JP2022098608A - 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム - Google Patents
心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム Download PDFInfo
- Publication number
- JP2022098608A JP2022098608A JP2020212088A JP2020212088A JP2022098608A JP 2022098608 A JP2022098608 A JP 2022098608A JP 2020212088 A JP2020212088 A JP 2020212088A JP 2020212088 A JP2020212088 A JP 2020212088A JP 2022098608 A JP2022098608 A JP 2022098608A
- Authority
- JP
- Japan
- Prior art keywords
- heart rate
- rate variability
- model
- variability index
- index
- 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
- 238000000034 method Methods 0.000 title claims description 75
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 230000010349 pulsation Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000009532 heart rate measurement Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 3
- 238000010411 cooking Methods 0.000 description 16
- 238000007637 random forest analysis Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 210000005037 parasympathetic nerve Anatomy 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000002889 sympathetic effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 206010005746 Blood pressure fluctuation Diseases 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 210000003102 pulmonary valve Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 210000001186 vagus nerve Anatomy 0.000 description 1
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
まず、心拍変動指標について説明する。心臓は、右心室と右心房と左心室と左心房の4つの部屋と、三尖弁と肺動脈弁と僧帽弁と大動脈弁の4つの弁を備え、電気信号のリズムに従って規則的に収縮と拡張を繰り返す。電気信号は、心臓が収縮する時に心臓内に起こる電気の分布の変化によって引き起こされるもので、体表面から電位として検出される。心電計により計測される心電図データは、このような心臓の電気的活動を記録したものである。
図1は、心拍変動指標推定装置10の電気ブロック図である。心拍変動指標推定装置10は、例えば、パーソナルコンピュータなどの情報処理装置であり、CPU21と、ROM22と、RAM23と、NVRAM24とを備えるコントローラ11を有する。コントローラ11には、通信部12と操作部13と表示部14とが接続されている。
上記推定モデルの選定方法に基づき、周波数領域指標HFの最適モデルをランダムフォレスト回帰アルゴリズムで導出し、他の実験においてウェアラブル端末50により収集した心拍時系列データを用いて、その最適モデルからHF推定値を算出し、既往の結果と比較した。
例えば、上記のように算出された最適モデルは、講義等における情動判定に用いられる。例えば、最適モデルに対応するウェアラブル端末50(例えばPolar製A370)を、講義を受講する受講生に装着させる。ウェアラブル端末50は、講義中に、受講生の心拍数を計測し、例えばクラウドサーバに心拍数時系列データを送信する。クラウドサーバには、受講生の心拍数時系列データが蓄積される。クラウドサーバは、ウェアラブル端末50の機種を含む端末情報、あるいは、受講生を識別する識別情報に関連付けて心拍数を記憶する。
例えば、最適モデルを選定する場合に、回帰モデル毎に評価指標(例えば決定係数)の平均値を算出しなくてもよい。但し、回帰モデル毎に評価指標の平均値を求め、評価指標の平均値が最も大きいモデルを最適モデルに選定することで、心拍変動指標の推定に適したアルゴリズムを有する回帰モデルを最適モデルとして選定できるようになる。
21 CPU
27 第1DB
28 第2DB
101 第1取得部
102 第2取得部
103 説明変数算出部
104 説明変数組み合わせ部
105 ラーニング部
106 評価指標算出部
107 最適モデル選定部
108 心拍変動指標実値算出部
Claims (11)
- 被験者の体の一部に装着されて前記被験者の心拍数を計測する心拍数計測機能を備える複数のウェアラブル端末毎に、前記ウェアラブル端末が計測した被験者の心拍数を時系列で示す心拍数時系列データを取得する第1取得部と、
前記被験者に各々装着されて前記被験者の心臓が発生する電気信号を測定する複数の心電計毎に、前記心電計が計測した前記被験者の心拍変動を示す心電図データを取得する第2取得部と、
前記第1取得部にて取得された前記心拍数時系列データを拍動間隔時系列データに変換し、前記拍動間隔時系列データから複数の特徴量を算出し、説明変数とする説明変数生成部と、
前記説明変数生成部にて生成した複数の説明変数を組み合わせる説明変数組み合わせ部と、
前記第2取得部にて取得された前記心電図データから心拍変動指標の実値を算出する心拍変動指標実値算出部と、
心拍変動指標の実値を目的変数とする回帰モデルを複数選定し、選定した回帰モデル毎に、前記説明変数組み合わせ部にて組み合わされた説明変数の組み合わせデータに回帰モデルアルゴリズムを適用して学習するラーニング部と、
