JP2018047230A - 診断信号の変換に基づいた疾病解析のための方法及びシステム - Google Patents
診断信号の変換に基づいた疾病解析のための方法及びシステム Download PDFInfo
- Publication number
- JP2018047230A JP2018047230A JP2017157183A JP2017157183A JP2018047230A JP 2018047230 A JP2018047230 A JP 2018047230A JP 2017157183 A JP2017157183 A JP 2017157183A JP 2017157183 A JP2017157183 A JP 2017157183A JP 2018047230 A JP2018047230 A JP 2018047230A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- signal characteristics
- signal
- time
- data
- 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.)
- Granted
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- 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
- A61B5/24—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
- A61B5/347—Detecting the frequency distribution of signals
-
- 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
- A61B5/24—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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/72—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
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
[0001] 本発明は、個人の健康状態を評価するシステム及び方法に関連する。特に、本発明は、個人の心臓診断信号を解析し、個人の心血管系の健康を評価するために、解析された結果を同様にウェーブレット変換されて解析された信号の基準データベースと比較し、どのように心臓診断信号が生成されるかを制御するための、ウェーブレット変換を使用するシステム及び方法に関連する。
2.関連技術の記述
[0002] 心血管系疾病は、深刻な健康問題であり、世界中で死因をもたらしている。心血管系疾病の有効な処置は、心臓異常の早期検出と診断に依存する。心血管系病態を検出して診断するための1つの共通のツールは、心電図(ECG)機械である。ECG機械は、患者の心拍によって生成される電気信号(ECG信号)における変化を測定するために、患者の手足や胸のさまざまなポイントに取り付けられるプローブを使用する。医師は、心臓の健康を評価するために、又は、心臓病態に対応し得るシグネチャ波形を識別するために、ECG信号を視覚的に解析し得る。視覚解析の1つの欠点は、波形における複雑な細部は、裸眼で容易に観察可能でなく、内在する心血管系病態の誤認を引き起こすかもしれないことである。診断の正確さを改善するために、ECG信号の信号処理は、波形のより細かい細部を抽出するのに使用され得る。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
[1]プロセッサによって、医療診断信号を使用して医療状態を識別する方法であって、前記プロセッサは、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号上でウェーブレット変換の第1の反復を実行することと、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行することと、
患者の医療診断信号からノイズを取り除くために、医療診断装置から受信された前記患者の医療診断信号上でウェーブレット変換の第1の反復を実行することと、
処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の医療診断信号上でウェーブレット変換の第2の反復を実行することと、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析することと、
患者信号特性を生成するために、前記処理された患者データの信号特性を解析することと、
前記患者の前記医療状態を識別する際に支援するために、前記患者信号特性と、前記基準信号特性のうちの1つ以上との間のベストマッチングを生成するために、前記患者信号特性を前記複数の基準信号特性と比較することと、
を備える、方法。
[2]前記複数の処理された基準データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、
前記複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行することは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成することと、
前記時間ドメインにおける複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、を備え、
前記処理された患者データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、
前記処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号上でウェーブレット変換の第2の反復を実行することは、
前記患者の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号を再構成することと、
前記時間ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、
前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、を備える、[1]に記載の方法。
[3]前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、
前記複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析することは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析することと、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析することと、を備え、
前記患者信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記患者信号特性を備え、
前記患者信号特性を生成するための前記処理された患者データの信号特性を解析することは、
前記時間ドメインにおける前記患者信号特性を生成するために、前記時間ドメインにおける前記処理された患者データの前記信号特性を、2次元で抽出して解析することと、
前記3−D時間及び周波数ドメインにおける前記患者信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を、3次元で抽出して解析することと、を備える、[2]に記載の方法。
[4]複数の符号化された基準データを生成するために、前記複数の基準信号特性を符号化することと、
符号化された患者データを生成するために、前記患者信号特性を符号化することと、をさらに備える、[1]に記載の方法。
[5]前記患者信号特性を前記複数の基準信号特性と比較することは、前記符号化された患者データとベストマッチングする符号化された基準データを見つけるために、前記符号化された患者データを前記複数の符号化された基準データと比較することを備える、[4]に記載の方法。
[6]前記複数の符号化された基準データは、
時間ドメインにおける前記複数の基準信号特性を符号化する、複数の時間符号化された基準データと、
時間及び周波数ドメインにおける前記複数の基準信号特性を符号化する、複数の時間・周波数符号化された基準データと、を備え、
前記符号化された患者データは、
時間ドメインにおける前記患者信号特性を符号化する、時間符号化された患者データと、
時間及び周波数ドメインにおける前記患者信号特性を符号化する、時間・周波数符号化された患者データと、を備え、
前記符号化された患者データを前記複数の符号化された基準データと比較することは、
前記時間符号化された患者データを、前記複数の時間符号化された基準データと比較することと、
前記ベストマッチングを見つけるために、前記時間・周波数符号化された患者データを、前記複数の時間・周波数符号化された基準データと比較することと、を備える、[5]に記載の方法。
[7]前記患者信号特性にベストマッチングする前記基準信号特性は、診断された医療状態に関係付けられ、前記患者は前記診断された医療状態を有するとして識別される、[1]に記載の方法。
[8]前記患者の付加的な患者診断信号を生成するために、前記医療診断装置を構成するように、前記患者信号特性を前記複数の基準信号特性と比較することの結果を使用することをさらに備える、[1]に記載の方法。
[9]複数の基準信号特性を生成するために前記複数の処理された基準データの信号特性を解析すること、及び、患者信号特性を生成するために前記処理された患者データの信号特性を解析すること、のために使用されるパラメータを調節するように、患者信号特性を前記複数の基準信号特性と比較することの結果を使用することをさらに備える、[1]に記載の方法。
[10]前記基準データソースから受信された複数の前記医療診断信号が、前記1つ以上の診断された医療状態に関係付けられたとき、1つ以上の診断された医療状態に関係付けられた前記基準信号特性を識別するために、前記複数の基準信号特性を分類することをさらに備える、[1]に記載の方法。
[11]患者信号特性を前記複数の基準信号特性と比較することは、前記患者信号特性を前記基準信号特性と比較することを備え、これは、前記1つ以上の診断された医療状態に関係付けられるとして識別される、[10]に記載の方法。
[12]前記医療診断信号は、心電図(ECG)信号であり、前記複数の診断された医療状態は、複数の心血管系状態である、[1]に記載の方法。
[13]患者信号特性を前記複数の基準信号特性と比較することは、時間又は周波数における粗い解像度から、時間又は周波数における連続的なより細かい解像度へ、マトリックス比較を使用して比較することを備える、[1]に記載の方法。
[14]デュアル・トラック・ウェーブレット変換モジュールであって、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号上でウェーブレット変換の第1の反復を実行し、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行し、
患者の医療診断信号からノイズを取り除くために、医療診断装置から受信された前記患者の医療診断信号上でウェーブレット変換の第1の反復を実行し、
処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の医療診断信号上でウェーブレット変換の第2の反復を実行するように適応されたデュアル・トラック・ウェーブレット変換モジュールと、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析するように適応された信号プロセッサモジュールと、ここにおいて、前記信号プロセッサは、患者信号特性を生成するために、前記処理された患者データの信号特性を解析するようにさらに適応され、
前記患者の医療状態を識別するための支援として、前記患者信号特性と、前記基準信号特性のうちの1つ以上との間のベストマッチングを識別するために、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された比較モジュールと、
を備える、システム。
[15]前記複数の処理された基準データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、前記デュアル・トラック・ウェーブレット変換モジュールは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成し、
前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行するようにさらに適応され、
前記処理された患者データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、前記デュアル・トラック・ウェーブレット変換モジュールは、
前記患者の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号を再構成し、
前記時間ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行するようにさらに適応された、[14]に記載のシステム。
[16]前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、前記信号プロセッサモジュールは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析するようにさらに適応され、
前記患者信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記患者信号特性を備え、前記信号プロセッサモジュールは、
前記時間ドメインにおける前記患者信号特性を生成するために、前記時間ドメインにおける前記処理された患者データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記患者信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を、3次元で抽出して解析するようにさらに適応された、[15]に記載のシステム。
[17]複数の符号化された基準データを生成するために、前記複数の基準信号特性を符号化し、
符号化された患者データを生成するために、前記患者信号特性を符号化するように適応されたエンコーダをさらに備える、[14]に記載のシステム。
[18]前記比較モジュールは、前記符号化された患者データとベストマッチングする符号化された基準データを見つけるために、前記符号化された患者データを前記複数の符号化された基準データと比較するようにさらに適応された、[17]に記載のシステム。
[19]前記複数の符号化された基準データは、
時間ドメインにおける前記複数の基準信号特性を符号化する、複数の時間符号化された基準データと、
時間及び周波数ドメインにおける前記複数の基準信号特性を符号化する、複数の時間及び周波数符号化された基準データと、を備え、
前記符号化された患者データは、
時間ドメインにおける前記患者信号特性を符号化する、時間符号化された患者データと、
時間及び周波数ドメインにおける前記患者信号特性を符号化する、時間及び周波数符号化された患者データと、を備え、
前記比較モジュールは、
前記時間符号化された患者データを、前記複数の時間符号化された基準データと比較し、
前記ベストマッチングを見つけるために、前記時間及び周波数符号化された患者データを、前記複数の時間及び周波数符号化された基準データと比較するようにさらに適応された、[18]に記載のシステム。
[20]前記患者信号特性にベストマッチングする前記基準信号特性は、診断された医療状態に関係付けられ、前記患者は前記診断された医療状態を有するとして識別される、[14]に記載のシステム。
[21]前記比較モジュールは、前記患者の付加的な患者診断信号を生成するために、前記医療診断装置を構成するように、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、[14]に記載のシステム。
[22]前記比較モジュールは、複数の基準信号特性を生成するために前記複数の処理された基準データの信号特性を解析するための前記信号プロセッサモジュールによって使用されるパラメータを調節するように、及び、患者信号特性を生成するために前記処理された患者データの信号特性を解析するための前記信号プロセッサモジュールによって使用されるパラメータを調節するように、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、[14]に記載のシステム。
[23]前記信号プロセッサモジュールは、前記基準データソースから受信された複数の前記医療診断信号が、前記1つ以上の診断された医療状態に関係付けられたとき、1つ以上の診断された医療状態に関係付けられた前記基準信号特性を識別するために、前記複数の基準信号特性を分類するようにさらに適応された、[14]に記載のシステム。
[24]前記比較モジュールは、前記患者信号特性を、前記1つ以上の診断された医療状態に関係付けられるとして識別される前記基準信号特性と比較するようにさらに適応される、[23]に記載のシステム。
[25]前記医療診断信号は、心電図(ECG)信号であり、前記複数の診断された医療状態は、複数の心血管系状態である、[14]に記載のシステム。
[26]前記比較モジュールは、時間又は周波数における粗い解像度から、時間又は周波数における連続的なより細かい解像度へ、マトリックス比較を使用して、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、[14]に記載のシステム。
[27]一時的でないコンピュータ読み取り可能な媒体であって、
患者の医療状態を識別することにおいて支援するために、患者の患者信号特性と比較されることになる複数の基準信号特性を記憶する基準データベースと、ここにおいて、前記複数の基準信号特性は、プロセスによって生成され、
前記プロセスは、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号を変換するためのウェーブレット変換の第1の反復を使用し、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を使用し、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析する、
一時的でないコンピュータ読み取り可能な媒体。
[28]前記複数の処理された基準データの前記信号特性は、時間ドメインと、3−D時間及び周波数ドメインとにおける前記信号特性を備え、前記複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を使用するプロセスは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成し、
前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上で前記ウェーブレット変換の前記第2の反復を実行する、[27]に記載の一時的でないコンピュータ読み取り可能な媒体。
[29]前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、前記複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析するプロセスは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析する、[28]に記載の一時的でないコンピュータ読み取り可能な媒体。
[30]前記複数の基準信号特性は、符号化される患者信号特性と比較されることになる複数の符号化された基準データを生成するように符号化され、
前記基準データベースは、医療状態に関係付けられた、分類された基準信号特性をさらに備え、前記分類された基準信号特性は、前記医療状態に関係付けられた前記複数の基準信号特性から識別される、[27]に記載の一時的でないコンピュータ読み取り可能な媒体。
Claims (30)
- プロセッサによって、医療診断信号を使用して医療状態を識別する方法であって、前記プロセッサは、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号上でウェーブレット変換の第1の反復を実行することと、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行することと、
患者の医療診断信号からノイズを取り除くために、医療診断装置から受信された前記患者の医療診断信号上でウェーブレット変換の第1の反復を実行することと、
処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の医療診断信号上でウェーブレット変換の第2の反復を実行することと、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析することと、
患者信号特性を生成するために、前記処理された患者データの信号特性を解析することと、
前記患者の前記医療状態を識別する際に支援するために、前記患者信号特性と、前記基準信号特性のうちの1つ以上との間のベストマッチングを生成するために、前記患者信号特性を前記複数の基準信号特性と比較することと、
を備える、方法。 - 前記複数の処理された基準データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、
前記複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行することは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成することと、
前記時間ドメインにおける複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、を備え、
前記処理された患者データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、
前記処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号上でウェーブレット変換の第2の反復を実行することは、
前記患者の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号を再構成することと、
前記時間ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、
前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行することと、を備える、請求項1に記載の方法。 - 前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、
前記複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析することは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析することと、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析することと、を備え、
前記患者信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記患者信号特性を備え、
前記患者信号特性を生成するための前記処理された患者データの信号特性を解析することは、
前記時間ドメインにおける前記患者信号特性を生成するために、前記時間ドメインにおける前記処理された患者データの前記信号特性を、2次元で抽出して解析することと、
前記3−D時間及び周波数ドメインにおける前記患者信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を、3次元で抽出して解析することと、を備える、請求項2に記載の方法。 - 複数の符号化された基準データを生成するために、前記複数の基準信号特性を符号化することと、
符号化された患者データを生成するために、前記患者信号特性を符号化することと、をさらに備える、請求項1に記載の方法。 - 前記患者信号特性を前記複数の基準信号特性と比較することは、前記符号化された患者データとベストマッチングする符号化された基準データを見つけるために、前記符号化された患者データを前記複数の符号化された基準データと比較することを備える、請求項4に記載の方法。
- 前記複数の符号化された基準データは、
時間ドメインにおける前記複数の基準信号特性を符号化する、複数の時間符号化された基準データと、
時間及び周波数ドメインにおける前記複数の基準信号特性を符号化する、複数の時間・周波数符号化された基準データと、を備え、
前記符号化された患者データは、
時間ドメインにおける前記患者信号特性を符号化する、時間符号化された患者データと、
時間及び周波数ドメインにおける前記患者信号特性を符号化する、時間・周波数符号化された患者データと、を備え、
前記符号化された患者データを前記複数の符号化された基準データと比較することは、
前記時間符号化された患者データを、前記複数の時間符号化された基準データと比較することと、
前記ベストマッチングを見つけるために、前記時間・周波数符号化された患者データを、前記複数の時間・周波数符号化された基準データと比較することと、を備える、請求項5に記載の方法。 - 前記患者信号特性にベストマッチングする前記基準信号特性は、診断された医療状態に関係付けられ、前記患者は前記診断された医療状態を有するとして識別される、請求項1に記載の方法。
- 前記患者の付加的な患者診断信号を生成するために、前記医療診断装置を構成するように、前記患者信号特性を前記複数の基準信号特性と比較することの結果を使用することをさらに備える、請求項1に記載の方法。
- 複数の基準信号特性を生成するために前記複数の処理された基準データの信号特性を解析すること、及び、患者信号特性を生成するために前記処理された患者データの信号特性を解析すること、のために使用されるパラメータを調節するように、患者信号特性を前記複数の基準信号特性と比較することの結果を使用することをさらに備える、請求項1に記載の方法。
- 前記基準データソースから受信された複数の前記医療診断信号が、前記1つ以上の診断された医療状態に関係付けられたとき、1つ以上の診断された医療状態に関係付けられた前記基準信号特性を識別するために、前記複数の基準信号特性を分類することをさらに備える、請求項1に記載の方法。
- 患者信号特性を前記複数の基準信号特性と比較することは、前記患者信号特性を前記基準信号特性と比較することを備え、これは、前記1つ以上の診断された医療状態に関係付けられるとして識別される、請求項10に記載の方法。
- 前記医療診断信号は、心電図(ECG)信号であり、前記複数の診断された医療状態は、複数の心血管系状態である、請求項1に記載の方法。
- 患者信号特性を前記複数の基準信号特性と比較することは、時間又は周波数における粗い解像度から、時間又は周波数における連続的なより細かい解像度へ、マトリックス比較を使用して比較することを備える、請求項1に記載の方法。
- デュアル・トラック・ウェーブレット変換モジュールであって、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号上でウェーブレット変換の第1の反復を実行し、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を実行し、
患者の医療診断信号からノイズを取り除くために、医療診断装置から受信された前記患者の医療診断信号上でウェーブレット変換の第1の反復を実行し、
処理された患者データを生成するために、前記ノイズが取り除かれた前記患者の医療診断信号上でウェーブレット変換の第2の反復を実行するように適応されたデュアル・トラック・ウェーブレット変換モジュールと、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析するように適応された信号プロセッサモジュールと、ここにおいて、前記信号プロセッサは、患者信号特性を生成するために、前記処理された患者データの信号特性を解析するようにさらに適応され、
前記患者の医療状態を識別するための支援として、前記患者信号特性と、前記基準信号特性のうちの1つ以上との間のベストマッチングを識別するために、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された比較モジュールと、
を備える、システム。 - 前記複数の処理された基準データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、前記デュアル・トラック・ウェーブレット変換モジュールは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成し、
前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行するようにさらに適応され、
前記処理された患者データの前記信号特性は、時間ドメインにおける前記信号特性と、3−D時間及び周波数ドメインにおける前記信号特性とを備え、前記デュアル・トラック・ウェーブレット変換モジュールは、
前記患者の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記患者の前記医療診断信号を再構成し、
前記時間ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を生成するために、前記患者の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行するようにさらに適応された、請求項14に記載のシステム。 - 前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、前記信号プロセッサモジュールは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析するようにさらに適応され、
前記患者信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記患者信号特性を備え、前記信号プロセッサモジュールは、
前記時間ドメインにおける前記患者信号特性を生成するために、前記時間ドメインにおける前記処理された患者データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記患者信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記処理された患者データの前記信号特性を、3次元で抽出して解析するようにさらに適応された、請求項15に記載のシステム。 - 複数の符号化された基準データを生成するために、前記複数の基準信号特性を符号化し、
符号化された患者データを生成するために、前記患者信号特性を符号化するように適応されたエンコーダをさらに備える、請求項14に記載のシステム。 - 前記比較モジュールは、前記符号化された患者データとベストマッチングする符号化された基準データを見つけるために、前記符号化された患者データを前記複数の符号化された基準データと比較するようにさらに適応された、請求項17に記載のシステム。
- 前記複数の符号化された基準データは、
時間ドメインにおける前記複数の基準信号特性を符号化する、複数の時間符号化された基準データと、
時間及び周波数ドメインにおける前記複数の基準信号特性を符号化する、複数の時間及び周波数符号化された基準データと、を備え、
前記符号化された患者データは、
時間ドメインにおける前記患者信号特性を符号化する、時間符号化された患者データと、
時間及び周波数ドメインにおける前記患者信号特性を符号化する、時間及び周波数符号化された患者データと、を備え、
前記比較モジュールは、
前記時間符号化された患者データを、前記複数の時間符号化された基準データと比較し、
前記ベストマッチングを見つけるために、前記時間及び周波数符号化された患者データを、前記複数の時間及び周波数符号化された基準データと比較するようにさらに適応された、請求項18に記載のシステム。 - 前記患者信号特性にベストマッチングする前記基準信号特性は、診断された医療状態に関係付けられ、前記患者は前記診断された医療状態を有するとして識別される、請求項14に記載のシステム。
- 前記比較モジュールは、前記患者の付加的な患者診断信号を生成するために、前記医療診断装置を構成するように、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、請求項14に記載のシステム。
- 前記比較モジュールは、複数の基準信号特性を生成するために前記複数の処理された基準データの信号特性を解析するための前記信号プロセッサモジュールによって使用されるパラメータを調節するように、及び、患者信号特性を生成するために前記処理された患者データの信号特性を解析するための前記信号プロセッサモジュールによって使用されるパラメータを調節するように、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、請求項14に記載のシステム。
- 前記信号プロセッサモジュールは、前記基準データソースから受信された複数の前記医療診断信号が、前記1つ以上の診断された医療状態に関係付けられたとき、1つ以上の診断された医療状態に関係付けられた前記基準信号特性を識別するために、前記複数の基準信号特性を分類するようにさらに適応された、請求項14に記載のシステム。
- 前記比較モジュールは、前記患者信号特性を、前記1つ以上の診断された医療状態に関係付けられるとして識別される前記基準信号特性と比較するようにさらに適応される、請求項23に記載のシステム。
- 前記医療診断信号は、心電図(ECG)信号であり、前記複数の診断された医療状態は、複数の心血管系状態である、請求項14に記載のシステム。
- 前記比較モジュールは、時間又は周波数における粗い解像度から、時間又は周波数における連続的なより細かい解像度へ、マトリックス比較を使用して、前記患者信号特性を前記複数の基準信号特性と比較するようにさらに適応された、請求項14に記載のシステム。
- 一時的でないコンピュータ読み取り可能な媒体であって、
患者の医療状態を識別することにおいて支援するために、患者の患者信号特性と比較されることになる複数の基準信号特性を記憶する基準データベースと、ここにおいて、前記複数の基準信号特性は、プロセスによって生成され、
前記プロセスは、
複数の医療診断信号からノイズを取り除くために、基準データソースから受信された前記複数の医療診断信号を変換するためのウェーブレット変換の第1の反復を使用し、
複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を使用し、
複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析する、
一時的でないコンピュータ読み取り可能な媒体。 - 前記複数の処理された基準データの前記信号特性は、時間ドメインと、3−D時間及び周波数ドメインとにおける前記信号特性を備え、前記複数の処理された基準データを生成するために、前記ノイズが取り除かれた前記複数の医療診断信号上でウェーブレット変換の第2の反復を使用するプロセスは、
複数の再構成された医療診断信号を生成するために、前記ノイズが取り除かれた前記複数の医療診断信号を再構成し、
前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上でウェーブレット変換の前記第2の反復を実行し、
前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を生成するために、前記複数の再構成された医療診断信号上で前記ウェーブレット変換の前記第2の反復を実行する、請求項27に記載の一時的でないコンピュータ読み取り可能な媒体。 - 前記複数の基準信号特性は、時間ドメインと3−D時間及び周波数ドメインとにおける前記複数の基準信号特性を備え、前記複数の基準信号特性を生成するために、前記複数の処理された基準データの信号特性を解析するプロセスは、
前記時間ドメインにおける前記複数の基準信号特性を生成するために、前記時間ドメインにおける前記複数の処理された基準データの前記信号特性を、2次元で抽出して解析し、
前記3−D時間及び周波数ドメインにおける前記複数の基準信号特性を生成するために、前記3−D時間及び周波数ドメインにおける前記複数の処理された基準データの前記信号特性を、3次元で抽出して解析する、請求項28に記載の一時的でないコンピュータ読み取り可能な媒体。 - 前記複数の基準信号特性は、符号化される患者信号特性と比較されることになる複数の符号化された基準データを生成するように符号化され、
前記基準データベースは、医療状態に関係付けられた、分類された基準信号特性をさらに備え、前記分類された基準信号特性は、前記医療状態に関係付けられた前記複数の基準信号特性から識別される、請求項27に記載の一時的でないコンピュータ読み取り可能な媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/237,913 | 2016-08-16 | ||
US15/237,913 US9642577B1 (en) | 2016-08-16 | 2016-08-16 | Methods and systems for disease analysis based on transformations of diagnostic signals |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018047230A true JP2018047230A (ja) | 2018-03-29 |
JP6367442B2 JP6367442B2 (ja) | 2018-08-01 |
Family
ID=58644514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017157183A Active JP6367442B2 (ja) | 2016-08-16 | 2017-08-16 | 診断信号の変換に基づいた疾病解析のための方法及びシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US9642577B1 (ja) |
EP (1) | EP3284403A1 (ja) |
JP (1) | JP6367442B2 (ja) |
CA (1) | CA2976568C (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109009143A (zh) * | 2018-07-12 | 2018-12-18 | 杭州电子科技大学 | 一种通过人体步态预测心电信息的方法 |
WO2023022511A1 (ko) * | 2021-08-17 | 2023-02-23 | 주식회사 메디컬에이아이 | 2개 유도의 비동시적 심전도를 기반으로 하는 동시적 심전도 생성 방법 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11262354B2 (en) | 2014-10-20 | 2022-03-01 | Boston Scientific Scimed, Inc. | Disposable sensor elements, systems, and related methods |
JP2019527365A (ja) | 2016-06-15 | 2019-09-26 | ボストン サイエンティフィック サイムド,インコーポレイテッドBoston Scientific Scimed,Inc. | ガス採取用カテーテル |
US11172846B2 (en) | 2016-10-21 | 2021-11-16 | Boston Scientific Scimed, Inc. | Gas sampling device |
WO2018213564A1 (en) * | 2017-05-19 | 2018-11-22 | Cardiac Pacemakers, Inc. | Systems and methods for assessing the health status of a patient |
US10852264B2 (en) | 2017-07-18 | 2020-12-01 | Boston Scientific Scimed, Inc. | Systems and methods for analyte sensing in physiological gas samples |
SG10201706487SA (en) * | 2017-08-08 | 2019-03-28 | Mastercard International Inc | Electronic system and method for making group payments |
CN108652614B (zh) * | 2018-02-06 | 2019-12-03 | 北京大学深圳研究生院 | 一种心血管疾病病情评估方法及系统 |
US11835435B2 (en) | 2018-11-27 | 2023-12-05 | Regents Of The University Of Minnesota | Systems and methods for detecting a health condition |
US11662325B2 (en) | 2018-12-18 | 2023-05-30 | Regents Of The University Of Minnesota | Systems and methods for measuring kinetic response of chemical sensor elements |
CN109662847A (zh) * | 2019-01-15 | 2019-04-23 | 江苏欣华恒精密机械集团有限公司 | 一种智能护理床 |
CN213346094U (zh) | 2019-02-22 | 2021-06-04 | 洁碧有限公司 | 水牙线、水箱、口腔冲洗器和台面口腔清洁装置 |
CN109893118A (zh) * | 2019-03-05 | 2019-06-18 | 武汉大学 | 一种基于深度学习的心电信号分类诊断方法 |
CN109846473B (zh) * | 2019-03-19 | 2021-11-05 | 苏州哈特智能医疗科技有限公司 | 一种检测单导联10秒心电图噪音干扰程度的方法 |
CN110101383B (zh) * | 2019-04-19 | 2021-09-21 | 长沙理工大学 | 一种基于小波能量的心电信号去噪算法 |
US11389270B2 (en) | 2020-05-01 | 2022-07-19 | Water Pik, Inc. | Button assembly for electronic device, such as oral irrigator |
USD1022306S1 (en) | 2020-05-01 | 2024-04-09 | Water Pik, Inc. | Light guide |
CN111920407B (zh) * | 2020-07-27 | 2023-09-22 | 广东省医疗器械研究所 | 基于小波变换的心电特征提取方法、系统、装置及介质 |
CN112515637B (zh) * | 2020-12-02 | 2021-06-15 | 山东省人工智能研究院 | 一种基于组稀疏特性的心电信号降噪方法 |
CN112842348B (zh) * | 2021-02-07 | 2021-09-14 | 山东省人工智能研究院 | 一种基于特征提取与深度学习的心电信号自动分类方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016091984A1 (en) * | 2014-12-12 | 2016-06-16 | Koninklijke Philips N.V. | Device and method for measuring a physiological characteristic of a subject |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1178855B1 (en) * | 1999-05-12 | 2006-08-02 | Medtronic, Inc. | Monitoring apparatus using wavelet transforms for the analysis of heart rhythms |
US8781566B2 (en) * | 2006-03-01 | 2014-07-15 | Angel Medical Systems, Inc. | System and methods for sliding-scale cardiac event detection |
TWI365062B (en) * | 2009-06-15 | 2012-06-01 | Univ Nat Taiwan | Health monitoring device and human electric signal processing method |
US20130024123A1 (en) * | 2011-07-21 | 2013-01-24 | Nellcor Puritan Bennett Ireland | Methods and systems for determining physiological parameters using template matching |
US9050014B2 (en) * | 2011-12-14 | 2015-06-09 | Siemens Medical Solutions Usa, Inc. | System for cardiac arrhythmia detection and characterization |
CN104102915B (zh) | 2014-07-01 | 2019-02-22 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
-
2016
- 2016-08-16 US US15/237,913 patent/US9642577B1/en active Active
-
2017
- 2017-08-15 EP EP17186297.2A patent/EP3284403A1/en active Pending
- 2017-08-16 JP JP2017157183A patent/JP6367442B2/ja active Active
- 2017-08-16 CA CA2976568A patent/CA2976568C/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016091984A1 (en) * | 2014-12-12 | 2016-06-16 | Koninklijke Philips N.V. | Device and method for measuring a physiological characteristic of a subject |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109009143A (zh) * | 2018-07-12 | 2018-12-18 | 杭州电子科技大学 | 一种通过人体步态预测心电信息的方法 |
CN109009143B (zh) * | 2018-07-12 | 2021-01-29 | 杭州电子科技大学 | 一种通过人体步态预测心电信息的方法 |
WO2023022511A1 (ko) * | 2021-08-17 | 2023-02-23 | 주식회사 메디컬에이아이 | 2개 유도의 비동시적 심전도를 기반으로 하는 동시적 심전도 생성 방법 |
Also Published As
Publication number | Publication date |
---|---|
CA2976568C (en) | 2019-06-18 |
JP6367442B2 (ja) | 2018-08-01 |
CA2976568A1 (en) | 2018-02-16 |
EP3284403A1 (en) | 2018-02-21 |
US9642577B1 (en) | 2017-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6367442B2 (ja) | 診断信号の変換に基づいた疾病解析のための方法及びシステム | |
Da Poian et al. | Separation and analysis of fetal-ECG signals from compressed sensed abdominal ECG recordings | |
Karpagachelvi et al. | ECG feature extraction techniques-a survey approach | |
Abibullaev et al. | A new QRS detection method using wavelets and artificial neural networks | |
Rakshit et al. | An efficient wavelet-based automated R-peaks detection method using Hilbert transform | |
EP3672474A1 (en) | A method of detecting abnormalities in ecg signals | |
Tadejko et al. | Mathematical morphology based ECG feature extraction for the purpose of heartbeat classification | |
CN112543617A (zh) | 用于量化和去除生物物理信号中的异步噪声的方法和系统 | |
CN110522442B (zh) | 多导联心电异常检测装置、电子设备和存储介质 | |
Al-Ani | ECG waveform classification based on P-QRS-T wave recognition | |
Slama et al. | Application of statistical features and multilayer neural network to automatic diagnosis of arrhythmia by ECG signals | |
Issa et al. | Automatic ECG artefact removal from EEG signals | |
Engin et al. | Feature measurements of ECG beats based on statistical classifiers | |
Kuila et al. | Feature extraction of electrocardiogram signal using machine learning classification | |
CN113180685B (zh) | 基于形态学滤波和小波阈值的心电异常判别系统及方法 | |
Vuksanovic et al. | ECG based system for arrhythmia detection and patient identification | |
Murthy et al. | ECG signal denoising and ischemic event feature extraction using Daubechies wavelets | |
Chawla | Parameterization and R‐peak error estimations of ECG signals using independent component analysis | |
Chawla | Segment classification of ECG data and construction of scatter plots using principal component analysis | |
Singh et al. | A generic and robust system for automated detection of different classes of arrhythmia | |
Mandala et al. | Feature extraction on multi-channel ECG signals using Daubechies Wavelet algorithm | |
Khandait et al. | ECG signal processing using classifier to analyses cardiovascular disease | |
Wirananta et al. | Prediction of Atrial Fibrillation using XGBoost and Smartphone PPG Data with ECG Based Model | |
Gómez-Herrero et al. | Relative estimation of the Karhunen-Loève transform basis functions for detection of ventricular ectopic beats | |
Prashar et al. | Morphology analysis and time interval measurements using mallat tree decomposition for CVD Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180424 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180704 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6367442 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |