２は、生体信号の例示図である。
生体情報推定装置１００は、生体信号を取得して、生体信号から特徴を抽出し、抽出された特徴から生体情報を推定する。
生体情報推定装置１００は、生体信号を取得して、生体信号から特徴を抽出し、抽出された特徴から生体情報を推定する。
【0019】
一例として、生体情報推定装置１００は、図２に示した進行波及び反射波（点線）との重畳で構成された光電容積脈波（ｐｈｏｔｏ ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ：ＰＰＧ）（実線）から第１特徴を抽出し、これに適切なスケール因子（ｓｃａｌｅ ｆａｃｔｏｒ）を乗算した後に、安定状態の血圧値のようなオフセット値を加算して、血圧を推定する。
ここで、第１特徴は、心拍出量と関連した特徴（ｆ１＿ｃｏ）、総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）、及びこれらの組合わせなどを含み、この際の組み合わせは、心拍出量と関連した特徴（ｆ１＿ｃｏ）と総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）との和／差／積／商などを含み、和／差／積／商などに実数をさらに加算するか、差し引くことを含みうる。
ここで、第１特徴は、心拍出量と関連した特徴（ｆ１＿ｃｏ）、総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）、及びこれらの組合わせなどを含み、この際の組み合わせは、心拍出量と関連した特徴（ｆ１＿ｃｏ）と総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）との和／差／積／商などを含み、和／差／積／商などに実数をさらに加算するか、差し引くことを含みうる。
【0020】
心拍出量は、心臓が単位時間の間に拍出する血液の量であり、総末梢抵抗は、体動脈が体動脈の血流に提供する全体抵抗である。
例えば、心拍出量と関連した特徴（ｆ１＿ｃｏ）及び総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）は、ＰＰＧ信号から少なくとも１つの特徴点（例えば、ＰＰＧ信号のピーク点、進行波及び反射波のそれぞれのピーク点など）を抽出し、抽出された少なくとも１つの特徴点の時間及び／又は大きさを抽出し、少なくとも１つの特徴点の時間及び／又は大きさを線形に、又は非線形に組み合わせることで取得することができる。
しかし、これに限定されるものではない。
例えば、心拍出量と関連した特徴（ｆ１＿ｃｏ）及び総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）は、ＰＰＧ信号から少なくとも１つの特徴点（例えば、ＰＰＧ信号のピーク点、進行波及び反射波のそれぞれのピーク点など）を抽出し、抽出された少なくとも１つの特徴点の時間及び／又は大きさを抽出し、少なくとも１つの特徴点の時間及び／又は大きさを線形に、又は非線形に組み合わせることで取得することができる。
しかし、これに限定されるものではない。
【0021】
ＰＰＧ信号のパルス幅に基づいたドップラー超音波、胸部インピーダンス、パルス輪郭分析又は多重線形回帰分析を用いて、心拍出量と関連した特徴（ｆ１＿ｃｏ）及び総末梢抵抗と関連した特徴（ｆ１＿ＴＰＲ）を抽出することができる。
この際、生体情報推定装置１００は、抽出された第１特徴の変化量に基づいて適応的（ａｄａｐｔｉｖｅ）スケール因子を算出して、安定して生体情報を推定することができる。
生体情報推定装置１００は、抽出された第１特徴に基づいてスケール調節のためのスケール調節比率を算出し、スケール調節比率で基準スケール因子を調節することにより、第１特徴値の変化量に適応的にスケール因子を決定することができる。
この際、生体情報推定装置１００は、抽出された第１特徴の変化量に基づいて適応的（ａｄａｐｔｉｖｅ）スケール因子を算出して、安定して生体情報を推定することができる。
生体情報推定装置１００は、抽出された第１特徴に基づいてスケール調節のためのスケール調節比率を算出し、スケール調節比率で基準スケール因子を調節することにより、第１特徴値の変化量に適応的にスケール因子を決定することができる。
【0022】
例えば、基準スケール因子は、所定の値を有し、スケール調節比率は、「０」よりも大きく、「１」以下の値を有しうる。
抽出された第１特徴が所定の閾値よりも大きければ、基準スケール因子を調整せず、その基準スケール因子を用いて生体情報を推定できるようにスケール調節比率を「１」に設定することができる。
抽出された第１特徴が所定の閾値以下であれば、スケール調節比率は、「０」と「１」との間の値を有し、基準スケール因子は、スケール調節比率の値によってダウンスケーリングされる。
このように、生体情報推定装置１００は、適応的にスケール因子を決定することにより、動雑音などによって不安定な生体信号が取得される場合のように生体信号推定環境が良好ではない場合にも、安定して生体情報を推定することができる。
抽出された第１特徴が所定の閾値よりも大きければ、基準スケール因子を調整せず、その基準スケール因子を用いて生体情報を推定できるようにスケール調節比率を「１」に設定することができる。
抽出された第１特徴が所定の閾値以下であれば、スケール調節比率は、「０」と「１」との間の値を有し、基準スケール因子は、スケール調節比率の値によってダウンスケーリングされる。
このように、生体情報推定装置１００は、適応的にスケール因子を決定することにより、動雑音などによって不安定な生体信号が取得される場合のように生体信号推定環境が良好ではない場合にも、安定して生体情報を推定することができる。
【0023】
図３は、スケール因子調節を説明するためのグラフである。
図３を参照すると、生体信号から抽出された特徴（例えば、ｆ１＿ｃｏ、ｆ１＿ＴＰＲ）の変化量が恒常性保持領域に含まれる場合、線形変化領域に含まれる場合、及び非線形飽和領域に含まれる場合、生体信号から抽出された特徴の変化による生体情報の変化形状（ｓｈａｐｅ）は、異なって表れることを示す。
図３を参照すると、生体信号から抽出された特徴（例えば、ｆ１＿ｃｏ、ｆ１＿ＴＰＲ）の変化量が恒常性保持領域に含まれる場合、線形変化領域に含まれる場合、及び非線形飽和領域に含まれる場合、生体信号から抽出された特徴の変化による生体情報の変化形状（ｓｈａｐｅ）は、異なって表れることを示す。
【0024】
例えば、恒常性保持領域では、人体の恒常性（ｈｏｍｏｅｏｓｔａｓｉｓ）保持特性によって生体信号の特徴変化に比べて、生体情報の変化量が低く表われ、線形変化領域では、生体信号の特徴変化に対して生体情報が一定の相関関係を有しながら変わり、非線形飽和領域では、生体信号の特徴変化に対して生体情報が非線形又は特定の相関関係を有さない不規則な形態に変化する。
これにより、生体情報推定装置１００は、生体信号から抽出した第１特徴値又は第１特徴値の変化量が恒常性保持領域、線形変化領域、及び非線形飽和領域の内の何れか領域に属するか否かを判断し、この判断の結果に基づいてスケール因子を調節することにより、安定的であり、正確に生体情報を推定することができる。
これにより、生体情報推定装置１００は、生体信号から抽出した第１特徴値又は第１特徴値の変化量が恒常性保持領域、線形変化領域、及び非線形飽和領域の内の何れか領域に属するか否かを判断し、この判断の結果に基づいてスケール因子を調節することにより、安定的であり、正確に生体情報を推定することができる。
【0025】
より具体的には、生体情報推定装置１００は、第１特徴値の変化が生体信号の変化よりも大きければ、第１特徴値が恒常性保持領域に属すると判断し、第１特徴の変化と生体信号の変化との相関関係が所定の相関値よりも大きければ、第１特徴値は、線形変化領域に属すると判断し、第１特徴の変化と生体信号の変化との相関関係が所定の相関値よりも小さければ、第１特徴値は、非線形飽和領域に属すると判断することができる。
