JP2003245258A - 腹部表面ｅｍｇ信号の線形予測モデリングを使用する子宮収縮監視の方法及び装置 - Google Patents
腹部表面ｅｍｇ信号の線形予測モデリングを使用する子宮収縮監視の方法及び装置Info
- Publication number
- JP2003245258A JP2003245258A JP2003006839A JP2003006839A JP2003245258A JP 2003245258 A JP2003245258 A JP 2003245258A JP 2003006839 A JP2003006839 A JP 2003006839A JP 2003006839 A JP2003006839 A JP 2003006839A JP 2003245258 A JP2003245258 A JP 2003245258A
- Authority
- JP
- Japan
- Prior art keywords
- emg
- adaptive algorithm
- input signal
- prediction error
- signal
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
(57)【要約】
【課題】 腹部表面からの筋電図（ＥＭＧ）入力信号を
処理することにより子宮の収縮を検出するシステム及び
方法を提供する。 【解決手段】 システムは、子宮ＥＭＧ信号を検出し且
つＥＭＧ入力信号を発生するように構成されたセンサを
具備する。システムは、センサに結合し且つＥＭＧ予測
誤差信号を発生するように構成されたシグナルプロセッ
サを更に含む。シグナルプロセッサはＥＭＧ入力信号に
対して信号処理演算を実行して、ＥＭＧ予測誤差信号を
発生する。ＥＭＧ予測誤差信号は少なくとも１回の収縮
事象の大きさ及び複数回の収縮事象の周期性に対応す
る。
処理することにより子宮の収縮を検出するシステム及び
方法を提供する。 【解決手段】 システムは、子宮ＥＭＧ信号を検出し且
つＥＭＧ入力信号を発生するように構成されたセンサを
具備する。システムは、センサに結合し且つＥＭＧ予測
誤差信号を発生するように構成されたシグナルプロセッ
サを更に含む。シグナルプロセッサはＥＭＧ入力信号に
対して信号処理演算を実行して、ＥＭＧ予測誤差信号を
発生する。ＥＭＧ予測誤差信号は少なくとも１回の収縮
事象の大きさ及び複数回の収縮事象の周期性に対応す
る。
Description
【０００１】
【発明の属する技術分野】本発明は一般に出産時の婦人
の医学的状態を監視することに関し、特に、子宮収縮監
視を目的として腹部表面筋電図（ＥＭＧ）信号データを
処理することに関する。
の医学的状態を監視することに関し、特に、子宮収縮監
視を目的として腹部表面筋電図（ＥＭＧ）信号データを
処理することに関する。
【０００２】
【従来の技術】子宮の収縮を監視する現在の技術は、陣
痛を起こしている患者の下腹部に巻き付けたベルトに加
わる腹圧を測定する陣痛計を使用する。しかし、患者に
よっては陣痛計を装着するのに不快感を感じる場合もあ
る。更に、大柄な患者の場合、腹圧の変化を検出するこ
とが難しくなる。産科医に患者が早期産の危険にさらさ
れているか否かを診断するためのより良いツールを産科
医に提供するために、子宮収縮監視の性能を向上させる
ことが要求されている。早産は嬰児死亡の第1の原因
（８５％）であるため、腹部表面ＥＭＧ技術の改善は出
生前看護及び管理を向上させる可能性を有している。
痛を起こしている患者の下腹部に巻き付けたベルトに加
わる腹圧を測定する陣痛計を使用する。しかし、患者に
よっては陣痛計を装着するのに不快感を感じる場合もあ
る。更に、大柄な患者の場合、腹圧の変化を検出するこ
とが難しくなる。産科医に患者が早期産の危険にさらさ
れているか否かを診断するためのより良いツールを産科
医に提供するために、子宮収縮監視の性能を向上させる
ことが要求されている。早産は嬰児死亡の第1の原因
（８５％）であるため、腹部表面ＥＭＧ技術の改善は出
生前看護及び管理を向上させる可能性を有している。
【０００３】子宮の収縮は筋肉細胞により電位が発生
し、それが伝搬することによって起こることは十分に確
認されている。それらの電気的活動はバーストとして起
こり、筋電図（ＥＭＧ）信号と呼ばれる測定可能な電界
を発生させる。ＥＭＧ信号のいくつかの特徴の周波数及
び持続時間は子宮収縮の周波数と持続時間に対応してい
る。外部電極によりＥＭＧ信号の時間的特性及びスペク
トル特性を記録することにより、電気的指令能力に関し
て効果のある収縮と効果のない収縮とを区別することが
可能になる。また、ＥＭＧ信号のスペクトル密度は妊娠
中の様々な段階で著しく変化することも報告されてお
り、これは陣痛によらない収縮と陣痛による収縮とを区
別する手段となる。妊娠１９週という早い段階で子宮の
電気的活動を記録することが可能である。従って、腹部
ＥＭＧ信号は妊娠期間の監視には重要であるといえる。
し、それが伝搬することによって起こることは十分に確
認されている。それらの電気的活動はバーストとして起
こり、筋電図（ＥＭＧ）信号と呼ばれる測定可能な電界
を発生させる。ＥＭＧ信号のいくつかの特徴の周波数及
び持続時間は子宮収縮の周波数と持続時間に対応してい
る。外部電極によりＥＭＧ信号の時間的特性及びスペク
トル特性を記録することにより、電気的指令能力に関し
て効果のある収縮と効果のない収縮とを区別することが
可能になる。また、ＥＭＧ信号のスペクトル密度は妊娠
中の様々な段階で著しく変化することも報告されてお
り、これは陣痛によらない収縮と陣痛による収縮とを区
別する手段となる。妊娠１９週という早い段階で子宮の
電気的活動を記録することが可能である。従って、腹部
ＥＭＧ信号は妊娠期間の監視には重要であるといえる。
【０００４】内部子宮表面に電極を配置することにより
ＥＭＧ信号を確実に記録できることは知られている。し
かし、そのような方法は侵襲的であると共に、臨床での
使用には受け入れられない。ＥＭＧ信号を腹部の外表面
で収集すべきであると提案されており、この方法が実際
に有効に機能することが示されている。収縮開始とＥＭ
Ｇ信号のスペクトル特性との関係に基づいて、腹部の外
表面から収集されたＥＭＧ信号を使用して収縮を検出
し、監視することができる。そのようにしてＥＭＧ技術
を使用する際の主な障害は、第１に患者の動きによって
ノイズと信号アーティファクトが発生すること、第２に
他の生理学的電気的事象（心電図（ＥＣＧ）など）から
の妨害、第３に電極の接触が不完全になることである。
ＥＭＧ信号を確実に記録できることは知られている。し
かし、そのような方法は侵襲的であると共に、臨床での
使用には受け入れられない。ＥＭＧ信号を腹部の外表面
で収集すべきであると提案されており、この方法が実際
に有効に機能することが示されている。収縮開始とＥＭ
Ｇ信号のスペクトル特性との関係に基づいて、腹部の外
表面から収集されたＥＭＧ信号を使用して収縮を検出
し、監視することができる。そのようにしてＥＭＧ技術
を使用する際の主な障害は、第１に患者の動きによって
ノイズと信号アーティファクトが発生すること、第２に
他の生理学的電気的事象（心電図（ＥＣＧ）など）から
の妨害、第３に電極の接触が不完全になることである。
【０００５】ＥＭＧ信号から収縮の周期がいつ起こるか
の指標を取り出すために、腹部外壁に装着された電極か
らのＥＭＧ信号を正確に処理する有効な手段が必要とさ
れている。
の指標を取り出すために、腹部外壁に装着された電極か
らのＥＭＧ信号を正確に処理する有効な手段が必要とさ
れている。
【０００６】
【課題を解決するための手段】子宮の収縮を検出するた
めに腹部表面からの筋電図（ＥＭＧ）信号を処理するシ
