CN100450434C - 诊断数据取得方法及诊断系统 - Google Patents
诊断数据取得方法及诊断系统 Download PDFInfo
- Publication number
- CN100450434C CN100450434C CNB2005800159017A CN200580015901A CN100450434C CN 100450434 C CN100450434 C CN 100450434C CN B2005800159017 A CNB2005800159017 A CN B2005800159017A CN 200580015901 A CN200580015901 A CN 200580015901A CN 100450434 C CN100450434 C CN 100450434C
- Authority
- CN
- China
- Prior art keywords
- eigenvalue
- data
- mentioned
- group
- overlapping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种从患者的心电图数据中预见心脏对各种环境的应对力不足和其结果可能引发的突发异常事件的方法。由其检测部(3),从在心电图数据收集部(1)持续长时间收集到的心电图数据中,检测各心跳中出现的峰值点的间隔(R-R间隔)的时间序列数据(r0、r1...)。接着,确定固定的个数n,生成从检测到的时间序列数据的起始元素r0开始n个,从第2元素r1开始n个...如此依次挪动1个元素地由n个元素构成的部分序列B0、B1...,将部分序列Bj的n个元素的平均值yj、和从Bj的各元素开始减去其起始元素rj的值的平均值xj作为部分序列Bj的特征值组,由特征值计算部(5)进行计算。进而在诊断部(7),当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数b计算,将从特征值组的总数减去孤立数b的值作为重叠数a计算,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度c计算,重叠数a和最大重叠度c越大,或者孤立数越小,判断为心脏状态越不好。
Description
技术领域
本发明涉及一种诊断方法、诊断用程序、以及诊断系统,特别是涉及适于使用了心电图的诊断的诊断方法、诊断用程序、以及诊断系统。
背景技术
分析心电图诊断患者症状的技术开发了许多,例如有正确地自动识别各个心电图波形的特征点,从而能够正确地进行诊断的技术(专利文献1、专利文献2等);通过各个心电图波形的分析进行诊断的技术(专利文献3、专利文献4、专利文献5等);从心电图波形中取出R-R间隔等的时间序列数据,通过对该时间序列数据的分析进行诊断的技术(专利文献6、专利文献7等)等。使用这些技术,与只借助于目测心电图的诊断相比,能够进行更有效且更迅速的诊断,还能够减少症状的遗漏。
专利文献1:日本特开平8-56914
专利文献2:日本特开平9-201344
专利文献3:日本特开平10-225443
专利文献4:USP5,609,158
专利文献5:USP5,560,368
专利文献6:USP5,755,671
专利文献7:日本特开平6-54815
发明内容
上述例示的现有技术,是进行数分钟、或者即便是长时间也不过10多分钟左右的心电图波形的观察、分析的技术,但是多数在如此短的时间内,无法得到表示心脏状态异常的数据。例如,当发生心肌梗塞时,在其后的数小时内有由于心动过速而引起突然死亡的危险,在心肌梗塞发生后的数日间发生心率不齐的概率达90%。之后心率不齐发生率减少,但是在1年以内,患者的5~10%死亡。因此,在这种患者的诊断中,最好是连续取得持续长时间的心电图数据进行监视。但是,目前使用如下的方法,即:在记录完成后由医生肉眼观察该记录的数据进行诊断,或者从该记录数据中取出医生认为异常的短时间数据进行自动分析等。为此,从测量到得到诊断结果的时间延迟大,在预知症状变化、急迫的危机这一点上不充分。另外介入了医生肉眼进行的判断,因此还存在容易产生遗漏的问题。
本发明的目的在于,提供一种持续长时间取得患者的心电图数据,从而能够迅速地预见异常的发生的诊断方法、诊断用程序、以及诊断系统。
为了达到上述目的,本发明提供一种诊断数据取的方法,利用计算机求出诊断数据并输出,包括:
持续预定时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,以及
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,并且将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,将上述孤立数和重叠数作为诊断数据输出。
另外,本发明提供一种诊断数据取得方法,利用计算机求出诊断数据并输出,包括:
持续长时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,以及
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,将上述孤立数、重叠数以及最大重叠度作为诊断数据输出。
另外,本发明提供一种诊断数据取得方法,利用计算机求出诊断数据并输出,包括:
持续预定时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,以及
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,根据上述求出的孤立数、重叠数、以及最大重叠度,求出10*(孤立数)/{(重叠数)*(最大重叠度)}作为心脏状态量,将该心脏状态量作为诊断数据输出。
另外,本发明提供一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;以及
通信接口,用于将由该数据收集装置所编辑的心电图数据经网络发送给中心装置,
中心装置,具备:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,用于检测存储在该存储装置中的心电图数据的峰值点R的间隔即R-R间隔,生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,用上述孤立数和重叠数进行诊断。
另外,本发明提供一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;以及
通信接口,用于将由该数据收集装置编辑的心电图数据经网络发送给中心装置,
中心装置,包括:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,用于检测存储在该存储装置中的心电图数据的峰值点的间隔R即R-R间隔,生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,用上述孤立数、重叠数以及最大重叠度进行诊断。
另外,本发明提供一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;
通信接口,用于将由该数据收集装置编辑的心电图数据经网络发送给中心装置,
中心装置,包括:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,用于检测存储在该存储装置中的心电图数据的峰值点R的间隔即R-R间隔,生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,根据上述孤立数、重叠数、以及上述最大重叠度,求出10*(孤立数)/{(重叠数)*(最大重叠度)}作为心脏状态量,用该心脏状态量进行诊断。
可以认为重叠数、最大重叠度越大,孤立数越小,心脏的跳动变化越少,对影响心脏活动这样的刺激、环境变化的反应变得越迟钝。因而,从重叠数、最大重叠度、以及孤立数中,不是对突发性地短时间出现的心跳异常进行诊断,而是能够进行持续长时间的稳定的心脏状态的诊断。并且,这些数据能够从长时间测定数据中自动地通过简单的计算而计算出,不需要特别的熟练技术,另外也不产生如短时间观测时的遗漏问题。
附图说明
图1是本发明的诊断系统的功能模块结构例。
图2是本发明的诊断系统的结构例。
图3是特征值计算处理的流程图。
图4是诊断处理的概要流程图。
图5是图4的步骤401的详细流程图。
图6是图4的步骤402的详细流程图。
图7是当改变数据收集时间时的心脏状态量μ的变化例。
具体实施方式
下面详细说明本发明的实施方式。表示心电图波形特征的代表性的特征量为R-R间隔(R:每一次心跳中出现的峰值点),它是每一次心跳取一个值的时间序列数据。该时间序列数据,按每个被检者一般都取不同的值,即使健康人以同样平静的状态进行测量,如某人平均为1秒(1分钟的心率为60),而其他人平均为6/7秒(1分钟的心率为70),两者不同,并且每一次心跳的R-R间隔也不是完全恒定,而是细微地变动着。而且,当被检者运动后、被检者的症状发生了变化时,R-R间隔的平均值也细微地摆动变化。本发明通过分析这种R-R间隔的时间序列数据进行诊断。
图1是实现成为本发明的诊断方法的功能模块的结构例,心电图数据收集部1,对成为对象的被检者的心电图数据进行数字化,长时间收集例如收集5小时。在本实施方式中,以1ms间隔采样该数据,并以12比特编码,但也可以为其他的值。当为1ms采样、12比特编码时,每一秒的数据数(采样数)为1000个,以字节(B)表示的信息量为12k比特=1.5kB,当换算为每一小时时,数据数为360万个,信息量大约成为5.4MB(兆字节)。该收集到的数据被存储到心电图数据存储部2。
R-R间隔检测部3,首先,分析心电图数据,进行R点的检测,计算R-R间隔的时间序列数据。作为心电图中几乎周期出现的峰值点的R点的检测,使用公知技术即可。表示R点的时刻,以与适当确定的基准时刻、例如与最初的R点时刻之间的时间差来表示即可。而且,当设为从心电图数据收集部1所收集到的心电图数据中检测N+1个R点{Rj;j=0~N}时,{Rj}的邻接元素间的差rj由
rj=|Rj+1-Rj|,0≤j≤N-1 式1
计算。它是由N个元素构成的R-R间隔的时间序列数据{rj;j=0~N-1}。所计算的R-R间隔的时间序列数据{rj}被存储到R-R间隔存储部4。该R-R间隔在每一次心跳出现一个,因此例如当平均心率为70时,一小时为4,200个,每一小时数据量为6.3kB(千字节)。
在特征值计算部5,首先,从存储在R-R间隔存储部4中的时间序列数据{rj;j=0~N-1}中,按照(式2)取出由n+1个连续元素构成的部分序列(partial set)Bj。其中,将n设为远小于N的值,另外M为(式3)。
Bj=(rj,rj+1,…rj+n),0≤j≤M 式2
M=N-n-1 式3
接着,按(式2)的部分序列Bj,将该元素的平均值yj和从各元素减去起始元素rj后的值的平均值xj,作为心电图波形的特征值,按照(式4)(式5)计算。
式4
式5
从(式5)可知,特征值xj是与部分序列Bj的元素的平均值yj和起始元素rj的偏差成比例的量,只要求出了特征值yj,就能够容易地进行计算。另一方面,特征值yj在
Pj=(n+1)yj,0≤j≤M 式6
中,从(式4)求出Pj的递归式时,成为
式7
因而只有P0需要n次的加法运算,对于Pj,j≥1,只进行1次加法运算、1次减法运算就能够计算,如果将得到的Pj除以n+1就能够计算全部平均值yj,j=0~M。由此得到的特征值组{yj,xj;j=0~M}的数据量,是与R-R间隔rj,j=0~N-1的数据量相同的数目(order),它们都被存储到特征值存储部6。
在诊断部7,首先求出表示存储在特征值存储部6中的特征值组{yj,xj;j=0~M}分布状态的几个参数。为此,将(y,x)平面在y,x方向都划分为qms×qms的格子状,在该平面上描绘全部的特征值组{yj,xj;j=0~M}。而且求出在同一格子内不存在除该特征值组以外的其他特征值组的特征值组的个数,将其设为孤立数b。由此剩下的特征值组的个数a由
a=M-b+1 式8
提供,这些特征值组,不管取哪一个,其所属的格子内必然有一个以上的其他特征值组。将该a作为重叠数计算。接着在诊断部7,当将属于一个格子的特征值组的个数设为重叠度时,在全部格子内中搜索出具有最大重叠度的格子,将该重叠度作为最大重叠度c求出。
观察如上求出的重叠度、孤立数、以及最大重叠度,就能够把握心脏状态,下面进一步将上述3个参数汇总为1个,由(式9)计算心脏状态量μ。
M=10*b/(a*c) 式9
在此,系数10是为了容易地处理心脏状态量μ的数值而乘以的数,它也可以是其他值。重叠度a、最大重叠度c越大,(式9)的心脏状态量μ就成为越小的值。意味着重叠度a、最大重叠度c越大,心脏的跳动变化越少,因此当心脏状态量μ大幅小于健康者的情况时,认为对影响心脏活动这样的刺激或者环境变化的反应变得迟钝。
显示部8,将在诊断部7计算的心脏状态量μ向显示单元显示,提供给医生等的诊断。另外当医生等认为有必要时,能够显示存储在心电图数据存储部2中的心电图数据并进行观察。并且,将存储在特征值存储部6中的特征值组{yj,xj;j=0~M},以上述q×q的格子单位进行显示,并且以与其重叠度相应的颜色显示各格子的颜色,就能够看到心脏状态量μ越小,在狭窄的范围中表示大重叠度的格子越集中,从而能够视觉性地观察心脏活动的反应变得迟钝的情况。
下面说明实测例。图7是以2个被检者ZA、ZB的情况为例表示当改变心电图数据的收集时间时的、由(式9)计算的心脏状态量μ的变化的图。在该实测例中,心电图数据的数字化是以1ms采样、12比特量化进行。另外部分序列Bj的元素数量n全部为300,格子大小q为1ms进行处理。图7的横轴是将收集数据的心率N+1除以1000的值,纵轴是根据N+1=36,000时的心脏状态量μ36将心脏状态量μ归一化的值。横轴的值,设每1分钟的心率为60,则N+1=3,600相当于1小时的数据,N+1=36,000相当于10小时的数据。因而,如果每1分钟的心率不同,则即使是相同的横轴的值,其时间也不同。如图7可知,当大约成为N>20,000(以每1分钟心率是60,大约5个半小时)以上时,心脏状态量的值将变得稳定。该倾向即使在省略图示的其他被检者中也同样。因而在n=300的情况下,表示了作为收集数据量最好是N>20,000。
表1是表示对能够收集N>20,000的数据的被检者中的7名的处理结果的表。心电图数据的数字化的采样周期和量化比特数、特征值的计算精度、以及部分序列的元素数n,与图7的情况相同。
[表1]
表中被检者Z1的实验次数12,N+1=全36,000表示N+1=36,000的数据分12次取得。在这种情况下,得到12个心脏状态量μ,其平均值、最大值、以及最小值表示在相同被检者的栏中。对于被检者Z2~Z5也同样。对于被检者Z6,表示取得一次N+1=29,324的数据,从该数据得到的心脏状态量μ是3.79,对于被检者Z7,表示取得N+1=23,256以及22,618的数据,得到的心脏状态量μ是17.2以及36.3。此外,备注栏的“死亡”,意味着取得数据后在数周时间内死亡。
根据该结果,认为:当如被检者Z1~Z5那样分多次取得数据时,得到的心脏状态量μ相当分散,但这反映着取得该数据时的被检者的状态。而且,尽管存在这样的分散,当心脏状态量μ的大小大约成为1以下时,是相当危险的状态,成为如健康的被检者Z6、Z7,μ远大于1的情况相对照的结果。该倾向从省略刊载的多个数据中也能够得到,表示了从心电图数据自动计算的心脏状态量μ是判断心脏状态量的有效参数。
如上所述,根据图1所示的本发明的诊断方法,并非在被检者心电图中暂时出现的跳动紊乱来监视心率,而是监视长时间的心跳的稳定状态的特征,从而能够自动地早期预见异常的产生,提早应对症状变化。并且,在心电图的分析中,波形分析并不能以100%的正确率自动进行,虽然是足够小的频度,但在各个波形分析中也将产生误判断。在本发明的装置中,由于利用与作为特征量的R-R间隔有关的统计平均来进行诊断,因此即使有产生频度少的波形分析误判断也不影响结果,因而能够进行比使用短时间的分析的现有技术精度更好的诊断。
下面叙述本发明的诊断系统。心电仪是平时戴在被检者身体上进行测量的装置,另一方面,显示装置和进行其操作的操作装置,需要设置在医生/护士/检验师等能够容易访问的场所。另外,为了R-R间隔检测部、特征值计算部、诊断部等的处理,最好是由多个被检者能够共用的计算机等来执行,而不是按每个被检者使用专用装置,这样效率不高。
图2表示了考虑该点时的系统结构例,在设置于被检者周边的各测量端20、20…设置有心电仪装置21、汇总由该装置测量到的心电图数据作为发送数据的数据收集装置22、以及通信接口23,构成为经网络40将数据发送给中心侧。平时装戴在被检者身上来使用的心电仪装置21和数据收集装置22之间由无线线路连接。
在此,由于考虑其处理、存储、传送等,最好是尽早将心电图数据数字化,因此,将该数字化设为在心电仪装置21的输出侧或者数据收集装置22的输入侧进行。如前所述,当该数字化设为1ms采样、12比特量化时,成为每1秒1.5kB=12k比特的数据量。作为网络40,当考虑利用始终连接的因特网或者拨号的因特网、或者利用医院内等的LAN、利用拨号的固定电话网或移动电话网等时,这些数据传送速度与12k比特/秒相比都足够大,以其大的传送速度连接并发送的方式效率高,因此最好是数据收集装置23暂时存储所取得的心电图数据,例如每数分钟分段(burst)地发送给中心侧。
在图2的中心侧30,经网络40发送来的数据通过通信接口31存储到存储装置33。通信接口31,一般需要可接收来自多个测定端的数据的功能,例如在因特网的情况下设为具有服务器功能。运算处理装置32,进行在图1所述的R-R间隔检测部的处理、特征值运算部的处理以及诊断部的处理,向显示装置34输出结果。控制装置36,根据来自操作装置35的指示,进行运算处理装置32的动作控制、显示装置34的动作控制。此外,当在一个测定端设置多个心电仪装置来采集多人的心电图数据时,数据收集装置收集来自这些多个心电仪装置的心电图数据。
运算处理装置32中设有R-R间隔检测处理37、特征值计算处理38、以及诊断处理39。R-R间隔检测处理37,将医生等操作操作装置35指示的被检者的心电图数据从存储装置33读入,进行心电图波形的R点检测及其间隔的计算。该处理使用公知技术,省略其详细内容。检测出的R-R间隔数据存储到存储装置33。
图3是特征值计算处理38的流程图。在该处理中,首先将通过操作装置35指示的被检者的R-R间隔数据从存储装置33读入,对j=0,按照(式7)(式6)(式5)计算P0、y0、x0(步骤301、302、303),接着对j=1~M,仍然按照(式7)(式6)(式5)计算Pj、yj、xj(步骤304~309)。计算出的特征值存储到存储装置33。
图4是诊断处理39的概要流程图,首先将通过操作装置35指示的被检者的特征值数据从存储装置33读入,对特征值组(yj,xj,j=0~M)的每一个,计算表示该特征值组所属的格子中包括自身有几个特征值组所属的重叠度H(j)(步骤401)。接着用重叠度H(j),j=0~M计算上述重叠数a、孤立数b、最大重叠度c(步骤402),使用这些计算(式9)的心脏状态量μ(步骤403)。该心脏状态量μ,立即显示于显示装置33,或者先存储到存储装置33之后按照指示显示于显示装置33。
图5是表示图4的步骤401的详细情况的流程图。设为将(y,x)面由y固定的直线组y=0,y=±q,y=±2q…和x固定的直线组x=0,x=±q,x=±2q…分割成格子状。此时各格子的区域(y,x)能够用整数值的组(g,f)由
g·q≤y<(g+1)·q
f·q ≤x<(f+1)·q 式10
表示,因此将具有由(式10)表示的区域的格子称为格子(g,f)。另外,当将属于这样生成的格子中的特征值组的个数设为该格子的重叠度时,称为其中所属的特征值组的每一个都具有相同的重叠度。而且,该各特征值组的重叠度以H表示。例如当某个格子中有且仅有这3个特征值组(y1,x1)(y5,x5)(y6,x6)时,这3个特征值组的重叠度H(1)、H(5)、H(6)全都为3。根据该特征值组的定义,通常H(j)≥1,或者H(j)=1的特征值组(yj,xj)的个数是孤立数b,H(j)≥2的特征值组(yj,xj)的个数是重叠数c,H(j),j=0~M内的最大值是最大重叠度c。
因此,在图5的处理中,首先将特征值组(yj,xj,j=0~M)的重叠度H(j)全部初始化为1(步骤501)。接着,分别对j=0~M,由
gj={yj/q的整数部分}
Fj={xj/q的整数部分} 式11
将特征值组(yj,xj)与整数值的组(gj,fj)相对应时(步骤502),特征值组(yj,xj)属于格子(gj,fj)。接着,将变量k设为0,进而将变量j设为k+1(步骤503、504)。之后,检查这2个特征值组(yk,xk)和(yj,xj)所属的格子(gk,fk)和(gj,fj)是否相等(步骤505)。
在步骤505为“是”时,将重叠度H(j)、H(k)都加1(步骤506),当是“否”时,不进行任何操作。而且,如果j小于M(在步骤507是“否”),将j进行+1(步骤509),返回步骤505。另外,当j达到M时(在步骤507是“是”),检查k是否小M(步骤508)。而且,在k小于M期间,将k进行k+1(步骤510),返回步骤504,当k达到M时结束。
图6是表示图4的步骤402的详细情况的流程图。首先将重叠度H(j)为2或者之上的特征值组的个数、即重叠数a,以及H(j)是1的特征值组的个数、即孤立数b初始化为0,另外,将最大重叠度c设为H(0)(步骤601)。接着将j设为0后(步骤602),如果H(j)为1,则将孤立数b进行+1,如果不是1,则将重叠度a进行+1(步骤603、604、605)。接着,将H(j)和最大重叠度c进行比较,如果H(j)超过c,则将c设为H(j)(步骤606、607)。反复以上的步骤603~607直到j达到M(步骤608、609)。
此外,说明了如下处理:根据来自操作装置35的指示,分别调用R-R间隔检测处理37、特征值计算处理38、以及诊断处理39,开始进行处理,并将其结果存储到存储装置33。但是对于一个被检者而言,无需赘言,自动地连续执行这些处理更为实用。另外,虽然将存储各处理37~39的处理结果的存储装置设为使用一个存储装置33,但也可使用物理上分离的其他装置。并且,显示装置34的显示信息,不仅是心脏状态量μ,还可以根据需要由来自操作装置的指示来进行该被检者的心电图的显示、以及进行特征值数据的向x、y面的显示。
工业可利用性
以上,以借助于心电图分析的人的诊断为例详细地说明了本发明,但是本发明还能够应用于诊断例如在机械结构物、机械设备(plant)内移动的物体等中伴随着复杂波动但产生大致周期性的振动这种情况。
Claims (6)
1.一种诊断数据取得方法,利用计算机求出诊断数据并输出,其特征在于:
持续预定时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,并且将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,将上述孤立数和重叠数作为诊断数据输出。
2.一种诊断数据取得方法,利用计算机求出诊断数据并输出,其特征在于:
持续预定时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多的特征值组的格子的特征值组的个数作为最大重叠度求出,将上述孤立数、重叠数以及最大重叠度作为诊断数据输出。
3.一种诊断数据取得方法,利用计算机求出诊断数据并输出,其特征在于:
持续预定时间将被检者的心电图数据数字化并进行收集,
通过检测在收集到的心电图数据中出现的峰值点的间隔,来生成时间序列数据,
生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组,
当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,根据上述孤立数、重叠数以及最大重叠度,求出10*(孤立数)/{(重叠数)*(最大重叠度)}作为心脏状态量,并将该心脏状态量作为诊断数据输出。
4.一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,该诊断系统其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;以及
通信接口,用于将由该数据收集装置编辑的心电图数据经网络向中心装置发送,
中心装置,包括:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,用于检测存储在该存储装置中的心电图数据的峰值点R的间隔即R-R间隔,并生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于:当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他的特征值组一个都不存在的特征值组的个数作为孤立数求出,并且将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,用上述孤立数和重叠数进行诊断。
5.一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,该诊断系统其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;以及
通信接口,用于将通过该数据收集装置编辑的心电图数据通过网络发送给中心装置,
中心装置,包括:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,其用于检测存储在该存储装置中的心电图数据的峰值点R的间隔即R-R间隔,并生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于:当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组的个数作为最大重叠度求出,用上述孤立数、重叠数以及最大重叠度进行诊断。
6.一种诊断系统,由中心装置、经网络与该中心装置连接的1个或者多个测量终端装置构成,该诊断系统其特征在于:
各测量终端装置,包括:
心电仪装置;
数据收集装置,用于收集由该心电仪装置测量到的心电图数据,编辑发送用的心电图数据;以及
通信接口,用于将由该数据收集装置编辑的心电图数据经网络发送给中心装置,
中心装置,包括:
通信接口,用于接收从各测量终端装置发送来的心电图数据;
存储装置,用于存储由该通信接口接收到的心电图数据;
R-R间隔检测单元,用于检测存储在该存储装置中的心电图数据的峰值点R的间隔即R-R间隔,并生成时间序列数据;
特征值计算单元,用于生成一系列部分序列,其中每个部分序列由比上述时间序列数据的元素数个数少的连续元素构成,从上述时间序列数据的起始元素开始依次将该起始元素挪动1个元素而构成,对这些部分序列的每一个,计算由该部分序列的元素的平均值和从各元素减去该部分序列的起始元素的值的平均值这2个值的组构成的特征值组;以及
诊断单元,用于当向预先分割为格子状的二维平面描绘上述特征值组时,将某特征值组存在的格子内其他特征值组一个都不存在的特征值组的个数作为孤立数求出,将从上述特征值组的总个数减去上述孤立数的值作为重叠数求出,并且将存在最多特征值组的格子的特征值组个数作为最大重叠度求出,根据孤立数、重叠数、以及上述最大重叠度,求出10*(孤立数)/{(重叠数)*(最大重叠度)}作为心脏状态量,用该心脏状态量进行诊断。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP150375/2004 | 2004-05-20 | ||
JP2004150375 | 2004-05-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1953706A CN1953706A (zh) | 2007-04-25 |
CN100450434C true CN100450434C (zh) | 2009-01-14 |
Family
ID=35428218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005800159017A Expired - Fee Related CN100450434C (zh) | 2004-05-20 | 2005-05-19 | 诊断数据取得方法及诊断系统 |
Country Status (11)
Country | Link |
---|---|
US (1) | US8036733B2 (zh) |
EP (1) | EP1790285B1 (zh) |
JP (1) | JP4369955B2 (zh) |
KR (1) | KR101102545B1 (zh) |
CN (1) | CN100450434C (zh) |
AU (1) | AU2005244694B2 (zh) |
DK (1) | DK1790285T3 (zh) |
ES (1) | ES2405265T3 (zh) |
PL (1) | PL1790285T3 (zh) |
SI (1) | SI1790285T1 (zh) |
WO (1) | WO2005112751A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100966590B1 (ko) * | 2007-12-11 | 2010-06-29 | 한국전자통신연구원 | 생체신호 측정 장치들의 상호 협업 방법 및 시스템 |
WO2010000009A1 (en) * | 2008-07-02 | 2010-01-07 | Cardanal Pty Ltd | Improved detection of cardiac dysfunction |
KR101030170B1 (ko) * | 2009-08-28 | 2011-04-18 | 성균관대학교산학협력단 | 저전력 소모를 위한 피크 심장 박동 검출 시스템 및 그 방법 |
JP5243375B2 (ja) * | 2009-09-09 | 2013-07-24 | 日本光電工業株式会社 | 生体信号処理装置及び医療装置制御方法 |
US20110301479A1 (en) * | 2010-06-03 | 2011-12-08 | Medtronic, Inc. | System and Method for Assessing a Likelihood of a Patient to Experience a Future Cardiac Arrhythmia Using Dynamic Changes in a Biological Parameter |
CN107303177B (zh) * | 2016-04-15 | 2020-04-14 | 中国科学院微电子研究所 | 一种心电图t波、p波的检测方法及系统 |
DE102018220236A1 (de) * | 2018-11-26 | 2020-05-28 | Heidelberger Druckmaschinen Ag | Schnelle Bildentzerrung für Bildinspektion |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08322813A (ja) * | 1995-06-01 | 1996-12-10 | Isuzu Motors Ltd | 心拍変動波形周波数解析方法及び装置 |
JP2003260035A (ja) * | 2002-03-12 | 2003-09-16 | Kiyoshi Takizawa | 診断方法とその装置、診断用プログラム |
JP2004016248A (ja) * | 2002-06-12 | 2004-01-22 | Junichiro Hayano | 心電図に基づく発作性心房細動の検出・評価システム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5201321A (en) * | 1991-02-11 | 1993-04-13 | Fulton Keith W | Method and apparatus for diagnosing vulnerability to lethal cardiac arrhythmias |
JPH0654815A (ja) | 1992-08-07 | 1994-03-01 | Fukuda Denshi Co Ltd | Rr間隔スペクトル分析方法及びその装置 |
JP2665161B2 (ja) | 1994-08-25 | 1997-10-22 | 栃木日本電気株式会社 | 心電図解析方法 |
US5560368A (en) * | 1994-11-15 | 1996-10-01 | Berger; Ronald D. | Methodology for automated QT variability measurement |
US5609158A (en) * | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
US5755671A (en) * | 1995-10-05 | 1998-05-26 | Massachusetts Institute Of Technology | Method and apparatus for assessing cardiovascular risk |
JP2834057B2 (ja) | 1996-01-29 | 1998-12-09 | 群馬日本電気株式会社 | 心電図解析装置 |
JPH10225443A (ja) | 1997-02-13 | 1998-08-25 | Nippon Telegr & Teleph Corp <Ntt> | 心電図データ解析装置 |
CN1428130A (zh) * | 2001-12-27 | 2003-07-09 | 泷泽清 | 诊断方法及其装置,诊断程序 |
US7330750B2 (en) * | 2003-04-25 | 2008-02-12 | Instrumentarium Corp. | Estimation of cardiac death risk |
-
2005
- 2005-05-19 DK DK05741540.8T patent/DK1790285T3/da active
- 2005-05-19 AU AU2005244694A patent/AU2005244694B2/en not_active Ceased
- 2005-05-19 JP JP2006519552A patent/JP4369955B2/ja not_active Expired - Fee Related
- 2005-05-19 KR KR1020067024154A patent/KR101102545B1/ko not_active IP Right Cessation
- 2005-05-19 EP EP05741540A patent/EP1790285B1/en not_active Not-in-force
- 2005-05-19 WO PCT/JP2005/009123 patent/WO2005112751A1/ja active Application Filing
- 2005-05-19 SI SI200531705T patent/SI1790285T1/sl unknown
- 2005-05-19 US US11/596,981 patent/US8036733B2/en not_active Expired - Fee Related
- 2005-05-19 CN CNB2005800159017A patent/CN100450434C/zh not_active Expired - Fee Related
- 2005-05-19 ES ES05741540T patent/ES2405265T3/es active Active
- 2005-05-19 PL PL05741540T patent/PL1790285T3/pl unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08322813A (ja) * | 1995-06-01 | 1996-12-10 | Isuzu Motors Ltd | 心拍変動波形周波数解析方法及び装置 |
JP2003260035A (ja) * | 2002-03-12 | 2003-09-16 | Kiyoshi Takizawa | 診断方法とその装置、診断用プログラム |
JP2004016248A (ja) * | 2002-06-12 | 2004-01-22 | Junichiro Hayano | 心電図に基づく発作性心房細動の検出・評価システム |
Also Published As
Publication number | Publication date |
---|---|
ES2405265T3 (es) | 2013-05-30 |
JPWO2005112751A1 (ja) | 2008-03-27 |
US20090012414A1 (en) | 2009-01-08 |
DK1790285T3 (da) | 2013-05-21 |
EP1790285A1 (en) | 2007-05-30 |
JP4369955B2 (ja) | 2009-11-25 |
US8036733B2 (en) | 2011-10-11 |
PL1790285T3 (pl) | 2013-07-31 |
KR101102545B1 (ko) | 2012-01-04 |
EP1790285A4 (en) | 2009-08-12 |
AU2005244694A1 (en) | 2005-12-01 |
KR20070030198A (ko) | 2007-03-15 |
AU2005244694B2 (en) | 2011-01-27 |
EP1790285B1 (en) | 2013-03-06 |
CN1953706A (zh) | 2007-04-25 |
WO2005112751A1 (ja) | 2005-12-01 |
SI1790285T1 (sl) | 2013-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100450434C (zh) | 诊断数据取得方法及诊断系统 | |
US11476000B2 (en) | Methods and systems using mathematical analysis and machine learning to diagnose disease | |
EP0370085B1 (en) | Cardiac death probability determining device | |
US9161705B2 (en) | Method and device for early detection of heart attack | |
Xia et al. | Computer algorithms for evaluating the quality of ECGs in real time | |
CN109691994A (zh) | 一种基于心电图的心率监测分析方法 | |
KR20090024808A (ko) | 치매 및 치매성 장애의 평가 | |
CN112806977B (zh) | 基于多尺度融合网络的生理参数测量方法 | |
Deserno et al. | Computational electrocardiography: revisiting Holter ECG monitoring | |
Kuzmin et al. | Mobile ECG monitoring system prototype and wavelet-based arrhythmia detection | |
Al-Hamadi et al. | An automatic ECG generator for testing and evaluating ECG sensor algorithms | |
Al-Masri et al. | Detecting heart rate variability using millimeter-wave radar technology | |
US20030125632A1 (en) | Method and apparatus for diagnosis and diagnostic program | |
RU2657966C2 (ru) | Устройство и способ для дистанционной беспроводной диагностики функционального состояния сердечно-сосудистой системы человека на основе двигательной активности и фотоплетизмографии | |
CN110477863A (zh) | 一种基于心脏功能动态监控的人工智能算法模型系统及方法 | |
CN114587365A (zh) | 一种面向可穿戴设备的心电信号异常检测方法 | |
Reddy et al. | Development of Non Invasive cardiovascular risk diagnosing system | |
Gnanavel et al. | GUI Base Prediction of Heart Stroke Stages by Finding the Accuracy using Machine Learning Algorithm | |
JP2003260035A (ja) | 診断方法とその装置、診断用プログラム | |
Vishinov et al. | Distribution analysis of long-term heart rate variability versus blood glucose | |
Mandle et al. | A Review on Real Time Heart Rate Monitoring System using MATLAB | |
RU2821209C1 (ru) | Способ диагностики электрокардиосигнала на основе определения фрактальной размерности | |
Brucal et al. | A Development of a Low-Cost 12-Lead Electrocardiogram Monitoring Device Using Android-based Smartphone | |
Shehab et al. | Internet of Things and the electrocardiogram using artificial intelligence—a survey | |
JP2003275187A (ja) | 診断方法とその装置、診断用プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090114 Termination date: 20180519 |