CN110418601A - 血压数据处理装置、血压数据处理方法以及程序 - Google Patents
血压数据处理装置、血压数据处理方法以及程序 Download PDFInfo
- Publication number
- CN110418601A CN110418601A CN201880017119.6A CN201880017119A CN110418601A CN 110418601 A CN110418601 A CN 110418601A CN 201880017119 A CN201880017119 A CN 201880017119A CN 110418601 A CN110418601 A CN 110418601A
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- factor
- wholeheartedly
- waveform
- peak
- 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.)
- Pending
Links
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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明的一个方式的血压数据处理装置,具备:晨峰血压取得部,取得晨峰血压;血压波形提取部,从所述晨峰血压提取一心拍以上的血压波形;波形特征量计算部,对从上述一心拍以上的血压波形分离出的各个一心拍所对应的血压波形、或者对从上述一心拍以上的血压波形分离出的上述一心拍所对应的血压波形进行平均而得到的平均血压波形,计算波形特征量;以及因素识别部,基于所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
Description
技术领域
本发明涉及处理血压数据的技术。
背景技术
已知对于患有睡眠呼吸暂停综合征(SAS:Sleep Apnea Syndrome)的患者而言,在无呼吸后再次开始呼吸时,血压急剧上升之后下降。以下,将这样的急剧的血压变动称为晨峰血压。与患者产生的晨峰血压相关联的指标(例如,每单位时间产生了晨峰血压的次数)被认为有助于如SAS、高血压等增加脑部疾病或心血管疾病的发病风险的疾病的诊断或治疗。
为了观测晨峰血压,需要例如能够获得每一心拍的血压那样的能够连续地测定血压的血压测定装置。通过连续血压测定得到的血压数据的量庞大,医生、研究者等专家难以分析血压数据来提取晨峰血压。因此,正在进行从血压数据自动提取晨峰血压的技术的开发。
然而,血压测定装置在健康管理、疾病的治疗或诊断等各种场景中被利用。在日本特开2001-299707号公报中公开了一种对患者的心率的变动进行监测,并响应于检测出心率的变动而测定血压的血压测定装置。该血压测定装置基于心率的变动,预测患者发生血压下降或上升到危险水平的血压变动。
晨峰血压还由于除无呼吸以外的因素而产生。例如,作为在睡眠中产生晨峰血压的主要因素,可以举出无呼吸、快速眼动(REM:Rapid Eye Movement)睡眠和清醒反应。通过PSG(polysomnography)计测睡眠状态和血压,能够判断晨峰血压因哪一个因素产生。然而,PSG是高价且大规模的设备,无法在家庭中轻松地进行使用PSG的测量。另外,在日本特开2001-299707号公报所公开的血压测定装置中,能够预测产生血压变动,但无法确定与该血压变动有关的身体的因素。谋求能够在不使用PSG那样的高价且大规模的设备的情况下确定晨峰血压的产生因素。
发明内容
本发明是着眼于上述情况而完成的,其目的在于提供一种能够根据血压数据来识别产生了晨峰血压的因素的血压数据处理装置、血压数据处理方法以及程序。
在本发明的第一方式中,血压数据处理装置具备:血压数据取得部,取得血压数据;晨峰血压检测部,根据所述血压数据检测晨峰血压;血压波形提取部,从所述晨峰血压提取一心拍以上的血压波形;波形特征量计算部,对从上述一心拍以上的血压波形分离出的各个一心拍所对应的血压波形、或者对从上述一心拍以上的血压波形分离出的上述一心拍所对应的血压波形进行平均而得到的平均血压波形,计算波形特征量;以及因素识别部,基于所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
在本发明的第二方式中,所述因素识别部使用通过学习与所述规定的因素分别对应的波形特征量而得到的学习结果来识别所述晨峰血压的因素。
在本发明的第三方式中,所述波形特征量包含多种波形特征量,所述因素识别部基于所述多种波形特征量和与所述规定的因素分别相关且设定在特征空间中的边界来识别所述晨峰血压的因素。
在本发明的第四方式中,所述晨峰血压包括上升部分和紧随所述上升部分之后的下降部分,所述血压波形提取部从所述晨峰血压的所述上升部分提取所述一心拍以上的血压波形。
在本发明的第五方式中,所述波形特征量基于从舒张峰值的时刻起到收缩峰值的时刻为止的时间间隔、从所述舒张峰值的所述时刻起到重搏峰值的时刻为止的时间间隔、所述收缩峰值的时间宽度、总脉冲时间、所述收缩峰值的振幅以及所述重搏峰值的振幅中的至少一个。
在本发明的第六方式中,所述波形特征量包含基于所述收缩峰值的所述时间宽度与所述总脉冲时间之比的波形特征量。
在本发明的第七方式中,所述波形特征量计算部对所述一心拍以上的血压波形进行包含一次微分或二次微分的预处理,并基于通过所述预处理而得到的波形来确定所述舒张峰值、所述收缩峰值以及所述重搏峰值。
在本发明的第八方式中,血压数据处理装置还具备输出部,该输出部输出与由所述因素识别部识别出的晨峰血压的因素相关的信息。
