CN117838067A - 一种信息处理方法及信息处理系统 - Google Patents

一种信息处理方法及信息处理系统 Download PDF

Info

Publication number
CN117838067A
CN117838067A CN202311635091.1A CN202311635091A CN117838067A CN 117838067 A CN117838067 A CN 117838067A CN 202311635091 A CN202311635091 A CN 202311635091A CN 117838067 A CN117838067 A CN 117838067A
Authority
CN
China
Prior art keywords
electrocardiogram
information processing
heart failure
judging
processing method
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
Application number
CN202311635091.1A
Other languages
English (en)
Inventor
藤生克仁
小室一成
荷见映理子
清水悠
三上芳宏
斋藤龙
白土稔
陈滢
滨田裕次
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.)
University of Tokyo NUC
Simplex Quantum Inc
Original Assignee
University of Tokyo NUC
Simplex Quantum Inc
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 University of Tokyo NUC, Simplex Quantum Inc filed Critical University of Tokyo NUC
Publication of CN117838067A publication Critical patent/CN117838067A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/271—Arrangements of electrodes with cords, cables or leads, e.g. single leads or patient cord assemblies
    • 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]
    • A61B5/339—Displays specially adapted therefor
    • 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
    • A61B5/24—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
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了信息处理方法及信息处理系统，可以减少医务人员在判断心力衰竭阶段时所需的时间和精力。根据本发明的一方面，提供一种信息处理系统。所述信息处理系统构成为执行读取步骤以及判断步骤。所述读取步骤读取被输入的包括用户的心电图在内的第1心电图。所述判断步骤根据所述第1心电图和参考信息来判断所述用户的心力衰竭阶段。所述参考信息是表示事先获得的包括由医生判断心力衰竭阶段的心电图在内的第2心电图与心力衰竭的特征量之间关系的信息。所述参考信息是从所述第2心电图学习了所述心力衰竭的特征量的已学习模型。所述已学习模型是从所述判断步骤所判断的内容以及相应的临床数据中学习的模型。

