特許 7594514 分類システム、分類方法、及びプログラム

(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】2024-11-26

(45)【発行日】2024-12-04

(54)【発明の名称】分類システム、分類方法、及びプログラム

(51)【国際特許分類】

   A61B 5/02 20060101AFI20241127BHJP

   A61B 5/0245 20060101ALI20241127BHJP

【ＦＩ】

A61B5/02 310Z

A61B5/02 310B

A61B5/0245 200

【請求項の数】 7

(21)【出願番号】P 2021145621

(22)【出願日】2021-09-07

(65)【公開番号】P2023038746

(43)【公開日】2023-03-17

【審査請求日】2024-04-25

【早期審査対象出願】

(73)【特許権者】

【識別番号】306018376

【氏名又は名称】クラシエ株式会社

(74)【代理人】

【識別番号】100161207

【弁理士】

【氏名又は名称】西澤 和純

(74)【代理人】

【識別番号】100161506

【弁理士】

【氏名又は名称】川渕 健一

(74)【代理人】

【識別番号】100139686

【弁理士】

【氏名又は名称】鈴木 史朗

(74)【代理人】

【識別番号】100190355

【弁理士】

【氏名又は名称】田中 紀央

(72)【発明者】

【氏名】黄 子綾

【審査官】▲高▼木 尚哉

(56)【参考文献】

【文献】特開２０２０－０７４９４０（ＪＰ，Ａ）

【文献】中国特許出願公開第１０５４１１５４２（ＣＮ，Ａ）

【文献】特開２００９－１８３６０８（ＪＰ，Ａ）

【文献】国際公開第９４／０２２３６３（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／０２－５／０３

(57)【特許請求の範囲】

【請求項1】

脈波センサが内蔵されたウェアラブル端末に、互いに異なる圧力の大きさを表示させ、前記ウェアラブル端末を押さえつけることにより測定位置に互いに異なる大きさの圧力を印加させた状態で測定を行うように促すメッセージを表示させる測定支援部と、
前記測定支援部による前記メッセージの表示にしたがって、互いに異なる大きさの圧力を印加させた測定状態で測定された脈波データを取得する取得部と、
前記取得部によって取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、前記互いに異なる大きさの圧力を印加させたそれぞれの測定状態における前記脈波データの相違に基づいて前記脈波データを分類する第３分類、波形の特徴量に基づいて前記脈波データを分類する第４分類のそれぞれを行う分類部と、
前記分類部により分類された分類結果に基づいて前記脈波データのタイプを判定する判定部と、
を備える分類システム。

【請求項2】

前記測定支援部は、浮取、中取、及び沈取の別に応じた圧力を、前記互いに異なる圧力の大きさとして前記メッセージを表示させ、
前記取得部は、前記測定支援部による表示にしたがって、浮取、中取及び沈取のそれぞれに対応する測定状態で測定された前記脈波データを取得する、
請求項１に記載の分類システム。

【請求項3】

前記測定支援部は、寸、関、尺のそれぞれに対応する測定位置に前記脈波センサが触れるように前記ウェアラブル端末を装着して測定を行うように促す前記メッセージを表示させ、
前記取得部は、前記測定支援部による表示にしたがって、寸、関、尺のそれぞれに対応する測定位置で測定された前記脈波データを取得し、
前記分類部は、前記第４分類において、寸、関、尺のそれぞれに対応する部位で測定された前記脈波データにおける波形の特徴量に基づいて前記脈波データを分類する、
請求項１又は請求項２に記載の分類システム。

【請求項4】

前記分類部は、前記第４分類において、正規化した前記脈波データにおける波形の特徴量に基づいて前記脈波データを分類する、
請求項１から請求項３の何れか一項に記載の分類システム。

【請求項5】

学習用の前記脈波データにおける脈の波形から抽出した特徴量と、当該学習用の前記脈波データにおける前記第４分類の分類結果との対応関係を学習モデルに学習させることにより、前記脈波データにおける脈の波形の特徴量から前記第４分類の分類結果を予測する学習済モデルを生成する学習部、
を更に備え、
前記分類部は、前記学習済モデルを用いて前記第４分類を行う、
請求項１から請求項４のいずれか一項に記載の分類システム。

【請求項6】

コンピュータが行う分類方法であって、
測定支援部が、脈波センサが内蔵されたウェアラブル端末に、互いに異なる圧力の大きさを表示させ、前記ウェアラブル端末を押さえつけることにより測定位置に互いに異なる大きさの圧力を印加させた状態で測定を行うように促すメッセージを表示させ、
取得部が、前記測定支援部による前記メッセージの表示にしたがって、互いに異なる大きさの圧力を印加させた測定状態で測定された脈波データを取得し、
分類部が、前記取得部によって取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、前記互いに異なる大きさの圧力を印加させたそれぞれの測定状態における前記脈波データの相違に基づいて前記脈波データを分類する第３分類、波形の特徴量に基づいて前記脈波データを分類する第４分類のそれぞれを行い、
判定部が、前記分類部により分類された分類結果に基づいて前記脈波データのタイプを判定する、
分類方法。

【請求項7】

コンピュータに、
脈波センサが内蔵されたウェアラブル端末に、互いに異なる圧力の大きさを表示させ、前記ウェアラブル端末を押さえつけることにより測定位置に互いに異なる大きさの圧力を印加させた状態で測定を行うように促すメッセージを表示させ、
前記メッセージの表示にしたがって、互いに異なる大きさの圧力を印加させた測定状態で測定された脈波データを取得させ、
前記取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、前記互いに異なる大きさの圧力を印加させたそれぞれの測定状態における前記脈波データの相違に基づいて前記脈波データを分類する第３分類、及び波形の特徴量に基づいて前記脈波データを分類する第４分類を行わせ、
前記分類された分類結果に基づいて前記脈波データのタイプを判定させる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分類システム、分類方法、及びプログラムに関する。

【背景技術】

【0002】

東洋医学において、脈診が行われてきた。脈診では、専門医が患者の脈に触れて拍動の強さや早さ、硬さや太さ、浮き沈みなどを把握することにより疾病の状態が診察される。例えば、脈診では、複数種類（例えば２８種類）の脈象（脈のタイプ）の何れに患者の脈が該当するかが専門医により判断され、その判断結果に基づいて診察が行われる。このような脈診は、人の感覚で伝承されており、習得するまでに長い年月を必要とすることから、経験がない者にとって脈象を判断することが困難であった。特許文献１には、経験がない者であっても脈象を判断できるように、信号処理技術を用いて脈象を定量的に判定する技術が開示されている。

【0003】

一方、特許文献２には、光電式の脈拍測定装置が開示されている。光電式の脈拍測定装置は、光を人体に照射し、血液の脈動による吸光度の差を利用することで脈拍を測定している。このような光電式の脈拍測定装置は、現在、スマートウォッチ等のウェアラブル装置で広く利用されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１５－１６２６８号公報

【文献】特開平９－１２２０９０号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１では、血圧計のカフを腕に巻いて測定を行う。このためスマートウォッチ等のウェアラブル装置と比較して測定が煩わしいという問題があった。また、特許文献２の脈拍測定装置はコンパクトであるが、ウェアラブル装置に内蔵されて心拍数（脈拍数）や血中酸素飽和度（ＳｐＯ２）などを測定するに留まり、脈診の考え方に基づいて体調の状態を判断する脈拍測定装置としてはほとんど利用されてこなかった。

【0006】

本発明は、このような状況に鑑みてなされたもので、スマートウォッチ等のウェアラブル装置に利用されている汎用的な脈拍測定装置を用いて、東洋医学における脈診の考え方に基づいた脈の分類をすることができる分類システム、分類方法、及びプログラムを提供する。

【課題を解決するための手段】

【0007】

本発明の上述した課題を解決するために、本発明は、浮取、中取及び沈取のそれぞれに対応する測定状態で測定された脈波データを取得する取得部と、前記取得部によって取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、浮取、中取及び沈取のそれぞれの測定状態における脈波データの相違に基づいて前記脈波データを分類する第３分類、波形の特徴量に基づいて前記脈波データを分類する第４分類のそれぞれを行う分類部と、前記分類部により分類された分類結果に基づいて前記脈波データのタイプを判定する判定部と、を備える分類システムである。

【0008】

本発明は、コンピュータが行う分類方法であって、取得部が、浮取、中取及び沈取のそれぞれに対応する測定状態で測定された脈波データを取得し、分類部が、前記取得部によって取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、浮取、中取及び沈取のそれぞれの測定状態における脈波データの相違に基づいて前記脈波データを分類する第３分類、波形の特徴量に基づいて前記脈波データを分類する第４分類のそれぞれを行い、判定部が、前記分類部により分類された分類結果に基づいて前記脈波データのタイプを判定する、分類方法である。

【0009】

本発明は、コンピュータに、浮取、中取及び沈取のそれぞれに対応する測定状態で測定された脈波データを取得させ、前記取得された前記脈波データに、脈拍数に基づいて前記脈波データを分類する第１分類、脈拍時間のばらつき度合に基づいて前記脈波データを分類する第２分類、浮取、中取及び沈取のそれぞれの測定状態における脈波データの相違に基づいて前記脈波データを分類する第３分類、及び波形の特徴量に基づいて前記脈波データを分類する第４分類を行わせ、前記分類された分類結果に基づいて前記脈波データのタイプを判定させる、プログラムである。

【発明の効果】

【0010】

本発明によれば、スマートウォッチ等のウェアラブル装置に利用されている汎用的な脈拍測定装置を用いて、東洋医学における脈診の考え方に基づいた脈の分類をすることができる。