根据第一方式,根据血压数据检测出晨峰血压,从晨峰血压提取一心拍以上的血压波形,对从一心拍以上的血压波形分离出的各个一心拍所对应的血压波形,或者,对从上述一心拍以上的血压波形中分离出的上述一心拍所对应的血压波形进行平均后的平均血压波形,计算波形特征量,并且基于波形特征量从规定的因素中识别所述晨峰血压的因素。由此,能够在不使用PSG那样的高价且大规模的设备的情况下根据血压数据来识别发生了晨峰血压的因素。
根据第二方式,为了识别晨峰血压的因素,使用通过学习与所述规定的因素分别对应的波形特征量而得到的学习结果。由此,能够容易地生成为了识别晨峰血压的因素而需要的数据。
根据第三方式,在特征空间上预先确定与规定的因素分别相关的边界。由此,能够以较少的处理量来识别晨峰血压的因素。
根据第四方式,波形特征量对晨峰血压的上升部分所包含的一心拍所对应的血压波形的各个或者平均血压波形进行计算。由此,能够高精度地识别发生了晨峰血压的因素。
根据第五方式,使用基于从舒张峰值的时刻起到收缩峰值的时刻为止的时间间隔、从舒张峰值的时刻起到重搏峰值的时刻为止的时间间隔、收缩峰值的时间宽度、总脉冲时间、收缩峰值的振幅以及重搏峰值的振幅中的至少一个的波形特征量。由此,能够高精度地识别发生了晨峰血压的因素。
根据第六方式,使用基于收缩峰值的时间宽度与总脉冲时间之比的波形特征量。由此,能够高精度地识别发生了晨峰血压的因素。
根据第七方式,对一心拍以上的血压波形进行包含一次微分或二次微分的预处理。由此,确定舒张峰值、收缩峰值以及重搏峰值等特征点的处理变得容易。
根据第八方式,输出与由所述因素识别部识别出的晨峰血压的因素相关的信息。根据该信息,医生能够研究针对患者的病情的应对方法。
即,根据本发明,能够提供一种能够根据血压数据来识别产生了晨峰血压的因素的血压数据处理装置、血压数据处理方法以及程序。
附图说明
图1是表示第一实施方式的血压数据处理装置的框图。
图2是表示图1所示的血压测定装置的一例的框图。
图3是表示图2所示的血压测定部的外观的侧视图。
图4是表示图2所示的血压测定部的截面图。
图5是表示图2所示的血压测定部的俯视图。
图6是表示晨峰血压的波形的一例的图。
图7是表示图1所示的因素识别部的框图。
图8是用于说明波形特征量的图。
图9是用于说明生成因素识别用数据的方法例的图。
图10是表示第一实施方式的血压数据处理装置的处理例的流程图。
图11是例示由图1所示的信息输出部输出的测定血压信息的图。
图12是表示图1的血压数据处理装置的硬件结构例的框图。
具体实施方式
以下,参照附图对本发明的实施方式进行说明。
[第一实施方式]
图1概略地表示第一实施方式的血压数据处理装置10。如图1所示,血压数据处理装置10对在测定被测定者(用户)的血压的血压测定装置20中得到的血压数据进行处理。血压数据处理装置10例如能够安装在个人计算机或服务器等计算机上。
首先,对血压测定装置20进行说明。血压测定装置20连续地测定被测定者的血压,并生成血压数据。具体而言,血压测定装置20对被测定者的动脉的脉波进行测定,并将测定出的脉波变换为血压,由此生成血压数据。血压数据包括与测定出的脉波的波形对应的血压波形的数据。血压数据还可以包括血压特征量(血压值)的时序数据。血压特征量例如是收缩期血压(SBP:Systolic Blood Pressure)和舒张期血压(DBP:Diastolic BloodPressure),但并不限定于此。一心拍所对应的脉波波形中的最大值与收缩期血压对应,一心拍所对应的脉波波形中的最小值与舒张期血压对应。
在第一实施方式中,血压测定装置20通过张力测量法来测定作为脉波的压脉波。在此,张力测量法是指从皮肤上以适当的压力按压动脉而在动脉形成扁平部,在取得动脉内部与外部的平衡的状态下通过压力传感器非侵入性地测量压脉波的方法。根据张力测量法,能够得到每一心拍的血压值。
血压测定装置20可以是穿戴于被测定者的可穿戴装置,也可以是在将被测定者的上臂载置于固定台的状态下进行血压测定的固定型装置。参照图2至图5,在以下说明的例子中,血压测定装置20是穿戴于被测定者的手腕的可穿戴装置。
图2概略地表示血压测定装置20的一例。图2所示的血压测定装置20具备血压测定部21、加速度传感器24、存储部25、输入部26、输出部27以及控制部28。控制部28控制血压测定装置20的各部。控制部28的功能能够通过CPU(Central Processing Unit)等处理器执行ROM(Read-Only Memory)等计算机可读取的存储介质中存储的控制程序来实现。
血压测定部21测定桡骨动脉的压脉波。图3是表示血压测定部21通过未图示的带而穿戴于被测定者的手腕W的状态的侧视图,图4是概略地表示血压测定部21的结构的截面图。如图3以及图4所示,血压测定部21具备传感器部22以及按压机构23。传感器部22以与桡骨动脉RA存在于内部的部位(在该例子中为手腕W)接触的方式配置。按压机构23将传感器部22按压于手腕W。在张力测量法中,在最佳的按压条件下压脉波和血压变得相等。
图5示出传感器部22的与手腕W接触的一侧的面。如图5所示,传感器部22具备一个以上的(在该例子中为两个)压力传感器阵列221,压力传感器阵列221分别具有在方向B上排列的多个(例如46个)压力传感器222。方向B是在血压测定装置20穿戴于被测定者的状态下与桡骨动脉的延伸方向A交叉的方向。压力传感器222的配置不限于图5所示的例子。对压力传感器222赋予作为识别信息的通道编号。
各压力传感器222测定压力并生成压力数据。作为压力传感器,可以使用将压力变换为电信号的压电元件。压电元件的输出信号以规定的(例如125Hz的)采样频率被变换为数字信号,由此得到压力数据。与上述的脉波数据对应的压脉波数据基于从压力传感器222中适当选择的1个压力传感器(有效通道)222输出的压力数据来生成。
按压机构23例如包括空气袋和调整空气袋的内压的泵。当泵由控制部28驱动以提高空气袋的内压时,压力传感器222由于空气袋的膨胀而被按压在手腕W上。需要说明的是,按压机构23并不限定于使用空气袋的构造,也可以通过能够调整将压力传感器222按压于手腕W的力的任何构造来实现。
加速度传感器24检测作用于血压测定装置20的加速度并生成加速度数据。作为加速度传感器24,例如能够使用三轴加速度传感器。加速度的检测与血压测定并行地执行。
存储部25包括计算机可读取的存储介质。例如,存储部25包括ROM、RAM(RandomAccess Memory)以及辅助存储装置。ROM存储上述控制程序。RAM被CPU作为工作存储器使用。辅助存储装置存储包含由血压测定部21生成的血压数据和由加速度传感器24生成的加速度数据的各种数据。辅助存储装置例如包括闪存。辅助存储装置包括内置于血压测定装置20的存储介质、存储卡等可移除介质或者这两者。
输入部26接收来自被测定者的指示。输入部26例如包括操作按钮、触摸面板等。输出部27输出血压测定结果等信息。输出部27例如包括液晶显示装置等显示装置。
根据具有上述结构的血压测定装置20,得到血压数据和加速度数据。例如,在被测定者睡眠的整个期间(例如一晚)进行测定,由测定得到的血压数据以及加速度数据被输入到血压数据处理装置10。
需要说明的是,血压测定装置20不限于基于张力测量法的血压测定装置,也可以是能够连续地测定血压的任意类型的血压测定装置。例如,也可以使用测定作为脉波的容积脉波的血压测定装置。该血压测定装置例如能够使用光电传感器或超声波探头测定动脉的容积脉波,并基于测定出的容积脉波推定血压。另外,也可以使用测定在动脉中传播的脉波的传播时间即脉波传播时间(PTT:Pulse Transit Time),并基于测定出的脉波传播时间来推定血压的血压测定装置。
接着,对血压数据处理装置10进行说明。如图1所示,血压数据处理装置10具备血压数据取得部11、血压数据存储部12、预处理部13、晨峰血压检测部14、因素判定部15、信息生成部16以及信息输出部17。
血压数据取得部11从血压测定装置20取得血压数据,并存储在血压数据存储部12中。血压数据也可以通过存储卡等可移除介质从血压测定装置20提供给血压数据处理装置10。或者,血压数据也可以通过通信(有线通信或无线通信)从血压测定装置20提供给血压数据处理装置10。进而,血压数据取得部11还可以取得从设于血压测定装置20的加速度传感器输出的加速度数据等。
预处理部13从血压数据存储部12接收血压数据,对血压数据进行预处理。例如,预处理部13对血压数据中包含的或根据血压数据生成的收缩期血压的时序数据进行平滑化、尖峰噪声去除、高频分量去除等预处理。预处理也可以包括使用加速度数据来检测被测定者的体动,并对检测到体动的时间区间的血压数据进行修正的处理。
晨峰血压检测部14根据预处理后的血压数据检测晨峰血压。检测晨峰血压的方法可以是任意的方法。例如,检测晨峰血压的处理例如也可以使用收缩期血压或舒张期血压的时序数据来执行。在第一实施方式中,对于将什么样的血压波形作为晨峰血压进行检测没有限制。
图6表示晨峰血压的一例。在图6中,横轴是时间,纵轴是血压。从时刻t1到时刻t3的时间区间(称为晨峰区间)中的血压波形与晨峰血压对应。在晨峰区间中,血压上升之后下降。能够利用包含识别编号、在晨峰区间中血压值成为最大的时刻(称为峰值时刻)t2、晨峰区间的开始时刻t1以及晨峰区间的结束时刻t3在内的信息来管理晨峰血压。该信息也可以包含晨峰区间中的最大血压值。
因素判定部15判定由晨峰血压检测部14检测出的晨峰血压由于规定的因素中的哪个因素产生。作为一例,规定的因素包括无呼吸、快速眼动睡眠及清醒反应。另外,规定的因素也可以包含其他(具体而言,除无呼吸、快速眼动睡眠、以及清醒反应以外的因素)。因素的数量可以为2个以上。无呼吸、快速眼动睡眠及清醒反应是因素的例子,并不限定于这些。因素可以如无呼吸那样从与某些疾病关联的要素中选择。关于因素判定部15的处理,将在后面详细说明。
信息生成部16生成测定血压信息。信息生成部16能够基于由因素判定部15判定为晨峰血压的血压波形,生成与晨峰血压相关联的指标。与晨峰血压相关联的指标例如包括每单位时间发生了晨峰血压的次数、各晨峰血压的最大血压值的平均值、以及各晨峰血压的最大血压值中的最大值。由此,能够提供与被测定者所产生的晨峰血压相关联的指标。并且,信息生成部16能够根据存储在血压数据存储部12中的血压数据,生成平均血压值等与血压相关联的各种指标。
信息输出部17输出由信息生成部16生成的测定血压信息。例如,信息输出部17生成包含测定血压信息的图像数据,在显示装置上显示与图像数据对应的图像。
对因素判定部15进行详细说明。
图7概略地示出因素判定部15的结构例。如图7所示,因素判定部15具备对象区间设定部151、血压波形提取部152、波形特征量计算部153、因素识别部154、因素识别用数据生成部155以及晨峰血压波形存储部156。
对象区间设定部151设定用于从晨峰血压提取一心拍以上的血压波形的对象区间。例如,将晨峰血压的上升期间设定为对象区间。晨峰血压的上升期间是指从开始时刻t1起到峰值时刻t2为止的时间区间。也可以将上升期间的一部分设定为对象区间。另外,也可以将下降期间的一部分或全部设定为对象区间。下降期间是指从峰值时刻t2起到结束时刻t3为止的时间区间。本发明者们确认了通过将晨峰血压的上升期间用作对象区间,能够高精度地判定晨峰血压是由于哪个因素发生的。因此,优选的是,将晨峰血压的上升期间的一部分或全部设定为对象区间。
血压波形提取部152从对象区间中的晨峰血压提取一心拍以上的血压波形。晨峰血压的上升期间典型地为5-25秒左右,因此,提取出遍及多心拍的血压波形。需要说明的是,在如将晨峰血压的上升期间的一部分作为对象区间使用的情况那样对象区间短的情况下,有时也提取小于二心拍的血压波形。
