| 【発明の名称】 |
消化器系活性モニタ |
| 【発明者】 |
【氏名】山田 訓
【氏名】中島 道夫
【氏名】柳浦 真美子
【氏名】渡邊 彰
|
| 【要約】 |
【課題】消化器系の蠕動音を記録し、外部雑音のない蠕動音を検出し、蠕動音の発生場所を推定して、消化器系の活性をモニタする消化器系活性モニタを得る。
【解決手段】マイク付き聴診器で記録した信号をフーリエ変換し、スペクトルに基づき蠕動音を検出し、外部マイクのスペクトルを参照して外部雑音を除去し、大まかな変化を独立成分解析して、蠕動音の発生場所を推定することにより、消化器系の活性をモニタする構成にした。 |
【特許請求の範囲】
【請求項１】 身体表面から消化器系の蠕動音をとらえるセンサと、蠕動音の信号を解析処理して蠕動音の発生を検出する蠕動音検出器とを備え、蠕動音から消化器系の状態を推定する消化器系活性モニタ。
【請求項２】 前記センサとして、マイク付き聴診器を用いることを特徴とする請求項１記載の消化器系活性モニタ。
【請求項３】 前記検出器として記録された信号のスペクトル中に蠕動音に特徴的なスペクトルが含まれることを規準として蠕動音を検出する検出器を用いることを特徴とする請求項２記載の消化器系活性モニタ。
【請求項４】 前記検出器として、外部マイクで記録した外部音の信号に基づきマイク付き聴診器で記録した信号に混入してくる外部雑音を除去する機能を持つ検出器を用いることを特徴とする請求項３記載の消化器系活性モニタ。
【請求項５】 前記外部雑音除去法として、マイク付き聴診器で記録した信号のスペクトルの外部雑音のピーク領域を変更した後、逆変換して外部音を除去した信号を得る検出器を用いることを特徴とする請求項４記載の消化器系活性モニタ。
【請求項６】 前記外部雑音除去法として、外部マイクで記録した信号をフィルタリングし、マイク付き聴診器で記録した信号から、減算することによって外部雑音を除去することを特徴とする請求項４記載の消化器系活性モニタ。
【請求項７】 前記センサとして複数のセンサを備え、複数のセンサ信号を比較することにより、蠕動音の発生場所を推定する機能を持つ検出器を備えることを特徴とする請求項３記載の消化器系活性モニタ。
【請求項８】 前記蠕動音の発生場所を推定する方法として、独立成分解析法を用いることを特徴とする請求項７記載の消化器系活性モニタ。
【請求項９】 前記蠕動音の発生場所を推定する独立成分解析法において、センサで記録したデータそのままではなく、大まかな変化を示す値を独立成分解析法の入力データとして用いて解析することを特徴とする請求項８記載の消化器系活性モニタ。
【請求項１０】 前記蠕動音の発生場所を推定する方法として、各センサで記録された信号の大きさの分布によって蠕動音の発生場所を推定することを特徴とする請求項７記載の消化器系活性モニタ。
|
【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、消化器系の蠕動音を記録し、消化器系の状態を推定する消化器系活性モニタに関するものである。
【０００２】
【従来の技術】医師が聴診器で腹部の蠕動音を聴取し、消化器系の状態を診断していたが、蠕動音を自動的に検出し、消化器系の状態を推定する装置はなかった。
【０００３】図１５は特開平８−８４７２８号公報に示された従来の外部雑音除去装置の構成を示すブロック図である。図において、１は聴診器、２はマイク、７は外部マイク、８は減算器、９は出力トランスデューサである。
【０００４】次に動作について説明する。マイク付き聴診器１と外部マイク７で記録した信号は減算器８に入力され、減算して外部雑音を消去する。その後、出力トランスデューサ９で音声に変換し出力する。
【０００５】図１６は「米国科学アカデミー紀要（Proceedings of the National Academyof Science, USA)」第９４号（１９９７）の第１０９７９〜１０９８４ページに示された、従来の独立成分解析法を示すフローチャートである。独立成分解析法は複数のセンサで計測したデータから、元の信号源の信号を推定する解析法である。信号源の信号が複数のセンサで記録されるとき、記録された信号は信号源の信号の線形結合で形成されたと仮定する。つまり、信号源の信号のベクトルをｚ、複数センサで記録された信号のベクトルをｘとしたとき、ｘ＝Ｖｚ （１）
と表されると仮定する。ここで、Ｖは未知の変換行列である。独立成分解析法では、このＶを求めることが目標である。逆に言えば、ｕ＝Ｗｘ （２）
と書いたとき、ｕがｚと等しくなるようなＷを求めればよい（このとき、Ｗ＝Ｖ-1である）。元の信号源の信号は互いに独立であると仮定し、ｕの間の相互情報量が最小になるようにＷを学習していくのが独立成分解析法である。
【０００６】次に動作について説明する。まず、ステップＳＴ２０においてデータを入力する。次にステップＳＴ２２において学習を促進するために、データの規格化を行なう。データの共分散行列の逆行列をかけてそれぞれのデータの大きさを均一にする。次にステップＳＴ２３において独立成分ｕを（２）式で計算する。次にステップＳＴ２４においてＷの学習を行なう。
【０００７】
ΔＷ＝ε（∂Ｈ（ｙ）／∂Ｗ）ＷTＷ＝ε（Ｉ＋ＹｕT）Ｗｙ＝ｇ（ｕ）
Ｙi＝∂ｌｎ（∂ｙi／∂ｕi）／∂ｕi （３）
ここで、Ｈ（ｙ）は独立成分間の相互情報量、Ｉは単位行列、εは学習定数、ｇ()は非線形関数（例えばｓｉｇｍｏｉｄ関数：ｇ（ｕi）＝１／（１＋ｅｘｐ（−ｕi））を用いる）、Tは転置を表わす。次にステップＳＴ２５においてＷの変化量を予め設定した閾値と比較し、閾値以下であれば、学習が終了したとする。一方、閾値以上の場合はステップＳＴ２３に戻り、変化量が閾値以下になるまで学習を続ける。
【０００８】
【発明が解決しようとする課題】消化器系の蠕動音を自動的に検出する方法がないという課題があった。
【０００９】図１５に示した従来の外部雑音除去装置の雑音除去方法は単純な減算で行なっているので、マイク付き聴診器で記録された外部雑音が変換されている場合には、外部雑音を除去できないという課題があった。
【００１０】図１６に示した独立成分解析法では、得られたセンサ信号が信号源の信号の線形結合であると仮定しているので、得られたセンサ信号が線形結合でない場合には独立成分の推定ができないという課題があった。
【００１１】本発明は、前記の課題を解決するためになされたもので、蠕動音を自動的に検出し、消化器系の活性をモニタする消化器系活性モニタを得ることを目的とする。
【００１２】また、外部雑音を外部マイクの信号を参照して除去することができ、正確に蠕動音を検出できる消化器系活性モニタを得ることを目的とする。
【００１３】さらにまた、複数のセンサで記録した信号から、信号源の信号を推定し、蠕動音の発生場所を推定することができ、詳細に消化器系の活動をモニタすることができる消化器系活性モニタを得ることを目的とする。
【００１４】
【課題を解決するための手段】本発明の第１の構成による消化器系活性モニタは、身体表面から消化器系の蠕動音をとらえるセンサと、蠕動音の信号を解析処理して蠕動音の発生を検出する蠕動音検出器とを備え、蠕動音から消化器系の状態を推定するものである。
【００１５】本発明の第２の構成による消化器系活性モニタは、前記のセンサとしてマイク付き聴診器を用いるものである。
【００１６】本発明の第３の構成による消化器系活性モニタは、前記蠕動音を検出する検出器で記録した信号のスペクトルに基づき蠕動音を検出するものである。
【００１７】本発明の第４の構成による消化器系活性モニタは、前記蠕動音を検出する検出器で外部マイクで記録した信号に基づき、混入する外部雑音を除去するものである。
