JP2023066352A - 情報処理装置、プログラム及び情報処理方法 - Google Patents

情報処理装置、プログラム及び情報処理方法 Download PDF

Info

Publication number
JP2023066352A
JP2023066352A JP2022073017A JP2022073017A JP2023066352A JP 2023066352 A JP2023066352 A JP 2023066352A JP 2022073017 A JP2022073017 A JP 2022073017A JP 2022073017 A JP2022073017 A JP 2022073017A JP 2023066352 A JP2023066352 A JP 2023066352A
Authority
JP
Japan
Prior art keywords
information processing
index
information
subject
electrocardiographic waveform
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
Application number
JP2022073017A
Other languages
English (en)
Inventor
克仁 藤生
Katsuhito Fujiu
悠 清水
Hisashi Shimizu
一成 小室
Kazunari Komuro
映理子 荷見
Eriko HASUMI
▲エイ▼ 陳
Ying Chen
龍 齋藤
Ryu Saito
稔 白土
Minoru Shirato
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Tokyo NUC
Simplex Quantum Inc
Original Assignee
University of Tokyo NUC
Simplex Quantum Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Tokyo NUC, Simplex Quantum Inc filed Critical University of Tokyo NUC
Priority to JP2022073017A priority Critical patent/JP2023066352A/ja
Publication of JP2023066352A publication Critical patent/JP2023066352A/ja
Pending legal-status Critical Current

Links

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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • 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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】心不全の悪化状況を把握することができる情報処理装置を提供すること。【解決手段】本発明の一態様によれば、情報処理装置が提供される。この情報処理装置は、読出部と、算出部と、出力部とを備える。読出部は、第１被検体の第１心電波形を読み出す。算出部は、第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出する。参照情報は、第１被検体とは異なる第２被検体の第２心電波形と、インデックスとの関係を示す情報である。出力部は、インデックスを出力する。【選択図】図１

