JP2021094203A - 心拍変動解析装置、方法およびプログラム - Google Patents

Abstract

【課題】心電データから自律神経の働き具合の経時的変化の評価に適した自律神経指標を得ることを可能にすること。【解決手段】心電データは、入出力インタフェース１１を通して入力され、メモリ１２に蓄積される。Ｒ−Ｒ間隔計測手段１３は、心電データにおけるＲ−Ｒ間隔を順次計測する。時系列データ生成手段１５は、Ｒ−Ｒ間隔計測手段１４により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する。周波数解析手段１６は、時系列データ生成手段１５により生成された時系列データの所定拍動個数区間を周波数解析してそのパワースペクトル密度を求める。【選択図】図１

Description

本発明は、心拍変動解析装置、方法およびプログラムに関し、特に、心電データから心拍変動を解析して自律神経の働き具合を正しく評価することができるようにした心拍変動解析装置、方法およびプログラムに関する。

心拍の心室収縮の開始を表すＲ波の発生間隔（Ｒ−Ｒ間隔）は、周期性をもって変動し、その変動の周波数成分は、自律神経の働き具合を表すことが知られている。この関係を利用して自律神経の働き具合を評価でき、その一つの手法では、心電データにおけるＲ−Ｒ間隔を順次計測し、そのＲ−Ｒ間隔を周波数解析（スペクトル分析）してその変動の周波数成分を求め、その周波数成分から自律神経の働き具合を評価する。

図６は、従来におけるＲ−Ｒ間隔変動の周波数成分の解析手法の説明図である。

同図（ａ）は、心電センサなどにより取得された心電データＥＰＧを示す。ここで、Ｒ波は、心室収縮の開始を表し、時間軸方向（ｘ軸方向）にＲ−Ｒ間隔ＲＲ１，ＲＲ２，ＲＲ３，・・・をもって出現し、その間隔は、周期性をもって変動する。

一般的に、時間軸方向のデータをそのまま周波数解析することは難しい。そこで、Ｒ−Ｒ間隔変動を周波数解析する場合、Ｒ−Ｒ間隔ＲＲ１，ＲＲ２，ＲＲ３，・・・をｙ軸方向の振幅に置き換えた時系列データを生成し、これにより生成された時系列データを周波数解析する。

同図（ｂ）は、Ｒ−Ｒ間隔ＲＲ１，ＲＲ２，ＲＲ３，・・・をそのままｙ軸方向の振幅Ａ１，Ａ２，Ａ３，・・・に置き換えて生成された時系列データを示し、振幅Ａ１，Ａ２，Ａ３，・・・はそれぞれ、Ｒ−Ｒ間隔ＲＲ１，ＲＲ２，ＲＲ３，・・・に等しい。

同図（ｃ）は、同図（ｂ）のような時系列データを周波数解析して得られるパワースペクトル密度を示し、ｘ軸は、周波数（Ｈｚ）であり、ｙ軸は、ｘ軸方向の各周波数におけるパワースペクトル密度（ｍｓｅｃ^２／Ｈｚ）を表す。なお、パワースペクトル密度とは、時系列データのパワーを各周波数成分に分解して表したものである。
ここで、０．０４〜０．１５Ｈｚ成分の総和をＬＦとし、０．１５〜０．４０Ｈｚ成分の総和をＨＦとすると、ＬＦ／ＨＦは、交感神経の働き具合を示し、ＨＦは、副交感神経の働き具合を示すことが知られているので、これらの値を自律神経指標とすることができる。

図６では、ｘ軸方向のＲ−Ｒ間隔をそのままｙ軸方向の振幅に置き換えて時系列データを生成しているが、ｘ軸方向のＲ−Ｒ間隔の逆数をｙ軸方向の振幅に置き換えて時系列データを生成したり、ｘ軸方向を一定間隔の定数とし、ｘ軸方向のＲ−Ｒ間隔を各定数に対するｙ軸方向の振幅に置き換えてＢｅａｔ関数で表される時系列データを生成したりすることも知られている。以下では、上記の時間列データの生成手法をそれぞれ、Ｅｑｕａｌ、１／ｆ ｆｌｕｃｔｕａｔｉｏｎ、Ｂｅａｔ Ｆｕｎｃｔｉｏｎと称する。

図７は、従来における時系列データの生成手法を示す説明図であり、同図（ａ），（ｂ），（ｃ）はそれぞれ、Ｅｑｕａ１，１／ｆ ｆｌｕｃｔｕａｔｉｏｎ，Ｂｅａｔ Ｆｕｎｃｔｉｏｎの手法を示している。
Ｅｑｕａ１では、同図（ａ）に示されているように、ｘ軸方向のＲ−Ｒ間隔（ｔｎ＋１−ｔｎ）（ｍｓｅｃ）をそのままｘ軸方向のｔｎ（ｍｓｅｃ）〜ｔｎ＋１（ｍｓｅｃ）のＲ−Ｒ間隔期間でのｙ軸方向の振幅に置き換える。したがって、ｘ軸方向のｔｎ（ｍｓｅｃ）〜ｔｎ＋１（ｍｓｅｃ）のＲ−Ｒ間隔期間でのｙ軸方向の振幅がｘ軸方向のＲ−Ｒ間隔（ｔｎ＋１−ｔｎ）（ｍｓｅｃ）に等しい。
１／ｆ ｆｌｕｃｔｕａｔｉｏｎでは、同図（ｂ）に示されているように、ｘ軸方向のＲ−Ｒ間隔（ｔｎ＋１−ｔｎ）（ｍｓｅｃ）の逆数１／（ｔｎ＋１−ｔｎ）（ｍｓｅｃ^−１）をｙ軸方向の振幅に置き換える。したがって、ｘ軸方向のｔｎ（ｍｓｅｃ）〜ｔｎ＋１（ｍｓｅｃ）のＲ−Ｒ間隔期間でのｙ軸方向の振幅がｘ軸方向のＲ−Ｒ間隔（ｔｎ＋１−ｔｎ）（ｍｓｅｃ）の逆数１／（ｔｎ＋１−ｔｎ）（ｍｓｅｃ^−１）に等しい。
Ｂｅａｔ Ｆｕｎｃｔｉｏｎでは、同図（ｃ）に示されているように、ｘ軸方向が一定間隔の定数であり、ｘ軸方向の定数ｎでのｙ軸方向の振幅がｘ軸方向のＲ−Ｒ間隔（ｔｎ＋１−ｔｎ）（ｍｓｅｃ）に等しい。

非特許文献１には、心電図から縦軸をＲ−Ｒ間隔、横軸を時間とするＲＲＩ時刻歴を算出し、このＲＲＩ時刻歴により自律神経系の活動状況を把握し、乗員のストレスリラックス状態を判定することが記載されている。

非特許文献２には、隣り合うＲ波発生時刻の間で、そのＲ−Ｒ間隔の逆数を瞬時心拍数とし、それをスペクトル解析して心拍揺らぎを実時間的にとらえることが記載されている。

非特許文献３には、Ｒ−Ｒ間隔をＢｅａｔ数の関数とみなして心拍変動をスペクトル解析することが記載されている。

日本機械学会論文集 Ｖｏｌ．８１，Ｎｏ．８３２，２０１５ ｐ．１−１５ 「乗員の心理状態推定による乗り心地制御システムの提案」 ＢＭＥ Ｖｏｌ．８，Ｎｏ．１０，１９９４ ｐ．１３−１６ 「心拍ゆらぎの１／ｆスペクトル推定」 生物物理 Ｖｏｌ．２８，Ｎｏ．４，１９８８ ｐ．３２−３６ 「心拍変動と自律神経機能」

従来におけるＲ−Ｒ間隔変動の周波数成分の解析手法では、上記したように、心電データにおけるｘ軸方向のＲ−Ｒ間隔をそのままの数値やその逆数をｙ軸方向の振幅に置き換えた時系列データを生成し、それにより生成された時系列データを周波数解析してパワースペクトル密度を算出しており、これにより算出されたパワースペクトル密度から自律神経の働き具合を評価する。

しかし、一般的に、定常状態におけるヒトの心臓の一回拍出量は一定であることから、心臓の各拍動でのパワースペクトル密度の総和を一定にすることが求められる。このパワースペクトル密度の総和が一定でない場合には、サンプリング時間毎に時間関数が持つエネルギー総和が異なるため、自律神経の働き具合の経時的変化を正しく評価することができない。すなわち、Ｒ−Ｒ間隔そのままの値やその逆数を振幅に置き換えた時系列データにおける各拍動でのパワースペクトル密度の総数は、時々で変化し、したがって、時系列データの時々の所定拍動回数区間におけるパワースペクトル密度の総和も変化し、それが周波数分析されて求められたパワースペクトル密度にはその変化分が含まれているので、時々パワースペクトル密度を比較しても、自律神経の働き具合の経時的変化を正しく評価することができない、という課題がある。

本発明の目的は、上記課題を解決し、心電データから心拍変動を解析して自律神経の働き具合を正しく評価することができるようにした心拍変動解析装置、方法およびプログラムを提供することにある。

上記課題を解決するため、本発明は、心電データから心拍変動を解析する心拍変動解析装置であって、心電データにおけるＲ−Ｒ間隔を順次計測するＲ−Ｒ間計測手段と、前記Ｒ−Ｒ間隔計測手段により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する時系列データ生成手段と、前記時系列データ生成手段により生成された時系列データを周波数解析してそのパワースペクトル密度を求める周波数解析手段を備えたことを特徴としている。

ここで、パワースペクトル密度における所定低周波成分の総和ＬＦと所定高周波成分の総和ＨＦをそれぞれ算出し、あるいはそれに加えてＬＦ／ＨＦを算出するようにしてもよい。
また、時系列データの所定拍動回数区間を対象とし、また、時系列データの時々の所定拍動回数区間それぞれを対象として周波数解析するようにしてもよい。

なお、本発明は、心拍変動解析装置としてだけでなく、その各部の処理をステップとして有する心拍変動解析方法として実現することができ、また、その処理の機能をコンピュータに実現させるコンピュータプログラムとして実現することもできる。

本発明では、時系列データ全体にわたって１回の拍動あたりのパワースペクトル密度の総和が等しくなるように、時系列データの時間領域表現を最適化しているので、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和を等しくすることができ、その下で、それぞれのパワースペクトル密度を求めることができる。したがって、それらのパワースペクトル密度を比較するだけで、自律神経の働き具合の経時的変化を正しく評価することができるようになる。

本発明に係る心拍変動解析装置の一実施形態を示すブロック図である。 図１の心拍変動解析装置における動作を示すフローチャートである。 １回の拍動についての心電データのＲ−Ｒ間隔（ｘ軸）と振幅（ｙ軸）の関係を示す説明図である。 本発明に従って時間領域表現が最適化された１回の拍動回数区間についての時系列データを示す図である。 本発明と従来手法での各拍動に対するパワースペクトル密度の総和を示す説明図である。 Ｒ−Ｒ間隔そのままの値を振幅に置き換える手法を利用した場合の、一般的なＲ−Ｒ間隔変動の周波数成分の解析手法の説明図である。 従来における時系列データの生成手法を対比して示す説明図である。

以下、図面を参照して本発明を説明する。
図１は、本発明に係る心拍変動解析装置の一実施形態を示すブロック図である。

本実施形態の心拍変動解析装置１０は、入出力インタフェース１１、メモリ１２、およびＣＰＵ１３を備える。

心電センサなどからの心電データが入出力インタフェース１１を通して心拍変動解析装置１０に入力され、また、心拍変動解析装置１０における心拍変動解析の結果のパワースペクトル密度が入出力インタフェース１１を通して出力される。

メモリ１２は、心拍変動解析装置１０が処理を実行するためのプログラムを予め記憶しており、また、心電データが処理されたデータなどを適宜保持する。

ＣＰＵ１３は、メモリ１２に記憶されているプログラムに従って処理を実行する。ここでは、まず、メモリ１２に蓄積された心電データにおけるＲ−Ｒ間隔を順次計測し、次に、順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成し、さらに、その時系列データを周波数解析してそのパワースペクトル密度を求める。

以上のように、ＣＰＵ１３は、心電データにおけるＲ−Ｒ間隔を順次計測するＲ−Ｒ間隔計測手段１４、Ｒ−Ｒ間隔計測手段１４により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する時系列データ生成手段１５、および時系列データ生成手段１５により生成された時系列データを周波数解析してそのデータのパワースペクトル密度を求める周波数解析手段１６として機能する。

図２は、図１の心拍変動解析装置１０における動作を示すフローチャートである。

まず、Ｓ２１で、心電データを、入出力インタフェース１１を通して心拍変動解析装置１０に入力し、Ｓ２２で、メモリ１２に蓄積する。続くＳ２３以降では、メモリ１２に蓄積された心電データを処理の対象とする。

Ｓ２３では、メモリ１２に蓄積された心電データからＲ−Ｒ間隔を順次演算し、次の、Ｓ２４では、Ｓ２３で順次演算された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅に置き換えて時系列データを生成する。Ｓ２４では、Ｓ２３で計測された各Ｒ−Ｒ間隔からその平方根の逆数あるいはその定数倍を算出し、その値を当該各Ｒ−Ｒ間隔期間で継続する振幅として与えればよい。

Ｓ２５では、Ｓ２４で生成された時系列データを周波数解析する。ここでは、時系列データの時々の所定拍動回数区間を対象として周波数解析すればよく、所定拍動回数は任意に定めることができるが、自律神経の働き具合の変化を時々刻々評価できるようにするためには、それを、例えば、拍動回数２５回程度の短い区間とするのが好ましい。なお、入力される心電データが時々の所定拍動回数区間のものである場合には、その全体を処理の対象とすればよい。
Ｓ２５での周波数解析により、処理対象とされた時系列データ（所定拍動回数区間）のパワースペクトル密度が求められる。Ｓ２６では、Ｓ２５で求められたスペクトル密度を、入出力インタフェース１１を通して出力する。

なお、時々の所定拍動回数区間の時系列データを周波数分析する場合、その時々の所定拍動回数区間の時系列データを対象としてＳ２３〜Ｓ２６の処理を繰り返し実行し、それぞれについてのパワースペクトル密度を求めればよい。

以上のように、時系列データの各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅に置き換えるのは、最適化された時間領域表現の時系列データを生成するためである。すなわち、時系列データ全体にわたって１回の拍動あたりのパワースペクトル密度の総和を等しくし、それにより、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和を等しくするためである。この最適化により、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和が等しいという条件の下でパワースペクトル密度が求められることが保証される。
以下、時系列データの時間領域表現での最適化について説明する。

図３は、１回の拍動についての心電データのＲ−Ｒ間隔（ｘ軸）と振幅（ｙ軸）の関係を示す説明図である。

ここで、ｘ軸方向のＲ−Ｒ間隔をＢ２−Ｂ１とし、ｙ軸方向の振幅をＡとすると、時間領域の信号ｆ（ｔ）のエネルギーの総和は、式（１）で表される。

また、時間領域の信号ｆ（ｔ）を周波数解析した周波数領域の信号をＦ（ｆ）とすると、そのエネルギーの総和は、式（２）で表される。

パーゼルの定理によれば、式（３）が成り立つ。

なお、式（２）、式（３）における上線（￣）付のＦ（ｆ）は、Ｆ（ｆ）の共役複素数を表す。

式（３）から、図３のパワースペクトル密度の総和は、式（４）で表すことができる。式（４）から式（５）が導出され、式（５）に従う振幅Ａとすれば、時系列データ全体にわたって１回の拍動あたりのパワースペクトル密度の総和を一定値Ｃにすることができる。これにより、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和が等しいという条件の下でパワースペクトル密度が求められることを保証される。なお、式（５）におけるＣは、任意の定数である。

式（５）は、時系列データの各Ｒ−Ｒ間での振幅ＡをＲ−Ｒ間隔の平方根の逆数あるいはその定数倍に置き換えれば、１回の拍動あたりのパワースペクトル密度の総和を一定値Ｃにすることができ、これにより、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和を等しくすることができることを示している。

そこで、本発明では、最適化された時間領域表現の時系列データとして、順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成し、それにより、時系列データの時々の所定拍動回数区間を周波数分析する場合に、それらの所定拍動回数区間のパワースペクトル密度の総和が等しいという条件の下でパワースペクトル密度が求められることが保証されるようにする。この保証の下で求められたパワースペクトル密度をそのまま比較するだけで、自律神経の働き具合の経時的変化を正しく評価することができる。

図４は、本発明に従って時間領域表現が最適化された１回の拍動回数区間についての時系列データを示す図である。

図４では、各Ｒ−Ｒ間隔の平方根の逆数を当該Ｒ−Ｒ間隔期間での振幅に置き換えているが、式（５）から明らかなように、各Ｒ−Ｒ間隔の平方根の逆数の定数倍を当該Ｒ−Ｒ間隔期間での振幅に置き換えてもよい。

図５は、本発明と従来手法での各拍動に対するパワースペクトル密度の総和を示す説明図である。ここでは、各拍動のＲ−Ｒ間隔を、同図（ａ）に示されるＲ-Ｒ間隔（ｓｅｃ）データサンプル（ｙ方向そしてｘ方向の順に推移）とし、各拍動（拍動番号）におけるパワースペクトル密度の総和を求めた。その結果が同図（ｂ）である。なお、ｙ軸方向の振幅は、本発明ではｓｅｃ^−１であり、１／ｆ ｆｌｕｃｔｕａｔｉｏｎではｓｅｃ^−２であり、ＥｑｕａｌとＢｅａｔ Ｆｕｎｃｔｉｏｎではｓｅｃ^２である。

図５から、本発明によれば、各拍動に対するパワースペクトル密度の総和が一定（＝１）となり、これにより、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和が等しいという条件の下でそれらの区間のデータのパワースペクトル密度がそれぞれ求められることが保証されていることが分かる。

これに対し、従来手法（Ｅｑｕａｌ，１／ｆ ｆｌｕｃｔｕａｔｉｏｎ，Ｂｅａｔ Ｆｕｎｃｔｉｏｎ）では、各拍動に対するパワースペクトル密度の総和が一定でなく、時系列データの時々の所定拍動回数区間のパワースペクトル密度の総和が等しいという条件が保証されていないので、その時その時で求められたパワースペクトル密度を比較しただけでは、自律神経の働き具合の経時的変化を正しく評価することができない。

以上は、本発明を心拍変動解析装置として実現した場合であるが、本発明は、Ｒ−Ｒ間隔計測手段が、心電データからＲ−Ｒ間隔を順次計測する第１のステップと、時系列データ生成手段が、前記第１のステップにより順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する第２のステップと、周波数解析手段が、前記第２のステップにより生成された時系列データを周波数解析してそのパワースペクトル密度を求める第３のステップを有する心拍変動解析方法として実現することができる。

また、本発明は、コンピュータに、心電データからＲ−Ｒ間隔を順次計測する第１の機能と、前記第１の機能により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する第２の機能と、前記第２の機能により生成された時系列データを周波数解析してそのパワースペクトル密度を求める第３の機能を実現させるためのプログラムとして実現することもできる。
以上実施形態について説明したが、本発明は、上記実施形態に限定されるものでなく、種々に変更することができる。例えば、下記のように変更したり、それらの変更を適宜組み合わせたりすることができる。
・入力される心電データが外部メモリに予め蓄積されたものである。
・異なる時期に取得された心電データそれぞれを比較処理の対象とする。
・Ｒ−Ｒ間隔計測や時系列データ生成や周波数解析などの処理を別々のＣＰＵ、あるいはハードウエアにより実行する。
・パワースペクトル密度から所定低周波成分、例えば０．０４〜０．１５Ｈｚ成分の総和ＬＦ、所定高周波成分、例えば０．１５〜０．４０Ｈｚ成分の総和ＨＦを算出し、ＬＦ／ＨＦとＨＦを自律神経指標として出力する。
・複数の所定拍動回数区間についてそれぞれ求められたパワースペクトル密度や自律神経指標を比較する手段を備える。
・外部メモリを適宜利用して時系列データやその他のデータを一時的に保存する。
・心拍変動の解析結果を表示する表示手段を備える。

１０・・・心拍変動解析装置、１１・・・入出力インタフェース、１２・・・メモリ、１３・・・ＣＰＵ、１４・・・Ｒ−Ｒ間隔計測手段、１５・・・時系列データ生成手段、１６・・・周波数解析手段

Claims (6)

1. 心電データから心拍変動を解析する心拍変動解析装置であって、
   心電データにおけるＲ−Ｒ間隔を順次計測するＲ−Ｒ間計測手段と、
   前記Ｒ−Ｒ間隔計測手段により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する時系列データ生成手段と、
   前記時系列データ生成手段により生成された時系列データを周波数解析してそのパワースペクトル密度を求める周波数解析手段を備えたことを特徴とする心拍変動解析装置。
2. 前記周波数解析手段は、パワースペクトル密度における所定低周波成分の総和ＬＦと所定高周波成分の総和ＨＦをそれぞれ算出し、あるいはそれに加えてＬＦ／ＨＦを算出することを特徴とする請求項１に記載の心拍変動解析装置。
3. 前記周波数解析手段は、時系列データの所定拍動回数区間のデータを周波数解析することを特徴とする請求項１または２に記載の心拍変動解析装置。
4. 前記周波数解析手段は、時系列データの時々の所定拍動回数区間それぞれについて周波数解析することを特徴とする請求項３に記載の心拍変動解析装置。
5. コンピュータが、心電データから心拍変動を解析する心拍変動解析方法であって、
   Ｒ−Ｒ間隔計測手段が、心電データにおけるＲ−Ｒ間隔を順次計測する第１のステップと、
   時系列データ生成手段が、前記第１のステップにより順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する第２のステップと、
   周波数解析手段が、前記第２のステップにより生成された時系列データを周波数解析してそのパワースペクトル密度を求める第３のステップを有する心拍変動解析方法。
6. コンピュータに、
   心電データにおけるＲ−Ｒ間隔を順次計測する第１の機能と、
   前記第１の機能により順次計測された各Ｒ−Ｒ間隔の平方根の逆数あるいはその定数倍を当該Ｒ−Ｒ間隔期間での振幅とした時系列データを生成する第２の機能と、
   前記第２の機能により生成された時系列データを周波数解析してそのパワースペクトル密度を求める第３の機能を実現させるためのプログラム。

Images