JP2017533034A - アクティグラフィ方法及び装置 - Google Patents

Abstract

アクティグラフィ方法は、（心電図記録モニタ又は呼吸モニタなどから）体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号を受け取ること、その生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を（例えば、局所信号電力信号、局所分散信号、短時間フーリエ変換又はウェーブレット変換を使用して、継続時間が数分程度又はそれ以下のエポックを横切って）計算すること、並びに、そのＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を、例えば、ＢＭＡ信号に線形変換を適用し、任意選択で、中央値除去フィルタリング及び／又は高域フィルタリングなどのフィルタリングを適用することにより計算することを含む。

Description

以下の記述は一般に、医療モニタリング技術、アクティグラフィ（ａｃｔｉｇｒａｐｈｙ）技術、睡眠評価技術及び関連技術に関する。

アクティグラフィは、人間の安静／活動／睡眠サイクルをモニタリングする比較的目立ちにくい方法である。モニタリングされている被検者は小型の装置を身に着ける。この装置は、加速度計を備え、全体的な運動活性を測定する目的に使用される。通常は手首の位置に装着されるこのアクティグラフィ装置は主に、使用者にとって比較的に快適な、なじみのある腕時計のようなフォーム・ファクタ（ｆｏｒｍ ｆａｃｔｏｒ）で配置される。アクティグラフィは、通院患者の在宅ベースの睡眠評価に対して、健康管理及び消費者ドメインにおいて受け入れられている。Ａｃｔｉｗａｔｃｈ製品ライン（オランダＥｉｎｄｈｏｖｅｎのＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ．から入手可能）などのアクティグラフィ装置は、睡眠／覚醒パターンをモニタリングする受け入れられた臨床ツールであり、サーカディアン・リズム障害（Ｃｉｒｃａｄｉａｎ Ｒｈｙｔｈｍ Ｄｉｓｏｒｄｅｒ）、不眠症、交代勤務（Ｓｈｉｆｔ ｗｏｒｋ）障害などの識別及びモニタリングに役立つ。これらの装置は、通常は数週間又は数か月に及ぶ中期から長期の検査の間、装着されることがある。アクティグラフィは、検査期間中の活動の時間記録を有利に提供する。

状況によっては、人の体表又は椅子若しくはベッドなどの支持システム上に置かれた変位、速度又は加速度センサを使用して体動を測定することができないことがある。このような状況は、例えば、アクティグラフィ装置が搭載されていないモニタリング・システム又はアクティグラフィ装置が容易には組み込まれないモニタリング・システムに対して生じる。例えば、ホルター・モニタ（携帯型心電図記録装置としても知られている）は、心電図記録法（ＥＣＧ）を使用して、心臓の活動を、２４時間以上の長期にわたってモニタリングする。この測定に基づいて、心臓専門医又は他の医師は、心臓障害の存在を診断することができる。

以下の記述は、上で言及した問題及びその他の問題に対処する、新規の改良されたシステム及び方法を開示する。

一態様によれば、生理的モニタリング装置は、体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号を生成するように構成されたセンサと、その生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算する演算、及びそのＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算する演算を含む演算を実行するように構成された電子的ディジタル信号処理（ＤＳＰ）装置とを備える。

別の態様によれば、生理的モニタリング方法は、体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号を受け取ること、その生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算すること、及びそのＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算することを含む。これらの計算は、電子的データ処理装置によって適当に実行される。いくつかの実施形態では、生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する演算が、生理的パラメータ信号から局所信号分散信号を計算すること、生理的パラメータ信号から短時間フーリエ変換（ＳＴＦＴ）信号を計算すること、又は生理的パラメータ信号からウェーブレット変換信号を計算することを含む。

別の態様によれば、非一時的記憶媒体は、生理的モニタリング方法を実行するための、電子的データ処理装置によって読取り及び実行が可能な命令を記憶しており、この生理的モニタリング方法は、体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算すること、及びそのＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算することを含む。

本発明は、さまざまな構成要素及び構成要素の配置の形態、並びにさまざまなステップ及びステップの配列の形態をとる。図面は、好ましい実施形態を示すためだけに示されたものであり、それらの図面を、本発明を限定するものと解釈すべきではない。

本明細書に開示されたアクティグラフィ合成モジュールを含む携帯型被検者モニタリング・システムを概略的に示す図である。 アーチファクトを含む、同時に記録されたアクティグラフィ信号、呼吸努力（ｒｅｓｐｉｒａｔｏｒｙ ｅｆｆｏｒｔ）（胸部）信号及びＥＣＧ信号の例を示す図である。 呼吸努力信号のセグメントに対する、計算された局所信号電力の例を示す図である。 終夜記録に対して計算された局所信号電力を示す図である。 別の終夜記録に対して計算された局所信号電力を示す図である。 短い呼吸努力セグメントを、同時に取得された加速度計ベースのアクティグラフィ及び局所分散とともに示す図である。 ＥＣＧ信号に対する計算された局所信号分散を示す図である。 ＥＣＧの終夜記録に対する局所信号分散を示す図である。 体動アーチファクト（ＢＭＡ）を含む呼吸努力信号のセグメントのスペクトログラム表現を、同時に取得された加速度計ベースのアクティグラフィとともに示す図である。 終夜記録に対する呼吸努力信号のスペクトログラムを、同時に記録された加速度計ベースのアクティグラフィ信号とともに示す図である。 ＢＭＡを含む呼吸努力信号セグメントのそれぞれのサンプルについて１２８個のスケール上でｄｂ４ウェーブレットを用いて得られた連続ウェーブレット変換（ＣＷＴ）値を示すスケーログラムを提示する。 それぞれのエポック（ｅｐｏｃｈ）の境界内のそれぞれのスケールに対する、最大ＣＷＴ値をとった後に得られる値を示す図である（それぞれのエポックの境界は、呼吸努力プロット内の縦の破線によって描かれている）。 一晩中の記録に対するＣＷＴベースＢＭＡ対時間信号抽出の結果を示す図である。 加速度計ベースのアクティグラフィ信号（一番上のプロット）、ＢＭＡを含む呼吸努力信号（真ん中のプロット）、及びそれぞれのエポックに対する、最大ＣＷＴ係数を用いて得られた体動推定（一番下のプロット）の例を示す図である。 終夜記録に対する、加速度計ベースのアクティグラフィ信号（一番上のプロット）及び体動推定（一番下のプロット）の例を示す図である。 加速度計ベースのアクティグラフィ信号（一番上のプロット）、呼吸努力からの局所信号電力による体運動推定（真ん中のプロット）、及び中央値除去フィルタによるフィルタリング後の体運動推定信号（一番下のプロット）の例を示す図である。

図１を参照すると、携帯型被検者モニタリング・システムは、体動（変位、速度、加速度）以外の生理的パラメータをそれぞれが感知する、１つ又は複数の生理的センサ１０を含む。例えば、この１つ又は複数の生理的センサ１０は、ＥＣＧセンサ、インダクタンス・プレチスモグラフィ・センサ、フォトプレスチモグラフィ・センサ、心弾動図記録センサ、鼻圧力センサ、胸部インピーダンス・センサなどのセンサのうちの１つ又は複数のセンサを含む。この１つ又は複数の生理的センサ１０はそれぞれ、体動以外の生理的過程を測定するように構成されている。例えば、生理的センサは、心臓活動、胸部呼吸努力、腹部呼吸努力、呼吸流などのうちの１つまた複数を測定する。図示の実施形態では、この１つ又は複数の生理的センサ１０が、ＥＣＧセンサ若しくは呼吸センサ、又はその両方を含む。

図１をさらに参照すると、この携帯型被検者モニタリング・システムはさらに、電子的データ処理装置１２、例えばマイクロプロセッサ、マイクロコントローラなどを含む。この電子的データ処理装置１２は、この１つ又は複数の生理的センサ１０からサンプルを取得し、取得したセンサ・データをセンサ・データ記憶装置１４（例えばフラッシュ・メモリ、磁気ディスク又は他の磁気メモリなど）に記憶し、任意選択で、取得後センサ・データ処理１６（すなわちディジタル信号処理、「ＤＳＰ」）、例えば、電極電圧からＥＣＧリード信号を計算する処理、ＥＣＧデータか心拍数（ＨＲ）を計算する処理、呼吸センサ・データから呼吸数（ＲＲ）を計算する処理を実行し、取得後処理後のデータ（例えばＥＣＧ信号リード・トレース、ＨＲ、ＲＲなど）を処理済みデータ記憶装置１８（例えば、フラッシュ・メモリ、磁気ディスク又は他の磁気メモリなど、任意選択で、データ記憶装置１４、１８は、取得したセンサ・データと取得後処理後のデータとを記憶する論理記憶構造を有するように構成された単一の物理データ記憶要素、例えば単一のフラッシュ・メモリを構成する）に記憶するように、適当なソフトウェア又はファームウェアによってプログラムされている。

電子的データ処理装置１２はさらに、体動アーチファクト（ＢＭＡ）対時間信号抽出プロセス２２を実行すること、ＢＭＡ信号−アクティグラフィ・センサ信号プロセス２４を実行すること（この場合も、生成されるアクティグラフィ・センサ信号は時間の関数である）、及び例示的な中央値除去フィルタリング２６、高域フィルタリング２８などの任意選択の追加の処理を実行することを含む、アクティグラフィ合成モジュール２０を実装するように、ソフトウェア又はファームウェアによってプログラムされている。その結果生成されるＢＭＡ信号は、処理済みデータ記憶装置１８に適当に記憶される。

任意選択で、図１の携帯型被検者モニタリング・システムは、概略図である図１には示されていない他のさまざまなフィーチャ、例えば、有線又は無線通信インタフェース（例えばＵＳＢポート、Ｂｌｕｅｔｏｏｔｈ（登録商標）無線インタフェースなど）、オンボードＬＣＤ又は他のディスプレイ構成要素、及び構成オプションを使用者が実行することを可能にするボタン又は他のユーザ・インタフェース・フィーチャを含む。この構成オプションは、被検者の識別情報を入力すること、（１つ又は複数のセンサ１０が２つ以上のセンサを含む実施形態において）測定するパラメータを選択すること、取得後処理オプションを選択することなどである。

ＢＭＡ対時間信号抽出プロセス２２は、この信号を導き出すために、さまざまな処理、例えば、局所信号電力を時間ドメインで計算する処理、信号の規則性を時間ドメインで計算する処理、（例えばウェーブレット変換によって）信号電力を時間−周波数ドメインで計算する処理、（例えば離散的フーリエ変換によって）局所信号電力を周波数ドメインで計算する処理などを使用する。ＢＭＡ対時間信号抽出プロセス２２の出力は、時間に対するＢＭＡ信号である。プロセス２２が周波数ドメイン処理（例えば局所信号電力）を使用する実施形態では、時間に対する信号を近似するために十分に短い継続時間を有する小さな時間窓（本明細書では「エポック」とも呼ぶ）を横切って周波数ドメイン処理を実行することによって、このプロセスを達成することができる。言い換えると、時間窓又はエポックは、ＢＭＡ対時間信号の時間分解能に影響し、時間窓又はエポックは、時間分解能が高くなる、例えば数分、数十秒又はそれ以下の十分に短いものであるべきである。

一般に、体動は、測定される生理的信号に影響を与えうる。このような影響は、センシング・システムの機械的限界の結果として生じうる。例えば、ＥＣＧを測定するときには、体動によって皮膚が変形し、それによって皮膚の静電容量及びインピーダンスが変化する。ＥＣＧ電極は、それらの変化を感知し、その結果、信号上に、大振幅の信号に対応するアーチファクトが現れる。

別の例として、呼吸インダクティブ・プレスチモグラフィ（ＲＩＰ）は、呼吸努力（胸部又は腹部）を測定する方法である。適当には、ＲＩＰセンサは、胸郭及び腹部の周囲に巻かれた弾性バンドに縫い付けられた、導電性材料でコーティングされた弾性ワイヤを含む。これらの体部の断面積は、呼吸運動によって膨張及び収縮するが、体動によっても膨張及び収縮する。ＲＩＰの導電性要素のインダクタンスは、導電性要素が囲む体部の断面積に比例し、したがって、小さな体動及び大きな体動はともに、測定された呼吸努力信号中にアーチファクトとして現れる。

これらのセンサの機械的属性のため、アーチファクトのある種の属性は、体動の強度又は振幅に密接に関係する。通常、時間ドメインでは、大きな体動の存在下で、より高い遷移信号電力が観察される。周波数ドメインでは、相当な低周波成分を有する広帯域雑音の存在が観察される。ＢＭＡ信号→アクティグラフィ変換プロセス２４によって使用される適当な信号処理は、これらのアーチファクトを定量化して体動の尺度とする。

以下では、ＢＭＡ対時間信号抽出プロセス２２の例示的ないくつかの実施形態をより詳細に説明する。

図２は、アーチファクトを含む、同時に記録されたアクティグラフィ信号、呼吸努力信号（胸部）及びＥＣＧ信号の例を示す。これらの信号は異なるサンプリング・レートを有することに留意されたい。アクティグラフィ信号の周期は３０秒である。アクティグラフィ信号のピークは、そのピークの時間位置を中心とする３０秒間のうちに起こった体動に対応する。この体動は、呼吸努力信号中及びＥＣＧ信号中に観測可能なアーチファクトを生み出した。それらはそれぞれ、図２の真ん中及び下側のプロットにそれぞれ示されている。

生理的信号中の体動アーチファクト（ＢＭＡ）は通常、異なるセンサ１０によって測定された生理的過程の表現とは異なる時間特性及び周波数特性を有する。そのため、それらの特性を利用して、プロセス２２で測定された生理的信号からアーチファクトを区別し、さらに、処理２４を使用して、それらのアーチファクトを、体動の尺度として定量化することができる。後に、このような処理の適当ないくつかの実施形態を説明する。一般に、アクティグラフィ信号は、センサ信号中のアーチファクトを検出し（プロセス２２）、変換処理２４を実行してアクティグラフィ信号を生成することによって導き出される。例示のための以下の例は、単一のセンサ信号を処理するが、多数のセンサ信号への一般化は簡単である。例えば、多リードＥＣＧ信号が与えられる場合には、全てのリードからアクティグラフィ信号を導き出し、それらの信号を、信号の加算又は平均算出などの適当なデータ融合技法を使用して結合させる。

例示のための一例では、プロセス２２が、局所信号電力を計算することにより、時間に対するＢＭＡ信号を生成する。この手法は、体動アーチファクトは一般に局所信号電力を増大させるという本明細書でなされた観察に基づく。直観的に、このことは、体動が追加のエネルギーを導入するためであると理解することができる。さらに、本明細書では、これらのアーチファクトの振幅、したがって信号電力の振幅が、体動の振幅又は強度と近い関係を有していることも観察されている。

しかしながら、信号電力は周波数ドメイン量である。したがって、信号電力をアクティグラフィ信号として取り扱うと、時間情報を失うことになる。すなわち、体動の大きさは評価することができるが、時間の関数としての体動の振舞いは失われる。

この限界を克服するため、本明細書では、ある比較的に短い継続時間の時間窓（「エポック」とも呼ぶ）を横切って局所信号電力を計算し、それによって、ＢＭＡが存在するエポックをＢＭＡが存在しないエポックから区別し、同時に、それぞれのエポックについて体動の振幅又は強度の尺度を与えることを開示する。エポックｉに対する信号ｘの局所電力は下式によって与えられる。

ここで、Ｎは、それぞれのエポック内のサンプルの数（窓サイズ）である。Ｎを小さく維持することによって、良好な時間分解能が提供される。こうすると、信号電力ｐ［ｉ］が少数のサンプルだけに基づくことになるため、良好な時間分解能と引換えに信号電力ｐ［ｉ］の正確さは低下するが、その正確さは、時間に対する合理的に代表的なアクティグラフィ信号を提供するには十分である。

図３は、呼吸努力信号のセグメントに対する、計算された局所信号電力の例を示す。参照のため、図３は、加速度計ベースのアクティグラフィ・センサを使用して測定された、同時に測定されたアクティグラフィも示している。図３でわかるように、この呼吸努力信号は、０１：３７分の少し後に、体動に起因するアーチファクトを有する（この体動はアクティグラフィ信号によっても検出されている）。この局所信号電力は、呼吸努力信号から、３０秒のエポック（縦の破線によって示されている）に対して計算されたものである。４番目及び５番目のエポックにおける局所信号電力の増大は、ＢＭＡの存在を反映したものである。

図４（ａ）及び図４（ｂ）は、２つの終夜記録に対して計算された局所信号電力を示す。図４（ａ）に示された記録では、局所信号電力が、同時に記録されたアクティグラフィとよく相関しており、同じ時間インスタンスにピークがある。ピークの振幅はやや異なってはいるが、アクティグラフィのピークがあるときは常に局所信号電力も増大していることが明らかである。

図４（ｂ）を参照すると、この技法の欠点が示されている。すなわち、局所信号電力が、体動によってではなく、センシング条件の変化によって変化したとき（例えば、ベッドに横たわっている被検者の体位が変化し、被検者が、数分間、ＥＣＧ電極の上に載っているとき、又はその体位のために呼吸プレスチモグラフィ・ベルトが伸びたとき）にも、局所信号電力がその状況を反映していることがある。これが図４（ｂ）に示されており、その晩のいくつかの期間（最も顕著には１：００頃から２：００頃までの間及び５：００頃）に、呼吸努力の振幅が、この記録の残りの部分の振幅よりも大きくなっている。この増大の前後にかなり大きなＢＭＡがあるため、この増大は、臥位の変化によって生じたものである可能性が高い。これは、２つの「プラトー」として局所信号電力に反映されおり、これらのプラトーは、アーチファクトに対応したものではなく、この信号の振幅の変化に対応したものである。いくつかの実施形態では、この問題が、異なるＢＭＡ推定技法の使用によって、又はフィルタリング演算２６、２８などの後処理によって解決される。

別の例示的な実施形態では、ＢＭＡ対時間信号抽出プロセス２２が、局所信号分散処理を使用する。この手法は、ＢＭＡが存在すると信号の分散は変化するという本明細書でなされた観察に基づく。数分よりも短いエポック中に、大部分の生理的信号は、合理的に安定した最小値と最大値の間で変化する。しかしながら、ＢＭＡが存在すると、信号は、それらの境界を超えて変動し、局所信号分散をかなり増大させる。エポックｉに対する信号ｘの分散は下式によって与えられる。

ここで、Ｎは、エポック内のサンプルの数である。

区分的定常信号（ｐｉｅｃｅ−ｗｉｓｅ ｓｔａｔｉｏｎａｒｙ ｓｉｇｎａｌ）に関しては、局所信号分散が、（スケーリング・ファクタ（ｓｃａｌｉｎｇ ｆａｃｔｏｒ）

を除けば）上述された局所信号電力と同じであることに留意されたい。

図５を参照すると、短い呼吸努力セグメントが、同時に取得された加速度計ベースのアクティグラフィ及び式（２）を使用して計算された局所分散とともに示されている。図５に示された短い呼吸努力セグメントの場合、結果として得られた局所信号分散は、図３に示された計算された局所信号電力とほぼ同じである。

図６及び図７を参照すると、これらの技法は、呼吸信号のみならず、他の生理的測定に対しても使用することができる。図６は、ＥＣＧ信号に対する、計算された局所信号分散を示し、図７は、ＥＣＧの終夜記録に対する局所信号分散を示す。

別の例示的な実施形態では、ＢＭＡ対時間信号抽出プロセス２２が、離散的な短時間フーリエ変換（ＳＴＦＴ）処理を使用する。この手法は、信号のＢＭＡを含むセグメントの周波数応答は、そのようなアーチファクトを含まないセグメントの周波数応答とは異なるという観察に基づく。これらのそれぞれのセグメントに対する離散的フーリエ変換（ＤＦＴ）を計算することは、これらの２つのタイプのセグメント間の区別を可能にする。さらに、この変換後に得られるフーリエ係数は、信号の電力（より正確には周波数ごとの信号の電力）にも関係する。この理由から、フーリエ係数を使用して、体動（例えば体動の振幅）の特性を評価することができる。（例えば継続時間が数分以下のエポック、例示的ないくつかの実施形態では継続時間が１分以下のエポックを横切って計算された）短時間ＤＦＴの使用は、適当に細かい時間分解能を有するＢＭＡ対時間信号を生成するための所望の時間分解能を有利に提供する。

短時間フーリエ変換（ＳＴＦＴ）は、それぞれのエポックに対して信号のＤＦＴを下式に従って計算することによって得ることができる。

ここで、Ｗは、選択されたエポックの外側では値がゼロとなる窓関数である。ハミング関数、すなわち

又はその他の形の窓を使用して、ＤＦＴを算出するときのスペクトル漏れを低減させることができる。ＤＦＴの自乗をとると、そのエポックに対する信号のスペクトル密度が得られる。
Ｓ［ｉ，ω］＝｜Ｘ［ｉ，ω］｜^２ （４）

図８を参照すると、ＢＭＡを含む呼吸努力信号のセグメントのスペクトログラム表現が、同時に取得された加速度計ベースのアクティグラフィとともに示されている。このスペクトログラムは、ＤＦＴを用い、３０秒の重なりを有する６０秒のハミング窓を使用して計算したものである。最初の３つのエポックに対する平均呼吸周波数ははっきりと分かる（０．２Ｈｚ付近すなわち毎分１２回の付近にピークがある）。エポック４及びエポック５のＢＭＡは、それらのエポックの電力スペクトル密度（ＰＳＤ）をかなり変化させており、強い低周波成分が見られる。この例では、ＳＴＦＴを計算する前に、平均を引くことによって信号からＤＣ成分を除去した。

図９は、終夜記録に対する呼吸努力信号のスペクトログラムを、同時に記録された加速度計ベースのアクティグラフィ信号とともに示す。より具体的には、図９は、終夜記録に対する呼吸努力信号のログ−スペクトログラム表現を示す（６０秒のハミング窓、３０秒の重なり）。活動のピークは、スペクトル電力の広帯域増大につながる。このことは、ＳＴＦＴ係数を使用して、ＢＭＡを検出及び量子化することができることを示している。

ＳＴＦＴは、ＢＭＡを検出及び量子化することができるが、性能上のある限界を有する。それぞれの周波数の電力は、正弦波ベースの関数を用いて得られるが、アーチファクトも又は根底にある生理的信号もそのような形状を有しない。ＳＴＦＴはさらに、限定された分解能を有する。これは、エポックの幅（又は窓関数）が周波数分解能を暗に決定するためである。より幅の広い窓は、より良好な周波数分解能及びより不良な時間分解能を可能にし、より幅の狭い窓は、より不良な周波数分解能及びより良好な時間分解能を可能にする。

別の例示的な実施形態では、ＢＭＡ対時間信号抽出プロセス２２が、ウェーブレット変換処理を使用する。ウェーブレットは、ＥＣＧ用の多分解能解析ツールとして（Ａｄｄｉｓｏｎ、「Ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍｓ ａｎｄ ｔｈｅ ＥＣＧ：ａ ｒｅｖｉｅｗ」、Ｐｈｙｓｉｏｌｏｇｉｃａｌ ｍｅａｓｕｒｅｍｅｎｔ、第２６巻、２００５年を参照されたい）、及びＥＣＧ信号の雑音及びアーチファクトを低減させるために（Ｓｉｎｇｈ他、「Ｏｐｔｉｍａｌ ｓｅｌｅｃｔｉｏｎ ｏｆ ｗａｖｅｌｅｔ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ ａｐｐｌｉｅｄ ｔｏ ＥＣＧ ｓｉｇｎａｌ ｄｅ−ｎｏｉｓｉｎｇ」、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、第１６巻、２７５〜２８７ページ、２００６年を参照されたい）使用されている。（連続）信号ｘ（ｔ）の連続ウェーブレット変換は、下式によって与えられる。

ここで、ａは、スケール・ファクタ（ｓｃａｌｅ・ｆａｃｔｏｒ）、ｂは、平行移動ファクタ（ｔｒａｎｓｌａｔｉｏｎ ｆａｃｔｏｒ）、Ψ^＊（ｔ）は、マザー（ｍｏｔｈｅｒ）（ウェーブレット）関数の複素共役である。このマザー関数を、異なるスケール、異なる平行移動、離散点で評価することができるとき、離散信号の連続ウェーブレット変換（ＣＷＴ）は、下式によって与えられる。

ここで、Ｎは、信号（又は関心の窓）内のサンプルの数、ｍは、整数時間平行移動であり、ｍ∈

である。Ｐｏｐｏｖ他、「Ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｃｏｎｔｉｎｕｏｕｓ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｏｆ ｄｉｓｃｒｅｔｅ ｓｉｇｎａｌｓ ｗｉｔｈ ａｄａｐｔｅｄ ｍｏｔｈｅｒ ｆｕｎｃｔｉｏｎｓ」、Ｐｒｏｃ．ｏｆ ＳＰＩＥ、第７５０２巻、２００９年を参照されたい。

広く使用されている一群のウェーブレット関数が、雑音低減問題及びアーチファクト低減問題において適用されているいわゆる「ドブシー（Ｄａｕｂｅｃｈｉｅｓ）」一群の（ｄｂ）ウェーブレット関数であり、これには、４係数ｄｂ（Ｐｉｎｈｅｉｒｏ他、「Ｓｔａｔｉｏｎａｒｙ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ａｐｐｌｉｃａｔｉｏｎ ｏｎ ｃａｐａｃｉｔｉｖｅ ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｐｈｙ」、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｉｇｎａｌｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｓｙｓｔｅｍｓ（ＩＣＳＥＳ）２０１０、３７〜４０ページ、２０１０年を参照されたい）、及び８係数ｄｂ（Ｓｉｎｇｈ他、「Ｏｐｔｉｍａｌ ｓｅｌｅｃｔｉｏｎ ｏｆ ｗａｖｅｌｅｔ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ ａｐｐｌｉｅｄ ｔｏ ＥＣＧ ｓｉｇｎａｌ ｄｅ−ｎｏｉｓｉｎｇ」、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、第１６巻、２７５〜２８７ページ、２００６年を参照されたい）などがある。

図１０は、ＢＭＡを含む呼吸努力信号セグメントのそれぞれのサンプルについて１２８個のスケール上でｄｂ４ウェーブレットを用いて得られたＣＷＴ値を示す、いわゆる「スケーログラム」を示す。このアーチファクトが、中スケールから高スケールのＣＷＴ応答を引き起こすことは明らかである。このＢＭＡは、より高いＣＷＴ値、特に中スケール及び高スケールのＣＷＴ値につながる。

図１１を参照すると、ＣＷＴが元の信号中のそれぞれのサンプルに対して計算され、エポック全体のＢＭＡの特性評価が関心の対象であるため、統計を使用して、スケールごと、エポックごとに、１つ又は少数の値を得ることができる。図１１は、それぞれのエポックの境界内のそれぞれのスケールに対する、最大ＣＷＴ値をとった後に得られる値を示す（それぞれのエポックの境界は、呼吸努力プロット内の縦の破線によって描かれている）。図１１は、ＢＭＡを含むエポック内の中〜高スケールにわたって値がより高いことを明らかに示している。

図１２は、一晩中の記録に対するＣＷＴベースＢＭＡ対時間信号抽出の結果を示す。この図にも、参照のため、加速度計ベースのアクティグラフィ信号が示されている。はっきりとわかるように、アクティグラフィ信号のピークに対応するインスタンスは、ＣＷＴ係数の増大、特に中スケール及び高スケールにおけるＣＷＴ係数の増大につながる。

信号規則性を利用して信号中のアーチファクトを定量化する手法など、処理２２を実行する他の手法も企図される。このような技法の例は、ダイナミック・タイム・ワーピング（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ）である［５、６］。Ｓａｋｏｅ他、「Ｄｙｎａｍｉｃ ｐｒｏｇｒａｍｍｉｎｇ ａｌｇｏｒｉｔｈｍ ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ｓｐｏｋｅｎ ｗｏｒｄ ｒｅｃｏｇｎｉｔｉｏｎ」、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、２６（１）、４３〜４９ページ、１９７８年、ＩＳＳＮ：００９６−３５１８、Ｍｙｅｒｓ他、「Ａ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ｏｆ ｓｅｖｅｒａｌ ｄｙｎａｍｉｃ ｔｉｍｅ−ｗａｒｐｉｎｇ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｃｏｎｎｅｃｔｅｄ ｗｏｒｄ ｒｅｃｏｇｎｉｔｉｏｎ」、Ｔｈｅ Ｂｅｌｌ Ｓｙｓｔｅｍ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ、６０（７）：１３８９〜１４０９、１９８１年９月を参照されたい。

図１を再び参照する。処理２２が、体動アーチファクト（ＢＭＡ）対時間信号を生成した後に、処理２４が、そのＢＭＡ対時間信号を処理して、時間に対するアクティグラフィ信号を生成する。局所信号分散、局所信号電力又はＢＭＡの他の１次元尺度の場合、下式に従ってその信号を適当にスケーリングし平行移動させることにより、体動推定値（ＢＭＥ）を得ることができる。
ｅ［ｉ］＝ａ・ｘ［ｉ］＋ｂ （７）
ここで、ｘは、それぞれのエポックｉに対する、ＢＭＡの定量化によって生成された信号、ａ及びｂはそれぞれ、スケーリング・ファクタ及び平行移動ファクタである。これらのファクタは例えば、（例えば加速度計ベースのアクティグラフィの同時記録によって得られた）体動の参照尺度に関する所与の基準（ｃｒｉｔｅｒｉａ）の線形回帰最小化によって得ることができる。

ＢＭＡのＭ次元定量化（Ｍ＞１）の場合も、同様の手順を使用することができる。
ｅ［ｉ］＝ａ・ｘ［ｉ］＋ｂ （８）
この場合、ｘ［ｉ］は、ｉから始まる間隔に対するＢＭＡの定量化を表すＭ×１信号、ａは、１×Ｍスケーリング・ベクトル、ｂは、平行移動ファクタ又はオフセットである。パラメータａ及びｂは、体動の参照尺度に関するある基準を最小化する、多変量線形回帰によって推定することができる。

一例として、それぞれのエポックに対するスケール値（特に中及び高スケールに対するスケール値）が値ＢＭＡの存在下でより高い値を有する場合において、これらのスケール値を得る目的に使用することができる「エポックごとの最大値ＣＷＴ」尺度を考える。一組の終夜記録に対する最大ＣＷＴ係数間の線形回帰後に得られる一組の係数、及び加速度計ベースの参照アクティグラフィ信号を使用すると、図１３及び図１４に示された体動推定値が得られる。図１３は、加速度計ベースのアクティグラフィ信号（一番上のプロット）、ＢＭＡを含む呼吸努力信号（真ん中のプロット）、及びそれぞれのエポックに対する、最大ＣＷＴ係数を用いて得られた体動推定（一番下のプロット）の例を示す。図１４は、終夜記録に対する、加速度計ベースのアクティグラフィ信号（一番上のプロット）及び体動推定（一番下のプロット）の例を示す。

例示のためのこれらの例では、ＢＭＥが、ある低振幅雑音を除けば、活動ピークの時間位置に関してだけでなく、体動の強度及び継続時間を示す活動ピークの振幅に関しても、加速度計ベースの参照アクティグラフィ信号とよく相関していることが分かる。

処理２４の代替手法では、体動を推定するために非線形回帰を使用することができる。この手法は、アーチファクトを定量化するためにＭ次元空間（Ｍ＞１）が使用され、この空間の次元間の関係が非線形である（例えば、１つの次元が、アーチファクト、したがって体動の強度とともに指数関数的変動を示す場合）、多変量非線形回帰の場合に特に適していると予想される。企図される別の代替手法として、定量化されたアーチファクトを、体動のタイプを定性的に記述する複数のカテゴリー・クラスに直接に分類することができる。この場合、従来の分類子（ｃｌａｓｓｉｆｉｅｒ）をその目的に使用することができる。

図１を再び参照する。任意選択で、処理２４によって生成されたアクティグラフィ対時間信号は、例えば例示的なフィルタ２６、２８によって後処理される。このような後処理は体動推定値を改善しうる。フィルタを使用して、例えば、使用されたセンサの機械的制約に起因する局所信号電力変動の負の影響を低減させることができる。例えば、図４（ｂ）に示された呼吸努力信号から推定された局所信号電力を考える。局所信号電力の変動は、体動によるものでありうるが（その結果、短いピークが現れる）、臥位の変化によっても生じうる。臥位の変化は、（このケースでは）呼吸努力信号の振幅を、むしろ長い間隔の間（数分間）かなり増大させる。例示的な中央値除去フィルタ２６を使用して、これらの「プラトー」を除去し、短いピークをそのまま残すことができる。それぞれのエポックｉについて、フィルタリングされた体運動推定信号ｅ_ｆは、下式によって与えられる。
ｅ_ｆ［ｉ］＝ｅ［ｉ］−ｍｅｄｉａｎ｛ｅ［ｉ−Ｆ］，．．．，ｅ［ｉ］，．．．，ｅ［ｉ＋Ｆ］｝ （９）
ここで、Ｆは、中央値を計算するために使用されるウィンドウ・サイズの半分である。

図１５は、図４（ｂ）に示された局所信号電力に対する中央値除去フィルタ２６の効果を示す。図１５は、加速度計ベースのアクティグラフィ信号（一番上のプロット）、呼吸努力からの局所信号電力による体運動推定（真ん中のプロット）、及び中央値除去フィルタ２６によるフィルタリング後の体運動推定信号（一番下のプロット）の例を示す。図１５でわかるように、局所信号電力の変化に起因する「プラトー」はほぼ完全に除去されており、それらのプラトー期間中の残存成分は、低振幅、高周波数の雑音だけである。

それに加えて又はその代わりに、高域フィルタ２８を使用して、局所電力変動に起因する低周波変動を除去し、同時に、体動に対応する鋭く短いピークを残すこともできる。

例示のためのこれらの例は、体動信号を得る目的に使用されるが、別の使用は、体動信号を導き出し、その体動信号を使用して元の信号を強化することである。その最も単純な実施形態では、体動信号が、元の生物物理学的信号が信頼できないことを示す指標として使用される。

開示されたアクティグラフィ技法は、「本物の」アクティグラフィを（例えばＡｃｔｉｗａｔｃｈ又は別の加速度計ベースのアクティグラフィ装置を用いて）測定することが不可能又は不便であるモニタリング装置内で又はそのような状況において適当に使用される。例えば、開示された手法は、ホルター・モニタとともに使用することができる。

開示されたアクティグラフィ技法を使用して、睡眠を評価すること（睡眠／覚醒の検出は、アクティグラフィを用いて合理的に良好に行うことができる）、又は、（通常、運動又は他の種類の活動に対応する）高強度の運動期間又は長い運動期間に対する心臓の応答／回復を測定することができる。

開示されたアクティグラフィ技法を使用して、呼吸努力を記録するＳｔａｒｄｕｓｔ ＩＩ Ｓｌｅｅｐ Ｒｅｃｏｒｄｅｒ（オランダＥｉｎｄｈｏｖｅｎのＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ．から入手可能）などの睡眠診断装置用のアクティグラフィを推定することができる。このような装置は、新たなセンサを追加する必要なしに、又は記録ハードウェアを変更する必要なしに（アクティグラフィ合成モジュール２０が装置外に、例えば、睡眠レコーダからダウンロードされたデータに対する演算を実行する解析ソフトウェア内に実装される場合）、アクティグラフィ合成モジュール２０を組み込んで追加のモダリティ（アクティグラフィ）を提供するように、容易に変更することができる。

開示されたアクティグラフィ技法を使用して、Ｐｈｉｌｉｐｓ ＲＵＳｌｅｅｐｉｎｇ ＲＴＳ Ｓｃｒｅｅｎｅｒ（オランダＥｉｎｄｈｏｖｅｎのＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ．から入手可能）などの、通常は１つ又は２つのモダリティを含むスクリーニング装置用のアクティグラフィを推定することができる。この場合も、アクティグラフィ合成モジュール２０は、追加のセンサを追加するためのハードウェアの変更を必要とすることなしに、追加のモダリティを提供する。この場合も、アクティグラフィ合成モジュール２０は、任意選択で、装置外に、例えばダウンロードされたデータに対する演算を実行する解析ソフトウェア内に実装される。

より一般的には、開示されたアクティグラフィ技法は、モニタリング及び生体信号解析の分野において、アクティグラフィ・センサを追加することに望ましくないほど費用がかかる場合（例えば、加速度計を追加するためのセンサのハードウェアの変更及び追加のデータ・ロギング容量を必要とする場合）、又はアクティグラフィ・センサを追加することが不便である場合（例えば、活動の推定は通常、モニタリング目的で他のセンサを使用することに加えて使用者が着用しなければならない手首に着ける装置を必要とする）に、使用することができる。

アクティグラフィ合成モジュール２０を、電子的データ処理装置（例えばマイクロプロセッサ、マイクロコントローラ、コンピュータなど）によって読取り及び実行が可能な命令であって、開示された演算、例えば演算２２、２４並びに任意選択で演算２６及び／又は２８を実行するための命令を記憶した非一時的記憶媒体として物理的に具現化することができることも理解される。この非一時的記憶媒体は、例えば、フラッシュ・メモリ、リードオンリー・メモリ（ＲＯＭ）、プログラマブル・リードオンリー・メモリ（ＰＲＯＭ）、ハード・ディスク・ドライブ又は他の磁気記憶媒体、光ディスク又は他の光学記憶媒体、これらの媒体のさまざまな組合せなどを含む。

好ましい実施形態を参照して本発明を説明した。以上の詳細な説明を読み、理解した人には、変更及び改変が思い浮かぶ可能性がある。それらのすべての変更及び改変が、添付された特許請求の範囲又はその等価物の範囲に含まれる限りにおいて、本発明は、そのような全ての変更及び改変を含むものとして解釈されていることが意図されている。

Claims (20)

1. 体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号を生成するセンサと、
   前記生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算する演算、及び
   前記ＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算する演算
   を含む演算を実行する電子的ディジタル信号処理（ＤＳＰ）装置と
   を備える、生理的モニタリング装置。
2. 前記センサが心電図記録（ＥＣＧ）センサを含み、前記生理的パラメータが、（ｉ）少なくとも１つのＥＣＧトレース及び（ｉｉ）心拍数のうちの１つ又は複数を含む、請求項１に記載の生理的モニタリング装置。
3. 前記センサが呼吸センサを含み、前記生理的パラメータが呼吸数を含む、請求項１又は２に記載の生理的モニタリング装置。
4. 前記センサが、呼吸インダクティブ・プレチスモグラフィ（ＲＩＰ）センサを含む、請求項１又は２に記載の生理的モニタリング装置。
5. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記演算が、前記生理的パラメータ信号から局所信号電力信号を計算することを含む、請求項１乃至４のいずれか一項に記載の生理的モニタリング装置。
6. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記演算が、前記生理的パラメータ信号から局所信号分散信号を計算することを含む、請求項１乃至４のいずれか一項に記載の生理的モニタリング装置。
7. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記演算が、前記生理的パラメータ信号から短時間フーリエ変換（ＳＴＦＴ）信号を計算することを含む、請求項１乃至４のいずれか一項に記載の生理的モニタリング装置。
8. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記演算が、前記生理的パラメータ信号からウェーブレット変換信号を計算することを含む、請求項１乃至４のいずれか一項に記載の生理的モニタリング装置。
9. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記演算が、前記生理的パラメータ信号の連続する時間窓のそれぞれの時間窓に対してＢＭＡ信号サンプルを計算することを含む、請求項１乃至８のいずれか一項に記載の生理的モニタリング装置。
10. 前記それぞれの時間窓の継続時間が数分以下である、請求項９に記載の生理的モニタリング装置。
11. 前記それぞれの時間窓の継続時間が数十秒以下である、請求項９に記載の生理的モニタリング装置。
12. 前記連続する時間窓が、重なりのある連続するハミング時間窓である、請求項９乃至１１のいずれか一項に記載の生理的モニタリング装置。
13. 前記ＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算する前記演算が、前記ＢＭＡ信号に線形変換を適用することを含む、請求項１乃至１２のいずれか一項に記載の生理的モニタリング装置。
14. 前記ＤＳＰ装置が、
    中央値除去フィルタを使用して前記アクティグラフィ信号をフィルタリングする演算
    を含むさらなる演算を実行する、請求項１乃至１３のいずれか一項に記載の生理的モニタリング装置。
15. 前記ＤＳＰ装置が、
    高域フィルタを使用して前記アクティグラフィ信号をフィルタリングする演算
    を含むさらなる演算を実行する、請求項１乃至１４のいずれか一項に記載の生理的モニタリング装置。
16. 体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号を受け取るステップと、
    前記生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算するステップと、
    前記ＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算するステップと
    を含み、
    前記計算が、電子的データ処理装置によって実行される
    生理的モニタリング方法。
17. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記ステップが、
    前記生理的パラメータ信号から局所信号分散信号を計算すること、
    前記生理的パラメータ信号から短時間フーリエ変換（ＳＴＦＴ）信号を計算すること、及び
    前記生理的パラメータ信号からウェーブレット変換信号を計算すること
    のうちの１つを含む、請求項１６に記載の生理的モニタリング方法。
18. 前記生理的パラメータ信号から、時間の関数としてのＢＭＡ信号を計算する前記ステップが、前記生理的パラメータ信号の連続する時間窓のそれぞれの時間窓に対してＢＭＡ信号サンプルを計算することを含む、請求項１６又は１７に記載の生理的モニタリング方法。
19. 中央値除去フィルタ又は高域フィルタを使用して前記アクティグラフィ信号をフィルタリングするステップ
    をさらに含み、前記フィルタリングが、前記電子的データ処理装置よって実行される、
    請求項１６乃至１８のいずれか一項に記載の生理的モニタリング方法。
20. 生理的モニタリング方法を実行するための、電子的データ処理装置によって読取り及び実行が可能な命令を記憶した非一時的記憶媒体であって、前記生理的モニタリング方法が、
    体運動以外の生理的パラメータに関する、時間の関数としての生理的パラメータ信号から、時間の関数としての体運動アーチファクト（ＢＭＡ）信号を計算すること、及び
    前記ＢＭＡ信号から、時間の関数としてのアクティグラフィ信号を計算すること
    を含む、非一時的記憶媒体。

Images