例えば、生体情報推定装置１００は、第１特徴値が恒常性保持領域に含まれれば、恒常性保持特性を考慮してスケール因子を減少させることにより、第１特徴値の変化が生体情報の変化に及ぼす影響を減少させることができる。
例えば、生体情報推定装置１００は、第１特徴値が恒常性保持領域に含まれれば、恒常性保持特性を考慮してスケール因子を減少させることにより、第１特徴値の変化が生体情報の変化に及ぼす影響を減少させることができる。
【0026】
他の例として、生体情報推定装置１００は、第１特徴値が線形変化領域に含まれれば、スケール因子を所定の基準スケール因子として決定することにより、第１特徴値の変化を生体情報にそのまま反映させることができる。
さらに他の例として、生体情報推定装置１００は、第１特徴値が非線形飽和領域に含まれれば、第１特徴値の変化が生体情報の変化を反映できるように非線形関数又は機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）を通じてあらかじめ生成された生体情報推定モデルに第１特徴値を適用してスケール因子を調節することができる。
さらに他の例として、生体情報推定装置１００は、第１特徴値が非線形飽和領域に含まれれば、第１特徴値の変化が生体情報の変化を反映できるように非線形関数又は機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）を通じてあらかじめ生成された生体情報推定モデルに第１特徴値を適用してスケール因子を調節することができる。
【0027】
このように、生体情報推定装置１００は、生体信号から抽出された特徴の変化によってスケール因子を調節することにより、生体情報推定に影響を及ぼす程度の特徴変化は、そのまま収容して生体情報推定に反映し、生体情報推定に影響を及ぼさない程度の特徴変化は、適応的に減少させて、不要な動雑音によるエラーを減少させ、生体信号の不安定な測定状態でも安定して生体情報を推定することができる。
【0028】
以下、説明の便宜上、生体信号に基づいて血圧を推定する実施形態を中心に説明するが、これに制限されるものではなく、生体情報は、血圧、脈拍、酸素飽和度、ストレス指数、血糖、中性脂肪、及びケラチンなどを含みうる。
再び、図１を参照して、生体情報推定装置１００の生体情報推定に関して詳しく説明する。
再び、図１を参照して、生体情報推定装置１００の生体情報推定に関して詳しく説明する。
【0029】
図１を参照すれば、生体情報推定装置１００は、生体信号取得部１１０及びプロセッサ１２０を含む。
ここで、プロセッサ１２０は、１つ以上のプロセッサ、メモリ、及びこれらの組み合わせで構成することができる。
生体信号取得部１１０は、ユーザの生体信号を取得する。
ここで、生体信号は、心電図（ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ：ＥＣＧ）、光電容積脈波（ＰＰＧ）、筋電図（ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ：ＥＭＧ）、心弾動図（ｂａｌｌｉｓｔｏｃａｒｄｉｏｇｒａｍ：ＢＣＧ）、心拍出量（Ｃａｒｄｉａｃ ｏｕｔｐｕｔ：ＣＯ）、総末梢血管抵抗（Ｔｏｔａｌ ｐｅｒｉｐｈｅｒａｌ ｒｅｓｉｓｔａｎｔ：ＴＰＲ）及び心音（ｈｅａｒｔ ｓｏｕｎｄ）などを含みうる。
ここで、プロセッサ１２０は、１つ以上のプロセッサ、メモリ、及びこれらの組み合わせで構成することができる。
生体信号取得部１１０は、ユーザの生体信号を取得する。
ここで、生体信号は、心電図（ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ：ＥＣＧ）、光電容積脈波（ＰＰＧ）、筋電図（ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ：ＥＭＧ）、心弾動図（ｂａｌｌｉｓｔｏｃａｒｄｉｏｇｒａｍ：ＢＣＧ）、心拍出量（Ｃａｒｄｉａｃ ｏｕｔｐｕｔ：ＣＯ）、総末梢血管抵抗（Ｔｏｔａｌ ｐｅｒｉｐｈｅｒａｌ ｒｅｓｉｓｔａｎｔ：ＴＰＲ）及び心音（ｈｅａｒｔ ｓｏｕｎｄ）などを含みうる。
【0030】
例えば、生体信号取得部１１０は、生体信号測定のための１つ以上の電極、ＰＰＧセンサー、ＥＣＧセンサー、圧力センサー、光源、及び検出器を含んだ光検出モジュールの内の少なくとも１つを含むセンサーを含み、センサーを通じてユーザと直接インターフェースされて生体信号を取得することができる。
また、生体信号取得部１１０は、外部装置と通信を行って外部装置からユーザの生体信号データを受信する通信部を含みうる。
また、生体信号取得部１１０は、外部装置と通信を行って外部装置からユーザの生体信号データを受信する通信部を含みうる。
【0031】
例えば、生体信号取得部１１０は、ブルートゥース（登録商標）通信、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）通信、近距離無線通信（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ、ＮＦＣ）、ＷＬＡＮ通信、ジグビー（Ｚｉｇｂｅｅ）通信、赤外線（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ：ＩｒＤＡ）通信、ＷＦＤ（Ｗｉ－Ｆｉ Ｄｉｒｅｃｔ）通信、ＵＷＢ（ｕｌｔｒａ－ｗｉｄｅｂａｎｄ）通信、Ａｎｔ＋通信、Ｗｉ－Ｆｉ通信、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）通信などを通じて外部装置からユーザの生体信号データを受信することができる。
一方、外部装置は、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどを含みうる。
しかし、外部装置は、上述した例に制限されず、ユーザの生体信号データを保存する多様なデバイスを含みうる。
一方、外部装置は、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどを含みうる。
しかし、外部装置は、上述した例に制限されず、ユーザの生体信号データを保存する多様なデバイスを含みうる。
【0032】
プロセッサ１２０は、取得した生体信号から複数の第１特徴値の内の１つ以上の第１特徴値（ｆ１）を抽出する。
第１特徴値は、生体信号から抽出され、推定しようとする生体情報と一定の相関関係を有する特徴の値を意味する。
第１特徴値は、１つ以上抽出され、例えば、生体情報推定装置１００を使用して血圧を推定する場合、第１特徴は、心臓が１分間拍出する血液量に該当する心拍出量と関連した特徴（ｆ１＿ｃｏ）、総末梢血管抵抗と関連した特徴（ｆ１＿ＴＰＲ）、及びこれらの組み合わせなどを含みうる。
第１特徴は、推定しようとする生体情報の種類によって変わりうる。
プロセッサ１２０は、生体信号から第１特徴値が抽出されれば、第１特徴値を変換する。
第１特徴値は、生体信号から抽出され、推定しようとする生体情報と一定の相関関係を有する特徴の値を意味する。
第１特徴値は、１つ以上抽出され、例えば、生体情報推定装置１００を使用して血圧を推定する場合、第１特徴は、心臓が１分間拍出する血液量に該当する心拍出量と関連した特徴（ｆ１＿ｃｏ）、総末梢血管抵抗と関連した特徴（ｆ１＿ＴＰＲ）、及びこれらの組み合わせなどを含みうる。
第１特徴は、推定しようとする生体情報の種類によって変わりうる。
プロセッサ１２０は、生体信号から第１特徴値が抽出されれば、第１特徴値を変換する。
【0033】
例えば、生体信号から抽出された第１特徴値を基準状態で抽出された基準第１特徴値（例えば、ｆ１＿ｃｏ＿ｒｅｆ、ｆ１＿ＴＰＲ＿ｒｅｆなど）で割る（例えば、ｆ１＿ｃｏ＿ｎｏｒｍ＝ｆ１＿ｃｏ／ｆ１＿ｃｏ＿ｒｅｆ、ｆ１＿ＴＰＲ＿ｎｏｒｍ＝ｆ１＿ＴＰＲ／ｆ１＿ＴＰＲ＿ｒｅｆなど）ことにより、抽出した第１特徴値を正規化（ｎｏｒｍａｌｉｚａｔｉｏｎ）することができる。
