JP2021122303A - 心電解析システム - Google Patents
心電解析システム Download PDFInfo
- Publication number
- JP2021122303A JP2021122303A JP2020015346A JP2020015346A JP2021122303A JP 2021122303 A JP2021122303 A JP 2021122303A JP 2020015346 A JP2020015346 A JP 2020015346A JP 2020015346 A JP2020015346 A JP 2020015346A JP 2021122303 A JP2021122303 A JP 2021122303A
- Authority
- JP
- Japan
- Prior art keywords
- electrocardiogram
- impedance
- spectrogram
- sample
- signal
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 68
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 6
- 210000000115 thoracic cavity Anatomy 0.000 claims description 35
- 230000006835 compression Effects 0.000 claims description 31
- 238000007906 compression Methods 0.000 claims description 31
- 210000000038 chest Anatomy 0.000 claims description 24
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000001131 transforming effect Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 2
- 230000035939 shock Effects 0.000 claims description 2
- 238000002680 cardiopulmonary resuscitation Methods 0.000 abstract description 17
- 230000006978 adaptation Effects 0.000 abstract description 6
- 238000013528 artificial neural network Methods 0.000 abstract description 4
- 238000009825 accumulation Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 210000001562 sternum Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 208000010496 Heart Arrest Diseases 0.000 description 2
- 206010058151 Pulseless electrical activity Diseases 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 208000003663 ventricular fibrillation Diseases 0.000 description 2
- 206010047302 ventricular tachycardia Diseases 0.000 description 2
- 229960003965 antiepileptics Drugs 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000002473 artificial blood Substances 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- 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
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/308—Input circuits therefor specially adapted for particular uses for electrocardiography [ECG]
-
- 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]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- 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
- A61B5/24—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
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- 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
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
【課題】心肺蘇生中の患者に対する電気ショックの必要性を判別する精度を、より高い精度とすることのできる心電解析システムを提供すること。【解決手段】心電図信号取得手段１１と、心電図信号サンプリング手段１２と、心電図スペクトログラム変換手段１３と、インピーダンス信号取得手段２１と、インピーダンス信号サンプリング手段２２と、インピーダンススペクトログラム変換手段２３と、入力層４Ｉ、出力層４Ｏ、サンプルデータ蓄積手段４Ｌ及びサンプルデータ入力手段４Ｔ等を有する畳み込みニューラルネットワーク４と、電気ショック適応報知手段５を備え、畳み込みニューラルネットワークには、多数の被検者について得られたサンプル心電図スペクトログラム、サンプルインピーダンススペクトログラム及び電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されている心電解析システム。【選択図】 図１
Description
この発明は、胸骨圧迫を含む心肺蘇生中の患者において、自動体外式除細動器（ＡＥＤ： automated external defibrillator）、除細動器あるいは心電計で取得される体表心電図から得られる情報を処理し、心肺蘇生中の患者に対する電気ショックの必要性を、胸骨圧迫の有無に関わらず、事実上、連続的に判別する心電解析システムに関する。
心停止患者においては、人工的血液循環を作り出すための胸骨圧迫をいかに絶え間なく行うかが生存のための重要な要素であると同時に、およそ２分おきに患者の心電図診断を行い、電気ショックが必要である場合には、できるだけ早急に電気ショックを与えることが重要である。
電気ショックの必要性を見極めるための心電図診断は、医師が心肺蘇生を行う場合には医師による心電図の目視によって行う一方、医師以外の者（看護師・救急隊員や善意の一般市民を含む）が心肺蘇生を行う場合には、ＡＥＤの内部に組み込まれた心電図自動診断機能による指示に従って行っている。
そして、体表心電図に心室細動（ＶＦ：ventricular fibrillation）及び心拍数が１５０ｂｍｐ（場合によっては１８０ｂｍｐ）以上の心室頻拍（ＶＴ：ventricular tachycardia）が存在していることをもって、電気ショックが必要と判別するのが一般的である。
しかし、医師が診断する場合及び自動診断機能により判別する場合のいずれにおいても、胸骨圧迫中には圧迫に伴う胸郭の変形等に伴って心電図上に大きなノイズが出現するため、一時的に胸骨圧迫を中断し心電図上にノイズが混入しない状況を作り出す必要がある。
このような胸骨圧迫の中断時間は、心肺蘇生に熟練した医師が目視で心電図診断を行う場合でも数秒以上必要であり、心肺蘇生に熟練した医師以外の者がＡＥＤの自動診断に委ねて行う場合には１０数秒以上が必要とされているが、複数の研究報告によれば、心電図診断に伴う胸骨圧迫の中断時間が１秒延長するごとに、当該患者の生存率は２．５〜３％ずつ低下するとされている。
電気ショックの必要性を見極めるための心電図診断は、医師が心肺蘇生を行う場合には医師による心電図の目視によって行う一方、医師以外の者（看護師・救急隊員や善意の一般市民を含む）が心肺蘇生を行う場合には、ＡＥＤの内部に組み込まれた心電図自動診断機能による指示に従って行っている。
そして、体表心電図に心室細動（ＶＦ：ventricular fibrillation）及び心拍数が１５０ｂｍｐ（場合によっては１８０ｂｍｐ）以上の心室頻拍（ＶＴ：ventricular tachycardia）が存在していることをもって、電気ショックが必要と判別するのが一般的である。
しかし、医師が診断する場合及び自動診断機能により判別する場合のいずれにおいても、胸骨圧迫中には圧迫に伴う胸郭の変形等に伴って心電図上に大きなノイズが出現するため、一時的に胸骨圧迫を中断し心電図上にノイズが混入しない状況を作り出す必要がある。
このような胸骨圧迫の中断時間は、心肺蘇生に熟練した医師が目視で心電図診断を行う場合でも数秒以上必要であり、心肺蘇生に熟練した医師以外の者がＡＥＤの自動診断に委ねて行う場合には１０数秒以上が必要とされているが、複数の研究報告によれば、心電図診断に伴う胸骨圧迫の中断時間が１秒延長するごとに、当該患者の生存率は２．５〜３％ずつ低下するとされている。
そのため、心電図診断のために必要な胸骨圧迫の中断時間を短縮することを目的として、様々な波形判別方法が複数の研究機関やＡＥＤ製造企業から提案されている。
このような提案の代表的なものとしてノイズ・フィルタリングがある。これは心電図上から、胸骨圧迫に伴うノイズであると思われる部分をデジタル・フィルター（多くは高速フーリエ変換を用いた周波数解析を基本とする）によって取り除き、ノイズに汚染されていない生波形を再現しようとするものである。
そして、特許文献１（特表２０１７−５２５４１０号公報）には、この種の発明として心電図信号（ＥＣＧ信号）において心臓の活動に由来する本来の心電図（特許文献１においては、「心イベント」と記載）をノイズと区別するための方法（請求項２８参照）が記載されている。
また、特許文献２（特表２０１８−５０００９２号公報）には、胸骨圧迫に由来するノイズ（特許文献２においては、「ＣＰＲ関連信号ノイズアーチファクト」と記載）の存在下で、電気ショックの必要性の有無（特許文献２においては、「ショック適応心律動」と記載）を判断するように動作可能な心電図解析器を備える心肺機能蘇生（ＣＰＲ）中に使用するＡＥＤの発明（請求項１参照）が記載されている。
しかし、特許文献２に記載された発明の心電図解析器は、約７０％を超える感度及び約９５％を超える特異度（判別精度）で、ショック適応心律動を判断するように動作可能であるとされ（請求項１）、また、一定のルールの下で場合によっては、感度が９５％を超えることができ、特異度が９８％を超えることができるとされるが（段落００４２）、現実的には９５〜９８％程度の判別精度しかない心電図解析器がＡＥＤに搭載されることはなく、さらなる判別精度の向上が求められているのが現状である。
このような事情に鑑み、本発明者は、体表心電図信号をデジタルサンプリングして心電図離散データに変換し、その心電図離散データを心電図スペクトログラムに変換し、心電図スペクトログラムに対する電気ショックの必要性についての判別結果を、畳み込みニューラルネットワークを利用して出力、報知する心電解析システムを提案し、心肺蘇生中の患者に対する電気ショックの必要性を、その患者に対する胸骨圧迫実施の有無に関わりなく９９％以上の精度で、事実上、連続的に判別できる心電解析システムを提供することに成功している（特許第６６４０９３９号）。
しかし、心肺蘇生中の患者に対する電気ショックの必要性を判別する精度が９９％といっても、１００回に１回程度は失敗する可能性が残るので、本発明者は上記心電解析システムの判別精度をさらに高めることができないか模索を続けた。
このような提案の代表的なものとしてノイズ・フィルタリングがある。これは心電図上から、胸骨圧迫に伴うノイズであると思われる部分をデジタル・フィルター（多くは高速フーリエ変換を用いた周波数解析を基本とする）によって取り除き、ノイズに汚染されていない生波形を再現しようとするものである。
そして、特許文献１（特表２０１７−５２５４１０号公報）には、この種の発明として心電図信号（ＥＣＧ信号）において心臓の活動に由来する本来の心電図（特許文献１においては、「心イベント」と記載）をノイズと区別するための方法（請求項２８参照）が記載されている。
また、特許文献２（特表２０１８−５０００９２号公報）には、胸骨圧迫に由来するノイズ（特許文献２においては、「ＣＰＲ関連信号ノイズアーチファクト」と記載）の存在下で、電気ショックの必要性の有無（特許文献２においては、「ショック適応心律動」と記載）を判断するように動作可能な心電図解析器を備える心肺機能蘇生（ＣＰＲ）中に使用するＡＥＤの発明（請求項１参照）が記載されている。
しかし、特許文献２に記載された発明の心電図解析器は、約７０％を超える感度及び約９５％を超える特異度（判別精度）で、ショック適応心律動を判断するように動作可能であるとされ（請求項１）、また、一定のルールの下で場合によっては、感度が９５％を超えることができ、特異度が９８％を超えることができるとされるが（段落００４２）、現実的には９５〜９８％程度の判別精度しかない心電図解析器がＡＥＤに搭載されることはなく、さらなる判別精度の向上が求められているのが現状である。
このような事情に鑑み、本発明者は、体表心電図信号をデジタルサンプリングして心電図離散データに変換し、その心電図離散データを心電図スペクトログラムに変換し、心電図スペクトログラムに対する電気ショックの必要性についての判別結果を、畳み込みニューラルネットワークを利用して出力、報知する心電解析システムを提案し、心肺蘇生中の患者に対する電気ショックの必要性を、その患者に対する胸骨圧迫実施の有無に関わりなく９９％以上の精度で、事実上、連続的に判別できる心電解析システムを提供することに成功している（特許第６６４０９３９号）。
しかし、心肺蘇生中の患者に対する電気ショックの必要性を判別する精度が９９％といっても、１００回に１回程度は失敗する可能性が残るので、本発明者は上記心電解析システムの判別精度をさらに高めることができないか模索を続けた。
本発明が解決しようとする課題は、心肺蘇生中の患者に対する電気ショックの必要性を判別する精度を、上記心電解析システムより高められる心電解析システムを提供することである。
上記の課題を解決するための請求項１に係る発明は、
胸骨圧迫中の患者に対する電気ショックの必要性を判別する心電解析システムであって、
前記患者から体表心電図信号を取得する心電図信号取得手段と、
前記患者から胸郭インピーダンス信号を取得するインピーダンス信号取得手段と、
前記体表心電図信号をデジタルサンプリングして、心電図離散データに変換する心電図信号サンプリング手段と、
前記胸郭インピーダンス信号をデジタルサンプリングして、インピーダンス離散データに変換するインピーダンス信号サンプリング手段と、
前記心電図離散データを心電図スペクトログラムに変換する心電図スペクトログラム変換手段と、
前記インピーダンス離散データをインピーダンススペクトログラムに変換するインピーダンススペクトログラム変換手段と、
入力された前記心電図スペクトログラム及び前記インピーダンススペクトログラムに対する電気ショックの必要性についての判別結果を出力する畳み込みニューラルネットワークと、
前記判別結果に応じて、前記患者への電気ショックの必要性に関する報知を行う電気ショック適応報知手段を備え、
前記畳み込みニューラルネットワークは、胸骨圧迫中の多数の被検者から取得したサンプル体表心電図信号を前記心電図信号サンプリング手段及び前記心電図スペクトログラム変換手段と同じ条件で変換して得られたサンプル心電図スペクトログラム並びに前記多数の被検者から取得したサンプル胸郭インピーダンス信号を前記インピーダンス信号サンプリング手段及び前記インピーダンススペクトログラム変換手段と同じ条件で変換して得られたサンプルインピーダンススペクトログラムと、それぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されており、
前記心電図スペクトログラム変換手段が、所定時間の心電図離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプル心電図スペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列の心電図マトリクスデータであり、
前記インピーダンススペクトログラム変換手段が、前記所定時間のインピーダンス離散データを、前記一定の時間差で、それぞれ前記特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプルインピーダンススペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列のインピーダンスマトリクスデータであることを特徴とする。
胸骨圧迫中の患者に対する電気ショックの必要性を判別する心電解析システムであって、
前記患者から体表心電図信号を取得する心電図信号取得手段と、
前記患者から胸郭インピーダンス信号を取得するインピーダンス信号取得手段と、
前記体表心電図信号をデジタルサンプリングして、心電図離散データに変換する心電図信号サンプリング手段と、
前記胸郭インピーダンス信号をデジタルサンプリングして、インピーダンス離散データに変換するインピーダンス信号サンプリング手段と、
前記心電図離散データを心電図スペクトログラムに変換する心電図スペクトログラム変換手段と、
前記インピーダンス離散データをインピーダンススペクトログラムに変換するインピーダンススペクトログラム変換手段と、
入力された前記心電図スペクトログラム及び前記インピーダンススペクトログラムに対する電気ショックの必要性についての判別結果を出力する畳み込みニューラルネットワークと、
前記判別結果に応じて、前記患者への電気ショックの必要性に関する報知を行う電気ショック適応報知手段を備え、
