CN102065756A - 疼痛判定装置 - Google Patents

疼痛判定装置 Download PDF

Info

Publication number
CN102065756A
CN102065756A CN2009801236324A CN200980123632A CN102065756A CN 102065756 A CN102065756 A CN 102065756A CN 2009801236324 A CN2009801236324 A CN 2009801236324A CN 200980123632 A CN200980123632 A CN 200980123632A CN 102065756 A CN102065756 A CN 102065756A
Authority
CN
China
Prior art keywords
pain
wave height
composition
relating value
interval
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.)
Granted
Application number
CN2009801236324A
Other languages
English (en)
Other versions
CN102065756B (zh
Inventor
永田镇也
永井隆二
山本敬子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nihon Kohden Corp
Original Assignee
Sumitomo Dainippon Pharma Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sumitomo Dainippon Pharma Co Ltd filed Critical Sumitomo Dainippon Pharma Co Ltd
Publication of CN102065756A publication Critical patent/CN102065756A/zh
Application granted granted Critical
Publication of CN102065756B publication Critical patent/CN102065756B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4824—Touch or pain perception evaluation
    • 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
    • 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
    • A61B5/347—Detecting the frequency distribution of signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Hospice & Palliative Care (AREA)
  • Pain & Pain Management (AREA)
  • Psychiatry (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明的课题是提供能够客观地判断疼痛的装置。作为解决手段，波高关联值取得单元(10)根据所得到的心电图，按各个周期取得波高关联值(例如R波的峰值(R波高值))。波高关联值频率分析单元(12)对作为时序数据得到的波高关联值进行频率分析，得到各频率成分的大小。波高关联值LF计算单元(14)根据波高关联值的频率成分计算LF成分(波高关联值LF成分)。间隔取得单元(4)根据所得到的心电图，取得心电波形的特征点的间隔(例如，R波与R波的时间间隔(RR间隔))。间隔频率分析单元(6)对作为时序数据得到的特征点的间隔进行频率分析，并得到各频率成分的大小。间隔HF计算单元(8)根据由间隔频率分析单元(6)得到的特征点的间隔的频率成分，计算HF成分(间隔HF成分)。分析单元(16)根据波高关联值LF成分和间隔HF成分的变化，判定疼痛。

