JP2021129693A - 心臓疾患重症度判定システム - Google Patents
心臓疾患重症度判定システム Download PDFInfo
- Publication number
- JP2021129693A JP2021129693A JP2020026075A JP2020026075A JP2021129693A JP 2021129693 A JP2021129693 A JP 2021129693A JP 2020026075 A JP2020026075 A JP 2020026075A JP 2020026075 A JP2020026075 A JP 2020026075A JP 2021129693 A JP2021129693 A JP 2021129693A
- Authority
- JP
- Japan
- Prior art keywords
- heart
- heart rate
- severity
- measured
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000019622 heart disease Diseases 0.000 title claims abstract description 44
- 241001465754 Metazoa Species 0.000 claims abstract description 46
- 201000010099 disease Diseases 0.000 claims abstract description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 13
- 230000010349 pulsation Effects 0.000 claims description 33
- 230000000284 resting effect Effects 0.000 claims description 22
- 210000000467 autonomic pathway Anatomy 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000002567 autonomic effect Effects 0.000 claims description 5
- 210000005036 nerve Anatomy 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 43
- 238000004891 communication Methods 0.000 description 31
- 241000282472 Canis lupus familiaris Species 0.000 description 26
- 238000000034 method Methods 0.000 description 25
- 230000010365 information processing Effects 0.000 description 22
- 206010027727 Mitral valve incompetence Diseases 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 206010061818 Disease progression Diseases 0.000 description 9
- 230000005750 disease progression Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 206010019280 Heart failures Diseases 0.000 description 5
- 206010003119 arrhythmia Diseases 0.000 description 5
- 230000006793 arrhythmia Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 206010007559 Cardiac failure congestive Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282465 Canis Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 208000011682 Mitral valve disease Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 208000004301 Sinus Arrhythmia Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
【課題】生物の心臓疾患の重症度を判定するための技術を提供する。【解決手段】測定対象の動物の心拍数を取得するための心拍センサ400と、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリ102と、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。【選択図】図2
Description
以下の開示は、動物の心臓疾患の重症度を判定するための技術に関する。
従来から、動物の心臓疾患の重症度を判定するための技術が知られている。例えば、特開2007−195817号公報(特許文献1)には、動物の生体信号の検出装置が開示されている。特許文献1によると、犬の生体信号を検出するための生体信号検出手段と、この生体信号検出手段を、該被検体の生体信号を好適に検出することのできる検出部位に密着的に装着するための装着部材と、生体信号検出手段によって検出された生体信号を出力するための出力手段とを備え、検出部位が犬の心臓位置の胸部における心臓を挟む両側部分であって、生体信号検出手段がその2箇所にそれぞれ1つ以上配設されるように構成されることを特徴とする生体信号の検出装置が提供される。