前記畳み込みニューラルネットワークは、胸骨圧迫中の多数の被検者から取得したサンプル体表心電図信号を前記心電図信号サンプリング手段及び前記心電図スペクトログラム変換手段と同じ条件で変換して得られたサンプル心電図スペクトログラム並びに前記多数の被検者から取得したサンプル胸郭インピーダンス信号を前記インピーダンス信号サンプリング手段及び前記インピーダンススペクトログラム変換手段と同じ条件で変換して得られたサンプルインピーダンススペクトログラムと、それぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されており、
前記心電図スペクトログラム変換手段が、所定時間の心電図離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプル心電図スペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列の心電図マトリクスデータであり、
前記インピーダンススペクトログラム変換手段が、前記所定時間のインピーダンス離散データを、前記一定の時間差で、それぞれ前記特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプルインピーダンススペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列のインピーダンスマトリクスデータであることを特徴とする。
上記の課題を解決するための請求項２に係る発明は、請求項１に係る発明の心電解析システムにおいて、前記心電図信号サンプリング手段が、前記体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなり、
前記インピーダンス信号サンプリング手段が、前記胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなることを特徴とする。
前記インピーダンス信号サンプリング手段が、前記胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなることを特徴とする。
上記の課題を解決するための請求項３に係る発明は、請求項１又は２に係る発明の心電解析システムにおいて、前記所定時間が４〜２０秒間であり、前記一定の時間差が１００〜２００ミリ秒（以下、「ｍｓ」と記載する。）の時間差であり、前記特定時間が１〜３秒間であることを特徴とする。
請求項１に係る発明の心電解析システムは、患者から取得した体表心電図信号及び胸郭インピーダンス信号をデジタルサンプリングして、それぞれ心電図離散データ及びインピーダンス離散データに変換し、さらに心電図スペクトログラム及びインピーダンススペクトログラムに変換するとともに、
入力された心電図スペクトログラム及びインピーダンススペクトログラムに対する電気ショックの必要性についての判別結果を出力する畳み込みニューラルネットワークと、その判別結果に応じて、患者への電気ショックの必要性に関する報知を行う電気ショック適応報知手段を備え、
畳み込みニューラルネットワークは、胸骨圧迫中の多数の被検者から取得したサンプル体表心電図信号を心電図信号サンプリング手段及び心電図スペクトログラム変換手段と同じ条件で変換して得られたサンプル心電図スペクトログラム並びに同被検者から取得したサンプル胸郭インピーダンス信号をインピーダンス信号サンプリング手段及びインピーダンススペクトログラム変換手段と同じ条件で変換して得られたサンプルインピーダンススペクトログラムと、それぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されており、
心電図スペクトログラム変換手段が、所定時間の心電図離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
サンプル心電図スペクトログラムは、時間軸に沿って一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列の心電図マトリクスデータであり、
インピーダンススペクトログラム変換手段が、所定時間のインピーダンス離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
サンプルインピーダンススペクトログラムは、時間軸に沿って一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列のインピーダンスマトリクスデータであるので、心肺蘇生中の患者に対する電気ショックの必要性を、その患者に対する胸骨圧迫実施の有無に関わりなく体表心電図信号及び胸郭インピーダンス信号を取得することにより、９９．５％以上の精度で判別することができる。
入力された心電図スペクトログラム及びインピーダンススペクトログラムに対する電気ショックの必要性についての判別結果を出力する畳み込みニューラルネットワークと、その判別結果に応じて、患者への電気ショックの必要性に関する報知を行う電気ショック適応報知手段を備え、
畳み込みニューラルネットワークは、胸骨圧迫中の多数の被検者から取得したサンプル体表心電図信号を心電図信号サンプリング手段及び心電図スペクトログラム変換手段と同じ条件で変換して得られたサンプル心電図スペクトログラム並びに同被検者から取得したサンプル胸郭インピーダンス信号をインピーダンス信号サンプリング手段及びインピーダンススペクトログラム変換手段と同じ条件で変換して得られたサンプルインピーダンススペクトログラムと、それぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されており、
心電図スペクトログラム変換手段が、所定時間の心電図離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
サンプル心電図スペクトログラムは、時間軸に沿って一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列の心電図マトリクスデータであり、
インピーダンススペクトログラム変換手段が、所定時間のインピーダンス離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
サンプルインピーダンススペクトログラムは、時間軸に沿って一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列のインピーダンスマトリクスデータであるので、心肺蘇生中の患者に対する電気ショックの必要性を、その患者に対する胸骨圧迫実施の有無に関わりなく体表心電図信号及び胸郭インピーダンス信号を取得することにより、９９．５％以上の精度で判別することができる。
請求項２に係る発明の心電解析システムは、請求項１に係る発明が奏する上記の効果に加え、心電図信号サンプリング手段が、体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなり、
インピーダンス信号サンプリング手段が、胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなっているので、心電図波形及びインピーダンス波形に含まれる情報を損なうことなく、計算処理に必要な時間を短縮することができる。
インピーダンス信号サンプリング手段が、胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなっているので、心電図波形及びインピーダンス波形に含まれる情報を損なうことなく、計算処理に必要な時間を短縮することができる。
請求項３に係る発明の心電解析システムは、請求項１又は２に係る発明の心電解析システムが奏する上記の効果に加え、所定時間が４〜２０秒間であり、一定の時間差が１００〜２００ｍｓの時間差であり、特定時間が１〜３秒間であって、畳み込みニューラルネットワークによる体表心電図信号及び胸郭インピーダンス信号の判別を行う。
そして、このような判別に必要な一連の処理は一般的なコンピュータを使う場合、約１００ｍｓごとに繰り返し行うことができるので、心肺蘇生のための胸骨圧迫を受けている患者に対する電気ショックの必要性を、胸骨圧迫実施の有無に関わりなく、事実上、連続的・リアルタイムに精度よく判別することができる。
そして、このような判別に必要な一連の処理は一般的なコンピュータを使う場合、約１００ｍｓごとに繰り返し行うことができるので、心肺蘇生のための胸骨圧迫を受けている患者に対する電気ショックの必要性を、胸骨圧迫実施の有無に関わりなく、事実上、連続的・リアルタイムに精度よく判別することができる。
以下、実施例によって、本発明の実施の形態を説明する。
図１は実施例に係る心電解析システムのブロック図である。