Description

疼痛判定装置
技术领域
本发明涉及用于使疼痛的存在客观化的技术。
背景技术
如果能够测量被试验者的疼痛并客观地示出，则可以客观地测量止痛剂的药效，或者可视化患者的疼痛而进行适当的治疗。以往，例如如专利文献1所示，使用如下所述的方法：将表示疼痛程度的度量尺交给患者，患者根据自身的疼痛程度移动指示标，并通过读取该指示标而对疼痛进行定量化。
专利文献1：美国专利第6258042号
但是，在以往技术中的疼痛测量中，由于是根据患者的自申报来测量，因此存在很难采集客观的数据的问题。
发明内容
本发明是为了解决上述问题而提出，其目的在于提供一种能够客观地判断疼痛的技术。
以下示出了本发明的独立的各方面。
(1)本发明的疼痛判定装置具有：
心电信息取得部，其取得测量部测量的心电信息；
疼痛判断单元，其根据与所述心电信息的波高关联值相关的波动，判断疼痛；以及
输出单元，其输出疼痛判断单元的判断结果。
因此，可以客观地进行疼痛的判定。
(2)本发明的疼痛判定装置的特征在于，
与波高关联值相关的波动是P波、Q波、R波、S波、T波或者ST的特征值的波动。
因此，可以根据特征点的这些明确的值，进行准确的疼痛判定。
(3)本发明的疼痛判定装置的特征在于，
疼痛判断单元具有噪声排除单元，其用于提高根据与波高关联值相关的波动进行疼痛判断的准确性。
因此，可以减少将不是疼痛的情况判定为疼痛的误判断。
(4)本发明的疼痛判定装置的特征在于，
噪声排除单元将心电波形的特征点的间隔的波动、肌电信息或者第2测量部测量的皮肤电阻或者皮肤电位作为指标，进行噪声排除的判断。
因此，可以更准确地排除误判断。
(5)本发明的疼痛判定装置的特征在于，
疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；以及
波高关联值LF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算LF成分而作为波高关联值LF成分，
疼痛判断单元取得所述波高关联值LF成分作为波高关联值的波动的特征。
因此，可以通过观察波高关联值LF成分来进行疼痛判定。
(6)本发明的疼痛判定装置的特征在于，
疼痛判断单元，在所述波高关联值LF成分增大了的情况下，判定为存在疼痛。
因此，可以更准确地进行疼痛判定。
(7)本发明的疼痛判定装置的特征在于，
疼痛判断单元具有：
间隔频率分析单元，其对作为时序数据得到的所述心电信息的波形特征点的间隔进行频率分析；
间隔HF成分计算单元，其根据所述间隔频率分析单元得到的波形特征点的间隔的频率成分，计算HF成分而作为间隔HF成分，
疼痛判断单元取得所述间隔HF成分作为间隔的波动的特征。
因此，可以通过观察间隔HF成分来提高疼痛判定的准确性。
(8)本发明的疼痛判定装置的特征在于，
间隔HF成分是表示从所述间隔频率分析单元所得到的波形特征点的间隔的频率成分得到的呼吸性变动成分的指标。
(9)本发明的疼痛判定装置的特征在于，
疼痛判断单元，在间隔HF成分未减少，而波高关联值LF成分增大了的情况下，判定为存在疼痛。
因此，可以更准确地进行疼痛判定。
(10)本发明的疼痛判定装置的特征在于，
疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；
波高关联值HF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算HF成分而作为波高关联值HF成分，
疼痛判断单元取得所述波高关联值HF成分作为波高关联值的波动的特征。
(11)本发明的疼痛判定装置的特征在于，
疼痛判断单元，在间隔HF成分未减少，而波高关联值LF成分及波高关联值HF成分都增大了的情况下，判定为存在疼痛。
因此，可以更准确地进行疼痛判定。
在本发明中，“心电波形测量部”是指具有对测量对象的心电波形进行测量的功能的装置，心电计等相当于该心电波形测量部。在实施方式中，图2的ECG电极20、放大器22相当于该心电波形测量部。
在实施方式中，图3的步骤S3～S7、图4的步骤S8～S14对应于“疼痛判断单元”。
在实施方式中，图3的步骤S5、S6对应于“间隔频率分析单元”。
在实施方式中，图3的步骤S7对应于“间隔波形HF成分计算单元”。
在实施方式中，图4的步骤S8、S9对应于“波高关联值频率分析单元”。
在实施方式中，图4的步骤S10对应于“波高关联值LF成分计算单元”。
“输出单元”是指具有以任何形式输出判断结果的功能的装置，是包含对显示器、打印机、其他计算机、记录介质等进行输出的装置或者用于发送信息的通信部的概念。
“心电信息”不仅是心电波形数据，而是包含心电波形的特征部分的值等的概念。
“波高关联值”不仅是波高峰值，而是波高平均值、波形面积等，包含与波的形状相关的值的概念。
“心电信息取得部”是指包含接收来自测量部的信号的电路、读取来自记录介质的数据的驱动器、接收通过通信发送来的数据的接收部等的概念。
“波动”是指值的时间变动。
“P波、Q波、R波、S波、T波或者ST的特征值的波动”是指对P波等附加特征的特征值(峰值或平均值等)的波动。
“程序”不仅是能够由CPU直接执行的程序，还是包含源代码形式的程序、压缩处理后的程序、加密后的程序等的概念。
附图说明
图1是根据本发明的一个实施方式的疼痛判定装置的功能框图。
图2是使用CPU实现疼痛判定装置时的硬件结构。
图3是疼痛判定程序的流程图。
图4是疼痛判定程序的流程图。
图5是示出心电波形的图。
图6a是示出记录在硬盘32中的每一拍的数据的图。
图6b是示出记录在硬盘32中的5秒间的平均数据的图。
图7是示出RR间隔、R波高值的样条插值的图。
