JP2012065713A - Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device - Google Patents

Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device Download PDF

Info

Publication number
JP2012065713A
JP2012065713A JP2010210953A JP2010210953A JP2012065713A JP 2012065713 A JP2012065713 A JP 2012065713A JP 2010210953 A JP2010210953 A JP 2010210953A JP 2010210953 A JP2010210953 A JP 2010210953A JP 2012065713 A JP2012065713 A JP 2012065713A
Authority
JP
Japan
Prior art keywords
time series
abnormal
heartbeat
flag
series
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
Application number
JP2010210953A
Other languages
Japanese (ja)
Inventor
Yasunari Yokota
康成 横田
Yoko Kawamura
洋子 河村
Kunihiro Shirai
邦博 白井
Naoki Matsumaru
直樹 松丸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gifu University NUC
Original Assignee
Gifu University NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gifu University NUC filed Critical Gifu University NUC
Priority to JP2010210953A priority Critical patent/JP2012065713A/en
Publication of JP2012065713A publication Critical patent/JP2012065713A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a method for removing the abnormal heartbeat and trend in electrocardiogram data capable of utilizing a change in heartbeat fluctuation in proper diagnosis by automatically removing the abnormal heartbeat and the trend from the heartbeat interval data row obtained from an electrocardiogram, an autonomic nerve monitor device, and a septicemia sideration alarm device utilizable in the diagnosis of the sideration of septicemia.SOLUTION: The CPU 32 of the autonomic nerve monitor device acquires an RRI time series xfrom the electrocardiogram data. The CPU 32 determines a flag time series Q containing a trend function and a normal heartbeat so that the probability density distribution, which is related to a case that a flag wherein qin the residual series of the RRI time series xand the trend function thereof shows normality is formed, most becomes normal distribution to remove the abnormal heartbeat and the trend to acquire RRI time series data used in HRV analysis. The CPU 32 performs HRV analysis on the basis of the RRI time series data wherein the abnormal heartbeat and the trend are removed.

Description

本発明は、心電図データの異常心拍及びトレンドの除去方法、自律神経モニタ装置、及び敗血症発症警告装置に係り、詳しくは、心電図データ内の異常心拍とトレンドを自動的に除去できる心電図データ内の異常心拍及びトレンドの除去方法、自律神経モニタ装置及び敗血症発症警告装置に関する。   The present invention relates to a method for removing abnormal heartbeats and trends from electrocardiogram data, an autonomic nerve monitor device, and a sepsis onset warning device, and more particularly, an abnormality in electrocardiogram data that can automatically remove abnormal heartbeats and trends in electrocardiogram data. The present invention relates to a heartbeat and trend removal method, an autonomic nerve monitor device, and a sepsis onset warning device.

図1に示すように、心拍数は、一定時間(通常、1分間)に心臓が拍動する回数を表し、患者の容態把握にはもっとも重要な尺度である。具体的には、心拍数は、拍と拍の間の間隔の平均値の逆数に一定時間単位を乗じたものとして定義される。心拍数が拍と拍の間の間隔(RR間隔;RRI)の平均から導かれるのに対し、拍と拍の間の間隔のばらつきをHRV(心拍変動)という。内外の刺激を受けて自律神経の働きにより心拍数が変化する。このため、HRV(心拍変動)が大きいほど、内外の刺激に対する反応が良い(すなわち、健康である)ことを意味する。HRV(心拍変動)は、運動能力を測る尺度としても利用されるなど、心拍数だけではわからない情報が得られるものと考えられている。   As shown in FIG. 1, the heart rate represents the number of times the heart beats in a certain time (usually 1 minute), and is the most important measure for grasping the patient's condition. Specifically, the heart rate is defined as the reciprocal of the average value of the interval between beats multiplied by a fixed time unit. While the heart rate is derived from the average of the interval between beats (RR interval; RRI), the variation in the interval between beats is called HRV (heart rate variability). The heart rate changes by the action of the autonomic nerve in response to internal and external stimuli. For this reason, the greater the HRV (heart rate variability), the better the response to internal and external stimuli (ie, health). HRV (heart rate variability) is also used as a measure for measuring athletic ability, and it is considered that information that cannot be understood only by heart rate can be obtained.

従って、HRV(心拍変動)を解析することにより、自律神経活動をモニタすることができる。HRV解析法は、主に、時間領域解析法(非特許文献1)、周波数領域解析法(スペクトル解析)、非線形及びカオス・フラクタル解析法(非特許文献1)に分類される。   Therefore, autonomic nerve activity can be monitored by analyzing HRV (heart rate variability). The HRV analysis method is mainly classified into a time domain analysis method (Non-patent document 1), a frequency domain analysis method (spectrum analysis), and a nonlinear and chaos / fractal analysis method (Non-patent document 1).

時間領域解析法には、トーン・エントロピー法(非特許文献2)、非線形及びカオス・フラクタル解析法には、Detrended fluctuation analysis (DFA) 法(非特許文献3)などがある。   The time domain analysis method includes a tone entropy method (Non-patent document 2), and the nonlinear and chaos / fractal analysis methods include a detrended fluctuation analysis (DFA) method (Non-patent document 3).

周波数領域解析法には、FFT法(非特許文献4)、自己回帰モデル法(非特許文献5)、最大エントロピー法(非特許文献6)、Complex demodulation (CD) 法(非特許文献7)などがある。周波数領域解析では、0.14から0.4Hzまでの高周波帯域(High Frequency; HF),0.04から0.14Hzまでの低周波帯域(Low Frequency; LF)、0.003から0.04Hzまでの超長周期帯域VLF(Very Low Frequency)、0.003Hz以下のULF(Ultra Low Frequency)帯域が重要とされる。一般にLF成分は交感神経活動と副交感神経活動を表し、HF成分は副交感神経活動を表すとされる(非特許文献8)。さらに、VLF成分、ULF成分には、体温調整系などが影響するとされる(非特許文献10)。   Frequency domain analysis methods include FFT method (Non-patent document 4), autoregressive model method (Non-patent document 5), maximum entropy method (Non-patent document 6), Complex demodulation (CD) method (Non-patent document 7), etc. There is. In the frequency domain analysis, the high frequency band from 0.14 to 0.4 Hz (High Frequency; HF), the low frequency band from 0.04 to 0.14 Hz (Low Frequency; LF), from 0.003 to 0.04 Hz. The VLF (Very Low Frequency) and the ULF (Ultra Low Frequency) band of 0.003 Hz or less are important. In general, the LF component represents sympathetic nerve activity and parasympathetic nerve activity, and the HF component represents parasympathetic nerve activity (Non-patent Document 8). Furthermore, it is said that a body temperature adjustment system etc. influences a VLF component and a ULF component (nonpatent literature 10).

ところで、不整脈などの異常心拍は、心臓の異常が原因で生ずる。このため、自律神経活動とは無関係である。このため、HRV解析では異常心拍を除去する必要がある。なお、心電図から、異常心拍を除去しないと、HRV(心拍変動)を過剰に大きく見積る要因となる。   By the way, abnormal heartbeats such as arrhythmia are caused by abnormalities in the heart. For this reason, it is unrelated to autonomic nerve activity. For this reason, it is necessary to remove abnormal heartbeats in the HRV analysis. If abnormal heartbeats are not removed from the electrocardiogram, it will be a factor for excessively estimating HRV (heart rate fluctuation).

異常心拍を検出するために、典型的なECG(心電図)波形と比較し、一定以上異なっているものを異常心拍と見なす方法がある(従来技術1という)。この方法は、商品化されている心電計などの多くの機器で採用されているが、ECG波形の変化が現れるほど大きな異常でないと適用できない。   In order to detect an abnormal heartbeat, there is a method in which a heartbeat that differs by a certain amount or more compared to a typical ECG (electrocardiogram) waveform is regarded as an abnormal heartbeat (referred to as Prior Art 1). This method is adopted in many devices such as electrocardiographs that have been commercialized, but it cannot be applied unless the abnormality is so large that a change in the ECG waveform appears.

また、心拍間隔(RRI)が正規分布に従う時、99.6%の標本が平均±標準偏差に入る統計的性質(3σルール)を利用し、この範囲に入らないものを異常値と見なすという方法がある。又、3σルールではなく、心拍間隔(RRI)が正規分布に従う時、95.4%の標本が平均±標準偏差に入る統計的性質(2σルール)で行う方法もある(従来技術2という)。   In addition, when the heart rate interval (RRI) follows a normal distribution, the statistical property (3σ rule) in which 99.6% of the samples fall within the mean ± standard deviation is used, and those that do not fall within this range are regarded as abnormal values. There is. There is also a method of performing statistical properties (2σ rule) in which 95.4% of the samples fall within the mean ± standard deviation when the heart rate interval (RRI) follows a normal distribution instead of the 3σ rule (referred to as Prior Art 2).

しかし、3σルール、或いは2σルールにより正常(あるいは異常)なRRIを特定するためには、正常値に対する平均・標準偏差が必要である。
しかし、その時点では正常データが特定されないため、一般的には、異常値を含めた平均・標準偏差で代用される。そのため、異常値が多くなると、異常値の存在も通常なこととなり、異常値は除去できなくなる。
However, in order to specify a normal (or abnormal) RRI by the 3σ rule or the 2σ rule, an average / standard deviation with respect to a normal value is necessary.
However, since normal data is not specified at that time, the average and standard deviation including abnormal values are generally substituted. For this reason, when there are many abnormal values, the abnormal values also exist normally, and the abnormal values cannot be removed.

さらに、心電図データに長周期の成分、すなわち、トレンドがある場合は、異常値の判定原理が崩壊する。異常値を正確に除去しないと、その後のHRV解析(特に、周波数領域解析)の信頼性が低下する。そのため、従来は、目視により異常心拍を指定して除去するか、心電図を計測し直すことが一般的であった。   Furthermore, if the electrocardiogram data has a long-cycle component, that is, a trend, the abnormal value determination principle collapses. Unless the abnormal value is accurately removed, the reliability of the subsequent HRV analysis (especially frequency domain analysis) is lowered. For this reason, conventionally, it is common to visually specify and remove abnormal heartbeats or to re-measure an electrocardiogram.

特に、ICUに入院している患者(以下、ICU患者という)は、持病のある患者が多く、また障害によって不整脈などの異常心拍が極めて多い。このため、ICU患者の心電図は、通常のHRV解析では、使えないことが多い。   In particular, many patients who are admitted to the ICU (hereinafter referred to as ICU patients) have many chronic illnesses, and abnormal heartbeats such as arrhythmia due to a disorder are extremely large. For this reason, electrocardiograms of ICU patients are often not usable in normal HRV analysis.

ところで、敗血症の診断は、現在、医師が主観的観測などにより、患者の発症を疑ってから、血液検査を行っている。そして、前記血液検査によって細菌が検出された場合、細菌を特定することによって、用いる抗生剤が決定されて、治療が開始される。   By the way, the diagnosis of sepsis is currently performed by a blood test after a doctor suspects the onset of a patient through subjective observation or the like. When bacteria are detected by the blood test, by specifying the bacteria, an antibiotic to be used is determined and treatment is started.

敗血症の治療では、敗血症を重症化させないために患者が敗血症を発症した後、1時間以内に抗生剤の投与が提唱されている。しかし、敗血症の診断は医師の主観によるところが大きいため、敗血症発症の発見が遅れがちになる問題がある。   In the treatment of sepsis, administration of antibiotics has been proposed within 1 hour after the patient has developed sepsis so as not to make the sepsis severe. However, since the diagnosis of sepsis is largely based on the subjectivity of doctors, there is a problem that the detection of sepsis tends to be delayed.

そこで、患者が敗血症を発症すると、自律神経に変調をきたし、HRV(心拍変動)が低下することが知られている(非特許文献9、非特許文献10)。しかし、現状では、リアルタイムに心電図からHRV(心拍変動)を特定できない問題が指摘されている。   Therefore, it is known that when a patient develops sepsis, the autonomic nerve is modulated and HRV (heart rate variability) is reduced (Non-patent Documents 9 and 10). However, at present, a problem has been pointed out that HRV (heart rate variability) cannot be specified from an electrocardiogram in real time.

その理由としては、ICU患者においては、上記のように不整脈などの異常心拍が極めて多いため、異常心拍の除去が困難であるからと推測される。   The reason is presumed that in ICU patients, abnormal heartbeats such as arrhythmia are extremely large as described above, and thus it is difficult to remove abnormal heartbeats.

早野順一郎,「循環器疾患と自律神経機能」,第2版,医学書院,2001,p.71-109,Junichiro Hayano, “Cardiovascular Diseases and Autonomic Nervous Function”, 2nd edition, Medical School, 2001, p.71-109, イー.オイダ,ティー.モリタニ,ワイ.ヤモリ,「トーン・エントロピー アナリシス オン カーディアック リカバリ アフター ダイナミック エクササイズ」,ジェイ.エイ・ピー・ピー・エル.ピー・エチ・アイ・エス・アイ・オー・エル.Vol.82,1997,p. 1794-1801(E. Oida, T.Moritani, and Y.Yamori,” Tone-entropy analysis on cardiac recovery after dynamic exercise”, J. Appl. Physiol., Vol. 82, 1997, p.1794-1801)E. Oida, Tee. Moritani, Wai. Gecko, “Tone Entropy Analysis on Cardiac Recovery After Dynamic Exercise”, Jay. A.P.P.L. P.E.I.S.I.O.L. Vol.82,1997, p. 1794-1801 (E. Oida, T.Moritani, and Y.Yamori, “Tone-entropy analysis on cardiac recovery after dynamic exercise”, J. Appl. Physiol., Vol. 82, 1997 , p.1794-1801) シー.ケー.ペン,エス.ハルビン,エイチ.イー.スタンレイ,エイ.エル.ゴールドベルガー.「クウォンティフィケーション オブ スケーリング エクスポーネンツ アンド クロスオーバー フェノミナ イズ ノンステェイショナリ ハートビート タイム シリーズ」,シー・エイチ・エイ・オー・エス,Vol. 5, No. 1,1995,p.82-87」(C.K. Peng, S. Havlin, H.E. Stanley, A.L. Goldberger,”Quantification of scaling exponents and crossover phenomena is nonstationary heartbeat time series”, Chaos, Vol. 5, No. 1,1995,p.82-87)Sea. K. Pen, S. Harbin, H. E. Stanley, A. El. Goldberger. “Quantification of Scaling Exposures and Crossover Phenomena is Non-Stationary Heartbeat Time Series”, Sea H.O.S., Vol. 5, No. 1,1995, p.82-87 (CK Peng, S. Havlin, HE Stanley, AL Goldberger, “Quantification of scaling exponents and crossover phenomena is nonstationary heartbeat time series”, Chaos, Vol. 5, No. 1,1995, p.82-87) ジェィ.ダブリュ.クーリー,アンド ジェイ,ターキー,「アン アルゴリズム フォー ザ マシン カリキュレーション オブ コンプレックス フーリエ シリーズ,マテマティクス オブ コンピュテーション」,Vol. 19,1965 ,p.297-301 (J.W. Cooley, and J.W. Turkey,”An Algorithm for the machine calculation of complex Fourier series, Mathematics of Computation, Vol. 19,1965 ,p.297-301 )Jai. W. Coolie, and J, Turkey, “An Algorithm for the Machine Calculation of Complex Fourier Series, Materialistics of Computation”, Vol. 19,1965, p.297-301 (JW Cooley, and JW Turkey, “An Algorithm for the machine calculation of complex Fourier series, Mathematics of Computation, Vol. 19,1965, p.297-301) エッチ.アカイケ,「パワー スペクトラム エステイメーション スルー オートリグレシッブ モデル フィッテイング」.エー・エヌ・エヌ アイ・エヌ・エス・インスト エス・ティ・エー・ティ・アイ・エス・ティ マス」,Vol. 21,1969, p.407-419(H. Akaike,” Power spectrum estimation through autoregressive model fitting, Ann Inst Statist Math”, Vol. 21,1969, p.407-419)Etch. Akaike, “Power Spectrum Estimate Through Auto Regressive Model Fitting”. "N.N.N.INST.ST.I.T.I.S.Timas", Vol. 21,1969, p.407-419 (H. Akaike, “Power spectrum estimation through autoregressive model fitting, Ann Inst Statist Math ”, Vol. 21,1969, p.407-419) エイ・マリアニ,エム.パガニ,エフ.ロムバルディ,アンド エス.セルッティ,「カーディオヴァスキュラ ニューラル レギュレーション エクスプロアード イン ザ フリークエンシー ドメイン」,サーキュレーション,Vol. 84, No. 2,1991, p.482-492(A. Malliani, M. Pagani, F. Lombardi, and S. Cerutti,” Cardiovascular Neural Regulation Explored in the Frequency Domain”, Circulation, Vol. 84, No. 2,1991, p.482-492)A. Mariani, M. Pagani, F. Lombardi, and S. Serutti, “Cardiovascular neural regulation Explore in the frequency domain”, Circulation, Vol. 84, No. 2,1991, p.482-492 (A. Malliani, M. Pagani, F. Lombardi, and S. Cerutti, “Cardiovascular Neural Regulation Explored in the Frequency Domain”, Circulation, Vol. 84, No. 2,1991, p.482-492) ピー.ブルームフィールド,「フーリエ アナリシス オブ タイム シリーズ アン イントロダクション」,ジョン ワイリー アンド サンズ,1976,p.118-150(P. Bloomfield,”Fourier Analysis of Time Series,An Introduction”,John Wiley & Sons,1976,p.118-150)Pee. Bloomfield, “Fourier Analysis of Time Series, Introduction”, John Wiley and Sons, 1976, p. 118-150 (P. Bloomfield, “Fourier Analysis of Time Series, An Introduction”, John Wiley & Sons, 1976, p. 118-150) エス.アクセルロッド,ディ.ゴードン,エフ.エー.ユーベル,ディ.シー.シャノン,エー.シー.バーガー,アンド アール.ジェイ.コーエン,「パワー スペクトラム アナリシス オブ ハート レート フラクチュエーション,ア クォンティタティブ プローブ オブ ビート・トゥー・ビート カーディオヴァスキュラ コントロール」,サイエンス, Vol. 213,1981, p.220-222(S. Akselrod, D. Gordon, F.A. Ubel, D.C. Shannon, A.C. Barger, and R.J. Cohen” Power Spectrum Analysis of Heart Rate Fluctuation: A Quantitative Probe of Beat-to-Beat Cardiovascular Control”, Science, Vol. 213,1981, p.220-222 )S. Axelrod, Di. Gordon, F. A. Ubel, Di. Sea. Shannon, A. Sea. Burger, and Earl. Jay. Cohen, “Power Spectrum Analysis of Heart Rate Fractionation, Accentive Probe of Beat to Beat Cardiovascular Control”, Science, Vol. 213,1981, p.220-222 (S. Akselrod, D. Gordon , FA Ubel, DC Shannon, AC Barger, and RJ Cohen ”Power Spectrum Analysis of Heart Rate Fluctuation: A Quantitative Probe of Beat-to-Beat Cardiovascular Control”, Science, Vol. 213, 1981, p.220-222) 森口武史,平澤博之,織田成人,立石義久,「Heart rate variability(HRV)解析によるseptic shock発症の予知に関する検討」,日本臨床,62巻,12号,2004,p.2285-2290Takeshi Moriguchi, Hiroyuki Hirasawa, Adult Oda, Yoshihisa Tateishi, “Study on the prediction of septic shock onset by heart rate variability (HRV) analysis”, Japanese Clinical, Vol. 62, No. 12, 2004, p. 2285-2290 タスク フォース オブ ザ ヨーロピアン ソサイエティ オブ カルディオロジ ザ ノース アメリカン ソサイエティ オブ ペーシング エレクトロフィジオロジイ: ハート レート ヴァリィァビリィティ; スタンダーズ オブ メジャーメント、フィジオロジカル インタープリテェィション,アンド クリニカル ユース,サーキュレーション,Vol. 93, No. 5,1966,p1043-1065(Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology: Heart Rate Variability, Standards of Measurement, Physiological Interpretation, and Clinical Use, Circulation, Vol. 93, 1966,No. 5, p1043-1065)Task Force of the European Society of Cardiology The North American Society of Pacing Electrophysiology: Heart Rate Variability; Standards of Measurement, Physiological Interpretation, and Clinical Youth, Circulation, Vol. 93 , No. 5,1966, p1043-1065 (Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology: Heart Rate Variability, Standards of Measurement, Physiological Interpretation, and Clinical Use, Circulation, Vol. 93, 1966, No. 5, p1043-1065)

本発明の第1の目的は、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV解析の結果として得られるHRV(心拍変動)の変化を、適切な診断に利用することができる心電図データ内の異常心拍及びトレンドの除去方法、及び自律神経モニタ装置を提供することにある。   The first object of the present invention is to automatically remove abnormal heartbeats and trends such as arrhythmia from a heartbeat interval data string obtained from an electrocardiogram, and to determine changes in HRV (heart rate variability) obtained as a result of HRV analysis. An object of the present invention is to provide a method for removing abnormal heartbeats and trends in electrocardiogram data and an autonomic nerve monitoring apparatus that can be used for appropriate diagnosis.

又、本発明の第2の目的は、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV解析の結果として得られるHRV(心拍変動)の変化を、敗血症発症の診断に利用できる敗血症発症警告装置を提供することにある。   The second object of the present invention is to automatically remove abnormal heartbeats and trends such as arrhythmia from the heartbeat interval data string obtained from the electrocardiogram, and to change the HRV (heart rate fluctuation) obtained as a result of the HRV analysis. Is to provide a sepsis onset warning device that can be used for diagnosis of the onset of sepsis.

上記目的を達成するために、請求項1に記載の発明は、心電図データ内に含まれる拍と拍の間隔を表すRR間隔の時系列データから異常心拍とトレンドを除去する際、除去後の確率密度分布が正規分布に近くなるように異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出することを特徴とする心電図データの異常心拍及びトレンドの除去方法を要旨としている。   In order to achieve the above object, the invention according to claim 1 is characterized in that, when an abnormal heartbeat and a trend are removed from time series data of RR intervals representing a beat-to-beat interval included in the electrocardiogram data, The gist is a method for removing abnormal heartbeats and trends from electrocardiogram data, wherein HRV (heartbeat fluctuation) data is calculated after removing abnormal heartbeats and trends so that the density distribution is close to a normal distribution.

請求項2の発明は、心電図データから、拍と拍の間隔を表すRR間隔の時系列データ(以下、RRI時系列xという)を取得する第1ステップと、f(t;θ)を前記心電図データの長周期の成分を表すトレンド関数とし、前記tを時刻とし、前記θを前記トレンド関数fのパラメータとし、qをRRI時系列xの正常又は異常をあらわすフラグとし、Q=(q,q,q,……q)をフラグ時系列としたとき、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、前記トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出する第2ステップを含むことを特徴とする心電図データの異常心拍及びトレンドの除去方法を要旨としている。 The invention of claim 2 is a first step of acquiring time series data of RR intervals (hereinafter referred to as RRI time series xn ) representing the interval between beats from electrocardiogram data, and f (t n ; θ). A trend function representing a long-cycle component of the electrocardiogram data, t as time, θ as a parameter of the trend function f, q n as a flag indicating normality or abnormality of the RRI time series x n , Q = When (q 1 , q 2 , q 3 ,... Q n ) is a flag time series, residual series x n −f (t n ; θ), n = 1, 2,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for a case where a flag indicating that n is normal is established is closest to the normal distribution. The gist of the method for removing abnormal heartbeats and trends from electrocardiogram data, comprising a second step of calculating HRV (heartbeat fluctuation) data after removing abnormal heartbeats and trends.

請求項3の発明は、請求項2において、前記第2ステップは、フラグ時系列Qを固定して、残差系列の平均誤差が最小となるトレンド関数を決定して前記残差系列を求めるAステップと、Aステップで求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定することにより、異常心拍を除去して、前記残差系列を更新するBステップを含むことを特徴とする。   According to a third aspect of the present invention, in the second aspect, in the second step, the flag time series Q is fixed, the trend function that minimizes the average error of the residual series is determined, and the residual series is obtained. And a step B for updating the residual series by removing the abnormal heartbeat by determining the flag time series Q so that the residual series obtained in the A step has the most normality. And

請求項4の発明は、請求項3において、前記第2ステップでは、前記Bステップにおいて決定したフラグ時系列Qが、前記Aステップで固定したフラグ時系列Qと異なって変化した場合には、Aステップに戻ってフラグ時系列Qを前記変化したフラグ時系列Qに更新してAステップの処理を行い、以後、Bステップにおいて決定するフラグ時系列Qが変化しない迄、前記AステップとBステップとを繰り返すことを特徴とする。   According to a fourth aspect of the present invention, in the third aspect, in the second step, when the flag time series Q determined in the B step changes differently from the flag time series Q fixed in the A step, A Returning to the step, the flag time series Q is updated to the changed flag time series Q and the process of the A step is performed. Thereafter, until the flag time series Q determined in the B step does not change, the A step and the B step It is characterized by repeating.

請求項5の発明は、請求項4において、前記Bステップでは、前記Aステップで求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定する際、残差系列に含まれる異常心拍に関して、異常心拍及び前記異常心拍に連続した心拍を含むように異常値らしさを算出し、前記異常値らしさによって異常値及び前記異常心拍に連続した心拍を除去することを特徴とする。   According to a fifth aspect of the present invention, in the step B, in the step B, when determining the flag time series Q so that the residual series obtained in the step A has the most normality, an abnormality included in the residual series With regard to the heartbeat, an abnormal value likelihood is calculated so as to include an abnormal heartbeat and a heartbeat continuous to the abnormal heartbeat, and the abnormal value and the heartbeat continuous to the abnormal heartbeat are removed based on the abnormal value likelihood.

請求項6の発明は、心電図データを取得する取得手段と、前記心電図データから拍と拍の間隔を表すRR間隔の時系列データ(以下、RRI時系列xという)を取得するRRI時系列取得手段と、f(t;θ)を前記心電図データの長周期の成分を表すトレンド関数とし、前記tを時刻とし、前記θを前記トレンド関数fのパラメータとし、qをRRI時系列xの正常又は異常をあらわすフラグとし、Q=(q,q,q,……q)をフラグ時系列としたとき、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、前記トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去して、HRV解析の解析に用いられるRRI時系列データを抽出する除去手段と、前記異常心拍とトレンドが除去されたRRI時系列データについてHRV(心拍変動)解析を行うHRV解析手段を含むことを特徴とする自律神経モニタ装置を要旨としている。 The invention of claim 6 is an acquisition means for acquiring electrocardiogram data, and RRI time-series acquisition for acquiring time-series data of RR intervals (hereinafter referred to as RRI time-series xn ) representing the interval between beats from the electrocardiogram data. Means, f (t n ; θ) is a trend function representing a component of a long period of the electrocardiogram data, t is time, θ is a parameter of the trend function f, and q n is an RRI time series x n Is a flag representing normality or abnormality of Q, and when Q = (q 1 , q 2 , q 3 ,... Q n ) is a flag time series, residual series x n −f (t n ; θ), n = 1, 2,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for a case where a flag indicating that n is normal is established is closest to the normal distribution. By removing the abnormal heart rate and the trend, the removing means for extracting the RRI time series data used for the analysis of the HRV analysis, and the HRV (heart rate fluctuation) for the RRI time series data from which the abnormal heart rate and the trend are removed. The gist of the present invention is an autonomic nerve monitor device including HRV analysis means for performing analysis.

請求項7の発明は、請求項6において、前記除去手段は、フラグ時系列Qを固定して、残差系列の平均誤差が最小となるトレンド関数を決定して前記残差系列を求める第1処理手段と、前記第1処理手段が求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定することにより、異常心拍を除去して、前記残差系列を更新する第2処理手段を含むことを特徴とする。   According to a seventh aspect of the present invention, in the sixth aspect, the removing means fixes the flag time series Q, determines a trend function that minimizes an average error of the residual series, and obtains the residual series. And a second process for removing the abnormal heartbeat and updating the residual series by determining a flag time series Q so that the residual series obtained by the first processing means has the most normality. Means.

請求項8の発明は、請求項7において、前記除去手段は、前記第2処理手段が決定したフラグ時系列Qが、前記第1処理手段で固定したフラグ時系列Qと異なって変化した場合には、前記第1処理手段に戻してフラグ時系列Qを前記変化したフラグ時系列Qに更新して第1処理手段の処理を行い、以後、第2処理手段において決定するフラグ時系列Qが変化しない迄、前記第1処理手段の処理と第2処理手段の処理とを繰り返すことを特徴する。   The invention according to claim 8 is the invention according to claim 7, wherein the removing means changes the flag time series Q determined by the second processing means different from the flag time series Q fixed by the first processing means. Returns to the first processing means, updates the flag time series Q to the changed flag time series Q and performs the processing of the first processing means, and thereafter the flag time series Q determined by the second processing means changes. The processing of the first processing means and the processing of the second processing means are repeated until not.

請求項9の発明は、請求項8において、前記第2処理手段では、前記第1処理手段が求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定する際、残差系列に含まれる異常心拍に関して、異常心拍及び前記異常心拍に連続した心拍を含むように異常値らしさを算出し、前記異常値らしさによって異常値及び前記異常心拍に連続した心拍を除去することを特徴とする。   According to a ninth aspect of the present invention, in the eighth aspect, in the second processing means, when determining the flag time series Q so that the residual series obtained by the first processing means has the most normality, the residual series And calculating an abnormal value likelihood so as to include an abnormal heartbeat and a heartbeat continuous to the abnormal heartbeat, and removing the abnormal value and the heartbeat continuous to the abnormal heartbeat according to the abnormal value likelihood. To do.

請求項10の発明は、請求項6乃至請求項9のいずれか1項に記載の自律神経モニタ装置が、敗血症発症警告装置であって、前記HRV解析手段の解析結果により、HRV(心拍変動)データの時系列において、最小値の検出を行う検出手段と、前記検出手段が、前記HRV(心拍変動)データの時系列において、最小値を検出した場合、敗血症の発症の虞があることを警告する警告手段を備えたことを特徴とする敗血症発症警告装置を要旨としている。   According to a tenth aspect of the present invention, the autonomic nerve monitoring device according to any one of the sixth to ninth aspects is a sepsis onset warning device, and an HRV (heart rate variability) is determined based on an analysis result of the HRV analysis means. Detection means for detecting the minimum value in the time series of data, and warning that there is a risk of developing sepsis if the detection means detects the minimum value in the time series of the HRV (heart rate variability) data The gist of the present invention is a sepsis onset warning device comprising a warning means.

本発明の方法によれば、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV(心拍変動)の変化を、適切な診断に利用することができる。   According to the method of the present invention, it is possible to automatically remove abnormal heartbeats and trends such as arrhythmia from a heartbeat interval data string obtained from an electrocardiogram, and to use a change in HRV (heart rate variability) for appropriate diagnosis. it can.

又、本発明の自律神経モニタ装置によれば、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV(心拍変動)の変化を、適切な診断に利用することができる自律神経モニタ装置を提供できる。   In addition, according to the autonomic nerve monitor apparatus of the present invention, abnormal heartbeats and trends such as arrhythmia are automatically removed from the heartbeat interval data string obtained from the electrocardiogram, and a change in HRV (heart rate variability) is appropriately diagnosed. It is possible to provide an autonomic nerve monitor device that can be used for the above.

又、本発明の敗血症発症警告装置によれば、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV(心拍変動)の変化を、敗血症の診断に利用できる敗血症発症警告装置を提供できる。   Further, according to the sepsis onset warning device of the present invention, abnormal heartbeats such as arrhythmia and trends are automatically removed from the heartbeat interval data string obtained from the electrocardiogram, and changes in HRV (heart rate variability) are diagnosed. It is possible to provide a sepsis onset warning device that can be used in the future.

心拍変動の説明図。Explanatory drawing of heart rate variability. (a)は、異常心拍を含む心拍変動の説明図、(b)は、トレンドと異常心拍が除去された心拍変動の説明図。(A) is an explanatory diagram of heart rate variability including an abnormal heart rate, (b) is an explanatory diagram of heart rate variability from which a trend and an abnormal heart rate have been removed. トレンド関数の説明図。Explanatory drawing of a trend function. 自律神経モニタ装置のブロック回路図。The block circuit diagram of an autonomic nerve monitor apparatus. 心電図データから、心拍変動データを取り出す場合のフローチャート。The flowchart in the case of taking out heart rate variability data from electrocardiogram data. (a)は、心電図波形記録計により検出された心拍の時系列データの図、(b)は(a)を用いて本発明により正常心拍として得たRRI(RR間隔)の時系列データの図、(c)は(b)よりトレンドを除去したRRI(RR間隔)の時系列データの図、(d)は(c)をHRV解析したパワースペクトルの図。(A) is a diagram of time-series data of heartbeats detected by an electrocardiogram waveform recorder, (b) is a diagram of time-series data of RRI (RR interval) obtained as a normal heartbeat according to the present invention using (a). (C) is a figure of time series data of RRI (RR interval) which removed a trend from (b), and (d) is a figure of a power spectrum which carried out HRV analysis of (c). (a)は、従来例の心電図波形記録計により検出された心拍の時系列データの図、(b)は(a)を用いた比較例のRRI(RR間隔)の時系列データの図、(c)は、MEAN±2σに入るものを正常心拍として得たRRI(RR間隔)の時系列データの図、(d)は(c)をHRV解析したパワースペクトルの図。(A) is a diagram of time-series data of heartbeats detected by a conventional electrocardiogram waveform recorder, (b) is a diagram of time-series data of RRI (RR interval) of a comparative example using (a), ( (c) is a time-series data diagram of RRI (RR interval) obtained as a normal heartbeat that falls within MEAN ± 2σ, and (d) is a power spectrum diagram obtained by HRV analysis of (c). 敗血症を発症した患者の敗血症性ショックが生じた事例1のHRV(心拍変動)の時間的変化を表す図。The figure showing the time change of HRV (heart rate variability) of case 1 in which septic shock of a patient who developed sepsis occurred. 敗血症を発症した患者の敗血症性ショックが生じた事例2のHRV(心拍変動)の時間的変化を表す図。The figure showing the time change of HRV (heart rate variability) of case 2 in which septic shock occurred in a patient who developed sepsis. 敗血症を発症した患者の敗血症性ショックが生じた事例3のHRV(心拍変動)の時間的変化を表す図。The figure showing the time change of HRV (heart rate variability) of case 3 in which septic shock occurred in a patient who developed sepsis. 敗血症を発症した患者の敗血症性ショックが生じた事例4のHRV(心拍変動)の時間的変化を表す図。The figure showing the time change of HRV (heart rate variability) of case 4 in which septic shock of a patient who developed sepsis occurred. 敗血症を発症した患者の敗血症性ショックが生じた事例5のHRV(心拍変動)の時間的変化を表す図。The figure showing the time change of HRV (heart rate variability) of case 5 in which septic shock of a patient who developed sepsis occurred.

以下、本発明を具体化した一実施形態の心電図データの異常心拍及びトレンドの除去方法、及び自律神経モニタ装置を図1〜図12を参照して説明する。
<構成>
図4は、自律神経モニタ装置の全体図を示している。
A method for removing abnormal heartbeats and trends from electrocardiogram data and an autonomic nerve monitoring apparatus according to an embodiment of the present invention will be described below with reference to FIGS.
<Configuration>
FIG. 4 shows an overall view of the autonomic nerve monitoring apparatus.

自律神経モニタ装置10は、図4に示すように、心電図波形記録計20と、心電図波形解析装置30とを備えている。心電図波形記録計20は、被験者に対して装着された図示しない電極及び図示しないA/D変換回路を介して心電図波形信号を取得するとともに、心電図波形信号を連続的に心電図波形解析装置30に出力する。心電図波形記録計20は、取得手段に相当する。心電図波形解析装置30は、CPU32、ROM34、RAM36、記憶装置からなるデータベース38を備えている。ROM34には、異常心拍、トレンド除去及びHRV解析処理プログラムが格納されている。RAM36は、CPU32が各種の処理を行うときの作業用メモリである。   As shown in FIG. 4, the autonomic nerve monitor device 10 includes an electrocardiogram waveform recorder 20 and an electrocardiogram waveform analyzer 30. The electrocardiogram waveform recorder 20 acquires an electrocardiogram waveform signal via an electrode (not shown) attached to the subject and an A / D conversion circuit (not shown), and continuously outputs the electrocardiogram waveform signal to the electrocardiogram waveform analyzer 30. To do. The electrocardiogram waveform recorder 20 corresponds to an acquisition unit. The electrocardiogram waveform analysis apparatus 30 includes a database 32 including a CPU 32, a ROM 34, a RAM 36, and a storage device. The ROM 34 stores an abnormal heartbeat, trend removal, and HRV analysis processing program. The RAM 36 is a working memory when the CPU 32 performs various processes.

CPU32は、RRI時系列取得手段、除去手段、HRV解析手段、第1処理手段、及び第2処理手段に相当する。
心電図波形解析装置30は、インターフェイス40を介して入力した前記心電図波形信号を前記異常心拍、トレンド除去及びHRV解析処理プログラムによる処理を行い、その処理結果をデータベース38に格納する。
The CPU 32 corresponds to RRI time series acquisition means, removal means, HRV analysis means, first processing means, and second processing means.
The electrocardiogram waveform analysis device 30 performs processing based on the abnormal heartbeat, trend removal, and HRV analysis processing program on the ECG waveform signal input via the interface 40 and stores the processing result in the database 38.

心電図波形解析装置30には、ディスプレイ42及び警告手段としての警告装置44が接続されている。ディスプレイ42は、液晶表示装置等からなる。警告装置44は、表示ランプ、又はブザーからなる。   A display 42 and a warning device 44 as warning means are connected to the electrocardiogram waveform analysis device 30. The display 42 is composed of a liquid crystal display device or the like. The warning device 44 includes a display lamp or a buzzer.

<作用>
次に、自律神経モニタ装置10の作用を、図5のフローチャートを参照して説明する。
心電図波形解析装置30のCPU32は、図5のS100において、異常心拍、トレンド除去及びHRV解析処理プログラムに従って心電図波形記録計20から所定時間毎に入力した心電図データ(ECG波形)から、波形のピーク検出を行い、Rポイントの検出及び心拍間隔(以下、RR間隔と略称する)を検出する。本実施形態では、前記所定時間は、1分間であるが、限定されるものではない。前記心電図データ(ECG波形)は心電図波形信号である。
<Action>
Next, the operation of the autonomic nerve monitor device 10 will be described with reference to the flowchart of FIG.
In S100 of FIG. 5, the CPU 32 of the electrocardiogram waveform analyzer 30 detects the peak of the waveform from the electrocardiogram data (ECG waveform) input from the electrocardiogram waveform recorder 20 every predetermined time according to the abnormal heartbeat, trend removal and HRV analysis processing program. To detect an R point and a heartbeat interval (hereinafter abbreviated as RR interval). In the present embodiment, the predetermined time is one minute, but is not limited. The electrocardiogram data (ECG waveform) is an electrocardiogram waveform signal.

すなわち、CPU32は、図5のS100において、心電図波形信号のR波の発症した時刻tを検出するとともに、RR間隔を算出することにより、拍と拍の間隔を表すRR間隔の時系列データ(RRI時系列x)を得る。RRI時系列xは、データベース38に格納される。このRRI時系列xを得るステップは、第1ステップに相当する。 That is, the CPU 32 detects the time t n when the R wave of the electrocardiogram waveform signal occurred in S100 of FIG. 5 and calculates the RR interval to thereby calculate time series data of the RR interval representing the beat-to-beat interval ( RRI time series x n ) is obtained. The RRI time series xn is stored in the database 38. The step of obtaining the RRI time series xn corresponds to the first step.

<心電図データ内の異常心拍及びトレンドの除去の原理>
ここで、異常心拍及びトレンドの除去の原理について説明する。
RRI時系列xは、時刻tでのRR間隔をxとする時系列である。本実施形態では、RRI時系列xが正常ならばq=1、異常ならばq=0とおき、これらのフラグをまとめて、フラグ時系列Q=(q,q,q,……q)とおく。なお、qがとる値は、RR間隔xが正常か、異常を区別できれば、他の値でもよく、0及び1に限定されるものではない。
<Principle of removal of abnormal heartbeat and trend in ECG data>
Here, the principle of removing abnormal heartbeats and trends will be described.
RRI time series x n is, the RR interval at time t n is the time series and x n. In the present embodiment, if the RRI time series x n is normal, q n = 1, and if it is abnormal, q n = 0, and these flags are combined, and the flag time series Q = (q 1 , q 2 , q 3 ,... Q n ). The value taken by q n may be other values as long as the RR interval x n is normal or can be distinguished, and is not limited to 0 and 1.

又、心電図データの長周期の成分を表すトレンドを表す関数(以下、トレンド関数という)は、そのパラメータをθとし、f(t;θ)と表す(図3参照)。
一般的に、HRV解析では、約0.04Hz以上の周波数成分を対象とするため、それ以下の周波数をトレンドと考えればよい。例えば、1分間毎に解析する場合、周波数0.04Hzは極小値が5程度出現することを意味する。5個の極値を持つ最低の多項式次数は6であることから、6次程度の多項式を用いればよい。
A function representing a trend representing a long-cycle component of the electrocardiogram data (hereinafter referred to as a trend function) is represented by f (t; θ) with the parameter θ (see FIG. 3).
In general, in the HRV analysis, frequency components of about 0.04 Hz or higher are targeted, and frequencies below that may be considered as trends. For example, when analyzing every minute, a frequency of 0.04 Hz means that a minimum value of about 5 appears. Since the lowest polynomial order having five extreme values is 6, a polynomial of about 6th order may be used.

ここで、純粋な現象の揺らぎは、正規分布に従っているので、自律神経由来の純粋な心拍ゆらぎ、すなわち、HRV(心拍変動)も正規分布に従っている。
すなわち、トレンド関数f(t;θ)と、正常心拍を表すフラグ時系列Qが正しければ、残差系列x−f(t;θ),n=1,2,...such that q=1は、正規分布に従う。
Here, since the fluctuation of a pure phenomenon follows a normal distribution, the pure heart rate fluctuation derived from autonomic nerves, that is, HRV (heart rate fluctuation) also follows the normal distribution.
That is, if the trend function f (t n ; θ) and the flag time series Q representing the normal heartbeat are correct, the residual series x n− f (t n ; θ), n = 1, 2,. . . such that q n = 1 follows a normal distribution.

すなわち、残差系列x−f(t;θ),n=1,2,...such that q=1の確率密度分布がもっとも正規分布に近くなるように、トレンド関数f(t;θ)と正常心拍を表すフラグ時系列Qを決定する。 That is, the residual series x n −f (t n ; θ), n = 1, 2,. . . The trend function f (t n ; θ) and the flag time series Q representing the normal heartbeat are determined so that the probability density distribution of such that q n = 1 is closest to the normal distribution.

図2(a)は、トレンド及び異常心拍を含むRRI時系列を示している。図2(b)は、トレンド及び異常心拍を除去したRRI時系列を示している。
これにより、得られる残差系列x−f(t;θ),n=1,2,...such that q=1がトレンドや異常心拍を除去した自律神経由来のRR間隔列となる。トレンドや異常心拍を除去した自律神経由来のRR間隔列は、好適にHRV解析に利用できることになる。
FIG. 2A shows an RRI time series including trends and abnormal heartbeats. FIG. 2B shows an RRI time series from which trends and abnormal heartbeats have been removed.
Thus, the obtained residual series x n −f (t n ; θ), n = 1, 2,. . . such that q n = 1 is an RR interval sequence derived from an autonomic nerve from which a trend or abnormal heartbeat has been removed. The RR interval sequence derived from the autonomic nerve from which the trend and abnormal heartbeat have been removed can be suitably used for HRV analysis.

ここで、標本列x,x,...xが正規分布に従っているらしさを表す正規性尺度の一例として、3,4次中心モーメントm,mを用いた下式(1)を使用する。なお、正規性尺度は、下記式(1)に限定するものではない。 Here, the sample sequences x 1 , x 2 ,. . . x N is an example of a normality measure of of Rashi which follow a normal distribution, using 3,4-order central moment m 3, m 4 the formula with (1). The normality scale is not limited to the following formula (1).

Figure 2012065713
これは、正規分布では、分散を1に規格化した際の3次中心モーメントmは0、4次中心モーメントmは3になり、それから離れるほど正規性が低いと判断されることを利用している。ここで、m/σは、歪度であり、分布の非対称性の度合いを示す。又、m/σは、尖度である。ただし、a,aはともに正の実数であり、3,4次中心モーメントm,mの重みを規定する。
Figure 2012065713
This is based on the fact that in the normal distribution, the third-order central moment m 3 when the variance is normalized to 1 is 0, and the fourth- order central moment m 4 is 3, and the normality is judged to be lower as the distance from the third is smaller. is doing. Here, m 3 / σ 3 is the skewness and indicates the degree of asymmetry of the distribution. M 4 / σ 4 is kurtosis. However, both a 3 and a 4 are positive real numbers, and define the weights of the third and fourth order central moments m 3 and m 4 .

具体的には、Q=(0,0,0,...,0),(0,0,0,...,1),,...,(1,1,1,...,1)のすべてについて、xとf(t;θ),n=1,2,...such that q=1にわたる平均誤差を最小にするようにθを決定し、残差系列x−f(t;θ)の正規性尺度g({x−f(t;θ)|n=1,...,N;q=1})を最大にするフラグ時系列Qを選択すればよい。しかし、この方法は2回の正規性評価が必要になるため、リアルタイムで解くことはできない。 Specifically, Q = (0,0,0, ..., 0), (0,0,0, ..., 1),. . . , (1, 1, 1,..., 1), x n and f (t n ; θ), n = 1, 2,. . . such that q n = 1 over to determine the theta to minimize the average error, residual sequence x n -f (t n; θ ) normalized measure g of ({x n -f (t n ; θ) | N = 1,..., N; q n = 1}) is maximized. However, since this method requires 2N regularity evaluations, it cannot be solved in real time.

このため、代替方法として下記の順序で行う。
(1) そこで、まず、Aステップとして、フラグ時系列Qを固定して、前記平均誤差が最小になるようにトレンド関数f(t;θ)を決定する。
For this reason, it carries out in the following order as an alternative method.
(1) Therefore, as the A step, first, the flag time series Q is fixed, and the trend function f (t n ; θ) is determined so that the average error is minimized.

(2) 次に、Bステップとしてトレンド関数f(t;θ)を固定して、残差系列が最も正規性をもつように、すなわち、正規性尺度gが最大になるようにQを決定する。以後、Qの変化がなくなるまで繰り返す。上記(1)、(2)の処理は第2ステップに相当する。 (2) Next, the trend function f (t n ; θ) is fixed as the B step, and Q is determined so that the residual series has the most normality, that is, the normality measure g is maximized. To do. Thereafter, the process is repeated until there is no change in Q. The processes (1) and (2) correspond to the second step.

<具体的処理>
本実施形態では、CPU32は、上記の原理に基づいて図5のS200では以下の処理を行う。
<Specific processing>
In the present embodiment, the CPU 32 performs the following processing in S200 of FIG. 5 based on the above principle.

(S200−1)
フラグ時系列Qの初期値としてQ=(1,1,1,...,1)を固定する。
(S200−2)
前記平均誤差が最小になるトレンド関数f(t;θ)を決定する。
(S200-1)
Q = (1, 1, 1,..., 1) is fixed as the initial value of the flag time series Q.
(S200-2)
A trend function f (t; θ) that minimizes the average error is determined.

(S200−3)
次に、トレンドを除去したRRI時系列y=x−f(t;θ)を求める。
RRI時系列yがもっとも正規性を持つように、下記の方法によりフラグ時系列Qを決定し、更新する。
(S200-3)
Next, RRI time series y k = x k −f (t k ; θ) from which the trend is removed is obtained .
The flag time series Q is determined and updated by the following method so that the RRI time series y k has the most normality.

<フラグ時系列Qの決定方法>
すべてのyを使って、異常値らしさz
<Determination method of flag time series Q>
Using all y k , the outlier probability z k

Figure 2012065713
を求める。
Figure 2012065713
Ask for.

ただし、wは重みを示す。重みwは、ある心拍が異常だとすると、その後に続く、1拍目、及び2拍目も異常心拍である確率が高い。例えば、k番目の心拍の異常値らしさは、誤差|y|が大きい場合は、もちろん、|yk−1|、|yk−2|が大きくても異常値らしさが高まる。その影響度は過去になるほど小さくなるので、過去nの重みをwとして、式(2)とすればよい。 However, w shows a weight. If a certain heart rate is abnormal, the weight w has a high probability that the subsequent first and second beats are also abnormal heart rates. For example, when the error | y k | is large, the abnormal value likelihood of the k-th heartbeat increases, even if | y k-1 | and | y k-2 | are large. Since the influence degree decrease with decreasing past, the weight of the past n as w n, may be a formula (2).

本実施形態では、w=1,w=0.5,w=0.2,w=w=...=0などとする。なお、wは、異常心拍の重みの数値である。w及びwは、異常心拍に続く1拍目、2拍目の重みの数値である。このように異常心拍の重みを他の心拍よりも大きくするとともに、異常心拍に続く1拍目、2拍目の重みは、徐々に小さくなるように設定されている。なお、w=1,w=0.5,w=0.2の値は例示であり、他の正の数値を使用してもよい。又、上記式(2)の代わりに、zは、関数z=h(y,yk−1,yk−2,...)のように、さらに複雑な関数としてもよい。 In this embodiment, w 0 = 1, w 1 = 0.5, w 2 = 0.2, w 3 = w 4 =. . . = 0. W 0 is a numerical value of the weight of the abnormal heartbeat. w 1 and w 2 are numerical values of the weights of the first and second beats following the abnormal heartbeat. In this way, the weight of the abnormal heartbeat is set larger than the other heartbeats, and the weights of the first and second beats following the abnormal heartbeat are set to be gradually reduced. Note that the values of w 0 = 1, w 1 = 0.5, and w 2 = 0.2 are examples, and other positive numerical values may be used. Further, instead of the above equation (2), z k may be a more complicated function such as the function z k = h (y k , y k−1 , y k−2 ,...).

次に、zの大きい順に異常値と見なしてゆき、この異常値を除去した残りの系列の正規性尺度gを評価してゆく。そして、正規性尺度gを最大にした標本の組をQとする。
(S200−4)
ここで、取得したQが、前記固定したQと異なる場合、すなわち、Qに変化があれば、S200−2へ戻る。前記Qの変化は、繰り返す前の処理で取得されたQと、今回の処理で得られたQとの比較により判断される。Qに変化がなければ、S200−4の処理を終了する。
Next, the values are regarded as abnormal values in descending order of z k , and the normality scale g of the remaining series from which these abnormal values are removed is evaluated. Then, let Q be the set of samples that maximizes the normality measure g.
(S200-4)
If the acquired Q is different from the fixed Q, that is, if there is a change in Q, the process returns to S200-2. The change in Q is determined by comparing the Q acquired in the process before the repetition with the Q obtained in the current process. If there is no change in Q, the process of S200-4 is terminated.

CPU32は上記のS200−1〜S200−4の処理を行うことにより、心電図波形記録計20から入力したRRI時系列からトレンド及び異常心拍を除去する。
次に、CPU32は、図5のS300に示すようにトレンド及び異常心拍を除去したRRI時系列に対してHRV解析を行う。HRV(心拍変動)の解析法は、非特許文献1乃至非特許文献7に記載している公知の方法で行う。
The CPU 32 removes the trend and abnormal heartbeat from the RRI time series input from the electrocardiogram waveform recorder 20 by performing the processes of S200-1 to S200-4.
Next, as shown in S300 of FIG. 5, the CPU 32 performs HRV analysis on the RRI time series from which the trend and abnormal heartbeat are removed. The analysis method of HRV (heart rate variability) is performed by a known method described in Non-Patent Document 1 to Non-Patent Document 7.

実際に自律神経モニタ装置10により、異常心拍及びトレンドを除去した実例を図6に示す。図6(a)は、被験者の心電図と検出された心拍の時系列データの図である。図6(b)は、図6(a)の心電図データに基づいて、得られたRRI(RR間隔)の時系列データの図である。図6(b)において、実線の曲線はトレンドを表している。又、図6(b)において、黒丸は、正常心拍を表し、白丸は、異常心拍を表している。図6(c)は、図6(b)の時系列データから、トレンド及び異常心拍を除いた後のRRI(RR間隔)の時系列データの図である。図6(d)には、図6(c)に示すトレンド及び異常心拍を除いた後のRRI時系列に対して、HRV解析としてのスペクトル解析が行われて、得られたパワースペクトルが示されている。   An actual example in which abnormal heartbeats and trends are actually removed by the autonomic nerve monitor device 10 is shown in FIG. FIG. 6A is a diagram of time series data of the subject's electrocardiogram and the detected heartbeat. FIG. 6B is a diagram of time series data of RRI (RR interval) obtained based on the electrocardiogram data of FIG. In FIG. 6B, the solid curve represents the trend. In FIG. 6B, a black circle represents a normal heartbeat, and a white circle represents an abnormal heartbeat. FIG. 6C is a diagram of time series data of RRI (RR interval) after the trend and abnormal heartbeat are removed from the time series data of FIG. 6B. FIG. 6 (d) shows the power spectrum obtained by performing spectrum analysis as HRV analysis on the RRI time series after removing the trend and abnormal heartbeat shown in FIG. 6 (c). ing.

一方、図7(a)の心拍の時系列データを使用して、異常心拍及びトレンドを除去した比較例を図7(b)〜図7(d)に示す。なお、図7(a)は、図6(a)と同じ時系列データであり、比較のために同じ心電図を使用している。   On the other hand, comparative examples in which abnormal heartbeats and trends are removed using the time series data of heartbeats in FIG. 7A are shown in FIGS. 7B to 7D. FIG. 7A shows the same time series data as FIG. 6A, and the same electrocardiogram is used for comparison.

図7(b)は、図7(a)の時系列データを用いて背景技術の欄で説明した従来技術1の方法で推定されたRRI(RR間隔)の時系列データの図である。図7(c)は、従来技術2の方法、すなわち、2σルールにより異常心拍を特定し、異常心拍を除去したRRI(RR間隔)の時系列データの図である。図7(c)において、白丸は異常心拍として特定された心拍である。又、図7(c)において、黒丸は、正常心拍として特定された心拍である。比較例の図7(c)では、トレンドが除去されておらず、又、平均±2σ内にあるため、異常値と思われるものが除去されていない心拍が存在する。図7(d)には、図7(c)に示すトレンド及び異常心拍を除いた後のRRI時系列に対して、HRV解析としてのスペクトル解析が行われて、得られたパワースペクトルが示されている。   FIG. 7B is a diagram of time series data of RRI (RR interval) estimated by the method of the prior art 1 described in the background art section using the time series data of FIG. 7A. FIG. 7C is a diagram of time series data of RRI (RR interval) in which abnormal heartbeats are identified and abnormal heartbeats are removed by the method of the prior art 2, that is, the 2σ rule. In FIG.7 (c), a white circle is a heartbeat specified as an abnormal heartbeat. In FIG. 7C, a black circle is a heartbeat specified as a normal heartbeat. In FIG. 7C of the comparative example, the trend is not removed, and since it is within the average ± 2σ, there is a heartbeat from which an abnormal value is not removed. FIG. 7D shows a power spectrum obtained by performing spectrum analysis as HRV analysis on the RRI time series after removing the trend and abnormal heart rate shown in FIG. 7C. ing.

図7(d)では、図6(d)の実施例と異なり、HRV(心拍変動)が過大に推定されているとともに、図6(d)では観測できたピークが確認できなかった。この結果、本方法、本装置によれば、HRV解析として、スペクトル解析が行われる場合、スペクトル解析の精度が向上できる。   In FIG. 7 (d), unlike the example of FIG. 6 (d), HRV (heart rate variability) was overestimated, and the peak observed in FIG. 6 (d) could not be confirmed. As a result, according to this method and this apparatus, when spectrum analysis is performed as HRV analysis, the accuracy of spectrum analysis can be improved.

<敗血症発症警告装置の説明>
ここで、敗血症について説明する。敗血症は、血液に細菌が感染して引き起こされる全身性炎症反応症候群である。敗血症は重症化すると、臓器機能障害、臓器循環低下、血圧低下を引き起こす。さらに、重症化すると、敗血症性ショックを経て、肺、腎臓、心臓、肝臓などの重要臓器が機能不全となり、40〜60%は30日以内に死亡する。特に、集中治療室(Intesive Care Unit;ICU)では、点滴、レスピレータをはじめとする様々なドレイン、カテーテル、センサが患者の体内に挿入されているため、感染のリスクが高い。
<Explanation of sepsis onset warning device>
Here, sepsis will be described. Sepsis is a systemic inflammatory response syndrome caused by bacterial infection of the blood. When sepsis becomes severe, it causes organ dysfunction, decreased organ circulation, and decreased blood pressure. Furthermore, when it becomes severe, important organs such as lung, kidney, heart, and liver become dysfunctional after septic shock, and 40 to 60% die within 30 days. In particular, in the Intensive Care Unit (ICU), since various drains, catheters, and sensors including infusions and respirators are inserted into the patient's body, there is a high risk of infection.

敗血症を発症すると、患者の血液中にサイトカインが増えることから、サイトカインを常時、又は定期的にモニタリングすることにより敗血症の発症を検知することが行われている。なお、サイトカインは、免疫システムの細胞から分泌されるタンパク質で、特に、免疫、炎症に関係したものが多い。しかし、サイトカインの常時モニタは、新たな感染源になりうるため、好ましくない。又、定期モニタは手間が掛かりすぎる問題がある。さらに、サイトカイン検出には、コストと時間がかかる問題がある。   When sepsis develops, cytokines increase in the blood of the patient. Therefore, the onset of sepsis is detected by monitoring cytokines constantly or periodically. Cytokines are proteins secreted from cells of the immune system, and in particular, many are related to immunity and inflammation. However, constant monitoring of cytokines is not preferred because it can be a new source of infection. Moreover, there is a problem that the regular monitor takes too much time. Furthermore, cytokine detection has the problem of cost and time.

そこで、前記実施形態の自律神経モニタ装置10を使用して、ICU患者の心電図データを取得し、図5のS100〜S300の処理を実行して、HRV(心拍変動)の解析試験を行った。図8〜図12は、各患者の敗血症の発症例のHRV(心拍変動)のチャートである。   Therefore, the electrocardiogram data of the ICU patient was acquired using the autonomic nerve monitor device 10 of the above embodiment, and the processing of S100 to S300 in FIG. 5 was executed to perform an analysis test of HRV (heart rate variability). 8 to 12 are HRV (heart rate variability) charts of cases of sepsis in each patient.

なお、敗血症の発症例については、岐阜大学医学部附属病院高次救命治療センターに入院している患者の同意を得て行われた。又、岐阜大学大学院医学系研究科医学研究等倫理委員会の承認の下で行われた。ICU入院時から患者に装着される生体情報モニタ(フィリップス製MP70)から収集されるバイタルデータ(心電図データ)のうち,第2誘導で計測された心電図606日分を使用した。計測サンプリング周波数は、500Hzである。   In addition, about the onset of sepsis, it was performed with the consent of the patient admitted to the Gifu University School of Medicine hospital advanced lifesaving treatment center. It was also conducted with the approval of the Ethics Committee for Medical Research, Gifu University Graduate School of Medicine. Of vital data (electrocardiogram data) collected from a biological information monitor (Philips MP70) attached to a patient from the time of admission to the ICU, the electrocardiogram 606 days measured by the second lead was used. The measurement sampling frequency is 500 Hz.

又、図5のS300で行われたHRV解析は、1分間のRRI時系列に対し、等間隔に再サンプリングした後、ARモデル(自己回帰モデル)によるパワースペクトルを推定し、LF成分とHF成分の範囲、つまり周波数0.04Hzから0.4Hzを積分したものをHRV(心拍変動)の推定値とした。   In the HRV analysis performed in S300 of FIG. 5, the RRI time series for 1 minute is resampled at equal intervals, then the power spectrum by the AR model (autoregressive model) is estimated, and the LF component and the HF component are estimated. , That is, a value obtained by integrating a frequency of 0.04 Hz to 0.4 Hz was used as an estimated value of HRV (heart rate fluctuation).

図8に示す例は、患者イ(男性、65歳、病名:火傷)について、ICU入院時から9日後までのHRV(心拍変動)を解析した結果が示されている。同図において、横軸は、入院時からの経過日数(時間)、縦軸は、解析結果のHRV(心拍変動)である。患者イは、4日目の23時頃、極端に尿量が減少し、5日目14時頃血圧急上昇により敗血症発症が疑われ治療が開始された、しかし,HRV(心拍変動)は、先んじること4日目15時頃には減少し始め、5日目4時頃から上昇に転じる下に凸のパターン(以下、V字パターンという)が認められた。このV字パターンが現れる前には、最小値となるHRV(心拍変動)は観測されていない。なお、これらの時刻には、HRV(心拍変動)に影響を与えるような医療処置は行われていない。以下の例においても、V字パターンが認められる以前において、HRV(心拍変動)に影響を与えるような医療処置は行われていない。   The example shown in FIG. 8 shows the result of analyzing HRV (heart rate variability) from the time of ICU admission to 9 days after patient I (male, 65 years old, disease name: burn). In the figure, the horizontal axis represents the number of days (hours) elapsed since admission, and the vertical axis represents the HRV (heart rate variability) of the analysis result. Patient A had an extremely decreased urine volume around 23:00 on the 4th day, and treatment was suspected due to a sudden rise in blood pressure around 14:00 on the 5th day. However, HRV (heart rate variability) was first It started to decrease around 15:00 on the 4th day, and a downwardly convex pattern (hereinafter referred to as a V-shaped pattern) that started to increase around 4 o'clock on the 5th day was recognized. Before this V-shaped pattern appears, the minimum value of HRV (heart rate fluctuation) is not observed. At these times, no medical procedure that affects HRV (heart rate variability) is performed. Also in the following example, before the V-shaped pattern is recognized, no medical treatment that affects HRV (heart rate variability) is performed.

図9に示す例は、患者ロ(男性、67歳、病名:洞性徐脈)について、入院から死亡するまでのHRV推移を示している。この患者ロは、4日目18時頃に脈拍呼吸数の上昇が確認されている。5日目14時のX線検査から患者ロは、肺炎による敗血症性ショックと診断された。この例では、患者ロの栄養状態が悪く、入院当初から、衰弱していたこともあり、敗血症性ショック発症前のV字パターンだけでなく、死亡直前にも同様な特徴が現れた。前記敗血症性ショック発症前のV字パターンが現れる前には、最小値となるHRV(心拍変動)は観測されていない。   The example shown in FIG. 9 shows the HRV transition from hospitalization to death for patient B (male, 67 years old, disease name: sinus bradycardia). In this patient B, an increase in the pulse respiration rate was confirmed around 18:00 on the fourth day. From the X-ray examination at 14:00 on day 5, patient B was diagnosed with septic shock due to pneumonia. In this example, the nutritional status of the patient B was poor and had weakened from the beginning of hospitalization, and similar characteristics appeared not only in the V-shaped pattern before the onset of septic shock but also immediately before death. Before the V-shaped pattern before the onset of septic shock appears, the minimum value of HRV (heart rate variability) is not observed.

図10に示す例は、患者ハ(男性、65歳、病名:動脈瘤破裂)について、ICU入院時から9日後までのHRV(心拍変動)を解析した結果が示されている。図10に示す例においても、敗血症発症前にHRV(心拍変動)の最小値を有するV字パターンが現れた。   The example shown in FIG. 10 shows the result of analyzing HRV (heart rate variability) from the time of admission to the ICU to 9 days after the patient C (male, 65 years old, disease name: ruptured aneurysm). Also in the example shown in FIG. 10, a V-shaped pattern having a minimum value of HRV (heart rate variability) appeared before the onset of sepsis.

図11に示す例は、前記患者ハについて、ICU入院の20日目から29日目までのHRV(心拍変動)を解析した結果が示されている。図11においても、敗血症性ショックが現れた25日昼よりも以前の23日の午後にHRV(心拍変動)の最小値を有するV字パターンが現れた。   The example shown in FIG. 11 shows the result of analyzing HRV (heart rate variability) from the 20th day to the 29th day of ICU admission for the patient c. In FIG. 11 as well, a V-shaped pattern having a minimum value of HRV (heart rate variability) appeared in the afternoon of 23rd before the day of 25th when septic shock appeared.

図12に示す例は、患者ニ(男性、23歳、病名:火傷)について、ICU入院の8日目から18日目までのHRV(心拍変動)を解析した結果が示されている。図12においても、敗血症性ショックが現れた14日目の深夜よりも以前の13日目の午後にHRV(心拍変動)の最小値を有するV字パターンが現れた。   The example shown in FIG. 12 shows the result of analyzing the HRV (heart rate variability) from the 8th day to the 18th day of ICU admission for the patient D (male, 23 years old, disease name: burn). Also in FIG. 12, a V-shaped pattern having a minimum value of HRV (heart rate variability) appeared in the afternoon of the 13th day before midnight on the 14th day when the septic shock appeared.

上記のように、こうしたHRV(心拍変動)のV字パターンが敗血症性ショックに至るまでの一つの時間経過であると推測される。こうした敗血症性ショックに至る前において、HRV(心拍変動)にV字パターンが現れることは本試験により初めて観察されたものである。   As described above, it is presumed that this HRV (heart rate variability) V-shaped pattern is one time course until septic shock. Before reaching such septic shock, the appearance of a V-shaped pattern in HRV (heart rate variability) was first observed in this study.

上記のように、前記生体情報モニタの心電図から、RRI時系列を推定し、S200により異常心拍とトレンドが除去されたRRI時系列が求められた。その後、HRV解析を行った。前述のように敗血症発症患者4名に適用した結果、4名の5例に敗血症性ショックを発症する直前にHRV(心拍変動)のV字パターンの特徴が示されたことが知見された。すなわち、HRV(心拍変動)が徐々に減少してゆき、HRV(心拍変動)がこれまでの最小値を達成した後、HRV(心拍変動)が上昇に転じた場合、最小値を観測後、1〜3日のオーダで、敗血症性ショックを引き起こすことが知見された。   As described above, the RRI time series was estimated from the electrocardiogram of the biological information monitor, and the RRI time series from which the abnormal heartbeat and the trend were removed by S200 was obtained. Thereafter, HRV analysis was performed. As described above, as a result of application to 4 patients with septicemia, it was found that the characteristics of the V-shaped pattern of HRV (heart rate variability) were shown in 5 of 4 patients immediately before the onset of septic shock. That is, when HRV (heart rate variability) gradually decreases and HRV (heart rate variability) reaches the minimum value so far, and HRV (heart rate variability) starts to rise, after observing the minimum value, 1 It was found to cause septic shock on the order of ~ 3 days.

ここで、V字パターンのHRV(心拍変動)低下についての原因は、副腎皮質刺激ホルモン(ACTH)が下垂体から十分に分泌されていないか、または、副腎皮質ホルモンが産出できないために、副腎皮質刺激ホルモンの伝達が正常に行われず、本来の役割を満たしていないことが考えられる。一方、HRV(心拍変動)低下から上昇へ転化した原因については現時点では明らかにできていない。   Here, the cause of the HRV (heart rate variability) reduction of the V-shaped pattern is that the corticotropin (ACTH) is not secreted sufficiently from the pituitary gland, or the corticosteroid cannot be produced, and thus the adrenal cortex is not produced. It is possible that the stimulation hormone is not transmitted normally and does not fulfill its original role. On the other hand, the cause of the change from HRV (heart rate variability) decrease to increase has not been clarified at the present time.

<敗血症発症警告装置>
上記の自律神経モニタ装置10を敗血症発症警告装置として使用する場合を説明する。本実施形態は、上記の知見からなされたものである。
<Sepsis warning device>
A case where the autonomic nerve monitor device 10 is used as a sepsis onset warning device will be described. The present embodiment has been made based on the above findings.

この場合、敗血症発症警告プログラムがROM34に格納されている。敗血症発症警告プログラムは、前記異常心拍、トレンド除去及びHRV解析処理プログラムで説明した各種処理(S100〜S300)の後に、敗血症発症警告処理が行われる。   In this case, a sepsis onset warning program is stored in the ROM 34. In the sepsis onset warning program, the sepsis onset warning process is performed after the various processes (S100 to S300) described in the abnormal heartbeat, trend removal and HRV analysis processing program.

本実施形態ではCPU32のHRV解析は、周波数軸でのHRV解析が行われる。また、時間軸でのHRV解析でも上記と同様の結果が得られている。なお、HRV解析は、周波数軸、若しくは時間軸でのHRV解析に限定されるものではなく、他のHRV解析で行っても良い。   In the present embodiment, the HRV analysis of the CPU 32 is performed on the frequency axis. Also, the same result as above is obtained in the HRV analysis on the time axis. The HRV analysis is not limited to the HRV analysis on the frequency axis or the time axis, and may be performed by other HRV analysis.

CPU32は、敗血症発症警告処理では、前記HRV解析で得られたその時々のHRV(心拍変動)の変化を検出する。具体的には、HRV(心拍変動)の1次微分がゼロで、かつ2次微分が正であるかを判定する。CPU32は、HRV(心拍変動)の1次微分がゼロで、かつ2次微分が正である場合には、当該HRV(心拍変動)が極小値であるとして、判定した時刻に関連づけて極小値として、データベース38に格納する。続いて、CPU32は、データベース38に格納された前記極小値が、以前の処理において格納されていた直近の極小値と比較する。ここで直近とは、経験値の値でよいが、数時間以内が好ましい。この比較で、今回の極小値が今までの極小値の最小値であると判定して、CPU32は、警告装置44を警告制御する。すなわち、警告装置44が表示ランプであれば、表示ランプを点灯、又は点滅させて、患者に敗血症性ショックの発症の虞があることを警告する。又、警告装置44がブザーであれば、鳴動させて、患者に敗血症性ショックの発症の虞があることを警告する。   In the sepsis onset warning process, the CPU 32 detects a change in HRV (heart rate variability) obtained from the HRV analysis. Specifically, it is determined whether the first derivative of HRV (heart rate variability) is zero and the second derivative is positive. When the first derivative of HRV (heart rate variability) is zero and the second derivative is positive, the CPU 32 determines that the HRV (heart rate variability) is a minimum value and associates it with the determined time as a minimum value. And stored in the database 38. Subsequently, the CPU 32 compares the minimum value stored in the database 38 with the latest minimum value stored in the previous process. Here, the most recent value may be an empirical value, but is preferably within several hours. In this comparison, the CPU 32 determines that the current minimum value is the minimum value of the local minimum values so far, and the CPU 32 performs warning control on the warning device 44. That is, if the warning device 44 is a display lamp, the display lamp is turned on or blinked to warn the patient that there is a risk of developing septic shock. Also, if the warning device 44 is a buzzer, it is sounded to warn the patient that there is a risk of developing septic shock.

本実施形態では、CPU32は、RRI時系列取得手段、除去手段、HRV解析手段、第1処理手段、第2処理手段及び検出手段に相当する。
上記のように構成された敗血症発症警告装置は、先の図8〜図12の例に当てはめた場合、図8〜図12において、それぞれP1〜P13の時点で警告を発することができる。この場合、図8〜図12の各例において、P2,P5,P7,P10,P13の時点で、すなわち、敗血症性ショックが生ずる少なくとも半日前において、敗血症性ショックが生ずる事前警告を行うことができる。このため、敗血症性ショックが生ずる前に患者に敗血症に対する医療処置が行うことができる。
In the present embodiment, the CPU 32 corresponds to RRI time series acquisition means, removal means, HRV analysis means, first processing means, second processing means, and detection means.
The sepsis onset warning device configured as described above can issue warnings at times P1 to P13 in FIGS. 8 to 12, respectively, when applied to the examples of FIGS. In this case, in each of the examples of FIGS. 8 to 12, it is possible to give a prior warning that septic shock will occur at the time of P2, P5, P7, P10, P13, that is, at least half a day before the occurrence of septic shock. . Thus, the patient can be treated for sepsis before septic shock occurs.

本実施形態によって発揮される効果について、以下に記載する。
(1) 本実施形態の心電図データの異常心拍及びトレンドの除去方法では、心電図データ内に含まれる拍と拍の間隔を表すRR間隔の時系列データからトレンドを除去する際、除去後の確率密度分布が正規分布に近くなるように異常心拍とトレンドを除去した後、HRV(心拍変動)を算出する。この結果、心電図から得られる心拍間隔データ列から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV解析の結果として得られる心拍変動の変化を、適切な診断に利用することができる。
The effects exhibited by this embodiment will be described below.
(1) In the method for removing abnormal heartbeats and trends from electrocardiogram data according to the present embodiment, when removing a trend from time series data of RR intervals representing intervals between beats included in the electrocardiogram data, the probability density after removal After removing the abnormal heart rate and trend so that the distribution is close to the normal distribution, HRV (heart rate fluctuation) is calculated. As a result, abnormal heartbeats such as arrhythmia and trends are automatically removed from the heartbeat interval data string obtained from the electrocardiogram, and changes in heartbeat variability obtained as a result of HRV analysis can be used for appropriate diagnosis. .

(2) 本実施形態の心電図データの異常心拍及びトレンドの除去方法では、第1ステップとして心電図データから、拍と拍の間隔を表すRR間隔の時系列データ(以下、RRI時系列xという)を取得する。又、第2ステップとして、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出する。この結果、上記(1)の効果を容易に実現できる。 (2) In the method for removing abnormal heartbeats and trends from the electrocardiogram data according to the present embodiment, as a first step, time series data of RR intervals (hereinafter referred to as RRI time series xn ) representing the interval between beats from the electrocardiogram data. To get. As a second step, the residual series x n −f (t n ; θ), n = 1, 2,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for the case where the flag indicating that q n is normal is established is closest to the normal distribution. Thus, after removing the abnormal heart rate and trend, HRV (heart rate fluctuation) data is calculated. As a result, the effect (1) can be easily realized.

(3) 本実施形態の自律神経モニタ装置は、心電図データを取得する心電図波形記録計20(取得手段)を備える。そして、心電図波形解析装置30のCPU32は、RRI時系列取得手段として、心電図データからRRI時系列xを取得する。又、CPU32は、除去手段として、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、前記トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出する。又、CPU32は、HRV解析手段として、異常心拍とトレンドが除去されたRRI時系列データのHRV解析を行う。 (3) The autonomic nerve monitor apparatus of this embodiment includes an electrocardiogram waveform recorder 20 (acquisition means) that acquires electrocardiogram data. Then, the CPU 32 of the electrocardiogram waveform analyzer 30 acquires RRI time series xn from the electrocardiogram data as RRI time series acquisition means. Further, the CPU 32 uses residual series x n −f (t n ; θ), n = 1, 2,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for a case where a flag indicating that n is normal is established is closest to the normal distribution. Thus, after removing the abnormal heart rate and trend, HRV (heart rate fluctuation) data is calculated. Further, the CPU 32 performs HRV analysis of RRI time series data from which abnormal heartbeats and trends have been removed as HRV analysis means.

この結果、心電図から得られる情報から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV解析の結果として得られるHRV(心拍変動)の変化を、適切な診断に利用することができる自律神経モニタ装置を提供できる。   As a result, abnormal heartbeats such as arrhythmia and trends are automatically removed from information obtained from the electrocardiogram, and changes in HRV (heart rate variability) obtained as a result of HRV analysis can be used for appropriate diagnosis. An autonomic nerve monitor device can be provided.

(4) 本実施形態の敗血症発症警告装置は、CPU32は検出手段として、HRV解析結果により、HRV(心拍変動)データの時系列において、最小値の検出を行う。そして、敗血症発症警告装置は、警告装置44を警告手段として、CPU32が、HRV(心拍変動)データの時系列において、最小値を検出した場合、敗血症の発症の虞があることを警告する。この結果、心電図から得られる情報から、不整脈などの異常心拍、トレンドを自動的に除去して、HRV解析の結果として得られるHRV(心拍変動)の変化を、敗血症発症の診断に利用できる。   (4) In the sepsis onset warning device of the present embodiment, the CPU 32 detects a minimum value in the time series of HRV (heart rate variability) data based on the HRV analysis result as a detection means. The sepsis onset warning device uses the warning device 44 as a warning means, and warns that there is a risk of developing sepsis when the CPU 32 detects a minimum value in the time series of HRV (heart rate variability) data. As a result, abnormal heartbeats and trends such as arrhythmia are automatically removed from information obtained from the electrocardiogram, and changes in HRV (heart rate variability) obtained as a result of HRV analysis can be used for diagnosis of the onset of sepsis.

なお、前記実施形態を次のように変更して構成することもできる。
・ 前記実施形態では、自律神経モニタ装置を敗血症発症警告装置として機能するように構成したが、敗血症発症警告装置としてではなく、単に自律神経モニタ装置として使用することもできる。この場合、前記実施形態において、CPU32がHRV解析の処理迄を行う構成とすることにより実現できる。
In addition, the said embodiment can also be changed and comprised as follows.
In the above-described embodiment, the autonomic nerve monitor device is configured to function as a sepsis onset warning device. However, the autonomic nerve monitor device can be used not only as a sepsis onset warning device but also as an autonomic nerve monitor device. In this case, in the above-described embodiment, this can be realized by adopting a configuration in which the CPU 32 performs processing up to HRV analysis.

・ 正規性尺度は前記実施形態では、式(1)を採用したが、最尤推定値に対する対数尤度   In the above embodiment, the normality measure employs equation (1), but the log likelihood for the maximum likelihood estimate

Figure 2012065713
を使用してもよい、又、他の正規性尺度として、正規性の検定法を利用してもよい。
Figure 2012065713
May be used, and a normality test may be used as another normality measure.

・ 警告手段は、点灯ランプ、ブザーに限定するものではなく、警告発信機であってもよい。この場合、警告発信機がCPU32の制御により警告信号を無線又は有線を介して発信すると、ナースステーションに設けられた有線又は無線受信機、或いは、医師がもつ携帯無線受信機が受信する。この場合、前記警告信号を受信した受信機等は、前記警告信号に基づいて敗血症性ショックの発症の虞があることを報知する。   The warning means is not limited to a lighting lamp or a buzzer, but may be a warning transmitter. In this case, when the warning transmitter transmits a warning signal via wireless or wired control under the control of the CPU 32, the wired or wireless receiver provided in the nurse station or the portable wireless receiver held by the doctor receives it. In this case, a receiver or the like that has received the warning signal notifies that there is a risk of developing septic shock based on the warning signal.

10…自律神経モニタ装置、20…心電図波形記録計、
30…心電図波形解析装置、
32…CPU(RRI時系列取得手段、除去手段、HRV解析手段、第1処理手段、第2処理手段及び検出手段)、38…データベース、44…警告装置(警告手段)。
10 ... Autonomic nerve monitor device, 20 ... ECG waveform recorder,
30 ... ECG waveform analyzer,
32 ... CPU (RRI time series acquisition means, removal means, HRV analysis means, first processing means, second processing means and detection means), 38 ... database, 44 ... warning device (warning means).

Claims (10)

心電図データ内に含まれる拍と拍の間隔を表すRR間隔の時系列データから異常心拍とトレンドを除去する際、除去後の確率密度分布が正規分布に近くなるように異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出することを特徴とする心電図データの異常心拍及びトレンドの除去方法。   When removing abnormal heartbeats and trends from time series data of RR intervals representing beat-to-beat intervals included in ECG data, abnormal heartbeats and trends were removed so that the probability density distribution after removal was close to the normal distribution Thereafter, HRV (heart rate variability) data is calculated, and a method for removing abnormal heart rate and trend from electrocardiogram data. 心電図データから、拍と拍の間隔を表すRR間隔の時系列データ(以下、RRI時系列xという)を取得する第1ステップと、
f(t;θ)を前記心電図データの長周期の成分を表すトレンド関数とし、前記tを時刻とし、前記θを前記トレンド関数fのパラメータとし、qをRRI時系列xの正常又は異常をあらわすフラグとし、Q=(q,q,q,……q)をフラグ時系列としたとき、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、前記トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去した後、HRV(心拍変動)データを算出する第2ステップを含むことを特徴とする心電図データの異常心拍及びトレンドの除去方法。
A first step of acquiring time series data of an RR interval (hereinafter referred to as RRI time series xn ) representing an interval between beats from electrocardiogram data;
f (t n ; θ) is a trend function representing a long-period component of the electrocardiogram data, t is time, θ is a parameter of the trend function f, and q n is normal of the RRI time series x n or Assuming that the flag represents an abnormality and Q = (q 1 , q 2 , q 3 ,... Q n ) is the flag time series, the residual series x n −f (t n ; θ), n = 1,2 ,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for a case where a flag indicating that n is normal is established is closest to the normal distribution. A method of removing abnormal heartbeats and trends from electrocardiogram data, comprising: a second step of calculating HRV (heartbeat fluctuation) data after removing abnormal heartbeats and trends.
前記第2ステップは、
フラグ時系列Qを固定して、残差系列の平均誤差が最小となるトレンド関数を決定して前記残差系列を求めるAステップと、
Aステップで求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定することにより、異常心拍を除去して、前記残差系列を更新するBステップを含むことを特徴とする請求項2に記載の心電図データの異常心拍及びトレンドの除去方法。
The second step includes
A step of fixing the flag time series Q, determining a trend function that minimizes the average error of the residual series, and obtaining the residual series;
A B step of removing an abnormal heart beat and updating the residual series by determining a flag time series Q so that the residual series obtained in the A step has the most normality. Item 3. A method for removing abnormal heartbeats and trends from electrocardiogram data according to Item 2.
前記第2ステップでは、
前記Bステップにおいて決定したフラグ時系列Qが、前記Aステップで固定したフラグ時系列Qと異なって変化した場合には、Aステップに戻ってフラグ時系列Qを前記変化したフラグ時系列Qに更新してAステップの処理を行い、以後、Bステップにおいて決定するフラグ時系列Qが変化しない迄、前記AステップとBステップとを繰り返すことを特徴とする請求項3に記載の心電図データの異常心拍及びトレンドの除去方法。
In the second step,
When the flag time series Q determined in the B step changes differently from the flag time series Q fixed in the A step, the process returns to the A step and the flag time series Q is updated to the changed flag time series Q. 4. The abnormal heartbeat of the electrocardiogram data according to claim 3, wherein the A step is performed, and thereafter, the A step and the B step are repeated until the flag time series Q determined in the B step does not change. And trend removal method.
前記Bステップでは、前記Aステップで求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定する際、残差系列に含まれる異常心拍に関して、異常心拍及び前記異常心拍に連続した心拍を含むように異常値らしさを算出し、前記異常値らしさによって異常値及び前記異常心拍に連続した心拍を除去することを特徴とする請求項4に記載の心電図データの異常心拍及びトレンドの除去方法。   In the B step, when the flag time series Q is determined so that the residual series obtained in the A step has the most normality, the abnormal heart beat and the abnormal heart beat continuous with respect to the abnormal heart beat included in the residual series. 5. The abnormal heart rate and trend removal of the electrocardiogram data according to claim 4, wherein an abnormal value likelihood is calculated so as to include a heart beat, and an abnormal value and a heart beat continuous to the abnormal heart beat are removed based on the abnormal value likelihood. Method. 心電図データを取得する取得手段と、
前記心電図データから拍と拍の間隔を表すRR間隔の時系列データ(以下、RRI時系列xという)を取得するRRI時系列取得手段と、
f(t;θ)を前記心電図データの長周期の成分を表すトレンド関数とし、前記tを時刻とし、前記θを前記トレンド関数fのパラメータとし、qをRRI時系列xの正常又は異常をあらわすフラグとし、Q=(q,q,q,……q)をフラグ時系列としたとき、残差系列x−f(t;θ),n=1,2,...のうち、qが正常を表すフラグが成立するものについての確率密度分布が最も正規分布に近くなるように、前記トレンド関数f(t;θ)及び正常心拍を含むフラグ時系列Qを決定することにより、異常心拍とトレンドを除去した後、HRV解析に用いられるRRI時系列データを抽出する除去手段と、
前記異常心拍とトレンドが除去されたRRI時系列データについてHRV(心拍変動)解析を行うHRV解析手段を含むことを特徴とする自律神経モニタ装置。
Acquisition means for acquiring electrocardiogram data;
RRI time series acquisition means for acquiring time series data of RR intervals (hereinafter referred to as RRI time series xn ) representing beat-to-beat intervals from the electrocardiogram data;
f (t n ; θ) is a trend function representing a long-period component of the electrocardiogram data, t is time, θ is a parameter of the trend function f, and q n is normal of the RRI time series x n or Assuming that the flag represents an abnormality and Q = (q 1 , q 2 , q 3 ,... Q n ) is the flag time series, the residual series x n −f (t n ; θ), n = 1,2 ,. . . Among them, the flag time series Q including the trend function f (t n ; θ) and the normal heartbeat is determined so that the probability density distribution for a case where a flag indicating that n is normal is established is closest to the normal distribution. Removing means for extracting RRI time series data used for HRV analysis after removing abnormal heartbeats and trends,
An autonomic nerve monitor apparatus comprising: HRV analysis means for performing HRV (heart rate variability) analysis on RRI time-series data from which the abnormal heartbeat and trend are removed.
前記除去手段は、
フラグ時系列Qを固定して、残差系列の平均誤差が最小となるトレンド関数を決定して前記残差系列を求める第1処理手段と、
前記第1処理手段が求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定することにより、異常心拍を除去して、前記残差系列を更新する第2処理手段を含むことを特徴とする請求項6に記載の自律神経モニタ装置。
The removing means includes
First processing means for fixing the flag time series Q, determining a trend function that minimizes an average error of the residual series, and obtaining the residual series;
Including a second processing means for removing the abnormal heartbeat and updating the residual series by determining the flag time series Q so that the residual series obtained by the first processing means has the most normality. The autonomic nerve monitor apparatus according to claim 6.
前記除去手段は、
前記第2処理手段が決定したフラグ時系列Qが、前記第1処理手段で固定したフラグ時系列Qと異なって変化した場合には、前記第1処理手段に戻してフラグ時系列Qを前記変化したフラグ時系列Qに更新して第1処理手段の処理を行い、以後、第2処理手段において決定するフラグ時系列Qが変化しない迄、前記第1処理手段の処理と第2処理手段の処理とを繰り返すことを特徴する請求項7に記載の自律神経モニタ装置。
The removing means includes
When the flag time series Q determined by the second processing means changes differently from the flag time series Q fixed by the first processing means, the flag time series Q is returned to the first processing means to change the flag time series Q. The first processing means and the second processing means are processed until the flag time series Q determined by the second processing means does not change. The autonomic nerve monitor apparatus according to claim 7, wherein:
前記第2処理手段では、前記第1処理手段が求めた残差系列が最も正規性をもつようにフラグ時系列Qを決定する際、残差系列に含まれる異常心拍に関して、異常心拍及び前記異常心拍に連続した心拍を含むように異常値らしさを算出し、前記異常値らしさによって異常値及び前記異常心拍に連続した心拍を除去することを特徴とする請求項8に記載の自律神経モニタ装置。   In the second processing means, when determining the flag time series Q so that the residual series obtained by the first processing means has the most normality, the abnormal heartbeat and the abnormal heartbeat are related to the abnormal heartbeat included in the residual series. 9. The autonomic nerve monitor apparatus according to claim 8, wherein an abnormal value likelihood is calculated so as to include a heartbeat continuous with a heartbeat, and an abnormal value and a heartbeat continuous with the abnormal heartbeat are removed based on the abnormal value likelihood. 請求項6乃至請求項9のいずれか1項に記載の自律神経モニタ装置が、敗血症発症警告装置であって、
前記HRV解析手段の解析結果により、HRV(心拍変動)データの時系列において、最小値の検出を行う検出手段と、
前記検出手段が、前記HRV(心拍変動)データの時系列において、最小値を検出した場合、敗血症の発症の虞があることを警告する警告手段を備えたことを特徴とする敗血症発症警告装置。
The autonomic nerve monitor device according to any one of claims 6 to 9, is a sepsis onset warning device,
Detecting means for detecting a minimum value in a time series of HRV (heart rate variability) data according to an analysis result of the HRV analyzing means;
A sepsis onset warning device characterized by comprising warning means for warning that there is a risk of developing sepsis when the detecting means detects a minimum value in the time series of the HRV (heart rate variability) data.
JP2010210953A 2010-09-21 2010-09-21 Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device Pending JP2012065713A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2010210953A JP2012065713A (en) 2010-09-21 2010-09-21 Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2010210953A JP2012065713A (en) 2010-09-21 2010-09-21 Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device

Publications (1)

Publication Number Publication Date
JP2012065713A true JP2012065713A (en) 2012-04-05

Family

ID=46163727

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010210953A Pending JP2012065713A (en) 2010-09-21 2010-09-21 Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device

Country Status (1)

Country Link
JP (1) JP2012065713A (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103892822A (en) * 2012-12-26 2014-07-02 中国移动通信集团公司 Electrocardiogram signal processing method and device
WO2017135116A1 (en) * 2016-02-04 2017-08-10 日本電信電話株式会社 Biological signal processing method and biological signal processing device
JP2018011819A (en) * 2016-07-22 2018-01-25 日本電信電話株式会社 Biological signal processing method and device
JP6350959B1 (en) * 2017-04-03 2018-07-04 前田商事株式会社 Software, health condition determination apparatus, and health condition determination method
KR101897419B1 (en) * 2017-12-05 2018-09-13 신성대학 산학협력단 Stroke disease prediction system based on electrocardiogram
JP2018175840A (en) * 2017-11-02 2018-11-15 芙蓉開発株式会社 Software, health condition determination device, and health condition determination method
CN110537909A (en) * 2019-09-03 2019-12-06 深圳旭宏医疗科技有限公司 First-aid method and device based on electrocardiogram monitoring equipment and computer equipment
CN110832602A (en) * 2017-11-15 2020-02-21 芙蓉开发株式会社 Software, health state determination device, and health state determination method
CN111143392A (en) * 2019-12-03 2020-05-12 深圳市智微智能软件开发有限公司 Data exception handling method and system
JP2021508574A (en) * 2017-11-15 2021-03-11 テクニオン・リサーチ・アンド・ディベロップメント・ファウンデーション・リミテッド Non-invasive analysis of autonomic input to sinoatrial node and cardiac function
JP7121893B1 (en) * 2021-02-16 2022-08-19 ヘルスセンシング株式会社 Signal processing device, signal processing system and signal processing program
WO2022176221A1 (en) * 2021-02-16 2022-08-25 ヘルスセンシング株式会社 Signal processing device, signal processing system, and signal processing program

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103892822A (en) * 2012-12-26 2014-07-02 中国移动通信集团公司 Electrocardiogram signal processing method and device
CN108601546A (en) * 2016-02-04 2018-09-28 日本电信电话株式会社 Bio signal processing method and biological signal processor
WO2017135116A1 (en) * 2016-02-04 2017-08-10 日本電信電話株式会社 Biological signal processing method and biological signal processing device
US10918302B2 (en) 2016-02-04 2021-02-16 Nippon Telegraph And Telephone Corporation Biological signal processing method and biological signal processing apparatus
JPWO2017135116A1 (en) * 2016-02-04 2018-08-16 日本電信電話株式会社 Biological signal processing method and biological signal processing apparatus
JP2018011819A (en) * 2016-07-22 2018-01-25 日本電信電話株式会社 Biological signal processing method and device
JP6350959B1 (en) * 2017-04-03 2018-07-04 前田商事株式会社 Software, health condition determination apparatus, and health condition determination method
WO2018185808A1 (en) * 2017-04-03 2018-10-11 前田商事株式会社 Software, health condition determination device, and health condition determination method
CN109196595A (en) * 2017-04-03 2019-01-11 前田商事株式会社 Software, health condition judging device and health condition judging method
US10872694B2 (en) 2017-04-03 2020-12-22 Maeda Shouji Co., Ltd. Software, health condition determination apparatus, and health condition determination method
JP2018175840A (en) * 2017-11-02 2018-11-15 芙蓉開発株式会社 Software, health condition determination device, and health condition determination method
CN110832602B (en) * 2017-11-15 2024-02-02 芙蓉开发株式会社 Device for judging health state by using software and health state judging method
CN110832602A (en) * 2017-11-15 2020-02-21 芙蓉开发株式会社 Software, health state determination device, and health state determination method
JP2021508574A (en) * 2017-11-15 2021-03-11 テクニオン・リサーチ・アンド・ディベロップメント・ファウンデーション・リミテッド Non-invasive analysis of autonomic input to sinoatrial node and cardiac function
KR101897419B1 (en) * 2017-12-05 2018-09-13 신성대학 산학협력단 Stroke disease prediction system based on electrocardiogram
CN110537909A (en) * 2019-09-03 2019-12-06 深圳旭宏医疗科技有限公司 First-aid method and device based on electrocardiogram monitoring equipment and computer equipment
CN111143392A (en) * 2019-12-03 2020-05-12 深圳市智微智能软件开发有限公司 Data exception handling method and system
JP7121893B1 (en) * 2021-02-16 2022-08-19 ヘルスセンシング株式会社 Signal processing device, signal processing system and signal processing program
WO2022176221A1 (en) * 2021-02-16 2022-08-25 ヘルスセンシング株式会社 Signal processing device, signal processing system, and signal processing program
JP2022169643A (en) * 2021-02-16 2022-11-09 ヘルスセンシング株式会社 Signal processing device, signal processing system, and signal processing program
JP7302928B2 (en) 2021-02-16 2023-07-04 ヘルスセンシング株式会社 Signal processing device, signal processing system and signal processing program
US11730397B2 (en) 2021-02-16 2023-08-22 Health Sensing Co., Ltd. Signal processing apparatus, signal processing system, and signal processing program

Similar Documents

Publication Publication Date Title
JP2012065713A (en) Method for removing abnormal heartbeat and trend of electrocardiogram data, autonomic nerve monitor device, and septicemia sideration alarm device
Charlton et al. Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review
US9943237B2 (en) Analysis of direct and indirect heartbeat data variations
JP6199330B2 (en) Identification of Chain Stokes breathing patterns using oximetry signals
US20080051669A1 (en) Diagnosis of sleep apnea
JP6692355B2 (en) A method for score confidence interval estimation when vital sign sampling frequency is limited
US20140288446A1 (en) Apparatus for Monitoring Physiological Condition
JP2011120618A (en) Device for evalution of autonomic nervous function and program
US8708920B2 (en) Method and system for detecting apnea
Ji et al. Analysis of short-term heart rate and diastolic period variability using a refined fuzzy entropy method
Gomes et al. Higuchi fractal analysis of heart rate variability is sensitive during recovery from exercise in physically active men
US10149647B2 (en) Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis
Abd Sukor et al. Signal quality measures on pulse oximetry and blood pressure signals acquired from self-measurement in a home environment
Gandhi et al. Mental stress assessment-a comparison between HRV based and respiration based techniques
Pirbhulal et al. Analysis of efficient biometric index using heart rate variability for remote monitoring of obstructive sleep apnea
Soueidan et al. The effect of blood pressure variability on the estimation of the systolic and diastolic pressures
Aboy et al. Method and apparatus for evaluation of fluid responsiveness
JP4745236B2 (en) System and method for estimating signal artifacts
Mohktar et al. Effect of home telehealth data quality on decision support system performance
TWI565448B (en) A method of brainwave analysis
Penhaker et al. Long-term heart rate variability assessment
Huvanandana et al. Advanced analyses of physiological signals in the neonatal intensive care unit
Yokota et al. Premonitory symptom of septic shock in heart rate variability
Rosoł et al. Causality in cardiorespiratory signals in pediatric cardiac patients
Chyliński et al. The way of ECG signal obtaining from the respiratory wave by Savitzky-Golay filtration