この際、基準状態は、人が運動や睡眠中ではない休息状態であって、例えば、安定的脈拍、呼吸を保持する状態又は外部の血圧測定装置を通じて測定された血圧が大きな変動なしに保持される状態を意味する。
基準状態は、被検体が運動せず、目覚めていて、休みの間に被検体から測定されうる。
この際、基準状態は、人が運動や睡眠中ではない休息状態であって、例えば、安定的脈拍、呼吸を保持する状態又は外部の血圧測定装置を通じて測定された血圧が大きな変動なしに保持される状態を意味する。
基準状態は、被検体が運動せず、目覚めていて、休みの間に被検体から測定されうる。
【0034】
また、後述する基準第２特徴値及び基準第３特徴値は、基準状態で抽出された基準第１特徴値に基づいて算出された第２特徴値及び第３特徴値を意味する。
以下、第１特徴値は、基準第１特徴値を使用して正規化された第１特徴値を意味する。
以下、第１特徴値は、基準第１特徴値を使用して正規化された第１特徴値を意味する。
【0035】
プロセッサ１２０は、抽出した第１特徴値に基づいてスケール因子を決定する。
スケール因子は、生体情報を推定するために抽出した第１特徴値のスケールを調節するための係数であり、これに制限されず、後述するように、生体情報推定のために、第１特徴値に基づいて算出された第３特徴値のスケールを調節するための係数でもあり得る。
例えば、プロセッサ１２０は、第１特徴値を組み合わせて第２特徴値（ｆｓｃ）を算出し、第２特徴値に基づいてスケール調節比率（ｓｃａｌｅ ｃｏｎｔｒｏｌ ｒａｔｉｏ）を算出することができる。
ここで、第２特徴値は、スケール調節比率を決定するための特徴値を意味し、プロセッサ１２０は、第１特徴値の個別変化量又は結合変化量を組み合わせて第２特徴値を算出することができる。
スケール因子は、生体情報を推定するために抽出した第１特徴値のスケールを調節するための係数であり、これに制限されず、後述するように、生体情報推定のために、第１特徴値に基づいて算出された第３特徴値のスケールを調節するための係数でもあり得る。
例えば、プロセッサ１２０は、第１特徴値を組み合わせて第２特徴値（ｆｓｃ）を算出し、第２特徴値に基づいてスケール調節比率（ｓｃａｌｅ ｃｏｎｔｒｏｌ ｒａｔｉｏ）を算出することができる。
ここで、第２特徴値は、スケール調節比率を決定するための特徴値を意味し、プロセッサ１２０は、第１特徴値の個別変化量又は結合変化量を組み合わせて第２特徴値を算出することができる。
【0036】
図４は、本発明の一実施形態による第２特徴値を算出する一例を説明するためのグラフである。
図１及び図４を参照すると、図４は、経時的な第１特徴値（ｆ１ａ、ｆ１ｂ）の変化量を示す。
この際、プロセッサ１２０は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）を中心に第１特徴値の変化量を算出する。
図１及び図４を参照すると、図４は、経時的な第１特徴値（ｆ１ａ、ｆ１ｂ）の変化量を示す。
この際、プロセッサ１２０は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）を中心に第１特徴値の変化量を算出する。
【0037】
プロセッサ１２０は、第１特徴値が１つ以上算出されれば、第１特徴値の個別及び／又は結合変化量を使用して第２特徴値を算出する。
この際、結合変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）の線形結合（例えば、ｆ１ａ、ｆ１ｂの和、差、積、及びこれらの結合など）値が基準第２特徴値（ｆｓｃ＿ｒｅｆ）と表わす差を意味し、個別変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）のそれぞれが基準第２特徴値と有する差を意味する。
この際、結合変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）の線形結合（例えば、ｆ１ａ、ｆ１ｂの和、差、積、及びこれらの結合など）値が基準第２特徴値（ｆｓｃ＿ｒｅｆ）と表わす差を意味し、個別変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）のそれぞれが基準第２特徴値と有する差を意味する。
【0038】
例えば、下記の示す数式１は、第１特徴値（ｆ１ａ、ｆ１ｂ）の結合変化量を使用して第２特徴値（ｆｓｃ）を算出する一例である。
（数１）
ｆｓｃ＝ｆ１ａ＋ｆ１ｂ－ｆｓｃ＿ｒｅｆ ・・・数式１
（数１）
ｆｓｃ＝ｆ１ａ＋ｆ１ｂ－ｆｓｃ＿ｒｅｆ ・・・数式１
【0039】
また、下記の示す数式２は、第１特徴値（ｆ１ａ、ｆ１ｂ）の個別変化量を使用して第２特徴値（ｆｓｃ）を算出する他の例である。
（数２）
ｆｓｃ＝｜ｆ１ａ－ｆｓｃ＿ｒｅｆ｜＋｜ｆ１ｂ－ｆｓｃ＿ｒｅｆ｜＋ｆｓｃ＿ｒｅｆ ・・・数式２
（数２）
ｆｓｃ＝｜ｆ１ａ－ｆｓｃ＿ｒｅｆ｜＋｜ｆ１ｂ－ｆｓｃ＿ｒｅｆ｜＋ｆｓｃ＿ｒｅｆ ・・・数式２
【0040】
また、下記の示す数式３は、第１特徴値（ｆ１ａ、ｆ１ｂ）の結合変化量及び個別変化量を複合使用して第２特徴値（ｆｓｃ）を算出する他の例である。
（数３）
ｆｓｃ＝（ｆ１ａ＋ｆ１ｂ＋｜ｆ１ａ－ｆｓｃ＿ｒｅｆ｜＋｜ｆ１ｂ－ｆｓｃ＿ｒｅｆ｜）／２
・・・数式３
（数３）
ｆｓｃ＝（ｆ１ａ＋ｆ１ｂ＋｜ｆ１ａ－ｆｓｃ＿ｒｅｆ｜＋｜ｆ１ｂ－ｆｓｃ＿ｒｅｆ｜）／２
・・・数式３
【0041】
このように、プロセッサ１２０は、第１特徴値を結合及び／又は個別的に使用してスケール調節比率決定のための第２特徴値を算出することができる。
【0042】
さらに他の例として、プロセッサ１２０は、抽出した第１特徴値の内から、他の特徴値に比べて推定しようとする生体情報とより高い相関関係を有する第１特徴値に加重値を付与して第２特徴値を算出し、これは、下記の示す数式４で表される。
（数４）
ｆｓｃ＝α＊ｆ１ａ＋β＊ｆ１ｂ－ｆｓｃ＿ｒｅｆ ・・・数式４
ここで、α及びβは、第１特徴値（ｆ１ａ、ｆ１ｂ）にそれぞれ適用される加重値を示す。
第１特徴値（ｆ１ａ）と生体情報との相関関係が第１特徴値（ｆ１ｂ）と生体情報との相関関係よりも大きければ、αは、βよりも大きな値を有しうる。
（数４）
ｆｓｃ＝α＊ｆ１ａ＋β＊ｆ１ｂ－ｆｓｃ＿ｒｅｆ ・・・数式４
ここで、α及びβは、第１特徴値（ｆ１ａ、ｆ１ｂ）にそれぞれ適用される加重値を示す。
第１特徴値（ｆ１ａ）と生体情報との相関関係が第１特徴値（ｆ１ｂ）と生体情報との相関関係よりも大きければ、αは、βよりも大きな値を有しうる。
【0043】
しかしながら、数式１～数式４は、第２特徴値を算出する一例を説明するためのものであって、これに制限されず、スケール調節比率決定のための第２特徴値は、第１特徴値の多様な組み合わせによって決定されうる。
【0044】
第２特徴値が算出されれば、プロセッサ１２０は、第２特徴値に基づいてスケール調節比率を算出して、算出されたスケール調節比率で基準スケール因子を調節することにより、スケール因子を決定する。
プロセッサ１２０は、算出された第２特徴値の大きさに基づいて第１特徴値の変化が恒常性保持領域、線形変化領域、又は非線形飽和領域の内の何れの領域に含まれるか否かを判断して、スケール調節比率を算出する。
プロセッサ１２０は、算出された第２特徴値の大きさに基づいて第１特徴値の変化が恒常性保持領域、線形変化領域、又は非線形飽和領域の内の何れの領域に含まれるか否かを判断して、スケール調節比率を算出する。
【0045】
一例として、プロセッサ１２０は、算出された第２特徴値が、恒常性保持領域に含まれる場合、スケール調節比率を「１」以下に算出して基準スケール因子を減少させて、減少した基準スケール因子をスケール因子として決定して、生体信号の変化が生体情報の変化に及ぼす影響を減少させる。
他の例として、プロセッサ１２０は、算出された第２特徴値が、線形変化領域に含まれる場合、スケール調節比率を「１」に決定することにより、所定の基準スケール因子をスケール因子として決定する。それを通じて、プロセッサ１２０は、所定の基準スケール因子をスケール因子として使用して第１特徴値の変化を所定の比率どおりに生体情報変化に反映することができる。