ステムが提供される。システムは、ＥＭＧ信号を検出し
且つ対応するＥＭＧ入力信号を発生するように構成され
た少なくとも１つのセンサを具備する。システムは、少
なくとも１つのセンサに結合され且つ対応するＥＭＧ予
測信号を発生するように構成されたシグナルプロセッサ
を更に含む。シグナルプロセッサはＥＭＧ入力信号に対
して信号処理演算を実行して、ＥＭＧ予測誤差信号を発
生する。ＥＭＧ予測誤差信号は少なくとも１回の収縮事
象の大きさ及び複数回の収縮事象の周期性に対応する。
ＥＭＧ信号の雑音を低減するために、ＥＭＧ入力信号を
第２のＥＭＧ入力信号と組み合わせて使用する。
めに腹部表面からの筋電図（ＥＭＧ）信号を処理するシ
ステムが提供される。システムは、ＥＭＧ信号を検出し
且つ対応するＥＭＧ入力信号を発生するように構成され
た少なくとも１つのセンサを具備する。システムは、少
なくとも１つのセンサに結合され且つ対応するＥＭＧ予
測信号を発生するように構成されたシグナルプロセッサ
を更に含む。シグナルプロセッサはＥＭＧ入力信号に対
して信号処理演算を実行して、ＥＭＧ予測誤差信号を発
生する。ＥＭＧ予測誤差信号は少なくとも１回の収縮事
象の大きさ及び複数回の収縮事象の周期性に対応する。
ＥＭＧ信号の雑音を低減するために、ＥＭＧ入力信号を
第２のＥＭＧ入力信号と組み合わせて使用する。
【０００７】子宮の収縮を検出するために腹部表面から
の筋電図（ＥＭＧ）信号を処理する方法が提供される。
方法はＥＭＧ信号を検出することと、ＥＭＧ入力信号を
発生することとを含む。方法は、少なくとも１回の収縮
事象の大きさ及び複数回の収縮事象の周期性に対応する
ＥＭＧ予測誤差信号を発生することを更に含む。
の筋電図（ＥＭＧ）信号を処理する方法が提供される。
方法はＥＭＧ信号を検出することと、ＥＭＧ入力信号を
発生することとを含む。方法は、少なくとも１回の収縮
事象の大きさ及び複数回の収縮事象の周期性に対応する
ＥＭＧ予測誤差信号を発生することを更に含む。
【０００８】本発明の上記の特徴、面及び利点、並びに
その他の特徴、面及び利点は、添付の図面を参照して以
下の詳細な説明を読むことにより更に良く理解されるで
あろう。尚、図面中、同じ図中符号は同じ部分を表す。
その他の特徴、面及び利点は、添付の図面を参照して以
下の詳細な説明を読むことにより更に良く理解されるで
あろう。尚、図面中、同じ図中符号は同じ部分を表す。
【０００９】
【発明の実施の形態】子宮ＥＭＧ発生の生理学的側面は
大部分理解されているが、その基礎となる生理学的プロ
セスに基づくＥＭＧ波形のモデル化は困難であることが
判明している。ＥＭＧ入力信号は非定常ランダムプロセ
スの特性を示すため、現象学的アプローチが採用され
る。この方法によれば、子宮ＥＭＧ信号は次のように自
己回帰（ＡＲ）ランダムプロセスとしてモデル化され
る。 e[n]=x[n]+a1x[n-1]+…+apx[n-p] （１） 式中、１）e[n]はＥＭＧ予測誤差信号を表し、２）x[n]
はデジタル化ＥＭＧ入力信号を表し、３）計算量a1x[n-
1]+…+apx[n-p]はＥＭＧ予測信号を表し、４）a1,…,ap
は複数の予測係数を表す。
大部分理解されているが、その基礎となる生理学的プロ
セスに基づくＥＭＧ波形のモデル化は困難であることが
判明している。ＥＭＧ入力信号は非定常ランダムプロセ
スの特性を示すため、現象学的アプローチが採用され
る。この方法によれば、子宮ＥＭＧ信号は次のように自
己回帰（ＡＲ）ランダムプロセスとしてモデル化され
る。 e[n]=x[n]+a1x[n-1]+…+apx[n-p] （１） 式中、１）e[n]はＥＭＧ予測誤差信号を表し、２）x[n]
はデジタル化ＥＭＧ入力信号を表し、３）計算量a1x[n-
1]+…+apx[n-p]はＥＭＧ予測信号を表し、４）a1,…,ap
は複数の予測係数を表す。
【００１０】ＡＲモデルの構成は信号処理技術の分野で
は良く知られている（例えば、S.L. Marple, Jr.の「Di
gital Spectral Analysis withApplications」、Prenti
ce−Hall、１８８７年刊を参照）。（１）の一般ＡＲモ
デルを、１組の予測係数を識別することにより特定の入
力信号に適用する。それらの予測係数は、一般に、ＥＭ
Ｇ予測誤差信号e[n]の何らかの特性を最適化するように
選択される。一般的な方法は、e[n]のエネルギーを最小
にするようにa1,…,apを選択するという方法である。Ａ
Ｒモデルの適用は、入力信号（x[n]）が全極フィルタに
よってホワイトノイズプロセスをフィルタリングするこ
とにより生成された色付きノイズランダムプロセスであ
るという仮定と等価である。
は良く知られている（例えば、S.L. Marple, Jr.の「Di
gital Spectral Analysis withApplications」、Prenti
ce−Hall、１８８７年刊を参照）。（１）の一般ＡＲモ
デルを、１組の予測係数を識別することにより特定の入
力信号に適用する。それらの予測係数は、一般に、ＥＭ
Ｇ予測誤差信号e[n]の何らかの特性を最適化するように
選択される。一般的な方法は、e[n]のエネルギーを最小
にするようにa1,…,apを選択するという方法である。Ａ
Ｒモデルの適用は、入力信号（x[n]）が全極フィルタに
よってホワイトノイズプロセスをフィルタリングするこ
とにより生成された色付きノイズランダムプロセスであ
るという仮定と等価である。
【００１１】（１）により求められる予測誤差信号は、
信号の過去の観測に基づいて観測を予測するときの誤差
であるため、すなわち、時間的方向が順方向である誤差
であるために順方向予測誤差としても知られている。ま
た、逆方向予測誤差を次のように定義することも一般的
である。 eb[n]=x[n-p]+a* 1x[n-p+1]+…+a* px[n] （２） この場合、一般に、予測係数a* 1,…,a* pは（１）におけ
る予測係数の複素共役である。他にも、順方向予測誤差
及び逆方向予測誤差の組み合わせを最適化する一般的な
モデリング技法は多数ある。
信号の過去の観測に基づいて観測を予測するときの誤差
であるため、すなわち、時間的方向が順方向である誤差
であるために順方向予測誤差としても知られている。ま
た、逆方向予測誤差を次のように定義することも一般的
である。 eb[n]=x[n-p]+a* 1x[n-p+1]+…+a* px[n] （２） この場合、一般に、予測係数a* 1,…,a* pは（１）におけ
る予測係数の複素共役である。他にも、順方向予測誤差
及び逆方向予測誤差の組み合わせを最適化する一般的な
モデリング技法は多数ある。
【００１２】本発明の方法は、ＥＭＧ入力信号（x[n]）
の現在値を入力信号の過去値の組み合わせにより「予
測」するために、線形予測モデルとも呼ばれる。子宮収
縮事象の間、ＥＭＧ入力信号（x[n]）は信号の周波数内
容が時間に伴って変化する非定常特性を示す。予測係数
a1,…,apは、デジタル化ＥＭＧ入力信号（x[n]）におけ
る連続データの１セグメントを処理することにより計算
される。そのようなセグメントはいずれも一定の時間間
隔を表すので、予測係数（a* 1,…,a* p）とＥＭＧ予測信
号（a1x[n-1]+…+apx[n-p]）は共に時間の関数である。
デジタル化ＥＭＧ入力信号（x[n]）とＥＭＧ予測信号が
どの程度まで一致しないかは、ＥＭＧ予測誤差信号e[n]
の振幅により示される。ＥＭＧ予測誤差信号e[n]は、ど
の程度までＡＲモデル化仮定が有効であるかを示すもの
として解釈されても良い。ＥＭＧ予測誤差信号が大きい
場合、ＥＭＧ入力信号はｐ次のＡＲランダムプロセスに
より適切にモデル化されないことが示唆される。
の現在値を入力信号の過去値の組み合わせにより「予