心拍変動指標実値算出部にて算出された前記心拍変動指標の実値と、前記ラーニング部にて学習した学習済みモデルから算出される心拍変動指標の推定値とに基づいて、前記選定した回帰モデル毎に評価指標を算出する評価指標算出部と、
前記評価指標算出部にて算出された前記評価指標が最も優れていた回帰モデルと説明変数の組み合わせとからなるモデルを、最適モデルとして選定する最適モデル選定部と、
を有すること、
を特徴とする心拍変動指標推定装置。 - 請求項1に記載する心拍変動指標推定装置において、
前記説明変数組み合わせ部は、前記説明変数生成部にて算出された前記複数の特徴量についてそれぞれ、当該特徴量と、前記第2取得部にて取得した前記心電図データから算出した値であって前記特徴量に対応する前記値との相関を分析し、前記複数の特徴量のうち、前記相関が高い特徴量を組み合わせること、
を特徴とする心拍変動指標推定装置。 - 請求項1又は請求項2に記載する心拍変動指標推定装置において、
前記説明変数組み合わせ部は、前記説明変数生成部にて生成された説明変数のうち、時間領域拍動変動指標データを示す説明変数を組み合わせ対象とすること、
を特徴とする心拍変動指標推定装置。 - 請求項1に記載する心拍変動指標推定装置において、
前記説明変数組み合わせ部は、前記説明変数生成部にて生成された説明変数を主成分分析し、固有値が大きい主成分に説明変数を置き換えること、
を特徴とする心拍変動指標推定装置。 - 請求項1から請求項3の何れか1つに記載する心拍変動指標推定装置において、
前記心拍変動指標は、心拍変動の高周波成分と低周波成分であり、
前記最適モデル選定部にて選定される前記最適モデルは、前記高周波成分を算出する回帰モデルと、前記低周波成分を算出する回帰モデルとで、前記説明変数の組み合わせが同じであること、
を特徴とする心拍変動指標推定装置。 - 請求項1から請求項5の何れか1つに記載する心拍変動指標推定装置において、
前記ウェアラブル端末の機種毎に前記最適モデルを選定すること、
を特徴とする心拍変動指標推定装置。 - 請求項1から請求項6の何れか1つに記載する心拍変動指標推定装置において、
前記心拍変動指標の推定値及び前記心拍変動指標の実値は、心理状態の検討に使用可能な指標を示すこと、
を特徴とする心拍変動指標推定装置。 - 心拍変動指標を推定する心拍変動指標推定方法であって、
被験者の体の一部に装着されて前記被験者の心拍数を計測する心拍数計測機能を備える複数のウェアラブル端末毎に、前記ウェアラブル端末が計測した被験者の心拍数を時系列で示す心拍数時系列データを取得する第1取得ステップと、
前記被験者に各々装着されて前記被験者の心臓が発生する電気信号を測定する複数の心電計毎に、前記心電計が計測した前記被験者の心拍変動を示す心電図データを取得する第2取得ステップと、
前記第1取得ステップにて取得された前記心拍数時系列データを拍動間隔時系列データに変換し、前記拍動間隔時系列データから複数の特徴量を算出し、説明変数とする説明変数生成ステップと、
前記説明変数生成ステップにて生成した複数の説明変数を組み合わせる説明変数組み合わせステップと、
前記第2取得ステップにて取得された前記心電図データから心拍変動指標の実値を算出する心拍変動指標実値算出ステップと、
心拍変動指標の実値を目的変数とする回帰モデルを複数選定し、選定した回帰モデル毎に、前記説明変数組み合わせステップにて組み合わされた説明変数の組み合わせデータに回帰モデルアルゴリズムを適用して学習するラーニングステップと、
心拍変動指標実値算出ステップにて算出された前記心拍変動指標の実値と、前記ラーニングステップにて学習した学習済みモデルから算出される心拍変動指標の推定値とに基づいて、前記選定した回帰モデル毎に評価指標を算出する評価指標算出ステップと、
前記評価指標算出ステップにて算出された前記評価指標が最も優れていた回帰モデルと説明変数の組み合わせとからなるモデルを、最適モデルとして選定する最適モデル選定ステップと、
を行うこと、
を特徴とする心拍変動指標推定方法。 - 情報処理装置に組み込まれ、
前記情報処理装置は、
被験者の体の一部に装着されて前記被験者の心拍数を計測する心拍数計測機能を備える複数のウェアラブル端末毎に、前記ウェアラブル端末が計測した被験者の心拍数を時系列で示す心拍数時系列データを記憶する第1記憶部と、
前記被験者に各々装着されて前記被験者の心臓が発生する電気信号を測定する複数の心電計毎に、前記心電計が計測した前記被験者の心拍変動を示す心電図データから算出した心拍変動指標の実値を記憶する第2記憶部と、
を備えており、
前記コンピュータに、
前記第1記憶部に記憶されている前記心拍数時系列データを拍動間隔時系列データに変換し、前記拍動間隔時系列データから複数の特徴量を算出し、説明変数とする説明変数生成処理と、
前記説明変数生成処理にて生成した複数の説明変数を組み合わせる説明変数組み合わせ処理と、
心拍変動指標の実値を目的変数とする回帰モデルを複数選定し、選定した回帰モデル毎に、前記説明変数組み合わせ処理にて組み合わされた説明変数の組み合わせデータに回帰モデルアルゴリズムを適用して学習するラーニング処理と、
前記第2記憶部に記憶されている前記心拍変動指標の実値と、前記ラーニング処理にて学習した学習済みモデルから算出される心拍変動指標の推定値とに基づいて、前記選定した回帰モデル毎に評価指標を算出する評価指標算出処理と、
前記評価指標算出処理にて算出された前記評価指標が最も優れていた回帰モデルと説明変数の組み合わせとからなるモデルを、最適モデルとして選定する最適モデル選定処理と、
を実行させること、
を特徴とする心拍変動指標推定プログラム。 - 請求項9に記載する心拍変動指標推定プログラムにおいて、
前記コンピュータに、前記ウェアラブル端末の前記機種毎に、前記説明変数生成処理と、前記説明変数組み合わせ処理と、前記ラーニング処理と、前記評価指標算出処理と、前記最適モデル選定処理と、を実行させること、
を特徴とする心拍変動指標推定プログラム。 - 請求項9又は請求項10に記載する心拍変動指標推定プログラムにおいて、
前記ラーニング処理と前記評価指標算出処理を、選定した回帰モデル1つにつき、所定回数ずつ行い、
前記最適モデル選定処理では、選定した回帰モデル毎に前記評価指標の平均値を求め、前記評価指標の平均値が最も大きい回帰モデルと説明変数の組み合わせとからなるモデルを、最適モデルとして選定する、
ことを特徴とする心拍変動指標推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020212088A JP2022098608A (ja) | 2020-12-22 | 2020-12-22 | 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020212088A JP2022098608A (ja) | 2020-12-22 | 2020-12-22 | 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022098608A true JP2022098608A (ja) | 2022-07-04 |
Family
ID=82261902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020212088A Pending JP2022098608A (ja) | 2020-12-22 | 2020-12-22 | 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022098608A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024014875A1 (ko) * | 2022-07-14 | 2024-01-18 | 주식회사 메디컬에이아이 | 심박 변이도에 대한 특징 추출의 정확도를 향상시키는 방법, 프로그램 및 장치 |
-
2020
- 2020-12-22 JP JP2020212088A patent/JP2022098608A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024014875A1 (ko) * | 2022-07-14 | 2024-01-18 | 주식회사 메디컬에이아이 | 심박 변이도에 대한 특징 추출의 정확도를 향상시키는 방법, 프로그램 및 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8396541B2 (en) | Signal analysis of cardiac and other patient medical signals | |
Pernice et al. | Comparison of short-term heart rate variability indexes evaluated through electrocardiographic and continuous blood pressure monitoring | |
US8233972B2 (en) | System for cardiac arrhythmia detection and characterization | |
WO2019161610A1 (zh) | 心电信息处理方法和心电工作站系统 | |
US20110190643A1 (en) | System for Cardiac Status Determination | |
JP6122884B2 (ja) | 作業覚醒度推定装置、方法およびプログラム | |
JP5696501B2 (ja) | 覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置 | |
JP6513005B2 (ja) | 疲労度計 | |
Sidek et al. | Enhancement of low sampling frequency recordings for ECG biometric matching using interpolation | |
WO2017027232A1 (en) | System and method for sympathetic and parasympathetic activity monitoring by heartbeat | |
JP2022098608A (ja) | 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム | |
US20210113104A1 (en) | Artifact-tolerant pulse rate variability measurement | |
JP2019048150A (ja) | 睡眠段階推定装置、方法およびプログラム | |
US9320445B2 (en) | System for cardiac condition detection responsive to blood pressure analysis | |
JP7067389B2 (ja) | 生体状態推定装置 | |
JP2023116614A (ja) | 心血管パラメータを決定するための方法及びシステム | |
JP6857582B2 (ja) | 瞬時心拍の時系列データの補完装置、補完方法及びそのプログラム | |
Shorten et al. | Use of dynamic time warping for accurate ECG signal timing characterization | |
Malagoli et al. | Towards a method for the objective assessment of cognitive workload: A pilot study in vessel traffic service (VTS) of maritime domain | |
Chen et al. | Beat-to-beat heart rate detection based on seismocardiogram using BiLSTM network | |
Patil et al. | Stress detection by measuring heart rate variability | |
Jovic et al. | Biomedical time series preprocessing and expert-system based feature extraction in MULTISAB platform | |
Wang et al. | Photoplethysmography-based heart action monitoring using a growing multilayer network | |
KR20240061873A (ko) | 사용자 맞춤형 스트레스 케어 장치 및 방법 | |
Ghista et al. | ECG waveform and heart rate variability signal analysis to detect cardiac arrhythmias |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230809 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240611 |