CN1428130A - 诊断方法及其装置,诊断程序 - Google Patents
诊断方法及其装置,诊断程序 Download PDFInfo
- Publication number
- CN1428130A CN1428130A CN02154882A CN02154882A CN1428130A CN 1428130 A CN1428130 A CN 1428130A CN 02154882 A CN02154882 A CN 02154882A CN 02154882 A CN02154882 A CN 02154882A CN 1428130 A CN1428130 A CN 1428130A
- Authority
- CN
- China
- Prior art keywords
- data
- mentioned
- meansigma methods
- difference
- diagnostic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种诊断方法及其装置,标准分布计算部分(3)以周期INT1期间检测到的心电图数据为输入,然后作为时间序列数据计算该心电图中反复出现的特征量,生成一个该时间序列数据的相邻元素的差的集合C。并且重复进行m次从该集合C中随机抽取n个元素的处理,得到m个部分集合,将该m个部分集合的各平均值构成的集合视为正态分布,计算该正态分布平均值μ和标准偏差σ,将其作为标准分布。状态检测部分(4)采用与上述集合C同样的处理,从比周期INT1短的周期内的心电图数据中,求出诊断用的集合CT。诊断部分(5)把该集合CT的平均值与标准分布的平均值之差与标准偏差σ作比较,然后进行诊断。从而及早且可靠地检测出患者心电图中出现的状态变化,然后诊断对象。
Description
技术领域
本发明涉及诊断方法及其装置、诊断程序,特别涉及适于利用心电图诊断疾病的诊断方法及其装置。
背景技术
目前已经开发了许多通过分析心电图诊断患者疾病的技术,例如能准确地自动识别每个心电图波形的特征点进行正确诊断的技术(特开平8-56914号、特开平9-201344号等)、通过分析每个心电图的波形进行诊断的技术(特开平10-225443号、USP5,609,158,USP5,560,368等)、从心电图波形中提取出R-R间隔等时间系列数据,通过分析该时间序列数据进行诊断的技术等(USP5,755,671,特开平6-54815号等)。与只凭肉眼看心电图进行诊断相比,采用这些技术进行诊断可以更加高效、迅速地进行诊断,减少了疾病的遗漏。
上述列举的现有技术只能进行几分钟、或者最长十几分钟左右的心电图波形的观察、分析,在这样短的时间内往往无法得到表示心脏异常的数据。例如一旦发生心肌梗塞,其后的几小时内就有心动过速引起猝死的危险,心肌梗塞发生后的数日内发生心率不齐的概率也高达90%。尽管其后心率不齐的发生概率有所降低,但一年之内仍会有5~10%的患者死亡。因此在诊断这类患者时,最好长时间内连续采集并监视心电图数据。但是目前已知采用如下方法:在完成采集后,医生凭肉眼看这些采集到的数据进行诊断,或者从采集到的数据中抽取出医生认为不正常的一段很短时间的数据进行自动分析。因此从检测到得出诊断结果会耽误很多时间,这在预测疾病的变化和面临的危机方面很不充分。而且由于凭医生肉眼判断,也存在容易忽略一些疾病的问题。
另外,在机械结构及打印机内移动的物体等,伴随着复杂的摆动会产生准周期性震动,对于这种现象,希望通过长期监视该状态量,当检测出对象物出现不希望的特性变化时,也能通过实时取得该状态量及迅速地进行自动分析,进行可靠且迅速的检测。
发明内容
本发明的目的在于提供一种诊断方法,实时监测对象物中反复出现的状态量的变化,使得能迅速且可靠地自动检测出对象物的特性变化,特别是提供一种诊断方法、装置及诊断程序,使得能长时期地对患者的心电图进行实时观察、分析,发生异常时能迅速地自动检测出该异常。
为达到上述目的,本发明提供一种诊断方法及配备该诊断方法的诊断装置,这种诊断方法的特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时取出心电图机检测到的心电图数据,作为比上述第一周期短的第二周期、用于诊断的数据,从上述用于诊断的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,通过将该差分集合的平均值和上述标准分布的平均值之差的绝对值,与给定的诊断系数与上述标准偏差之积构成的诊断水平相比较进行疾病诊断。
另外,本发明提供一种诊断方法和配备该诊断方法的诊断装置,这种诊断方法的特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时随着时间的推移,反复设定比上述第一周期短的第二周期,取出每个第二周期内心电图机检测出来的心电图数据,用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据的差的绝对值为要素的差分集合,
将各差分集合的平均值与该差分集合对应的第二周期的时刻相对应,画出平均值变化图,在显示装置上显示平均值变化图和给定的诊断系数乘以上述标准偏差构成的诊断水平,
另外,如果通过操作装置指定该平均值变化图上的任意时刻,则在显示装置上显示包含该指定时刻的时间段内的心电图数据随时间变化的心电图波形,通过观察上述平均值变化图或上述心电图波形进行诊断。
另外,本发明提供一种诊断方法和配备该诊断方法的诊断装置,这种诊断方法的特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时随着时间的推移,反复设定比上述第一周期短的第二周期,取出每个第二周期内心电图机检测出来的心电图数据,用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据的差的绝对值为要素的差分集合,
统计在第三周期内每个差分集合的平均值超过给定的诊断系数乘以上述标准偏差构成的诊断水平的次数,通过将该统计数与给定的诊断次数相比较进行诊断。
另外,本发明提供一种诊断方法和配备该诊断方法的诊断装置,这种诊断方法的特征在于:在上述诊断方法和诊断装置上,周期性地改变上述用于分布计算的数据的采样周期,反复计算利用上述分布计算数据的上述标准分布的平均值和标准偏差,使得上述标准分布的平均值和标准偏差值能够周期性地更新。
另外,本发明提供一种诊断方法和配备该诊断方法的诊断装置,这种诊断方法的特征在于:在上述诊断方法和诊断配备上,通过网络传送上述用于分布计算和诊断的心电图数据。
另外本发明提供一种由中央装置和通过网络与该中央装置相连的一台或多台检测终端装置构成的诊断装置,其特征在于:
各检测终端装置由心电图机装置、参数设定装置、标准分布计算装置、状态检测装置、诊断装置、通信接口和控制装置构成,其中:
参数设定装置用于设定第一周期、比第一周期短的第二周期、正整数参数n、正整数参数m及诊断系数等;
标准分布计算装置首先取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第一周期、用于分布计算的数据,从上述用于分布计算的数据中,检测出心电图中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成与上述参数设定装置上设定的参数m相等个数的、从该差分集合中随机抽取出与上述参数设定装置上设定的参数n相等个数的元素所构成的部分集合,分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
状态检测装置随着时间的推移,反复设定上述参数设定装置上设定的第二周期,将每个第二周期内上述心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,计算出各差分集合的平均值;
诊断装置对于该装置计算出来的各平均值,将该平均值和上述标准分布的平均值之差的绝对值,与上述参数设定装置上设定的诊断系数与上述标准偏差之积构成的诊断水平相比较进行诊断;
控制装置在通常工作时,根据上述控制参数设定装置上设定的参数,使上述标准分布计算装置、上述状态检测装置及上述诊断装置工作,通过上述通信接口及网络向中央装置发送上述诊断装置给出的诊断结果;当中央装置发送来命令时,根据其命令内容,将上述心电图机检测到的心电图数据及上述状态检测装置在每个第二周期计算出来的平均值两者中的一个或两个,通过上述通信接口及网络发送到中央装置;