Description

一种信息处理方法及信息处理系统
本申请是申请日为2021年6月21日、申请号为202180002401.9、发明名称为‘信息处理系统以及程序’的专利的分案申请。
技术领域
本发明涉及一种信息处理方法及信息处理系统。
背景技术
目前已公开了一种心力衰竭检测方法，所述方法从用户那里获得心电图、心率、心拍变异、心拍间隔和呼吸频率，并分析这些信息以判断是否存在心力衰竭(见专利文献1)。
现有技术文献
专利文献
专利文献1：日本特开2020-039472号公报
发明内容
发明所要解决的课题
然而，在专利文献1所公开的技术中，并未判断心力衰竭的严重程度(心力衰竭阶段)。此外，由于需要从用户那里获得各种信息，导致对心力衰竭的判断比较耗费时间和精力。
鉴于上述情况，本发明提供了一种信息处理系统，可以减少医务人员在对心力衰竭阶段的判断上需要耗费的时间和精力。
用于解决课题的手段
根据本发明的一方面，提供一种信息处理系统。所述信息处理系统构成为执行读取步骤以及判断步骤。所述读取步骤读取被输入的包括用户的心电图在内的第1心电图。所述判断步骤根据所述第1心电图和参考信息来判断所述用户的心力衰竭阶段。所述参考信息是表示事先获得的包括由医生判断心力衰竭阶段的心电图在内的第2心电图与心力衰竭的特征量之间关系的信息。所述参考信息是从所述第2心电图学习了所述心力衰竭的特征量的已学习模型。
所述已学习模型是从所述判断步骤所判断的内容以及相应的临床数据中学习的模型。
根据上述公开内容，可以提供一种能够减少医务人员在对心力衰竭阶段的判断上需要耗费的时间和精力的信息处理系统。
附图说明
图1是表示信息处理系统100的结构的框图。
图2是表示信息处理系统100的功能结构的框图。
图3是表示控制部110的信息处理的活动图。
图4A表示健康者的归一化心电图和心力衰竭阶段。图4B表示早期的归一化心电图和心力衰竭阶段。图4C表示轻度的归一化心电图和心力衰竭阶段。图4D表示中重度的归一化心电图和心力衰竭阶段。
图5表示心力衰竭阶段的判断结果的表现方法。
图6表示心力衰竭阶段的判断结果的表现方法。
图7表示心力衰竭阶段的判断结果的表现方法。
图8表示心力衰竭阶段的判断结果的表现方法。
图9表示心力衰竭阶段的判断结果的表现方法。
图10表示心力衰竭阶段的判断结果的表现方法。
图11表示心力衰竭阶段的判断结果的表现方法。
图12表示心力衰竭阶段的判断结果的表现方法。
图13表示心力衰竭阶段的判断结果的表现方法。
图14表示心力衰竭阶段的判断结果的表现方法。
图15是表示信息处理系统100的功能结构的框图。
图16A是表示已学习模型122的生成方法的活动图。图16B是表示控制部110的信息处理的活动图。
图17是表示信息处理系统100的功能结构的框图。
图18是表示控制部110的信息处理的活动图。
图19是表示信息处理系统100的功能结构的框图。
图20是表示控制部110的信息处理的活动图。
具体实施方式
以下将结合附图对本发明的实施例进行说明。以下示出的实施例中的各种特征事项均可互相组合。
用于实现本实施例中出现的软件的程序可以作为由计算机读取的非暂时存储介质(Non-transitory Computer Readable Medium)进行提供，也可以由外部服务器下载提供，还可以由外部计算机启动该程序，在客户终端上实现功能(即所谓的云计算)。
在本实施例中，“部”可以是包含了例如广义上的电路实现的硬件资源和由这些硬件资源具体实现的软件信息处理的组合的概念。此外，在本实施例中涉及了各种信息，这些信息可通过例如表示电压或电流的信号值的物理值，或是作为由0或1所组成的二进制位集的信号值的高低，又或者是量子叠加(即所谓的量子比特)来表示，并且可以在广义的电路上执行通信及计算。
此外，广义上的电路是通过至少适当地组合电路(Circuit)、电路类(Circuitry)、处理器(Processor)、以及存储器(Memory)等来实现的电路。即，包含了面向特定用途的集成电路(ASIC:Application Specific Integrated Circuit)，可编程逻辑设备(例如简单可编程逻辑设备(SPLD:Simple Programmable Logical Device)、复合可编程逻辑设备(CPLD:Complex Programmable Logic Device))以及现场可编程门阵列(FPGA:FieldProgrammable Gate Array)等等。
<第1实施例>
以下将对第一实施例进行说明。
1.信息处理系统100的结构
图1是表示信息处理系统100的结构的框图。如图1所示，信息处理系统100具备控制部110、存储部120、显示部130、输入部140以及通信部150。控制部110是指中央处理器(CPU:Central Processing Unit)、图形处理器(GPU:Graphic Processing Unit)等等，用于控制整个信息处理系统100。存储部120存储各种程序和数据，构成为例如存储器、硬盘驱动器(HDD:Hard Disk Drive)、只读存储器(ROM:Read Only Memory)、随机存取
存储器(RAM:Random Access Memory)等等。
