JP2023116614A - 心血管パラメータを決定するための方法及びシステム - Google Patents

Abstract

【課題】心血管パラメータを決定するためのシステム及び方法を提供する。【解決手段】心血管パラメータを決定するためのシステム及び方法は、プレチモグラム（ＰＧ）データセットを受け取るステップと、ＰＧデータセットからノイズを除去するステップと、ＰＧデータセットをセグメント化するステップと、ＰＧデータセットから基準のセットを抽出するステップと、基準のセットを変換して心血管パラメータを決定するステップと、を含み得る。【選択図】図３

Description

関連出願の相互参照
[0001] 本願は、２０１９年１０月１日に出願された米国仮出願第６２／９０８，７５８号の利益を主張し、当該出願の全体がこの参照によって組み込まれる。

[0002] 本発明は、概して、心血管パラメータの分野に関し、より具体的には、心血管パラメータの分野における新規で有用なシステム及び方法に関する。

[0003] 人間の心血管系は、心臓及び血管を含み、かつ、恒常性を維持して病気と闘うために栄養素、ホルモン及び血球を全身に分配する中心的な役割を果たしている。

[0004] 心血管系の測定及びモニタリングは人類の歴史において重要であった。心血管系の多くのバイオマーカは予後及び診断の目的で識別されてきた。心拍数及び血圧を含むこれらの測定の多くは一般的である。医療専門家及び消費者にとって、心拍数変動、脈波伝播速度及び動脈硬化などの他のものの有用性が同様に進展してきている。

[0005] 多くの場合、これらのバイオマーカを直接測定することは困難であり又は禁止されている（例えば、侵襲的）。動脈内圧すなわち血圧は、直接測定に主要な動脈の１つ内に挿入された圧力変換器の使用を必要とする一例である。動脈カニューレ挿入に関連するリスクがあるので、血圧の非侵襲的評価は膨張可能カフを使用して評価される。これらの器具は通常、上腕に巻き付けられた空気袋を膨張させて動脈の血流を一時的に妨げ、すべての流れを遮断するために必要とされる最大の力と、流れが戻るときの力とを記録する（コロトコフ法）。この方法の欠点は、リアルタイムの心拍ごとの血圧を生成することができないことである。

[0006] したがって、心血管検出の分野において新規で有用な方法を作成する必要がある。本発明はそのような新規で有用な方法を提供する。

[0007] 本システムの一例の概略図である。 [0008] 本方法の一実施形態の応用フローである。 [0009] 本方法の一実施形態の応用フローである。 [0010] データセットを処理する一例の概略図である。 [0011] 心血管多様体の一例の概略図である。 [0012] 患者対照群の心血管多様体を決定し、かつ、共通の心血管多様体を生成する一例の概略図である。 [0013] 個人の心血管多様体から図６Ａの共通の心血管多様体への変換に基づいて、個人の心血管状態を決定し、かつ、共通の心血管多様体上の位置（「ｘ」）から心血管状態にマッピングする一例の概略図である。 [0014] 対照群の各メンバーの基準のセットを測定し、対照群（例えば、ＣＶ_１、ＣＶ_２、…、ＣＶ_Ｎ、例えば、血圧、動脈硬化など）の１以上の心血管パラメータを同時に測定し、及び、心血管パラメータに基準を関連させる変換（Ｔ）を決定することによって、変換を決定する一例の概略図である。 [0015] 図７Ａの変換及び個人の基準に基づいて個人の心血管状態を決定する一例の概略図である。 [0016] 処理されたデータセット、処理されたデータセットの１次導関数、処理されたデータセットの２次導関数及び処理されたデータセットの３次導関数に関連付けられたあり得る基準（例えば、丸で囲まれた点の一部又は全部）の一例の概略図である。 [0017] ＰＰＧデータセットのセグメントに対応する当てはめに基づいて患者の心血管多様体を決定する一例の概略図である。

[0018] 本発明の好ましい実施形態の以下の説明は、これらの好ましい実施形態に本発明を限定することを意図するものではなく、むしろ当業者が本発明を作成及び使用することを可能にすることを意図している。

１．概要
[0019] 図２に示すように、方法２００は、動脈圧データセットを測定することＳ２１０と、動脈圧データセットを処理することＳ２２０と、動脈圧データセットを分析することＳ２３０と、分析を提示することＳ２４０と、を含み得る；ただし、本方法は任意の適切なステップを含み得る。動脈データセットを処理することは、データセットを補間することＳ２２１と、データセットをフィルタリングすることＳ２２３と、データセットをセグメント化することＳ２２５と、データセットのノイズ除去をすることＳ２２６と、分析用のデータセットのサブセットを決定することＳ２２８と；及び／又は、任意の適切なステップと、を含み得る。

[0020] 本方法は、好ましくは、個人の１以上の心血管パラメータ（及び／又は、生理学的パラメータ）を決定するように機能する。ただし、本方法は、追加又は代替として、個人の心血管パラメータに対する既定の活動の影響を予測するように機能し得る、及び／又は、他の方法で機能し得る。心血管パラメータの例には、血圧、動脈硬化、一回拍出量、心拍数、血液量、脈波伝播時間、収縮期、脈波伝播速度、心拍数変動、血圧変動、薬物相互作用（例えば、血管拡張剤、血管収縮剤などの影響）、心血管ドリフト、心イベント（例えば、血栓、脳卒中、心臓発作など）、心拍出量、心係数、全身血管抵抗、酸素運搬、酸素消費量、圧反射感受性、ストレス、交感神経／副交感神経緊張、及び／又は、任意の適切な心血管パラメータ及び／又は特性が含まれる。既定の活動の例には、瞑想、運動管理療法（例えば、軽度、中等度、激しいなどの運動）、薬物治療（例えば、種類、投与量など）、呼吸運動、薬物摂取（例えば、アルコール、カフェインなど）、及び／又は、任意の適切な活動が含まれ得る。

[0021] 方法２００は、好ましくは、個人の心血管パラメータを決定するために較正される；ただし、本方法は較正されなくてもよい。第１変形例では、本方法は、各個人（例えば、患者、ユーザなど）に対して独立して較正され得る。この変形例では、本方法を較正することには、個人について、かつ、同時に又は実質的に同時に（例えば、１５秒、３０秒、６０秒、２分、５分、１０分以内など）、（例えば、血圧カフ、血圧計、橈骨動脈圧力測定法、動脈カテーテル、心電図（ＥＣＧ）などを使用して）較正された心血管パラメータを測定すること、本方法及び／又はそのサブステップに従って個人の心血管パラメータを測定すること、が含まれ得る。この変形例では、本方法はさらに、個人の動脈圧測定から抽出された基準と心血管パラメータとに基づいて個人の多様体（manifold）を生成することを含み、個人のその後の動脈圧測定から抽出された基準は、個人の多様体を使用して心血管状態（例えば、１以上の心血管パラメータついての値を含む）にマッピングされ得る。

[0022] 第２変形例では、本方法は、（例えば、彼らが以前に本方法を使用して心血管パラメータを決定したか否かに関わらず）任意の個人について較正され得る。第２変形例では、本方法を較正することには：対照群の各個人について、（例えば、血圧カフ、血圧計、橈骨動脈圧力測定法、動脈カテーテル、心電図（ＥＣＧ）などを使用して）較正された心血管パラメータを測定すること、本方法及び／又はそのサブステップに従って対照群の各個人の心血管パラメータを同時に又は実質的に同時に（例えば、１５秒、３０秒、６０秒、２分、５分、１０分以内などに）測定すること、及び、共通の心血管多様体及び／又は一般変換を決定すること、が含まれる。第２変形例では、共通の心血管多様体及び／又は一般変換が使用されて、任意の個人に関連付けられたデータセットを１以上の心血管パラメータに変換し得る。例えば、一般変換は、個人の基準セットを心血管パラメータセットに変換し得る（例えば、基準ベクトルを心血管パラメータベクトル又は心血管状態に変換する）。第２例では、共通の心血管多様体が使用されて、基準値のセットを対応の心血管パラメータ値にマッピングし得る。ただし、本方法は、物理的関係に従って、モデリング及び／又はシミュレーションに基づいて較正され得る、及び／又は、他の方法で較正され得る。

[0023] 本方法を較正することは、好ましくは、対照群の一個人及び／又は複数の個人が休息している（例えば、リラックスしている）間に行われる；ただし、較正プロセスは、対照群の一個人及び／又は複数の個人が活動している間（例えば、運動に関与している、頭の体操に関与しているなど）、及び／又は、任意の適切なユーザ状態について、行われ得る。本方法を較正することは、好ましくは、１回だけ実行される必要がある（例えば、所定のユーザについて、ユーザのグループについて、すべてのユーザについてなど）；ただし、較正は、毎時、毎日、毎週、毎月、毎年及び／又は任意の適切なタイミングで実行され得る。本方法は、好ましくは、個体群全体に対して較正されるが、代替又は追加として、（例えば、年齢、人口統計、併存疾患、バイオマーカの組み合わせ及び／又は他のパラメータに基づいてセグメント化される）個体群サブセットに対して較正され得る。本方法を較正することは、好ましくは、データセット（及び／又は、データセットの基準）から心血管パラメータを決定するために使用可能な変換（例えば、較正、方程式、ルックアップテーブル、アルゴリズム、パラメータ化など）を生成する。ただし、本方法は任意の適切な方法で較正され得る。