中央装置由控制参数设定装置、显示控制装置、通信接口、输入装置和控制装置构成,其中:
控制参数设定装置用于设定各检测终端装置上使用的控制参数,显示控制装置用于控制显示装置,控制装置用于当由输入装置向上述控制参数设定装置设定参数时,通过上述通信接口及网络将该参数发送到相应的检测终端装置,并设定在相应检测终端装置的控制参数设定装置上,若由输入装置向某个检测终端装置输入命令,则通过上述通信接口及网络发送该命令,并发送到相应检测终端装置的控制装置上,在通常工作情况下控制上述显示控制装置使之显示各检测终端装置发送来的诊断结果,及控制上述显示控制装置使之显示与上述命令相应的、上述心电图机数据及平均值的时间序列数据两者中的一个或两个。
另外本发明提供一种诊断程序,可在计算机上按第一步和第二步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,取出心电图机装置检测出的心电图数据作为比上述第一周期短的第二周期、用作诊断的数据,从上述用作诊断的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,将该差分集合的平均值和上述标准分布的平均值之差的绝对值,和给定的诊断系数与上述标准偏差之积构成的诊断水平相比较,并将结果显示在显示装置上。
另外,本发明提供一种诊断程序,可在计算机上按第一步、第二步和第三步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,随着时间的推移反复设定比上述第一周期短的第二周期,将每个第二周期内心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合;
在第三步,将各差分集合的平均值与该差分集合对应的第二周期的时刻相对应,画出平均值变化图,在显示装置上显示平均值变化图和给定的诊断系数乘以上述标准偏差构成的诊断水平,另外,如果通过操作装置指定该平均值变化图上的任意时刻,则在显示装置上显示包含该指定时刻的时间段内的心电图数据随时间变化的心电图波形。
另外,本发明提供一种诊断程序,可在计算机上按第一步、第二步和第三步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,随着时间的推移反复设定比上述第一周期短的第二周期,将每个第二周期内心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合;
在第三步,统计在给定的第三周期内,每个差分集合的平均值超过给定的诊断系数乘以上述标准偏差构成的诊断水平的次数,并在显示装置上显示该计数与给定的诊断次数相比较的结果。
另外本发明提供一个诊断程序,其特征在于:在上述诊断程序的上述第一步中包含如下处理:周期性地改变上述用于分布计算的数据的采样周期,反复计算利用上述分布计算数据的上述标准分布的平均值和标准偏差,使得上述标准分布的平均值和标准偏差值能够周期性地更新。
另外本发明提供一个诊断方法,其特征在于:
检测对象物的状态量,取出给定的第一周期的状态量数据作为用于分布计算的数据,从上述用于分布计算的数据中检测出上述状态量中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时检测上述状态量,将比上述第一周期短的第二周期的状态量数据取作诊断数据,从上述诊断数据中检测出上述状态量中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,通过将该差分集合的平均值和上述标准分布的平均值之差的绝对值,与给定的诊断系数与上述标准偏差之积构成的诊断水平相比较,进行对象物的诊断。
附图说明
图1所示是本发明提出的一个诊断装置的构成例子的方框图。
图2所示是标准分布计算部分处理的流程图。
图3所示是状态检测部分处理的流程图。
图4所示是状态检测部分处理的另外一种流程图。
图5所示是采集诊断数据的时钟的说明图。
图6所示是显示部分处理的流程图。
图7所示是本发明提出的诊断装置的另外一个构成例子的方框图。
图8所示是本发明提出的诊断装置的另外一个构成例子的方框图。
图9所示是基本的心电图波形的模拟显示。
图10所示是S波的说明图。
具体实施方式
下面以通过心电图分析进行诊断为例,详细说明本发明的实施形式。图9模拟显示了基本的心电图波形。观察P、Q、R、S、T波作为表示心脏各部位状态的波形。在心电图分析中往往使用这些波形的各类特征量,这些特征量包括:表示相邻的R波的峰间间隔(心拍的间隔)的R-R间隔、表示S波面积的ST下降部分面积、表示该ST下降部分波性特征的评价值W、表示Q波开始到S波终止的宽度的QS间隔等。
这里首先就ST下降部分(S波)进行一下说明。正常情况下如图10(a)所示,S波上的点Speak以后的波形是上凸的,并较快接近基线。而有贫血类疾病时,则如图10(b)、(c)所示,出现下凸且较慢接近基线、S波的面积也变大。特别是图10(c)中,从点Speak到基线之间出现两个极值S1、S2,其病症要比图10(b)严重的多。假设上述的评价值W利用该极值差b=|S1-S2|(单位mV,毫伏)按下式计算:
[公式1]
另外,若用U表示ST下降面积的评价值,在强调10(b)、(c)的意义下可按下式计算。
以上例举的心电图波形的特征量都是每次心跳取一个值的时间序列数据。通常该时间序列数据本身是因患者而异的。以R-R间隔为例,即使健康人同样在平静状态下测定也会有所不同,例如某人可能是平均1秒(1分钟心跳60下),其他人可能是平均6/7秒(1分钟心跳70下)。而且每次心跳的R-R间隔并非完全一致,会有些细微变化。另外在运动后或症状发生改变时,有时R-R间隔的平均值及其细微变化都会改变。本发明就是通过检测这些特征量的改变来诊断疾病的变化。
在此以心电图数据为例,说明本发明中采用的检测这类变化的分析方法。在本发明中要把作为研究对象的患者心电图数据数字化,并进行长时间,例如几天的采集。设采样周期为INT1,用集合A表示采集到的心电图数据。现在举例以1ms的间隔采样心电图机发出的信号,若采用12bits进行偏码,则每秒的数据数(采样数)Na为1000个,用字节(B)表示的信息量Ma为12kbits=1.5kB,若换算成1天,则数据数Na为8640万个,信息量Ma约为130MB。因而可见当采集几天的数据时,集合A的信息量Ma可达几百MB。
下面若从上述采集到的心电图数据集合A计算出特征量,例如R-R间隔,则这些特征量成为时间序列数据,按时间顺序将这些数据记为:x1,x2,...,将该时间序列数据记为集合B{xj},j=0,1,...。另外若根据下式
[公式3]
yj=|xj-xj-1|
从该集合B求相邻特征量之差的绝对值yj的集合,将该集合记为:C{yj},j=1,2,...。当心跳数为70/分时,该集合的数据数Nc约为100,800个,若每个差分数据yj取12bits,则用位表示的信息量Mc一天约为1.5MB。
下面将集合C{yj}的分布作为标准分布进行如下计算。首先从集合C{yj}中随机抽取n个(例如1000个)数据构成部分集合,进行m次上述操作,假设这些部分集合为Cα={yα1,yα2,...,yαn,},α=1~m(例如m=3000个)。但是各个部分集合Cα,α=1~m的各自随机抽取的方法是互不相关的,下面若就各个部分集合Cα求其元素的平均值,
[公式4]
eα=(yα1+yα2+...+yαn)/n,α=1~m
则可见无论元集合A是何种分布,如果上述的采样数n、m足够大,平均值eα的集合都可视为标准分布。在此,将按公式4计算出的平均值eα的集合ND视为标准分布,根据下式求其平均值μ和标准偏差б。
当患者发生身体变化或疾病变化时,即使心跳数及R-R间隔等特征量发生瞬间变化,如果心电图数据集合A很大,形成部分集合时的数据量n及部分集合个数m都取得充分大,那么可认为按上式求出的平均值eα的分布ND(μ,б)代表了患者的心脏活动的平均状态,因而将它作为检测心脏活动变化的、作为基准的标准分布。另外最好几天一次或一周一次地对该时刻以前的期间INT1计算,并更新该标准分布,而且每个更新时刻的期间INT1的大小可以改变。
