JP2008173160A - Method of analyzing fluctuation of heart rate and method of determining health state using the same - Google Patents
Method of analyzing fluctuation of heart rate and method of determining health state using the same Download PDFInfo
- Publication number
- JP2008173160A JP2008173160A JP2007006915A JP2007006915A JP2008173160A JP 2008173160 A JP2008173160 A JP 2008173160A JP 2007006915 A JP2007006915 A JP 2007006915A JP 2007006915 A JP2007006915 A JP 2007006915A JP 2008173160 A JP2008173160 A JP 2008173160A
- Authority
- JP
- Japan
- Prior art keywords
- heart rate
- time series
- index
- data
- fluctuation
- 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
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
Description
本発明は、心拍のゆらぎの解析方法およびそれを用いた健康状態の判断方法に関するものである。 The present invention relates to a heartbeat fluctuation analysis method and a health condition determination method using the same.
従来、ゆらぎそのものは知られており、フーリエ解析（線形）での結果が病院や医学現場で論議され始めている。昨今の北米神経科学会議（参加者４万人、世界最大の神経の会議）でこの周波数解析が沢山発表されている。例えば、いろいろなゆらぎ成分のうちで、高周波成分（ＨＦ）は抑制性神経活動（副交感神経の心臓作用効果）を反映するものであり、低い周波数の成分（ＬＦ）は交感・副交感の両方を反映しており、自律神経の「バランス」を見るにはＨＦとＬＦの比を数値的に計算する、というような技術が、近年、具体的になってきている。 Conventionally, fluctuation itself is known, and the results of Fourier analysis (linear) are beginning to be discussed in hospitals and medical sites. Many of these frequency analyzes have been published at the recent North American Neuroscience Conference (40,000 participants, the world's largest neurological conference). For example, among various fluctuation components, the high frequency component (HF) reflects inhibitory nerve activity (cardioactive effect of parasympathetic nerve), and the low frequency component (LF) reflects both sympathetic and parasympathetic sympathy. In order to see the “balance” of the autonomic nerve, a technique of calculating the ratio of HF and LF numerically has become more concrete in recent years.
このゆらぎを診断しようという提案に関しては、いわば、我々に最も近い既存の技術として、２４時間、心電図を使い、ゆらぎ解析をして心臓病の患者と健常者とが違う指数になることを発見した報告がある。これはフラクタルとかマルチフラクタルなどとも呼ばれ、非線形テクニックに該当する。しかし、非線形解析法を実際に組み込んだ診断装置が完成しているわけではなく、また、診断方法概念として利用可能なものとして完成したか、あるいは器械や基盤やプログラムのような完成した形で発表したかどうか、と言うと、完成されたものとは言い難い。周期性のある生体信号を統計物理学的観点で数えなおし、統計生理学的演算により、体の状態と指数との関係に生理学的に意味を持たせたことが新規で優位であるといえる。 With regard to the proposal for diagnosing this fluctuation, it was discovered that, as an existing technology closest to us, an electrocardiogram was used for 24 hours, and fluctuation analysis was performed to find that the index of patients with heart disease and that of healthy people differed. There is a report. This is also called a fractal or multifractal, and corresponds to a nonlinear technique. However, a diagnostic device that actually incorporates a nonlinear analysis method has not been completed, and has been completed as a usable diagnostic method concept or announced in a completed form such as an instrument, a base, or a program. It is hard to say that it has been completed. It can be said that it is novel and advantageous that the biological signal with periodicity is recounted from the viewpoint of statistical physics, and the relationship between the body state and the index is physiologically meaningful by statistical physiological calculation.
心拍のゆらぎが隠れた情報を含んでいる可能性があるという考え方は、１９８０年代に基礎理論が発表されているが、一昼夜等の長時間の心電データを適切に処理するには当時のコンピュータでは計算時間も膨大になり、適切な解析結果を得るまでには至っていなかったと推察される。そこで、我々は、昨今の現実に立ち返って、日常生活の中で、健康指針として簡単且つ短時間に計測評価できる方法を研究し、数理学的原理に立ち返り、理論を再考し、新たなアルゴリズムに反映した。その結果、心拍脈波の取得時間を短縮し、長時間の脈波データを必要としない、短時間の解析技術に仕上げることができた。この解析モデルで実際のヒトの健康状態との相関を積み上げてきたところ、短時間のデータでも、脈波データがあれば、そのゆらぎ方が、健康か否かを生理学的に判断できる確信を得た。 The basic theory that the fluctuation of heart rate may contain hidden information was announced in the 1980s, but it is necessary to use a computer at that time to properly process long-term electrocardiographic data such as day and night. In this case, the calculation time is enormous, and it is presumed that an appropriate analysis result has not been obtained. Therefore, we returned to the current reality, researched methods that can be measured and evaluated easily and in a short time as a health guide in daily life, returned to mathematical principles, reconsidered the theory, and developed a new algorithm. Reflected. As a result, it was possible to shorten the acquisition time of the heartbeat pulse wave, and to complete a short analysis technique that does not require long-time pulse wave data. In this analysis model, we have accumulated correlations with actual human health, and even with short-term data, if there is pulse wave data, we have the confidence to be able to judge physiologically whether the fluctuation method is healthy. It was.
心臓のゆらぎで計算をしてみせた具体的論文（非特許文献１）や、心臓など生理学にゆらぎ解析が役立つことを主張し総説にまとめている論文 （非特許文献２）や、心拍変動 heart rate variability俗にＨＲＶというが、これを検査する最近主流のフーリエ解析法について沢山の論文から例示されている（非特許文献３）。
しかし、非特許文献１等の方法のＤＦＡ（Ｄｅｔｒｅｎｄｅｄ Ｆｌｕｃｔｕａｔｉｏｎ Ａｎａｌｉｓｉｓ：トレンド除去心拍分析）では、心拍ゆらぎの測定にあたり、数十分から２４時間の時間を要し、迅速且つ簡便・的確な判断ができないという問題点があった。
However, in DFA (Detrended Fluctuation Analysis) of the method of
本発明は、心拍のゆらぎを解析することによって、体が健康かどうか、逆に問題あるかどうかを、出来るだけ簡便に計測判断することを目的とする。さらに詳しくは、温度計で体温をはかったり、血圧計で血圧をはかるように簡便な方法で、例えば指先等の脈波から得られるゆらぎを解析指数化して、心臓の状態を把握することを目的とする。そこで、本発明者らは、健康指針として簡単且つ短時間に計測評価できる方法を研究し、数理学的原理に立ち返り、理論を再考し、新たなアルゴリズムに反映させた。その結果、心拍脈波の取得時間を短縮し、長時間の脈波データを必要としない、短時間の解析技術に仕上げることができた。この解析モデルで実際のヒトの健康状態との相関を積み上げてきたところ、短時間のデータでも、脈波データがあれば、そのゆらぎ方が、健康か否かを生理学的に判断できる確信を得た。
本発明者らは、ノコギリガザミに付いて、長期間の心拍を測定したところ、非特許文献１と同様に、指数が１．０を超えると、突然の死が訪れることを発見した。モデル動物でも非特許文献１と同じような結果が得られたのである。そこで、本発明者らは、ヒトに適用して、短時間のデータで健康状態の判断が出来る心拍ゆらぎの解析方法をについて研究したのである。
An object of the present invention is to measure and judge as easily as possible whether or not a body is healthy by analyzing fluctuations in heart rate. More specifically, the purpose is to grasp the state of the heart by analyzing fluctuations obtained from pulse waves such as fingertips in an easy way, such as measuring body temperature with a thermometer or measuring blood pressure with a sphygmomanometer. And Therefore, the present inventors studied a method that can be measured and evaluated easily and in a short time as a health guideline, returned to the mathematical principle, reconsidered the theory, and reflected it in a new algorithm. As a result, the acquisition time of heart rate pulse wave was shortened, and it was possible to finish the analysis technique in a short time without requiring long time pulse wave data. In this analysis model, we have accumulated correlations with actual human health, and even with short-term data, if there is pulse wave data, we have the confidence to be able to judge physiologically whether the fluctuation method is healthy or not. It was.
The present inventors have measured the heart rate for a long time with a saw crab and found that sudden death occurs when the index exceeds 1.0, as in Non-Patent
本発明は、心拍数を測定し、心拍データを取得して、その時系列から平均値を計算し、時系列のそれぞれの要素とこの平均値との差をさらに差分し、新しい時系列を算出し、この新しい時系列を所定の長さｌのボックスに分割し、これをランダムに並べなおし、そのデータを足し合わせ、これからＤＦＡを用いて、スケーリング指数とする心拍ゆらぎの解析方法である。
この場合、前記所定の長さのボックスの長さｌは、３０〜１５０拍であることが好ましい。
また、前記並べなおしは、ランダムルーチン メルセンヌ・ツイスター法によって行われることが好ましい。
また、前記並べなおしは、時系列の長さｌのＮ／ｌ個のボックス（ここに、Ｎはｌの倍数の整数である。）に分割されることが好ましい。
そして、前記ボックスが４〜１０００個の整数に分割されることが好ましい。
さらに、前記ボックスの長さｌが３０〜６０であることが好ましい。
また、前記スケーリング指数は、４次関数へのフィッティングで求めることが好ましい。
前記スケーリング指数は、ｌｏｇ−ｌｏｇプロットの指数であることが好ましい。
さらに、本発明は、前記のいずれかの解析方法で得られたスケーリング指数を基に、１．１超であったら、健康上問題があると判断する健康状態の判断方法である。
The present invention measures heart rate, acquires heart rate data, calculates an average value from the time series, further subtracts the difference between each element of the time series and the average value, and calculates a new time series. This new time series is divided into boxes of a predetermined length l, rearranged at random, the data is added, and the heartbeat fluctuation analysis method using the DFA as a scaling index.
In this case, the length l of the predetermined length box is preferably 30 to 150 beats.
The rearrangement is preferably performed by a random routine Mersenne Twister method.
The rearrangement is preferably divided into N / l boxes of length l in the time series (where N is an integer that is a multiple of l).
The box is preferably divided into 4 to 1000 integers.
Furthermore, the length l of the box is preferably 30-60.
The scaling index is preferably obtained by fitting to a quartic function.
The scaling index is preferably an index of a log-log plot.
Furthermore, the present invention is a health condition determination method for determining that there is a health problem if the index exceeds 1.1 based on the scaling index obtained by any of the analysis methods described above.
本発明によれば、例えば、指先から例えば、２５０拍程度の心拍を取得するだけで、３００００拍以上にも及ぶデータに拡張できるデータが得られるので、簡便な方法で、ゆらぎ指数を解析指数化できるので、健康状態を迅速に判断できる。我々が得た成果は、２４時間の長い記録でなく、時間を短縮したことと、生理学意義付けを得た点が優位性である。 According to the present invention, for example, by acquiring a heartbeat of about 250 beats from a fingertip, for example, data that can be expanded to data extending to 30000 beats or more can be obtained. Because you can, you can quickly determine the state of health. The result we obtained is not a long record of 24 hours, but the advantage is that the time is shortened and the physiological significance is obtained.
本発明では、従来の心拍測定と同様に、先ず、心拍データの取得を行う。取得に当たっては、指先等に、電極を取り付け、心拍信号を取得すればよい。
図１には、取得された信号ｘｉが示される。
In the present invention, heart rate data is first acquired as in the conventional heart rate measurement. For acquisition, an electrode is attached to a fingertip or the like to acquire a heartbeat signal.
FIG. 1 shows the acquired signal x i .
今、長さNの時系列ｘｋを考える。ｋは時系列の添え字で自然数とする（ｋ＝１，２，３，・・・・・，N）。この時系列は、得られた揺らぎのデータである。 Now, think about the time series x k of length N. k is a time-series subscript and is a natural number (k = 1, 2, 3,..., N). This time series is the obtained fluctuation data.
最初にｘｋの平均値〈ｘ〉を計算する。そして時系列のそれぞれの要素と平均値との差を足し合わせた新しい時系列ｙｉを定義する（ステップ１）。 The average value of the first to x k to calculate the <x>. Then, a new time series y i is defined by adding the difference between each element of the time series and the average value (step 1).
時系列ｙｉを長さｌのＮ／ｌ個のボックスに分割する。各々のボックスは重ならないように分割する（ステップ２）。 Divide the time series y i into N / 1 boxes of length l. Each box is divided so as not to overlap (step 2).
それぞれのボックスのトレンド（局所トレンド）ｙｖ（ｉ）を決定する。ここで、局所トレンドを最小自乗法によって決定された近似曲線によって定義する。最小自乗法で用いる関数は１次関数から４次関数を用いる。決定されたトレンドを差し引き、時系列ｚｉを定義する（ステップ３）。
ｚｉ＝ｙｉ−ｙｖ（ｉ）
The trend (local trend) y v (i) of each box is determined. Here, the local trend is defined by an approximate curve determined by the method of least squares. A function used in the least square method is a linear function to a quartic function. A time series z i is defined by subtracting the determined trend (step 3).
z i = y i -y v (i)
図１（a）は、長さ５００の時系列ｘｉである。縦線はボックスの区切りを表す。ここではボックス幅は１００である。図１（ｂ）は、黒点は足し合わされた時系列ｙｉである。斜線はそれぞれの局所トレンドで４次関数へのフィッティングである。（図１（ｃ）は、局所トレンドを除いた時系列ｚｉである。 Figure 1 (a) is a time series x i of length 500. A vertical line represents a box break. Here, the box width is 100. In FIG. 1B, the black dots are the time series y i added together. The diagonal lines are fitting to a quartic function at each local trend. (FIG. 1 (c) is a time series z i excluding the local trend.
図５は、ｌogｌのｌogＳ（ｌ）に対するプロットである。 FIG. 5 is a plot of log1 versus logS (l).
次に、ステップ４
Next,
を計算する。ここでｚｉｊ＋ｌ−ｚｉｊの値は長さｌのボックスにおける、１番目の要素ｚｉｊ＋１と最後の要素ｚｉｊ＋ｌとの差でｊ番目のボックスにおける変位に相当する（ステップ４）。 Calculate Here, the value of z ij + l −z ij is the difference between the first element z ij + 1 and the last element z ij + l in the box of length l and corresponds to the displacement in the jth box (step 4).
ボックス幅ｌの値を変え、ステップ２からステップ４の計算を繰り返し、それぞれのｌにおけるＳ（ｌ）の値を計算する。通常、ｌ＝１０〜Ｎ／４の範囲で行う（但し、Ｎ＞４０の場合）（ステップ５）。
The value of box width l is changed, and the calculation from
Ｓ（ｌ）とｌの関係によりスケーリング指数を決定する。中心極限定理によって解釈すると、時系列の確率密度関数がガウス分布であった場合、それを足し合わせた時系列はランダムウォークを示しＳ（ｌ）∝ｌ０．５の関係を持つ。しかし、確率密度関数がガウス分布ではなく、分布の裾がベキ型の減衰を示す安定分布の場合Ｓ（ｌ）∝ｌαの関係を持つ。このαの値がスケーリング指数を示す。
ここで、α＝０．５の場合はガウス分布の場合と同様である。また、α＝１．０の場合、確率密度関数はコーシー分布となる（ステップ６）。
The scaling index is determined by the relationship between S (l) and l. When interpreted by the central limit theorem, if the probability density function of the time series is a Gaussian distribution, the time series obtained by adding the Gaussian distribution shows a random walk and has a relationship of S (l) ∝l 0.5 . However, the probability density function is not a Gaussian distribution, if hem distribution of stable distribution indicating the attenuation of powers type have a relationship of S (l) αl α. The value of α indicates the scaling index.
Here, the case of α = 0.5 is the same as the case of Gaussian distribution. When α = 1.0, the probability density function has a Cauchy distribution (step 6).
このような場合、図２〜４には、より好ましい態様が示される。図２は、ボックス数５０で行っている。そして、１〜５のボックスをメルセンヌ・ツイスター法のランダムルーチンによって、並べなおしをしている（図３）。さらに、ボックスの継ぎ目でズレが生じているので、これを解決するために、データを差分する。即ち、ボックスの平均値を０にして、ランダムに並べなおす。そして、データを足していく（図４）。
以上の方法により２５０拍データを３００００拍に拡張しＤＦＡを行えばよい。
In such a case, a more preferable aspect is shown in FIGS. FIG. 2 is performed with 50 boxes. The
The DFA may be performed by extending the 250 beat data to 30000 beats by the above method.
ＤＦＡの方法を図を使って説明すると、図５のようになる。図５は、ｌogｌの図であり、この図の傾きが即ちＳ（ｌ）∝ｌαで決定されるスケーリング指数である。局所トレンドを決定する際に用いる関数の次数によってスケーリング指数は変化するが、次数を上げていくと殆ど変化しなくなる。これのようになって初めてトレンドが除かれたと考えられ、その次数でのスケーリング指数を以って時系列ｘｉのスケーリング指数として採用する。図５の場合、４次関数のフィッティングに最も近似しているので、スケーリング指数αは０．７５と決定した。 The DFA method will be described with reference to FIG. FIG. 5 is a graph of logl, which is a scaling index whose slope is determined by S (l) ∝l α . The scaling index changes depending on the order of the function used to determine the local trend, but it hardly changes as the order is increased. So of this is thought to be the first time the trend has been removed, to adopt a scaling exponent of in the order as the scaling exponent of the time series x i I or more. In the case of FIG. 5, the scaling index α is determined to be 0.75 because it is closest to the fitting of a quartic function.
ペンら（Peng et aｌ.）（１９９４）のＤＦＡの方法と我々のＤＦＡの方法で異なる点はステップ４における計算のみである。PengらはＳ（ｌ）の計算のかわりに分散それぞれのボックスにおいてＦｊ（ｌ）を計算している。
The only difference between the DFA method of Peng et al. (1994) and our DFA method is the calculation in
但し、ｙｖ（ｘ）はディトレンドで使用したフィッティング関数である。
そして各ボックスでの分散を平均した
However, y v (x) is a fitting function used in the detrend.
And average the variance in each box
の値をもってスケーリング指数を決定している。スケーリング指数がＦ（ｌ）∝ｌαのようにｌに依存すると言う。 The scaling index is determined by the value of. We say that the scaling index depends on l as F (l) ｌl α .
次に、このような計算の流れをフロ−チャートによって説明する（図６、図７）。
図６では、先ず、心拍データを取得する。次いで、心拍数に変換した後、差分処理を行う。
そして、小区間のデータ数ｎを指定する。ｎは、２０より大であって、通常２０〜１５０、好ましくは、３０〜８０、さらには、３０〜６０、特に５０が好ましい。
その際、各区間番号を付ける。ボックスの数は、４〜１０００が好ましい。
そして、各小区間の平均値を０に変換する。
この後、データ数が３００００を超えているか否かを判断する。
３００００未満のときには、ランダムルーチンによる番号を決定する。ランダムルチーンとしては、公知のメルセンヌ・ツイスター法を用いる。
当該番号の小区間データを追加する。その後、再びデータ数が３００００未満か否かを判断する。そして、３００００超であったら、加算処理に移る。
ＤＦＡでは、図７に示されるように、先ず、データの読み込みを行う。その後、ＤＦＡ、Ｂｏｘサイズｌの初期値をセットする。ｌが例えば、１０００未満であるか否かを判断する。１０００未満であれば、データを長さｌの小区間に分割する。各区間にて、最小二乗法によるディトレンドを行う。そして、各区間の最初と最後のデータの差の二乗平均の平方根ｆを記録する。そして、再度、Ｂｏｘサイズの指定を行う。これにより、１０００を超えたときには、フィッティングＢｏｘサイズ区間を指定する。そして、Ｂｏｘサイズｌと各二乗平均平方根とをｌｏｇ−ｌｏｇスケールでフィッティングする。
フィッティングの一次の係数によりスケーリング指数が決定される。
Next, the flow of such calculation will be described with reference to flowcharts (FIGS. 6 and 7).
In FIG. 6, first, heart rate data is acquired. Subsequently, after converting into a heart rate, a difference process is performed.
Then, the number of data n in the small section is designated. n is larger than 20 and is usually 20 to 150, preferably 30 to 80, more preferably 30 to 60, and particularly preferably 50.
At that time, each section number is given. The number of boxes is preferably 4 to 1000.
Then, the average value of each small section is converted to zero.
Thereafter, it is determined whether or not the number of data exceeds 30000.
When the number is less than 30000, a random routine number is determined. As the random routine, a known Mersenne Twister method is used.
Add the small section data of that number. Thereafter, it is determined again whether the number of data is less than 30000. If it exceeds 30000, the process proceeds to addition processing.
In the DFA, as shown in FIG. 7, data is first read. Thereafter, initial values of DFA and Box size l are set. It is determined whether l is less than 1000, for example. If it is less than 1000, the data is divided into small sections of length l. A detrending by the least square method is performed in each section. Then, the root mean square f of the difference between the first and last data in each section is recorded. Then, the box size is designated again. Thereby, when it exceeds 1000, the fitting box size section is designated. Then, the Box size l and each root mean square are fitted with a log-log scale.
The scaling index is determined by the first-order coefficient of the fitting.
本発明の発明者の一人、矢澤の心拍の測定結果を図８に示す。
心拍ゆらぎの算出には、図２〜４に示されるボックス数５０とこのボックスを１〜５個並べなおして行った。この結果、基準の０．７８に極めて近い０．６６が得られた。この場合は、注意（突然死の危険はないが、低すぎる。制御系に不健康な問題が内包されている。）との判断がなされる。
その他、同様にして、何人もの被験者のゆらぎを算出した結果を図９〜１２に示す。
これらの例から、本発明による算出方法が優れた一致を見せることがわかる。
なお、図１１に示される被験者は、スケーリング指数αが１．４を超えており、その後死亡した例である。
このようにして、スケーリング指数を算出することができるが、この指数を用いて、健康状態を判断することができる。１に近い値なら、心配無用のシグナルを出すようにすればよい。これに対し、低い数値なら、ストレスや運動やサプリメントを要するので、注意（突然死の危険はないが、低すぎる。制御系に不健康な問題が内包されている。）のシグナルを発すればよい。異常に高い数値のときは、心臓疾患の可能性があるので、警告を発する。このように、健康を指向する利用者には好都合である。また、医療現場では、新しい診断項目の追加ができるだけでなく、末期医療における生体システムの動作状態を数値化できることも可能となる。その他、医学領域のみならず、ペット、競馬馬、動物園等の獣医学等関係領域での診断、運輸交通機関運転士（航空機、電車、トラック、バス、タクシーなど）の始業開始前、運転中診断、警備保障会社の遠隔地診断や生命保険会社での診断技術としての利用、携帯電話端末等に代表される移動端末への心拍監視診断警告発信機構の組み込み、ゲーム、クイズ等の遊戯器具や、心電計、血圧計、便座等の既存の脈波検出可能な装置への接続、この他、パソコンのマウス、自動車、椅子、ベット、眼鏡、腕輪、腕時計、入れ歯、健康器具のハンドル、イヤホン等のおよそ身体に接触して数分間の脈波の検出に供せられる状況にあるものへの接続などによる診断に適用することができ、高齢化社会対策、高密度交通往来危険対策、深刻な病気になる前の予防予知の支援が可能となる。
FIG. 8 shows the measurement results of the heartbeat of Yazawa, one of the inventors of the present invention.
The heart rate fluctuation was calculated by arranging 50 boxes shown in FIGS. 2 to 4 and 1 to 5 of these boxes. As a result, 0.66 very close to the standard 0.78 was obtained. In this case, it is judged as caution (although there is no risk of sudden death, it is too low. The control system contains unhealthy problems).
In addition, similarly, the results of calculating the fluctuations of several subjects are shown in FIGS.
From these examples, it can be seen that the calculation method according to the present invention shows excellent agreement.
In addition, the test subject shown by FIG. 11 is the example which the scaling index | alpha (alpha) exceeded 1.4 and died after that.
In this way, the scaling index can be calculated, and the health condition can be determined using this index. If the value is close to 1, you should give a signal of no concern. On the other hand, low numbers require stress, exercise, and supplements, so signal a caution (there is no risk of sudden death, but it is too low; unhealthy problems are contained in the control system). . If the number is abnormally high, a warning is issued because there is a possibility of heart disease. Thus, it is convenient for users who are oriented toward health. In the medical field, not only can new diagnostic items be added, but the operating state of the biological system in terminal medical care can be quantified. Diagnosis not only in the medical field, but also in veterinary fields such as pets, horse races, zoos, etc., before starting the start of operations of transport and transportation operators (airplanes, trains, trucks, buses, taxis, etc.) , Use as a diagnostic technology in a remote area of a security company or a life insurance company, incorporation of a heartbeat monitoring diagnosis warning transmission mechanism into a mobile terminal typified by a mobile phone terminal, etc., game equipment such as games and quizzes, Connection to existing devices capable of detecting pulse waves, such as electrocardiographs, blood pressure monitors, toilet seats, etc., PC mouse, automobile, chair, bed, glasses, bracelet, wristwatch, denture, health appliance handle, earphone, etc. It can be applied to diagnoses by connecting to things that are in contact with the body and being able to detect pulse waves for several minutes, measures against aging societies, high-density traffic risk measures, serious diseases Nina It is possible to support the previous prevention prediction.
本発明によれば、簡易に且つ迅速に健康上の問題あるかどうかの判断をすることができる。 According to the present invention, it is possible to easily and quickly determine whether there is a health problem.
Claims (9)
時系列のそれぞれの要素とこの平均値との差をさらに差分し、新しい時系列を算出し、
この新しい時系列を所定の長さｌのボックスに分割し、
これをランダムに並べなおし、そのデータを足し合わせ、
これからＤＦＡを用いて、スケーリング指数とする心拍ゆらぎの解析方法。 Measure heart rate, get heart rate data, calculate the average value from that time series,
Calculate the new time series by further subtracting the difference between each element of the time series and this average value,
Divide this new time series into boxes of predetermined length l
Rearrange this at random, add the data,
A method for analyzing heartbeat fluctuations using DFA as a scaling index.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007006915A JP2008173160A (en) | 2007-01-16 | 2007-01-16 | Method of analyzing fluctuation of heart rate and method of determining health state using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007006915A JP2008173160A (en) | 2007-01-16 | 2007-01-16 | Method of analyzing fluctuation of heart rate and method of determining health state using the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008173160A true JP2008173160A (en) | 2008-07-31 |
Family
ID=39700671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007006915A Pending JP2008173160A (en) | 2007-01-16 | 2007-01-16 | Method of analyzing fluctuation of heart rate and method of determining health state using the same |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2008173160A (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010184041A (en) * | 2009-02-12 | 2010-08-26 | Tokyo Metropolitan Univ | Method of analyzing fluctuation of heart rate |
| JP2011227883A (en) * | 2010-03-31 | 2011-11-10 | Denso It Laboratory Inc | Device for determining ability to drive and method for determining ability to drive |
| JP2014023825A (en) * | 2012-07-30 | 2014-02-06 | Mitsubishi Chemical Holdings Corp | Ageing degree evaluation method, ageing degree evaluation device, program for executing computer, and computer readable record medium recording the same |
| WO2014021335A1 (en) | 2012-07-30 | 2014-02-06 | 株式会社三菱ケミカルホールディングス | Subject information detection unit, subject information processing device, electric toothbrush device, electric shaver device, subject information detection device, aging degree evaluation method, and aging degree evaluation device |
| JP2016145763A (en) * | 2015-02-09 | 2016-08-12 | 公立大学法人首都大学東京 | Signal analysis system, method, and program |
| JP2016165383A (en) * | 2015-03-10 | 2016-09-15 | 公立大学法人首都大学東京 | Biological signal analysis system, method, and program |
| KR101764503B1 (en) * | 2015-12-15 | 2017-08-02 | 한국 한의학 연구원 | Apparatus and method for providing classifying of mibyou using measured index of fractal dimension |
| CN110993105A (en) * | 2019-12-06 | 2020-04-10 | 重庆亿只网络科技有限公司 | Pet health monitoring and management device and method |
-
2007
- 2007-01-16 JP JP2007006915A patent/JP2008173160A/en active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010184041A (en) * | 2009-02-12 | 2010-08-26 | Tokyo Metropolitan Univ | Method of analyzing fluctuation of heart rate |
| JP2011227883A (en) * | 2010-03-31 | 2011-11-10 | Denso It Laboratory Inc | Device for determining ability to drive and method for determining ability to drive |
| JP2014023825A (en) * | 2012-07-30 | 2014-02-06 | Mitsubishi Chemical Holdings Corp | Ageing degree evaluation method, ageing degree evaluation device, program for executing computer, and computer readable record medium recording the same |
| WO2014021335A1 (en) | 2012-07-30 | 2014-02-06 | 株式会社三菱ケミカルホールディングス | Subject information detection unit, subject information processing device, electric toothbrush device, electric shaver device, subject information detection device, aging degree evaluation method, and aging degree evaluation device |
| JP2016145763A (en) * | 2015-02-09 | 2016-08-12 | 公立大学法人首都大学東京 | Signal analysis system, method, and program |
| JP2016165383A (en) * | 2015-03-10 | 2016-09-15 | 公立大学法人首都大学東京 | Biological signal analysis system, method, and program |
| KR101764503B1 (en) * | 2015-12-15 | 2017-08-02 | 한국 한의학 연구원 | Apparatus and method for providing classifying of mibyou using measured index of fractal dimension |
| CN110993105A (en) * | 2019-12-06 | 2020-04-10 | 重庆亿只网络科技有限公司 | Pet health monitoring and management device and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Umair et al. | HRV and stress: A mixed-methods approach for comparison of wearable heart rate sensors for biofeedback | |
| Celka et al. | Influence of mental stress on the pulse wave features of photoplethysmograms | |
| JP5628147B2 (en) | Sleep / wake state evaluation method and system | |
| Takahashi et al. | Aging reduces complexity of heart rate variability assessed by conditional entropy and symbolic analysis | |
| McCarthy et al. | An examination of calibration intervals required for accurately tracking blood pressure using pulse transit time algorithms | |
| JP2008173160A (en) | Method of analyzing fluctuation of heart rate and method of determining health state using the same | |
| CN105939658A (en) | Methods, systems, and devices for optimal positioning of sensors | |
| CN101426422A (en) | System and method of assessing analgesic adequacy using biopotental variability | |
| KR20150094256A (en) | Apparatus and the method for assessing treatment response in obstructive sleep apenea | |
| Ji et al. | Analysis of short-term heart rate and diastolic period variability using a refined fuzzy entropy method | |
| Mestivier et al. | Relationship between diabetic autonomic dysfunction and heart rate variability assessed by recurrence plot | |
| Lam et al. | Measuring heart rate variability in free-living conditions using consumer-grade photoplethysmography: Validation study | |
| Tzabazis et al. | Wavelet analysis of heart rate variability: Impact of wavelet selection | |
| Gonçalves et al. | Electrocardiography versus photoplethysmography in assessment of maternal heart rate variability during labor | |
| JP5382774B2 (en) | Heart rate fluctuation analysis method | |
| Lin et al. | Estimation of heart rate and respiratory rate from the seismocardiogram under resting state | |
| Abd Sukor et al. | Signal quality measures on pulse oximetry and blood pressure signals acquired from self-measurement in a home environment | |
| Rozi et al. | Second derivatives of photoplethysmography (PPG) for estimating vascular aging of atherosclerotic patients | |
| JP2008104529A (en) | Degree of health/disease measuring method, degree of health/disease measuring apparatus, and degree of health/disease measuring system | |
| Šapina et al. | Asymmetric detrended fluctuation analysis in neonatal stress | |
| JP6244724B2 (en) | Frequency domain analysis transformation of renal blood flow Doppler signal to determine stress level | |
| Šapina et al. | Multi-lag tone–entropy in neonatal stress | |
| Zakaria et al. | Fetal movements recording system using accelerometer sensor | |
| Annunziata et al. | Computerized analysis of fetal heart rate variability signal during the stages of labor | |
| Zhang et al. | Development of a Continuous Blood Pressure Monitoring System based on Pulse Transit Time and Hemodynamic Covariates. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090709 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20090709 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090709 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20090803 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090803 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090910 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20111101 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121016 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130307 |