JP2004160237A - 特に心電図信号等の生理信号内の信号分析のための装置 - Google Patents

Abstract

【課題】分析アルゴリズムを単純化し、特に極めて短い時間間隔内に医師が自動分析の結果を得ることを可能とする。
【解決手段】装置はデジタル化された信号を記憶（メモリ内に記録）し、これをＮ個の要素波の一群に分解し、各波の少なくとも１つの特性パラメータを検知することによって各Ｎ個の要素波を分類し、さらにこのように検知された１つまたは複数の特性パラメータに従って、標準化されたラベルを予め設定された一群のラベルの中から割り当てる。信号の分解はＮ個のパラメータ化されたバンプ関数（１−５）へのものであり、ここで各バンプ関数は第１の単調パラメータ化関数とアフィン関数と第２の単調パラメータ化関数を含んだ３つの連続するインタバルを有する連続的な関数であり、前記単調パラメータ化関数のうちの一方は増加、他方は減少関数である。パラメータ化された関数は半ガウス関数であり、アフィン関数は０傾斜を有することが好適である。
【選択図】図１

Description

この発明は、例えば歩行型能動医療装置または能動植込み医療装置によって収集された特に生理データ等のデータの分析に関する。能動医療装置は１９９３年６月１４日付のＥＣ評議会指令第９３／４２／ＣＥＥ号によって定義された装置を含んでおり、能動植込み医療装置は１９９０年６月２０日付のＥＣ評議会指令第９０／３８５／ＣＥＥ号によって定義された装置を含んでいる。本発明は、心臓活動（ＥＣＧ（心電図））信号、特に“ホルタ”レコーダ、すなわち長い周期に渡って中断することなく信号を記録することが可能な装置によって収集された信号、さらに具体的には植込まれた電極（電位図）または外部電極（心電図）を使用して収集（検出）された信号の分析に関連して説明され、これらの信号はこれ以降において統括的に“ＥＣＧ”信号と呼称する。しかしながら、本発明はＥＣＧ信号の処理に限定されるものではなく、例えば脳電図、呼吸速度、血圧等の他の生理パラメータの分析、ならびにレーダ信号、超音波信号等の非生理信号の分析に広範囲に適用することもできる。

ホルタ記録すなわち記録されたＥＣＧ信号の分析は比較的複雑な検査を必要とする。従って、２４あるいは４８時間にわたった継続的な患者のＥＣＧ信号の記録は約１０００００のＰＱＲＳＴ複合波を示している。従って、律動障害、心臓酸素欠乏症、心臓ペースメーカの動作異常等の疾患事象を検知するためにこれらの複合波の変動を分析することが必要となる。この分析は通常植込み装置に対して遠隔のあるいは歩行型装置内に内蔵されたコンピュータ（例えば、メモリおよびデータレジスタ等と結合されたマイクロプロセッサ）内のソフトウェア内で実行されるアルゴリズムによって自動的に実施され、中間的な結果すなわちデータを合成したものを結果として提供し医師はこれから診断を行うことができる。

このアルゴリズムは大容量のデータを処理する。従って、比較的大きなデータ処理手段が必要となる。結果として、要求されるプロセッサリソース（例えばメモリサイズ、スピード、ビット解像度、適宜なバッテリー性能等）に比べた効率性の点に関して、アルゴリズムの最適化が生理信号データの分析ならびに特に信号のホルタ記録の分野において重要な要素となる。

既知のホルタ記録システムにおける別の難点は信号分析中のエラー率であり、これは特に誤診の危険性を伴った重大な結果を招く恐れがある。従って、特に移動中に記録されたＥＣＧのケースにおいて、信号は規則的でなく多数の人為要素が存在する。より具体的には、ＥＣＧ信号は一般的に心臓から生じる略周期的（すなわち、いわゆる“ＰＱＲＳＴ”複合波）な信号から形成され、例えば筋肉によって形成されるもの、電極と肌の間のインタフェース上の機械的障害によるもの、ならびに電極とレコーダを接続しているケーブルによって収集された電気あるいは電磁障害による寄生信号を伴っている。

伝統的なアルゴリズムは寄生信号を検出してフィルタ除去することができるが完全にではなく、従って心臓信号の確認におけるエラー率の上昇を招く恐れがある。伝統的なアルゴリズムが０．１％のエラー率を達成したとしても、これは２４時間の記録中に約１００個のエラー（約１０００００ＰＱＲＳＴ複合波）を示している。これは依然として高過ぎるエラーレベルである。このことが、これらのエラーが適正な診断を行う観点において重大なことである単一性を示している複合波を伴う可能性がある理由である。

加えて、ＥＣＧ信号に関して、診断を行うために極めて重要な意味を持ち得るＱＲＳ複合波の変動性を観察し得ることが重要である。従って、使用される分析アルゴリズムは一定数の微小変動を検知および識別し得る必要がある。

このＥＣＧ信号の自動分析は３つの異なったステージを有しており、それらは：１）周波数領域内の一定数の寄生信号を消去してより良質の信号を伝達するための予備的な信号調整およびフィルタリングと；２）信号の特性波形の分解および識別と；３）種々の特性波形を示すパラメータの一時的な変化の合成である。これらによって、医師が診断を確立することが可能になり、そして分析結果は信頼性が高くなると同時に診断を行うために重要なものであるべきことが明白である。

信頼性は、強健さと第２のステージにおいて実施される分解および識別の良好な適応に部分的に依存している。より具体的には、ＥＣＧ信号は図１に図示された形状で示されており、これは心臓の電気的活動の時間変化を示す軌跡であり、“等電位線”として知られている心臓静止相の特性線の両側に正および負の振幅を有する連続する波形からなる。通常の心拍中に（図１に示されている）、これらの正または負の波形が適正に定義された生理的プロセスの結果として識別され、各波形に対して標準化されたラベル、特にＰ，Ｑ，Ｒ，ＳまたはＴを割り当てることが可能にされる。生理的に見て、Ｐ波は心房の脱分極によって形成され、ＱＲＳ波は心室の脱分極によって形成され、Ｔ波は心室の再分極によって形成される。これらの種々の波の形状および各時点の位置、ならびにその変動性から、医師は所与の病状の認識することができる。

信号の特性波形の分解および識別を行うためのいくつかの方式が提案されている。１つは周波数分析であり、信号をフーリエ空間（すなわち時間領域で得られたデータを周波数領域に変換）で示すことを可能にする。しかしながら、この種の分解はＥＣＧ信号の分析に完全に適応するものではなく、それはこの信号が厳密に周期性ではないためである。これは時間変化する豊かなスペクトル成分を有している。さらに、周波数分解のシヌソイド関数は成分波の認識に必要な位相を得ることを可能にせず；従ってこの種の周波数分解によって生じる適応欠如によってその時点の位相情報が失われる可能性がある。

時間領域分解を行うために、提案されている１つの技術は非直交小波形への変換の仕様であり、ここで波形の認識は信号を模作する小波形の時間−周波数成分に基づいて行われる。しかしながら、この方法においては分解度が不足しておりそれによって微細な分析に限界が生じる。この難点は非直交小波形における分解（または基本的な動径関数、またはガウス理論等）によって緩和される。この点に関して、ＥＣＧ信号はガウス和に分解され、これは固定あるいは調節可能な大きさのいずれかとすることができる。この方法は、模作される波形（すなわち、Ｐ，Ｑ，Ｒ，ＳおよびＴ波）は真にガウス性ではないという事実のために典型的な問題点を有しており、従って充分な質を得るためには極めて大きな数のパラメータが模作のために必要とされる。このことも適宜な時間内に実行するためには相当な計算能力を必要とする。加えて、結果がＱＲＳに対して正しい場合、容易にはガウス分布と比較できないＰ波およびＴ波が不適正に模作され：充分な質を得るためには多数のパラメータを使用する必要があり、従って分析アルゴリズムが非常に複雑化する。

多様な文献を参照することにより、単純な線形分解を使用することが知られており、これにおいては信号の導関数が有意になると同時に振幅の増減が直線セグメントに置換される。その結果は連続する直線セグメントによって形成された模作信号であり、これは極めて簡便に処理することができる：例えば、単相性波形は逆向きの方向をもった２つのセグメントの連続から形成され、二相性波形は逆向きの方向からなる３つのセグメントから形成される。この技術は極めて効果的であるが、例えば、分析することが困難である複数のセグメントへの過剰な分解へと通じる摂動低周波数等の特殊なケースに適用すると容易に限界に達してしまう。

発明の対象と概要

従って、本発明の対象は、特に能動医療装置によって予め収集された生理信号等の信号を分析するためのものであり、特にＥＣＧ信号の場合従来使用されていた分析技術の問題点を解消することができる装置を提供することである。

本発明の別の目的は、最もよく知られている技術と少なくとも同等な効果を有するがより限定的なデータ処理リソース（すなわち比較的小さなメモリリソースならびにより低性能なプロセッサ）と共に使用し得る装置を提供することである。この種の装置によれば、予めホルタレコーダ内に記憶されたデータをコンピュータに伝送した後特に数分とすることができる極めて短い時間間隔内に医師が自動分析の結果を得ることが可能になる。

このため、本発明は概略的に見て前述した種類の信号分析装置、すなわちその変化が単次元の関数を定義する信号を分析するための装置に係り、この信号は予め調整（すなわちフィルタリングされより高品質に形成されている）、標本化およびデジタル化されたものである。この種の装置は記憶（メモリ内への蓄積）のための手段と、記憶された信号をＮ個の要素波形に分解することが可能な抽出手段を含む、記憶された信号を分析するための手段と、各要素波形の少なくとも一つの特性パラメータを認識することができる分類手段とを含んでおり、これによって予め設定されたラベルの中から選択された標準化されたラベルをこのように認識された１つまたは複数の前述した特性パラメータに従って割り当てることができる。

本発明によれば、抽出手段は信号をＮ個のパラメータ化されたバンプ関数に分解するよう動作し、ここで各バンプ関数は第１の単調パラメータ化関数とアフィン関数と第２の単調パラメータ化関数の３つの連続するインタバルによって特徴付けられる連続的な関数であり、前述した単調パラメータ化関数のうちの一方は増加、他方は減少関数である。

本発明の種々の追加的な特徴によれば、以下の変更を選択的に使用することができる：
・ 前述した単次元関数の次元は時間次元であることが好適である。
・ 前述した信号はＰＱＲＳＴ型の波形を形成するＥＣＧ信号とすることが好適である。
・ 前述したアフィン関数は０の傾斜を有する関数であり、前述したパラメータ化関数のそれぞれは半ガウス型であって１つは増加し別の１つは減少し；前述した特性パラメータは２つの半ガウス関数のそれぞれの標準偏差（σ）、アフィン部分の定義インタバルの長さ、インタバルの縦座標位置、ガウス関数の頂点の振幅を形成する５個のパラメータとすることができ；
・ 抽出手段はＮ個の要素波形のそれぞれに対して予め設定されたバンプ型関数のライブラリの中から選択された分解される信号に関して最も重要である（すなわち、元の信号波形に最も近いバンプ）、対応するバンプ型関数を検索する選択手段と、このようにして選択手段によって決定された各バンプ型関数のパラメータを適応させて信号とＮ個のパラメータ化されたバンプ型関数の成分との間の偏差を最小化する手段とを含み；より好適には、選択手段は前記最も重要なバンプ型関数の直行化および／または強制的な非線形最適化する（例えば５個のうちの３個のパラメータが正となる）ことによって前述したパラメータを適応させる手段を有することによって検索を実行することができる。
・ 分類手段はいわゆる隠れマルコフモデルの実行によって動作することが好適である。

前述した構成形態において信号はＥＣＧ信号でありＰＱＲＳＴ型の波形を形成し：
・ 記憶された信号を分析する手段は記憶された信号から抽出手段によって決定されたＮ個の要素波形のうち少なくとも１つを引き出すとともに、分類手段によって割り当てられたラベルである所与のラベルを伝送する減算手段を含むことが好適であり；
・ 前記Ｎ個の要素波形は５個（Ｎ＝５）で、前記予め設定されたラベルはＥＣＧ信号のＰ，Ｑ，Ｒ，Ｓ，およびＴ波であり；
・ ＥＣＧ信号は既知のＰＣＡ分析ならびに有意の軸上、特に動的に計算された最大振幅の軸上の主成分の投影によって得られた信号であり；
・ 装置は、特にＴ波の振幅、Ｐ波の振幅、またはＰＣＡ分析によって判定された有意の軸の方向等の、抽出手段によって決定されたＮ個の要素波形のうちの少なくとも１つの波形の少なくとも１つの特性要素の時間変動性を判定する手段を含んでおり；
・ 装置は、抽出手段によって決定されたＮ個の要素波形のうちの少なくとも２個の波形の間の特性要素の時間相関性、特にＱＲＳ波とＴ波との間の時間インタバルまたはＰＲインタバルを判定する手段を含む。

本発明のその他の詳細、特徴、ならびに種々の利点は、添付図面を参照しながら以下に記述する本発明の実施例の詳細な説明によって当業者において理解される。

発明の詳細

本発明の原点は、“バンプ”に分解することによって生理信号を模作するように動作することによって限られたデータ処理プロセスを使用して実行することができる高速かつ信頼性の高いアルゴリズムを作成することにあり、このバンプはよく知られた数学概念であるが従来は決して生理信号の分析に適用されていなかったものである。

図２に示されているように、バンプは連続する３つのインタバルによって定義されるようにパラメータ化された単調関数であり、増加する第１のパラメータ化された関数Ｇ１と、アフィン関数Ｄと、減少している第２のパラメータ化された関数Ｇ２とからなる。本発明によれば、分析のための装置は一連のバンプを構成するための検索を行い、これらのバンプの合計のグラフは既知の単次元信号に可能な限り類似するものとなる。各バンプのパラメータの最適化は、模作される元の信号に可能な限り近似するグラフを得ることを可能にする、いずれかの適宜な数学手段によって実施される。

図４には、特定のケースのＥＣＧ信号の１ビートが示されており：
ａ） 例えば以下に記述する方式によって合成された一連のバンプである。
ｂ） ５つのバンプの合成から得られるグラフであり、
ｃ） 図から明らかなように（ｂ）において得られた模作に極めて近い元の信号である。

図３に示されている特定の種類のバンプを使用することが好適であり、これは図２によって与えられている一般的な定義から派生するものである。この特定の種類のバンプは削減された数（この場合５個）のパラメータによって定義され、実用上において、ＥＣＧ信号の分析の場合、バンプの定義においてパラメータの数を削減するにもかかわらず、得られた模作は極めて信頼性が高くかつ元の信号に近いことが証明されている。このため、バンプのアフィン部分Ｄとして水平セグメント（すなわち０傾斜の曲線）を使用し、多次元の最適化の従来のアルゴリズムによってパラメータの適応化のステージを終了させるために、単一関数Ｇ１およびＧ２は等しい振幅Ａを有する半関数である。この条件下においてバンプは連続的な関数であり、５個のパラメータによって定義されるとともにこれらのパラメータの各一つと比較して導出することができ、そのパラメータは：
１） μ：時間位置、例えばセグメントＤの中間座標位置；
２） σ１：第１のガウス形Ｇ１の半標準偏差；
３） σＬ：セグメントＤの長さ；
４） σ２：第１のガウス形Ｇ２の半標準偏差；
５） Ａ：関数の振幅である。

時間信号のバンプへの分解は反復手法によって２つのステージで実行され：
１） コンピュータメモリ内に記憶されたバンプタイプライブラリ内に保存された、予め設定された一群のバンプに適用される選択アルゴリズムによる最も重要なバンプの選択。この選択ステージはそれ自体既知である直交化法を有効に使用することができる（例えば、Ｊ．コレンバーグ氏等による１９８８年の国際制御ジャーナル第４８巻第１９３−２１０頁、“非線形確率システムのための直交パラメータ評価”参照）。
２） 前のステージで選択されたバンプパラメータの適応、すなわち前述した５個のパラメータμ，σ１，σＬ，σ２，およびＡの検索であり、従って最終的に得られた特定のバンプが元の信号を模作するために可能な限りこれに近いものとなる。この適応ステージはそれ自体既知である強制下における非線形最適化を有効に使用している（例えば、１９８３年のＤｕｎｏｄの“Ｍｉｎｏｕｘ，Ｐｒｏｇｒａｍｍａｔｉｏｎ Ｍａｔｈｅｍａｔｉｑｕｅ（１９８３）”参照）。従って、Ｎ個の信号バンプによる模作はＮ×２ステージから実行される。バンプの最大数Ｎは予め定義するか、あるいは必要な模索の精度に従って動的に適応する。ＥＣＧ信号の場合、５個のバンプによって模作された心拍が実用上において満足なものであることが証明されており：５つのバンプの極限は、図４ａに示されているように、バンプがＥＣＧ記録の特性Ｐ，Ｑ，Ｒ，Ｓ，またはＴ波を示す単純なケースに相当する（図４ｂは図４ａの５個のバンプの合成によって得られる模作波形を示しており、図４ｃは本発明の装置によって分析される元の信号を示している）。

その後心臓活動の特性波形を検出するためにバンプによって模作された信号が分析される。各バンプはその後他のバンプに比較したその形状および位置に従って（Ｐ，Ｑ，Ｒ，Ｓ，Ｔまたはその他の）ラベルが付けられる。このラベル付けのために隠れマルコフ連鎖（ＣＭＣまたはＨＭＭ、隠れマルコフモデル）の方法を有効に使用することができ、これはそれ自体公知であり、例えば１９８９年ＩＥＥＥ議事録７７（２）第２５７−２８６頁のＬ・Ｒ・ラビナー氏による“隠れマルコフモデルのチュートリアルおよび音声認識における選ばれたアプリケーション”に記載されている。このラベル付けによって典型的なＰＱＲＳＴ複合波の種々の成分を認識することが可能になり、従って変則的な波形を容易に検出することができ、これは心拍障害の診断のために最も重要なことを示すものである。

ＥＣＧの各波が識別されると、所与の波の各特性パラメータを測定し、特にそれを動的に検査することが可能になる。得られた曲線は個別に分析されるかあるいは他の曲線との関連において分析され、これは模作によって安定的な形状が得られこれによって有効な相関関係が可能となるためである。従って、Ｔ波の振幅の偏差の測定、および／またはＱＲＳ波と比較してのＴ波のシフトによってＴ波の変動性を有効な方式で分析することができる。さらにＴ波を表しているバンプのパラメータを分析し、ＰＲインタバルの変動性、Ｐ波の振幅等を算定することができる。

波の識別によってさらに既知の波を信号から引き出すことが可能になる。この操作は小さな振幅の波（例えばＰ波）の検出に極めて有用であり、これは例えばＱ，Ｒ，Ｓ，Ｔ波等の大きな振幅の波に相関して同時に発生する。このように信号から所与の波を自動的に抽出することによって、例えば非常に早期のＰ波等の下にある波を検出することが可能になり、これは先行したＱＲＳ波の直後に発生するとともに従来の既知の技術を使用した場合しばしば隠れたままとなる。Ｐ波のラベル付けによって医師が診断を大幅に改善することができる結果がもたらされる。

本発明を実施するために説明する例は、多くの実施形態を有することができる。従って、各ＥＣＧチャネル上に収集された信号をフィルタリング後に直接模作するよりも、その主成分の予備的な分析（以下“ＰＣＡ”あるいは主成分分析と称する）を動的な方式（すなわち各心拍に対して）で実行することが好適である。この技法はそれ自体公知であり（例えば、１９８６年、スプリンガーの、Ｉ．Ｔ．ジョリフ氏による、“主成分分析”参照）、Ｘ，ＹおよびＺチャネル上で同時に取得されいくつかのトラック上に記録された信号を使用することに係り、これは三次元の空間内において最大振幅を有する有意の軸（ＰＣＡ１）を検索するとともに、拍動の時間偏差を主軸上に投影することによってこれを表現することによって行われ、その位置は各拍動ごとに計算される。この予備処理によって特に一群の元のトラック上のものではなく１つのトラック上の、最大の情報を含んだＥＣＧ信号のみを模作することが可能になる。

ＰＱＲＳＴ複合波（および／またはＱＲＳ複合波および／またはＰ波）のＰＣＡによってさらに心臓信号の投影図を恒久的に得ることが可能になり、この図は主に空間内における心臓の位置に関するものである。この図の動作分析、またはより単純に主成分の軸（ＰＣＡ１軸）の動作分析により、以下のような種々の目的のために使用することができる心臓動作の画像を得ることができる：
１） 呼吸（これはサイクル毎に心臓を動かす能力を有する）の検出、ならびに胸郭呼吸と腹式呼吸との間の区別；従って、軸内または異なった曲線間にわたった心臓の変位により１つまたは複数の主成分の角度の変調がもたらされ、これは、適用される数学的手段を用いて分析され、例えば胸郭および複式等の１つまたは複数の呼吸曲線の抽出を可能にする：
２） 心臓およびＥＣＧ信号に伝達される解剖学上の変化による身体の位置の検出；
３） 心臓を移動させる位置の変化によって誘導されるＥＣＧ信号の変形の補償：電気的位置を検地し、ＸＹＺの微分または標準ＥＣＧ微分に適用されるダイナミックマトリクスの計算によって、これらの変化の影響を補償し安定した信号を再形成することが可能になる。この安定性は特に２つの記録されたＥＣＧ間の比較等の種々の分析に対して極めて有用である；
４） Ｘ，Ｙ，およびＺ成分に従った空間信号投影による元のＥＣＧ信号の形成。ＸＹＺのＥＣＧに対してこの元のＥＣＧは２つの利点を有しており、それらは：（ｉ） 心臓の位置の変化の影響を受けないことによる極めて大きな安定性；（ｉｉ）主軸上の投影に相当する第１のチャネル内の最大である信号レベル。これは投影軸の角度上の情報によって補完することができ、これが心臓の位置変化を表し、すなわち位置および呼吸の体変化を示す。

ＰＣＡ分析から得られる種々の技術はそれ自体既知であるが、本発明の実施により特にバンプのラベル付けの作用でその効果を大幅に高めることが可能になる。このバンプのラベル付けによってＰＣＡタイプの分析を必要に応じて特定の波に対して実行することによりその効果を改善することができる。

本発明を適用するために適した装置として、例えば、フランス国モントローグ市のＥＬＡメディカル社から市販されている移動式ホルタレコーダおよびアナライザが挙げられる。これらの装置は、サインフラッシュおよびサインビューの商標で知られている。

ペースメーカ等の能動植込み医療装置の内に適用することも可能であるが、この種の装置も前記のフランス国モントローグ市のＥＬＡメディカル社から市販されている。これらの装置は、検出した電気信号を受信、調整、および処理するための回路を備え、遠隔計測、メモリ内への蓄積によるソフトウェア命令の受信が可能であり、その後これらの命令を実行して本発明の実施に際して先述した各機能を実行する。前述した本発明の機能を実行するために植込み装置を制御するために適したソフトウェア命令の作成は、通常当業者においてなし得る範囲のものである。

上記の実施例は単に説明目的のものであり、本発明はこれに限定されることはなく、当業者においては種々の設計変更をなし得ることが理解されよう。

典型的なＥＣＧ信号のＰＱＲＳＴ複合波を示す説明図である。 典型的なバンプ関数の成分を示す説明図である。 本発明の実施のために好適に使用される特定のバンプ関数の成分および対応するパラメータを示す説明図である。 （ａ），（ｂ）および（ｃ）は、本発明に従って実行される分解の結果を示す説明図であり、Ｎ個の要素波を合成することによって模作された信号ならびに対応する元の信号が得られる。

Claims (20)

1. 収集、フィルタろ過、標準化、およびデジタル化された、単次元関数を定義する変化を有する信号を分析するための装置であり：
   デジタル化された信号をメモリ内に記憶する手段と、
   記憶された信号を分析するプロセッサ手段とからなり、このプロセッサ手段は：
   信号をそれぞれパラメータ化されたバンプ関数を有するＮ個の要素波の一群に分解する抽出手段を備え、各バンプ関数は第１の単調パラメータ化関数とアフィン関数と第２の単調パラメータ化関数を含んだ３つの連続するインタバルを有する連続的な関数であり、前記単調パラメータ化関数のうちの一方は増加、他方は減少関数であり；
   Ｎ個の要素波形のそれぞれの少なくとも一つの特性パラメータを認識し、予め設定された複数のラベルの中から選択された標準化されたラベルを前記認識された少なくとも１つの特性パラメータに従って前記波形に割り当てるための分類手段を備える装置。
2. 前記装置は能動医療装置からなり前記信号は前記装置によって収集された生理信号である請求項１記載の装置。
3. 前記単次元の関数は時間次元からなる請求項１記載の装置。
4. 前記信号はＰＱＲＳＴ型の波形を形成する心電図信号である請求項３記載の装置。
5. 前記分析手段は記憶された信号から予め設定されたＮ個のラベルを付けられた要素波のうちの少なくとも１つを引き出すための減算手段をさらに備える請求項４記載の装置。
6. 前記Ｎ個の要素波はさらに５個の波形を有する請求項４記載の装置。
7. 前記予め設定されたラベルは前記心電図信号のＰ，Ｑ，Ｒ，Ｓ，およびＴ波からなる請求項６記載の装置。
8. 装置は設定されたＮ個の要素波のうちの少なくとも１つの要素波の少なくとも１つの特性因子上の時間変動性を決定する手段をさらに有する請求項７記載の装置。
9. 前記特性因子はＴ波の振幅、ＱＲＳ波とＴ波との間の時間インタバル、ＰＲインタバル、Ｐ波の振幅、ＰＣＡ分析によって決定される有意の軸の方向の中から選択される請求項８記載の装置。
10. 前記設定されたＮ個の波形のうちの少なくとも２つの間の特性因子の時間相関性を決定する手段をさらに有する請求項７記載の装置。
11. 前記特性因子はＴ波の振幅、ＱＲＳ波とＴ波との間の時間インタバル、ＰＲインタバル、Ｐ波の振幅、ＰＣＡ分析によって決定される有意の軸の方向の中から選択される請求項１０記載の装置。
12. 前記心電図信号はＰＣＡ分析ならびに有意の軸上の主軸の投影によって得られた信号を含む請求項４記載の装置。
13. 前記有意の軸は動的に計算した最大振幅を有する請求項１２記載の装置。
14. 前記アフィン関数は０の傾斜を有する関数である請求項１記載の装置。
15. パラメータ化された関数は半ガウス関数からなる請求項１記載の装置。
16. 前記アフィン関数は０の傾斜を有する関数であり、前記第１および第２の単調パラメータ化関数はそれぞれ半ガウス型であり、前記特性パラメータはさらに２つの半ガウス関数のそれぞれの標準偏差、アフィン部分の定義インタバルの長さ、前記インタバルの座標位置、前記半ガウス関数の頂点振幅の中から選択された５個のパラメータの一群を有する請求項１記載の装置。
17. 前記抽出手段はさらに：
    一群の所与のバンプ型を含んだライブラリと；
    Ｎ個の要素波形のそれぞれに対して分解される信号に関して最も重要であるバンプ型を前記ライブラリの中から選択する手段と；
    選択されたＮ個のバンプ型のそれぞれのパラメータを適応させて信号とＮ個のパラメータ化されたバンプ型の成分との間の偏差を最小化する手段とを有する請求項１記載の装置。
18. 選択手段は前記選択された最も重要なバンプ型の直交化によって動作する請求項１７記載の装置。
19. 前記適応手段は前記パラメータの拘束化における非線形最適化を実行する請求項１７記載の装置。
20. 前記分類手段はさらに隠れマルコフモデルを実行する手段を有する請求項１記載の装置。

Images