JP7016680B2 - 生体情報処理装置、生体情報処理方法およびプログラム - Google Patents

生体情報処理装置、生体情報処理方法およびプログラム Download PDF

Info

Publication number
JP7016680B2
JP7016680B2 JP2017228680A JP2017228680A JP7016680B2 JP 7016680 B2 JP7016680 B2 JP 7016680B2 JP 2017228680 A JP2017228680 A JP 2017228680A JP 2017228680 A JP2017228680 A JP 2017228680A JP 7016680 B2 JP7016680 B2 JP 7016680B2
Authority
JP
Japan
Prior art keywords
classification
biometric information
unit
algorithm
analysis
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.)
Active
Application number
JP2017228680A
Other languages
English (en)
Other versions
JP2019097639A (ja
Inventor
恒夫 高柳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nihon Kohden Corp
Original Assignee
Nihon Kohden Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nihon Kohden Corp filed Critical Nihon Kohden Corp
Priority to JP2017228680A priority Critical patent/JP7016680B2/ja
Priority to US16/199,666 priority patent/US11071492B2/en
Publication of JP2019097639A publication Critical patent/JP2019097639A/ja
Application granted granted Critical
Publication of JP7016680B2 publication Critical patent/JP7016680B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/355—Detecting T-waves
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Analysis (AREA)

