JP2016526982A5

JP2016526982A5 - 生理学的データにおける非定常なスペクトル構造および動態を追跡するためのシステムおよび方法

Info

Publication number: JP2016526982A5
Application number: JP2016524265A
Authority: JP
Filing date: 2014-06-27
Publication date: 2018-11-22
Anticipated expiration: 2034-06-27

Description

脳活動の表面記録の場合において、例えば睡眠の最中に生じ、あるいは麻酔薬の投与の結果として生じる中枢神経系の変化など、中枢神経系の変化を、頭皮に配置された電極を通じて脳内の電気インパルスを測定する神経ＥＥＧ記録によって観測できることが、７５年以上前に示されている。結果として、脳波図を、心電図を心臓および心臓血管系の状態の追跡に使用することができるのと同じやり方で、例えば睡眠の最中あるいは鎮静状態または全身麻酔のもとにある患者の脳の状態をリアルタイムで追跡するために使用できると主張されている。

患者の脳の状態を監視するために臨床医によって使用されるツールとして、特定の生物学的プロセス、タスク活動、睡眠、麻酔薬の投与、および他の臨床処置からもたらされる神経回路網の活動の測定を手助けすべく開発された生理学的なＥＥＧにもとづくシステムが挙げられる。例えば、そのような監視システムは、手術室および集中治療室において全身麻酔または鎮静状態のもとにある患者の意識のレベルを追跡するために使用される。ＥＥＧデータから導出されるスペクトルおよびエントロピの情報を組み合わせる独自のアルゴリズムを使用して、そのようなシステムは、患者の脳の状態の特定に使用するために、取得される信号の部分的または混合表現によるフィードバックを提供する。いくつかの背景においては、多くの場合に薬理学的な手法を使用して実行される中枢神経系の直接操作が、患者の無意識、健忘、無痛覚、および不動のレベルを制御することによって、そのようなシステムを使用して容易にされる。例えば、睡眠の最中に、ＥＥＧ、ＥＯＧ、ＥＭＧ、および呼吸のデータが、臨床または家庭の環境において監視され、次いで睡眠および呼吸の異常を診断するために視覚的な分析を通じて評価される。

内在する神経活動の特定のスペクトル的特徴を調べるために、これに限られるわけではないがスペクトログラム（ＦＦＴ、ハニング窓）、マルチテーパスペクトログラム、ウェーブレット変換、ガボール変換、およびチャープレット変換などの技術を使用して、取得されたＥＥＧデータの時間−周波数表現を計算することが、行われるようになってきている。これまでに提案された種々の手法は、時間変化するスペクトルの特徴を定性的に表す方法を使用し、いくつかの不連続な時間期間において、測定された神経の律動の特徴を評価している。例えば、時間−周波数の特徴を追跡するための１つの試みとして、非定常なピークおよび振幅を有する純粋な正弦曲線を使用してスペクトル成分をモデル化することが挙げられる。具体的には、２つ以上の正弦曲線モデルの和が、複数の同時に発展する振動を追跡するために使用されている。この以前の手法は、人工的または機械的な系によって生み出される純粋な正弦曲線の追跡には適するかもしれないが、そのような純粋な正弦曲線は、生理学的な系にはほとんど存在しない。

本発明は、データ分析ならびに被験者の生理学的状態の監視および／または制御などの目的で、スペクトルピークなどの被験者から取得される生理学的データに存在する動的な時間−周波数構造を追跡するためのシステムおよび方法を提供することによって、これまでの技術の欠点を克服する。具体的には、本発明は、統計的サンプリング手法を利用して、時間−周波数ドメインにおいて生理学的信号の動的な成分を表すモデルに含まれるパラメータを一斉または同時に評価するシステムおよび方法を提供する。

