JP2001506905A - Ｅｅｇ信号から心臓関連人工要素を抽出するシステム - Google Patents

Abstract

(57)【要約】 開示されたフィルター（１２０）は患者の脳活動を表す信号から心臓関連人工要素を排除する。好適には、このフィルターは人工要素を含んだ信号部分を経時的に隣接した人工要素を含まない部分と置換させる。

Description

【発明の詳細な説明】 ＥＥＧ信号から心臓関連人工要素を抽出するシステム 発明の分野 本願発明は脳活動を表す信号をフィルター処理する改良フィルターに関する。 さらに特定すれば、本願発明はＥＥＧ信号から心臓関連または他の人工要素(art ifact)を排除するフィルターに関する。 発明の背景 脳機能研究のために神経科医及びその他の健康管理専門家達は長年にわたって ＥＥＧ(electroencephalographic)の研究に携わっており、ＥＥＧ信号の処理と 分析のための多種多様な装置が開発されてきた。例えば、米国特許第５４５８１ １７号“脳のバイオポテンシャル分析システム及び方法”（１９９６年１０月１ ７日にシャモウン他に付与：本願出願人に譲渡）はＥＥＧ信号からバイスペクト ラルインデックス(bispectral index)を発生させるシステム及び方法を記述し ている。このバイスペクトラルインデックスは単一時間変数(single time varyi ng number)であり、一般的に患者の麻酔状態を表示するものである。このバイス ペクトラルインデックスは手術時の患者の麻酔状態の効果的なモニターに使用が 可能である。 ＥＥＧ信号を処理する装置（米国特許第５４５８１１７号に開示されたもの等 ）に関わる問題の１つはＥＥＧ信号に共通して存在する人工要素に関している。 例えば、ＥＥＧ信号はしばしば心臓ＱＲＳコンプレックス(cardiac QRS complex )あるいはペースメーカーの作動の結果として発生する人工要素を含んでいる。 このような人工要素の存在はＥＥＧ信号の処理に使用される装置の操作にも少な からず悪影響を及ぼす。従って、本願発明の１目的は、そのような人工要素をＥ ＥＧ信号から効果的に排除するフィルターの提供である。 発明の概要 それら及び他の目的は改良フィルターによって提供される。この改良フィルタ ーは患者の脳活動を表す入力信号（例えば、ＥＥＧ信号）を受信して人工要素を 含まない、あるいは人工要素を大幅に低減させた信号を発生させる。本願発明の １特徴によれば、この改良フィルターは入力信号から人工要素を排除して、排除 された部分（人工要素を含む）を、その排除部分と経時的(temporal)に隣接して いる入力信号の人工要素を含まない部分と置換させる。別の特徴によれば、この 改良フィルターは排除部分（人工要素を含む）を別の入力信号で置換する。 本願発明のその他の目的と利点とは、本願発明の最良態様を説明する目的での み提供された実施例を含んだ以下の詳細な説明から容易に理解されよう。言うま でもなく、本願発明は本願発明のスコープ内において、他の異なる実施態様であ っても利用が可能であり、その細部は改良あるいは変更が可能である。従って、 添付の図面及び本明細書の記述内容は本来的に本願発明の説明のために提供され ており、本願発明の限定は意図されていない。本願発明の真の範囲は「請求の範 囲」に記載されたものである。 図面の簡単な説明 本願発明の完全な理解のため、以下の図面を添付して好適実施例を解説する。 図１は本願発明に従って構成されたＥＣＧ/ペーサ(pacer)人工要素フィルター の概略図である。 図２は図１のＥＣＧ/ペーサ人工要素フィルターの好適実施例を表す概略図で ある。 図３Ａから図３Ｆは図２に示すフィルターの利用状況を表している信号の時間 と振幅との関係を示すグラフである。 図４は図２に示すアウトライヤエンハンサー(outlier enhancer)の好適実施例 を示す概略図である。 図５Ａから図５Ｅは図２に示すフィルターの利用状況を表している信号の時間 と振幅との関係を示すグラフである。 図６はＥＥＧ信号からＥＣＧとペーサの人工要素を排除するために図２に示 すスパイクリムーバ(spike remover)によって使用されるプロセスを図示するフ ローチャートである。 図７Ａから図７Ｈは図２に示すスパイクリムーバの利用状況を表している信号 の時間と振幅との関係を示すグラフである。 図８は本願発明に従って構成されたフィルターの別実施例を示す概略図である 。 好適実施例の詳細な説明 図１は本願発明に従って構成されたフィルター１２０の概略図である。フィル ター１２０は患者（図示せず）の脳活動を表す入力信号１１０を受信し、フィル ター処理信号１１２を発生させる。入力信号１１０は、例えば、ＥＥＧ電極ある いはアンプリファイヤ、またはその他の周知なＥＥＧ処理装置によって周知方法 で発生されるＥＥＧ信号である。フィルター１２０で発生されたフィルター処理 信号１１２は、ＥＥＧ信号の処理に使用される装置（例えば、前述の米国特許第 ５４５８１１７号で開示されたバイスペクトラルインデックス発生機）に適用が 可能である。詳細は後述するが、フィルター１２０によって提供されるフィルタ ー処理は、脳活動を表す信号の処理に使用されるいかなる装置の処理性能をも向 上させることができる。 一般的な形態では、フィルター１２０はスパイクディテクター(spike detecto r)１３０とスパイクリムーバ(spike remover)１４０とを含んでいる。入力信号 １１０はスパイクディテクター１３０とスパイクリムーバ１４０とに適用される 。スパイクディテクター１３０は出力信号１５０を発生させ、スパイクリムーバ １４０に適用する。スパイクリムーバ１４０は入力信号１１０と出力信号１５０ に対応してフィルター処理信号１１２を発生させる。 利用時には、スパイクディテクタ１３０は入力信号１１０内の人工要素を検出 し、入力信号１１０に含まれる人工要素の経時的ロケーション(temporal locati on)を表すように出力信号１５０を発生させる。入力信号１１０が人工要素（出 力信号１５０が表示）を含んでいないときは、スパイクリムーバ１４０は入力信 号１１０と実質的に等しいフィルター処理信号１１２を発生させ る。しかし、入力信号１１０が人工要素（出力信号１５０が表示）を含んでいる ときは、スパイクリムーバ１４０は、フィルター処理信号１１２の対応部分を、 人工要素を含んでいた入力信号１１０の部分に経時的に隣接した入力信号１１０ の人工要素を含まない部分と等しくセットすることでその対応部分を発生させる 。 詳細は後述するが、好適には、フィルター１２０はデジタルフィルターとして 提供される。対象となるＥＥＧ信号のほとんどの周波数成分は６０Ｈｚ以下であ り、１２０Ｈｚ以上のサンプルレートであればナイキスト基準(Nyquist criteri a)を充分に満たす。フィルター１２０で使用される好適なサンプルレートは１２ ８Ｈｚである。フィルター１２０のほとんどのコンポーネントは、好適には、エ ポック(epoch)と呼称される連続経時セグメント(successive temporal segment) 内の対象信号を処理する。１信号のエポックは１からＮまでの全ての整数ｉに対 してＮ個のデータポイントxiのセットを含んでいる。フィルター１２０内の異な るコンポーネントは異なる長さのエポック（例えば、１秒エポックあるいは２秒 エポック）を使用することができる。好適なサンプルレートである１２８Ｈｚに おいて、各々の１秒エポックのデータは１２８データポイントを含んでいる。 １好適実施例においては、フィルター１２０はＥＣＧ/ペーサ人工要素フィル ターとして提供される。この実施例では、入力信号１１０はＥＥＧ信号であり、 フィルター１２０はそのＥＥＧ信号１１０を処理して、フィルター処理信号１１ ２からＥＣＧとペーサの人工要素を排除する。ＥＣＧとペーサの人工要素は心臓 に関係しており、心臓関連人工要素である。ＥＣＧ人工要素は心臓筋肉の活動か ら自然に発生する人工要素(electrocardiogram QRS complex)である。ペーサ人 工要素は心臓のリズムのコントロールに使用される電気装置（例えば、ペースメ ーカ）から発生する。周知のごとく、身体の導電性は測定されたＥＥＧ信号に心 臓人工要素を含ませることがある。ＥＥＧ信号内のこれら人工要素はバイスペク トラルインデックス発生機のごとき処理装置の利用を妨害することがあるので、 フィルター１２０はそれら人工要素を検出して排除する。 ＥＣＧとペーサの人工要素はしばしば多鼓動（例えば、毎分１２０）で発生す るので、それら人工要素を含んだＥＥＧ信号の部分の単純な検出と排除では、バ イスペクトラルインデックス発生機のごとき処理用コンポーネントにとってはデ ータ不充分となろう。よって、好適には、フィルター１２０は、（１）ＥＣＧあ るいはペーサの人工要素を含んだＥＥＧ信号１１０の部分を排除し、（２）その データ排除部分を、その排除部分に経時的に隣接したＥＥＧ信号１１０の部分の （人工要素を含まない）オリジナルデータで置換させることでフィルター処理信 号を発生させる。このようにデータ排除部分を置換することで、得られたフィル ター処理信号は、バイスペクトラルインデックス発生機のごとき処理コンポーネ ントに正確に処理させるに充分なデータを含んでいる。ＥＥＧ信号の経時的に隣 接したスペクトラルな部分は互いに類似している傾向があるので、ＥＥＧ信号の 削除部分を経時的隣接部分（人工要素を含まない）と置換させてもフィルター処 理信号のスペクトラル内容をさほどに変更せず、続く処理コンポーネントにより 提供される処理に悪影響を及ぼさない。 図２は本願発明に従って構成されたＥＣＧ/ペーサ人工要素フィルター１２０ の好適実施例を示す概略ブロック図である。フィルター１２０は、２体のハイパ スフィルター２１０及び２１２と、２体のバンドパスフィルター２１４及び２１ ６と、１体のアウトライヤエンハンサー２１８と、１体のＥＣＧスパイクディテ クター２２０と、１体のペーサスパイクディテクター２２２と、１体のスパイク リムーバ２２４とを含んでいる。ＥＥＧ信号１１０はハイパスフィルター２１０ と２１２及びスパイクリムーバ２２４に適用される。ハイパスフィルター２１０ と２１２はＥＥＧ信号をフィルター処理し、バンドパスフィルター２１４と２１ ６とにそれぞれ適用される出力信号を発生させる。バンドパスフィルター２１４ と２１６はハイパスフィルター２１０と２１２からそれぞれ受信された信号をフ ィルター処理し、得られた信号をアウトライヤエンハンサー２１８とペーススパ イクディテクター２２２とにそれぞれ適用する。アウトライヤエンハンサー２１ ８はバンドパスフィルター２１４から信号を受信し、ＥＣＧスパイクディテクタ ー２２０に適用される信号を発生させる。ＥＣＧスパイクディテクター２２０と ペーススパイクディテクター２２２はそれぞれ出 力信号を発生させ、これら信号を両方ともスパイクリムーバ２２４に適用する。 スパイクリムーバ２２４はフィルター処理信号１１２を発生させる。 利用時に、ハイパスフィルター２１０と、バンドパスフィルター２１４と、ア ウトライヤエンハンサー２１８と、ＥＣＧスパイクディテクター２２０とは協調 して作動し、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを決定する。 図３Ａから図３Ｅは、フィルター２１０と２１４、アウトライヤエンハンサー２ １８、及びＥＣＧスパイクディテクター２２０の利用状況を表す振幅と時間との 関係を示すグラフを図示している。図３Ａは、一部が３１０で表されている通常 に発生するＥＣＧ人工要素を含んでおり、ハイパスフィルター２１０によって受 信されたＥＥＧ信号１１０の１例を図示している。ハイパスフィルター２１０は このＥＥＧ信号をフィルター処理し、例えば、電極インターフェース特性を緩や かに変動させたり、呼吸に関する動きから発生する可能性があるベースラインワ ンダー現象(baseline wander)のごとき低周波ＥＥＧ及び人工要素を排除する。 図３Ｂはハイパスフィルター２１０によって発生され、図３Ａに示す信号に対応 してバンドパスフィルター２１４に適用される出力信号のグラフである。好適に は、ハイパスフィルター２１０は、ベースラインワンダー現象を除去するに充分 な程度に高く、ＥＣＧ人工要素を通過させるに充分に低く選択されるハイパスカ ットオフ周波数(high pass cutoff frequency)をその特徴とする。このハイパス カットオフ周波数の１好適値は５Ｈｚである。フィルター２１０は、例えば、第 １オーダーのオートレグレッシブ第１オーダームービングアベレージ[ＡＲＭＡ( 1,1)]フィルター(first order Auto Reqressive first order Moving Average f ilter)として提供できる。１好適実施例においては、フィルター２１０は以下の 式（１）で表されるトランスファファンクション(transfer function)をその特 徴としている。 式（１）において、xiはフィルター２１０の入力に適用されるＥＥＧ信号 の現行フィルター未処理サンプル(current unfiltered sample)を表しており、y iとyi-1はフィルター２１０で発生される出力信号の現行及び以前のサンプルを 表している。１好適実施例においては、フィルター係数a1、b0及びb1はそれぞれ “0.72338247”、“1.0”及び“-1.0”である。 図３Ｃは、図３Ｂで図示されている信号に対応してバンドパスフィルター２１ ４によって発生される出力信号のグラフである。バンドパスフィルター２１４は 、好適には、ＥＣＧ人工要素の“スパイク形状”成分を強調させ（図３Ｃに図示 ）、以降のそれらの検出を容易にさせるように選択されるパスバンド(pass ban d)をその特徴としている。フィルター２１４のパスバンドの１好適範囲は１８Ｈ ｚから４２Ｈｚである。１好適実施例においては、バンドパスフィルター２１４ はデジタルシュードマッチ有限インパルスレスポンス（ＦＩＲ）(digital pseud o-matched finite impulse response)フィルター（すなわち、ピースワイズリニ ア“コンプレックス”（piece-wise linear"complex")）として提供され、以下 の式（２）で与えられるトランスファファンクションをその特徴とする。 １好適実施例において、フィルター係数b0からb8は以下のように選択される。 図３Ｄは、図３Ｃに図示する信号に対応してアウトライヤエンハンサー２１８ によって発生される出力信号のグラフである。図３Ｄで図示するように、アウト ライヤエンハンサー２１８はＥＣＧ人口要素を強調し、信号の残り部分を抑圧(s uppress)する。バンドパスフィルター２１４で発生される信号内のアウトライヤ （例えば、信号の平均値から大きく外れているデータポイント）は一般的にＥＣ Ｇ人工要素の一部である。好適には、アウトライヤエンハンサー２１８は平均値 を大きく外れているデータポイントの値を増加させ、その他のデータポイントの 値を減少させて、以降の人工要素検出処理を容易にさせる。アウトライヤエンハ ンサー２１８は、好適には以下で説明するアウトライヤ排除法を利用する。この ような方法は、Ｌ．Ｈ．ラーソンとＰ．Ｎ．プリンツの“ＥＥＧからのＥＫＧ人 工要素抑圧”（Electroenceph．olin．Neurophys．79(1991)pp.241-244）でも説 明されている。 好適には、アウトライヤエンハンサー２１８は１秒エポックにてバンドパスフ ィルター２１４から受信した信号を処理する。アウトライヤエンハンサー２１８ は１エポックでのＮ個のデータポイントｘｉを処理し、さらに、次のデータエポ ックでのＮ個のデータポイントを処理する。１好適実施例においては、アウトラ イヤエンハンサー２１８は平均値が０となるようにデータをまず調整することで 各エポックのデータを処理する。このゼロ平均調整を実行するため、アウトライ ヤエンハンサー２１８はまず以下の式（３）に基づいてエポックのデータの平均 値を発生させる。 次に、アウトライヤエンハンサー２１８はエポック内の全てのデータポイント からその平均値を減算し、以下の式（４）に従って“ゼロ平均データポイン 続いて、アウトライヤエンハンサー２１８は以下の式（５）に従ってエポック の全てのゼロ平均データポイントの標準偏差（またはそのＲＭＳパワー(power) ）を発生させる。 の“最小平方フィット(least squares fit)”を表す線(line)のためのデ 従って発生が可能である。 ｉがアウトライヤ（またはＥＣＧ人工要素の一部）でない限り最小平方フィッ （７）に基づいてデータポイントx_out iのセットの発生に使用が可能である。 びゼロ平均値との数値化された相違を加算するようにセットされるように関数(f unction)f（Ｚ）が選択される。しかし、もしオリジナルデータポイントｘｉが アウトライヤであるならば、対応するデータポイントx_out iは予想 は、対応するデータポイントx_out iから、バンドパスフィルター２１４からの 受信データポイントを減算することでその最終出力データポイントを発生させる 。 図４は、３体のアウトライヤ排除フィルター４１０a、４１０b、及び４１０c とサブトラクター(subtractor)４２０とをのキャスケードを含んだアウトライヤ エンハンサー２１８の好適実施例の概略図である。バンドパスフィルター２１４ で発生された出力信号はフィルター４１０aと、サブトラクター４２０の正入力( positive input)とに適用される。フィルター４１０aはバンドパスフィルター ２１４から信号を受信し、フィルター４１０bに適用される出力信号を発生させ る。フィルター４１０bはフィルター４１０cに適用される出力信号を発生させる 。フィルター４１０cはサブトラクター４２０の負入力(negative input)に適用 される出力信号を発生させる。サブトラクター４２０は、ＥＣＧスパイクディテ クター２２０（図２に図示）に適用されるアウトライヤエンハンサー２１８の出 力信号を発生させる。図４はアウトライヤ排除フィルター４１０aの概略図を図 示しており、フィルター４１０bと４１０cもほぼ同様に構成されている。フィル ター４１０aは平均値発生器(mean generator)４１２と、サブトラクター４１４ と、最小平方フィットライン発生器(least squares fit line generator)４１６ と、アウトライヤ抑圧データポイント発生器(outlier suppressed data point g enerator)４１８とを含んでいる。 利用時に、平均値発生器４１２は前式（３）に従ってエポックの全データポイ ントの平均値を発生させ、それをサブトラクター４１４の負入力に適用する。サ ブトラクター４１４は前式（４）に従ってオリジナルデータポイントから平 データポイントを最小平方フィットライン発生器４１６に適用する。最小平方フ ィットライン発生器４１６は前式（６）に従って最小平方フィットラインデ ８は前式（５）と（７）とに従ってアウトライヤ抑圧データポイントx_out iを 発生させる。アウトライヤフィルター４１０bと４１０cはそれぞれ、ゼロ平均発 生ステップ、最小平方ラインフィット処理ステップ、及びアウトライヤ抑圧デー タポイント発生ステップを連続的に反復し、フィルター４１０cによって発生さ れたデータポイントにＥＣＧ人工要素を強力に抑圧させる。次に、サブトラクタ ー４２０は、バンドパスフィルター２１４によって発生されたデータポイントか ら、フィルター４１０cで発生されたデータポイントを減算することでＥＣＧ人 工要素をエンハンスあるいは際立たせる。言うまでもなく、アウトライヤエンハ ンサー２１８は、別の実施態様では３体以外のアウトライヤ排除フィルターを含 むことができる。 図３Ｅは、図３Ｄに図示するアウトライヤエンハンサー２１８から受信された 信号に対応してＥＣＧスパイクディテクター２２０で発生された出力信号を表す グラフである。ＥＣＧスパイクディテクター２２０によって発生された出力信号 はスパイクリムーバ２２４に適用されるものであり、ＥＥＧ信号１１０内のＥＣ Ｇ人工要素のロケーションを示す。図３Ｅに図示される信号において、低値はＥ ＣＧ人工要素の不在を示し、高値はＥＣＧ人工要素のロケーションを示している 。 フィルター処理ＥＣＧ人工要素は一般的に、所定の時間内での比較的に大きな 急傾斜セグメント交番(steep-sloped segments alternating)（すなわち、上昇 と降下）をその特徴としている。例えば、ＥＣＧ人工要素３１２（図３Ｄに図示 ）は０付近の値から負データポイント３１４への急な負トランジション(negativ e transition)と、その後の正データポイント３１６への急激な正トランジショ ン（０を通過）と、その後の負データポイント３１８への急激な負トランジショ ン（０を通過）と、その後の０付近の値への急激な正トランジションとを含んで いる。好適には、ＥＣＧスパイクディテクター２ ２０はゼロ通過8zero-crossing)を特定することでＥＣＧ人工要素の存在を検出 し、そのロケーション（“０を通過する”負値から正値への信号トランジション 、あるいは“０を通過する”正値から負値への信号トランジションが発生するロ ケーション）を決定する。 １実施例においては、ＥＣＧスパイクディテクター２２０は、Ｔ１の時間でア ウトライヤエンハンサー２１８によって発生される信号内でディテクターがＭの ゼロ通過回数を検出するときには常にＥＣＧ人口要素の存在を示す出力信号を発 生させる。このＭは２以上であって４以下であり、Ｔ１は約２００ｍｓである。 好適には、ＥＣＧスパイクディテクター２２０は“しきい値”ＺＣＴＲ１を利用 し、ゼロ通過が発生するときを決定する。すなわち、ディテクター２２０はアウ トライヤ２１８から受信される信号の‐ＺＣＴＲ１からＺＣＴＲ１へのトランジ ション、またはＺＣＴＲ１から‐ＺＣＴＲ１へのトランジションをゼロ通過とし て考察する。ゼロ通過の数量をしきい値よりも大きく設定することで、ＥＣＧ人 工要素として少量のランダムノイズによって引き起こされるゼロ通過現象が考察 対象となることが防止される。しきい値ＺＣＲＴＲ１の好適値は8.032μＶであ るが、好適には、このしきい値の値を使用されるＥＥＧ電極のタイプ及び他の知 られた要因に応じて適当に変化させる。フィルター１２０のどのような特定の利 用形態においても、好適には、しきい値ＺＣＴＲ１は実際のＥＣＧ人工要素をノ イズから信頼性高く区別するように経験的に選択される。 好適には、ＥＣＧスパイクディテクター２２０は、たとえＺＣＴＲ１よりも大 きなＭのゼロ通過がＴ１の時間に存在するとしても、ＥＣＧ人工要素の検出を妨 害する他の基準をも使用する。これらの追加基準はＥＣＧ人工要素としてノイズ が検出されることを妨害するように選択される。例えば、もしスパイクディテク ター２２０が第２しきい値ＺＣＴＲ２よりも大きな５個以上のゼロ通過（すなわ ち、‐ＺＣＴＲ２からＺＣＴＲ１あるいはＺＣＴＲ１から‐ＺＣＴＲ２へのトラ ンジション）をＴ２の時間にアウトライヤエンハンサー２１８によって発生され る信号内で検出するならば、スパイクディテクター２２０はＥＣＧ人工要素の不 在を示す出力信号を発生させるであろう。好適には、 第２しきい値ＺＣＴＲ２は第１しきい値ＺＣＴＲ１よりも小さく、第２しきい値 ＺＣＴＲ２の１好適例は約3.02727μＶである。第２時間Ｔ２は好適には第１時 間Ｔ１よりも長く、第２時間Ｔ２の１好適例は約０．５秒である。好適には、Ｅ ＣＧスパイクディテクター２２０は、もし約０．５秒以内にアウトライヤエンハ ンサー２１８によって発生された信号の非常に大きなエクスカーション(excursi on)（例えば１００μＶ以上）が存在すれば、ＥＣＧ人工要素の不在を示す出力 信号をさらに発生させる。これによって電気外科治療ノイズがＥＣＧ人口要素と して検出されることが防止される。 前述のごとく、ハイパスフィルター２１０、バンドパスフィルター２１４、ア ウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調 し、ＥＣＧ人工要素のＥＥＧ信号１１０内でのロケーションを決定する。同様に 、ハイパスフィルター２１２、バンドパスフィルター２１６、及びペーサスパイ クディテクター２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケー ションを決定する。図５Ａから図５Ｄは、フィルター２１２，２１６及びペーサ スパイクディテクター２２２の利用状況を表す信号の振幅と時間との関係を示す グラフである。図５Ａは、その一部が５１０で表されている、通常に発生するペ ーサ人工要素を含んだハイパスフィルター２１２によって受領されるＥＥＧ信号 １１０の１例を示している。好適には、ハイパスフィルター２１２はこのＥＥＧ 信号をフィルター処理して低周波ベースワンダー現象を排除する。図５Ｂは、図 ５Ａの信号に対応してハイパスフィルター２１２によって発生され、バンドパス フィルター２１６に適用される出力信号のグラフである。好適には、ハイパスフ ィルター２１２は、ベースラインワンダー現象を効果的に排除するに充分高く、 ペーサ人工要素を通過させるに充分低いように選択されたハイパスカットオフ周 波数をその特徴としている。フィルター２１２のこのハイパスカットオフ周波数 の１好適例は２０Ｈｚである。フィルター２１２は前式（１）に示されるトラン スファファンクションによって特徴付けられたＡＲＭＡ（1,1）フィルターとし て提供が可能である。その式中のフィルター係数a1、b0、b1はそれぞれ-0.48672 403、1.0、-1.0である。 好適には、バンドパスフィルター２１６はペーサ人工要素のスパイク形状部 分を強調するように選択される。バンドパスフィルター２１６は前述のバンドパ スフィルター２１４と同一であるフイルターを使用して提供が可能である。図５ Ｃは、図５Ｂに示すハイパスフィルター２１２から受信された信号に対応してバ ンドパスフィルター２１６によって発生される出力信号を図示している。 ペーサスパイクディテクター２２２はＥＥＧ信号１１０内のペーサ人工要素の 存在あるいは不存在を示す出力信号を発生させる。図５Ｄは、図５Ｃに示すバン ドパスフィルター２１６から受信された信号に対応してペーサスパイクディテク ター２２２によって発生された出力信号を図示している。図示の信号において、 高値はペーサ人工要素のロケーションを示し、低値はペーサ人工要素の不存在を 示す。 好適には、ペーサスパイクディテクター２２２はバンドパスフィルター２１６ から受信される信号を所定のテンプレート(template)でクロスコリレーション処 理(cross-correlate)することでその出力信号を発生させる。クロスコリレーシ ョンが所定のしきい値を越えるときは常に、スパイクディテクター２２２はペー サ人工要素の存在を示す出力信号を発生させ、その他の場合には、スパイクディ テクター２２２はペーサ人工要素の不存在を示す出力信号を発生させる。ペーサ スパイクディテクター２２２と共に使用する３つの好適なテンプレートのセット とは次のようなものである。 好適には、ペーサスパイクディテクター２２２は、テンプレートとエポックの データとの間の“ラグ(1aq)”あるいは時間シフト(time shift)のファンクショ ン（関数）に従って、前記の３つのテンプレートのそれぞれに対してクロスコリ レーションファンクション（関数）を発生させる。クロスコリレーションファン クションρ（ｒ）は好適には以下の式（８）で発生される。 式（８）において、xiはバンドパスフィルター２１６から受信される信号内の データポイントを表し、yiは前述の３つのテンプレートの１つのデータポイント を表し、Ｎはエポック内のデータポイントの数である。 式（８）に従って発生されると、クロスコリレーションファンクションρ（ｒ ）の大きさは０と１の間になるであろう。好適には、ペーサスパイクディテクタ ー２２２は、テンプレート１のクロスコリレーションファンクションρ（ｒ）が 第１しきい値ＴＨＲ１よりも大きいときは常にペーサ人工要素のロケーションを 示す出力信号を発生させ、好適にはさらに、テンプレート２あるいはテンプレー ト３のクロスコリレーションファンクションρ（ｒ）が第２しきい値ＴＨＲ２よ りも大きいときは常にペーサ人工要素のロケーションを示す出力信号を発生させ る。ＴＨＲ１とＴＨＲ２の好適値はそれぞれ0.85と0.75である。言うまでもなく 、しきい値やテンプレートの値が別のものであっても同様に利用できよう。 要約すれば、ハイパスフィルター２１０、バンドパスフィルター２１４、アウ トライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調し 、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを特定し、ハイパスフィ ルター２１２、バンドパスフィルター２１６、及びペーサスパイクディテクター ２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケーションを決定す る。これら処理コンポーネント（すなわち、ハイパスフィルター２１０及び２１ ２、バンドパスフィルター２１４及び２１６、アウトライヤーエンハンサー２１ ８、ＥＣＧスパイクディテクター２２０、及びペーサスパイクディテクター２２ ２）はフィルター１２０のスパイクディテクター１３０（図１に図示）の好適実 施例を提供する。次に、スパイクリムーバ２２４はＥＣＧ スパイクディテクター２２０とペーサスパイクディテクター２２２によって発生 された信号を使用して、ＥＥＧ信号１１０からＥＣＧとペーサの人工要素を排除 する。ハイパスフィルター２１０及び２１２、バンドパスフィルター２１４及び ２１６、アウトライヤエンハンサー２１８、及びＥＣＧとペーサスパイクディテ クター２２０及び２２２はＥＣＧとペーサの人工要素の存在と、そのロケーショ ンを検出特定するための好適実施例を提供するが、言うまでもなく、スパイクリ ムーバ２２４は、ＥＣＧとペーサの人工要素あるいは他の人工要素の存在を検出 する他のフィルターと共にでも利用できる。例えば、ペーサスパイクディテクタ ー２２をテンプレートとコリレーションファンクションに関して説明してきたが 、スパイクディテクター２２２は、ＥＣＧスパイクディテクター２２０に関して 前述したものに類似しており、ペーサ人工要素を検出するように調整されたゼロ 通過検出スキームを利用しても可能であることは理解されよう。同様に、ＥＣＧ スパイクディテクター２２０はゼロ通過の検出ではなく、適当なテンプレートと コリレーションファンクションを利用することもできる。 ＥＥＧ信号１１０と、ＥＣＧスパイクディテクター２２０及びペーサスパイク ディテクター２２２によって発生される信号はスパイクリムーバ２２４で受信さ れる。スパイクリムーバ２２４は、スパイクディテクター２２０と２２２からの 出力信号がＥＣＧとペーサの人工要素の不在を示すときにはＥＥＧ信号１１０と 等しくなるようにフィルター処理された信号を発生させる。スパイクディテクタ ー２２０と２２２がＥＣＧまたはペーサ人工要素の存在を示すとき、スパイクリ ムーバ２２４は、人工要素を含んだＥＥＧ信号の部分を、人工要素を含んだ部分 に経時的に隣接するＥＥＧ信号の人工要素を含まないデータと交換させることで フィルター処理信号を発生させる。好適には、スパイクリムーバ２２４は交換さ れた部分がオリジナルの人工要素を含まない部分内にスムーズにフィットするよ うに信号をさらにフィルター処理する。 図６は、スパイクリムーバ２２４が、ＥＣＧあるいはペーサの人工要素を含ん だＥＥＧ信号１１０の部分に対応するフィルター処理信号の部分を発生させるの に使用できる好適方法を示すフローチャート６００である。ステップ６１ ０で、スパイクリムーバ２２４は人工要素を含んだＥＥＧ信号の排除領域のサイ ズＳＺを決定する。図７Ａは、ＥＣＧ人工要素７１０を含んだＥＥＧ信号７００ の一部を示す。前述したように、ＥＣＧスパイクディテクター２２０（ペーサ人 工要素の場合にはペーサスパイクディテクター２２２）は、スパイクリムーバ２ ２４にＥＣＧ人工要素の経時的ロケーションを通知する。スパイクリムーバ２２ ４は、好適には人工要素７１０を中心にして包囲する（すなわち、前後に延びる ）置換領域７１２を選択する。１好適実施例においては、スパイクリムーバ２２ ４は置換領域７１２のサイズＳＺを、人工要素がＥＣＧ人工要素であるときに１ ３サンプルとなるように選択し、人工要素がペーサ人工要素であるときに１７サ ンプルとなるように選択する。これら１３サンプルと１７サンプルの値は、ＥＣ Ｇとペーサの人工要素の平均長（それぞれ101.6msecと132.8msec）及び毎秒１２ ８サンプルであるサンプルレートに対応するものである。 ステップ６１０に続いて、ステップ６１２でスパイクリムーバ２２４は排除領 域７１２の最初と最後のデータポイントを接続するラインのパラメータ（すなわ ちスロープｍとオフセットｂ）を決定する。図７Ａは排除領域７１２の最初と最 後のデータポイントを接続するライン７１４を示している。人工要素７１０を含 んだデータポイントのエポックは、１からＮまでの全ての整数ｉに対するデータ ポイントxiを含む。人工要素７１０はデータポイントｘρ．を中心に存在する。 スパイクリムーバ２２４は、データボイントｘρ’を囲むように排除領域７１２ を選択する。排除領域はＳＺサンプルを含んでいるので、排除領域はデータポイ ントＸ_p-(SZ-1)/2からＸ_p+(SZ-1)/2まで延びている。スパイクリムーバ２２４は 以下の式（９）に従ってライン７１４のスロープｍとオフセットｂを発生させる ことができる。 ステップ６１２に続いて、ステップ６１４においてスパイクリムーバ２２４は 排除領域７１２の最初と最後のデータポイントをそれぞれＸ_firstとＸ_last'とし て保存する。その後に、先行しており、置換領域７１２に経時的に隣接する領域 ７１６からの全てのデータポイントをその置換領域にコピーする。図７Ｂは領域 ７１６のデータポイントの置換領域７１２へのコピーの結果を図示している。図 ７Ｂに示すように、ステップ６１４に続いて置換領域７１２のデータは典型的に は置換領域７１２に先行する領域７１６のデータ及び排除領域７１２に続く領域 ７１８のデータとは連続的ではない。スパイクリムーバ２２４は以下の式（１０ ）に従ってステップ６１４を実行することができる。 式（１０）において、データポイントｘ_ｒｉは置換領域７１２内にコピーさ れたデータポイントを表す。ステップ６１４に続いて、ステップ６１６において 、スパイクリムーバ２２４は置換領域７１２内にコピーされたデータポイ る。スパイクリムーバ２２４は平均ｘ_ｒを発生させ、続いて以下の式（１１） に従って、各データポイントｘ_ｒｉからその平均値を減算することでステ ステップ６１６に続いて、ステップ６１８において、好適には置換領域７１ spectral window)を掛算することで、スパイクリムーバ２２４は置換領域 ７１２のデータポイントのエッジ部分をテーパ処理ナる。ハニングスペクトラル ウィンドの１例は図７Ｄに図示されている。ハニングスペクトラルウィンドは１ からＳＺまでの全ての整数ｊに対するデータポイントw_han iのセットで定義す ることができる。データポイントw_han iは以下の式（１２）で提供される。 このようなハニングスペクトラルウィンドは、例えば、Ｃ、ケンブリッジユニ バーシティプレス（ニューヨーク、１９９２年、５５４ページ）のＷ．Ｈ．プレ ス、Ｓ．Ａ．チウコルスキー、Ｗ．Ｔ．ベターリング、Ｂ．Ｐ．フラネリの“ニ ューメリカルレシピー(Numerical Recipes)”に詳細に記述されている。スパイ クリムーバ２２４は以下の式（１３）に従ってハニングスペクトラルウィンドと ゼロ平均データポイントを掛算し、テーパ処理されたデータポイントx_taper i のセットを発生させることができる。テーパ処理されたデータポイントx_taper iは図７Ｅに図示されている。 ステップ６１８に続いて、ステップ６２０においてスパイクリムーバ２２４は 、ステップ６１２で測定されたラインセグメント７１４（図７Ａに図示）によっ て決定された数値の分だけ置換領域７１２のテーパ処理されたデータポイントx_ taper iを直線状にシフトさせ、新データポイントx_new iのセットを発生させる 。前述したように、新ＥＣＧ/ペーサ人工要素を含まないデータポイントx_new i は、全てのｉ＝ｐ−（ＳＺ−１）／２ top+（ＳＺ−１）／２に対するオリジナ ルデータポイントxiを置換する。置換領域７１２のこの直線状シフトの結果は図 ７Ｆに図示されている。スパイクリムーバ２ ２４は、ｐ−（ＳＺ−１）／２ top＋（ＳＺ−１）／２からのすべてのiに対し て以下の式（１４）に従ってステップ６２０を実行することができる。 図７Ｆに示すように、置換領域７１２の新データポイントx＿new iは、それぞ れ置換領域の直前と直後である領域７１６と７１８のデータと連続的である。し かし、領域７１６と７１２との間、および領域７１２と７１８の間のトランジシ ョン部はスムーズではない。 ステップ６２０に続いて、ステップ６２２においてスパイクリムーバ２２４は 、それら領域と排除領域７１２のトランジション部がスムーズで連続的となるよ うに領域７１６の右端部のデータと領域７１８の左端部のデータとをテーパ処理 する。このテーパ処理の結果は図７Ｈに示されている。このテーパ処理を実行す る１方法は、図７Ｇに図示するように、領域７１６の右半分のデータポイントと ハニングウィンドの右半分を掛算し、領域７１８の左半分のデータポイントとハ ニングウィンドの左半分を掛算することである。スパイクリムーバ２２４は以下 の式（１５）に従ってこのテーパ処理を実行することができる。 左エッジ部 右エッジ部 データポイントx＿1eft iとx＿riqht iはオリジナルデータポイントｘｉを置 換する。このiは前式（１５）で定義されたものである。 要約すると、ＥＣＧ/ペーサ人工要素フィルター１２０（図２参照）は、ＥＣ Ｇあるいはペーサの人工要素を含んだＥＥＧ信号１１０の領域のデータを排除し 、それら排除された領域のデータを排除領域に経時的に隣接した（好適には先行 する）領域からのデータと置換させる。好適には、フィルター１２０は排除領域 の開始部と最終部のデータをさらにテーパ処理し、排除領域に先行する領域の開 始部のデータをもテーパ処理し、排除領域に続く領域の開始部のデータをもテー パ処理して、排除領域のデータを排除領域の前後の領域のデータとスムーズに接 続させる。図３Ｆは図３Ａに示すＥＥＧ信号に対応してフィルター１２０によっ て発生されるフィルター処理信号を図示している。図示のごとく、図３Ａの信号 に存在するＥＣＧ人工要素は図３Ｆの信号からスムーズに排除されている。同様 に、図５Ｅは図５ＡのＥＥＧ信号に対応してフィルター１２０で発生されるフィ ルター処理信号を図示している。図示のごとく、図５Ａの信号に存在するペーサ 人工要素は図５Ｅの信号からスムーズに排除されている。データの置換とテーパ 処理の１好適方法は図６と図７Ａから図７Ｈに関して説明してきたが、言うまで もなく、フィルター１２０はそれらとは別の方法でも利用できる。例えば、置換 領域内にコピーされたデータは人口要素を含まない第２ＥＥＧ信号から発生する かも知れない。好適には、フィルター１２０はＥＥＧ信号のスペクトラル特性を さほど変更させないようにデータを排除してテーパ処理する。 図８はフィルター１２０の別実施例の概略図である。この実施例では、フィル ター１２０は脳活動を表す２つの入力信号１１０aと１１０bとを受信し、フィル ター処理信号１１２を発生させる。入力信号１１０aと１１０bは、例えば、ＥＥ Ｇプロセッサの２つの異なるチャンネルからのＥＥＧ信号を表すことができる。 この実施例では、第１入力信号１１０aはスパイクディテクター１３０とスパイ クリムーバ１４０の両方に適用され、第２入力信号１１０bはスパイクリムーバ １４０にのみ適用される。 利用時に、入力信号１１０aに人工要素（スパイク検出器１３０の出力信 号１５０で表示）が存在しないとき、フィルター１２０は第１入力信号１１０a と実質的に等しくなるようにフィルター処理信号を発生させる。第１入力信号１ １０a内に人工要素（出力信号１５０で表示）が存在するとき、フィルター１２ ０は第２（好適には人工要素を含まない）入力信号１１０bからのデータを使用 してフィルター処理信号の対応部分を発生させる。この実施例は、通常において いくつかの異なるＥＥＧ信号のチャンネルをモニターするシステムに特に有用で ある。例えば、フィルター１２０は第２入力信号１１０bの源として使用するた めに最低量の人工要素を含んだチャンネルを選択することができる。前述のよう に、スパイクディテクター１３０はＥＣＧあるいはペーサの人工要素のごとき心 臓関連人工要素を検出するように形態化が可能である。あるいは、スパイクディ テクター１３０は“スパイク状”形状を特徴とする全ての人工要素を検出するよ うに形態化させることができる。 まとめると、フィルター１２０のデジタル様式実施例はデジタル入力信号に対 応してデジタルフィルター処理信号を発生させる。入力信号が人工要素を含まな いとき、フィルター１２０は、入力信号の対応するデータポイントと実質的に等 しくなるようにフィルター処理信号のデータポイントを発生させる。入力信号が 人工要素を含まないとき、フィルター１２０は、人工要素を含んだ入力信号の部 分に経時的に隣接した入力信号の部分からのデータポイントと実質的に等しくな るように、あるいは、別の入力信号からのデータポイントと実質的に等しくなる ようにフィルター処理信号のデータポイントを発生させる。フィルター１２０は もちろん、置換領域のデータが信号の隣接部分とスムーズに接続するよう、人工 要素を含んだ入力信号の部分と対応するフィルター処理信号の部分をテーパ処理 するために、前述のフィルター処理を適用する。 フィルター１２０（図２に図示）はデジタル用として説明してきた。言うまで もなく、フィルター１２０の多様なコンポーネント（例えば、図２に示すハイパ スフィルター２１０）は、ディスクリートハードウェアモジュール(disc rete h ardware module)を使用して提供することができ、あるいは、デジタルコンピュ ータで実行されるソフトウェアを使用して提供することが可能である。他の実施 例においては、フィルター１２０のいくつかのコンポーネント （例えば、ハイパスフィルター２１０）はアナログ装置を使用して提供できる。 フィルター１２０を説明の便利性のために別々のモジュール内（例えば、ハイパ スフルター２１０とバンドパスフィルター２１４）に分割形態で説明してきたが 、それはあくまでも本願発明の説明のためだけであって、フィルター１２０は本 願発明のスコープ内での異なる方法で分割が可能であり、フィルター１２０全体 を、例えば、デジタルコンピュータで実行されるソフトウェアとして提供される １体のモジュールとしても提供が可能である。 本願発明のスコープから逸脱せずに前述の装置に多彩な変更が可能である。従 って、本明細書の記載内容は本願発明の説明のみを目的としたものであり、本願 発明の限定は意図されていない。

Claims (1)

1. 【特許請求の範囲】 １．脳活動を表す信号の処理システムであって、該信号は少なくとも１つの心 臓関連人工要素を含んだものであり、本システムは、 該信号の第１領域と第２領域とを特定する手段を含んでおり、 該第１領域は前記心臓関連人工要素の１つを含んでおり、該第２領域は該第 １領域に経時的に隣接しており、本システムはさらに、 前記信号の該第２領域を該第１領域にコピーする手段を含んでいることを特 徴とするシステム。 ２．前記第２領域は前記第１領域に先行することを特徴とする請求項１記載の システム。 ３．前記第１領域と前記第２領域との不連続性を抑圧する手段をさらに含んで いることを特徴とする請求項１記載のシステム。 ４．前記第１領域と前記第２領域をスムーズに接続させる手段をさらに含んで いることを特徴とする請求項１記載のシステム。 ５．前記信号はＥＥＧ信号であることを特徴とする請求項１記載のシステム。 ６．前記第１領域内の人工要素はＥＣＧ人工要素であることを特徴とする請求 項１記載のシステム。 ７．前記第１領域内の人工要素はペーサ人工要素であることを特徴とする請求 項１記載のシステム。