Description

本開示は、生体情報処理装置、生体情報処理方法に関する。さらに、本開示は、当該生体情報処理装置をコンピュータに実行させるためのプログラムに関する。
非特許文献１には、測定した心電図波形などの生体情報を分析する方法が開示されている。
Ｈｅｒｍａｎｓ ＢＪＭ， Ｖｉｎｋ ＡＳ， Ｂｅｎｎｉｓ ＦＣ，Ｆｉｌｉｐｐｉｎｉ ＬＨ， Ｍｅｉｊｂｏｒｇ ＶＭＦ， Ｗｉｌｄｅ ＡＡＭ， ｅｔ ａｌ．（２０１７） 「Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｏｆ ａｎ ｅａｓｙ ｔｏ ｕｓｅ ａｕｔｏｍａｔｉｃ ＱＴ－ｉｎｔｅｒｖａｌ ａｌｇｏｒｉｔｈｍ．」ＰＬｏＳ ＯＮＥ １２（９）： ｅ０１８４３５２． （ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１３７１／ｊｏｕｒｎａｌ．ｐｏｎｅ．０１８４３５２）
測定した心電図波形におけるＴ波の終了点の検出を行う場合、時間軸上のＱＲＳ波の後方の一定の範囲において、Ｔ波のピークが検出できるはずという予測に基づいて、Ｔ波のピークを探していた。この場合、Ｔ波のピークを探す一定の範囲は、各種のデータベースを用いた一般的な値を用いていた。例えば、非特許文献１の場合、Ｔ波のピークを探す範囲はＲ＋５０ｍｓ～Ｒ＋０．７ＲＲ間隔、となっている。
しかし、心電図波形は、被検者の各種疾患や測定時の環境などの様々な要因により、典型的な心電図波形の振幅や時間軸上の間隔から大きく外れてしまうことがある。このため、一般的な値を用いて心電図波形におけるＴ波を探しても、Ｔ波のピークを見つけることができず、Ｔ波の終了点を正しく検出することができないことがあった。
本開示は、生体情報の分析を精度良く行うことができる生体情報処理装置、生体情報処理方法およびプログラムを提供することを目的とする。
本開示の生体情報処理装置は、
被検者の生体情報を取得する取得部と、
前記取得部で取得された前記生体情報を分類する分類部と、
前記分類部の分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択し、選択した前記アルゴリズムにより前記分類された生体情報を分析する分析部と、
を有する。
上記構成によれば、まず、分類部によって生体情報を分類する。その分類結果に応じて、分析部は、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択し、選択したアルゴリズムにより分類された生体情報を分析する。これにより、分類された生体情報に適するアルゴリズムによる分析を行うことができ、生体情報の分析を精度良く行うことができる。
また、本開示の生体情報処理方法は、
被検者の生体情報を取得する取得工程と、
前記取得工程で取得された前記生体情報を分類する分類工程と、
前記分類工程における分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択する選択工程と、
前記選択工程で選択された前記アルゴリズムにより前記分類された生体情報を分析する分析工程と、
を含む。
上記方法によれば、まず、生体情報を分類する。この分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択する。さらに、選択されたアルゴリズムにより分類された生体情報を分析する。この方法により、分類結果に適するアルゴリズムによる生体情報の分析を、より精度良く行うことができる。
また、本開示のプログラムは、上記方法をコンピュータに実行させるためのプログラムである。
上記プログラムによれば、分類結果に適するアルゴリズムによる分析をコンピュータに実行させることができ、生体情報の分析をより精度良く行うことができる。
本開示によれば、生体情報の分析を精度良く行うことができる。
本開示の実施形態に係る生体情報処理装置を示すハードウェア構成図である。 制御部の機能ブロック図である。 生体波形の分析について模式的に示す図である。 分類テーブルの一例を説明するための図である。 複数のアルゴリズムの一例を説明するための図である。 生体波形の分析について模式的に示す図である。 本実施形態に係る生体情報処理方法の一例を説明するためのフローチャートである。 従来の生体波形の分析について模式的に示す図である。
以下、本実施形態について、図面を参照しながら説明する。図１は、本実施形態に係る生体情報処理装置１（以下「処理装置１」という。）のハードウェア構成図を示す。
処理装置１は、入力部２と、制御部３と、記憶部４と、出力部５と、センサインターフェース６と、ネットワークインターフェース７とを有している。入力部２、制御部３、記憶部４、出力部５、センサインターフェース６、ネットワークインターフェース７は、バス８で電気的に接続されている。
処理装置１は、生体情報の分析を行うための装置である。生体情報は、生体に関する各種の情報であり、例えば、心電図波形や脈波などの生体波形の情報、血管の断面や心臓などの生体画像の情報である。処理装置１は、心電計などの生体情報の処理を行う専用装置であってもよく、パーソナルコンピュータ、スマートフォン、タブレットなどの汎用デバイスであってもよく、Ａｐｐｌｅ Ｗａｔｃｈ（登録商標）などのウェアラブルデバイスであってもよい。
入力部２は、処理装置１を操作する検査者などの入力操作を受け付けると共に、当該入力操作に対応する指示信号を生成するように構成されている。入力部２は、例えば、処理装置１の筐体に取り付けられた操作ボタン、筐体に接続されたマウスやキーボード、筐体に配置されたタッチパネルである。入力部２によって生成された指示信号は、バス８を介して制御部３に出力される。
制御部３は、入力部２から入力される指示信号に応じて、処理装置１に関する制御を行うように構成されている。制御部３は、プロセッサとメモリを有している。メモリは、コンピュータ可読命令（プログラム）を記憶するように構成されており、例えば、各種プログラムなどが格納されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やプロセッサにより実行される各種プログラムなどが格納される複数ワークエリアを有するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などから構成される。プロセッサは、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）及び／又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であって、ＲＯＭに組み込まれた各種プログラムから指定されたプログラムをＲＡＭ上に展開し、ＲＡＭとの協働で各種処理を実行するように構成されている。
プロセッサが後述する生体情報処理方法を実行するための生体情報処理プログラムをＲＡＭ上に展開し、ＲＡＭとの協働で当該生体情報処理プログラムを実行することで、制御部３は、処理装置１の各種動作を制御してもよい。制御部３及び生体情報処理プログラムの詳細については後述する。
記憶部４は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉ
ｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢフラッシュメモリなどの記憶装置（ストレージ）であって、プログラムや各種データを格納するように構成されている。記憶部４に格納されるプログラムは、生体情報処理プログラムや、分析に用いる複数のアルゴリズムなどである。記憶部４に格納される各種データは、生体情報に関するデータなどである。生体情報に関するデータは、時間軸上に連続して発生する複数の心電図波形（生体波形の一例）を示す波形データなどである。波形データは、不図示の心電図センサによりリアルタイムで（計測と同時に）取得されて、センサインターフェース６を介して、記憶部４に取得されてもよい。波形データは、既に計測された計測結果データ（過去の計測結果）であってもよい。既に計測された計測結果データの場合、ネットワークインターフェース７を介して、記憶部４に取得されてもよく、ＵＳＢメモリなどの外部機器を介して取得されてもよい。
出力部５は、処理装置１の分析結果を出力する機器で構成されている。出力部５は、例えば、液晶ディスプレイ、有機ＥＬディスプレイなどの表示機器や、インクジェットプリンタ、レーザプリンタなどのプリンタ装置などである。
センサインターフェース６は、不図示のセンサを処理装置１に接続するためのインターフェースである。
ネットワークインターフェース７は、処理装置１を通信ネットワークに接続するように
構成されている。
処理装置１とセンサインターフェース６またはネットワークインターフェース７とは、有線で接続されてもよく、無線で接続されてもよい。
制御部３は、図２に示すように、取得部３１と、分類部３２と、分析部３３とを含んでいる。
取得部３１は、センサインターフェース６、ネットワークインターフェース７または記憶部４から、被検者の生体情報を取得するように構成されている。図３は、生体波形の分析について模式的に示す図であり、取得部３１が取得するＱＲＳ波、Ｔ波を含む心電図波形（生体波形の一例）が示されている。
取得部３１が取得した生体情報は、分類部３２に出力される。
分類部３２は、取得部３１で取得された生体情報を分類するように構成されている。分類部３２は、生体波形などに見られるおおよその特徴に基づいて生体情報を分類する。
図４は、分類部３２による分類に用いられる分類テーブルの一例である。図４に示すように、分類部３２は、心電図波形におけるＱＴ時間（時間軸上の時間間隔の一例）及びＴ波の振幅（高さ）の違いに基づいて、生体波形を分類結果Ｃ１～Ｃ９に分類する。分類テーブルに用いられる分類基準は、例えば、ＱＴ時間について、３５０ｍｓ以下を「ＱＴ時間が短縮（以下「ＱＴ短縮」という）」、４５０ｍｓ以上を「ＱＴ時間が延長（以下「ＱＴ延長」という）」、３５０ｍｓより長く４５０ｍｓ未満を「ＱＴ時間が正常（ＱＴ時間が通常ともいう。以下「ＱＴ正常」という）と分類してもよい。
分類部３２は、一例として、ニューラルネットワークを用いて予め生体情報を深層学習させることに基づいて構築されていてもよい。
分類部３２の分類結果は、分類部３２から分析部３３に出力される。
分析部３３は、分類部３２の分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択し、選択したアルゴリズムにより分類された生体情報を分析するように構成されている。予め用意された複数のアルゴリズムは、それぞれ、分類部３２で用いたおおよその特徴に基づく分類に合致した最適な分析を行うことができるように構築されている。
分析に用いる複数のアルゴリズムは、一例として、図５に示す第一アルゴリズム～第九アルゴリズムである。この場合、分析部３３は、分類部３２から取得した分類結果Ｃ１～Ｃ９に応じたアルゴリズムを、予め用意された複数の第一アルゴリズム～第九アルゴリズムから選択するように構成されている。分析部３３は、選択したアルゴリズムにより、分類結果に対応する心電図波形を分析する。分類結果に対応する心電図波形は、取得部３１から分析部３３に出力されてもよく、記憶部４から分析部３３に出力されても良い。
次に、処理装置１の処理方法について、図３～図７を用いて説明する。図７は、本実施形態の生体情報処理方法（以下、「処理方法」という。）の一例を説明するためのフローチャートである。
図７に示すように、ＳＴＥＰ１において、処理装置１の取得部３１は、被検者から取得される生体情報を取得する（取得工程）。本例では、取得部３１が、図３または図６に示す生体波形を取得した場合について説明する。取得部３１は、取得した生体波形をデジタルデータ（波形データ）にＡ／Ｄ変換し、この波形データを分類部３２に出力する。
ＳＴＥＰ２において、分類部３２は、ＳＴＥＰ１で取得した波形データを分類する（分類工程）。分類部３２は、図３に関する波形データを取得した場合、「ＱＴ短縮」かつ「Ｔ波の振幅が正常（正常）」（分類結果Ｃ２）と分類する（図４）。また、分類部３２は、図６に関する波形データを取得した場合、「ＱＴ延長」かつ「Ｔ波の振幅が正常（正常）」（分類結果Ｃ８）と分類する（図４）。
分類部３２は、この分類結果を、分析部３３に出力する。
ＳＴＥＰ３において、分析部３３は、分類部３２から、ＳＴＥＰ２の分類結果を取得する。ＳＴＥＰ４において、分析部３３は、ＳＴＥＰ３で取得した分類結果に応じて、この分類結果に適するアルゴリズムを、予め用意された複数のアルゴリズム（第一アルゴリズム～第九アルゴリズム）から選択する（選択工程）。分析部３３は、取得した分類結果が分類結果Ｃ２である場合、分類結果Ｃ２に適するアルゴリズムとして第二アルゴリズムを選択する。分析部３３は、取得した分類結果がＣ８である場合、分類結果Ｃ８に適するアルゴリズムとして第八アルゴリズムを選択する。
ＳＴＥＰ５において、分析部３３は、ＳＴＥＰ４で選択したアルゴリズム（第二アルゴリズム、第八アルゴリズム）を用いて、ＳＴＥＰ２で分類された波形データの分析を実行する（分析工程）。分析部３３の分析結果は、出力部５から出力されてもよく、記憶部４に記憶されてもよい。
以上説明したように、本実施形態の処理装置１によれば、まず、分類部３２によって生体情報を分類する（図７のＳＴＥＰ２）。その分類結果Ｃ１～Ｃ９に応じて、分析部３３は、予め用意された複数のアルゴリズム（第一アルゴリズム～第九アルゴリズム）から用いるアルゴリズムを選択する（図７のＳＴＥＰ４）。そして、選択したアルゴリズムにより分類された生体情報を分析する（図７のＳＴＥＰ５）。これにより、分類された生体情報に適するアルゴリズムによる分析を行うことができ、生体情報の分析を精度良く行うことができる。
すなわち、従来、心電図波形の分析において、例えばＴ波のピークの検出に一般的な値を用いる場合には、標準的な波形から外れる波形についてＴ波のピークを検出することができない場合があった。図８に、従来における標準的なＴ波のピークの検索範囲を示す。図８に示す例では、Ｔ波のピークの検索範囲からＴ波が外れており、Ｔ波のピークが検出できない。この場合は、ＱＴ時間の検出も行うことができなかった。
これに対して、上記した本実施形態の処理装置１によれば、分類部３２により生体情報が分類される。その分類結果に応じて、分析部３３により、用いるアルゴリズムが選択され、選択されたアルゴリズムを用いて分析が行われる。これにより、例えばＱＴ短縮（図３）やＱＴ延長（図６）のように、従来は正確に分析できなかった生体情報について、精度良く生体情報の分析を行うことができる。
また、ニューラルネットワークを用いて予め生体情報を深層学習させることに基づいて構築されている分類部３２により、生体情報を分類するので、検査者の主観（検査者が設定した特徴値）に依拠しない高精度の分類を行うことができる。
また、生体情報は、生体波形を含み、分類部３２は、生体波形の時間間隔に基づく分類を行うように構成されているので、生体波形をより適切に分類することができる。
本実施形態に係る処理装置１をソフトウェアによって実現するためには、生体情報処理プログラムが制御部３のメモリ（ＲＯＭなどの記憶部）に予め組み込まれていてもよい。または、生体情報処理プログラムは、磁気ディスク（ＨＤＤ、フロッピーディスク）、光ディスク（ＣＤ－ＲＯＭ，ＤＶＤ－ＲＯＭ、Ｂｌｕ－ｒａｙ（登録商標）ディスクなど）、光磁気ディスク（ＭＯなど）、フラッシュメモリ（ＳＤカード、ＵＳＢメモリ、ＳＳＤなど）などのコンピュータ読取可能な記憶媒体に格納されていてもよい。この場合、処理装置１に設けられたディスクドライブなどによって記憶媒体に格納された生体情報処理プログラムが読み込まれることで、当該生体情報処理プログラムが、メモリに組み込まれる。そして、メモリに組み込まれた当該プログラムがＲＡＭ上にロードされて、プロセッサがＲＡＭ上にロードされた当該プログラムを実行する。
また、生体情報処理プログラムは、通信ネットワーク上のコンピュータからネットワークインターフェース７を介してダウンロードされてもよい。この場合も同様に、ダウンロードされた当該プログラムがメモリに組み込まれる。
本開示は、上述した実施形態や変形例に限定されず、適宜、変形、改良などが自在である。その他、上述した実施形態における各構成要素の材質、形状、形態、数、配置場所などは、本開示を達成できるものであれば任意であり、限定されない。
上記実施形態では、生体波形をＱＴ時間とＴ波の振幅の違いに基づいて分類する例を説明したが、本開示の分類の指標はＱＴ時間、Ｔ波に限らない。本開示の処理装置１及び処理方法は、例えば、ＰＲ間隔に基づく生体波形の分類にも用いることができる。
ＰＲ間隔に基づく心電図波形（生体波形の一例）を分類する場合、分類部３２は、取得した心電図波形（Ａ／Ｄ変換された波形データ）を、ＰＲ間隔に基づいて分類し、ＰＲ間隔が短縮された場合をＣ１１、ＰＲ間隔が通常の場合をＣ１２、ＰＲ間隔が延長された場合をＣ１３と分類する。この場合において、分析部３３は、分類結果Ｃ１１～Ｃ１３に応じたアルゴリズムを、予め用意された第十一アルゴリズム～第十三アルゴリズムから選択し、選択したアルゴリズムにより心電図波形の分析を行う。第十一アルゴリズムは、例えばＷＰＷ症候群に関するアルゴリズムとすることができ、分類結果Ｃ１１の場合に選択される。第十三アルゴリズムは、例えば１度房室ブロックに関するアルゴリズムとすることができ、分類結果Ｃ１３の場合に選択される。
また、上記処理装置１及び処理方法は、生体情報が画像の場合にも用いることができる。心室内腔面積の算出に関して、超音波エコーで取得する画像を用いる例を説明する。
分類部３２は、取得部３１から心臓を含む画像を取得し、この画像について深層学習により心臓がおおよそ画像のどの位置にあるのかを分類する。この分類において、分類部３２は、分類する画像全体を複数の領域（例えば９領域）に区分し、各区分を分類結果Ｃ２１～Ｃ２９とする。分類部３２は、取得した画像において、心臓が位置するおおよその位置を、例えば分類結果Ｃ２８と分類する。
分析部３３は、分類結果Ｃ２８に応じたアルゴリズムを、予め用意された第二十一アルゴリズム～第二十九アルゴリズムから選択し、選択したアルゴリズムにより画像の分析を行う。例えば第二十八アルゴリズムは、心臓の内側の面積を算出するアルゴリズムとすることができる。分析部３３は、分類結果Ｃ２８に応じて第二十八アルゴリズムを選択し、選択した第二十八アルゴリズムを用いて、心臓の内壁を検出して心臓の内側の面積を算出する。
上記では、予め用意されたアルゴリズムの数と分類結果の種類数とが同一の例を説明したが、予め用意するアルゴリズムの数と分類結果の種類数とは異なっていてもよい。例えば、分類結果の種類の数が、予め用意するアルゴリズムの数より少なくてもよい。
また、分析に用いる複数のアルゴリズムは、上記した記憶部４に記憶される構成に限らない。分析に用いる複数のアルゴリズムは、制御部３に記憶されていてもよい。分析に用いる複数のアルゴリズムは、ＵＳＢメモリなどの外部機器に記憶されていてもよい。外部機器に記憶された複数のアルゴリズムは、ネットワークインターフェース７を介して分析部３３に取得されてもよい。
また、上記処理装置１は出力部５を含んで構成されているが、本開示の処理装置１は上記構成に限らない。出力部５は、処理装置１の外部に備えられていてもよい。出力部５が外部に備えられる場合、処理装置１は、分類に関する情報や分析に関する情報を、ネットワークインターフェース７を介して出力部５に送信してもよく、ＵＳＢメモリなどの記憶媒体を介して出力部５に取得させてもよい。
１ 生体情報処理装置、 ２ 入力部、 ３ 制御部、 ４ 記憶部、 ５ 出力部、 ６ センサインターフェース、 ７ ネットワークインターフェース、 ８ バス、 ３１ 取得部、 ３２ 分類部、 ３３ 分析部、 Ｃ１～Ｃ９ 分類結果

Claims (4)

  1. 被検者の生体情報を取得する取得部と、
    前記取得部で取得された前記生体情報を分類する分類部と、
    前記分類部の分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択し、選択した前記アルゴリズムにより前記分類された生体情報を分析する分析部と、
    を有し、
    前記生体情報は、心電図波形を含み、
    前記分類部は、前記心電図波形を、ＱＴ間隔の長さに応じた複数の分類基準及びＴ波の振幅の大きさに応じた複数の分類基準を組み合わせて分類する、生体情報処理装置。
  2. 前記分類部は、ニューラルネットワークを用いて予め生体情報を深層学習させることに基づいて構築されている、請求項１記載の生体情報処理装置。
  3. 被検者の生体情報を取得する取得工程と、
    前記取得工程で取得された前記生体情報を分類する分類工程と、
    前記分類工程における分類結果に応じて、予め用意された複数のアルゴリズムから用いるアルゴリズムを選択する選択工程と、
    前記選択工程で選択された前記アルゴリズムにより前記分類された生体情報を分析する分析工程と、
    を含み、
    前記生体情報は、心電図波形を含み、
    前記分類工程は、前記心電図波形を、ＱＴ間隔の長さに応じた複数の分類基準及びＴ波の振幅の大きさに応じた複数の分類基準を組み合わせて分類する、生体情報処理方法。
  4. 請求項３に記載の方法をコンピュータに実行させるためのプログラム。
JP2017228680A 2017-11-29 2017-11-29 生体情報処理装置、生体情報処理方法およびプログラム Active JP7016680B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017228680A JP7016680B2 (ja) 2017-11-29 2017-11-29 生体情報処理装置、生体情報処理方法およびプログラム
US16/199,666 US11071492B2 (en) 2017-11-29 2018-11-26 Apparatus and method for processing physiological information, and computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017228680A JP7016680B2 (ja) 2017-11-29 2017-11-29 生体情報処理装置、生体情報処理方法およびプログラム

Publications (2)

Publication Number Publication Date
JP2019097639A JP2019097639A (ja) 2019-06-24
JP7016680B2 true JP7016680B2 (ja) 2022-02-07

Family

ID=66634138

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017228680A Active JP7016680B2 (ja) 2017-11-29 2017-11-29 生体情報処理装置、生体情報処理方法およびプログラム

Country Status (2)

Country Link
US (1) US11071492B2 (ja)
JP (1) JP7016680B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7318690B2 (ja) * 2021-09-14 2023-08-01 カシオ計算機株式会社 電子機器、アルゴリズム選択方法及びプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008515486A (ja) 2004-09-30 2008-05-15 カーディアック ペースメーカーズ，インコーポレイテッド 不整脈分類および療法選択
JP2013524984A (ja) 2010-04-28 2013-06-20 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 診断ｅｃｇにおける心筋梗塞サイズの可視化
JP2014100473A (ja) 2012-11-16 2014-06-05 Samsung Electronics Co Ltd 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ
JP2016538043A (ja) 2013-11-30 2016-12-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｅｃｇによる患者の年齢の自動化された検出
JP2017192607A (ja) 2016-04-22 2017-10-26 ユニオンツール株式会社 心電図自動解析装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6493579B1 (en) * 1999-08-20 2002-12-10 Cardiac Pacemakers, Inc. System and method for detection enhancement programming
US8298150B2 (en) * 2000-01-11 2012-10-30 Cedars-Sinai Medical Center Hemodynamic waveform-based diagnosis and treatment
US7343197B2 (en) * 2000-05-30 2008-03-11 Vladimir Shusterman Multi-scale analysis and representation of physiological and health data
US6754528B2 (en) * 2001-11-21 2004-06-22 Cameraon Health, Inc. Apparatus and method of arrhythmia detection in a subcutaneous implantable cardioverter/defibrillator
FR2817154B1 (fr) * 2000-11-27 2003-06-06 Ela Medical Sa Dispositif medical actif du type defibrillateur/ cardioverteur implantable a discrimination perfectionnee des fibrillations auriculaires
US8005531B2 (en) * 2006-09-29 2011-08-23 The General Electric Company Method and apparatus with reduced electrode system specific ECG interpretation
US9597041B2 (en) * 2007-03-30 2017-03-21 General Electric Company Sequential image acquisition with updating method and system
ES2600802T3 (es) * 2008-04-24 2017-02-10 Hamilton Medical Ag Dispositivo y procedimiento para la valoración del estrés circulatorio de una persona durante la respiración asistida
US8170320B2 (en) * 2009-03-03 2012-05-01 Hologic, Inc. Mammography/tomosynthesis systems and methods automatically deriving breast characteristics from breast x-ray images and automatically adjusting image processing parameters accordingly
US8223916B2 (en) * 2009-03-31 2012-07-17 Hologic, Inc. Computer-aided detection of anatomical abnormalities in x-ray tomosynthesis images
EP2429649B1 (en) * 2009-04-22 2016-11-02 Cardiac Pacemakers, Inc. Dynamic selection of algorithms for arrhythmia detection
US9049994B2 (en) * 2011-09-21 2015-06-09 Siemens Medical Solutions Usa, Inc. System for cardiac arrhythmia detection and characterization
US9307920B2 (en) * 2012-04-17 2016-04-12 Cardiac Pacemakers, Inc. Method and apparatus for automatic arrhythmia classification with confidence estimation
WO2015200813A1 (en) * 2014-06-26 2015-12-30 University Of Washington Apparatuses and methods for determing whether cardiopulmonary resuscitation is conducted based on an impedance signal
US10524680B2 (en) * 2015-08-31 2020-01-07 Ventrilink Corporation Electrocardiogram device and methods
EP3474746A1 (en) * 2016-06-22 2019-05-01 Koninklijke Philips N.V. Template-based analysis and classification of cardiovascular waveforms
CN109069031B (zh) * 2016-10-20 2021-12-24 京东方科技集团股份有限公司 用于确定对象血压的设备和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008515486A (ja) 2004-09-30 2008-05-15 カーディアック ペースメーカーズ，インコーポレイテッド 不整脈分類および療法選択
JP2013524984A (ja) 2010-04-28 2013-06-20 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 診断ｅｃｇにおける心筋梗塞サイズの可視化
JP2014100473A (ja) 2012-11-16 2014-06-05 Samsung Electronics Co Ltd 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ
JP2016538043A (ja) 2013-11-30 2016-12-08 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｅｃｇによる患者の年齢の自動化された検出
JP2017192607A (ja) 2016-04-22 2017-10-26 ユニオンツール株式会社 心電図自動解析装置

Also Published As

Publication number Publication date
US11071492B2 (en) 2021-07-27
JP2019097639A (ja) 2019-06-24
US20190159694A1 (en) 2019-05-30

Similar Documents

Publication Publication Date Title
CN108186011B (zh) 房颤检测方法、装置及可读存储介质
US10980429B2 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
JP5672144B2 (ja) 心拍数・呼吸数検出装置，方法およびプログラム
Pollreisz et al. A simple algorithm for emotion recognition, using physiological signals of a smart watch
JPWO2015182077A1 (ja) 感情推定装置、感情推定方法及び感情推定プログラムを記憶する記録媒体
US10271741B2 (en) Biometric scale
US9192299B2 (en) Health check path evaluation indicator building system, method thereof, device therewith, and computer program product therein
CN111095232A (zh) 发掘用于机器学习技术中的基因组
JP2020042765A (ja) 情報処理方法及び情報処理システム
EP3617965A1 (en) Performance measurement device, performance measurement method and performance measurement program
JP6997581B2 (ja) 生体情報処理装置、生体情報処理方法、プログラム及び記憶媒体
US20240164691A1 (en) Electrocardiogram analysis assistance device, program, electrocardiogram analysis assistance method, and electrocardiogram analysis assistance system
JP7016680B2 (ja) 生体情報処理装置、生体情報処理方法およびプログラム
JP2009082442A5 (ja)
JP2018102518A (ja) 心房細動検出装置、心房細動検出方法、プログラム及び記憶媒体
CN113693611A (zh) 基于机器学习的心电数据分类方法及装置
Vignoud et al. Video-based automated analysis of MDS-UPDRS III parameters in Parkinson disease
JP2019032591A (ja) 計算機システム
US20220157467A1 (en) System and method for predicting wellness metrics
JP6952488B2 (ja) 生体情報波形処理方法、記憶媒体、プログラム及び生体情報波形処理装置
JP5911840B2 (ja) 診断データ生成装置および診断装置
WO2022226227A1 (en) Deep neural networks for predicting post-operative outcomes
JP6656835B2 (ja) 計測点修正方法、計測点自動修正装置、計測点自動修正プログラム、及び計測点自動修正プログラムが記憶されたコンピュータ読取可能な記憶媒体
JP4677528B2 (ja) 星座グラフ履歴表示装置
JP6815069B2 (ja) 波形解析方法、波形解析装置、波形解析プログラム、及び波形解析プログラムが記憶されたコンピュータ読取可能な記憶媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200930

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210730

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210803

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210929

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211217

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220111

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220126

R150 Certificate of patent or registration of utility model

Ref document number: 7016680

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150