图8是示出计算LF(低频)成分和HF(高频)成分的图。
图9是示出疼痛判定装置的实测例数据的图。
图10是示出疼痛判定装置的实测例数据的图。
图11是示出疼痛判定装置的实测例图表的图。
图12是示出疼痛判定装置的实测例图表的图。
图13是示出疼痛判定装置的实测例图表的图。
图14是示出疼痛判定装置的实测例图表的图。
图15是示出T波波高值的LF成分、HF成分的变化的图。
图16是示出ST值的LF成分、HF成分的变化的图。
图17是示出QRS间隔的LF成分、HF成分的变化的图。
图18是示出投入了镇痛剂的情况下的R波高值LF成分、R波高值HF成分的变化的图。
图19是示出投入了镇痛剂的情况下的RR间隔HF成分的变化的图。
图20是示出投入了镇痛剂的情况下的T波高值LF成分、T波高值HF成分的变化的图。
具体实施方式
1.功能框图
图1示出了根据本发明的一个实施方式的疼痛判定装置的功能框图。心电信息取得部2取得对象者的心电图信息。
波高关联值取得单元10根据所得到的心电图，按每个周期取得波高关联值(例如R波的峰值(R波高值))。另外，波高关联值取得单元10可以预先取得包含有波高关联值的数据，也可以通过基于心电图数据计算波高关联值来取得。波高关联值频率分析单元12对作为时序数据得到的波高关联值进行频率分析，并得到各频率成分的大小。波高关联值LF计算单元14根据波高关联值的频率成分计算LF成分(波高关联值LF成分)。
间隔取得单元4根据所得到的心电图，取得心电波形的特征点的间隔(例如，R波与R波的时间间隔(RR间隔))。另外，间隔取得单元4可以预先取得包含有特征点的间隔的数据，也可以通过基于心电图计算特征点的间隔来取得。间隔频率分析单元6对作为时序数据得到的特征点的间隔进行频率分析，并得到各频率成分的大小。间隔HF成分计算单元8根据由间隔频率分析单元6得到的特征点的间隔的频率成分，计算HF成分(间隔HF成分)。
分析单元16根据波高关联值LF成分和间隔HF成分的变化，如下所述判断疼痛的有无及程度。分析单元16将波高关联值LF成分作为基准进行疼痛的判定。如果波高关联值LF成分比平常时增大，则有可能存在疼痛。并且，如果波高关联值LF成分与平常时相同或者比平常时减少，则不存在疼痛的可能性。
但是，分析单元16即使在波高关联值LF成分比平常时增大，有可能存在疼痛的情况下，在间隔HF成分比平常时减少了的情况下，也不判断为疼痛。分析单元16在波高关联值LF成分比平常时增大，且间隔HF成分与平常时相同或者增大时，判断为疼痛。此时，分析单元16将波高关联值LF成分的峰值大小判断为疼痛的程度。
另外，在该实施方式中，由波高关联值取得单元10、波高关联值频率分析单元12、波高关联值LF成分计算单元14、间隔取得单元4、间隔频率分析单元6、间隔HF成分计算单元8构成疼痛判断单元3。并且，由间隔计算单元4、间隔频率分析单元6、间隔HF计算单元8构成噪声排除单元。
输出单元17将如上所述分析的疼痛判定结果输出到显示器等。
2.硬件结构
图2示出了使用CPU 26实现一个实施方式的疼痛判定装置时的硬件结构。CPU26上连接有A/D转换器24、显示器28、存储器30、硬盘32、操作部34。
ECG电极20贴附在对象者的身体上以取得对象者的心电信号。由放大器22放大来自ECG电极20的心电信号，并通过A/D转换器24转换为数字数据的心电波形信号。A/D转换器24将所生成的数字数据存储到存储器30中。
存储器30作为CPU 26的作业区来使用。显示器28显示判定结果等。操作部34是用于由操作者进行操作输入的按钮等。硬盘32中记录有用于疼痛判定的程序。
3.疼痛判定程序的处理
图3示出了记录在硬盘32中的疼痛判定程序的流程图。CPU 26在步骤S1中，取入存储在存储器30中的心电波形数据。心电波形是按规定时间对电位的变化进行采样得到的数字数据，示意地示出在图5中。
CPU 26识别所取入的心电波形的一拍(步骤S2)。例如，识别具有超过规定值的波峰点的波并将该波作为R波。并且，将紧接在该R波之前的底波作为Q波，将Q波的开始点作为一拍的开始点。同样地，通过识别下一拍的开始点来识别一拍。并且，将紧接在R波之后的底波作为S波，并将S波结束后的平坦波识别为ST部。
接着，CPU 26计算本次识别的一拍的R波的峰值、与前一拍的R波的峰值的时间间隔，并记录到硬盘32中(步骤S3)。在该实施方式中，步骤S3对应于间隔取得单元。进而，计算R波的波峰的波高值，并记录在硬盘32中(步骤S4)。在该实施方式中，步骤S4对应于波高关联值取得单元。因此，当继续进行处理时，如图6a所示，在硬盘32中记录有各拍的RR间隔和R波高值。
另外，在图6a中，R表示R波高值，RR表示RR间隔。并且，绝对时刻表示计测时刻，相对时刻表示以计测开始为0的时间。并且，在该实施方式中，如图6a所示，还记录RR间隔和R波高值以外的特征值。P为P波高值、Q为Q波高值、S为S波高值、ST为ST值、T为T波高值、PR为P波与R波的间隔、VAT为Q波与R波的间隔、QRS为Q波与S波的间隔、QT为Q波与T波的间隔。
接着，CPU 26计算表示RR间隔的时间变动的波形(步骤S5)。例如，如图6b所示，根据图6a的数据计算RR间隔的5秒间平均值的时间变动。接着，如图7A所示，以如下方式进行标绘，即在横轴表示时间、纵轴表示RR间隔的平面上，将图6b的RR间隔的平均值的时间变动表示为P。对横轴标绘的时间间隔可以对应于实际的一拍的时间。由于RR间隔的时间变动为每一拍的离散值，因此如图7A所示，通过进行样条插值等，用平滑的波形α连结。
接着，CPU 26根据所生成的RR间隔变动波形α，按照比一拍短的时间间隔(例如，数十ms)进行重采样，得到RR间隔的时序数据。对该时序数据进行频率分析
(例如，傅里叶变换、小波变换等)，计算各频率成分的值(步骤S6)。按重采样的单位时间间隔计算该频率分析的值。
图8示出了如上所述得到的频率分析波形。纵轴是功率谱密度(单位为msec2·Hz的平方根)，横轴为频率(单位为Hz)。将表现为低频率的具有峰值的波称为VLF、将其下一个波称为LF、将再下一个波称为HF(表示呼吸性变动成分)。CPU 26计算HF波的平均值。
在该实施方式中，CPU 26如下计算HF的平均值。首先，找出位于0.15Hz～0.4Hz
(也可以到2Hz)之间的极大值。接着，提取该极大值前后0.15Hz区间的波形，并将最小值作为基线计算其面积(参照图8)。通过将该面积除以频率宽度(0.3Hz)，计算平均值，将该平均值作为RR间隔HF成分(单位为msec/(Hz的平方根))。
CPU 26计算按重采样的单位时间计算出的RR间隔HF成分的5秒间的平均值，并记录在硬盘32中(步骤S7)。图9示出了RR间隔HF成分的记录例。在该图中，用“HF幅值”示出的项目为RR间隔HF成分。
接着，CPU 26计算表示R波高值的时间变动的波形(步骤S8)。例如，如图7B所示，如以下方式进行标绘，即在将横轴作为时间、将纵轴作为R波高值的平面上，根据图6b的数据将R波高值的5秒间平均值的时间变动表示为Q。对横轴标绘的时间间隔可以对应于实际的一拍的时间。由于R波高值的时间变动为每一拍的离散值，因此，如图7B所示，通过进行样条插值等，用平滑的波形β连结。
接着，CPU 26根据所生成的R波高值波形β，按照比一拍短的时间间隔(例如，数十ms)进行重采样，得到R波高值的时序数据。对该时序数据进行频率分析
(例如，傅里叶变换、小波变换等)，计算各频率成分的值(步骤S9)。按重采样的单位时间间隔计算该频率分析的值。
图8示出了如上所述得到的频率分析的波形。CPU 26对作为时序数据的R波高值的频率分析波形，通过与上述的RR间隔HF成分相同的计算方法，计算R波高值LF成分。
在该实施方式中，CPU 26如下计算R波高值LF的平均值。首先，提取0.04Hz～0.15Hz区间的波形，将最小值作为基线计算其面积(参照图8)。通过将该面积除以频率宽度(0.11Hz)，计算平均值，将其作为R波高值LF成分(单位为msec/(Hz的平方根))。
CPU 26计算按重采样的单位时间计算出的R波高值LF成分的5秒间的平均值，并记录在硬盘32中(步骤S10)。图10示出了R波高值LF成分的记录例。在该图中，用“LF幅值”示出的项目为R波高值LF成分。
接着，CPU 26判断作为判断对象的RR间隔HF成分(上述的5秒间的平均值)，是否与基准HF成分相比有所减小(步骤S11)。此处，基准HF为对象者的平常状态中的RR间隔HF成分。可以将预先测定的数据作为基准HF成分而记录，也可以使用本次测定中的规定时间量的RR间隔HF成分的平均值。另外，对于后述的基准LF成分也同样。在RR间隔HF成分比基准HF成分小的情况下，判定为该拍中不存在“疼痛”(步骤S14)。
当RR间隔HF成分为与基准HF成分相同的水平，或者与基准HF成分相比增大了的情况下，CPU 26接着判断作为判断对象的R波高值LF成分是否与基准LF成分相比所有增大(步骤S12)。如果R波高值LF成分与基准LF成分相比没有增大，则判定为不存在“疼痛”(步骤S14)。如果R波高值LF成分与基准LF成分相比增大，则判定为存在“疼痛”。CPU 26输出从R波高值LF成分减去基准值LF成分得到的值(例如，显示在显示器28上)，作为疼痛的指标。例如，可以设R波高值LF成分为0.04mV/Hz1/2、设R波高值HF成分为0.03mV/Hz1/2。
当结束以上的处理时，回到步骤S1，执行之后的处理。由此，实时地检测疼痛的有无。
图11、图12示出了如上所述计测了疼痛的例子。图11A是示出R波高值LF成分(5秒间的平均)的推移的图表。在图11中，(1)～(8)的虚线表示发生了以下的事件。(1)(2)(4)用夹子夹住小腿，施加对小腿的疼痛刺激。(5)(7)(8)用夹子夹住指尖，施加对指尖的疼痛刺激。(3)(6)未施加疼痛刺激。从该图表也可知，紧接在施加了疼痛刺激后，在(1)(2)(4)(5)(7)(8)中，R波高值LF成分增大。因此，通过观测R波高值LF成分，可以进行疼痛的判断。
但是，在没有施加疼痛的(3)(6)的紧随其后，虽然水平低但能看到R波高值LF成分增大。因此，在该实施方式中，通过将RR间隔HF成分也合并考虑，提高判定的准确性。即、在R波高值LF成分和RR间隔HF成分双方增大了的情况下判断为是疼痛。图12B示出了RR间隔HF成分。观察该图可知，在没有施加疼痛的(3)(6)的紧随其后，看不到RR间隔HF成分的增大。因此，可以判断为(1)(2)(4)(5)(7)(8)是疼痛。另一方面，(3)(6)不满足上述条件，可以判断为不是疼痛。
在上述中，虽然是人为地施加疼痛而进行计测，但在以下，对于由于癌而始终具有疼痛的患者，计测投入了镇痛剂的情况下的效果。
图18是示出投入作为镇痛药的盐酸吗啡前后的R波高值LF成分、与喉癌患者的疼痛的诉说之间的关系的图表。从测量开始(1)到患者诉说非常疼的时刻(2)为止，R波高值LF成分在高水平推移。时刻(3)中为呼叫护士，在时刻(4)中也诉说非常疼痛。在时刻(5)中，投入作为镇痛剂的内服液(盐酸吗啡)。该内服液对喉咙的刺激大，在饮入时感到疼痛。因此，刚服用后会存在疼痛。
在图18中，从投入镇痛剂的时刻(5)起经过短时间之后，R波高值LF成分下降，与患者诉说缓解了疼痛一致。并且，也看不到R波高值HF成分的下降。
图19是上述实验中的RR间隔HF成分的图表。在投入镇痛剂后的时刻(5)之后，RR间隔HF成分平均而言没有增大。
图20是上述实验中的T波高值LF成分、T波高值HF成分的图表。可以看出呈现了与R波高值LF成分、R波高值HF成分相同的倾向。
4.其他实施方式
(1)在上述实施方式中，虽然使用R波高值LF成分、RR间隔HF成分的规定时间量的平均值(实施方式中为5秒的平均)，但也可以直接使用R波高值LF成分、RR间隔HF成分进行判断。
(2)在上述实施方式中，虽然直接使用了R波高值LF成分、RR间隔HF成分的规定时间量的平均值，但也可以对其进行高切滤波而用于判断。例如，对时序的R波高值LF成分、RR间隔HF成分进行以0.03Hz作为截止频率的高切滤波。将此时的RR间隔HF成分的值表示在图9的高切HF幅值中。将R波高值LF成分的值表示在图10的高切LF幅值中。并且，在图11C中示出高切后的R波高值LF成分
(5秒间的平均)的推移。在图12D中示出高切后的RR间隔HF成分(5秒间的平均)的推移。通过如此进行高切处理，可以更明确地进行疼痛的判断。
(3)另外，不仅是R波高值LF成分、RR间隔HF成分，还可以组合R波高值HF成分来进行疼痛判定。即、这3者都增大时判定为是疼痛。由此，可以进行更准确的判定。
在图10的HF幅值中示出R波高值HF成分的数据例。并且，在图11B中用图表示出其时间推移。可知在(1)(2)(4)(5)(7)(8)的部分中，R波高值HF成分增大。另外，在该情况下，也可以实施高切滤波。
图13、图14示出未施加疼痛跑步时R波高值LF成分、RR间隔HF成分、R波高值HF成分的推移。图13A为R波高值LF成分、图14B为RR间隔HF成分、图13B为R波高值HF成分。另外，图13C、图14D、图13D为分别进行了高切滤波处理后的波形。
此时，由于R波高值HF成分没有增大，因此可以判定为不是疼痛。
(4)另外，在上述中，使用R波高值LF成分、RR间隔HF成分、(R波高值HF成分)进行了判定。但是，也可以代替R波高值而使用P波、Q波、S波、T波等其他的波高值或ST值。例如，图15A为T波高值的LF成分、图15B为T波高值的HF成分。可知与R波高值同样，与针对疼痛的事件(1)(2)(4)(5)(7)(8)相应地增大。另外，图15C、图15D是对图15A、图15B各自进行了高切滤波处理后的波形。
进而，图16A示出了ST值的LF成分，图16B示出了ST值的HF成分。图16C、图16D示出了对图16A、图16B各自进行了高切滤波处理后的波形。可知与R波高值同样，与针对疼痛的事件(1)(2)(4)(5)(7)(8)相应地增大。
(5)在上述实施方式中，使用RR间隔HF成分来进行噪声排除。但是，也可以使用心电波形的任意的特征点(P点、Q点等)的跳动间隔的HF成分。并且，也可以使用同一拍内的任意两个特征点间的时间间隔的HF成分。图17A示出了同一拍内的QRS间隔的LF成分，图17B示出了QRS间隔的HF成分。图17C、图17D示出了对图17A、图17B各自进行了高切滤波处理后的波形。与RR间隔HF成分同样地，在没有施加疼痛(3)(6)的紧随其后，看不出QRS间隔HF成分的增大。
进而，可以代替RR间隔HF成分，或者也可以与此一起，根据皮肤电位或皮肤电阻的变化或重叠在心电波形上的肌电波形的有无等，进行噪声排除。例如，如果皮肤电阻为规定值以上，则即使R波高值LF成分增大也判断为不是疼痛。如果皮肤电位(2点间的皮肤的电位差，例如SPL(皮肤电位水平)或SPR(皮肤电位响应)等)比规定值小，则即使R波高值LF成分增大也判断为不是疼痛。并且，可以对心电波形施加使10-40Hz通过的带通滤波器而取得肌电波形，在肌电波形的大小超过规定值了的情况下，即使R波高值LF成分增大也判断为不是疼痛。
(6)在上述实施方式中，虽然在LF成分计算和HF成分计算中使用平均值，但也可以使用最高值或面积值。
(7)在上述实施方式中，由于是将人作为对象，因此在图8中设用于LF成分计算的范围为0.04Hz～0.15Hz，设用于HF成分计算的范围为0.15Hz～0.4Hz。但是，在将动物等作为对象而进行疼痛判定时，可以如下述表1所示决定其范围。
表1
频带(Hz)
  LF范围   HF范围
  人   0.04～0.15   0.15～0.4
  大型动物(狗等)   0.05～0.2   0.2～2
  中型动物(兔等)   0.04～0.28   0.28～2
  小型动物(鼠等)   0.27～0.74   0.74～2
(8)另外，在上述各实施方式中，虽然输出疼痛判定，但也可以将如图11、图12所示的图表显示输出到显示器28上而由人进行判断。
(9)另外，虽然在上述实施方式中构成为疼痛判定装置，但也可以应用为具有疼痛判定功能的心电计。
(10)在上述实施方式中，通过计算HF成分、LF成分而对“波动”进行数值化。但是，也可以通过其他的方法、例如根据HF波或LF波的峰值、HF波或LF波的陡峭度等来对“波动”进行数值化而进行判定。
(11)在上述实施方式中，接收心电图波形而提取R波高值、RR间隔等的特征量，并进行疼痛判定。但是，也可以从外部接收特征量本身而进行疼痛判定。
(12)在上述实施方式中，将R波高值LF成分作为疼痛判定的主要因素，并将RR间隔HF成分、R波高值HF成分作为次要的判断因素。但是，也可以将RR间隔HF成分或者R波高值HF成分作为主要因素，将其他成分作为次要的判断因素。
(13)在上述实施方式中，根据波高关联值或间隔值的波动来判断疼痛。但是，也可以根据波高关联值或间隔值直接判断疼痛。
(14)在上述实施方式中，虽然使用计算机实现了图1的各功能，但也可以通过硬件逻辑电路实现其一部分或全部。