【００１８】本発明の第５の構成による消化器系活性モニタは、マイク付き聴診器で記録した信号のスペクトルの外部雑音のピーク領域を変更し、逆変換により外部雑音を除去した信号を得るものである。
【００１９】本発明の第６の構成による消化器系活性モニタは、外部マイクで記録した信号をフィルタリングし、マイク付き聴診器で記録した信号から減算することにより外部雑音を除去した信号を得るものである。
【００２０】本発明の第７の構成による消化器系活性モニタは、複数のセンサで記録した信号を比較して、蠕動音の発生場所を推定するものである。
【００２１】本発明の第８の構成による消化器系活性モニタは、前記蠕動音の発生場所推定において独立成分解析法を用いるものである。
【００２２】本発明の第９の構成による消化器系活性モニタは、前記独立成分解析法に大まかな変化を表す値を入力するものである。
【００２３】本発明の第１０の構成による消化器系活性モニタは、前記蠕動音の発生場所推定において記録された信号の大きさの分布によって発生場所を推定するものである。
【００２４】
【発明の実施の形態】実施の形態１以下、本発明の実施の形態１を図を用いて説明する。図１は本発明の実施の形態１による消化器系活性モニタの構成を示すブロック図である。図において、１は聴診器、２は聴診器に接続したマイク、３はマイクの出力を増幅するアンプ、４はマイク信号を蠕動音検出器に取り込むためのＡ／Ｄ変換器、５はマイク信号を解析処理して蠕動音を検出する蠕動音検出器である。
【００２５】次に動作について説明する。腹部に取り付けた聴診器１でとらえた音を聴診器１に接続したマイク２で電気信号に変換し、アンプ３で増幅した後、Ａ／Ｄ変換器４で蠕動音検出器５に取り込み、蠕動音を検出する。Ａ／Ｄ変換器では、例えば、１０ｋＨｚの変換周波数で蠕動音検出器に取り込む。
【００２６】次に、図１に示した蠕動音検出器における蠕動音検出法を説明する。図２は蠕動音検出器における蠕動音検出の方法を示した説明図である。図２（ａ）は聴診器１で記録した蠕動音の波形の例であり、図に示した区間２付近の時刻に蠕動音を録音している。蠕動音を録音していない区間１のフーリエ変換スペクトル（図２（ｂ）と蠕動音を録音している区間２のフーリエ変換スペクトル２（ｃ）を比較すると、蠕動音を録音している区間２のスペクトルには２１０Ｈｚを中心とするピークがある（この例では１０２４ポイントのデータを用いてフーリエ変換を行なった）。このように、蠕動音を記録した時間区間のフーリエスペクトルには１００〜１０００Ｈｚの間に中心があるピークを持つので、この範囲に有意な大きさのピークを持つ時間区間は蠕動音を記録していると考えられる。有意な大きさのピークと判断する基準としては、例えば、１００〜１０００Ｈｚの間のスペクトルの最大値を全周波数区間のスペクトルの最大値あるいは平均値と比較して、あらかじめ設定した閾値倍以上である場合に、有意であるという規準を用いる。図３の下線はそのようにして検出した蠕動音を記録している時間区間を示している。以上のように、フーリエ変換スペクトルを用いることにより、蠕動音を記録した時間区間を自動的に検出することができる。
【００２７】以上のように蠕動音を自動検出すれば、単位時間当たりの蠕動音の回数やスペクトルの比較による音質解析によって消化器系の活性をモニタすることができる。
【００２８】前記の例ではマイク付きの聴診器を用いた例を示したが、センサとして加速度計など振動を計測するセンサを用いても良い。
【００２９】前記の例ではフーリエ変換を用いてスペクトル解析を行なった例を示したが、ウエーブレット変換やガンマトーンフィルタバンクを用いてスペクトル解析を行なっても良い。
【００３０】前記の有意な大きさのピークと判断する基準としては、スペクトルの最大値が全区間のスペクトルの最大値の平均の閾値倍以上、または、スペクトルの最大値が閾値以上である等を用いても良い。