【図面の簡単な説明】

【0011】

【図1】実施形態に係る分類システム１の構成の例を示すブロック図である。

【図2】実施形態に係る測定端末１０の構成の例を示すブロック図である。

【図3】実施形態に係る分類サーバ２０の構成の例を示すブロック図である。

【図4】実施形態に係る脈波情報２２０の例を示す図である。

【図5】実施形態に係る脈象を説明する図である。

【図6】実施形態に係る脈象を説明する図である。

【図7】実施形態に係る脈象を説明する図である。

【図8】実施形態に係る脈象を説明する図である。

【図9】実施形態に係る脈波データの例を示す図である。

【図10】実施形態に係る脈象を説明する図である。

【図11】実施形態に係る分類サーバ２０が行う処理の流れを示すフローチャートである。

【図12】実施形態の変形例１に係る分類システム１の構成の例を示すブロック図である。

【図13】実施形態の変形例１に係る学習サーバ３０の構成の例を示すブロック図である。

【図14】実施形態の変形例１に係る分類システム１が行う処理の流れを示すシーケンス図である。

【発明を実施するための形態】

【0012】

以下、発明の実施形態について、図面を参照しながら説明する。

【0013】

〔分類システム１の概要〕
分類システム１の概要について説明する。本実施形態では、東洋医学の脈診の考え方に基づいてユーザの健康を支援するサービス（以下、健康支援サービスという）が分類システム１により提供される。健康支援サービスでは、脈診の考え方に基づいてユーザの脈象（脈のタイプ）が判定され、その判定結果や判定結果に基づく健康管理上のアドバイスなどがユーザに提供される。

【0014】

〔分類システム１の構成〕
分類システム１の構成について説明する。図１は、実施形態に係る分類システム１の構成の例を示すブロック図である。分類システム１は、例えば、測定端末１０と、分類サーバ２０とを備える。測定端末１０と分類サーバ２０とは、通信ネットワークＮＷを介して通信可能に接続される。

【0015】

測定端末１０はコンピュータである。例えば、測定端末１０は、例えば、ウェアラブル端末、スマートフォン、パーソナルコンピュータ、携帯電話、タブレット端末等である。測定端末１０には、例えば、健康支援サービスを提供するアプリケーションソフトウェア（以下、健康支援アプリという）がインストールされている。測定端末１０は、健康支援アプリを介してユーザの脈波を測定し、測定した脈波を示す情報（脈波データ）を、分類サーバ２０に送信する。

【0016】

例えば、図１に示すように、測定端末１０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信、或いは、ＵＳＢ（Universal Serial Bus）などを介して、脈波センサ１００と通信可能に接続される。

【0017】

脈波センサ１００は、ユーザの脈を測定する。脈波センサ１００は、少なくとも脈を測定することができれば任意のセンサであってよいが、例えば、光学式の光電式の脈拍測定装置である。脈波センサ１００は、脈を測定する測定位置に装着され、測定位置に光を照射する。ここでの測定位置は手首であり、より詳しくは、左右前腕の橈骨茎状突起内側で触れる橈骨動脈の拍動部位である。脈波センサ１００は、照射した光が測定位置を透過した光、或いは測定位置で反射した光を受光する。脈波センサ１００は、照射した光の一部が測定位置における血液の血流量に応じて吸収される性質を利用し、受光した光の光量と血流量との関係に基づいて脈拍を測定する。脈波センサ１００は、測定した脈拍を示す情報を脈波データとして測定端末１０に送信する。測定端末１０は、脈波センサ１００から脈波データを受信する。これにより、測定端末１０はユーザの脈波を測定する。

【0018】

なお、測定端末１０は、脈波センサ１００を内蔵し、脈波センサ１００によって測定された脈波データを、脈波センサ１００を介して取得することによってユーザの脈波を測定してもよい。

【0019】

分類サーバ２０はコンピュータである。例えば、分類サーバ２０は、クラウド装置、サーバ装置、パーソナルコンピュータ等である。分類サーバ２０は、例えば、健康支援サービスを提供する。例えば、分類サーバ２０は、ユーザの脈波データを測定端末１０から受信し、受信した脈波データにおける脈象を判定する。分類サーバ２０は、脈象を判定した判定結果を測定端末１０に送信する。

【0020】

分類サーバ２０は、脈波データを分類した分類結果に基づいて、脈象（脈波データのタイプ）を決定し、その結果を測定端末１０に送信する。この図の例では、ユーザの脈象が「洪脈」であると判定された場合における測定端末１０の表示例が示されている。

【0021】

〔測定端末１０の構成〕
測定端末１０の構成について説明する。図２は、実施形態に係る測定端末１０の構成の例を示すブロック図である。測定端末１０は、例えば、通信部１１と、記憶部１２と、制御部１３と、表示部１４と、入力部１５とを備える。

【0022】

通信部１１は、通信ネットワークＮＷを介して分類サーバ２０と通信を行う。また、通信部１１は、脈波センサ１００によって測定された脈波データを受信する。

【0023】

記憶部１２は、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＡＭ（Random Access read/write Memory）、ＲＯＭ（Read Only Memory）などの記憶媒体、あるいはこれらの組合せによって構成される。記憶部１２は、測定端末１０の各種処理を実行するためのプログラム、及び各種処理を行う際に利用される一時的なデータを記憶する。

【0024】

制御部１３は、測定端末１０がハードウェアとして備えるＣＰＵ（Central Processing Unit）にプログラムを実行させることによって実現される。制御部１３は、測定端末１０を統括的に制御する。制御部１３は、例えば、健康支援アプリに係るプログラムに応じて表示部１４及び入力部１５を制御する。

【0025】

制御部１３は、健康支援アプリのプログラムに応じた処理を実行する。制御部１３は、例えば、健康支援アプリのアイコンがタップ操作された場合に、健康支援アプリを起動させる。これにより、健康支援アプリへのログインが実行される。ログインが成功すると、例えば、表示部１４に、健康支援アプリの起動画像が表示される。

【0026】

制御部１３は、例えば、取得部１３０と、測定支援部１３１と、装置制御部１３２と、を備える。取得部１３０は、各種の情報を取得する。取得部１３０は、脈波センサ１００によって測定された脈波データを、通信部１１を介して取得する。また、例えば、取得部１３０は、ユーザのアプリ操作によって入力された情報を、入力部１５を介して取得する。

【0027】

測定支援部１３１は、脈を測定するユーザを支援する。一般に、脈診には様々な診断方法があるが、例えば、六部定位脈診では、両腕の橈骨動脈の拍動部位に沿った三つ測定位置（寸、関、尺という）、計六つの測定位置のそれぞれの脈を診ることが行われている。また、六部定位脈診では、浮取、中取、沈取のそれぞれの三つの測定状態にて脈を診ることが行われている。浮取は測定位置に指を軽くあてて脈を診ることである。沈取は力を入れて指を沈めて脈を診ることである。また、中取は、浮取と沈取のちょうど中間あたりの力で測定位置に指をあてて脈を診ることである。そして、両腕の寸、関、尺のそれぞれにおける、浮取、中取及び沈取のそれぞれの脈に基づいて総合的に脈象が判断される。

【0028】

本実施形態では、測定支援部１３１により、このような測定位置及び測定状態に従った測定が行われるように、ユーザを支援する。例えば、測定支援部１３１は、ガイダンス画像を表示部１４に表示させる。

【0029】

具体的に、左手の「寸」の測定位置における浮取を測定する場合、例えば、測定支援部１３１は、左手の寸の位置に印が付された測定位置を示す画像を表示部１４に表示する。そして、測定支援部１３１は、「左手の「寸」の浮取を測定します。画像を参考にして、左手の「寸」の位置に軽く脈波センサ１００が触れるように装着してください」などのメッセージを表示させる。測定支援部１３１は、脈波センサ１００に安定した波形が取得されている場合、「測定を開始します」などの測定開始メッセージを表示し、測定開始メッセージを表示させてから所定時間（例えば、１分間）経過後に「測定が終了しました」などの測定終了メッセージを表示する。

【0030】

或いは、右手の「尺」の測定位置における沈取を測定する場合、例えば、測定支援部１３１は、右手の尺の位置に印が付された測定位置を示す画像を表示部１４に表示する。そして、測定支援部１３１は、「右手の「尺」の沈取を測定します。画像を参考にして、右手の「尺」の位置に脈波センサ１００が触れるように装着して、脈波センサ１００を上から押さえつけてください」などのメッセージを表示させる。測定支援部１３１は、脈波センサ１００に安定した波形が取得されている場合、「測定を開始します」などの測定開始メッセージを表示し、測定開始メッセージを表示させてから所定時間（例えば、１分間）経過後に「測定が終了しました」などの測定終了メッセージを表示する。

【0031】

測定支援部１３１は、このようにして取得された脈波データを、その属性情報と共に、測定端末１０に送信する。ここでの属性情報は、脈波データに関する情報であって、（寸、関、尺などの別を示す）測定位置、（浮取、中取、及び沈取などの別を示す）測定状態等を示す情報である。また、属性情報として、測定時間、測定日時などを示す情報が含まれていてもよい。

【0032】

なお、脈診において、いくつかの測定位置及びいくつかの測定状態における測定が省略される場合がある。例えば、左手の脈のみが測定され、右手が省略される場合がある。このように測定位置や測定状態が省略された場合であっても、判定可能な脈象の数が減少する可能性はあるが、脈象を判定することが可能である。このような観点に基づいて、本実施形態では、ユーザの希望などに応じて、測定位置及び測定状態が選択されてもよい。この場合、測定された脈波データと、その属性情報に基づいて脈象が判定される。

【0033】

また、測定支援部１３１は、測定のタイミングをユーザに通知するようにしてもよい。測定支援部１３１は、例えば、アラームを鳴動させたり、「測定を行いましょう」などのメッセージを表示したりすることにより、測定のタイミングをユーザに通知する。測定支援部１３１は、例えば、ユーザが目覚めた直後の安静時、日中、就寝前など、一日に複数回、異なる時間帯のそれぞれの脈が測定されるようにする。

【0034】

装置制御部１３２は、測定端末１０を統括的に制御する。例えば、装置制御部１３２は、通信部１１が受信した脈波データを、取得部１３０に出力する。装置制御部１３２は、測定支援部１３１によって出力された脈波データとその属性情報を通信部１１に出力することによって、分類サーバ２０に送信する。

【0035】

表示部１４は、例えば、液晶ディスプレイなどの表示装置を含み、制御部１３の制御に応じて画像を表示する。入力部１５は、例えば、マウスやキーボード、タッチパネルなどの入力装置を含み、ユーザのアプリ操作によって入力された情報を、制御部１３に出力する。

【0036】

〔分類サーバ２０の構成〕
分類サーバ２０の構成について説明する。図３は、実施形態に係る分類サーバ２０の構成の例を示すブロック図である。分類サーバ２０は、例えば、通信部２１と、記憶部２２と、制御部２３とを備える。