図１に示すように、実施例に係る心電解析システムは、心肺蘇生中の患者Ｐに装着されたＡＥＤ、除細動器あるいは心電計等が有する心電図信号取得手段１１及びインピーダンス信号取得手段２１と、心電図信号取得手段１１で取得された体表心電図信号をデジタルサンプリングして、心電図離散データに変換する心電図信号サンプリング手段１２と、インピーダンス信号取得手段２１で取得された胸郭インピーダンス信号をデジタルサンプリングして、インピーダンス離散データに変換するインピーダンス信号サンプリング手段２２と、心電図信号サンプリング手段１２から受信した心電図離散データを心電図スペクトログラムに変換する心電図スペクトログラム変換手段１３と、インピーダンス信号サンプリング手段２２から受信したインピーダンス離散データをインピーダンススペクトログラムに変換するインピーダンススペクトログラム変換手段２３と、畳み込みニューラルネットワーク（ＣＮＮ：convolutional neural network）４と、畳み込みニューラルネットワーク４から出力される判別結果に基づいて患者Ｐへの電気ショックの必要性に関する報知を行う電気ショック適応報知手段５からなっている。
図１に示すように、実施例に係る心電解析システムは、心肺蘇生中の患者Ｐに装着されたＡＥＤ、除細動器あるいは心電計等が有する心電図信号取得手段１１及びインピーダンス信号取得手段２１と、心電図信号取得手段１１で取得された体表心電図信号をデジタルサンプリングして、心電図離散データに変換する心電図信号サンプリング手段１２と、インピーダンス信号取得手段２１で取得された胸郭インピーダンス信号をデジタルサンプリングして、インピーダンス離散データに変換するインピーダンス信号サンプリング手段２２と、心電図信号サンプリング手段１２から受信した心電図離散データを心電図スペクトログラムに変換する心電図スペクトログラム変換手段１３と、インピーダンス信号サンプリング手段２２から受信したインピーダンス離散データをインピーダンススペクトログラムに変換するインピーダンススペクトログラム変換手段２３と、畳み込みニューラルネットワーク（ＣＮＮ：convolutional neural network）４と、畳み込みニューラルネットワーク４から出力される判別結果に基づいて患者Ｐへの電気ショックの必要性に関する報知を行う電気ショック適応報知手段５からなっている。
心電図信号取得手段１１で取得される体表心電図信号は、患者Ｐの体表面に貼付した２つの電極間の電位差として記録されるアナログ信号であるが、心電図信号サンプリング手段１２は、心電図判別の対象とする約１２秒間のアナログ信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングし、離散的データに変換する。
また、インピーダンス信号取得手段２１で取得される胸郭インピーダンス信号は、患者Ｐの体表面に貼付した２つの電極間のインピーダンスとして記録されるアナログ信号であるが、インピーダンス信号サンプリング手段２２は、心電図判別の対象と同じ期間である約１２秒間のアナログ信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングし、離散的データに変換する。
図２は体表心電図信号及び胸郭インピーダンス信号の一例を示す図であるが、体表心電図信号は胸骨圧迫前（19:46:57以前）においては胸骨圧迫に伴うノイズ（アーチファクト）の影響を受けないが、胸骨圧迫中（19:46:57以降）においては胸骨圧迫に伴うノイズが混入する。そして、胸郭インピーダンス信号は患者Ｐの胸郭の拡張と収縮に応じてインピーダンスが変化する関係で、胸骨圧迫中断中において患者Ｐの呼吸が停止している場合はほとんど変動せず、胸骨圧迫中において患者Ｐへの胸骨圧迫が規則的に行われている場合は比較的規則的に変動する。
ここで、判別対象とするアナログ信号には、胸骨圧迫に伴うノイズ（アーチファクト）が一部又は全体にわたって含まれていてもよいし、全く含まれてなくてもよい。
なお、体表心電図信号を、このような離散的データに変換して出力する機能は市販のＡＥＤに備わっている機能であり、胸郭インピーダンス信号を、同様の離散的データに変換して出力する機能についても市販のＡＥＤに容易に追加できる機能である。
本実施例の心電図信号サンプリング手段１２は、体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングして得られた離散的データを、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データに変換する。
また、本実施例のインピーダンス信号サンプリング手段２２は、胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングして得られた離散的データを、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングしてインピーダンス離散データに変換する。
このようなダウンサンプリングを行う理由は、体表心電図信号及び胸郭インピーダンス信号には３０Ｈｚ以上の周波数成分がほとんど含まれていないこと、及び一般的なＡＥＤでは低周波通過フィルターによって３０Ｈｚ以上の周波数成分が取り除かれていることが多いからである。
そのため、ダウンサンプリングを施した心電図離散データを用いても体表心電図信号及び胸郭インピーダンス信号に含まれる情報が損なわれることはなく、また、ダウンサンプリングによってデータ量を小さくすることができるので、その後の計算処理に必要な時間を短縮することができる。
また、インピーダンス信号取得手段２１で取得される胸郭インピーダンス信号は、患者Ｐの体表面に貼付した２つの電極間のインピーダンスとして記録されるアナログ信号であるが、インピーダンス信号サンプリング手段２２は、心電図判別の対象と同じ期間である約１２秒間のアナログ信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングし、離散的データに変換する。
図２は体表心電図信号及び胸郭インピーダンス信号の一例を示す図であるが、体表心電図信号は胸骨圧迫前（19:46:57以前）においては胸骨圧迫に伴うノイズ（アーチファクト）の影響を受けないが、胸骨圧迫中（19:46:57以降）においては胸骨圧迫に伴うノイズが混入する。そして、胸郭インピーダンス信号は患者Ｐの胸郭の拡張と収縮に応じてインピーダンスが変化する関係で、胸骨圧迫中断中において患者Ｐの呼吸が停止している場合はほとんど変動せず、胸骨圧迫中において患者Ｐへの胸骨圧迫が規則的に行われている場合は比較的規則的に変動する。
ここで、判別対象とするアナログ信号には、胸骨圧迫に伴うノイズ（アーチファクト）が一部又は全体にわたって含まれていてもよいし、全く含まれてなくてもよい。
なお、体表心電図信号を、このような離散的データに変換して出力する機能は市販のＡＥＤに備わっている機能であり、胸郭インピーダンス信号を、同様の離散的データに変換して出力する機能についても市販のＡＥＤに容易に追加できる機能である。
本実施例の心電図信号サンプリング手段１２は、体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングして得られた離散的データを、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データに変換する。
また、本実施例のインピーダンス信号サンプリング手段２２は、胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングして得られた離散的データを、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングしてインピーダンス離散データに変換する。
このようなダウンサンプリングを行う理由は、体表心電図信号及び胸郭インピーダンス信号には３０Ｈｚ以上の周波数成分がほとんど含まれていないこと、及び一般的なＡＥＤでは低周波通過フィルターによって３０Ｈｚ以上の周波数成分が取り除かれていることが多いからである。
そのため、ダウンサンプリングを施した心電図離散データを用いても体表心電図信号及び胸郭インピーダンス信号に含まれる情報が損なわれることはなく、また、ダウンサンプリングによってデータ量を小さくすることができるので、その後の計算処理に必要な時間を短縮することができる。
心電図スペクトログラム変換手段１３は、心電図信号サンプリング手段１２から心電図離散データを受信すると、短時間フーリエ変換（ＳＴＦＴ：short-time Fourier transform）によって心電図スペクトログラムに変換し、心電図スペクトログラムを出力する。
また、インピーダンススペクトログラム変換手段２３は、インピーダンス信号サンプリング手段２２からインピーダンス離散データを受信すると、短時間フーリエ変換（ＳＴＦＴ：short-time Fourier transform）によってインピーダンススペクトログラムに変換し、インピーダンススペクトログラムを出力する。
本実施例では、図３に示すように、受信した心電図離散データ及びインピーダンス離散データから約１２秒間にわたる範囲を抽出して判別対象区間とする。その判別対象区間から１２８ｍｓの時間差で、約２秒間ずつの微小区間データを分割抽出（重複を許す）し、それぞれの微小区間データに対して短時間フーリエ変換を施すことによって判別対象区間の心電図離散データ及びインピーダンス離散データを、それぞれ心電図スペクトログラム及びインピーダンススペクトログラムに変換した。
判別対象区間のデータ長、データ抽出の時間差、微小区間のデータ長を上述の通りとした場合、生成される心電図スペクトログラム及びインピーダンススペクトログラムは、いずれも図４に示すような時間軸に沿って８０行、周波数軸に沿って６４列のマトリクスデータとなる。