また、非特許文献1によると、キャバリア(犬種名)では、18の心拍変動指標(すべてP <.0002)および3つの不整脈の指標(すべてP <.0004)はMMVD重症度の増加とともに減少し、最小心拍数および平均心拍数(すべてP <.0001)はMMVD重症度の増加とともに増加した。洞性不整脈(「早期正常」)(P <.0001)およびHRV変数三角指数(TI)(P <.0001)を表す不整脈変数は、特定の間隔で中等度または重度の僧帽弁逆流を伴うキャバリアとうっ血性心不全のキャバリアとを区別できる。また、うっ血性心不全の犬では、ホルター由来の変数は犬種間で差がなかった、と報告されている。
本開示の目的は、動物の心臓疾患の重症度を判定するための技術を提供することにある。
本開示の一態様に従うと、測定対象の動物の心拍数を取得するための心拍センサと、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。
以上のように、本開示によれば、動物の心臓疾患の重症度を判定するための技術が提供される。
以下、図面を参照しつつ、本開示の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。なお、本願では、「動物」とは、犬や猫、牛、馬、羊、山羊などの哺乳類、鶏や鳥類などに代表される心臓を持つ生物を指す。また、「心臓疾患」とは、虚血性心疾患、弁膜症、不整脈、心不全などの心臓に関わる疾患を指す。
<第1の実施の形態>
<生体情報処理システムの全体構成>
<第1の実施の形態>
<生体情報処理システムの全体構成>
まず、図1を参照して、本実施の形態にかかる生体情報処理システム1の全体構成について説明する。図1は、本実施の形態にかかる生体情報処理システム1の全体構成を示す図である。本実施の形態にかかる生体情報処理システム1は、呼吸性の不整脈を有する動物にも適用することができる。なお、以下では、犬の僧帽弁閉鎖不全症(以下、MRと称する場合もある。)の進行度を判断する場合について説明する。
本実施の形態にかかる生体情報処理システム1は、心拍センサ(Heart rate sensor)400と、心電信号を処理するための信号処理装置500と、信号処理装置500と通信可能な結果出力装置としての通信端末300と、各種の演算を実行して演算結果を提供するクラウド上のサーバ100とを含む。
心拍センサ400は、心電取得用の電極(Electrode)であってもよい。心電取得用の電極は、犬の胸部等において、心臓部を挟むような位置に取り付けることが望ましく、例えば、両前足(または、前足と後ろ足)の肉球部など毛の生えていない場所であってもよい。特に、測定の精度の観点において、毛を刈った部分に電極を取り付けることが望ましい。犬の毛が刈れない場合、電極40は、犬と接触する部分に導電性を改善するためのゲルが塗布されている構成であること、または、突起状の構造を持ち、毛があっても皮膚と接触する構成であることが望ましい。あるいは、容量性結合電極などを用いることにより、毛がある状態で皮膚に電極が直接触れることがなくても心電を誘導する形態が望ましい。それにより、犬等の表皮が毛に覆われた動物であっても心電を取得することが可能となる。電極は、2個以上であればよく、さらに、多くの電極を使用する構成としてもよい。
また、心拍センサ400は、心電取得用の電極に限定されず、脈波を測定し、光電脈波法により心拍を検出するためのフォトダイオード(Photodiode)やLEDなどの発光素子や、心音を測定し、心音図方により心拍を検出するためのマイク(Microphone)であってもよい。
<生体情報処理システムの物理的な構成>
また、心拍センサ400は、心電取得用の電極に限定されず、脈波を測定し、光電脈波法により心拍を検出するためのフォトダイオード(Photodiode)やLEDなどの発光素子や、心音を測定し、心音図方により心拍を検出するためのマイク(Microphone)であってもよい。
<生体情報処理システムの物理的な構成>
次に、図2を参照して、本実施の形態にかかる生体情報処理システム1の物理的な構成について説明する。
まず、心拍センサ400は、信号処理装置500と接続され、動物の心拍を測定するための情報をアナログ信号にし、情報処理装置500に送る。動物の心拍を測定するための情報は、例えば、心拍センサ400が心電取得用の電極の場合、心電信号である。
次に、信号処理装置500は、心拍センサ400などと接続されて、ベルトなどを利用して動物に取り付けられる。信号処理装置500は、CPU(Central Processing Unit)501や、メモリ(Memory)502や、通信インターフェイス(Communication interface)506や、センサ類などを搭載する。センサ類としては、動物の動きを検知する加速度センサ(Acceleration sensor)503や、心拍センサ400から送られた心電信号等のアナログ信号を処理するアナログICや、赤外線センサや、温度センサや、湿度センサなどが搭載される。信号処理装置500は、心拍センサ400から取得した心電信号等のアナログ信号に基づいて、拍動タイミングや拍動間隔や心拍数などの生体情報を取得して、通信端末300を介して、サーバ100に提供する。信号処理装置500から通信端末100に生体情報などの情報を送信する手段は、特に限定されず、Bluetooth(登録商標)やWi−Fiなどの無線通信手段や、Ethemeなどの有線通信手段を用いることができる。
次に、通信端末300は、信号処理装置500のGateWayの役割を果たしたり、ユーザに対する情報の出力の役割を果たしたりする。通信端末300は、CPU301や、メモリ302や、情報を出力するためのディスプレイ(Display)303や、通信インターフェイス(Communication interface)306などを搭載する。
次に、サーバ100は、信号処理装置500が取得したり測定したデータを受信して、各種の演算を行ったり、演算結果を通信端末300や信号処理装置500に提供したりする。サーバ100は、CPU101や、メモリ102や、通信インターフェイス(Communication interface)106などを搭載する。通信端末300とサーバ100間の情報の送受信する手段は、特に限定されず、公知の技術を利用することができる。