【0037】

通信部２１は、通信ネットワークＮＷを介して測定端末１０と通信を行う。

【0038】

記憶部２２は、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＡＭ、ＲＯＭなどの記憶媒体、あるいはこれらの組合せによって構成される。記憶部２２は、分類サーバ２０の各種処理を実行するためのプログラム、及び各種処理を行う際に利用される一時的なデータを記憶する。

【0039】

制御部２３は、分類サーバ２０がハードウェアとして備えるＣＰＵにプログラムを実行させることによって実現される。制御部２３は、分類サーバ２０を統括的に制御する。

【0040】

制御部２３は、健康支援サービスの提供に応じた処理を実行する。制御部２３は、例えば、取得部２３０と、分類部２３１と、判定部２３２と、装置制御部２３３とを備える。取得部２３０は、測定端末１０から送信された脈波データを、通信部２１を介して取得し、取得した脈波データを、分類部２３１に出力する。

【0041】

分類部２３１は、脈波データを分類する。分類部２３１は、脈拍数、規則性、圧、波形のそれぞれの観点に基づいて脈波データを分類する。ここでの脈拍数は、所定の単位時間（例えば、１分間）に脈波データが脈動した回数である。規則性は、脈のリズムであり、１回の脈に要した時間（脈拍時間という）のばらつきの度合いである。圧は、浮取、中取及び沈取で脈波データが相違するか否かである。波形は、脈の強度の時系列変化である。分類部２３１は、分類結果を脈波情報２２０に記憶させる。分類部２３１が脈波データを分類する具体的な方法は後で詳しく説明する。

【0042】

判定部２３２は、分類部２３１により分類された分類結果に基づいて、脈象を判定する。判定部２３２は、判定した脈象を脈波情報２２０に記憶させる。判定部２３２が脈象を判定する具体的な方法は後で詳しく説明する。

【0043】

装置制御部２３３は、分類サーバ２０を統括的に制御する。例えば、装置制御部２３３は、通信部２１が受信した脈波データを、取得部２３０に出力する。装置制御部２３３は、判定部２３２によって判定された判定結果（脈象）、及びその判定結果に基づく健康管理上のアドバイスなどを測定端末１０に送信する。

【0044】

〔脈波情報２２０の構成〕
脈波情報２２０の構成について説明する。図４は、実施形態に係る脈波情報２２０の例を示す図である。脈波情報２２０は、例えば、脈ＩＤ、測定日時、測定位置、測定状態、ユーザＩＤ、分類結果、及び脈象などの各項目に対応する情報が記憶される。脈ＩＤは、脈波データを一意に識別する識別情報である。測定日時は、脈ＩＤにて識別される脈波データが測定された日時を示す情報である。

【0045】

測定位置は、脈ＩＤにて識別される脈波データが測定された測定位置（寸、関、尺など）を示す情報である。測定状態は、脈ＩＤにて識別される脈波データが測定された測定状態（浮取、中取、及び沈取など）を示す情報である。ユーザＩＤは、脈ＩＤにて識別される脈波データが測定されたユーザを識別する情報である。

【0046】

分類結果は、分類部２３１による分類結果を示す情報である。分類結果は、例えば、脈拍数、規則性、圧、波形などの項目に対応づけて示される。脈象は、判定部２３２による判定結果としての脈象を示す情報である。

【0047】

〔分類部２３１が脈波データを分類する方法〕
分類部２３１が脈波データを分類する方法について、図５から図９を用いて説明する。図５から図９は、脈診における脈象を説明する図である。

【0048】

図５には脈拍数による分類の例が示されている。図５に示すように、脈診では、脈が、脈拍数に基づいて、「遅脈」、「穏脈」、「数脈」、「疾脈」の４つの脈象に分類される。例えば、脈拍数が６０［回／分］以下の脈は「遅脈」に分類される。脈拍数が６５［回／分］程度の脈は「穏脈」に分類される。脈拍数が９０［回／分］以上の脈は「数脈」に分類される。脈拍数が１１０［回／分］以上の脈は「疾脈」に分類される。なお、脈拍数が６５程度～９０［回／分］未満の脈は、「中脈」として分類される。中脈は、基準とする脈であり、中脈の際に基づいて、ユーザの健康状態が判断される。

【0049】

分類部２３１は、脈波データ（図９参照）から脈拍数を算出する。例えば、分類部２３１は、所定の単位時間（例えば、１分間）に含まれる、脈波データのピーク（図９における点Ｐ２）の個数を、脈拍数とする。そして、分類部２３１は、算出した脈拍数に基づいて、図５に示す区分にしたがって、脈波データを分類する。ここで分類部２３１が行う分類は「第１分類」の一例である。

【0050】

図６には規則性による分類の例が示されている。図６に示すように、脈診では、脈が、規則性に基づいて、「促脈」、「結脈」、「代脈」の３つの脈象に分類される。例えば、脈拍数が９０［回／分］以上で不規則に欠落する脈は「促脈」に分類される。脈拍数が６０［回／分］以下で不規則に欠落する脈は「結脈」に分類される。また脈拍数によらず、規則的に欠落する脈は「代脈」に分類される。