なお、周波数軸に沿った列成分については、そのすべてを用いてもよいし、一部の低周波成分および高周波成分を除いてもよい。
また、判別対象区間を長くした場合、あるいはデータ抽出の時間差を短くした場合には、時間軸方向に沿った行数が増え、微小区間を長くした場合には周波数軸に沿った列数が増える。
また、インピーダンススペクトログラム変換手段２３は、インピーダンス信号サンプリング手段２２からインピーダンス離散データを受信すると、短時間フーリエ変換（ＳＴＦＴ：short-time Fourier transform）によってインピーダンススペクトログラムに変換し、インピーダンススペクトログラムを出力する。
本実施例では、図３に示すように、受信した心電図離散データ及びインピーダンス離散データから約１２秒間にわたる範囲を抽出して判別対象区間とする。その判別対象区間から１２８ｍｓの時間差で、約２秒間ずつの微小区間データを分割抽出（重複を許す）し、それぞれの微小区間データに対して短時間フーリエ変換を施すことによって判別対象区間の心電図離散データ及びインピーダンス離散データを、それぞれ心電図スペクトログラム及びインピーダンススペクトログラムに変換した。
判別対象区間のデータ長、データ抽出の時間差、微小区間のデータ長を上述の通りとした場合、生成される心電図スペクトログラム及びインピーダンススペクトログラムは、いずれも図４に示すような時間軸に沿って８０行、周波数軸に沿って６４列のマトリクスデータとなる。
なお、周波数軸に沿った列成分については、そのすべてを用いてもよいし、一部の低周波成分および高周波成分を除いてもよい。
また、判別対象区間を長くした場合、あるいはデータ抽出の時間差を短くした場合には、時間軸方向に沿った行数が増え、微小区間を長くした場合には周波数軸に沿った列数が増える。
ＣＮＮ４は、入力層４Ｉ、出力層４Ｏ、サンプルデータ蓄積手段４Ｌ、サンプルデータ蓄積手段４Ｌに多数のサンプルデータを入力するサンプルデータ入力手段４Ｔ並びに図示しない複数の畳み込み層、プーリング層、ＢＮ層（Batch-normalization層）、ドロップアウト層（drop-out層）、全結合層、その他で構築される。
一般には２〜３層の畳み込み層と１層のプーリング層を組み合わせたものを１単位とし、この数単位を直列させたものに、さらに２〜４層の全結合層を組み合わせることが多い。
なお、サンプルデータは、胸骨圧迫中の被検者から取得したサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラム並びにそれぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるものである。
そして、本発明では多数のサンプルデータを蓄積する必要があるが、胸骨圧迫を中断して電気ショックの必要性を判別する時だけでなく、胸骨圧迫中に被検者から体表心電図信号及び胸郭インピーダンス信号を取得することは容易なので、両方の状態における体表心電図信号及び胸郭インピーダンス信号に基づけば、被検者に対するサンプル心電図スペクトログラム、サンプルインピーダンススペクトログラム及びサンプル回答データは容易に入手できる。
また、ＢＮ層及びドロップアウト層は必ずしも必要ないが、ニューラルネットワーク中に挿入することにより、ニューラルネットワーク全体のパフォーマンス向上が期待できる。
一般には２〜３層の畳み込み層と１層のプーリング層を組み合わせたものを１単位とし、この数単位を直列させたものに、さらに２〜４層の全結合層を組み合わせることが多い。
なお、サンプルデータは、胸骨圧迫中の被検者から取得したサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラム並びにそれぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるものである。
そして、本発明では多数のサンプルデータを蓄積する必要があるが、胸骨圧迫を中断して電気ショックの必要性を判別する時だけでなく、胸骨圧迫中に被検者から体表心電図信号及び胸郭インピーダンス信号を取得することは容易なので、両方の状態における体表心電図信号及び胸郭インピーダンス信号に基づけば、被検者に対するサンプル心電図スペクトログラム、サンプルインピーダンススペクトログラム及びサンプル回答データは容易に入手できる。
また、ＢＮ層及びドロップアウト層は必ずしも必要ないが、ニューラルネットワーク中に挿入することにより、ニューラルネットワーク全体のパフォーマンス向上が期待できる。
入力層４Ｉには、上述の８０行、６４列のマトリクスデータ（心電図スペクトログラム１層とインピーダンススペクトログラム１層を重ね合わせた合計２層）が与えられる。
また、心電図スペクトログラム及びインピーダンススペクトログラムとしては、一般的な信号強度（パワーまたはマグニチュード）の二次元配列だけでなく、フーリエ級数の係数として得られる複素数の実数部と虚数部、それぞれの係数を独立した情報として取り扱う目的で、これらを２層の二次元配列とみなして用いることもできる（複素型スペクトログラム）。この場合には信号強度だけでなく、実数部と虚数部の間の位相差に関する情報が保持されるため、判別精度が若干向上するが、判別のための計算に要する時間が延長する。あるいは同様の目的で、複素数型スペクトログラムから得られる信号強度と位相角を、それぞれ独立した情報として２層の二次元配列として用いてもよい（信号強度・位相角スペクトログラム）。
出力層４Ｏからは、電気ショック適応の判別結果を表すベクトル（１次元行列）データが出力され、その要素数は体表心電図信号及び胸郭インピーダンス信号を分類する区分数となる。
例えば、体表心電図信号及び胸郭インピーダンス信号を「電気ショックの適応あり」又は「電気ショックの適応なし」の２つに分類する場合は要素数２、体表心電図信号及び胸郭インピーダンス信号を「電気ショックの適応あり」、「心静止」又は「無脈性電気活動」の３つに分類する場合は要素数３である。
また、心電図スペクトログラム及びインピーダンススペクトログラムとしては、一般的な信号強度（パワーまたはマグニチュード）の二次元配列だけでなく、フーリエ級数の係数として得られる複素数の実数部と虚数部、それぞれの係数を独立した情報として取り扱う目的で、これらを２層の二次元配列とみなして用いることもできる（複素型スペクトログラム）。この場合には信号強度だけでなく、実数部と虚数部の間の位相差に関する情報が保持されるため、判別精度が若干向上するが、判別のための計算に要する時間が延長する。あるいは同様の目的で、複素数型スペクトログラムから得られる信号強度と位相角を、それぞれ独立した情報として２層の二次元配列として用いてもよい（信号強度・位相角スペクトログラム）。
出力層４Ｏからは、電気ショック適応の判別結果を表すベクトル（１次元行列）データが出力され、その要素数は体表心電図信号及び胸郭インピーダンス信号を分類する区分数となる。
例えば、体表心電図信号及び胸郭インピーダンス信号を「電気ショックの適応あり」又は「電気ショックの適応なし」の２つに分類する場合は要素数２、体表心電図信号及び胸郭インピーダンス信号を「電気ショックの適応あり」、「心静止」又は「無脈性電気活動」の３つに分類する場合は要素数３である。
ＣＮＮ４は、サンプルデータ蓄積手段４Ｌに蓄えられる多数のサンプルデータ（通常は数万人〜数百万人の被検者から取得したデータ）を自己学習させることによって最適化される。そして、十分な数（通常は数１０万以上）のサンプルデータによって最適化されたパラメータを用いることにより９９．５％以上の判別精度を得ることができる。
また、サンプルデータの蓄積数は多いほど判別精度が向上するため、本実施例では、心肺蘇生中の患者に対して電気ショックを施し、蘇生した場合の心電図スペクトログラム、インピーダンススペクトログラム及び電気ショック適応データ（適応あり）をサンプルデータとしてサンプルデータ蓄積手段４Ｌに蓄積できるようになっている。
また、サンプルデータの蓄積数は多いほど判別精度が向上するため、本実施例では、心肺蘇生中の患者に対して電気ショックを施し、蘇生した場合の心電図スペクトログラム、インピーダンススペクトログラム及び電気ショック適応データ（適応あり）をサンプルデータとしてサンプルデータ蓄積手段４Ｌに蓄積できるようになっている。
電気ショック適応報知手段５は、ＣＮＮ４の出力が「電気ショックの適応あり」を示す場合には、患者Ｐへの電気ショックが必要である旨の報知を行い、同出力が「電気ショックの適応なし」（要素数２）又は「心静止」若しくは「無脈性電気活動」（要素数３）である場合には、患者Ｐへの電気ショックが必要ない旨の報知を行う。
例えば、画面上に心電図を表示する場合、「電気ショックの適応あり」では心電図を赤色で表示し、「電気ショックの適応なし」等では心電図を緑色で表示する方法、画面上に必要性の有無を表示する場合、「電気ショックの適応あり」では「必要有り」を表示し、「電気ショックの適応なし」等では「必要無し」を表示する方法、音声で知らせる場合「電気ショックの適応あり」では「必要です」と発音させ、「電気ショックの適応なし」等では「必要なし」と発音させる方法などが挙げられる。
例えば、画面上に心電図を表示する場合、「電気ショックの適応あり」では心電図を赤色で表示し、「電気ショックの適応なし」等では心電図を緑色で表示する方法、画面上に必要性の有無を表示する場合、「電気ショックの適応あり」では「必要有り」を表示し、「電気ショックの適応なし」等では「必要無し」を表示する方法、音声で知らせる場合「電気ショックの適応あり」では「必要です」と発音させ、「電気ショックの適応なし」等では「必要なし」と発音させる方法などが挙げられる。
図５は、上述の手法（アルゴリズム）を示すフロー図であり、以下の手順で電気ショックが必要であるか否か判別し報知する。
なお、（２−１）（３−１）の手順と（２−２）（３−２）の手順は並行して行える。
（１）体表心電図信号及び胸郭インピーダンス信号（アナログ信号）を取得する。
（２−１）判別対象区間（約１２秒間）のアナログ信号をデジタルサンプリングする。
１２０〜３６０Ｈｚのサンプリング周波数でサンプリングした後、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データに変換する。
（３−１）心電図離散データを、短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、心電図スペクトログラムを出力する。
（２−２）判別対象区間（約１２秒間）のアナログ信号をデジタルサンプリングする。
６０〜３６０Ｈｚのサンプリング周波数でサンプリングした後、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングしてインピーダンス離散データに変換する。
（３−２）インピーダンス離散データを、短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、インピーダンススペクトログラムを出力する。
（４）心電図スペクトログラム及びインピーダンススペクトログラムを畳み込みニューラルネットワークに送る。
（５）畳み込みニューラルネットワークが電気ショックの適応を判別する。
（６）判別結果に基づいた報知（電気ショックが必要又は必要ない旨の報知）を行う。
（７）以後、１００〜２００ｍｓの時間間隔（判別を行うコンピュータの性能によって異なる）で、図６に示すように新たな判別対象区間（約１２秒間）について、（２−１）（３−１）の手順と（２−２）（３−２）の手順及び（４）〜（６）の手順を繰り返すことにより、事実上、連続的・リアルタイムの判別及び報知を行う。
なお、（２−１）（３−１）の手順と（２−２）（３−２）の手順は並行して行える。
（１）体表心電図信号及び胸郭インピーダンス信号（アナログ信号）を取得する。
（２−１）判別対象区間（約１２秒間）のアナログ信号をデジタルサンプリングする。
１２０〜３６０Ｈｚのサンプリング周波数でサンプリングした後、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データに変換する。
（３−１）心電図離散データを、短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、心電図スペクトログラムを出力する。
（２−２）判別対象区間（約１２秒間）のアナログ信号をデジタルサンプリングする。
６０〜３６０Ｈｚのサンプリング周波数でサンプリングした後、さらに６０Ｈｚ程度のサンプリング周波数でダウンサンプリングしてインピーダンス離散データに変換する。
（３−２）インピーダンス離散データを、短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、インピーダンススペクトログラムを出力する。
（４）心電図スペクトログラム及びインピーダンススペクトログラムを畳み込みニューラルネットワークに送る。
（５）畳み込みニューラルネットワークが電気ショックの適応を判別する。
（６）判別結果に基づいた報知（電気ショックが必要又は必要ない旨の報知）を行う。
（７）以後、１００〜２００ｍｓの時間間隔（判別を行うコンピュータの性能によって異なる）で、図６に示すように新たな判別対象区間（約１２秒間）について、（２−１）（３−１）の手順と（２−２）（３−２）の手順及び（４）〜（６）の手順を繰り返すことにより、事実上、連続的・リアルタイムの判別及び報知を行う。
実施例の変形例を列記する。
（１）実施例においては、体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でデジタルサンプリングされたデータ及び胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でデジタルサンプリングされたデータを、それぞれ６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データ及びインピーダンス離散データに変換しているが、ダウンサンプリングしなくても良い。
また、体表心電図信号を直接６０Ｈｚ程度のサンプリング周波数でサンプリングして心電図離散データに変換しても良い。
さらに、ダウンサンプリングにおけるサンプリング周波数は６０Ｈｚに限らず、４０〜８０Ｈｚの範囲で選択できる。
（１）実施例においては、体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でデジタルサンプリングされたデータ及び胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でデジタルサンプリングされたデータを、それぞれ６０Ｈｚ程度のサンプリング周波数でダウンサンプリングして心電図離散データ及びインピーダンス離散データに変換しているが、ダウンサンプリングしなくても良い。
また、体表心電図信号を直接６０Ｈｚ程度のサンプリング周波数でサンプリングして心電図離散データに変換しても良い。
さらに、ダウンサンプリングにおけるサンプリング周波数は６０Ｈｚに限らず、４０〜８０Ｈｚの範囲で選択できる。
（２）実施例においては、約１２秒間の心電図離散データ及びインピーダンス離散データを判別対象とし、そのデータから約２秒間の微小区間データを、それぞれ１２８ｍｓの時間差で抽出した上で、短時間フーリエ変換を施して心電図スペクトログラム及びインピーダンススペクトログラムに変換したが、微小区間抽出の時間差については１２８ｍｓに代えて３２〜２５６ｍｓの範囲で選択でき、微小区間データについては２秒間に代えて０．３〜４秒間の範囲で選択できる。
なお、微小区間のデータ長を長くすると、スペクトログラムの時間分解能は下がるが、フーリエ変換に利用できるデータ数が増えるので、周波数分解能は向上する。逆に微小区間のデータ長を短くすると、スペクトログラムの時間分解能は上がるが、周波数分解能が低下する。
また、判別対象区間を長くすると、判別精度は向上するが、畳み込みニューラルネットワークの計算量が増加するため、計算処理時間が延長するほか、体表心電図信号又は胸郭インピーダンス信号が変化した場合、その変化が検出されるまでの時間が延長する（時間応答性の低下）。例えば、判別対象区間を１２秒とした場合、体表心電図信号が除細動適応波形から非適応波形に変化した場合、それが判別結果に反映されるまでに（理論上は）約６秒を要する。ただし、本発明は事実上連続的な判別を可能としているため、このような時間遅れが実用上の問題となることはない。逆に判別対象区間を短くすると、時間応答性は向上するが、判別精度は低下する。
そして、判別対象区間のデータ長、微小区間のデータ長、微小区間抽出の際の時間差については、それぞれ４〜２０秒、１〜３秒、１００〜２００ｍｓの範囲から選択するのが好ましく、さらに、それぞれ８〜１５秒、１．５〜２．５秒、１００〜１５０ｍｓの範囲から選択するのがより好ましい。
（３）実施例においては、心電図離散データ及びインピーダンス離散データを、それぞれ短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、心電図スペクトログラム及びインピーダンススペクトログラムを出力しているが、心電図離散データ及びインピーダンス離散データからスペクトル強度を求める変換手法であればどのような手法を用いても良い。
なお、微小区間のデータ長を長くすると、スペクトログラムの時間分解能は下がるが、フーリエ変換に利用できるデータ数が増えるので、周波数分解能は向上する。逆に微小区間のデータ長を短くすると、スペクトログラムの時間分解能は上がるが、周波数分解能が低下する。
また、判別対象区間を長くすると、判別精度は向上するが、畳み込みニューラルネットワークの計算量が増加するため、計算処理時間が延長するほか、体表心電図信号又は胸郭インピーダンス信号が変化した場合、その変化が検出されるまでの時間が延長する（時間応答性の低下）。例えば、判別対象区間を１２秒とした場合、体表心電図信号が除細動適応波形から非適応波形に変化した場合、それが判別結果に反映されるまでに（理論上は）約６秒を要する。ただし、本発明は事実上連続的な判別を可能としているため、このような時間遅れが実用上の問題となることはない。逆に判別対象区間を短くすると、時間応答性は向上するが、判別精度は低下する。
そして、判別対象区間のデータ長、微小区間のデータ長、微小区間抽出の際の時間差については、それぞれ４〜２０秒、１〜３秒、１００〜２００ｍｓの範囲から選択するのが好ましく、さらに、それぞれ８〜１５秒、１．５〜２．５秒、１００〜１５０ｍｓの範囲から選択するのがより好ましい。
（３）実施例においては、心電図離散データ及びインピーダンス離散データを、それぞれ短時間フーリエ変換（ＳＴＦＴ）によってスペクトログラムに変換し、心電図スペクトログラム及びインピーダンススペクトログラムを出力しているが、心電図離散データ及びインピーダンス離散データからスペクトル強度を求める変換手法であればどのような手法を用いても良い。
１１ 心電図信号取得手段 １２ 心電図信号サンプリング手段
１３ 心電図スペクトログラム変換手段
２１ インピーダンス信号取得手段 ２２ インピーダンス信号サンプリング手段
２３ インピーダンススペクトログラム変換手段
４ 畳み込みニューラルネットワーク ４Ｉ 入力層
４Ｌ サンプルデータ蓄積手段 ４Ｏ 出力層 ４Ｔ サンプルデータ入力手段
５ 電気ショック適応報知手段
Ｐ 心肺蘇生中の患者
１３ 心電図スペクトログラム変換手段
２１ インピーダンス信号取得手段 ２２ インピーダンス信号サンプリング手段
２３ インピーダンススペクトログラム変換手段
４ 畳み込みニューラルネットワーク ４Ｉ 入力層
４Ｌ サンプルデータ蓄積手段 ４Ｏ 出力層 ４Ｔ サンプルデータ入力手段
５ 電気ショック適応報知手段
Ｐ 心肺蘇生中の患者
Claims (3)
- 胸骨圧迫中の患者に対する電気ショックの必要性を判別する心電解析システムであって、
前記患者から体表心電図信号を取得する心電図信号取得手段と、
前記患者から胸郭インピーダンス信号を取得するインピーダンス信号取得手段と、
前記体表心電図信号をデジタルサンプリングして、心電図離散データに変換する心電図信号サンプリング手段と、
前記胸郭インピーダンス信号をデジタルサンプリングして、インピーダンス離散データに変換するインピーダンス信号サンプリング手段と、
前記心電図離散データを心電図スペクトログラムに変換する心電図スペクトログラム変換手段と、
前記インピーダンス離散データをインピーダンススペクトログラムに変換するインピーダンススペクトログラム変換手段と、
入力された前記心電図スペクトログラム及び前記インピーダンススペクトログラムに対する電気ショックの必要性についての判別結果を出力する畳み込みニューラルネットワークと、
前記判別結果に応じて、前記患者への電気ショックの必要性に関する報知を行う電気ショック適応報知手段を備え、
前記畳み込みニューラルネットワークは、胸骨圧迫中の多数の被検者から取得したサンプル体表心電図信号を前記心電図信号サンプリング手段及び前記心電図スペクトログラム変換手段と同じ条件で変換して得られたサンプル心電図スペクトログラム並びに前記多数の被検者から取得したサンプル胸郭インピーダンス信号を前記インピーダンス信号サンプリング手段及び前記インピーダンススペクトログラム変換手段と同じ条件で変換して得られたサンプルインピーダンススペクトログラムと、それぞれのサンプル心電図スペクトログラム及びサンプルインピーダンススペクトログラムに対する電気ショックの必要性についてのサンプル回答データからなるサンプルデータが予め与えられ、自己学習させることによって最適化されており、
前記心電図スペクトログラム変換手段が、所定時間の心電図離散データを、一定の時間差で、それぞれ特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプル心電図スペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列の心電図マトリクスデータであり、
前記インピーダンススペクトログラム変換手段が、前記所定時間のインピーダンス離散データを、前記一定の時間差で、それぞれ前記特定時間の微小区間に分割して短時間フーリエ変換を施し、
前記サンプルインピーダンススペクトログラムは、時間軸に沿って前記一定の時間差毎に得られる複数行及び周波数軸に沿って得られる複数列のインピーダンスマトリクスデータである
ことを特徴とする心電解析システム。 - 前記心電図信号サンプリング手段が、前記体表心電図信号を１２０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなり、
前記インピーダンス信号サンプリング手段が、前記胸郭インピーダンス信号を６０〜３６０Ｈｚのサンプリング周波数でサンプリングする手段と、４０〜８０Ｈｚのサンプリング周波数でダウンサンプリングする手段からなる
ことを特徴とする請求項１に記載の心電解析システム。 - 前記所定時間が４〜２０秒間であり、
前記一定の時間差が１００〜２００ｍｓの時間差であり、
前記特定時間が１〜３秒間である
ことを特徴とする請求項１又は２に記載の心電解析システム。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020015346A JP7394642B2 (ja) | 2020-01-31 | 2020-01-31 | 心電解析システム |
| CN202180026660.5A CN115361907A (zh) | 2020-01-31 | 2021-02-04 | 心电解析系统 |
| US17/759,543 US20230089350A1 (en) | 2020-01-31 | 2021-02-04 | Electrocardiogram analysis system |
| PCT/JP2021/004114 WO2021153801A1 (ja) | 2020-01-31 | 2021-02-04 | 心電解析システム |
| EP21748383.3A EP4098197A4 (en) | 2020-01-31 | 2021-02-04 | ELECTROCARDIOGRAM ANALYSIS SYSTEM |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020015346A JP7394642B2 (ja) | 2020-01-31 | 2020-01-31 | 心電解析システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021122303A true JP2021122303A (ja) | 2021-08-30 |
| JP7394642B2 JP7394642B2 (ja) | 2023-12-08 |
Family
ID=77079178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020015346A Active JP7394642B2 (ja) | 2020-01-31 | 2020-01-31 | 心電解析システム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230089350A1 (ja) |
| EP (1) | EP4098197A4 (ja) |
| JP (1) | JP7394642B2 (ja) |
| CN (1) | CN115361907A (ja) |
| WO (1) | WO2021153801A1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339533A (ja) * | 2004-05-12 | 2005-12-08 | Zoll Medical Corp | Ｅｃｇ調律助言方法 |
| JP2016515031A (ja) * | 2013-03-14 | 2016-05-26 | ゾール メディカル コーポレイションＺＯＬＬ Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ | ショックの成果を同定する窓関数の適用 |
| JP2020022581A (ja) * | 2018-08-06 | 2020-02-13 | 哲生 畑中 | 心電解析システム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0086812A4 (en) | 1981-09-01 | 1985-06-10 | Motorola Inc | GLASS GLUE AND METHOD. |
| JP2006509614A (ja) * | 2002-12-13 | 2006-03-23 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 前胸部圧縮停止により活性化されるショックを有する外部除細動装置 |
| WO2011134499A1 (en) * | 2010-04-27 | 2011-11-03 | St. Jude Medical Ab | Arrhythmia classification |
| US20170095214A1 (en) * | 2014-06-26 | 2017-04-06 | University Of Washington | Apparatuses and methods for determining whether cardiopulmonary resuscitation is conducted based on an impedance signal |
| CN110129253A (zh) | 2016-09-14 | 2019-08-16 | 四川蓝光英诺生物科技股份有限公司 | 人工组织前体及制备其的方法 |
-
2020
- 2020-01-31 JP JP2020015346A patent/JP7394642B2/ja active Active
-
2021
- 2021-02-04 WO PCT/JP2021/004114 patent/WO2021153801A1/ja unknown
- 2021-02-04 EP EP21748383.3A patent/EP4098197A4/en active Pending
- 2021-02-04 CN CN202180026660.5A patent/CN115361907A/zh active Pending
- 2021-02-04 US US17/759,543 patent/US20230089350A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339533A (ja) * | 2004-05-12 | 2005-12-08 | Zoll Medical Corp | Ｅｃｇ調律助言方法 |
| JP2016515031A (ja) * | 2013-03-14 | 2016-05-26 | ゾール メディカル コーポレイションＺＯＬＬ Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ | ショックの成果を同定する窓関数の適用 |
| JP2020022581A (ja) * | 2018-08-06 | 2020-02-13 | 哲生 畑中 | 心電解析システム |
Non-Patent Citations (1)
| Title |
|---|
| 畑中哲生ほか: "ＡＩによる胸骨圧迫中の電気ショック適応の判定", 日本救急医学会雑誌, vol. 30, no. 9, JPN7021001374, September 2019 (2019-09-01), JP, pages 566, ISSN: 0005200423 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4098197A1 (en) | 2022-12-07 |
| WO2021153801A1 (ja) | 2021-08-05 |
| CN115361907A (zh) | 2022-11-18 |
| EP4098197A4 (en) | 2024-01-24 |
| JP7394642B2 (ja) | 2023-12-08 |
| US20230089350A1 (en) | 2023-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Amann et al. | Detecting ventricular fibrillation by time-delay methods | |
| Anas et al. | Sequential algorithm for life threatening cardiac pathologies detection based on mean signal strength and EMD functions | |
| Amann et al. | A new ventricular fibrillation detection algorithm for automated external defibrillators | |
| Risdal et al. | Automatic identification of return of spontaneous circulation during cardiopulmonary resuscitation | |
| Manik et al. | Classification of electrocardiogram signals using principal component analysis and levenberg marquardt backpropagation for detection ventricular tachyarrhythmia | |
| CN109893118A (zh) | 一种基于深度学习的心电信号分类诊断方法 | |
| JP6640939B1 (ja) | 心電解析システム | |
| Manibardo et al. | ECG-based random forest classifier for cardiac arrest rhythms | |
| KR101251081B1 (ko) | 가중 퍼지 소속 함수 기반 신경망을 이용한 제세동기의 쇼크 신호 검출 방법 | |
| Akhmed-Zaki et al. | Using Wavelet Transform and Machine Learning to Predict Heart Fibrillation Disease on ECG | |
| Isasi et al. | A robust machine learning architecture for a reliable ECG rhythm analysis during CPR | |
| WO2021153801A1 (ja) | 心電解析システム | |
| Pestana et al. | Detection of Abnormalities in Electrocardiogram (ECG) using Deep Learning. | |
| Mathur et al. | Analysis of CNN and feed-forward ANN model for the evaluation of ECG signal | |
| Kusumandari et al. | Application of convolutional neural network classifier for wireless arrhythmia detection | |
| Hajeb-M et al. | Enhancing the accuracy of shock advisory algorithms in automated external defibrillators during ongoing cardiopulmonary resuscitation using a deep convolutional Encoder-Decoder filtering model | |
| JP4819045B2 (ja) | 心血流量測定を有する除細動器 | |
| Isasi et al. | ECG rhythm analysis during manual chest compressions using an artefact removal filter and random forest classifiers | |
| Isasi et al. | Detection of shockable rhythms using convolutional neural networks during chest compressions provided by a load distributing band | |
| Hegde et al. | A review on ECG signal processing and HRV analysis | |
| CN115040135A (zh) | 一种基于心电心音的儿童心血管疾病诊断方法 | |
| Dembrani et al. | Accurate detection of ECG signals in ECG monitoring systems by eliminating the motion artifacts and improving the signal quality using SSG filter with DBE | |
| Meltzer et al. | A clustering approach to construct multi-scale overcomplete dictionaries for ECG modeling | |
| RU2737860C1 (ru) | Способ и устройство поддержки принятия решения при оказании экстренной кардиологической помощи | |
| Barbieri et al. | Continuous quantification of respiratory and baroreflex control of heart rate: use of time-variant bivariate spectral analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221020 |
|
| 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: 20231121 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231128 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7394642 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |