JPH0779799B2 - Breathing and heart rate evaluation device - Google Patents
Breathing and heart rate evaluation deviceInfo
- Publication number
- JPH0779799B2 JPH0779799B2 JP62183186A JP18318687A JPH0779799B2 JP H0779799 B2 JPH0779799 B2 JP H0779799B2 JP 62183186 A JP62183186 A JP 62183186A JP 18318687 A JP18318687 A JP 18318687A JP H0779799 B2 JPH0779799 B2 JP H0779799B2
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- heartbeat
- respiration
- information
- correlation
- 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.)
- Expired - Lifetime
Links
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は生体から得られる呼吸と心拍情報の評価方法及
びその評価装置に関するもので、特に新生児の定常状態
と睡眠時無呼吸状態における呼吸と心拍の相関関係を検
討することにより、新生児の突然死症候群を事前に予測
できる呼吸と心拍情報の評価方法及びその装置に関する
ものである。Description: TECHNICAL FIELD The present invention relates to a method of evaluating respiration and heartbeat information obtained from a living body and an evaluation apparatus therefor, and particularly to respiration in a steady state and sleep apnea state of a newborn baby. The present invention relates to a method for evaluating respiratory and heartbeat information that can predict a sudden death syndrome of a newborn baby in advance by examining a correlation between heartbeats, and an apparatus thereof.
［従来の技術］ 一般に、生体から得られる情報源には、脳波、心電、呼
吸、眼球運動、筋電図等があるが、これらの情報源から
得られる信号波形は、脳波等と比べると比較的波形自身
の形が明瞭である。そのため心電波形のピーク間隔変動
であるＲ−Ｒ間隔を時系列として解析することが比較的
容易である。[Prior Art] In general, information sources obtained from a living body include brain waves, electrocardiograms, respirations, eye movements, electromyograms, etc. The shape of the waveform itself is relatively clear. Therefore, it is relatively easy to analyze the RR interval, which is the peak interval variation of the electrocardiographic waveform, as a time series.
心拍において呼吸性不正脈が、肺の伸展性受容器からの
求心性インパルスによるものであることを考慮すると、
睡眠時無呼吸状態における伸展性受容器からの求心性イ
ンパルス停止は心拍に影響を及ぼす。これまでに、チェ
イネ ストークス（Cheyne Stokes）呼吸の過呼吸時に
心拍数の増大、血圧の低下が起こり、無呼吸時に心拍数
の減少、血圧の上昇が起こることが報告されている。Considering that the respiratory irregular pulse in the heartbeat is due to the afferent impulse from the extensible receptors of the lung,
Arresting afferent impulses from extensible receptors in sleep apnea affects heart rate. It has been reported so far that an increase in heart rate and a decrease in blood pressure occur during hyperventilation of Cheyne Stokes respiration, and a decrease in heart rate and an increase in blood pressure occur during apnea.
ここで、睡眠時無呼吸症候群とは、以下の３つの特徴を
有する場合である。Here, sleep apnea syndrome is a case having the following three characteristics.
（１）７時間の夜間睡眠の間に少なくとも30回の無呼吸
が出現する。(1) At least 30 apnea episodes occur during 7 hours of night sleep.
（２）無呼吸はレム（REM）睡眠にもノンレム（non RE
M）睡眠にも出現する。(2) Apnea is non-REM for REM sleep
M) It also appears in sleep.
（３）無呼吸発作は連続して出現する傾向がみられる。(3) Apnea attacks tend to appear continuously.
次に、睡眠時無呼吸症候群の分類について述べる。分類
については、ガストート（Gastaut）により、以下の３
つの型に分類されている。Next, the classification of sleep apnea syndrome will be described. For classification, the following 3 according to Gastaut
It is classified into two types.
（１）中枢型：胸部や腹部運動の消失とともに鼻孔や口
での換気の停止のあるもので、呼吸中枢の活動停止を示
す。(1) Central type: With the disappearance of chest and abdominal movements, the ventilation of the nostrils and mouth is stopped, and the activity of the respiratory center is stopped.
（２）閉塞型あるいは上気道型：胸部や腹部の換気努力
にもかかわらず、呼吸が停止したもので、上気道の閉塞
が考えられる。(2) Obstruction type or upper airway type: Breathing is stopped despite efforts to ventilate the chest and abdomen, and obstruction of the upper airway is considered.
（３）混合型：中枢型、閉塞型の中間で、無呼吸の始め
には胸部や腹部が停止しているにもかかわらず、次第に
増強する型をいう。(3) Mixed type: A type that is intermediate between the central type and the obstructive type and gradually increases even though the chest and abdomen are stopped at the beginning of apnea.
中枢型の場合、無呼吸がほぼ一定の周期で繰り返し出現
することが多く、ノンレム（non REM）睡眠によくみら
れるが、閉塞型の場合は無呼吸が不定の周期で出現しそ
の持続も一定しない。また中枢型の場合は、チェイネ
ストークス（Cheyne Stokes）呼吸の過呼吸の際心拍の
増大、無呼吸の際心拍の減少がみられ周期性変動を示す
こと等があげられる。In the central type, apnea often appears repeatedly with a nearly constant cycle, which is often seen in non-REM sleep, but in the obstructive type, apnea appears in an indefinite cycle and its duration is also constant. do not do. If it is a central type,
Stokes (Cheyne Stokes) The heart rate is increased during hyperventilation and the heart rate is decreased during apnea, which shows periodic fluctuation.
中枢型睡眠時無呼吸の発現機序には、神経原説と循環障
害説の２説がある。神経原説は、脳幹に発振中枢、前脳
に発振中枢に対する抑制機構が存在し、睡眠により発振
中枢の興奮性増大、あるいは抑制の増大が出現するとす
るものであり、循環障害説は、循環障害により呼吸中枢
と化学的受容器との間のフィードバックループに遅れが
生じ、発振進現象が起こるとするものである。このどち
らの影響であるか、もしくは両方による影響なのかは、
定説化されていない。There are two theories regarding the mechanism of development of central sleep apnea, the neurogenic theory and the circulatory disorder theory. The neurological theory is that the brain stem has an oscillation center and the forebrain has an inhibitory mechanism for the oscillation center, and sleep causes an increase in excitability of the oscillation center or an increase in inhibition. This causes a delay in the feedback loop between the respiratory center and chemoreceptors, which causes an oscillation phenomenon. Which of these effects, or both effects,
It has not been established.
［発明が解決しようとする問題点］ 無呼吸発作が、乳幼児突然死症候群等に関与しているこ
とが報告されているが、呼吸と心拍の相関関係について
は明確に解析されていない。従来、新生児の睡眠時無呼
吸の発生については呼吸モニター等により監視を行なっ
ており、無呼吸発作が発生したときに始めて知り事前に
その発生を予測することができなかった。[Problems to be Solved by the Invention] Although apnea attacks have been reported to be involved in sudden infant death syndrome, etc., the correlation between respiration and heartbeat has not been clearly analyzed. Conventionally, the occurrence of sleep apnea in a newborn baby has been monitored by a respiratory monitor or the like, and it has been impossible to know in advance when an apnea attack occurs and to predict the occurrence in advance.
本発明者は、新生児の呼吸と心拍の相関関係について鋭
意研究を行なった結果、定常状態では呼吸が心拍に対し
て数ビートの進みから睡眠時無呼吸状態となる120秒か
ら180秒以前に数10ビートの遅れあるいは進みに著しく
変化することを見出し本発明に到達したものである。The present inventor, as a result of intensive research on the correlation between respiration and heartbeat of the newborn, in the steady state, breathing progresses several beats relative to the heartbeat and becomes sleep apnea 120 seconds to 180 seconds before 180 seconds. The inventors of the present invention have found that the delay or advance of 10 beats significantly changes.
本発明は、呼吸と心拍の相関関係を検討することで、例
えば新生児の定常状態から睡眠時無呼吸状態になる直前
を知り、突然死症候群を事前に予測できる呼吸と心拍の
評価方法を提供することを目的とする。また本発明は、
呼吸と心拍の相関関係を自動的に算出することで、例え
ば新生児の睡眠時無呼吸状態の直前を知ることができる
とともに、その報知が可能になる、呼吸と心拍の評価装
置を提供することを目的とする。The present invention provides a method for evaluating respiration and heartbeat by studying the correlation between respiration and heartbeat, for example, knowing immediately before the sleep apnea state from the steady state of a newborn baby and predicting sudden death syndrome in advance. The purpose is to Further, the present invention is
By automatically calculating the correlation between respiration and heartbeat, for example, it is possible to know immediately before the state of sleep apnea of a newborn baby, and to provide an evaluation device for respiration and heartbeat that enables the notification. To aim.
［問題点を解決するための手段］ 本発明の呼吸と心拍の評価装置は、生体から心電情報及
び呼吸情報を検出する心電情報検出手段及び呼吸情報検
出手段と、該心電情報検出手段で検出された心電波形か
ら波形間隔変動を算出する波形間隔算出手段と、前記呼
吸情報検出手段で検出された呼吸波形から前記心電波形
の波形間隔でサンプリングして包絡線情報を算出する包
絡線情報算出手段と、前記波形間隔算出手段で算出した
心電波形の波形間隔変動と前記包絡線情報算出手段で算
出した呼吸波形の包絡線情報との相関を分析する相関分
析手段とを備え、相関値の高い値における呼吸と心拍の
進みと遅れの関係を評価することを特徴とするものであ
る。[Means for Solving Problems] An apparatus for evaluating respiration and heartbeat according to the present invention includes an electrocardiographic information detecting means and a respiratory information detecting means for detecting electrocardiographic information and respiratory information from a living body, and the electrocardiographic information detecting means. Waveform interval calculating means for calculating the waveform interval variation from the electrocardiographic waveform detected by the above, and an envelope for calculating envelope information by sampling at the waveform interval of the electrocardiographic waveform from the respiratory waveform detected by the respiratory information detecting means. A line information calculation means, and a correlation analysis means for analyzing the correlation between the waveform interval variation of the electrocardiographic waveform calculated by the waveform interval calculation means and the envelope information of the respiratory waveform calculated by the envelope information calculation means, It is characterized by evaluating the relationship between the advance and the delay of respiration and heartbeat at a high correlation value.
［作 用］ 本発明の呼吸と心拍の評価装置は、心電情報検出手段で
検出した心電情報から波形間隔算出手段で波形間隔変動
を算出し、呼吸情報検出手段で検出された呼吸波形から
包絡線情報算出手段で心電波形の波形間隔でサンプリン
グして包絡線情報を算出し、相関分析手段で心電波形の
波形間隔変動と呼吸波形の包絡線情報との相関を分析す
ることで、相関値の高い値における呼吸と心拍の進みと
遅れの関係を評価すれば、呼吸の時系列を波形間隔時系
列と同じ尺度として解析することができ、相関値の高い
値における呼吸と心拍の進み、遅れの関係が解析され
る。新生児では、定常状態において呼吸が心拍に対して
数ビート（beat）進んでおり、睡眠時無呼吸状態の直前
では呼吸が心拍に対して数ビートの進みから数ビートの
遅れあるいは数10ビートの進みに変化することを示す。
これは新生児の高次中枢や自律神経系が未発達のために
循環器系の刺激伝達が正確に動作しないためである。ま
た睡眠時無呼吸状態では高次中枢や自律神経系が未発達
であることと、無呼吸による循環器障害の両方の原因に
より、中枢神経と化学受容器の間のネガティブ・フィー
ドバックに遅れが生じたことの相互の作用を受けてい
る。睡眠時無呼吸後では、定常状態な結果が得られる。
これは循環器系の刺激伝導が定常状態に戻ろうとしてい
るためである。この呼吸と心拍の相関関係により睡眠時
無呼吸の直前を知ることで報知等が可能になり、突然死
症候群を事前に予測することができる。[Operation] The respiration and heartbeat evaluation apparatus of the present invention calculates the waveform interval variation by the waveform interval calculation means from the electrocardiographic information detected by the electrocardiographic information detection means, and then calculates the respiration waveform detected by the respiratory information detection means. Envelope information is calculated by sampling at the waveform interval of the electrocardiographic waveform by the envelope information calculating means, and by analyzing the correlation between the waveform interval variation of the electrocardiographic waveform and the envelope information of the respiratory waveform by the correlation analyzing means, If the relationship between the advance and delay of respiration and heartbeat at a high correlation value is evaluated, the time series of respiration can be analyzed as the same scale as the waveform interval time series, and the advance of respiration and heartbeat at a high correlation value can be analyzed. , The delay relationship is analyzed. In a newborn baby, breathing is several beats ahead of the heartbeat in a steady state, and immediately before sleep apnea, breathing is several beats behind or several tens of beats ahead of the heartbeat. It changes to.
This is because the stimulatory transmission of the circulatory system does not operate accurately because the higher central and autonomic nervous systems of the newborn are undeveloped. In sleep apnea, there is a delay in negative feedback between the central nerves and chemoreceptors due to both the underdeveloped higher central nervous system and autonomic nervous system and the causes of cardiovascular disorders due to apnea. The things are interacting with each other. Steady-state results are obtained after sleep apnea.
This is because the stimulation conduction of the circulatory system is about to return to the steady state. By knowing the time immediately before sleep apnea based on the correlation between the breathing and the heartbeat, it becomes possible to make a notification or the like, and the sudden death syndrome can be predicted in advance.
［実施例］ 以下、本発明の実施例について、図面を参照しながら説
明する。[Examples] Examples of the present invention will be described below with reference to the drawings.
第１図は、本発明の一実施例に係る呼吸と心拍の評価の
原理を示すブロック図である。FIG. 1 is a block diagram showing the principle of evaluation of respiration and heartbeat according to an embodiment of the present invention.
同図において、１は生体であり、心電情報及び呼吸情報
が得られる情報源で、例えば新生児である。２は心電情
報検出手段であり、生体１から得られる心電波形を電位
変化として検出するものである。３は呼吸情報検出手段
であり、生体１から得られる呼吸波形を電位変化として
検出するものである。４は演算手段であり、心電情報及
び呼吸情報の相関をマイクロコンピュータ等により演算
するものである。この演算手段４は、心電の波形間隔変
動の算出手段５と、呼吸波形の包絡線情報算出手段６
と、波形間隔変動と包絡線情報との相関分析手段７とを
有する。In the figure, reference numeral 1 is a living body, which is an information source from which electrocardiographic information and respiratory information can be obtained, for example, a newborn baby. Reference numeral 2 denotes an electrocardiographic information detecting means, which detects an electrocardiographic waveform obtained from the living body 1 as a potential change. Reference numeral 3 is a respiratory information detecting means for detecting a respiratory waveform obtained from the living body 1 as a potential change. Reference numeral 4 denotes a computing means for computing the correlation between the electrocardiographic information and the respiratory information by a microcomputer or the like. The calculation means 4 includes a calculation means 5 for the fluctuation of the electrocardiographic waveform interval and a calculation means 6 for the envelope information of the respiratory waveform.
And a correlation analysis means 7 between the waveform interval variation and the envelope information.
第２図は第１図に示す原理に基いた呼吸と心拍の評価装
置の構成を示すブロック図である。FIG. 2 is a block diagram showing the configuration of a respiratory and heartbeat evaluation apparatus based on the principle shown in FIG.
同図において、11は新生児、12は心電検出部、13は呼吸
検出部、14はアナログデータをデジタルデータに変換す
るA/D変換器、15は大量のデータを記録する20メガバイ
ト程度の記憶容量を持つハードディスクからなる記憶装
置、16は記憶装置15のデータを読み出し所定のプログラ
ムに基き、演算、処理を行なうマイクロコンピュータ、
17はディスプレイ、Ｘ−Ｙプロッタ、プリンタ等の出力
装置である。In the figure, 11 is a newborn baby, 12 is an electrocardiographic detection unit, 13 is a respiratory detection unit, 14 is an A / D converter that converts analog data into digital data, and 15 is a memory of about 20 megabytes that records a large amount of data. A storage device composed of a hard disk having a capacity, 16 is a microcomputer that reads out the data of the storage device 15 and performs calculation and processing based on a predetermined program,
Reference numeral 17 is an output device such as a display, an XY plotter, and a printer.
以上の呼吸と心拍の評価装置において、新生児11である
被検者からの情報は、心電検出部12及び呼吸検出部13で
検出する。次に、マイクロコンピュータ16上で解析でき
るように、A/D変換器14を用いて、記録装置15である20M
ハードディスクにランダムアクセスファイルの形式で取
り込まれる。ランダムアクセスファイルにする利点は、
データを大量に取り込むことができるためである。ハー
ドディスクに取り込んだデータは、必要に応じてマイク
ロコンピュータ16上に読み込み、解析が行なわれる。In the above-described breathing and heartbeat evaluation apparatus, information from the subject, which is the newborn baby 11, is detected by the electrocardiographic detection unit 12 and the respiration detection unit 13. Next, using the A / D converter 14, the recording device 15 of 20M can be analyzed on the microcomputer 16.
It is downloaded to the hard disk in the form of a random access file. The advantages of making a random access file are:
This is because a large amount of data can be captured. The data taken in the hard disk is read into the microcomputer 16 as needed and analyzed.
ここで心電及び呼吸等の生体より得られる情報は、連続
して非常に長いデータを記録する必要がある。通常はデ
ータをメインメモリ上に記憶させ、ディスクに書き込む
方法を用いる。しかし、長時間のデータ記録は不可能で
ある。そこで本実施例の装置では、A/D変換を一定のサ
ンプリング周波数で行ないながら、並行してディスクへ
書き込むDMA（direct memory access）転送による方法
が用いられている。以下に具体的な方法について説明す
る。Here, the information obtained from the living body such as electrocardiogram and respiration needs to record very long data continuously. Usually, a method of storing data on the main memory and writing it on a disk is used. However, long-term data recording is impossible. Therefore, in the apparatus of this embodiment, a method by DMA (direct memory access) transfer is used in which A / D conversion is performed at a constant sampling frequency and writing is performed in parallel to the disk. A specific method will be described below.
ディスクに連続してデータを書き込む方法として、一定
の大きさのバッファにデータを用意してからそのデータ
をまとめて書き込む。一方A/D変換は一定の周期で行な
い、一定の割合でデータをためる。そこで、ディスクに
まとめて書き込むデータの長さの２倍のバッファを用意
する。そしてA/D変換とその結果の転送は、ハードウエ
アでバッファの初めから終まで何度でも繰り返し書き、
半分が一杯になるとソフトウエアでA/D変換と並行しデ
ィスクに書き込む方法を用いている。この方法では、デ
ータの取り込みを中断することなく連続したデータをデ
ィスクが一杯になるまで記録することができる。ただ
し、ディスクのシークやヘッドロード、回転待ち、バッ
ファの半分が一杯になったかどうかのチェック等の時間
を含めた統合的なディスク書き込み速度が、A/D変換の
サンプリング速度よりも速くなければならないため、サ
ンプリング周波数の最大値が限定される。本実施例で
は、サンプリング周波数1KHzで行なっている。次にバッ
ファの半分が一杯になったかどうかのチェック方法を具
体的に示す。As a method of continuously writing data to the disc, data is prepared in a buffer of a certain size and then the data is written collectively. On the other hand, A / D conversion is performed at a fixed cycle and data is stored at a fixed rate. Therefore, a buffer having twice the length of data to be collectively written on the disk is prepared. And the A / D conversion and the transfer of the result are repeatedly written by the hardware from the beginning to the end of the buffer,
When half is full, software is used to write to disk in parallel with A / D conversion. With this method, continuous data can be recorded until the disk is full without interrupting the data acquisition. However, the integrated disk write speed, including the time for disk seek, head load, rotation wait, and check to see if the buffer is half full, must be faster than the sampling rate for A / D conversion. Therefore, the maximum sampling frequency is limited. In this embodiment, the sampling frequency is 1 KHz. Next, a specific method for checking whether or not half of the buffer is full will be shown.
本A/D変換器14においては、バッファの半分をディスク
に書き込んだ後、最後の１バイトを０に変えておき、そ
のバイトを読み出しチェックして０以外の値になってい
れば、次のデータがそこまで書き進んできたことにな
る。ただし、A/D変換結果はすべてのビットが０になり
得るのでデジタル入力を１つ選び、その入力端子には何
もつながないでおく。こうするとビットの入力は１にな
るので、そのビットをチェックして１になっていれば、
次のデータが書き込まれたことになる。以上の方法を用
いてDMA転送を可能としている。In this A / D converter 14, after writing half of the buffer to the disk, the last 1 byte is changed to 0, the byte is read and checked, and if it is a value other than 0, the next The data has been written to that point. However, since all bits in the A / D conversion result can be 0, select one digital input and leave its input terminal unconnected. By doing this, the bit input becomes 1, so if you check that bit and it becomes 1,
The following data has been written. DMA transfer is possible using the above method.
第３図は本実施例の呼吸と心電の評価手順を示すフロー
チャートである。FIG. 3 is a flow chart showing the procedure for evaluating respiration and electrocardiography according to this embodiment.
同図において、心拍については、まずスッテプ１におい
て生体より心電情報を検出し、スッテプ２で心電波形の
ピーク（Ｒ）値の検出と基線の補正を行なった後、ステ
ップ３でＲ−Ｒ間隔変動時系列を算出する。一方、同時
に呼吸については、まずスッテプ４において生体より呼
吸情報を検出し、スッテプ５で呼吸波形のを検出し、ス
ッテプ６でＲ−Ｒ間隔時系列変動のフーリエ変換を行な
う。次に、スッテプ９において、スッテプ７及びスッテ
プ８で得た周波数スペクトルを乗算し、スッテプ10で逆
フーリエ変換により呼吸と心拍の相関演算を行なう。そ
して、スッテプ11において、上記スッテプ10で求めた相
関値から呼吸と心拍の進みと遅れの評価を行なう。In the figure, regarding the heartbeat, first, electrocardiographic information is detected from the living body at step 1, and after the peak (R) value of the electrocardiographic waveform is detected at step 2 and the baseline is corrected, RR is performed at step 3. Calculate interval variation time series. On the other hand, at the same time, regarding breathing, first, in step 4, respiratory information is detected from the living body, in step 5, the respiratory waveform is detected, and in step 6, Fourier transform of the RR interval time series fluctuation is performed. Next, in step 9, the frequency spectra obtained in step 7 and step 8 are multiplied, and in step 10, the correlation calculation between respiration and heartbeat is performed by inverse Fourier transform. Then, in step 11, the advance and delay of respiration and heartbeat are evaluated from the correlation value obtained in step 10.
次に、Ｒ−Ｒ間隔変動時系列と相関演算の方法について
詳細に説明する。Next, the RR interval variation time series and the correlation calculation method will be described in detail.
（１）間隔変動時系列 心臓は、静脈から圧力の低い血液を受け取り、圧力の高
い動脈側に送り出すことにより体内に血液を循環させる
ポンプの働きをする。この作用は主として心室の壁の心
筋の収縮により行なわれる。骨格筋の収縮に電気的興
奮、すなわち活動電位が先行したと同じように、心筋の
収縮にも活動電位が先行する。多量の筋繊維が一定の順
序でまとまって電気的興奮をするので、これに伴う活動
電流は全身を流れてかなりの電位変化を生じる。これを
体表から記録したものが心電図である。第４図は心電図
のPQRSTを示す図である。(1) Interval fluctuation time series The heart acts as a pump that circulates blood in the body by receiving low-pressure blood from the vein and sending it to the high-pressure arterial side. This effect is primarily due to the contraction of the myocardium of the walls of the ventricles. Just as skeletal muscle contraction is preceded by electrical excitement, or action potential, myocardial contraction is preceded by action potential. Since a large number of muscle fibers are gathered in a certain order and electrically excited, the accompanying action current flows through the whole body and causes a considerable potential change. An electrocardiogram is recorded from the body surface. FIG. 4 is a diagram showing PQRST of an electrocardiogram.
（ａ）ピーク値の検出 以下に本発明の実施例で用いたＲ−Ｒ間隔時系列の作成
に用いたピーク値検出法について説明する。(A) Detection of peak value The peak value detection method used to create the RR interval time series used in the examples of the present invention will be described below.
第５図は一定の周期τで量子化された心電図の一部であ
る。この波形を時間軸ｔにおける関数Ｘ（ｔ）で表わす
と、２点t1〜t2における微分値は次の式で表わされる。FIG. 5 is a part of the electrocardiogram quantized with a constant period τ. When this waveform is represented by the function X (t) on the time axis t, the differential value at the two points t 1 to t 2 is represented by the following equation.
また、t2＝t1＋τとすると式（１）は と表わされる。次に、２区間t1〜t1＋τ,t2〜t2＋τ（t
2≧t1＋τ）について微分を行なう。第６図のように、
ピーク値がt1＋τ≦ｔ≦t2となるｔにあるときの２区間
の微分値は、 となる。 If t 2 = t 1 + τ, then equation (1) becomes Is represented. Next, 2 interval t 1 ~t 1 + τ, t 2 ~t 2 + τ (t
Differentiate for 2 ≧ t 1 + τ). As shown in Figure 6,
The differential value of the two sections when the peak value is at t 1 + τ ≦ t ≦ t 2 is Becomes
つまり式（３−１），（３−２）の条件を満たす点がピ
ーク値となるが、この値を満たす点点はPQRST各々のピ
ーク値である。本実施例では、Ｒ波のピーク値を必要と
するので、PQST波のとり得ない一定のレベルＡを決めて
おき式（３−１），（３−２）とＸ（ｔ）≧Ａの２式を
同時に満足する点の最大値をＲ波のピーク値としてい
る。That is, the points satisfying the conditions of the equations (3-1) and (3-2) are peak values, and the points satisfying this value are the peak values of each PQRST. In this embodiment, since the peak value of the R wave is required, a constant level A that the PQST wave cannot take is determined in advance and equations (3-1), (3-2) and X (t) ≧ A are satisfied. The maximum value of the points that simultaneously satisfy the two expressions is the peak value of the R wave.
第７図において、この手法を用いてピーク値をとる点を
Anとすると、Ｒ−Ｒ間隔変動Ynは、 Yn＝An+1−An ・・・（４） と表わされる。In Fig. 7, the points at which peak values are obtained using this method
Assuming A n , the RR interval fluctuation Y n is expressed as Y n = A n + 1 −A n (4).
微分を用いたピーク値の検出は、第６図において非常に
精度の高い検出が可能であるが、第８図のような場合、
（３−１），（３−２）とＸ（ｔ）≧Ａの２式を同時に
満足する点ta,tbの２点となり、正確なピーク検出は不
可能である。以下にこの点を考慮した、他の手法につい
て述べる。The detection of the peak value using the differentiation can be performed with extremely high accuracy in FIG. 6, but in the case of FIG.
(3-1), (3-2) and X (t) at the same time satisfying the point t a the two formulas ≧ A, becomes two points t b, accurate peak detection is impossible. Other methods that consider this point will be described below.
時系列を解析する際に必要なものはピーク値ではなく、
ピーク値をとる時間の間隔である。そこでＲ波のピーク
をとる点を、ゼロクロス点に置換えてやると、Ｒ−Ｒ間
隔であるので、Ｒ波ピークの置換え対称となるゼロクロ
ス点は、Ｒ波に最も近いＲ−Ｓ波間の点を検出してい
る。具体的なゼロクロス点の検出は、微分での方法と同
様に一定のレベルＡを決めておき、Ｘ（ｔ）≧Ａを判定
して検出する。このゼロクロスによる方法を第９図に示
す。同図において、ゼロクロス点をBnとすると、ゼロク
ロス点間の間隔時系列Ｙ′ｎは、 Ｙ′ｎ＝Bn+1−Bn ・・・（５） と表わされる。第10図はゼロクロス点による間隔時決列
を示す図である。What is needed when analyzing a time series is not the peak value,
It is the time interval for taking the peak value. Therefore, if the point that takes the peak of the R wave is replaced with the zero-cross point, it is the R-R interval. It is detecting. As for the specific detection of the zero-cross point, a constant level A is determined and X (t) ≧ A is determined and detected as in the differential method. A method using this zero cross is shown in FIG. In the figure, if the zero-cross points are B n , the interval time series Y ′ n between the zero-cross points is expressed as Y ′ n = B n + 1 −B n (5). FIG. 10 is a diagram showing an interval time series of zero cross points.
（ｂ）基線の補正 実際の生体情報から得られる心電、脳波、呼吸等の波形
は一定の基線上を変動しているのではなく基線自身が変
動しており、心電図等によるＲ−Ｒ間隔の正確な検出は
難しい。本実施例では、基線の補正を帯域フィルターを
用いずに、フーリエスペクトル解析により計算で行なっ
た。(B) Correction of baseline The waveforms of electrocardiogram, electroencephalogram, respiration, etc. obtained from actual biological information do not fluctuate on a fixed baseline, but the baseline itself fluctuates. Is difficult to detect accurately. In this example, the baseline correction was performed by calculation by Fourier spectrum analysis without using a bandpass filter.
心電波形を、フーリエスペクトル解析すると基線の揺れ
による周波数は、心電波形自身の持つ周波数に比較し
て、低い周波数スペクトル情報として現われる。第11図
は基線の揺れを示す図である。そこで、この低い周波数
成分を取り除き、心電波形の周波数成分を残して逆フー
リエ変換を行なう。第12図は、第11図の基線を補正した
ものである。心電波形自身はほとんど変化がなく、Ｒ−
Ｒ間隔変動も変化しない。またこの手法は高速フーリエ
変換と逆FFTとにより構成されるため、比較的短時間で
処理できる。When the electrocardiographic waveform is analyzed by Fourier spectrum, the frequency due to the fluctuation of the base line appears as low frequency spectrum information as compared with the frequency of the electrocardiographic waveform itself. FIG. 11 is a diagram showing the fluctuation of the base line. Therefore, the inverse Fourier transform is performed by removing this low frequency component and leaving the frequency component of the electrocardiographic waveform. FIG. 12 is a correction of the baseline of FIG. There is almost no change in the electrocardiographic waveform itself, and R-
The R interval variation does not change either. Since this method is composed of the fast Fourier transform and the inverse FFT, it can be processed in a relatively short time.
基線の補正を行なったＲ−Ｒ間隔時系列において、デー
タの数Ｎ、測定時間をＴとすると、縦軸はＲ−Ｒ間隔変
動を、横軸は一定の間隔T/（Ｎ−１）で表わされる。ま
た、第13図は呼吸波形を示す図であり、第14図は第13図
の呼吸波形が測定された時刻におけるＲ−Ｒ間隔時系列
である。In the R-R interval time series with the baseline corrected, assuming that the number of data N and the measurement time are T, the vertical axis represents the R-R interval fluctuation and the horizontal axis represents the constant interval T / (N-1). Represented. 13 is a diagram showing a respiratory waveform, and FIG. 14 is an RR interval time series at the time when the respiratory waveform in FIG. 13 was measured.
（２）呼吸と心電の相関 （ａ）高速フーリエ変換 高速フーリエ変換（FFT）とは、離散的フーリエ変換に
属し、次に示す離散的フーリエ変換式、 を高速に求めるアルゴリズムである。以下に、本実施例
で用いた周波数間引き型FFTについての説明をする。(2) Correlation between respiration and electrocardiography (a) Fast Fourier transform The fast Fourier transform (FFT) belongs to the discrete Fourier transform, and the following discrete Fourier transform formula, Is a fast algorithm. The frequency decimation type FFT used in this embodiment will be described below.
マイクロコンピュータ上でフーリエ変換を行なうために
はサンプリングとデジタル化が必要となる。まずサンプ
リング操作については、データの必要な情報を失わない
ようなナイキスト周波数になるようサンプリング周波数
を選び、一定の周期τでアナログデータ代表させる操作
である。Sampling and digitization are required to perform Fourier transform on a microcomputer. First, regarding the sampling operation, the sampling frequency is selected so that the Nyquist frequency does not lose the necessary information of the data, and the analog data is represented by a constant period τ.
（ｂ）周波数間引き型FFT サンプル値データ数Ｎの数値列ｇ（ｎ）が与えられたと
する。まずｇ（ｎ）を、前半の数列ｅ（ｎ）と後半の数
列ｈ（ｎ）とに分ける。(B) It is assumed that a numerical sequence g (n) of the number N of frequency-decimated FFT sample value data is given. First, g (n) is divided into a first-half number sequence e (n) and a second-half number sequence h (n).
ｅ（ｎ）＝ｇ（ｎ）（０≦ｎ≦N/2−１） ｈ（ｎ）＝ｇ（ｎ＋N/2）（０≦ｎ＜N/2−１） このとき、ｇ（ｎ）の離散的フーリエ変換GKは、次式で
与えられる。e (n) = g (n) (0 ≦ n ≦ N / 2−1) h (n) = g (n + N / 2) (0 ≦ n <N / 2−1) At this time, g (n) The discrete Fourier transform G K is given by the following equation.
また、（６）式より、 これより、GKの偶数番目のスペクトルをG2K、奇数番目
をG2K+1とすると、 となる。この式はＮ＝８の場合、偶数スペクトル、G0,G
2,G4,G6が｛ｅ（ｎ）＋ｈ（ｎ）｝のN/2＝４個のデータ
から構成される離散的フーリエ変換から求まることを示
しており、同様に奇数のスペクトル、G1,G3,G5,G7が
｛ｅ（ｎ）−ｈ（ｎ）｝WnのN/2＝４個のデータから構
成される離散的フーリエ変数から求まることを示してい
る。これにより、1/2の計算量で離散的フーリエ変換を
可能にしている。またＮ＝2Lの際には、N2回の乗算を要
するものが、2Nlog2N回の乗算ですむことになる。 Also, from equation (6), From this, even-numbered spectrum G 2K of G K, when the odd and G 2K + 1, Becomes This equation is for N = 8, even spectrum, G 0 , G
It shows that 2 , G 4 and G 6 are obtained from the discrete Fourier transform composed of N / 2 = 4 data of {e (n) + h (n)}, and similarly, an odd spectrum, G It shows that 1 , G 3 , G 5 , and G 7 are obtained from discrete Fourier variables composed of N / 2 = 4 data of {e (n) -h (n)} W n . This enables the discrete Fourier transform with a calculation amount of 1/2. Further, when N = 2 L , 2 Nlog2N times of multiplications are required, which requires N 2 times of multiplication.
（ｃ）時間窓と周波数スペクトル ディジタル処理では、無限に多くのサンプル値系列を扱
うことができないため、波形のサンプル時系列から、そ
の一部を切り取って計算することになる。FFTにおい
て、この切り出し区間がちょうど一周期もしくは数周期
になっているのが理想であるが、FFTの場合２のベキ乗
となるよう制約を受けるため一致させることは困難であ
る。よって切り出し区間の始めと終わりが、スペクトル
特性に影響を及ぼす。この影響を軽減させるため時間窓
を通したデータを解析する。時間窓は、切り取り区間を
定めるだけでなく、切り取った区間の両端に急激な変化
が起きないように徐々に零にする、時間軸に沿った加重
関数という作用も兼ね備えている。本実施例では、これ
らの影響を軽減するために、時間窓として、ハニング窓
の時間関数を示す。(C) Time window and frequency spectrum Since digital processing cannot handle an infinite number of sample value series, a part of the sample time series of the waveform is cut out for calculation. In the FFT, it is ideal that the cutout section has exactly one cycle or several cycles, but in the case of the FFT, it is difficult to make them coincident because it is restricted to a power of 2. Therefore, the beginning and end of the cutout section affect the spectral characteristics. In order to reduce this effect, we analyze the data through the time window. The time window not only defines the cut section, but also has the function of a weighting function along the time axis that gradually reduces to zero so that no abrupt changes occur at both ends of the cut section. In this embodiment, in order to reduce these effects, a time function of a Hanning window is shown as a time window.
一周期の時間をＴとすると、ハニング窓ｈ（ｔ）は次式
で表わされる。When the time of one cycle is T, the Hanning window h (t) is expressed by the following equation.
ｈ（ｔ）＝o.5−0.5cos（２πt/T） ・・・（15） （ｄ）FFTを用いた相関分析 第15図に相関関係の計算フローチャートを示す。信号v1
（ｔ）,v2（ｔ）における相関関数Rv1v2（τ）は、時間
差τをパラメータとして次の時間領域の畳込み演算式で
定義される。h (t) = o.5-0.5cos (2πt / T) (15) (d) Correlation analysis using FFT FIG. 15 shows a calculation flowchart of the correlation. Signal v1
The correlation function Rv1v2 (τ) in (t), v2 (t) is defined by the following convolutional arithmetic expression in the time domain using the time difference τ as a parameter.
ここで、v1（ｔ）及びv2（ｔ）の周波数スペクトルをv1
（ｆ）及びv2（ｆ）とすると、相関関数Rv1v2（τ）は
次の周波数領域の積で表わされる。 Here, the frequency spectra of v1 (t) and v2 (t) are v1
Assuming (f) and v2 (f), the correlation function Rv1v2 (τ) is represented by the product of the following frequency regions.
つまり、v1（ｆ）とv2（ｆ）の積の逆フーリエ変換で表
わされることになる。よって、v1（ｔ）とv2（ｔ）の相
関関数は、v1（ｔ）とv2（ｔ）の各々をフーリエ変換
し、その周波数領域の積を逆フーリエ変換することによ
り求められる。 That is, it is represented by the inverse Fourier transform of the product of v1 (f) and v2 (f). Therefore, the correlation function of v1 (t) and v2 (t) is obtained by Fourier transforming each of v1 (t) and v2 (t), and inverse Fourier transforming the product of the frequency domain.
（ｅ）Ｒ−Ｒ間隔時系列と呼吸の相関 本実施例では、FTFを用いて相関を求めているが、呼吸
とＲ−Ｒ間隔時系列の相関を求める場合、同じ測定時間
内でサンプル点数が異なる。呼吸波形をＲ−Ｒ間隔時系
列と同じサンプリング周波数で量子化すると、Ｒ−Ｒ間
隔時系列に比べナイキスト周波数が著しく下がり、呼吸
波形のもって持っている特徴を失ってしまう。ここで呼
吸波形の波形をＲ−Ｒ間隔時系列と同じサンプリング周
波数で量子化すると、呼吸波形の特徴は失われない。次
にこれらの波形を形式的にサンプリング時間１として、
新たな時間軸に置換える。これによって呼吸の波形とＲ
−Ｒ間隔時系列とを同じ時間軸にすることにより、相関
が可能となる。また本実施例においては、振幅の違いの
影響と波形の対称性を考慮して、相関をとる前に正規化
を行なっている。(E) Correlation between RR interval time series and respiration In this embodiment, the correlation is obtained using FTF. However, when the correlation between respiration and RR interval time series is obtained, the number of sample points within the same measurement time Is different. If the respiratory waveform is quantized with the same sampling frequency as that of the RR interval time series, the Nyquist frequency will be significantly lower than that of the RR interval time series, and the characteristics of the respiratory waveform will be lost. Here, if the waveform of the respiratory waveform is quantized with the same sampling frequency as the RR interval time series, the characteristic of the respiratory waveform is not lost. Next, formalize these waveforms as sampling time 1,
Replace with a new time axis. This gives the respiratory waveform and R
Correlation is possible by setting the -R interval time series on the same time axis. In addition, in the present embodiment, in consideration of the influence of the difference in amplitude and the symmetry of the waveform, the normalization is performed before the correlation is obtained.
以上の評価方法及びその装置に基いた心拍と呼吸の分析
結果について説明する。The analysis results of heartbeat and respiration based on the above evaluation method and the apparatus will be described.
第16図乃至第19図は新生児の呼吸と心拍の相関分析結果
を示す図である。ここで相関の位相は、呼吸を基準とし
て行なっており、相関において±１となる点において相
関値が最も高いことを示している。16 to 19 are diagrams showing the results of correlation analysis between respiration and heartbeat of a newborn baby. Here, the phase of the correlation is based on respiration, and it is shown that the correlation value is highest at the point of ± 1 in the correlation.
第16図は定常状態における呼吸と心拍の相互関係を示す
図である。同図において、相関値が最も高い矢印Ａで
は、呼吸が心拍に対して数ビート進んでいることを示し
ている。FIG. 16 is a diagram showing the interrelationship between respiration and heartbeat in a steady state. In the figure, an arrow A having the highest correlation value indicates that breathing is advanced several beats with respect to the heartbeat.
第17図は睡眠時無呼吸状態に入る数分（２分から３分）
前における呼吸と心拍の相互関係を示す図である。同図
において、相関値が最も高い矢印Ｂでは、呼吸が心拍に
対して数10ビート遅れていることを示している。これは
新生児の高次中枢と自律神経系が未発達なために、循環
器系の刺激伝導が正確に行なわれないために起こってい
ると考えられる。Figure 17 shows a few minutes of sleep apnea (2 to 3 minutes)
It is a figure which shows the reciprocal relationship of respiration and a heartbeat before. In the figure, arrow B having the highest correlation value indicates that breathing is delayed by several tens of beats with respect to the heartbeat. It is considered that this is because the neonatal higher central nervous system and autonomic nervous system are underdeveloped, and the stimulatory conduction of the circulatory system is not performed accurately.
第18図は睡眠時無呼吸状態における呼吸と心拍の相互関
係を示す図である。同図において、相関値がどこにある
か不明であり、呼吸と心拍が進む場合と遅れる場合があ
ることを示している。これは高次中枢と自律神経系が未
発達であることだけでなく無呼吸における循環器障害が
発生したためであると考えられる。FIG. 18 is a diagram showing the interrelationship between respiration and heartbeat in sleep apnea. In the same figure, it is unknown where the correlation value is, and it is shown that breathing and heartbeat may advance or may be delayed. It is considered that this is because not only the higher central nervous system and the autonomic nervous system are underdeveloped but also cardiovascular disorders in apnea occur.
第19図は睡眠時無呼吸状態後における呼吸と心拍の相互
関係を示す図である。同図において、相関値が最も高い
矢印Ｃでは、呼吸が心拍に対して数ビート進んでいるこ
とを示している。これは、第16図に示す定常状態に近い
値であり、循環器系の刺激伝導が定常状態に戻ろうとし
ていることを示している。FIG. 19 is a diagram showing the interrelationship between respiration and heartbeat after sleep apnea. In the figure, an arrow C having the highest correlation value indicates that breathing is advanced several beats with respect to the heartbeat. This is a value close to the steady state shown in FIG. 16, indicating that the stimulation conduction of the circulatory system is about to return to the steady state.
以上の心拍と呼吸の分析結果から中枢性睡眠時無呼吸が
発生する数分前に相互相関が定常状態から変化すること
を示した。この呼吸と心拍の相互関係を利用すること
で、新生児の突然死症候群を事前に予測することが可能
である。またこの相互関係を自動的に解析できる装置に
よれば、中枢性睡眠時無呼吸が発生する数分前に報知等
が可能になる。From the above analysis results of heartbeat and respiration, it was shown that the cross-correlation changes from the steady state a few minutes before the occurrence of central sleep apnea. By utilizing this correlation between breathing and heartbeat, it is possible to predict the sudden death syndrome of the newborn in advance. Further, with the device capable of automatically analyzing this mutual relationship, it becomes possible to make a notification, etc., a few minutes before the occurrence of central sleep apnea.
なお、上記実施例において、新生児の中枢性睡眠時無呼
吸ついて説明しているが、これに限定されることなく、
例えば糖尿病性自律神経障害を起している成人において
も上記疾患患者に無呼吸状態となる場合があり、この場
合にも適用することにより無呼吸状態を報知することが
可能になる。In the above example, the central sleeping apnea of the newborn baby is described, but the present invention is not limited to this.
For example, even an adult with diabetic autonomic neuropathy may have an apnea state in a patient with the above-mentioned disease, and by applying this case as well, it becomes possible to notify the apnea state.
また、生体から検出する心電情報は少なくとも波形間隔
変動を算出すればよく、Ｒ−Ｒ間隔、ゼロクロス点の間
隔等に限定されない。Further, the electrocardiographic information detected from the living body may be calculated at least the waveform interval fluctuation, and is not limited to the RR interval, the interval of zero cross points, and the like.
さらに、上記実施例において呼吸を基準として相関関係
を分析しているが、心拍を基準に分析してもよく、この
ようにした場合には呼吸と心拍の進みと遅れの関係が逆
になる。Further, although the correlation is analyzed with reference to breathing in the above-described embodiment, it may be analyzed with reference to heartbeat, and in such a case, the relationship between advancement and delay of breathing and heartbeat is reversed.
また、上記実施例の装置において分析された相互相関か
ら相関値の高くなる場合の呼吸と心拍の関係を自動的に
算出し、その結果に基いて睡眠時無呼吸状態になる前に
新生児に音、振動等を発したり、あるいは看護婦、医師
等に報知する装置を設けることもできる。Further, from the cross-correlation analyzed in the apparatus of the above-mentioned embodiment, the relationship between the respiration and the heartbeat when the correlation value becomes high is automatically calculated, and based on the result, a sound is given to the newborn baby before sleep apnea. It is also possible to provide a device for generating a vibration or the like, or for notifying a nurse, a doctor or the like.
また、上記実施例の装置において心電情報及び呼吸情報
を一定期間連続的に検出しながら相関分析を実施すれば
常に新生児等の中枢性睡眠時無呼吸を監視する装置を実
現できる。In addition, by performing correlation analysis while continuously detecting electrocardiographic information and respiratory information for a certain period in the apparatus of the above-described embodiment, an apparatus that constantly monitors central sleep apnea of a newborn or the like can be realized.
［発明の効果］ 以上詳細に説明したように、本発明の呼吸と心拍の評価
方法及びその装置によれば、呼吸と心拍の相関関係を検
討することで、例えば新生児の定常状態から睡眠時無呼
吸状態になる直前を知り、突然死症候群を事前に予測で
きる。また、呼吸と心拍の相関関係も自動的に算出する
ことで、例えば新生児の睡眠時無呼吸状態の直前を知る
ことができるとともに、その報知が可能になる。[Effects of the Invention] As described in detail above, according to the respiratory and heartbeat evaluation method and apparatus of the present invention, by examining the correlation between respiration and heartbeat, for example, from a steady state of a newborn baby to sleep Knowing just before breathing, you can predict sudden death syndrome in advance. Further, by automatically calculating the correlation between respiration and heartbeat, for example, it is possible to know immediately before the sleep apnea state of the newborn baby and to notify the same.
第１図は本発明の一実施例に係る呼吸と心拍の評価の原
理を示すブロック図、 第２図は第１図に示す原理に基いた呼吸と心拍の評価装
置の構成を示すブロック図、 第３図は本実施例の呼吸と心電の評価手順を示すフロー
チャート、 第４図は心電図のPGRSTを示す図である。 第５図は一定の周期τで量子化された心電図を示す図、 第６図は一定の周期τで量子化された心電図を示す図、 第７図は心電波形のＲ−Ｒ間隔変動を示す図、 第８図は心電図のＲ波形に２個所ピークがある図、 第９図はゼロクロス点を示す図、 第10図はゼロクロス点による心電波形のＲ−Ｒ間隔変動
を示す図、 第11図は基線の揺れを示す図、 第12図は第11図の基線の揺れを補正した図、 第13図は呼吸波形を示す図、 第14図は第13図の呼吸波形が測定された時刻におけるＲ
−Ｒ間隔時系列を示す図、 第15図は相互相関の計算フローチャートを示す図、 第16図は定常状態における呼吸と心拍の相互関係を示す
図、 第17図は睡眠時無呼吸状態に入る数分前における呼吸と
心拍の相互関係を示す図、 第18図は睡眠時無呼吸状態における呼吸と心拍の相互関
係を示す図、 第19図は睡眠時無呼吸状態後における呼吸と心拍の相互
関係を示す図である。 図中、１……生体、 ２……心電情報検出手段、 ３……呼吸情報検出手段、 ４……演算手段、 ５……波形間隔変動算出手段、 ６……包絡線情報算出手段、 ７……相関分析手段、 11……新生児、 12……心検出部、 13……呼吸検出部、 14……A/D変換器、 15……記憶装置、 16……マイクロコンピュータ、 17……出力装置。FIG. 1 is a block diagram showing a principle of evaluation of respiration and heartbeat according to an embodiment of the present invention, and FIG. 2 is a block diagram showing a configuration of a respiration and heartbeat evaluation apparatus based on the principle shown in FIG. FIG. 3 is a flow chart showing the procedure for evaluating respiration and electrocardiography in this embodiment, and FIG. 4 is a diagram showing PGRST of electrocardiogram. FIG. 5 is a diagram showing an electrocardiogram quantized with a constant period τ, FIG. 6 is a diagram showing an electrocardiogram quantized with a constant period τ, and FIG. 7 is a graph showing the RR interval fluctuation of the electrocardiographic waveform. Fig. 8 is a diagram showing two peaks in the R waveform of the electrocardiogram, Fig. 9 is a diagram showing a zero-cross point, and Fig. 10 is a diagram showing fluctuations in the R-R interval of the electrocardiographic waveform due to the zero-cross point. Fig. 11 shows the sway of the baseline, Fig. 12 shows the sway of the baseline shown in Fig. 11, Fig. 13 shows the respiration waveform, and Fig. 14 shows the respiration waveform of Fig. 13. R at time
-R interval time series, Fig. 15 is a cross-correlation calculation flowchart, Fig. 16 is a graph showing the correlation between respiration and heartbeat in a steady state, and Fig. 17 is a sleep apnea. Figure showing the interrelationship between respiration and heartbeat a few minutes before, Figure 18 shows the interrelationship between respiration and heartbeat in sleep apnea, and Figure 19 the interrelationship between respiration and heartbeat after sleep apnea It is a figure which shows a relationship. In the figure, 1 ... Living body, 2 ... Electrocardiographic information detecting means, 3 ... Respiratory information detecting means, 4 ... Computing means, 5 ... Waveform interval variation calculating means, 6 ... Envelope information calculating means, 7 ...... Correlation analysis means, 11 ...... Neonatal, 12 ...... Heart detection part, 13 ...... Breath detection part, 14 ...... A / D converter, 15 ...... Storage device, 16 ...... Micro computer, 17 ...... Output apparatus.
Claims (1)
心電情報検出手段及び呼吸情報検出手段と、該心電情報
検出手段で検出された心電波形から波形間隔変動を算出
する波形間隔算出手段と、前記呼吸情報検出手段で検出
された呼吸波形から前記心電波形の波形間隔でサンプリ
ングして包絡線情報を算出する包絡線情報算出手段と、
前記波形間隔算出手段で算出した心電波形の波形間隔変
動と前記包絡線情報算出手段で算出した呼吸波形の包絡
線情報との相関を分析する相関分析手段とを備え、相関
値の高い値における呼吸と心拍の進みと遅れの関係を評
価することを特徴とする呼吸と心拍の評価装置。1. An electrocardiographic information detecting means and a respiratory information detecting means for detecting electrocardiographic information and respiratory information from a subject, and a waveform interval for calculating a waveform interval variation from an electrocardiographic waveform detected by the electrocardiographic information detecting means. Calculating means, envelope information calculating means for calculating envelope information by sampling at a waveform interval of the electrocardiographic waveform from the respiratory waveform detected by the respiratory information detecting means,
Correlation analysis means for analyzing the correlation between the waveform interval variation of the electrocardiographic waveform calculated by the waveform interval calculation means and the envelope information of the respiratory waveform calculated by the envelope information calculation means is provided, and at a high correlation value An apparatus for evaluating respiration and heartbeat, which evaluates the relationship between advance and delay of respiration and heartbeat.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62183186A JPH0779799B2 (en) | 1987-07-22 | 1987-07-22 | Breathing and heart rate evaluation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62183186A JPH0779799B2 (en) | 1987-07-22 | 1987-07-22 | Breathing and heart rate evaluation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6427535A JPS6427535A (en) | 1989-01-30 |
| JPH0779799B2 true JPH0779799B2 (en) | 1995-08-30 |
Family
ID=16131274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62183186A Expired - Lifetime JPH0779799B2 (en) | 1987-07-22 | 1987-07-22 | Breathing and heart rate evaluation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0779799B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003000559A (en) * | 2001-06-21 | 2003-01-07 | Fukuda Denshi Co Ltd | Device and method for recording biological information |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4108449B2 (en) * | 2002-11-13 | 2008-06-25 | 帝人株式会社 | Method for predicting therapeutic effect of oxygen therapy, method for supporting the implementation of oxygen therapy |
| JP4753881B2 (en) * | 2004-01-16 | 2011-08-24 | コンプメディクス リミテッド | Apparatus and signal processing method for monitoring, detecting and classifying sleep disordered breathing derived from electrocardiogram |
| US7324845B2 (en) * | 2004-05-17 | 2008-01-29 | Beth Israel Deaconess Medical Center | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling |
| US7734334B2 (en) | 2004-05-17 | 2010-06-08 | Beth Israel Deaconess Medical Center, Inc. | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling |
| EP2020919B1 (en) | 2006-06-01 | 2019-07-31 | ResMed Sensor Technologies Limited | Apparatus, system, and method for monitoring physiological signs |
| US9526429B2 (en) | 2009-02-06 | 2016-12-27 | Resmed Sensor Technologies Limited | Apparatus, system and method for chronic disease monitoring |
| JP6243254B2 (en) * | 2014-02-24 | 2017-12-06 | 日本電信電話株式会社 | Heart rate detection method and heart rate detection device |
| JP7091701B2 (en) * | 2018-02-22 | 2022-06-28 | オムロンヘルスケア株式会社 | Blood pressure measuring device, blood pressure measuring method and program, breathing support device |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0212370B1 (en) * | 1985-08-21 | 1990-03-21 | Kontron Instruments Holding N.V. | Respiration monitoring process and device |
-
1987
- 1987-07-22 JP JP62183186A patent/JPH0779799B2/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003000559A (en) * | 2001-06-21 | 2003-01-07 | Fukuda Denshi Co Ltd | Device and method for recording biological information |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6427535A (en) | 1989-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5105354A (en) | Method and apparatus for correlating respiration and heartbeat variability | |
| JP5005539B2 (en) | Assessment of sleep quality and sleep-disordered breathing based on cardiopulmonary coupling | |
| US9943237B2 (en) | Analysis of direct and indirect heartbeat data variations | |
| US10010253B2 (en) | Sleep analysis based on inter beat interval | |
| US7623912B2 (en) | Method, apparatus and system for characterizing sleep | |
| JP5303802B2 (en) | Apnea / hypopnea index derived from ECG | |
| Dykes et al. | Breath amplitude modulation of heart rate variability in normal full term neonates | |
| CN100413461C (en) | Detection/disposal method and apparatus for obtaining respiratory disturbance index information | |
| Sarkar et al. | Extraction of respiration signal from ECG for respiratory rate estimation | |
| Penzel et al. | Cardiovascular and respiratory dynamics during normal and pathological sleep | |
| CN108601546B (en) | Biological signal processing method and biological signal processing apparatus | |
| JPH0779799B2 (en) | Breathing and heart rate evaluation device | |
| EP3203900A1 (en) | Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis | |
| Zywietz et al. | ECG analysis for sleep apnea detection | |
| Xu et al. | Analysis for the influence of abr sensitivity on PTT-based cuff-less blood pressure estimation before and after exercise | |
| Chen et al. | Unconstrained monitoring of long-term heart and breath rates during sleep | |
| Chatlapalli et al. | Accurate derivation of heart rate variability signal for detection of sleep disordered breathing in children | |
| Nagel et al. | Assessment and diagnostic applications of heart rate variability | |
| US8602985B2 (en) | System and method to estimate signal artifacts | |
| Srinivasa et al. | Application of entropy techniques in analyzing heart rate variability using ECG signals | |
| JP3314521B2 (en) | Heart rate variability waveform analysis method and apparatus | |
| CN114098756A (en) | Cardiopulmonary coupling analysis method based on single-channel ECG signal | |
| De Jong | Blood pressure variability in neonates: with a special focus on signal acquisition and signal processing | |
| Stein et al. | Detecting OSAHS from patterns seen on heart-rate tachograms | |
| Nazaren et al. | Computer-based analysis of heart rate variability signal for detection of sleep disordered breathing in children |