【0051】

分類部２３１は、脈波データから規則性の指標として脈拍時間のばらつきを算出する。例えば、分類部２３１は、脈波データを周波数解析することにより、脈の周波数特性を算出する。分類部２３１は、脈の周波数特性のＳ／Ｎ比を算出する。ここでのＳ（シグナル）は、脈のリズムの主成分の大きさであり、具体的には周波数特性において最も周波数成分が大きい周波数の強度である。ここでのＮ（ノイズ）は、脈のリズムにおける主成分以外の成分の大きさであり、具体的には周波数特性において最も周波数成分が小さい周波数の強度である。そして、分類部２３１は、算出したＳ／Ｎ比に基づいて脈拍時間のばらつきを算出する。例えば、分類部２３１は、Ｓ／Ｎ比が所定の閾値以上である場合、ばらつきが少ない、つまり欠落がないと判定する。一方、分類部２３１は、Ｓ／Ｎ比が所定の閾値未満である場合、ばらつきが大きい、つまり欠落があると判定する。

【0052】

分類部２３１は、脈波データにおけるばらつきが大きいと判定した場合、欠落が不規則であるか規則的であるかを判定する。例えば、分類部２３１は、脈波データの周波数特性に基づいて、Ｓ２／Ｎ比を算出する。ここでのＳ２（第２シグナル）は、２番目に周波数成分が大きい周波数の強度である。例えば、分類部２３１は、Ｓ２／Ｎ比が所定の閾値以上である場合、欠落が規則的であると判定する。一方、分類部２３１は、Ｓ２／Ｎ比が所定の閾値未満である場合、欠落が不規則であると判定する。そして、分類部２３１は、図６に示す区分にしたがって、脈波データを分類する。ここで分類部２３１が行う分類は「第２分類」の一例である。

【0053】

図７には圧による分類の例が示されている。図７に示すように、脈診では、脈が、浮取と沈取とで相違するか否かに基づいて、「浮脈」、「沈脈」、「伏脈」、「虚脈」、「実脈」の５つの脈象に分類される。例えば、浮取で最も強度が大きく、中取、及び沈取で強度が小さくなる脈は「浮脈」に分類される。

【0054】

分類部２３１は、脈波データの属性情報から、浮取、中取及び沈取のそれぞれの測定状態で測定された脈波データを取得する。分類部２３１は、取得した脈波データの強度、例えば、脈波データにおける振幅（図９における、強度ＶＭとＶＳとの差分）を比較する。分類部２３１は、比較結果に基づいて、図７に示す区分に従った分類を行う。ここで分類部２３１が行う分類は「第３分類」の一例である。

【0055】

図８及び図９には波形による分類の例が示されている。図８に示すように、脈診では、脈の太さ、緊張、長さ、血流状態などに基づいて、「細脈」、「大脈」、「洪脈」、「弦脈」等、９つの脈象に分類される。図９には、脈波データが模式的に示されている。図９の横軸は時間、縦軸は脈の強度を示す。例えば、脈波データには、脈の開始点に相当する点Ｐ１、脈のピークに相当する点Ｐ２、及び脈の終了点に相当する点Ｐ３からなる時系列変化が繰り返し示されている。

【0056】

図８に示す脈の太さは、脈波データにおける振幅の大きさである。緊張は、脈波データにおける立上りの急峻さ（図９における、点Ｐ１から点Ｐ２までの強度の変化率）である。ここでの長さは、測定位置に応じた脈波データの相違である。血流状態は、脈波データにおける立上り、及び立下り（図９における、点Ｐ２から点Ｐ３まで）の時系列変化である。図８に示す血流状態は、点Ｐ２から点Ｐ３までの立下りの過程において、再度の立上り（図９における、破線の波形データの点Ｐ４から点Ｐ５）があるか否か、及び再度の立上りがある場合における、その時系列変化などである。

【0057】

分類部２３１は、脈波データの波形を抽出する。例えば、分類部２３１は、脈波データを、脈の周期（図９における時間ＴＳからＴＥまで）に相当する時間で正規化することにより脈波データの波形を抽出する。或いは、分類部２３１は、脈波データを、脈の振幅に相当する時間で正規化することにより脈波データの波形を抽出する。脈波データを正規化することにより、波形による分類を簡単にすることができる。

【0058】

例えば、分類部２３１は、振幅の大きさに基づいて、図７における脈の太さの区分にしたがった分類を行う。分類部２３１は、正規化した脈波データにおける立上りの急峻さに基づいて、図７における脈の緊張の区分にしたがった分類を行う。分類部２３１は、寸、関、尺などのそれぞれの測定位置に応じた脈波データを取得し、取得した脈波データの波形を比較することにより、図７における脈の長さの区分にしたがった分類を行う。分類部２３１は、正規化した脈波データにおける立上り及び立下りの変化率などの時系列変化に基づいて、図７における脈の血流状態の区分にしたがった分類を行う。ここで分類部２３１が行う分類は「第４分類」の一例である。

【0059】

〔判定部２３２が脈象を判定する方法〕
判定部２３２が脈象を判定する方法について説明する。判定部２３２は、分類部２３１の分類結果に基づいて、脈象を判定する。判定部２３２は、分類部２３１により脈拍数、規則性、圧、及び波形のそれぞれについて分類された結果、１つの脈波データが、１又は複数の脈象に分類される場合、その１又は複数の脈象を脈波データの脈象とする。或いは、判定部２３２は、脈拍数、規則性、圧、及び波形のそれぞれの分類結果に基づいて脈象が複合的に判定される場合には、その区分に応じて脈象を判定する。