波形特征量计算部153从由血压波形提取部152提取出的一心拍以上的血压波形中提取波形特征量。例如,波形特征量计算部153从由血压波形提取部152提取出的一心拍以上的血压波形中分离或提取的一个以上的一心拍所对应的血压波形,并对分离出的各个一心拍所对应的血压波形计算波形特征量。另外,波形特征量计算部153也可以生成对分离或者提取出的一心拍所对应的血压波形进行平均而得到的平均血压波形,并对平均血压波形计算波形特征量。波形特征量基于一心拍所对应的血压波形的形状来计算。波形特征量包含一种或多种波形特征量。在第一实施方式中,使用多种波形特征量。波形特征量可以由特征向量来表示。
参照图8对波形特征量进行说明。图8例示了一心拍所对应的血压波形。在图8中,T0是在一心拍的血压波形中血压值(例如压脉波的值)最小的点。将点T0称为舒张峰值(diastolic peak)或舒张开端(diastolic onset)。T1是在一心拍的血压波形中血压值最大的点。将点T1称为收缩峰值(systolic peak)。T2是在点T1之后出现的拐点。将点T2称为重搏切迹(dicrotic notch)。T3是在点T2之后出现的拐点、即在最大点T1之后出现的血压值成为极大的点。将点T3称为重搏峰值(dicrotic peak)。T4是血压值最小的点,是成为下一个心拍所对应的血压波形的起点的点。AP1表示收缩峰值的振幅、即从最大值减去最小值而得到的差值。AP2表示重搏峰值的振幅、即从第二个极大值减去最小值后的差值。TP1表示到收缩峰值为止的时间、即从最小值的时刻起到最大值的时刻为止的时间。TP2表示直到重搏峰值为止的时间、即从最小值的时刻起到第二极大值的时刻为止的时间。TPT表示总脉冲时间、即一心拍的血压波形的时间长度。IWT表示收缩峰值的时间宽度。例如,IWT是取收缩峰值的高度(AP1)的三分之二的值的波间时间。波形特征量能够基于这些参数AP1、AP2、TP1、TP2、TPT、IWT中的至少一个。例如,可以使用基于TP1、IWT/TPT、TP1/TPT、TP2/TPT、(TP2-TP1)/TPT、AP2/AP1等的波形特征量。在一例中,使用IWT/TPT和AP2/AP1这两种波形特征量。例如,IWT/TPT的波形特征量对于识别晨峰血压是无呼吸还是除无呼吸以外的因素是有用的。需要说明的是,波形特征量也可以基于与上述的参数不同的参数。
为了确定点T0、T1、T2、T3、T4等特征点,波形特征量计算部153也可以对血压波形进行包含一次微分和/或二次微分在内的预处理。通过使用血压波形的一次微分和/或二次微分,确定特征点的处理变得容易。
另外,波形特征量计算部153根据包含晨峰血压的期间的血压波形,计算作为心电图中的R波间的间隔的瞬时心拍(RRI:R-R interval),对RRI进行频谱分析,计算低频分量LF和高频分量HF,计算低频分量LF和高频分量HF的比作为特征量。例如,波形特征量计算部153针对RRI计算功率谱密度,使用自回归模型来计算功率谱密度,能够算出从0.05Hz到0.15Hz的频域的功率的积分值作为LF,将从0.15Hz到0.40Hz的频域中的功率的积分值作为HF。已知比LF/HF表示自律神经的平衡。因此,通过使用比LF/HF作为特征量,能够判定晨峰血压是否源自快速眼动睡眠。
因素识别部154基于由波形特征量计算部153计算出的波形特征量,从规定的因素中识别晨峰血压的因素。为了进行识别,因素识别部154使用由因素识别用数据生成部155生成的因素识别用数据。在进行关于因素识别部154的具体说明之前,对因素识别用数据进行说明。
晨峰血压波形存储部156存储有典型的晨峰血压波形的数据。这里所说的晨峰血压波形是指图8所示那样的一心拍所对应的血压波形。典型的晨峰血压波形能够通过医生、研究者等专家对任意的被测定者得到的血压数据进行解析而得到。作为睡眠中产生晨峰血压的因素,考虑主要为无呼吸、快速眼动睡眠以及清醒反应。在图9所示的例子中,准备了以无呼吸、REM和清醒反应的3个因素(类别)进行标示的典型的晨峰血压波形的3个数据集。这样的数据集能够通过由PSG测量睡眠状态和血压来准备。晨峰血压有时也由于复合的因素而产生。例如,有时也会由于无呼吸和REM睡眠而产生晨峰血压。另外,有时也会由于无呼吸、REM睡眠和清醒反应而产生晨峰血压。需要说明的是,也存在无法确定因素的晨峰血压。
因素识别用数据生成部155基于存储在晨峰血压波形存储部156中的晨峰血压波形数据,生成因素识别部154进行识别所使用的数据(因素识别用数据)。因素识别用数据生成部155通过学习存储在晨峰血压波形存储部156中的晨峰血压波形数据,能够生成因素识别用数据。
在一例中,因素识别用数据生成部155对3个类别中的每一个以如下方式在特征空间上确定边界。因素识别用数据生成部155根据属于各类别的晨峰血压波形来计算波形特征量。波形特征量的计算可以通过与关于波形特征量计算部153所说明的方法相同的方法来进行。因素识别用数据生成部155基于计算出的波形特征量,在特征空间上确定用于识别类别的边界线或面。因素识别用数据生成部155如2σ法或者3σ法那样在特征空间上决定包含数据的约95.4%或者约99.7%的边界线或者边界面。边界例如是马哈拉诺比斯距离、1类支持向量机(SVM:Support Vector Machine)等来决定。在使用2种波形特征量的情况下,如图9所示,确定3个类别各自的边界线。各个边界可以与其他边界部分重叠。因素识别用数据包含表示与3个类别分别相关的特征空间上的边界的数据。
因素识别部154基于由波形特征量计算部153计算出的波形特征量和在特征空间上设定的边界,来识别晨峰血压是由于规定的因素的哪个因素而产生的。具体而言,因素识别部154基于包含波形特征量作为要素的特征向量位于哪个类别的边界的内侧,来识别由于哪个因素产生了晨峰血压。在通过血压波形提取部152提取出多个一心拍所对应的血压波形的情况下,因素识别部154例如能够通过多数表决来进行识别。具体而言,因素识别部154将与位于特征空间上的边界的内侧的特征向量的数量最多的类别对应的因素决定为晨峰血压的因素。
如上所述,边界有时与其他边界重叠。因此,也存在特征向量位于两个以上的类别的边界的内侧的情况。在该情况下,因素识别部154也可以将与这些类别对应的因素决定为晨峰血压的要素。
在其他例子中,因素识别部154也可以计算特征向量与各类别的重心(中心)之间的马哈拉诺比斯距离,并基于计算出的马哈拉诺比斯距离来进行识别。因素识别部154也可以将与特征向量与马哈拉诺比斯距离最小的类别对应的因素决定为晨峰血压的要素。在该情况下,对于各类别而言,因素识别用数据包含特征空间上的重心位置以及协方差矩阵的逆矩阵。
在另一示例中,因素识别部154可以使用支持向量机进行识别。在该情况下,因素识别用数据生成部155基于存储在晨峰血压波形存储部156中的晨峰血压波形数据来生成支持向量机。
接着,说明血压数据处理装置10的动作。
图10示出了用于识别第一实施方式的发生了晨峰血压的因素的过程的示例。在图10的步骤S101中,从血压数据存储部12读出血压数据。在步骤S102中,晨峰血压检测部14根据血压数据检测晨峰血压。在此,为了使说明简单,检测一个晨峰血压。在检测出多个晨峰血压的情况下,分别执行接下来说明的处理。
在步骤S103中,因素判定部15针对晨峰血压设定对象区间。在步骤S104中,因素判定部15从对象区间的晨峰血压的波形中提取一心拍以上的血压波形。在步骤S105中,因素判定部15根据提取出的一心拍以上的血压波形来计算波形特征量。作为一例,因素判定部15针对从一心拍以上的血压波形分离出的各个一心拍所对应的血压波形来计算波形特征量。在其他例子中,因素判定部15也可以针对将从一心拍以上的血压波形分离出的一心拍所对应的血压波形进行平均后的平均血压波形来计算波形特征量。在步骤S116中,因素判定部15根据计算出的波形特征量,识别提取出的一心拍所对应的血压波形属于哪个类别。例如,因素判定部15在包含计算出的波形特征量作为要素的特征向量位于特征空间上设定的某个类别的边界的内侧的情况下,判定为提取出的一心拍所对应的血压波形属于该类别。因素判定部15对与判定为所提取的一心拍所对应的血压波形所属的类别对应的因素的得分加上1分。
在步骤S103中提取出的对象区间的血压波形中包含多个一心拍所对应的血压波形的情况下,分别对一心拍所对应的血压波形进行步骤S104-S106的处理。
在步骤S107中,因素判定部15根据反复执行的识别(步骤S106)的结果,判定晨峰血压是由于规定的因素中的哪个因素而产生的。具体而言,因素判定部15将得分最高的因素决定为晨峰血压的因素。
图11表示由信息输出部17显示的血压波形的一例。在图11所示的例子中,晨峰血压被四边形的框包围,在框内标注有与由因素判定部15的因素识别部154识别出的晨峰血压的因素相关的信息。通过与晨峰血压一起示出其因素,医生容易将血压数据用于疾病的诊断或治疗。
如上所述,第一实施方式的血压数据处理装置10获取血压数据,根据血压数据检测晨峰血压,从晨峰血压提取一心拍以上的血压波形,分别对从一心拍以上的血压波形分离出的一心拍所对应的血压波形的各个,或者,对从上述一心拍以上的血压波形中分离出的上述一心拍所对应的血压波形进行平均后的平均血压波形,计算波形特征量,基于波形特征量,从规定的因素中识别所述晨峰血压的因素。由此,不使用PSG那样的高价且大规模的设备,就能够根据血压数据来识别发生了晨峰血压的因素。其结果,能够提供与由于无呼吸等特定的因素而产生的晨峰血压相关联的信息。通过明确晨峰血压的产生因素,能够明确患者应治疗的部位。
参照图12说明血压数据处理装置10的硬件结构例。
血压数据处理装置10具备CPU31、ROM32、RAM33、辅助存储装置34、输入装置35、输出装置36以及收发器37,它们经由总线系统38相互连接。血压数据处理装置10的上述功能能够通过CPU31读出并执行存储于计算机可读取的存储介质(ROM32和/或辅助存储装置34)的程序来实现。RAM33由CPU31作为工作存储器来使用。辅助存储装置34例如包括硬盘驱动器(HDD)或硬盘驱动器(SDD)。辅助存储装置34被用作血压数据存储部12(图1)以及晨峰血压波形存储部156(图7)。输入装置例如包括键盘、鼠标以及麦克风。输出装置例如包括液晶显示装置等显示装置以及扬声器。收发器37与其他计算机之间进行信号的发送接收。例如,收发器37从血压测定装置20接收血压数据。
[其他实施方式]
在上述的实施方式中,因素识别用数据生成部155以及晨峰血压波形存储部156设置于血压数据处理装置10的因素判定部15。在其他实施方式中,因素识别用数据生成部155以及晨峰血压波形存储部156也可以设置在与血压数据处理装置10不同的装置中。换言之,也可以在外部装置中生成因素识别用数据,将因素识别用数据提供给血压数据处理装置10。
另外,在上述的实施方式中,血压数据处理装置10与血压测定装置20分开设置。在其他实施方式中,血压数据处理装置10的功能的一部分或全部也可以设置于血压测定装置20。
总之,本发明并不限定于上述实施方式,在实施阶段能够在不脱离其主旨的范围内对结构要素进行变形并具体化。另外,能够通过上述实施方式所公开的多个结构要素的适当组合来形成各种发明。例如,也可以从实施方式所示的全部构成要素中删除几个构成要素。进而,也可以适当组合不同实施方式中的构成要素。
上述的实施方式的一部分或全部也可以如以下的附注那样记载,但不限于以下的内容。
(附记1)
一种血压数据处理装置,具备:
硬件处理器;以及
存储器,与所述硬件处理器结合;
所述硬件处理器构成为:
取得血压数据;
根据所述血压数据检测晨峰血压;
从所述晨峰血压提取一心拍以上的血压波形;
根据所述一心拍以上的血压波形计算出波形特征量,并且
基于所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
(附记2)
一种血压数据处理方法,具备:
使用至少一个硬件处理器,获取血压数据;
使用至少一个硬件处理器,根据所述血压数据检测晨峰血压;
使用至少一个硬件处理器,从所述晨峰血压提取一心拍以上的血压波形;
使用至少一个硬件处理器,针对从上述一心拍以上的血压波形分离出的各个一心拍所对应的血压波形或者对从上述一心拍以上的血压波形中分离出的上述一心拍所对应的血压波形进行平均而得到的平均血压波形来计算波形特征量;以及
使用至少一个硬件处理器,基于所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
Claims (10)
1.一种血压数据处理装置,具备:
血压数据取得部,取得血压数据;
晨峰血压检测部,根据所述血压数据检测晨峰血压;
血压波形提取部,从所述晨峰血压提取一心拍以上的血压波形;
波形特征量计算部,对从所述一心拍以上的血压波形分离出的各个一心拍所对应的血压波形、或者对从所述一心拍以上的血压波形分离出的所述一心拍所对应的血压波形进行平均而得到的平均血压波形,计算波形特征量;以及
因素识别部,基于所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
2.根据权利要求1所述的血压数据处理装置,其特征在于,所述因素识别部使用通过学习与所述规定的因素分别对应的波形特征量而得到的学习结果来识别所述晨峰血压的因素。
3.根据权利要求1或2所述的血压数据处理装置,其特征在于,
所述波形特征量包含多种波形特征量,
所述因素识别部基于所述多种波形特征量和与所述规定的因素分别相关且设定在特征空间中的边界来识别所述晨峰血压的因素。
4.根据权利要求1至3中任一项所述的血压数据处理装置,其特征在于,
所述晨峰血压包括上升部分和紧随所述上升部分之后的下降部分,
所述血压波形提取部从所述晨峰血压的所述上升部分提取所述一心拍以上的血压波形。
5.根据权利要求1-4中的任意一项所述的血压数据处理装置,其特征在于,所述波形特征量基于从舒张峰值的时刻起到收缩峰值的时刻为止的时间间隔、从所述舒张峰值的所述时刻起到重搏峰值的时刻为止的时间间隔、所述收缩峰值的时间宽度、总脉冲时间、所述收缩峰值的振幅以及所述重搏峰值的振幅中的至少一个。
6.根据权利要求5所述的血压数据处理装置,其特征在于,所述波形特征量包含基于所述收缩峰值的所述时间宽度与所述总脉冲时间之比的波形特征量。
7.根据权利要求5或6所述的血压数据处理装置,其特征在于,所述波形特征量计算部对所述一心拍以上的血压波形进行包含一次微分或二次微分的预处理,并基于通过所述预处理而得到的波形来确定所述舒张峰值、所述收缩峰值以及所述重搏峰值。
8.根据权利要求1至7中任一项所述的血压数据处理装置,其特征在于,还具备输出部,该输出部输出与由所述因素识别部识别出的晨峰血压的因素相关的信息。
9.一种血压数据处理方法,具备:
取得血压数据;
根据所述血压数据检测晨峰血压;
从所述晨峰血压提取一心拍以上的血压波形;
对从所述一心拍以上的血压波形分离出的各个一心拍所对应的血压波形、或者对从所述一心拍以上的血压波形中分离出的所述一心拍所对应的血压波形进行平均而得到的平均血压波形,计算波形特征量;
根据所述波形特征量,从规定的因素中识别所述晨峰血压的因素。
10.一种程序,用于使计算机作为权利要求1至8中任一项所述的血压数据处理装置发挥功能。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-048954 | 2017-03-14 | ||
JP2017048954A JP7019951B2 (ja) | 2017-03-14 | 2017-03-14 | 血圧データ処理装置、血圧データ処理方法、およびプログラム |
PCT/JP2018/009580 WO2018168808A1 (ja) | 2017-03-14 | 2018-03-12 | 血圧データ処理装置、血圧データ処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110418601A true CN110418601A (zh) | 2019-11-05 |
Family
ID=63523145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880017119.6A Pending CN110418601A (zh) | 2017-03-14 | 2018-03-12 | 血压数据处理装置、血压数据处理方法以及程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200008691A1 (zh) |
JP (1) | JP7019951B2 (zh) |
CN (1) | CN110418601A (zh) |
DE (1) | DE112018001390T5 (zh) |
WO (1) | WO2018168808A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113180610A (zh) * | 2020-05-26 | 2021-07-30 | 孙书军 | 针对osahs的动态血压特征提取方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3001628A1 (en) * | 2015-10-13 | 2017-04-20 | Salu Design Group Inc. | Wearable health monitors and methods of monitoring health |
JP6995100B2 (ja) * | 2019-09-30 | 2022-01-14 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 情報処理装置、算出方法および算出プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10295657A (ja) * | 1997-04-24 | 1998-11-10 | Matsushita Electric Ind Co Ltd | 血圧測定装置 |
US20040243006A1 (en) * | 2001-06-21 | 2004-12-02 | Nakata Kin-Ichi | Vascular disease examining system and bypass vascular diagnosing device |
CN102143704A (zh) * | 2008-09-02 | 2011-08-03 | 欧姆龙健康医疗事业株式会社 | 血压测定装置 |
US20120078123A1 (en) * | 2010-09-29 | 2012-03-29 | Denso Corporation | Pulse wave analyzer and blood pressure estimator using the same |
CN103260503A (zh) * | 2010-12-08 | 2013-08-21 | 欧姆龙健康医疗事业株式会社 | 血压信息测定装置及在该装置中的动脉硬化度的指标的计算方法 |
JP2016064125A (ja) * | 2014-09-19 | 2016-04-28 | シナノケンシ株式会社 | 脳血管疾患の発症危険度予測システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4517619B2 (ja) * | 2002-12-05 | 2010-08-04 | オムロンヘルスケア株式会社 | 脈波測定装置 |
JP4342455B2 (ja) * | 2005-02-03 | 2009-10-14 | 株式会社東芝 | 健康管理装置および健康管理システム |
JP5677400B2 (ja) * | 2012-11-08 | 2015-02-25 | 日本光電工業株式会社 | 生体情報表示装置、および生体情報表示システム |
JP2015154884A (ja) * | 2014-02-21 | 2015-08-27 | セイコーエプソン株式会社 | 超音波測定装置及び超音波測定方法 |
JP6465622B2 (ja) * | 2014-11-10 | 2019-02-06 | 日本光電工業株式会社 | 測定装置、及びプログラム |
US9839363B2 (en) * | 2015-05-13 | 2017-12-12 | Alivecor, Inc. | Discordance monitoring |
-
2017
- 2017-03-14 JP JP2017048954A patent/JP7019951B2/ja active Active
-
2018
- 2018-03-12 WO PCT/JP2018/009580 patent/WO2018168808A1/ja active Application Filing
- 2018-03-12 DE DE112018001390.1T patent/DE112018001390T5/de active Pending
- 2018-03-12 CN CN201880017119.6A patent/CN110418601A/zh active Pending
-
2019
- 2019-09-16 US US16/571,946 patent/US20200008691A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10295657A (ja) * | 1997-04-24 | 1998-11-10 | Matsushita Electric Ind Co Ltd | 血圧測定装置 |
US20040243006A1 (en) * | 2001-06-21 | 2004-12-02 | Nakata Kin-Ichi | Vascular disease examining system and bypass vascular diagnosing device |
CN102143704A (zh) * | 2008-09-02 | 2011-08-03 | 欧姆龙健康医疗事业株式会社 | 血压测定装置 |
US20120078123A1 (en) * | 2010-09-29 | 2012-03-29 | Denso Corporation | Pulse wave analyzer and blood pressure estimator using the same |
CN103260503A (zh) * | 2010-12-08 | 2013-08-21 | 欧姆龙健康医疗事业株式会社 | 血压信息测定装置及在该装置中的动脉硬化度的指标的计算方法 |
