WO2023248308A1 - 学習装置、情報提供装置、学習方法、情報提供方法及びプログラム - Google Patents
学習装置、情報提供装置、学習方法、情報提供方法及びプログラム Download PDFInfo
- Publication number
- WO2023248308A1 WO2023248308A1 PCT/JP2022/024587 JP2022024587W WO2023248308A1 WO 2023248308 A1 WO2023248308 A1 WO 2023248308A1 JP 2022024587 W JP2022024587 W JP 2022024587W WO 2023248308 A1 WO2023248308 A1 WO 2023248308A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- distribution function
- cumulative distribution
- time waveform
- parameter
- waveform
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 46
- 230000001186 cumulative effect Effects 0.000 claims abstract description 1087
- 238000005315 distribution function Methods 0.000 claims abstract description 1069
- 230000006870 function Effects 0.000 claims abstract description 217
- 230000000747 cardiac effect Effects 0.000 claims abstract description 67
- 230000002107 myocardial effect Effects 0.000 claims description 468
- 238000009826 distribution Methods 0.000 claims description 410
- 238000004458 analytical method Methods 0.000 claims description 265
- 238000012549 training Methods 0.000 claims description 6
- 210000004165 myocardium Anatomy 0.000 description 90
- 230000000694 effects Effects 0.000 description 80
- 238000010586 diagram Methods 0.000 description 72
- 230000002336 repolarization Effects 0.000 description 46
- 230000028161 membrane depolarization Effects 0.000 description 40
- 238000012545 processing Methods 0.000 description 23
- 108091006146 Channels Proteins 0.000 description 20
- 230000008569 process Effects 0.000 description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 13
- 201000010099 disease Diseases 0.000 description 13
- 230000010349 pulsation Effects 0.000 description 13
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 12
- 108090000862 Ion Channels Proteins 0.000 description 10
- 102000004310 Ion Channels Human genes 0.000 description 10
- 230000002779 inactivation Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 8
- 201000009707 Brugada syndrome 1 Diseases 0.000 description 7
- 230000017531 blood circulation Effects 0.000 description 7
- 230000005284 excitation Effects 0.000 description 7
- 230000000302 ischemic effect Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 206010059027 Brugada syndrome Diseases 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 230000008602 contraction Effects 0.000 description 4
- 208000028867 ischemia Diseases 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002028 premature Effects 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 206010042434 Sudden death Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 208000003663 ventricular fibrillation Diseases 0.000 description 2
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
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
Definitions
- the present invention relates to a learning device, an information providing device, a learning method, an information providing method, and a program.
- An electrocardiogram is useful information for understanding the state of the heart, and for example, by using an electrocardiogram, it can be determined whether a subject is in a state where there is a high possibility of heart failure (Non-Patent Document 1).
- the waveform of an electrocardiogram may not always be sufficient to understand the condition of the heart.
- the manner in which heart-related diseases develop may differ.
- the onset of heart failure can be suppressed by observing the state of the heart using electrocardiogram waveforms in daily life.
- this situation is not limited to the case where the state of the heart is determined based on the waveform of an electrocardiogram.
- This situation is due to the fact that the time series of one channel of the heart beat obtained by a sensor in contact with the body surface, a sensor close to the body surface, a sensor inserted into the body, a sensor implanted in the body, etc. This is also common when grasping the state of the heart based on information.
- the time-series biological information regarding heart beats includes, for example, a waveform indicating changes in cardiac potential, a waveform indicating changes in heart pressure, a waveform indicating changes in blood flow, and a waveform indicating changes in heart sounds.
- the waveform of an electrocardiogram is also an example of time-series biological information regarding heart beats.
- an object of the present invention is to provide a technique for obtaining information useful for grasping the state of the heart from one channel of time-series biological information regarding heart beats.
- the waveform of the time interval of the R wave included in the waveform for one cycle indicating the cardiac cycle of the heart is the first target time waveform
- the waveform of the time interval of the T wave included in the waveform is the first target time waveform.
- a second target time waveform a waveform obtained by reversing the time axis of the second target time waveform as a second target inverse time waveform, a cumulative distribution function of the first unimodal distribution as a first cumulative distribution function, and a second unimodal distribution function.
- a first approximate time waveform that is a time waveform based on a difference or a weighted difference between the first cumulative distribution function and the second cumulative distribution function, with the cumulative distribution function of the distribution as a second cumulative distribution function;
- an activity parameter a cumulative distribution function of a third unimodal distribution as a third cumulative distribution function, a cumulative distribution function of a fourth unimodal distribution as a fourth cumulative distribution function, and a function obtained by subtracting the third cumulative distribution function from 1. is a third inverse cumulative distribution function, and a function obtained by subtracting the fourth cumulative distribution function from 1 is a fourth inverse cumulative distribution function, and the difference or weighted difference between the third cumulative distribution function and the fourth cumulative distribution function.
- a parameter that specifies a third unimodal distribution a parameter that specifies the third cumulative distribution function, a parameter that specifies the fourth unimodal distribution, a parameter that specifies the fourth cumulative distribution function, a parameter that specifies the third inverse cumulative distribution function.
- the weight of the fourth inverse cumulative distribution function the ratio of the weight of the third inverse cumulative distribution function to the weight of the fourth inverse cumulative distribution function, and the second level value, as a plurality of numbers included in the second group.
- types of myocardial activity parameters including a time waveform of the difference between the first target time waveform and the first approximate time waveform, a time waveform of the difference between the second target time waveform and the second approximate time waveform, and a time waveform of the difference between the second target time waveform and the second approximate time waveform;
- One of the time waveforms obtained by reversing the time axis of the waveform of the difference between the target inverse time waveform and the second approximate inverse time waveform is used as the residual time waveform, and the cumulative distribution function of the fifth unimodal distribution is set as the fifth cumulative distribution function.
- an approximate residual time waveform that is a time waveform obtained by multiplying the fifth cumulative distribution function or the fifth cumulative distribution function by a weight, with the cumulative distribution function of the sixth unimodal distribution as the distribution function and the sixth cumulative distribution function; and a parameter specifying the fifth unimodal distribution, a parameter specifying the fifth cumulative distribution function, a weight of the fifth cumulative distribution function, or the fifth cumulative distribution when the residual time waveform is approximated.
- the ratio of the weight of the fifth cumulative distribution function to the weight of the sixth cumulative distribution function is the plurality of types of myocardial activity parameters included in the third group, and the plurality of types of myocardial activity parameters included in the first group and a fourth parameter obtained by calculating a plurality of types of myocardial activity parameters among the plurality of types of myocardial activity parameters included in the second group and the plurality of types of myocardial activity parameters included in the third group.
- One or more types of myocardial activity parameters included in the group which are obtained from a waveform of one or more cycles indicating the cardiac cycle of the heart, and included in the first group, and multiple types of myocardial activity parameters included in the second group.
- a set of myocardial activity parameters is taken as a myocardial activity parameter set, and the learning data set consists of Y pieces of learning data (Y is plural), and each of the Y pieces of learning data has an integer between 1 and Y, where y is an integer between 1 and Y.
- the learning device includes a learning unit that uses the myocardial activity parameter set as input to learn an estimation model that obtains heart condition information that is information representing the heart condition corresponding to the myocardial activity parameter.
- the waveform of the time interval of the R wave included in the waveform for one cycle indicating the cardiac cycle of the heart is the first target time waveform
- the waveform of the time interval of the T wave included in the waveform is the first target time waveform.
- a second target time waveform a waveform obtained by reversing the time axis of the second target time waveform as a second target inverse time waveform, a cumulative distribution function of the first unimodal distribution as a first cumulative distribution function, and a second unimodal distribution function.
- a first approximate time waveform that is a time waveform based on a difference or a weighted difference between the first cumulative distribution function and the second cumulative distribution function, with the cumulative distribution function of the distribution as a second cumulative distribution function;
- an activity parameter a cumulative distribution function of a third unimodal distribution as a third cumulative distribution function, a cumulative distribution function of a fourth unimodal distribution as a fourth cumulative distribution function, and a function obtained by subtracting the third cumulative distribution function from 1. is a third inverse cumulative distribution function, and a function obtained by subtracting the fourth cumulative distribution function from 1 is a fourth inverse cumulative distribution function, and the difference or weighted difference between the third cumulative distribution function and the fourth cumulative distribution function.
- a parameter that specifies a third unimodal distribution a parameter that specifies the third cumulative distribution function, a parameter that specifies the fourth unimodal distribution, a parameter that specifies the fourth cumulative distribution function, a parameter that specifies the third inverse cumulative distribution function.
- the weight of the fourth inverse cumulative distribution function the ratio of the weight of the third inverse cumulative distribution function to the weight of the fourth inverse cumulative distribution function, and the second level value, as a plurality of numbers included in the second group.
- types of myocardial activity parameters including a time waveform of the difference between the first target time waveform and the first approximate time waveform, a time waveform of the difference between the second target time waveform and the second approximate time waveform, and a time waveform of the difference between the second target time waveform and the second approximate time waveform;
- One of the time waveforms obtained by reversing the time axis of the waveform of the difference between the target inverse time waveform and the second approximate inverse time waveform is used as the residual time waveform, and the cumulative distribution function of the fifth unimodal distribution is set as the fifth cumulative distribution function.
- an approximate residual time waveform that is a time waveform obtained by multiplying the fifth cumulative distribution function or the fifth cumulative distribution function by a weight, with the cumulative distribution function of the sixth unimodal distribution as the distribution function and the sixth cumulative distribution function; and a parameter specifying the fifth unimodal distribution, a parameter specifying the fifth cumulative distribution function, a weight of the fifth cumulative distribution function, or the fifth cumulative distribution when the residual time waveform is approximated.
- the ratio of the weight of the fifth cumulative distribution function to the weight of the sixth cumulative distribution function is the plurality of types of myocardial activity parameters included in the third group, and the plurality of types of myocardial activity parameters included in the first group and a fourth parameter obtained by calculating a plurality of types of myocardial activity parameters among the plurality of types of myocardial activity parameters included in the second group and the plurality of types of myocardial activity parameters included in the third group.
- One or more types of myocardial activity parameters included in the group which are obtained from a waveform of one or more cycles indicating the cardiac cycle of the heart, and included in the first group, and multiple types of myocardial activity parameters included in the second group.
- An estimation model is stored in advance that takes a set of myocardial activity parameters as a myocardial activity parameter set, receives the myocardial activity parameter set as an input, and obtains cardiac state information that is information representing the state of the heart corresponding to the myocardial activity parameter set.
- An information providing apparatus comprising: a state information generation unit that uses an estimation model to input a myocardial activity parameter set of a heart to which information is provided, which is a heart to which information is provided, and obtains cardiac status information of the heart to which information is provided.
- One aspect of the present invention is a learning method executed by a learning device, in which a waveform of a time interval of an R wave included in a waveform for one cycle indicating a cardiac cycle of the heart is set as a first target time waveform, and the waveform is The waveform of the time interval of the included T wave is a second target time waveform, the waveform obtained by reversing the time axis of the second target time waveform is a second target inverse time waveform, and the cumulative distribution function of the first unimodal distribution is a first cumulative distribution function, a second unimodal cumulative distribution function as a second cumulative distribution function, and a time waveform based on the difference or weighted difference between the first cumulative distribution function and the second cumulative distribution function; 1 approximate time waveform, or a first approximate time waveform that is a time waveform obtained by adding a first level value to the difference or weighted difference between the first cumulative distribution function and the second cumulative distribution function, A parameter that specifies the first unimodal distribution, a parameter that specifies
- a parameter specifying the weight of the first cumulative distribution function, the weight of the second cumulative distribution function, the ratio of the weight of the first cumulative distribution function to the weight of the second cumulative distribution function, the first level value is the plurality of types of myocardial activity parameters included in the first group
- the cumulative distribution function of the third unimodal distribution is the third cumulative distribution function
- the cumulative distribution function of the fourth unimodal distribution is the fourth cumulative distribution function
- a function obtained by subtracting the third cumulative distribution function from 1 is set as a third inverse cumulative distribution function
- a function obtained by subtracting the fourth cumulative distribution function from 1 is set as a fourth inverse cumulative distribution function.
- a parameter that specifies the third unimodal distribution when the second target inverse time waveform is approximated with a second approximate inverse time waveform that is a waveform obtained by adding and a parameter that specifies the third cumulative distribution function.
- a parameter specifying the fourth unimodal distribution a parameter specifying the fourth cumulative distribution function, a weight of the third cumulative distribution function, a weight of the fourth cumulative distribution function, a weight of the third cumulative distribution function.
- a second approximate time that is a time waveform based on the ratio of the weight of the fourth cumulative distribution function, the second level value, or the difference or weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function; a second approximate time waveform that is a waveform or a time waveform obtained by adding a second level value to the difference or weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function; 2.
- a parameter that specifies the third unimodal distribution a parameter that specifies the third cumulative distribution function, a parameter that specifies the fourth unimodal distribution, and a parameter that specifies the fourth cumulative distribution function.
- the level value is a plurality of types of myocardial activity parameters included in the second group, and the time waveform of the difference between the first target time waveform and the first approximate time waveform, the second target time waveform and the second approximate time waveform,
- the residual time waveform is either a time waveform of the difference between the second target inverse time waveform and the second approximate inverse time waveform, and a time waveform obtained by reversing the time axis of the waveform of the difference between the second target inverse time waveform and the second approximate inverse time waveform.
- the cumulative distribution function of the unimodal distribution is set as the fifth cumulative distribution function
- the cumulative distribution function of the sixth unimodal distribution is set as the sixth cumulative distribution function
- the fifth cumulative distribution function or the fifth cumulative distribution function is multiplied by a weight.
- the weight of the sixth cumulative distribution function the ratio of the weight of the fifth cumulative distribution function to the weight of the sixth cumulative distribution function, the plurality of types of myocardial activity parameters included in the third group, and the weight of the first cumulative distribution function.
- multiple types of myocardial activity parameters included in the group multiple types of myocardial activity parameters included in the second group, and multiple types of myocardial activity parameters included in the third group;
- the parameters obtained by calculating the parameters are one or more types of myocardial activity parameters included in the fourth group, and the plurality of types of myocardial activities included in the first group are obtained from the waveform of one or more cycles indicating the cardiac cycle of the heart.
- a set of one or more predetermined types of myocardial activity parameters is defined as a myocardial activity parameter set, and the learning data set consists of Y pieces of learning data (Y is plural), and each of the Y pieces of learning data is: Where y is an integer greater than or equal to 1 and less than or equal to Y, the myocardial activity parameter set of the heart that is the target of the y-th learning data, and the heart state information that is information representing the state of the heart that is the target of the y-th learning data. and a learning step of using the learning data set to learn an estimation model that receives a myocardial activity parameter set as input and obtains heart state information that is information representing the heart state corresponding to the myocardial activity parameter. It is a learning method.
- One aspect of the present invention is an information providing method executed by an information providing apparatus, in which a waveform of a time interval of an R wave included in a waveform for one cycle indicating a cardiac cycle of the heart is set as a first target time waveform; A waveform of the time interval of the T wave included in the waveform is a second target time waveform, a waveform obtained by reversing the time axis of the second target time waveform is a second target inverse time waveform, and a cumulative distribution of a first unimodal distribution.
- a first approximate time waveform, or a first approximate time waveform that is a time waveform obtained by adding a first level value to the difference or weighted difference between the first cumulative distribution function and the second cumulative distribution function. a parameter that specifies the first unimodal distribution, a parameter that specifies the first cumulative distribution function, a parameter that specifies the second unimodal distribution, and a second cumulative distribution when the first target time waveform is approximated.
- a parameter for specifying a distribution function a weight of the first cumulative distribution function, a weight of the second cumulative distribution function, a ratio between the weight of the first cumulative distribution function and the weight of the second cumulative distribution function, and the first level.
- a function obtained by subtracting the third cumulative distribution function from 1 is set as a third inverse cumulative distribution function
- a function obtained by subtracting the fourth cumulative distribution function from 1 is set as a fourth inverse cumulative distribution function
- the third cumulative distribution function A second approximate inverse time waveform that is a waveform based on a difference or a weighted difference with the fourth cumulative distribution function, or a second approximate inverse time waveform that is a waveform based on a difference or a weighted difference between the third cumulative distribution function and the fourth cumulative distribution function.
- a second level waveform that is a time waveform based on the ratio of the weight to the weight of the fourth cumulative distribution function, the second level value, or the difference or weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function.
- an approximate time waveform or a second approximate time waveform that is a time waveform obtained by adding a second level value to the difference or weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function;
- a parameter specifying the function a weight of the third inverse cumulative distribution function, a weight of the fourth inverse cumulative distribution function, a ratio of the weight of the third inverse cumulative distribution function to the weight of the fourth inverse cumulative distribution function, the a second level value is a plurality of types of myocardial activity parameters included in a second group, a time waveform of the difference between the first target time waveform and the first approximate time waveform, a time waveform of the difference between the second target time waveform and the second target time waveform, A residual time waveform is either a time waveform of the difference from the approximate time waveform, or a time waveform obtained by reversing the time axis of the waveform of the difference between the second target inverse time waveform and the second approximate inverse time waveform,
- the cumulative distribution function of the fifth unimodal distribution is set as the fifth cumulative distribution function
- the cumulative distribution function of the sixth unimodal distribution is set as the sixth cumulative distribution function
- weighting is applied to the fifth cumulative distribution function or the fifth cumulative distribution
- the residual time waveform is approximated by an approximate residual time waveform that is a time waveform based on the weight of the fifth cumulative distribution function, or the difference or weighted difference between the fifth cumulative distribution function and the sixth cumulative distribution function.
- a parameter that specifies the fifth unimodal distribution a parameter that specifies the fifth cumulative distribution function, a parameter that specifies the sixth unimodal distribution, a parameter that specifies the sixth cumulative distribution function, and a parameter that specifies the fifth cumulative distribution function.
- the weight of the distribution function, the weight of the sixth cumulative distribution function, the ratio of the weight of the fifth cumulative distribution function and the weight of the sixth cumulative distribution function be multiple types of myocardial activity parameters included in a third group, A plurality of types of myocardial activity parameters included in the first group, a plurality of types of myocardial activity parameters included in the second group, and a plurality of types of myocardial activity parameters included in the third group.
- the parameters obtained by calculating the myocardial activity parameters of are one or more types of myocardial activity parameters included in the fourth group, and the plurality of types included in the first group obtained from the waveform of one or more cycles indicating the cardiac cycle of the heart.
- a set of one or more predetermined types of myocardial activity parameters is defined as a myocardial activity parameter set, and the myocardial activity parameter set is input to generate a cardiac state, which is information representing the state of the heart corresponding to the myocardial activity parameter set.
- An estimation model for obtaining information is stored in advance, and using the estimation model and inputting a myocardial activity parameter set of the information target heart, which is the heart to which information is to be provided, cardiac state information of the information target heart is calculated. This is an information providing method including a step of generating status information to obtain the status information.
- One aspect of the present invention is a program for causing a computer to function as the above learning device.
- One aspect of the present invention is a program for causing a computer to function as the above information providing device.
- the present invention it is possible to provide a technique for obtaining information useful for grasping the state of the heart from one channel of time-series biological information regarding heart beats.
- FIG. 1 is a diagram showing an example of a hardware configuration of a signal analysis device 1 according to a first embodiment.
- FIG. 7 is a diagram showing an example of the results of fitting the electrocardiogram waveform of the target heart using four cumulative distribution functions in the first embodiment.
- FIG. 6 is an explanatory diagram illustrating that the difference between two cumulative distribution functions in the first embodiment can be fitted to a waveform that is substantially the same as the falling waveform of the T wave.
- a function in which the first cumulative distribution function is multiplied by the weight and a level value is added, a function in which the second cumulative distribution function is multiplied by the weight and the level value is added, and the first cumulative distribution
- FIG. 3 is a diagram schematically showing an approximate time waveform obtained by adding a level value to a weighted difference between a function and a second cumulative distribution function.
- FIG. 7 is a diagram schematically showing an approximate time waveform obtained by adding a level value to a weighted difference between a distribution function and a fourth inverse cumulative distribution function.
- the figure which shows an example of the functional structure of the control part 11 in 1st Embodiment. 1 is a flowchart illustrating an example of the flow of processing executed by the signal analysis device 1 in the first embodiment.
- the first diagram showing an example of an analysis result of the signal analysis device 1 in the first embodiment.
- the 2nd figure showing an example of an analysis result of signal analysis device 1 in a 1st embodiment.
- the third figure showing an example of an analysis result of signal analysis device 1 in a 1st embodiment.
- the fourth diagram showing an example of the analysis results of the signal analysis device 1 in the first embodiment.
- 1 is a first explanatory diagram of an example of an electrocardiogram of premature ventricular contraction analyzed by the signal analysis device 1 of the first embodiment
- FIG. 2 is a second explanatory diagram of an example in which an electrocardiogram of premature ventricular contraction is analyzed by the signal analysis device 1 of the first embodiment
- FIG. FIG. 7 is a third explanatory diagram of an example in which an electrocardiogram of premature ventricular contraction is analyzed by the signal analysis device 1 of the first embodiment.
- FIG. 1 is a first explanatory diagram of an example of an electrocardiogram of premature ventricular contraction analyzed by the signal analysis device 1 of the first embodiment
- FIG. 2 is a second explanatory diagram of an example in which an electrocardiogram of premature
- FIG. 1 is a first explanatory diagram in which an electrocardiogram of a target heart during a depolarization phase of Brugada syndrome type 1 is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 2 is a second explanatory diagram in which an electrocardiogram of a target heart during the depolarization phase of Brugada syndrome type 1 is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 3 is a third explanatory diagram in which an electrocardiogram of a target heart during the depolarization phase of Brugada syndrome type 1 is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 3 is a diagram showing a first example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 6 is a diagram showing a second example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a third example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a fourth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a fifth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a sixth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a seventh example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a seventh example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing an eighth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a ninth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a tenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing an eleventh example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twelfth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a fourteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a fifteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a sixteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a seventeenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing an eighteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a nineteenth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twentieth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-first example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-second example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-third example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-fourth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-fifth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-sixth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-seventh example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-third example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-fourth example in which an electrocardiogram is analyzed by the signal analysis device 1 in
- FIG. 7 is a diagram showing a twenty-eighth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a twenty-ninth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a 30th example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-first example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a 32nd example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-third example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-fourth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-fifth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-sixth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-seventh example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-third example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-fourth example in which an electrocardiogram is analyzed by the signal analysis device 1 in
- FIG. 7 is a diagram showing a thirty-eighth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 7 is a diagram showing a thirty-ninth example in which an electrocardiogram is analyzed by the signal analysis device 1 in the first embodiment.
- the figure which shows an example of the functional structure of the information provision system 200 in 2nd Embodiment. 7 is a flowchart illustrating an example of the flow of processing executed by the learning device 300 in the second embodiment. 7 is a flowchart illustrating an example of the flow of processing executed by the information providing device 400 in the second embodiment.
- 12 is a flowchart illustrating an example of the flow of processing executed by the learning device 301 in the third embodiment.
- 12 is a flowchart illustrating an example of the flow of processing executed by the information providing device 401 in the third embodiment.
- FIG. 1 is a diagram showing an example of the hardware configuration of a signal analysis device 1 according to the first embodiment.
- the signal analysis device 1 will be described below using an example in which analysis is performed based on the waveform of one channel of an electrocardiogram.
- the signal analysis device 1 is capable of similar analysis based on not only electrocardiogram waveforms but also time-series biological information regarding heart beats.
- the time-series biological information regarding heart beats includes, for example, a waveform indicating a change in cardiac potential, a waveform indicating a change in heart pressure, a waveform indicating a change in blood flow, and a waveform indicating a change in heart sounds. .
- the signal analysis device 1 is capable of analyzing not only the waveform of electrical signals acquired from the body surface, but also sensors that are in contact with the body surface, sensors that are close to the body surface, sensors that are inserted into the body, sensors that are implanted in the body, etc. Any waveform may be used as long as it is a waveform that indicates a cardiac cycle obtained from any point, regardless of whether it is on the body surface or inside the body.
- the signal analysis device 1 may use a waveform indicating changes in heart pressure as time-series biological information regarding heart beats. Further, the signal analysis device 1 may use a waveform indicating a change in blood flow rate as time-series biological information regarding heart beats instead of an electrocardiogram waveform. Furthermore, instead of the electrocardiogram waveform, the signal analysis device 1 may use a waveform indicating changes in heart sounds as time-series biological information regarding heart beats. Note that the waveform of an electrocardiogram is also an example of time-series biological information regarding heart beats. Note that the time-series biological information regarding heart beats may be time-series biological information regarding periodic heart beats.
- the signal analysis device 1 acquires an electrocardiogram waveform of a heart to be analyzed (hereinafter referred to as "target heart”). Based on the acquired electrocardiogram waveform, the signal analysis device 1 calculates parameters (hereinafter referred to as "myocardial outer layer parameters") indicating the activity of the outer layer of the myocardium (hereinafter referred to as “myocardial outer layer”) of the target heart, and Parameters indicating the activity of the inner layer of the myocardium (hereinafter referred to as “myocardial inner layer”) (hereinafter referred to as "myocardial inner layer parameter"); (referred to as "activity parameters").
- myocardial outer layer parameters parameters indicating the activity of the outer layer of the myocardium (hereinafter referred to as “myocardial outer layer") of the target heart
- myocardial inner layer parameter Parameters indicating the activity of the inner layer of the myocardium
- activity parameters hereinafter referred to as "myocardial inner layer parameter
- the relationship between myocardial activity and electrocardiogram waveforms will be explained.
- a model called the electromotive force dipole model (reference document 1) that explains the relationship between the movement of the heart muscle and an electrocardiogram is known.
- the cardiac electromotive force dipole model the myocardium is modeled with two layers: an outer myocardial layer and an inner myocardial layer.
- the outer myocardial layer and the inner myocardial layer are modeled as different sources of electromotive force.
- the composite wave of the epicardial myocardial action potential and the endocardial myocardial action potential substantially matches the temporal change in the body surface potential observed at the body surface.
- An electrocardiogram waveform is a graph representing changes in body surface potential over time.
- the epicardial myocardial action potential is the result of directly measuring the change in electromotive force caused by the pulsation of the outer myocardium by inserting a catheter electrode.
- the endocardial myocardial action potential is the result of directly measuring the change in electromotive force caused by the pulsation of the inner myocardium by inserting a catheter electrode. This is a general explanation of the cardiac electromotive force dipole model.
- the outer layer of the myocardium in the cardiac electromotive force dipole model is a collection of cells. Therefore, the timing of the beats of cells in the outer myocardial layer during one beat of the outer myocardial layer is not necessarily the same for all cells, and there is a possibility that there is a distribution in the timing of beats.
- This also applies to the inner myocardium. That is, the timing of pulsation of cells in the inner myocardium during one pulsation of the inner myocardium is not necessarily the same for all cells, and there is a possibility that there is a distribution of timing of pulsation. However, the possibility that such a distribution exists in the timing of cell beats is not assumed in the cardiac electromotive force dipole model.
- the conversion efficiency at which the excitement of cells in the outer myocardial layer is reflected in the electrocardiogram waveform is not necessarily the same for all cells, and there may be a distribution in the conversion efficiency at which the pulsation is reflected in the electrocardiogram waveform.
- the conversion efficiency at which the excitement of cells in the inner myocardium is reflected in the electrocardiogram waveform is not necessarily the same for all cells, and there may be a distribution in the conversion efficiency at which the beats are reflected in the electrocardiogram waveform. be.
- the electromotive force dipole model does not assume the possibility that there is a distribution in the conversion efficiency in which cell beats are reflected in the electrocardiogram waveform.
- the myocardial The distribution of the timing at which the start of pulsation of each cell in the outer layer of the myocardium appears in the electrocardiogram waveform, the distribution of the timing at which the start of pulsation of each cell in the inner myocardium appears in the waveform of the electrocardiogram, and the distribution of the timing at which the start of pulsation of each cell in the inner myocardium appears in the waveform of the electrocardiogram.
- An analysis is performed on the assumption that the distribution of the timing at which the end of pulsation appears in the electrocardiogram waveform and the distribution of the timing at which the end of each cell in the inner myocardial layer appears in the electrocardiogram waveform are Gaussian distributions.
- the start of activity in the inner myocardium by all cells in the inner myocardium is included in the electrocardiogram waveform as a cumulative Gaussian distribution
- the start of activity in the outer myocardium by all cells in the outer myocardium is included in the electrocardiogram waveform.
- the termination of the activity of the inner myocardium by all the cells in the inner myocardium is included as a cumulative Gaussian distribution in the electrocardiogram waveform
- the termination of the activity of the outer myocardium by all cells of the outer myocardium is included in the electrocardiogram waveform as a cumulative Gaussian distribution.
- the analysis is performed assuming that it is included as .
- a sigmoid function a Gompertz function, a logistic function, etc.
- a single-modal cumulative distribution function is used, that is, the value monotonically increases until the time when the value reaches the maximum value, and after the time when the value reaches the maximum value, may use a cumulative distribution function corresponding to a distribution whose values monotonically decrease.
- the cumulative distribution function used by the signal analysis device 1 is a cumulative distribution function whose shape can be specified by a parameter representing the shape of the cumulative distribution function or a parameter representing the shape of a unimodal distribution that is an accumulation source of the cumulative distribution function. It is necessary to do so.
- the parameters representing the shape of the cumulative distribution function i.e., the parameters that specify the cumulative distribution function
- the parameters representing the shape of the unimodal distribution i.e., the parameters that identify the unimodal distribution
- the shape parameters of the cumulative distribution function are called shape parameters of a unimodal distribution.
- the shape parameters of the cumulative distribution function and the shape parameters of the unimodal distribution are substantially the same.
- the cumulative distribution function used by the signal analysis device 1 is a cumulative Gaussian distribution function
- the standard deviation (or variance) and mean value of the Gaussian distribution which is the cumulative source of the cumulative Gaussian distribution function, are the same as the unimodal distribution. It is a shape parameter and also a shape parameter of the cumulative distribution function.
- the signal analysis device 1 calculates the cumulative distribution function of the first unimodal distribution by using the waveform of either the R wave or the T wave in the time interval included in the waveform of one cycle of the acquired electrocardiogram of the target heart as the target time waveform.
- the target time is a time waveform (hereinafter referred to as "approximate time waveform") based on the difference or weighted difference between the first cumulative distribution function, which is the cumulative distribution function of the second unimodal distribution, and the second cumulative distribution function, which is the cumulative distribution function of the second unimodal distribution.
- a parameter that specifies the first unimodal distribution or a parameter that specifies the first cumulative distribution function, a parameter that specifies the second unimodal distribution, or a parameter that specifies the second cumulative distribution function. is obtained as a parameter representing the characteristics of the target time waveform, that is, obtained as a myocardial activity parameter.
- approximating the target time waveform with an approximate time waveform, that is, identifying the approximate time waveform is referred to as "fitting”, and refers to the first cumulative distribution function and the second cumulative distribution function included in the approximate time waveform. is called the “fitting result”.
- the signal analysis device 1 determines that the weight given to the first cumulative distribution function and the weight given to the second cumulative distribution function are parameters representing the characteristics of the target time waveform (i.e., myocardial Alternatively, the ratio of the weight given to the first cumulative distribution function and the weight given to the second cumulative distribution function may also be obtained as a parameter representing the characteristics of the target time waveform (i.e., myocardial activity parameter). You can also obtain it as
- the signal analysis device 1 may use a plurality of (M) pieces of the first cumulative distribution function. Using each combination (M ⁇ N) of a parameter that specifies the cumulative distribution function for each candidate and a parameter that specifies the cumulative distribution function for each of the plurality of (N) candidates of the second cumulative distribution function. Then, a time waveform (hereinafter referred to as "candidate time waveform") is generated based on the difference between the first cumulative distribution function and the second cumulative distribution function, and the target time waveform is selected from among the generated M ⁇ N candidate time waveforms.
- a candidate time waveform closest to is specified as an approximate time waveform, and a parameter for specifying a first cumulative distribution function candidate and a parameter for specifying a second cumulative distribution function candidate used to generate the specified approximate time waveform are set. Obtained as a parameter representing the characteristics of the target time waveform.
- the process of identifying the candidate time waveform closest to the target time waveform as the approximate time waveform may be performed, for example, by the process of identifying the candidate time waveform that minimizes the squared error between the candidate time waveform and the target time waveform.
- the signal analysis device 1 may obtain a candidate time waveform that is a time waveform resulting from a difference between a first cumulative distribution function candidate and a second cumulative distribution function candidate that approximate the target time waveform; and updating at least one of the parameters specifying each cumulative distribution function in a direction that reduces the square error of the target time waveform, or repeats this a predetermined number of times until the square error becomes equal to or less than a predetermined standard.
- the finally obtained candidate time waveform is identified as an approximate time waveform, and the parameters for identifying the first cumulative distribution function candidate used to generate the identified approximate time waveform and the second cumulative distribution function are A parameter for specifying a candidate is acquired as a parameter representing the characteristics of the target time waveform.
- the signal analysis device 1 may use a plurality of first cumulative distribution functions (M ), a parameter that specifies the cumulative distribution function for each of the plurality of (N) candidates for the second cumulative distribution function, and a weight to be given to the first cumulative distribution function.
- M first cumulative distribution functions
- the first cumulative distribution is calculated using each combination (K ⁇ L ⁇ M ⁇ N) of multiple (K) candidates and multiple (L) candidates for weights to be given to the second cumulative distribution function.
- a candidate time waveform that is a time waveform based on a weighted difference between the function and the second cumulative distribution function is generated, and the candidate time closest to the target time waveform among the K ⁇ L ⁇ M ⁇ N candidate time waveforms generated is generated.
- a waveform is specified as an approximate time waveform, and a parameter for specifying a first cumulative distribution function candidate used to generate the specified approximate time waveform, a parameter for specifying a second cumulative distribution function candidate, and a first cumulative distribution function.
- the weight to be given and the weight to be given to the second cumulative distribution function are acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 may obtain a candidate time waveform that is a time waveform based on a weighted difference between a first cumulative distribution function candidate and a second cumulative distribution function candidate that approximate the target time waveform; updating at least one of the parameters specifying each cumulative distribution function and the weight given to each cumulative distribution function in a direction in which the square error between the time waveform and the target time waveform becomes smaller;
- the finally obtained candidate time waveform is identified as an approximate time waveform by repeating until the time is reached, or by repeating it a predetermined number of times, and the first cumulative distribution function candidate used to generate the identified approximate time waveform.
- a parameter specifying a candidate for the second cumulative distribution function, a weight given to the first cumulative distribution function, and a weight given to the second cumulative distribution function are obtained as parameters representing the characteristics of the target time waveform.
- myocardial activity information parameter acquisition process the process of acquiring parameters representing the characteristics of the target time waveform included in the waveform for one cycle of the acquired electrocardiogram of the target heart.
- Equation (1) is a Gaussian distribution (normal distribution) with a mean of ⁇ 1 and a standard deviation of ⁇ 1 (variance is ⁇ 1 2 ).
- Equation (3) is a Gaussian distribution (normal distribution) with a mean of ⁇ 2 and a standard deviation of ⁇ 2 (variance is ⁇ 2 2 ).
- Equation (2) is the cumulative distribution function of Equation (1).
- Equation (4) is the cumulative distribution function of Equation (3).
- "erf" is a sigmoid function (error function).
- the unit of the information x representing time is arbitrary; for example, a sample number or relative time starting from one cycle of the electrocardiogram waveform may be used as the information x representing time.
- the difference between the first cumulative distribution function and the second cumulative distribution function is expressed, for example, by the following equation (5).
- the function expressed by the following equation (5) is a function obtained by subtracting the second cumulative distribution function from the first cumulative distribution function.
- the parameter that specifies the first unimodal distribution or the parameter that specifies the first cumulative distribution function The mean ⁇ 1 and standard deviation ⁇ 1 are the parameters that specify the second unimodal distribution or the second cumulative distribution function, and the mean ⁇ 2 and standard deviation ⁇ 2 are parameters representing the characteristics of the target time waveform. get. Note that instead of the standard deviation being acquired as a parameter, the variance may be acquired as a parameter. This also applies to the subsequent descriptions of the standard deviation being acquired as a parameter.
- the weighted difference between the first cumulative distribution function and the second cumulative distribution function can be expressed, for example, by the following equation (6), where the weight of the first cumulative distribution function is k 1 and the weight of the second cumulative distribution function is k 2 . be done.
- the function expressed by the following equation (6) is a function obtained by subtracting the function obtained by multiplying the second cumulative distribution function by weight k 2 from the function obtained by multiplying the first cumulative distribution function by weight k 1 .
- the parameter that specifies the first unimodal distribution or the first cumulative distribution function is specified.
- the mean ⁇ 1 and standard deviation ⁇ 1 are parameters for determining the second unimodal distribution or the average ⁇ 2 and standard deviation ⁇ 2 are parameters for specifying the second cumulative distribution function. At least obtain as a parameter representing the characteristics of.
- the ratio between the weight k 1 of the first cumulative distribution function and the weight k 2 of the second cumulative distribution function, or the weight k 1 of the first cumulative distribution function and the weight k 2 of the second cumulative distribution function may also be obtained as a parameter representing the characteristics of the target time waveform.
- the function in equation (6) is a function obtained by subtracting the function obtained by multiplying the second cumulative distribution function by weight k 2 from the function obtained by multiplying the first cumulative distribution function by weight k 1 , weight k 1 and weight k 2 are both positive values.
- the signal analysis device 1 may perform fitting so that weight k 1 and weight k 2 are both positive values, but fitting is performed so that both weight k 1 and weight k 2 are positive values. is not required.
- the first cumulative distribution function f a expressed by equation (7)
- the first target time waveform is approximated by the approximate time waveform of equation (9), which is a function obtained by subtracting the second cumulative distribution function f b (x) expressed by equation (8) from (x), and the first cumulative
- the average ⁇ a and standard deviation ⁇ a which are parameters that specify the distribution function
- the average ⁇ b and standard deviation ⁇ b which are parameters that specify the second cumulative distribution function
- the first cumulative distribution function expressed by equation (7) Equation (10) is a function obtained by subtracting the function obtained by multiplying the second cumulative distribution function f b (x) expressed by Equation (8) by weight k b from the function obtained by multiplying f a (x) by weight k a.
- the first target time waveform with the approximate time waveform of and standard deviation ⁇ b are obtained at least as parameters representing the characteristics of the first target time waveform (ie, R wave).
- the ratio between the weight k a of the first cumulative distribution function and the weight k b of the second cumulative distribution function, or the weight k a of the first cumulative distribution function and the weight k b of the second cumulative distribution function may also be obtained as a parameter representing the characteristics of the parameter representing the characteristics of the first target time waveform (ie, R wave).
- the function in equation (10) is a function obtained by subtracting the function obtained by multiplying the second cumulative distribution function by weight k b from the function obtained by multiplying the first cumulative distribution function by weight k a , weight k a and weight k Both b are positive values.
- the signal analysis device 1 may perform fitting so that both weight k a and weight k b are positive values, but fitting is performed so that both weight k a and weight k b are positive values. is not required.
- the target time waveform in the forward direction of time is calculated as the difference between two cumulative Gaussian distributions or Approximation may be performed using an approximate time waveform of a weighted difference.
- the T wave corresponds to the sequential awakening of the excitation of all cells in the myocardium according to a Gaussian distribution, the T wave can be interpreted as a phenomenon in the opposite direction on the time axis from the R wave.
- the target time waveform in the forward direction of time can be calculated by two functions (1 It can be said that the approximation can be made by the difference or weighted difference of the function obtained by subtracting the cumulative Gaussian distribution from . This will be referred to as the second method below.
- the first method and the second method will be described below, but in order to avoid confusion between the cumulative distribution function for the R wave described above and the cumulative distribution function for the T wave described below,
- the T-wave will be explained by referring to the above-mentioned first cumulative distribution function as the third cumulative distribution function, and the above-mentioned second cumulative distribution function as the fourth cumulative distribution function.
- the second target time waveform i.e., T wave
- the third cumulative distribution function f e (x') expressed by formula (11) is expressed by formula (12).
- the second target inverse time waveform is approximated by the approximate inverse time waveform of equation (13), which is a function obtained by subtracting the fourth cumulative distribution function f g (x') expressed by , and the third cumulative distribution function is specified.
- the parameters mean ⁇ e and standard deviation ⁇ e and the parameters specifying the fourth cumulative distribution function mean ⁇ g and standard deviation ⁇ g represent the characteristics of the second target time waveform (i.e., T wave). Get it as a parameter.
- the second target time waveform i.e., T wave
- the function obtained by multiplying the fourth cumulative distribution function f g (x') expressed by equation (12) by the weight k g is obtained.
- the second target inverse time waveform is approximated by the approximate inverse time waveform of equation (14), which is the subtracted function, and the mean ⁇ e and standard deviation ⁇ e , which are parameters for specifying the third cumulative distribution function, and the fourth cumulative distribution function are calculated.
- At least the average ⁇ g and standard deviation ⁇ g which are parameters for specifying the distribution function, are acquired as parameters representing the characteristics of the second target time waveform (ie, T wave).
- the ratio between the weight k e of the third cumulative distribution function and the weight k g of the fourth cumulative distribution function, or the weight k e of the third cumulative distribution function and the weight k g of the fourth cumulative distribution function may also be acquired as a parameter representing the characteristics of the second target time waveform (ie, T wave).
- the function of equation (14) is a function obtained by subtracting the function obtained by multiplying the fourth cumulative distribution function by weight k g from the function obtained by multiplying the third cumulative distribution function by weight k e , weight k e and weight k Both g are positive values.
- the signal analysis device 1 may perform fitting so that the weight k e and the weight k g are both positive values, but it is not possible to perform fitting so that the weight k e and the weight k g are both positive values. is not required.
- the second target time waveform (i.e., T wave) is calculated by subtracting the third cumulative distribution function f c (x) expressed by equation (15) from 1 using the second method .
- (x) hereinafter referred to as the "third inverse cumulative distribution function”
- the function f' d ( x ) (hereinafter referred to as , "fourth inverse cumulative distribution function")
- the second target time waveform is approximated by the approximate time waveform of equation (17), and the mean ⁇ c and standard deviation ⁇ c , which are parameters for specifying the third cumulative distribution function, and the fourth cumulative distribution function are specified.
- the parameters average ⁇ d and standard deviation ⁇ d are obtained as parameters representing the characteristics of the second target time waveform (ie, T wave).
- the third Equation ( 18) is a function obtained by subtracting the function obtained by multiplying the fourth inverse cumulative distribution function f' d (x) by weight k d from the function obtained by multiplying the inverse cumulative distribution function f' c (x) by weight k c.
- the second target time waveform is approximated by the approximated time waveform, and the mean ⁇ c and standard deviation ⁇ c are parameters that specify the third cumulative distribution function, and the mean ⁇ d is the parameter that specifies the fourth cumulative distribution function.
- the standard deviation ⁇ d is obtained as a parameter representing the characteristics of the second target time waveform (ie, T wave).
- the ratio between the weight k c of the third inverse cumulative distribution function and the weight k d of the fourth inverse cumulative distribution function, or the weight k c of the third inverse cumulative distribution function and the weight k d of the fourth inverse cumulative distribution function (k c /k d or k d /k c ) may also be obtained as a parameter representing the characteristics of the second target time waveform (ie, T wave).
- the function of equation (18) is a function obtained by multiplying the third inverse cumulative distribution function by weight k c and subtracting the function obtained by multiplying the fourth inverse cumulative distribution function by weight k d , the weight k c and Both weights k and d are positive values.
- the signal analysis device 1 may perform fitting so that the weight k c and the weight k d are both positive values, but it is not possible to perform fitting so that the weight k c and the weight k d are both positive values. is not required.
- the approximate time waveform in equation (17) is a function obtained by subtracting the third cumulative distribution function f c ( x ) from the fourth cumulative distribution function f d (x), so the third cumulative distribution function f c (x ) and the fourth cumulative distribution function f d (x).
- the approximate time waveform in equation (18) is obtained by adding a constant term to the weighted difference between the third cumulative distribution function f c (x) and the fourth cumulative distribution function f d (x), and the curve part The shape of is the same as the weighted difference between the third cumulative distribution function f c (x) and the fourth cumulative distribution function f d (x).
- the T wave can be interpreted as a phenomenon in the opposite direction to the R wave on the time axis, and for the T wave, the waveform with the time axis reversed of the target time waveform is expressed by the third cumulative distribution function f It can be approximated by the difference or weighted difference between e (x) and the fourth cumulative distribution function f g (x). For these reasons, in the subsequent explanations about T waves, explanations will be given using only the cumulative distribution function without also describing the cumulative distribution function and the inverse cumulative distribution function.
- FIG. 2 shows the function k a f a (x) obtained by multiplying the first cumulative distribution function f a (x) by the weight k a and the second cumulative distribution function f a (x) for the first target time waveform (i.e., R wave).
- a function k b f b (x) obtained by multiplying f b (x) by a weight k b , and an approximate time waveform k a f a (x) that is the weighted difference between the first cumulative distribution function and the second cumulative distribution function.
- -k b f b (x) the function k a f a (x) obtained by multiplying the first cumulative distribution function f a (x) by the weight k a and the second cumulative distribution function.
- the dash-dotted line is the function k a f a (x) that is the product of the first cumulative distribution function f a ( x) and the weight k a
- the dash-double line is the function k a f a (x) that is the product of the first cumulative distribution function f a (x) and the weight k b
- the multiplied function is k b f b (x)
- the broken line is the approximate time waveform k a f a (x)-k b f b (x).
- This approximated time waveform k a f a (x)-k b f b (x) is a waveform that approximates the first target time waveform (ie, R wave).
- the third inverse cumulative distribution function and the 4 is a diagram schematically showing an approximate time waveform k c f' c (x)-k d f' d (x) that is a weighted difference with the inverse cumulative distribution function.
- the dash-dotted line is the fourth inverse cumulative distribution function
- the broken line is the approximate time waveform k c f' c (x)-k d f' d (x).
- This approximate time waveform kc f' c (x)-k d f' d (x) is a waveform that approximates the second target time waveform (ie, T wave).
- FIG. 4 shows the first target time waveform and the second target time waveform, with the R wave included in one cycle of the electrocardiogram of the target heart in the first embodiment as the first target time waveform and the T wave as the second target time waveform.
- FIG. 3 is a diagram schematically showing the results of fitting each of the time waveforms using the difference between two cumulative distribution functions.
- the horizontal axis in FIG. 4 represents time, and the vertical axis represents potential.
- the units of both the horizontal and vertical axes are arbitrary units.
- FIG. 4 shows that the first target time waveform (i.e., R wave) is fitted by the difference between the first cumulative distribution function and the second cumulative distribution function, and the second target time waveform (i.e., T wave) is fitted.
- R wave first target time waveform
- T wave second target time waveform
- the domain of the first cumulative distribution function and the domain of the second cumulative distribution function are the same, and are the time interval from time T1 to time T3 of the first target time waveform (ie, R wave).
- the domain of the third cumulative distribution function and the domain of the fourth cumulative distribution function are the same and extend from time T4 to time T6.
- the "first fitting result” and “second fitting result” in FIG. 4 are the results of fitting to the R wave.
- the “third fitting result” and “fourth fitting result” in FIG. 4 are the results of fitting to the T wave.
- first fitting result indicates the first cumulative distribution function among the results of fitting to the first target time waveform (ie, R wave) of the electrocardiogram.
- second fitting result indicates the second cumulative distribution function among the results of fitting to the first target time waveform (ie, R wave) of the electrocardiogram.
- third fitting result indicates the third cumulative distribution function among the results of fitting to the second target time waveform (ie, T wave) of the electrocardiogram.
- fourth fitting result indicates the fourth cumulative distribution function among the results of fitting to the second target time waveform (ie, T wave) of the electrocardiogram.
- body surface potential represents the waveform of the electrocardiogram of the fitting target.
- the signal analysis device 1 analyzes the period from time T3 to time T4 that does not belong to either the time interval of the first target time waveform (i.e., R wave) or the time interval of the second target time waveform (i.e., T wave). In this case, the signal analysis device 1 does not perform fitting. Note that for a period in which fitting is not performed in the signal analysis device 1, in FIG. 4, a line connecting the first fitting result at time T3 and a third fitting result at time T4, a line connecting the second fitting result at time T3 and time T4 It is expressed by a line connecting the fourth fitting result in . That is, when the signal analysis device 1 displays the fitting results, as shown in FIG.
- the signal analysis device 1 displays the first fitting result at time T3, the third fitting result at time T4, and the third fitting result at time T3.
- a line connecting the second fitting result and the fourth fitting result at time T4 using a predetermined function such as a constant function or a linear function may be displayed.
- the weight values may be corrected so that the second fitting result at time T3 and the fourth fitting result at time T4 can be displayed with the same value.
- the second fitting result at time T3 is k b f b (T3)
- the fourth fitting result at time T4 is k d f' d (T4)
- k b f b (T3) ⁇ 2
- You may find ⁇ 2 that satisfies k d f' d (T4) and display the fitting results using ⁇ 2 k d instead of the weight k d , or k b / ⁇ 2 instead of the weight k b . may be used to display the fitting results.
- the fitting for the first target time waveform and the fitting for the second target time waveform do not have to be performed separately. That is, the fitting to the first target time waveform and the second target time waveform may be performed together as fitting to both of them.
- the signal analysis device 1 executes fitting for the first target time waveform and the second target time waveform at the same time, the difference between the first fitting result at time T3 and the third fitting result at time T4 is small. It is preferable to perform the fitting taking into account the following: and reducing the difference between the second fitting result at time T3 and the fourth fitting result at time T4.
- FIG. 5 approximates the T wave with a function obtained by subtracting the fourth inverse cumulative distribution function from the third inverse cumulative distribution function, and displays the third inverse cumulative distribution function and the fourth inverse cumulative distribution function
- FIG. 2 is an explanatory diagram illustrating that typical characteristics of a T wave can be visualized by displaying parameters that specify a function.
- FIG. 5 shows four images: image G1, image G2, image G3, and image G4.
- Each of images G1 to G4 shows a graph in which the horizontal axis represents time and the vertical axis represents potential.
- the units of the horizontal and vertical axes of each of images G1 to G4 in FIG. 5 are arbitrary units.
- the "first function” in FIG. 5 is an example of the third inverse cumulative distribution function.
- the "second function” in FIG. 5 is an example of the fourth inverse cumulative distribution function.
- the "third function” in FIG. 5 represents a function obtained by subtracting the "second function” from the "first function”, that is, a function obtained by subtracting the fourth inverse cumulative distribution function from the third inverse cumulative distribution function.
- the "third function” in FIG. 5 has a shape that is substantially the same as the shape of the T wave of a normal heart.
- the "fourth function” in FIG. 5 is an example of the third inverse cumulative distribution function.
- the "fifth function” in FIG. 5 is an example of the fourth inverse cumulative distribution function.
- the "sixth function” in FIG. 5 represents a function obtained by subtracting the "fifth function” from the "fourth function", that is, a function obtained by subtracting the fourth inverse cumulative distribution function from the third inverse cumulative distribution function.
- the "sixth function” in FIG. 5 has a shape that is substantially the same as the shape of the decrease in height of the T wave, which is one of the three typical abnormal patterns of the T wave.
- the interval between the falling part of the third inverse cumulative distribution function and the falling part of the fourth inverse cumulative distribution function in the image G2 of FIG. 4 is narrower than the interval between the falling parts of the inverse cumulative distribution function, and this makes it visible that the delay in the activity of the outer myocardial layer from the activity of the inner myocardial layer is small in the T wave attenuation.
- the "seventh function" in FIG. 5 is an example of the third inverse cumulative distribution function.
- the "eighth function” in FIG. 5 is an example of the fourth inverse cumulative distribution function.
- the "ninth function” in FIG. 5 represents a function obtained by subtracting the "eighth function” from the "seventh function", that is, a function obtained by subtracting the fourth inverse cumulative distribution function from the third inverse cumulative distribution function.
- the "ninth function” in FIG. 5 has a shape that is substantially the same as the shape of the T-wave enhancement, which is one of the three typical abnormal T-wave patterns.
- the interval between the falling part of the third inverse cumulative distribution function and the falling part of the fourth inverse cumulative distribution function in the image G3 of FIG. 4 is wider than the interval between the falling parts of the inverse cumulative distribution function, and this makes it visible that there is a large delay in the activity of the outer myocardial layer from the activity of the inner myocardium in the enhancement of the T wave.
- the "10th function” in FIG. 5 is an example of the third inverse cumulative distribution function.
- the "eleventh function” in FIG. 5 is an example of the fourth inverse cumulative distribution function.
- the "12th function” in FIG. 5 represents a function obtained by subtracting the "11th function” from the "10th function", that is, a function obtained by subtracting the fourth inverse cumulative distribution function from the third inverse cumulative distribution function.
- the "12th function” in FIG. 5 has a shape that is substantially the same as the shape of a negative T wave, which is one of the three typical abnormal patterns of T waves.
- the order of the falling part of the third inverse cumulative distribution function and the falling part of the fourth inverse cumulative distribution function in the image G4 of FIG. 5 is as follows. 4 The order of the falling part of the inverse cumulative distribution function is reversed, and this makes it visible that in the negative T wave, the outer myocardial layer ends its activity earlier than the inner myocardial layer.
- the T wave By approximating the T wave with a function, it is possible to express the relationship between the activities of the inner myocardium and the outer myocardium included in the T wave and the activities of the inner myocardium and the outer myocardium. This also applies to the case where the R wave is approximated by a function obtained by subtracting the second cumulative distribution function from the first cumulative distribution function.
- the signal analysis device 1 fits the waveform of the R wave or T wave of the electrocardiogram of the target heart using the difference or weighted difference between the two cumulative distribution functions. Then, the signal analysis device 1 acquires a parameter specifying the approximate time waveform specified by fitting as a parameter indicating the myocardial activity.
- the signal analysis device 1 calculates the cumulative distribution function of the first unimodal distribution by using the waveform of either the R wave or the T wave in the time interval included in the waveform of one cycle of the acquired electrocardiogram of the target heart as the target time waveform.
- a time waveform obtained by adding a value (hereinafter referred to as "level value") to the difference or weighted difference between the first cumulative distribution function that is the first cumulative distribution function and the second cumulative distribution function that is the cumulative distribution function of the second unimodal distribution. may be an approximate time waveform.
- the target time waveform is approximated by the approximated time waveform
- a parameter that specifies the first unimodal distribution or a parameter that specifies the first cumulative distribution function, and a parameter that specifies the second unimodal distribution are used.
- the level value is also acquired as a parameter representing the characteristics of the target time waveform.
- the weights given to the first cumulative distribution function and the weights given to the second cumulative distribution function may also be obtained as parameters representing the characteristics of the target time waveform, or
- the ratio between the weight given to the cumulative distribution function and the weight given to the second cumulative distribution function may also be obtained as a parameter representing the characteristics of the target time waveform.
- the signal analysis device 1 specifies parameters for specifying the cumulative distribution function for each of a plurality of (M) candidates for the first cumulative distribution function, and Parameters that specify cumulative distribution functions for each of the plurality of (N) candidates, a plurality of (K) candidates for weights to be given to the first cumulative distribution function, and a plurality of weights to be given to the second cumulative distribution function. (L) candidates and a plurality (J) of level value candidates.
- a candidate time waveform that is a time waveform obtained by adding a level value to a weighted difference with a function is generated, and a A close candidate time waveform is identified as an approximate time waveform, and a parameter for identifying a first cumulative distribution function candidate used to generate the identified approximate time waveform, a parameter for identifying a second cumulative distribution function candidate, and a first cumulative
- the weight given to the distribution function, the weight given to the second cumulative distribution function, and the level value are acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 may generate a candidate time that is a time waveform obtained by adding a level value to a weighted difference between a first cumulative distribution function candidate and a second cumulative distribution function candidate that approximate the target time waveform. obtaining a waveform, and updating at least one of a parameter for specifying each cumulative distribution function, a weight given to each cumulative distribution function, and a level value in a direction in which the square error between the candidate time waveform and the target time waveform becomes smaller; is repeated until the squared error becomes less than a predetermined standard, or is repeated a predetermined number of times, and the finally obtained candidate time waveform is identified as an approximate time waveform and used to generate the identified approximate time waveform.
- the parameter for specifying the first cumulative distribution function candidate, the parameter for specifying the second cumulative distribution function candidate, the weight to be given to the first cumulative distribution function, the weight to be given to the second cumulative distribution function, and the level value are determined based on the target time. Obtained as a parameter representing waveform characteristics.
- the signal analysis device 1 first sets the potential at the starting end of the target time waveform (corresponding to time T1 in FIG. 4) as a level value when the target time waveform is an R wave, and sets the potential at the start end of the target time waveform (corresponding to time T1 in FIG. If it is a wave, the potential at the end of the target time waveform (corresponding to time T6 in FIG. 4) is acquired as a level value. Then, the signal analysis device 1 specifies parameters for specifying the cumulative distribution function for each of the plurality of (M) candidates for the first cumulative distribution function, and for each of the plurality (N) candidates for the second cumulative distribution function.
- the signal analysis device 1 first sets the potential at the starting end of the target time waveform (corresponding to time T1 in FIG. 4) as a level value, and sets the target time waveform to a T wave. If so, the potential at the end of the target time waveform (corresponding to time T6 in FIG. 4) is acquired as the level value. Then, the signal analysis device 1 generates a candidate time waveform that is a time waveform obtained by adding a level value to the weighted difference between the first cumulative distribution function candidate and the second cumulative distribution function candidate that approximate the target time waveform.
- the first cumulative distribution used to generate the identified approximate time waveform by repeating it until it becomes less than a predetermined standard or by repeating it a predetermined number of times to identify the finally obtained candidate time waveform as the approximate time waveform.
- the value obtained by adding the level value to the weighted difference between the first cumulative distribution function and the second cumulative distribution function is expressed, for example, by the following equation (19).
- the function expressed by the following equation (19) is obtained by subtracting the function obtained by multiplying the second cumulative distribution function by weight k 2 from the function obtained by multiplying the first cumulative distribution function by weight k 1 , and adding the level value ⁇ . It is a function.
- the mean ⁇ 1 and standard deviation ⁇ 1 are parameters that specify the first cumulative distribution function
- the mean ⁇ 2 and standard deviation ⁇ are parameters that specify the second unimodal distribution or the second cumulative distribution function. 2 and the level value ⁇ are obtained at least as parameters representing the characteristics of the target time waveform.
- the ratio between the weight k 1 of the first cumulative distribution function and the weight k 2 of the second cumulative distribution function, or the weight k 1 of the first cumulative distribution function and the weight k 2 of the second cumulative distribution function may also be obtained as a parameter representing the characteristics of the target time waveform.
- the function in equation (19) is a function obtained by subtracting the function obtained by multiplying the second cumulative distribution function by weight k 2 from the function obtained by multiplying the first cumulative distribution function by weight k 1 , and adding the level value ⁇ , , weight k 1 and weight k 2 are both positive values.
- the signal analysis device 1 may perform fitting so that weight k 1 and weight k 2 are both positive values, but fitting is performed so that both weight k 1 and weight k 2 are positive values. is not required.
- the signal analysis device 1 uses the R wave as a first target time waveform and the T wave as a second target time waveform. For each of the first target time waveform and the second target time waveform, it is preferable to obtain parameters representing the characteristics of the target time waveform described above.
- the second cumulative distribution expressed by equation ( 8 ) is obtained from the function obtained by multiplying the first cumulative distribution function f a (x) expressed by equation (7) by the weight k a , with the potential at the starting end being the level value ⁇ R
- the first target time waveform is approximated by the approximate time waveform of equation (20), which is a function obtained by subtracting the function f b (x) multiplied by the weight k b and adding the level value ⁇ R , and the first cumulative
- the mean ⁇ a and standard deviation ⁇ a which are parameters that specify the distribution function
- the mean ⁇ b , standard deviation ⁇ b , and level value ⁇ R which are parameters that specify the second cumulative distribution function
- the ratio between the weight k a of the first cumulative distribution function and the weight k b of the second cumulative distribution function, or the weight k a of the first cumulative distribution function and the weight k b of the second cumulative distribution function (k a / k b or k b /k a ) may also be acquired as a parameter representing the characteristics of the parameter representing the characteristics of the first target time waveform (ie, R wave).
- the function i.e., the third inverse cumulative distribution function obtained by subtracting the third cumulative distribution function from 1 and the function (i.e., the fourth cumulative distribution function subtracted from 1) (i.e., the third inverse cumulative distribution function)
- the third inverse cumulative distribution It is a function obtained by subtracting the function obtained by multiplying the fourth inverse cumulative distribution function f' d (x) by weight k d from the function obtained by multiplying the function f' c ( x ) by weight k c, and adding the level value ⁇ T.
- the second target time waveform is approximated by the approximate time waveform of Equation (22), and the mean ⁇ c and standard deviation ⁇ c , which are parameters that specify the third cumulative distribution function, and the parameters that specify the fourth cumulative distribution function.
- a certain average ⁇ d , standard deviation ⁇ d , and level value ⁇ T are obtained as parameters representing the characteristics of the second target time waveform (ie, T wave).
- the ratio between the weight k c of the third inverse cumulative distribution function and the weight k d of the fourth inverse cumulative distribution function, or the weight k c of the third inverse cumulative distribution function and the weight k d of the fourth inverse cumulative distribution function (k c /k d or k d /k c ) may also be obtained as a parameter representing the characteristics of the second target time waveform (ie, T wave).
- the one-dot chain line is the function k a f a (x)+ ⁇ R obtained by multiplying the first cumulative distribution function f a (x) by the weight k a and adding the level value ⁇ R
- the two-dot chain line is the second cumulative distribution
- the function k b f b (x)+ ⁇ R is obtained by multiplying the function f b (x) by the weight k b and adding the level value ⁇ R
- the broken line is the approximate time waveform k a f a (x)-k b f b (x)+ ⁇ R.
- This approximated time waveform k a f a (x)-k b f b (x)+ ⁇ R is a waveform that approximates the first target time waveform (ie, R wave).
- the function k c f' c ( x ) + ⁇ T which is the sum of function k d f' d (x)+ ⁇ T
- an approximate time waveform k c f ' that is the weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function plus the level value ⁇ T
- FIG. 3 is a diagram schematically showing c (x)-k d f' d (x)+ ⁇ T.
- the level value ⁇ R which is the potential at the beginning of the R wave (more precisely, the QRS wave), is a value that represents the magnitude of the DC component at the beginning of the R wave, and if there is an abnormality in the coronary artery, the level value ⁇ R ⁇ R may fall to the negative side.
- the level value ⁇ T which is the potential at the end of the T wave, is a value that represents the magnitude of the DC component at the end of the T wave, and if there is an abnormality in repolarization of the myocardium, the level value ⁇ T is a positive value. It may rise to the side.
- a portion (hereinafter referred to as a "residual portion") may remain where the target time waveform cannot be approximated by the approximate time waveform described above.
- the target time waveform R wave
- the target time waveform may include a ⁇ wave as shown by the broken line in Figure 8. be. This ⁇ wave portion cannot approximate the target time waveform using the approximate time waveform described above, and remains as a residual portion.
- the signal analysis device 1 calculates the cumulative distribution function (for convenience, referred to as the "fifth unimodal distribution") of a certain unimodal distribution (for convenience, referred to as the "fifth unimodal distribution”) for the residual time waveform that is the difference between the target time waveform and the approximate time waveform.
- the specified parameters may also be acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 calculates the cumulative distribution function (conveniently referred to as the "fifth unimodal distribution”) of a certain unimodal distribution (for convenience, referred to as the "fifth unimodal distribution”) with respect to the residual time waveform that is the difference between the target time waveform and the approximate time waveform. (hereinafter referred to as the "fifth cumulative distribution function”), and the cumulative distribution function (for convenience, referred to as the "sixth unimodal distribution”) of a unimodal distribution (for convenience, referred to as the “sixth unimodal distribution”) that is different from the fifth unimodal distribution.
- the cumulative distribution function (conveniently referred to as the "fifth unimodal distribution") of a certain unimodal distribution (for convenience, referred to as the "fifth unimodal distribution") with respect to the residual time waveform that is the difference between the target time waveform and the approximate time waveform.
- the cumulative distribution function for convenience, referred to as the "sixth uni
- a parameter that specifies the fifth unimodal distribution when the residual time waveform is approximated by a time waveform (hereinafter referred to as the "approximate residual time waveform") based on the difference from the "cumulative distribution function" or a weighted difference, or
- the parameter that specifies the fifth cumulative distribution function, the parameter that specifies the sixth unimodal distribution, or the parameter that specifies the sixth cumulative distribution function may also be acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 Regarding the residual time waveform, which is the difference between the time waveform and the approximate time waveform, the residual time waveform is approximated by the approximate time waveform f 5 (x) of the fifth cumulative distribution function expressed by equation (24), and the above-mentioned
- the mean ⁇ 5 and standard deviation ⁇ 5 which are parameters for specifying the fifth cumulative distribution function, are also acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 calculates the residual time waveform, which is the difference between the target time waveform and the approximated time waveform, using equation (24).
- the residual time waveform is approximated by the approximation time waveform k 5 f 5 (x) of the function obtained by multiplying the fifth cumulative distribution function f 5 (x) by the weight k 5 , and the characteristics of the target time waveform described above are obtained.
- the average ⁇ 5 and the standard deviation ⁇ 5 which are parameters that specify the fifth cumulative distribution function, may also be acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 may also acquire the weight k5 as a parameter representing the characteristics of the target time waveform.
- the signal analysis device 1 converts the residual time waveform, which is the difference between the target time waveform and the approximate time waveform, from the fifth cumulative distribution function represented by equation (24) to the sixth cumulative distribution function represented by equation (26).
- the residual time waveform is approximated by the approximate time waveform f 5 (x)-f 6 (x), which is a waveform obtained by subtracting
- the average ⁇ 5 and standard deviation ⁇ 5 which are parameters for specifying
- the average ⁇ 6 and standard deviation ⁇ 6 which are parameters for specifying the sixth cumulative distribution function, are also acquired as parameters representing the characteristics of the target time waveform.
- the signal analysis device 1 calculates the residual time waveform that is the difference between the target time waveform and the approximate time waveform. From the function k 5 f 5 (x), which is the fifth cumulative distribution function f 5 (x) multiplied by the weight k 5, to the function k 6 f 6 (x), which is the sixth cumulative distribution function f 6 (x) multiplied by the weight k 6 ) is subtracted from the approximate time waveform k 5 f 5 (x)-k 6 f 6 (x), and in addition to each parameter representing the characteristics of the target time waveform described above.
- the mean ⁇ 5 and standard deviation ⁇ 5 which are parameters that specify the fifth cumulative distribution function
- the mean ⁇ 6 and standard deviation ⁇ 6 which are parameters that specify the sixth cumulative distribution function, are also parameters that express the characteristics of the target time waveform.
- the signal analysis device 1 further uses the weight k 5 and the weight k 6 or the ratio of the weight k 5 and the weight k 6 (k 5 /k 6 or k 6 /k 5 ) as a parameter representing the characteristics of the target time waveform. You may also obtain it as
- both the weight k 5 and the weight k 6 are It is a positive value.
- the signal analysis device 1 may perform fitting so that the weight k 5 and the weight k 6 are both positive values; is not required.
- the signal analysis device 1 includes a control unit 11 including a processor 91 such as a CPU and a memory 92 connected via a bus, and executes a program.
- the signal analysis device 1 functions as a device including a control section 11, an input section 12, a communication section 13, a storage section 14, and an output section 15 by executing a program.
- the processor 91 reads a program stored in the storage unit 14 and stores the read program in the memory 92.
- the signal analysis device 1 functions as a device including a control section 11, an input section 12, a communication section 13, a storage section 14, and an output section 15.
- the control unit 11 controls the operations of various functional units included in the signal analysis device 1.
- the control unit 11 executes, for example, myocardial activity information parameter acquisition processing.
- the control unit 11 controls, for example, the operation of the output unit 15 and causes the output unit 15 to output the acquisition result of the myocardial activity information parameter acquisition process.
- the control unit 11 records, for example, various information generated by executing the myocardial activity information parameter acquisition process in the storage unit 14.
- the input unit 12 includes input devices such as a mouse, a keyboard, and a touch panel.
- the input unit 12 may be configured as an interface that connects these input devices to the signal analysis device 1.
- the input unit 12 receives input of various information to the signal analysis device 1 .
- distributed shape designation information information indicating the shape of the distribution represented by each cumulative distribution function (hereinafter referred to as "distribution shape designation information”) is input to the input unit 12 for a plurality of candidates for each cumulative distribution function used for fitting.
- the distribution shape designation information may be stored in the storage unit 14 in advance. In such a case, the distribution shape designation information already stored in the storage unit 14 does not need to be input from the input unit 12.
- the signal analysis device 1 will be described using an example in which the storage unit 14 has stored distribution shape designation information in advance.
- the communication unit 13 includes a communication interface for connecting the signal analysis device 1 to an external device.
- the communication unit 13 communicates with an external device via wire or wireless.
- the external device is, for example, a device that transmits the electrocardiogram waveform of the target heart.
- the device that transmits the electrocardiogram waveform of the target heart is, for example, an electrocardiogram measuring device.
- the communication unit 13 acquires an electrocardiogram waveform from the electrocardiogram measuring device through communication. Note that the electrocardiogram waveform may be input to the input unit 12.
- the storage unit 14 is configured using a non-temporary computer-readable storage medium device such as a magnetic hard disk device or a semiconductor storage device.
- the storage unit 14 stores various information regarding the signal analysis device 1.
- the storage unit 14 stores information input via the input unit 12 or the communication unit 13, for example.
- the storage unit 14 stores an electrocardiogram input via the input unit 12 or the communication unit 13, for example.
- the storage unit 14 stores, for example, various information generated by executing the myocardial activity information parameter acquisition process.
- the output unit 15 outputs various information.
- the output unit 15 includes a display device such as a CRT (Cathode Ray Tube) display, a liquid crystal display, and an organic EL (Electro-Luminescence) display.
- the output unit 15 may be configured as an interface that connects these display devices to the signal analysis device 1.
- the output unit 15 outputs, for example, information input to the input unit 12.
- the output unit 15 may display the electrocardiogram input to the input unit 12 or the communication unit 13, for example.
- the output unit 15 may display, for example, the execution result of the myocardial activity information parameter acquisition process.
- FIG. 9 is a diagram showing an example of the functional configuration of the control unit 11 in the first embodiment.
- the control unit 11 includes an electrocardiogram acquisition unit 110, a fitting information acquisition unit 120, an analysis unit 130, and a recording unit 140.
- the electrocardiogram acquisition unit 110 acquires a waveform for one cycle from the waveform of the electrocardiogram of the target heart input to the input unit 12 or the communication unit 13 and outputs it to the analysis unit 130.
- the electrocardiogram waveform of the target heart is a waveform in which waveforms for multiple beats (multiple cycles) are arranged in time series. Even if an abnormality occurs in the target heart, the waveform of all the beats included in the ECG waveform is not a special waveform, but only the waveform of a small number of beats included in the ECG waveform. It often has a characteristic waveform. In the myocardial activity information parameter acquisition process, it is preferable to target this characteristic waveform.
- the electrocardiogram acquisition unit 110 acquires a waveform for one period, which is a characteristic waveform, from the waveform of the electrocardiogram of the target heart.
- the electrocardiogram acquisition unit 110 may acquire one cycle of a characteristic waveform from the electrocardiogram waveform of the target heart using a known technique for determining similarity or specificity.
- the electrocardiogram acquisition unit 110 causes the output unit 15 to display the electrocardiogram waveform, causes the input unit 12 to accept a designation of one cycle of the waveform by a user such as a doctor, and causes the input unit 12 to receive the designation received by the input unit 12.
- the waveform for one cycle corresponding to the period may be acquired from the waveform of the electrocardiogram.
- the electrocardiogram acquisition unit 110 outputs one period of the waveform as digital time series data sampled at a predetermined sampling frequency.
- the predetermined sampling frequency is a sampling frequency of a signal used in processing in the fitting information acquisition unit 120, and is, for example, 250 Hz. If the input electrocardiogram waveform is sampled at a predetermined sampling frequency, the electrocardiogram acquisition unit 110 obtains one period of digital time series data of the input electrocardiogram waveform. All you have to do is cut out the time series data and output it. If the input electrocardiogram waveform is sampled at a sampling frequency different from the predetermined sampling frequency, the electrocardiogram acquisition unit 110 extracts data for one period from the digital time series data of the input electrocardiogram waveform. It is only necessary to cut out the digital time series data of the waveform, convert it to a predetermined sampling frequency, and then output it.
- the electrocardiogram acquisition unit 110 further identifies the R-wave time interval and the T-wave time interval included in the waveform for one cycle of the electrocardiogram, and provides information for specifying the R-wave time interval and the T-wave time interval. Information specifying the information is also acquired and output to the analysis unit 130.
- the electrocardiogram acquisition unit 110 uses a known technique to identify the beginning of the R wave, the end of the R wave, the beginning of the T wave, and the end of the T wave, and the identified beginning of the R wave, the end of the R wave, and the end of the T wave.
- Sample numbers and relative times from the start of the waveform corresponding to the start of the wave and the end of the T wave, respectively, may be acquired as information specifying the time interval of the R wave and information specifying the time interval of the T wave.
- the R wave in this specification specifically refers to the QRS wave.
- the electrocardiogram acquisition unit 110 identifies it using any known technique. This can be used as the starting point of the R wave.
- the electrocardiogram acquisition unit 110 may acquire a waveform for a plurality of cycles from the waveform of the electrocardiogram of the target heart as the target waveform on which the myocardial activity information parameter acquisition process is performed. That is, the electrocardiogram acquisition unit 110 acquires a predetermined long-term time-series waveform (trend graph) from the electrocardiogram waveform of the target heart, and calculates the waveform and the waveform of each cycle included in the acquired waveform.
- Information specifying the time interval of the R wave included in the waveform and information specifying the time interval of the T wave included in the waveform may be output to the analysis unit 130.
- the fitting information acquisition unit 120 acquires distribution shape designation information. If the distribution shape designation information is stored in the storage unit 14, the fitting information acquisition unit 120 reads the distribution shape designation information from the storage unit 14.
- the analysis section 130 includes a fitting section 131 and a myocardial activity information parameter acquisition section 132.
- the fitting unit 131 uses the candidate cumulative distribution function indicated by the distribution shape designation information to determine the time interval of at least one of the R wave and the T wave included in the waveform for one cycle of the electrocardiogram acquired by the electrocardiogram acquisition unit 110. Fitting is performed on the target time waveform, which is the waveform of .
- the myocardial activity information parameter acquisition unit 132 acquires parameters representing the characteristics of the target time waveform based on the fitting result by the fitting unit 131.
- the myocardial activity information parameter acquisition unit 132 uses, for example, a first cumulative distribution function that is a cumulative distribution function of a first unimodal distribution and a cumulative distribution function of a second unimodal distribution as parameters representing the characteristics of the target time waveform.
- a parameter or a first cumulative distribution function that specifies the first unimodal distribution when the target time waveform is approximated by an approximate time waveform that is a time waveform based on the difference or weighted difference between the second cumulative distribution function and the second cumulative distribution function.
- a parameter to be specified and a parameter to specify the second unimodal distribution or a parameter to specify the second cumulative distribution function are obtained.
- the parameter representing the characteristics of the target time waveform acquired by the myocardial activity information parameter acquisition unit 132 is an example of a myocardial activity parameter.
- the analysis unit 130 calculates the myocardial activity based on the target time waveform, which is the waveform of at least one of the time intervals of the R wave and the T wave included in the waveform for one cycle of the electrocardiogram of the target heart, and the distribution candidate information. Get parameters.
- the storage unit 14 records various information generated by the processing executed by the control unit 11.
- FIG. 10 is a flowchart showing an example of the flow of processing executed by the signal analysis device 1 in the first embodiment.
- the electrocardiogram acquisition unit 110 acquires the waveform for one cycle of the electrocardiogram of the target heart, information specifying the time interval of the R wave, and information specifying the time interval of the T wave, via the input unit 12 or the communication unit 13 ( Step S101).
- the fitting information acquisition unit 120 acquires distribution shape designation information (step S102).
- the fitting unit 131 uses the candidate cumulative distribution function indicated by the distribution shape designation information to determine the time interval of at least one of the R wave and the T wave included in the waveform for one cycle of the electrocardiogram acquired in step S101. Fitting is performed on the target time waveform, which is the waveform of (step S103).
- the myocardial activity information parameter acquisition unit 132 acquires myocardial activity parameters based on the fitting result (step S104). The acquired myocardial activity parameters are output to the output unit 15 (step S105).
- step S105 a graph of the fitting results for each target time waveform may be displayed.
- the process of step S102 may be executed before the process of step S103 is executed, and may be executed before the process of step S101 is executed.
- the processing in step S103 and step S104 is an example of the processing executed by the analysis unit 130.
- FIG. 11 is a first diagram showing an example of the analysis results of the signal analysis device 1 in the first embodiment. More specifically, FIG. 11 is an example of an analysis result by the signal analysis device 1 of an electrocardiogram waveform of a target heart that is operating normally.
- the horizontal axis in FIG. 11 represents time, and the vertical axis represents potential.
- the unit of the vertical axis is an arbitrary unit.
- Figure 11 shows the results of the first and second fitting for the R wave of depolarization in the electrocardiogram of a target heart with normal operation, and the T of the repolarization phase of the electrocardiogram of a target heart with normal operation.
- the results of the fourth fitting and the third fitting for the wave are replaced with the weight k a so that the first fitting result at time T3 and the third fitting result at time T4 have the same value, k a / ⁇ 1 and displaying the second fitting result at time T3 and the fourth fitting result at time T4 using k b / ⁇ 2 instead of weight k b so that the second fitting result at time T3 and the fourth fitting result at time T4 have the same value will be shown.
- the first fitting result with changed weights and the third fitting result connected via a straight line are called the inner myocardial layer activity approximation function
- the second fitting result with changed weights and the fourth fitting result are connected via a straight line.
- the connection is called the myocardial outer layer activity approximation function.
- Figure 11 shows that during normal cardiac depolarization, activity (i.e., ion channel activity) in the inner myocardium starts earlier and progresses more rapidly than in the outer myocardium, and that the timing at which ion channel activity in the inner myocardium starts is faster than that of the outer myocardium.
- activity i.e., ion channel activity
- the outer myocardial layer starts to activate with a slight delay, and the difference between the timing when the ion channel activity in the inner myocardium starts and the timing when the outer myocardium starts to activate results in a positive and sharp R wave.
- the average value and standard deviation of the partial myocardial inner layer activity approximation function of the first fitting result of the myocardial inner layer activity approximation function, and the average value and standard deviation of the portion of the second fitting result of the myocardial outer layer activity approximation function are a parameter representing the timing and progress of ion channel activity during normal cardiac depolarization.
- Figure 11 shows that during the repolarization phase of a normal heart, inactivation of ion channel activity in the outer myocardial layer begins earlier than in the inner myocardial layer, and that inactivation of the inner myocardial layer leads to inactivation of the outer myocardial layer.
- the onset is delayed, both the inactivation of the outer myocardium and the inactivation of the inner myocardium proceed slowly, and the difference between the inactivation of the inner myocardium and the inactivation of the outer myocardium is positive and gradual T wave. It corresponds to becoming.
- the average value and standard deviation of the fourth fitting result part of the myocardial outer layer activity approximation function and the average value and standard deviation of the third fitting result part of the myocardial inner layer activity approximation function are similar to those of a normal heart.
- This is a parameter that represents the timing of inactivation of ion channel activity and the progress of inactivation in the repolarization phase.
- the inner myocardial layer activity approximation function and the myocardial outer layer activity approximation function obtained by the first to fourth fittings are based on the collective activation of ion channels in the depolarization phase and the collective activation of ion channels in the repolarization phase.
- the average value and standard deviation of each fitting result for each function are parameters representing the myocardial activity.
- FIG. 12 is a second diagram showing an example of the analysis results of the signal analysis device 1 in the first embodiment. More specifically, FIG. 12 is an example of an analysis result by the signal analysis device 1 of an electrocardiogram waveform of a target heart that is operating normally.
- FIG. 12 shows three results: graph G5, graph G6, and result G7.
- “inner layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of ion channels existing in the inner myocardial layer.
- “outer layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of ion channels existing in the outer myocardial layer.
- body surface potential is a function representing a time change in body surface potential, and is an electrocardiogram waveform.
- the horizontal axis in FIG. 12 represents time, and the vertical axis represents potential.
- the units of both the horizontal and vertical axes are arbitrary units. Note that the length of time represented by the interval of one scale on each of the horizontal axes in FIGS. 12 to 14 is the same. Furthermore, in each of the vertical axes of FIGS. 12 to 14, 1 represents the maximum value of the cumulative Gaussian distribution.
- Graph G5 represents all electrocardiogram waveforms generated in one beat.
- Graph G6 is a part of graph G5 and shows an enlarged view of the T wave region.
- the T-wave region is the region indicated as region A1 in FIG. 12.
- the result G7 shows the statistics of two Gaussian distributions, the Gaussian distribution that is the cumulative distribution function of the inner layer side cumulative distribution function and the Gaussian distribution that is the cumulative source of the outer layer side cumulative distribution function.
- Each value of result G7 represents two Gaussian distribution statistics.
- the statistics of the two Gaussian distributions are the mean value and standard deviation of the Gaussian distribution that is the cumulative source of the inner cumulative distribution function and the outer cumulative distribution function.
- FIG. 13 is a third diagram showing an example of the analysis results of the signal analysis device 1 in the first embodiment. More specifically, FIG. 13 is an example of an analysis result by the signal analysis device 1 of an electrocardiogram waveform of a target heart whose operation is T-lengthening type 3.
- FIG. 13 shows three results: graph G8, graph G9, and result G10.
- “inner layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of channels existing in the inner myocardial layer.
- “outer layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of channels existing in the outer myocardial layer.
- body surface potential is a function representing a time change in body surface potential, and is an electrocardiogram waveform.
- the horizontal axis in FIG. 13 represents time, and the vertical axis represents potential.
- the units of both the horizontal and vertical axes are arbitrary units.
- Graph G8 represents all electrocardiogram waveforms generated in one beat.
- Graph G9 is a part of graph G8 and shows an enlarged view of the T wave region.
- the T-wave region is the region indicated as region A2 in FIG. 13.
- the result G10 shows the statistics of two Gaussian distributions, the Gaussian distribution that is the cumulative distribution function of the inner layer side cumulative distribution function and the Gaussian distribution that is the cumulative source of the outer layer side cumulative distribution function.
- Each value of the result G10 represents the mean value and standard deviation of the Gaussian distribution, which is the cumulative source of the two Gaussian distribution statistics, that is, the inner cumulative distribution function and the outer cumulative distribution function.
- the shapes of the inner layer side cumulative distribution function and the outer layer side cumulative distribution function in Fig. 13 indicate the change in electromotive force caused by the pulsation of the outer myocardium of the target heart whose operation is T-length 3 type by inserting the catheter electrode. This almost matches the result of direct measurement. This indicates that, according to the signal analysis device 1, it is possible to obtain information representing myocardial activity only from an electrocardiogram without inserting a catheter electrode.
- FIG. 14 is a fourth diagram showing an example of the analysis results of the signal analysis device 1 in the first embodiment. More specifically, FIG. 14 is an example of an analysis result by the signal analysis device 1 of an electrocardiogram waveform of a target heart whose operation is QT prolongation type 1.
- FIG. 14 shows three results: graph G11, graph G12, and result G13.
- “inner layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of channels existing in the inner myocardial layer.
- “outer layer side cumulative distribution function” indicates the fitting result of a function representing the collective channel activity timing distribution of channels existing in the outer myocardial layer.
- body surface potential is a function representing a time change in body surface potential, and is an electrocardiogram waveform.
- the horizontal axis in FIG. 14 represents time, and the vertical axis represents potential.
- the units of both the horizontal and vertical axes are arbitrary units.
- Graph G11 represents all electrocardiogram waveforms generated in one beat.
- Graph G12 is a part of graph G11 and shows an enlarged view of the T wave region.
- the T-wave region is the region indicated as region A3 in FIG. 13.
- the result G13 shows the statistics of two Gaussian distributions: the Gaussian distribution that is the cumulative distribution function of the inner layer side cumulative distribution function, and the Gaussian distribution that is the cumulative source of the outer layer side cumulative distribution function.
- Each value of result G13 represents the statistics of two Gaussian distributions.
- the statistics of the two Gaussian distributions are the mean value and standard deviation of the Gaussian distribution that is the cumulative source of the inner cumulative distribution function and the outer cumulative distribution function.
- the shapes of the inner layer side cumulative distribution function and the outer layer side cumulative distribution function in Fig. 14 reflect the change in electromotive force caused by the pulsation of the outer myocardium of the target heart whose operation is QT prolongation type 3 by inserting the catheter electrode. This almost matches the result of direct measurement. This indicates that, according to the signal analysis device 1, it is possible to obtain information representing myocardial activity only from an electrocardiogram without inserting a catheter electrode.
- FIG. 14 is also an example of the estimation results by the signal analysis device 1 of channel current characteristics associated with sudden death.
- the signal analysis device 1 can obtain information representing myocardial activity only from the electrocardiogram even for an electrocardiogram of premature ventricular contraction.
- the horizontal axis in FIGS. 15 to 17 represents time (seconds), and the vertical axis represents potential (mV).
- FIG. 15 is a first explanatory diagram for explaining an example of analyzing an electrocardiogram of premature ventricular contraction using the signal analysis device 1 of the first embodiment.
- FIG. 16 is a second explanatory diagram of an example in which an electrocardiogram of premature ventricular contraction is analyzed by the signal analysis device 1 of the first embodiment.
- FIG. 17 is a third explanatory diagram of an example in which an electrocardiogram of premature ventricular contraction is analyzed by the signal analysis device 1 of the first embodiment.
- FIG. 15 shows the cardiac potential at the body surface. That is, FIG. 15 shows one normal heartbeat and two consecutive premature ventricular contractions recorded on an electrocardiogram. More specifically, FIG. 16 shows a myocardial inner layer activity approximation function including the inner layer cumulative distribution function of depolarization of premature ventricular contraction and the inner layer cumulative distribution function of the repolarization phase analyzed by the signal analyzer 1, and the signal A myocardial outer layer activity approximation function including the outer layer side cumulative distribution function of depolarization of ventricular premature contraction and the outer layer side cumulative distribution function of the repolarization phase analyzed by the analyzer 1 is shown. More specifically, FIG. 17 shows an example of a waveform of premature ventricular contraction of an electrocardiogram that was actually measured.
- FIG. 16 shows that the inner layer cumulative distribution function of depolarization precedes the outer layer cumulative distribution function, and the standard deviation of both is larger than that of a normal heartbeat, and the spread of excitation is gradual. This analysis result is consistent with the waveform characteristics of the R wave with a wide tail.
- Figure 16 shows that in the repolarization phase, the inner cumulative distribution function starts to deactivate earlier than the outer cumulative distribution function, and the average of the two cumulative distribution functions in the repolarization phase.
- the order of inactivation on the inner layer side and the outer layer side is shown as the magnitude relationship of the values.
- the function obtained by subtracting the outer cumulative distribution function from the inner cumulative distribution function in Figure 16 matches the characteristics of a large negative T wave in the repolarization phase.
- the waveform obtained by subtracting the distribution function substantially matches the waveform of premature ventricular contraction in the actually measured electrocardiogram.
- FIGS. 15 to 17 demonstrate that the analysis by the signal analyzer 1 can handle cases where giant waves or negative potentials occur due to altered conduction of myocardial excitation, early repolarization, or delayed repolarization. It shows.
- the average ⁇ of the inner cumulative distribution function of the depolarized phase is ⁇ 1, and the standard deviation ⁇ is 0.32.
- the average ⁇ of the cumulative distribution function of the depolarization on the outer layer side is ⁇ 0.8, and the standard deviation ⁇ is 0.21.
- the average ⁇ of the inner layer side cumulative distribution function of the repolarization phase is 1, and the standard deviation ⁇ is 1.
- the average ⁇ of the cumulative distribution function on the outer layer side of the repolarization phase is 2.99, and the standard deviation ⁇ is 0.7.
- FIGS. 18 to 20 it will be explained that information representing myocardial activity can be obtained from the electrocardiogram alone using the signal analysis device 1 even for the electrocardiogram of the target heart during the depolarization phase of Brugada syndrome type 1. .
- the vertical axis in FIGS. 18 to 20 represents potential in millivolts.
- FIG. 18 is a first explanatory diagram for explaining an example of analyzing an electrocardiogram of a target heart during the depolarization phase of Brugada syndrome type 1 using the signal analysis device 1 in the first embodiment.
- FIG. 19 is a second explanatory diagram of an example in which the electrocardiogram of a target heart during the depolarization phase of Brugada syndrome type 1 is analyzed by the signal analysis device 1 in the first embodiment.
- FIG. 20 is a third explanatory diagram of an example in which an electrocardiogram of a target heart during the depolarization phase of Brugada syndrome type 1 is analyzed by the signal analysis device 1 according to the first embodiment.
- FIG. 18 shows an electrocardiogram of the second lead of the chest in Brugada syndrome.
- an inner frame W1 indicates a depolarization phase
- an inner frame W2 indicates a repolarization phase.
- FIG. 19 shows that is, in FIG. 19 as well, the inner frame W1 represents the depolarization phase
- the inner frame W2 represents the repolarization phase.
- FIG. 19 shows the inner layer side cumulative distribution function and the outer layer side cumulative distribution function in the depolarization and repolarization phases analyzed by the signal analyzer 1.
- the repolarization phase of the inner cumulative distribution function starts following the depolarization phase, showing characteristics of early repolarization.
- FIG. 19 shows the gap and anisotropy between the depolarization phase and the repolarization phase of the outer layer side cumulative distribution function.
- the signal analysis device 1 calculates the early repolarization, which is a characteristic of the waveform shown in the electrocardiogram of the target heart with Brugada syndrome, and the anisotropy between depolarization and repolarization using the inner layer cumulative distribution function and the outer layer cumulative distribution function. It can be expressed by the average and standard deviation of the depolarization phase and repolarization phase of the distribution function, and the ratio of the weight given to the outer cumulative distribution function to the weight given to the inner cumulative distribution function (inner/outer layer ratio).
- FIG. 20 shows a comparison between the analysis results and actual measurements. More specifically, FIG. 20 shows the difference between the inner layer side cumulative distribution function and the outer layer side cumulative distribution function in the depolarization phase and repolarization phase of FIG. 19. FIG. 20 also shows actual measured values of the electrocardiogram. Except for the last part, the analysis results and actual measurements are almost in agreement. The tail end means a potential at a late time.
- the average ⁇ of the inner cumulative distribution function of the depolarized phase is 15, and the standard deviation ⁇ is 0.15. Furthermore, in FIGS. 18 to 20, the average ⁇ of the cumulative distribution function on the outer layer side of the depolarized phase is 14, and the standard deviation ⁇ is 0.25. Furthermore, in FIGS. 18 to 20, the ratio of the inner and outer layers of the depolarized phase is 0.45. In addition, in FIGS. 18 to 20, the average ⁇ of the inner layer side cumulative distribution function of the repolarization phase is 25, and the standard deviation ⁇ is 0.25. In addition, in FIGS. 18 to 20, the average ⁇ of the cumulative distribution function on the outer layer side of the repolarization phase is 20, and the standard deviation ⁇ is 0.5.
- 21 to 59 show the results of analysis performed by the signal analysis device 1 using a publicly available electrocardiogram data library ⁇ https://physionet.org/about/database/>.
- 21 to 59 show the inner layer cumulative distribution function, the outer layer cumulative distribution function, and the fitting results obtained as a result of the analysis performed by the signal analyzer 1 on the cardiac potential.
- 21 to 59 are diagrams each showing an example of an electrocardiogram analyzed by the signal analysis device 1 in the first embodiment.
- the determined points shown in each figure represent the Q point, R point, S point, T start point, and T end point of the cardiac potential, respectively from the left of the figure.
- the determined points were determined by inflection point detection and peak detection algorithms.
- Each figure in FIGS. 21 to 59 shows the inner layer side cumulative distribution function and the outer layer side cumulative distribution in each section obtained for the depolarization phase (QRS wave) section and the repolarization phase (T wave) section. Indicates a function.
- 21 to 59 show that the signal analyzer 1 shows approximately the same shape for various QRS waves and T waves by adjusting the average and standard deviation of the inner cumulative distribution function and the outer cumulative distribution function.
- FIGS. 21 to 59 represent the original electrocardiogram waveform and the fitting results. Note that each result in FIGS. 21 to 59 is a result of sampling at 300 Hz. Therefore, the origin of the horizontal axes in each of FIGS. 21 to 59 represents 0 seconds, and the value 1 represents 3.33 milliseconds.
- the signal analysis device 1 configured in this manner uses the waveform of either the R wave or the T wave included in the waveform for one period indicating the cardiac cycle of the target heart as the target time waveform, and calculates the first unit as the target time waveform.
- the target is an approximate time waveform that is a time waveform based on the difference or weighted difference between a first cumulative distribution function that is a cumulative distribution function of a peak distribution and a second cumulative distribution function that is a cumulative distribution function of a second unimodal distribution.
- the first cumulative distribution function is information indicating the activity in the inner myocardial layer of the target heart
- the second cumulative distribution function is information indicating the activity in the outer myocardium layer of the target heart. Therefore, the parameter representing the shape of the first cumulative distribution function is a parameter representing the activity of the inner myocardium of the target heart (inner myocardial layer parameter), and the parameter representing the shape of the second cumulative distribution function is a parameter representing the activity of the outer myocardium of the target heart.
- only the inner myocardium parameters may be acquired by the signal analysis device 1, or if you want to understand only the characteristics of the activity in the outer myocardium of the target heart.
- only the myocardial outer layer parameters may be acquired by the signal analysis device 1.
- only some of the parameters representing the shape of the cumulative distribution function may be acquired by the signal analysis device 1 as the inner myocardial layer parameters and the outer myocardial layer parameters.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 converts the first target time waveform, which is the waveform of the time interval of the R wave of the target heart, into a first unimodal cumulative distribution function.
- a first approximated time waveform that is a time waveform based on a difference or a weighted difference between a certain first cumulative distribution function and a second cumulative distribution function that is a cumulative distribution function of a second unimodal distribution, or a first unimodal distribution function.
- At least some of the parameters that specify the second cumulative distribution function and at least some of the parameters that specify the second cumulative distribution function are acquired as myocardial activity parameters that are parameters that indicate the activity of the myocardium of the target heart.
- the myocardial activity information parameter acquisition unit 132 calculates the average value of the first unimodal distribution, the first unimodal distribution, and the average value of the first unimodal distribution. At least one of the standard deviation or variance of the distribution, the average value of the second unimodal distribution, and the standard deviation or variance of the second unimodal distribution may be acquired as the myocardial activity parameter.
- the average value of the Gaussian distribution is the time when the frequency value becomes the maximum value in the unimodal distribution, and the time when the slope of the cumulative distribution function of the unimodal distribution becomes the maximum.
- the myocardial activity information parameter acquisition unit 132 determines the time corresponding to the maximum value of the first unimodal distribution, regardless of whether the first unimodal distribution and the second unimodal distribution are Gaussian distributions. , a time corresponding to the maximum slope of the first cumulative distribution function, a time corresponding to the maximum value of the second unimodal distribution, and a time corresponding to the maximum slope of the second cumulative distribution function as a myocardial activity parameter. Just get it.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 generates a second target time waveform, which is a waveform with the time axis reversed, of a second target time waveform, which is a waveform of the time interval of the T wave of the target heart.
- the inverse time waveform is a waveform based on the difference or weighted difference between the third cumulative distribution function that is the cumulative distribution function of the third unimodal distribution and the fourth cumulative distribution function that is the cumulative distribution function of the fourth unimodal distribution.
- a certain second approximate inverse time waveform or the difference between the third cumulative distribution function that is the cumulative distribution function of the third unimodal distribution and the fourth cumulative distribution function that is the cumulative distribution function of the fourth unimodal distribution, or At least some of the parameters that specify the third unimodal distribution and the third cumulative distribution function when approximated with the second approximate inverse time waveform, which is a waveform obtained by adding a level value to the weighted difference.
- the myocardial activity information parameter acquisition unit 132 calculates the average value of the third unimodal distribution, the third unimodal distribution, and the average value of the third unimodal distribution. At least one of the standard deviation or variance of the distribution, the average value of the fourth unimodal distribution, and the standard deviation or variance of the fourth unimodal distribution may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 may correspond to the maximum value of the third unimodal distribution, regardless of whether the third unimodal distribution and the fourth unimodal distribution are Gaussian distributions.
- the myocardial activity parameter is at least one of the following: time, time corresponding to the maximum slope of the third cumulative distribution function, time corresponding to the maximum value of the fourth unimodal distribution, and time corresponding to the maximum slope of the fourth cumulative distribution function. You can obtain it as . Note that when acquiring time as a myocardial activity parameter, the myocardial activity information parameter acquisition unit 132 uses information representing time in the opposite direction (as described above) even when approximating a waveform with the time axis reversed. Get the time (the value of x in the example above) instead of the value of x' in the example.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 sets the cumulative distribution function of the third unimodal distribution to the third cumulative distribution function, and sets the cumulative distribution function of the fourth unimodal distribution to the third cumulative distribution function.
- 4 cumulative distribution function the function obtained by subtracting the third cumulative distribution function from 1 as the third inverse cumulative distribution function, and the function obtained by subtracting the fourth cumulative distribution function from 1 as the fourth inverse cumulative distribution function.
- the second target time waveform which is the waveform of the time interval of the wave
- is replaced by the second approximate time waveform which is a waveform based on the difference or weighted difference between the third inverse cumulative distribution function and the fourth inverse cumulative distribution function, or Identify the third unimodal distribution when approximated by the second approximate time waveform, which is a waveform obtained by adding a level value to the difference or weighted difference between the inverse cumulative distribution function and the fourth inverse cumulative distribution function.
- At least some of the parameters are acquired as a myocardial activity parameter that is a parameter indicating the activity of the myocardium of the target heart.
- the myocardial activity information parameter acquisition unit 132 calculates the average value of the third unimodal distribution, the third unimodal distribution, and the average value of the third unimodal distribution. At least one of the standard deviation or variance of the distribution, the average value of the fourth unimodal distribution, and the standard deviation or variance of the fourth unimodal distribution may be acquired as the myocardial activity parameter. Further, for example, the myocardial activity information parameter acquisition unit 132 may detect the time corresponding to the maximum value of the third unimodal distribution, regardless of whether the third unimodal distribution and the fourth unimodal distribution are Gaussian distributions.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 further generates a residual time waveform that is a time waveform of the difference between the first target time waveform and the first approximate time waveform, or A residual time waveform is a time waveform of the difference between the second target time waveform and the second approximated time waveform, or a residual time waveform is a waveform with the time axes of the second target time waveform and the second approximate inverse time waveform reversed.
- the residual time waveform which is the time waveform of the difference between the two approximate time waveforms, is calculated by multiplying the fifth cumulative distribution function, which is the cumulative distribution function of the fifth unimodal distribution, or the fifth cumulative distribution function by a weight.
- At least some of the parameters that specify the fifth unimodal distribution, at least some of the parameters that specify the fifth cumulative distribution function, At least any of them is acquired as a myocardial activity parameter, which is a parameter indicating the activity of the myocardium of the target heart.
- the myocardial activity information parameter acquisition unit 132 calculates the mean value of the fifth unimodal distribution, the standard deviation or variance of the fifth unimodal distribution. At least one of them may be acquired as a myocardial activity parameter. Furthermore, for example, the myocardial activity information parameter acquisition unit 132 may acquire the fifth cumulative distribution function at the time corresponding to the maximum value of the fifth unimodal distribution, regardless of whether the fifth unimodal distribution is a Gaussian distribution or not. Any one of the times corresponding to the maximum slope may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 further converts the residual time waveform into a fifth cumulative distribution function that is a cumulative distribution function of a fifth unimodal distribution and a sixth unimodal cumulative distribution function.
- a fifth cumulative distribution function that is a cumulative distribution function of a fifth unimodal distribution
- a sixth unimodal cumulative distribution function When approximating with an approximate residual time waveform that is a time waveform based on a difference or a weighted difference from the sixth cumulative distribution function that is the cumulative distribution function of the distribution, at least part of the parameters that specify the fifth unimodal distribution.
- At least one of the parameters is acquired as a myocardial activity parameter that is a parameter indicating the activity of the myocardium of the target heart.
- the myocardial activity information parameter acquisition unit 132 calculates the average value of the fifth unimodal distribution, the fifth unimodal distribution, and the average value of the fifth unimodal distribution. At least one of the standard deviation or variance of the distribution, the average value of the sixth unimodal distribution, and the standard deviation or variance of the sixth unimodal distribution may be acquired as the myocardial activity parameter. Furthermore, for example, the myocardial activity information parameter acquisition unit 132 may detect the time corresponding to the maximum value of the fifth unimodal distribution, regardless of whether the fifth unimodal distribution and the sixth unimodal distribution are Gaussian distributions.
- the characteristics of the myocardial activity of the target heart may be expressed not only in the parameters obtained by the above-mentioned fitting, but also directly in the values obtained by calculating the parameters obtained by the fitting. Therefore, a value obtained by calculating the parameters obtained by fitting may be obtained by the signal analysis device 1 as the myocardial activity parameter.
- the parameter obtained by fitting is at least one of a parameter specifying a unimodal distribution, a parameter specifying a cumulative distribution function, a weight, and a level value.
- the parameter that specifies a unimodal distribution or the parameter that specifies a cumulative distribution function is at least one of the mean and standard deviation (or variance) when the unimodal distribution is a Gaussian distribution.
- the time corresponding to the maximum value of the unimodal distribution is an example of a parameter that identifies a unimodal distribution, and corresponds to the maximum slope of the cumulative distribution function of the unimodal distribution.
- the time of day is an example of a parameter that specifies the cumulative distribution function.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 obtains the myocardial activity information parameter acquisition unit 132 by the above-described fitting of the waveform of the time interval of the R wave included in the waveform for one cycle indicating the cardiac cycle of the target heart.
- the myocardial activity parameter i.e., the parameter indicating the myocardial activity of the target heart in the time interval of the R wave
- the waveform of the time interval of the T wave included in the waveform for one cycle were obtained by the above-mentioned fitting.
- a parameter indicating the myocardial activity of the target heart (a different parameter from each parameter described above) is obtained by calculation with the myocardial activity parameter (i.e., a parameter indicating the myocardial activity of the target heart in the time interval of the T wave). Good too.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 obtains information by the above-described fitting of the waveform of the time interval of the R wave included in the waveform for one cycle indicating the cardiac cycle of the target heart.
- the parameter indicating the activity of the inner layer of the myocardium of the target heart obtained by the fitting is calculated. (parameters different from each parameter) may be obtained.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 obtains information by the above-described fitting of the waveform of the time interval of the T wave included in the waveform for one cycle indicating the cardiac cycle of the target heart.
- the parameter indicating the activity of the inner layer of the myocardium of the target heart obtained by the fitting is calculated. (parameters different from each parameter) may be obtained.
- the "average” in the example below is defined as "the time at which the value is maximum in the unimodal distribution", that is, “the time corresponding to the maximum value of the unimodal distribution”. '', ⁇ the time when the slope of the cumulative distribution function is maximum'', that is, ⁇ the time corresponding to the maximum slope of the cumulative distribution function'', etc.
- the signal analysis device 1 preferably obtains the time from depolarization of the inner or outer layer of the myocardium to repolarization of the inner or outer layer of the myocardium as a myocardial activity parameter. Specifically, from the following (1A) It is preferable to obtain at least one of the four parameters (1D) as the myocardial activity parameter.
- the average of the first unimodal distribution obtained by the above-mentioned fitting for the first target time waveform which is the waveform of the time interval of the R wave included in the waveform for one period, and the T included in the waveform for one period.
- the difference between the average of the third unimodal distribution obtained by the above-described fitting of the second target time waveform, which is the waveform of the time interval of the wave, may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates
- the myocardial activity information parameter acquisition unit 132 may acquire ⁇ c - ⁇ a as the myocardial activity parameter.
- This myocardial activity parameter is a parameter representing the time from depolarization of the inner layer of the myocardium to repolarization of the inner layer of the myocardium.
- (1B) A parameter representing the time from depolarization of the outer layer of the myocardium to repolarization of the outer layer of the myocardium.
- the average of the second unimodal distribution obtained by the above-mentioned fitting for the first target time waveform which is the waveform of the time interval of the R wave included in the waveform for one period, and the T included in the waveform for one period.
- the difference between the average of the fourth unimodal distribution obtained by the above-described fitting of the second target time waveform, which is the waveform of the time interval of the wave, may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates
- ⁇ d is temporally later than ⁇ b
- the myocardial activity information parameter acquisition unit 132 may acquire ⁇ d - ⁇ b as the myocardial activity parameter.
- This myocardial activity parameter is a parameter representing the time from depolarization of the outer layer of the myocardium to repolarization of the outer layer of the myocardium.
- (1C) A parameter representing the time from depolarization of the outer layer of the myocardium to repolarization of the inner layer of the myocardium.
- the average of the second unimodal distribution obtained by the above-mentioned fitting for the first target time waveform which is the waveform of the time interval of the R wave included in the waveform for one period, and the T included in the waveform for one period.
- the difference between the average of the third unimodal distribution obtained by the above-described fitting of the second target time waveform, which is the waveform of the time interval of the wave, may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates
- the myocardial activity information parameter acquisition unit 132 may acquire ⁇ c - ⁇ b as the myocardial activity parameter.
- This myocardial activity parameter is a parameter representing the time from depolarization of the outer layer of the myocardium to repolarization of the inner layer of the myocardium.
- (1D) A parameter representing the time from depolarization of the inner layer of the myocardium to repolarization of the outer layer of the myocardium.
- the average of the first unimodal distribution obtained by the above-mentioned fitting for the first target time waveform which is the waveform of the time interval of the R wave included in the waveform for one period, and the T included in the waveform for one period.
- the difference between the average of the fourth unimodal distribution obtained by the above-described fitting of the second target time waveform, which is the waveform of the time interval of the wave, may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates
- ⁇ d is temporally later than ⁇ a
- the myocardial activity information parameter acquisition unit 132 may acquire ⁇ d - ⁇ a as the myocardial activity parameter.
- This myocardial activity parameter is a parameter representing the time from depolarization of the inner layer of the myocardium to repolarization of the outer layer of the myocardium.
- the signal analysis device 1 preferably acquires parameters representing the time difference and order of the inner layer activity and outer layer activity during depolarization as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 acquires the first target, which is the waveform of the time interval of the R wave included in the waveform for one cycle indicating the cardiac cycle of the target heart.
- the difference between the average of the first unimodal distribution and the average of the second unimodal distribution obtained by the above-described fitting of the time waveform may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates ⁇ a ⁇ b or ⁇ b - ⁇ a may be obtained as the myocardial activity parameter.
- the signal analysis device 1 preferably obtains parameters representing the time difference and order between the inner layer activity and the outer layer activity during repolarization as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 of the analysis unit 130 of the signal analysis device 1 acquires the second object, which is the waveform of the time interval of the T wave included in the waveform for one cycle indicating the cardiac cycle of the target heart.
- the difference between the average of the third unimodal distribution and the average of the fourth unimodal distribution obtained by the above-described fitting of the time waveform may be acquired as the myocardial activity parameter.
- the myocardial activity information parameter acquisition unit 132 calculates ⁇ c ⁇ d or ⁇ d ⁇ ⁇ c may be obtained as the myocardial activity parameter.
- the myocardial activity parameter related to the width in the time direction among the above-mentioned myocardial activity parameters acquired by the myocardial activity information parameter acquisition unit 132 includes the parameter related to the width in the time direction among the conventional parameters representing cardiac activity (for example, Similar to QT interval), it is characterized by the effects of fluctuations due to heart rate and individual differences such as age and gender.
- Conventional parameters related to width in the time direction can be corrected to reduce the effects of fluctuations due to heart rate and individual differences, and the corrected values can be used as parameters for evaluating cardiac activity. are known.
- the myocardial activity parameters acquired by the myocardial activity information parameter acquisition unit 132 are also corrected to reduce the effects of variations due to heart rate and individual differences, and the corrected values are used to evaluate myocardial activity. It can also be used as a parameter for For example, for variations due to heart rate, the myocardial activity parameters obtained through the above-mentioned fitting can be adjusted linearly or non-linearly based on the time interval between adjacent R spines (hereinafter referred to as "RR interval"). The value may be corrected by calculation and the corrected value may be used as the myocardial activity parameter.
- the myocardial activity parameters obtained through the above-mentioned fitting are corrected by determining the relationship between the RR interval and the above-mentioned myocardial activity parameters from the electrocardiogram data of each individual, and the corrected values are may be used as a myocardial activity parameter.
- This correction may be performed by another device after the signal analysis device 1 outputs the myocardial activity parameters acquired through fitting, or may be performed by the signal analysis device 1.
- the myocardial activity information parameter acquisition unit 132 corrects the myocardial activity parameter acquired by the above-described fitting, and uses the corrected value as the myocardial activity parameter. It may be output as an activity parameter.
- the myocardial activity parameters acquired by the above-mentioned fitting end up being intermediate parameters acquired within the device, but they are not transmitted outside the device. As in the case where it is output, it is still a parameter representing myocardial activity.
- the electrocardiogram is preferably an electrocardiogram with a lead close to the electromotive force vector.
- the electrocardiogram in a lead close to the electromotive force vector is preferably an electrocardiogram that can obtain three-dimensional information on the cardiac potential, such as lead II, lead V4, or lead V5.
- the signal analysis device 1 may be implemented using a plurality of information processing devices communicatively connected via a network.
- each functional unit included in the signal analysis device 1 may be distributed and implemented in a plurality of information processing devices.
- electrocardiogram acquisition unit 110 is an example of a biological information acquisition unit.
- the myocardial activity parameters are obtained from time-series biological information regarding heart beats as useful information for understanding the heart condition. , whether the heart is normal or not, and what kind of disease it corresponds to if the heart is not normal may be obtained as useful information for understanding the state of the heart. This will be explained as an embodiment.
- the system learns an estimation model that obtains estimation results such as whether the heart is normal or not, and if the heart is not normal, what kind of disease it corresponds to. Even if an estimation result is obtained by estimation using a trained estimation model, the estimation accuracy may not be high.
- the signal analysis device 1 of the first embodiment it is possible to obtain information that directly indicates the characteristics of the myocardial activity as a myocardial activity parameter from the time-series biological information of one channel regarding heart beats. . Further, as explained in the first embodiment, the myocardial activity parameters obtained by the signal analysis device 1 of the first embodiment can be used to determine whether the heart is normal or not, and if the heart is not normal, what disease it corresponds to. It is strongly related to whether Considering these points, it is possible to acquire myocardial activity parameters from time-series biological information regarding heart beats through the same processing as that performed by the signal analysis device 1 of the first embodiment, and input the acquired myocardial activity parameters.
- an estimation model is trained to obtain estimation results such as whether the heart is normal or not, and what kind of disease it corresponds to if the heart is not normal, and estimation is performed using the trained estimation model. If the results are obtained, it can be expected that highly accurate estimation results can be obtained.
- the information providing system of the second embodiment performs this learning and estimation. By using the estimation results of the information provision system of the second embodiment as a reference at the time of diagnosis, a doctor can better understand whether the target heart is normal or not, and if the target heart is not normal, what kind of disease it corresponds to. It is hoped that accurate diagnosis will become possible.
- the information providing system 200 of the second embodiment includes a learning device 300 and an information providing device 400, as illustrated in FIG.
- the hardware configurations of the information providing system 200, the learning device 300, and the information providing device 400 are, for example, similar to the hardware configuration of the signal analysis device 1 shown in FIG. 1.
- the learning device 300 includes a signal analysis section 310 and a learning section 320, as illustrated in FIG.
- the learning device 300 performs steps S310 and S320 illustrated in FIG. 61.
- a learning source data set is input to the learning device 300.
- the learning source data set includes a plurality of pieces of learning source data.
- Each learning source data includes time-series biological information regarding the beats of the heart that is the target of acquiring the learning source data (hereinafter referred to as the "obtaining target heart") and information representing the state of the acquiring target heart. At least some cardiac status information is included.
- Each of the learning source data may include information for identifying the learning source data, for example, an identification number uniquely assigned to the learning source data.
- the heart condition information of the heart to be acquired is information that uniquely identifies the diagnosis result regarding the heart condition by a doctor who has viewed the time-series biological information (for example, the waveform of an electrocardiogram) regarding the beats of the heart to be acquired.
- the diagnosis result of the heart condition by the doctor includes whether the heart is in a normal condition or not, and if the heart is not in a normal condition, which disease corresponds to the condition.
- the heart status information will be "0" if the doctor who looked at the electrocardiogram waveform determines that the state is normal, and if the doctor who looked at the electrocardiogram waveform determines that the patient has Brugada syndrome, the heart condition information will be "0". "1” if the doctor who looked at the electrocardiogram waveform determined that the patient had ischemic heart disease; "3” if the doctor who looked at the electrocardiogram waveform determined that the patient had early repolarization syndrome. '', . . . may be a specific value assigned in advance to each of whether the heart is in a normal state or what disease the heart is suffering from.
- the heart status information may be "0" if the doctor who viewed the electrocardiogram waveform determines that the sinus rhythm is normal; ⁇ 1'' if the doctor who looked at the electrocardiogram waveform judged it to be atrial fibrillation; a ⁇ 2'' if the doctor who looked at the electrocardiogram waveform judged it to be ventricular premature contraction. If the doctor who looked at the electrocardiogram waveform determined that the patient had ventricular fibrillation, the score would be "4".
- a specific numerical value may be assigned in advance to each state of arrhythmia.
- the cardiac status information may be "0" if the doctor who viewed the electrocardiogram waveform determines that the coronary artery blood flow is normal; If the doctor determines that there is ischemia in the inner and outer layers of the myocardium (transmural ischemia), the score is "2".
- the score would be ⁇ 3.
- the doctor who looked at the electrocardiogram waveform determined that it was a myocardial infarction in the lower wall, the score would be ⁇ 4.
- specific values may be assigned in advance to indicate whether the blood flow state of the heart is normal, whether it is in an ischemic state, and where the ischemic state is located.
- the y-th learning source data includes the number of the heart to be acquired for the y-th learning source data. It includes at least time-series biological information regarding pulsation and heart condition information of the heart from which the y-th learning source data is acquired.
- the Y pieces of learning source data included in the learning source data set may be obtained from each of Y target hearts, or may be obtained from fewer than Y target hearts. good.
- the learning source data acquired from the hearts of less than Y people are to be the Y pieces of learning source data included in the learning source dataset, multiple pieces of learning source data acquired from the hearts of the same person will be included in the learning source data set, but in this case, multiple pieces of learning source data acquired from the same person's target heart may be acquired at different times; , the learning source data may have different heart condition information.
- the time-series biological information regarding heart beats included in each learning source data may be a waveform for one cycle or a waveform for multiple cycles. For example, when a doctor diagnoses the condition of the heart by looking at the waveform of any one cycle of the electrocardiogram waveform, the waveform of that one cycle is used as learning source data as time-series biological information related to heart beats. Information specifying one diagnosis result based on the waveform of one cycle may be included in the learning source data as heart condition information. For example, when a doctor diagnoses the state of the heart by looking at multiple cycles of electrocardiogram waveforms, the multiple cycles are included in the learning source data as time-series biological information related to heart beats. Information specifying the result of one diagnosis based on waveforms of a plurality of cycles may be included in the learning source data as cardiac condition information.
- the signal analysis unit 310 receives time-series biological information regarding heart beats included in each learning source data included in the learning source data set input to the learning device 300 .
- the signal analysis unit 310 performs the same processing as the signal analysis device 1 of the first embodiment to obtain a set of myocardial activity parameters from time-series biological information regarding heart beats (step S310).
- the myocardial activity parameters acquired by the signal analysis unit 310 are any one or more types of myocardial activity parameters described in the first embodiment, and are the types of myocardial activity selected in advance as myocardial activity parameters used by the learning unit 320, which will be described later. It is a parameter.
- the set of myocardial activity parameters acquired by the signal analysis unit 310 will be described as a "myocardial activity parameter set.”
- the signal analysis unit 310 acquires only one type of myocardial activity parameter for one cycle, but it may be included in a "group of myocardial activity parameters” or a subsequent "myocardial activity parameter set” or “myocardial activity parameter set”. "Each myocardial activity parameter” may be read as "myocardial activity parameter" as appropriate.
- the myocardial activity parameter set acquired by the signal analysis section 310 is output from the signal analysis section 310 and input to the learning section 320.
- the signal analysis unit 310 analyzes one or more types of myocardial activity described above from the waveform for one cycle. A set of parameters is obtained as a myocardial activity parameter set. If the time-series biological information related to heart beats included in each learning source data is a waveform for multiple cycles, the signal analysis unit 310 calculates one or more types of myocardial activity parameters described above from the waveform of each cycle. A set of myocardial activity parameters for a plurality of cycles is obtained as a myocardial activity parameter set.
- the learning unit 320 stores myocardial activity obtained by the signal analysis unit 310 from time-series biological information regarding the beats of the target heart included in each learning source data included in the learning source data set input to the learning device 300.
- a parameter set and cardiac condition information included in each learning source data included in the learning source data set input to the learning device 300 are input.
- the learning unit 320 uses a set of a myocardial activity parameter set and heart condition information based on the same learning source data as learning data. That is, in each learning data, the myocardial activity parameter set and the heart state information are based on time-series biological information regarding the beats of the same heart to be acquired.
- each myocardial activity parameter set is a myocardial activity parameter set corresponding to each heart condition information
- each heart condition information is heart condition information corresponding to each myocardial activity parameter set.
- the learning data set used by the learning unit 320 consists of a plurality of pieces (Y pieces) of learning data.
- the y-th learning data includes a myocardial activity parameter set obtained by the signal analysis unit 310 from the time-series biological information regarding the beats of the target heart included in the y-th learning source data, and the y-th learning data.
- At least heart condition information which is information representing the condition of the heart from which the learning source data is acquired, is included.
- the learning unit 320 uses the learning data set, more specifically, using a set of a myocardial activity parameter set included in each learning data included in the learning data set and cardiac status information corresponding to the myocardial activity parameter set, An estimated model that receives the myocardial activity parameter set as input and obtains heart condition information corresponding to the myocardial activity parameter set is learned to obtain a learned estimated model (step S320).
- the learned estimated model obtained by the learning unit 320 is output from the learning unit 320 and is output from the learning device 300.
- a well-known learning technique may be used to learn the estimation model, and the number of learning data may be set to be a sufficient number to learn the estimation model. That is, the number of learning source data may be the same as the number of learning data.
- the time-series biological information related to heart beats contained in the y-th learning source data is Wave(y) and the heart condition information is Info(y)
- the y-th learning source data is [Wave(y)]. , Info(y)].
- the learning source dataset is [[Wave(1), Info(1)], [Wave(2), Info(2)], ..., [Wave(Y), Info(Y)]].
- the signal analysis unit 310 obtains a myocardial activity parameter set Para(y) for each y of 1, ..., Y from the time-series biological information Wave(y) regarding heart beats.
- Each myocardial activity parameter set Para(y) is one or more types obtained from time-series biological information Wave(y) regarding heart beats through the same processing as that performed by the signal analysis device 1 of the first embodiment. Since it is a set based on myocardial activity parameters, it has one or more elements.
- the learning unit 320 uses a set of a myocardial activity parameter set and heart condition information based on the same learning source data as learning data
- the y-th learning data is [Para(y), Info(y)]. That is, the training dataset is [[Para(1), Info(1)], [Para(2), Info(2)], ..., [Para(Y), Info(Y)]].
- the learning unit 320 uses [Para(1), Info(1)], [Para(2), Info(2)], ..., [Para(Y), Info(Y)] to calculate myocardial activity.
- a learned estimation model is obtained by learning an estimation model that receives the parameter set as input and obtains cardiac condition information corresponding to the myocardial activity parameter set.
- the time-series biological information regarding heart beats included in each learning source data is a waveform for multiple periods.
- the time-series biological information regarding heart beats included in each learning source data is a waveform for Z cycles, and each of the cycle indexes 1, ..., Z is z. That is, Z is an integer greater than or equal to 2, and z is an integer greater than or equal to 1 and less than or equal to Z.
- Wave(y, z) be the waveform of each cycle included in the time-series biological information regarding heart beats included in the y-th learning source data, and let the heart condition information included in the y-th learning source data be Wave(y, z). If Info(y), the y-th learning source data is [Wave(y, 1), Wave(y, 2), ..., Wave(y, Z), Info(y)].
- the signal analysis unit 310 extracts one or more types of myocardial activity parameters Para(y, z) from each Wave(y, z) for each y of 1, ..., Y and each z of 1, ..., Z.
- the myocardial activity parameter set [Para(y, 1), Para(y, 2), ..., Para(y, Z)] for each y of 1, ..., Y.
- Each myocardial activity parameter Para(y, z) is calculated from the waveform Wave(y, z) of each cycle included in the time-series biological information regarding heart beats, in the same way as the signal analysis device 1 of the first embodiment. Since it is one or more types of myocardial activity parameters obtained through the processing, it has one or more elements.
- an example of the y-th learning data is [Para(y, 1), Para(y, 2 ), ..., Para(y, Z), Info(y)]. That is, the training dataset is [[Para(1, 1), Para(1, 2), ..., Para(1, Z), Info(1)], [Para(2, 1), Para(2 , 2), ..., Para(2, Z), Info(2)], ..., [Para(Y, 1), Para(Y, 2), ..., Para(Y, Z) , Info(Y)].
- the learning unit 320 has [Para(1, 1), Para(1, 2), ..., Para(1, Z), Info(1)], [Para(2, 1), Para(2, 2) ), ..., Para(2, Z), Info(2)], ..., [Para(Y, 1), Para(Y, 2), ..., Para(Y, Z), Info (Y)] is used to learn an estimation model that obtains cardiac state information corresponding to the myocardial activity parameter set using the myocardial activity parameter set as input, and obtains and outputs the learned estimation model.
- the information providing device 400 receives input of time-series biological information regarding the beats of a heart to which information is to be provided (hereinafter referred to as an "information providing target heart").
- the information providing device 400 acquires myocardial activity parameters from time-series biological information regarding the beats of the heart to which information is provided, and uses the learned estimation model to input the acquired myocardial activity parameters into the myocardial activity parameters.
- Heart state information which is information representing the state of the corresponding heart, is obtained and output.
- the information providing device 400 includes a signal analysis section 410 and a state information generation section 420, as illustrated in FIG.
- the information providing device 400 performs steps S410 and S420 illustrated in FIG. 62.
- the signal analysis unit 410 receives the time-series biological information regarding the heart beats of the information providing target that has been input to the information providing device 400 .
- the signal analysis unit 410 performs the same processing as the signal analysis unit 310 of the learning device 300, that is, the same processing as the signal analysis device 1 of the first embodiment, to determine the heartbeat of the information providing target heart.
- a myocardial activity parameter set is acquired from the time-series biological information regarding the myocardial activity (step S410).
- the myocardial activity parameter set acquired by the signal analysis section 410 is output from the signal analysis section 410 and input to the state information generation section 420.
- the myocardial activity parameter set acquired by the signal analysis unit 410 is a set of any one or more types of myocardial activity parameters described in the first embodiment.
- the one or more types of myocardial activity parameters are types of myocardial activity parameters selected in advance as myocardial activity parameters to be used by the state information generation unit 420 described later, and are used by the learning unit 320 of the second embodiment to learn the estimation model. This is a type of myocardial activity parameter.
- the signal analysis unit 410 extracts one or more types of myocardial activity parameters described above from the waveform for one cycle. The set is obtained as a myocardial activity parameter set. If the input time-series biological information regarding the heart beats of the information providing target is a waveform for multiple cycles, the signal analysis unit 410 extracts a set of one or more types of myocardial activity parameters from the waveform of each cycle. A set of one or more types of myocardial activity parameters for a plurality of cycles is obtained as a myocardial activity parameter set.
- the state information generation unit 420 includes a model storage unit 425, as illustrated in FIG.
- the model storage unit 425 stores in advance a learned estimated model output by the learning device 300 of the second embodiment.
- the learned estimation model stored in the model storage unit 425 in advance is an estimation model that receives a myocardial activity parameter set as input and obtains heart state information that is information representing the heart state corresponding to the myocardial action parameter set.
- the myocardial activity parameter set of the information-providing heart outputted by the signal analysis unit 410 is input to the status information generation unit 420.
- the state information generation unit 420 uses the learned estimation model stored in the model storage unit 425 in advance, receives the myocardial activity parameter set of the heart to be provided with information, and generates a heart that is information representing the state of the heart to be provided with information.
- Status information is obtained (step S420).
- the cardiac condition information obtained by the condition information generating section 420 is output from the condition information generating section 420 and is output from the information providing apparatus 400.
- the signal analysis unit 410 extracts myocardial activity parameters from the time-series biological information WAVE related to the beats of the heart to be information provided. Get set para.
- the myocardial activity parameter set PARA is based on one or more types of myocardial activity parameters obtained from time-series biological information WAVE regarding the beats of the heart to which the information is provided through processing similar to that performed by the signal analysis device 1 of the first embodiment. Since it is a set, it has one or more elements.
- the state information generation unit 420 uses the learned estimation model stored in the model storage unit 425 in advance to obtain one piece of cardiac state information INFO corresponding to the myocardial activity parameter set PARA from the myocardial activity parameter set PARA.
- the signal analysis unit 410 calculates the waveform of 1, ..., Z. For each z, by obtaining one or more types of myocardial activity parameters PARA(z) from each WAVE(z), myocardial activity parameter set [Para(1), Para(2), ..., Para(Z)] get.
- the myocardial activity parameter PARA(z) is obtained by processing similar to that performed by the signal analysis device 1 of the first embodiment from the waveform WAVE(z) of each cycle included in the time-series biological information regarding the heart beats to which the information is provided. Since it is one or more types of myocardial activity parameters obtained by the following, it has one or more elements.
- the state information generation unit 420 uses the learned estimation model stored in the model storage unit 425 in advance to generate data from the myocardial activity parameter set [Para(1), Para(2), ..., Para(Z)].
- One piece of cardiac condition information INFO corresponding to the myocardial activity parameter set [Para(1), Para(2), ..., Para(Z)] is obtained.
- the heart condition information obtained by the condition information generation unit 420 is the result of estimation by the information providing device 400 regarding the condition of the heart to which information is provided. That is, for example, the heart condition information obtained by the condition information generation unit 420 may be "0" corresponding to the heart to be provided with information being in a normal state, "1" corresponding to Brugada syndrome, or "1” corresponding to the heart being in an ischemic state. "2" corresponds to a disease, "3" corresponds to early repolarization syndrome, etc., and estimates as to whether the target heart is in a normal state and what disease it is suffering from. The result is expressed by a specific numerical value assigned in advance.
- the heart status information obtained by the status information generating unit 420 may be "0", which corresponds to the fact that the information providing target heart is in normal sinus rhythm, or "1", which corresponds to the premature supraventricular contraction. ”, “2” corresponding to atrial fibrillation, “3” corresponding to premature ventricular contraction, “4” corresponding to ventricular fibrillation, etc.
- the estimated result as to whether the rhythm of the heart to be donated is normal or what type of arrhythmia it is is expressed as a pre-assigned specific numerical value.
- the heart status information obtained by the status information generation unit 420 may be "0", which corresponds to the fact that the information providing target heart is in a normal coronary artery blood flow state, or "0", which corresponds to an ischemic state in the inner layer of the myocardium.
- “1”, “2” corresponds to ischemia of the inner and outer myocardium (transmural ischemia), “3” corresponds to myocardial infarction of the anterior wall, and “3” corresponds to myocardial infarction of the anterior wall;
- "4" which corresponds to a myocardial infarction, indicates whether the blood flow state of the target heart is normal or ischemic, and where the ischemic region is located.
- the estimation result for is expressed by a pre-assigned specific numerical value.
- the myocardial activity parameter set is obtained from time-series biological information regarding heart beats, and then the estimation model is learned and the heart state information is estimated.
- the set may be used to learn an estimation model or estimate cardiac condition information.
- the information providing system 201 of the third embodiment includes a learning device 301 and an information providing device 401, as illustrated in FIG.
- the hardware configurations of the information providing system 201, the learning device 301, and the information providing device 401 are, for example, similar to the hardware configuration of the signal analysis device 1 shown in FIG. 1.
- the learning device 301 includes a learning section 320, as illustrated in FIG. 63.
- the learning device 301 performs the process of step S320 illustrated in FIG. 64.
- a learning data set is input to the learning device 300.
- the learning data set includes a plurality of pieces of learning data.
- Each of the learning data includes at least a myocardial activity parameter set of the heart to be acquired, which is the heart from which the learning data has been acquired, and heart condition information, which is information representing the state of the heart to be acquired.
- Each piece of learning data may include information for identifying the learning data, for example, an identification number uniquely assigned to the learning data.
- the Y-th learning data includes the myocardial activity parameter set of the target heart for which the y-th learning data is to be acquired. and heart condition information that is information representing the condition of the heart from which the y-th learning data is to be acquired.
- the myocardial activity parameter set of the heart to be acquired is obtained by the same processing as that performed by the signal analysis unit 310 of the learning device 300 of the second embodiment, that is, the same processing as that performed by the signal analysis device 1 of the first embodiment.
- This is a myocardial activity parameter set obtained from time-series biological information regarding the beats of the target heart.
- the heart condition information of the heart to be acquired is the same as the heart condition information of the heart to be acquired in the second embodiment.
- the learning data set input to the learning device 301 is input to the learning unit 320 . That is, the learning unit 320 has a myocardial activity parameter set included in each learning data included in the learning data set input to the learning device 301 and a set of myocardial activity parameters included in each learning data included in the learning data set input to the learning device 301.
- the included heart condition information is input.
- the learning unit 320 uses a set of a myocardial activity parameter set and heart condition information included in the same learning data as learning data. That is, in each learning data, the myocardial activity parameter set and the heart condition information are based on time-series biological information regarding the same heart beat.
- the myocardial activity parameter set is a myocardial activity parameter set corresponding to heart condition information
- the heart condition information is heart condition information corresponding to the myocardial activity parameter set.
- the learning unit 320 uses the learning data set, and more specifically, the myocardial activity parameter set included in each learning data included in the learning data set and the myocardial activity parameter set.
- a learned estimation model is obtained by learning an estimation model that inputs the myocardial activity parameter set and obtains the cardiac state information corresponding to the myocardial activity parameter set using the set of cardiac state information corresponding to the set (step S320).
- the learned estimated model obtained by the learning unit 320 is output from the learning unit 320 and is output from the learning device 300.
- a well-known learning technique may be used to learn the estimation model, and the number of learning data may be set to be a sufficient number to learn the estimation model.
- a specific example of the learning unit 320 is as described in the second embodiment.
- a myocardial activity parameter set of a heart to which information is provided is input to the information providing device 401 .
- the myocardial activity parameter set of the information provision target heart is obtained by the same processing as that performed by the signal analysis unit 410 of the information provision device 400 of the second embodiment, that is, the same processing as that performed by the signal analysis device 1 of the first embodiment.
- the information providing device 401 uses the learned estimation model to obtain and output heart condition information, which is information representing the heart condition corresponding to the input myocardial activity parameter set, from the input myocardial activity parameter set.
- the information providing device 401 includes a status information generation unit 420, as illustrated in FIG. 63.
- the information providing device 401 performs the process of step S420 illustrated in FIG. 65.
- the state information generation unit 420 includes a model storage unit 425, as illustrated in FIG. 63.
- the model storage unit 425 stores in advance a learned estimated model output by the learning device 301 of the third embodiment.
- the learned estimation model stored in the model storage unit 425 in advance is an estimation model that receives a myocardial activity parameter set as input and obtains heart state information that is information representing the heart state corresponding to the myocardial action parameter set.
- the myocardial activity parameter set of the information providing target heart input to the information providing device 401 is input to the status information generating unit 420.
- the state information generation unit 420 uses the learned estimation model stored in the model storage unit 425 in advance, receives the myocardial activity parameter set of the heart to be provided with information, and generates a heart that is information representing the state of the heart to be provided with information.
- Status information is obtained (step S420).
- the cardiac condition information obtained by the condition information generating section 420 is output from the condition information generating section 420 and is output from the information providing device 401 .
- a specific example of the state information generation unit 420 is as described in the second embodiment.
- the heart condition information obtained by the condition information generating section 420 is similar to the heart condition information obtained by the condition information generating section 420 of the second embodiment, and the heart condition information obtained by the information providing apparatus 401 is similar to the heart condition information obtained by the condition information generating section 420 of the second embodiment. This is an estimation result, and the specific example is as described in the second embodiment.
- the estimated model obtained by the learning device 300 of the second embodiment and the estimated model obtained by the learning device 301 of the third embodiment are equivalent. Therefore, the learned estimation model output by the learning device 301 of the third embodiment may be stored in advance in the model storage unit 425 of the information providing device 400 of the second embodiment, or the learning device of the second embodiment The learned estimated model output by the learning device 300 may be stored in advance in the model storage unit 425 of the information providing device 401 of the third embodiment. That is, the information providing system may be configured as an information providing system 202 including the learning device 301 of the third embodiment and the information providing device 400 of the second embodiment as illustrated in FIG.
- the information providing system 203 may include the learning device 300 of the second embodiment and the information providing device 401 of the third embodiment.
- the hardware configurations of the information providing system 202, the information providing system 203, the learning device 300, the learning device 301, the information providing device 400, and the information providing device 401 are, for example, the hardware configuration of the signal analysis device 1 shown in FIG. It is similar to
- the learning data set consists of Y pieces of learning data (Y is plural), and each of the Y pieces of learning data is 1 or more Y
- each integer below be y, and include a myocardial activity parameter set of the heart that is the target of the y-th learning data, and heart state information that represents the state of the heart that is the target of the y-th learning data
- the learning device 300 of the second embodiment further includes a signal analysis unit 310 that obtains a myocardial activity parameter set by inputting time-series biological information regarding heart beats, which is the target of each y-th learning data. It includes. However, in the learning device 300 of the second embodiment and the learning device 301 of the third embodiment, the myocardial activity parameter set of the heart, which is the target of the y-th learning data, includes the target of each y-th learning data.
- One or more predetermined types of myocardial activity parameters are included among a plurality of types of myocardial activity parameters included in , and one or more types of myocardial activity parameters included in a fourth group to be described later.
- Both the information providing device 400 of the second embodiment and the information providing device 401 of the third embodiment receive heart condition information, which is information representing the heart condition corresponding to the myocardial activity parameter set, by inputting a myocardial activity parameter set.
- An estimation model to be obtained is stored in advance, and using the estimation model, heart condition information that is information representing the state of the information target heart is obtained by inputting a myocardial activity parameter set of the information target heart that is the target of information provision. It includes a state information generation section 420.
- the information providing apparatus 400 of the second embodiment further includes a signal analysis section 410 that receives as input time-series biological information regarding the beats of the heart to which information is provided and obtains a myocardial activity parameter set.
- the myocardial activity parameter set of the information providing target heart in the information providing device 400 of the second embodiment and the information providing device 401 of the third embodiment includes each cycle of time-series biological information regarding the beats of the information providing target heart.
- One or more predetermined types of myocardial activity parameters among the one or more types of myocardial activity parameters included in the four groups are included.
- the multiple types of myocardial activity parameters included in the first group are when the waveform of the time interval of the R wave included in the waveform of one cycle of time-series biological information regarding heart beats is the first target time waveform.
- the first cumulative distribution function which is the cumulative distribution function of the first unimodal distribution
- the second cumulative distribution function which is the cumulative distribution function of the second unimodal distribution. 1 approximate time waveform, or the difference or weighted difference between a first cumulative distribution function that is a cumulative distribution function of a first unimodal distribution and a second cumulative distribution function that is a cumulative distribution function of a second unimodal distribution.
- the first target time waveform is approximated with the first approximate time waveform, which is a time waveform obtained by adding the first level value to a parameter to specify, a parameter to specify the second unimodal distribution, a parameter to specify the second cumulative distribution function, a weight of the first cumulative distribution function, a weight of the second cumulative distribution function, a weight of the first cumulative distribution function, and a parameter to specify the second cumulative distribution function.
- This is the ratio of the weight of the two cumulative distribution functions and the first level value.
- the plurality of types of myocardial activity parameters included in the second group are defined as the second target time waveform, which is the waveform of the time interval of the T wave included in the waveform of one cycle of time-series biological information regarding heart beats, and the second target time waveform.
- the cumulative distribution function of the third cumulative distribution function which is the cumulative distribution function of the third unimodal distribution, and the fourth unimodal distribution, when the waveform obtained by reversing the time axis of the second target time waveform is used as the second target inverse time waveform.
- a second approximate inverse time waveform which is a waveform based on a difference or a weighted difference from a fourth cumulative distribution function which is a distribution function, or a third cumulative distribution function which is a cumulative distribution function of a third unimodal distribution and a fourth cumulative distribution function.
- a second approximate inverse time waveform that is a waveform obtained by adding a second level value to the difference or weighted difference with the fourth cumulative distribution function that is the cumulative distribution function of the unimodal distribution, and the second target inverse time waveform
- the weight of the cumulative distribution function the weight of the fourth cumulative distribution function, the ratio of the weight of the third cumulative distribution function to the weight of the fourth cumulative distribution function, and the second level value.
- the multiple types of myocardial activity parameters included in the second group are defined as a second target time waveform, which is a waveform of a time interval of a T wave included in a waveform of one cycle of time-series biological information regarding heart beats.
- the cumulative distribution function of the third unimodal distribution be the third cumulative distribution function
- the cumulative distribution function of the fourth unimodal distribution be the fourth cumulative distribution function
- the function obtained by subtracting the third cumulative distribution function from 1 be the third cumulative distribution function.
- the function obtained by subtracting the fourth cumulative distribution function from 1 is the fourth inverse cumulative distribution function.
- the multiple types of myocardial activity parameters included in the third group are the time waveform of the difference between the first target time waveform and the first approximate time waveform, and the time waveform of the difference between the second target time waveform and the second approximate time waveform. , a time waveform obtained by reversing the time axis of the waveform of the difference between the second target inverse time waveform and the second approximate inverse time waveform, as the residual time waveform, and the cumulative distribution function of the fifth unimodal distribution.
- the multiple types of myocardial activity parameters included in the third group are the time waveform of the difference between the first target time waveform and the first approximate time waveform, and the difference between the second target time waveform and the second approximate time waveform. At least one of the time waveform and the time waveform obtained by reversing the time axis of the waveform of the difference between the second target inverse time waveform and the second approximate inverse time waveform is used as the residual time waveform, and the fifth unimodal distribution is calculated.
- An approximate residual time waveform that is a time waveform based on the difference or weighted difference between the fifth cumulative distribution function, which is the cumulative distribution function, and the sixth cumulative distribution function, which is the cumulative distribution function of the sixth unimodal distribution.
- a parameter that specifies the fifth unimodal distribution When approximating the waveform, a parameter that specifies the fifth unimodal distribution, a parameter that specifies the fifth cumulative distribution function, a parameter that specifies the sixth unimodal distribution, a parameter that specifies the sixth cumulative distribution function, a parameter that specifies the sixth cumulative distribution function, and a parameter that specifies the sixth unimodal distribution.
- One or more types of myocardial activity parameters included in Group 4 include multiple types of myocardial activity parameters included in the first group, multiple types of myocardial activity parameters included in the second group, and multiple types of myocardial activity parameters included in the third group.
- each function of the signal analysis device 1 and/or the information providing system 200, 201, 202, 203 and/or the learning device 300, 301 and/or the information providing device 400, 401 is implemented using an ASIC (Application Specific It may be realized using hardware such as an integrated circuit, a programmable logic device (PLD), or a field programmable gate array (FPGA).
- the program may be recorded on a computer-readable recording medium.
- the computer-readable recording medium is, for example, a portable medium such as a flexible disk, magneto-optical disk, ROM, or CD-ROM, or a storage device such as a hard disk built into a computer system.
- the program may be transmitted via a telecommunications line.
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)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
学習装置は、心臓の心周期を示す1周期分の波形に含まれる時間区間の波形を累積分布関数の差もしくは重み付き差を含む近似関数で近似したときの近似関数を表すパラメータの組を心筋活動パラメータセットとして、学習データセットは、複数個(Y個)の学習データから成り、複数個(Y個)の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す情報である心臓状態情報と、を含み、学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習部を含む。
Description
本発明は、学習装置、情報提供装置、学習方法、情報提供方法及びプログラムに関する。
心電図は心臓の状態を把握するために有用な情報であり、例えば心電図を用いれば対象に心不全が起きる可能性が高い状態にあるか否かを判定することができる(非特許文献1)。
田中博、「心電図逆問題における方法論」、医用電子と生体工学、1985年、23巻、3号、p.147-158
しかしながら、心電図の波形は、心臓の状態の把握に必ずしも充分ではない場合がある。例えば、心電図の波形が似たような波形であっても心臓に関わる病の発症の仕方が異なる場合がある。このように、心電図の波形そのものを見るだけでは、病によっては心臓の状態を把握するのが難しい場合がある。例えば心不全であれば、その抑制には日常生活の中で心電図の波形により心臓の状態を観測することで発症を抑制することができる。発症を抑制する精度をより一層上げるには血液を採取する等、他の技術を用いて他の情報を取得することが考えられるが、日常生活でそれを行うことは現実的ではない。そのため、病によっては実質的に心電図の波形だけに基づいて心臓の状態を把握しなければならない場合がある。
またこのような事情は、心電図の波形に基づいて心臓の状態を把握する場合に限らない。このような事情は、体表面に接したセンサ、体表面に近接したセンサ、体内に挿入したセンサ、体内に埋め込まれたセンサ、などで取得した心臓の拍動に関する1つのチャネルの時系列の生体情報に基づいて心臓の状態を把握する場合にも共通する。なお、心臓の拍動に関する時系列の生体情報は、例えば、心電位の変化を示す波形、心臓の圧の変化を示す波形、血流量の変化を示す波形、心音の変化を示す波形、である。なお心電図の波形も心臓の拍動に関する時系列の生体情報の一例である。
上記事情に鑑み、本発明は、心臓の拍動に関する1つのチャネルの時系列の生体情報から、心臓の状態を把握するために有用な情報を得る技術を提供することを目的としている。
本発明の一態様は、心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、を第2群に含まれる複数種類の心筋活動パラメータとし、前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、または、前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、を第3群に含まれる複数種類の心筋活動パラメータとし、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、学習データセットは、Y個(Yは複数)の学習データから成り、前記Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す情報である心臓状態情報と、を含み、前記学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習部を含む、学習装置である。
本発明の一態様は、心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、を第2群に含まれる複数種類の心筋活動パラメータとし、前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、または、前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、を第3群に含まれる複数種類の心筋活動パラメータとし、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、前記推定モデルを用いて、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットを入力として、前記情報提供対象心臓の心臓状態情報を得る状態情報生成部を含む、情報提供装置である。
本発明の一態様は、学習装置が実行する学習方法であって、心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、を第2群に含まれる複数種類の心筋活動パラメータとし、前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、または、前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、第3群に含まれる複数種類の心筋活動パラメータとし、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、学習データセットは、Y個(Yは複数)の学習データから成り、前記Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す情報である心臓状態情報と、を含み、前記学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習ステップを含む、学習方法である。
本発明の一態様は、情報提供装置が実行する情報提供方法であって、心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、を第2群に含まれる複数種類の心筋活動パラメータとし、前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、または、前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、を第3群に含まれる複数種類の心筋活動パラメータとし、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、前記推定モデルを用いて、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットを入力として、前記情報提供対象心臓の心臓状態情報を得る状態情報生成ステップを含む、情報提供方法である。
本発明の一態様は、上記の学習装置としてコンピュータを機能させるためのプログラムである。
本発明の一態様は、上記の情報提供装置としてコンピュータを機能させるためのプログラムである。
本発明により、心臓の拍動に関する1つのチャネルの時系列の生体情報から、心臓の状態を把握するために有用な情報を得る技術を提供することが可能となる。
<第1実施形態>
図1は、第1実施形態の信号解析装置1のハードウェア構成の一例を示す図である。以下、説明の簡単のため、心電図の1つのチャネルの波形に基づき解析を行う場合を例に信号解析装置1を説明する。しかしながら、信号解析装置1は心電図の波形に限らず心臓の拍動に関する時系列の生体情報に基づけば同様の解析が可能である。なお、心臓の拍動に関する時系列の生体情報は、例えば、心電位の変化を示す波形、心臓の圧の変化を示す波形、血流量の変化を示す波形、心音の変化を示す波形、である。そのため、信号解析装置1は、体表面から取得した電気信号の波形に限らず、体表面に接したセンサ、体表面に近接したセンサ、体内に挿入したセンサ、体内に埋め込まれたセンサ、などを用いて、体表面であるか体内であるかなどにかかわらず、どこかのポイントから取得した心周期を示す波形であれば、どのようなものを用いてもよい。
図1は、第1実施形態の信号解析装置1のハードウェア構成の一例を示す図である。以下、説明の簡単のため、心電図の1つのチャネルの波形に基づき解析を行う場合を例に信号解析装置1を説明する。しかしながら、信号解析装置1は心電図の波形に限らず心臓の拍動に関する時系列の生体情報に基づけば同様の解析が可能である。なお、心臓の拍動に関する時系列の生体情報は、例えば、心電位の変化を示す波形、心臓の圧の変化を示す波形、血流量の変化を示す波形、心音の変化を示す波形、である。そのため、信号解析装置1は、体表面から取得した電気信号の波形に限らず、体表面に接したセンサ、体表面に近接したセンサ、体内に挿入したセンサ、体内に埋め込まれたセンサ、などを用いて、体表面であるか体内であるかなどにかかわらず、どこかのポイントから取得した心周期を示す波形であれば、どのようなものを用いてもよい。
すなわち、信号解析装置1は、心電図の波形に代えて、心臓の圧の変化を示す波形を心臓の拍動に関する時系列の生体情報として用いてもよい。また、信号解析装置1は、心電図の波形に代えて血流量の変化を示す波形を心臓の拍動に関する時系列の生体情報として用いてもよい。また、信号解析装置1は、心電図の波形に代えて、心音の変化を示す波形を心臓の拍動に関する時系列の生体情報として用いてもよい。なお、心電図の波形も心臓の拍動に関する時系列の生体情報の一例である。なお、心臓の拍動に関する時系列の生体情報は、心臓の周期的な拍動に関する時系列の生体情報であってもよい。
信号解析装置1は、解析対象の心臓(以下「対象心臓」という。)の心電図の波形を取得する。信号解析装置1は取得した心電図の波形に基づき、対象心臓の心筋の外側の層(以下「心筋外層」という。)の活動を示すパラメータ(以下「心筋外層パラメータ」という。)と、対象心臓の心筋の内側の層(以下「心筋内層」という。)の活動を示すパラメータ(以下「心筋内層パラメータ」という。)と、の少なくとも何れかを含む対象心臓の心筋の活動を示すパラメータ(以下「心筋活動パラメータ」という。)を取得する。
ここで、心筋の活動と心電図の波形との関係について説明する。医学の分野では心起電力双極子モデル(参考文献1)という心筋の動きと心電図との関係を説明するモデルが知られている。心起電力双極子モデルによれば、心筋は心筋外層と心筋内層の2層でモデル化される。
参考文献1:田中義文「成り立ちから理解する心電図波形 心筋の活動電位を読み解く」学研メディカル秀潤社(2012)
心起電力双極子モデルでは、心筋外層と心筋内層とはそれぞれ異なる起電力の発生源としてモデル化される。心起電力双極子モデルによれば、心外膜側心筋活動電位と心内膜側心筋活動電位との合成波が体表面で観測される体表面の電位の時間変化に略一致する。体表面の電位の時間変化を表すグラフが心電図の波形である。心外膜側心筋活動電位は、カテーテル電極の挿入を行うことで心筋外層の拍動によって生じた起電力の変化を直接測定した結果である。心内膜側心筋活動電位は、カテーテル電極の挿入を行うことで心筋内層の拍動によって生じた起電力の変化を直接測定した結果である。ここまでが心起電力双極子モデルの概略の説明である。
ところで、心起電力双極子モデルにおける心筋外層は細胞の集合である。そのため心筋外層の1回の拍動における心筋外層の細胞の拍動のタイミングは必ずしも全ての細胞で同一ではなく、拍動のタイミングには分布が存在する可能性がある。このことは心筋内層についても同様である。すなわち、心筋内層の1回の拍動における心筋内層の細胞の拍動のタイミングは必ずしも全ての細胞で同一ではなく、拍動のタイミングには分布が存在する可能性がある。しかしながらこれらのような、細胞の拍動のタイミングに分布が存在する可能性は心起電力双極子モデルでは想定されていない。
また、各細胞と体表面にある電極との距離にも分布が存在し、各細胞と体表面にある電極との間の体組織の構成も同一ではない。そのため、心筋外層の細胞の興奮が心電図の波形に反映される変換効率は必ずしも全ての細胞で同一ではなく、拍動が心電図の波形に反映される変換効率には分布が存在する可能性がある。同様に、心筋内層の細胞の興奮が心電図の波形に反映される変換効率は必ずしも全ての細胞で同一ではなく、拍動が心電図の波形に反映される変換効率には分布が存在する可能性がある。しかしながら、細胞の拍動が心電図の波形に反映される変換効率に分布が存在する可能性は、心起電力双極子モデルでは想定されていない。
信号解析装置1では、細胞の拍動のタイミングに分布が存在する可能性と、細胞の拍動が心電図の波形に反映される変換効率に分布が存在する可能性と、を考慮して、心筋外層の各細胞の拍動の開始が心電図の波形に表れるタイミングの分布と、心筋内層の各細胞の拍動の開始が心電図の波形に表れるタイミングの分布と、心筋外層の各細胞の拍動の終了が心電図の波形に表れるタイミングの分布と、心筋内層の各細胞の拍動の終了が心電図の波形に表れるタイミングの分布と、のそれぞれがガウス分布であると仮定した解析を行う。すなわち、信号解析装置1では、心筋内層の全細胞による心筋内層の活動の開始が心電図の波形に累積ガウス分布として含まれ、心筋外層の全細胞による心筋外層の活動の開始が心電図の波形に累積ガウス分布として含まれ、心筋内層の全細胞による心筋内層の活動の終了が心電図の波形に累積ガウス分布として含まれ、心筋外層の全細胞による心筋外層の活動の終了が心電図の波形に累積ガウス分布として含まれる、と仮定した解析を行う。
なお、信号解析装置1では累積ガウス分布関数を用いるのがよいが、累積ガウス分布関数に代えて、シグモイド関数、ゴンペルツ関数、ロジスティック関数などを用いてもよい。すなわち、信号解析装置1では、累積ガウス分布関数に代えて、単峰分布の累積分布関数、すなわち、値が最大値となる時刻までは値が単調増加し、値が最大値となった時刻以降は値が単調減少する分布に対応する累積分布関数を用いるようにしてもよい。ただし、信号解析装置1が用いる累積分布関数は、累積分布関数の形状を表すパラメータ、または、累積分布関数の累積元である単峰分布の形状を表すパラメータ、で形状を特定可能な累積分布関数とする必要がある。以下では、累積分布関数の形状を表すパラメータ(すなわち、累積分布関数を特定するパラメータ)のことを累積分布関数の形状パラメータといい、単峰分布の形状を表すパラメータ(すなわち、単峰分布を特定するパラメータ)のことを単峰分布の形状パラメータという。ただし、当然ながら、累積分布関数の形状パラメータと単峰分布の形状パラメータは実質的には同じものである。例えば、信号解析装置1が用いる累積分布関数が累積ガウス分布関数である場合であれば、累積ガウス分布関数の累積元であるガウス分布の標準偏差(もしくは分散)と平均値が、単峰分布の形状パラメータであり、累積分布関数の形状パラメータでもある。
信号解析装置1は、取得した対象心臓の心電図の1周期分の波形に含まれるR波とT波の何れかの時間区間の波形を対象時間波形として、第1の単峰分布の累積分布関数である第1累積分布関数と、第2の単峰分布の累積分布関数である第2累積分布関数と、の差または重み付き差による時間波形(以下、「近似時間波形」という)で対象時間波形を近似したときの、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータと、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータと、を対象時間波形の特徴を表すパラメータとして取得する、すなわち、心筋活動パラメータとして取得する。以下では、近似時間波形で対象時間波形を近似すること、すなわち近似時間波形を特定すること、を「フィッティング」といい、近似時間波形に含まれる第1累積分布関数と第2累積分布関数のことを「フィッティング結果」という。なお、信号解析装置1は、重み付き差で近似する場合には、第1累積分布関数に与える重みと、第2累積分布関数に与える重み、も対象時間波形の特徴を表すパラメータ(すなわち、心筋活動パラメータ)として取得してもよいし、第1累積分布関数に与える重みと、第2累積分布関数に与える重みと、の比、も対象時間波形の特徴を表すパラメータ(すなわち、心筋活動パラメータ)として取得してもよい。
第1累積分布関数と第2累積分布関数の差による近似時間波形で対象時間波形を近似する場合であれば、例えば、信号解析装置1は、第1累積分布関数の複数個(M個)の候補それぞれについての累積分布関数を特定するパラメータと、第2累積分布関数の複数個(N個)の候補それぞれについての累積分布関数を特定するパラメータと、の組み合わせ(M×N通り)それぞれを用いて、第1累積分布関数と第2累積分布関数との差による時間波形(以下、「候補時間波形」という)を生成して、生成したM×N通りの候補時間波形のうちの対象時間波形に最も近い候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータを、対象時間波形の特徴を表すパラメータとして取得する。対象時間波形に最も近い候補時間波形を近似時間波形として特定する処理は、例えば、候補時間波形と対象時間波形の二乗誤差が最小となる候補時間波形を特定する処理により行えばよい。
または、例えば、信号解析装置1は、対象時間波形を近似する第1累積分布関数の候補と第2累積分布関数の候補との差による時間波形である候補時間波形を得ることと、候補時間波形と対象時間波形の二乗誤差が小さくなる方向に各累積分布関数を特定するパラメータの少なくとも何れかを更新することと、を、二乗誤差が所定の基準以下となるまで繰り返すか、または、所定の回数だけ繰り返すことで、最終的に得た候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータを、対象時間波形の特徴を表すパラメータとして取得する。
第1累積分布関数と第2累積分布関数の重み付き差による近似時間波形で対象時間波形を近似する場合であれば、例えば、信号解析装置1は、第1累積分布関数の複数個(M個)の候補それぞれについての累積分布関数を特定するパラメータと、第2累積分布関数の複数個(N個)の候補それぞれについての累積分布関数を特定するパラメータと、第1累積分布関数に与える重みの複数個(K個)の候補と、第2累積分布関数に与える重みの複数個(L個)の候補と、の組み合わせ(K×L×M×N通り)それぞれを用いて、第1累積分布関数と第2累積分布関数との重み付き差による時間波形である候補時間波形を生成して、生成したK×L×M×N通りの候補時間波形のうちの対象時間波形に最も近い候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みとを、対象時間波形の特徴を表すパラメータとして取得する。
または、例えば、信号解析装置1は、対象時間波形を近似する第1累積分布関数の候補と第2累積分布関数の候補との重み付き差による時間波形である候補時間波形を得ることと、候補時間波形と対象時間波形の二乗誤差が小さくなる方向に各累積分布関数を特定するパラメータと各累積分布関数に与える重みの少なくとも何れかを更新することと、を、二乗誤差が所定の基準以下となるまで繰り返すか、または、所定の回数だけ繰り返すこととで、最終的に得た候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みとを、対象時間波形の特徴を表すパラメータとして取得する。
以下、取得した対象心臓の心電図の1周期分の波形に含まれる対象時間波形の特徴を表すパラメータを取得する処理を、心筋活動情報パラメータ取得処理という。
時刻を表す情報をxとすると、第1の単峰分布と第2の単峰分布としてガウス分布を用いる場合には、第1の単峰分布は以下の式(1)で表され、第1累積分布関数f1(x)は式(2)で表され、第2の単峰分布は式(3)で表され、第2累積分布関数f2(x)は式(4)で表される。
式(1)は平均がμ1であり標準偏差がσ1(分散がσ1
2)であるガウス分布(正規分布)である。式(3)は平均がμ2であり標準偏差がσ2(分散がσ2
2)であるガウス分布(正規分布)である。式(2)は式(1)の累積分布関数である。式(4)は式(3)の累積分布関数である。"erf"はシグモイド関数(誤差関数)である。時刻を表す情報xの単位は任意であり、例えば、心電図の1周期分の波形を始端としたサンプル番号や相対時刻を、時刻を表す情報xとして用いればよい。
第1累積分布関数と第2累積分布関数の差は、例えば以下の式(5)で表される。以下の式(5)で表される関数は、第1累積分布関数から第2累積分布関数を減算した関数である。
すなわち、第1累積分布関数と第2累積分布関数との差である近似時間波形で対象時間波形を近似したときには、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータである平均μ1と標準偏差σ1と、第2の単峰分布または第2累積分布関数を特定するパラメータである平均μ2と標準偏差σ2と、を対象時間波形の特徴を表すパラメータとして取得する。なお、標準偏差がパラメータとして取得される代わりに、分散がパラメータとして取得されてもよい。このことは、標準偏差がパラメータとして取得されることについての以降の記載箇所についても同様である。
第1累積分布関数と第2累積分布関数の重み付き差は、第1累積分布関数の重みをk1とし、第2累積分布関数の重みをk2として、例えば以下の式(6)で表される。以下の式(6)で表される関数は、第1累積分布関数に重みk1を乗算した関数から、第2累積分布関数に重みk2を乗算した関数を減算した関数である。
すなわち、第1累積分布関数と第2累積分布関数との重み付き差である近似時間波形で対象時間波形を近似したときには、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータである平均μ1と標準偏差σ1と、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータである平均μ2と標準偏差σ2と、を対象時間波形の特徴を表すパラメータとして少なくとも取得する。なお、第1累積分布関数の重みk1と第2累積分布関数の重みk2、または、第1累積分布関数の重みk1と第2累積分布関数の重みk2との比(k1/k2、または、k2/k1)、も対象時間波形の特徴を表すパラメータとして取得してもよい。
式(6)の関数が第1累積分布関数に重みk1を乗算した関数から第2累積分布関数に重みk2を乗算した関数を減算した関数であることからすると、重みk1と重みk2は共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みk1と重みk2の少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みk1と重みk2が共に正の値となるようにフィッティングしてもよいが、重みk1と重みk2が共に正の値となるようにフィッティングするのは必須ではない。
なお、信号解析装置1は、取得した対象心臓の心電図の1周期分の波形に含まれるR波とT波のうちの、R波を第1対象時間波形とし、T波を第2対象時間波形として、第1対象時間波形と第2対象時間波形のそれぞれについて、上述した対象時間波形の特徴を表すパラメータを取得するとよい。
例えば、第1対象時間波形(すなわち、R波)を第1累積分布関数と第2累積分布関数との差で近似する場合には、式(7)で表される第1累積分布関数fa(x)から式(8)で表される第2累積分布関数fb(x)を減算した関数である式(9)の近似時間波形で第1対象時間波形を近似して、第1累積分布関数を特定するパラメータである平均μaと標準偏差σaと、第2累積分布関数を特定するパラメータである平均μbと標準偏差σbと、を第1対象時間波形(すなわち、R波)の特徴を表すパラメータとして取得する。
例えば、第1対象時間波形(すなわち、R波)を第1累積分布関数と第2累積分布関数との重み付き差で近似する場合には、式(7)で表される第1累積分布関数fa(x)に重みkaを乗算した関数から式(8)で表される第2累積分布関数fb(x)に重みkbを乗算した関数を減算した関数である式(10)の近似時間波形で第1対象時間波形を近似して、第1累積分布関数を特定するパラメータである平均μaと標準偏差σaと、第2累積分布関数を特定するパラメータである平均μbと標準偏差σbと、を第1対象時間波形(すなわち、R波)の特徴を表すパラメータとして少なくとも取得する。なお、第1累積分布関数の重みkaと第2累積分布関数の重みkb、または、第1累積分布関数の重みkaと第2累積分布関数の重みkbとの比(ka/kb、または、kb/ka)、も第1対象時間波形(すなわち、R波)の特徴を表すパラメータの特徴を表すパラメータとして取得してもよい。
式(10)の関数が第1累積分布関数に重みkaを乗算した関数から第2累積分布関数に重みkbを乗算した関数を減算した関数であることからすると、重みkaと重みkbは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkaと重みkbの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkaと重みkbが共に正の値となるようにフィッティングしてもよいが、重みkaと重みkbが共に正の値となるようにフィッティングするのは必須ではない。
R波は心筋の全細胞の興奮がガウス分布に従って順次開始すること対応するものであるので、R波については、上述した通りに時間の順方向の対象時間波形を2つの累積ガウス分布の差または重み付き差の近似時間波形で近似すればよい。一方、T波は心筋の全細胞の興奮がガウス分布に従って順次覚めることに対応するものであることからすると、T波はR波とは時間軸において逆方向の現象であると解釈できる。すなわち、T波については、対象時間波形の時間軸を逆転させた波形を累積ガウス分布の差または重み付き差で近似すればよいことになる。以下ではこれを第1の方法という。また、T波は心筋の全細胞が興奮している状態からガウス分布に従って覚めることに対応するものであることからすると、T波については、時間の順方向の対象時間波形を2つの関数(1から累積ガウス分布を減算した関数)の差または重み付き差で近似すればよいともいえる。以下ではこれを第2の方法という。以下では第1の方法と第2の方法の具体例を説明するが、上述したR波についての累積分布関数と、以下で説明するT波についての累積分布関数と、の混同を避けるために、以下では、T波については、上述した第1累積分布関数を第3累積分布関数とよび、上述した第2累積分布関数を第4累積分布関数とよんで説明を行う。
第2対象時間波形(すなわち、T波)を第1の方法を用いて第3累積分布関数と第4累積分布関数との差で近似する場合には、時刻を逆方向に表す情報をx'とし、第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とよぶとして、式(11)で表される第3累積分布関数fe(x')から式(12)で表される第4累積分布関数fg(x')を減算した関数である式(13)の近似逆時間波形で第2対象逆時間波形を近似して、第3累積分布関数を特定するパラメータである平均μeと標準偏差σeと、第4累積分布関数を特定するパラメータである平均μgと標準偏差σgと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得する。
例えば、第2対象時間波形(すなわち、T波)を第1の方法を用いて第3累積分布関数と第4累積分布関数との重み付き差で近似する場合には、式(11)で表される第3累積分布関数fe(x')に重みkeを乗算した関数から式(12)で表される第4累積分布関数fg(x')に重みkgを乗算した関数を減算した関数である式(14)の近似逆時間波形で第2対象逆時間波形を近似して、第3累積分布関数を特定するパラメータである平均μeと標準偏差σeと、第4累積分布関数を特定するパラメータである平均μgと標準偏差σgと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして少なくとも取得する。なお、第3累積分布関数の重みkeと第4累積分布関数の重みkg、または、第3累積分布関数の重みkeと第4累積分布関数の重みkgとの比(ke/kg、または、kg/ke)、も第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得してもよい。
式(14)の関数が第3累積分布関数に重みkeを乗算した関数から第4累積分布関数に重みkgを乗算した関数を減算した関数であることからすると、重みkeと重みkgは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkeと重みkgの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkeと重みkgが共に正の値となるようにフィッティングしてもよいが、重みkeと重みkgが共に正の値となるようにフィッティングするのは必須ではない。
例えば、第2対象時間波形(すなわち、T波)を、第2の方法を用いて、1から式(15)で表される第3累積分布関数fc(x)を減算した関数f'c(x)(以下、「第3逆累積分布関数」という)と、1から式(16)で表される第4累積分布関数fd(x)を減算した関数f'd(x)(以下、「第4逆累積分布関数」という)との差で近似する場合には、第3逆累積分布関数f'c(x)から第4逆累積分布関数f'd(x)を減算した関数である式(17)の近似時間波形で第2対象時間波形を近似して、第3累積分布関数を特定するパラメータである平均μcと標準偏差σcと、第4累積分布関数を特定するパラメータである平均μdと標準偏差σdと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得する。
例えば、第2対象時間波形(すなわち、T波)を、第2の方法を用いて、第3逆累積分布関数と第4逆累積分布関数との重み付き差で近似する場合には、第3逆累積分布関数f'c(x)に重みkcを乗算した関数から第4逆累積分布関数f'd(x)に重みkdを乗算した関数を減算した関数である式(18)の近似時間波形で第2対象時間波形を近似して、第3累積分布関数を特定するパラメータである平均μcと標準偏差σcと、第4累積分布関数を特定するパラメータである平均μdと標準偏差σdと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得する。なお、第3逆累積分布関数の重みkcと第4逆累積分布関数の重みkd、または、第3逆累積分布関数の重みkcと第4逆累積分布関数の重みkdとの比(kc/kd、または、kd/kc)、も第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得してもよい。
式(18)の関数が第3逆累積分布関数に重みkcを乗算した関数から第4逆累積分布関数に重みkdを乗算した関数を減算した関数であることからすると、重みkcと重みkdは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkcと重みkdの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkcと重みkdが共に正の値となるようにフィッティングしてもよいが、重みkcと重みkdが共に正の値となるようにフィッティングするのは必須ではない。
なお、式(17)の近似時間波形は、第4累積分布関数fd(x)から第3累積分布関数fc(x)を減算した関数であるので、第3累積分布関数fc(x)と第4累積分布関数fd(x)の差である。また、式(18)の近似時間波形は、第3累積分布関数fc(x)と第4累積分布関数fd(x)の重み付き差に定数項が加算されたものであり、曲線部分の形状は第3累積分布関数fc(x)と第4累積分布関数fd(x)の重み付き差と同じである。また、上述したように、T波はR波とは時間軸において逆方向の現象であると解釈でき、T波については、対象時間波形の時間軸を逆転させた波形を第3累積分布関数fe(x)と第4累積分布関数fg(x)の差または重み付き差で近似できる。これらのことから、T波についての以降の説明箇所では、累積分布関数と逆累積分布関数を併記せずに、単に累積分布関数のみを用いた説明を行うことがある。
図2は、第1対象時間波形(すなわち、R波)についての、第1累積分布関数fa(x)と重みkaを乗算した関数kafa(x)と、第2累積分布関数fb(x)と重みkbを乗算した関数kbfb(x)と、第1累積分布関数と第2累積分布関数との重み付き差である近似時間波形kafa(x)-kbfb(x)と、を模式的に示した図である。一点鎖線が第1累積分布関数fa(x)と重みkaを乗算した関数kafa(x)であり、二点鎖線が第2累積分布関数fb(x)と重みkbを乗算した関数kbfb(x)であり、破線が近似時間波形kafa(x)-kbfb(x)である。この近似時間波形kafa(x)-kbfb(x)が、第1対象時間波形(すなわち、R波)を近似した波形である。
図3は、第2対象時間波形(すなわち、T波)についての、第3逆累積分布関数f'c(x)=1-fc(x)と重みkcを乗算した関数kcf'c(x)、第4逆累積分布関数f'd(x)=1-fd(x)と重みkdを乗算した関数kdf'd(x)、第3逆累積分布関数と第4逆累積分布関数との重み付き差である近似時間波形kcf'c(x)-kdf'd(x)と、を模式的に示した図である。一点鎖線が第3逆累積分布関数f'c(x)=1-fc(x)と重みkcを乗算した関数kcf'c(x)であり、二点鎖線が第4逆累積分布関数f'd(x)=1-fd(x)と重みkdを乗算した関数kdf'd(x)であり、破線が近似時間波形kcf'c(x)-kdf'd(x)である。この近似時間波形kcf'c(x)-kdf'd(x)が、第2対象時間波形(すなわち、T波)を近似した波形である。
図4は、第1実施形態における対象心臓の心電図の1周期分の波形に含まれるR波を第1対象時間波形としT波を第2対象時間波形として、第1対象時間波形と第2対象時間波形のそれぞれを2つの累積分布関数の差によってフィッティングした結果を模式的に示す図である。図4の横軸は時刻を表し、縦軸は電位を表す。横軸と縦軸との単位はいずれも任意単位(arbitrary unit)である。
図4は、具体的には、第1対象時間波形(すなわち、R波)を第1累積分布関数と第2累積分布関数の差によってフィッティングし、第2対象時間波形(すなわち、T波)を第3累積分布関数と第4累積分布関数の差によってフィッティングした例である。第1累積分布関数の定義域と第2累積分布関数の定義域とは同一であり、第1対象時間波形(すなわち、R波)の時間区間である時刻T1から時刻T3である。第3累積分布関数の定義域と第4累積分布関数の定義域とは同一であり時刻T4から時刻T6である。
図4における“第1フィッティング結果”と“第2フィッティング結果”は、R波に対するフィッティングの結果である。図4における“第3フィッティング結果”と“第4フィッティング結果”は、T波に対するフィッティングの結果である。
図4において“第1フィッティング結果”は、心電図の第1対象時間波形(すなわち、R波)へのフィッティングの結果のうちの第1累積分布関数を示す。図4において“第2フィッティング結果”は、心電図の第1対象時間波形(すなわち、R波)へのフィッティングの結果のうちの第2累積分布関数を示す。図4において“第3フィッティング結果”は、心電図の第2対象時間波形(すなわち、T波)へのフィッティングの結果のうちの第3累積分布関数を示す。図4において“第4フィッティング結果”は、心電図の第2対象時間波形(すなわち、T波)へのフィッティングの結果のうちの第4累積分布関数を示す。図4において“体表面の電位”は、フィッティング対象の心電図の波形を表す。
なお、信号解析装置1は、第1対象時間波形(すなわち、R波)の時間区間にも第2対象時間波形(すなわち、T波)の時間区間にも属さない時刻T3から時刻T4の期間については、信号解析装置1はフィッティングを行わない。なお、信号解析装置1においてフィッティングが行われない期間については、図4では、時刻T3における第1フィッティング結果と時刻T4における第3フィッティング結果とを繋ぐ線、時刻T3における第2フィッティング結果と時刻T4における第4フィッティング結果とを繋ぐ線、で表現している。すなわち、信号解析装置1がフィッティング結果を表示する場合には、図4のように、信号解析装置1は、時刻T3における第1フィッティング結果と時刻T4における第3フィッティング結果、および、時刻T3における第2フィッティング結果と時刻T4における第4フィッティング結果、を定数関数や一次関数等の予め定められた関数で繋いだ線を表示すればよい。
なお、信号解析装置1がフィッティング結果を表示する場合には、時刻T3における第1フィッティング結果と時刻T4における第3フィッティング結果を同じ値で表示できるように、重みの値を補正してもよい。すなわち、時刻T3における実際の第1フィッティング結果はkafa(T3)であり、時刻T4における実際の第3フィッティング結果はkcf'c(T4)であるが、kafa(T3)=α1kcf'c(T4)を満たすα1を求めて、重みkcに代えてα1kcを用いてフィッティング結果を表示してもよく、重みkaに代えてka/α1を用いてフィッティング結果を表示してもよい。同様に、信号解析装置1がフィッティング結果を表示する場合には、時刻T3における第2フィッティング結果と時刻T4における第4フィッティング結果を同じ値で表示できるように、重みの値を補正してもよい。すなわち、時刻T3における第2フィッティング結果はkbfb(T3)であり、時刻T4における第4フィッティング結果はkdf'd(T4)であるが、kbfb(T3)=α2kdf'd(T4)を満たすα2を求めて、重みkdに代えてα2kdを用いてフィッティング結果を表示してもよく、重みkbに代えてkb/α2を用いてフィッティング結果を表示してもよい。
なお、第1対象時間波形に対するフィッティングと第2対象時間波形に対するフィッティングとは、個別に実行されなくてもよい。すなわち、第1対象時間波形及び第2対象時間波形に対するフィッティングは、これらの両方に対するフィッティングとして、まとめて実行されてもよい。例えば、信号解析装置1は、第1対象時間波形及び第2対象時間波形に対するフィッティングをまとめて実行する場合には、時刻T3における第1フィッティング結果と時刻T4における第3フィッティング結果との差が小さくなるようにすることと、時刻T3における第2フィッティング結果と時刻T4における第4フィッティング結果との差が小さくなるようにすることと、も考慮したフィッティングを実行するのがよい。
図5は、T波を第3逆累積分布関数から第4逆累積分布関数を減算した関数で近似して、第3逆累積分布関数と第4逆累積分布関数を表示したり、各累積分布関数を特定するパラメータを表示したりすることで、T波の典型的な特徴を可視化できることを説明する説明図である。図5は、画像G1、画像G2、画像G3及び画像G4の4つの画像を示す。画像G1~画像G4の各画像は、横軸を時刻、縦軸を電位とするグラフを示す。図5の画像G1~画像G4の各画像の横軸と縦軸との単位はいずれも任意単位(arbitrary unit)である。
図5の“第1関数”は、第3逆累積分布関数の一例である。図5の“第2関数”は、第4逆累積分布関数の一例である。図5の“第3関数”は、“第1関数”から“第2関数”を引き算した関数、すなわち、第3逆累積分布関数から第4逆累積分布関数を減算した関数、を表す。図5の“第3関数”は、正常な心臓のT波の形状に略同一の形状である。
図5の“第4関数”は、第3逆累積分布関数の一例である。図5の“第5関数”は、第4逆累積分布関数の一例である。図5の“第6関数”は、“第4関数”から“第5関数”を引き算した関数、すなわち、第3逆累積分布関数から第4逆累積分布関数を減算した関数、を表す。図5の“第6関数”は、T波の異常な典型的な3パタンのうちの1つのT波の減高の形状に略同一の形状である。図5の画像G2における第3逆累積分布関数の立ち下がり部分と第4逆累積分布関数の立ち下がり部分の間隔は、正常な心臓の画像G1における第3逆累積分布関数の立ち下がり部分と第4逆累積分布関数の立ち下がり部分の間隔よりも狭くなっており、このことにより、T波減高において、心筋内層の活動からの心筋外層の活動の遅れが小さいことが可視化される。
図5の“第7関数”は、第3逆累積分布関数の一例である。図5の“第8関数”は、第4逆累積分布関数の一例である。図5の“第9関数”は、“第7関数”から“第8関数”を引き算した関数、すなわち、第3逆累積分布関数から第4逆累積分布関数を減算した関数、を表す。図5の“第9関数”は、T波の異常な典型的な3パタンのうちの1つのT波の増高の形状に略同一の形状である。図5の画像G3における第3逆累積分布関数の立ち下がり部分と第4逆累積分布関数の立ち下がり部分の間隔は、正常な心臓の画像G1における第3逆累積分布関数の立ち下り部分と第4逆累積分布関数の立ち下り部分の間隔よりも広くなっており、このことにより、T波の増高において、心筋内層の活動からの心筋外層の活動の遅れが大きいことが可視化される。
図5の“第10関数”は、第3逆累積分布関数の一例である。図5の“第11関数”は、第4逆累積分布関数の一例である。図5の“第12関数”は、“第10関数”から“第11関数”を引き算した関数、すなわち、第3逆累積分布関数から第4逆累積分布関数を減算した関数、を表す。図5の“第12関数”は、T波の異常な典型的な3パタンのうちの1つの陰性のT波の形状に略同一の形状である。図5の画像G4における第3逆累積分布関数の立ち下がり部分と第4逆累積分布関数の立ち下がり部分の順序は、正常な心臓の画像G1における第3逆累積分布関数の立ち下り部分と第4逆累積分布関数の立ち下り部分の順序と逆になっており、このことにより、陰性のT波において、心筋内層よりも心筋外層が先に活動の終了をしていることが可視化される。
第3逆累積分布関数から第4逆累積分布関数を減算した関数は、“第3関数”、“第6関数”、“第9関数”のように縦軸方向の幅と横軸方向の幅との異なる波を表現可能である。また第3逆累積分布関数から第4逆累積分布関数を減算した関数は、“第12関数”のように陰性の波を表現可能である。すなわち、第3逆累積分布関数から第4逆累積分布関数を減算した関数でT波を近似することで、または、時間軸を逆転させて第3累積分布関数から第4累積分布関数を減算した関数でT波を近似することで、T波に含まれる心筋内層と心筋外層のそれぞれの活動および心筋内層と心筋外層の活動の関係を表現することが可能である。このことは、R波について第1累積分布関数から第2累積分布関数を減算した関数で近似した場合も同様である。
このように、信号解析装置1は、2つの累積分布関数の差または重み付き差によって対象心臓の心電図のR波またはT波の波形をフィッティングする。そして信号解析装置1は、フィッティングにより特定された近似時間波形を特定するパラメータを心筋の活動を示すパラメータとして取得する。
〔2つの累積分布関数の差または重み付き差に値を加算したものによる近似〕
信号解析装置1は、取得した対象心臓の心電図の1周期分の波形に含まれるR波とT波の何れかの時間区間の波形を対象時間波形として、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差に値(以下「水準値」という。)を加算したものによる時間波形を、近似時間波形としてもよい。この場合には、近似時間波形で対象時間波形を近似したときの、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータと、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータと、に加えて、水準値も対象時間波形の特徴を表すパラメータとして取得する。もちろん、重み付き差で近似する場合には、第1累積分布関数に与える重みと第2累積分布関数に与える重みも対象時間波形の特徴を表すパラメータとして取得するようにしてもよいし、第1累積分布関数に与える重みと、第2累積分布関数に与える重みと、の比、も対象時間波形の特徴を表すパラメータとして取得するようにしてもよい。
信号解析装置1は、取得した対象心臓の心電図の1周期分の波形に含まれるR波とT波の何れかの時間区間の波形を対象時間波形として、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差に値(以下「水準値」という。)を加算したものによる時間波形を、近似時間波形としてもよい。この場合には、近似時間波形で対象時間波形を近似したときの、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータと、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータと、に加えて、水準値も対象時間波形の特徴を表すパラメータとして取得する。もちろん、重み付き差で近似する場合には、第1累積分布関数に与える重みと第2累積分布関数に与える重みも対象時間波形の特徴を表すパラメータとして取得するようにしてもよいし、第1累積分布関数に与える重みと、第2累積分布関数に与える重みと、の比、も対象時間波形の特徴を表すパラメータとして取得するようにしてもよい。
重み付き差を用いる場合であれば、例えば、信号解析装置1は、第1累積分布関数の複数個(M個)の候補それぞれについての累積分布関数を特定するパラメータと、第2累積分布関数の複数個(N個)の候補それぞれについての累積分布関数を特定するパラメータと、第1累積分布関数に与える重みの複数個(K個)の候補と、第2累積分布関数に与える重みの複数個(L個)の候補と、水準値の複数個(J個)の候補と、の組み合わせ(J×K×L×M×N通り)それぞれを用いて、第1累積分布関数と第2累積分布関数との重み付き差に水準値を加算したものによる時間波形である候補時間波形を生成して、生成したJ×K×L×M×N通りの候補時間波形のうちの対象時間波形に最も近い候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みと水準値とを、対象時間波形の特徴を表すパラメータとして取得する。
または、例えば、信号解析装置1は、対象時間波形を近似する第1累積分布関数の候補と第2累積分布関数の候補との重み付き差に水準値を加算したものによる時間波形である候補時間波形を得ることと、候補時間波形と対象時間波形の二乗誤差が小さくなる方向に各累積分布関数を特定するパラメータと各累積分布関数に与える重みと水準値の少なくとも何れかを更新することと、を、二乗誤差が所定の基準以下となるまで繰り返すか、または、所定の回数だけ繰り返して、最終的に得た候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みと水準値とを、対象時間波形の特徴を表すパラメータとして取得する。
なお、フィッティングの前に水準値を定めるようにしてもよい。この場合には、信号解析装置1は、まず、対象時間波形がR波である場合には対象時間波形の始端(図4における時刻T1に相当)の電位を水準値とし、対象時間波形がT波である場合には対象時間波形の終端(図4における時刻T6に相当)の電位を水準値として取得する。そして、信号解析装置1は、第1累積分布関数の複数個(M個)の候補それぞれについての累積分布関数を特定するパラメータと、第2累積分布関数の複数個(N個)の候補それぞれについての累積分布関数を特定するパラメータと、第1累積分布関数に与える重みの複数個(K個)の候補と、第2累積分布関数に与える重みの複数個(L個)の候補と、の組み合わせ(K×L×M×N通り)それぞれを用いて、第1累積分布関数と第2累積分布関数との重み付き差に水準値を加算したものによる時間波形である候補時間波形を生成して、生成したK×L×M×N通りの候補時間波形のうちの対象時間波形に最も近い候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みと、最初の処理で決定した水準値とを、対象時間波形の特徴を表すパラメータとして取得する。
または、例えば、信号解析装置1は、まず、対象時間波形がR波である場合には対象時間波形の始端(図4における時刻T1に相当)の電位を水準値とし、対象時間波形がT波である場合には対象時間波形の終端(図4における時刻T6に相当)の電位を水準値として取得する。そして、信号解析装置1は、対象時間波形を近似する第1累積分布関数の候補と第2累積分布関数の候補との重み付き差に水準値を加算したものによる時間波形である候補時間波形を得ることと、候補時間波形と対象時間波形の二乗誤差が小さくなる方向に各累積分布関数を特定するパラメータと各累積分布関数に与える重みの少なくとも何れかを更新することと、を、二乗誤差が所定の基準以下となるまで繰り返すか、または、所定の回数だけ繰り返して、最終的に得た候補時間波形を近似時間波形として特定して、特定した近似時間波形の生成に用いた第1累積分布関数の候補を特定するパラメータと第2累積分布関数の候補を特定するパラメータと第1累積分布関数に与える重みと第2累積分布関数に与える重みと、最初の処理で決定した水準値とを、対象時間波形の特徴を表すパラメータとして取得する。
水準値をβとすると、第1累積分布関数と第2累積分布関数の重み付き差に水準値を加算したものは、例えば、以下の式(19)で表される。以下の式(19)で表される関数は、第1累積分布関数に重みk1を乗算した関数から第2累積分布関数に重みk2を乗算した関数を減算して水準値βを加算した関数である。
第1累積分布関数と第2累積分布関数との重み付き差に水準値を加算した式(19)の近似時間波形で対象時間波形を近似したときには、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータである平均μ1と標準偏差σ1と、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータである平均μ2と標準偏差σ2と、水準値βと、を対象時間波形の特徴を表すパラメータとして少なくとも取得する。なお、第1累積分布関数の重みk1と第2累積分布関数の重みk2、または、第1累積分布関数の重みk1と第2累積分布関数の重みk2との比(k1/k2、または、k2/k1)、も対象時間波形の特徴を表すパラメータとして取得してもよい。
式(19)の関数が第1累積分布関数に重みk1を乗算した関数から第2累積分布関数に重みk2を乗算した関数を減算して水準値βを加算した関数であることからすると、重みk1と重みk2は共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みk1と重みk2の少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みk1と重みk2が共に正の値となるようにフィッティングしてもよいが、重みk1と重みk2が共に正の値となるようにフィッティングするのは必須ではない。
信号解析装置1は、取得した対象心臓の心電図の1周期分の波形に含まれるR波とT波のうちの、R波を第1対象時間波形とし、T波を第2対象時間波形として、第1対象時間波形と第2対象時間波形のそれぞれについて、上述した対象時間波形の特徴を表すパラメータを取得するとよい。
例えば、第1対象時間波形(すなわち、R波)を第1累積分布関数と第2累積分布関数との重み付き差に水準値を加算した関数で近似する場合には、第1対象時間波形の始端の電位を水準値βRとして、式(7)で表される第1累積分布関数fa(x)に重みkaを乗算した関数からから式(8)で表される第2累積分布関数fb(x)に重みkbを乗算した関数を減算して水準値βRを加算した関数である式(20)の近似時間波形で第1対象時間波形を近似して、第1累積分布関数を特定するパラメータである平均μaと標準偏差σaと、第2累積分布関数を特定するパラメータである平均μbと標準偏差σbと、水準値βRと、を第1対象時間波形(すなわち、R波)の特徴を表すパラメータとして少なくとも取得する。なお、第1累積分布関数の重みkaと第2累積分布関数の重みkb、または、第1累積分布関数の重みkaと第2累積分布関数の重みkbとの比(ka/kb、または、kb/ka)、も第1対象時間波形(すなわち、R波)の特徴を表すパラメータの特徴を表すパラメータとして取得してもよい。
式(20)の関数が第1累積分布関数に重みkaを乗算した関数から第2累積分布関数に重みkbを乗算した関数を減算して水準値βRを加算した関数であることからすると、重みkaと重みkbは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkaと重みkbの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkaと重みkbが共に正の値となるようにフィッティングしてもよいが、重みkaと重みkbが共に正の値となるようにフィッティングするのは必須ではない。
例えば、第2対象時間波形(すなわち、T波)の時間軸を逆転させた波形である第2対象逆時間波形を第3累積分布関数と第4累積分布関数との重み付き差に水準値を加算した関数で近似する場合には、第2対象時間波形の終端の電位を水準値βTとして、式(11)で表される第3累積分布関数fe(x')に重みkeを乗算した関数から式(12)で表される第4逆累積分布関数fg(x')に重みkgを乗算した関数を減算して水準値βTを加算した関数である式(21)の近似逆時間波形で第2対象逆時間波形を近似して、第3累積分布関数を特定するパラメータである平均μeと標準偏差σeと、第4累積分布関数を特定するパラメータである平均μgと標準偏差σgと、水準値βTと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして少なくとも取得する。なお、第3累積分布関数の重みkeと第4累積分布関数の重みkg、または、第3累積分布関数の重みkeと第4累積分布関数の重みkgとの比(ke/kg、または、kg/ke)、も第2対象時間波形(すなわち、T波)の特徴を表すパラメータの特徴を表すパラメータとして取得してもよい。
式(21)の関数が第3累積分布関数に重みkeを乗算した関数から第4累積分布関数に重みkgを乗算した関数を減算して水準値βTを加算した関数であることからすると、重みkeと重みkgは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkeと重みkgの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkeと重みkgが共に正の値となるようにフィッティングしてもよいが、重みkeと重みkgが共に正の値となるようにフィッティングするのは必須ではない。
例えば、第2対象時間波形(すなわち、T波)について、1から第3累積分布関数を減算した関数(すなわち、第3逆累積分布関数)と、1から第4累積分布関数を減算した関数(すなわち、第4逆累積分布関数)と、の重み付き差に水準値を加算した関数で近似する場合には、第2対象時間波形の終端の電位を水準値βTとして、第3逆累積分布関数f'c(x)に重みkcを乗算した関数から第4逆累積分布関数f'd(x)に重みkdを乗算した関数を減算して水準値βTを加算した関数である式(22)の近似時間波形で第2対象時間波形を近似して、第3累積分布関数を特定するパラメータである平均μcと標準偏差σcと、第4累積分布関数を特定するパラメータである平均μdと標準偏差σdと、水準値βTと、を第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得する。なお、第3逆累積分布関数の重みkcと第4逆累積分布関数の重みkd、または、第3逆累積分布関数の重みkcと第4逆累積分布関数の重みkdとの比(kc/kd、または、kd/kc)、も第2対象時間波形(すなわち、T波)の特徴を表すパラメータとして取得してもよい。
式(22)の関数が第3逆累積分布関数に重みkcを乗算した関数から第4逆累積分布関数に重みkdを乗算した関数を減算して水準値βTを加算した関数であることからすると、重みkcと重みkdは共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みkcと重みkdの少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みkcと重みkdが共に正の値となるようにフィッティングしてもよいが、重みkcと重みkdが共に正の値となるようにフィッティングするのは必須ではない。
図6は、第1対象時間波形(すなわち、R波)についての、第1累積分布関数fa(x)と重みkaを乗算して水準値βRを加算した関数kafa(x)+βRと、第2累積分布関数fb(x)と重みkbを乗算して水準値βRを加算した関数kbfb(x)+βRと、第1累積分布関数と第2累積分布関数との重み付き差に水準値βRを加算したものである近似時間波形kafa(x)-kbfb(x)+βRと、を模式的に示した図である。一点鎖線が第1累積分布関数fa(x)と重みkaを乗算して水準値βRを加算した関数kafa(x)+βRであり、二点鎖線が第2累積分布関数fb(x)と重みkbを乗算して水準値βRを加算した関数kbfb(x)+βRであり、破線が近似時間波形kafa(x)-kbfb(x)+βRである。この近似時間波形kafa(x)-kbfb(x)+βRが、第1対象時間波形(すなわち、R波)を近似した波形である。
図7は、第2対象時間波形(すなわち、T波)についての、第3逆累積分布関数f'c(x)=1-fc(x)と重みkcを乗算して水準値βTを加算した関数kcf'c(x)+βT、第4逆累積分布関数f'd(x)=1-fd(x)と重みkdを乗算して水準値βTを加算した関数kdf'd(x)+βT、第3逆累積分布関数と第4逆累積分布関数との重み付き差に水準値βTを加算したものである近似時間波形kcf'c(x)-kdf'd(x)+βTと、を模式的に示した図である。一点鎖線が第3逆累積分布関数f'c(x)=1-fc(x)と重みkcを乗算して水準値βTを加算した関数kcf'c(x)+βTであり、二点鎖線が第4逆累積分布関数f'd(x)=1-fd(x)と重みkdを乗算して水準値βTを加算した関数kdf'd(x)+βTであり、破線が近似時間波形kcf'c(x)-kdf'd(x)+βTである。この近似時間波形kcf'c(x)-kdf'd(x)+βTが、第2対象時間波形(すなわち、T波)を近似した波形である。
なお、R波(正確にはQRS波)の始端の電位である水準値βRは、R波の始端における直流成分の大きさを表す値であり、冠動脈に異常がある場合には、水準値βRがマイナス側に下降する場合がある。また、T波の終端の電位である水準値βTは、T波の終端における直流成分の大きさを表す値であり、心筋の再分極に異常がある場合には、水準値βTがプラス側に上昇する場合がある。
〔対象時間波形と近似時間波形の差について近似〕
特殊な状態のR波やT波を対象時間波形とする場合には、上述した近似時間波形では対象時間波形を近似できない部分(以下、「残差部分」という)が残ることがある。例えば、対象心臓に早期再分極や伝導障害(副伝導路等)が生じている場合には、図8に破線で示すようなΔ波が対象時間波形(R波)に含まれていることがある。このΔ波の部分は、上述した近似時間波形では対象時間波形を近似できずに、残差部分として残る。この残差部分も心臓の何らかの活動に起因する時間波形であることからすると、信号解析装置1では、この残差部分について、累積ガウス分布、または、累積ガウス分布に重みを乗算した関数、または、累積ガウス分布の差、または、累積ガウス分布の重み付き差、であると仮定した解析を行うとよい。
特殊な状態のR波やT波を対象時間波形とする場合には、上述した近似時間波形では対象時間波形を近似できない部分(以下、「残差部分」という)が残ることがある。例えば、対象心臓に早期再分極や伝導障害(副伝導路等)が生じている場合には、図8に破線で示すようなΔ波が対象時間波形(R波)に含まれていることがある。このΔ波の部分は、上述した近似時間波形では対象時間波形を近似できずに、残差部分として残る。この残差部分も心臓の何らかの活動に起因する時間波形であることからすると、信号解析装置1では、この残差部分について、累積ガウス分布、または、累積ガウス分布に重みを乗算した関数、または、累積ガウス分布の差、または、累積ガウス分布の重み付き差、であると仮定した解析を行うとよい。
すなわち、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、ある単峰分布(便宜的に「第5の単峰分布」という)の累積分布関数(便宜的に「第5累積分布関数」という)または第5累積分布関数に重みを乗算した関数で残差時間波形を近似したときの、第5の単峰分布を特定するパラメータまたは第5累積分布関数を特定するパラメータも、対象時間波形の特徴を表すパラメータとして取得してもよい。
または、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、ある単峰分布(便宜的に「第5の単峰分布」という)の累積分布関数(便宜的に「第5累積分布関数」という)と、第5の単峰分布とは別の単峰分布(便宜的に「第6の単峰分布」という)の累積分布関数(便宜的に「第6累積分布関数」という)との差または重み付き差による時間波形(以下、「近似残差時間波形」という)で残差時間波形を近似したときの、第5の単峰分布を特定するパラメータまたは第5累積分布関数を特定するパラメータと、第6の単峰分布を特定するパラメータまたは第6累積分布関数を特定するパラメータ、も対象時間波形の特徴を表すパラメータとして取得してもよい。
より具体的には、式(23)で表される第5の単峰分布の累積分布関数である第5累積分布関数で残差時間波形を近似する場合には、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、式(24)で表される第5累積分布関数の近似時間波形f5(x)で残差時間波形を近似して、上述した対象時間波形の特徴を表す各パラメータに加えて、第5累積分布関数を特定するパラメータである平均μ5と標準偏差σ5も、対象時間波形の特徴を表すパラメータとして取得する。
第5累積分布関数に重みを乗算した関数で残差時間波形を近似する場合には、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、式(24)で表される第5累積分布関数f5(x)に重みk5を乗算した関数の近似時間波形k5f5(x)で残差時間波形を近似して、上述した対象時間波形の特徴を表す各パラメータに加えて、第5累積分布関数を特定するパラメータである平均μ5と標準偏差σ5も、対象時間波形の特徴を表すパラメータとして取得してもよい。信号解析装置1は、さらに、重みk5も対象時間波形の特徴を表すパラメータとして取得してもよい。
第5累積分布関数と、式(25)で表される第6の単峰分布の累積分布関数である第6累積分布関数と、の差で残差時間波形を近似する場合には、例えば、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、式(24)で表される第5累積分布関数から式(26)で表される第6累積分布関数を減算した波形である近似時間波形f5(x)-f6(x)で残差時間波形を近似して、上述した対象時間波形の特徴を表す各パラメータに加えて、第5累積分布関数を特定するパラメータである平均μ5と標準偏差σ5と、第6累積分布関数を特定するパラメータである平均μ6と標準偏差σ6も、対象時間波形の特徴を表すパラメータとして取得する。
第5累積分布関数と第6累積分布関数の重み付き差で残差時間波形を近似する場合には、信号解析装置1は、対象時間波形と近似時間波形の差である残差時間波形について、第5累積分布関数f5(x)に重みk5を乗算した関数k5f5(x)から第6累積分布関数f6(x)に重みk6を乗算した関数k6f6(x)を減算した波形である近似時間波形k5f5(x)-k6f6(x)で残差時間波形を近似して、上述した対象時間波形の特徴を表す各パラメータに加えて、第5累積分布関数を特定するパラメータである平均μ5と標準偏差σ5と、第6累積分布関数を特定するパラメータである平均μ6と標準偏差σ6も、対象時間波形の特徴を表すパラメータとして取得する。信号解析装置1は、さらに、重みk5と重みk6、または、重みk5と重みk6の比(k5/k6またはk6/k5)も、対象時間波形の特徴を表すパラメータとして取得してもよい。
第5累積分布関数に重みk5を乗算した関数から第6累積分布関数に重みk6を乗算した近似時間波形で残差時間波形を近似することからすると、重みk5と重みk6は共に正の値である。ただし、対象心臓が特異な状態にある場合には、フィッティングにより得られる重みk5と重みk6の少なくとも何れかが正の値ではない可能性も否定できない。したがって、信号解析装置1は、重みk5と重みk6が共に正の値となるようにフィッティングしてもよいが、重みk5と重みk6が共に正の値となるようにフィッティングするのは必須ではない。
図1の説明に戻る。信号解析装置1は、バスで接続されたCPU等のプロセッサ91とメモリ92とを備える制御部11を備え、プログラムを実行する。信号解析装置1は、プログラムの実行によって制御部11、入力部12、通信部13、記憶部14及び出力部15を備える装置として機能する。
より具体的には、プロセッサ91が記憶部14に記憶されているプログラムを読み出し、読み出したプログラムをメモリ92に記憶させる。プロセッサ91が、メモリ92に記憶させたプログラムを実行することによって、信号解析装置1は、制御部11、入力部12、通信部13、記憶部14及び出力部15を備える装置として機能する。
制御部11は、信号解析装置1が備える各種機能部の動作を制御する。制御部11は、例えば心筋活動情報パラメータ取得処理を実行する。制御部11は、例えば出力部15の動作を制御し、出力部15に心筋活動情報パラメータ取得処理の取得結果を出力させる。制御部11は、例えば心筋活動情報パラメータ取得処理の実行により生じた各種情報を記憶部14に記録する。
入力部12は、マウスやキーボード、タッチパネル等の入力装置を含んで構成される。入力部12は、これらの入力装置を信号解析装置1に接続するインタフェースとして構成されてもよい。入力部12は、信号解析装置1に対する各種情報の入力を受け付ける。
入力部12には、例えばフィッティングに用いる各累積分布関数の複数個の候補について、各累積分布関数が表す分布の形状を示す情報(以下「分布形状指定情報」という。)が入力される。
なお、分布形状指定情報は予め記憶部14が記憶済みであってもよい。このような場合、記憶部14が記憶済みの分布形状指定情報については、入力部12から入力される必要はない。以下、説明の簡単のため記憶部14が分布形状指定情報を予め記憶済みの場合を例に信号解析装置1を説明する。
通信部13は、信号解析装置1を外部装置に接続するための通信インタフェースを含んで構成される。通信部13は、有線又は無線を介して外部装置と通信する。外部装置は、例えば対象心臓の心電図の波形の送信元の装置である。対象心臓の心電図の波形の送信元の装置は、例えば心電図測定装置である。通信部13は、例えば外部装置が心電図測定装置である場合、通信により心電図測定装置から心電図の波形を取得する。なお、心電図の波形は入力部12に入力されてもよい。
記憶部14は、磁気ハードディスク装置や半導体記憶装置などの非一時的コンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部14は信号解析装置1に関する各種情報を記憶する。記憶部14は、例えば入力部12又は通信部13を介して入力された情報を記憶する。記憶部14は、例えば入力部12又は通信部13を介して入力された心電図を記憶する。記憶部14は、例えば心筋活動情報パラメータ取得処理の実行により生じた各種情報を記憶する。
出力部15は、各種情報を出力する。出力部15は、例えばCRT(Cathode Ray Tube)ディスプレイや液晶ディスプレイ、有機EL(Electro-Luminescence)ディスプレイ等の表示装置を含んで構成される。出力部15は、これらの表示装置を信号解析装置1に接続するインタフェースとして構成されてもよい。出力部15は、例えば入力部12に入力された情報を出力する。出力部15は、例えば入力部12又は通信部13に入力された心電図を表示してもよい。出力部15は、例えば心筋活動情報パラメータ取得処理の実行結果を表示してもよい。
図9は、第1実施形態における制御部11の機能構成の一例を示す図である。制御部11は、心電図取得部110、フィッティング情報取得部120、解析部130及び記録部140を備える。
心電図取得部110は、入力部12又は通信部13に入力された対象心臓の心電図の波形から、1周期分の波形を取得して、解析部130に対して出力する。対象心臓の心電図の波形は、複数拍分(複数周期分)の波形が時系列に並んだ波形である。対象心臓に異常が生じている場合でも、心電図の波形に含まれる全ての拍の波形が特殊な波形となっているのではなく、心電図の波形に含まれるいずれかの少数の拍の波形のみが特徴的な波形となっていることが多い。心筋活動情報パラメータ取得処理では、この特徴的な波形を対象とするのがよい。そこで、心電図取得部110は、対象心臓の心電図の波形から、特徴的な波形である1周期分の波形を取得する。例えば、心電図取得部110は、類似性や特異性を判定する公知の技術を用いて、対象心臓の心電図の波形から特徴的な波形である1周期分の波形を取得すればよい。また例えば、心電図取得部110は、出力部15に心電図の波形を表示させて、医師などの利用者による1周期分の波形の指定を入力部12に受け付けさせて、入力部12が受け付けた指定に対応する1周期分の波形を心電図の波形から取得するようにしてもよい。
心電図取得部110は、1周期分の波形を、所定のサンプリング周波数でサンプリングしたディジタルの時系列データとして出力する。所定のサンプリング周波数とは、フィッティング情報取得部120における処理で用いる信号のサンプリング周波数であり、例えば250Hzである。入力された心電図の波形が所定のサンプリング周波数でサンプリングされたものである場合には、心電図取得部110は、入力された心電図の波形のディジタルの時系列データから、1周期分の波形のディジタルの時系列データを切り出して出力すればよい。入力された心電図の波形が所定のサンプリング周波数とは異なるンプリング周波数でサンプリングされたものである場合には、心電図取得部110は、入力された心電図の波形のディジタルの時系列データから、1周期分の波形のディジタルの時系列データを切り出して、所定のサンプリング周波数に変換してから出力すればよい。
心電図取得部110は、さらに、心電図の1周期分の波形に含まれるR波の時間区間とT波の時間区間を特定して、R波の時間区間を特定する情報と、T波の時間区間を特定する情報も取得して解析部130に対して出力する。例えば、心電図取得部110は、公知の技術によって、R波の始端とR波の終端とT波の始端とT波の終端を特定して、特定したR波の始端とR波の終端とT波の始端とT波の終端のそれぞれに対応するサンプル番号や波形の始端からの相対時刻などをR波の時間区間を特定する情報とT波の時間区間を特定する情報として取得すればよい。なお、本明細書におけるR波は、正確にはQRS波のことを指している。R波の始端(すなわちQRS波の始端)が波形のうちのどの点であるのかについては様々な解釈が存在するのは事実であるものの、心電図取得部110は、いずれかの公知技術によって特定したものをR波の始端とすればよい。
なお、対象心臓の心電図の波形において、時間の経過に応じて変化する特徴的な波形が現れる場合がある。そこで、心電図取得部110は、心筋活動情報パラメータ取得処理が行われる対象の波形として、複数周期分の波形を、対象心臓の心電図の波形から取得してもよい。すなわち、心電図取得部110は、予め定められた長期の時系列の波形(トレンドグラフ)を、対象心臓の心電図の波形から取得して、取得した波形に含まれる各周期の波形についての、波形と当該波形に含まれるR波の時間区間を特定する情報と当該波形に含まれるT波の時間区間を特定する情報とを解析部130に対して出力するようにしてもよい。
フィッティング情報取得部120は、分布形状指定情報を取得する。分布形状指定情報が記憶部14に記憶されている場合、フィッティング情報取得部120は、分布形状指定情報を記憶部14から読み出す。
解析部130は、フィッティング部131及び心筋活動情報パラメータ取得部132を備える。
フィッティング部131は、分布形状指定情報によって示される累積分布関数の候補を用いて、心電図取得部110が取得した心電図の1周期分の波形に含まれるR波とT波の少なくとも何れかの時間区間の波形である対象時間波形に対してフィッティングを行う。
心筋活動情報パラメータ取得部132は、フィッティング部131によるフィッティングの結果に基づき対象時間波形の特徴を表すパラメータを取得する。心筋活動情報パラメータ取得部132は、対象時間波形の特徴を表すパラメータとして、例えば、第1の単峰分布の累積分布関数である第1累積分布関数と、第2の単峰分布の累積分布関数である第2累積分布関数と、の差または重み付き差による時間波形である近似時間波形で対象時間波形を近似したときの、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータと、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータを取得する。心筋活動情報パラメータ取得部132が取得した対象時間波形の特徴を表すパラメータは、心筋活動パラメータの一例である。
このように解析部130は、対象心臓の心電図の1周期分の波形に含まれるR波とT波の少なくとも何れかの時間区間の波形である対象時間波形と分布候補情報とに基づき、心筋活動パラメータを取得する。
記憶部14は、制御部11が実行した処理によって生じた各種情報を記憶部14に記録する。
図10は、第1実施形態における信号解析装置1が実行する処理の流れの一例を示すフローチャートである。心電図取得部110が、入力部12又は通信部13を介して対象心臓の心電図の1周期分の波形とR波の時間区間を特定する情報とT波の時間区間を特定する情報を取得する(ステップS101)。次にフィッティング情報取得部120が、分布形状指定情報を取得する(ステップS102)。次にフィッティング部131が分布形状指定情報によって示される累積分布関数の候補を用いて、ステップS101で取得された心電図の1周期分の波形に含まれるR波とT波の少なくとも何れかの時間区間の波形である対象時間波形に対してフィッティングを行う(ステップS103)。次に、心筋活動情報パラメータ取得部132が、フィッティング結果に基づき、心筋活動パラメータを取得する(ステップS104)。取得された心筋活動パラメータが出力部15に出力される(ステップS105)。
ステップS105では、各対象時間波形に対するフィッティング結果のグラフを表示してもよい。また、ステップS102の処理は、ステップS103の処理の実行前に実行されればよく、ステップS101の実行前であってもよい。ステップS103及びステップS104の処理が解析部130の実行する処理の一例である。
図11は、第1実施形態における信号解析装置1の解析結果の一例を示す第1の図である。より具体的には、図11は、動作が正常である対象心臓の心電図の波形に対する信号解析装置1による解析結果の一例である。図11の横軸は時刻を表し、縦軸は電位を表す。縦軸の単位は、任意単位(arbitrary unit)である。
図11は、動作が正常である対象心臓の心電図の脱分極のR波に対して第1フィッティング及び第2フィッティングを行った結果と、動作が正常である対象心臓の心電図の再分極相のT波に対して第4フィッティング及び第3フィッティングを行った結果とを、時刻T3における第1フィッティング結果と時刻T4における第3フィッティング結果を同じ値となるように重みkaに代えてka/α1を用い、時刻T3における第2フィッティング結果と時刻T4における第4フィッティング結果を同じ値となるように重みkbに代えてkb/α2を用いて表示した一例を示す。以下では、重みを変更した第1フィッティング結果と第3フィッティング結果を直線を介して連結したものを心筋内層活動近似関数とよび、重みを変更した第2フィッティング結果と第4フィッティング結果を直線を介して連結したものを心筋外層活動近似関数とよぶ。
図11は、正常な心臓の脱分極において、心筋内層は心筋外層よりも早く活動(すなわち、イオンチャネルの活動)が開始し急速に進むこと、心筋内層のイオンチャネルの活動が開始するタイミングよりも僅かに遅れて心筋外層が活動を開始すること、心筋内層のイオンチャネルの活動が開始するタイミングと心筋外層が活動を開始するタイミングとの差分は陽性で鋭いR波となること、に対応している。すなわち、心筋内層活動近似関数のうちの第1フィッティング結果の部分心筋内層活動近似関数の平均値と標準偏差と、心筋外層活動近似関数のうちの第2フィッティング結果の部分の平均値と標準偏差は、正常な心臓の脱分極におけるイオンチャネルの活動のタイミングと活動の進み具合を表すパラメータである。
また、図11は、正常な心臓の再分極相において、心筋外層は心筋内層よりも早くイオンチャネルの活動の不活性化が開始すること、心筋内層の不活性化は心筋外層の不活性化に遅れて開始すること、心筋外層の不活性化と心筋内層の不活性化の両者は緩やかに進むこと、心筋内層の不活性化と心筋外層の不活性化の差分は陽性で緩やかなT波となること、に対応している。すなわち、心筋外層活動近似関数のうちの第4フィッティング結果の部分の平均値と標準偏差と、心筋内層活動近似関数のうちの第3フィッティング結果の部分の平均値と標準偏差は、正常な心臓の再分極相におけるイオンチャネルの活動不活性化のタイミングと不活性化の進み具合を表すパラメータである。以上のように、第1から4のフィッティングにより得られた心筋内層活動近似関数と心筋外層活動近似関数は、脱分極のイオンチャネルの集合的な活性化と、再分極相のイオンチャネルの集合的な不活性化のタイミングと進み具合に対応しており、各関数の各フィッティング結果の平均値と標準偏差は心筋の活動を表すパラメータである。
図11の心筋内層活動近似関数及び心筋外層活動近似関数の形状は、動作が正常である対象心臓の心筋に対して、カテーテル電極の挿入を行うことで直接測定した心筋の起電力の計測結果に略一致する。このことは、信号解析装置1によれば、カテーテル電極を挿入することなく、心電図だけから心筋の活動を表す情報を取得可能であることを示す。
図12は、第1実施形態における信号解析装置1の解析結果の一例を示す第2の図である。より具体的には、図12は、動作が正常である対象心臓の心電図の波形に対する信号解析装置1による解析結果の一例である。
図12は、グラフG5、グラフG6及び結果G7の3つの結果を示す。図12において、“内層側累積分布関数”は心筋内層に存在するイオンチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図12において、“外層側累積分布関数”は心筋外層に存在するイオンチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図12において、“体表面の電位”は、体表面の電位の時間変化を表す関数であって、心電図の波形である。図12の横軸は時刻を表し、縦軸は電位を表す。横軸と縦軸との単位はいずれも任意単位(arbitrary unit)である。なお、図12~図14の各横軸の1目盛の間隔が表す時間の長さは同じである。また、図12~図14の縦軸はいずれも、1が累積ガウス分布の最大値を表す。
グラフG5は、1回の拍動で生じる心電図の波形の全てを表す。グラフG6は、グラフG5の一部であってT波の領域の拡大図を示す。T波の領域は図12において領域A1と示されている領域である。結果G7は、内層側累積分布関数の累積元であるガウス分布と外層側累積分布関数の累積元であるガウス分布の2つのガウス分布の統計量を示す。結果G7の各値は2つのガウス分布の統計量、を表す。2つのガウス分布の統計量とは、具体的には、内層側累積分布関数と外層側累積分布関数の累積元であるガウス分布の平均値及び標準偏差である。
図13は、第1実施形態における信号解析装置1の解析結果の一例を示す第3の図である。より具体的には、図13は、動作がT延長3型である対象心臓の心電図の波形に対する信号解析装置1による解析結果の一例である。
図13は、グラフG8、グラフG9及び結果G10の3つの結果を示す。図13において、“内層側累積分布関数”は心筋内層に存在するチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図13において、“外層側累積分布関数”は心筋外層に存在するチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図13において、“体表面の電位”は、体表面の電位の時間変化を表す関数であって、心電図の波形である。図13の横軸は時刻を表し、縦軸は電位を表す。横軸と縦軸との単位はいずれも任意単位(arbitrary unit)である。
グラフG8は、1回の拍動で生じる心電図の波形の全てを表す。グラフG9は、グラフG8の一部であってT波の領域の拡大図を示す。T波の領域は図13において領域A2と示されている領域である。結果G10は、内層側累積分布関数の累積元であるガウス分布と外層側累積分布関数の累積元であるガウス分布の2つのガウス分布の統計量を示す。結果G10の各値は2つのガウス分布の統計量すなわち内層側累積分布関数と外層側累積分布関数の累積元であるガウス分布の平均値及び標準偏差を表す。
図13の内層側累積分布関数及び外層側累積分布関数の形状は、カテーテル電極の挿入を行うことで動作がT延長3型である対象心臓の心筋外層の拍動によって生じた起電力の変化を直接測定した結果に略一致する。このことは、信号解析装置1によれば、カテーテル電極を挿入することなく、心電図だけから心筋の活動を表す情報を取得可能であることを示す。
図14は、第1実施形態における信号解析装置1の解析結果の一例を示す第4の図である。より具体的には、図14は、動作がQT延長1型である対象心臓の心電図の波形に対する信号解析装置1による解析結果の一例である。
図14は、グラフG11、グラフG12及び結果G13の3つの結果を示す。図14において、“内層側累積分布関数”は心筋内層に存在するチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図14において、“外層側累積分布関数”は心筋外層に存在するチャネルの集合的なチャネル活動タイミング分布を表す関数のフィッティング結果を示す。図14において、“体表面の電位”は、体表面の電位の時間変化を表す関数であって、心電図の波形である。図14の横軸は時刻を表し、縦軸は電位を表す。横軸と縦軸との単位はいずれも任意単位(arbitrary unit)である。
グラフG11は、1回の拍動で生じる心電図の波形の全てを表す。グラフG12は、グラフG11の一部であってT波の領域の拡大図を示す。T波の領域は図13において領域A3と示されている領域である。結果G13は、内層側累積分布関数の累積元であるガウス分布と外層側累積分布関数の累積元であるガウス分布の2つのガウス分布の統計量を示す。結果G13の各値は2つのガウス分布の統計量を表す。2つのガウス分布の統計量とは、具体的には、内層側累積分布関数と外層側累積分布関数の累積元であるガウス分布の平均値及び標準偏差である。
図14の内層側累積分布関数及び外層側累積分布関数の形状は、カテーテル電極の挿入を行うことで動作がQT延長3型である対象心臓の心筋外層の拍動によって生じた起電力の変化を直接測定した結果に略一致する。このことは、信号解析装置1によれば、カテーテル電極を挿入することなく、心電図だけから心筋の活動を表す情報を取得可能であることを示す。
なお、図14は、突然死と関連するチャネル電流特性の信号解析装置1による推定結果の一例でもある。
図15~図17を用いて、心室性期外収縮の心電図に対しても信号解析装置1によって、心電図だけから心筋の活動を表す情報を取得可能であることを説明する。図15~図17の横軸は時刻(秒)を表し、縦軸は電位(mV)を表す。
図15は、第1実施形態の信号解析装置1によって心室性期外収縮の心電図を解析した一例を説明するための第1の説明図である。図16は、第1実施形態の信号解析装置1によって心室性期外収縮の心電図を解析した一例の第2の説明図である。図17は、第1実施形態の信号解析装置1によって心室性期外収縮の心電図を解析した一例の第3の説明図である。
より具体的には図15は、体表面の心電位を示す。すなわち図15は、心電図に記録された正常な一回の心拍と2連発の心室性期外収縮を示す。より具体的には図16は、信号解析装置1によって解析した心室性期外収縮の脱分極の内層側累積分布関数と再分極相の内層側累積分布関数を含む心筋内層活動近似関数と、信号解析装置1によって解析した心室性期外収縮の脱分極の外層側累積分布関数と再分極相の外層側累積分布関数を含む心筋外層活動近似関数と、を示す。より具体的には図17は、実際に計測された心電図の心室性期外収縮の波形の一例を示す。
図16は、脱分極の内層側累積分布関数は外層側累積分布関数に先行し、両者の標準偏差は正常な心拍よりも大きく興奮の広がりが緩やかであることを示す。この分析結果は裾の広いR波の波形の特徴と一致する。
図16は、再分極相においては内層側累積分布関数が外層側累積分布関数よりも早く不活性化が開始していることに対応しており、再分極相における2つの累積分布関数の平均の値の大小関係として内層側と外層側の不活性化の順が示されている。図16の内層側累積分布関数から外層側累積分布関数を減算した関数は再分極相の大きな陰性のT波の特徴と一致し、図17に示すように、内層側累積分布関数から外層側累積分布関数を減算して得た波形は実際に計測された心電図の心室性期外収縮の波形と略一致する。
なお図15~図17の結果は、心筋の興奮の変更伝導、早期再分極もしくは再分極の遅延により、巨大波や陰性電位の生じる例に対して、信号解析装置1による解析が対応することを示している。なお、図15~図17において、脱分極相の内層側累積分布関数の平均μは-1であり、標準偏差σは0.32である。また、図15~図17において、脱分極の外層側累積分布関数の平均μは-0.8であり、標準偏差σは0.21である。また、図15~図17において、再分極相の内層側累積分布関数の平均μは1であり、標準偏差σは1である。また、図15~図17において、再分極相の外層側累積分布関数の平均μは2.99であり、標準偏差σは0.7である。
図18~図20を用いて、ブルガダ症候群1型の脱分極期の対象心臓の心電図に対しても信号解析装置1によって、心電図だけから心筋の活動を表す情報を取得可能であることを説明する。図18~図20の縦軸はミリボルト単位の電位を表す。
図18は、第1実施形態における信号解析装置1によってブルガダ症候群1型の脱分極期における対象心臓の心電図を解析した一例を説明するための第1の説明図である。図19は、第1実施形態における信号解析装置1によってブルガダ症候群1型の脱分極期における対象心臓の心電図を解析した一例の第2の説明図である。図20は、第1実施形態における信号解析装置1によってブルガダ症候群1型の脱分極期における対象心臓の心電図を解析した一例の第3の説明図である。
より具体的には図18は、ブルガダ症候群の胸部第2誘導の心電図を示す。図18において、内枠W1は脱分極相、内枠W2が再分極相の区分を示す。このことは図19についても同様である。すなわち、図19においても内枠W1は脱分極相を表し、内枠W2が再分極相を表す。
より具体的には、図19は信号解析装置1によって分析した、脱分極と、再分極相における、内層側累積分布関数と外層側累積分布関数とを示す。図19に示す例においては、内層側累積分布関数の再分極相は脱分極相に続いて開始しており、早期再分極の特徴を示している。一方、図19の例において外層側累積分布関数の電位振幅については脱分極相と再分極相とに差が認められる。また図19は、外層側累積分布関数の脱分極相と再分極相とのギャップと異方性とを示している。このように、信号解析装置1は、ブルガダ症候群の対象心臓の心電図が示す波形の特徴である早期再分極や、脱分極と再分極との異方性を、内層側累積分布関数と外層側累積分布関数の脱分極相と再分極相の平均と標準偏差、外層側累積分布関数に与える重みの内層側累積分布関数に与える重みに対する比(内外層比)によって表すことができる。
図20は解析の結果と実測値との比較である。より具体的には図20は、図19の脱分極相と再分極相とにおける、内層側累積分布関数と外層側累積分布関数との差を示す。また図20は心電図の実測値も示す。最後尾を除き、解析結果と実測値はほぼ一致している。最後尾とは、遅い時間の電位を意味する。
なお、図18~図20において、脱分極相の内層側累積分布関数の平均μは15であり、標準偏差σは0.15である。また、図18~図20において、脱分極相の外層側累積分布関数の平均μは14であり、標準偏差σは0.25である。また、図18~図20において、脱分極相の内外層比は0.45である。また、図18~図20において、再分極相の内層側累積分布関数の平均μは25であり、標準偏差σは0.25である。また、図18~図20において、再分極相の外層側累積分布関数の平均μは20であり、標準偏差σは0.5である。
図21から図59は、公開されている心電図データのライブラリ<https://physionet.org/about/database/>を用いて、信号解析装置1による分析を行った結果を示す。図21から図59は、心電位に対する、信号解析装置1による解析の実行の結果得られた、内層側累積分布関数と外層側累積分布関数と、フィッティングの結果を示す。
図21から図59はそれぞれ、第1実施形態における信号解析装置1によって心電図を解析した一例を示す図である。各図に記載の被決定点は図の左から順にそれぞれ、心電位のQ点、R点、S点、T開始点、T終了点を表す。被決定点は、変曲点検知及びピーク検出アルゴリズムによって決定された。図21~図59の各図は、脱分極相(QRS波)の区間と再分極相(T波)の区間とに対して得られた、各区間における内層側累積分布関数と外層側累積分布関数とを示す。図21~図59は、様々なQRS波とT波に対して、信号解析装置1は、内層側累積分布関数と外層側累積分布関数の平均と標準偏差の調節により、略同一の形状を示し得ることを示す。図21~図59の下の図は、心電図の原波形とフィッティングの結果を表す。なお、図21~図59の各結果は300Hzのサンプリングの結果である。そのため、図21~図59の各図の横軸は原点が0秒を表し、値1が3.33ミリ秒を表す。
このように構成された信号解析装置1は、対象心臓の心周期を示す1周期分の波形に含まれるR波とT波の何れかの時間区間の波形を対象時間波形として、第1の単峰分布の累積分布関数である第1累積分布関数と、第2の単峰分布の累積分布関数である第2累積分布関数と、の差または重み付き差による時間波形である近似時間波形で対象時間波形を近似したときの、第1の単峰分布を特定するパラメータまたは第1累積分布関数を特定するパラメータと、第2の単峰分布を特定するパラメータまたは第2累積分布関数を特定するパラメータと、を対象時間波形の特徴を表すパラメータとして取得する。第1累積分布関数は対象心臓の心筋内層の活動を示す情報であり、第2累積分布関数は対象心臓の心筋外層の活動を示す情報である。したがって、第1累積分布関数の形状を表すパラメータは対象心臓の心筋内層の活動を示すパラメータ(心筋内層パラメータ)であり、第2累積分布関数の形状を表すパラメータは対象心臓の心筋外層の活動を示すパラメータ(心筋外層パラメータ)である。これらのパラメータのような対象心臓の心筋内層の活動の特徴を端的に示す情報と対象心臓の心筋外層の活動の特徴を端的に示す情報は、心電図の波形の従来の解析によっては得られない。そのため、信号解析装置1によれば、心電図の波形から心臓の状態を把握するために有用な情報を得ることができる。
〔一部のパラメータのみの取得〕
対象心臓の心筋内層の活動の特徴のみを把握したい場合には、心筋内層パラメータのみが信号解析装置1によって取得されるようにしてもよいし、対象心臓の心筋外層の活動の特徴のみを把握したい場合には、心筋外層パラメータのみが信号解析装置1によって取得されるようにしてもよい。また、累積分布関数の形状を表すパラメータの一部のパラメータのみが心筋内層パラメータや心筋外層パラメータとして信号解析装置1によって取得されるようにしてもよい。
対象心臓の心筋内層の活動の特徴のみを把握したい場合には、心筋内層パラメータのみが信号解析装置1によって取得されるようにしてもよいし、対象心臓の心筋外層の活動の特徴のみを把握したい場合には、心筋外層パラメータのみが信号解析装置1によって取得されるようにしてもよい。また、累積分布関数の形状を表すパラメータの一部のパラメータのみが心筋内層パラメータや心筋外層パラメータとして信号解析装置1によって取得されるようにしてもよい。
例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓のR波の時間区間の波形である第1対象時間波形を、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差に水準値を加算したものによる時間波形である第1近似時間波形で、近似したときの、第1の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第1累積分布関数を特定するパラメータの少なくとも一部のパラメータ、第2の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第2累積分布関数を特定するパラメータの少なくとも一部のパラメータ、の少なくとも何れかを対象心臓の心筋の活動を示すパラメータである心筋活動パラメータとして取得する。
例えば、第1の単峰分布と第2の単峰分布が共にガウス分布である場合であれば、心筋活動情報パラメータ取得部132は、第1の単峰分布の平均値、第1の単峰分布の標準偏差もしくは分散、第2の単峰分布の平均値、第2の単峰分布の標準偏差もしくは分散、の少なくとも何れかを心筋活動パラメータとして取得すればよい。なお、ガウス分布の平均値は、単峰分布において頻度の値が最大値となる時刻であり、単峰分布の累積分布関数の傾きが最大となる時刻である。したがって、例えば、心筋活動情報パラメータ取得部132は、第1の単峰分布と第2の単峰分布がガウス分布である否かにかかわらず、第1の単峰分布の最大値に対応する時刻、第1累積分布関数の最大傾きに対応する時刻、第2の単峰分布の最大値に対応する時刻、第2累積分布関数の最大傾きに対応する時刻、の少なくとも何れかを心筋活動パラメータとして取得すればよい。
例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓のT波の時間区間の波形である第2対象時間波形の時間軸を逆転させた波形である第2対象逆時間波形を、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差に水準値を加算したものによる波形である第2近似逆時間波形で、近似したときの、第3の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第3累積分布関数を特定するパラメータの少なくとも一部のパラメータ、第4の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第4累積分布関数を特定するパラメータの少なくとも一部のパラメータ、の少なくとも何れかを対象心臓の心筋の活動を示すパラメータである心筋活動パラメータとして取得する。
例えば、第3の単峰分布と第4の単峰分布が共にガウス分布である場合であれば、心筋活動情報パラメータ取得部132は、第3の単峰分布の平均値、第3の単峰分布の標準偏差もしくは分散、第4の単峰分布の平均値、第4の単峰分布の標準偏差もしくは分散、の少なくとも何れかを心筋活動パラメータとして取得すればよい。また例えば、心筋活動情報パラメータ取得部132は、第3の単峰分布と第4の単峰分布がガウス分布である否かにかかわらず、第3の単峰分布の分布の最大値に対応する時刻、第3累積分布関数の最大傾きに対応する時刻、第4の単峰分布の最大値に対応する時刻、第4累積分布関数の最大傾きに対応する時刻、の少なくとも何れかを心筋活動パラメータとして取得すればよい。なお、心筋活動情報パラメータ取得部132は、心筋活動パラメータとして時刻を取得する場合には、時間軸を逆転させた波形に対する近似を行う場合であっても、時刻を逆方向に表す情報(上述した例のx'の値)ではなく、時刻(上述した例のxの値)を取得する。
例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、第3の単峰分布の累積分布関数を第3累積分布関数とし、第4の単峰分布の累積分布関数を第4累積分布関数とし、第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、第4累積分布関数を1から減算した関数を第4逆累積分布関数として、対象心臓のT波の時間区間の波形である第2対象時間波形を、第3逆累積分布関数と第4逆累積分布関数との差もしくは重み付き差による波形である第2近似時間波形で、または、第3逆累積分布関数と第4逆累積分布関数との差もしくは重み付き差に水準値を加算したものによる波形である第2近似時間波形で、近似したときの、第3の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第3累積分布関数を特定するパラメータの少なくとも一部のパラメータ、第4の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第4累積分布関数を特定するパラメータの少なくとも一部のパラメータ、の少なくとも何れかを対象心臓の心筋の活動を示すパラメータである心筋活動パラメータとして取得する。
例えば、第3の単峰分布と第4の単峰分布が共にガウス分布である場合であれば、心筋活動情報パラメータ取得部132は、第3の単峰分布の平均値、第3の単峰分布の標準偏差もしくは分散、第4の単峰分布の平均値、第4の単峰分布の標準偏差もしくは分散、の少なくとも何れかを心筋活動パラメータとして取得すればよい。また例えば、心筋活動情報パラメータ取得部132は、第3の単峰分布と第4の単峰分布がガウス分布であるか否かにかかわらず、第3の単峰分布の最大値に対応する時刻、第3累積分布関数の最大傾きに対応する時刻、第4の単峰分布の最大値に対応する時刻、第4累積分布関数の最大傾きに対応する時刻、の少なくとも何れかを心筋活動パラメータとして取得すればよい。
同様に、例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132が更に、第1対象時間波形と第1近似時間波形との差の時間波形である残差時間波形、または、第2対象時間波形と第2近似時間波形との差の時間波形である残差時間波形、または、第2対象時間波形と、第2近似逆時間波形の時間軸を反転させた波形である第2近似時間波形と、の差の時間波形である残差時間波形、を、第5の単峰分布の累積分布関数である第5累積分布関数もしくは第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で近似する場合には、第5の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第5累積分布関数を特定するパラメータの少なくとも一部のパラメータ、の少なくとも何れかも、対象心臓の心筋の活動を示すパラメータである心筋活動パラメータとして取得する。
例えば、第5の単峰分布がガウス分布である場合であれば、心筋活動情報パラメータ取得部132は、第5の単峰分布の平均値、第5の単峰分布の標準偏差もしくは分散、の少なくとも何れかを心筋活動パラメータとして取得すればよい。また例えば、心筋活動情報パラメータ取得部132は、第5の単峰分布がガウス分布であるか否かにかかわらず、第5の単峰分布の最大値に対応する時刻、第5累積分布関数の最大傾きに対応する時刻、の何れかを心筋活動パラメータとして取得すればよい。
また例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132が更に、残差時間波形を第5の単峰分布の累積分布関数である第5累積分布関数と第6の単峰分布の累積分布関数である第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で近似する場合には、第5の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第5累積分布関数を特定するパラメータの少なくとも一部のパラメータ、第6の単峰分布を特定するパラメータの少なくとも一部のパラメータ、第6累積分布関数を特定するパラメータの少なくとも一部のパラメータ、の少なくとも何れかを対象心臓の心筋の活動を示すパラメータである心筋活動パラメータとして取得する。
例えば、第5の単峰分布と第6の単峰分布が共にガウス分布である場合であれば、心筋活動情報パラメータ取得部132は、第5の単峰分布の平均値、第5の単峰分布の標準偏差もしくは分散、第6の単峰分布の平均値、第6の単峰分布の標準偏差もしくは分散、の少なくとも何れかを心筋活動パラメータとして取得すればよい。また例えば、心筋活動情報パラメータ取得部132は、第5の単峰分布と第6の単峰分布がガウス分布であるか否かにかかわらず、第5の単峰分布の最大値に対応する時刻、第5累積分布関数の最大傾きに対応する時刻、第6の単峰分布の最大値に対応する時刻、第6累積分布関数の最大傾きに対応する時刻、の少なくとも何れかを心筋活動パラメータとして取得すればよい。
〔フィッティングによって得られたパラメータ同士の演算による心筋活動パラメータの取得〕
対象心臓の心筋の活動の特徴は、上述したフィッティングにより得られたパラメータに表れるだけではなく、フィッティングにより得られたパラメータ同士の演算により得られる値に端的に表れることがある。したがって、フィッティングにより得られたパラメータ同士の演算により得られる値が心筋活動パラメータとして信号解析装置1によって取得されるようにしてもよい。フィッティングにより得られたパラメータとは、単峰分布を特定するパラメータもしくは累積分布関数を特定するパラメータ、重み、水準値、のうちの少なくとも何れかのことである。単峰分布を特定するパラメータもしくは累積分布関数を特定するパラメータとは、単峰分布がガウス分布である場合には、平均と標準偏差(もしくは分散)の少なくとも何れかである。単峰分布がガウス分布であるか否かにかかわらず、単峰分布の最大値に対応する時刻は単峰分布を特定するパラメータの一例であり、単峰分布の累積分布関数の最大傾きに対応する時刻は累積分布関数を特定するパラメータの一例である。
対象心臓の心筋の活動の特徴は、上述したフィッティングにより得られたパラメータに表れるだけではなく、フィッティングにより得られたパラメータ同士の演算により得られる値に端的に表れることがある。したがって、フィッティングにより得られたパラメータ同士の演算により得られる値が心筋活動パラメータとして信号解析装置1によって取得されるようにしてもよい。フィッティングにより得られたパラメータとは、単峰分布を特定するパラメータもしくは累積分布関数を特定するパラメータ、重み、水準値、のうちの少なくとも何れかのことである。単峰分布を特定するパラメータもしくは累積分布関数を特定するパラメータとは、単峰分布がガウス分布である場合には、平均と標準偏差(もしくは分散)の少なくとも何れかである。単峰分布がガウス分布であるか否かにかかわらず、単峰分布の最大値に対応する時刻は単峰分布を特定するパラメータの一例であり、単峰分布の累積分布関数の最大傾きに対応する時刻は累積分布関数を特定するパラメータの一例である。
例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形についての上述したフィッティングによって得られた心筋活動パラメータ(すなわち、R波の時間区間における対象心臓の心筋の活動を示すパラメータ)と、当該1周期分の波形に含まれるT波の時間区間の波形についての上述したフィッティングによって得られた心筋活動パラメータ(すなわち、T波の時間区間における対象心臓の心筋の活動を示すパラメータ)との演算によって、対象心臓の心筋の活動を示すパラメータ(前述した各パラメータとは異なるパラメータ)を取得してもよい。
また例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形についての上述したフィッティングによって得られた対象心臓の心筋の内層の活動を示すパラメータと、当該フィッティングによって得られた対象心臓の心筋の外層の活動を示すパラメータと、の演算によって、対象心臓の心筋の活動を示すパラメータ(前述した各パラメータとは異なるパラメータ)を取得してもよい。
また例えば、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるT波の時間区間の波形についての上述したフィッティングによって得られた対象心臓の心筋の内層の活動を示すパラメータと、当該フィッティングによって得られた対象心臓の心筋の外層の活動を示すパラメータと、の演算によって、対象心臓の心筋の活動を示すパラメータ(前述した各パラメータとは異なるパラメータ)を取得してもよい。
以下、第1から第4の単峰分布がすべてガウス分布である場合に、フィッティングにより得られた平均同士の演算により得られる値を心筋活動パラメータとする例を説明する。第1から第4の単峰分布がガウス分布でない場合には、下記の例における「平均」を、「単峰分布において値が最大となる時刻」すなわち「単峰分布の最大値に対応する時刻」、「累積分布関数において傾きが最大となる時刻」すなわち「累積分布関数の最大傾きに対応する時刻」、などと読み替えて実施すればよい。
(1)脱分極から再分極に切り替わるまでの時間を表すパラメータ
心筋の内層もしくは外層の脱分極から心筋の内層もしくは外層の再分極に切り替わるまでの時間が極端に短い場合や極端に長い場合に、不整脈により突然死に至る可能性があることが知られている。すなわち心筋の脱分極から再分極に切り替わる時間の短縮もしくは延長は、心筋に何らかの病的な状態が発生している可能性を示している場合がある。したがって、信号解析装置1は、心筋の内層もしくは外層の脱分極から心筋の内層もしくは外層の再分極に切り替わるまでの時間を心筋活動パラメータとして取得するとよく、具体的には、以下の(1A)から(1D)の4つのパラメータの少なくとも何れかを心筋活動パラメータとして取得するとよい。
心筋の内層もしくは外層の脱分極から心筋の内層もしくは外層の再分極に切り替わるまでの時間が極端に短い場合や極端に長い場合に、不整脈により突然死に至る可能性があることが知られている。すなわち心筋の脱分極から再分極に切り替わる時間の短縮もしくは延長は、心筋に何らかの病的な状態が発生している可能性を示している場合がある。したがって、信号解析装置1は、心筋の内層もしくは外層の脱分極から心筋の内層もしくは外層の再分極に切り替わるまでの時間を心筋活動パラメータとして取得するとよく、具体的には、以下の(1A)から(1D)の4つのパラメータの少なくとも何れかを心筋活動パラメータとして取得するとよい。
(1A)心筋の内層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータ
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第3の単峰分布の平均がμcであるとすると、心筋活動情報パラメータ取得部132は|μa-μc|を心筋活動パラメータとして取得してもよい。なお、μcのほうがμaよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμc-μaを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の内層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータである。
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第3の単峰分布の平均がμcであるとすると、心筋活動情報パラメータ取得部132は|μa-μc|を心筋活動パラメータとして取得してもよい。なお、μcのほうがμaよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμc-μaを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の内層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータである。
(1B)心筋の外層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータ
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第2の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第4の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第2の単峰分布の平均がμbであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132は|μb-μd|を心筋活動パラメータとして取得してもよい。なお、μdのほうがμbよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμd-μbを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の外層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータである。
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第2の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第4の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第2の単峰分布の平均がμbであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132は|μb-μd|を心筋活動パラメータとして取得してもよい。なお、μdのほうがμbよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμd-μbを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の外層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータである。
(1C)心筋の外層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータ
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第2の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第2の単峰分布の平均がμbであり、第3の単峰分布の平均がμcであるとすると、心筋活動情報パラメータ取得部132は|μb-μc|を心筋活動パラメータとして取得してもよい。なお、μcのほうがμbよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμc-μbを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の外層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータである。
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第2の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第2の単峰分布の平均がμbであり、第3の単峰分布の平均がμcであるとすると、心筋活動情報パラメータ取得部132は|μb-μc|を心筋活動パラメータとして取得してもよい。なお、μcのほうがμbよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμc-μbを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の外層の脱分極から心筋の内層の再分極に切り替わるまでの時間を表すパラメータである。
(1D)心筋の内層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータ
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第4の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132は|μa-μd|を心筋活動パラメータとして取得してもよい。なお、μdのほうがμaよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμd-μaを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の内層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータである。
信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と、当該1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第4の単峰分布の平均と、の差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132は|μa-μd|を心筋活動パラメータとして取得してもよい。なお、μdのほうがμaよりも時間的に後であることからすると、心筋活動情報パラメータ取得部132はμd-μaを心筋活動パラメータとして取得してもよい。この心筋活動パラメータは、心筋の内層の脱分極から心筋の外層の再分極に切り替わるまでの時間を表すパラメータである。
(2)脱分極における内層の活動と外層の活動の時間差と順序を表すパラメータ
脱分極における内層の活動と外層の活動の時間差が正常よりも長い場合は心筋の興奮の伝導に遅延やブロックなどの障害が発生しているか、興奮の始まる場所や興奮の伝わる順番が正常のパタンと異なっている可能性があり、特に心筋の刺激伝導系の障害や心筋の虚血状態、期外収縮の存在を示唆している。したがって、信号解析装置1は、脱分極における内層の活動と外層の活動の時間差と順序を表すパラメータを心筋活動パラメータとして取得するとよい。具体的には、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と第2の単峰分布の平均との差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第2の単峰分布の平均がμbであるとすると、心筋活動情報パラメータ取得部132はμa-μbもしくはμb-μaを心筋活動パラメータとして取得してもよい。
脱分極における内層の活動と外層の活動の時間差が正常よりも長い場合は心筋の興奮の伝導に遅延やブロックなどの障害が発生しているか、興奮の始まる場所や興奮の伝わる順番が正常のパタンと異なっている可能性があり、特に心筋の刺激伝導系の障害や心筋の虚血状態、期外収縮の存在を示唆している。したがって、信号解析装置1は、脱分極における内層の活動と外層の活動の時間差と順序を表すパラメータを心筋活動パラメータとして取得するとよい。具体的には、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形である第1対象時間波形についての上述したフィッティングによって得られた第1の単峰分布の平均と第2の単峰分布の平均との差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第1の単峰分布の平均がμaであり、第2の単峰分布の平均がμbであるとすると、心筋活動情報パラメータ取得部132はμa-μbもしくはμb-μaを心筋活動パラメータとして取得してもよい。
(3)再分極における内層の活動と外層の活動の時間差と順序を表すパラメータ
再分極における内層の活動と外層の活動の時間差が延長または短縮する場合に、心筋に何らかの異常が発生している可能性がある。したがって、信号解析装置1は、再分極における内層の活動と外層の活動の時間差と順序を表すパラメータを心筋活動パラメータとして取得するとよい。具体的には、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と第4の単峰分布の平均との差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第3の単峰分布の平均がμcであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132はμc-μdもしくはμd-μcを心筋活動パラメータとして取得してもよい。
再分極における内層の活動と外層の活動の時間差が延長または短縮する場合に、心筋に何らかの異常が発生している可能性がある。したがって、信号解析装置1は、再分極における内層の活動と外層の活動の時間差と順序を表すパラメータを心筋活動パラメータとして取得するとよい。具体的には、信号解析装置1の解析部130の心筋活動情報パラメータ取得部132は、対象心臓の心周期を示す1周期分の波形に含まれるT波の時間区間の波形である第2対象時間波形についての上述したフィッティングによって得られた第3の単峰分布の平均と第4の単峰分布の平均との差を心筋活動パラメータとして取得してもよい。例えば、上述した例のように第3の単峰分布の平均がμcであり、第4の単峰分布の平均がμdであるとすると、心筋活動情報パラメータ取得部132はμc-μdもしくはμd-μcを心筋活動パラメータとして取得してもよい。
(心筋活動パラメータの補正)
なお、心筋活動情報パラメータ取得部132が取得した上述した心筋活動パラメータのうちの時間方向の幅に関する心筋活動パラメータには、心臓の活動を表す従来のパラメータのうちの時間方向の幅に関するパラメータ(例えばQT間隔)と同様に、心拍数による変動の影響や年齢や性別などの個人差の影響が認められるという特徴がある。時間方向の幅に関する従来のパラメータについては、心拍数による変動の影響や個人差の影響を低減するための補正をして、補正後の値を心臓の活動を評価するためのパラメータとして用いることが知られている。そこで、心筋活動情報パラメータ取得部132が取得した心筋活動パラメータについても、心拍数による変動の影響や個人差の影響を低減するための補正をして、補正後の値を心筋の活動を評価するためのパラメータとしてもよい。例えば、心拍数による変動に対しては、上述したフィッティングにより取得した心筋活動パラメータに対して、隣接するR棘とR棘の時間間隔(以下「RR間隔」という。)を基に線形もしくは非線形の演算により補正して、補正後の値を心筋活動パラメータとして用いてもよい。また、個人差に対しては、上述したフィッティングにより取得した心筋活動パラメータに対して、各個人の心電図データからRR間隔と上述した心筋活動パラメータの関係を求めて補正を行って、補正後の値を心筋活動パラメータとしてもよい。この補正は、信号解析装置1がフィッティングにより取得した心筋活動パラメータを出力した後に別装置が行うようにしてもよいし、信号解析装置1が行うようにしてもよい。信号解析装置1が心筋活動パラメータの補正を行う場合には、例えば、心筋活動情報パラメータ取得部132が、上述したフィッティングにより取得した心筋活動パラメータに対して補正を行って、補正後の値を心筋活動パラメータとして出力するようにすればよい。なお、信号解析装置1内で補正が行われる場合には、上述したフィッティングにより取得した心筋活動パラメータは、結果的には装置内で取得される中間的なパラメータとなっているが、装置外に出力される場合と同様に心筋の活動を表すパラメータであることに変わりはない。
なお、心筋活動情報パラメータ取得部132が取得した上述した心筋活動パラメータのうちの時間方向の幅に関する心筋活動パラメータには、心臓の活動を表す従来のパラメータのうちの時間方向の幅に関するパラメータ(例えばQT間隔)と同様に、心拍数による変動の影響や年齢や性別などの個人差の影響が認められるという特徴がある。時間方向の幅に関する従来のパラメータについては、心拍数による変動の影響や個人差の影響を低減するための補正をして、補正後の値を心臓の活動を評価するためのパラメータとして用いることが知られている。そこで、心筋活動情報パラメータ取得部132が取得した心筋活動パラメータについても、心拍数による変動の影響や個人差の影響を低減するための補正をして、補正後の値を心筋の活動を評価するためのパラメータとしてもよい。例えば、心拍数による変動に対しては、上述したフィッティングにより取得した心筋活動パラメータに対して、隣接するR棘とR棘の時間間隔(以下「RR間隔」という。)を基に線形もしくは非線形の演算により補正して、補正後の値を心筋活動パラメータとして用いてもよい。また、個人差に対しては、上述したフィッティングにより取得した心筋活動パラメータに対して、各個人の心電図データからRR間隔と上述した心筋活動パラメータの関係を求めて補正を行って、補正後の値を心筋活動パラメータとしてもよい。この補正は、信号解析装置1がフィッティングにより取得した心筋活動パラメータを出力した後に別装置が行うようにしてもよいし、信号解析装置1が行うようにしてもよい。信号解析装置1が心筋活動パラメータの補正を行う場合には、例えば、心筋活動情報パラメータ取得部132が、上述したフィッティングにより取得した心筋活動パラメータに対して補正を行って、補正後の値を心筋活動パラメータとして出力するようにすればよい。なお、信号解析装置1内で補正が行われる場合には、上述したフィッティングにより取得した心筋活動パラメータは、結果的には装置内で取得される中間的なパラメータとなっているが、装置外に出力される場合と同様に心筋の活動を表すパラメータであることに変わりはない。
(変形例)
なお、心電図は、心起電力ベクトルに近い誘導の心電図が好ましい。心起電力ベクトルに近い誘導の心電図は、例えばII誘導や、V4誘導や、V5誘導などの心電位の立体的な情報を取得可能な心電図が好ましい。心電図が多チャネルであるほど情報量が増えるので、心電図はチャネル数が多いほど望ましい。すなわち、多チャネルの心電図の各チャネルの波形を対象として信号解析装置1に解析を行って、各チャネルについての解析結果である心筋活動パラメータを得るようにしてもよい。
なお、心電図は、心起電力ベクトルに近い誘導の心電図が好ましい。心起電力ベクトルに近い誘導の心電図は、例えばII誘導や、V4誘導や、V5誘導などの心電位の立体的な情報を取得可能な心電図が好ましい。心電図が多チャネルであるほど情報量が増えるので、心電図はチャネル数が多いほど望ましい。すなわち、多チャネルの心電図の各チャネルの波形を対象として信号解析装置1に解析を行って、各チャネルについての解析結果である心筋活動パラメータを得るようにしてもよい。
なお、信号解析装置1は、ネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。この場合、信号解析装置1が備える各機能部は、複数の情報処理装置に分散して実装されてもよい。
なお、心電図取得部110は生体情報取得部の一例である。
<第2実施形態>
第1実施形態は心臓の拍動に関する時系列の生体情報から心筋活動パラメータを心臓の状態を把握するために有用な情報として得るものであったが、心臓の拍動に関する時系列の生体情報から、心臓が正常であるか否か、心臓が正常でない場合にどのような病に相当するのか、を心臓の状態を把握するために有用な情報として得るようにしてもよく、この形態を第2実施形態として説明する。
第1実施形態は心臓の拍動に関する時系列の生体情報から心筋活動パラメータを心臓の状態を把握するために有用な情報として得るものであったが、心臓の拍動に関する時系列の生体情報から、心臓が正常であるか否か、心臓が正常でない場合にどのような病に相当するのか、を心臓の状態を把握するために有用な情報として得るようにしてもよく、この形態を第2実施形態として説明する。
背景技術欄でも説明した通り、心電図の波形が似たような波形であっても心臓に関わる病の発症の仕方が異なる場合がある。すなわち、心臓の拍動に関する時系列の生体情報を入力として、心臓が正常であるか否か、心臓が正常でない場合にどのような病に相当するのか、などの推定結果を得る推定モデルを学習して、学習済みの推定モデルを用いた推定により推定結果を得たとしても、推定精度を高くできない可能性がある。
一方、第1実施形態の信号解析装置1によれば、心臓の拍動に関する1つのチャネルの時系列の生体情報から、心筋の活動の特徴を端的に示す情報を心筋活動パラメータとして得ることができる。また、第1実施形態で説明したように、第1実施形態の信号解析装置1が得た心筋活動パラメータは、心臓が正常であるか否か、心臓が正常でない場合にどのような病に相当するのか、に強く関連する。これらのことからすれば、心臓の拍動に関する時系列の生体情報から第1実施形態の信号解析装置1が行うのと同様の処理により心筋活動パラメータを取得して、取得した心筋活動パラメータを入力として、心臓が正常であるか否か、心臓が正常でない場合にどのような病に相当するのか、などの推定結果を得る推定モデルを学習して、学習済みの推定モデルを用いた推定により推定結果を得るようにすれば、高い精度の推定結果を得られることが期待できる。この学習と推定を行うのが第2実施形態の情報提供システムである。第2実施形態の情報提供システムの推定結果を医師が診断時に参考として用いることで、対象心臓が正常であるか否か、対象心臓が正常でない場合にどのような病に相当するのか、をより正確に診断できるようになることが期待される。
第2実施形態の情報提供システム200は、図60に例示する通り、学習装置300と情報提供装置400を含む。情報提供システム200、学習装置300及び情報提供装置400の各ハードウェア構成は、例えば、図1に示された信号解析装置1のハードウェア構成と同様である。
まず、学習装置300について説明する。
[[学習装置300]]
学習装置300は、図60に例示する通り、信号解析部310と学習部320を含む。学習装置300は、図61に例示するステップS310とステップS320の処理を行う。
[[学習装置300]]
学習装置300は、図60に例示する通り、信号解析部310と学習部320を含む。学習装置300は、図61に例示するステップS310とステップS320の処理を行う。
[学習元データセット、学習元データ]
学習装置300には、学習元データセットが入力される。学習元データセットには、複数個の学習元データが含まれる。学習元データそれぞれには、当該学習元データの取得の対象となった心臓(以下、「取得対象心臓」という)の拍動に関する時系列の生体情報と、当該取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。学習元データそれぞれには、当該学習元データを特定するための情報、例えば、当該学習元データに一意に割り当てられた識別番号、が含まれていてもよい。
学習装置300には、学習元データセットが入力される。学習元データセットには、複数個の学習元データが含まれる。学習元データそれぞれには、当該学習元データの取得の対象となった心臓(以下、「取得対象心臓」という)の拍動に関する時系列の生体情報と、当該取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。学習元データそれぞれには、当該学習元データを特定するための情報、例えば、当該学習元データに一意に割り当てられた識別番号、が含まれていてもよい。
取得対象心臓の拍動に関する時系列の生体情報の一例は、取得対象心臓の心電図の波形である。取得対象心臓の心臓状態情報は、取得対象心臓の拍動に関する時系列の生体情報(例えば心電図の波形)を見た医師による心臓の状態についての診断結果を一意に特定する情報である。医師による心臓の状態についての診断結果とは、具体的には、心臓が正常な状態であるか否か、心臓が正常な状態でない場合にどの病に相当する状態にあるのか、などである。すなわち、例えば、心臓状態情報は、心電図の波形を見た医師が正常な状態であると判断した場合には「0」、心電図の波形を見た医師がブルガダ症候群であると判断した場合には「1」、心電図の波形を見た医師が虚血性心疾患であると判断した場合には「2」、心電図の波形を見た医師が早期再分極症候群であると判断した場合には「3」、・・・のように、心臓が正常な状態であるのか、どの疾患であるのか、のそれぞれに予め割り当てられた特定の数値とすればよい。
または、例えば、心臓状態情報は、心電図の波形を見た医師が正常な洞調律であると判断した場合には「0」、心電図の波形を見た医師が上室性期外収縮であると判断した場合には「1」、心電図の波形を見た医師が心房細動であると判断した場合には「2」、心電図の波形を見た医師が心室性期外収縮であると判断した場合には「3」、心電図の波形を見た医師が心室細動であると判断した場合には「4」・・・のように、心臓の調律が正常な状態であるのか、どのような不整脈の状態であるのか、のそれぞれに予め割り当てられた特定の数値としてもよい。
または、例えば、心臓状態情報は、心電図の波形を見た医師が正常な冠動脈血流状態であると判断した場合には「0」、心電図の波形を見た医師が心筋内層の虚血状態であると判断した場合には「1」、心電図の波形を見た医師が心筋内層と外層の虚血状態(貫壁性虚血の状態)であると判断した場合には「2」、心電図の波形を見た医師が前壁の心筋梗塞であると判断した場合には「3」、心電図の波形を見た医師が下壁の心筋梗塞であると判断した場合には「4」・・・のように、心臓の血流状態が正常な状態であるのか、虚血状態であるのか、虚血状態の部位がどこにあるのか、それぞれに予め割り当てられた特定の数値としてもよい。
学習元データセットに含まれる学習元データの個数をYとし、1以上Y以下の各整数をyとすると、y個目の学習元データには、y個目の学習元データの取得対象心臓の拍動に関する時系列の生体情報と、y個目の学習元データの取得対象心臓の心臓状態情報と、が少なくとも含まれる。学習元データセットに含まれるY個の学習元データは、Y人の取得対象心臓それぞれから取得されたものであってもよいし、Y人未満の取得対象心臓から取得されたものであってもよい。Y人未満の取得対象心臓から取得された学習元データを学習元データセットに含まれるY個の学習元データとする場合には、同じ人の取得対象心臓から取得された複数個の学習元データを学習元データセットに含めることになるが、この場合には、同じ人の取得対象心臓から取得された複数個の学習元データは、取得された時期が異なる学習元データであるとよく、また、心臓状態情報が異なる学習元データであるとよい。
各学習元データに含まれる心臓の拍動に関する時系列の生体情報は、1周期分の波形であってもよいし、複数周期分の波形であってもよい。例えば、医師が心電図の波形のうちのいずれか1つの周期の波形を見て心臓の状態を診断したときには、当該1つの周期の波形を心臓の拍動に関する時系列の生体情報として学習元データに含め、当該1つの周期の波形に基づく1つの診断結果を特定する情報を心臓状態情報として学習元データに含めればよい。また例えば、医師が心電図の波形のうちの複数周期の波形を見て心臓の状態を診断したときには、当該複数周期の波形を心臓の拍動に関する時系列の生体情報として学習元データに含め、当該複数の周期の波形に基づく1つの診断の結果を特定する情報を心臓状態情報として学習元データに含めればよい。
[信号解析部310]
信号解析部310には、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる心臓の拍動に関する時系列の生体情報が入力される。信号解析部310は、第1実施形態の信号解析装置1と同様の処理を行うことで、心臓の拍動に関する時系列の生体情報から心筋活動パラメータによる組を取得する(ステップS310)。信号解析部310が取得する心筋活動パラメータは、第1実施形態で説明したいずれか1種類以上の心筋活動パラメータであり、後述する学習部320が用いる心筋活動パラメータとして予め選択された種類の心筋活動パラメータである。以降では、信号解析部310が取得する心筋活動パラメータによる組のことを「心筋活動パラメータセット」として説明する。信号解析部310が取得する心筋活動パラメータが1周期分の1種類のみである場合もあるが、「心筋活動パラメータによる組」や以降の「心筋活動パラメータセット」や「心筋活動パラメータセットに含まれる各心筋活動パラメータ」を「心筋活動パラメータ」と適宜読み換えればよい。信号解析部310で取得された心筋活動パラメータセットは、信号解析部310から出力されて、学習部320に入力される。
信号解析部310には、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる心臓の拍動に関する時系列の生体情報が入力される。信号解析部310は、第1実施形態の信号解析装置1と同様の処理を行うことで、心臓の拍動に関する時系列の生体情報から心筋活動パラメータによる組を取得する(ステップS310)。信号解析部310が取得する心筋活動パラメータは、第1実施形態で説明したいずれか1種類以上の心筋活動パラメータであり、後述する学習部320が用いる心筋活動パラメータとして予め選択された種類の心筋活動パラメータである。以降では、信号解析部310が取得する心筋活動パラメータによる組のことを「心筋活動パラメータセット」として説明する。信号解析部310が取得する心筋活動パラメータが1周期分の1種類のみである場合もあるが、「心筋活動パラメータによる組」や以降の「心筋活動パラメータセット」や「心筋活動パラメータセットに含まれる各心筋活動パラメータ」を「心筋活動パラメータ」と適宜読み換えればよい。信号解析部310で取得された心筋活動パラメータセットは、信号解析部310から出力されて、学習部320に入力される。
各学習元データに含まれる心臓の拍動に関する時系列の生体情報が1周期分の波形である場合には、信号解析部310は、当該1周期分の波形から上述した1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして取得する。各学習元データに含まれる心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合には、信号解析部310は、各周期の波形から上述した1種類以上の心筋活動パラメータによる組を得て、複数周期分の心筋活動パラメータによる組を心筋活動パラメータセットとして取得する。
[学習部320]
学習部320には、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる取得対象心臓の拍動に関する時系列の生体情報から信号解析部310によって得られた心筋活動パラメータセットと、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる心臓状態情報と、が入力される。学習部320は、同じ学習元データに基づく心筋活動パラメータセットと心臓状態情報による組を学習データとして用いる。すなわち、各学習データにおいては、心筋活動パラメータセットと心臓状態情報は同じ取得対象心臓の拍動に関する時系列の生体情報に基づくものである。言い換えれば、各心筋活動パラメータセットは各心臓状態情報に対応する心筋活動パラメータセットであり、各心臓状態情報は各心筋活動パラメータセットに対応する心臓状態情報である、ということになる。
学習部320には、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる取得対象心臓の拍動に関する時系列の生体情報から信号解析部310によって得られた心筋活動パラメータセットと、学習装置300に入力された学習元データセットに含まれる各学習元データに含まれる心臓状態情報と、が入力される。学習部320は、同じ学習元データに基づく心筋活動パラメータセットと心臓状態情報による組を学習データとして用いる。すなわち、各学習データにおいては、心筋活動パラメータセットと心臓状態情報は同じ取得対象心臓の拍動に関する時系列の生体情報に基づくものである。言い換えれば、各心筋活動パラメータセットは各心臓状態情報に対応する心筋活動パラメータセットであり、各心臓状態情報は各心筋活動パラメータセットに対応する心臓状態情報である、ということになる。
学習部320が用いる全ての学習データによるセットのことを学習データセットというとすると、学習部320が用いる学習データセットは複数個(Y個)の学習データから成る。y個目の学習データには、y個目の学習元データに含まれる取得対象心臓の拍動に関する時系列の生体情報から信号解析部310によって得られた心筋活動パラメータセットと、y個目の学習元データの取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。
学習部320は、学習データセットを用いて、より詳しくは、学習データセットに含まれる各学習データに含まれる心筋活動パラメータセットと当該心筋活動パラメータセットに対応する心臓状態情報による組を用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓状態情報を得る推定モデルを学習して学習済みの推定モデルを得る(ステップS320)。学習部320で得られた学習済みの推定モデルは、学習部320から出力されて、学習装置300の出力とされる。推定モデルの学習には周知の学習技術を用いればよく、学習データの個数は推定モデルを学習するために十分な個数とすればよい。すなわち、学習元データの個数は、学習データの個数と同じ個数とすればよい。
[学習装置300の第1例]
各学習元データに含まれる心臓の拍動に関する時系列の生体情報が1周期分の波形である場合を第1例として、学習装置300の各データと動作の概要を説明する。
各学習元データに含まれる心臓の拍動に関する時系列の生体情報が1周期分の波形である場合を第1例として、学習装置300の各データと動作の概要を説明する。
y個目の学習元データに含まれる心臓の拍動に関する時系列の生体情報をWave(y)とし心臓状態情報をInfo(y)とすると、y個目の学習元データは[Wave(y), Info(y)]である。すなわち、学習元データセットは、[[Wave(1), Info(1)], [Wave(2), Info(2)], ..., [Wave(Y), Info(Y)]]である。
信号解析部310は、1, ..., Yの各yについて、心臓の拍動に関する時系列の生体情報Wave(y)から心筋活動パラメータセットPara(y)を得る。各心筋活動パラメータセットPara(y)は、心臓の拍動に関する時系列の生体情報Wave(y)から第1実施形態の信号解析装置1が行うのと同様の処理により取得される1種類以上の心筋活動パラメータによる組であるので、1個または複数個の要素を有するものである。
学習部320は同じ学習元データに基づく心筋活動パラメータセットと心臓状態情報による組を学習データとして用いることから、y個目の学習データは[Para(y), Info(y)]である。すなわち、学習データセットは[[Para(1), Info(1)], [Para(2), Info(2)], ..., [Para(Y), Info(Y)]]である。学習部320は、[Para(1), Info(1)], [Para(2), Info(2)], ..., [Para(Y), Info(Y)]を用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓状態情報を得る推定モデルを学習して学習済みの推定モデルを得る。
[学習装置300の第2例]
各学習元データに含まれる心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合を第2例として、学習装置300の各データと動作の概要を説明する。第2例では、各学習元データに含まれる心臓の拍動に関する時系列の生体情報がZ周期分の波形であるとし、周期のインデックス1, ..., Zのそれぞれをzとする。すなわち、Zは2以上の整数であり、zは1以上Z以下の各整数である。
各学習元データに含まれる心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合を第2例として、学習装置300の各データと動作の概要を説明する。第2例では、各学習元データに含まれる心臓の拍動に関する時系列の生体情報がZ周期分の波形であるとし、周期のインデックス1, ..., Zのそれぞれをzとする。すなわち、Zは2以上の整数であり、zは1以上Z以下の各整数である。
y個目の学習元データに含まれる心臓の拍動に関する時系列の生体情報に含まれる各周期の波形をWave(y, z)とし、y個目の学習元データに含まれる心臓状態情報をInfo(y)とすると、y個目の学習元データは[Wave(y, 1), Wave(y, 2), ..., Wave(y, Z), Info(y)]である。
信号解析部310は、1, ..., Yの各yと1, ..., Zの各zについて、各Wave(y, z)から1種類以上の心筋活動パラメータPara(y, z)を得ることによって、1, ..., Yの各yの心筋活動パラメータセット[Para(y, 1), Para(y, 2), ..., Para(y, Z)]を得る。各心筋活動パラメータPara(y, z)は、心臓の拍動に関する時系列の生体情報に含まれる各周期の波形Wave(y, z)から第1実施形態の信号解析装置1が行うのと同様の処理により取得される1種類以上の心筋活動パラメータであるので、1個または複数個の要素を有するものである。
学習部320は同じ学習元データに基づく心筋活動パラメータセットと心臓状態情報による組を学習データとして用いることから、y個目の学習データの例は[Para(y, 1), Para(y, 2), ..., Para(y, Z), Info(y)]である。すなわち、学習データセットは[[Para(1, 1), Para(1, 2), ..., Para(1, Z), Info(1)], [Para(2, 1), Para(2, 2), ..., Para(2, Z), Info(2)], ..., [Para(Y, 1), Para(Y, 2), ..., Para(Y, Z), Info(Y)]である。学習部320は、[Para(1, 1), Para(1, 2), ..., Para(1, Z), Info(1)], [Para(2, 1), Para(2, 2), ..., Para(2, Z), Info(2)], ..., [Para(Y, 1), Para(Y, 2), ..., Para(Y, Z), Info(Y)]を用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓状態情報を得る推定モデルを学習して学習済みの推定モデルを得て出力する。
次に、情報提供装置400について説明する。
[[情報提供装置400]]
情報提供装置400には、情報提供の対象とする心臓(以下、「情報提供対象心臓」という)の拍動に関する時系列の生体情報が入力される。情報提供装置400は、情報提供対象心臓の拍動に関する時系列の生体情報から心筋活動パラメータを取得して、学習済みの推定モデルを用いて、取得した心筋活動パラメータを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得て出力する。情報提供装置400は、図60に例示する通り、信号解析部410と状態情報生成部420を含む。情報提供装置400は、図62に例示するステップS410とステップS420の処理を行う。
[[情報提供装置400]]
情報提供装置400には、情報提供の対象とする心臓(以下、「情報提供対象心臓」という)の拍動に関する時系列の生体情報が入力される。情報提供装置400は、情報提供対象心臓の拍動に関する時系列の生体情報から心筋活動パラメータを取得して、学習済みの推定モデルを用いて、取得した心筋活動パラメータを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得て出力する。情報提供装置400は、図60に例示する通り、信号解析部410と状態情報生成部420を含む。情報提供装置400は、図62に例示するステップS410とステップS420の処理を行う。
[信号解析部410]
信号解析部410には、情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が入力される。信号解析部410は、学習装置300の信号解析部310と同様の処理を行うことで、すなわち、第1実施形態の信号解析装置1と同様の処理を行うことで、情報提供対象心臓の拍動に関する時系列の生体情報から心筋活動パラメータセットを取得する(ステップS410)。信号解析部410で取得された心筋活動パラメータセットは、信号解析部410から出力されて状態情報生成部420に入力される。信号解析部410が取得する心筋活動パラメータセットは、第1実施形態で説明したいずれか1種類以上の心筋活動パラメータによる組である。当該1種類以上の心筋活動パラメータは、後述する状態情報生成部420が用いる心筋活動パラメータとして予め選択された種類の心筋活動パラメータであり、第2実施形態の学習部320が推定モデルの学習に用いた種類の心筋活動パラメータである。
信号解析部410には、情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が入力される。信号解析部410は、学習装置300の信号解析部310と同様の処理を行うことで、すなわち、第1実施形態の信号解析装置1と同様の処理を行うことで、情報提供対象心臓の拍動に関する時系列の生体情報から心筋活動パラメータセットを取得する(ステップS410)。信号解析部410で取得された心筋活動パラメータセットは、信号解析部410から出力されて状態情報生成部420に入力される。信号解析部410が取得する心筋活動パラメータセットは、第1実施形態で説明したいずれか1種類以上の心筋活動パラメータによる組である。当該1種類以上の心筋活動パラメータは、後述する状態情報生成部420が用いる心筋活動パラメータとして予め選択された種類の心筋活動パラメータであり、第2実施形態の学習部320が推定モデルの学習に用いた種類の心筋活動パラメータである。
入力された情報提供対象心臓の拍動に関する時系列の生体情報が1周期分の波形である場合には、信号解析部410は、当該1周期分の波形から上述した1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして取得する。入力された情報提供対象心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合には、信号解析部410は、各周期の波形から上述した1種類以上の心筋活動パラメータによる組を得て、複数周期分の1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして取得する。
[状態情報生成部420]
状態情報生成部420は、図60に例示する通り、モデル記憶部425を備える。モデル記憶部425には、第2実施形態の学習装置300が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部425に予め記憶された学習済みの推定モデルは、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルである。
状態情報生成部420は、図60に例示する通り、モデル記憶部425を備える。モデル記憶部425には、第2実施形態の学習装置300が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部425に予め記憶された学習済みの推定モデルは、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルである。
状態情報生成部420には、信号解析部410が出力した情報提供対象心臓の心筋活動パラメータセットが入力される。状態情報生成部420は、モデル記憶部425に予め記憶された学習済みの推定モデルを用いて、情報提供対象心臓の心筋活動パラメータセットを入力として当該情報提供対象心臓の状態を表す情報である心臓状態情報を得る(ステップS420)。状態情報生成部420で得られた心臓状態情報は、状態情報生成部420から出力されて、情報提供装置400の出力とされる。
[情報提供装置400の第1例]
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が1周期分の波形である場合を第1例として、情報提供装置400の各データと動作の概要を説明する。
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が1周期分の波形である場合を第1例として、情報提供装置400の各データと動作の概要を説明する。
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報をWAVEとすると、信号解析部410は、情報提供対象心臓の拍動に関する時系列の生体情報WAVEから心筋活動パラメータセットPARAを得る。心筋活動パラメータセットPARAは、情報提供対象心臓の拍動に関する時系列の生体情報WAVEから第1実施形態の信号解析装置1が行うのと同様の処理により取得される1種類以上の心筋活動パラメータによる組であるので、1個または複数個の要素を有するものである。
状態情報生成部420は、モデル記憶部425に予め記憶された学習済みの推定モデルを用いて、心筋活動パラメータセットPARAから当該心筋活動パラメータセットPARAに対応する1個の心臓状態情報INFOを得る。
[情報提供装置400の第2例]
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合を第2例として、情報提供装置400の各データと動作の概要を説明する。第2例では、情報提供対象心臓の拍動に関する時系列の生体情報がZ周期分の波形であるとし、周期のインデックス1, ..., Zのそれぞれをzとする。すなわち、Zは2以上の整数であり、zは1以上Z以下の各整数である。
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報が複数周期分の波形である場合を第2例として、情報提供装置400の各データと動作の概要を説明する。第2例では、情報提供対象心臓の拍動に関する時系列の生体情報がZ周期分の波形であるとし、周期のインデックス1, ..., Zのそれぞれをzとする。すなわち、Zは2以上の整数であり、zは1以上Z以下の各整数である。
情報提供装置400に入力された情報提供対象心臓の拍動に関する時系列の生体情報に含まれる各周期の波形をWAVE(z)とすると、信号解析部410は、1, ..., Zの各zについて、各WAVE(z)から1種類以上の心筋活動パラメータPARA(z)を得ることによって、心筋活動パラメータセット[Para(1), Para(2), ..., Para(Z)]を得る。心筋活動パラメータPARA(z)は、情報提供対象心臓の拍動に関する時系列の生体情報に含まれる各周期の波形WAVE(z)から第1実施形態の信号解析装置1が行うのと同様の処理により取得される1種類以上の心筋活動パラメータであるので、1個または複数個の要素を有するものである。
状態情報生成部420は、モデル記憶部425に予め記憶された学習済みの推定モデルを用いて、心筋活動パラメータセット[Para(1), Para(2), ..., Para(Z)]から当該心筋活動パラメータセット[Para(1), Para(2), ..., Para(Z)]に対応する1個の心臓状態情報INFOを得る。
状態情報生成部420により得られる心臓状態情報は、情報提供対象心臓の状態についての情報提供装置400による推定結果である。すなわち、例えば、状態情報生成部420により得られる心臓状態情報は、情報提供対象心臓が正常な状態であることに対応する「0」、ブルガダ症候群であることに対応する「1」、虚血性心疾患であることに対応する「2」、早期再分極症候群であること「3」、・・・のように、情報提供対象心臓が正常な状態であるのか、どの疾患であるのか、についての推定結果を予め割り当てられた特定の数値で表すものである。
または、例えば、状態情報生成部420により得られる心臓状態情報は、情報提供対象心臓が正常な洞調律であることに対応する「0」、上室性期外収縮であることに対応する「1」、心房細動であることに対応する「2」、心室性期外収縮であることに対応する「3」、心室細動であることに対応する「4」・・・のように、情報提供対象心臓の調律が正常な状態であるのか、どのような不整脈の状態であるのか、についての推定結果を予め割り当てられた特定の数値で表すものである。
または、例えば、状態情報生成部420により得られる心臓状態情報は、情報提供対象心臓が正常な冠動脈血流状態であることに対応する「0」、心筋内層の虚血状態であることに対応する「1」、心筋内層と外層の虚血状態(貫壁性虚血の状態)であるとことに対応する「2」、前壁の心筋梗塞であることに対応する「3」、下壁の心筋梗塞であることに対応する「4」・・・のように、情報提供対象心臓の血流状態が正常な状態であるのか、虚血状態であるのか、虚血状態の部位がどこにあるのか、についての推定結果を予め割り当てられた特定の数値で表すものである。
<第3実施形態>
第2実施形態は心臓の拍動に関する時系列の生体情報から心筋活動パラメータセットを得てから推定モデルの学習や心臓状態情報の推定を行うものであったが、事前に得られた心筋活動パラメータセットを用いて推定モデルの学習や心臓状態情報の推定を行ってもよい。この形態を第3実施形態として、第2実施形態と異なる点を中心に説明する。
第2実施形態は心臓の拍動に関する時系列の生体情報から心筋活動パラメータセットを得てから推定モデルの学習や心臓状態情報の推定を行うものであったが、事前に得られた心筋活動パラメータセットを用いて推定モデルの学習や心臓状態情報の推定を行ってもよい。この形態を第3実施形態として、第2実施形態と異なる点を中心に説明する。
第3実施形態の情報提供システム201は、図63に例示する通り、学習装置301と情報提供装置401を含む。情報提供システム201、学習装置301及び情報提供装置401の各ハードウェア構成は、例えば、図1に示された信号解析装置1のハードウェア構成と同様である。
まず、学習装置301について説明する。
[[学習装置301]]
学習装置301は、図63に例示する通り、学習部320を含む。学習装置301は、図64に例示するステップS320の処理を行う。
[[学習装置301]]
学習装置301は、図63に例示する通り、学習部320を含む。学習装置301は、図64に例示するステップS320の処理を行う。
[学習データセット、学習データ]
学習装置300には、学習データセットが入力される。学習データセットには、複数個の学習データが含まれる。学習データそれぞれには、当該学習データの取得の対象となった心臓である取得対象心臓の心筋活動パラメータセットと、当該取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。学習データそれぞれには、当該学習データを特定するための情報、例えば、当該学習データに一意に割り当てられた識別番号、が含まれていてもよい。
学習装置300には、学習データセットが入力される。学習データセットには、複数個の学習データが含まれる。学習データそれぞれには、当該学習データの取得の対象となった心臓である取得対象心臓の心筋活動パラメータセットと、当該取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。学習データそれぞれには、当該学習データを特定するための情報、例えば、当該学習データに一意に割り当てられた識別番号、が含まれていてもよい。
学習データセットに含まれる学習データの個数をYとし、1以上Y以下の各整数をyとすると、Y個目の学習データには、y個目の学習データの取得対象心臓の心筋活動パラメータセットと、y個目の学習データの取得対象心臓の状態を表す情報である心臓状態情報と、が少なくとも含まれる。
取得対象心臓の心筋活動パラメータセットは、第2実施形態の学習装置300の信号解析部310が行うのと同様の処理により、すなわち、第1実施形態の信号解析装置1が行うのと同様の処理により、取得対象心臓の拍動に関する時系列の生体情報から得られた心筋活動パラメータセットである。取得対象心臓の心臓状態情報は、第2実施形態の取得対象心臓の心臓状態情報と同じである。
[学習部320]
学習部320には、学習装置301に入力された学習データセットが入力される。すなわち、学習部320には、学習装置301に入力された学習データセットに含まれる各学習データに含まれる心筋活動パラメータセットと、学習装置301に入力された学習データセットに含まれる各学習データに含まれる心臓状態情報と、が入力される。学習部320は、同じ学習データに含まれる心筋活動パラメータセットと心臓状態情報による組を学習データとして用いる。すなわち、各学習データにおいては、心筋活動パラメータセットと心臓状態情報は同じ心臓の拍動に関する時系列の生体情報に基づくものである。言い換えると、心筋活動パラメータセットは心臓状態情報に対応する心筋活動パラメータセットであり、心臓状態情報は心筋活動パラメータセットに対応する心臓状態情報である、ということになる。
学習部320には、学習装置301に入力された学習データセットが入力される。すなわち、学習部320には、学習装置301に入力された学習データセットに含まれる各学習データに含まれる心筋活動パラメータセットと、学習装置301に入力された学習データセットに含まれる各学習データに含まれる心臓状態情報と、が入力される。学習部320は、同じ学習データに含まれる心筋活動パラメータセットと心臓状態情報による組を学習データとして用いる。すなわち、各学習データにおいては、心筋活動パラメータセットと心臓状態情報は同じ心臓の拍動に関する時系列の生体情報に基づくものである。言い換えると、心筋活動パラメータセットは心臓状態情報に対応する心筋活動パラメータセットであり、心臓状態情報は心筋活動パラメータセットに対応する心臓状態情報である、ということになる。
学習部320は、第2実施形態の学習部320と同様に、学習データセットを用いて、より詳しくは、学習データセットに含まれる各学習データに含まれる心筋活動パラメータセットと当該心筋活動パラメータセットに対応する心臓状態情報による組を用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓状態情報を得る推定モデルを学習して学習済みの推定モデルを得る(ステップS320)。学習部320で得られた学習済みの推定モデルは、学習部320から出力されて、学習装置300の出力とされる。推定モデルの学習には周知の学習技術を用いればよく、学習データの個数は推定モデルを学習するために十分な個数とすればよい。学習部320の具体例は第2実施形態で説明した通りである。
次に、情報提供装置401について説明する。
[[情報提供装置401]]
情報提供装置401には、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットが入力される。情報提供対象心臓の心筋活動パラメータセットは、第2実施形態の情報提供装置400の信号解析部410が行うのと同様の処理により、すなわち、第1実施形態の信号解析装置1が行うのと同様の処理により、情報提供対象心臓の拍動に関する時系列の生体情報から得られた心筋活動パラメータセットである。情報提供装置401は、学習済みの推定モデルを用いて、入力された心筋活動パラメータセットから当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得て出力する。情報提供装置401は、図63に例示する通り、状態情報生成部420を含む。情報提供装置401は、図65に例示するステップS420の処理を行う。
[[情報提供装置401]]
情報提供装置401には、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットが入力される。情報提供対象心臓の心筋活動パラメータセットは、第2実施形態の情報提供装置400の信号解析部410が行うのと同様の処理により、すなわち、第1実施形態の信号解析装置1が行うのと同様の処理により、情報提供対象心臓の拍動に関する時系列の生体情報から得られた心筋活動パラメータセットである。情報提供装置401は、学習済みの推定モデルを用いて、入力された心筋活動パラメータセットから当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得て出力する。情報提供装置401は、図63に例示する通り、状態情報生成部420を含む。情報提供装置401は、図65に例示するステップS420の処理を行う。
[状態情報生成部420]
状態情報生成部420は、図63に例示する通り、モデル記憶部425を備える。モデル記憶部425には、第3実施形態の学習装置301が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部425に予め記憶された学習済みの推定モデルは、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルである。
状態情報生成部420は、図63に例示する通り、モデル記憶部425を備える。モデル記憶部425には、第3実施形態の学習装置301が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部425に予め記憶された学習済みの推定モデルは、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルである。
状態情報生成部420には、情報提供装置401に入力された情報提供対象心臓の心筋活動パラメータセットが入力される。状態情報生成部420は、モデル記憶部425に予め記憶された学習済みの推定モデルを用いて、情報提供対象心臓の心筋活動パラメータセットを入力として当該情報提供対象心臓の状態を表す情報である心臓状態情報を得る(ステップS420)。状態情報生成部420で得られた心臓状態情報は、状態情報生成部420から出力されて、情報提供装置401の出力とされる。状態情報生成部420の具体例は第2実施形態で説明した通りである。状態情報生成部420により得られる心臓状態情報は、第2実施形態の状態情報生成部420により得られる心臓状態情報と同様であり、情報提供対象心臓の状態を表す状態についての情報提供装置401による推定結果であり、具体例は第2実施形態で説明した通りである。
<第2実施形態と第3実施形態の変形例>
第3実施形態での説明から分かる通り、第2実施形態の学習装置300で得られる推定モデルと第3実施形態の学習装置301で得られる推定モデルは等価なものである。したがって、第3実施形態の学習装置301が出力した学習済みの推定モデルが第2実施形態の情報提供装置400のモデル記憶部425に予め記憶されていてもよいし、第2実施形態の学習装置の学習装置300が出力した学習済みの推定モデルが第3実施形態の情報提供装置401のモデル記憶部425に予め記憶されていてもよい。すなわち、情報提供システムは、図66に例示するように第3実施形態の学習装置301と第2実施形態の情報提供装置400を含む情報提供システム202のように構成されていてもよいし、図67に例示するように第2実施形態の学習装置300と第3実施形態の情報提供装置401を含む情報提供システム203のように構成されていてもよい。情報提供システム202、情報提供システム203、学習装置300、学習装置301、情報提供装置400及び情報提供装置401の各ハードウェア構成は、例えば、図1に示された信号解析装置1のハードウェア構成と同様である。
第3実施形態での説明から分かる通り、第2実施形態の学習装置300で得られる推定モデルと第3実施形態の学習装置301で得られる推定モデルは等価なものである。したがって、第3実施形態の学習装置301が出力した学習済みの推定モデルが第2実施形態の情報提供装置400のモデル記憶部425に予め記憶されていてもよいし、第2実施形態の学習装置の学習装置300が出力した学習済みの推定モデルが第3実施形態の情報提供装置401のモデル記憶部425に予め記憶されていてもよい。すなわち、情報提供システムは、図66に例示するように第3実施形態の学習装置301と第2実施形態の情報提供装置400を含む情報提供システム202のように構成されていてもよいし、図67に例示するように第2実施形態の学習装置300と第3実施形態の情報提供装置401を含む情報提供システム203のように構成されていてもよい。情報提供システム202、情報提供システム203、学習装置300、学習装置301、情報提供装置400及び情報提供装置401の各ハードウェア構成は、例えば、図1に示された信号解析装置1のハードウェア構成と同様である。
<第2実施形態及び第3実施形態及びこれらの変形例の要旨>
[学習装置]
第2実施形態の学習装置300と第3実施形態の学習装置301は、共に、学習データセットがY個(Yは複数)の学習データから成り、Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す心臓状態情報と、を含むとして、当該学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習部320を含むものである。そして、第2実施形態の学習装置300は、さらに、各y個目の学習データの対象である心臓の拍動に関する時系列の生体情報を入力として心筋活動パラメータセットを得る信号解析部310を更に含むものである。ただし、第2実施形態の学習装置300と第3実施形態の学習装置301におけるy個目の学習データの対象である心臓の心筋活動パラメータセットには、各y個目の学習データの対象である心臓の拍動に関する時系列の生体情報の各周期の、後述する第1群に含まれる複数種類の心筋活動パラメータ、後述する第2群に含まれる複数種類の心筋活動パラメータ、後述する第3群に含まれる複数種類の心筋活動パラメータ、後述する第4群に含まれる1種類以上の心筋活動パラメータ、のうちの1種類以上の予め定められた種類の心筋活動パラメータが含まれる。
[学習装置]
第2実施形態の学習装置300と第3実施形態の学習装置301は、共に、学習データセットがY個(Yは複数)の学習データから成り、Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す心臓状態情報と、を含むとして、当該学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習部320を含むものである。そして、第2実施形態の学習装置300は、さらに、各y個目の学習データの対象である心臓の拍動に関する時系列の生体情報を入力として心筋活動パラメータセットを得る信号解析部310を更に含むものである。ただし、第2実施形態の学習装置300と第3実施形態の学習装置301におけるy個目の学習データの対象である心臓の心筋活動パラメータセットには、各y個目の学習データの対象である心臓の拍動に関する時系列の生体情報の各周期の、後述する第1群に含まれる複数種類の心筋活動パラメータ、後述する第2群に含まれる複数種類の心筋活動パラメータ、後述する第3群に含まれる複数種類の心筋活動パラメータ、後述する第4群に含まれる1種類以上の心筋活動パラメータ、のうちの1種類以上の予め定められた種類の心筋活動パラメータが含まれる。
[情報提供装置]
第2実施形態の情報提供装置400と第3実施形態の情報提供装置401は、共に、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、推定モデルを用いて、情報提供の対象とする情報提供対象心臓の心筋活動パラメータセットを入力として情報提供対象心臓の状態を表す情報である心臓状態情報を得る状態情報生成部420を含むものである。そして、第2実施形態の情報提供装置400は、情報提供対象心臓の拍動に関する時系列の生体情報を入力として心筋活動パラメータセットを得る信号解析部410を更に含むものである。ただし、第2実施形態の情報提供装置400と第3実施形態の情報提供装置401における情報提供対象心臓の心筋活動パラメータセットには、情報提供対象心臓の拍動に関する時系列の生体情報の各周期の、後述する第1群に含まれる複数種類の心筋活動パラメータ、後述する第2群に含まれる複数種類の心筋活動パラメータ、後述する第3群に含まれる複数種類の心筋活動パラメータ、後述する第4群に含まれる1種類以上の心筋活動パラメータ、のうちの1種類以上の予め定められた種類の心筋活動パラメータが含まれる。
第2実施形態の情報提供装置400と第3実施形態の情報提供装置401は、共に、心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、推定モデルを用いて、情報提供の対象とする情報提供対象心臓の心筋活動パラメータセットを入力として情報提供対象心臓の状態を表す情報である心臓状態情報を得る状態情報生成部420を含むものである。そして、第2実施形態の情報提供装置400は、情報提供対象心臓の拍動に関する時系列の生体情報を入力として心筋活動パラメータセットを得る信号解析部410を更に含むものである。ただし、第2実施形態の情報提供装置400と第3実施形態の情報提供装置401における情報提供対象心臓の心筋活動パラメータセットには、情報提供対象心臓の拍動に関する時系列の生体情報の各周期の、後述する第1群に含まれる複数種類の心筋活動パラメータ、後述する第2群に含まれる複数種類の心筋活動パラメータ、後述する第3群に含まれる複数種類の心筋活動パラメータ、後述する第4群に含まれる1種類以上の心筋活動パラメータ、のうちの1種類以上の予め定められた種類の心筋活動パラメータが含まれる。
[第1群に含まれる複数種類の心筋活動パラメータ]
第1群に含まれる複数種類の心筋活動パラメータとは、心臓の拍動に関する時系列の生体情報の1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形としたときの、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差に第1の水準値を加算したものによる時間波形である第1近似時間波形で、第1対象時間波形を近似したときの、第1の単峰分布を特定するパラメータ、第1累積分布関数を特定するパラメータ、第2の単峰分布を特定するパラメータ、第2累積分布関数を特定するパラメータ、第1累積分布関数の重み、第2累積分布関数の重み、第1累積分布関数の重みと第2累積分布関数の重みとの比、第1の水準値、のことである。
第1群に含まれる複数種類の心筋活動パラメータとは、心臓の拍動に関する時系列の生体情報の1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形としたときの、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、第1の単峰分布の累積分布関数である第1累積分布関数と第2の単峰分布の累積分布関数である第2累積分布関数との差もしくは重み付き差に第1の水準値を加算したものによる時間波形である第1近似時間波形で、第1対象時間波形を近似したときの、第1の単峰分布を特定するパラメータ、第1累積分布関数を特定するパラメータ、第2の単峰分布を特定するパラメータ、第2累積分布関数を特定するパラメータ、第1累積分布関数の重み、第2累積分布関数の重み、第1累積分布関数の重みと第2累積分布関数の重みとの比、第1の水準値、のことである。
[第2群に含まれる複数種類の心筋活動パラメータ]
第2群に含まれる複数種類の心筋活動パラメータとは、心臓の拍動に関する時系列の生体情報の1周期分の波形に含まれるT波の時間区間の波形を第2対象時間波形とし、第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形としたときの、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差に第2の水準値を加算したものによる波形である第2近似逆時間波形で、第2対象逆時間波形を近似したときの、第3の単峰分布を特定するパラメータ、第3累積分布関数を特定するパラメータ、第4の単峰分布を特定するパラメータ、第4累積分布関数を特定するパラメータ、第3累積分布関数の重み、第4累積分布関数の重み、第3累積分布関数の重みと第4累積分布関数の重みとの比、第2の水準値、のことである。
第2群に含まれる複数種類の心筋活動パラメータとは、心臓の拍動に関する時系列の生体情報の1周期分の波形に含まれるT波の時間区間の波形を第2対象時間波形とし、第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形としたときの、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、第3の単峰分布の累積分布関数である第3累積分布関数と第4の単峰分布の累積分布関数である第4累積分布関数との差もしくは重み付き差に第2の水準値を加算したものによる波形である第2近似逆時間波形で、第2対象逆時間波形を近似したときの、第3の単峰分布を特定するパラメータ、第3累積分布関数を特定するパラメータ、第4の単峰分布を特定するパラメータ、第4累積分布関数を特定するパラメータ、第3累積分布関数の重み、第4累積分布関数の重み、第3累積分布関数の重みと第4累積分布関数の重みとの比、第2の水準値、のことである。
または、第2群に含まれる複数種類の心筋活動パラメータとは、心臓の拍動に関する時系列の生体情報の1周期分の波形に含まれるT波の時間区間の波形を第2対象時間波形とし、第3の単峰分布の累積分布関数を第3累積分布関数とし、第4の単峰分布の累積分布関数を第4累積分布関数とし、第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、第4累積分布関数を1から減算した関数を第4逆累積分布関数としたときの、第3逆累積分布関数と第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、第3逆累積分布関数と第4逆累積分布関数の差もしくは重み付き差に第2の水準値を加算したものによるによる時間波形である第2近似時間波形で、第2対象時間波形を近似したときの、第3の単峰分布を特定するパラメータ、第3累積分布関数を特定するパラメータ、第4の単峰分布を特定するパラメータ、第4累積分布関数を特定するパラメータ、第3逆累積分布関数の重み、第4逆累積分布関数の重み、第3逆累積分布関数の重みと第4逆累積分布関数の重みとの比、第2の水準値、のことである。
[第3群に含まれる複数種類の心筋活動パラメータ]
第3群に含まれる複数種類の心筋活動パラメータとは、第1対象時間波形と第1近似時間波形との差の時間波形、第2対象時間波形と第2近似時間波形との差の時間波形、第2対象逆時間波形と第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形として、第5の単峰分布の累積分布関数である第5累積分布関数もしくは第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、残差時間波形を近似したときの、第5の単峰分布を特定するパラメータ、第5累積分布関数を特定するパラメータ、第5累積分布関数の重み、のことである。
第3群に含まれる複数種類の心筋活動パラメータとは、第1対象時間波形と第1近似時間波形との差の時間波形、第2対象時間波形と第2近似時間波形との差の時間波形、第2対象逆時間波形と第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形として、第5の単峰分布の累積分布関数である第5累積分布関数もしくは第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、残差時間波形を近似したときの、第5の単峰分布を特定するパラメータ、第5累積分布関数を特定するパラメータ、第5累積分布関数の重み、のことである。
または、第3群に含まれる複数種類の心筋活動パラメータとは、第1対象時間波形と第1近似時間波形との差の時間波形、第2対象時間波形と第2近似時間波形との差の時間波形、第2対象逆時間波形と第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の少なくとも何れかをそれぞれ残差時間波形として、第5の単峰分布の累積分布関数である第5累積分布関数と第6の単峰分布の累積分布関数である第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、残差時間波形を近似したときの、第5の単峰分布を特定するパラメータ、第5累積分布関数を特定するパラメータ、第6の単峰分布を特定するパラメータ、第6累積分布関数を特定するパラメータ、第5累積分布関数の重み、第6累積分布関数の重み、第5累積分布関数の重みと第6累積分布関数の重みとの比、のことである。
[第4群に含まれる1種類以上の心筋活動パラメータ]
第4群に含まれる1種類以上の心筋活動パラメータとは、第1群に含まれる複数種類の心筋活動パラメータと、第2群に含まれる複数種類の心筋活動パラメータと、第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られる心筋活動パラメータである。
第4群に含まれる1種類以上の心筋活動パラメータとは、第1群に含まれる複数種類の心筋活動パラメータと、第2群に含まれる複数種類の心筋活動パラメータと、第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られる心筋活動パラメータである。
なお、信号解析装置1及び/又は情報提供システム200、201、202、203及び/又は学習装置300、301及び/又は情報提供装置400、401の各機能の全て又は一部は、ASIC(Application Specific Integrated Circuit)やPLD(Programmable Logic Device)やFPGA(Field Programmable Gate Array)等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
1…信号解析装置、11…制御部、12…入力部、13…通信部、14…記憶部、15…出力部、91…プロセッサ、92…メモリ、110…心電図取得部、120…フィッティング情報取得部、130…解析部、131…フィッティング部、132…心筋活動情報パラメータ取得部、140…記録部、200、201、202、203…情報提供システム、300、301…学習装置、310…信号解析部、320…学習部、400、401…情報提供装置、410…信号解析部、420…状態情報生成部、425…モデル記憶部
Claims (10)
- 心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、
前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、
前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、
第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、
前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、
第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、
前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、
または、
前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、
を第2群に含まれる複数種類の心筋活動パラメータとし、
前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、
前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、
または、
前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、
を第3群に含まれる複数種類の心筋活動パラメータとし、
前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、
心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、
学習データセットは、Y個(Yは複数)の学習データから成り、
前記Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す情報である心臓状態情報と、を含み、
前記学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習部を含む、
学習装置。 - Y個の学習データの対象である心臓の1周期以上の心周期を示す波形それぞれから前記心筋活動パラメータセットを得る信号解析部を更に含む、
請求項1に記載の学習装置。 - 前記各単峰分布はガウス分布である、
請求項1または2に記載の学習装置。 - 心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、
前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、
前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、
第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、
前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、
第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、
前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、
または、
前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、
を第2群に含まれる複数種類の心筋活動パラメータとし、
前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、
前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、
または、
前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、
を第3群に含まれる複数種類の心筋活動パラメータとし、
前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、
心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、
心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、
前記推定モデルを用いて、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットを入力として、前記情報提供対象心臓の心臓状態情報を得る状態情報生成部を含む、
情報提供装置。 - 前記情報提供対象心臓の1周期以上の心周期を示す波形から前記心筋活動パラメータセットを得る信号解析部を更に含む、
請求項4に記載の情報提供装置。 - 前記各単峰分布はガウス分布である、
請求項4または5に記載の情報提供装置。 - 学習装置が実行する学習方法であって、
心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、
前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、
前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、
第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、
前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、
第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、
前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、
または、
前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、
を第2群に含まれる複数種類の心筋活動パラメータとし、
前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、
前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、
または、
前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、
を第3群に含まれる複数種類の心筋活動パラメータとし、
前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、
心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、
学習データセットは、Y個(Yは複数)の学習データから成り、
前記Y個の学習データのそれぞれは、1以上Y以下の各整数をyとして、y個目の学習データの対象である心臓の心筋活動パラメータセットと、y個目の学習データの対象である心臓の状態を表す情報である心臓状態情報と、を含み、
前記学習データセットを用いて、心筋活動パラメータセットを入力として当該心筋活動パラメータに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルを学習する学習ステップを含む、
学習方法。 - 情報提供装置が実行する情報提供方法であって、
心臓の心周期を示す1周期分の波形に含まれるR波の時間区間の波形を第1対象時間波形とし、
前記波形に含まれるT波の時間区間の波形を第2対象時間波形とし、
前記第2対象時間波形の時間軸を逆転させた波形を第2対象逆時間波形とし、
第1単峰分布の累積分布関数を第1累積分布関数とし、第2単峰分布の累積分布関数を第2累積分布関数として、
前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差による時間波形である第1近似時間波形で、または、前記第1累積分布関数と前記第2累積分布関数との差もしくは重み付き差に第1水準値を加算したものによる時間波形である第1近似時間波形で、前記第1対象時間波形を近似したときの、前記第1単峰分布を特定するパラメータ、前記第1累積分布関数を特定するパラメータ、前記第2単峰分布を特定するパラメータ、前記第2累積分布関数を特定するパラメータ、前記第1累積分布関数の重み、前記第2累積分布関数の重み、前記第1累積分布関数の重みと前記第2累積分布関数の重みとの比、前記第1水準値、を第1群に含まれる複数種類の心筋活動パラメータとし、
第3単峰分布の累積分布関数を第3累積分布関数とし、第4単峰分布の累積分布関数を第4累積分布関数とし、前記第3累積分布関数を1から減算した関数を第3逆累積分布関数とし、前記第4累積分布関数を1から減算した関数を第4逆累積分布関数として、
前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差による波形である第2近似逆時間波形で、または、前記第3累積分布関数と前記第4累積分布関数との差もしくは重み付き差に第2水準値を加算したものによる波形である第2近似逆時間波形で、前記第2対象逆時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3累積分布関数の重み、前記第4累積分布関数の重み、前記第3累積分布関数の重みと前記第4累積分布関数の重みとの比、前記第2水準値、
または、
前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差による時間波形である第2近似時間波形で、または、前記第3逆累積分布関数と前記第4逆累積分布関数の差もしくは重み付き差に第2水準値を加算したものによるによる時間波形である第2近似時間波形で、前記第2対象時間波形を近似したときの、前記第3単峰分布を特定するパラメータ、前記第3累積分布関数を特定するパラメータ、前記第4単峰分布を特定するパラメータ、前記第4累積分布関数を特定するパラメータ、前記第3逆累積分布関数の重み、前記第4逆累積分布関数の重み、前記第3逆累積分布関数の重みと前記第4逆累積分布関数の重みとの比、前記第2水準値、
を第2群に含まれる複数種類の心筋活動パラメータとし、
前記第1対象時間波形と前記第1近似時間波形との差の時間波形、前記第2対象時間波形と前記第2近似時間波形との差の時間波形、前記第2対象逆時間波形と前記第2近似逆時間波形との差の波形の時間軸を逆転させた時間波形、の何れかを残差時間波形とし、第5単峰分布の累積分布関数を第5累積分布関数とし、第6単峰分布の累積分布関数を第6累積分布関数として、
前記第5累積分布関数もしくは前記第5累積分布関数に重みを乗算したものによる時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、
または、
前記第5累積分布関数と前記第6累積分布関数との差もしくは重み付き差による時間波形である近似残差時間波形で、前記残差時間波形を近似したときの、前記第5単峰分布を特定するパラメータ、前記第5累積分布関数を特定するパラメータ、前記第6単峰分布を特定するパラメータ、前記第6累積分布関数を特定するパラメータ、前記第5累積分布関数の重み、前記第6累積分布関数の重み、前記第5累積分布関数の重みと前記第6累積分布関数の重みとの比、
を第3群に含まれる複数種類の心筋活動パラメータとし、
前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、のうちの複数種類の心筋活動パラメータの演算により得られるパラメータを第4群に含まれる1種類以上の心筋活動パラメータとし、
心臓の心周期を示す1周期以上の波形から得られる、前記第1群に含まれる複数種類の心筋活動パラメータと、前記第2群に含まれる複数種類の心筋活動パラメータと、前記第3群に含まれる複数種類の心筋活動パラメータと、前記第4群に含まれる1種類以上の心筋活動パラメータと、のうちの予め定められた1種類以上の心筋活動パラメータによる組を心筋活動パラメータセットとして、
心筋活動パラメータセットを入力として当該心筋活動パラメータセットに対応する心臓の状態を表す情報である心臓状態情報を得る推定モデルが予め記憶されており、
前記推定モデルを用いて、情報提供の対象とする心臓である情報提供対象心臓の心筋活動パラメータセットを入力として、前記情報提供対象心臓の心臓状態情報を得る状態情報生成ステップを含む、
情報提供方法。 - 請求項1または2に記載の学習装置としてコンピュータを機能させるためのプログラム。
- 請求項4または5に記載の情報提供装置としてコンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/024587 WO2023248308A1 (ja) | 2022-06-20 | 2022-06-20 | 学習装置、情報提供装置、学習方法、情報提供方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/024587 WO2023248308A1 (ja) | 2022-06-20 | 2022-06-20 | 学習装置、情報提供装置、学習方法、情報提供方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023248308A1 true WO2023248308A1 (ja) | 2023-12-28 |
Family
ID=89379497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2022/024587 WO2023248308A1 (ja) | 2022-06-20 | 2022-06-20 | 学習装置、情報提供装置、学習方法、情報提供方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2023248308A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016533231A (ja) * | 2013-10-14 | 2016-10-27 | カオスキー プロプライエタリー リミテッド | 非定常信号の機能要素への分解 |
JP6931880B1 (ja) * | 2021-03-24 | 2021-09-08 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
JP7032747B1 (ja) * | 2021-03-24 | 2022-03-09 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
-
2022
- 2022-06-20 WO PCT/JP2022/024587 patent/WO2023248308A1/ja unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016533231A (ja) * | 2013-10-14 | 2016-10-27 | カオスキー プロプライエタリー リミテッド | 非定常信号の機能要素への分解 |
JP6931880B1 (ja) * | 2021-03-24 | 2021-09-08 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
JP7032747B1 (ja) * | 2021-03-24 | 2022-03-09 | アステラス製薬株式会社 | 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム |
Non-Patent Citations (3)
Title |
---|
LUPENKO SERHII; LUTSYK NADIIA; YASNIY OLEH; ZOZULIA ANDRIY: "The Modeling and Diagnostic Features in the Computer Systems of the Heart Rhythm Analysis with the Increased Informativeness", 2019 9TH INTERNATIONAL CONFERENCE ON ADVANCED COMPUTER INFORMATION TECHNOLOGIES (ACIT), IEEE, 5 June 2019 (2019-06-05), pages 121 - 124, XP033587091, ISBN: 978-1-7281-0449-2, DOI: 10.1109/ACITT.2019.8780107 * |
MOHAMMAD SAAD BILLAH ; TAHMIDA BINTE MAHMUD ; FARHANA SHARMIN SNIGDHA ; MUHAMMAD ABDULLAH ARAFAT: "A novel method to model ECG beats using Gaussian functions", BIOMEDICAL ENGINEERING AND INFORMATICS (BMEI), 2011 4TH INTERNATIONAL CONFERENCE ON, IEEE, 15 October 2011 (2011-10-15), pages 612 - 616, XP032071565, ISBN: 978-1-4244-9351-7, DOI: 10.1109/BMEI.2011.6098409 * |
TANAKA HIROSHI: "On the Inverse Solution of Electrocardiology", IYO DENSHI TO SEITAI KOGAKU - JAPANESE JOURNAL OF MEDICAL ELECTRONICS AND BIOLOGICAL ENGINEERING., TÔKYÔ : JAPANESE SOCIETY FOR MEDICAL AND BIOLOGICAL ENGINEERING, JP, vol. 23, no. 3, 30 June 1985 (1985-06-30), JP , pages 147 - 158, XP009538878, ISSN: 0021-3292, DOI: 10.11239/jsmbe1963.23.147 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8233972B2 (en) | System for cardiac arrhythmia detection and characterization | |
JP4759115B2 (ja) | 心電図信号の交代を数量化するシステムおよび方法 | |
JP5236200B2 (ja) | Ecg形態及び時系列の解析及び編集のための方法及び装置 | |
De Groot et al. | Critical appraisal of technologies to assess electrical activity during atrial fibrillation: A position paper from the European heart rhythm association and European society of cardiology working group on eCardiology in collaboration with the heart rhythm society, asia pacific heart rhythm society, Latin American heart rhythm society and computing in cardiology | |
KR101910982B1 (ko) | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 | |
CN109009073B (zh) | 房颤检测装置及存储介质 | |
JP2018011819A (ja) | 生体信号処理方法および装置 | |
JP6764830B2 (ja) | 不整脈判定装置、不整脈判定方法および不整脈判定処理プログラム | |
WO2023248308A1 (ja) | 学習装置、情報提供装置、学習方法、情報提供方法及びプログラム | |
JP2008511346A (ja) | 心拍時間間隔(cardialTimeInterval)を規定するための方法及び装置。 | |
Trobec | Computer analysis of multichannel ECG | |
JP7457266B2 (ja) | 信号解析装置、信号解析方法及びプログラム | |
CN109044338B (zh) | 房颤检测装置及存储介质 | |
KR102574331B1 (ko) | 멀티스케일 누적 잔여 분산 엔트로피 기반 향상된 심박변이율 정량화 방법 | |
WO2022149307A1 (ja) | 信号解析装置、信号解析方法及びプログラム | |
WO2023243090A1 (ja) | 信号合成装置、信号合成方法及びプログラム | |
KR101498581B1 (ko) | 비침습적 심방신호 추정 시스템 및 방법 | |
US9538930B2 (en) | Linear multi-domain electrocardiogram | |
KR20200055582A (ko) | 심전도 신호 진단 파라미터 추출 디바이스 및 추출 방법 | |
CN116615145A (zh) | 信号解析装置、信号解析方法和程序 | |
KR20090040721A (ko) | 심장박동수의 측정방법 | |
Barcos et al. | Enhancing electrocardiographic analysis by combining a high-resolution 12-lead ECG with novel software tools | |
Mayapur | Detection and classification of heart defects | |
Potekhin et al. | ANALYSIS OF ACUTE MYOCARDIAL INFARCTION USING ECG SIGNALS AND MACHINE LEARNING ALGORITHMS | |
RU2737860C1 (ru) | Способ и устройство поддержки принятия решения при оказании экстренной кардиологической помощи |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22947872 Country of ref document: EP Kind code of ref document: A1 |