JP2017529136A - 生理学的電気記録図の解析の改善 - Google Patents
生理学的電気記録図の解析の改善 Download PDFInfo
- Publication number
- JP2017529136A JP2017529136A JP2017508563A JP2017508563A JP2017529136A JP 2017529136 A JP2017529136 A JP 2017529136A JP 2017508563 A JP2017508563 A JP 2017508563A JP 2017508563 A JP2017508563 A JP 2017508563A JP 2017529136 A JP2017529136 A JP 2017529136A
- Authority
- JP
- Japan
- Prior art keywords
- electrogram
- signal
- noise model
- physiological
- estimated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/362—Heart stimulators
- A61N1/3627—Heart stimulators for treating a mechanical deficiency of the heart, e.g. congestive heart failure or cardiomyopathy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/362—Heart stimulators
- A61N1/37—Monitoring; Protecting
- A61N1/3702—Physiological parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Hospice & Palliative Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
これまでの研究は、ペーシングに応答して記録された心臓内電気記録図の形状を観察することにより、特に心臓の早期刺激に続いて記録された電気記録図における一定の小さい歪みを検出することにより、不整脈に起因する突然死の危険性を予測できることを示している。以前からの問題は、典型的なカテーテル処置室内の他の電気装置により発生する、記録された電気信号中の雑音の存在を原因として、これらの小さい個々の電位の信頼できる検出となっている。記述される解決法は、生理学的信号が存在しないと推定される電気記録図の第1の部分から雑音モデルを導出することと、生理学的信号を含んでいると推定される電気記録図の第2の部分を雑音モデルに変換することとを含む。次に、電気記録図の第2の部分内の信号のうち、この雑音モデルに一致しない部分を識別することにより、生理学的信号が識別され得る。
Description
本発明は、病的心臓状態の識別を特に対象とするが、それだけに限定されない、生理学的電気記録図の解析に関する。
これまでの研究は、ペーシングに応答して記録された心臓内電気記録図の形状を観察することにより、不整脈に起因する突然死の危険性を予測できることを示している。
電気記録図における診断の変化は、心臓の早期刺激に続いて記録された電気記録図上の小さい歪みからなる。心臓は、心臓内の1つの箇所において、刺激系列を発生する装置により刺激される。この装置は、心臓内の別の箇所から電気記録図を記録する。
ペーシング系列は、S1刺激として知られている一定速度の多数の刺激からなる。所定数のS1刺激の後、S2刺激又は「追加刺激」として知られる早期刺激が加えられる。この系列が繰り返される。一般的にS1刺激とS2刺激との間の間隔は、各場合において、その間隔が非常に短く、心臓がもはやS2刺激に応答できなくなるまで低減される。
S2刺激とその次のS1刺激との間の間隔は、S1−S1間隔と同じである。
予測方法は、追加刺激後に電気記録図が長く続き、且つより多くのピークを含むことを明示することに依存する。突然死の危険性が高い患者の場合、この傾向は、S1刺激とS2刺激との間の間隔が低減されるにつれてより顕著となる。
追加刺激に続く電気記録図の個々の電位は、追加刺激後のその遅延とともに識別される。次に、これらのデータを解析して突然心臓死の危険性を予測することができる。
以前からの問題は、追加刺激に対する応答内の小さい個々の電位の信頼できる検出となっている。これは、典型的なカテーテル処置室内の他の電気装置により発生し得る、記録された電気信号中の雑音の存在に起因する。電気的雑音は種々の処置室間で広く変化し得る。この問題は、電気的干渉により引き起こされる不要電位とは対照的に、生理学的な起源を有する電気記録図中の電位を確実に区別する問題である。
英国特許第2439562号明細書は、雑音を低減するために電気記録図の日付を加工する方法を記述している。この方法は、電気記録図信号をいくつかのテンプレートに相関させることにより、各テンプレートに関する相関器出力を生成することを含む。電気記録図信号は、事前に広域フィルターに通すこともできる。
トレース1からの相関器出力が、他のテンプレートから生成されたトレースと比較される。最も類似していると思われる選択されたトレースが使用される。
根本的な問題は、生理学的信号を表すとされる任意の一連のテンプレートが相関され、そのため、相関された各トレースの結果が相互に独立でないことである。これは、種々の相関器出力を組み合わせて最適信号検出を与え、及び信号内の生理学的電位の不要な過検出及び不足検出を回避する方法においてかなりの困難をもたらす。
雑音は、生理学的信号が発生していないと推定されるときの電気記録図の周期内において相関出力のピークツーピーク振幅を識別することにより、さらに低減され得る。これを用いて閾値が作成され、この閾値未満の振幅を有するいかなるピークも雑音とみなされる。しかし、生理学的起源の信号は、この閾値に近い振幅を有し得るため、この閾値の設定が低すぎる場合の結果として、導出された生理学的なピークは検出されるが、雑音による他の多くのピークも検出されることになる。反対に、振幅閾値が高すぎる場合、信号の生理学的に重要な特徴が検出されない可能性がある。
本発明の目的は、上記の問題を克服すること、又は少なくとも改善することである。
本発明の第1の態様によると、生理学的信号と雑音とを区別するために電気記録図、たとえば心電図を解析する方法が提供され、この方法は、
生理学的信号が存在しないと推定される電気記録図の第1の部分から雑音モデルを導出ステップと、
生理学的信号を含んでいると推定される電気記録図の第2の部分を雑音モデルに変換するステップと
を含み、雑音モデルに一致しない信号の部分を識別することにより、生理学的信号が識別される。
生理学的信号が存在しないと推定される電気記録図の第1の部分から雑音モデルを導出ステップと、
生理学的信号を含んでいると推定される電気記録図の第2の部分を雑音モデルに変換するステップと
を含み、雑音モデルに一致しない信号の部分を識別することにより、生理学的信号が識別される。
これは、検出された電位が真に生理学的起源である可能性がより高く、したがってその後の解析が大幅に単純化されるため、振幅方法の使用に対する改善をもたらす。
好ましい1つの実施形態において、雑音モデルは、生理学的信号が存在しないと推定される電気記録図の複数の部分から導出される。これは、雑音を表現するより正確な手段を提供し、それにより雑音から生理学的信号を検出する方法の改善を可能にする。
生理学的信号が存在しないと推定される電気記録図の第1の部分と、推定された生理学的信号の特徴を表す複数のテンプレートとを相互相関させて、多数のテンプレート相関信号を生成することにより、雑音モデルが導出されることが好ましい。
テンプレートの数及び形状は、対象の信号に依存し、且つ実験により決定することができる。心電図の場合、記録用電極の領域における種々の局部伝導速度に対応する時間拡張テンプレートのセットが使用される。
生理学的信号が存在しないと推定される電気記録図の各部分について、テンプレート相関信号から共分散行列が導出されることが好ましい。本質的に対称である共分散行列を導出することにより、それから導出された固有ベクトルは完全に実数であり、且つ直交であり(且つしたがって独立である)、及びその固有値は実数である。この方法により、信号と雑音とを区別することが可能である。なぜなら、信号は固有ベクトルに相当な成分を有し、雑音は非常に少ないか又は全くないからである。
この方法は、好ましくは、生理学的信号が存在しないと推定される心電図の各部分について導出された共分散行列から平均共分散行列を導出するステップを含む。平均共分散行列は、記録全体を通じて雑音の挙動のより良好な推定を与える。
雑音モデルは、平均共分散行列から固有ベクトル及び固有値を導出することにより表現されることが好ましい。
電気記録図の第2の部分と、推定された生理学的信号の特徴を表す複数のテンプレートとを相関させて、テンプレート相関信号のセットを生成することが好ましく、また、セットの各テンプレート相関信号の最初のサンプルからベクトルが導出され、且つセットの各テンプレート相関信号のその後のサンプルからさらなるベクトルが導出されることも好ましい。
各ベクトルを各固有ベクトルに投影することにより、雑音モデル中の点としてベクトルが表され、それにより原信号を雑音モデル中の軌跡として表し、したがって信号と雑音との比較を可能にすることが好ましい。
生理学的信号は、雑音モデルの限界外に存在する点を決定し、それにより信号と雑音とを区別することにより識別されることが好ましい。
本発明は装置に関して表現することもでき、したがって、本発明の別の態様によると、生理学的信号と雑音とを区別するために電気記録図を解析する装置が提供され、この装置は、
生理学的信号が存在しないと推定される心電図の第1の部分から雑音モデルを導出する手段と、
生理学的信号を含んでいると推定される電気記録図の第2の部分を雑音モデルに変換する手段と
を含み、信号のうちの雑音モデルに一致しない部分を識別することにより、生理学的信号が識別される。
生理学的信号が存在しないと推定される心電図の第1の部分から雑音モデルを導出する手段と、
生理学的信号を含んでいると推定される電気記録図の第2の部分を雑音モデルに変換する手段と
を含み、信号のうちの雑音モデルに一致しない部分を識別することにより、生理学的信号が識別される。
本発明について、これから以下の図を参照しつつ、例を使用して説明する。
本装置は、心臓3内の記録用電極2に接続されている増幅器1及び電子回路並びに関連ソフトウェア4を含んでいる。ペーシング及び記録プログラム5がペーシング信号発生器6に信号を送ると、ペーシング信号発生器6はマルチプレクサ7により1つの選択された電極2に切り換えられ、心臓3を刺激する。別の電極2により感知された信号が増幅され、ADC8によりデジタル化され、且つメモリ9に記憶される。続いて解析プログラム10によりデータが取り出されて解析される。
すべてのその後の解析は、ナイキストサンプリング定理に従うように留意しつつ、サンプルされた信号について行われる。
マルチプレクサ7の使用は、心臓を種々の箇所3で刺激することを可能にする。
上述の機能及び構成は、本明細書中の教示に従って当業者により導かれ得る。
図2は、1つの電極2に加えられるペーシング系列を示し、定速度刺激S1及び追加刺激S2が示されている。S1−S1刺激間及びS2−S1刺激間の間隔は一定であり、この例では500msの間隔である。S1とS2との間の間隔は変化し、典型的に発生ごとに1ms減少する。
図3は、S1刺激に先行する領域11を示す。これらの領域は、これらの領域11において生理学的信号が発生しないことを前提として雑音を評価するために使用される。S2刺激からもたらされる生理学的信号を識別するために解析される領域12も示されている。
図4に示されているように、雑音領域11が、記録された信号から抽出され、且つ解析プログラム10により作成されたテンプレート13と相関されて、独立固有ベクトルを有するモデル14が生成される。テンプレート13は、生理学的事象の結果であると思われる変動幅を有する電位の表現である。
続いて、記録された信号の部分12がテンプレート13と相関され、且つモデル14に投影され、それにより出力15が得られる。この出力は、解析されるサンプルが信号であるか又は雑音であるかを示す。
図5は、信号11、12と相関される15個のテンプレート13を示す。テンプレート番号1の13Aが最長の時間幅を有する一方、テンプレート番号15の13Bが最短の幅を有する。中間テンプレート番号の13Cは徐々に短くなる。
実際には、テンプレートは、常に、計算効率のためにその周波数領域表現、すなわち離散フーリエ変換で使用される。
テンプレート13間の相関は、相関行列として示される。図6を参照されたい。この行列において、各要素はテンプレートnとテンプレートmとの間の相関であり、ここでn及びmはテンプレート番号である。これは、テンプレート13が独立でないことを示し、なぜなら、それらがすべて非対角である場合、要素はゼロに等しくなるからである。
図7を参照すると、テンプレート13が周波数領域において計算される20。各雑音領域11の記録が高速フーリエ変換により周波数領域に変換され21、且つ乗算により各テンプレートと相関される22。その結果が集計されて、平均相互相関スペクトルを形成する23。相互相関スペクトルから平均雑音共分散行列が導出される24。共分散行列がその固有ベクトル及び固有値に分解され25、それにより雑音モデル14を形成する。
図8は、3つのテンプレートのみの雑音モデルを示す(高次元モデルの図示の困難性から)。3つの固有ベクトルΛ1、Λ2、Λ3は直角、すなわち直交している。この雑音モデルの限界は、固有値により規定される網掛け領域40により示されている。
図9を参照すると、すべての信号識別領域12が個別に処理される。個々の信号部分26が周波数領域に変換され27、且つテンプレート13と相関され28、及びその結果が時間領域において表現される29。その結果の信号テンプレート相関記録は、雑音モデル14の固有ベクトル空間において軌跡として投影される30。
図10は、領域11内の信号の軌跡41を示す。この図は、軌跡が独立ベクトル/固有値により規定されるモデル14の限界40内に留まっていることを示している。
図11は、領域12内の信号の軌跡42を示す。この図は、軌跡が雑音モデル14の限界40を超えており、したがって生理学的起源に起因する可能性が高いことを示している。
信号が雑音を超えているか否かを決定する簡便な方法は、軌跡を単一の時間領域信号に単純化することである。これを行うために、結果の軌跡が各固有ベクトルのその固有値による除算で正規化され、それにより、雑音モデルは、図12に示す回転楕円体43になる。1次元時間領域信号を得るために、この空間44における軌跡ベクトルのノルム45が計算される。
雑音より上に存在する時間領域信号のピークは、生理学的に有意であると考えられる。
図13は、単一のS1−S2区間に対応するシミュレートされた電気記録図50の部分を示す。生理学的応答から予想される小さい電位とともに、雑音が電気記録図に加えられている。小さい電位は、雑音の同一ピークツーピーク振幅を有している。小さい電位の部分は、矢印51により示されている。
図14は、上述した方法を使用して導出された時間領域信号出力52が重畳された図13の電気記録図を示す。この時間領域信号出力は、信号対雑音比のかなりの上昇を伴って小さい電位が信号に挿入された位置において、雑音モデルの限界に対応する雑音閾値53を超える明確なピークを示している。
Claims (24)
- 生理学的信号と雑音とを区別するために電気記録図を解析する方法であって、
生理学的信号が存在しないと推定される前記電気記録図の第1の部分から雑音モデルを導出するステップと、
生理学的信号を含んでいると推定される前記電気記録図の第2の部分を前記雑音モデルに変換するステップと
を含み、前記電気記録図の前記第2の部分のうちの前記雑音モデルに一致しない部分を識別することにより、前記生理学的信号が識別される、方法。 - 前記雑音モデルは、生理学的信号が存在しないと推定される前記電気記録図の複数の部分から導出される、請求項1に記載の方法。
- 生理学的信号が存在しないと推定される前記電気記録図の前記第1の部分と、前記推定された生理学的信号の特徴を表す複数のテンプレートとを相互相関させて、多数のテンプレート相関信号を生成することにより、前記雑音モデルが導出される、請求項1又は2に記載の方法。
- 生理学的信号が存在しないと推定される前記電気記録図の各部分について、テンプレート相関信号から共分散行列を導出するステップを含む、請求項3に記載の方法。
- 生理学的信号が存在しないと推定される前記電気記録図の各部分について導出された前記共分散行列から平均共分散行列を導出するステップを含む、請求項4に記載の方法。
- 前記雑音モデルは、前記平均共分散行列から固有ベクトル及び固有値を導出することにより表現される、請求項5に記載の方法。
- 前記電気記録図の前記第2の部分と、前記推定された生理学的信号の特徴を表す複数のテンプレートとを相関させて、テンプレート相関信号のセットを生成するステップを含む、請求項1〜6のいずれか一項に記載の方法。
- 前記セットの各テンプレート相関信号の最初のサンプルからベクトルを導出し、且つ前記セットの各テンプレート相関信号のその後のサンプルからさらなるベクトルを導出するステップを含む、請求項7に記載の方法。
- 各ベクトルを各固有ベクトルに投影することにより、前記雑音モデル中の点として前記ベクトルを表し、それにより前記原信号を前記雑音モデル中の軌跡として表すステップを含む、請求項8の記載の方法。
- 前記雑音モデルの限界外に存在する点を決定することにより、生理学的信号が識別される、請求項9に記載の方法。
- 請求項1〜10のいずれか一項に従って心電図を解析する方法。
- 生理学的信号と雑音とを区別するために電気記録図を解析する装置であって、
生理学的信号が存在しないと推定される前記心電図の第1の部分から雑音モデルを導出する手段と、
生理学的信号を含んでいると推定される前記電気記録図の第2の部分を前記雑音モデルに変換する手段と
を含み、前記電気記録図の前記第2の部分のうちの前記雑音モデルに一致しない部分を識別することにより、前記生理学的信号が識別される、装置。 - 生理学的信号が存在しないと推定される前記電気記録図の複数の部分から前記雑音モデルを導出する手段を含む、請求項12に記載の装置。
- 生理学的信号が存在しないと推定される前記心電図の前記第1の部分と、前記推定された生理学的信号の特徴を表す複数のテンプレートとを相互相関させて、多数のテンプレート相関信号を生成することにより、前記雑音モデルを導出する手段を含む、請求項12又は13に記載の装置。
- 生理学的信号が存在しないと推定される前記心電図の各部分について、前記テンプレート相関信号から共分散行列を導出する手段を含む、請求項14に記載の装置。
- 生理学的信号が存在しないと推定される前記心電図の各部分について導出された前記共分散行列から平均共分散行列を導出する手段を含む、請求項15に記載の装置。
- 前記平均共分散行列から固有ベクトル及び固有値を導出することにより、前記モデルを表現する手段を含む、請求項16に記載の装置。
- 前記心電図の前記第2の部分と、前記推定された生理学的信号の特徴を表す複数のテンプレートとを相関させて、テンプレート相関信号のセットを生成する手段を含む、請求項12〜17のいずれか一項に記載の装置。
- 前記セットの各テンプレート相関信号の最初のサンプルからベクトルを導出し、且つ前記セットの各テンプレート相関信号のその後のサンプルからさらなるベクトルを導出する手段を含む、請求項18に記載の装置。
- 各ベクトルを各固有ベクトルに投影することにより、前記雑音モデル中の点として前記ベクトルを表現し、それにより前記原信号を前記雑音モデル中の軌跡として表す手段を含む、請求項19の記載の装置。
- 前記雑音モデルの限界外に存在する点を決定することにより、生理学的信号を識別するためを含む、請求項20に記載の装置。
- 心電図を解析するための請求項12〜21のいずれか一項に記載の装置。
- 生理学的信号と雑音とを区別するために電気記録図を解析する装置であって、コンピュータ命令の実行に応じて、
生理学的信号が存在しないと推定される前記心電図の第1の部分から雑音モデルを導出するステップと、
生理学的信号を含んでいると推定される前記電気記録図の第2の部分を前記雑音モデルに変換し、且つ前記信号のうちの前記雑音モデルに一致しない部分を識別することにより、生理学的信号を識別するステップと
を含む動作を行うプロセッサーを含む、装置。 - 生理学的信号と雑音とを区別するために電気記録図を解析する方法であって、
生理学的信号が存在しないと推定される前記電気記録図の第1の部分から雑音モデルを導出するステップと、
生理学的信号を含んでいると推定される前記電気記録図の第2の部分を前記雑音モデルに変換するステップと
を含み、前記信号のうちの前記雑音モデルに一致しない部分を識別することにより、前記生理学的信号が識別される、方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1414330.9A GB2529200B (en) | 2014-08-13 | 2014-08-13 | Improvement to Analysing Physiological Electrograms |
GB1414330.9 | 2014-08-13 | ||
PCT/GB2015/052190 WO2016024081A1 (en) | 2014-08-13 | 2015-07-29 | Improvement to analysing physiological electrograms |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017529136A true JP2017529136A (ja) | 2017-10-05 |
Family
ID=51629700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017508563A Pending JP2017529136A (ja) | 2014-08-13 | 2015-07-29 | 生理学的電気記録図の解析の改善 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10349852B2 (ja) |
EP (1) | EP3179905A1 (ja) |
JP (1) | JP2017529136A (ja) |
CN (1) | CN107249447A (ja) |
AU (1) | AU2015303017A1 (ja) |
CA (1) | CA2958026A1 (ja) |
GB (1) | GB2529200B (ja) |
RU (1) | RU2017107224A (ja) |
WO (1) | WO2016024081A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140308162A1 (en) | 2013-04-15 | 2014-10-16 | Ecolab Usa Inc. | Peroxycarboxylic acid based sanitizing rinse additives for use in ware washing |
CN105769173B (zh) * | 2016-02-29 | 2018-08-28 | 浙江铭众科技有限公司 | 一种具有心电信号去噪功能的心电监测系统 |
CN105796091B (zh) * | 2016-02-29 | 2018-09-28 | 浙江铭众科技有限公司 | 一种用于去除心电信号车辆运动噪声的智能终端 |
CN105534517A (zh) * | 2016-02-29 | 2016-05-04 | 浙江铭众科技有限公司 | 一种去除三导联心电信号中车辆运动噪声的方法 |
CN110179456B (zh) * | 2019-05-23 | 2021-11-02 | 中国航天员科研训练中心 | 心电噪声识别模型训练及心电噪声检测方法、装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5172690A (en) * | 1990-10-26 | 1992-12-22 | Telectronics Pacing Systems, Inc. | Automatic stimulus artifact reduction for accurate analysis of the heart's stimulated response |
WO1996025096A1 (en) * | 1995-02-17 | 1996-08-22 | Ep Technologies, Inc. | Acquisition of endocardially or epicardially paced electrocardiograms |
CA2458176A1 (en) * | 2001-09-21 | 2003-03-27 | Karsten Sternickel | Nonlinear noise reduction for magnetocardiograms using wavelet transforms |
US7162301B2 (en) * | 2002-12-31 | 2007-01-09 | Cardiac Pacemakers, Inc. | Method and system for detecting capture with cancellation of pacing artifact |
US7277754B2 (en) * | 2003-12-24 | 2007-10-02 | Cardiac Pacemakers, Inc. | Method and system for removing pacing artifacts from subcutaneous electrocardiograms |
JP4761724B2 (ja) * | 2004-04-21 | 2011-08-31 | アジレント・テクノロジーズ・インク | 位相雑音を測定する方法および位相雑音測定装置 |
US7917196B2 (en) | 2005-05-09 | 2011-03-29 | Cardiac Pacemakers, Inc. | Arrhythmia discrimination using electrocardiograms sensed from multiple implanted electrodes |
EP1897059A2 (en) * | 2005-06-15 | 2008-03-12 | Koninklijke Philips Electronics N.V. | Noise model selection for emission tomography |
GB2439562C2 (en) * | 2006-06-29 | 2016-05-11 | Medilec Ltd | System for analysis of electrograms |
US9052230B2 (en) * | 2011-05-13 | 2015-06-09 | Chevron U.S.A. Inc | Industrial process monitoring and imaging |
CN102274029B (zh) * | 2011-05-25 | 2013-10-02 | 中国科学院深圳先进技术研究院 | 身份识别方法及系统 |
CN102670188A (zh) * | 2012-04-25 | 2012-09-19 | 重庆大学 | 一种用于单导胎儿心率检测的鲁棒自适应估计方法 |
CN103006206B (zh) * | 2013-01-11 | 2014-08-06 | 山东师范大学 | 一种微伏级t波交替的定量检测方法 |
-
2014
- 2014-08-13 GB GB1414330.9A patent/GB2529200B/en active Active
-
2015
- 2015-07-09 US US15/503,674 patent/US10349852B2/en active Active
- 2015-07-29 CA CA2958026A patent/CA2958026A1/en not_active Abandoned
- 2015-07-29 WO PCT/GB2015/052190 patent/WO2016024081A1/en active Application Filing
- 2015-07-29 JP JP2017508563A patent/JP2017529136A/ja active Pending
- 2015-07-29 CN CN201580053239.8A patent/CN107249447A/zh active Pending
- 2015-07-29 RU RU2017107224A patent/RU2017107224A/ru unknown
- 2015-07-29 AU AU2015303017A patent/AU2015303017A1/en not_active Abandoned
- 2015-07-29 EP EP15747189.7A patent/EP3179905A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
GB201414330D0 (en) | 2014-09-24 |
GB2529200A (en) | 2016-02-17 |
US10349852B2 (en) | 2019-07-16 |
RU2017107224A (ru) | 2018-09-13 |
CA2958026A1 (en) | 2016-02-18 |
US20170265766A1 (en) | 2017-09-21 |
AU2015303017A1 (en) | 2017-03-23 |
EP3179905A1 (en) | 2017-06-21 |
CN107249447A (zh) | 2017-10-13 |
WO2016024081A1 (en) | 2016-02-18 |
GB2529200B (en) | 2019-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017529136A (ja) | 生理学的電気記録図の解析の改善 | |
EP3171770B1 (en) | Brain computer interface using broadband evoked potentials | |
Zhang et al. | Heart sound classification based on scaled spectrogram and partial least squares regression | |
JP2013507174A5 (ja) | ||
Panigrahy et al. | Extraction of fetal ECG signal by an improved method using extended Kalman smoother framework from single channel abdominal ECG signal | |
Nigam et al. | Accessing heart dynamics to estimate durations of heart sounds | |
Kaya et al. | Feature selection using genetic algorithms for premature ventricular contraction classification | |
US10172563B2 (en) | Method and system for analyzing noise in an electrophysiology study | |
CN109843165A (zh) | 心跳检测方法和心跳检测设备 | |
Arunachalam et al. | Improved multiscale entropy technique with nearest-neighbor moving-average kernel for nonlinear and nonstationary short-time biomedical signal analysis | |
Wei et al. | Foetal heart rate estimation by empirical mode decomposition and MUSIC spectrum | |
Wang et al. | Warp-averaging event-related potentials | |
Patro et al. | A Novel frequency-time based approach for the detection of characteristic waves in electrocardiogram signal | |
JP2842409B2 (ja) | 誘発波形計算装置 | |
Lee et al. | An improved P300 extraction using ICA-R for P300-BCI speller | |
Haddad et al. | Source-informed segmentation: Towards capturing the dynamics of brain functional networks through EEG | |
Padmavathi et al. | Detection of atrial fibrillation using continuous wavelet transform and wavelet coherence | |
KR20200091209A (ko) | 심전도 신호의 주기성을 이용한 r파 정점 검출 방법 | |
KR20200081798A (ko) | 심전도 신호의 기저선 변동 잡음 제거 방법 및 컴퓨터 프로그램 | |
JP2018187381A (ja) | 特徴検出用のフィルタを含むecg機械 | |
Dalvi et al. | Graph search based detection of periodic activations in complex periodic signals: Application in atrial fibrillation electrograms | |
Śmigiel et al. | Detection of QRS complex with the use of matched filtering | |
KR101507657B1 (ko) | 뇌파 기반 감성정보 검출 장치 및 방법 | |
Pham et al. | Unsupervised discrimination of motor unit action potentials using spectrograms | |
Mäkelä et al. | Locating highly correlated sources from MEG with (recursive)(R) DS-MUSIC |