２．利点
[0024] 本技術の変形例はいくつかの利益及び／又は利点を与え得る。

[0025] 第１に、本技術の変形例は、個人の心血管パラメータのロバストで長期的な測定を可能にし得る。特定の例では、本技術は、本技術を再較正することなく較正プロセスの数か月後に個人の心血管パラメータを決定し得る。

[0026] 第２に、本技術の変形例は、個人の心血管パラメータの非侵襲的決定を可能にし得る。特定の例では、本技術は、個人のデバイスを用いて個人の動脈圧を測定し得る。

[0027] 第３に、本技術の変形例は、個人の心血管パラメータを迅速に捕捉して決定し得る。特定の例では、本技術は、計算効率を利用して、ほぼ心拍ごとに個人の心血管パラメータを決定し得る。

[0028] 第４に、本技術の変形例は、モバイルコンピューティングデバイスが、関連の心血管パラメータを決定する際に高い特異性を有する生体信号検出器に変換され得るので、方法２００の１以上の部分を実施しているモバイルコンピューティングデバイス自体に改善を与え得る。例では、本技術は、より少ないデータソースを使用して（例えば、心電図データなしで）心血管パラメータの評価を可能にし得るので、コンピューティングシステムが処理するデータのタイプはより少なくて済む。

[0029] 第５に、本技術の変形例は、画像から導出された信号処理技術を利用して、心血管パラメータを具体的に決定及び評価し得る。本技術の特定の例では、心血管パラメータは、治療提供の自動的な促進を可能にし、治療提供には、投薬提供を調整すること、個人の健康を促進するための個人の環境側面を自動的に調整すること、調整された医療推奨を提供すること、患者と医療提供者との間のデジタル通信を促進すること、及び／又は、心血管の健康を管理するための任意の適切な治療提供が含まれる。

[0030] 第６に、本発明者らは、各個人について、個人の基準と様々な心血管パラメータとの間の関係がほぼ一定であること；個人の生理学的状態の変化が基準と心血管のパラメータとを共にシフトさせること、を見出した。これにより、静的変換（個人に合わせて較正される）を使用して、個人の現在の生理学的状態に関わらず、個人の基準値を考慮して、個人の心血管パラメータ値を決定することを可能にする。本発明者らはさらに、所定の個人についての基準－心血管パラメータの関係（例えば、多様体；より高次元の多様体）がオフセット及び／又は共通の多様体のスケーリングされたバージョン（例えば、個人の基準変換）として表現され得るように、個人の基準－心血管パラメータの関係はすべて個体群全体とほぼ同じであることを見出した。これにより、個人の心血管状態の全範囲をサンプリングすることなく、個人の多様体（及び／又は、心血管状態）を決定することを可能にする。

[0031] ただし、本技術の変形例は任意の他の適切な利益及び／又は利点を与え得る。

３．システム
[0032] 図１に示すように、システム１００は、１以上の、データ収集モジュール１１０と、データ処理モジュール１２０と、データ分析モジュール１３０と、任意選択的に、インタフェースデバイス１４０と、及び／又は、任意の適切なコンポーネントと、を含み得る。システム１００は、動脈圧データセット（例えば、１以上の動脈圧波形）を測定し、かつ、前記動脈圧データセットを１以上の心血管パラメータに（例えば、リアルタイムで、脈拍ごとになど）変換するように機能し得る。システムは、好ましくは、上述した方法の一実施形態、変形例又は例を可能にし、及び／又は、他の方法で実行するが、追加及び／又は代替として、経時的な心血管パラメータ変化の決定を包含する任意の適切な方法の実行を容易にし得る。本システムは、「心血管疾患の評価及び管理のための方法及びシステム」の発明の名称で２０１９年８月１２日に出願された米国特許出願第１６／５３８，２０６号、及び／又は、「心血管疾患の評価のためのデータを取得するための方法及びシステム」の発明の名称で２０１９年８月１２日に出願された米国特許出願第１６／５３８，３６１号に開示されているような１以上のモジュール（例えば、データ収集モジュール、カメラモジュール、信号生成モジュール、データ処理モジュール、データ分析モジュール、出力モジュールなど）を含み得、上記出願の各々の全体がこの参照によって本明細書に組み込まれる。

[0033] システム１００は、ユーザデバイス（例えば、スマートフォン、ラップトップ、スマートウォッチなど）、リモートコンピューティングデバイス（例えば、クラウド、サーバなど）、医療提供者デバイス（例えば、専用機器、医療提供者スマートフォンなど）、及び／又は、任意の適切なデバイスのうちの１以上を含み得る及び／又は１以上に実装され得る。特定の例では、個人のスマートフォンは、複数の画像をキャプチャし、かつ、処理及び／又は分析されるためにクラウドコンピューティングサーバに複数の画像を伝送する。

[0034] データ収集モジュール１１０は、好ましくは、個人の心血管パラメータに関する１以上のデータセット（例えば、画像のセット、動脈圧データセット、生データセット、動脈圧波形、フォトプレチスモグラム（ＰＰＧ）データセット、プレチスモグラムデータセットなど）を測定するように機能する。データ収集モジュールは、好ましくは、データ処理モジュール及びデータ分析モジュールに結合されている；ただし、データ収集モジュールは、データ処理モジュールと通信し得る、データ分析モジュールと通信し得る、及び／又は、任意の適切な方法で構成され得る。

[0035] 動脈圧データセットは、好ましくは、個人の指の表面で測定される（例えば、橈骨動脈からの動脈圧波形を検出する）；ただし、追加又は代替として、個人の手首の表面（例えば、尺骨動脈から）、上腕の表面（例えば、上腕動脈）、胸の表面（例えば、大動脈）、大腿部の表面（例えば、大腿動脈）、足首の表面（例えば、脛骨動脈）、及び／又は、個人の任意の適切な身体領域で測定され得る。動脈圧データセットは、好ましくは、一連の動脈圧データポイントである（例えば、１５秒、３０秒、４５秒、１分、２分、５分などの既定の時間の長さで、３０Ｈｚ、６０Ｈｚ、１２０Ｈｚ、２４０Ｈｚなどの既定の周波数で収集される）；ただし、動脈圧データセットは、単一のデータポイント、及び／又は、任意の適切なデータセットであり得る。動脈圧データセットは、好ましくは、生データ（例えば、１次データ）である；ただし、動脈圧データセットは任意の適切なデータであり得る。

[0036] 動脈圧データセットは、好ましくは、個人の身体領域に接触しているデータ収集モジュールを用いて測定されるが、個人の身体領域に接触していないデータ収集モジュールを用いて測定され得る。データ収集モジュールは、好ましくは、実質的に一定の圧力（例えば、データ取得中にせいぜい５％、１０％、２０％などの圧力変化）で個人の身体領域に接触しているが、可変又は変化する圧力（例えば、接触圧が動脈圧データセットと同時に測定されるとき）、及び／又は、任意の適切な圧力で接触させられ得る。データ収集モジュールは、好ましくは、データ取得中、実質的に固定された向きに保持される（例えば、１００μｍ、１ｍｍ、１ｃｍ、５ｃｍなど未満の位置変化；個人の身体領域及びデータ収集モジュールによって規定される１以上の基準軸線に対して、０．１°、１°、２°、５°、１０°など未満の向きの変化など）。ただし、データ収集モジュールは、（データの品質を向上させるなどのため）データ取得中に移動、再配置及び／又は方向転換させられ得る。ある実施形態では、データ収集モジュールは、ユーザが既定の接触圧及び／又は向きを維持及び／又は設定するのを助けるように機能し得るトラッカ及び／又はガイドを含み得る。

[0037] データ収集モジュール１１０は、好ましくは、光学センサ（例えば、カメラ）を含む；ただし、データ収集モジュールは、生体信号センサ（例えば、心拍数モニタ、脈拍計、動脈圧センサなど）、ひずみゲージ、及び／又は、任意の適切なセンサを含み得る。

[0038] 光学センサを含む変形例では、光学センサは、好ましくは、ＰＰＧデータなどの動脈圧データセットに関する個人の身体領域からの光信号（例えば、画像、強度など）を測定するように機能する。光学センサは、好ましくは、ユーザデバイスに関連付けられている；ただし、光学センサは、保護者デバイス、臨床医デバイス、クライアントデバイス、医療提供者デバイス、及び／又は、任意の適切なエンティティに関連付けられ得る。ただし、光学デバイスは、別個のデバイス及び／又はその構成要素であり得る、及び／又は、任意の適切な形態を有し得る。

[0039] 光学センサは、任意選択的に、光源を含み得る。光源は、動脈圧データセットの収集のための照明（例えば、均一な照明、低光条件用、特定の波長の光用、特定の照明強度など）を提供するように機能し得る。ただし、光源は、周囲光（例えば、太陽光、屋内照明など）、及び／又は、任意の適切な光源であり得る。

[0040] データ処理モジュール１２０は、好ましくは、動脈圧データセットを、処理されたデータセットに処理するように機能する（例えば、外れ値除去、ノイズ除去、セグメント化、フィルタリングなどのクリーン化）；ただし、データ処理モジュールは、任意の適切なデータセット（例えば、較正データセット、ＥＣＧデータセット、ＰＰＧデータセット、プレチスモグラムデータセットなど）を処理し得る。データ処理モジュールは、データセットに対して以下のプロセスの１以上を実行し得る：正規化、背景削除、平滑化、クリーニング、変換、フィッティング、補間、外挿、セグメント化、分解（例えば、モード分解）、ノイズ除去、及び／又は、任意の適切なステップ。データ処理モジュールは、好ましくは、データ分析モジュールに結合される；ただし、データ処理モジュールは、データ分析モジュールと通信し得る、及び／又は、他の方法で適切に配列され得る。

[0041] データ分析モジュール１３０は、好ましくは、１以上のデータセット（例えば、動脈圧データセット、処理されたデータセットなど）を分析して、個人の１以上の心血管パラメータを決定するように機能する。データ分析モジュールは、データセットに対して以下の分析の１以上を実行し得る：フィッティング（例えば、スプライン、曲線など）、数学演算（例えば、スケーリング、微分、積分、フーリエ変換などの変換など）、ルート検出、相関分析、及び／又は、任意の適切な分析。データ分析モジュールは、方程式、ルックアップテーブル、条件文、学習モジュール（例えば、ニューラルネットワーク）、及び／又は、任意の適切な分析ツールを含み得る。

[0042] システムは、任意選択的に、個人、医療提供者及び／又は任意の適切なエンティティに対して、心血管パラメータ、データセット（例えば、分析されたデータセット、処理されたデータセット、動脈圧データセットなど）、分析（例えば、基準、心血管多様体、診断など）、及び／若しくは、任意の適切なデータ又は情報を提示するためのインタフェースデバイス１４０（例えば、ディスプレイ）を含み得る。ただし、データ／情報は任意の適切な方法で提示され得る。

[0043] ただし、システム１００は、１以上の個人の心血管の健康の評価又は管理を促進するため、データを受信、処理及び／又は分析するように構成された任意の他の適切な要素を含み得る。

４．方法
[0044] 方法２００は、好ましくは、動脈圧データセットに基づいて個人の心血管パラメータを決定するように機能する。本方法は、好ましくは、上述したようなシステムなどのシステムによって実行されるが、任意のシステムによって実行され得る。本方法の１以上の過程は、順番に（例えば、連続して）及び／又は並列に（例えば、同時に）実行され得る。本方法全体を通じて、信号は、好ましくは、時間領域で処理及び分析されるが、代替として、周波数領域で、異なるステップの異なる領域で、又は、任意の他の適切な領域で処理及び分析され得る。

[0045] 動脈圧データセットを測定することＳ２１０は、好ましくは、個人の身体領域でデータセット（例えば、動脈圧データセット、生データセット、ＰＰＧデータセット、プレチスモグラムデータセットなど）を収集するように機能する。Ｓ２１０は、好ましくは、データセットを処理することＳ２２０の前に行われる；ただし、Ｓ２１０及びＳ２２０は同時に及び／又は任意の適切なタイミングで行われ得る。Ｓ２１０は、好ましくは、データ収集モジュール（例えば、データ収集モジュールの光学センサ、ひずみゲージなど）によって実行される；ただし、任意の適切なコンポーネントが使用され得る。ある変形例では、１以上のデータセットが（例えば、データベースに）保存及び／又は（例えば、データベースから）取り出され得る。データセットは、生データセットとして、及び／若しくは、処理又は分析されたデータセットとして保存され得る。データセットは、好ましくは、３０～２４０Ｈｚ（例えば、６０Ｈｚ）のその既定の周波数又は範囲で測定される；ただし、３０Ｈｚ未満の周波数で、２４０Ｈｚを超える周波数で、可変周波数で、及び／又は、任意の適切な周波数で測定され得る。データセットは、好ましくは、既定の時間の長さ（例えば、３０秒、４５秒、１分、２分、５分、１０分など）にわたって測定される；ただし、時間の長さは、個人（例えば、ユーザの心拍数、個人の活動状態など）、及び／又は、任意の適切な時間の長さに基づき得る。

[0046] Ｓ２１０は、任意選択的に、補足データセットを受信すること、取得すること及び／又は生成することを含み得る。補足データセットの例には、個人の特性（例えば、身長、体重、年齢、性別、人種、民族性など）、個人（及び／又は、個人の家族）の薬歴、個人の活動レベル（例えば、最近の活動、過去の活動など）、医療上の懸念、医療専門家のデータ（例えば、個人の医療専門家からのデータ）、及び／又は、任意の適切な補足データセットが含まれ得る。

[0047] 特定の例では、Ｓ２１０は、（例えば、個人の身体領域に）データ収集モジュールを位置決めすること、（例えば、光源を使用して、周囲光を使用してなど）個人の身体領域を照明すること、光散乱パラメータ（例えば、反射、吸収など）を測定すること、及び、一連の光散乱パラメータを記録して動脈圧データセットを生成すること、を含み得る。光散乱パラメータは、好ましくは、約６０Ｈｚ以上のデータ収集周波数で測定されるが、任意の適切なデータ収集周波数が使用され得る。ただし、動脈圧データセットを生成することは任意の適切な方法で実行され得る。

[0048] 第２の特定の例では、Ｓ２１０は、データ収集モジュールを（例えば、個人の身体領域に）位置決めすること、（例えば、光源を使用して、周囲光を使用してなど）個人の身体領域を照明すること、身体領域の複数の画像を測定すること、及び、複数の画像からフォトプレチモグラム（ＰＰＧ）データセットを生成することを含み得る。ＰＰＧデータセットは、画像から１以上の特徴を抽出し、画像間のオプティカルフロー深度マップを決定し、画像全体のピクセル特性の変化を記録することによって複数の画像から生成され得る、及び／又は、他の方法で複数の画像から生成され得る。

[0049] 第３の特定の例では、Ｓ２１０は、その全体が本明細書に組み込まれる米国特許出願第１６／５３８，３６１号に開示されるようなデータ取得の１以上のステップを含み得る。

[0050] ただし、Ｓ２１０は、任意の適切なステップを含み得る、及び／又は、任意の方法で実行され得る。

[0051] データセットを処理することＳ２２０は、好ましくは、データセット（例えば、生データセット、動脈圧データセットなど）を、処理されたデータセット（例えば、信号対雑音比の改善、データセットのセグメント化、データセットからの外れ値削除など）に変換するように機能する。特定の例では、生データセットは、（例えば、測定期間中の、身体領域とデータ収集モジュールとの間の接触圧の変動、身体領域とデータ収集モジュールとの間の向きの変動、ランダムノイズなどからの）大きな非定常背景を含み得る。この特定の例では、データセットを処理することによって非定常的背景が取り除かれ得る。ただし、動脈圧データセットを処理することによって、任意の適切なデータセットが生成され得る、及び／又は、任意の適切な機能が実行され得る。

[0052] データセットの処理は、好ましくは、データセットの測定後に行われる；ただし、データセットの処理は、データセットの任意のサブセットが測定された後に行われ得る。Ｓ２２０は、好ましくは、データセットを分析することＳ２３０の前に行われる；ただし、Ｓ２２０は、Ｓ２３０と同時に、Ｓ２３０の後で（例えば、データ分析中にエラーが発生した場合にデータを処理する）、及び／又は、任意の適切なタイミングで行われ得る。Ｓ２２０は、好ましくは、データ処理モジュールによって実行され得る；ただし、Ｓ２２０は任意の適切なコンポーネントによって実行され得る。データセットは、好ましくは、クラウドコンピューティングシステムで処理されるが、ユーザデバイス、ローカルコンピューティングシステム及び／又は任意の適切な場所で処理され得る。

[0053] 例えば、図３及び図４に示すように、Ｓ２２０は、データセットをサンプリングしなおすことＳ２２１；データセットをフィルタリングすることＳ２２３；データをセグメント化することＳ２２５；データセットのノイズ除去をすることＳ２２６；分析するためのデータのサブセットを決定することＳ２２８；及び／又は、任意の適切なステップを含み得る。

[0054] Ｓ２２１は、好ましくは、データセット（例えば、生データセット、動脈圧データセット、ＰＰＧデータセット、プレチスモグラムデータセットなど）に新しいデータポイントを挿入する及び／又は（例えば、既存のデータポイントの間の）無関係なデータポイントを削除するように機能し、その結果、データセット（補間されたデータセット、補間された生データセットなど）には、既定の頻度／期間の間隔で配置されたデータポイントが含まれる。Ｓ２２１は、好ましくは、Ｓ２２６の前に行われる；ただし、Ｓ２２１はＳ２２６と同時に及び／又はＳ２２６の後に行われ得る。既定の周波数は、好ましくは、６０Ｈｚの倍数（例えば、１２０Ｈｚ、２４０Ｈｚなど）である；ただし、既定の周波数は、データセット内のデータポイントの数（例えば、データポイントの総数）に基づいて選択され得る、変化し得る（例えば、データセットの数が少ないデータセットをサンプリングするためなど、データがまばらな領域では低くなる；データポイントの数が多いデータセットをサンプリングするためなど、データが豊富な領域では高くなる）、及び／又は、任意の適切な周波数が使用され得る。新しいデータポイントは、好ましくは、最も近い隣接データポイント間を補間することによって決定されるが、追加又は代替として、任意の適切な隣接するデータポイント間を補間することによって、機械学習を使用することによって、データを曲線に適合させることによって、シミュレーションを使用することによって、及び／又は、他の方法で追加データを生成することによって、生成され得る。補間は、好ましくは、線形である；ただし、非線形補間及び／又は任意の適切な補間が使用され得る。データポイントは、好ましくは、データポイント間の時間間隔が一定になるように（例えば、既定の周波数に基づいて）削除されるが、追加又は代替として、不良データ（例えば、外れ値、アーチファクトなど）を除去するために削除され得る、及び／又は、他の方法で削除され得る。

[0055] Ｓ２２３は、好ましくは、１以上のフィルタを適用してフィルタリングされたデータセットを生成することによって、データセット（例えば、動脈圧データセット、生データセット、補間されたデータセット、補間された生データセットなど）の信号対雑音比（ＳＮＲ）を改善するように機能する。Ｓ２２３は、好ましくは、Ｓ２２５の前に行われる；ただし、Ｓ２２３はＳ２２５と同時に及び／又はＳ２２５の後に行われ得る。フィルタは、ショートパスフィルタ（例えば、０．１Ｈｚ未満、０．１、０．５、１、１０、２０、３０、６０、１００、２００、５００、１０００、１０００Ｈｚ超などのカットオフ周波数を有する）、ロングパスフィルタ（例えば、０．１Ｈｚ未満、０．１、０．５、１、１０、２０、３０、６０、１００、２００、５００、１０００、１０００Ｈｚ超などのカットオフ周波数を有する）、バンドパスフィルタ（例えば、ロングパスフィルタ及びショートパスフィルタを組み合わせることによって）、ノッチ又はバンドストップフィルタ、及び／若しくは、任意の適切なフィルタであり得る。特定の例では、フィルタは、データセットから０．５Ｈｚ未満の信号を除去することができるロングパスフィルタであり得る；ただし、任意の適切なカットオフフィルタが使用され得る。フィルタは、時間領域及び／又は周波数領域でデータセットに適用され得る。データセット全体が、好ましくは、同時にフィルタリングされる；ただし、データセットの１以上のサブセットが一度にフィルタリングされ得る、及び／又は、データセットのフィルタリングが適切な方法で実行され得る。説明する例では、セグメント化されたデータセット（例えば、ステップＳ２２５、Ｓ２２６又はＳ２２８で生成されるようなセグメント化されたデータセット）の各セグメントが（例えば、同じ又は異なるフィルタを使用して）フィルタリングされ得る。第２の説明する例では、生データセット及び／又は補間されたデータセットがフィルタリングされ得る。ただし、任意の適切なデータセット又は複数のセットがフィルタリングされ得る。

[0056] Ｓ２２５は、好ましくは、各々別個の生理学的サイクル（例えば、心拍、心周期、呼吸サイクル、消化サイクルなど）及びデータセット（例えば、動脈圧データセット、補間されたデータセット、フィルタリングされたデータセットなど）内のその対応の動脈圧波形を識別し、かつ、セグメント化されたデータセットを生成するように機能する。セグメント化されたデータセットは、好ましくは、個々の心拍にセグメント化される；ただし、セグメント化されたデータセットは、心拍のセット（例えば、動脈圧波形がほとんど変化しない心拍、時間的近接性の高い心拍など）にセグメント化され得る、個々の動脈圧波形成分（例えば、直接伝達；腸骨動脈、腎動脈などからの反射された動脈圧信号など）にセグメント化され得る、及び／又は、任意の適切な形式にセグメント化され得る。Ｓ２２５は、好ましくは、Ｓ２２６の前に行われる；ただし、Ｓ２２５はＳ２２６と同時に及び／又はＳ２２６の後に行われ得る。各セグメントは、好ましくは、同じサイズ（例えば、同じ時間ウィンドウ、同じ周波数ウィンドウなど）である；ただし、セグメントは任意の適切なサイズを有し得る。セグメントは、好ましくは、別個である（例えば、重複しない）；ただし、セグメントは、重複し得る、及び／又は、他のセグメントと任意の適切な関係を有し得る。

[0057] セグメント化されたデータセットは、好ましくは、低速及び高速移動平均（例えば、移動平均クロスオーバ）を使用してセグメント化される；ただし、セグメント化されたデータセットは、誘導法、積分法、閾値法、変分法、機械学習（例えば、訓練されたニューラルネットワークを使用する）、パターンマッチング（例えば、ディップが検出されるたびにセグメント化される）を使用してセグメント化され得る、及び／又は、任意の適切な方法でセグメント化され得る。特定の例では、低速移動平均及び高速移動平均を使用したビートセグメンテーションが、補間されたデータセットの各ポイントに適用される。

[0058] Ｓ２２６は、好ましくは、データセット（例えば、生データセット、補間されたデータセット、フィルタリングされたデータセット、セグメント化されたデータセットなど）をノイズ除去してデータセットのＳＮＲを改善し、かつ、ノイズ除去されたデータセット（例えば、ノイズ除去されたセグメント化されたデータセット）を生成するように機能する。Ｓ２２６は、好ましくは、Ｓ２２８の前に行われる；ただし、Ｓ２２６はＳ２２８と同時に及び／又はＳ２２８の後に行われ得る。Ｓ２２６は、好ましくは、Ｓ２２５の後に実行されるが、Ｓ２２５の前及び／又はＳ２２５と同時に実行され得る。

[0059] 特定の変形例では、Ｓ２２６は、データセットを固有モードに分解することを含み得る。これらの変形例では、データを固有モードに分解することによって、処理を高速化し、処理リソースを削減し、及び／又は、任意の適切な機能を実行し得る。セグメント化されたデータセットの各セグメントは、好ましくは、独立して固有モードに分解される。ただし、データセット（例えば、セグメント化されたデータセット、フィルタリングされたデータセット、生データセットなど）は、全体として固有モードに分解され得る、複数のセグメントが一緒に分解され得る、及び／又は、データセットは任意の適切な方法で固有モードに分解され得る。固有モードは、離散モード及び／又は連続モード（例えば、連続変換の周波数など）に対応し得る。

[0060] この特定の変形例の特定の例では、各固有モードは、異なる容量の信号データ（例えば、心血管パラメータに関するデータ）及びノイズデータを符号化し得る。信号データを符号化する（例えば、主に、１次、２次、３次、４次、５次、６次、７次、８次、９次、１０次、１５次、２０次などの信号データを符号化する）特定の固有モードは、ノイズ除去されたデータに含まれ得る、及び、ノイズデータを符号化する（例えば、主に、１次、２次、３次、４次、５次、６次、７次、８次、９次、１０次、１５次、２０次などのモードの後の任意のモードなどのノイズデータを符号化する）モードは、ノイズ除去されたデータから除外される。ノイズ除去されたデータセットにモードを含めることは、好ましくは、データセットに含めるためにモードの各々を追加することを含むが、追加又は代替として、含まれることとなるモードの平均を計算すること、及び／又は、他の方法で固有モードを組み合わせることを含み得る。主にデータを符号化する固有モードは、最初のモード、最初の２つのモード、最初の３つのモード、最初の４つのモード、最初の５つのモード、最初の１０のモード、２番目から４番目のモード、２番目から６番目のモード、最初の半分のモード、最後の半分のモード、最初の３分の１のモード、２番目の３分の１のモード、最後の３分の１のモード、最初の４分の１のモード、最初の１０分の１のモード、そのサブセット、及び／又は、任意の適切なモードであり得る。ただし、ノイズ除去されたデータは任意の適切な方法で生成され得る。

[0061] 固有モードは、好ましくは、拡張された経験的モード分解（ＥＥＭＤ）を使用して決定される；ただし、固有モードは、経験的モード分解（ＥＭＤ）、ヒルベルト変換、機械学習、主成分分析（ＰＣＡ）、データセットの任意の適切な基底セット（直交基底セット、正規直交基底セットなど）、データセットのフィッティング（例えば、多項式フィット、ノイズモデル、方程式へのなど）、及び／又は、任意の適切な方法を使用して決定され得る。固有モードは周波数領域及び／又は時間領域で決定され得る。固有モードは、好ましくは、各セグメント（例えば、所定の心拍に関連する動脈圧データ）に対して別個に決定される；ただし、固定モード分析はデータセットのその全体に対して実行され得る、及び／又は、データセットの任意の適切なサブセットが使用され得る。

[0062] 特定の例では、データセットのＥＥＭＤ分析は、データセットを約２０の固有モード（例えば、±５モード、±１０モード、±２０モードなど）に分解し得る。この例では、固有モード１～６が選択されて、ノイズ除去されたデータセットを生成し得る；ただし、任意の適切なモードが使用され得る。ノイズ除去されたデータセットは、固有モード１～６を合計する（例えば、残りの固有モードを除外する）ことによって生成され得る。ただし、データセットのノイズ除去は任意の適切な方法で実行され得る。

[0063] Ｓ２２８は、好ましくは、データセット（例えば、ノイズ除去されたデータセット、セグメント化されたデータセット、フィルタリングされたデータセット、補間されたデータセット、生データセットなど）の１以上のサブセットを決定し、処理されたデータセットを含むように機能する。データセットのサブセットは、サブセット内のＳＮＲに基づいて決定される；ただし、データの完全性、中程度の精度及び／又は任意の適切なデータ品質メトリックに基づいて決定される。

[0064] 処理されたデータセットは、好ましくは、３０セグメントなどの１～１０００の間の任意の適切な数及び／又は範囲のセグメントを含む；ただし、データセット（例えば、ノイズ除去されたデータセット、セグメント化されたデータセット、フィルタリングされたデータセット、補間されたデータセット、生データセットなど）全体は、処理されたデータセットに含まれ得る、及び／又は、任意の適切な数のセグメントが含まれ得る。処理されたデータセットに含まれるセグメントは、好ましくは、連続的である（例えば、いかなる心拍もスキップしない）；ただし、処理されたデータセットは、任意の数の適切なセグメントをスキップし得る、及び／又は、任意の適切なデータを含み得る。データセットに含まれるセグメントの数は、較正方法、決定するための心血管パラメータ、ターゲット及び／又は閾値の期間に依存し得る、及び／又は、他の方法で決定され得る。説明する例では、決定するための心血管パラメータが血圧を含む場合、処理されたデータセットは、好ましくは、約１０の連続セグメントを含む（例えば、連続した心拍などの約１０の心周期を離散的に検出し得る）。ただし、任意の数の連続セグメントが使用され得る。

[0065] Ｓ２２８の特定の一実施形態では、データセットのサブセットは、移動時間ウィンドウＳＮＲに基づいて決定され得る。時間ウィンドウは、任意の適切な時間ウィンドウ又は０～１２０秒、例えば１５秒のその範囲であり得る；ただし、任意の時間ウィンドウが使用され得る。時間ウィンドウは、好ましくは、データセットのうちの１つのセグメント（例えば、１つの心拍）で始まるが、追加又は代替として、複数の心拍又はその一部を包含し得る。時間ウィンドウ内のＳＮＲをＳＮＲ閾値（例えば、１、２、１０、２０など）と比較した後、時間ウィンドウ内のＳＮＲがＳＮＲ閾値以上である場合、時間ウィンドウ内のセグメントは、処理されたデータセットに含まれ得る、かつ、後続の時間ウィンドウが調べられ得る（例えば、調べられることとなる時間ウィンドウが１以上のセグメントだけシフトされて分析が繰り返され得る）。ただし、時間ウィンドウ内のＳＮＲがＳＮＲ閾値よりも小さい場合、セグメントは拒否され得る。データセットの適切なサブセットが決定不可能である（例えば、多くのセグメントが拒否される）場合、（例えば、Ｓ２１０を繰り返すことによって）新しいデータセットが測定され得る、（例えば、ステップＳ２２１～Ｓ２２６などのＳ２２０の１以上のステップを繰り返すことによって）データセットが再処理され得る、及び／又は、任意の適切なプロセスが行われ得る。ただし、処理されたデータセットに含まれるセグメントは任意の適切な方法で決定され得る。

[0066] データセットを分析することＳ２３０は、好ましくは、データセット（例えば、処理されたデータセット、ノイズ除去されたデータセット、セグメント化されたデータセット、フィルタリングされたデータセット、補間されたデータセット、生データセットなど）から個人の１以上の心血管パラメータを決定するように機能する。Ｓ２３０は、追加又は代替として、個人の心血管パラメータに関連する基準（及び／又は、任意の他の適切なパラメータ）を決定するように機能し得る。データセットは、セグメントごとに（例えば、心血管パラメータは各セグメントに対して決定される）、データセット全体について、平均化されたデータセット（例えば、Ｓ２２８で識別されたデータセットのサブセットに関連付けられたセグメントを時間ステップごとのベースで他のセグメントで平均化する）について分析され得る、及び／又は、他の方法で分析され得る。Ｓ２３０は、好ましくは、データ分析モジュールによって実行される；ただし、任意の適切なコンポーネントが使用され得る。Ｓ２３０は、好ましくは、クラウドコンピューティングシステムで実行されるが、ユーザデバイスで、ローカルコンピューティングシステムで及び／又は任意のコンピューティングシステムによって実行され得る。Ｓ２３０は、好ましくは、データセットの各セグメントに対して独立して実行される；ただし、Ｓ２３０はデータセット全体に対して実行され得る、１つのセグメントの分析は他のセグメントの結果に依存し得る、及び／又は、データセットの任意の適切なサブセットが分析され得る。分析は、好ましくは、ユーザデバイス及び／又はインタフェースデバイスに伝送されるが、追加又は代替として、医療提供者、保護者、データベース及び／又は任意の適切なエンドポイントに伝送され得る。

[0067] 心血管パラメータは、データセット、基準、及び／又は、回帰型モデリング（例えば、線形回帰、非線形回帰など）、学習（例えば、訓練されたニューラルネットワーク、機械学習アルゴリズムなど）を使用した心血管多様体、方程式、ルックアップテーブル、条件付きステートメント、変換（例えば、線形変換、非線形変換など）に基づいて決定され得る、及び／又は、任意の適切な方法で決定され得る。

[0068] 基準及び／又は心血管多様体と心血管パラメータとの間の変換（例えば、相関）は、好ましくは、較正データセット（例えば、血圧カフからのような較正データセット、分析データセットとほぼ同時に生成されるＥＣＧ測定値など；個人の異なる身体領域、異なる個人、異なる活動状態の個人などの第２動脈圧データセット；対応の測定された心血管パラメータを有する対照群の各個人の分析データセットを含む較正データセットなど）に基づいて決定される；ただし、変換は、モデル（例えば、個人の心血管系のモデル、任意のユーザに適用可能なモデルなどのグローバルモデルなど）に基づいて決定され得る、及び／又は、任意の適切な方法で決定され得る。

[0069] Ｓ２３０は、基準を決定することＳ２３２と、心血管パラメータを決定することＳ２３６と、心血管パラメータを保存することＳ２３９と、を含み得る。ただし、Ｓ２３０は任意の適切なプロセスを含み得る。

[0070] Ｓ２３２は、好ましくは、データセット（例えば、処理されたデータセット、ノイズ除去されたデータセット、セグメント化されたデータセット、フィルタリングされたデータセット、補間されたデータセット、生データセットなど）のための基準を決定するように機能する。Ｓ２３２は、好ましくは、Ｓ２３６の前に行われる；ただし、Ｓ２３２はＳ２３６と同時に及び／又はＳ２３６の後に行われ得る。基準のセットは、心血管パラメータ、個人の特性、補足データセット及び／又は任意の適切な情報に依存し得る。ある変形例では、異なる基準が異なる心血管パラメータに使用され得る；ただし、２以上の心血管パラメータが同じ基準のセットから決定され得る。

[0071] Ｓ２３２の第１変形例では、基準を決定することは、任意選択的に、処理されたデータセットにスプライン当てはめ（fitting）すること、スプラインフィットデータセットの導関数（例えば、１次、２次、３次、高次など）を計算すること、及び、導関数の１以上においてルート（例えば、ゼロ）を決定することを含み得る。基準は、導関数のルート、データセットの値及び／又は導関数のルートで評価される他の導関数のうちの１以上であり得、及び／又は、他の方法で決定され得る。特定の第１例では、基準は、２次導関数の２つのルート、及び、３次導関数の１つのルートを含み得る；ただし、基準は、データセットの振幅（例えば、ルートの１つで評価される）、データセットの任意の適切な導関数の振幅（例えば、ルートの１つで評価される）、並びに／又は、任意の適切なルート及び／若しくはデータセットの値であり得る。特定の第２例では、基準は、処理されたデータセットの値、並びに、処理されたデータセットの１次及び２次導関数の最初の４つのゼロ（例えば、セグメントの開始に対して、処理されたデータのピークに対して、前の心周期に対してなど）に対応する時点で評価された処理されたデータセットの１次及び２次導関数に対応し得る。特定の第３例では、図８に示すように、基準は、処理されたデータセット（及び／又は、その１以上のセグメント）の振幅、処理されたデータセット（及び／又は、その１以上のセグメント）の１次導関数の振幅、処理されたデータセット（及び／又は、その１以上のセグメント）の２次導関数の振幅、並びに、１次導関数、２次導関数及び／又は３次導関数のルートで評価された処理されたデータセット（及び／又は、その１以上のセグメント）の３次導関数の振幅のセット及び／又は任意のそのサブセットに対応し得る。図８において、それぞれの導関数のゼロは、対象のある時点として識別され（図８に黒丸で図示される）、対象のある時点の各々での各導関数の値は基準候補である。特定の第４例では、基準は以下の値のいずれかから選択され得る及び／又はいずれかを含み得る。
[0072] ｐ（ｇ）、ｐ’’（ｇ）、ｐ’’’（ｇ）、ｐ（ｈ）、ｐ’（ｈ）、ｐ’’’（ｈ）、ｐ（ｋ）、ｐ’（ｋ）、ｐ’’（ｋ）
[0073] ｐ（ａ）が、時間ａの処理されたデータセット（及び／又は、そのセグメント）である場合、ｐ’は時間に関するｐの１次導関数であり、ｐ’’は時間に関するｐの２次導関数ｐであり、ｐ’’’は時間に関するｐの３次導関数であり、ｇは、ｐ’（ｇ）＝０となる一連の時間に対応し、ｈは、ｐ’’（ｈ）＝０となる１以上の時間に対応し、及び、ｋは、ｐ’’’（ｋ）＝０となる１以上の時間に対応する。

[0074] Ｓ２３２の第２変形例では、基準を決定することは、処理されたデータセット（例えば、分析データセットの各セグメントについて）を任意の適切な基底関数に分解することを含み得る。特定の例では、処理されたデータセットを分解することは、離散フーリエ変換、高速フーリエ変換、離散コサイン変換、ハンケル変換、多項式分解、レイリー、ウェーブレット及び／又は処理されたデータセットに対する任意の適切な分解及び／又は変換を実行することを含み得る。基準は、分解の重み、位相及び／又は分解の任意の適切な出力のうちの１以上であり得る。ただし、基準は、データセットから任意の適切な方法で決定され得る。

[0075] Ｓ２３２の第３変形例では、基準を決定することは、処理されたデータセットを既定の関数形式に当てはめることを含み得る。関数形式は、ガウス分布、ローレンツ、指数、スーパーガウス、レヴィ分布、双曲線セカント、多項式、畳み込み、関数の線形及び／又は非線形の組み合わせ、及び／又は、任意の適切な関数を含み得る。当てはめは拘束付きであり得る又は拘束付きでない。特定の例では、５つの拘束付きガウス分布の線形結合（例えば、ユーザの心血管の状態及び／又は位相に基づく）が使用されてデータの各セグメントを当てはめ得る。ただし、任意の適切な当てはめが実行され得る。基準は、好ましくは、フィットパラメータの１以上である（例えば、半値全幅（ＦＷＨＭ）、中心位置、振幅、周波数など）；ただし、基準は、順序統計量情報（例えば、平均、分散、スキューなど）及び／又は任意の適切な情報を含み得る。

[0076] 心血管パラメータを決定することＳ２３６は、好ましくは、ユーザの心血管状態（例えば、心血管パラメータ値のセット）を決定するように機能する。心血管パラメータは、基準に基づいて、心血管多様体に基づいて決定され得る、及び／又は、他の方法で決定され得る。Ｓ２３６は、好ましくは、データセットの各セグメント（例えば、各心拍）に関する心血管パラメータを決定する；ただし、Ｓ２３６は、データセット全体の単一の心血管パラメータ値（例えば、平均、分散、範囲など）、単一の心血管パラメータ、及び／又は、任意の適切な情報を決定し得る。Ｓ２３６は、好ましくは、Ｓ２３９の前に行われる；ただし、Ｓ２３６はＳ２３９と同時に及び／又はＳ２３９の後に行われ得る。

[0077] Ｓ２３６の第１変形例では、例えば図７Ｂに示すように、心血管パラメータは、（例えば、Ｓ２３２で決定された）基準のセットに基準変換を適用することによって決定され得る。基準変換は、モデル（例えば、個人のモデル、人体解剖学のモデル、物理モデルなど）に基づいて、較正データセットから決定され得る（例えば、図７Ａに示すように、異なる個人の基準変換のセットが、心血管パラメータにそれぞれの基準の逆行列を掛けることによって決定される）、機械学習（例えば、ニューラルネットワーク）を使用して生成される、フィット（例えば、最小二乗フィット、非線形最小二乗フィットなど）に基づいて多様体から生成される（例えば、基準値セットを心血管パラメータ値に関連付ける）、及び／又は、他の方法で決定され得る。基準変換は、共通の変換であり得る、所定の心血管パラメータ又はそれらの組み合わせに固有であり得る、個人のパラメータ（例えば、年齢、人口統計、併存疾患、バイオマーカ、投薬、推定又は測定された生理学的状態など）に固有であり得る、個人に固有であり得る、測定コンテキスト（例えば、時刻、周囲温度など）に固有であり得る、又は、他の方法で包括的又は固有であり得る。基準変換は、対照群のサブセット（例えば、個人の特性に類似した又は一致した１以上の特性を有する対照群のサブセット）に基づいて、平均、中央値、最も正確（例えば、最小残差、最小誤差など）であり得る、投票に基づいて選択され得る、ニューラルネットワークによって選択され得る、ランダムに選択され得る、及び／又は、他の方法で較正データセットから決定され得る。

[0078] 基準変換（例えば、線形回帰係数）は線形変換又は非線形変換であり得る。各心血管パラメータは、異なる基準変換に関連付けられ得る、及び／又は、１以上の心血管パラメータは、同じ基準変換に関連付けられ得る（例えば、２以上の心血管パラメータは、相関され得る又は共変数であり得る）。特定の例の第１変形例では、心血管パラメータは以下に従って決定され得、
[0079] ＡＴ＝Ｂ
[0080] Ａは基準のセットに対応し、Ｔは基準変換に対応し、及び、Ｂは心血管パラメータに対応する。

[0081] 特定の例では、本方法は、個人の基準変換を決定することと、その後の心血管測定及び基準変換に基づいて個人の心血管パラメータ値を決定することと、を含む。基準変換は、好ましくは、個人からサンプリングされた較正データのセットから決定され、較正データのセットは、較正心血管測定から抽出された基準（例えば、ＰＰＧデータ、プレチスモグラムデータ）（Ａ）、及び、較正心血管パラメータ測定（例えば、血圧、Ｏ_２レベルなど；決定される心血管パラメータの測定値）（Ｂ）を含み得る。個人の基準変換（Ｔ）はＡＴ＝Ｂから決定される。その後、Ｔは、続いてサンプリングされた心血管測定から抽出された基準の心血管パラメータ値を決定するために使用される。

[0082] Ｓ２３６の第２変形例では、例えば図６Ｂに示すように、心血管パラメータは、個人が個人の心血管多様体上のどこにあるか、個人の心血管多様体から共通の心血管多様体への多様体変換、及び任意選択的に、共通の心血管多様体上の個人の位置から心血管パラメータ値へのマッピング変換に基づいて決定され得る。心血管パラメータは、追加又は代替として、個人が心血管多様体上にある場所の変化、共通の心血管多様体上の個人の有効な位置、共通の心血管多様体上の個人の有効な位置の変化に依存し得る、及び／又は、そうでなければ心血管多様体に対する個人の関係に依存し得る。共通の心血管多様体は、較正データセット（例えば、図６Ａに示す）から決定され得る、モデルから決定され得る、機械学習（例えば、ニューラルネットワーク）を使用して生成され得る、及び／又は、他の方法で決定され得る。共通の心血管多様体は、較正データセットの平均であり得る、較正データセットの極値を含み得る、較正データセットから学習され得る（例えば、機械学習アルゴリズムを使用して決定する）、較正データセットから選択され得る、及び／又は、他の方法で較正データセットに基づいて決定され得る。共通の心血管多様体は、好ましくは、１以上の基準の値を心血管パラメータの値にマッピングするが、他の方法で構築され得る。共通の心血管多様体は、好ましくは、個体群のあり得る基準値及び／又は心血管パラメータ値の少なくとも大部分を包含するが、個体群の他の適切な帯状範囲（swath）を包含し得る。共通の心血管多様体は、１以上の心血管パラメータに固有であり得る（例えば、システムは、血圧及び酸素レベル用の異なる共通の多様体を含み得る）が、代替として、対象の複数又はすべての心血管パラメータを包含し得る。多様体変換は、１以上のアフィン変換（例えば、変換、スケーリング、相似、類似性変換、反射、回転及び剪断マッピングのうちの１以上の任意の組み合わせ）及び／又は任意の適切な変換を含み得る。第２変形例の説明する例では、個人の心血管位相が、決定され、及び、（例えば、変換を使用して）個人の心血管位相を共通の心血管位相（例えば、共通の心血管多様体に関連付けられる）に整列させ得、共通の心血管位相と心血管パラメータとの間の関係が知られている。

[0083] 特定の例では、本方法は、個体群の較正データから共通の多様体を生成すること、個人の較正データから個人の多様体を生成すること、及び、個人の多様体と共通の多様体との間の変換を決定することを含む。共通の多様体は、好ましくは、有限領域であり、かつ、すべての（又は大部分の）摂動及び対応の心血管パラメータ値（例えば、応答）を包含するが、他の任意の適切な空間を包含し得る。共通の多様体は、好ましくは、基準の組み合わせ（異なる値を有する）を様々な心血管パラメータの値に関連させるが、他の変数を関連させ得る。個人の較正データは、好ましくは、心血管パラメータ測定値（例えば、血圧）に対応する心血管測定値（例えば、ＰＰＧデータ、プレチスモグラムデータ）を含むが、他のデータを含み得る。個体群較正データは、好ましくは、個人の較正データと同様であるが、複数の個人にわたる（例えば、１以上の生理学的状態にある）データを含む。変換は、計算され（例えば、方程式として、定数として、行列としてなど）、推定され、又は、他の方法で決定され得る。変換は、好ましくは、個人の多様体と共通の多様体との間の変換を表すが、追加又は代替として、共通の多様体上の基準位置（例えば、共通領域に変換された特定の基準値のセット）の心血管パラメータ値（例えば、共通領域内）へのマッピングを表し得る。代替として、本方法は、第２変換を適用して、普遍的に変換された基準値を心血管パラメータ値（例えば、共通の領域における）に変換し得る。その後、変換は、個人からのその後の心血管測定から抽出された基準に適用され、個人の心血管パラメータ値を決定する。

[0084] Ｓ２３６の実施形態は、個人の心血管多様体を決定することを含み得る。例えば、図５に示すように、個人の心血管多様体は、個人の心臓機能、神経系及び血管の変化に関する表面に対応し得る。ただし、心血管多様体は、追加又は代替として、個人の内分泌系、免疫系、消化器系、腎臓系及び／又は身体の任意の適切な系に依存し得る。心血管多様体は、追加又は代替として、ボリューム、ラインであり得る、及び／又は、他の方法で任意の適切な形状によって表され得る。個人の心血管多様体は、好ましくは、個人の寿命全体にわたって実質的に一定である（例えば、日ごと、週ごと、月ごと、年ごとなど、ゆっくりと変化する）。したがって、個人の心血管多様体が保存されてアクセスされ、個人の心血管パラメータを後で分析するために使用され得る。ただし、個人の心血管多様体は変動可能であり得る、及び／又は、大幅に変化し得る（例えば、薬物療法などの副作用としての重大な失血の結果）、及び／又は、経時的に任意の他の特性を有し得る。

[0085] ある変形例では、心血管多様体は、既定の関数形式に対応し及び／又は既定の関数形式から導出され得る（例えば、Ｓ２３２の第３変形例から）。ただし、心血管多様体は、他の方法で基準に関連付けられ得る及び／又は関連付けられない。

[0086] 心血管多様体は、好ましくは、超平面に対応するが、追加又は代替として、三角多様体、シグモイド多様体、超曲面、高次多様体に対応し、及び／又は、任意の適切な位相空間によって記述され得る。

[0087] 例えば図９に示すように、個人の心血管多様体を決定することは、データセットの複数のセグメント（例えば、セグメント化されたデータセット、処理されたデータセット、データセットのサブセットなど）の各々を、以下のような複数のガウス関数に当てはめることを含み得る、
［0088］

[0089]

はデータセットのセグメント、ｔは時間、Ｎはフィットである関数の総数、ｉはフィットの各関数のインデックスであり；ａ、ｂ及びｃはフィットパラメータであり、ｐ_ｘｉは心血管位相＜φ＞の関数であり、フィットパラメータはｐ_ｘｉの値に拘束される。拘束関数は、フィットパラメータごとに同じであり得る又は異なり得る。拘束関数は、好ましくは、連続的に微分可能であるが、既定の時間ウィンドウにわたって連続的に微分可能であり得、及び／又は、連続的に微分可能ではない。拘束関数の例には、定数、線形項、多項式関数、三角関数、指数関数、ラジカル関数、有理関数、それらの組み合わせ及び／又は任意の適切な関数が含まれる。

[0090] 第３変形例では、心血管パラメータを決定することは、補足データに基づいて心血管パラメータを決定することを含み得る。例えば、基準変換及び／又は多様体変換は補足データに基づいて修正され得る（個人の性別又は人種に関する既知のバイアス又はオフセットを説明するためなど）。

[0091] 第４変形例では、心血管パラメータは複数の方法で決定され得る。例えば、心血管パラメータは、上記変形例のうちの２以上に従って決定され得る。第４変形例では、個人の心血管パラメータは、平均心血管パラメータ、投票に基づいて選択された最も可能性の高い心血管パラメータ、最も極端な心血管パラメータ（例えば、最高、最低など）であり得る、以前に決定された心血管パラメータに依存する、及び／又は、他の方法で選択され得る。

[0092] ただし、心血管パラメータは任意の適切な方法で決定され得る。

[0093] 本方法は、任意選択的に、心血管状態の分類を決定することを含み得る。心血管状態分類（ＣＳＣ）の例には、安静、運動、深呼吸、浅呼吸、交感神経活性化、副交感神経活性化、低酸素、高酸素及び／又は他の分類が含まれる。ＣＳＣは、好ましくは、心血管パラメータのセットの値に基づいて決定されるが、追加又は代替として、補助データ（例えば、時刻、周囲温度、服用された薬物などのコンテキストデータ；生理学的測定値など）、及び／又は、他のデータに基づいて決定され得る。ＣＳＣは、分類子（例えば、ＲＮＮ、ＣＮＮ、オートエンコーダ、ＫＮＮなど）、相関、ルール、ヒューリスティック（例えば、既定の心血管パラメータのセットがそれぞれの範囲のセット内の値を有する場合に、ＣＳＣに所定の分類のラベルが付されるなど）を使用して決定され得る、及び／又は、他の方法で決定され得る。

[0094] ある実施形態では、Ｓ２３６は、個人の心血管パラメータに対する１以上の既定の活動の効果を予測することを含み得る。予測される効果は、個人が既定の活動を実行する場合の一連の予測される基準のセット、個人の心血管多様体上の予測される位置、共通の心血管多様体上の予測される有効な位置、シミュレーションされたデータセット（例えば、生データセット、処理されたデータセット、ステップＳ２１０～Ｓ２２８によって生成されたデータセットに類似したシミュレーションされたデータセットなど）に基づいて決定され得る、及び／又は、他の方法で予測され得る。

[0095] Ｓ２３９は、好ましくは、クライアントデータベース、臨床医データベース、ユーザデータベース及び／又は適切な場所／コンポーネントに、心血管パラメータ（及び／又は、任意の適切なデータセット）を保存するように機能する。Ｓ２３９は、任意選択的に、経時的に（例えば、１時間、１日、１週間、１か月、１年、１０年及び／又はそれらの間の任意の時間）心血管パラメータを追跡することを含み得る。例えば、個人の心血管パラメータが既定の時間追跡されて、心血管パラメータに対する安定性、活動（例えば、既定の活動）への関与が心血管パラメータにどのように影響するか、及び／又は、他の方法で個人の心血管パラメータを追跡し得る。ただし、Ｓ２３９は他の方法で使用され得る。

[0096] Ｓ２４０は、好ましくは、個人、臨床医、医療提供者、保護者及び／又は任意の適切な個人に心血管パラメータ（及び／又は、任意の適切なデータセット又はその分析）を提示する（例えば、表示する）ように機能する。Ｓ２４０は、好ましくは、（例えば、ユーザデバイスの、医療提供者デバイスの、保護者デバイスの、臨床医デバイスのなど）インタフェースデバイスで実行される；ただし、任意の適切なコンポーネントが使用されて分析を提示し得る。心血管パラメータは、以前の測定値に対する変化として、インジケータ（例えば、「良い」又は「悪い」）を使用して、テーブルに視覚的に数値的に（例えば、パーセンタイルとして、絶対値としてなど）表示され得る、及び／又は、他の方法で表示され得る。Ｓ２４０は、Ｓ２３０より前、Ｓ２３０中及び／又はＳ２３０より後に行われ得る。

[0097] 変形例では、Ｓ２４０は、１以上の既定の活動を個人（及び／又は、臨床医、医療提供者、保護者など）に提示し得る。これらの変形例では、既定の活動は、好ましくは、ユーザの心血管パラメータの正の変化を誘発するように選択されるが、追加又は代替として、負の変化を提示し得る（例えば、個人が既定の活動に参加するのを思いとどまらせることを試みる）、及び／又は、変化を与えない。既定の活動は、既定の活動の予測される影響（例えば、Ｓ２３６の変形例で予測されるように）、既定の活動が影響を与える確率に基づいて選択され得る。

[0098] 関連の変形例では、Ｓ２４０は、個人の心血管パラメータの分析を経時的に提示することを含み得、これは、個人が関与する１以上の活動が個人の心血管パラメータにどのように影響するかを示し得る。時間は、数分、数時間、数日、数週間、数か月、数年、数十年、及び／又は、それらの間の任意の適切な時間であり、個人の心血管パラメータに対する長期又は短期（例えば、即時）の影響を示し得る。

[0099] Ｓ２５０は、任意選択的に、生理学的パラメータのセットの値を決定するように機能し得る生理学的状態を決定することを含み得る。決定され得る生理学的パラメータの例には、心血管パラメータ、体温、ホルモンパラメータ（例えば、レベル、変化率など）、免疫学的機能及び／又は他のパラメータが含まれる。生理学的状態は、心血管パラメータ値、基準値、補助情報（例えば、時刻、周囲温度、投薬スケジュールなど）、及び／又は、他の情報に基づいて決定され得る。生理学的状態は、所定の時間ウィンドウ、複数の時間枠にわたる（例えば、生理学的状態は、経時的なパラメータ変化に基づいて決定され得る）、及び／又は、他の時間的なデータセットについての情報に基づいて決定され得る。生理学的状態は、ニューラルネットワーク（例えば、履歴データに基づいて訓練される）、相関関係、ルックアップテーブル、入力を生理学的状態にマッピングする２次的に共通の多様体を使用して決定され得る、又は、他の方法で決定され得る。

[00100] 特定の例では、方法２００は：（例えば、６０Ｈｚのフレームレートで）生ＰＰＧデータセットを測定すること；生ＰＰＧデータセットを標準のフレームレート（例えば、２４０Ｈｚ）に補間することによって、補間された生データセットを生成すること；補間された生データセットをフィルタリングすることによって、フィルタリングされたデータセットを生成すること（例えば、０．５Ｈｚ以下の信号を削除するためのロングパスフィルタ）；補間された生データセットを（例えば、低速及び高速移動平均に基づいて、個人の心拍に対応する動脈圧波形などに）セグメント化することによって、セグメント化された生データセットを生成すること；セグメント化された生データセットを（例えば、ＥＥＭＤを使用して）固有モードのセットに分解し、かつ、固有モードのサブセット（最初の６つの固有モードなど）を合計すること；によって、ノイズ除去されたセグメント化されたデータセットを生成すること；ノイズ除去されたセグメント化されたデータセットの移動時間ウィンドウの信号対雑音比に基づいて、処理されたデータセット（例えば、ノイズ除去されたセグメント化されたデータセットのサブセット）を決定すること；処理されたデータセットから基準を決定すること（例えば、分析データセットの各セグメントの基準）；基準に基づいて個人の心血管パラメータを決定すること、を含み得る。この特定の例では、分析データセットから基準を決定することは、分析データセットをスプライン関数に当てはめること；当てはめられた分析データセットの１次、２次及び３次導関数を計算すること；１次、２次及び３次導関数のルートを決定することを含み得る。ただし、心血管パラメータは任意の適切な方法で決定され得る。

[00101] システム及び／又は方法の実施形態は、様々なシステム構成要素及び様々な方法プロセスのすべての組み合わせ及び順列を含み得、本明細書に記載の方法及び／又はプロセスの１以上の実例は、非同期的に（例えば、連続して）、同時に（例えば、並行して）実行され得る、又は、本明細書に記載のシステム、要素及び／又はエンティティの１以上の実例によって及び／又は使用して他の任意の適切な順序で、実行され得る。

[00102] 当業者は、前述の詳細な説明及び図面及び特許請求の範囲から認識し、以下の特許請求の範囲で定義される本発明の範囲から逸脱することなく、本発明の好ましい実施形態に修正及び変更が加えられ得る。

Claims (21)

1. 患者の血圧を決定する方法であって、
   ユーザの身体領域の複数の画像を受信するステップであって、前記画像は、前記患者に関連付けられたユーザデバイスの画像記録装置を使用して記録され、前記画像記録装置は前記ユーザの前記身体領域に接触している、受信するステップと、
   前記複数の画像からフォトプレチモグラム（ＰＰＧ）データセットを生成するステップと、
   前記ＰＰＧデータセットから０．５Ｈｚ未満の信号を除去するように構成されたローパスフィルタを使用して前記ＰＰＧデータセットをフィルタリングするすることと、
   拡張された経験的モード分解を使用して前記ＰＰＧデータセットをモードのセットに分解することと、
   前記モードのセットから固定モードを抽出することと、
   前記固定モードを集計して、ノイズ除去されたＰＰＧデータセットを生成すること、によって前記ＰＰＧデータセットのノイズを減少させて、ノイズ除去されたＰＰＧデータセットを生成するステップと、
   移動平均セグメンテーションを使用して、前記ノイズ除去されたＰＰＧデータセットを、セグメント化されたＰＰＧデータセットにセグメント化するステップと、
   前記セグメント化されたＰＰＧデータセットの既定の数のセグメントを平均化することによって、処理されたＰＰＧデータセットを決定するステップと、
   前記処理されたＰＰＧデータセットから基準のセットを抽出するステップと、
   前記基準のセットに基づいて患者の心血管多様体上の位置を決定するステップと、
   前記患者の心血管多様体上の位置を、共通の心血管多様体上の位置に変換するステップと、
   前記共通の心血管多様体上の位置から血圧値へのマッピングに基づいて前記患者の血圧を決定するステップと、を含む方法。
2. 前記既定の数のセグメントは、前記ＰＰＧデータセットの少なくとも１０のセグメントを備える、請求項１に記載の方法。
3. 前記共通の心血管多様体又は前記変換のうちの少なくとも１つは、
   較正患者のグループの各患者について、
   血圧計、デジタル血圧モニタ、撓骨動脈圧力測定法、動脈カテーテル又は心電図のうちの少なくとも１つを使用して血圧を測定し、
   血圧を測定することと同時に、前記較正患者に対応する基準のセットを決定し、
   測定された前記血圧と前記基準のセットとの間の関係を決定するステップと、
   各患者についての前記関係を組み合わせて、前記共通の心血管多様体又は前記変換のうちの少なくとも１つを決定するステップと、によって決定される、請求項１に記載の方法。
4. 前記処理されたＰＰＧデータセットから前記基準のセットを抽出するステップは、前記処理されたＰＰＧデータセットをフィッティング関数に当てはめるステップを含み、前記基準のセットは、前記フィッティング関数の１以上のフィットパラメータを備える、請求項１に記載の方法。
5. 前記フィッティング関数は複数のガウス分布を備える、請求項４に記載の方法。
6. 前記フィットパラメータは超平面の値に拘束される、請求項４に記載の方法。
7. 患者の心血管状態を決定するための方法であって、
   前記患者に関連付けられたプレチモグラム（ＰＧ）データセットを受け取るステップと、
   前記ＰＧデータセットに対応する固定モードのセットを集計することによって前記ＰＧデータセットからノイズを除去するステップと、
   前記ノイズ除去されたＰＧデータセットを、セグメント化されたＰＧデータセットにセグメント化するステップであって、各セグメントは前記患者の心周期に対応する、ステップと、
   前記セグメント化されたＰＧデータセットの基準のセットを抽出するステップであって、前記基準のセットは、
   前記セグメント化されたＰＧデータセット、
   前記セグメント化されたＰＧデータセットの１次導関数、
   前記セグメント化されたＰＧデータセットの２次導関数、又は
   前記セグメント化されたＰＧデータセットの３次導関数、のうちの少なくとも１つの値に基づいて決定される、ステップと、
   前記基準のセットに変換を適用することによって前記患者の心血管状態を決定するステップと、を含む方法。
8. 前記ＰＧデータセットのデータポイントの間を補間して前記ＰＧデータセットのギャップを埋めるステップをさらに含む、請求項７に記載の方法。
9. 前記患者の心血管状態は、前記患者の血圧、心イベント、心血管ドリフト及び薬物反応のうちの1以上を含む、請求項７に記載の方法。
10. 基準のセットを抽出するステップは、前記セグメント化されたＰＧデータセットの各セグメントについて基準のセットを抽出するステップを含む、請求項７に記載の方法。
11. 前記セグメントについて前記基準のセットを抽出するステップは、
    前記セグメントの前記１次、２次及び３次導関数を計算するステップと、
    前記１次、２次及び３次導関数のゼロに対応する時点を決定するステップと、
    前記時点の前記セグメントの値を決定するステップと、
    前記時点の前記セグメントの前記１次、２次及び３次導関数の値を決定するステップと、を含む、請求項１０に記載の方法。
12. 前記基準のセットは、
    前記第１及び第２導関数の最初の４つのゼロに対応する時点の前記セグメント化されたＰＧデータセットの値と、
    前記１次及び２次導関数の最初の４つのゼロに対応する時点の前記処理されたＰＧデータセットの前記第１導関数の値と、
    前記１次及び２次導関数の最初の４つのゼロに対応する時点の前記処理されたＰＧデータセットの前記第２導関数の値と、を含む、請求項１１に記載の方法。
13. 前記ＰＧデータセットのノイズを減少させるステップは、ロングパスフィルタを使用して前記ＰＧデータセットをフィルタリングするステップをさらに含む、請求項７に記載の方法。
14. 前記固定モードのセットは、拡張された経験的モード分解を使用して決定される、請求項７に記載の方法。
15. 前記ＰＧデータセットからノイズを除去するステップは、前記固定モードのセットの最初の６つのモードを集計するステップを含む、請求項１４に記載の方法。
16. 前記ノイズ除去されたＰＧデータセットをセグメント化するステップは、移動平均クロスオーバを検出することによって前記ノイズ除去されたＰＧデータセットをセグメント化するステップを含む、請求項７に記載の方法。
17. 前記セグメント化されたデータの既定の数のセグメントを平均化することによって平均ＰＧデータセットを決定するステップをさらに含み、前記基準のセットは、前記平均化されたＰＧデータセットに基づいて決定される、請求項７に記載の方法。
18. 前記基準のセットに基づいて患者の心血管多様体を決定するステップと、
    前記患者の心血管多様体を共通の心血管多様体に変換する多様体変換を決定するステップと、をさらに含み、
    前記変換は前記多様体変換を含む、請求項７に記載の方法。
19. 前記変換は、較正患者の群から導出された心血管状態測定に基づいて生成された較正データセットに基づいて決定される、請求項７に記載の方法。
20. 前記変換は線形変換である、請求項７に記載の方法。
21. 請求項１～２０のいずれか１項に開示された方法を実行するように構成されたシステム。
    
    

Images