他の例として、プロセッサ１２０は、算出された第２特徴値が、線形変化領域に含まれる場合、スケール調節比率を「１」に決定することにより、所定の基準スケール因子をスケール因子として決定する。それを通じて、プロセッサ１２０は、所定の基準スケール因子をスケール因子として使用して第１特徴値の変化を所定の比率どおりに生体情報変化に反映することができる。
【0046】
さらに他の例として、プロセッサ１２０は、第２特徴値が、非線形飽和領域に含まれる場合、第１特徴値の変化が生体情報の変化を反映できるように非線形関数又は機械学習を通じてあらかじめ生成されたスケール調節比率推定モデルに第２特徴値を適用して、基準スケール因子調節のためのスケール調節比率を決定する。
このように、プロセッサ１２０は、算出されたスケール調節比率に基づいて基準スケール因子を調節して生体情報推定のためのスケール因子を適応的に調節して生体情報を推定することができる。
このように、プロセッサ１２０は、算出されたスケール調節比率に基づいて基準スケール因子を調節して生体情報推定のためのスケール因子を適応的に調節して生体情報を推定することができる。
【0047】
プロセッサ１２０は、第２特徴値をスケール調節比率決定関数（ρｓｃ）に適用して第２特徴値の大きさによるスケール調節比率を算出する。
図５は、本発明の一実施形態によるスケール調節比率算出の一例を説明するためのグラフ群である。
図５を参照すると、スケール調節比率決定関数（ρｓｃ（ｆｓｃ））は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）でスケール調節比率が最小（ρｍｉｎ）であり、基準第２特徴値を中心に第２特徴値の変化によって増加するが、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和する谷型形状（ｖａｌｌｅｙ ｓｈａｐｅ）であり得る。
図５は、本発明の一実施形態によるスケール調節比率算出の一例を説明するためのグラフ群である。
図５を参照すると、スケール調節比率決定関数（ρｓｃ（ｆｓｃ））は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）でスケール調節比率が最小（ρｍｉｎ）であり、基準第２特徴値を中心に第２特徴値の変化によって増加するが、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和する谷型形状（ｖａｌｌｅｙ ｓｈａｐｅ）であり得る。
【0048】
ここで、閾値範囲（ｔｈｒｅｓｈｏｌｄ ｒａｎｇｅ）は、第２特徴値の底点（μｌｏｗ）から高点（μｈｉｇｈ）の間を意味し、言い換えれば、閾値範囲は、第１特徴値が恒常性保持領域で変化する場合であって、スケール調節比率が適応的に変化する領域を意味する。
すなわち、第２特徴値（ｆｓｃ）が閾値範囲内で変化する場合、スケール調節比率は、基準第２特徴値を中心に両方向に増加する態様を示す。
このように、スケール調節比率が、基準第２特徴値（ｆｓｃ＿ｒｅｆ）で最も小さな値（ρｍｉｎ）を有するので、基準状態のような安定的状態で生体信号特徴の変化は、生体情報の推定に及ぼす影響は少なく、基準状態を外れるほど生体情報推定のためのスケール調節比率が増加するので、生体信号の大きさが大きくなるほど生体情報の推定に次第に高い比率で影響を及ぼす。
以後、第２特徴値（ｆｓｃ）が連続的に変化して閾値範囲を外れる場合、スケール調節比率（ρｓｃ（ｆｓｃ））は、所定のスケール調節比率（例えば、「１」）で飽和して、プロセッサ１２０は、所定の基準スケール因子をそのままスケール因子として決定する。
すなわち、第２特徴値（ｆｓｃ）が閾値範囲内で変化する場合、スケール調節比率は、基準第２特徴値を中心に両方向に増加する態様を示す。
このように、スケール調節比率が、基準第２特徴値（ｆｓｃ＿ｒｅｆ）で最も小さな値（ρｍｉｎ）を有するので、基準状態のような安定的状態で生体信号特徴の変化は、生体情報の推定に及ぼす影響は少なく、基準状態を外れるほど生体情報推定のためのスケール調節比率が増加するので、生体信号の大きさが大きくなるほど生体情報の推定に次第に高い比率で影響を及ぼす。
以後、第２特徴値（ｆｓｃ）が連続的に変化して閾値範囲を外れる場合、スケール調節比率（ρｓｃ（ｆｓｃ））は、所定のスケール調節比率（例えば、「１」）で飽和して、プロセッサ１２０は、所定の基準スケール因子をそのままスケール因子として決定する。
【0049】
再び図５を参照すると、スケール調節比率決定関数（ａ）及び（ｂ）は、閾値領域内で基準第２特徴値を基準に線形（ｌｉｎｅａｒ）的に変化する。
但し、スケール調節比率決定関数（ａ）は、スケール調節比率決定関数（ｂ）で見られるように、スケール調節比率決定関数は、第２特徴値の底点（μｌｏｗ）から高点（μｈｉｇｈ）の設定によって、その傾きが互いに異なって生成されうる。
但し、スケール調節比率決定関数（ａ）は、スケール調節比率決定関数（ｂ）で見られるように、スケール調節比率決定関数は、第２特徴値の底点（μｌｏｗ）から高点（μｈｉｇｈ）の設定によって、その傾きが互いに異なって生成されうる。
【0050】
また、スケール調節比率決定関数（ｃ）は、閾値領域内でｎ次累乗関数（例えば、２次関数など）、スケール調節比率決定関数（ｄ）は、閾値領域内で三角関数（例えば、コサイン関数など）の形態で生成されうる。
但し、スケール調節比率決定関数の閾値領域内でグラフの形態は、生体信号及び推定しようとする生体情報によって変わり、機械学習又は生体信号と生体情報との相関関係に基づいてあらかじめ生成された推定モデルに基づいてあらかじめ生成されうる。
また、これに制限されず、プロセッサ１２０は、ユーザの生体信号を周期的に取得し、スケール調節比率決定関数の生成のための学習モデルからスケール調節比率決定関数を直接生成することができる。
但し、スケール調節比率決定関数の閾値領域内でグラフの形態は、生体信号及び推定しようとする生体情報によって変わり、機械学習又は生体信号と生体情報との相関関係に基づいてあらかじめ生成された推定モデルに基づいてあらかじめ生成されうる。
また、これに制限されず、プロセッサ１２０は、ユーザの生体信号を周期的に取得し、スケール調節比率決定関数の生成のための学習モデルからスケール調節比率決定関数を直接生成することができる。
【0051】
一方、プロセッサ１２０は、第１特徴値に対する個別スケール調節比率を算出し、個別スケール調節比率の統計値に基づいてスケール調節比率を算出することができる。
【0052】
図６は、本発明の一実施形態によるスケール調節比率算出の他の例を説明するためのグラフ群である。
図１及び図６を参照すると、プロセッサ１２０は、第１特徴値のそれぞれに対するスケール調節比率決定関数に基づいて第１特徴値のそれぞれに対する個別スケール調節比率を算出する。
例えば、プロセッサ１２０は、第１特徴値を組み合わせて第２特徴値を生成する代わりに、第１特徴値（ｆ１ａ、ｆ１ｂ、ｆ１ｃ）を抽出すると、各第１特徴値に対するスケール調節比率関数（ρ１（ｆ１ａ）、ρ２（ｆ１ｂ）、ρ３（ｆ１ｃ））を用いて個別スケール調節比率（ρ１、ρ２、ρ３）を算出し、これらの統計値をスケール調節比率として使用してもよい。
図１及び図６を参照すると、プロセッサ１２０は、第１特徴値のそれぞれに対するスケール調節比率決定関数に基づいて第１特徴値のそれぞれに対する個別スケール調節比率を算出する。
例えば、プロセッサ１２０は、第１特徴値を組み合わせて第２特徴値を生成する代わりに、第１特徴値（ｆ１ａ、ｆ１ｂ、ｆ１ｃ）を抽出すると、各第１特徴値に対するスケール調節比率関数（ρ１（ｆ１ａ）、ρ２（ｆ１ｂ）、ρ３（ｆ１ｃ））を用いて個別スケール調節比率（ρ１、ρ２、ρ３）を算出し、これらの統計値をスケール調節比率として使用してもよい。
【0053】
例えば、プロセッサ１２０は、個別スケール調節比率の平均（例えば、ρ＝（ρ１＋ρ２＋ρ３）／３）をスケール調節比率で算出し、抽出された第１特徴値の内から推定しようとする生体情報とより大きな相関関係を有する特徴に関しては加重値を付与し、これらの平均値（例：ρ＝（α＊ρ１＋β＊ρ２＋γ＊ρ３）／３）をスケール調節比率で算出する。
但し、これに制限されず、プロセッサ１２０は、個別スケール調節比率の最大値、最小値及び中間値のように、これらの統計値をスケール調節比率で算出することができる。
一方、プロセッサ１２０は、第１特徴値が所定の閾値を超過する場合、基準スケール因子をスケール因子として決定する。
但し、これに制限されず、プロセッサ１２０は、個別スケール調節比率の最大値、最小値及び中間値のように、これらの統計値をスケール調節比率で算出することができる。
一方、プロセッサ１２０は、第１特徴値が所定の閾値を超過する場合、基準スケール因子をスケール因子として決定する。
【0054】
例えば、プロセッサ１２０は、第１特徴値が所定の閾値を超過するか否かを判断する。
一例として、プロセッサ１２０は、抽出された第１特徴値をスケールの比率調節関数に定められた底点（μｌｏｗ）又は高点（μｈｉｇｈ）と比較して、第１特徴値が所定の底点（μｌｏｗ）未満であるか、所定の高点（μｈｉｇｈ）を超過するか否かを判断する。
すなわち、プロセッサ１２０は、第１特徴値を所定の閾値と比較し、この比較の結果、第１特徴値が閾値を超過すれば、生体信号の変化が恒常性保持領域を外れて線形変化領域に入ったと判断して、基準スケール因子をスケール調節因子として決定する。
また、プロセッサ１２０は、第１特徴値を所定の閾値未満であれば、生体信号の変化が恒常性保持領域にあると判断して、スケール調節比率を算出し、算出されたスケール調節比率で基準スケール因子を調節する。
このように、プロセッサ１２０は、第１特徴値が既定の閾値を超過するか否かを判断し、閾値を超過する場合、スケール調節比率を算出する過程を省略することにより、生体情報を正確かつ迅速に推定することができる。
一例として、プロセッサ１２０は、抽出された第１特徴値をスケールの比率調節関数に定められた底点（μｌｏｗ）又は高点（μｈｉｇｈ）と比較して、第１特徴値が所定の底点（μｌｏｗ）未満であるか、所定の高点（μｈｉｇｈ）を超過するか否かを判断する。
すなわち、プロセッサ１２０は、第１特徴値を所定の閾値と比較し、この比較の結果、第１特徴値が閾値を超過すれば、生体信号の変化が恒常性保持領域を外れて線形変化領域に入ったと判断して、基準スケール因子をスケール調節因子として決定する。
また、プロセッサ１２０は、第１特徴値を所定の閾値未満であれば、生体信号の変化が恒常性保持領域にあると判断して、スケール調節比率を算出し、算出されたスケール調節比率で基準スケール因子を調節する。
このように、プロセッサ１２０は、第１特徴値が既定の閾値を超過するか否かを判断し、閾値を超過する場合、スケール調節比率を算出する過程を省略することにより、生体情報を正確かつ迅速に推定することができる。
【0055】
プロセッサ１２０は、第１特徴値を組み合わせて第３特徴値（ｆｅｓｔ）を算出し、算出された第３特徴値及び決定されたスケール因子に基づいて生体情報を推定することができる。
例えば、プロセッサ１２０は、第３特徴値が算出されれば、下記の示す数式５のような生体情報推定モデルを通じて生体情報を推定することができる。
（数５）
ＢＩｅｓｔ＝ＳＦ＊（ｆｅｓｔ－ｆｅｓｔ＿ｒｅｆ）＋ＢＩｏｆｆｓｅｔ ・・・数式５
ここで、ＢＩは推定対象生体情報（ｂｉｏ ｉｎｆｏｒｍａｔｉｏｎ）であり、ＳＦはスケール因子、ｆｅｓｔ＿ｒｅｆは基準第３特徴値、ＢＩｏｆｆｓｅｔは推定対象生体情報についてのオフセット値を意味する。
例えば、プロセッサ１２０は、第３特徴値が算出されれば、下記の示す数式５のような生体情報推定モデルを通じて生体情報を推定することができる。
（数５）
ＢＩｅｓｔ＝ＳＦ＊（ｆｅｓｔ－ｆｅｓｔ＿ｒｅｆ）＋ＢＩｏｆｆｓｅｔ ・・・数式５
ここで、ＢＩは推定対象生体情報（ｂｉｏ ｉｎｆｏｒｍａｔｉｏｎ）であり、ＳＦはスケール因子、ｆｅｓｔ＿ｒｅｆは基準第３特徴値、ＢＩｏｆｆｓｅｔは推定対象生体情報についてのオフセット値を意味する。
【0056】
ＢＩｏｆｆｓｅｔは、基準状態で推定された生体情報を意味し、外部の生体情報測定装置から測定された基準値であって、推定対象生体情報によって異なる値を有しうる。
すなわち、プロセッサ１２０は、第３特徴値が算出されれば、第３特徴値と基準第３特徴値との差に、決定されたスケール因子を乗算し、生体情報についてのオフセット値を加算することにより、生体情報を推定することができる。
この際、第２特徴値と第３特徴値は、第１特徴値の互いに異なる組み合わせによって算出される。
すなわち、プロセッサ１２０は、第３特徴値が算出されれば、第３特徴値と基準第３特徴値との差に、決定されたスケール因子を乗算し、生体情報についてのオフセット値を加算することにより、生体情報を推定することができる。
この際、第２特徴値と第３特徴値は、第１特徴値の互いに異なる組み合わせによって算出される。
【0057】
例えば、第２特徴値と第３特徴値は、第１特徴値の組み合わせによって算出されるが、第２特徴値を構成する第１特徴値の組み合わせ方法と第３特徴値を構成する第１特徴値の組み合わせ方法は、互いに異なりうる。
但し、これに制限されず、第２特徴値と第３特徴値は、第１特徴値の同じ組み合わせでも算出され得る。
但し、これに制限されず、第２特徴値と第３特徴値は、第１特徴値の同じ組み合わせでも算出され得る。
【0058】
このように、生体情報推定装置１００は、第１特徴値のそれぞれに対する個別スケール調節比率及び／又は第２特徴値に基づいて算出されたスケール調節比率を使用して基準スケール因子を適応的に変更することにより、生体情報を安定して推定することができる。
【0059】
図７は、本発明の一実施形態による生体情報推定装置の概略構成の他の例を示すブロック図である。
図７を参照すると、生体情報推定装置７００は、生体信号取得部７１０、プロセッサ７２０、入力部７３０、保存部７４０、通信部７５０、及び出力部７６０を含む。
ここで、生体信号取得部７１０及びプロセッサ７２０は、図１を参照して説明した生体信号取得部１１０及びプロセッサ１２０と基本的に同じ機能を行うので、以下、重複しない構成を中心に説明する。
図７を参照すると、生体情報推定装置７００は、生体信号取得部７１０、プロセッサ７２０、入力部７３０、保存部７４０、通信部７５０、及び出力部７６０を含む。
ここで、生体信号取得部７１０及びプロセッサ７２０は、図１を参照して説明した生体信号取得部１１０及びプロセッサ１２０と基本的に同じ機能を行うので、以下、重複しない構成を中心に説明する。
【0060】
入力部７３０は、ユーザから多様な操作信号及び生体情報推定に必要なデータが入力される。
例えば、入力部７３０は、キーパッド（ｋｅｙ ｐａｄ）、ドームスイッチ（ｄｏｍｅ ｓｗｉｔｃｈ）、タッチパッド（ｔｏｕｃｈ ｐａｄ）（定圧／静電）、ジョグホイール（Ｊｏｇ ｗｈｅｅｌ）、ジョグスイッチ（Ｊｏｇ ｓｗｉｔｃｈ）、Ｈ／Ｗボタンなどを含みうる。
特に、タッチパッドがディスプレイと互いにレイヤ構造を成す場合、それをタッチスクリーンと呼ぶ。
例えば、入力部７３０は、ユーザに対する年齢、性別、体重、ＢＭＩ指数及び疾患履歴の内の１つ以上を含むユーザ特性情報、又は生体信号測定地点、生体信号及び生体情報の種類などが入力されうる。
例えば、入力部７３０は、キーパッド（ｋｅｙ ｐａｄ）、ドームスイッチ（ｄｏｍｅ ｓｗｉｔｃｈ）、タッチパッド（ｔｏｕｃｈ ｐａｄ）（定圧／静電）、ジョグホイール（Ｊｏｇ ｗｈｅｅｌ）、ジョグスイッチ（Ｊｏｇ ｓｗｉｔｃｈ）、Ｈ／Ｗボタンなどを含みうる。
特に、タッチパッドがディスプレイと互いにレイヤ構造を成す場合、それをタッチスクリーンと呼ぶ。
例えば、入力部７３０は、ユーザに対する年齢、性別、体重、ＢＭＩ指数及び疾患履歴の内の１つ以上を含むユーザ特性情報、又は生体信号測定地点、生体信号及び生体情報の種類などが入力されうる。
【0061】
保存部７４０は、生体情報推定装置７００の動作のためのプログラム又は命令を保存し、生体情報推定装置７００に入力／出力するデータを保存する。
一例として、保存部７４０は、入力部７３０を通じて入力されたユーザ情報、生体信号取得部７１０から取得された生体信号データ、抽出された第１特徴値、算出された第２特徴値及び第３特徴値、スケール因子、基準スケール因子、スケール調節比率、個別スケール調節比率、スケール調節比率決定関数、基準第１特徴値、基準第２特徴値、基準第３特徴値、及び生体情報推定モデルを保存することができる。
一例として、保存部７４０は、入力部７３０を通じて入力されたユーザ情報、生体信号取得部７１０から取得された生体信号データ、抽出された第１特徴値、算出された第２特徴値及び第３特徴値、スケール因子、基準スケール因子、スケール調節比率、個別スケール調節比率、スケール調節比率決定関数、基準第１特徴値、基準第２特徴値、基準第３特徴値、及び生体情報推定モデルを保存することができる。
【0062】
保存部７４０は、フラッシュメモリタイプ（ｆｌａｓｈ ｍｅｍｏｒｙ ｔｙｐｅ）、ハードディスクタイプ（ｈａｒｄ ｄｉｓｋ ｔｙｐｅ）、マルチメディアカードマイクロタイプ（ｍｕｌｔｉｍｅｄｉａ ｃａｒｄ ｍｉｃｒｏ ｔｙｐｅ）、カードタイプのメモリ（例えば、ＳＤ又はｘＤメモリなど）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、磁気メモリ、磁気ディスク、光ディスクなど少なくとも１つのタイプの記録媒体を含みうる。
また、生体情報推定装置７００は、インターネット上で保存部７４０の保存機能を行うウェブストレージ（ｗｅｂ ｓｔｏｒａｇｅ）など外部記録媒体を運用することもできる。
また、生体情報推定装置７００は、インターネット上で保存部７４０の保存機能を行うウェブストレージ（ｗｅｂ ｓｔｏｒａｇｅ）など外部記録媒体を運用することもできる。
【0063】
通信部７５０は、外部装置と通信を行う。
例えば、通信部７５０は、入力部７３０を通じてユーザから入力されたユーザ特性情報、生体信号取得部７１０を通じて生体信号、プロセッサ７２０の生体情報推定結果などを外部装置に伝送するか、外部装置からユーザ特性情報、生体信号及びスケール調節比率決定関数及び生体情報推定モデルなどの多様なデータを受信する。
この際、外部装置は、生体情報データベース（ＤＢ）及び／又は生体情報推定結果を使用する医療装置、結果物を出力するためのプリント、又は生体情報推定結果をディスプレイするディスプレイ装置であり得る。
例えば、通信部７５０は、入力部７３０を通じてユーザから入力されたユーザ特性情報、生体信号取得部７１０を通じて生体信号、プロセッサ７２０の生体情報推定結果などを外部装置に伝送するか、外部装置からユーザ特性情報、生体信号及びスケール調節比率決定関数及び生体情報推定モデルなどの多様なデータを受信する。
この際、外部装置は、生体情報データベース（ＤＢ）及び／又は生体情報推定結果を使用する医療装置、結果物を出力するためのプリント、又は生体情報推定結果をディスプレイするディスプレイ装置であり得る。
【0064】
それ以外にも、外部装置は、デジタルＴＶ、デスクトップコンピュータ、携帯電話、スマートフォン、タブレット、ノート型パソコン、ＰＤＡ、ＰＭＰ、ナビゲーション、ＭＰ３プレーヤー、デジタルカメラ、ウェアラブルデバイスなどであり得るが、これらに制限されるものではない。
通信部７５０は、ブルートゥース（登録商標）通信、ＢＬＥ通信、近距離無線通信（ＮＦＣ）、ＷＬＡＮ通信、ジグビー通信、赤外線（ＩｒＤＡ）通信、ＷＦＤ通信、ＵＷＢ通信、Ａｎｔ＋通信、Ｗｉ－Ｆｉ通信、ＲＦＩＤ通信、３Ｇ通信、４Ｇ通信、及び５Ｇ通信などを用いて外部装置と通信することができる。
しかし、これは、一例に過ぎず、これらに限定されるものではない。
通信部７５０は、ブルートゥース（登録商標）通信、ＢＬＥ通信、近距離無線通信（ＮＦＣ）、ＷＬＡＮ通信、ジグビー通信、赤外線（ＩｒＤＡ）通信、ＷＦＤ通信、ＵＷＢ通信、Ａｎｔ＋通信、Ｗｉ－Ｆｉ通信、ＲＦＩＤ通信、３Ｇ通信、４Ｇ通信、及び５Ｇ通信などを用いて外部装置と通信することができる。
しかし、これは、一例に過ぎず、これらに限定されるものではない。
【0065】
出力部７６０は、プロセッサ７２０の制御によって、生体信号、生体信号の特徴値、乗算係数比率調節因子、乗算係数比率及び推定された生体情報の内の少なくとも１つを出力することができる。
例えば、出力部７６０は、生体情報推定結果、生体信号の取得状態についての警告情報、推定された生体情報の信頼度の内の少なくとも１つ以上を聴覚的方法、視覚的方法及び触覚的方法の内の少なくとも１つの方法で出力することができる。
このために、出力部７６０は、ディスプレイ、スピーカー、振動機などを含みうる。
例えば、出力部７６０は、生体情報推定結果、生体信号の取得状態についての警告情報、推定された生体情報の信頼度の内の少なくとも１つ以上を聴覚的方法、視覚的方法及び触覚的方法の内の少なくとも１つの方法で出力することができる。
このために、出力部７６０は、ディスプレイ、スピーカー、振動機などを含みうる。
【0066】
例えば、プロセッサ７２０は、基準状態で生体信号を測定し、基準第１特徴値、基準第２特徴値、基準第３特徴値及び生体情報についてのオフセット値を算出するための生体信号測定ガイドを出力することができる。
また、プロセッサ７２０は、通信部７５０を通じて外部の生体信号データベース（ＤＢ）から新たな生体信号を受信することができる。
また、プロセッサ７２０は、通信部７５０を通じて外部の生体信号データベース（ＤＢ）から新たな生体信号を受信することができる。
【0067】
【0068】
生体情報推定装置７００は、生体信号を取得する（ステップＳ８１０）。
生体情報推定装置７００は、生体信号測定のための１つ以上の電極、ＰＰＧセンサー、ＥＣＧセンサー、圧力センサー、光源及び検出器を含んだ光検出モジュールの内の少なくとも１つを含むセンサーを含み、センサーを通じてユーザと直接インターフェースされて生体信号を取得する。
また、これに制限されず、生体情報推定装置７００は、外部装置と通信を行って外部装置からユーザの生体信号データを受信することができる。
生体情報推定装置７００は、生体信号測定のための１つ以上の電極、ＰＰＧセンサー、ＥＣＧセンサー、圧力センサー、光源及び検出器を含んだ光検出モジュールの内の少なくとも１つを含むセンサーを含み、センサーを通じてユーザと直接インターフェースされて生体信号を取得する。
また、これに制限されず、生体情報推定装置７００は、外部装置と通信を行って外部装置からユーザの生体信号データを受信することができる。
【0069】
生体信号を取得すると、生体情報推定装置７００は、取得された生体信号から１つ以上の第１特徴値（ｆ１）を抽出する（ステップＳ８２０）。
第１特徴値は、生体信号から抽出され、推定しようとする生体情報と一定の相関関係を有する特徴の値を意味し、推定しようとする生体情報の種類によって変わりうる。
生体情報推定装置７００は、生体信号から第１特徴値が抽出されれば、第１特徴値を変換する。
例えば、生体情報推定装置７００は、抽出された第１特徴値を基準状態で抽出された基準第１特徴値で割ることにより、第１特徴値を正規化する。
第１特徴値は、生体信号から抽出され、推定しようとする生体情報と一定の相関関係を有する特徴の値を意味し、推定しようとする生体情報の種類によって変わりうる。
生体情報推定装置７００は、生体信号から第１特徴値が抽出されれば、第１特徴値を変換する。
例えば、生体情報推定装置７００は、抽出された第１特徴値を基準状態で抽出された基準第１特徴値で割ることにより、第１特徴値を正規化する。
【0070】
一方、基準状態は、人が運動や睡眠中ではない休息状態、例えば、安定的脈拍、呼吸を保持する状態又は外部の血圧測定装置を通じて測定された血圧が大きな変動なしに保持される状態を意味する。
基準状態は、被検体が運動せず、目覚めていて、休みの間に被検体から測定されうる。
また、後述する基準第２特徴値及び基準第３特徴値は、基準状態で抽出された基準第１特徴値に基づいて算出された第２特徴値及び第３特徴値を意味する。
基準状態は、被検体が運動せず、目覚めていて、休みの間に被検体から測定されうる。
また、後述する基準第２特徴値及び基準第３特徴値は、基準状態で抽出された基準第１特徴値に基づいて算出された第２特徴値及び第３特徴値を意味する。
【0071】
次に、生体情報推定装置７００は、抽出された第１特徴値に基づいてスケール因子を決定する（ステップＳ８３０）。
ステップＳ８３０は、スケール調節比率を算出する第１段階と、デフォルトスケール因子にスケール調節比率を乗算する第２段階と、を含みうる。
例えば、生体情報推定装置７００は、デフォルトスケール因子をメモリに保存し、デフォルトスケール因子にスケール調節比率を乗算してデフォルトスケール因子を調整する。
「デフォルトスケール因子」は、「基準スケール因子」と呼ぶ。
生体情報推定装置７００は、第１特徴値を組み合わせて第２特徴値（ｆｓｃ）を算出し、第２特徴値に基づいてスケール調節比率を算出する。
ステップＳ８３０は、スケール調節比率を算出する第１段階と、デフォルトスケール因子にスケール調節比率を乗算する第２段階と、を含みうる。
例えば、生体情報推定装置７００は、デフォルトスケール因子をメモリに保存し、デフォルトスケール因子にスケール調節比率を乗算してデフォルトスケール因子を調整する。
「デフォルトスケール因子」は、「基準スケール因子」と呼ぶ。
生体情報推定装置７００は、第１特徴値を組み合わせて第２特徴値（ｆｓｃ）を算出し、第２特徴値に基づいてスケール調節比率を算出する。
【0072】
一例として、生体情報推定装置７００は、第１特徴値が１つ以上算出されれば、第１特徴値の個別及び／又は結合変化量を使用して第２特徴値を算出することができる。
この際、結合変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）の線形結合（例：ｆ１ａ、ｆ１ｂの和、差、積、及びこれらの結合など）値が第２特徴値（ｆｓｃ＿ｒｅｆ）と表わす差を意味し、個別変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）のそれぞれが基準第２特徴値と有する差を意味する。
また、生体情報推定装置７００は、抽出された第１特徴値のうちから、他の特徴値に比べて推定しようとする生体情報とより高い相関関係を有する第１特徴値に加重値を付与して第２特徴値を算出することができる。
このように、第２特徴値が算出されれば、生体情報推定装置７００は、第２特徴値に基づいてスケール調節比率を算出して、算出されたスケール調節比率で基準スケール因子を調節することにより、スケール因子を決定することができる。
この際、結合変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）の線形結合（例：ｆ１ａ、ｆ１ｂの和、差、積、及びこれらの結合など）値が第２特徴値（ｆｓｃ＿ｒｅｆ）と表わす差を意味し、個別変化量は、第１特徴値（ｆ１ａ、ｆ１ｂ）のそれぞれが基準第２特徴値と有する差を意味する。
また、生体情報推定装置７００は、抽出された第１特徴値のうちから、他の特徴値に比べて推定しようとする生体情報とより高い相関関係を有する第１特徴値に加重値を付与して第２特徴値を算出することができる。
このように、第２特徴値が算出されれば、生体情報推定装置７００は、第２特徴値に基づいてスケール調節比率を算出して、算出されたスケール調節比率で基準スケール因子を調節することにより、スケール因子を決定することができる。
【0073】
例えば、生体情報推定装置７００は、算出された第２特徴値をスケール調節比率決定関数に適用して、第２特徴値の大きさによるスケール調節比率を算出することができる。
ここで、スケール調節比率決定関数は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）でスケール調節比率が最小（ρｍｉｎ）であり、基準第２特徴値を中心に第２特徴値の変化によって増加するが、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和する谷型形状であり得る。
また、閾値範囲は、第２特徴値の底点（μｌｏｗ）から高点（μｈｉｇｈ）の間を意味し、言い換えれば、閾値範囲は、第１特徴値が恒常性保持領域で変化する場合であって、スケール調節比率が適応的に変化する領域を意味する。
すなわち、第２特徴値（ｆｓｃ）が閾値範囲内で変化する場合、スケール調節比率は、基準第２特徴値を中心に両方向に増加する態様を示す。
ここで、スケール調節比率決定関数は、基準第２特徴値（ｆｓｃ＿ｒｅｆ）でスケール調節比率が最小（ρｍｉｎ）であり、基準第２特徴値を中心に第２特徴値の変化によって増加するが、第２特徴値が閾値範囲を外れれば、所定のスケール調節比率で飽和する谷型形状であり得る。
また、閾値範囲は、第２特徴値の底点（μｌｏｗ）から高点（μｈｉｇｈ）の間を意味し、言い換えれば、閾値範囲は、第１特徴値が恒常性保持領域で変化する場合であって、スケール調節比率が適応的に変化する領域を意味する。
すなわち、第２特徴値（ｆｓｃ）が閾値範囲内で変化する場合、スケール調節比率は、基準第２特徴値を中心に両方向に増加する態様を示す。
【0074】
このように、スケール調節比率が基準第２特徴値で最も小さな値を有するので、基準状態のような安定的状態で生体信号特徴の変化は、生体情報の推定に及ぼす影響が少なく、基準状態を外れるほど生体情報推定のためのスケール調節比率が増加するので、生体信号の大きさが大きくなるほど生体情報の推定に次第に高い比率で影響を及ぼす。
以後、第２特徴値が連続的に変化して閾値範囲を外れる場合、スケール調節比率は、所定のスケール調節比率（例えば、「１」）で飽和して、生体情報推定装置７００は、所定の基準スケール因子をそのままスケール因子として決定する。
以後、第２特徴値が連続的に変化して閾値範囲を外れる場合、スケール調節比率は、所定のスケール調節比率（例えば、「１」）で飽和して、生体情報推定装置７００は、所定の基準スケール因子をそのままスケール因子として決定する。
【0075】
他の例として、生体情報推定装置７００は、第１特徴値のそれぞれに対するスケール調節比率決定関数に基づいて第１特徴値のそれぞれに対する個別スケール調節比率を算出することができる。
例えば、第１特徴値（ｆ１ａ、ｆ１ｂ、ｆ１ｃ）が抽出されると、生体情報推定装置７００は、第１特徴値を組み合わせて第２特徴値を生成する代わりに、各第１特徴値に対するスケール調節比率関数（ρ１（ｆ１ａ）、ρ２（ｆ１ｂ）、ρ３（ｆ１ｃ））から個別スケール調節比率（ρ１、ρ２、ρ３）を算出し、算出された個別スケール調節比率の統計値をスケール調節比率として使用することができる。
このように、スケール調節比率が算出されれば、生体情報推定装置７００は、算出されたスケール調節比率で基準スケール因子を調節することにより、スケール因子を決定することができる。
例えば、第１特徴値（ｆ１ａ、ｆ１ｂ、ｆ１ｃ）が抽出されると、生体情報推定装置７００は、第１特徴値を組み合わせて第２特徴値を生成する代わりに、各第１特徴値に対するスケール調節比率関数（ρ１（ｆ１ａ）、ρ２（ｆ１ｂ）、ρ３（ｆ１ｃ））から個別スケール調節比率（ρ１、ρ２、ρ３）を算出し、算出された個別スケール調節比率の統計値をスケール調節比率として使用することができる。
このように、スケール調節比率が算出されれば、生体情報推定装置７００は、算出されたスケール調節比率で基準スケール因子を調節することにより、スケール因子を決定することができる。
【0076】
次に、スケール因子が決定されれば、生体情報推定装置７００は、決定されたスケール因子と第１特徴値とに基づいて生体情報を推定する（ステップＳ８４０）。
ステップＳ８４０は、生体信号の特徴値（ｆｅｓｔ）で基準特徴値（ｆｅｓｔ＿ｒｅｆ）を減算して第１値を取得する第１段階と、第１値に調節されたスケール因子（ＳＦ）を乗算して第２値を取得する第２段階と、第２値にオフセット値（ＢＩｏｆｆｓｅｔ）を加算して推定された結果（ＢＩｅｓｔ）を取得する第３段階と、を含みうる。
ステップＳ８４０は、生体信号の特徴値（ｆｅｓｔ）で基準特徴値（ｆｅｓｔ＿ｒｅｆ）を減算して第１値を取得する第１段階と、第１値に調節されたスケール因子（ＳＦ）を乗算して第２値を取得する第２段階と、第２値にオフセット値（ＢＩｏｆｆｓｅｔ）を加算して推定された結果（ＢＩｅｓｔ）を取得する第３段階と、を含みうる。
【0077】
例えば、生体情報推定装置７００は、第１特徴値を組み合わせて第３特徴値（ｆｅｓｔ）を算出し、算出された第３特徴値及び決定されたスケール因子に基づいて生体情報を推定する。
生体情報推定装置７００は、第３特徴値が算出されれば、第３特徴値と基準第３特徴値との差に、決定されたスケール因子を乗算し、生体情報についてのオフセット値を加算することにより、生体情報を推定する。
生体情報推定装置７００は、第３特徴値が算出されれば、第３特徴値と基準第３特徴値との差に、決定されたスケール因子を乗算し、生体情報についてのオフセット値を加算することにより、生体情報を推定する。
【0078】
図９は、本発明の一実施形態による生体情報推定方法の他の例を説明するためのフローチャートである。
図９の生体信号を取得するステップ（Ｓ９１０）、取得した生体信号から１つ以上の第１特徴値を抽出するステップ（Ｓ９２０）、抽出された第１特徴値に基づいてスケール因子を決定するステップ（Ｓ９５０）及び決定されたスケール因子と第１特徴値とに基づいて生体情報を推定するステップ（Ｓ９６０）は、図８に示した生体信号を取得するステップ（Ｓ８１０）、取得した生体信号から１つ以上の第１特徴値を抽出するステップ（Ｓ８２０）、抽出された第１特徴値に基づいてスケール因子を決定するステップ（Ｓ８３０）及び決定されたスケール因子と第１特徴値とに基づいて生体情報を推定するステップ（Ｓ８４０）と基本的に同様に行われるので、以下、重複しない構成に関して説明する。
図９の生体信号を取得するステップ（Ｓ９１０）、取得した生体信号から１つ以上の第１特徴値を抽出するステップ（Ｓ９２０）、抽出された第１特徴値に基づいてスケール因子を決定するステップ（Ｓ９５０）及び決定されたスケール因子と第１特徴値とに基づいて生体情報を推定するステップ（Ｓ９６０）は、図８に示した生体信号を取得するステップ（Ｓ８１０）、取得した生体信号から１つ以上の第１特徴値を抽出するステップ（Ｓ８２０）、抽出された第１特徴値に基づいてスケール因子を決定するステップ（Ｓ８３０）及び決定されたスケール因子と第１特徴値とに基づいて生体情報を推定するステップ（Ｓ８４０）と基本的に同様に行われるので、以下、重複しない構成に関して説明する。
【0079】
生体情報推定装置７００は、生体信号を取得する（ステップＳ９１０）。
生体信号が取得すると、生体情報推定装置７００は。取得した生体信号から１つ以上の第１特徴値を抽出する（ステップＳ９２０）。
次に、生体情報推定装置７００は、第１特徴値が所定の閾値を超過するか否かを判断する（ステップＳ９３０）。
例えば、生体情報推定装置７００は、抽出された第１特徴値をスケールの比率調節関数に定められた底点（μｌｏｗ）又は高点（μｈｉｇｈ）と比較して、第１特徴値が所定の底点（μｌｏｗ）未満であるか、所定の高点（μｈｉｇｈ）を超過するか否かを判断する。
生体信号が取得すると、生体情報推定装置７００は。取得した生体信号から１つ以上の第１特徴値を抽出する（ステップＳ９２０）。
次に、生体情報推定装置７００は、第１特徴値が所定の閾値を超過するか否かを判断する（ステップＳ９３０）。
例えば、生体情報推定装置７００は、抽出された第１特徴値をスケールの比率調節関数に定められた底点（μｌｏｗ）又は高点（μｈｉｇｈ）と比較して、第１特徴値が所定の底点（μｌｏｗ）未満であるか、所定の高点（μｈｉｇｈ）を超過するか否かを判断する。
【0080】
上記判断の結果、第１特徴値が閾値を超過すれば、生体情報推定装置７００は、基準スケール因子をスケール因子として決定する（ステップＳ９４０）。
例えば、生体情報推定装置７００は、第１特徴値を所定の閾値と比較し、この比較の結果、第１特徴値が閾値を超過するとき、生体信号の変化が恒常性保持領域を外れて線形変化領域に入ったと判断して、基準スケール因子をスケール調節因子として決定する。
このように、生体情報推定装置７００は、第１特徴値が所定の閾値を超過するか否かを判断し、閾値を超過する場合、スケール調節比率を算出する過程を省略することにより、生体情報を正確かつ迅速に推定することができる。
例えば、生体情報推定装置７００は、第１特徴値を所定の閾値と比較し、この比較の結果、第１特徴値が閾値を超過するとき、生体信号の変化が恒常性保持領域を外れて線形変化領域に入ったと判断して、基準スケール因子をスケール調節因子として決定する。
このように、生体情報推定装置７００は、第１特徴値が所定の閾値を超過するか否かを判断し、閾値を超過する場合、スケール調節比率を算出する過程を省略することにより、生体情報を正確かつ迅速に推定することができる。
【0081】
また、生体情報推定装置７００は、第１特徴値が所定の閾値未満のとき、生体信号の変化が恒常性保持領域にあると判断して、抽出された第１特徴値に基づいてスケール因子を決定する（ステップＳ９５０）。
スケール因子が決定されると、生体情報推定装置７００は、決定されたスケール因子と第１特徴値とに基づいて生体情報を推定する（ステップＳ９６０）。
スケール因子が決定されると、生体情報推定装置７００は、決定されたスケール因子と第１特徴値とに基づいて生体情報を推定する（ステップＳ９６０）。
【0082】
本発明の実施形態は、コンピュータで読み取り可能な記録媒体にコンピュータで読み取り可能なコードとして具現することが可能である。
上述した方法のプログラムを具現するコード及びコードセグメントは、当該分野のコンピュータプログラマーによって容易に推論されうる。
コンピュータで読み取り可能な記録媒体は、コンピュータシステムによって読み取れるデータが保存されるあらゆる種類の記録装置を含みうる。
上述した方法のプログラムを具現するコード及びコードセグメントは、当該分野のコンピュータプログラマーによって容易に推論されうる。
コンピュータで読み取り可能な記録媒体は、コンピュータシステムによって読み取れるデータが保存されるあらゆる種類の記録装置を含みうる。
【0083】
コンピュータで読み取り可能な記録媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピーディスク（登録商標）、光ディスクなどを含みうる。
また、コンピュータで読み取り可能な記録媒体は、ネットワークで接続されたコンピュータシステムに分散されて、分散方式にてコンピュータで読み取り可能なコードとして作成されて実行可能である。
また、コンピュータで読み取り可能な記録媒体は、ネットワークで接続されたコンピュータシステムに分散されて、分散方式にてコンピュータで読み取り可能なコードとして作成されて実行可能である。
【0084】
尚、本発明は、上述の実施形態に限られるものではない。本発明の技術的範囲から逸脱しない範囲内で多様に変更実施することが可能である。
【産業上の利用可能性】
【0085】
本発明は、生体情報を取得する生体情報推定装置及び方法を含むすべての電子装置に好適に使用可能である。
【符号の説明】
【0086】
１００、７００ 生体情報推定装置
１１０、７１０ 生体信号取得部
１２０、７２０ プロセッサ
７３０ 入力部
７４０ 保存部
７５０ 通信部
７６０ 出力部
１１０、７１０ 生体信号取得部
１２０、７２０ プロセッサ
７３０ 入力部
７４０ 保存部
７５０ 通信部
７６０ 出力部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】