<生体情報処理システムの論理的な構成>
<生体情報処理システムの論理的な構成>
次に、図3を参照して、本実施の形態にかかる生体情報処理システム1の論理的な構成について説明する。
また、本実施の形態においては、サーバ100のメモリ102は、各種の判断を行うための閾値を記憶する。
サーバ100のCPU101が、メモリ102のプログラムを実行することによって、判断部Determination section)110や、テーブル更新部130(Table Updating section)や、通知生成部(Information generating section)150を実現する。判断部(Determination section)110は、CPUで制御する種々の判断を行う回路を指し、例えば、測定データと閾値とを比較することによって各種の判断を行う。テーブル更新部130は、機械学習などを行うことによって、各種の閾値をより正確な数値に更新していく。通知生成部150は、判断結果に基づいて、通信端末300や信号処理装置500に送信するための送信データを作成したり、ディスプレイから出力するためのテキストデータや画像データを作成したりする。
サーバ100の通信インターフェイス106は、送信データを通信端末300や信号処理装置500に送信したり、テキストデータや画像データを自身のディスプレイ(不図示)に表示したり、音声データを自身のスピーカ(不図示)から出力したりする。
<サーバ100の情報処理>
<サーバ100の情報処理>
次に、図4を参照して、本実施の形態にかかるサーバ100による僧帽弁閉鎖不全症の進行度を特定するための情報処理について説明する。なお、図4は、本実施の形態---にかかる信号処理装置500が実行する全体処理を示すフローチャートである。なお、図4のフローチャートで示す処理は、信号処理装置500にて被測定対象の動物の測定が終わった後に動作を開始するものとする。
まず、CPU101は、通信インターフェイス106を介して、犬などの被測定対象の動物の過去に診断されたMRの進行度ACeおよびその他の固有情報の入力を受け付ける(ステップS102)。なお、被測定対象の動物が犬の場合、この固有情報には、犬種、年齢、などが含まれる。
次に、CPU101は、通信インターフェイス106を介して、信号処理装置500から拍動タイミングや拍動間隔、心拍数などを取得する(ステップS104)。図4では、n分間の1分毎の心拍数P1〜Pnを取得する。P1〜Pnは、それぞれいつ取得されたかを示す時刻情報と関連付けられ、例えばP1は測定開始直後、P5は測定開始5分後、Pnは測定開始n分後の心拍数を示すこととする。
CPU101は、通信インターフェイス106を介して、信号処理装置500から加速度や加速度の変化量Δaを取得する(ステップS106)。Δaも前述S104の心拍数と同様に、いつ取得されたかを示す時刻情報と関連付けられたΔa1〜Δanで構成されるものとする。
CPU101は、各測定データ(図4では心拍数P1〜Pn)を取得した各時刻において被測定対象の動物が安静であったか否かを判断する(ステップS108)。被測定対象の動物が安静であるか否かを判断するために、CPU101は、加速度の変化量Δa1〜Δanがそれぞれ所定値よりも小さい場合(例えば、Δa<0.05m/s2)に、被測定対象の動物が安静である時刻だったと判断し、該当する時刻の心拍数データをPPとする。
なお、上述のS104からS108は、被測定対象の動物の測定が終わった後に動作を開始するものとして説明したが、測定中に動作を行っても構わない。例えば、所定の時間ごと(例えば1分おき)に心拍数データP、加速度データΔaを取得し、Δaを参照し安静であると判定される場合に当該心拍数データPを「安静時の心拍数データ」としてPPに追加、或いは、Δaを参照し安静ではないと判定される場合には当該心拍数データPを「安静時の心拍数データではない」としてPPに追加しない、という形で動作させることができる(不図示)。また、心拍数データPを取得(S104)した後で、取得した加速度変化量Δa(S106)に基づいてPPに入れる心拍数を抽出する(S108)としたが、順序を入れ替え、加速度変化量Δaを取得(S106)した後、Δaが所定の条件を満たす(S108)場合に心拍数データを取得しPPとするよう動作させてもよいことは言うまでもない。
CPU101は、当該安静と判断された期間に測定された心拍数PPの平均値と、数値範囲記憶手段120に記憶されている疾患の進行度毎の心拍数とを比較して、心拍数の平均値Pに対応する疾患の進行度ACjを特定する(ステップS112)。
なお、本実施の形態においては、安静時の心拍数PPの平均値を利用するものであるが、安静時には限られないし、平均値にも限られない。たとえば、単なる心拍数を利用してもよいし、心拍数の最小値と利用したり、心拍数の最大値を利用したり、心拍数の最頻値を利用したりしてもよい。
より詳細には、図5(a)示されたグラフは、健康な犬と、僧帽弁閉鎖不全症が進行中の犬と、に関する平均心拍数の分布を示す。当該分布に基づいて、図5(b)に示されたグラフは、図5(a)に示した平均心拍数の分布に基づき、健康な犬と、僧帽弁閉鎖不全症の進行度毎の犬と、に関する平均心拍数の範囲を示す。図5(a)および図5(b)の横軸に記載されたN、A、B1、B2、C1、C1は、僧帽弁閉鎖不全症の進行度を示す一つの指標であるACVIM分類を指す。ACVIM分類は、アメリカ獣医内科学学会(ACVIM)によって提唱された心不全分類である。ACVIM分類の各項目の説明を表1に示す。このような進行度に応じた範囲を示すデータがメモリ102に格納されている。CPU101は、特定された心拍数の平均値がいずれの範囲に属するかを特定することによって、被測定動物の疾患の進行度を特定する。なお、ACVIM分類のAは疾患の有無ではなく、心疾患になりやすい犬種に付与される分類であるため、図5(b)の横軸には示していない。また、ACVIM分類のC1、D1は急性期に付与される分類であり、そのステージが維持されることはないため、図5(b)の横軸には示していない。また、ACVIM分類のD2は難治性心不全を示す分類であり、医師診断で分類が変わる可能性が低く、既に定期的な診断を受ける必要があるため、図5の横軸には示していない。
図4に戻って、CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症であるか否かを判断する(ステップS116)。
CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症である場合、通知生成部150として、進行度に応じた通知、たとえば受診を進めるためのメッセージなど、を作成する(ステップS118)。
或いは、判定されたACjの方が、もともと診断されていたACeよりも重症でない場合、CPU101は、「症状は安定していますね」など、目立った進行が確認できない旨のメッセージなどを生成する(ステップS118)。この場合は、ステップS104からの処理を繰り返してもよい。
このように、本実施の形態においては、心拍センサ400によって測定された心拍数の値から、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。
<第2の実施の形態>
<第2の実施の形態>
上記の実施の形態においては、心拍数に基づいて僧帽弁閉鎖不全症の進行度を予測するものであった。本実施の形態においては、心拍数だけでなく、自律神経バランスにも基づいて心臓疾患の進行度を特定するものである。
図6を参照して、本実施の形態にかかるサーバ100による情報処理について説明する。なお、図4に示した各ステップと同じ部品番号を付したステップについては同じ動作であるため説明を省略する。また前述のS104からS108の別の動作形態についても同様であるため、これも説明を繰り返さない。
CPU101は、当該被測定対象の動物が安静であると判定された時刻(PPに含まれる心拍数がそれぞれ関連付けられた時刻)における自律神経バランスAを算出する(ステップS210)。当該自律神経バランスAを算出するステップにおいては、安静であると判定された各時刻における拍動間隔情報を元に算出する。自律神経バランスAの詳しい算出方法については後述する。
CPU101は、メモリ102に記憶されている疾患の進行度毎の心拍数と自律神経バランスとの対応関係を参照して、当該安静と判断された期間に測定された心拍数PPおよび自律神経バランスAとの関係に近い疾患の進行度ACjを特定する(ステップS212)。より具体的には、心拍数PPの平均値と、自律神経バランスAの平均値を用いるものとする。
より詳細には、図7のグラフのように、健康な犬および僧帽弁閉鎖不全症の進行度毎の犬、に関する心拍数と自律神経バランスとの組み合わせに基づいて、今回測定された心拍数PPの平均値と、自律神経バランスAの平均値との関係に近い疾患の進行度ACjを特定する。図7に示すグラフの横軸は心拍数を示し、縦軸は自律神経バランスを示す。また、グラフ上のX座標が被測定対象の犬の測定結果を示す座標(hX、aX)を示す。また、Nの座標(hN、aN)およびB1の座標(hB1、aB1)、B2の座標(hB2、aB2)、C2の座標(hC2、aC2)が、それぞれ医師に診断されたACVIM分類毎に分類された犬の過去の測定データの平均値を示す指標座標である。ここで、CPU101は、被測定対象の犬の測定結果であるX座標と、それぞれの指標座標との距離を算出し、最も近接の座標を特定し、被測定対象の犬のACVIM分類ACjを判定する。
なお、本実施の形態においては、X座標は、所定期間の平均値であるが、平均値に限らず代表値や中間値などであってもよい。また、N座標やB1座標やB2座標やC座標も、医師に診断されたACVIM分類毎に分類された犬の過去の測定データの平均値を示す指標座標であってもよいし、比較基準としやすい代表値や目印であってもよい。
図6に戻って、CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症であるか否かを判断する(ステップS116)。
CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症である場合、通知生成部150として、進行度に応じた通知、たとえば受診を勧めるためのメッセージなど、を作成する(ステップS118)。
判定されたACjの方が、もともと診断されていたACeよりも重症でない場合、CPU101は、「症状は安定していますね」など、目立った進行を確認できない旨のメッセージなどを生成する(ステップS118)。この場合は、ステップS104からの処理を繰り返してもよい。
ここで、本実施の形態にかかる自律神経バランスを算出するための情報処理の一例について説明する。まず、信号処理装置500は、図8に示すような心電信号データに基づいて、各種の判断方法により、R波と判断できるピークを特定することによって、拍動タイミングとしての時刻情報を蓄積する。サーバ100のCPU101または信号処理装置500のCPU501は、前回の拍動タイミングから今回の拍動タイミングまでの時間を今回の拍動間隔として計算していく。たとえば、図9に示すように、所定の時間帯毎に、当該所定の時間帯の基準時刻を示すタイムスタンプと、当該所定の時間帯に含まれる拍動タイミング毎の、所定の時間帯の基準時刻からの詳細な経過時間とを蓄積する。
なお、図10は、本実施の形態にかかるサーバ100のCPU101が実行する処理を示すフローチャートである。CPU101は、通信インターフェイス106を介して、信号処理装置500からの拍動タイミングを示すデータを受信する(ステップS201)。
本実施の形態においては、CPU101が、受信した拍動タイミングに基づいて拍動と拍動の間の時間を計算する(ステップS202)。CPU101は、拍動間隔を拍動間隔テーブル(図9参照。)として逐次メモリ102に蓄積していく(ステップS203)。本実施の形態においては、拍動間隔は、例えば、図9に示すようにmsec(ミリセック)の単位で計算される。
CPU101は、一定時間単位、例えば、1分、10分、1時間など、状態を判定するために必要な時間単位で、拍動間隔データを読み出して、拍動間隔R−R(n)とその次の拍動間隔R−R(n+1)との拍動間隔テーブルを作成する(ステップS204)。
CPU101は、図11に示すように、拍動間隔R−R(n)とその次の拍動間隔R−R(n+1)との拍動間隔テーブルからY=X方向とそれに垂直な方向の軸への変換を行う(ステップS205)。
CPU101は、軸の変換を行った後のそれぞれの軸を構成する数値列に関する標準偏差を算出する(ステップS206)。なお、CPU101は、Y=X軸に関する標準偏差だけを算出してもよいし、Y=Xと垂直な軸に関する標準偏差だけを算出してもよいし、両方を算出してもよい。図12は、犬の精神状態または肉体的状態毎の、Y=X軸に関する標準偏差と、Y=Xと垂直な軸に関する標準偏差との目安を示す表である。
なお、CPU101は、主成分分析などの方法により分散が最大になる軸を特定し、当該軸と当該軸に垂直な軸に関する標準偏差を算出してもよい。さらには、CPU101は、軸変換を行わずに、X軸とY軸に関する標準偏差を算出するものであってもよい。分散の大きい方向がX軸方向とY軸方向である場合には、軸変換を行わなくとも、X軸とY軸の標準偏差を算出することで、ポアンカレプロットした拍動間隔のばらつき状態を評価できる。この場合、軸変換を行う必要が無いために、計算量を低減することができる。
CPU101は、例えば、自身の、あるいは外部の、ディスプレイ330やスピーカなどの出力装置に、標準偏差を表示させたり、音声メッセージを出力させたりする(ステップS207)。より詳細には、CPU101は、Y=X軸に関する標準偏差だけを出力させてもよいし、Y=Xと垂直な軸に関する標準偏差だけを出力させてもよいし、両方を出力させてもよいし、大きい方だけを出力させてもよいし、小さい方だけを出力させてもよい。
標準偏差を計算することにより、拍動間隔R−R(n)とその次の拍動間隔R−R(n+1)とをそれぞれ軸としてポアンカレプロットした拍動間隔のばらつき状態、すなわち自律神経バランスAが評価できる。
このようにして、図7に示すように、本実施の形態においては、測定された心拍数の値と、自律神経バランスAとから、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。
<第3の実施の形態>
<第3の実施の形態>
上記の実施の形態においては、心拍数や自律神経バランスに基づいて僧帽弁閉鎖不全症の進行度を予測するものであった。当該機能に加えて、数値範囲などの判断基準を機械学習し続けることも好ましい。このようにして更新した分類器を用いて、以下のように心臓疾患の進行度を特定する。
たとえば、数値範囲記憶手段120が、被測定動物の年齢と心拍数とに対する進行度の関係とを示す各種の分類器を格納してもよい。そして、分類器を利用して予測した心臓疾患の進行度と実際の診療によって決定された心臓疾患の進行度とを照らし合わせて、分類器のデータを修正したり更新していくことが好ましい。ここで示す分類器は、例えば、線形SVM、k−近傍法、非線形SVM、ランダムフォレスト法など、広く知られた機械学習手法や統計学的手法を採用し作成した分類器である。
より詳細に、図13を参照して、本実施の形態にかかるサーバ100による僧帽弁閉鎖不全症の進行度を特定するための情報処理について説明する。なお、図13は、本実施の形態にかかるサーバ100が実行する全体処理を示すフローチャートである。図4およびず6と同じ部品番号を付したステップにおいては同じ動作であるため説明を省略する。
まず、CPU101は、犬などの被測定動物の固有情報の入力を受け付ける(ステップS102)。なお、固有情報には、犬種、年齢、現在予想される疾患の進行度ACeなどが含まれる。
次に、CPU101は、通信インターフェイス106を介して、信号処理装置500から拍動タイミングや拍動間隔や心拍数などのバイタルデータV(V1〜Vn)を取得する(ステップS304)。
CPU101は、通信インターフェイス106を介して、信号処理装置500から加速度や加速度の変化量Δa(Δa1〜Δan)を取得する(ステップS306)。
CPU101は、被測定動物が安静であるか否かを判断し、安静であると判断した時刻におけるバイタルデータをVVとする(ステップS308)。
逆に、CPU101は、被測定動物が安静であったと判断された時刻に測定されたバイタルデータVVの特徴量を取得する(ステップS312)。ここではVVの特徴量として、平均値の他、最小値、最大値、中央値、四分位数、分散、標準偏差、平均誤差、変動係数など、一般的な統計的手法で得た数値などを指すものとするが、これに限らない。CPU101は、バイタルデータVVを入力した分類器の判定結果ACjを特定する(ステップS314)。
CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症であるか否かを判断する(ステップS316)。
CPU101は、判定されたACjの方が、もともと診断されていたACeよりも重症である場合、通知生成部150として、進行度に応じた通知、たとえば受診を進めるためのメッセージなど、を作成する(ステップS318)。
或いは、判定されたACjの方が、もともと診断されていたACeよりも重症でない場合、CPU101は、「症状は安定していますね」など、目立った進行が確認できない旨のメッセージなどを生成する(ステップS318)。この場合は、ステップS304からの処理を繰り返す。
このように、本実施の形態においては、測定された各種バイタルデータの値から、僧帽弁閉鎖不全症の進行度を予測したり、警告を通知したりするため、早期に心臓疾患に気が付くことが可能になる。
図15は、数値範囲記憶手段120が、被測定動物の年齢と心拍数とに対する進行度の関係とを示す各種の分類器の一例を示す。図15は、横軸に安静時の平均心拍数を示し、縦軸に安静時の心拍数の最小値を示すグラフにおいて、線形SVMを用いて、ACVIM分類毎に4つの領域に分類した分類器である。
さらには、図15に示すように、年齢毎に、分類器を準備することによって、より正確な心臓疾患の進行度を予測することができる。
また、図16に示すように、安静時の心拍数最小値と、安静時の平均心拍数と、被測定動物の年齢など、3次元の入力値に対して疾患の進行度を特定するものであってもよい。
また、CPU101は、測定時のACVIM分類によって、どの分類器を採用するか選択してもよい。例えば、図17に示すように、隣り合うACVIM分類に関して、当該2種類の状態を判断する処理を繰り返して、疾患の進行度を特定するものであってもよい。
<第4の実施の形態>
<第4の実施の形態>
上記の実施の形態においては、犬などの被測定動物に加速度センサを取り付けて、当該被測定動物が安静であるか否かを判断するものであった。しかしながら、心拍センサ400として、シート状の圧電センサ(Piezoelectric sensor)402を利用して、被測定動物が安静であるか否かを判断しながら、心拍数を測定してもよい。図18(a)は、第4の実施の形態に係る生体情報処理システムの一部を示し、図18(b)は、第4の実施形態に係る生体情報処理システム1の物理的な構成の一部を示すブロック図である。第4の実施形態4に係る生体情報処理システムは、信号処理装置500と通信可能な結果出力装置としての通信端末300と、各種の演算を実行して演算結果を提供するクラウド上のサーバ100とを含むが、上記の実施形態と同様であるから、図18(a)および図18(b)において省略し、以下詳細な説明も省略する。
第4の実施形態に係る生体情報処理システムは、心拍センサ400として、圧電センサ402を備える。圧電センサ402は、安静時の被測定対象の動物と胸部が接触し、被測定対象の動物の拍動や拍動間隔を検出する。圧電センサ402は、検出した拍動をアナログ信号に変換し、信号処理装置500Bに出力する。拍動間隔を検出する手法の場合、圧電センサ402ではなく、圧力センサでもよい。
信号処理装置500Bは、加速度センサを備えている必要がない点が、実施形態1〜3の信号処理装置500と異なり、その他の構成は同一である。
そして、図19(A)に示すように、圧電センサのデータが振り切れない場合に、被測定動物が安静であると判断し、図19(B)に示すように、圧電センサのデータが振り切れた場合に、被測定動物が安静でないと判断してもよい。つまり、圧電センサ402は、心拍センサ400と体動検知センサの両方の機能を兼ねる。
より詳細には、図20を参照して、信号処理装置500のCPU501またはサーバ100のCPU101は、1秒間の電圧値V1〜Vnを取得する(ステップS502)。
CPU101は、電圧値V1〜Vnの全てが所定範囲内(例えば−8V〜+8V内)である場合(ステップS504にてYESである場合)、当該1秒間は被測定動物が安静であると判断して(ステップS506)、圧電センサ402より得られたデータ信号の間隔を用いて、心拍や呼吸などのバイタルデータを取得する(ステップS508)。CPU101は、次の1秒に進む(ステップS510)。
CPU101は、電圧値V1〜Vnのいずれかが所定範囲内でない場合(ステップS504にてNOである場合)、当該1秒間は被測定動物が安静でないと判断して(ステップS512)、心拍や呼吸などのバイタルデータにエラーフラグを付して送信したり、エラー通知を出力したりする(ステップS514)。CPU101は、次の1秒に進む(ステップS510)。
CPU101は、次のデータが送られてこない場合(ステップS516にてYESである場合)、今回の処理を終了する。
<第5の実施の形態>
<第5の実施の形態>
上記の実施の形態にかかる生体情報処理システム1は、電極400からの心電信号に基づいて信号処理装置500が拍動タイミングを計算し、サーバ100が拍動間隔や心臓疾患の進行度の計算を行い、その結果を通信端末300が出力するものであった。しかしながら、それらの1つの装置の全部または一部の役割が、別の装置によって担われてもよいし、複数の装置によって分担されてもよい。逆に、それら複数の装置の全部または一部の役割を、1つの装置が担ってもよいし、別の装置が担ってもよい。
例えば、信号処理装置500の役割の一部を通信端末300が担ったり、サーバ100の役割の一部または全部を信号処理装置500や通信端末300が担ったりしてもよい。例えば、通信端末300や信号処理装置500が、心臓疾患の進行度を演算して、自身のディスプレイやスピーカから演算結果を出力してもよい。
<まとめ>
<まとめ>
上記の実施の形態においては、測定対象の動物の心拍数を取得するための心拍センサと、測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、テーブルと、心拍センサによって測定された心拍数とを比較し、測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システムが提供される。
好ましくは、心臓疾患重症度判定システムは、測定対象の体動を検知する体動検知センサと、をさらに備える。演算回路は、体動検知センサが検知した値が所定の範囲にある安静時期間内において、測定対象の心臓に係る疾患の重症度を推測する。
好ましくは、体動検知センサが加速度センサである。演算回路は、安静時期間として、加速度センサの加速度の変化量が所定の値以下の期間が所定時間以上継続した期間を特定する。
好ましくは、心拍数センサが圧電センサである。演算回路は、安静時期間内として、圧電センサが検出した電圧値が所定の範囲内である期間が所定時間以上継続した期間を特定する。
好ましくは、演算回路は、心拍センサが測定した心拍数の平均値と、テーブルとを比較することによって、測定対象の心臓に係る疾患の重症度を推測する。
好ましくは、テーブルは、動物の種類および属性毎の、心臓に係る疾患の重症度と、心拍数と、の対応関係を含む。
好ましくは、心臓に係る疾患の重症度は、安静時における自律神経バランスにも対応付けられている。演算回路は、心拍センサの測定値から拍動間隔を算出し、拍動間隔から自律神経バランスを算出し、安静時の心拍数と、自立神経バランスと、テーブルのデータを比較することによって、測定対象の心臓に係る疾患の重症度を推測する。
好ましくは、テーブルは、第1の軸に安静時の心拍数を、第1の軸とは異なる第2の軸に安静時の自律神経バランスを、含む座標系における、心臓に係る疾患の重症度に応じた複数サンプルの座標位置のデータを有する。演算回路は、測定対象の安静時の心拍数と、測定対象の安静時の自律神経バランスと、からなる座標位置と、重症度に応じた座標位置との距離に基づいて、測定対象の心臓に係る疾患の重症度を推測する。
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
1 :生体情報処理システム
100 :サーバ
101 :CPU
102 :メモリ
106 :通信インターフェイス
110 :実測値比較手段
120 :数値範囲記憶手段
130 :テーブル更新部
150 :通知生成部
160 :通知手段
300 :通信端末
301 :CPU
302 :メモリ
303 :ディスプレイ
306 :通信インターフェイス
330 :ディスプレイ
400 :電極
402 :圧電センサ
500 :信号処理装置
501 :CPU
502 :メモリ
503 :加速度センサ
506 :通信インターフェイス
507 :加速度センサ
100 :サーバ
101 :CPU
102 :メモリ
106 :通信インターフェイス
110 :実測値比較手段
120 :数値範囲記憶手段
130 :テーブル更新部
150 :通知生成部
160 :通知手段
300 :通信端末
301 :CPU
302 :メモリ
303 :ディスプレイ
306 :通信インターフェイス
330 :ディスプレイ
400 :電極
402 :圧電センサ
500 :信号処理装置
501 :CPU
502 :メモリ
503 :加速度センサ
506 :通信インターフェイス
507 :加速度センサ
Claims (8)
- 測定対象の動物の心拍数を取得するための心拍センサと、
前記測定対象の動物に関する、心臓に係る疾患の重症度と、当該重症度における心拍数の範囲とを関連付けたテーブルを記憶するメモリと、
前記テーブルと、前記心拍センサによって測定された心拍数とを比較し、前記測定対象の心臓に係る疾患の重症度を推測する演算回路と、を備える、心臓疾患重症度判定システム。 - 前記測定対象の体動を検知する体動検知センサと、をさらに備え、
前記演算回路は、前記体動検知センサが検知した値が所定の範囲にある安静時期間内において、前記測定対象の心臓に係る疾患の重症度を推測する、請求項1に記載の心臓疾患重症度判定システム。 - 前記体動検知センサが加速度センサであり、
前記演算回路は、前記安静時期間として、前記加速度センサの加速度の変化量が所定の値以下の期間が所定時間以上継続した期間を特定する、請求項2に記載の心臓疾患重症度判定システム。 - 前記心拍数センサが圧電センサであって、
前記演算回路は、前記安静時期間内として、前記圧電センサが検出した電圧値が所定の範囲内である期間が所定時間以上継続した期間を特定する、請求項2に記載の心臓疾患重症度判定システム。 - 前記演算回路は、前記心拍センサが測定した心拍数の平均値と、前記テーブルとを比較することによって、前記測定対象の心臓に係る疾患の重症度を推測する、請求項1から4のいずれか1項に記載の心臓疾患重症度判定システム。
- 前記テーブルは、動物の種類および属性毎の、前記心臓に係る疾患の重症度と、心拍数と、の対応関係を含む、請求項1から5のいずれか1項に記載の心臓疾患重症度判定システム。
- 前記心臓に係る疾患の重症度は、安静時における自律神経バランスにも対応付けられており、
前記演算回路は、前記心拍センサの測定値から拍動間隔を算出し、前記拍動間隔から自律神経バランスを算出し、
前記安静時の心拍数と、前記自立神経バランスと、前記テーブルのデータを比較することによって、前記測定対象の心臓に係る疾患の重症度を推測する、請求項1から6のいずれか1項に記載の心臓疾患重症度判定システム。 - 前記テーブルは、第1の軸に安静時の心拍数を、前記第1の軸とは異なる第2の軸に安静時の自律神経バランスを、含む座標系における、前記心臓に係る疾患の重症度に応じた複数サンプルの座標位置のデータを有し、
前記演算回路は、前記測定対象の安静時の心拍数と、前記測定対象の安静時の自律神経バランスと、からなる座標位置と、前記重症度に応じた座標位置との距離に基づいて、前記測定対象の心臓に係る疾患の重症度を推測する、請求項7に記載の心臓疾患重症度判定システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026075A JP2021129693A (ja) | 2020-02-19 | 2020-02-19 | 心臓疾患重症度判定システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026075A JP2021129693A (ja) | 2020-02-19 | 2020-02-19 | 心臓疾患重症度判定システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021129693A true JP2021129693A (ja) | 2021-09-09 |
Family
ID=77551476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020026075A Pending JP2021129693A (ja) | 2020-02-19 | 2020-02-19 | 心臓疾患重症度判定システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021129693A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022224556A1 (ja) * | 2021-04-19 | 2022-10-27 | 東洋紡株式会社 | ペットの健康状態管理方法、ペットの健康状態管理システム、ペットの健康状態管理装置、及びペットの健康状態管理用衣類 |
JP2023083152A (ja) * | 2021-12-03 | 2023-06-15 | ソフトバンク株式会社 | データ処理装置、プログラム、データ処理システム、及びデータ処理方法 |
DE112022003860T5 (de) | 2021-08-06 | 2024-05-29 | Sony Semiconductor Solutions Corporation | Bildgebungsvorrichtung |
KR102704530B1 (ko) * | 2022-02-09 | 2024-09-09 | 계명대학교 산학협력단 | 복합 생체신호 센서를 이용한 반려동물용 스마트 청진기 및 청진방법 |
-
2020
- 2020-02-19 JP JP2020026075A patent/JP2021129693A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022224556A1 (ja) * | 2021-04-19 | 2022-10-27 | 東洋紡株式会社 | ペットの健康状態管理方法、ペットの健康状態管理システム、ペットの健康状態管理装置、及びペットの健康状態管理用衣類 |
DE112022003860T5 (de) | 2021-08-06 | 2024-05-29 | Sony Semiconductor Solutions Corporation | Bildgebungsvorrichtung |
JP2023083152A (ja) * | 2021-12-03 | 2023-06-15 | ソフトバンク株式会社 | データ処理装置、プログラム、データ処理システム、及びデータ処理方法 |
JP7427645B2 (ja) | 2021-12-03 | 2024-02-05 | ソフトバンク株式会社 | データ処理装置、プログラム、データ処理システム、及びデータ処理方法 |
KR102704530B1 (ko) * | 2022-02-09 | 2024-09-09 | 계명대학교 산학협력단 | 복합 생체신호 센서를 이용한 반려동물용 스마트 청진기 및 청진방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021129693A (ja) | 心臓疾患重症度判定システム | |
CN109069004B (zh) | 用于确定可穿戴设备在对象上的位置和取向中的至少一个的方法和装置 | |
US20140324459A1 (en) | Automatic health monitoring alerts | |
TW201806549A (zh) | 寵物反應識別系統 | |
Foster et al. | Preliminary evaluation of a wearable sensor system for heart rate assessment in guide dog puppies | |
CN109310351A (zh) | 用于表征对象的心率的评估系统和方法 | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
JP2017536946A (ja) | 意識状態を決定するデバイスおよび方法 | |
JP2023521721A (ja) | Ecg信号の生成方法、及びそれを用いてなるecg信号生成システム | |
KR20200062522A (ko) | 클라우드 기반 스마트 넥밴드를 통한 반려동물 대사증후군 사전 예방 시스템, 서버 및 방법 | |
Foster et al. | Preliminary evaluation of a wearable sensor system for assessment of heart rate, heart rate variability, and activity level in working dogs | |
CN109091127A (zh) | 用于监测血压的方法及其设备 | |
US20220249055A1 (en) | Non-invasive, real-time, beat-to-beat, ambulatory blood pressure monitoring | |
CN113598721B (zh) | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 | |
JP2018175795A (ja) | 使役犬による作業の効率を向上させるための方法およびシステム | |
JPWO2019198691A1 (ja) | 情報処理装置、およびウェアラブル端末 | |
US20190191665A1 (en) | System and method of measured drug efficacy using non-invasive testing | |
Periyanayagi et al. | Artificial intelligence and IoT-based biomedical sensors for intelligent cattle husbandry systems | |
JP2022176129A (ja) | 炎症性疾患予兆検出装置、炎症性疾患予兆検出方法、炎症性疾患予兆検出プログラム、学習モデル生成装置、学習モデル生成方法、学習モデル生成プログラム、心拍情報計測装置、及び心拍情報計測方法 | |
WO2020195403A1 (ja) | 生体情報測定用ハーネスおよび生体情報処理システム | |
EP4164478B1 (en) | Wearable detection system for detecting vulnerability for and infection of a homeothermic living organism | |
JP2019103750A (ja) | 情報処理装置、情報処理プログラム、サーバ、および情報処理方法 | |
JP7517433B2 (ja) | ストレス推定装置、推定方法、プログラム及び記憶媒体 | |
Jarkoff et al. | Assessing the accuracy of a smart collar for dogs: Predictive performance for heart and breathing rates on a large scale dataset | |
Brugarolas Brufau | Towards Automated Canine Training: Wearable Cyber-Physical Systems for Physiological and Behavioral Monitoring of Dogs. |