存储部120存储控制部110根据程序执行处理时使用的数据等等。通过由控制部110根据存储在存储部120中的程序执行处理，实现后述的各种处理。换句话说，所述程序使计算机执行信息处理系统100的每个步骤。关于存储部120，至少一部分信息可以存储在存储部120以外的外部服务器中，也可以使用区块链技术或类似技术以分散方式存储在多个终端。
显示部130显示文本和图像(包括静态图像和动态图像)，并构成为可以是任何显示器。输入部140向信息处理系统100输入各种信息，且构成为鼠标、键盘、指向性装置等等。通信部150是网络接口卡(NIC:Network Interface Card)等等，构成为将信息处理系统100连接至网络，且通过有线或无线连接实现与其他设备或组件的数据通信。
2.信息处理系统100的功能结构
图2是表示信息处理系统100的功能结构的框图。如图2所示，控制部110具备读取部111和判断部112。读取部111将软件(存储于存储部120)的信息处理通过硬件(控制部110)具体实现。读取部111构成为执行读取步骤。读取部111读取被输入的第1心电图。在此，第1心电图是指从用户那里获得的心电图。读取第1心电图是指，例如，通过通信部150从外部设备接收第1心电图，通过读取所述第1心电图将其写入存储部120(例如RAM)；或者是根据用户对输入部140的操作而读取事先存储在存储部120(例如HDD)中的第1心电图并将其写入存储部120(例如RAM)；又或者是由服务器的控制设备(例如CPU)向服务器的存储设备(例如RAM)写入关于从预定的心电图测量终端发送至云端并存储至服务器的存储设备(例如HDD)中的第1心电图等等。当然，这只是示例，并不仅限于此。
判断部112将软件(存储于存储部120)的信息处理通过硬件(控制部110)具体实现。判断部112构成为执行判断步骤。判断部112根据第1心电图和参考信息121来判断心力衰竭阶段。参考信息121存储于存储部120(例如ROM)中。在此，参考信息121是指表示第2心电图与心力衰竭的特征量之间关系的信息。作为参考信息的示例，可列举查找表、函数、数学模型、已学习模型等等。当然，这只是示例，并不仅限于此。此外，心力衰竭阶段是指纽约心脏病协会(NYHA:New York Heart Association，以下简称为NYHA)根据身体活动引起的主观症状的程度而将心力衰竭分为4级。此外，第2心电图是指事先获得的心电图，表示由医生判断心力衰竭阶段的心电图。
在此，判断是指，例如，事先在存储部120(例如ROM或HDD)中存储查找表，控制部110从存储部120中读取所述查找表并进行判断；或是事先在存储部120(例如ROM或HDD)中存储函数，通过将从第1心电图中获得的特征量输入所述函数来进行判断；或是事先在存储部120(例如ROM或HDD)中存储数学模型，通过将从第1心电图中获得的特征量输入所述数学模型来进行判断；又或是基于学习了第2心电图与心力衰竭的特征量的已学习模型，通过将从第1心电图中获得的特征值输入所述已学习模型来进行判断。当然，这只是示例，并不仅限于此。
3.信息处理
图3是表示控制部110的信息处理的活动图。如图3所示，读取部111读取被输入的第1心电图(A120)。然后，判断部112根据第1心电图和参考信息来判断心力衰竭阶段(A140)。
图4A至图4D表示心力衰竭阶段的判断结果。具体来说，在图4A至图4D中，表示了第1心电图311、321、331、341由读取部111读取，判断部112根据读取的第1心电图311、321、331、341和参考信息来判断心力衰竭阶段的判断结果312、322、332、342。
如图4A所示，与判断结果312相对应的NYHA在所有9次心拍中都表示为0，这表明是健康者的情况。如图4B所示，与判断结果322相对应的NYHA在所有9次心拍中都表示为1，这表明心力衰竭阶段为早期。如图4C所示，与判断结果332相对应的NYHA在所有11次心拍中都显示为2，这表明心力衰竭阶段为轻度。如图4D所示，与判断结果342相对应的NYHA显示8次心拍中的第3次心跳为2，而其他7次心拍为4，由于4较多，这表明心力衰竭阶段为中重度。
NYHA，BNP/NT-proBNP以及StageA-D，均为《AHA/ACC/HFSA心力衰竭管理指南》中，关于心力衰竭阶段的评估方法。
除了上述采用NYHA指标对应心力衰竭阶段的方法之外，还可以采用BNP或NT-proBNP(下面称为BNP/NT-proBNP)与心力衰竭阶段对应，以此评估心力衰竭阶段。具体地，
当BNP<35pg/mL或NT-proBNP<125pg/mL时，这表明是健康者的情况；
当35≤BNP<100pg/mL或125≤NT-proBNP<300pg/mL时，这表明心力衰竭阶段为早期；
当100≤BNP<200pg/mL或300≤NT-proBNP<900pg/mL时，这表明心力衰竭阶段为轻度；
当BNP≥200pg/mL或NT-proBNP≥900pg/mL时，这表明心力衰竭阶段为中重度。
另外，还可以采用StageA-D与心力衰竭阶段对应。采用该指标主要目的在于，对患者进行适合的治疗。即使无症状结果，但是处于高危群体，则可以早期进行治疗。具体地，
当无心力衰竭心或Stage A时，这表明是健康者的情况；
当Stage B or Stage C时，这表明心力衰竭阶段为早期；
当Stage C时，这表明心力衰竭阶段为轻度；
当Stage C or Stage D时，这表明心力衰竭阶段为中重度。
有关信息处理系统100的显示部130或第2用户终端220上所显示的各种屏幕示例可参考图5至图14。根据图5至图14所示的屏幕示例，用户可以轻易掌握心力衰竭阶段的判断结果。
综上所述，信息处理方法构成为执行读取步骤和判断步骤。
读取步骤读取被输入的第1心电图。判断步骤根据第1心电图和参考信息来判断心力衰竭阶段。参考信息是表示第2心电图与心力衰竭的特征量之间关系的信息。
在第1实施例中，只要被输入的第1心电图存在，就可以自动判断心力衰竭阶段。即，由于无需从用户那里获得各种信息，可以减少医务人员在判断心力衰竭阶段上所需的时间和精力。
<第2实施例>
以下将对第2实施例进行说明。在第2实施例中，对与第1实施例重复部分的说明将酌情省略。
第1心电图优选为由1至50次心拍构成。具体而言，例如，可以是1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50次心拍，也可以是在以上所示任何两个数值之间的范围内。特别优选为1次心拍。判断部112根据由1至50次心拍构成的第1心电图和参考信息来判断心力衰竭阶段。
此外，第1心电图优选为由5～300秒的心拍构成。具体而言，例如，可以是5、10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95、100、105、110、115、120、125、130、135、140、145、150、155、160、165、170、175、180、185、190、195、200、205、210、215、220、225、230、235、240、245、250、255、260、265、270、275、280、285、290、295、300秒，也可以是在以上所示任何两个数值之间的范围内。特别优选为5秒。判断部112根据由5～300秒的心拍构成的第1心电图和参考信息来判断心力衰竭阶段。
在第2实施例中，只要表示1～50次心拍以及5～300秒的心拍的第1心电图存在，就可以自动判断心力衰竭阶段。因此，由于可以减少获取第1心电图所需的时间，则可以迅速地判断心力衰竭阶段。
<第3实施例>
以下将对第3实施例进行说明。在第3实施例中，对与第1实施例和第2实施例重复部分的说明将酌情省略。
第1心电图优选为由单一导联构成。判断部112根据由单一导联构成的第1心电图和参考信息来判断心力衰竭阶段。第1心电图通常由6个种类的四肢导联和6个种类的胸部导联构成，但单一导联表示这其中任何单一导联。
在第3实施例中，只要与单一导联相关的第1心电图存在，就可以自动判断心力衰竭阶段。即，可以省去给用户安装电极所需的时间和精力，从而减轻医务人员的负担。
<第4实施例>
以下将对第4实施例进行说明。在第4实施例中，对与第1实施例、第2实施例以及第3实施例重复部分的说明将酌情省略。
图15是表示信息处理系统100的功能结构的框图。如图15所示，优选为存储在存储器120中的参考信息是从第2心电图学习了心力衰竭的特征量的已学习模型122。例如，已学习模型122是通过卷积神经网络(CNN:Convolution Neural Network)等的深度学习或机器学习从第2心电图学习心力衰竭的特征量的模型。
图16A是表示已学习模型122的生成方法的活动图。在此，将以机器学习为例进行说明。如图16A所示，控制部110(例如CPU)读取存储在存储部120(例如HDD)中的第2心电图(A210)。然后，控制部110(例如GPU)对所述第2心电图进行机器学习(A220)。接下来，控制部110(例如GPU)执行输出处理(A230)。在此，通过反复执行A210至A230，生成已学习模型122。
在此，已学习模型122是学习了由判断部112判断的内容和相应的临床数据的模型。所述临床数据是指包括年龄、性别、身体质量指数(BMI：Body Mass Index)、脉搏波传导时间(PWTT：Pulse Wave Transit Time))、血压、心率、窦性心搏间标准差(SDNN：StandardDeviation of The NN Interval)、RR间隔变异系数(CVRR：Coefficient of VariationofRR Interval)、心房颤动以及心拍变异(HRV：Heart Rate Variability)中的至少一项的数据。
图16B是表示控制部110的信息处理的活动图。如图16B所示，读取部111读取被输入的第1心电图(A120)。随后，判断部112根据第1心电图和参考信息来判断心力衰竭阶段(A140)。接下来，控制部110使已学习模型122对A140中判断的内容和相应的临床数据进行机器学习(A150)。
在第4实施例中，通过使用已学习模型122作为参考信息来进一步学习由判断部112判断的内容和相应的临床数据，可以高度准确地判断心力衰竭阶段。
<第5实施例>
以下将对第5实施例进行说明。在第5实施例中，对与第1实施例、第2实施例、第3实施例以及第4实施例重复部分的说明将酌情省略。
图17是表示信息处理系统100的功能结构的框图。如图17所示，控制部110优选为进一步具备预处理部113。预处理部113将软件(存储于存储部120)的信息处理通过硬件(控制部110)具体实现。预处理部113构成为执行预处理步骤。预处理部113对由读取部111所读取的第1心电图进行预处理。在此，预处理是指，例如，将用于去除第1心电图中的噪音所必需的预定参数事先存储在存储器120(例如ROM或HDD)中，控制部110从存储器120中读取第1心电图和所述预定参数并执行处理。预处理可以列举为，例如，去除趋势，去除运动伪影，去除噪音，波形切割各个心拍，归一化等等。此外，还可以将以上这些相互结合进行预处理。
图18是表示控制部110的信息处理的活动图。如图18所示，读取部111读取被输入的第1心电图(A120)。然后，预处理部113对第1心电图进行预处理(A130)。接下来，判断部112根据预处理的第1心电图和参考信息来判断心力衰竭阶段(A140)。
在第5实施例中，通过对第1心电图进行预处理使心力衰竭阶段易于判断，从而可以高度准确地判断心力衰竭阶段。
<第6实施例>
以下将对第6实施例进行说明。在第6实施例中，对与第1实施例、第2实施例、第3实施例、第4实施例以及第5实施例重复部分的说明将酌情省略。
单一导联优选为从用户的右手和左手获得的I导联。在此，I导联是指从用户的右手和左手获得的导联，表示查看心脏左心室侧壁的电活动。
在第6实施例中，只要I导联相关的第1心电图存在，就可以自动判断心力衰竭阶段。即，由于电极只需安装在用户的右手和左手，可以省去给用户安装电极所需的时间和精力，从而可以减轻医务人员的负担。
<第7实施例>
以下将对第7实施例进行说明。在第7实施例中，对与第1实施例、第2实施例、第3实施例、第4实施例、第5实施例以及第6实施例重复部分的说明将酌情省略。
图19是表示信息处理系统100的功能结构的框图。如图19所示，控制部110优选为进一步具备接收部115和视觉信息生成部116。接收部115将软件(存储于存储部120)的信息处理通过硬件(控制部110)具体实现。接收部115构成为执行接收步骤。接收部115从第1用户终端210接收第1心电图。第1用户终端210可例如为简易心电图仪、可穿戴终端、12导联心电图仪、床头监护仪、或是动态心电图仪。在此，接收是指，例如通过通信部150接收由第1用户终端210获取的第1心电图。
视觉信息生成部116将软件(存储于存储部120)的信息处理通过硬件(控制部110)具体实现。视觉信息生成部116构成为执行视觉信息生成步骤。视觉信息生成部116将判断部112的结果生成为在第2用户终端220上可见的视觉信息。第2用户终端220可例如为个人电脑、智能手机、或是平板电脑。在此，生成视觉信息是指，例如，在第2用户终端220上显示存储在存储部120(例如RAM或HDD)中的心力衰竭阶段的判断结果时，生成例如屏幕、图像或渲染信息等等的视觉信息。而且，第1用户终端210和第2用户终端220可以是同一个终端。
图20是表示控制部110的信息处理的活动图。如图20所示，接收部115从第1用户终端210接收第1心电图(A110)。然后，读取部111读取被输入的第1心电图(A120)。接下来，判断部112根据第1心电图和参考信息判断心力衰竭阶段(A140)。随后，视觉信息生成部116将A140中判断的结果生成为在第2用户终端220上可见的视觉信息(A170)。
在第7实施例中，由于用户可以在自己的第2用户终端220上确认心力衰竭阶段，因此可以不受时间或地点的限制而关注自己的身体状态。换句话说，可以让用户意识到心力衰竭。
此外，本发明也可通过以下所记载的各种实施例来提供。
在所述信息处理系统中，所述临床数据是指包括年龄、性别、身体质量指数(BMI：Body Mass Index)、脉搏波传导时间(PWTT：Pulse Wave Transit Time))、血压、心率、窦性心搏间标准差(SDNN：Standard Deviation of The NN Interval)、RR间隔变异系数(CVRR：Coefficient of Variation of RR Interval)、心房颤动以及心拍变异(HRV：Heart RateVariability)中的至少一项的数据。
在所述信息处理系统中，所述第1心电图由单一导联构成。
在所述信息处理系统中，所述单一导联是指从用户的右手和左手获得的I导联。
在所述信息处理系统中，进一步执行预处理步骤，所述预处理步骤对所述读取步骤所读取的所述第1心电图进行预处理，在此，所述预处理是去除所述第1心电图中的噪音的处理。
在所述信息处理系统中，所述第1心电图由1至50次心拍构成。
在所述信息处理系统中，进一步执行接收步骤和视觉信息生成步骤，所述接收步骤接收来自第1用户终端的所述第1心电图，所述视觉信息生成步骤将所述判断步骤的结果生成为在第2用户终端可见的视觉信息。
一种程序，其特征在于使计算机执行权利要求1所述的信息处理系统的每个步骤。
当然，并不仅限于此。
符号简单说明
100:信息处理系统
110:控制部
111:读取部
112:判断部
113:预处理部
115:接收部
116:视觉信息生成部
120:存储部
121:参考信息
122:已学习模型
130:显示部
140:输入部
150:通信部
210:第1用户终端
220:第2用户终端
311:第1心电图
312:判断结果
321:第1心电图
322:判断结果
331:第1心电图
332:判断结果
341:第1心电图
342:判断结果

Claims (10)

1.一种信息处理方法，其特征在于，包括读取步骤A 120和判断步骤A 140，
所述读取步骤A 120：由读取部读取被输入的第1心电图；
所述判断步骤A 140：由判断部根据第1心电图和参考信息来判断心力衰竭阶段，
其中，所述参考信息是第2心电图与心力衰竭的特征量之间的关系，
所述心力衰竭阶段包括健康者、早期心力衰竭阶段、轻度心力衰竭阶段及中重度心力衰竭阶段。
2.如权利要求1所述的信息处理方法，其特征在于，
所述健康者相对应的NYHA表示为0；
所述早期心力衰竭阶段相对应的NYHA表示为1；
所述轻度心力衰竭阶段相对应的NYHA表示为2；
所述中重度心力衰竭阶段相对应的NYHA表示为4以下。
3.如权利要求1所述的信息处理方法，其特征在于，所述步骤A140之前还包括：
步骤A210：由控制部读取存储在存储部中的第2心电图；
步骤A220：由控制部对所述第2心电图进行机器学习；
步骤A230：由控制部执行输出处理；
反复执行所述步骤A210至步骤A230，生成已学习模型。
4.如权利要求3所述的信息处理方法，其特征在于，所述步骤A140之后还包括：
步骤A 150：由控制部使已学习模型对所述步骤A 140中判断的内容和相应的临床数据进行机器学习。
5.如权利要求1所述的信息处理方法，其特征在于，所述第1心电图为由1至50次心拍构成，是1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50次心拍。
6.如权利要求1所述的信息处理方法，其特征在于，如权利要求1所述的信息处理方法，其特征在于，所述第1心电图为由5～300秒的心拍构成，是5、10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95、100、105、110、115、120、125、130、135、140、145、150、155、160、165、170、175、180、185、190、195、200、205、210、215、220、225、230、235、240、245、250、255、260、265、270、275、280、285、290、295、300秒心拍。
7.如权利要求1所述的信息处理方法，其特征在于，所述第1心电图为6个种类的四肢导联和6个种类的胸部导联中任一一种单一导联构成。
8.如权利要求7所述的信息处理方法，其特征在于，所述单一导联为从用户的右手和左手获得的导联。
9.一种信息处理系统，用于执行如权利要求1～8中任一项所述的信息处理方法，其特征在于，包括控制部和存储部，
所述控制部包括读取部和判断部，所述读取部用于读取被输入的第1心电图；所述判断部用于执行判断步骤；
所述存储部用于存储存储所述控制部根据程序执行处理时使用的数据。
10.如权利要求9所述的信息处理系统，其特征在于，所述控制部还包括视觉信息生成部，用于将所述判断部的结果生成为在第2用户终端上可见的视觉信息。
CN202311635091.1A 2020-08-31 2021-06-21 一种信息处理方法及信息处理系统 Pending CN117838067A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2020-145822 2020-08-31
JP2020145822A JP6893002B1 (ja) 2020-08-31 2020-08-31 情報処理システム及びプログラム
CN202180002401.9A CN114599272A (zh) 2020-08-31 2021-06-21 信息处理系统以及程序
PCT/JP2021/023417 WO2022044509A1 (ja) 2020-08-31 2021-06-21 情報処理システム及びプログラム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202180002401.9A Division CN114599272A (zh) 2020-08-31 2021-06-21 信息处理系统以及程序

Publications (1)

Publication Number Publication Date
CN117838067A true CN117838067A (zh) 2024-04-09

Family

ID=76464601

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202180002401.9A Pending CN114599272A (zh) 2020-08-31 2021-06-21 信息处理系统以及程序
CN202311635091.1A Pending CN117838067A (zh) 2020-08-31 2021-06-21 一种信息处理方法及信息处理系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202180002401.9A Pending CN114599272A (zh) 2020-08-31 2021-06-21 信息处理系统以及程序

Country Status (5)

Country Link
US (1) US11412978B2 (zh)
EP (1) EP3981316A4 (zh)
JP (1) JP6893002B1 (zh)
CN (2) CN114599272A (zh)
WO (1) WO2022044509A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7075611B1 (ja) 2021-10-28 2022-05-26 国立大学法人 東京大学 情報処理装置、プログラム及び情報処理方法
JP2023151321A (ja) * 2022-03-31 2023-10-16 オムロンヘルスケア株式会社 診療支援システム、診療支援装置及びプログラム
WO2023193053A1 (en) * 2022-04-08 2023-10-12 3 Aim Ip Pty Ltd A device and method for the detection and monitoring of cardiovascular disease
JP7266349B1 (ja) 2022-08-19 2023-04-28 株式会社ＵＴ－Ｈｅａｒｔ研究所 インシリコ心疾患データベース活用方法、インシリコ心疾患データベース活用プログラム、および情報処理装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003153864A (ja) * 2001-11-26 2003-05-27 Nippon Koden Corp 電子カルテシステム
US8768718B2 (en) * 2006-12-27 2014-07-01 Cardiac Pacemakers, Inc. Between-patient comparisons for risk stratification of future heart failure decompensation
US8738119B2 (en) * 2008-10-10 2014-05-27 Cardiac Pacemakers, Inc. Multi-sensor strategy for heart failure patient management
JP5356961B2 (ja) * 2009-09-17 2013-12-04 フクダ電子株式会社 医療情報サービス提供装置
CN107742534A (zh) * 2010-03-15 2018-02-27 新加坡保健服务集团有限公司 患者存活性预测系统
US10893824B2 (en) * 2010-12-20 2021-01-19 Cardiac Pacemakers, Inc. Heart failure detection with a sequential classifier
CN102670190A (zh) * 2012-05-21 2012-09-19 南京大学 基于心率变异性非线性特性的充盈性心衰自动诊断方法
JP2015231427A (ja) * 2014-06-09 2015-12-24 株式会社デンソー 心電計
EP3313270B1 (en) * 2015-06-24 2023-07-26 Cardiac Pacemakers, Inc. Event detection using a variable threshold
US10932726B2 (en) 2018-03-16 2021-03-02 Zoll Medical Corporation Monitoring physiological status based on bio-vibrational and radio frequency data analysis
JP7161182B2 (ja) * 2018-09-07 2022-10-26 国立大学法人大阪大学 心不全の検出方法および装置、検出端末装置、心不全検出支援システム、その生産方法、並びにコンピュータプログラム
US11246538B2 (en) * 2019-03-20 2022-02-15 Zoll Medical Corporation Single channel and dual channel noise detection systems and techniques

Also Published As

Publication number Publication date
EP3981316A1 (en) 2022-04-13
US20220061754A1 (en) 2022-03-03
US11412978B2 (en) 2022-08-16
CN114599272A (zh) 2022-06-07
JP6893002B1 (ja) 2021-06-23
JP2022040892A (ja) 2022-03-11
WO2022044509A1 (ja) 2022-03-03
EP3981316A4 (en) 2022-06-29

Similar Documents

Publication Publication Date Title
CN117838067A (zh) 一种信息处理方法及信息处理系统
US11311230B2 (en) Medical premonitory event estimation
US11617533B2 (en) Visualization of arrhythmia detection by machine learning
JP2021184963A (ja) 不整脈検出についての信頼性
US20210204858A1 (en) Automatic sensing of features within an electrocardiogram
WO2023074341A1 (ja) 情報処理装置、記録媒体及び情報処理方法
EP4079224A1 (en) Electrocardiographic analysis device, electrocardiographic analysis method, and program
KR102392760B1 (ko) 심전도 데이터 처리 서버, 심전도 신호에 대한 분석데이터를 디스플레이시키는 방법 및 컴퓨터 프로그램
JP2022531302A (ja) 心調律の分析のための人工知能モデルのパーソナライゼーション
KR102392759B1 (ko) 심전도 데이터 처리 서버, 분석 조건에 해당하는 신호 구간에 대한 분석 작업을 처리하는 방법 및 컴퓨터 프로그램
KR102345010B1 (ko) 심전도 데이터 처리 서버, 대상체의 심전도 신호에 대한 분석 데이터를 생성하여 처리하는 방법 및 컴퓨터 프로그램
KR20220166812A (ko) 심전도 분석
US11576618B2 (en) Heart signal waveform processing system and method
JP2023025436A (ja) 学習済みモデルの生成方法、教師データの生成装置、学習モデルの生成装置、および疾病発症リスクの予測装置
KR102345009B1 (ko) 심전도 데이터 처리 서버, 심전도의 분석에 필요한 예상분석시간을 산출하는 방법 및 컴퓨터 프로그램
Bautista et al. Heart failure remote monitoring: novel approaches and management strategies
JP7522405B1 (ja) プログラム、情報処理方法及び情報処理システム
JP7537826B2 (ja) Ｅｃｇ信号に基づいて指標値を変換する方法およびシステム
US20230172564A1 (en) Technologies for determining a risk of developing atrial fibrillation
Mc Cann Finding information-rich electrocardiographic biomarkers to characterize atrial fibrillation
Utsha et al. CardioHelp: A smartphone application for beat-by-beat ECG signal analysis for real-time cardiac disease detection using edge-computing AI classifiers
JP2024518086A (ja) 能動植込み型医療機器からの情報の管理
WO2022221014A1 (en) Detection and prediction of hypertension induced organ damage using ecg and blood pressure data
KR20240087056A (ko) 심부전 환자의 개인 맞춤형 약제 처방을 수행하는 전자장치 및 방법
CN115938545A (zh) 数据处理方法、装置、系统、计算机设备和存储介质

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