【0060】

図１０は、複合的な分類の例が示されている。図１０に示すように、脈診では、例えば、脈拍数に基づいて数脈に分類され、波形に基づいて滑脈及び短脈に分類される脈が、「動脈」に分類される。判定部２３２は、分類部２３１による分類結果に基づいて、図１０に示すような区分にしたがって、脈象を判定する。

【0061】

〔分類サーバ２０が行う処理の流れ〕
分類サーバ２０が行う処理の流れを、図１１を用いて説明する。まず、分類サーバ２０は、脈波データを取得する（ステップＳ１０）。分類サーバ２０は、取得した脈波データを、その脈拍数に基づいて分類する（ステップＳ１１）。分類サーバ２０は、取得した脈波データを、その規則性に基づいて分類する（ステップＳ１２）。分類サーバ２０は、取得した脈波データを、その圧に基づいて分類する（ステップＳ１３）。分類サーバ２０は、取得した脈波データを、その波形に基づいて分類する（ステップＳ１４）。そして、分類サーバ２０は、ステップＳ１１～Ｓ１４で実施した分類の分類結果に基づいて、脈波データの脈象を判定する（ステップＳ１５）。

【0062】

以上説明したように、実施形態に係る分類システム１は、取得部２３０と、分類部２３１と、判定部２３２とを備える。取得部２３０は、浮取、中取及び沈取のそれぞれに対応する測定状態で測定された脈波データを取得する。分類部２３１は、取得部２３０によって取得された前記脈波データを分類する。分類部２３１は、脈拍数の代表値に基づいて前記脈波データを分類する第１分類を行う。分類部２３１は、脈拍数のばらつき度合に基づいて前記脈波データを分類する第２分類を行う。分類部２３１は、浮取、中取、及び沈取のそれぞれの状態における脈波データの相違に基づいて前記脈波データを分類する第３分類を行う。分類部２３１は、波形の特徴量に基づいて前記脈波データを分類する第４分類を行う。判定部２３２は、分類部２３１により分類された分類結果に基づいて脈象（脈波データのタイプ）を決定する。これにより、実施形態に係る分類システム１は、スマートウォッチ等のウェアラブル装置に利用されている汎用的な脈拍測定装置を用いて、東洋医学における脈診の考え方に基づいた脈の分類をすることができる。

【0063】

〔実施形態の変形例１〕
実施形態の変形例１について説明する。本変形例では、学習済モデルを用いて波形による分類を行う点において、上述した実施形態と相違する。学習済モデルは、波形と脈象との対応関係を学習したモデルである。学習済モデルを用いて波形による分類を行うことにより、波形に係る信号処理を省略し、分類サーバ２０の処理負荷を低減させることが可能となる。

【0064】

図１２は、実施形態の変形例１に係る分類システム１の構成の例を示すブロック図である。本変形例では、分類システム１は、学習サーバ３０を更に備える。学習サーバ３０は、コンピュータである。例えば学習サーバ３０は、クラウド装置、サーバ装置、パーソナルコンピュータ等である。学習サーバ３０は、学習済モデルを生成する。学習サーバ３０は、分類サーバ２０から、分類対象である脈波データを受信する。学習サーバ３０は、学習済モデルを用いて、分類対象である脈波データが該当する脈象を推定し、推定結果を分類サーバ２０に通知する。

【0065】

図１３は実施形態の変形例１に係る学習サーバ３０の構成の例を示すブロック図である。学習サーバ３０は、例えば、通信部３１と、記憶部３２と、制御部３３とを備える。

【0066】

通信部３１は、通信ネットワークＮＷを介して分類サーバ２０と通信を行う。記憶部３２は、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＡＭ、ＲＯＭなどの記憶媒体、あるいはこれらの組合せによって構成される。記憶部３２は、学習サーバ３０の各種処理を実行するためのプログラム、及び各種処理を行う際に利用される一時的なデータを記憶する。

【0067】

制御部３３は、学習サーバ３０がハードウェアとして備えるＣＰＵにプログラムを実行させることによって実現される。制御部３３は、学習サーバ３０を統括的に制御する。制御部３３は、例えば、取得部３３０と、学習部３３１と、推定部３３２と、装置制御部３３３とを備える。

【0068】

取得部３３０は、各種の情報を取得する。取得部３３０は、学習用の学習データセットを、通信部３１を介して取得する。学習用の学習データセットは、学習済モデルの生成に用いられるデータである。また、取得部３３０は、分類サーバ２０から送信された分類対象である脈波データを、通信部３１を介して取得する。

【0069】

学習部３３１は、学習済モデルを生成する。学習部３３１は、学習用の学習データセットを、取得部３３０を介して取得する。学習用の学習データセットは、学習用の脈波データ（入力データ）に、その学習用の脈波データの（出力データ）が対応付けられて組（セット）になった情報である。例えば、脈診を行うことができる専門医によって判断された結果を利用して、学習用の脈波データに、その脈象を設定することにより学習用の学習データセットが予め作成される。

【0070】

学習部３３１は、ＣＮＮ（Convolutional Neural Network）などの学習モデルに、学習データセットを用いた機械学習を実行することにより、学習済モデルを生成する。ここでの機械学習の方法は、例えば、教師有り学習である。

【0071】

学習部３３１は、学習モデルに、学習用のデータセットの入力データを入力する。学習部３３１は、入力データを入力させた場合に学習モデルから出力されるデータが、学習データセットの出力データに近づくように、学習モデルのパラメータ（重みＷ及びバイアス成分ｂなど）を調整する。これにより、学習部３３１は、学習モデルに、脈波データと、その波形による分類に基づく脈象との対応関係を学習させる。

【0072】

学習部３３１は、所定の終了条件を充足するまで繰り返し学習モデルを学習させる。ここでの終了条件は、例えば、学習モデルから出力されるデータと、学習用のデータセットの（出力データ）との誤差が所定の範囲内となるなどの条件である。学習部３３１は、所定の終了条件を充足するまで学習させた学習モデルを、学習済モデルとし、学習済モデルを示す情報を、学習済モデル３２０として記憶部３２に記憶させる。

【0073】

なお、学習モデルは、ＣＮＮに限定されることはない。学習モデルとして、例えば、決定木、階層ベイズ、ＳＶＭ（Support Vector Machine）などの手法が用いられてもよい。

【0074】

推定部３３２は、学習済モデル３２０を用いた推定を行う。推定部３３２は、分類対象である脈波データを、取得部３３０を介して取得する。推定部３３２は、取得した脈波データを学習済モデル３２０に入力する。これにより、学習済モデル３２０は、入力された脈波データを波形に基づいて分類した場合における脈象を推定した推定結果を出力する。推定部３３２は、学習済モデル３２０から出力された推定結果を取得する。これにより、推定部３３２は、学習済モデル３２０を用いた推定を行う。

【0075】

装置制御部３３３は、学習サーバ３０を統括的に制御する。例えば、装置制御部３３３は、通信部３１が受信した脈波データを、取得部３３０に出力する。装置制御部３３３は、推定部３３２によって推定された推定結果を分類サーバ２０に送信する。

【0076】

図１４は、実施形態の変形例１に係る分類システム１が行う処理の流れを示すシーケンス図である。図１４におけるステップＳ２０～Ｓ２３、及びＳ２８は、図１１におけるステップＳ１０～Ｓ１３、及びＳ１５と同様であるため、その説明を省略する。

【0077】

分類サーバ２０は、脈波データを学習サーバ３０に送信し、波形に基づく分類を行うように、学習サーバ３０に要求する（ステップＳ２４）。学習サーバ３０は、分類サーバ２０から送信された脈波データを取得し（ステップＳ２５）、学習済モデルを用いて、波形に基づく分類の分類結果（脈象）を推定する（ステップＳ２６）。学習サーバ３０は、推定結果を分類サーバ２０に送信する。これにより、分類サーバ２０は、学習サーバ３０から通知された推定結果を、脈波データを波形に基づいて分類した分類結果とする。

【0078】

なお、上記では、学習サーバ３０に学習済モデル３２０が記憶されているが、これに限定されない。分類サーバ２０に学習済モデル３２０を記憶させてもよい。この場合、分類サーバ２０は、学習サーバ３０にアクセスすることなく、自装置に保存された学習済モデル３２０を用いて脈象を推定することができる。

【0079】

以上説明したように、実施形態の変形例１に係る分類システム１は、学習部３３１を更に備える。学習部３３１は、学習済モデル３２０を生成する。学習済モデル３２０は、脈波データにおける波形による分類の分類結果を予測するモデルである。学習部３３１は、学習用の脈波データと当該学習用の脈波データにおける波形による分類の分類結果との対応関係を学習モデルに学習させることにより学習済モデルを生成する。分類部２３１は、学習済モデル３２０を用いて、脈波データにおける波形による分類を行う。これにより、実施形態の変形例１に係る分類システム１は、学習済モデルを用いて波形による分類を行うことができ、分類サーバ２０が波形に係る信号処理を実施する必要がない。このため、処理負荷を低減させることが可能となる。

【0080】

なお、上記では、脈波データを学習済モデルに入力することにより、その脈波データにおける波形による分類を行う場合を例示したが、これに限定されない。脈波データから抽出される特徴量を学習済モデルに入力することにより、その脈波データにおける波形による分類を行うようにしてもよい。この場合における特徴量とは、例えば、脈波データを正規化したデータ、脈波データにおける最大値、最小値、傾きの最大値や最小値などを示す情報である。この場合、学習済モデルは、学習用の脈波データから抽出した特徴量と、その学習用の脈波データにおける脈象との対応関係を学習したモデルとなる。このように、脈波データから抽出した特徴量を用いることにより、脈波データそのものより、学習済モデルに入力するデータ容量を少なくすることが可能である。

【0081】

また、上述の分類システム１、測定端末１０、分類サーバ２０、及び学習サーバ３０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【符号の説明】

【0082】

１…分類システム
１０…測定端末
１３１…測定支援部
２０…分類サーバ
２３０…取得部
２３１…分類部
２３２…判定部
２３３…装置制御部
３０…学習サーバ
３２０…学習済モデル

【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】