JP2016064125A (ja) * | 2014-09-19 | 2016-04-28 | シナノケンシ株式会社 | 脳血管疾患の発症危険度予測システム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113180610A (zh) * | 2020-05-26 | 2021-07-30 | 孙书军 | 针对osahs的动态血压特征提取方法 |
CN113409941A (zh) * | 2020-05-26 | 2021-09-17 | 孙书军 | Osahs识别方法、模型、模型建立方法、及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2018168808A1 (ja) | 2018-09-20 |
US20200008691A1 (en) | 2020-01-09 |
JP2018149186A (ja) | 2018-09-27 |
DE112018001390T5 (de) | 2019-11-28 |
JP7019951B2 (ja) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7261811B2 (ja) | 訓練された予測モデルに基づく血圧降下の非侵襲的決定のためのシステム及び方法 | |
EP3600018B1 (en) | Determining artery location using camera-based sensing | |
Zhang et al. | Heart sound classification based on scaled spectrogram and partial least squares regression | |
JP6721155B2 (ja) | 生体情報分析装置、システム、及び、プログラム | |
CN107249455B (zh) | 逐次姿势识别装置及植物性神经功能信息取得装置、方法和记录介质 | |
Ortiz et al. | Heart sound classification based on temporal alignment techniques | |
US10092268B2 (en) | Method and apparatus to monitor physiologic and biometric parameters using a non-invasive set of transducers | |
TWI697318B (zh) | 用於產生指示心臟功能不良的資訊的設備、電腦程式及電腦程式產品 | |
CA2999642C (en) | Method and apparatus for producing information indicative of cardiac condition | |
US10765332B2 (en) | Detection of the heartbeat in cranial accelerometer data using independent component analysis | |
CN110418601A (zh) | 血压数据处理装置、血压数据处理方法以及程序 | |
WO2019126866A1 (en) | Sensor apparatuses, methods of operating same, and systems including same, and methods and systems for sensing and analyzing electromechanical characteristics of a heart | |
CN110418603A (zh) | 血压数据处理装置、血压数据处理方法以及程序 | |
JP2021048965A (ja) | 特徴量抽出装置、状態推定装置、特徴量抽出方法、状態推定方法及びプログラム | |
WO2020257609A1 (en) | Diagnostics and treatments for cardiac disease | |
Park et al. | Ballistocardiography | |
CN110381821B (zh) | 血压数据处理装置、血压数据处理方法以及程序 | |
Ahdy et al. | Spatial distribution of seismocardiographic signal clustering | |
Dhar et al. | Heart Failure Readmission Prediction Using Seismocardiogram Signal | |
Susana et al. | Edge Classification of Non-Invasive Blood Glucose Levels Based on Photoplethysmography Signals | |
Jung et al. | Identification of heart disease-prone personality using oscillometric blood pressure measurements | |
van der Haar | Camera-based heart rate estimation for improved interactive gaming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191105 |
|
WD01 | Invention patent application deemed withdrawn after publication |