特には、ピーク構造のパラメータまたは半パラメータモデルを使用して時間変化するスペクトルを複数の同時のスペクトルピークへと分解し、それらの時間変化する特性を同時期または同時に追跡することを含む手法が、説明される。これらのスペクトル分解関数の時間変化するパラメータは、瞬間のピーク周波数、振幅、および帯域幅などのスペクトル特徴を含む。この特定のモデルの形態に加えて、そのような方法を時間−周波数構造および時間的動態の豊富なパラメータまたは半パラメータモデルを使用して任意の生理学的な系へと広く適用することができる枠組みも提供される。

本発明の一態様によれば、生理学的データにおける動的構造を追跡するためのシステムが提供される。本システムは、被験者から取得される脳波記録（「ＥＥＧ」）データを受け取るように構成された少なくとも１つの入力部と、前記少なくとも１つの入力部から前記ＥＥＧデータを受け取り、該ＥＥＧデータから信号の時間−周波数表現を集めるように構成されたプロセッサとを備える。プロセッサは、前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトルピークの動的モデルを生成し、前記少なくとも１つの非定常なスペクトルピークを表すピークパラメータであって、ピーク周波数、ピーク帯域幅、およびピーク振幅を含むピークパラメータの同時評価を計算するために、パラメータ評価アルゴリズムにおいて前記動的モデルを適用するようにさらに構成される。プロセッサは、前記少なくとも１つの非定常なスペクトルピークの前記ピークパラメータを経時的に追跡するようにさらに構成される。

本発明の別の態様によれば、生理学的データにおける動的構造を追跡するための方法が提供される。本方法は、被験者から取得される脳波記録（「ＥＥＧ」）データを用意するステップと、前記ＥＥＧデータから信号の時間−周波数表現を集めるステップとを含む。本方法は、前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトルピークの動的モデルを生成するステップと、前記少なくとも１つの非定常なスペクトルピークを表すピークパラメータであって、ピーク周波数、ピーク帯域幅、およびピーク振幅を含むピークパラメータの同時評価を計算するために、パラメータ評価アルゴリズムにおいて少なくとも１つの非定常なスペクトルピークの動的モデルを適用するステップとをさらに含む。本方法は、前記少なくとも１つのスペクトルピークの前記ピークパラメータを経時的に追跡するステップをさらに含む。

本発明の別の態様によれば、生理学的データにおける動的構造を追跡するためのシステムが提供される。本システムは、被験者から取得される生理学的データを受け取るように構成された少なくとも１つの入力部と、前記少なくとも１つの入力部から前記生理学的データを受け取り、該生理学的データから信号の時間−周波数表現を集めるように構成されたプロセッサとを備える。プロセッサは、前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトル特徴の動的モデルを生成し、前記少なくとも１つの非定常なスペクトル特徴を表すスペクトルパラメータの同時評価を計算するために、パラメータ評価アルゴリズムにおいて前記動的モデルを適用するようにさらに構成される。プロセッサは、前記少なくとも１つの非定常なスペクトル特徴の前記スペクトルパラメータを経時的に追跡するようにさらに構成される。

生理学的監視システムの概略のブロック図である。生理学的監視システムの概略のブロック図である。改良されたスペクトル分析のための本発明による典型的なシステムの概略のブロック図である。本発明による信号データの動的な構造を追跡するプロセスの各段階を説明するフロー図である。本発明による典型的な監視および制御システムの図である。本発明に従って処理された模擬によるＥＥＧデータを示す図解の例である。本発明に従って追跡された図５Ａの非定常なピークパラメータのグラフ表示である。本発明に従って処理された測定によるＥＥＧデータを示す別の図解の例である。本発明に従って追跡された図６Ａの非定常なピークパラメータのグラフ表示である。

スペクトル分析は、生理学的データの時間−周波数構造を分析するための重要なツールである。電気生理学的な記録の臨床的な解釈のための伝統的な手法は、時間ドメインの波形を視覚的に調べ、種々の波形の形態を生理学的、病態生理学的、または臨床的結果に結びつけることである。しかしながら、視覚的な時系列の分析は、きわめて主観的かつ時間のかかるプロセスであり、スペクトル分析は、時間ドメインにおいては観測が難しい有益な情報をもたらすことができる。例えば、睡眠医学において、睡眠検査は、患者のＥＥＧ、ＥＭＧ、ＥＯＧ、および呼吸データを記録する。最大１０時間にわたって続くこれらのデータ記録が、３０秒のセグメントへと分解され、各々のセグメントを、時間ドメインにおいて視覚的に解釈しなければならない。この状況は、患者の睡眠の臨床的に意味のある特徴を評価するための重要な情報をもたらしうる長時間にわたる睡眠信号の非定常な特性を効果的に追跡することを、きわめて困難にする。別の例では、全身麻酔および鎮静剤が、スペクトル分析を使用して時間−周波数ドメインにおいて分析された場合に解釈がはるかに容易であるＥＥＧにおける定型の非定常な振動を引き起こす。これらの振動の時間変化する特性を追跡できる能力を、例えば薬物の容量または投与の変化あるいは外的刺激に起因する患者の覚醒のレベルの変化を追跡するために使用できると考えられる。

本明細書に提示のシステムおよび方法を、これらに限られるわけではないが睡眠、投薬、全身または局所麻酔、鎮静、昏睡、低体温、などのいくつかの臨床または実験の状況下の被験者から取得される生理学的データに、被験者の生理学的状態の監視および／または制御の目的で、適用することができる。説明されるとおり、本発明は、生理学的信号の動的な時間−周波数構造を定量的に表現し、そこに存在する非定常な信号特性ならびにそのような特性のそれぞれの時間的変化を捕捉するモデルを提供する手法を詳述する。具体的には、取得された生理学的データの時間−周波数表現を、スペクトルピーク構造の形態に特有のパラメータまたは半パラメータ関数であって、時々刻々のピーク周波数、振幅、および帯域幅などのパラメータを含んでいる関数へと、分解することができる。次いで、時間変化するモデルを、パラメータの時間変化を表すように定めることができる。したがって、評価手順を時間−周波数の生理学的データおよびモデルと併せて使用して、パラメータを時間における各点にフィットさせることができる。このやり方で、生理学的信号の複数の同時に生じる非定常成分を、時間−周波数ドメインにおいて追跡することができる。

［スペクトルピークパラメータ状態モデル］
以下で、模擬によるＥＥＧデータならびにプロポフォール麻酔の投与の際に被験者から取得されたＥＥＧデータの動的な時間−周波数ピークの追跡のための手法の特定の実施例を説明する。これは、一般の動的な時間−周波数の追跡手法において、具体例として役に立つ。

［パラメータ評価］
生理学的データ、モデルの枠組み、および適合度を評価するための基準に鑑みて、モデルパラメータについての評価を提供することが可能である。１つの特定の実施形態では、後述されるように、ブートストラップ粒子フィルタと呼ばれる統計的サンプリング法を、パラメータを推定するために適用することができる。しかしながら、他の逐次的重点サンプリング（「ＳＩＳ」）法、カルマンフィルタ、変分ベイズ推定、および期待値最大化（「ＥＭ」）アルゴリズムなど、別の評価手順も採用することができる。さらに、明示的なモデルごとの評価も計算することができる。具体的には、そのような評価手順の目的は、時間−周波数表現の各々の時間期間における各々のモデルパラメータの分布の評価を生成することにある。そのような分布に鑑み、データに存在する個々または複数のスペクトルピークに関する統計量を計算することができ、スペクトル構造の変化を追跡することができ、臨床または疾病の状態に関係したこの分布の関数を計算することができ、これらの量のすべてについて統計的不確実性を計算することができる。

図２を参照すると、本発明による工程の実行に使用するための典型的なシステム２００が示されている。システム２００は、入力部２０２と、プリプロセッサ２０４と、スペクトルピーク追跡エンジン２０６と、生理学的状態分析部２０８と、出力部２１０とを備えることができる。システム２００のモジュールの一部またはすべてを、図１に関して上述したとおりの生理学的患者モニタによって実現することができる。

プリプロセッサ２０４に加えて、システム２００は、プリプロセッサ２０２と通信し、プリプロセッサ２０２から前処理済みのデータを受け取り、スペクトルピークなどの取得された生理学的データに関する非定常なスペクトル特徴の特定および追跡に必要な工程を実行するように設計された追跡エンジン２０６をさらに備える。一般に、追跡エンジン２０６は、集められたスペクトログラムに存在する特定のスペクトル構造の時間評価をもたらすことができる。例えば、スペクトログラムは、一般に、実質的に共存的または時間的に同時に生じる複数のスペクトルピークを含み、したがって追跡エンジン２０６は、ピーク周波数、帯域幅、および振幅などの目標のパラメータ値の時々刻々の時間発展を含むスペクトルピークの特徴の評価を提供することができる。このやり方で、種々のスペクトル特徴の時間プロフィルを判断することができ、次いで生理学的状態分析部２０８によって、他に判断された指標と併せて、被験者の生理学的状態を特定するために使用することができる。例えば、睡眠の状態、あるいは麻酔性を有する薬物の投与のもとでの患者の意識または鎮静の状態、ならびに判断された状態（複数可）に関する確かさの指標を、生理学的状態分析部２０８によって判断することができる。次いで、判断された状態（複数可）に関する情報を、任意の他の所望の情報とともに、任意の形状または形態で出力部２１０へと渡すことができる。いくつかの態様において、出力部２１０は、間欠的またはリアルタイムのいずれかにてグラフィック、スペクトログラム、または他の表現を使用して表されてよいピークパラメータなどの生理学的データに関する非定常な特徴の時間変化についての情報または指標を提示するように構成された表示装置を備えることができる。

図３に目を向けると、生理学的データにおける非定常なスペクトル構造を追跡するための本発明によるプロセス３００が示されている。いくつかの態様において、プロセス３００は、本発明に従ってシステムを使用してもたらされるユーザからの指示を受け取ることができるプロセスブロック３０２において始まることができる。上述のように、指示は、ガウスまたはガンマ関数ならびに他の関数などのパラメータまたは半パラメータ関数を含むための特定のスペクトル分解関数、および生理学的状態または状況にもとづく時間動態モデルの選択に関係することができる。加えて、プロセスブロック３０２において、指示は、スペクトル分解関数および時間動態モデルを表すパラメータ値に関する初期の履歴の選択も含むことができる。あるいは、上述のように、ユーザによって選択される生理学的状態または状況、ならびに被験者の特徴が、特定のあらかじめプログラムされた関数、モデル、履歴、および他の動作パラメータの使用を引き出してもよい。他の態様においては、あらかじめ設定された構成を、最小限のユーザ入力において利用することができる。

本明細書に提示のモデル化の枠組みは、ピークの数、各々のピークのスペクトル構造、および各々のピークの時間的動態の特徴を表すため、この評価手順は、実質的に同時発生の様相で、データにおけるピークまたは他のスペクトル特徴の特定ならびにそれらの時間経過の追跡に役立つ。このやり方で、プロセスブロック３１０において、スペクトルピークなどの生理学的データに関する１つ以上のスペクトル特徴を表すスペクトルパラメータの時間経過を追跡することができる。上述のように、ガウスランダムウォークモデルを、スペクトルパラメータの時間的動態を表すために使用することができるが、他の線形および非線形モデルも、他のノイズ分布とともに、使用することが可能である。いくつかの態様において、プロセスブロック３０４〜３１０に関する工程を、所望に応じ、あるいは終了条件の達成にもとづいて、繰り返すことができる。

プロセスブロック３１２において、任意の形状または形態のレポートを生成することができる。例えば、グラフィカルな図解を、１つ以上のスペクトル特徴に関するパラメータの時間展開を示す表示装置によって提供することができる。そのようなレポートを、新たな生理学的データが利用可能になるときに実質的にリアルタイムで生成および／または更新することができ、あるいは提供されたすべての生理学的データが本発明に従って処理された後に生成することができる。いくつかの態様において、追跡されるパラメータを、スペクトログラム表現または他の表現を使用して再現され、フィルタ処理され、あるいはノイズが除去されたデータを生成するために利用することができる。他の態様においては、追跡されたパラメータに関する情報、ならびに他の生理学的（例えば、心拍数、行動反応速度、睡眠段階、など）または薬理学的（薬物注入速度、薬物効果部位濃度、など）な関連要因を、表示することができ、さらには／あるいは被験者の特定の生理学的状態に関するフィードバックをもたらすために使用することができる。さらに別の態様においては、そのような情報を、例えば投薬システムなどの自動または半自動制御システムへと向けられる連続的または間欠的な制御信号により、あるいは臨床医へともたらされる指示によって、被験者の状態を制御するために使用することができる。

Claims

生理学的データにおける動的構造を追跡するためのシステムであって、
被験者から取得される脳波記録（「ＥＥＧ」）データを受け取るように構成された少なくとも１つの入力部と、
プロセッサと、を備え、
前記プロセッサが、
（ｉ）前記少なくとも１つの入力部から前記ＥＥＧデータを受け取り、
（ｉｉ）前記ＥＥＧデータから信号の時間−周波数表現を集め、
（ｉｉｉ）前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトルピークの動的モデルを生成し、
（ｉｖ）パラメータ評価アルゴリズムにおいて前記動的モデルを適用して、ピーク周波数、ピーク帯域幅、およびピーク振幅を含む少なくとも１つの非定常なスペクトルピークを表すピークパラメータの同時評価を計算し、
（ｖ）前記少なくとも１つの非定常なスペクトルピークの前記ピークパラメータを経時的に追跡する
システム。
前記プロセッサは、前記追跡されたピークパラメータを使用して被験者の生理学的状態を示すレポートを生成するようにさらに構成されている請求項１に記載のシステム。
生理学的データにおける動的構造を追跡するための方法であって、
被験者から取得される脳波記録（「ＥＥＧ」）データを用意するステップと、
前記ＥＥＧデータから信号の時間−周波数表現を集めるステップと、
前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトルピークの動的モデルを生成するステップと、
パラメータ評価アルゴリズムにおいて少なくとも１つの非定常なスペクトルピークの動的モデルを適用して、ピーク周波数、ピーク帯域幅、およびピーク振幅を含む前記少なくとも１つの非定常なスペクトルピークを表すピークパラメータの同時評価を計算するステップと、
前記少なくとも１つの非定常なスペクトルピークの前記ピークパラメータを経時的に追跡するステップと、を含む
方法。
前記追跡されたピークパラメータを使用して被験者の生理学的状態を示すレポートを生成するステップ
をさらに含む請求項１２に記載の方法。
生理学的データにおける動的構造を追跡するためのシステムであって、
被験者から取得される生理学的データを受け取るように構成された少なくとも１つの入力部と、
プロセッサと、を備え、
前記プロセッサが、
（ｉ）前記少なくとも１つの入力部から前記生理学的データを受け取り、
（ｉｉ）前記生理学的データから信号の時間−周波数表現を集め、
（ｉｉｉ）前記時間−周波数表現およびユーザの指示を使用して少なくとも１つの非定常なスペクトル特徴の動的モデルを生成し、
（ｉｖ）パラメータ評価アルゴリズムにおいて前記動的モデルを適用して、前記少なくとも１つの非定常なスペクトル特徴を表すスペクトルパラメータの同時評価を計算し、
（ｖ）前記少なくとも１つの非定常なスペクトル特徴の前記スペクトルパラメータを経時的に追跡する
システム。
前記プロセッサは、前記追跡されたスペクトルパラメータを使用して被験者の生理学的状態を示すレポートを生成するようにさらに構成されている請求項２４に記載のシステム。