JP2008520384A - 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム - Google Patents

Abstract

呼吸信号における呼吸発生を認識するための方法である。本方法は、一回呼吸量信号を有するデジタル化された呼吸信号を受信するステップと、選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、フィルタリングされた呼吸信号において呼吸を認識するステップを含む。フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する。本発明は又、心電図Ｒ波から呼吸を認識するための方法、本発明の方法を実行するためのコードを有するコンピュータ方法、被検者を監視し、本発明の方法を実行するローカル若しくは遠隔のコンピュータ又は他の装置を含む監視システムを含む。
【選択図】図２

Description

本発明は、被検者からの生理学的データの処理に関し、特に、利用可能なコンピュータ資源を用いて手持ち型のシステム上で呼吸数を抽出するための方法を提供するものである。

心拍数（「ＨＲ」）及び呼吸数（「ＢＲ」）といった生理学的徴候の実時間携帯監視は、様々な状況において重要である。そのような携帯監視システムは利用可能であり、多くの場合、被検者の領域にあって、監視されるデータをバッファリングし、かつ、後の解析のために再び送信するための手持ち型コンピュータを含む。例えば、ＶｉｖｏＭｅｔｒｉｃｓ社（カリフォルニア州ヴェントゥーラ）のＬｉｆｅＳｈｉｒｔ（登録商標）を参照されたい。そのような手持ち型コンピュータが又、監視されるデータ、特に呼吸数及び心拍数から実時間で生理学的徴候を抽出すると、好都合である。

手持ち型システムは処理能力が限られているので、より能力のある遠隔サーバシステムを用いる場合に比べて、そのような抽出を行うことが難しくなる。例えば、処理能力が大きく容易に拡張可能なサーバシステムのための抽出方法は、膨大なフィルタリング及び他の信号解析演算を含んでおり、これは、手持ち型コンピュータにおいて利用可能な領域システム能力では容易に実行できない。更に、有用であるためには、手持ち型抽出方法は、利用可能なパワー及びスピード、最小限の待ち時間での実時間処理、広範囲の被検者及び監視環境への処理の適用、パラメータの正確な抽出、特に最小限の、例えば呼吸といったイベントの見逃し及び／又は誤識別、並びに活動体からのデータにありがちな動きアーチファクトの効果的な除去を含む更なる課題を解決しなければならない。このような課題に取り組むための方法は、先行技術において知られていない。

本発明の好ましい実施形態は、呼吸信号における呼吸発生を認識するための、手持ち型及び他の電子機器に適した方法に向けられる。本方法は、一回呼吸量信号を含むデジタル化された呼吸信号を受け取り、選定された期間よりも小さい期間のアーチファクトを制限するために受け取った呼吸信号をフィルタリングし、フィルタリングされた呼吸信号において呼吸を認識する第１の方法を含む。フィルタリングされた一回呼吸量信号の振幅の偏差が、前に判定された呼吸の平均に対する選定された比率を超える場合に、呼吸が認識される。本方法は、更に、呼吸発生から呼吸数を判定することを含むことが好ましい。

その選定された比率は、被検者の活動レベルに応じて変化することが好ましい。呼吸信号のフィルタリングは、選定された期間に発生する呼吸信号サンプルの中央値を取ることによる、一又はそれ以上の呼吸信号サンプルのフィルタリングを含むことが好ましい。中央値は、フィルタリングされた呼吸信号サンプルを含むことが好ましい。呼吸信号のフィルタリングは更に、信号に対して線形ローパスフィルタを適用することを含むことがより好ましい。選定された期間は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて変化することが好ましい。呼吸信号は、被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ容積センサを用いて検出されることが好ましい。

一つの実施形態において、呼吸発生を認識する方法は更に、呼吸性洞性不整脈を示す心拍変動から呼吸を認識することを含む第２の方法を含む。心拍変動は、心電図信号において認識されるＲ波から判定されることが好ましい。Ｒ波の認識は、受け取った心電図信号の異なってスケーリングされた２つの移動平均を比較することにより、信号対ノイズ比を判定し、心電図信号の偏差が、選定された信号対ノイズ比の閾値を超える信号極大を選定し、隣接する認識されたＲ波に対して選定された時間的な関係で発生する選定された信号極大からＲ波を認識することを含むことが好ましい。それに加えて、本方法は更に、第１の方法によって認識された一又はそれ以上の呼吸と第２の方法によって認識された一又はそれ以上の呼吸とを比較し、一又はそれ以上の認識された呼吸発生を、比較された呼吸から、又は比較された呼吸に応じて選定することを含むことができる。

この方法は又、追加的なインスタンスとして、選定された部分及び／又は選定された期間が各別のインスタンスにおいて異なるようにして、受取り、フィルタリング及び認識のステップを並行的に実行するものとすることが好ましい。次いで、受取り、フィルタリング及び認識のステップの追加的なインスタンスによって認識された一又はそれ以上の呼吸が比較され、一又はそれ以上の認識された呼吸発生が、比較された呼吸から、又は比較された呼吸に応じて選定されるようにすることが好ましい。

本発明は又、呼吸発生を認識する方法を実行するための命令を有するコンピュータメモリに向けられる。コンピュータメモリは、手持ち型コンピュータといったコンピュータシステムに、動作可能に結合されていることが好ましい。

本発明は又、心電図信号におけるＲ波を認識するための方法に向けられる。本方法は、デジタル化された心電図信号を受け取り、受け取った心電図信号の異なってスケーリングされた２つの移動平均を比較することにより、信号対ノイズ比を判定し、心電図信号の偏差が、選定された信号対ノイズ比の閾値を超える信号極大を選定し、隣接する認識されたＲ波に対し選定された時間的な関係で発生する、選定された信号極大からＲ波を認識することを含む。心拍数信号は、その極小を除去するために、フィルタリングされることが好ましい。本発明は又、心拍数信号の極小及び／又は極大に応じて呼吸発生を認識することを含むことができる。

本発明は又、被検者から収集された生理学的信号において呼吸発生を判定する方法に向けられる。本発明は、少なくとも一つの呼吸数検出法を実行することを含み、その呼吸数検出法の各々は、呼吸数の候補を判定し、その方法を実行するための命令をメモリに有するコンピュータシステム上で並行的に実行される。次いで、改善された呼吸数は、判定された呼吸数の候補に応じて判定される。改善された呼吸数の判定は、複数の認識された呼吸を比較するために統計的技術を用いることが好ましい。好ましい形態では、改善された呼吸数の判定は又、個々の呼吸についての信頼性を判定することを含むことができる。

本発明は又、本発明の方法を実行するための命令を有するコンピュータメモリ、そして又、本発明の方法を実行するための命令を有するコンピュータメモリに動作可能に結合された、手持ち型コンピュータ機器を含む携帯型コンピュータ機器に向けられる。これらの命令は更に、互いに異なったものであるか、又は異なるパラメータを付された形で、本発明の方法を２又はそれ以上のインスタンスとして並列的に実行し、別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸であることについての信頼性を求め、その示された信頼性に応じて信頼性のある呼吸発生が出力されるように特定することができる。

本発明は又、被検者の胸郭及び腹部の周囲に配置された、誘導プレチスモグラフセンサといった容積センサ、遠隔のコンピュータシステムとの無線通信、並びに該容積センサ、該無線通信、及びメモリと動作可能に結合された、被検者の体に付けられて持ち運ばれるか、若しくは被検者が持ち運ぶ処理装置を含む、被検者における呼吸発生を監視するための携帯監視システムに向けられる。携帯システムのメモリは、本発明の方法における一又はそれ以上のインスタンスを実行するための命令を有する。複数の方法が並列的に実行される場合には、これらの命令は更に、方法の複数のインスタンスにより認識された呼吸発生を比較し、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供し、その示された信頼性の指標に応じて信頼性のある呼吸発生が出力されるようにすることが好ましい。

ＥＣＧ信号におけるＲ波を認識する本発明の方法において、Ｒ波を認識することができる、選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたＲ波の発生時刻に選定されたロックアウト（lockout）期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである。ここで、ロックアウト期間は、最近の７つのＲ波間隔の中央値の約２０％から約５０％の間であり、探索可能期間は、ｍｓｅｃで最近のＲ波間隔の約３／４から約４／４の間である。更にこれらの方法において、ＳＮＲを判定するために、ノイズを示す一つの移動平均が、受け取ったＥＣＧ信号の約４００サンプル以上のレートでサンプリングされ、信号を示す別の移動平均が、受け取ったＥＣＧ信号の約２４サンプル以下のレートでサンプリングされる。これらのパラメータは、約２００ＨｚのＥＣＧ信号についてのものであり、他のサンプリングについては、これに比例して調整される。

本発明の方法及びシステムにおいて、本方法の様々なパラメータ、例えば選定された期間及び／又は選定された比率は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定することができる被検者の活動に応じて変化するものとすることが好ましい。方法パラメータは又、遠隔のコンピュータシステムから本発明のシステムにダウンロードされることができる。これらの遠隔システムは、これらのパラメータを、被検者の活動に応じて実時間で判定することができ、又は予め決定されたパラメータから被検者の活動に応じて選定することができる。

本発明は又、ここでは明示的に説明されていないが当業者が有用及び／又は好都合と認識できる、幾つかの方法及びシステムの組み合わせを有する実施形態を含む。

従って、本発明は、先行技術の欠点を克服する、監視されるデータから生理学的徴候を実時間で抽出し判定するシステム及び方法を記述するものである。

本発明は、以下の本発明の好ましい実施形態の詳細な説明、本発明の特定の実施形態の説明に役立つ実例、及び添付の図面によって、より十分に理解することができる。

好ましい呼吸数検出方法及びシステムが、動作確認データと共に、ここで説明される。提示され、かつ説明される本発明に制限されることなく、これらの提示及び説明の明確性のために見出しが用いられる。

先ず、図２のブロック１及び６を参照すると、本発明は、多くの知られた呼吸監視技術から生じる呼吸信号に適用可能である。専ら具体的に且つ簡潔であることを意図して、不利益を伴うことなく、本発明は、ここで主に、センサ、特に好ましくは被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ（「ＩＰ」）「容積センサ」から生じる呼吸信号に関して説明される。一般的に、「容積センサ」は、被検者の体の一部、例えば胴、首、手足、又はそれらの一部の容積の様々な徴候に反応する信号を収集する。胴の一部又はそれ以上の部分、例えば腹部及び胸郭の容積センサは、呼吸数、呼吸気量、呼吸イベント等を判定するために、二成分呼吸モデルを用いて分析される徴候を提供する。

この技術及びそれに関連する信号処理方法は、下記の米国特許及び米国出願に説明されており、これらの特許は、すべての目的のために、その全体がここに組み込まれ、自由に参照される。２０００年４月４日発行のSackner他による米国特許明細書第6,047,203号、２００３年４月２２日発行のSackner他による米国特許明細書第6,551,252号、及び２００４年４月９日出願のBehar他による米国特許出願第10/822,260号。

これに加えて、動き及び体位信号を加速度計によって計測することができ、心臓電気活動信号をＥＣＧ電極によって計測することができる。

メディアン法
本発明は、呼吸数判定のための２つの相補的且つ協調的方法、メディアン法及び呼吸性洞性不整脈法を含む。

メディアンフィルタリング
図２のブロック６−１０は、メディアン法を大まかに示す。該メディアン法は、呼吸測定及び処理から得られた信号のメディアンフィルタリングを含み、該メディアン法に引き続き呼吸検出が行われる。図２のブロック１２に関して、これらのステップを定義するパラメータは、本発明の様々な適用において適切な結果を出すために、注意深く選定されなければならない。本方法は又、様々な任意選択事項及び機能増強手法を含む。ここでは、メディアン法は、サンプル呼吸信号の処理に関して説明される。

図１Ａ及び１Ｂは、本発明の特定の適用例における、それぞれ９秒及び６秒での典型的な呼吸信号を示す。これらの図は、それぞれ被検者の動き以上及び以下の期間に記録された信号を表わし、又それぞれのメディアンフィルタリングの例を示す。両図において、ＣＨＡ及びＣＨＢのトレースは、測定された胸郭（「ＲＣ」）及び腹部（「ＡＢ」）の容積変化を表わし、該容積変化は、二成分呼吸モデルに従って合成され、一回呼吸量信号を表わすトレースであるＶｔトレースを生成する。ＡＣＣトレースは、処理された加速度計信号を表わす。ｔｅｓｔ１及びｔｅｓｔ２は、以下で更に説明されるメディアンフィルタリングの結果である。

図１Ａに戻って、Ｖｔトレースは、４つの相対的に小さく且つ短い極大並びに４つの相対的に大きく且つ長い極大を含む。大きく且つ長い極大は、ＲＣ及びＡＢの実際の動きに関連する呼吸である。各呼吸は、極大肺容量直前の極小肺容量である吸気開始点に始まり、次の極大の前の次の極小である次の吸気開始点に終わる。

これらの測定中、被検者は歩行しており、ＡＣＣトレースは、歩行中に生じる加速（すなわち、被検者の足が地面に着き及び／又は離れる時）を表わす、短く且つ鋭い極大を多く示す。小さく且つ短いＶｔ極大が、ＡＣＣトレースの短い極大に密接な相関関係にあることは明らかに見て取れるので、これらの極大が、被検者の呼吸ではなく被検者の動きによって生じるアーチファクトであるらしいと識別する。

図２のブロック７に関して、これらの信号（Ｖｔ及び／又はＲＣ及び／又はＡＢ信号を含む呼吸信号）が先ず、本発明の特定の適用において予期されるそのようなアーチファクトを大まかに除去するために選定され、パラメータ化されたフィルタを用いてメディアンフィルタリングされる。このようにして、そのような動きアーチファクトが呼吸であると誤識別されないことが好ましい。

簡潔に言えば、現在時刻サンプルの信号のメディアンフィルタリング値は、現在時刻サンプルの周辺及び現在時刻サンプルを含む、一組の時刻サンプルの信号値の統計的中央値として決定されることが好ましい。簡潔に言えば、メディアンフィルタは、サンプル値をＮ個の近傍サンプル値の中央値で置き換える。そのＮ個の近傍サンプルは、通常、Ｎ／２又はＮ／２−１個の現在時刻サンプルの直後の、すなわち未来のサンプル、及びＮ／２又はＮ／２−１個の現在時刻サンプルの直前の、すなわち過去のサンプルである。メディアンフィルタは、典型的には、約Ｎ／２サンプル（最初の信号値についてはＮサンプル）の遅れをもって出力信号を生成し、出力信号において、出力信号の短い極大値は、フィルタ幅の約１／２の幅の平坦な領域、すなわちプラトー（plateaus）に置き換えられる。従って、フィルタが長いほど、出力信号のアーチファクトをより除去する。しかしながら、メディアンフィルタの期間が長いと、出力信号における生理学的に重要な成分を不明瞭にすることがある。これに代えて、メディアンフィルタは、現在のサンプルと共にＮ−１個の過去のサンプルを含むことができる。そのようなメディアンフィルタは、実時間待ち時間がない。

本発明の特定の実施形態に用いられるメディアンフィルタは、該実施形態において予期される信号アーチファクトをフィルタリングするに十分なだけの長さのものが選定されることが好ましい。典型的な実施形態において、望ましくない動きアーチファクトの期間は、図１Ａに示されるように、約２００ｍｓｅｃ〜３００ｍｓｅｃであり、効果的な除去を行うことが期待できる最も短いフィルタの長さは、好ましくは約４００ｍｓｅｃ〜８００ｍｓｅｃである。図１Ａのｔｅｓｔ２のトレースを生成するために用いられたメディアンフィルタは、約４８０ｍｓｅｃの時間における２４サンプルの長さであり、一方ｔｅｓｔ１のトレースを生成するために用いられたメディアンフィルタは、約８００ｍｓｅｃの時間における４０サンプルの長さである（図１Ａ及び１Ｂの信号は、５０Ｈｚ、すなわち２０ｍｓｅｃ／サンプルでサンプリングされている）。

ｔｅｓｔ１及びｔｅｓｔ２のトレースとＶｔトレースを比較すると、ｔｅｓｔ２のトレースにはかなりの動きアーチファクトが残っているが、動きアーチファクトの振幅は減少し、期間が広がっている一方、長いメディアンフィルタが用いられたことにより、ｔｅｓｔ１のトレースからはアーチファクトがおおむね除去されたことが分かる。従って、本実施形態にとって好ましいメディアンフィルタの長さ、すなわち特定の実施形態の監視環境において予期されるアーチファクトを抑圧するのに十分なだけの長さは、約５０サンプルより長くなく、或いは約４０サンプルより長くない。好ましい実施形態において、待ち時間が短く且つ信号が平滑化されすぎずにアーチファクトを効果的に除去するためのメディアンフィルタの長さは、約３０サンプルから４０サンプルの間である。

図１Ｂは、どのようにして不適切なメディアンフィルタリングによって呼吸検出が困難となる、すなわちフィルタリングされたＶｔ信号の振幅を減少させることができるかを示す。図１Ｂに示されるように、生のＶｔトレースの振幅は約１４５０ｍｌ、ｔｅｓｔ２のトレース（メディアンフィルタの長さは２４サンプル）の振幅は約１２３０ｍｌ、そしてｔｅｓｔ１のトレース（メディアンフィルタの長さは４０サンプル）の振幅は約８５０ｍｌである。メディアンフィルタの長さの増大に伴う振幅の減少は明らかである。実際の呼吸振幅がバックグラウンド信号の振幅により近づくために、この振幅の減少によって呼吸検出は困難となる。適切なメディアンフィルタの長さの選定において、振幅の減少を抑えることは、更なる考慮事項である。

呼吸検出
図２のブロック９に示されるように、メディアンフィルタリングされた信号は次に、認識可能な呼吸発生があるかどうかについて調べられる。一つの実施形態において、図２のブロック８に示されるように、任意に追加される線形フィルタリングステップが、高い周波数のスパイクノイズ、例えば呼吸信号として見込まれる周波数（通常約０．５−０．８Ｈｚ以下）以上の周波数のノイズを減少させるために、呼吸認識の前に、メディアンフィルタリングされた信号に適用されることができる。

好ましい呼吸検出方法は先ず、処理されたＶｔ信号をスキャンし、信号内に存在するノイズより大きい認識可能な信号の極小及び信号の極大の発生を識別する。識別された極大及び極小は、それらの振幅及び期間が選定された境界値よりも大きい場合に、呼吸と識別される。振幅が小さく且つ期間が短い信号の極大及び極小は、ノイズ、被検者の動き又は他のアーチファクトであって、真の呼吸ではない可能性が高い。呼吸識別境界値は、例えば状態機械によってといった様々な方法で選定することができる。一つの実施形態において、信号が、例えば６０ｍｓｅｃといった選定された期間内及び／又は例えば０．５％といった選定された量を超えて変化する場合に、信号の極大及び極小は、真の呼吸として識別される。別の実施形態においては、例えば線形傾向除去後の過去のＮ個のサンプルの標準偏差といった、最近の信号ノイズパワーの現在の指標を決定し、相対的な信号の変化がある数の標準偏差（例えば、１又は２又は３）を超えた場合に、真の呼吸と識別することによって、呼吸識別境界値が決定されることが好ましい。

更なる実施形態においては、呼吸識別境界値は、統計的尺度（例えば、中央値、最頻値、平均値等）を、直前の実際の呼吸の判定された数に適用することによって選定される。次いで、境界値は、信号の振幅及び期間の統計的尺度によって決定される。好ましい実施形態において、振幅及び期間の中央値は、前の少なくとも約５呼吸の期間そして多くて約３０呼吸の期間で決定される。より好ましくは、中央値は、少なくとも約１０呼吸の期間そして多くて約２０呼吸の期間で決定される。好ましい実施形態は、有用な閾値であると分かった、前の約１２呼吸の中央値を含む。これに加えて、閾値は固定されるか、又は他に選定されることができる。

その閾値率をここでは「ＭＲＶｔ」と呼ぶ。閾値が低すぎると、真の呼吸であると誤認識されるアーチファクトの数が増加し、一方閾値が大きいと、認識されない真の呼吸の数が増加する。ＭＲＶｔに有用な範囲は、メディアンフィルタリングによる振幅の減少を考慮して、相対値で約５％から約２５％の間であることが分かった。約５％のＭＲＶｔが実用上の最小値である。例えば、最近の平均呼吸が２リットルであるとすると、５％閾値によって、１００ｍｌ以上の偏差を呼吸と識別する。しかしながら、１００−２００ｍｌよりも少ない容量は、肺ではなく気道しか通らないことが知られている。ＭＲＶｔは、説明されるように自動的に調整されることが好ましい。

呼吸のタイミング及び期間は著しく変化することが知られているので、それ未満の信号偏差を呼吸と認識しない最小呼吸期間（又は他の固定された呼吸タイミング特性）を要求することは一般的に好ましくない。図１Ｂに戻り、ＣＨＡ及びＣＨＢ信号は、呼吸が比較的定常であることを示し、ＡＣＣ信号は、被検者の動きがほとんどないことを示す。しかしながら、このような監視条件においてでさえ、いくつかの呼吸では、その期間が約１秒よりも小さくなっていることが分かる。同様に、呼吸数の大きい激しい運動中は、真の呼吸の期間及び周波数は、短いものから長いものまでかなり変化し得る。

パラメータ評価
体系的且つ自動的に方法パラメータを評価するための好ましい実施形態において、パラメータは適切な呼吸検出性能となるものが選定されるが、そのパラメータは、検出されない実際の呼吸数と、呼吸として検出される偽呼吸（つまり、アーチファクト信号）の数を考量した基準として、しばしば表わされる。
検出性能基準及び検出性能の望ましいレベルは、適用又は実施形態によって変化するものとすることができるので、好ましい方法パラメータは、それに従って変化することが好都合である。ここで説明されるのは、普通の性能基準を満たす、すなわち真の呼吸の検出を最大に、且つ偽呼吸の検出を最小にするメディアンフィルタの長さ及びＭＲＶｔを選定するための体系的な評価方法の実施形態である。この方法は、方法パラメータを評価する、看過した呼吸及び偽呼吸の好ましい指標を用いて説明される。他の実施形態においては、看過した又は誤検出された呼吸の情報を同様に提供する他の誤り指標を用いることができる。

図２のブロック１２に示されるこのパラメータ評価方法は、図３及び４に示されるデータに関して説明される。図３は、４つの異なる呼吸検出指標を系列１、２、３、４と番号付けられた曲線として示す。（「（１６０ｍｓｅｃにおける）サンプル数」とキャプションが付けられた）ｘ軸は、１６０ｍｓｅｃの倍数として表現されたメディアンフィルタの時間的期間である。例えば、ｘ軸の「５」という値は、フィルタの長さが８００ｍｓｅｃであることを示す。図４は、呼吸検出指標を示し、（「最小一回呼吸量（前の呼吸に対する百分率）」とキャプションが付けられた）ｘ軸は、前の１２検出呼吸の中央値に対する百分率としてのＭＲＶｔである。系列１、２、３、４の意味は以下のとおりである。系列１は、検出された偽呼吸の数の評価であり、ここで偽呼吸は期間が１秒未満のものとされる（そのような偽呼吸は、実は上述のように実際の呼吸であり得るが）。系列２は、メディアン法によってＶｔ信号において検出された呼吸の総数である。系列３は、（系列２）−（系列１）という差分たる、アーチファクトでない呼吸の数の評価である。系列４は、（系列２）−（（系列１）＋（系列１））という差分として判定された、真の呼吸の数の評価であり、ここで、検出されない真の呼吸の数は、検出された偽呼吸の数と等しいものとされ、それ故、誤検出の総数は、（系列１）＋（系列１）である。

図３及び４の典型的なデータによって示される体系的な方法において、パラメータは、真の呼吸が最大に検出されるように選定され、その最大値は、検出された呼吸数（系列１）から誤って検出された呼吸数（系列２又は２*系列２）を引いたものである。従って、パラメータは、系列３及び／又は系列４を最大化するように選定されることが好ましい。メディアンフィルタの長さに関して、図３に示されるように、系列３及び系列４においては、約６４０ｍｓｅｃから約８００ｍｓｅｃの間のメディアンフィルタの長さにわたって幅広い最大値をとる。ＭＲＶｔに関して、図４に示されるように、そして特に系列１の呼吸アーチファクトと系列３及び／又は系列４の呼吸アーチファクトの比較において、呼吸検出を増加させるために、ＭＲＶｔはできるだけ小さいことが好ましいように見える。しかしながら、ＭＲＶｔが約５％よりも小さくなると、呼吸検出の増加のほとんどは、誤検出アーチファクトによるものとなる。系列３及び系列４は、約５％から約２５％まで緩やかにしか下降しないので、誤検出が最小になるようにＭＲＶｔを大きなものとすることも又、合理的である。例えば、約１０％のＭＲＶｔは、約５５８５から約５３２１へと約５％しか真の呼吸数を下回っていない。メディアンフィルタが短く又は長くなると、フィルタリングされたＶｔ信号の呼吸振幅が増加又は減少し得るから、ＭＲＶｔ閾値は、メディアンフィルタの長さの変化に応じて調整されるべきである。

従って、この特定の実施形態においては、自動パラメータ選定において、好ましいメディアンフィルタの長さが約４０サンプル且つ好ましいＭＲＶｔが約５％と選定される。これらのパラメータは、例示された特定の実施形態及び選ばれた特定の選定基準にとっては適当であるが、他のテストデータ及び他の基準にとっては適当でない場合がある。しかしながら、同じ自動化技術が、他の適切な一組のパラメータを決定するために、他の実施形態に適用されるものとすることができる。それに加えて、監視される被検者が異なる活動又は体位をしている場合には、たった一つの実施形態でさえ、異なる一組のパラメータが適切であり得る。従って、加速度計の信号から処理された活動及び体位データを考慮して、予め決定された一組のパラメータから追加のパラメータを選定することができる。本発明がこれらの代替例を含むことが理解されるであろう。

本発明は又、本発明の方法を実行しているローカルな手持ち型コンピュータと通信するサーバシステムから方法パラメータをダウンロードすることを含む。様々な実施形態において、方法パラメータは、説明された方法に従って予め計算され、後のダウンロードのために蓄積されることができる。これに代えて、パラメータは、手持ち型コンピュータによって報告される監視データから実時間に近い形で決定されることができる。パラメータは、予め計算されるにしてもオンラインにしても、自動的に選定され、及び／又はサーバシステムの監視要員によって選定され、若しくは調整されることができる。

呼吸検出の機能強化
前述の固定パラメータによるフィルタリング及び検出方法は、例えば、被検者の動きの激しさが分かっているか、又は前もって測定されている場合のように、予測可能性の高い環境に適しており、パラメータ評価データの生成のために用いることができる。しかしながら、固定パラメータは、被検者の動きの激しさが時々刻々と変化することがある、他の予測可能性の低い環境には適さない。後者の環境において、真の呼吸を動きアーチファクトと区別することは、より難しいものとなる。例えば、メディアンフィルタリングされた信号は、アーチファクトが拡がりすぎて、フィルタの長さの中でデータサンプルの大部分（例えば約５０％）を汚染している場合に、アーチファクトを通し始めるだろう。それに加えて、呼吸の見逃しを最小にするためにＭＲＶｔが約５％に設定された場合、これらのフィルタリングされなかったアーチファクトは、呼吸として検出され、呼吸数信号は、信頼性のないものとなるであろう。

図５は、比較的小さな全肺容量であって、その場走行を行っている被検者からの呼吸データ及び加速度計データの３０秒間における困難さを示す。肺容量が小さいと、動きアーチファクトとの比較において、真の呼吸が不明瞭になる。第１のトレースに示される生のＶｔ信号は、かなりの不規則性を示し、この不規則性によって、第２のトレースに示されるＡＣＣ信号において明らかな被検者の活動の激しさのために、しばしば呼吸活動が不明瞭になる。上記の固定パラメータを用いたメディアン法の出力が、第３のトレースに示される。判定された呼吸数信号は、約３５呼吸／秒といった異常に高いベースラインを示し、その上にスパイクが重畳されて、最大約１５０呼吸／秒といった全く不合理な呼吸数となっている。従って、呼吸検出出力は、良くても信頼性がないと考えられるべきであり、そして単に誤っている可能性が高い。

メディアン法の性能は、この共通点を持つ状況において、選定される機能強化、すなわち、第１に、動き指標（「ＭＩ」）によって測定される被検者の活動レベルによってＭＲＶｔパラメータが変化すること、第２に、信号が更に線形フィルタリングされることによって機能強化されることができることが発見された。第１の機能強化は、一般的に、ＭＩ指標が示すように被検者活動が増大するにつれて、ＭＲＶｔを増加させる。上述のように、約５％のＭＲＶｔが、活動量が小さい期間には適していることが分かっている。活動量が大きい期間には、ＭＲＶｔが増加させることが好ましいが、図４に見られるように、かなりの数の真の呼吸を見逃すことを避けるために、いかなる活動レベルも境界内にあることが好ましい。もしＭＲＶｔに境界が設けられないと、最大８０％の真の呼吸が見逃される場合があり、それは受け入れられない誤り率である。適切な上限は、図４の系列２及び系列３の曲線の依然として緩やかに減少する部分である約２５％であると分かっている。約５％及び約２５％以外の境界値が、他の監視環境及び／又は他の監視被検者にとってより適切であろう。

より詳細には、ＭＩが加速度計信号から決定され、加速度計信号の強度の非線形スケーリングに応じた境界値間で、ＭＲＶｔを限られた範囲（すなわちＭＩ）にスケーリングすることによって、ＭＲＶｔが調整されることが好ましい。第１に、ＭＲＶｔは、決定されたＭＩに従って、例えば約５％から約２５％に、その境界値の間で線形に調整される。次式が適切であると分かっている：
ＭＲＶｔ＝（５％）＋（２０％）＊（ＭＩ／１２８）。

第２に、ＭＩは、広い範囲の値を有する、被検者から決定された加速度計信号パワーを、例えば約０から約１２７までといった限られた範囲にスケーリングすることによって、決定される。スケーリングは、可能な限り広い部分のパワー範囲にわたって線形であることが好ましいが、パワー値がすべてスケーリングの範囲の中のどこかに表わされるように、大きな加速度計信号レベルにおいては非線形となることが好ましい。実質的に対数の高信号スケーリングが適していることが分かっている。スケーリングされた信号は、被検者の動きの激しさを第一に反映すべきであるので、入力された加速度計信号は、高周波、主に動き成分を保持する一方、低い周波数、主に体位成分を除去するために、ハイパスフィルタリングされ、又振幅からパワーすなわち強度に変換される。以下のコードは、入力された加速度計信号からＭＩを決定する実施形態を示す。ここで、ＡＣＣｘ及びＡＣＣｙは、１０Ｈｚでサンプリングされた２軸加速度計からの生の信号である。

long Acc[]={w1, w2, w1};
dACCx=ACCx(filtered)-ACCx(unfiltered)
dACCy=ACCy(filtered)-ACCy(unfiltered)
MI_raw=(1/10)*sum(dACCx*dACCx)+sum(dACCy*dACCy)
MI=rescaleMotion(MI_raw)
int rescaleMotion(Int16 nMotion)
{
if(nMotion<100)
{ return nMotion; }
else if(nMotion<1000)
{ return 100+(nMotion-100)/90; }
else if(nMotion<10000)
{ return 110+(nMotion-1000)/900; }
else return 127;
}

ここで、ｄＡＣＣｘ及びｄＡＣＣｙは、フィルタリングされていない加速度計信号と３点ローパスフィルタによってフィルタリングされた加速度計信号の差分として導かれるから、被検者の動きの高周波成分を主に含む。次いで、ｄＡＣＣｘ及びｄＡＣＣｙは、手続rescaleMotionによる再スケーリングのために、振幅から強度（すなわちパワー）に変換される。加速度計出力は、約０から約１００の範囲であることが最も多いので、この範囲が、ＭＩ値の０から１００までの範囲に等しくなるように線形にスケーリングされる。次いで、約１００から最大値までのパワー値は、残りのＭＩ値の範囲、すなわち１００から１２７に対数的にスケーリングされる。そして、ＭＩは、前述のように、ＭＲＶｔを線形的に調整するために用いられる。他の環境及び被検者は、より高性能な加速度計信号スケーリング手順及びＭＲＶｔ調整の恩恵を受け、特にその手順は、入力された加速度計信号に応じて直接ＭＲＶｔを調整する単一の手順に組み入れられることができる。

更なる実施形態において、加速度計パワー信号のスケーリングは、異なる監視環境を反映するために、異なるように選定され、又は調整される。例えば、活動がより激しいと予想される環境において、予想されるパワー信号がスケール範囲のより多くを占め、方法パラメータがより正確に選定されることができるように、低い加速度計パワー値をスケール範囲の低い部分に抑圧することができる。

呼吸検出における別の機能強化は、メディアンフィルタの後且つ呼吸検出の前に置かれる線形ＦＩＲフィルタを含む。しかしながら、このフィルタリングステップは、信号アーチファクトを更に減衰させ得るので、平滑化、すなわちＶｔ信号振幅の更なる減少を最小とするように注意が必要である。好ましいＦＩＲフィルタは、好ましくは、メディアンフィルタ長さの約半分の長さ、及び計算効率のために選定されたフィルタ重みのもとで適切なフィルタリング性能（例えば、高周波アーチファクトを通過させない性能）をもつ。メディアンフィルタの約半分の長さのＦＩＲフィルタを用いることにより、一回呼吸量振幅を更に減少させることなく、曲線が円滑化されることが好都合である。図７は、乗算操作の必要なく、加減操作のみで入力信号がフィルタリングされるように選定された、長さ２０のＦＩＲフィルタの典型的な相対重みを示す。

図５と図６の比較により、これらの機能強化による改善が示される。図は、同じ３０秒の、上述の機能強化なしのメディアン法によって処理された呼吸データ及び加速度計データ（図５）及び上述の機能強化ありのメディアン法によって処理されたもの（図６）を示す。機能強化されたメディアン法によって検出された呼吸数は、より通常のベースライン（すなわち、約１０呼吸／分）を有し、スパイクの重畳すなわち全く不合理な呼吸数がない。その代わりに、検出された呼吸数は、運動中に、ベースライン率が約１０呼吸／分からより典型的に増加した率である約２０呼吸／分に次第に増加する。

例及び誤り評価
呼吸発生及び呼吸の検出及び計算に加えて、本発明は又、計算された呼吸及び呼吸数の値の信頼性、すなわち誤りの評価を含むことが好ましい。これらの値は、ＭＲＶｔ及びメディアンフィルタ幅Ｎの変化に基づく呼吸数の感度を決定することにより評価されることが好ましい。

一つの実施形態において、同じ呼吸数アルゴリズムを異なる６組のパラメータについて６回実行するによって、誤りが評価される。例えば、６組のパラメータは以下のものであることができる：１）ＭＲＶｔ＝１５％且つＮ＝４０（図８Ａ−Ｅには示されない）である基本の組、２）ＭＲＶｔ＝５％且つＮ＝４０（図８Ａ−Ｅに緑で示される）である第２の組、ＭＲＶｔ＝２５％且つＮ＝４０（図８Ａ−Ｅに緑で示される）である第３の組、ＭＲＶｔ＝１５％且つＮ＝３２（図８Ａ−Ｅに黄色で示される）である第４の組、ＭＲＶｔ＝１５％且つＮ＝４８（図８Ａ−Ｅに黄色で示される）である第５の組、ＭＲＶｔは動きに応じたもの且つＮ＝４０（図８Ａ−Ｅに黒で示される）である第６の組。第２及び第３の組は、５％から２５％の間で変化するＭＲＶｔの関数としての呼吸数の範囲を測るために用いられることが好ましい。第４及び第５の組は、３２から４８の間で変化するメディアンフィルタ幅Ｎの関数としての呼吸数の範囲を測るために用いられることが好ましい。

好都合なことに、第１から第５の組の５つの出力結果は、テストされたアルゴリズムの信頼性の評価に用いることができ、第６の組の出力は、呼吸数の最良の評価を提供する。これらの６組のパラメータ及びそれらにより得られた呼吸数は、以下の５つの異なる活動中にテストされた：１）静止状態（図８Ａに示される）、２）歩行（図８Ｂに示される）、３）その場走行（図８Ｃに示される）、４）跳躍（図８Ｄに示される）、５）前屈（図８Ｅに示される）。

図８Ａ−Ｄの各図のＡＣＣトレースに見られるように、これらの活動は、比較的高い周波数信号を生成し、これらの活動のＶｔにおいて予測されるノイズは８０Ｈｚの十分下であるので、そのようなノイズは、メディアンフィルタによって効果的に除去される。従って、パラメータの第２から第６の組から得られる呼吸数は、概ね一致し、呼吸数アルゴリズムの信頼性が比較的よいことを示す。

図８Ｅは、前方又は他のあらゆる方向への屈伸中の胸部及び／又は腹部の形状の変化を示す。この種のいかなる活動も１秒よりも大きい時間の規模で発生し、呼吸と相互に関係付けられることがしばしばであるから、いかなるフィルタを介しても、真の呼吸を除去する危険を冒すことなく除去することが難しい。そのような状況において、アルゴリズムの結果は、閾値及びフィルタパラメータに対してより感度が高くなる。前屈活動は、比較的低い周波数信号のＡＣＣトレースを生成するから、いかなる関連ノイズも、メディアンフィルタ周波数よりも低いと見込まれる。得られたトレースは、フィルタリング効率の減少のために動きアーチファクトによって汚染され、パラメータの第２から第６の組から得られる結果をわずかに分散させるが、呼吸数の信頼性は、依然として比較的良好である。

図８Ｆは、同様の、重なる形のパラメータ比較データを示す。この図は、対応する加速度計信号パワーのトレースが付随した、呼吸数対時間のトレースを含む。呼吸数のトレースは垂直スケールが拡大され、加速度計のトレースは水平スケールが縮小されている。期間２００の間、監視された被検者は静止状態であった。期間２０２の間、被検者は歩いていた。期間２０４の間、被検者はその場で走行していた。期間２０６の間、被検者は跳躍をしていた。そして期間２０８の間、被検者は前屈をしていた。これらのデータは、５組のパラメータを用いて分析された。トレース２１２において、メディアンフィルタの長さは、上限の閾値（上を見よ）に設定され、トレース２１０において、ＭＲＶｔは上限の閾値に設定された。トレース２１４において、メディアンフィルタの長さは、下限の閾値に設定された（上を見よ）。このトレースは、ＭＲＶｔが下限の閾値に設定されたトレースと一致し、このトレースにかぶさる。最後に、トレース２１６において、パラメータは、前述の適応プロセスによりその時々で調整された。すべてのトレースは、３０秒の動きの移動平均である。

この図を検討すると、跳躍及び前屈活動中であっても、異なるパラメータの組は、約±５−６％内で一致する呼吸数を生成することが分かる。ほとんどの活動範囲にわたって、異なるパラメータの組は、区別できない呼吸数結果を生成する。異なるトレースを比較すると、パラメータの組の間で、パラメータを適応的に設定することにより、又は低い閾値において、若しくはその近傍において、メディアンフィルタの長さ及び／又はＭＲＶｔを設定することにより、最も一貫性のある結果が生成された。トレース２１０及び２１２におけるように、上限又はその近傍にパラメータを設定することにより、高い活動レベルにおける呼吸数が少なく報告される。これらのトレースは、大きなメディアンフィルタ又は大きな検出閾値から得られるものであるので、そのようなことが予測されるのである。

図８Ｆ及び図８Ａ−Ｅは、本発明の方法が、ほとんどの型の被検者の活動にわたって、信頼性があり且つ一貫性のある呼吸数出力を生成することを示す。更には、これらの方法は、この種の激しい被検者の活動についてでさえも、適応的パラメータ選定又は適切な固定パラメータ選定を用いて、信頼性があり且つ一貫性のある呼吸数出力を生成する。

ＲＳＡ法
ＲＳＡは、呼吸性洞性不整脈を言い、それは、呼吸の進行中（例えば、一の吸気開始点から次の吸気開始点）に発生する心拍変動であって、多くの主体、通常は若く健康な主体において見られる。ＲＳＡは、短期心拍変動（「ＨＲＶ」）の主要な、つまり支配的でさえある成分であるかもしれない。ＲＳＡ効果に照らして、呼吸発生及び呼吸数は、図２のブロック１−５に概して示されるように、個々の呼吸を示す最低及び／又は最高の心拍数信号を調べることによって判定されることができる。

図９は、２２０秒の、被検者が運動している間に発生するＲＳＡを示す信号を示す。第１のトレースは、Ｖｔ信号であり、第２のトレースは、同時に起こる心拍数信号である。Ｖｔトレースにおける呼吸の各々が、心拍数トレースにおける周期的偏差と一致し、肺容量のピーク（吸気終点）が心拍数におけるピークと密接に対応し、同期していることは、直ちに明らかである。同時に起こる呼吸に起因する心拍数の偏差が、ＨＲＶのほとんどの短期（すなわち高周波数、つまり「ＨＦ」）成分を占めることも又、明らかである。残りのＨＲＶ成分は、容易に区別可能であり、長周期（すなわち低周波数、つまり「ＬＦ」）である。これらの信号において、呼吸発生は、心拍数から容易に且つ確実に判定されることができることが分かる。

図２のブロック１に戻り、ＲＳＡ法は、以下のように進められることが好ましい。最初に、ＥＣＧ信号を取得し、アーチファクトの影響を限定するために前処理を行う。アーチファクトは、心拍数信号に幾つかの原因から生じる。激しい動きは短い期間のアーチファクトが生じることがあり、これはＲ波と誤認識されることがある。Ｒ波発生時間の判定が不正確であると、隣接する心拍数値に、それに伴う誤りを生じさせることになる。最後に、幾人かの被検者に断続的に起こる期外収縮によって、同様の誤りが隣接する心拍数値に発生し得る。それ故、アーチファクトは、心拍数信号を歪ませ、偽の極大及び極小を生じさせ得る。従って、図２のブロック２に示されるように、ＲＳＡ法に用いられる心拍数信号は、動きアーチファクトを最小とするために、２以上のＥＣＧ電極から判定されることが先ずは好ましい。Ｒ波の発生は、以下に説明されるＲ波判定アルゴリズムによって判定されることが好ましい。他の実施形態において、パン・トンプキンズ（Pan-Tompkins）アルゴリズムとして知られているような他の信頼性のあるＲ波判定方法を用いることができる。期外収縮に伴うＲ波は、除去され、又は、任意であるが、局所心拍数に鑑みて期外収縮が発生したと思われる時点における補間による仮想Ｒ波で置き換えることが好ましい。期外収縮に伴うＲ波は、局所心拍数から予測されるＲ波発生時点の前又は後の閾値期間よりも大きい時点において発生する（すなわち、前の真のＲ波又は後の真のＲ波に近すぎる）Ｒ波として識別することができる。

次に、心拍数信号が、図２のブロック３に示されるように、極めて短い心拍数極小を除去し、ＬＦ ＨＲＶに比較してＨＦ ＨＲＶを強めるようフィルタリングされることが好ましい。特に、２心拍内に発生する心拍数極小はアーチファクトと考えられ、下記のような簡単な線形フィルタによってフィルタリング除去される：
HR(フィルタリングされた)=(1/4)*[HR(前)+2*HR(現在)+HR(次)]。
又、ＨＦ ＨＲＶは、約３〜約６呼吸時間といった短い間隔にわたる心拍数信号の線形傾向除去によって強調することができる。

最後に、前処理された心拍数が、極小及びその直後の極大について、図２のブロック４に示されるように、既知の信号処理手段によって検出される。次いで、極小−極大の対の各々は、呼吸発生を示す。これに代えて、極小及び／又は極大のみが呼吸発生を示すものとすることができる。呼吸数は、このように示された呼吸発生として判定されることができる。

Ｒ波判定法
Ｒ波識別のための好ましいアルゴリズムの実施形態が図１０に示される。実時間システムに組み込むことができるように、好ましいアルゴリズムの待ち時間は小さい。これに加えて、他のアルゴリズムと並行して手持ち型ＰＣ上で実行可能とするために、アルゴリズムはＣＰＵ資源をあまり要求しないことが好ましい。そのようなシステムは、このＲ波アルゴリズムの、パラメータ選定のみが異なる、多数のインスタンスを実行し、該アルゴリズムのコピーの出力を比較して、確かさと信頼性が大きいＲ波を選定することが好都合である。

図１０を参照すると、アルゴリズムは、ステップ１に示されるように、一つの時点では完全に単一のＥＣＧデータポイントを（前のデータポイントの前の処理を考慮して）因果的に処理する。この方法は因果的であるので、待ち時間は最小化される。先ず、信号は、ステップ２に示されるようにローパスフィルタリングされ、引き続き行われる微分のために曲線が平滑化される。フィルタの次数は４であることが好ましい。次いで、信号は、ステップ３において微分され、ステップ４において自乗される。

次に、バックグラウンドノイズ及び信号の両方について、移動平均が確立される。ステップ５において、バックグラウンドノイズについての４秒間の変動値の平均が、好ましくは図７に示されるようなフィルタ重みで計算され、８００サンプル（２００Ｈｚのサンプリングレートと仮定）（これに代えて、７００、６００、４００サンプル又はそれより低い値）にスケーリングされる。ステップ６において、信号についての４秒間の移動平均が、好ましくは図７に示されるようなフィルタ重みで計算され、サンプリングレートが下げられ（downsampled）、すなわち４サンプル（これに代えて、８、１６、２０、２４サンプル又は２４サンプル超）にスケーリングされる。これらの移動平均から、信号対ノイズ比（「ＳＮＲ」）が、ステップ７において計算される。

ステップ８において、アルゴリズムは、潜在的Ｒ波の位置（すなわち始点及び終点）が識別されたかどうかを判定する。これは、状態機械により実行されることが好ましい。Ｒ波の始点は、ＳＮＲがＳＮＲ閾値（「Ｔ（ＳＮＲ）」）、例えばＴ（ＳＮＲ）＝２を超えた時点とすることが好ましい。同様に、Ｒ波の終点は、ＳＮＲがＴ（ＳＮＲ）よりも下に下がった時点とすることが好ましい。パラメータは、現在値が潜在的Ｒ波内にあるかどうかを記述するために用いられることが好ましい。潜在的なＲ波は、このパラメータの状態が真から偽に変化した場合に見出される。この方法は、状態機械として知られている。潜在的Ｒ波が見出された場合、潜在的Ｒ波は、ステップ９において、ＳＮＲがＴ（ＳＮＲ）を超えた始点及び終点の時間の跡を記録する極大配列（「ＡＭ」）ログに加えられる。

ステップ１０において、十分なデータが取得されたかどうかがチェックされる。現在時刻が、最新のＲ波（「ＲＷ（最新）」）時間、探索可能時間間隔（「ＳＩ」）及びロックアウト（lockout）期間（「ＬＰ」）時間間隔の合計よりも大きいかどうかがチェックされることが好ましい。ＳＩは、次のＲ波候補の探索のために割り当てられた時間間隔である。一つのＳＩにおいて、３以上ではなく、１又は２のＲ波候補が位置することができることが好ましい。ＳＩ＝ｋ*ＲＲ（最新）、ここで定数ｋ＝５／４（これに代えて、３／４以下、４／４、６／４又は４００サンプル）且つＲＲ（最新）はｍｓｅｃで最新Ｒ波間隔であることが好ましい。ＬＰは、２つの連続するＲ波間の最小時間間隔である。ＬＰは、ロックアウト極小とロックアウト極大との間の範囲にあり、Ｒ波の誤認識を避けるために用いられることが好ましい。ＬＰは、最新の７つのＲ波間隔の中央値の固定された比率、例えば４０％（これに代えて、２０％以下、３０％、又は５０％）であることが好ましい。現在時刻は又、ＡＭ又はＬＰの最初の極大の終点時刻よりも大きいかどうか、についてチェックされることが好ましい。

十分なデータが取得されると、アルゴリズムにおける次のステップは、ステップ１１に示されるように、そのデータの評価である。初めに、アルゴリズムは、ＳＩにおける次の良好なＲ波を探索する。Ｒ波閾値（「Ｔ（Ｒ）」）を超える、ＡＭの最初の極大が選定されることが好ましい。Ｔ（Ｒ）は、最新の７つのＲ波間隔の中央値閾値の５０％であることが好ましい。そのような極大が、ＡＭに見出されない場合は、ＳＩにおける最大の極大が選定される。そのようなＳＩにおける極大がない場合は、ＡＭにおける最初の極大が選定される。

ステップ１２において、ＬＰは、ＬＰにおいて大きな極大がないかどうかがチェックされる。ＬＰにおいて２つのＲ波候補がある場合には、大きなＳＮＲを有する候補が保持され、もう一つは、除去される。ＬＰが大きな極大を含む場合には、ステップ１４に示されるように、ＡＭから次の極大が選定される。

そこで、Ｒ波候補の始点及び終点が識別される。ステップ１５において、Ｒ波のピークは、生の未処理のＥＣＧデータの補間された極大として識別されることが好ましい。生データは、このステップにおいて使用されるまで、短いＥＣＧキャッシュに記憶され、使用後に削除される。識別されたピークは、ステップ１６において、それがＥＣＧ信号における不連続ではなく、真のピークであることを確認するためにチェックされる。ステップ１７は、中間のピーク、すなわち最新のＲ波ピークと現在のＲ波候補間の極大をチェックする。中間のピークが見出されない場合は、ステップ１８に示されるように、Ｒ波候補が真のＲ波の配列に加えられる。ステップ１９及び２０は、あらゆるＲ波候補及び先行するＡＭからの極大のすべての除去、並びに前述のようなフィルタの更新及びパラメータの調整を含む。次いで、本方法はＲ波の発生を出力する。

複合法
本発明に従って、呼吸数検出は又、２以上の計算効率のよい呼吸数検出法の実行及びそれに続いて行われる、個々の方法から返された結果に応じたありそうな呼吸数の判定を含むことが好ましい。２又はそれ以上の方法は、異なる原理に基づくか、一つの方法を異なるパラメータを用いてコピーしたものか、又はそれらの組み合わせに基づいた異なる方法とすることができる。この実施形態は、一つの方法では、期待される監視条件の範囲にわたり十分に信頼性のある結果を生成する計算上効率的な呼吸数検出ができない、変動の大きい監視環境においても、使用可能である点で有利である。

並行的に実行される検出法は、異なる検出原理に基づくものとすることができる。図２のブロック１３に示されるように、好ましい実施形態は、ＲＳＡ法と共に前述のメディアン法を含む。これに代えて、２以上の並行的に実行される検出法は、同様の検出原理であるが異なる条件について異なってパラメータ化されるものに基づくものとすることができる。一つの好ましい実施形態は、被検者の活動の異なるレベルに合わせて選定されるパラメータのメディアン法の多数のインスタンスを含む。例えば、活動量の低いメディアン法のパラメータ化は、短いメディアンフィルタ及び固定のＭＲＶｔを用い、追加的な線形フィルタリングを省略することができる。これに代えて、活動量の高いメディアン法のパラメータ化は、長いメディアンフィルタ、追加的な線形フィルタ、及び可変のＭＲＶｔを用いることができる。更には、短い閾値が動きと共に任意に変化する、短い呼吸用のフィルタといった、他の型のアーチファクト除去手段によって、メディアンフィルタが補完され、又は置き換えられることができる。

いくつかの実施形態において、認識された多くの（現在の呼吸に時間的に先行するか又はその周りのいずれかの）呼吸に適用される、最頻値、中央値、重み付け平均値等といった統計技術を用いることによって、ありそうな呼吸数を判定することができる。判定に先立って、異常値が除かれることが好ましい。これに代えて、様々な検出法によって識別された、すべての認識された呼吸に対して信頼性指標を割り当て、呼吸数の候補から最良の呼吸数を判定するために用いることができる。信頼性指標は、選定された、一又はそれ以上の活動レベル、吸入深さ、波形等の組み合わせからの検出法の各々について決定されることが好ましい。単純なそのような信頼性指標は、特定の呼吸を認識した、並行的に実行する方法の単に一部でしかない。用いられる検出法の全計算要求は、例えば手持ち型コンピュータの利用可能な能力を超えないことが好ましい。

システム
本発明の方法は、Ｃ＋＋等といった高級言語、又は効率を大きくするためにＣといった低級言語、アセンブリ言語等を含む標準のコンピュータ言語でコーディングされることが好ましい。次いで、コーディングされた方法は、実行可能なコンピュータ命令に翻訳及び／又はコンパイルされ、このコンピュータ命令は、手持ち型その他のコンピュータによって使用するためにコンピュータメモリに記憶される（又はネットワーク接続を通して、若しくは外部ポートを介してロードされる）。コンピュータメモリは、ＣＤ−ＲＯＭ、フラッシュカード、ハードディスク、ＲＯＭ、フラッシュＲＡＭ等を含む。

ここで用いられる手持ち型電子機器又はコンピュータは、被検者に邪魔にならず且つ不快感を与えない大きさ及び重さのモジュールをいう。しかしながら、ここでは他に、手持ち型装置又はコンピュータは、マイクロプロセッサ装置に限定されず、本発明の方法が例えばＦＰＧＡ、ＡＳＩＣＳ等にエンコードされた装置をも又含むことができる。本発明の方法を実行するために適した手持ち型装置は、典型的には、低パワーマイクロプロセッサ若しくはＲＡＭ及び任意に一又はそれ以上の次の構成要素：ＲＯＭ若しくはフラッシュＲＡＭ、ハードディスク、及びタッチスクリーン、外部信号源及び／又はデータネットワークに対するポート等といったユーザインターフェース装置を有する他の計算要素を含むであろう。そのような装置は又、必要であれば、センサ信号の受信、プレフィルタリング及びデジタル化のためのインターフェース及び／又はポートを含むであろう。

本発明の方法は、典型的には、少ないプロセッシング資源しか要求せず、それ故、より限られたプロセッサ能力の手持ち型コンピュータは又、本発明の方法に適している。本発明の方法は又、典型的には大きなプロセッサ能力を持つ標準のＰＣ型又はサーバ型のコンピュータ上で実行されることができる。

例
本発明は、以下の例によって例示されるが、その例は、単に例示を目的とするものであって、本発明の範囲又は実施することができる態様を制限するものとみなされるべきではない。

呼吸及び加速度計信号は、静止から坂道歩行にわたる選定された活動を行う４人の被検者から収集された。信号は、本発明の方法に従って処理され、その結果は図１１に示される。最も左の欄（活動）には、被検者の活動が挙げられている。左から２番目の欄（ＭＥＤ）には、収集された信号をメディアン法を用いて処理した結果が挙げられている。左から３番目の欄（ＲＳＡ）には、ＲＳＡ法を用いて収集された信号を処理した結果が挙げられている。左から４番目の欄（ＳＵＢＪ．ｃｏｕｎｔ）には、被検者に携帯型のボタンを押してもらうことにより記録された、被験者による手動カウント値が挙げられている。左から５番目の欄（ＭＥＤ．Ｅｒｒｏｒ）には、メディアン法によって判定された呼吸と被検者による呼吸カウント結果の間での誤りの比率が挙げられている。左から６番目の欄（ＲＳＡ ｅｒｒｏｒ）には、ＲＳＡ法によって判定された呼吸と被検者による呼吸カウント結果の間での誤りの比率が挙げられている。

図９の最後の２つの欄（すなわちＭＥＤ．Ｅｒｒｏｒ及びＲＳＡ ｅｒｒｏｒ）には、被検者自身による呼吸カウントに対するメディアン法とＲＳＡ法の相対誤差が示されている。ほとんどの場合において、より激しい活動の例についてでさえ、両方法は正確であり、メディアン法がＲＳＡ法よりもおそらくわずかにより正確であろう。しかしながら、２人の被検者（すなわちＳＵＢＪＥＣＴＳ３及び４）及びより激しい活動については、両方法は、かなりの誤りを示している。

この点、一部の被検者は、自身の呼吸を数えるときに、一般的に数え落としによって、かなりの誤りを犯しているかもしれないことが分かっている。呼吸のカウントには相当の集中力を要し、特により激しい運動中については数えることは難しいことであり得る。図１２は、そのような数え落としを示し、一番上のトレースは、約７０秒の運動を行っている被検者からの生の一回呼吸量信号を示し、一番下のトレースは、対応する加速度計信号であり、真中のトレースは、被検者がボタンを押すことにより呼吸を示した時を示す。３１の真の呼吸があった期間に、被検者は２２の呼吸をカウントしたが、これは約３０％の喪失である。多くの呼吸が、この監視期間の第二半期において、明らかにカウントされていなかった。図１１の歩行中のＳＵＢＪＥＦＣＴ４についてのデータは、同様に最大約２０呼吸がカウントされなかったことを明らかにしており、これは約５７％の誤りのほとんどを占める。従って、得られたテストデータは、両呼吸検出法の正確性が約１５％よりもよいこと、及びおそらく約１０％よりもよいであろうことを強く示唆する。

ここで用いられている用語「約」は、該当する数及びある範囲の数の両方をいうものと一般的に理解されるべきである。更には、ここでの数の範囲のすべては、その範囲内の整数全部の各々を含むと理解されるべきである。

ここで開示された好ましい実施例は、本発明の幾つかの態様を例示することを意図するものであるから、ここで説明され、クレームされた本発明は、ここで開示された好ましい実施形態によって範囲を限定されるべきではない。いかなる均等な実施形態も、本発明の範囲内であると意図される。実際、ここで示され、説明されたものに加えて、様々な本発明の変形が、前述の説明から当業者にとって明らかであろう。そのような変形は又、添付の特許請求の範囲の範囲内にあるものと意図される。

多くの参考文献がここで引用され、その開示全体が、全体として、すべての目的を参照することにより、ここに組み込まれる。更には、上でどのように述べられたかにかかわらず、これらの参考文献のいずれもが、ここでクレームされた主題の発明に先立つものとして認められない。

図１Ａ、図１Ｂは典型的な呼吸信号及びそれらのメディアンフィルタリングを示す。 メディアン法、ＲＳＡ法、及び複合法を示す。 メディアン法パラメータを選定するための典型的な方法の結果を示す。 メディアン法パラメータを選定するための典型的な方法の結果を示す。 活動レベル補償なしの閾値呼吸検出の典型的な動作を示す。 活動レベル補償ありの閾値呼吸検出の典型的な動作を示す。 典型的な線形フィルタの重み付けを示す。 図８Ａ〜Ｆは様々な活動中の呼吸数アルゴリズムの結果を示す。 ＲＳＡ現象及び典型的なＲＳＡ法の動作を示す。 Ｒ波判定アルゴリズムの実施形態を示す。 呼吸検出テストデータを示す。 被検者の呼吸カウントを示す。

Claims (44)

1. 呼吸信号における呼吸発生を認識するためのコンピュータで実行されるメディアン法であって、
   一回呼吸量情報を有するデジタル化された呼吸信号を受信するステップと、
   選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、
   前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
   を含み、前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する、
   ことを特徴とする方法。
2. 請求項１記載のコンピュータで実行される方法であって、
   前記認識された呼吸発生から呼吸数を判定するステップ
   を更に含むことを特徴とする方法。
3. 請求項１記載のコンピュータで実行される方法であって、
   前記選定した比率である閾値は、被検者の活動レベルに応じて変化する
   ことを特徴とする方法。
4. 請求項１記載のコンピュータで実行される方法であって、
   呼吸信号のフィルタリングは、フィルタリングしようとしている呼吸信号サンプルを含む、すべてが選定した期間中に発生する一群の呼吸信号サンプルの中央値を取ることによって、少なくとも一つの呼吸信号サンプルをフィルタリングすることを含む
   ことを特徴とする方法。
5. 請求項４記載のコンピュータで実行される方法であって、
   前記呼吸信号のフィルタリングは更に線形ローパスフィルタを含む
   ことを特徴とする方法。
6. 請求項１記載のコンピュータで実行される方法であって、
   前記選定した期間は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定される被検者の活動レベルに応じて変化する
   ことを特徴とする方法。
7. 呼吸発生を認識するためのＲＳＡ法を更に含む請求項１記載のコンピュータで実行される方法であって、
   心電図信号におけるＲ波を認識するステップと、
   呼吸性洞性不整脈を示すＲ波の変動から呼吸を認識するステップと、
   を含むことを特徴とする方法。
8. 請求項７記載のコンピュータで実行される方法であって、
   Ｒ波を認識する前記ステップは、
   前記受信された心電図（「ＥＣＧ」）信号の異なってサンプリングされた２つの移動平均を比較することにより、信号対ノイズ比（「ＳＮＲ」）を判定するステップと、
   判定されたＳＮＲが選定されたＳＮＲの閾値を超える信号極大を選定するステップと、
   選定された信号極大が、隣接する認識されたＲ波に対し定められた時間的な関係で発生する場合に、前記受信されたＥＣＧ信号においてＲ波を認識するステップと、
   を更に含むことを特徴とする方法。
9. 請求項７記載のコンピュータで実行される方法であって、
   メディアン法によって認識された呼吸発生とＲＳＡ法によって認識された呼吸発生とを比較して、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供するステップと、
   前記示された信頼性に応じて呼吸の発生を出力するステップと、
   を更に含むことを特徴とする方法。
10. 請求項７記載のコンピュータで実行される方法であって、
    前記示された信頼性は更に、認識された呼吸発生の各々についての信頼性の指標
    を含むことを特徴とする方法。
11. 請求項１記載のコンピュータで実行される方法であって、
    少なくとも１つの追加的なインスタンスとして、選定した前記比率及び／又は選定した前記期間を異ならせて、前記受取り、フィルタリング及び認識のステップを並行して実行するステップと、
    前記別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸発生であることの確からしさを確認するステップと、
    前記示された信頼性に応じて認識された呼吸発生を出力するステップと、
    を更に含むことを特徴とする方法。
12. 請求項１記載のコンピュータで実行される方法であって、
    前記呼吸信号を検出するステップは、被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ容積センサを用いることを含む
    ことを特徴とする方法。
13. 請求項１記載のメディアン法を実行するための命令を有するコンピュータメモリ。
14. 請求項１３記載のコンピュータメモリに動作可能に連結される手持ち型コンピュータを含むコンピュータシステム。
15. 請求項１４記載のコンピュータシステムであって、前記コンピュータメモリは更に、
    少なくとも１つの追加的なインスタンスとして、選定した前記比率及び／又は選定した前記期間を異ならせて、前記受取り、フィルタリング及び認識のステップを並行して実行するステップと、
    前記別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸であることの確からしさを確認するステップと、
    前記示された信頼性に応じて信頼性のある呼吸発生を出力するステップと、
    からなる命令を含むことを特徴とするシステム。
16. 呼吸信号における呼吸発生を認識するためのコンピュータで実行される方法であって、
    被検者の胸郭及び／又は腹部の呼吸の動きを示すデジタル化された容積センサ信号を少なくとも一つ受信するステップと、
    前記受信された呼吸信号から複数の一回呼吸量（Ｖｔ）信号サンプルを求めるステップと、
    フィルタリングしようとしているＶｔ信号サンプルを含む、選定した期間よりも小さい持続時間をもつ時間間隔中に発生した一群のＶｔ信号サンプルにおける中央値を取ることによって、少なくとも一つのＶｔ信号サンプルをフィルタリングするステップと、
    前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
    を含み、
    前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識し、
    前記選定した期間及び／又は前記選定した比率は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて変化するようにされた
    ことを特徴とする方法。
17. 請求項１６記載のコンピュータで実行される方法であって、
    心電図（「ＥＣＧ」）信号においてＲ波を認識するステップと、
    呼吸性洞性不整脈を示すＲ波の変動から呼吸を認識するステップと、
    を更に含むことを特徴とする方法。
18. 請求項１７記載のコンピュータで実行される方法であって、Ｒ波信号を認識する前記ステップは、
    前記受信されたＥＣＧ信号の異なってサンプリングされた２つの移動平均を比較することにより、信号対ノイズ比（「ＳＮＲ」）を判定するステップと、
    判定されたＳＮＲが選定されたＳＮＲの閾値を超える信号極大を選定するステップと、
    選定された信号極大が、隣接する認識されたＲ波に対し定められた時間的な関係で発生する場合に、前記受信されたＥＣＧ信号においてＲ波を認識するステップと、
    を更に含むことを特徴とする方法。
19. 心電図信号においてＲ波を認識するためのコンピュータで実行される方法であって、
    デジタル化された心電図（「ＥＣＧ」）信号を受信するステップと、
    前記受信された心電図（「ＥＣＧ」）信号の異なってサンプリングされた２つの移動平均を比較することにより、信号対ノイズ比（「ＳＮＲ」）を判定するステップと、
    ＥＣＧ信号の偏差が選定されたＳＮＲの閾値を超える信号極大を選定するステップと、
    選定された信号極大が、隣接する認識されたＲ波に対し定められた時間的な関係で発生する場合に、前記受信されたＥＣＧ信号においてＲ波を認識するステップと、
    を含むことを特徴とする方法。
20. 請求項１９記載のコンピュータで実行される方法であって、
    前記Ｒ波の発生は、その極小を除去するためにフィルタリングされる
    ことを特徴とする方法。
21. 請求項１９記載のコンピュータで実行される方法であって、
    前記認識されたＲ波における変動に応じて呼吸発生を認識するステップ、
    を更に含むことを特徴とする方法。
22. 請求項１９記載のコンピュータで実行される方法であって、
    一回呼吸量情報を有するデジタル化された呼吸信号を受信するステップと、
    選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、
    前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
    を更に含み、
    前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する
    ことを特徴とする方法。
23. 請求項２２記載のコンピュータで実行される方法であって、
    前記認識された呼吸の発生から呼吸数を判定するステップ
    を更に含むことを特徴とする方法。
24. 請求項１９記載のコンピュータで実行される方法であって、
    前記選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたＲ波の発生時刻に選定されたロックアウト期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである
    ことを特徴とする方法。
25. 請求項２４記載のコンピュータで実行される方法であって、
    前記選定されたロックアウト期間は、複数の前のＲ波間隔に選定された比率を乗じたものの中央値である
    ことを特徴とする方法。
26. 請求項２４記載のコンピュータで実行される方法であって、
    前記選定された探索可能間隔期間は、一又はそれ以上の前のＲ波間隔の平均の倍数である
    ことを特徴とする方法。
27. 請求項１９記載のコンピュータで実行される方法であって、
    受信されたままの前記ＥＣＧ信号を補間することにより、Ｒ波のピークを識別するステップ
    を更に含むことを特徴とする方法。
28. 被検者から収集された生理学的信号において呼吸発生を判定するためにコンピュータで実行される方法であって、
    各々が呼吸候補を認識するものである一又はそれ以上の呼吸認識法を、手持ち型コンピュータ上で並行して実行するステップと、
    呼吸候補の発生を比較することにより、呼吸発生を認識するステップと、
    を含むことを特徴とする方法。
29. 請求項２８記載のコンピュータで実行される方法であって、
    呼吸発生の認識は、複数の呼吸候補の発生を比較するために統計的技術を用いるものである
    ことを特徴とする方法。
30. 請求項２８記載のコンピュータで実行される方法であって、
    呼吸発生の認識は、個々の呼吸候補についての信頼性ファクタを判定すること
    を含むことを特徴とする方法。
31. 請求項３０記載のコンピュータで実行される方法であって、
    少なくとも一つの認識された呼吸発生とともに、信頼性ファクタを出力するステップ
    を更に含むことを特徴とする方法。
32. 被検者における呼吸発生を監視するための携帯システムであって、
    被検者の胸郭及び腹部の周囲に配置される容積センサと、
    遠隔のコンピュータシステムとの無線通信と、
    前記容積センサ、前記無線通信、及び呼吸認識のメディアン法を実行するためのコンピュータ命令を有するメモリと動作可能に結合された、被検者の体に付けられて持ち運ばれるか、若しくは被検者が持ち運ぶ処理装置を備え、前記呼吸認識のメディアン法は、
    被検者の胸郭及び／又は腹部の呼吸の動きを示すデジタル化された容積センサ信号を少なくとも一つ受信するステップと、
    前記受信された呼吸信号から複数の一回呼吸量（Ｖｔ）信号サンプルを求めるステップと、
    フィルタリングしようとしているＶｔ信号サンプルを含む、すべてが選定された期間よりも小さい持続時間をもつ時間間隔の間に発生する一群のＶｔ信号サンプルの中央値を取ることによって、少なくとも一つのＶｔ信号サンプルをフィルタリングするステップと、
    前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
    を含み、
    前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識定された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識し、
    前記選定された期間及び／又は前記選定された比率は、被検者の監視中に時々刻々と変化する
    ことを特徴とするシステム。
33. 請求項３２記載のシステムであって、前記メモリは更に、
    デジタル化された心電図（「ＥＣＧ」）信号を受信するステップと、
    前記受信された心電図ＥＣＧ信号の異なってサンプリングされた２つの移動平均を比較することにより、信号対ノイズ比（「ＳＮＲ」）を判定するステップと、
    ＥＣＧ信号の偏差が、選定されたＳＮＲの閾値を超える信号極大を選定するステップと、
    選定された信号極大が、隣接する認識されたＲ波に対し定められた時間的関係で発生する場合に、前記受信されたＥＣＧ信号においてＲ波を認識するステップと、
    を含むことを特徴とするシステム。
34. 請求項３３記載のシステムであって、
    前記選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたＲ波の発生時刻に選定されたロックアウト期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである
    ことを特徴とするシステム。
35. 請求項３３記載のシステムであって、
    前記メモリは更に、Ｒ波発生数の極大に応じて呼吸発生を認識するための命令を有する
    ことを特徴とするシステム。
36. 請求項３４記載のシステムであって、
    前記メモリは更に、
    Ｖｔ信号とＥＣＧ信号から認識された呼吸発生とを比較して、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供するステップと、
    前記示された信頼性に応じて呼吸発生を出力するステップと、
    からなる命令を有する
    ことを特徴とするシステム。
37. 請求項３４記載のコンピュータで実行される方法であって、
    前記示された信頼性は、認識された呼吸発生の各々についての信頼性の指標を含むことを特徴とする方法。
38. 請求項３２記載のシステムであって、
    前記メモリは更に、
    呼吸発生を認識する方法の追加的なインスタンスを少なくとも一つ並行して実行するステップと、
    前記複数の呼吸発生を認識するための方法によって認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸発生であることの確からしさを確認するステップと、
    前記示された信頼性に応じて認識された呼吸発生を出力するステップと、
    からなる命令を有する
    ことを特徴とするシステム。
39. 請求項３２記載のシステムであって、
    前記メモリは更に、
    前記選定された期間及び／又は前記選定された比率を、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定される被検者の活動レベルに応じて変化させるための命令を有する
    ことを特徴とするシステム。
40. 請求項３２記載のシステムであって、
    前記メモリは更に、
    遠隔コンピュータシステムから、前記選定された期間及び／又は前記選定された比率についての値を受信するための命令を有する
    ことを特徴とするシステム。
41. 請求項４０記載のシステムであって、
    前記受信された値は、遠隔コンピュータシステムにおいて、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて決定される
    ことを特徴とするシステム。
42. 請求項３４記載のシステムであって、
    前記ロックアウト期間は、最近の７つのＲ波間隔の中央値の約２０％から約５０％の間である
    ことを特徴とするシステム。
43. 請求項３４記載のシステムであって、
    探索可能期間は、ｍｓｅｃで最近のＲ波間隔の約３／４から約４／４の間である
    ことを特徴とするシステム。
44. 請求項３３記載の方法であって、
    前記ＥＣＧ信号のサンプリングレートは、約２００Ｈｚであって、
    ノイズを示す第１の移動平均は、受信したＥＣＧ信号の約４００サンプル以上のレートでサンプリングされ、信号を示す第２の移動平均は、受信したＥＣＧ信号の約２４サンプル又はそれ以下でサンプリングされる
    ことを特徴とする方法。

Images