測」するために、線形予測モデルとも呼ばれる。子宮収
縮事象の間、ＥＭＧ入力信号（x[n]）は信号の周波数内
容が時間に伴って変化する非定常特性を示す。予測係数
a1,…,apは、デジタル化ＥＭＧ入力信号（x[n]）におけ
る連続データの１セグメントを処理することにより計算
される。そのようなセグメントはいずれも一定の時間間
隔を表すので、予測係数（a* 1,…,a* p）とＥＭＧ予測信
号（a1x[n-1]+…+apx[n-p]）は共に時間の関数である。
デジタル化ＥＭＧ入力信号（x[n]）とＥＭＧ予測信号が
どの程度まで一致しないかは、ＥＭＧ予測誤差信号e[n]
の振幅により示される。ＥＭＧ予測誤差信号e[n]は、ど
の程度までＡＲモデル化仮定が有効であるかを示すもの
として解釈されても良い。ＥＭＧ予測誤差信号が大きい
場合、ＥＭＧ入力信号はｐ次のＡＲランダムプロセスに
より適切にモデル化されないことが示唆される。
【００１３】子宮収縮の開始時、ＥＭＧ入力信号（x
[n]）はスペクトル特性の変化を示す。ＥＭＧ入力信号
（x[n]）におけるスペクトル特性の変化は、ｐ次のＡＲ
モデルをＥＭＧ入力信号（x[n]）に適用できる程度を変
化させ、その結果、ＥＭＧ予測誤差信号（e[n]）の振幅
を変化させる。ＥＭＧ予測誤差信号（e[n]）の振幅の変
化は、本発明の一実施例では、子宮収縮を示すために使
用される。逆に、子宮収縮の終了時には、ＥＭＧ予測誤
差信号は以前のレベルに戻る。ＥＭＧ入力信号（x[n]）
のスペクトル特性の変化を示すＥＭＧ予測誤差信号（e
[n]）の振幅の変化は、子宮収縮の開始と終了の双方を
示すことができる。
[n]）はスペクトル特性の変化を示す。ＥＭＧ入力信号
（x[n]）におけるスペクトル特性の変化は、ｐ次のＡＲ
モデルをＥＭＧ入力信号（x[n]）に適用できる程度を変
化させ、その結果、ＥＭＧ予測誤差信号（e[n]）の振幅
を変化させる。ＥＭＧ予測誤差信号（e[n]）の振幅の変
化は、本発明の一実施例では、子宮収縮を示すために使
用される。逆に、子宮収縮の終了時には、ＥＭＧ予測誤
差信号は以前のレベルに戻る。ＥＭＧ入力信号（x[n]）
のスペクトル特性の変化を示すＥＭＧ予測誤差信号（e
[n]）の振幅の変化は、子宮収縮の開始と終了の双方を
示すことができる。
【００１４】子宮の収縮を検出するときに使用するため
の子宮収縮監視システムは図１の１つの（少なくとも１
つであることを意味する）センサ１を含む。センサ１は
対応するＥＭＧ入力信号（x[n]）２を発生する。センサ
１はシグナルプロセッサ２０に結合されており、シグナ
ルプロセッサ２０は、少なくとも１回の収縮事象の大き
さ及び一連の複数回の収縮事象の周期性を表す対応する
ＥＭＧ予測誤差信号（e[n]）１０を発生する。シグナル
プロセッサ２０は任意に表示装置１５に結合される。通
常、センサ１は、例えば、１対の心電図（ＥＫＧ）電極
を具備する。ＥＫＧ電極からの信号は差を伴って記録さ
れ、２つのＥＨＧ出力の差がセンサ１の出力となり、こ
れがＥＭＧ入力信号（x[n]）２である。センサ１として
２つのＥＫＧ電極を利用することは当業者には知られて
おり、ＥＨＧは広く利用可能である。
の子宮収縮監視システムは図１の１つの（少なくとも１
つであることを意味する）センサ１を含む。センサ１は
対応するＥＭＧ入力信号（x[n]）２を発生する。センサ
１はシグナルプロセッサ２０に結合されており、シグナ
ルプロセッサ２０は、少なくとも１回の収縮事象の大き
さ及び一連の複数回の収縮事象の周期性を表す対応する
ＥＭＧ予測誤差信号（e[n]）１０を発生する。シグナル
プロセッサ２０は任意に表示装置１５に結合される。通
常、センサ１は、例えば、１対の心電図（ＥＫＧ）電極
を具備する。ＥＫＧ電極からの信号は差を伴って記録さ
れ、２つのＥＨＧ出力の差がセンサ１の出力となり、こ
れがＥＭＧ入力信号（x[n]）２である。センサ１として
２つのＥＫＧ電極を利用することは当業者には知られて
おり、ＥＨＧは広く利用可能である。
【００１５】本発明の一実施例では、シグナルプロセッ
サ２０は、通常、ＥＭＧ予測誤差信号（e[n]）１０を発
生するために次の構成要素を更に具備する。増幅器３は
ＥＭＧ入力信号（x[n]）２の増幅表現を発生する。増幅
器３は低域フィルタ４に結合されている。低域フィルタ
４はＥＭＧ入力信号（x[n]）２の増幅表現のエイリアシ
ング防止フィルタリングを実行して、ＥＭＧ入力信号２
の低域フィルタリング済み表現を発生する。低域フィル
タ４はアナログ／デジタル変換器５に結合されている。
アナログ／デジタル変換器５は、ＥＭＧ入力信号（x
[n]）２の低域フィルタリング済み表現から、通常は約
１００Ｈｚから約２００Ｈｚのサンプリング周波数範囲
で、ＥＭＧ入力信号２のデジタル化表現を発生する。ア
ナログ／デジタル変換器５はノイズフィルタ７に結合さ
れている。ノイズフィルタ７はＥＭＧ入力信号（x[n]）
２のデジタル化表現から電力線路構造（すなわち、通常
は５０Ｈｚ又は６０Ｈｚ）を除去して、ＥＭＧ入力信号
（x[n]）２のノイズフィルタリング済みバージョンを発
生する。ノイズフィルタ７はデジタルプロセッサ８に結
合されている。デジタルプロセッサ８は、例えば、標準
形マイクロプロセッサ、デジタルシグナルプロセッサ又
はプログラマブルロジックデバイスを含む（ただし、こ
れらには限定されない）どのような形態のデジタル処理
装置であっても良い。デジタルプロセッサ８は、ＥＭＧ
入力信号（x[n]）２のノイズフィルタリング済みバージ
ョンを処理し、ＥＭＧ予測誤差信号（e[n]）１０を計算
するための適応アルゴリズムを具備する。デジタルプロ
セッサ８は任意に表示装置１５に結合される。表示装置
１５は、例えば、コンピュータモニタ、計器用表示モニ
タ、ベッドサイド表示モニタ、プリンタ又はストリップ
チャートレコーダなどとして識別されるが、それらには
限定されない。表示装置１５はＥＭＧ予測誤差信号（x
[n]）１０を受信し、それにより、患者又は医師が子宮
収縮の開始と終了を監視し、それを任意に記録すること
ができる。
サ２０は、通常、ＥＭＧ予測誤差信号（e[n]）１０を発
生するために次の構成要素を更に具備する。増幅器３は
ＥＭＧ入力信号（x[n]）２の増幅表現を発生する。増幅
器３は低域フィルタ４に結合されている。低域フィルタ
４はＥＭＧ入力信号（x[n]）２の増幅表現のエイリアシ
ング防止フィルタリングを実行して、ＥＭＧ入力信号２
の低域フィルタリング済み表現を発生する。低域フィル
タ４はアナログ／デジタル変換器５に結合されている。
アナログ／デジタル変換器５は、ＥＭＧ入力信号（x
[n]）２の低域フィルタリング済み表現から、通常は約
１００Ｈｚから約２００Ｈｚのサンプリング周波数範囲
で、ＥＭＧ入力信号２のデジタル化表現を発生する。ア
ナログ／デジタル変換器５はノイズフィルタ７に結合さ
れている。ノイズフィルタ７はＥＭＧ入力信号（x[n]）
２のデジタル化表現から電力線路構造（すなわち、通常
は５０Ｈｚ又は６０Ｈｚ）を除去して、ＥＭＧ入力信号
（x[n]）２のノイズフィルタリング済みバージョンを発
生する。ノイズフィルタ７はデジタルプロセッサ８に結
合されている。デジタルプロセッサ８は、例えば、標準
形マイクロプロセッサ、デジタルシグナルプロセッサ又
はプログラマブルロジックデバイスを含む（ただし、こ
れらには限定されない）どのような形態のデジタル処理
装置であっても良い。デジタルプロセッサ８は、ＥＭＧ
入力信号（x[n]）２のノイズフィルタリング済みバージ
ョンを処理し、ＥＭＧ予測誤差信号（e[n]）１０を計算
するための適応アルゴリズムを具備する。デジタルプロ
セッサ８は任意に表示装置１５に結合される。表示装置
１５は、例えば、コンピュータモニタ、計器用表示モニ
タ、ベッドサイド表示モニタ、プリンタ又はストリップ
チャートレコーダなどとして識別されるが、それらには
限定されない。表示装置１５はＥＭＧ予測誤差信号（x
[n]）１０を受信し、それにより、患者又は医師が子宮
収縮の開始と終了を監視し、それを任意に記録すること
ができる。
【００１６】本発明の一実施例（図１には図示せず）で
は、２つ以上のセンサ１を利用して２つ以上の対応する
ＥＭＧ入力信号（x[n]）２を発生する。その一例（単な
る例であって、本発明を限定しない）を挙げると、２つ
のセンサ１が配置され、第１のセンサ１に対応する第１
のＥＭＧ入力信号（x[n]）２と、第２のセンサ１に対応
する第２のＥＭＧ入力信号（x[n]）２が発生される。こ
の実施例においては、シグナルプロセッサ２０は第１の
ＥＭＧ入力信号（x[n]）２と第２のＥＭＧ入力信号（x
[n]）２の双方を処理して、第１のＥＭＧ入力信号（x
[n]）２に対応する第１のＥＭＧ予測誤差信号（e[n]）
１０と、第２のＥＭＧ入力信号（x[n]）２に対応する第
２のＥＭＧ予測誤差信号（e[n]）１０とを発生する。シ
グナルプロセッサ２０は第１のＥＭＧ予測誤差信号（e
[n]）１０と第２のＥＭＧ予測誤差信号（e[n]）１０の
うち、どちらが大きな振幅変化を有するかを判定し、よ
り振幅変化の大きいＥＭＧ予測誤差信号（e[n]）１０を
表示装置１５に供給する。
は、２つ以上のセンサ１を利用して２つ以上の対応する
ＥＭＧ入力信号（x[n]）２を発生する。その一例（単な
る例であって、本発明を限定しない）を挙げると、２つ
のセンサ１が配置され、第１のセンサ１に対応する第１
のＥＭＧ入力信号（x[n]）２と、第２のセンサ１に対応
する第２のＥＭＧ入力信号（x[n]）２が発生される。こ
の実施例においては、シグナルプロセッサ２０は第１の
ＥＭＧ入力信号（x[n]）２と第２のＥＭＧ入力信号（x
[n]）２の双方を処理して、第１のＥＭＧ入力信号（x
[n]）２に対応する第１のＥＭＧ予測誤差信号（e[n]）
１０と、第２のＥＭＧ入力信号（x[n]）２に対応する第
２のＥＭＧ予測誤差信号（e[n]）１０とを発生する。シ
グナルプロセッサ２０は第１のＥＭＧ予測誤差信号（e
[n]）１０と第２のＥＭＧ予測誤差信号（e[n]）１０の
うち、どちらが大きな振幅変化を有するかを判定し、よ
り振幅変化の大きいＥＭＧ予測誤差信号（e[n]）１０を
表示装置１５に供給する。
【００１７】本発明の一実施例では、適応アルゴリズム
は、ＥＭＧ予測誤差信号（e[n]）１０を計算するため
に、予測誤差フィルタと呼ばれる有限インパルス応答デ
ジタルフィルタと結合されたパラメータ評価部分を含
む。パラメータ評価部分は少なくとも１つの予測係数
（a1,…,ap）を計算する。適応アルゴリズムのパラメー
タ評価部分は、ＥＭＧ予測誤差信号（e[n]）１０の二乗
の長期平均などのＥＭＧ予測誤差性能指標を最適化する
ために線形予測フィルタで予測係数（a1,…,ap）を計算
する。デジタルプロセッサ８における適応アルゴリズム
は、ＥＭＧ予測誤差信号（e[n]）１０を求めるために、
ＥＭＧ入力信号（x[n]）２のノイズフィルタリング済み
バージョンをフィルタリングする。希望に応じて、いく
つかの標準ＡＲモデルのいずれにおいても、パラメータ
評価部分は副産物としてＥＭＧ予測誤差信号（e[n]）１
０を生成し、それにより、予測誤差フィルタの必要をな
くしている。
は、ＥＭＧ予測誤差信号（e[n]）１０を計算するため
に、予測誤差フィルタと呼ばれる有限インパルス応答デ
ジタルフィルタと結合されたパラメータ評価部分を含
む。パラメータ評価部分は少なくとも１つの予測係数
（a1,…,ap）を計算する。適応アルゴリズムのパラメー
タ評価部分は、ＥＭＧ予測誤差信号（e[n]）１０の二乗
の長期平均などのＥＭＧ予測誤差性能指標を最適化する
ために線形予測フィルタで予測係数（a1,…,ap）を計算
する。デジタルプロセッサ８における適応アルゴリズム
は、ＥＭＧ予測誤差信号（e[n]）１０を求めるために、
ＥＭＧ入力信号（x[n]）２のノイズフィルタリング済み
バージョンをフィルタリングする。希望に応じて、いく
つかの標準ＡＲモデルのいずれにおいても、パラメータ
評価部分は副産物としてＥＭＧ予測誤差信号（e[n]）１
０を生成し、それにより、予測誤差フィルタの必要をな
くしている。
【００１８】本発明においては、標準ＡＲモデルの使用
が許される。特に、本発明では使用できる適応アルゴリ
ズムとして再帰最小二乗（ＲＬＳ）適応アルゴリズムと
Ｂｕｒｇ適応アルゴリズムを挙げる。再帰最小二乗適応
アルゴリズムとＢｕｒｇ適応アルゴリズムは例として提
示されたにすぎず、限定的な意味をもたない。本発明は
これらの方法の使用によって全く限定されない。
が許される。特に、本発明では使用できる適応アルゴリ
ズムとして再帰最小二乗（ＲＬＳ）適応アルゴリズムと
Ｂｕｒｇ適応アルゴリズムを挙げる。再帰最小二乗適応
アルゴリズムとＢｕｒｇ適応アルゴリズムは例として提
示されたにすぎず、限定的な意味をもたない。本発明は
これらの方法の使用によって全く限定されない。
【００１９】デジタルプロセッサ８で何らかのパラメー
タ評価部分が利用される場合、予測誤差フィルタはモデ
ル次数として知られるいくつかの予測誤差フィルタ係数
を有し、それらを指定しなければならない。発明者は、
実験によって、２から１０の範囲のモデル次数がＥＭＧ
予測誤差信号（e[n]）１０で子宮収縮の所望の指示を生
成することを判定した。モデル次数が大きすぎると、子
宮収縮に対するＥＭＧ予測誤差信号（e[n]）１０の感度
が低下する。
タ評価部分が利用される場合、予測誤差フィルタはモデ
ル次数として知られるいくつかの予測誤差フィルタ係数
を有し、それらを指定しなければならない。発明者は、
実験によって、２から１０の範囲のモデル次数がＥＭＧ
予測誤差信号（e[n]）１０で子宮収縮の所望の指示を生
成することを判定した。モデル次数が大きすぎると、子
宮収縮に対するＥＭＧ予測誤差信号（e[n]）１０の感度
が低下する。
【００２０】本発明の別の実施例においては、ＥＭＧ予
測誤差信号１０を計算するためにＲＬＳ方法を使用す
る。ＲＬＳ方法は、新たなデータサンプルが現れるたび
に新たなＡＲモデルが計算されるために逐次手続きと呼
ばれる種類のＡＲモデリング手続きの１つである。モデ
ル次数（ｐ）が与えられると、ＲＬＳアルゴリズムは順
方向予測誤差の指数重み付け和を最小にすることによ
り、パラメータの最小二乗推定値を生成する。本発明で
このアルゴリズムが使用される場合、ｎ番目に古い順方
向予測誤差は係数ｗnにより重み付けされる。S.L. Marp
le, Jr.の「Digital Spectral Analysis with Applicat
ions」、（Prentice−Hall、１８８７年刊）の第９章な
どの多くの標準参考文献に記載されているように、パラ
メータの最小二乗推定値は再帰的に更新される。再帰的
推定値が存在するパラメータの１つは、デジタルプロセ
ッサ８（シグナルプロセッサ２０）の要求される出力で
ある順方向予測誤差である。ＲＬＳフィルタの重みパラ
メータ（ｗ）は、通常、約２秒から約１２秒の範囲の典
型的時間間隔におけるサンプルの数をＮとするとき、ｗ
N＝０.０１となるように定められている。
測誤差信号１０を計算するためにＲＬＳ方法を使用す
る。ＲＬＳ方法は、新たなデータサンプルが現れるたび
に新たなＡＲモデルが計算されるために逐次手続きと呼
ばれる種類のＡＲモデリング手続きの１つである。モデ
ル次数（ｐ）が与えられると、ＲＬＳアルゴリズムは順
方向予測誤差の指数重み付け和を最小にすることによ
り、パラメータの最小二乗推定値を生成する。本発明で
このアルゴリズムが使用される場合、ｎ番目に古い順方
向予測誤差は係数ｗnにより重み付けされる。S.L. Marp
le, Jr.の「Digital Spectral Analysis with Applicat
ions」、（Prentice−Hall、１８８７年刊）の第９章な
どの多くの標準参考文献に記載されているように、パラ
メータの最小二乗推定値は再帰的に更新される。再帰的
推定値が存在するパラメータの１つは、デジタルプロセ
ッサ８（シグナルプロセッサ２０）の要求される出力で
ある順方向予測誤差である。ＲＬＳフィルタの重みパラ
メータ（ｗ）は、通常、約２秒から約１２秒の範囲の典
型的時間間隔におけるサンプルの数をＮとするとき、ｗ
N＝０.０１となるように定められている。
【００２１】ＲＬＳアルゴリズムは、再帰的計算におけ
る丸め誤差又はその他の数値誤差の累積によって起こる
誤差を生じやすいことが知られている。この問題に対処
するため、信号処理に関連する文献には様々な方法が記
載されている。
る丸め誤差又はその他の数値誤差の累積によって起こる
誤差を生じやすいことが知られている。この問題に対処
するため、信号処理に関連する文献には様々な方法が記
載されている。
【００２２】別の実施例では、デジタルプロセッサ８は
周知のＢｕｒｇアルゴリズムなどのブロックデータ最適
化アルゴリズムを利用する。ブロックデータ方法は１つ
のＡＲモデルを計算するために一定のデータブロック、
すなわち、ウィンドウの中のデータの全てを使用する。
特に、Ｂｕｒｇ方法は所定のモデル次数に対して所定の
データブロックの順方向予測誤差と逆方向予測誤差の二
乗の和を最小にし、計算の副産物として、その和の値を
生成する。発明者は、実験によって、ＥＭＧ予測誤差信
号（e[n]）１０において子宮収縮の所望の指示を生成す
るために、ブロックデータ最適化方法と関連するモデル
次数の範囲は通常２から１０であると判定した。本発明
では、データブロックはＥＭＧ入力信号（x[n]）２の互
いに重複する複数のセグメントであり、その全てが同じ
一定の数のサンプルを有し、Ｂｕｒｇアルゴリズムの出
力は二乗された誤差の和の計算値である。Ｂｕｒｇアル
ゴリズムの各出力値は累積されている最も最近のデータ
ブロックから計算され、出力値はＥＭＧ入力信号（x
[n]）２と同じサンプル速度で生成されても良いし、あ
るいは、次の計算が実行される前にセーブされるデータ
ブロックに追加される新たなデータポイントの数を変化
させることによりより遅いサンプル速度で生成されても
良い。デジタルプロセッサ８でブロックデータ最適化ア
ルゴリズムが利用される場合、典型的なデータ収集ウィ
ンドウ持続時間は約２秒から約１０秒である。
周知のＢｕｒｇアルゴリズムなどのブロックデータ最適
化アルゴリズムを利用する。ブロックデータ方法は１つ
のＡＲモデルを計算するために一定のデータブロック、
すなわち、ウィンドウの中のデータの全てを使用する。
特に、Ｂｕｒｇ方法は所定のモデル次数に対して所定の
データブロックの順方向予測誤差と逆方向予測誤差の二
乗の和を最小にし、計算の副産物として、その和の値を
生成する。発明者は、実験によって、ＥＭＧ予測誤差信
号（e[n]）１０において子宮収縮の所望の指示を生成す
るために、ブロックデータ最適化方法と関連するモデル
次数の範囲は通常２から１０であると判定した。本発明
では、データブロックはＥＭＧ入力信号（x[n]）２の互
いに重複する複数のセグメントであり、その全てが同じ
一定の数のサンプルを有し、Ｂｕｒｇアルゴリズムの出
力は二乗された誤差の和の計算値である。Ｂｕｒｇアル
ゴリズムの各出力値は累積されている最も最近のデータ
ブロックから計算され、出力値はＥＭＧ入力信号（x
[n]）２と同じサンプル速度で生成されても良いし、あ
るいは、次の計算が実行される前にセーブされるデータ
ブロックに追加される新たなデータポイントの数を変化
させることによりより遅いサンプル速度で生成されても
良い。デジタルプロセッサ８でブロックデータ最適化ア
ルゴリズムが利用される場合、典型的なデータ収集ウィ
ンドウ持続時間は約２秒から約１０秒である。
【００２３】以上説明した処理の一例として、一連の子
宮収縮事象に対する陣痛計、ＥＭＧ入力信号（x[n]）２
のデジタル化表現、及びデジタルプロセッサ出力信号
（ＥＭＧ予測誤差信号（e[n]）１０）の応答を図２、図
３及び図４にそれぞれ示す。デジタルプロセッサ出力信
号（ＥＭＧ予測誤差信号（e[n]）１０）は、Ｂｕｒｇア
ルゴリズムの予測誤差フィルタが２次のフィルタであり
且つＢｕｒｇアルゴリズムデータ収集ウィンドウ持続時
間が１０秒である本発明の一実施例を使用して計算され
た。
宮収縮事象に対する陣痛計、ＥＭＧ入力信号（x[n]）２
のデジタル化表現、及びデジタルプロセッサ出力信号
（ＥＭＧ予測誤差信号（e[n]）１０）の応答を図２、図
３及び図４にそれぞれ示す。デジタルプロセッサ出力信
号（ＥＭＧ予測誤差信号（e[n]）１０）は、Ｂｕｒｇア
ルゴリズムの予測誤差フィルタが２次のフィルタであり
且つＢｕｒｇアルゴリズムデータ収集ウィンドウ持続時
間が１０秒である本発明の一実施例を使用して計算され
た。
【００２４】本発明の別の実施例は、データ収集ウィン
ドウ持続時間が約５秒であり、予測誤差フィルタは４次
モデルを表す４次のフィルタであり、ＥＭＧ入力信号２
のデジタル化表現が約２００Ｈｚのサンプリング周波数
速度によるＢｕｒｇアルゴリズムを利用する。
ドウ持続時間が約５秒であり、予測誤差フィルタは４次
モデルを表す４次のフィルタであり、ＥＭＧ入力信号２
のデジタル化表現が約２００Ｈｚのサンプリング周波数
速度によるＢｕｒｇアルゴリズムを利用する。
【００２５】本発明の別の実施例は、データ収集ウィン
ドウ持続時間が約１０秒であり、予測誤差フィルタは４
次モデルを表す４次のフィルタであり、且つＥＭＧ入力
信号２のデジタル化表現が約１００Ｈｚのサンプリング
周波数速度によるＢｕｒｇアルゴリズムを利用する。
ドウ持続時間が約１０秒であり、予測誤差フィルタは４
次モデルを表す４次のフィルタであり、且つＥＭＧ入力
信号２のデジタル化表現が約１００Ｈｚのサンプリング
周波数速度によるＢｕｒｇアルゴリズムを利用する。
【００２６】本発明が実施され且つ使用される態様を例
示するために、本発明に従って子宮収縮を検出する目的
で腹部外表面ＥＭＧ信号データを処理する方法及び装置
の特定の一実施例を説明した。本発明のその他の変形及
び改変の実現並びにその様々な面は当業者には明白であ
り、本発明が以上説明した特定の実施例に限定されない
ことを理解すべきである。従って、本発明、並びにここ
で開示し且つ特許請求する基礎となる原理の真の趣旨の
範囲内に含まれるあらゆる変形、変更又は等価の構成が
包含されると考えられる。
示するために、本発明に従って子宮収縮を検出する目的
で腹部外表面ＥＭＧ信号データを処理する方法及び装置
の特定の一実施例を説明した。本発明のその他の変形及
び改変の実現並びにその様々な面は当業者には明白であ
り、本発明が以上説明した特定の実施例に限定されない
ことを理解すべきである。従って、本発明、並びにここ
で開示し且つ特許請求する基礎となる原理の真の趣旨の
範囲内に含まれるあらゆる変形、変更又は等価の構成が
包含されると考えられる。
【図１】 本発明の一実施例に従った子宮収縮監視シス
テムを表す全体ブロック線図。
テムを表す全体ブロック線図。
【図２】 一連の子宮収縮事象に対する陣痛計の応答を
表すグラフ。
表すグラフ。
【図３】 一連の子宮収縮事象に対するＥＭＧ入力信号
のデジタル表現の応答を表すグラフ。
のデジタル表現の応答を表すグラフ。
【図４】 一連の子宮収縮事象に対するデジタルプロセ
ッサ出力信号（ＥＭＧ予測誤差信号）の応答を表すグラ
フ。
ッサ出力信号（ＥＭＧ予測誤差信号）の応答を表すグラ
フ。
１…センサ、２…ＥＭＧ入力信号、３…増幅器、４…低
域フィルタ、５…Ａ／Ｄ変換器、７…ノイズフィルタ、
８…デジタルプロセッサ、１０…ＥＭＧ予測誤差信号、
１５…表示装置、２０…シグナルプロセッサ
域フィルタ、５…Ａ／Ｄ変換器、７…ノイズフィルタ、
８…デジタルプロセッサ、１０…ＥＭＧ予測誤差信号、
１５…表示装置、２０…シグナルプロセッサ
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 カリール・ジョン・マアルーフ
アメリカ合衆国、ニューヨーク州、クリフ
トン・パーク、サウス・クレスト・ドライ
ブ、５番
(72)発明者 イーピン・チェン
アメリカ合衆国、ヴァージニア州、シャー
ロッツビル、チムニー・スプリングス、
2902番
Ｆターム(参考） 4C027 AA04 BB01 CC01 FF01 FF02
GG05
4C038 VA04 VB20 VC20
Claims (26)
- 【請求項１】 子宮収縮を検出するために腹部外表面か
らの筋電図（ＥＭＧ）入力信号を処理するシステムにお
いて、 ＥＭＧ信号を検出し且つ対応するＥＭＧ入力信号（２）
を発生するように構成されたセンサ（１）と、 前記センサ（１）に結合され、少なくとも１回の収縮事
象の大きさ及び一連の複数回の収縮事象の周期性を表す
対応するＥＭＧ予測誤差信号（１０）を発生するように
構成されたシグナルプロセッサ（２０）とを具備するシ
ステム。 - 【請求項２】 前記シグナルプロセッサ（２０）に結合
された表示装置（１５）を更に具備する請求項１記載の
システム。 - 【請求項３】 前記表示装置（１５）はコンピュータモ
ニタ、計器用表示モニタ、ベッドサイド表示モニタ、プ
リンタ及びストリップチャートレコーダから成る装置群
から選択される請求項２記載のシステム。 - 【請求項４】 前記センサ（１）の各々は子宮に隣接し
て前記腹部外表面と接触する状態で配置されるように構
成された２つのＥＫＧ電極を具備する請求項１記載のシ
ステム。 - 【請求項５】 前記シグナルプロセッサ（２０）は、 センサ（１）に結合され、前記ＥＭＧ入力信号を増幅し
て、前記ＥＭＧ入力信号（２）の増幅表現を提供する増
幅器（３）と、 前記増幅器（３）に結合され、前記ＥＭＧ入力信号
（２）の前記増幅表現をフィルタリングして、前記ＥＭ
Ｇ入力信号（２）の低域フィルタリング済み表現を発生
するように構成された低域フィルタ（４）と、 前記低域フィルタに結合され、前記ＥＭＧ入力信号
（２）の前記低域フィルタリング済み表現を処理して、
前記ＥＭＧ入力信号（２）のデジタル化表現を発生する
ように構成されたアナログ／デジタル変換器（５）と、 前記アナログ／デジタル変換器（５）に結合され、前記
ＥＭＧ入力信号（２）の前記デジタル化表現から電力線
路構造を除去して、前期ＥＭＧ入力信号（２）のノイズ
フィルタリング済みバージョンを発生するように構成さ
れたノイズフィルタ（７）と、 前記ノイズフィルタ（７）に結合され、前記ＥＭＧ入力
信号（２）のノイズフィルタリング済みバージョンを処
理して前記ＥＭＧ予測誤差信号（１０）を計算するよう
に構成されたデジタルプロセッサ（８）とを更に具備す
る請求項１記載のシステム。 - 【請求項６】 前記デジタルプロセッサ（８）は適応ア
ルゴリズムを具備し、前記適応アルゴリズムは、予測誤
差フィルタに結合されるように構成されたパラメータ評
価部分を具備し、前記パラメータ評価部分は、ＥＭＧ予
測誤差信号性能指標を最適化するために前記少なくとも
１つの予測係数を計算するように構成されている請求項
５記載のシステム。 - 【請求項７】 前記適応アルゴリズムは、前記ＥＭＧ入
力信号（２）の前記デジタル化表現（６）をフィルタリ
ングして前記ＥＭＧ予測誤差信号（１０）を計算するよ
うに更に構成されている請求項６記載のシステム。 - 【請求項８】 前記適応アルゴリズムは最小二乗適応ア
ルゴリズム及びＢｕｒｇ適応アルゴリズムから成るアル
ゴリズム群から選択される請求項６記載のシステム。 - 【請求項９】 前記予測誤差フィルタは２から１０の範
囲のモデル次数を有するように構成されている請求項６
記載のシステム。 - 【請求項１０】 前記適応アルゴリズムは、約２秒から
約１２秒の時間間隔範囲を有する最小二乗適応アルゴリ
ズムである請求項６記載のシステム。 - 【請求項１１】 前記適応アルゴリズムは、約２秒から
約１０秒のデータ収集ウィンドウ持続時間を有するＢｕ
ｒｇ適応アルゴリズムである請求項６記載のシステム。 - 【請求項１２】 前記適応アルゴリズムは、約１０秒の
データ収集ウィンドウ持続時間を有するＢｕｒｇ適応ア
ルゴリズムであり、前記予測誤差フィルタは４次のフィ
ルタである請求項６記載のシステム。 - 【請求項１３】 前記ＥＭＧ入力信号（２）の前記デジ
タル化表現は約１００Ｈｚから約２００Ｈｚのサンプリ
ング周波数速度範囲を有する請求項１２記載のシステ
ム。 - 【請求項１４】 前記適応アルゴリズムは、約５秒のデ
ータ収集ウィンドウ持続時間を有するＢｕｒｇ適応アル
ゴリズムであり、前記予測誤差フィルタは４次のフィル
タであり、前記ＥＭＧ入力信号（２）の前記デジタル化
表現は約２００Ｈｚのサンプリング周波数速度を有する
請求項６記載のシステム。 - 【請求項１５】 前記適応アルゴリズムは、約１０秒の
データ収集ウィンドウ持続時間を有するＢｕｒｇ適応ア
ルゴリズムであり、前記予測誤差フィルタは２次のフィ
ルタであり、前記ＥＭＧ入力信号（２）の前記デジタル
化表現は約１００Ｈｚのサンプリング周波数速度を有す
る請求項６記載のシステム。 - 【請求項１６】 子宮の収縮を検出するために腹部外表
面からの筋電図（ＥＭＧ）入力信号を処理する方法にお
いて、 少なくとも１つのＥＭＧ入力信号（２）を発生すること
と、 少なくとも１回の収縮事象の大きさ及び一連の複数回の
収縮事象の周期性を表すＥＭＧ予測誤差信号（１０）を
計算することとから成る方法。 - 【請求項１７】 前記ＥＭＧ予測誤差信号（１０）を表
示装置（１５）に表示することを更に含む請求項１６記
載の方法。 - 【請求項１８】 前記ＥＭＧ予測誤差信号（１０）を計
算する過程は、 適応アルゴリズムのパラメータ評価部分でＥＭＧ予測誤
差信号性能指標を最適化するために少なくとも１つの予
測係数を計算することと、 前記少なくとも１つのＥＭＧ入力信号（２）のデジタル
化表現を前記適応アルゴリズムの予測誤差フィルタでフ
ィルタリングすることとを更に含む請求項１６記載の方
法。 - 【請求項１９】 前記適応アルゴリズムは最小二乗適応
アルゴリズム及びＢｕｒｇ適応アルゴリズムから成るア
ルゴリズム群から選択される請求項１８記載の方法。 - 【請求項２０】 前記予測誤差フィルタは２から１０の
範囲のモデル次数を有する請求項１８記載の方法。 - 【請求項２１】 前記適応アルゴリズムは、約２秒から
約１２秒の時間間隔範囲を有する最小二乗適応アルゴリ
ズムである請求項１８記載の方法。 - 【請求項２２】 前記適応アルゴリズムは、約２秒から
約１０秒のデータ収集ウィンドウ持続時間を有するＢｕ
ｒｇ適応アルゴリズムである請求項１８記載の方法。 - 【請求項２３】 前記適応アルゴリズムは、約１０秒の
データ収集ウィンドウ持続時間を有するＢｕｒｇ適応ア
ルゴリズムであり、前記予測誤差フィルタは４次のフィ
ルタである請求項１８記載の方法。 - 【請求項２４】 前記ＥＭＧ入力信号（２）の前記デジ
タル化表現は約１００Ｈｚから約２００Ｈｚのサンプリ
ング周波数速度範囲を有する請求項２３記載の方法。 - 【請求項２５】 前記適応アルゴリズムは、約５秒のデ
ータ収集ウィンドウ持続時間を有するＢｕｒｇ適応アル
ゴリズムであり、前記予測誤差フィルタは４次のフィル
タであり、前記ＥＭＧ入力信号（２）の前記デジタル化
表現は約２００Ｈｚのサンプリング周波数速度を有する
請求項１８記載の方法。 - 【請求項２６】 前記適応アルゴリズムは、約１０秒の
データ収集ウィンドウ持続時間を有するＢｕｒｇ適応ア
ルゴリズムであり、前記予測誤差フィルタは２次のフィ
ルタであり、前記ＥＭＧ入力信号（２）の前記デジタル
化表現は約１００Ｈｚのサンプリング周波数速度を有す
る請求項１８記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/045706 | 2002-01-15 | ||
| US10/045,706 US6898460B2 (en) | 2002-01-15 | 2002-01-15 | Method and apparatus for uterine contraction monitoring using linear predictive modeling of abdominal surface EMG signals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003245258A true JP2003245258A (ja) | 2003-09-02 |
| JP2003245258A5 JP2003245258A5 (ja) | 2006-03-02 |
Family
ID=21939426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003006839A Pending JP2003245258A (ja) | 2002-01-15 | 2003-01-15 | 腹部表面ｅｍｇ信号の線形予測モデリングを使用する子宮収縮監視の方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6898460B2 (ja) |
| JP (1) | JP2003245258A (ja) |
| DE (1) | DE10300916A1 (ja) |
| GB (1) | GB2384566B (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2019004394A1 (ja) * | 2017-06-29 | 2019-12-26 | アトムメディカル株式会社 | 母体及び胎児の監視装置、監視装置用表示装置 |
| WO2020111464A1 (ko) * | 2018-11-27 | 2020-06-04 | 전자부품연구원 | 자궁 근전도 기반의 조산 위험도 식별방법 |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7333850B2 (en) * | 2004-05-28 | 2008-02-19 | University Of Florida Research Foundation, Inc. | Maternal-fetal monitoring system |
| US9820658B2 (en) | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
| US7639146B2 (en) * | 2004-09-29 | 2009-12-29 | Baura Gail D | Blink monitor for detecting blink occurrence in a living subject |
| US7733224B2 (en) | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
| US7539532B2 (en) | 2006-05-12 | 2009-05-26 | Bao Tran | Cuffless blood pressure monitoring appliance |
| US8500636B2 (en) | 2006-05-12 | 2013-08-06 | Bao Tran | Health monitoring appliance |
| US8323189B2 (en) | 2006-05-12 | 2012-12-04 | Bao Tran | Health monitoring appliance |
| US9060683B2 (en) | 2006-05-12 | 2015-06-23 | Bao Tran | Mobile wireless appliance |
| US7558622B2 (en) * | 2006-05-24 | 2009-07-07 | Bao Tran | Mesh network stroke monitoring appliance |
| US8968195B2 (en) | 2006-05-12 | 2015-03-03 | Bao Tran | Health monitoring appliance |
| US8684922B2 (en) | 2006-05-12 | 2014-04-01 | Bao Tran | Health monitoring system |
| US8684900B2 (en) | 2006-05-16 | 2014-04-01 | Bao Tran | Health monitoring appliance |
| US7539533B2 (en) | 2006-05-16 | 2009-05-26 | Bao Tran | Mesh network monitoring appliance |
| CN100411583C (zh) * | 2006-06-22 | 2008-08-20 | 秦宏平 | 神经干定位装置 |
| US8511952B2 (en) * | 2006-10-05 | 2013-08-20 | Monogram Aerospace Fasteners, Inc. | Dual-action disposable clamp |
| US9351682B2 (en) | 2006-10-18 | 2016-05-31 | Convergent Engineering, Inc. | Sensor interface system |
| US7828753B2 (en) | 2006-10-18 | 2010-11-09 | Convergent Engineering, Inc. | Electrode interface system |
| US8750971B2 (en) | 2007-05-24 | 2014-06-10 | Bao Tran | Wireless stroke monitoring |
| IT1398833B1 (it) * | 2009-05-22 | 2013-03-21 | Belli | Apparecchiatura elettromedicale di assistenza al travaglio ed al parto |
| US9865176B2 (en) | 2012-12-07 | 2018-01-09 | Koninklijke Philips N.V. | Health monitoring system |
| EP3125771A4 (en) * | 2014-04-01 | 2017-12-06 | Montclair State University | System and method for predicting fetal and maternal health risks |
| CN109875556B (zh) * | 2019-03-05 | 2021-08-31 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5623939A (en) * | 1994-05-19 | 1997-04-29 | Board Of Regents, University Of Texas System | Method and apparatus for analyzing uterine electrical activity from surface measurements for obstetrical diagnosis |
| US5776073A (en) * | 1994-05-19 | 1998-07-07 | Board Of Regents, University Of Texas System | Method and apparatus for analyzing uterine electrical activity from surface measurements for obstetrical diagnosis |
| US6411843B1 (en) * | 1999-05-28 | 2002-06-25 | Respironics, Inc. | Method and apparatus for producing a model EMG signal from a measured EMG signal |
| US6678551B2 (en) * | 2001-12-27 | 2004-01-13 | General Electric Company | Method and apparatus for noise reduction of electromyogram signals |
-
2002
- 2002-01-15 US US10/045,706 patent/US6898460B2/en not_active Expired - Fee Related
-
2003
- 2003-01-09 GB GB0300494A patent/GB2384566B/en not_active Expired - Fee Related
- 2003-01-13 DE DE10300916A patent/DE10300916A1/de not_active Withdrawn
- 2003-01-15 JP JP2003006839A patent/JP2003245258A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2019004394A1 (ja) * | 2017-06-29 | 2019-12-26 | アトムメディカル株式会社 | 母体及び胎児の監視装置、監視装置用表示装置 |
| WO2020111464A1 (ko) * | 2018-11-27 | 2020-06-04 | 전자부품연구원 | 자궁 근전도 기반의 조산 위험도 식별방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| GB2384566A (en) | 2003-07-30 |
| GB0300494D0 (en) | 2003-02-12 |
| DE10300916A1 (de) | 2003-07-24 |
| GB2384566B (en) | 2005-12-14 |
| US20030135130A1 (en) | 2003-07-17 |
| US6898460B2 (en) | 2005-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2003245258A (ja) | 腹部表面ｅｍｇ信号の線形予測モデリングを使用する子宮収縮監視の方法及び装置 | |
| Kovács et al. | A rule-based phonocardiographic method for long-term fetal heart rate monitoring | |
| US6678551B2 (en) | Method and apparatus for noise reduction of electromyogram signals | |
| JP2618020B2 (ja) | 分娩中の胎児の監視 | |
| US7025729B2 (en) | Apparatus for detecting sleep apnea using electrocardiogram signals | |
| JP6219942B2 (ja) | 心電図におけるリアルタイムｑｒｓ期間測定 | |
| Jagannath et al. | Issues and research on foetal electrocardiogram signal elicitation | |
| US6440089B1 (en) | Uterine contraction detector and frequency trender | |
| JP5416218B2 (ja) | バリストカルジオグラム信号の分析方法と装置 | |
| JP2002523163A (ja) | 臨床判断を助けるシステム及び方法 | |
| US20090171226A1 (en) | System and method for evaluating variation in the timing of physiological events | |
| JPH0480692B2 (ja) | ||
| KR101706197B1 (ko) | 압전센서를 이용한 폐쇄성수면무호흡 선별검사를 위한 장치 및 방법 | |
| US7460902B2 (en) | Monitoring of atrial activation | |
| Azevedo et al. | Abdominal-lead fetal electrocardiographic R-wave enhancement for heart rate determination | |
| US11464458B2 (en) | System for evaluating the maturation of a premature baby | |
| CN114916940A (zh) | 基于专家知识的心律失常信号检测方法、系统及终端 | |
| Smaoui et al. | Single scale CWT algorithm for ECG beat detection for a portable monitoring system | |
| KR20160008368A (ko) | 재귀 추정을 이용한 생체 신호 처리 방법 및 그 장치 | |
| KR100400212B1 (ko) | 부정맥검출기능을 가진 심전도장치 | |
| WO2020090763A1 (ja) | 処理装置、システム、処理方法、およびプログラム | |
| JP7256832B2 (ja) | 心房細動検出システム | |
| CN114533081B (zh) | 一种融合早搏抑制策略的阵发性房颤检测装置 | |
| Pretlow III et al. | Signal processing methodologies for an acoustic fetal heart rate monitor | |
| Nabil et al. | Algorithm for automatic detection of ECG waves |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060112 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060112 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081125 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090428 |