Claims (24)

1.一种疼痛判定装置，该疼痛判定装置具有：
心电信息取得部，其取得测量部测量的心电信息；
疼痛判断单元，其根据与所述心电信息的波高关联值相关的波动，判断疼痛；以及
输出单元，其输出疼痛判断单元的判断结果。
2.根据权利要求1所述的疼痛判定装置，其特征在于，
与所述波高关联值相关的波动是P波、Q波、R波、S波、T波或者ST的特征值的波动。
3.根据权利要求1或2所述的疼痛判定装置，其特征在于，
所述疼痛判断单元具有噪声排除单元，该噪声排除单元用于提高根据与所述波高关联值相关的波动进行疼痛判断的准确性。
4.根据权利要求3所述的疼痛判定装置，其特征在于，
所述噪声排除单元将所述心电波形的特征点的间隔的波动、肌电信息或者第2测量部测量的皮肤电阻或者皮肤电位作为指标，进行噪声排除的判断。
5.根据权利要求1～4中的任一项所述的疼痛判定装置，其特征在于，
所述疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；以及
波高关联值LF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算LF成分而作为波高关联值LF成分，
所述疼痛判断单元取得所述波高关联值LF成分作为波高关联值的波动的特征。
6.根据权利要求5所述的疼痛判定装置，其特征在于，
所述疼痛判断单元在所述波高关联值LF成分增大了的情况下，判定为存在疼痛。
7.根据权利要求1～6中的任一项所述的疼痛判定装置，其特征在于，
所述疼痛判断单元具有：
间隔频率分析单元，其对作为时序数据得到的所述心电信息的波形特征点的间隔进行频率分析；
间隔HF成分计算单元，其根据所述间隔频率分析单元得到的波形特征点的间隔的频率成分，计算HF成分而作为间隔HF成分，
所述疼痛判断单元取得所述间隔HF成分作为间隔的波动的特征。
8.根据权利要求1～7中的任一项所述的疼痛判定装置，其特征在于，
所述间隔HF成分是表示从所述间隔频率分析单元所得到的波形特征点的间隔的频率成分得到的呼吸性变动成分的指标。
9.根据权利要求8所述的疼痛判定装置，其特征在于，
所述疼痛判断单元在间隔HF成分未减少，而波高关联值LF成分增大了的情况下，判定为存在疼痛。
10.根据权利要求1～9中的任一项所述的疼痛判定装置，其特征在于，
所述疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；
波高关联值HF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算HF成分而作为波高关联值HF成分，
所述疼痛判断单元取得所述波高关联值HF成分作为波高关联值的波动的特征。
11.根据权利要求10所述的疼痛判定装置，其特征在于，
所述疼痛判断单元在间隔HF成分未减少，而波高关联值LF成分及波高关联值HF成分都增大了的情况下，判定为存在疼痛。
12.一种疼痛判定程序，其用于通过计算机实现疼痛判定装置，其特征在于，具有：
心电信息取得单元，其取得测量部测量的心电信息；以及
疼痛判断单元，其根据与所述心电信息的波高关联值相关的波动，判断疼痛。
13.根据权利要求12所述的疼痛判定程序，其特征在于，
与所述波高关联值相关的波动是P波、Q波、R波、S波、T波或者ST的特征值的波动。
14.根据权利要求12或13所述的疼痛判定程序，其特征在于，
所述疼痛判断单元具有噪声排除单元，该噪声排除单元用于提高根据与所述波高关联值相关的波动进行疼痛判断的准确性。
15.根据权利要求14所述的疼痛判定程序，其特征在于，
所述噪声排除单元将所述心电波形的特征点的间隔的波动、肌电信息或者第2测量部测量的皮肤电阻或者皮肤电位作为指标，进行噪声排除的判断。
16.根据权利要求12～15中的任一项所述的疼痛判定程序，其特征在于，
所述疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；以及
波高关联值LF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算LF成分而作为波高关联值LF成分，
所述疼痛判断单元取得所述波高关联值LF成分作为波高关联值的波动的特征。
17.根据权利要求16所述的疼痛判定程序，其特征在于，
所述疼痛判断单元在所述波高关联值LF成分增大了的情况下，判定为存在疼痛。
18.根据权利要求12～17中的任一项所述的疼痛判定程序，其特征在于，
所述疼痛判断单元具有：
间隔频率分析单元，其对作为时序数据得到的所述心电信息的波形特征点的间隔进行频率分析；以及
间隔HF成分计算单元，其根据所述间隔频率分析单元得到的波形特征点的间隔的频率成分，计算HF成分而作为间隔HF成分，
所述疼痛判断单元取得所述间隔HF成分作为间隔的波动的特征。
19.根据权利要求12～18中的任一项所述的疼痛判定程序，其特征在于，
所述间隔HF成分是表示从所述间隔频率分析单元所得到的波形特征点的间隔的频率成分得到的呼吸性变动成分的指标。
20.根据权利要求19所述的疼痛判定程序，其特征在于，
所述疼痛判断单元在间隔HF成分未减少，而波高关联值LF成分增大了的情况下，判定为存在疼痛。
21.根据权利要求12～20中的任一项所述的疼痛判定程序，其特征在于，
所述疼痛判断单元具有：
波高关联值频率分析单元，其对作为时序数据得到的所述波高关联值进行频率分析；以及
波高关联值HF成分计算单元，其根据所述波高关联值频率分析单元得到的波高关联值的频率成分，计算HF成分而作为波高关联值HF成分，
所述疼痛判断单元取得所述波高关联值HF成分作为波高关联值的波动的特征。
22.根据权利要求21所述的疼痛判定程序，其特征在于，
所述疼痛判断单元在间隔HF成分未减少，而波高关联值LF成分及波高关联值HF成分都增大了的情况下，判定为存在疼痛。
23.一种疼痛判定方法，其特征在于，
测量心电波形，
根据与所述心电信息的波高关联值相关的波动，判断疼痛。
24.一种疼痛判定装置，其特征在于，该疼痛判定装置具有：
心电信息取得部，其取得测量部测量的心电信息；
疼痛判断单元，其根据所述心电信息的波高关联值，判断疼痛；以及
输出部，其输出疼痛判断单元的判断结果。
CN2009801236324A 2008-06-24 2009-06-23 疼痛判定装置 Expired - Fee Related CN102065756B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008164466 2008-06-24
JP2008-164466 2008-06-24
PCT/JP2009/002866 WO2009157185A1 (ja) 2008-06-24 2009-06-23 痛み判定装置

Publications (2)

Publication Number Publication Date
CN102065756A true CN102065756A (zh) 2011-05-18
CN102065756B CN102065756B (zh) 2013-03-06

Family

ID=41444258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801236324A Expired - Fee Related CN102065756B (zh) 2008-06-24 2009-06-23 疼痛判定装置

Country Status (6)

Country Link
US (1) US9042972B2 (zh)
EP (1) EP2301431A4 (zh)
JP (1) JP5475658B2 (zh)
CN (1) CN102065756B (zh)
CA (1) CA2728647A1 (zh)
WO (1) WO2009157185A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107440687A (zh) * 2017-08-09 2017-12-08 中国科学院深圳先进技术研究院 一种疼痛等级评估方法及采用其的疼痛等级评估装置
WO2020133466A1 (zh) * 2018-12-29 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 监护设备、监护方法及计算机可读存储介质
CN113543708A (zh) * 2019-03-13 2021-10-22 欧姆龙健康医疗事业株式会社 疼痛评估装置、疼痛评估方法和疼痛评估程序
CN114786564A (zh) * 2019-08-30 2022-07-22 橙曦科技股份有限公司 实时疼痛检测及疼痛管理系统

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103876708B (zh) * 2013-11-25 2017-02-01 北京大学人民医院 疼痛应激及主观感受、疼痛治疗的无线移动信息交换系统
CN106999065B (zh) 2014-11-27 2020-08-04 皇家飞利浦有限公司 使用加速度测量术的可穿戴疼痛监测器
EP3932298A1 (en) 2016-09-27 2022-01-05 Boston Scientific Neuromodulation Corporation System for pain management using objective pain measure
AU2017334841B2 (en) 2016-09-27 2020-03-19 Boston Scientific Neuromodulation Corporation Systems and methods for closed-loop pain management
US10667747B2 (en) 2016-10-25 2020-06-02 Boston Scientific Neuromodulation Corporation Method and apparatus for pain control using baroreflex sensitivity during posture change
US11089997B2 (en) 2017-01-11 2021-08-17 Boston Scientific Neuromodulation Corporation Patient-specific calibration of pain quantification
EP3568069B1 (en) 2017-01-11 2021-04-28 Boston Scientific Neuromodulation Corporation Pain management based on brain activity monitoring
US20180193650A1 (en) * 2017-01-11 2018-07-12 Boston Scientific Neuromodulation Corporation Pain management based on cardiovascular parameters
US10631777B2 (en) 2017-01-11 2020-04-28 Boston Scientific Neuromodulation Corporation Pain management based on functional measurements
WO2018132535A1 (en) 2017-01-11 2018-07-19 Boston Scientific Neuromodulation Corporation Pain management based on emotional expression measurements
US10631776B2 (en) 2017-01-11 2020-04-28 Boston Scientific Neuromodulation Corporation Pain management based on respiration-mediated heart rates
US10960210B2 (en) 2017-02-10 2021-03-30 Boston Scientific Neuromodulation Corporation Method and apparatus for pain management with sleep detection
EP3655091B1 (en) 2017-07-18 2021-08-25 Boston Scientific Neuromodulation Corporation Sensor-based pain management systems
CN111714142B (zh) * 2020-06-12 2023-12-08 京东科技控股股份有限公司 心理状态测评方法、装置、设备和计算机可读存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07155303A (ja) * 1993-12-08 1995-06-20 Fukuda Denshi Co Ltd 自律神経機能検査装置
JP2876303B2 (ja) * 1996-04-24 1999-03-31 株式会社ウェルビーイング 血行促進装置
JP2000342690A (ja) * 1999-06-09 2000-12-12 Nippon Colin Co Ltd 麻酔深度監視装置
US6258042B1 (en) 1999-09-17 2001-07-10 James S. Factor Visual analog scale and method of use for the diagnosis and/or treatment of physical pain
US6339720B1 (en) * 1999-09-20 2002-01-15 Fernando Anzellini Early warning apparatus for acute Myocardial Infarction in the first six hours of pain
CA2403974A1 (en) * 2000-03-30 2001-10-11 Lino R. Becerra Method and apparatus for objectively measuring pain, pain treatment and other related techniques
AU2003217878A1 (en) * 2002-03-01 2003-09-16 Christine Ross Novel utilization of heart rate variability in animals
WO2003084396A1 (en) 2002-04-01 2003-10-16 Aspect Medical Systems, Inc. System and method of assessment of arousal, pain and stress during anesthesia and sedation
CN100558290C (zh) * 2003-08-08 2009-11-11 量子技术公司 电生理直觉指示器
EP1637075A1 (fr) * 2004-09-20 2006-03-22 Centre Hospitalier Regional Universitaire de Lille Procédé et dispositif d'évaluation de la douleur chez un être vivant
JP2006130121A (ja) * 2004-11-08 2006-05-25 Univ Nihon 生体情報に基づく感情認識方法
CN100415311C (zh) * 2005-06-30 2008-09-03 朱涛 智能镇痛镇静系统
JP4917373B2 (ja) * 2006-07-21 2012-04-18 シャープ株式会社 生体情報推定装置及びそれを搭載した電子機器
US9402558B2 (en) * 2007-04-05 2016-08-02 New York University System and method for pain detection and computation of a pain quantification index
JP2009261779A (ja) * 2008-04-28 2009-11-12 Univ Of Electro-Communications 痛み評価方法及び痛み評価装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107440687A (zh) * 2017-08-09 2017-12-08 中国科学院深圳先进技术研究院 一种疼痛等级评估方法及采用其的疼痛等级评估装置
WO2020133466A1 (zh) * 2018-12-29 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 监护设备、监护方法及计算机可读存储介质
CN113543708A (zh) * 2019-03-13 2021-10-22 欧姆龙健康医疗事业株式会社 疼痛评估装置、疼痛评估方法和疼痛评估程序
CN113543708B (zh) * 2019-03-13 2024-06-07 欧姆龙健康医疗事业株式会社 疼痛评估装置、疼痛评估方法和记录有疼痛评估程序的计算机可读记录介质
CN114786564A (zh) * 2019-08-30 2022-07-22 橙曦科技股份有限公司 实时疼痛检测及疼痛管理系统