Description

本発明は、情報処理装置、プログラム及び情報処理方法に関する。
心電波形、心拍数、心拍変動、心拍間隔及び呼吸周波数を被検体から取得し、これらの情報を解析して心不全であるか否かを判断する心不全検出方法が開示されている（例えば、特許文献１参照。）。
特開２０２０－０３９４７２号公報
しかしながら、特許文献１に開示された技術では、心不全であるか否かの２択で判断されるため、心不全の悪化状況を把握することが困難であった。
本発明では上記事情を鑑み、心不全の悪化状況を把握することができる情報処理装置を提供することとした。
本発明の一態様によれば、情報処理装置が提供される。この情報処理装置は、読出部と、算出部と、出力部とを備える。読出部は、第１被検体の第１心電波形を読み出す。算出部は、第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出する。参照情報は、第１被検体とは異なる第２被検体の第２心電波形と、インデックスとの関係を示す情報である。出力部は、インデックスを出力する。
上記の開示によれば、心不全の悪化状況を把握することができる。
情報処理システム１００を表す構成図である。 情報処理装置２００のハードウェア構成を示すブロック図である。 ユーザ端末３００のハードウェア構成を示すブロック図である。 情報処理装置２００（制御部２１０）によって実現される機能を示すブロック図である。 情報処理装置２００によって実行される情報処理の流れを示すアクティビティ図である。 ユーザ端末３００の表示デバイスに表示された内容を示す図である。 ある心不全患者のＮＹＨＡ分類とインデックスとの長期トレンドを示す図である。 ＢＮＰ値とこれに対応するインデックス値の分布を示す図である。 ＢＮＰ値とこれに対応するインデックス値を回帰分析したグラフである。 ＢＮＰのクラスごとの心電波形を示す図である。 心不全患者のＢＮＰ値とインデックスとの長期トレンドを示す図である。 心不全患者のＢＮＰ値とインデックスとの長期トレンドを示す図である。 心不全患者のＢＮＰ値とインデックスとの長期トレンドを示す図である。 心不全患者のＢＮＰ値とインデックスとの長期トレンドを示す図である。
以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。
ところで、本実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－Ｔｒａｎｓｉｔｏｒｙ Ｃｏｍｐｕｔｅｒ－Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。
また、本実施形態において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、本実施形態においては様々な情報を取り扱うが、これら情報は、例えば電圧・電流を表す信号値の物理的な値、０又は１で構成される２進数のビット集合体としての信号値の高低、又は量子的な重ね合わせ（いわゆる量子ビット）によって表され、広義の回路上で通信・演算が実行されうる。
また、広義の回路とは、回路（Ｃｉｒｃｕｉｔ）、回路類（Ｃｉｒｃｕｉｔｒｙ）、プロセッサ（Ｐｒｏｃｅｓｓｏｒ）、及びメモリ（Ｍｅｍｏｒｙ）等を少なくとも適当に組み合わせることによって実現される回路である。すなわち、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等を含むものである。
１．ハードウェア構成
第１節では、本実施形態のハードウェア構成について説明する。
１．１ 情報処理システム１００
図１は、情報処理システム１００を表す構成図である。情報処理システム１００は、情報処理装置２００と、ユーザ端末３００と、心電計４００とを備え、これらがネットワークを通じて接続されている。これらの構成要素についてさらに説明する。ここで、情報処理システム１００に例示されるシステムとは、１つ又はそれ以上の装置又は構成要素からなるものである。
１．２ 情報処理装置２００
図２は、情報処理装置２００のハードウェア構成を示すブロック図である。情報処理装置２００は、制御部２１０と、記憶部２２０と、通信部２５０とを有し、これらの構成要素が情報処理装置２００の内部において通信バス２６０を介して電気的に接続されている。各構成要素についてさらに説明する。
制御部２１０は、情報処理装置２００に関連する全体動作の処理・制御を行う。制御部２１０は、例えば、不図示の中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）である。制御部２１０は、記憶部２２０に記憶された所定のプログラムを読み出すことによって、情報処理装置２００に係る種々の機能を実現する。すなわち、記憶部２２０に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部２１０によって具体的に実現されることで、制御部２１０に含まれる各機能部として実行されうる。これらについては、第２節においてさらに詳述する。なお、制御部２１０は単一であることに限定されず、機能ごとに複数の制御部２１０を有するように実施してもよい。またそれらの組み合わせであってもよい。
記憶部２２０は、情報処理装置２００の情報処理に必要な様々な情報を記憶する。これは、例えば、制御部２１０によって実行される情報処理装置２００に係る種々のプログラム等を記憶するソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報（引数、配列等）を記憶するランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）等のメモリとして実施されうる。また、これらの組み合わせであってもよい。