【００３１】前記の例では、スペクトル解析によって蠕動音を検出する例を示したが、記録された信号に蠕動音に特徴的なパターンの信号が含まれていることを規準にして検出しても良い。
【００３２】実施の形態２図４は、実施の形態２に上る消化器系活性モニタの構成を示すブロック図である。図１と同一または相当部分には同じ符号を付した。７は外部雑音をとらえる外部マイクである。
【００３３】図５は実施の形態２の蠕動音検出器における外部雑音除去法を示すフローチャートである。まず、ステップＳＴ１０において外部雑音のみを記録していると考えられる外部マイク７で記録した信号をフーリエ変換する。次にステップＳＴ１１において、外部マイクのフーリエ変換スペクトルに有意な大きさのピークを有している領域があるかどうか調べ、外部雑音のピーク領域を決定する。次に、ステップＳＴ１２において、対象信号のフーリエ変換を行なう。次にステップＳＴ１３において、ステップＳＴ１１で決定した外部雑音のピーク領域の対象信号のフーリエスペクトルを変更する。例えば、次のように変更する。対象信号のスペクトルの外部雑音のピーク領域のスペクトル値を蠕動音や外部雑音の無い場合の平均スペクトルのスペクトル値とする。さらに、蠕動音のスペクトルの途中のスペクトル値を変更した場合には、変更した値がその変更した領域の両側の値と比較して小さくなるので、変更したピーク領域の両側の値から内挿した値にする。次に、ステップＳＴ１４において、変更したスペクトルを逆フーリエ変換し、外部雑音を除去した信号を得る。
【００３４】図６〜８は外部雑音除去を行なった結果を示している。図６（ａ）は外部マイク７で録音した信号で外部雑音が含まれている。このノイズは図７（ａ）に示すようにマイク付き聴診器で記録した信号にも含まれている。図６（ｂ）、（ｃ）のような外部マイクで録音した信号のフーリエ変換スペクトルから、外部雑音のピーク領域を求める（図６（ｂ）、（ｃ）に示すスペクトルは、図６（ａ）の信号波形中の区間１、区間２の部分をフーリエ変換したもので、グラフに示した周波数範囲は外部雑音のピーク領域を示す）。図７（ｂ）、（ｃ）のマイク付き聴診器で記録した信号のフーリエスペクトルのこのピークの周波数領域を変更して、図８（ｂ）、（ｃ）のようなスペクトルを得る。図７（ｂ）、（ｃ）に示す周波数範囲は変更した周波数領域を示す。このフーリエスペクトルを逆フーリエ変換すると、図８（ａ）のような外部雑音を除去した信号を得ることができる。図８（ａ）の信号波形の蠕動音区間と記した下線部は、外部雑音が除去されて明瞭になった蠕動音が記録されている時間区間を示している。区間１と記した時間区間の波形は雑音であるが、スペクトルの変更処理をした周波数領域より低い周波数の雑音であったために除去できなかったものである。このような雑音も周波数領域を選択する実施の形態１の方法を併用することによって選別、除去することができる。
【００３５】前記のＳＴ１３のフーリエスペクトルの変更では、外部雑音のピーク領域の区間を０にする、あるいは、蠕動音や外部雑音の無い場合の平均スペクトルの値とする等でも良い。
【００３６】また、前記の対象信号のフーリエスペクトルの変更に替えて、対象信号のフーリエスペクトル（複素スペクトル）を外部雑音のフーリエスペクトルで除算した後にフーリエ逆変換してもよい。この方法によれば、外部雑音のスペクトルのピーク領域をあらかじめ検出する必要がなく、前記の方法と同様に外部雑音を減少させることができる。
【００３７】前記の例ではフーリエ変換でスペクトル解析する例を示したが、ウエーブレット変換やガンマトーンフィルターバンクを用いてスペクトル解析を行なっても良い。