Also Published As

Publication number Publication date
US20110112420A1 (en) 2011-05-12
JPWO2009157185A1 (ja) 2011-12-08
JP5475658B2 (ja) 2014-04-16
CN102065756B (zh) 2013-03-06
EP2301431A1 (en) 2011-03-30
EP2301431A4 (en) 2015-12-23
CA2728647A1 (en) 2009-12-30
WO2009157185A1 (ja) 2009-12-30
US9042972B2 (en) 2015-05-26

Similar Documents

Publication Publication Date Title
CN102065756B (zh) 疼痛判定装置
Heine et al. Electrocardiographic features for the measurement of drivers' mental workload
CN109171712B (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
CN107569226B (zh) 基于压电传感获取hrv的方法及应用
US20160183811A1 (en) System and method of detecting abnormal movement of a physical object
EP3117766A1 (en) Processing biological data
US6685649B2 (en) Monitoring a condition of a patient under anaesthesia or sedation
Pinheiro et al. Empirical mode decomposition and principal component analysis implementation in processing non-invasive cardiovascular signals
CN107961001A (zh) 动脉硬化程度的评估方法、装置及动脉硬化检测仪
WO2008111713A1 (en) Diagnosis system of deficient and forceful pulse
CN109350020A (zh) 身心健康状况分析装置及方法
US20210007621A1 (en) Method to analyze cardiac rhythms using beat-to-beat display plots
Kuzmin et al. Mobile ECG monitoring system prototype and wavelet-based arrhythmia detection
CN107320073A (zh) 组织疼痛分级方法及其装置
WO2001052715A2 (en) Method and system for measuring heart rate variability
CN117338309B (zh) 一种身份识别方法及存储介质
JP2014176427A (ja) データ解析装置、及びデータ解析プログラム
JP3562798B2 (ja) 生体反応波形情報の解析方法及び装置並びに診断装置
KR20140114181A (ko) 심전도 신호에 기반하여 스트레스를 분석하고 추정하는 방법 및 장치
WO2020133562A1 (zh) 移动监护设备、生理信号的调整和处理方法
TWI516247B (zh) 居家式憂鬱傾向生理訊號之情緒分析方法
JP2009022478A (ja) 状態管理装置およびその情報処理方法
Ferroukhi et al. Robust and reliable PPG and ECG integrated biosensor
Gonzalez et al. WalkECG: A mobile cardiac care device
EP4371487A1 (en) Method for generating multiple pieces of standard electrocardiogram data on basis of deep learning algorithm

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: NIHON KOHDEN CORPORATION

Free format text: FORMER OWNER: DAINIPPON PHARMACEUTICAL CO.

Effective date: 20110930

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20110930

Address after: Tokyo, Japan

Applicant after: NIHON KOHDEN Corp.

Address before: Osaka Japan

Applicant before: Dainippon Sumitomo Pharma Co.,Ltd.

C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130306

CF01 Termination of patent right due to non-payment of annual fee