通信部２５０は、ＵＳＢ、ＩＥＥＥ１３９４、Ｔｈｕｎｄｅｒｂｏｌｔ、有線ＬＡＮネットワーク通信等といった有線型の通信手段が好ましいものの、無線ＬＡＮネットワーク通信、５Ｇ／ＬＴＥ／３Ｇ等のモバイル通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。すなわち、情報処理装置２００は、通信部２５０を介して、ユーザ端末３００及び心電計４００とネットワークを介して種々の情報を通信する。
１．３ ユーザ端末３００
図３は、ユーザ端末３００のハードウェア構成を示すブロック図である。ユーザ端末３００は、制御部３１０と、記憶部３２０と、表示情報生成部３３０と、入力受付部３４０と、通信部３５０とを有し、これらの構成要素がユーザ端末３００の内部において通信バス３６０を介して電気的に接続されている。制御部３１０、記憶部３２０及び通信部３５０の説明は、情報処理装置２００における制御部２１０、記憶部２２０及び通信部２５０と略同様のため省略する。なお、ユーザ端末３００は、例えば、デスクトップパソコン、ノートパソコン、スマートフォン、タブレット端末等であってもよい。
表示情報生成部３３０は、テキスト、画像（静止画及び動画を含む）を表示するものであり、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ及びプラズマディスプレイ等の表示デバイスに表示する情報を生成する。
入力受付部３４０は、ユーザ端末３００に種々の情報を入力するものであり、マウス、キーボード、ポインティングデバイス等から入力される信号を受け付ける。ユーザによってなされた操作入力は、命令信号として、通信バス３６０を介して制御部３１０に転送される。そして、制御部３１０は、必要に応じて所定の制御や演算を実行しうる。
１．４ 心電計４００
心電計４００は、心臓の拍動に伴う心筋細胞の活動電位の時間的変動に係るデータを心電波形として取得するように構成される。心電計４００は、例えば、１２誘導心電計、心電計機能付きのウェアラブル端末等であってもよく、用途によって、ベクトル心電計、長時間記録心電計、体表面電位計、自動心電計等が適宜選択されればよい。
心電計４００は、情報処理装置２００における通信部２５０とネットワークを介して接続され、取得した心電波形を情報処理装置２００に転送可能に構成される。なお、心電計４００は、通信部を有していなくてもよい。この場合、取得された心電波形は、メモリーカード等の記録媒体に記録され、当該記録媒体からユーザ端末３００に転送され、ユーザ端末３００から情報処理装置２００に転送されてもよい。
２．機能構成
第２節では、本実施形態の機能構成について説明する。前述の通り、記憶部２２０に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部２１０によって具体的に実現されることで、制御部２１０に含まれる各機能部として実現されうる。
図４は、情報処理装置２００（制御部２１０）によって実現される機能を示すブロック図である。具体的には、情報処理装置２００（制御部２１０）は、読出部２１１と、算出部２１２と、出力部２１３と、前処理部２１４と、受付部２１５と、生成部２１６とを備える。
読出部２１１は、種々の情報を読み出すように構成される。例えば、読出部２１１は、任意の被検体である第１被検体の第１心電波形を読み出す。
算出部２１２は、種々の情報を算出するように構成される。例えば、算出部２１２は、読み出された第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出する。ここで、参照情報は、第１被検体とは異なる第２被検体の第２心電波形と、当該インデックスとの関係を示す情報である。
出力部２１３は、種々の情報を出力するように構成される。例えば、出力部２１３は、算出された当該インデックスを出力する。
前処理部２１４は、種々の情報を前処理するように構成される。例えば、前処理部２１４は、読み出された第１心電波形を、算出部２１２で算出処理される前に前処理する。ここで、前処理は、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、及び正規化のうち少なくとも１つの処理である。
受付部２１５は、種々の情報を受け付けるように構成される。例えば、受付部２１５は、心電計４００で取得された第１心電波形を受け付ける。
生成部２１６は、種々の情報を生成するように構成される。例えば、生成部２１６は、ユーザ端末３００で視認可能な当該インデックスに係る視覚情報を生成する。
３．情報処理方法
第３節では、情報処理装置２００の情報処理方法について説明する。この情報処理方法は、コンピュータが実行する情報処理方法である。情報処理方法は、読出工程と、算出工程と、出力工程とを備える。読出工程では、任意の被検体である第１被検体の第１心電波形を読み出す。算出工程では、第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出する。参照情報は、第１被検体とは異なる第２被検体の第２心電波形と、当該インデックスとの関係を示す情報である。出力工程では、当該インデックスを出力する。
図５は、情報処理装置２００によって実行される情報処理の流れを示すアクティビティ図である。以下、このアクティビティ図の各アクティビティに沿って、説明するものとする。
心電計４００は、任意の被検体である第１被検体の第１心電波形を取得する（アクティビティＡ１１０）。
第１心電波形は、１～５０拍から構成されてもよい。具体的には、第１心電波形は、１，２，３，４，５，６，７，８，９，１０，１１，１２，１３，１４，１５，１６，１７，１８，１９，２０，２１，２２，２３，２４，２５，２６，２７，２８，２９，３０，３１，３２，３３，３４，３５，３６，３７，３８，３９，４０，４１，４２，４３，４４，４５，４６，４７，４８，４９，５０拍から構成され、ここで例示した数値のいずれか２つの間の範囲内であってもよい。好ましくは、第１心電波形は、１～２拍から構成される。
第１心電波形は、５～３００秒間における波形から構成されてもよい。具体的には例えば、５，１０，１５，２０，２５，３０，３５，４０，４５，５０，５５，６０，６５，７０，７５，８０，８５，９０，９５，１００，１０５，１１０，１１５，１２０，１２５，１３０，１３５，１４０，１４５，１５０，１５５，１６０，１６５，１７０，１７５，１８０，１８５，１９０，１９５，２００，２０５，２１０，２１５，２２０，２２５，２３０，２３５，２４０，２４５，２５０，２５５，２６０，２６５，２７０，２７５，２８０，２８５，２９０，２９５，３００秒間における波形から構成され、ここで例示した数値のいずれか２つの間の範囲内であってもよい。好ましくは、第１心電波形は、５～１０秒間における波形から構成される。
第１心電波形は、１２誘導のうちいずれか１つの誘導に対応する電極から取得されたものであってもよい。好ましくは、当該１つの誘導は、第１被検体の右手及び左手から取得された第Ｉ誘導である。
続いて、心電計４００は、取得した第１心電波形を、ネットワークを介して情報処理装置２００に送信する（アクティビティＡ１２０）。
続いて、受付部２１５は、心電計４００から送信された第１心電波形を受け付ける（アクティビティＡ１３０）。すなわち、情報処理装置２００における通信部２５０が第１心電波形を受信し、制御部２１０は、受信した第１心電波形を記憶部２２０に記憶させる。
続いて、読出部２１１は、第１被検体の第１心電波形を読み出す（アクティビティＡ１４０）。すなわち、制御部２１０は、記憶部２２０にアクセスし、読出処理を実行することで、記憶部２２０に記憶された第１心電波形を読み出す。
続いて、前処理部２１４は、読み出された第１心電波形を前処理する（アクティビティＡ１５０）。すなわち、制御部２１０は、記憶部２２０に記憶された所定パラメータを読み出し、このパラメータを第１心電波形の生データに適用することで、第１心電波形を加工する。ここで、前処理は、例えば、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、正規化等が挙げられ、これらを適宜組み合わせて実行される。好ましくは、前処理は、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、正規化の順番に実行される。
続いて、読出部２１１は、第１被検体の臨床データを読み出す（アクティビティＡ１６０）。すなわち、制御部２１０は、記憶部２２０にアクセスし、読出処理を実行することで、記憶部２２０に記憶された第１被検体の臨床データを読み出す。ここで、臨床データは、年齢、性別、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ：ボディマス指数）、ＰＷＴＴ（Ｐｕｌｓｅ Ｗａｖｅ Ｔｒａｎｓｉｔ Ｔｉｍｅ：脈波伝播時間）、血圧、心拍数、ＳＤＮＮ（Ｓｔａｎｄａｒｄ Ｄｅｖｉａｔｉｏｎ Ｏｆ Ｔｈｅ ＮＮ Ｉｎｔｅｒｖａｌ：正常心拍間隔の標準偏差）、ＣＶＲＲ（Ｃｏｅｆｆｉｃｉｅｎｔ Ｏｆ Ｖａｒｉａｔｉｏｎ Ｏｆ ＲＲ Ｉｎｔｅｒｖａｌ：ＲＲ間隔変動係数）、心房細動及びＨＲＶ（Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ：心拍変動）のうちの少なくとも１つを含むデータであればよい。
続いて、算出部２１２は、第１被検体の第１心電波形と、第１被検体の臨床データと、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出する（アクティビティＡ１７０からアクティビティＡ１９０）。すなわち、制御部２１０は、記憶部２２０に記憶された参照情報を読み出し、前処理された第１心電波形と、読み出された第１被検体の臨床データと、当該参照情報とに基づいて算出処理を実行することで、心不全重症度の期待値に応じたインデックスを算出する。
ここで、参照情報は、第１被検体とは異なる第２被検体の第２心電波形と、第２被検体の臨床データと、心不全重症度の期待値に応じたインデックスとの関係を示す情報である。好ましくは、参照情報は、当該第２心電波形と、第２被検体の臨床データと、当該インデックスとの関係を教師データとして、予め学習させた学習済みモデルである。第２心電波形は、予め取得され、医師によって心不全重症度が診断された心電波形を示す。本実施形態では、参照情報は、学習済みモデルであるものとして説明する。
ここで、アクティビティＡ１７０からアクティビティＡ１９０までの処理を順番に説明する。算出部２１２は、ＮＹＨＡ分類の各確率を算出する（アクティビティＡ１７０）。すなわち、制御部２１０は、前処理された第１心電波形と、第１被検体の臨床データと、参照情報とを記憶部２２０から読み出し、算出処理を実行することで、ＮＹＨＡ分類の各確率を算出する。
ここで、ＮＹＨＡ分類は、ＮＹＨＡ（Ｎｅｗ Ｙｏｒｋ Ｈｅａｒｔ Ａｓｓｏｃｉａｔｉｏｎ：ニューヨーク心臓協会）が作成した心不全に係る分類であり、身体活動による自覚症状の程度により心不全の重症度を４段階に分類したものを示す。
続いて、算出部２１２は、ＮＹＨＡ分類の各確率に基づいて、心不全の期待値を算出する（アクティビティＡ１８０）。すなわち、制御部２１０は、記憶部２２０に記憶された次の数１を読み出し、アクティビティＡ１７０で算出した値を当該数１に代入することで、心不全の期待値を算出する。
Figure 2023066352000002
 ただし、Ｅは心不全の期待値、ｘはＮＹＨＡ分類を示す。
続いて、算出部２１２は、心不全の期待値に基づいて、インデックスを算出する（アクティビティＡ１９０）。すなわち、制御部２１０は、記憶部２２０に記憶された次の数２を読み出し、アクティビティＡ１８０で算出した値を当該数２に代入することで、インデックスを算出する。本実施形態では、インデックスは、０から１００の範囲としている。
Figure 2023066352000003
続いて、算出部２１２は、上記インデックスからＢＮＰ値の傾向を算出する（アクティビティＡ１９０）。すなわち、制御部２１０は、記憶部２２０に記憶された所定の数式を読み出し、アクティビティＡ１９０で算出した値を当該数式に代入することで、ＢＮＰ値の傾向を算出する。
ここで、ＢＮＰは、脳性（Ｂ型）ナトリウム利尿ペプチドのことを示し、血管を拡げて尿の排出を促す作用を示す。すなわち、ＢＮＰは、心臓へのストレスを緩和する生理作用を有するため、血液中の濃度に応じて心不全の状況が反映される。したがって、ＢＮＰは、心不全のバイオマーカーとして利用できる。
続いて、生成部２１６は、ユーザ端末３００で視認可能な、インデックス及びＢＮＰ値に係る視覚情報を生成する（アクティビティＡ２１０）。すなわち、制御部２１０は、インデックス及びＢＮＰ値を記憶部２２０から読み出し、生成処理を実行することで、インデックス及びＢＮＰ値に係る視覚情報を生成する。
続いて、出力部２１３は、インデックス及びＢＮＰ値に係る視覚情報を出力する（アクティビティＡ２２０）。すなわち、制御部２１０は、通信部２５０を介して、生成した視覚情報をユーザ端末３００に送信処理する。
続いて、ユーザ端末３００における制御部３１０は、通信部３５０を介して、情報処理装置２００から送信された視覚情報を受信処理する（アクティビティＡ２３０）。
続いて、制御部３１０は、受信したインデックス及びＢＮＰ値に係る視覚情報をユーザ端末３００の表示デバイスに表示する（アクティビティＡ２４０）。
図６は、ユーザ端末３００の表示デバイスに表示された内容を示す図である。図６では、第１被検体のＮＹＨＡ分類が「Ｉ度」である確率が６０％、ＮＹＨＡ分類が「ＩＩ度」である確率が４０％であったものとする。この場合、ＮＹＨＡ分類「ＩＩ度」の確率よりもＮＹＨＡ分類「Ｉ度」の確率の方が高いため、第１被検体のＮＹＨＡ分類は、「Ｉ度」と検知される。続いて、心不全の期待値は、ＮＹＨＡ分類の値「Ｉ」を数１に代入することで、「１．４」と算出される。続いて、インデックスは、心不全の期待値「１．４」を数２に代入することで、「３５」と算出される。続いて、ＢＮＰ値の傾向は、インデックスの値「３５」を所定の数式に代入することで、「中」と算出される。
図６の表示内容は、次のことを示す。例えば、ＮＹＨＡ分類が「Ｉ度」である確率が１００％の場合（パターン１）、心不全の重症度は、ＮＹＨＡ分類「Ｉ度」となる。一方、ＮＹＨＡ分類が「Ｉ度」である確率が６０％、ＮＹＨＡ分類が「ＩＩ度」である確率が４０％の場合（パターン２）、心不全の重症度は、ＮＹＨＡ分類「Ｉ度」と「ＩＩ度」の間ということになるが、表示上は、ＮＹＨＡ分類「Ｉ度」となる。ここで、本実施形態に係るインデックスで心不全の重症度を示すと、パターン１では、インデックスは「２５」となり、パターン２では、インデックスは「３５」となる。これによれば、パターン２はパターン１よりも心不全の状況が悪いことを示すことができる。
したがって、本実施形態に係るインデックスは、ＮＹＨＡ分類よりも細分化した情報を示すため、被検体の心不全の悪化状況を早期に捉えることができるとともに、医師の診断を補助し早期の治療につなげることができる。また、当該インデックスは、多様な心電計４００において実現可能であるため、心不全の予防、心不全患者退院後の在宅モニタリングにも役立てることができる。
４．インデックスの有用性
第４節では、本実施形態で出力されるインデックスの有用性について説明する。
４．１ ＮＹＨＡ分類とインデックスとの相関性
図７は、ある心不全患者のＮＹＨＡ分類とインデックスとの長期トレンドを示す図である。
ＮＹＨＡ分類は、２０１６年１１月３０日から２０１７年３月１日の間、「Ｉ度」又は「ＩＩ度」を示した。インデックスは、２０１６年１１月３０日から２０１７年３月１日の間、「５０」を示した。ＮＹＨＡ分類は、２０１７年４月２６日から２０１８年８月１７日の間、「心不全なし」を示した。インデックスは、２０１７年４月２６日時点では「４０」を示し、２０１７年８月４日から２０１８年８月１７日までの間、「２０」以下を示した。
ＮＹＨＡ分類は、２０１８年９月１８日から２０１９年６月２８日の間、「Ｉ度」又は「ＩＩ度」を示した。インデックスは、２０１８年９月１８日から上昇傾向を示し、２０１９年６月２８日まで、「４０」から「６０」を示した。ＮＹＨＡ分類は、２０１９年６月２８日から２０２０年９月１１日までの間、「心不全なし」を示した。インデックスは、２０１９年６月２８日から２０２０年９月１１日までの間、略「２０」以下を示した。
以上のように、本実施形態に係るインデックスは、ＮＹＨＡ分類と相関があることが示された。
４．２ ＢＮＰ値の傾向とインデックスとの相関性
図８は、ＢＮＰ値とこれに対応するインデックス値の分布を示す図である。図９は、ＢＮＰ値とこれに対応するインデックス値を回帰分析したグラフである。図８及び図９では、ＢＮＰ値とこれに対応するインデックス値との間で正の相関関係があることが読み取れた。
図１０は、ＢＮＰのクラスごとの心電波形を示す図である。図１０では、ＢＮＰ値をいくつかのクラスに分けて、クラスごとに対応する心電波形を分析した。その結果、図１０では、ＢＮＰ値に応じて心電波形が変化することが読み取れた。
図１１～図１４は、心不全患者のＢＮＰ値とインデックスとの長期トレンドを示す図である。図１１～図１４では、心不全患者１２名に対して採血を実施してＢＮＰ値を測定するとともに、情報処理装置２００の情報処理を実施してインデックスを算出した。その結果、図１１～図１４では、ＢＮＰ値とこれに対応するインデックス値との間で正の相関関係があることが読み取れた。
以上によれば、本実施形態で出力されるインデックスは、心不全重症度と相関関係があることが実証された。したがって、当該インデックスは、心不全重症度の検知に好適に使用することができる。
本実施形態の態様は、プログラムであってもよい。このプログラムは、情報処理装置２００の各部としてコンピュータを機能させる。
以上、本発明の実施形態について説明したが、本発明はこれに限定されることなく、その発明の技術的思想を逸脱しない範囲で適宜変更可能である。
第１変形例として、出力部２１３による出力は、インデックス及びＢＮＰ値の傾向に係る視覚情報をユーザ端末３００に送信処理することに限られず、例えば、情報処理装置２００の表示デバイスに表示することとしてもよい。
第２変形例として、心不全重症度の期待値に応じたインデックスは、０から１００の範囲に限られず、例えば、０から１の範囲であってもよいし、０から１０の範囲であってもよい。インデックスの範囲に応じて、数２を適宜設定すればよい。
第３変形例として、参照情報は、学習済みモデルに限られず、例えば、ルックアップテーブル、関数、数理モデル等であってもよい。
第４変形例として、心電計４００は、ユーザ端末３００を経由して情報処理装置２００と通信可能に構成されてもよい。この場合、心電計４００は、ユーザ端末３００における通信部３５０とネットワークを介して接続されてもよいし、ユーザ端末３００と直接接続するように実施してもよい。
第５変形例として、出力部２１３は、インデックス及びＢＮＰ値の傾向に加えて、他の項目をさらに出力するように構成されてもよい。例えば、出力部２１３は、第１被検体の採血結果をさらに出力してもよい。
第６変形例として、算出部２１２は、第１被検体の臨床データを用いずに、第１被検体の第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出してもよい。
第７変形例として、参照情報は、第２被検体の臨床データとは関係なく、第２被検体の第２心電波形と、心不全重症度の期待値に応じたインデックスとの関係を示す情報であってもよい。この場合、参照情報は、当該第２心電波形と、当該インデックスとの関係を教師データとして、予め学習させた学習済みモデルであってもよい。
第８変形例として、算出部２１２は、ＮＹＨＡ分類の各確率に基づいてインデックスを算出することに限られず、他の心不全重症度の評価（例えば、ＡＣＣ／ＡＨＡ分類）に基づいてインデックスを算出してもよい。
次に記載の各態様で提供されてもよい。
前記情報処理装置において、前記参照情報は、前記第２心電波形と、前記インデックスとの関係を教師データとして、予め学習させた学習済みモデルである、情報処理装置。
前記情報処理装置において、前記算出部は、前記第１心電波形と、前記第１被検体の臨床データと、前記参照情報とに基づいて、前記インデックスを算出し、前記参照情報は、前記第２心電波形と、前記第２被検体の臨床データと、前記インデックスとの関係を示す情報である、情報処理装置。
前記情報処理装置において、前記参照情報は、前記第２心電波形と、前記第２被検体の臨床データと、前記インデックスとの関係を教師データとして、予め学習させた学習済みモデルである、情報処理装置。
前記情報処理装置において、前記臨床データは、年齢、性別、ＢＭＩ、ＰＷＴＴ、血圧、心拍数、ＳＤＮＮ、ＣＶＲＲ、心房細動及びＨＲＶのうち少なくとも１つを含むデータである、情報処理装置。
前記情報処理装置において、前処理部を備え、前記前処理部は、前記第１心電波形を前処理し、前記前処理は、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、及び正規化のうち少なくとも１つの処理である、情報処理装置。
前記情報処理装置において、前記第１心電波形は、１～５０拍から構成される、情報処理装置。
前記情報処理装置において、前記第１心電波形は、５～３００秒間における波形から構成される、情報処理装置。
前記情報処理装置において、前記第１心電波形は、１２誘導のうちいずれか１つの誘導に対応する電極から取得されたものである、情報処理装置。
前記情報処理装置において、前記１つの誘導は、第Ｉ誘導である、情報処理装置。
前記情報処理装置において、受付部と、生成部とを備え、前記受付部は、前記第１心電波形を受け付け、前記生成部は、ユーザ端末で視認可能な前記インデックスに係る視覚情報を生成する、情報処理装置。
前記情報処理装置において、前記算出部は、前記インデックスからＢＮＰ値の傾向を算出する、情報処理装置。
プログラムであって、前記情報処理装置の各部としてコンピュータを機能させる、プログラム。
コンピュータが実行する情報処理方法であって、読出工程と、算出工程と、出力工程とを備え、前記読出工程では、第１被検体の第１心電波形を読み出し、前記算出工程では、前記第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出し、前記参照情報は、前記第１被検体とは異なる第２被検体の第２心電波形と、前記インデックスとの関係を示す情報であり、前記出力工程では、前記インデックスを出力する、情報処理方法。
もちろん、この限りではない。
１００ ：情報処理システム
２００ ：情報処理装置
２１０ ：制御部
２１１ ：読出部
２１２ ：算出部
２１３ ：出力部
２１４ ：前処理部
２１５ ：受付部
２１６ ：生成部
２２０ ：記憶部
２５０ ：通信部
２６０ ：通信バス
３００ ：ユーザ端末
３１０ ：制御部
３２０ ：記憶部
３３０ ：表示情報生成部
３４０ ：入力受付部
３５０ ：通信部
３６０ ：通信バス
４００ ：心電計

Claims (14)

  1. 情報処理装置であって、
    読出部と、算出部と、出力部とを備え、
    前記読出部は、第１被検体の第１心電波形を読み出し、
    前記算出部は、前記第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出し、
    前記参照情報は、前記第１被検体とは異なる第２被検体の第２心電波形と、前記インデックスとの関係を示す情報であり、
    前記出力部は、前記インデックスを出力する、
    情報処理装置。
  2. 請求項１に記載の情報処理装置において、
    前記参照情報は、前記第２心電波形と、前記インデックスとの関係を教師データとして、予め学習させた学習済みモデルである、
    情報処理装置。
  3. 請求項１に記載の情報処理装置において、
    前記算出部は、前記第１心電波形と、前記第１被検体の臨床データと、前記参照情報とに基づいて、前記インデックスを算出し、
    前記参照情報は、前記第２心電波形と、前記第２被検体の臨床データと、前記インデックスとの関係を示す情報である、
    情報処理装置。
  4. 請求項３に記載の情報処理装置において、
    前記参照情報は、前記第２心電波形と、前記第２被検体の臨床データと、前記インデックスとの関係を教師データとして、予め学習させた学習済みモデルである、
    情報処理装置。
  5. 請求項３又は請求項４に記載の情報処理装置において、
    前記臨床データは、年齢、性別、ＢＭＩ、ＰＷＴＴ、血圧、心拍数、ＳＤＮＮ、ＣＶＲＲ、心房細動及びＨＲＶのうち少なくとも１つを含むデータである、
    情報処理装置。
  6. 請求項１～請求項５のいずれか１項に記載の情報処理装置において、
    前処理部を備え、
    前記前処理部は、前記第１心電波形を前処理し、
    前記前処理は、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、及び正規化のうち少なくとも１つの処理である、
    情報処理装置。
  7. 請求項１～請求項６のいずれか１項に記載の情報処理装置において、
    前記第１心電波形は、１～５０拍から構成される、
    情報処理装置。
  8. 請求項１～請求項６のいずれか１項に記載の情報処理装置において、
    前記第１心電波形は、５～３００秒間における波形から構成される、
    情報処理装置。
  9. 請求項１～請求項８のいずれか１項に記載の情報処理装置において、
    前記第１心電波形は、１２誘導のうちいずれか１つの誘導に対応する電極から取得されたものである、
    情報処理装置。
  10. 請求項９に記載の情報処理装置において、
    前記１つの誘導は、第Ｉ誘導である、
    情報処理装置。
  11. 請求項１～請求項１０のいずれか１項に記載の情報処理装置において、
    受付部と、生成部とを備え、
    前記受付部は、前記第１心電波形を受け付け、
    前記生成部は、ユーザ端末で視認可能な前記インデックスに係る視覚情報を生成する、
    情報処理装置。
  12. 請求項１～請求項１１のいずれか１項に記載の情報処理装置において、
    前記算出部は、前記インデックスからＢＮＰ値の傾向を算出する、
    情報処理装置。
  13. プログラムであって、
    請求項１～請求項１２のいずれか１項に記載の情報処理装置の各部としてコンピュータを機能させる、
    プログラム。
  14. コンピュータが実行する情報処理方法であって、
    読出工程と、算出工程と、出力工程とを備え、
    前記読出工程では、第１被検体の第１心電波形を読み出し、
    前記算出工程では、前記第１心電波形と、参照情報とに基づいて、心不全重症度の期待値に応じたインデックスを算出し、
    前記参照情報は、前記第１被検体とは異なる第２被検体の第２心電波形と、前記インデックスとの関係を示す情報であり、
    前記出力工程では、前記インデックスを出力する、
    情報処理方法。
JP2022073017A 2021-10-28 2022-04-27 情報処理装置、プログラム及び情報処理方法 Pending JP2023066352A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022073017A JP2023066352A (ja) 2021-10-28 2022-04-27 情報処理装置、プログラム及び情報処理方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021176730A JP7075611B1 (ja) 2021-10-28 2021-10-28 情報処理装置、プログラム及び情報処理方法
JP2022073017A JP2023066352A (ja) 2021-10-28 2022-04-27 情報処理装置、プログラム及び情報処理方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2021176730A Division JP7075611B1 (ja) 2021-10-28 2021-10-28 情報処理装置、プログラム及び情報処理方法

Publications (1)

Publication Number Publication Date
JP2023066352A true JP2023066352A (ja) 2023-05-15

Family

ID=81749607

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021176730A Active JP7075611B1 (ja) 2021-10-28 2021-10-28 情報処理装置、プログラム及び情報処理方法
JP2022073017A Pending JP2023066352A (ja) 2021-10-28 2022-04-27 情報処理装置、プログラム及び情報処理方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2021176730A Active JP7075611B1 (ja) 2021-10-28 2021-10-28 情報処理装置、プログラム及び情報処理方法

Country Status (3)

Country Link
US (1) US20240047074A1 (ja)
JP (2) JP7075611B1 (ja)
WO (1) WO2023074341A1 (ja)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040265926A1 (en) * 2002-11-21 2004-12-30 Leong Ng Bodily fluid markers of tissue hypoxia
CA2553681A1 (en) * 2004-02-10 2005-08-25 Synecor, Llc Intravascular delivery system for therapeutic agents
DE602006003411D1 (de) * 2005-01-24 2008-12-11 Roche Diagnostics Gmbh Verwendung von Herzhormonen zur Diagnose des Kardiovaskuläre Risikos als folge einer Verabreichung von Entzündungshemmern
US9968266B2 (en) * 2006-12-27 2018-05-15 Cardiac Pacemakers, Inc. Risk stratification based heart failure detection algorithm
US20110319954A1 (en) * 2010-06-28 2011-12-29 Pacesetter, Inc. Metrics and techniques for optimization of cardiac therapies
US10893824B2 (en) * 2010-12-20 2021-01-19 Cardiac Pacemakers, Inc. Heart failure detection with a sequential classifier
WO2013022760A1 (en) * 2011-08-05 2013-02-14 Alere San Diego, Inc. Methods and compositions for monitoring heart failure
US10602940B1 (en) * 2018-11-20 2020-03-31 Genetesis, Inc. Systems, devices, software, and methods for diagnosis of cardiac ischemia and coronary artery disease
US11246538B2 (en) * 2019-03-20 2022-02-15 Zoll Medical Corporation Single channel and dual channel noise detection systems and techniques
JP6893002B1 (ja) * 2020-08-31 2021-06-23 国立大学法人 東京大学 情報処理システム及びプログラム

Also Published As

Publication number Publication date
WO2023074341A1 (ja) 2023-05-04
JP2023066174A (ja) 2023-05-15
JP7075611B1 (ja) 2022-05-26
US20240047074A1 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
US11647963B2 (en) System and method for predicting acute cardiopulmonary events and survivability of a patient
EP2964077B1 (en) System of determining a risk score for triage
US11412978B2 (en) Information processing system and program
JP2020536629A (ja) Ｅｃｇベースの心駆出率のスクリーニング
US8380305B2 (en) System and method for predicting successful defibrillation for ventricular fibrillation cardiac arrest
EP4079224A1 (en) Electrocardiographic analysis device, electrocardiographic analysis method, and program
WO2013186634A2 (en) Predicting acute cardiopulmonary events and survivability of a patient
JP2023066352A (ja) 情報処理装置、プログラム及び情報処理方法
US20160220190A1 (en) Patient signal analysis based on affine template matching
Mannhart et al. Clinical validation of an artificial intelligence algorithm offering cross-platform detection of atrial fibrillation using smart device electrocardiograms
Elsayed et al. A simple extreme learning machine model for detecting heart arrhythmia in the electrocardiography signal
Agrawal et al. A machine learning approach for classifying healthy and infarcted patients using heart rate variabilities derived vector magnitude
Zhi et al. Wavelet based machine learning techniques for electrocardiogram signal analysis
Guerreschi et al. Complexity quantification of signals from the heart, the macrocirculation and the microcirculation through a multiscale entropy analysis
González et al. Multi-modal heart failure risk estimation based on short ECG and sampled long-term HRV
CN116616790B (zh) 心脏风险评估方法、装置、计算机设备与存储介质
Somani et al. Artificial intelligence in cardiac electrophysiology
Przystup et al. ECG-based prediction of ventricular fibrillation by means of the PCA
Nogueira et al. Detecting heart failure using novel bio-signals and a knowledge enhanced neural network
WO2022161365A1 (zh) 一种确定冠心病罹患概率的方法及装置
Chen et al. A new algorithm to reduce T-wave over-sensing based on phase space reconstruction in S-ICD system
George et al. Heart disease diagnostic graphical user interface using fractal dimension
Castro et al. Prediction of paroxysmal atrial fibrillation using a convolutional neural network and electrocardiogram signals
Li et al. Real-time PVC Recognition System Design based on Multi-Parameter SE-ResNet
Quadri Analysing and Evaluating the Performance of Deep-Learning-Based Arrhythmia Detection Using Electrocardiogram Signals.