【００３８】前記の例では、外部雑音がある場合、外部マイクの信号に基づいてマイク付き聴診器で記録した信号から外部雑音を除外する方法を示したが、外部雑音がある場合には、蠕動音の検出を行なわないとすることによって、外部雑音の混入を防ぐことも可能である。
【００３９】実施の形態３図９は実施の形態３の外部雑音除去機能を持つ消化器系活性モニタの構成を示すブロック図である。図において、図１と同一の部分には同一の符号を付した。６は線形適応フィルタ、７は外部マイク、８は減算器である。
【００４０】次に動作について説明する。外部マイク７で記録した信号のＮ個のデータから線形適応フィルタでマイク付き聴診器の信号を予測する。つまり、外部マイクの時刻ｔの信号をｘ（ｔ）とするとき、マイク付き聴診器の信号の中に含まれる外部雑音の予測（実時間推定）値ｙ（ｔ）を次式で計算する。
【００４１】
ｙ（ｔ）＝Σｗi（ｔ）ｘ（ｔ−ｉ） （４）
ここで、ｗi（ｔ）はシナプス結合強度である。外部雑音の予測値ｙ（ｔ）をマイク付き聴診器の信号ｄ（ｔ）から減算し、外部雑音を除去した信号を得る。外部雑音を除去するためには、線形適応フィルタがマイク付き聴診器で記録された信号の外部雑音を予測できなければならない。予測された外部雑音ｙ（ｔ）が記録された雑音ｄ（ｔ）に一致するように次式でシナプス結合強度を学習する。
【００４２】
ｗi（ｔ＋１）＝ｗi（ｔ）＋２αｅ（ｔ）ｘ（ｔ−ｉ） （５）
ｅ（ｔ）＝ｄ（ｔ）−ｙ（ｔ）
【００４３】図１０は線形適応フィルタを用いて外部雑音を除去した結果を示している。マイク付き聴診器で記録した信号（図１０（ｂ）には外部マイクで記録した外部雑音（図１０（ａ）が含まれている。学習した線形適応フィルタを用いて外部雑音を予測し、外部雑音予測値を減算すると、図１０（ｃ）のような外部雑音のない信号を得ることができる。
【００４４】線形適応フィルタのシナプス結合強度を学習する際に、音響伝達特性が人体に類似した模擬人体を用いることが有効であり、模擬人体での学習により、人体での学習回数を著しく減少させることができる。
【００４５】実施の形態４図１１は実施の形態４の蠕動音検出器における蠕動音発生場所推定法を示すフローチャートである。まず、ステップＳＴ２０においてデータを入力する。マイク付き聴診器で記録した音の信号は体内を伝搬する間に非線形の変換を受けるので、マイク付き聴診器で記録した信号は信号源の信号の線形結合ではない。従って、マイク付き聴診器で記録した信号をそのまま入力して独立成分解析を行なっても独立成分を推定することはできない。しかし、大まかな変化は線形結合であると考えられるので、大まかな変化を表すデータに変換すれば独立成分解析で信号源の信号の大まかな変化を求めることができる。ステップＳＴ２１で10ｍｓ毎の標準偏差の値を求める。標準偏差は、各センサのデータの標準偏差の平均値で規格化する。次に、ステップＳＴ２２において、学習を促進するために、データの規格化を行なう。具体的にはデータの共分散行列の逆行列をかけ、各データの大きさを規格化する。次にステップＳＴ２３において、独立成分を（２）式で計算する。次にステップＳＴ２４においてシナプス結合強度Ｗの学習を（３）式で行なう。次にステップＳＴ２５において、シナプス結合強度の変化量を閾値と比較し、変化量が閾値以下であれば学習が終了したとする。一方、変化量が閾値以上の場合にはステップＳＴ２３に戻り、シナプス結合強度の変化量が閾値以下になるまで学習を続ける。
【００４６】図１２は独立成分解析を行なった結果を示している。図１２（ａ）はマイク付き聴診器で記録した音のデータである。同時に複数の聴診器で記録されている蠕動音も観察される。聴診器の設置位置は図１２（ｂ）に示している。この位の時間スケールで見ると各マイク付き聴診器で記録された信号は信号源の線形結合で形成されているように見えるが、詳細にデータを見ると線形結合で形成されていないことがわかる。しかし、このデータを見てもわかるように大まかな変化は線形結合で形成されている。そこで、１０ｍｓ毎の規格化標準偏差を求めると、図１３のようになる。このデータに対して独立成分解析を行なうと、図１４のようになり、各独立成分の信号を求めることができる。各独立成分がどのマイク付き聴診器から記録されたかは図１４の右に示した。各図は図１３（ｂ）の聴診器の設置位置と対応しており、各独立成分が各聴診器で記録された割合を示している。図１４の独立成分１の信号は腹の左下部（大腸から直腸付近）で発生したと考えられる。独立成分２は右に示したように、外部マイクで記録された信号であり、外部雑音の信号であると考えられる。
【００４７】前記のステップＳＴ２１の大まかなデータとしては、一定時間内の標準偏差の他に、絶対値の平均、自乗の平均、最大値、等を用いても良い。
【００４８】実施の形態５記録された信号の大きさをある時間内の標準偏差やある時間内の最大値と最小値の差などによって求める。信号の大きさの分布によって発生場所を推定することができる。例えば、最大の信号を記録した場所と他のセンサで記録された信号の大きさの割合を用いて、蠕動音の発生場所を大まかに推定することができる。
【００４９】
【発明の効果】本発明の第１の構成による消化器系活性モニタによれば、身体表面から消化器系の蠕動音をとらえるセンサと、蠕動音の信号を解析処理して蠕動音の発生を検出する蠕動音検出器とを備え、蠕動音から消化器系の状態を推定するので、蠕動音を自動的に検出できる効果がある。
【００５０】本発明の第２の構成による消化器系活性モニタによれば、マイク付き聴診器により、蠕動音を記録できる効果がある。
【００５１】本発明の第３の構成による消化器系活性モニタによれば、スペクトルに基づき、蠕動音を自動的に検出できる効果がある。
【００５２】本発明の第４の構成による消化器系活性モニタによれば、外部マイクで記録した外部音の信号に基づき、マイク付き聴診器で記録した信号に混入する外部雑音を除去できる効果がある。
【００５３】本発明の第５の構成による消化器系活性モニタによれば、マイク付き聴診器で記録した信号のスペクトルの外部雑音のピーク領域を変更し、逆変換することにより、外部雑音を除去した信号を得ることができる効果がある。
【００５４】本発明の第６の構成による消化器系活性モニタによれば、外部マイクで記録した信号をフィルタリングし、マイク付き聴診器で記録した信号から減算することにより、外部雑音を除去した信号を得ることができる効果がある。
【００５５】本発明の第７の構成による消化器系活性モニタによれば、複数のセンサで記録した信号を比較することにより、蠕動音の発生場所を推定できる効果がある。
【００５６】本発明の第８の構成による消化器系活性モニタによれば、独立成分解析により、蠕動音の発生場所を推定できる効果がある。
【００５７】本発明の第９の構成による消化器系活性モニタによれば、大まかな変化を表す値を独立成分解析に入力することにより、センサ信号が線形結合でない信号に対して独立成分解析を行ない、蠕動音の発生場所を推定できる効果がある。
【００５８】本発明の第１０の構成による消化器系活性モニタによれば、記録された信号の大きさの分布によって蠕動音の発生場所を推定できる効果がある。
|
| 【出願人】 |
【識別番号】０００００６０１３
【氏名又は名称】三菱電機株式会社
|
| 【出願日】 |
平成１１年３月１５日（１９９９．３．１５） |
| 【代理人】 |
【識別番号】１０００６５２２６
【弁理士】
【氏名又は名称】朝日奈 宗太 （外１名）
|
| 【公開番号】 |
特開２０００−２６２５２３（Ｐ２０００−２６２５２３Ａ） |
| 【公開日】 |
平成１２年９月２６日（２０００．９．２６） |
| 【出願番号】 |
特願平１１−６９２６６ |
|