下面说明利用上述求得的标准分布进行诊断的方法。首先在诊断时取出比集合A的数据采样周期INT1短得多的周期INT2的心电图数据AT,假设由该数据集合计算p+1个特征量的集合BTk={xk,xk+1,...,xk+p}。接下来根据公式3由该集合BTk求得p个数据构成的差分集合CTk={yk,yk+1,...,yk+p}。根据下式计算其平均值μk。
[公式6]
并且评价该次诊断的平均值μk偏离预先求得的标准分布的平均值μ的程度。即判断平均值偏差
[公式7]
Zk=|μk-μ|
比标准分布ND的标准偏差б大多少。例如如果|Z|>3б则判断为发生了某种异常变化。这种变化检测是先由周期INT2的心电图数据AT求出特征量的集合BTk,且在求得差分集合CTk后,根据公式6、公式7计算出平均值偏差Zk,并把它与标准分布的标准偏差б进行比较。上述一系列的计算可以在极短的时间内完成。因此举例来说,如果每1分钟都进行上述检测,那么每分钟都能迅速得出患者的状态变化。
另外,特别是差分集合CTk的数据数p较小时,有时只用一个μk值很难进行正确诊断。这时,可以每个1分钟求一次r个差分集合CTk1,CTk2,...,CTkr,如果它们的平均值μk1,μk2,...,μkr偏离标准分布的平均值μ达到3б以上的次数超过r0,则输出警报信息等。
上述利用心电图数据的诊断方法,是从经过长时期INT1监测得到的心电图数据求出标准分布,用该分布代表患者的正常状态。在各检查时刻,由较短周期INT2的心电图数据求得差分集合CTk的平均值μk,或多个差分集合CTk1、CTk2...的各个平均值μk1,μk2,通过评价它们偏离标准分布的平均值μ的程度进行诊断。而且,由于各检查时刻的计算处理可以在接近实时的时间内完成,所以可以用于实时监视患者的心脏状态,在早期自动发现异常。因而,医生等可由该诊断结果准确把握心脏状态的变化,哪怕是一闪而过的变化。从而可以适宜地进行考虑该患者心脏状态的检查和治疗。这不只对已经患有心脏病的患者有用,对于健康人群的早期诊断及基于诊断结果向本人提出建议、预防措施等也十分有用。
另外假设将检查时的数据采样周期INT2设为取得1000个特征量的时间(心跳数为60时INT2约为17分钟),那么即使特征量的检测有些误差,只要该误检测的概率不是太大,对求得的平均值μk的影响极小,同样对诊断结果的影响也很小。通过对更大的集合进行统计处理求出标准分布也是同样道理。因而与以往利用短时间的心电图数据进行诊断的方法相比,可实现如下诊断方法:心电图数据的采集及其中特征量的检测过程中的噪音的影响和处理误差,对诊断结果的影响极小,在有某种程度噪音的环境下也可以使用。
上述的分析方法同样适于表现出伴有复杂摇摆的震动现象的结构物的诊断。这时可使用对象物的状态量来代替心电图数据,使用与预想的状态变化相关的特征量进行同样的分析,可达到与心电图数据诊断一样的效果。
下面说明使用上述分析方法的诊断装置的构成。图1所示是一例本发明提出的诊断装置的基本结构的方框图。该诊断装置由状态量检测装置1、记录装置2、标准分布计算部分3、状态检测部分4、诊断部分5、显示控制部分6、显示装置7、操作装置8、控制部分9构成。其中状态量检测装置1用于连续监测对象物的状态量,对其数字化处理后输出。记录装置2至少要记录作为检测值的状态量数据达一个周期INT1以上。标准分布计算部分3根据该记录装置2中保存的状态量计算上述标准分布ND的平均值μ及标准偏差6。状态检测部分4计算特征量的差分集合CTk及其平均值μk。诊断部分5利用该检测部分4计算出的平均值μk和标准分布ND的参数μ、6判断该时刻的状态。显示控制部分6用于控制诊断部分5的诊断结果和记录装置2的状态量数据等的显示。控制部分9根据操作装置8的指令控制各部分的动作。
在该结构中,当状态量是心电图数据时,状态量检测装置1则成为将检测到的模拟心电图数据进行模/数变换后数字化输出的心电图机,可以长时间连续取得心电图数据。而当状态量是机械结构在某个检测点的位移时,状态量检测装置1则成为检测该位移量并作为数字化数据输出的振动计。不论如何,在此假设当需要数字化处理状态量时,检测装置1都内置了采样时钟和用于编码的时钟。记录装置2、标准分布计算部分3、状态检测部分4、显示控制部分6、控制部分9全部为进行数字处理的回路,每个回路都可由DSP构成,也可用微机等通用处理装置编程实现。
控制部分9上安装有用于控制各部分动作的控制参数设定部分10。在此假设可由操作部分8设定以下参数:标准分布ND的计算周期和用于一次计算的数据采样周期INT1、从特征量的差分集合C{yj}中取出的部分集合Cα的个数m及每个部分集合的大小n、状态检测部分的心电图数据采样周期T2和采样时间INT2、诊断部分5用于根据比较结果进行报警等显示的、作为基准的一个或多个用于确定诊断水平的诊断系数、用多个部分集合CTk的平均值进行诊断时的部分集合的个数r、输出报警信息等的作为基准的次数r0、以上述周期T1自动进行标准分布计算的次数或终止时刻Q1、以上述周期T2自动进行诊断的次数或终止时刻Q2。另外控制部分9具有产生并提供各部分工作所需的时钟CL的功能。控制部分9将控制参数设定部分10上设定的参数付给各个部分,同时根据操作部分8的启动指示,由控制信号cont及时钟CL控制各部分的动作。
另外在纪录装置2上需要进行读写动作的控制,使得状态量检测装置1的写数据和标准分布计算部分3、状态量检测部分4、显示控制部分6的读数据不发生冲突。而且通常只要不特别进行同步,状态量检测装置1的采样时钟和控制部分9的时钟CL独立,且时钟频率完全不同。但是如果由硬盘装置及其控制回路构成记录装置2,从记录装置的读写速度看来读写的信息量非常小,所以通过在纪录装置2中内置的控制回路上设置缓冲器控制读写,从而很容易地回避上述冲突。
下面假设状态量检测装置1为心电图机装置,说明一下图1中的装置。图2所示是标准分布计算装置3的处理流程图。首先设控制变量β为1(200步),计算标准分布的计算时刻(201步)。该计算时刻是操作装置8给出最初的启动指示的时刻,或者是根据从上次计算时刻开始经过控制参数设定部分10上设定的计算周期T1后的时刻。如果到了标准分布的计算时刻(201步为是)则从该时刻回溯到过去,从记录装置2读取(202步)控制参数设定部分10上设定的周期INT1期间的心电图数据(集合A)。从该集合A计算出作为分析对象的特征量的时间序列数据B{xj}(203步)。该演算处理当特征量是R-R间隔时,检测R波的峰值点,求出其间隔。这种处理方法可以根据已有方法利用任何特征量分析心电图。使用ST波时可以用(公式1)(公式2)等,在此不再详述。
如果已经全部求出周期INT1期间的特征量的时间序列数据B{xj},然后根据公式3求时间序列数据B{xj}的相邻要素的差的绝对值集合C{yj}(204步),其次设控制变量α为1(205步)。另外,如果求得特征量xj后马上就算出差yj=|xj-xj-1|,将203、204步一块处理计算效率会更高,但这样解释的目的是为便于理解与上述诊断方法相应的处理,上述内容将在其他步介绍。下面比较控制参数设定部分10上设定的参数m和上述的控制变量α,如果α≤m(206步为是),则从集合C{yj}中随机抽取n个要素形成部分集合cα(yα1,yα2,...yαn)(207步),根据公式4计算n个要素的平均值eα(208步)。并将控制变量α加1(209步),返回到206步。重复进行m次206~209步的处理,从集合C{yj}取出m个部分集合Cα,α=1,...,m,计算其平均值eα,α=1,...,m,之后α>m(206步为否),根据公式5求出前面计算出的m个平均值eα,α=1,...,m的平均值μ及标准偏差σ,即标准分布ND(μ、σ)(210步)。
其次,如果控制变量β小于控制参数设定部分10上设定的参数Q1(211步为是),则将β加1(212步),返回到201步。若β≥Q1,则结束处理。上述处理是预先将控制变量Q1设为1,由操作装置8指定计算1次标准分布。通过改变参数m、n、INT1等可以有效地进行***检查及预先把握患者的状态。另外,如果不特别设定标准分布的计算次数和计算的终止时刻,而是一直进行到操作装置8发出终止指令,则可删除200,212步,使之在211步判断停止指令后返回到201步或者结束。或者不改变图2,而将参数Q1设定为充分大的数值。
207步中随机抽取n个要素的方法,可使用C语言中定义的函数srand(.),生成1~Nc
[公式8]
srand=(time(null))
(差分集合C{yj}的数据个数)之间的伪随机数,或者采用与之相同的逻辑。公式8给出的函数time(null)使用CPU携带的时钟的时刻,每生成一个部分集合cα,就从不同的种子生成随机数序列,所以可认为部分集合Cα、Cγ(α≠γ)的元素选取方法是基本无关的。
图3所示是状态检测部分4及诊断部分5的处理流程图,首先设控制变量β为1(300步),判断是否为检测特征量变化的检查时刻(301步)。与标准分布计算时刻一样,该时刻也是由操作装置8首次给出启动命令的时刻,或者是从上次检查时刻开始经过控制参数设定部分10上设定的计算周期T2后的时刻。如果到了检查时刻,则从该时刻向后回溯,从记录装置2读取控制参数设定部分10上设定的周期INT2期间的心电图数据AT(302步)。从该心电图数据计算出作为解析对象的特征量的时间序列数据BTk{xj},j=k~k+p(303步)。若求得特征量的时间序列BTk{xj},可根据(公式3)从该时间序列数据求得相邻要素的差分集合CTk{yj},j=k~k+P,将其作为检查数据(304步),根据公式6计算该差分集合的元素平均值μk(305步)。另外同计算标准分布时一样,303、304步一块处理计算效率会更高。接下来求公式7的平均值偏差Zk=|μk-μ|(μ为标准分布的平均值),将该Zk与标准分布的标准偏差σ作比较,并将比较结果发送到显示控制部分6(306步)。举例而言,这里的比较方法是在控制参数设定部分10上将诊断系数设为3、5,诊断水平采用L1=3σ,L2=5σ。并且若Zk>L1,则向显示控制部分6发送代表“要注意”的信号,若Zk>L2,则向显示控制部分6发送代表“危险”的信号。若控制变量β小于参数Q2(307步为是),则返回到301步,若β≥Q2则结束处理。
上述图3的处理是设定就每一个差分集合CTk都进行诊断。而在分别求多个差分集合的平均值、通过判断这些平均值中超过规定值的次数进行诊断时,则进行图4所示的流程图的处理。这时,使用3个控制变量β、γ、β1和β0个计数变量F1~Fβ0。首先初始化设控制变量β、γ为1,计数变量F1~Fβ0全部为0(400、401步)。如果到达检查时刻,则取出周期INT2内的心电图数据,求取特征量的时间序列数据BTkγ。并且,从中求差分集合CTkγ,计算其平均值μkγ(402~406步)。402~406步的处理同图3的301~305步,但是因为每当控制变量γ改变,则以其他检查时刻的期间INT2内的不同数据为对象,所以各集合BTkγ、CTkγ及平均值μkγ都随控制变量γ值的不同而不同,用下标γ表示。
若在406步计算出平均值μkγ,则求平均值偏差Zkγ=|μkγ-μ|(407步),接下来因为比较它与各个诊断水平L1~Lβ0(设定的诊断系数与标准偏差之积),所以将控制变量β1设为1(408步),就β1=1~β0进行如下处理:如果偏差Zkγ大于Lβ1,则将相应的计数变量Γβ1加1(409~412步)。若该操作结束(411步为是),则检查控制变量γ是否大于作为诊断对象的差分集合的个数r(413步),如果不大于,则将控制变量γ加1(414步),返回到402步,如果大于则根据各计数变量Γ1~Γβ0的值进行诊断,并将结果发送到显示控制部分6(415步)。且重复全部处理过程,直到控制变量β大于参数Q2(416、417步)。举例而言,在上述415步,可将2个诊断水平设为L1=3σ,L2=5σ(β0=2)。若进行r=50次的检查中超过诊断水平L1的次数大于20次,则向显示控制部分6发送代表“要注意”的信号,若超过诊断水平L2的次数大于10次则向显示控制部分6发送代表“危险”的信号。
另外,图3、图4所示的变化检测部分及诊断部分5的处理也与图2相同,可将参数Q2设为1则只进行一次测试,还可不用控制变量β,判断有无停止指令后,停止或继续进行重复检查。另外,在图3、图4的处理中,例如设1个数据采样周期INT2为10分,那么当心跳数为70/分的时候可得到700个特征量。而如果以ΔT=1分钟的间隔开始检查,则对象数据的采样周期INT2如图5所示重叠起来。这时计算305步或406步的平均值时,各要素和内与上个检查周期重叠的部分数值相同,所以当重叠部分较大时利用这种方式处理可以大幅度提高平均值计算处理的效率。
下面参见图6所示的流程图说明显示控制部分6的处理。根据图3、4所示的处理,一输入诊断结果(601步为是)就显示其输入结果(602步)。其次,在图3、4中以一分钟的间隔计算出差分集合CTk,然后计算出其元素平均值和标准分布的平均值之差的平均值偏差Zk,所以可以把它们读入显示控制部分内部的缓冲器,并沿时间轴显示之,还可根据需要显示心电图数据本身。为了能直观地把握患者的状态,使得不仅能观察诊断结果,还能观察状态的时间变化,进行如下处理。首先,若操作装置8未发出显示平均值偏差的指令(603步为否),如果以前有平均值偏差的显示则删除之(604步),返回到601步,如果有显示平均值偏差的指令,则在平均值偏差上追加显示尚未显示的值。该显示图面上,纵轴是平均值偏差,横轴是表示求平均值偏差周期的代表时刻(如图3、图4的检查时刻)。在纵轴上合并显示了标准分布的标准偏差б、2б、...或设定的判定水平。该值在检查周期T2,例如每分钟都要输入新数值,因此进行滚动(scroll),从而如果横轴上还有显示区域则只将新值追加在上面,如果横轴上没有显示区域则删除最老的数据后追加上述新数值。另外更新显示不限于单个数据,可以若干个数据归纳到一起进行更新。由此可使医生能更详细地观察患者的状态。
另外观察605步所示的画面,如果觉得有特殊异常的时刻,用鼠标单击该点,就解释为显示心电图的指令(606步)。并且,如果出现这个指令,则从记录装置2取出该时刻前后的心电图数据,并在画面上显示之(607步)。该显示时间的幅度可以预先在控制参数设定部分10上设定,也可以在点击画面时输入其显示时间幅度或时间范围。而且,如果有控制装置8或画面上的命令盒单击引起的停止心电图显示的指示(608步为是),删除正在显示的心电图(609步)。通过该心电图显示功能,医生可以更详细地了解患者的状态。
如上所述,根据图1所示的本发明提出的诊断装置,可以实时监视患者的心电图中出现的特征量变化,自动早期检查异常,尽早根据病情变化进行相应处理。并且,尽管在心电图分析方面不能以100%的准确率自动进行R波、P波等的波形分析,会有非常小的频率在各波形分析时发生误判断,但是本发明装置只使用关于特征量的统计平均值进行诊断,所以即使会有发生频率非常小的波形分析时的误判断,这对结果基本没有影响,可比以往利用短时间分析的技术进行更高精度的诊断。这在用于心电图分析之外的其他装置也是同样。
下面再具体说明一下图1所示装置的具体结构。图1所示的装置中整个组成部分是作为一个集中装置展示的,但心电图机是安装在患者身体上进行实时测量的,而显示装置7和操作装置8则需要安装在医生、护士、检验员等容易访问的地方。另外,标准分布计算部分3不需要实时工作,所以在每个患者附近都放置一个会降低效率,可以在多个患者共用的计算机上等执行。在诊断机械结构等时,也需考虑同样问题。
图7所示是考虑上述问题的一个***构成的例子。在各检测终端上设置状态量检测装置71a,71b、通信接口73a、73b,数据采集装换装置72a,72b。数据采集装换装置72a,72b采集检测值,根据需要加入滤除噪声等的处理,并将其汇集成为发送数据,发送到通信接口73a,73b。各检测终端通过网络70将数据发送到中央一侧。在状态量检测装置71a,71b和数据采集装置72a,72b之间,当状态量检测装置固定时可采用电缆连接,当它像心电图机一样实时安装在患者身体上时,则利用无线通信网连接。通信接口73a,73b利用PHS终端、微机的调制解调器等与网络70相匹配的装置。考虑到通信成本和传输的数据量,希望通信接口性能稳定、价格较低。那么数据采集传输装置72a,72b可以使用微机,当状态量检测装置输出模拟检测值时,可以在数据采集传输装置上数字化后取出数据。在此,当通信接口73a,73b和网络70的容许传输容量有富裕,且通信费用依赖于连接时间时,数据搜集可以每隔一定时间对采集数据进行整理、文件化,再把它用无线方式发送可以降低通信成本。网络70可以利用PHS的电路—公众电话网及互联网等,而且医院内***可以利用该医院等的局域网。
中央侧的记录装置2、标准分布计算装置3、状态量检测部分4、诊断部分5、显示控制部分6、显示装置7、操作装置8及控制部分9功能同图1,安装在医生等常驻的中心一侧,通过通信接口74与网络70相连。在该结构中,在控制参数设定部分10上设定各检测终端的定时等。标准分布计算装置3和状态量检测部分4、诊断部分5等需要与多个检测端的数据处理相对应,各个部分用一台也可进行时分制处理,但不合适时需准备多台进行分散处理。这时的分散处理控制可与常用的处理***一样进行。而且通信接口74需要具备全部接收来自多个检测端的数据的功能,这可通过配备适当的缓冲器实现以下功能:相对于网络70具有多个地址,或者返回忙信号让对方等待。根据上述图7的结构,可以准确、早期地诊断在家中的心脏病患者的疾病。
另外,图7的结构是假设数字化的状态量数据本身通过网络传送到中央。这适合于希望经常在中央侧观测状态量数据(后面假设为心电图数据)。但是当不在中央侧实时观察心电图数据及实时用于另外目的时,可以使之不实时发送心电图数据以减轻网络的负荷。图8是考虑这一点的本发明的诊断装置结构的另外一个例子。检测端81具有状态量检测部分811、记录装置812、标准分布计算部分813、状态检测部分814、诊断部分815的功能。其他检测端也采用同样结构。
该结构设定医生等通过中央80上的操作装置801将检测终端81、82...的各个控制参数设定在控制部分802的控制参数设定部分808上。于是通过控制部分802的控制,例如,通过通信接口803、网络83、通信接口817将检测端81的参数设定在控制部分816的控制参数设定部分818上。其他检测端也采用同样处理。各检测端通常根据这些设定参数,在控制部分816的控制下,进行标准分布的计算、状态检测及诊断,通过网络将诊断结果发送到中央80。这里是假设按图3所示,每处理一个诊断数据AT就进行一次诊断。但也可以如图4一样使用多个诊断数据进行诊断。在中央80上,经网络发送来的代表诊断结果的数据一旦存储在缓冲器804中,可由显示控制部分806适当读出并在显示装置807上显示。这时的显示装置既可以是显示器画面,也可以是表示异常和警报的灯及发出报警声的喇叭/蜂鸣器等。不论如何,最好在医生、护士等常在的地方进行上述显示。另外将诊断结果数据保存在中央80的记录装置805上,便于以后追溯。
在某个检测终端发来异常、报警等信号时,或医生认为需要时,医生等可在操作装置801上输入指令,用于从相应检测终端将心电图数据本身或状态检测部分检测出的平均值偏差的时间序列数据{Zk}发送过来。假设该命令发给检测终端81,则在控制部分802的控制下,通过网络83将该命令发送到检测终端81的控制部分816,在控制部分816的控制下,从记录装置812取出指定周期内的心电图数据和从状态检测部分814取出指定周期内的平均值偏差的时间序列数据{Zk}两者中的一个或两个,通过通信接口817、网络83、通信接口803、缓冲器804传送到中央80,再读入记录装置805。这时标准分布计算装置813计算出的标准分布的平均值μ及标准偏差6也同时传送到中央80读,入记录装置805。另外这些数据在显示控制部分806的控制下显示在显示装置807上。该显示是图6的607、605步说明的心电图数据或平均值偏差的时间序列显示。这样医生等可以直接观察所需要的数据,了解患者更详细的状态。
根据上图8的说明,只有发生某些异常及医生等输入命令,才会把心电图数据等发送到中央,所以大幅减少了通过网络发送的信息量。而且该结构在各个检测终端进行标准分布的计算、状态检测、诊断处理,所以即使检测终端的个数很多,也不必担心中央侧的数据处理能力。
根据本发明,从长时期的监测数据中预先以正态分布的形式,计算代表对象物状态量(诸如心电图的特征量)变化的标准分布。在诊断时,迅速自动地比较该时刻适当长度的状态量(诸如心电图的特征量)变化的平均值与标准分布的平均值之差和标准分布的标准偏差进行诊断。可以取得如下效果。
(1)实时自动监视对象物的状态量,可以自动检测其变化,即使是一闪而过的变化。可以早期采取与该变化相应的措施。特别是通过医生等早期掌握心电图特征量中呈现出的变化,可以判断是否需要早期提醒患者注意以防止病情的进展及提醒的内容、判断是否需要详细检查、判断治疗的必要性及其内容。
(2)当采集对象物状态量时混入噪声,及未能进行正常的特征量检测而出现检测误差时,尽管这些噪音及检测误差会影响诊断结果,但本发明是采用比以往时间更长的数据,并进行统计处理的一种事后诊断方法,所以不易受噪音及检测误差的影响,通常可以进行可靠的自动诊断。
(3)当采集状态量的测量场所在空间上远离处理该状态量或利用结果的中央时,在结构上采用通过网络将测量端采集的状态量或对其进行处理得到的结果传送到中央的方式,使得在医疗中心或医院等处的医生能随时观测心脏病患者在家的心脏状态,可以早期掌握在家患者的疾病变化。
Claims (15)
1.一种诊断方法,其特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时取出心电图机检测到的心电图数据,作为比上述第一周期短的第二周期、用于诊断的数据,从上述用于诊断的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,通过将该差分集合的平均值和上述标准分布的平均值之差的绝对值,与给定的诊断系数与上述标准偏差之积构成的诊断水平相比较进行疾病诊断。
2.一种诊断方法,其特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时随着时间的推移,反复设定比上述第一周期短的第二周期,取出每个第二周期内心电图机检测出来的心电图数据,用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据的差的绝对值为要素的差分集合,
将各差分集合的平均值与该差分集合对应的第二周期的时刻相对应,画出平均值变化图,在显示装置上显示平均值变化图和给定的诊断系数乘以上述标准偏差构成的诊断水平,
另外,如果通过操作装置指定该平均值变化图上的任意时刻,则在显示装置上显示包含该指定时刻的时间段内的心电图数据随时间变化的心电图波形,通过观察上述平均值变化图或上述心电图波形进行诊断。
3.一种诊断方法,其特征在于:
取出心电图机检测到的心电图数据,作为给定的第一周期、用于分布计算的数据,从上述用作分布计算的数据中,检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素所构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,构成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时随着时间的推移,反复设定比上述第一周期短的第二周期,取出每个第二周期内心电图机检测出来的心电图数据,用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据的差的绝对值为要素的差分集合,
统计在第三周期内每个差分集合的平均值超过给定的诊断系数乘以上述标准偏差构成的诊断水平的次数,通过将该统计数与给定的诊断次数相比较进行诊断。
4.如权利要求1至3中任一项所述的诊断方法,其特征在于:
周期性地改变上述用于分布计算的数据的采样周期,反复计算利用上述用于分布计算的数据的上述标准分布的平均值和标准偏差,使得上述标准分布的平均值和标准偏差值得以周期性地更新。
5.一种诊断装置,其特征在于:
由心电图机装置、参数设定装置、标准分布计算装置、状态检测装置和诊断装置构成,其中:
参数设定装置用于设定第一周期、比第一周期短的第二周期、正整数参数n、正整数参数m及诊断系数等;
标准分布计算装置首先取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第一周期、用于分布计算的数据,从上述用于分布计算的数据中,检测出心电图中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成与上述参数设定装置上设定的参数m相等个数的、从该差分集合中随机抽取出与上述参数设定装置上设定的参数n相等个数的元素所构成的部分集合,分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
状态检测装置取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第二周期、用于诊断的数据,从上述用于诊断的数据中检测出心电图中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,计算出该差分集合的平均值;
诊断装置通过将该装置计算出来的平均值与上述标准分布的平均值之差的绝对值,与上述参数设定装置上设定的诊断系数与上述标准偏差之积构成的诊断水平相比较进行诊断。
6.一种诊断装置,其特征在于:
由心电图机装置、参数设定装置、标准分布计算装置、状态检测装置、显示控制装置构成,其中:
参数设定装置用于设定第一周期、比第一周期短的第二周期、正整数参数n、正整数参数m及诊断系数等;
标准分布计算装置首先取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第一周期、用于分布计算的数据,从上述用于分布计算的数据中,检测出心电图中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成与上述参数设定装置上设定的参数m相等个数的、从该差分集合中随机抽取出与上述参数设定装置上设定的参数n相等个数的元素所构成的部分集合,分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
状态检测装置随着时间的推移,反复设定上述参数设定装置上设定的第二周期,将每个第二周期内上述心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,计算出各差分集合的平均值;
显示控制装置用于将该装置计算出的各差分集合的平均值与该差分集合对应的第二周期的时刻相对应,画出平均值变化图,在显示装置上显示平均值变化图和上述参数设定装置上设定的诊断系数乘以上述标准偏差构成的诊断水平,另外,如果通过操作装置指定该平均值变化图上的任意时刻,则在显示装置上显示包含该指定时刻的时间段内的心电图数据随时间变化的心电图波形。
7.一种诊断装置,其特征在于:
由心电图机装置、参数设定装置、标准分布计算装置、状态检测装置、计数器和诊断装置构成,其中:
参数设定装置用于设定第一周期、比第一周期短的第二周期、第三周期、正整数参数n、正整数参数m、诊断系数及诊断次数等;
标准分布计算装置首先取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第一周期、用于分布计算的数据,从上述用于分布计算的数据中,检测出心电图中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成与上述参数设定装置上设定的参数m相等个数的、从该差分集合中随机抽取出与上述参数设定装置上设定的参数n相等个数的元素所构成的部分集合,分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
状态检测装置随着时间的推移,反复设定上述参数设定装置上设定的第二周期,将每个第二周期内上述心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,计算出各差分集合的平均值;
计数器用于统计在上述参数设定装置上设定的第三周期内,该装置计算出的各差分集合的平均值超过上述参数设定装置上设定的诊断系数乘以上述标准偏差构成的诊断水平的次数;
诊断装置通过比较该计数器的计数和上述参数设定装置上设定的诊断次数进行诊断。
8.如权利要求5至7中任一项所述的诊断装置,其特征在于:
在上述分布计算装置上,包含如下功能:周期性地改变上述用于分布计算的数据的采样周期,反复计算上述标准分布的平均值和标准偏差,使得上述标准分布的平均值和标准偏差值能够周期性地更新。
9.如权利要求项5至7中任一项所述的诊断装置,其特征在于:
上述标准分布计算装置及状态检测装置可以通过网络传送上述心电图机装置检测出的心电图数据。
10.一种诊断装置,由中央装置和通过网络与该中央装置相连的一台或多台检测终端装置构成,其特征在于:
各检测终端装置由心电图机装置、参数设定装置、标准分布计算装置、状态检测装置、诊断装置、通信接口和控制装置构成,其中:
参数设定装置用于设定第一周期、比第一周期短的第二周期、正整数参数n、正整数参数m及诊断系数等;
标准分布计算装置首先取出上述心电图机装置检测出的心电图数据,作为上述参数装置上设定的第一周期、用于分布计算的数据,从上述用于分布计算的数据中,检测出心电图中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成与上述参数设定装置上设定的参数m相等个数的、从该差分集合中随机抽取出与上述参数设定装置上设定的参数n相等个数的元素所构成的部分集合,分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
状态检测装置随着时间的推移,反复设定上述参数设定装置上设定的第二周期,将每个第二周期内上述心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,计算出各差分集合的平均值;
诊断装置对于该装置计算出来的各平均值,将该平均值和上述标准分布的平均值之差的绝对值,与上述参数设定装置上设定的诊断系数与上述标准偏差之积构成的诊断水平相比较进行诊断;
控制装置在通常工作时,根据上述控制参数设定装置上设定的参数,使上述标准分布计算装置、上述状态检测装置及上述诊断装置工作,通过上述通信接口及网络向中央装置发送上述诊断装置给出的诊断结果;当中央装置发送来命令时,根据其命令内容,将上述心电图机检测到的心电图数据及上述状态检测装置在每个第二周期计算出来的平均值两者中的一个或两个,通过上述通信接口及网络发送到中央装置,
中央装置由控制参数设定装置、显示控制装置、通信接口、输入装置和控制装置构成,其中:
控制参数设定装置用于设定各检测终端装置上使用的控制参数;
显示控制装置用于控制显示装置;
控制装置用于当由输入装置向上述控制参数设定装置设定参数时,通过上述通信接口及网络将该参数发送到相应的检测终端装置,并设定在相应检测终端装置的控制参数设定装置上,若由输入装置向某个检测终端装置输入命令,则通过上述通信接口及网络发送该命令,并发送到相应检测终端装置的控制装置上,在通常工作情况下控制上述显示控制装置使之显示各检测终端装置发送来的诊断结果,及控制上述显示控制装置使之显示与上述命令相应的、上述心电图机数据及平均值的时间序列数据两者中的一个或两个。
11.一种诊断程序,其特征在于:可在计算机上按第一步和第二步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,取出心电图机装置检测出的心电图数据作为比上述第一周期短的第二周期、用作诊断的数据,从上述用作诊断的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,将该差分集合的平均值和上述标准分布的平均值之差的绝对值,和给定的诊断系数与上述标准偏差之积构成的诊断水平相比较,并将结果显示在显示装置上。
12.一种诊断程序,其特征在于:可在计算机上按第一步、第二步和第三步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,随着时间的推移反复设定比上述第一周期短的第二周期,将每个第二周期内心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合;
在第三步,将各差分集合的平均值与该差分集合对应的第二周期的时刻相对应,画出平均值变化图,在显示装置上显示平均值变化图和给定的诊断系数乘以上述标准偏差构成的诊断水平,另外,如果通过操作装置指定该平均值变化图上的任意时刻,则在显示装置上显示包含该指定时刻的时间段内的心电图数据随时间变化的心电图波形。
13.一种诊断程序,其特征在于:可在计算机上按第一步、第二步和第三步执行,
在第一步,取出心电图机装置检测出的心电图数据,作为给定的第一周期、用作分布计算的数据,从上述用作分布计算的数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,并生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,生成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差;
在第二步,随着时间的推移反复设定比上述第一周期短的第二周期,将每个第二周期内心电图机检测出来的心电图数据用作诊断数据,从该第二周期内采用的诊断数据中检测出心电图数据中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合;
在第三步,统计在给定的第三周期内,每个差分集合的平均值超过给定的诊断系数乘以上述标准偏差构成的诊断水平的次数,并在显示装置上显示该计数与给定的诊断次数相比较的结果。
14.如权利要求11至13中任一项所述的诊断程序,其特征在于:
在上述的第一步,包含如下处理:周期性地改变上述用于分布计算的数据的采样周期,反复计算采用上述分布计算数据的上述标准分布的平均值和标准偏差,使得上述标准分布的平均值和标准偏差值能够周期性地更新。
15.一种诊断方法,其特征在于:
检测对象物的状态量,取出给定的第一周期的状态量数据作为用于分布计算的数据,从上述用于分布计算的数据中检测出上述状态量中反复出现的特征量,生成时间序列数据,然后生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,生成m个从该差分集合中随机抽取n个元素构成的部分集合(n、m为正整数),分别对上述m个部分集合求其元素的平均值,形成平均值集合,并将该平均值集合视为标准正态分布,计算其平均值和标准偏差,
同时检测上述状态量,将比上述第一周期短的第二周期的状态量数据取作诊断数据,从上述诊断数据中检测出上述状态量中反复出现的特征量,生成时间序列数据,并生成一个以该时间序列数据的相邻数据差的绝对值为要素的差分集合,通过将该差分集合的平均值和上述标准分布的平均值之差的绝对值,与给定的诊断系数与上述标准偏差之积构成的诊断水平相比较,进行对象物的诊断。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001397263A JP2003275187A (ja) | 2001-12-27 | 2001-12-27 | 診断方法とその装置、診断用プログラム |
JP397263/2001 | 2001-12-27 | ||
JP2002066782A JP2003260035A (ja) | 2002-03-12 | 2002-03-12 | 診断方法とその装置、診断用プログラム |
JP066782/2002 | 2002-03-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1428130A true CN1428130A (zh) | 2003-07-09 |
Family
ID=26625331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN02154882A Pending CN1428130A (zh) | 2001-12-27 | 2002-12-03 | 诊断方法及其装置,诊断程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20030125632A1 (zh) |
EP (1) | EP1323376A3 (zh) |
KR (1) | KR20030057357A (zh) |
CN (1) | CN1428130A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力***株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN110236524A (zh) * | 2019-06-17 | 2019-09-17 | 深圳市善行医疗科技有限公司 | 一种女性生理周期的监测方法、装置及终端 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7702526B2 (en) * | 2002-01-24 | 2010-04-20 | George Mason Intellectual Properties, Inc. | Assessment of episodes of illness |
JP4369955B2 (ja) * | 2004-05-20 | 2009-11-25 | 清 瀧澤 | 診断システム、診断用プログラム |
US7779025B2 (en) * | 2004-12-13 | 2010-08-17 | The United States Of America As Represented By The Secretary Of The Army | System and method for evaluating data sets over a communications network |
US8019628B1 (en) | 2005-12-28 | 2011-09-13 | United Services Automobile Association | Systems and methods of automating determination of hepatitis risk |
US7945462B1 (en) | 2005-12-28 | 2011-05-17 | United Services Automobile Association (Usaa) | Systems and methods of automating reconsideration of cardiac risk |
US8005694B1 (en) | 2005-12-28 | 2011-08-23 | United Services Automobile Association | Systems and methods of automating consideration of low cholesterol risk |
US10468139B1 (en) | 2005-12-28 | 2019-11-05 | United Services Automobile Association | Systems and methods of automating consideration of low body mass risk |
US8024204B1 (en) | 2005-12-28 | 2011-09-20 | United Services Automobile Association | Systems and methods of automating determination of low body mass risk |
US20120157792A1 (en) * | 2010-12-17 | 2012-06-21 | Chia-Chi Chang | Cardiovascular health status evaluation system and method |
US10387412B1 (en) * | 2015-02-12 | 2019-08-20 | Cloud & Stream Gears Llc | Incremental Z-score calculation for big data or streamed data using components |
CN111631683B (zh) * | 2020-05-07 | 2023-10-17 | 林伟 | 心电数据或脑电数据的处理及检测方法、存储介质 |
US11523766B2 (en) * | 2020-06-25 | 2022-12-13 | Spacelabs Healthcare L.L.C. | Systems and methods of analyzing and displaying ambulatory ECG data |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0654815A (ja) | 1992-08-07 | 1994-03-01 | Fukuda Denshi Co Ltd | Rr間隔スペクトル分析方法及びその装置 |
JP2665161B2 (ja) | 1994-08-25 | 1997-10-22 | 栃木日本電気株式会社 | 心電図解析方法 |
US5560368A (en) | 1994-11-15 | 1996-10-01 | Berger; Ronald D. | Methodology for automated QT variability measurement |
US5609158A (en) | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
US5755671A (en) | 1995-10-05 | 1998-05-26 | Massachusetts Institute Of Technology | Method and apparatus for assessing cardiovascular risk |
JP2834057B2 (ja) | 1996-01-29 | 1998-12-09 | 群馬日本電気株式会社 | 心電図解析装置 |
JPH10225443A (ja) | 1997-02-13 | 1998-08-25 | Nippon Telegr & Teleph Corp <Ntt> | 心電図データ解析装置 |
JP2001514761A (ja) * | 1997-03-13 | 2001-09-11 | ウェイブクレスト・コーポレイション | 反復波形におけるノイズの分析 |
US6480733B1 (en) * | 1999-11-10 | 2002-11-12 | Pacesetter, Inc. | Method for monitoring heart failure |
-
2002
- 2002-12-03 CN CN02154882A patent/CN1428130A/zh active Pending
- 2002-12-06 EP EP02027517A patent/EP1323376A3/en not_active Withdrawn
- 2002-12-19 US US10/322,638 patent/US20030125632A1/en not_active Abandoned
- 2002-12-24 KR KR1020020083485A patent/KR20030057357A/ko not_active Application Discontinuation
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力***株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN108604094B (zh) * | 2016-03-31 | 2021-04-27 | 三菱动力株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN110236524A (zh) * | 2019-06-17 | 2019-09-17 | 深圳市善行医疗科技有限公司 | 一种女性生理周期的监测方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
KR20030057357A (ko) | 2003-07-04 |
EP1323376A2 (en) | 2003-07-02 |
EP1323376A3 (en) | 2004-01-21 |
US20030125632A1 (en) | 2003-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11139048B2 (en) | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions | |
JP4944934B2 (ja) | 心臓不整脈の識別および治療を容易にするために不整脈情報を処理して、表示するシステムおよび方法 | |
CN103209637B (zh) | 用于测量心率变异性的方法 | |
US20170367575A1 (en) | Ambulatory and centralized processing of a physiological signal | |
CN1428130A (zh) | 诊断方法及其装置,诊断程序 | |
CN105212919B (zh) | 生理信号分析*** | |
DE10164322A1 (de) | Verfahren und Vorrichtung zur perioperativen Bewertung des Herz-Kreislauf-Risikos | |
CN104903897A (zh) | 癫痫和癫痫发作的易发性的评定 | |
CN101911083A (zh) | 用于预测心脏猝死风险的***、方法和装置 | |
EP1219236A2 (en) | System and method for detecting new left branch bundle block for accelerating treatment of acute myocardial infarction | |
Kozlovszky et al. | Cardiovascular and diabetes focused remote patient monitoring | |
Deserno et al. | Computational electrocardiography: revisiting Holter ECG monitoring | |
JP7282161B2 (ja) | 高度心臓波形分析 | |
CN1953706A (zh) | 诊断方法及其装置、诊断用程序 | |
Shebanin et al. | Canonical mathematical model and information technology for cardio-vascular diseases diagnostics | |
Nizami et al. | Service oriented architecture to support real-time implementation of artifact detection in critical care monitoring | |
JP2003260035A (ja) | 診断方法とその装置、診断用プログラム | |
WO2020123019A1 (en) | Decision support device | |
AU2021104518A4 (en) | System and method for monitoring health of home isolated patient and automatically demanding health resources using artificial intelligence | |
JP2003275187A (ja) | 診断方法とその装置、診断用プログラム | |
Lapiña et al. | Real-Time ECG Feature Detection Algorithm using Moving Statistic Adaptive Thresholding Method for Signal Extremum Sampling in Microcontroller Systems: A Simulink Approach | |
JP5912106B2 (ja) | 患者の心臓活動を解析するシステム | |
US20190209037A1 (en) | Ecg analysis for diagnosis of heart failure and cardiovascular disease using signals obtained from an implantable monitor | |
CN118448065A (zh) | 一种基于心内科护理康复评估模型的构建方法及*** | |
WO2024163206A1 (en) | System and method for scalable ecg analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |