JP2023516092A - 心周期解析の方法及びシステム - Google Patents
心周期解析の方法及びシステム Download PDFInfo
- Publication number
- JP2023516092A JP2023516092A JP2022553096A JP2022553096A JP2023516092A JP 2023516092 A JP2023516092 A JP 2023516092A JP 2022553096 A JP2022553096 A JP 2022553096A JP 2022553096 A JP2022553096 A JP 2022553096A JP 2023516092 A JP2023516092 A JP 2023516092A
- Authority
- JP
- Japan
- Prior art keywords
- data
- measurement
- series
- periods
- cycles
- 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
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title description 11
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000005259 measurement Methods 0.000 claims abstract description 70
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 22
- 238000005094 computer simulation Methods 0.000 claims description 20
- 230000036772 blood pressure Effects 0.000 claims description 19
- 210000000748 cardiovascular system Anatomy 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013442 quality metrics Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 5
- 238000007620 mathematical function Methods 0.000 claims description 5
- 238000002679 ablation Methods 0.000 claims description 4
- 230000004872 arterial blood pressure Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000005428 wave function Effects 0.000 claims 1
- 238000013186 photoplethysmography Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 12
- 239000008280 blood Substances 0.000 description 10
- 210000004369 blood Anatomy 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 8
- 238000007873 sieving Methods 0.000 description 8
- 230000002792 vascular Effects 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 5
- 230000005520 electrodynamics Effects 0.000 description 5
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 4
- 230000000004 hemodynamic effect Effects 0.000 description 4
- 230000035485 pulse pressure Effects 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 230000000541 pulsatile effect Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 2
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 230000008570 general process Effects 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 229920001451 polypropylene glycol Polymers 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010000060 Abdominal distension Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007211 cardiovascular event Effects 0.000 description 1
- 208000037998 chronic venous disease Diseases 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000001457 vasomotor Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Images
Classifications
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
-
- 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
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
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)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Hematology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
パルスプレチスモグラフィーを処理するための方法及びシステムは、一連の測定周期のピーク、谷、及び振幅を検出し、選択された質基準を満たさない測定周期を識別する。選択された質基準を満たしていない周期は除去され、残りの周期は共につなぎ合わされる。システム及び方法は、入力としてプレチスモグラフィーデータを使用して計算された一回拍出量及び心拍出量などの心血管パラメータの質と信頼性を向上させるのに役立つ。【選択図】図1
Description
本発明は、フォトプレチスモグラフィーを含むパルスプレチスモグラフィー法により得られたデータを使用して、心拍出量、一回拍出量、及び/又は動脈圧を測定するデバイス、方法、及びシステムに関する。
背景技術
プレチスモグラフィーは、身体の全部又は一部における体積の変化の測定を伴う。身体の様々な部分の体積の変化は、様々な生理学的パラメータを測定することによって、様々な医学的状態を検出又は監視する異なる方式で測定することができる。例えば、エアカフプレチスモグラフィー(CPG)は、四肢又は指を囲む空気充填カフ内の圧力の変化を記録することによって、四肢又は指の周囲の変化を測定する。体積の変化に基づいて、CPGは、血流を測定するために使用され、慢性静脈疾患に関連する有用な情報を提供する。インピーダンスプレチスモグラフィーは、誘電図記録法とも呼ばれ、体の一部の向かい合う側に置かれた電極間の電気インピーダンスの変化の測定を伴い、電極間を流れる電流の経路における体積の変化を間接的に測定する。
プレチスモグラフィーは、身体の全部又は一部における体積の変化の測定を伴う。身体の様々な部分の体積の変化は、様々な生理学的パラメータを測定することによって、様々な医学的状態を検出又は監視する異なる方式で測定することができる。例えば、エアカフプレチスモグラフィー(CPG)は、四肢又は指を囲む空気充填カフ内の圧力の変化を記録することによって、四肢又は指の周囲の変化を測定する。体積の変化に基づいて、CPGは、血流を測定するために使用され、慢性静脈疾患に関連する有用な情報を提供する。インピーダンスプレチスモグラフィーは、誘電図記録法とも呼ばれ、体の一部の向かい合う側に置かれた電極間の電気インピーダンスの変化の測定を伴い、電極間を流れる電流の経路における体積の変化を間接的に測定する。
インダクタンスプレチスモグラフィーは、胸部又は腹部に装着されたワイヤのループを通して交流電流を印加し、ループの向きに垂直な磁場を発生させる方法である。ループで囲まれた面積が変化すると、面積の変化率に正比例してループ内に逆流が生じる。インダクタンスプレチスモグラフィーとは異なり、電流は体内を通過しない。呼吸インダクタンスプレチスモグラフィーは、胸部及び腹部の膨張、呼吸数、呼吸パターン、及び一回呼吸量を計算するために使用される。電磁インダクタンスプレチスモグラフィーは、胴体を囲む導電素子を含むベストを使用して、導電素子が磁場中で移動するときの胸部及び腹部の体積変化を定量化する。
フォトプレチスモグラフィー(PPG)は、組織内の血管系を通る血圧(BP)の脈拍によって引き起こされる組織内の血液量の変化を測定する。血液量変化は、皮膚を照射するために使用される光源からセンサに透過又は反射される光の量を測定することによって検出される。透過型フォトプレチスモグラフィー(PPG)は、内視鏡法を使用しても得ることもできる。PPG波形の形状は、対象によって異なり、パルスオキシメータが身体に接触又は取り付けられる場所及び様式によって異なる。
最近、これらの測定を可能にする一種の生理学的センサデータ処理を伴う、非侵襲的に左心室一回拍出量(SV)、心拍出量(CO)、及び他の生理学的パラメータを測定するための方法及び装置が開発されている。米国特許第8,494,829号は、SVを計算するための血行動態及び電気動態センサデータを処理する方法を開示している。血行動態及び電気動態センサデータは、非侵襲的に取得することができ、血流力学的及び電気力学的生理学を表し、2つのセンサからのデータを反復的に融合するモデルを使用して処理される。米国特許第8,494,829号は、その全体、特に欄5~20における物理モデルの説明が、参照により本明細書に組み込まれる。
米国特許第9,649,036号は、PPG及び体内に由来する電気力学信号を収縮期の収縮に関連付けるプロセスモデルを有する動的状態空間モデル(DSSM)を有するデジタル信号プロセッサを使用して、PPG及び電気力学信号を解析する方法を記載している。米国特許第9,649,036号は、参照により、特に、欄15~19における確率的データフィルタリングを有するパルスオキシメータ(PO)の例として本明細書に組み込まれる。
米国特許第9,060,722号は、SVを生成する生理学的プロセスと、PPGによって収集されたデータとを数学的に表すDSSMとの二重推定アルゴリズムを使用して、PPGからのセンサデータを使用して、SVを推定するための方法を記載している。米国特許第9,060,722号は、参照により、特に、欄6~14における二重推定アルゴリズム及びDSSMの説明として本明細書に組み込まれる。米国特許第9,375,171号は、血流力学プロセスモデルとの二重推定DSSMを使用して、BP及びPPGデータからSVを推定する方法を記載している。
国際公開WO2010/0274102A1号は、SV及びCOを測定するPOシステム及び処理方法を開示している。POシステムは、POセンサ出力から汚染ノイズ及びアーチファクトを除去し、血液酸素飽和度、心拍数(HR)、SV、大動脈圧及び全身圧を測定することができるDSSM内の確率的プロセッサ及び心血管系の生理学的モデルを組み合わせた方法を実行するように構成されたデータプロセッサを備える。DSSMは、POによって測定されたパルスを生成する生理学的プロセスをモデル化する心血管系の数学的モデルを含む。モデルの1つは、大動脈圧、橈骨動脈圧、末梢抵抗、大動脈インピーダンス、及び血液密度を含む変数及びパラメータを含む。モデルは、測定されたHRを含む、POからのデータを使用する。
欧州特許第2512325号は、総血液量、SV、血管運動神経性緊張、及び自律神経系緊張のうちの1つ以上について推定値を抽出するために、動的状態空間モデルを使用してPOデータを処理するための方法を記載する。マイクロプロセッサは、POによって測定された生理学的パラメータを生成する生理学的プロセスを数学的に表す、動的状態空間モデル内にデータを受信する。
上記の発明は、CO及びSVを含む心血管パラメータの正確かつ医学的に有用な測定値を提供することができるが、測定されたプレチスモグラフィー波形が、SV及びCOの測定を許可しない、又は望ましい精度よりも低いSV及びCOの測定をもたらす特徴を有する状況がある。SV、CO、及び他の心血管系パラメータのこれらの測定には、心血管系のコンピュータモデルへの入力として、プレチスモグラフィー波形(PW)データの使用を伴う。
入力として使用されるPWデータの質は、使用される心血管システムモデルに応じて、測定されたSV、CO、及び/又は他の心血管パラメータを含む、出力の質に影響を及ぼす。プレチスモグラフィーセンサ又は患者の呼吸の動きを含む動きは、測定されたプレチスモグラフィーの波形にアーチファクトを引き起こす。個人のHR及びSVの拍動変化、身体の動き、末梢抵抗の経時的な変化は、SV及びCOの正確な測定を複雑にする。集団の場合もまた、様々な心臓の異常、心血管疾患、体格指数、体サイズ、年齢、及び多くの他の生理学的パラメータは、集団のPWデータが様々な形状を有し得るため、CO及びSVの測定が複雑になり、心血管モデル内への入力として含めるための入力データの解析が困難になる。特定の患者について測定されたPWデータは、PWの形状が平均的な患者集団と著しく異なるため、心血管系モデルを使用して処理することが困難又は不可能であり得る。
要約すると、測定されたPWがアーチファクトを含むか、他の特性を有するためにSV、CO、及び他の心血管系パラメータを測定することを可能にしないか、又は望ましい精度よりも低いSV及びCOの測定結果となる多くの状況が存在する。
本発明の実施形態は、好ましくは、血流を表すPWデータを処理して、PWデータを入力として使用して行われるSV及びCO測定の信頼性及び精度を改善するためのシステム及び方法を提供することによって、単独で又は任意の組み合わせで、上記で特定されたものなどの当該技術分野における1つ以上の欠陥、欠点又は問題を軽減、緩和又は除去しようとするものである。
一態様では、本発明は、PWデータのセットにおける心周期を解析し、処理されたデータを使用してCO、SV、又は他の心血管系パラメータを測定又は計算する方法又はプロセッサの入力データを生成する、コンピュータで実行される方法を提供する。
別の態様では、本発明は、PWデータのセットにおける心周期を解析し、処理されたデータを使用してCO、SV、又は他の心血管系パラメータを測定するプロセッサの入力データを生成する装置又はシステムを提供する。装置は、方法を実行するための命令を含むデータプロセッサを備える。
また別の態様では、本発明は、PWデータのセット中の心周期を解析して、処理されたデータを使用してCO、SV、又は他の心血管パラメータを測定するプロセッサ用の入力データを生成する方法をコンピュータに実行させるプログラムを記憶する非一時的コンピュータ可読記憶媒体を提供する。
記載の方法及びシステムは、パルスプレチスモグラフィーデータから心血管パラメータの算出に使用する波形データの部分を選択し、心血管パラメータの算出の使用から排除される波形データの他の部分を選択することにより、パルスプレチスモグラフィーデータを使用して行う心血管パラメータ測定の精度及び信頼性を向上させる。
図面の要素は、必ずしも互いに相対的に縮尺が一致しているわけではなく、代わりに、本開示の原理を明確に図示することに重点が置かれる。同様の参照符号は、図面のいくつかの図を通して対応する部分を指定している。
図面の要素は、必ずしも互いに相対的に縮尺が一致しているわけではなく、代わりに、本開示の原理を明確に図示することに重点が置かれる。同様の参照符号は、図面のいくつかの図を通して対応する部分を指定している。
本明細書で使用される全ての技術的な固有の用語は、別段の指示がない限り、説明の文脈においてそれらの技術的に認められる意味を有することが意図される。全ての非技術的な固有の用語は、別段の指示がない限り、説明の文脈においてそれらの分かりやすい言葉での意味を有することが意図される。
心血管系の文脈における「パラメータ」という用語には、一回拍出量(SV)、心拍出量(CO)、大動脈圧、静脈圧、動脈圧、流量、血管イナータンス、血管コンプライアンス、血管抵抗、並びに血管の集合体又は心血管系の部分のイナータンス、コンプライアンス、及び抵抗が含まれる。心血管系の計算モデルの文脈では、物理的要因のいくつかは、計算モデル内への固定入力値に対応し得るという点で、モデル化の意味でのパラメータでもあり得る。他の物理的要因は、計算モデルの文脈において、値が計算モデルによって計算される変数に対応する。心血管系パラメータは、計算モデルの変数に対応し得るか、又は1つ以上の変数から計算され得る。心血管系パラメータが、計算モデルの変数及び/又はパラメータに対応するか、又はそこから計算されるかは、計算モデルで使用される方程式に依存する。
本明細書で使用される場合、プレチスモグラフィーデータは、ヒト又はヒト以外の患者から収集されるデータであり、データは、患者における血流の圧力対時間又は体積対時間を表す波形を含む。
プレチスモグラフィー波形データ又はPWデータは、血圧(BP)の時間変化に変換することができる血液量の経時変化を測定することに関する。時間変化するパルス圧力は、プリティスモグラフィーデータから直接又は間接的に測定され得る。プレチスモグラフィー波形は、測定された脈容量対心周期の時間又は割合を含み得る。プレチスモグラフィー波形は、プレチスモグラフィーによって測定された脈圧対心周期の時間又は割合を含み得る。
最も一般的に使用されるプレチスモグラフィーの方法及び装置は、ヘモグロビンの酸素化及び脱酸素化形態のための吸収最大値に対応する2つの波長での光の吸収を使用するパルスオキシメトリ又はパルスオキシメータ(PO)デバイスである。吸収の変化は血液量の変化に関係しており、血圧の変化は血液量の変化に由来し得る。時間変化する血液量は、追加的又は代替的に、血管の直径を測定するために超音波を使用して測定することができる。時間変化するパルス圧力波形は、部分的に膨らんだ血圧カフ、圧力トランスデューサ、歪ゲージ、又はストレッチセンサを使用して直接測定されてもよい。システム、装置、及び方法は、時間と共に変化するパラメータとして圧力を使用して本明細書に記載される。POデータは、一般的に圧力対時間データに変換されるため、これは便利である。
圧力は、プレチスモグラフィーデータの時間変化変数として使用される必要はない。代わりに、PW周期は、例えば、体積対時間又は吸収対時間の形態であってもよい。POデバイスは、2つの波長を使用し、酸素化ヘモグロビンと脱酸素化ヘモグロビンの量を比較し、ヘモグロビンの酸素化率を報告することができる。通常のPOデータは、本明細書の実施例に使用されるが、本明細書の装置及び方法は、例えば、酸素化ヘモグロビンによる吸収の変化又はそれに由来する血液量又はBPの変化のみを使用して収集されるデータを使用してもよい。POデータは指先において収集されることが多いが、追加的又は任意選択に、耳や足指など他の末端部で測定することもでき、透過型PO測定に適合しない身体上の場所で反射型又は散乱型のPO測定を行うこともできる。
以下の説明では、SV及びCOを測定するためのプレチスモグラフィーデータの例として、POプレチスモグラフィーデータを使用する。他のタイプのプレチスモグラフィーデータは、圧力対時間、体積対時間、又は光吸収対時間の脈動性血流波形の形態であってもよく、又はそれに変換されてもよい。これらはまた、データ収集の方法に応じて、体積、圧力、及び吸収が一方から他方に変換される可能性があるため、使用することができる。POデータは、離れた場所で対象に行われたPO測定のデータベースから得られ、メモリに保存されることもある。POデータは、測定中にPOから直接もたらされる場合がある。
記載されるように処理されたプレチスモグラフィーデータは、例えば、動的状態空間モデル(DSSM)を含み得るヒト心血管系(HCS)モデルを使用する方法によって、SV、CO、及び他の心血管系パラメータを測定、計算、又は推定するためのデータの入力として使用されてもよい。心血管系パラメータを測定又は計算するために、ヒト以外の動物の心血管系モデルを使用して、コンピュータで実行される方法に入力されたヒトのプレチスモグラフィーデータである必要はない。心血管パラメータを測定するためのコンピュータで実行される方法の例は、米国特許第8,494,829号、米国特許第9,649,036号、米国特許第9,060,722号、米国特許第9,375,171号、国際公開WO2010/0274102号、及び欧州特許第2512325に記載されている。
HR、SV、CO、及び他の心血管パラメータは、経時的に一定ではなく、拍動ごとに変化し得る。したがって、このタイプのパラメータの任意の測定値は、必ずしも平均値ではない。測定されたパルス圧、周期の持続時間、及びPWの形状の一定の変動は、SV、CO、及び他の心血管パラメータの測定の悪化因子である。これらに加えて、対象の動き及び他の身体的動揺は、データ内のアーチファクトを引き起こす。測定されたPWデータに質測定法を適用することによって、その後の処理ステップに対するアーチファクト及び異常値の影響を最小限に抑えることによって、測定されたPWデータのアーチファクトと悪化因子から生じる問題を解決することができる。例えば、アルゴリズムは、周期振幅変動に対する周期振幅の高い比率、最小の局所化プレチスモグラフィー又は圧力波振幅変動、及び最小のHR変動を組み合わせて有する個々の周期のセット及び/又は周期の実行を選択することができる。
本発明は、プレチスモグラフィーパルスデータを使用して心血管パラメータを測定するためのコンピュータで実行される方法への入力として使用するための周期を選択するためのPWデータを処理するための方法を提供する。この方法は、測定された心血管パラメータの精度を向上させ、心血管パラメータを測定するためのコンピュータで実行される方法の適用を、形状が異常なPWを有する患者に拡大するものである。これは、プレチスモグラフィーパルスデータを使用して心血管パラメータを測定するためのコンピュータで実行される方法の入力として使用されるPWから周期を選択するデータ質アセスメント、データふるい、及び曲線当てはめの組み合わせによって達成される。
図1は、PWデータを処理する方法の実施形態において実行され得る一般的なプロセスの概要を示す。データは、プレチスモグラフィー測定デバイスで測定された一連のパルスに対応する一連の波形からなり、各パルスは心臓の鼓動、又は周期に起因している。PWデータは、例えばPOから、波の振幅、波形、周期などのPW周期の特徴を使用して、更なる処理のために各周期を選択又は非選択する周期データ質(cycle data quality、CDQ)アセスメントアルゴリズム(周期データの品質アセスメントのためのアルゴリズム)を実行するように構成されたソフトウェアモジュールに入力される。選択された周期のPWデータは、受信したCDQデータをCDQデータの予想される出力と比較し、第1の数式で各周期の形状を粗く近似する、粗い周期データふるい又はふるいソフトウェアモジュールに入力される。アルゴリズムは、粗い近似をCDQデータと比較し、測定された周期波形と近似された周期波形との間の累積誤差に基づいて、PW周期を排除する。残ったPW周期は、心周期解析(CCA)アルゴリズムを実行するソフトウェアモジュールに入力される。CCAモジュールは、粗くふるい分けられたPWデータを受信し、各周期波形に第2の数式を適合させる。各周期の波形の数学的表現の形状は、その周期の対応する測定された波形の形状と比較される。閾値を超える測定値によって異なる測定波形及び適合波形を有する周期は除去され、CCAを通過するPW周期データは、CCA出力データをヒト心血管系(HCS)モデルへの入力として使用して、心血管パラメータ、この場合はSV及びCOを計算するコンピュータモジュールの入力データとして利用可能にすることができる。
CDQアセスメント、周期データふるい分け、及び心周期解析は、これらのプロセスと関連付けられた選択された質基準を満たしていない測定周期を識別するための質測定プロセスとして機能する。残りの測定周期又は残りの測定周期波形の数学的表現は、測定されたプレチスモグラフィー波形データから心血管パラメータを計算する計算モデルへの入力として有用である。使用される計算モデルに応じて、計算される心血管パラメータは、SV、CO、大動脈圧、血管イナータンス、コンプライアンス、抵抗などを含み得る。
図1に示す一連の処理は、PWデータを処理する方法の一実施形態に関するものである。そのような方法の他の実施形態は、異なる順序で同じプロセスを含み得る。例えば、一実施形態では、CDQアセスメント中の第1のステップとして、波形列への粗い又は細かい曲線当てはめを行うことができる。追加的又は代替的に、波形列への粗い曲線又は細かい曲線当てはめは、粗データふるい中の第1のステップとして実行されてもよい。これらの実施形態は、当てはめられた曲線を使用して、CDQ又は粗データふるいと関連付けられた方法ステップを実行することができる。1つ以上の周期が切除によって除去又は排除される方法ステップでは、隣接する周期がつなぎ合わされて、周期波形の連続した列が再生されることがある。
図2aは、CDQアセスメントソフトウェアモジュールの一実施形態によって実行され得る方法ステップのフローチャートである。指先POからのPW周期の列を含むデータは、任意選択で、患者を特定するデータ及び/又は年齢、性別、体重、身長、及び病状などの患者パラメータと共にモジュールによって受信される。人工的又は異常な形状のPW周期が、開始、停止、ピーク、及び谷の特徴の異常検出、又はオプティマイザの故障につながることを防ぐために、平均PPG周期時間に対する標準偏差の比率を使用して、これらの周期が処理される前にリスクの高い周期を識別することができる。任意の周期が設定された閾値よりも大きい標準偏差/平均周期時間比を生成する場合、周期全体は、除去された周期の開始から停止又は終了までの時間軸に沿って周期の波形が除去される除去プロセスによって除去されてもよい。捨てられた周期の直前と直後の周期は、除去された先行周期の開始時刻に合わせて、第1の後続の周期の時刻をシフトさせることで接合、又はつなぎ合わされる。
PW周期の開始、停止、ピーク、谷の特徴は、各周期に対して1つのスロープ交差特徴しか検出されないことを保証するスロープ閾値交差技術を使用して検出される。これにより、各周期内の波形構造に関係なく、隣接する周期を正確に識別することが可能になる。スロープ閾値交差の目印は、PWスロープ(体積/圧力/吸収度対時間信号の一次導関数)とPWスロープの絶対値の指数加重移動平均を使用して、適応的な閾値を設定する。収縮期の強い正のスロープは、例えば、対象の動き及び呼吸のアーチファクト、周期期間の変動、又は可変HRによって引き起こされる周期の垂直ドリフトに依存しない、特徴的な閾値交差を生成する。スロープ移動平均は、各周期の周期開始のおよその時間を測定するために、第2の閾値を導出するために使用され得る。スロープ交差特徴検出がPW周期に関して1対1の特性を維持する限り、最小値及び最大値が正しく決定されるように、PWスロープ交差特徴が、周期最小値、又は谷T及び周期最大値、又はピークP値の初期化及び読み出しに使用される。
図2bは、周期ピークPが、PWスロープの一次導関数から求められる正の最大スロープ点+Sの後、かつ負の最大スロープ点-Sの前に見出されることを図示している。周期の谷は、負の最大スロープ点-Sの後、かつ次の周期の正の最大スロープ点+Sの前に見出される。図2bの上部の破線曲線は、周期のピークPに沿って伸び、下部の破線曲線は周期の谷Tに沿って伸び、各周期の振幅は差から決定される。下部の破線曲線は、典型的には、患者の呼吸に調和して上昇及び下降するベースラインとして機能することができる。「X」は、谷T、正の最大スロープ点+S、周期ピークP、及び負の最大スロープ点-Sの各々の位置を示すために使用される。これらの位置のいずれかは、1つの周期の終わり及び次の周期の始まりとして使用されてもよい。図3b及び図4b~4gでは、終点/開始点は、周期の谷における垂直な破線によって示される。
各PWデータセットと関連付けられた平均HRは既知であるため、平均HRと関連付けられた予想される周期期間の範囲が存在する。ピークが識別されると、平均HRと不適合であるピークからピークまでの期間がデータセットから削除され得る。心室期外収縮(PVC)及びデータ収集中の患者の動きなどの異常な心拍は、周期ピークが平均HRの許容範囲外になる原因となり得る。同様に、ピーク振幅の大きい変動は、異常な心周期、患者の動き、及び他のアーチファクトも示している。閾値は、隣接する周期から許容値を超えて異なる振幅の周期を除去するように設定することができる。
隣接する周期波形の形状はまた、波形の形状に関して隣接する周期と著しく異なる周期を識別するために比較されてもよい。各PWを表すデータは、例えば、75ポイント/秒の速度で、体積又は圧力対時点の形態である。隣接する周期の形状を、波の共通の目印を起点として点と点で比較し、点と点の誤差を累積して、隣接する周期の形状間の差の指標を提供することができる。隣接する周期から閾値又は許容値を超えて異なる周期は、データが粗ふるいプロセス(coarse sieving,粗い篩い分けの工程)に渡される前にデータセットから除去される可能性がある。除去された周期に隣接する周期は、除去された周期の直後の周期の開始点を、時間軸に沿って、第1の周期又は除去された複数の連続周期の最初の周期の開始時刻にシフトさせることによって、つなぎ合わされる。
図3aは、粗ふるいプロセスの一実施形態によって実行され得る方法ステップのフローチャートである。CDQアセスメント中、PWは、設定された許容値外の振幅、形状、期間などを有する周期のために除去され得る。測定されたデータが特に低質である場合、元のデータの一部分のみが粗データふるいプロセスに渡される。ふるいプロセスにおける1つ以上の数式の適合の前に、元の測定値の十分な部分が更なる処理に十分な質であるかどうかを判断することができる。閾値を設定し、閾値未満では更なる処理を停止し、エラーメッセージを生成して、測定データの質が不十分であることをユーザに知らせる。例えば、3分間のPW測定において、閾値を50%に設定し、CDQアセスメント中に周期の50%超が排除された場合、ユーザに通知し、測定を繰り返すことができる。ユーザは、メッセージを上書きし、粗ふるいを進める選択肢を有し得る。閾値は100%に設定されてもよく、全ての周期が排除されていたとしても、効果的にステップを排除し、処理を継続させることが可能になる。この機能は、粗ふるいの第1のステップではなく、CDQアセスメントの最終ステップとして含めることができる。
データの十分性が確立されると、周期開始点がPWデータに割り当てられる。周期開始点CSは、図3bに示すように、収縮期波の始まり、又は周期の谷において設定することができる。代替的に、周期開始CSは、周期波形に沿った任意の場所で一貫して選択され得る。ベースラインは、呼吸と共に上昇及び下降するが、平坦なベースラインを提供するために補償又は正規化することができる。測定されたPW波形データには、対象の呼吸及び動きの効果を含む原因からの低周波の信号ノイズが含まれることが多い。このノイズは、除去しないと、歪ガウス基底関数(skew-Gaussian basis functions)だけでは可変であるベースラインをモデル化することができないため、後続のステップで効果的なモデル化の解が得られない可能性がある。したがって、このベースラインは、例えばMatlab(登録商標)のfunction interp1(「pchip」)によって提供される形状保存型の区分的三次補間を使用してモデル化することができる。PW周期の谷点は、補間への入力として使用される。ベースライン補間出力は、PW波形をより完全にモデル化するために、歪ガウス基底関数の合計に追加される。
1つ以上の波形を表す数式は、PW周期の形状を近似するために使用される。好ましくは、1つ以上の歪ガウス分布関数が使用されるが、他のタイプの式、例えばガウス分布関数と半正弦波分布関数単独、又は組み合わせで使用することができる。最小二乗解法は、大域的最少点又は最も望ましい解にかなり近い基底関数パラメータ値で初期化され、不要な極小の解を防ぐために適切な最小及び最大境界を設定する。CDQアセスメントモジュールの特徴検出アルゴリズムを使用して、パラメータの初期セット、最小セット、最大セットを推定し、これを使用して周期の開始、収縮期のピーク、拡張期の谷、周期の終了を位置特定する。これらの特徴点は、対象集団調査に基づく発見的問題解決と組み合わせて使用して、歪ガウスの初期パラメータ、最小パラメータ、最大パラメータを、テストと実験を通じて、安定した正確なパルスPWモデル化結果をもたらすことが判明した最適値に初期化することができる。基底関数の初期振幅、最小振幅、及び最大振幅は、PW周期の測定された振幅から直接計算される。歪ガウス波の基底関数の初期タイミング、最小タイミング、及び最大タイミングと幅(シグマ)は、各周期期間のリニアインタイムの細分化に基づいている。歪度は、好ましくはゼロに初期化される。
各周期について、測定周期の形状を数学的に近似された周期の形状と比較し、測定周期と近似された周期の形状がどれだけ異なるかを示す誤差値を計算する。誤差値が閾値より大きい周期は、データセットから排除される。例として、形状の差は、Levenberg-Marquardt(LM)減衰最小二乗法を使用する最小二乗法解析を使用して測定することができる。この方法には、初期パラメータ、最小パラメータ、最大パラメータ、及び誤差関数が提供されている。誤差関数は、パラメータのセットを受け入れ、歪ガウス基底関数と補間されたPPGベースラインの和を計算し、次いで、この波形を測定されたPPG波形から減算して、解析と解決の反復のためにLM解法に戻される誤差ベクトルを生じさせる。
図3bは、互いに重ね合わせた測定されたPW周期及び近似、又はモデル化周期MSの一例を示す。各周期の累積残存誤差REは、破線ベースラインに示されている。この例では、PW周期は各々、歪ガウス分布関数としてモデル化される。ベースラインに沿ったRE曲線は、顕著な誤差を含むと見ることができる。許容差について設定された閾値によっては、その値を超える誤差を有する周期は、CCAモジュールに転送される周期から排除され得る。単一の粗歪ガウス関数を使用して検出された形状の有意かつ微妙な差は、CDQアセスメントでは捕捉されなかったノイズ又はアーチファクトを含む周期を排除するための値を提供し得る。垂直の破線は、各周期の周期開始CSを示す。
図4aは、心周期解析(CCA)プロセスの一実施形態によって実行され得る方法ステップのフローチャートである。CCAアルゴリズムは、この例では、複数のパラメータ化された歪ガウス基底関数の和(重ね合わせ)に測定周期(PW周期)の指先PPG(フォトプレチスモグラフィー)のモデル化及び分解を提供する。これらの基底関数のうちの1つ以上は、各周期をモデル化するために使用される。歪ガウス基底関数は、振幅、平均、シグマ又は標準偏差の3つのパラメータで指定される既知のガウス分布関数に基づいて定義される。第4のパラメータである歪度は、ガウス分布関数が、測定可能で歪度の統計的測定と一致する非対称性を呈することを可能にするように組み込まれている。したがって、各歪ガウス基底関数は、振幅(PW振幅単位又は縦軸)、位置(時間単位又は横軸)、シグマ(時間単位又は幅)、及び歪度(無次元)の4つのパラメータによって一意に指定される。1つ以上の歪ガウス基底関数を使用して、単一の測定されたPPG(PW)周期をモデル化する。歪ガウス基底関数は、負の無限大から正の無限大まで定義されるが、効率のために、これらの関数の範囲は、各周期の開始の少し前、収縮期及び拡張期を通じて、かつ次の周期の開始を超えて時間的に制限される。
一般的に観察される重拍切痕形成を含む、反射波を呈するPPG周期は(DN、図4b、4d)は、2つ又は3つの歪ガウス基底関数を必要とし、1つの基底関数のみでは効果的にモデル化することができない。重拍切痕又は反射波を呈さないPPG周期は、2つの基底関数のみで正確にモデル化することができ、3つ以上の基底関数を必要とすることはほとんどない。一般に、第1の歪ガウス基底関数(WF1)は、周期の開始からBPピーク(収縮期)までのBP(収縮期)の上昇を十分にモデル化する。第1(WF1)及び第2(WF2)の歪ガウス基礎関数は、一般に、BPの拡張期の減少をモデル化する。第3(WF3、図4f、4h)及び第4(WF4、図4h)の歪ガウス基底関数は、いくつかの対象PPGデータに現れる第2及び第3の反射波をモデル化することができる。次に、図4dの波形WF1、WF2、及びWF3と、図4fの波形WF1、WF2、W3、及びWF4を組み合わせると、得られるモデル化周期MSは、図4c及び図4gの測定周期と視覚的に区別できず、残留誤差REはゼロに近い。
最大周期モデル化精度を促進するために、隣接する周期をモデル化する基底関数は、周期間での重複を可能にすることが好ましい。例えば、強く遅延した反射波は、次の周期の主波(又は収縮期)と重なることがある。これは、3つの周期のグループを同時に解き、中心周期を正確にモデル化し、中心周期をモデル化する基底関数が隣接する2つの周期にまで及ぶことを可能にすることを確実にする必要がある。これにより、必要な追加の処理時間が増える代わりに、より高い精度が提供される。
CCAアルゴリズムの効率的な運用、並びに効果的なテスト及び検証を促進するために、長さに制限のない単一の連続時系列データで運用するよりも、分割された時系列データで運用することが望ましい。PPG周期はセグメント境界に及ぶことが多いため、周期の欠落及びサンプルの欠落がないシームレスな解析を提供するために、周期エッジに及ぶPPG周期を完全な周期として処理することができるように、CCAアルゴリズムは現在の周期を先行周期及び後続周期と共に処理する。先行セグメントは、現在のセグメントが完全かつシームレスであり、先行セグメントデータを再利用され得ることを確実にするために、セグメントラグスキームを使用してアルゴリズムに再び提供される。
lsqnonlinなどの最適化関数を用いて、最小二乗法、例えばLevenberg-Marquardt(LM)減衰最小二乗法を実装し、測定周期とモデル化(近似化)された周期の各々の形状を比較するための誤差値を解くことができる。この方法には、初期パラメータ、最小パラメータ、最大パラメータ、及び誤差関数が提供されている。誤差関数は、パラメータのセットを受け入れ、歪ガウス基底関数と補間されたPPGベースラインの和を計算し、次いで、この波形を測定されたPPG波形から減算して、解析と解決の反復のためにLM解法に戻される誤差ベクトルを生じさせる。
次いで、最適化の完了後、各PPG周期の第1の歪ガウス基底関数を、他の基底関数(反射波)及び他のPPG周期とは無関係に計算することができる。これにより、純粋な歪ガウス関数が生じ、これを正規化して解析することにより、PPG周期が開始する最大振幅点の1%を正確に決定することができる。単一の歪ガウス関数の単純さとノイズのない性質により、この時点を高精度かつサブサンプル精度で決定することができる。各周期の周期開始の正確な決定は、HCSモデルによる心血管パラメータ値計算の精度にとって重要である。
図5は、心周期解析法が心周期解析システムにどのように組み込まれ得るかの一例を提供している。POなどのプレチスモグラフィーデバイスからのデータは、設定された基準を満たさない周期を除去するために処理され、残りの周期はHCSモデルの入力として使用される(実線矢印)。データは、プレチスモグラフィーデバイスによって測定されるデータポイントの形態の、測定された波形周期を表し得る。追加的又は代替的に、データは、モデル化周期とも呼ばれる、測定周期の波形をモデル化する数学関数を含み得る。これは、高周波ノイズが存在する場合に特に有用であり得る。追加のデータは、任意選択で、例えば、血圧モニタ又は心電図からHCSモデルで利用可能にすることができる。任意選択の追加データは、心血管パラメータの入力としてHCSモデルによって使用することができる。
患者の心血管パラメータを非侵襲的に測定するためのシステムは、パルスオキシメータ、データ収集、記憶、及び伝送デバイス、コンピュータ、並びに心血管パラメータの値をユーザに報告するための手段を備え得る。データ収集、記憶、及び伝送デバイスは、例えば、ラップトップコンピュータ又はタブレットであってもよい。パルスオキシメータは、データ収集、記憶、及び伝送デバイスと通信し、患者からプレチスモグラフィー波形データを収集し、データをデータ収集、記憶、及び伝送デバイスに伝送するように構成されている。データ収集及び伝送デバイスは、波形データを受信し、それをコンピュータに伝送する。コンピュータは、データ収集、記憶、及び伝送デバイスと同じデバイスであってもよいが、コンピュータは、より多くの計算能力を必要としてもよく、リモートクラウドコンピューティングデバイスであってもよい。コンピュータは、プログラムがコンピュータによって実行されるとき、結果として生じる出力データを心血管パラメータの値を計算するように構成された心血管系の計算モデルに提供する前に、コンピュータに上記のように波形データを処理させる命令プログラムを含む。システムは、データを心血管系の計算モデルへの入力として使用することができるように、データ収集、記憶、及び伝送デバイスに対象から血圧データを送信する血圧モニタを更に備える。データは、連続的に、若しくは1、2、又は5分などの間隔で収集及び伝送することができる。心電図データなどの入力データをHCSモデルに提供するために、他の非侵襲的モニタリングデバイスも含めることができる。
記載される方法及びシステムは、生理学的システムに限定されない。例えば、これらは、ヒト又はヒト以外の哺乳動物の心血管系のものに類似の脈動流及び管系パラメータを有する正の容積型ポンプを備える、他の非生理学的に適合した管系に適用され得る。本発明は、ある特定の好ましい実施形態を参照して本明細書に記載されてきたが、当業者は、他の用途が、本発明の趣旨及び範囲から逸脱することなく、本明細書に記載の用途の代わりにされ得ることを容易に理解するであろう。
Claims (14)
- パルスプレチスモグラフィーデータを処理するためにコンピュータで実行される方法であって、前記データが一連の測定周期を含み、前記方法が、
前記一連の測定周期の各測定周期のピーク、谷、及びピーク振幅を検出するために、スロープ閾値交差技法を使用することと、
選択された質基準を満たさない測定周期を識別するために、前記一連の測定周期に質測定法プロセスを適用することと、
切除によって選択された質基準を満たさない前記周期を除去することと、
一連の処理された測定周期を含む出力データを提供するために、除去されていない前記測定周期を共につなぎ合わせることと、を含む、コンピュータで実行される方法。 - 前記少なくとも1つの質測定法プロセスを適用することが、
各測定周期の期間及び振幅を、隣接する測定周期のピーク振幅及び期間と、又は複数の測定周期の平均ピーク振幅及び平均期間と比較することと、
前記隣接する測定周期の前記ピーク振幅及び期間、又は前記複数の測定周期の前記平均ピーク振幅及び平均期間に対して、不一致の公差範囲外の期間又は振幅を有する測定周期を除去することと、を含む、請求項1に記載の方法。 - 前記少なくとも1つの質測定法プロセスを適用することが、
各測定周期の形状を、隣接する測定周期の形状、又は隣接する測定周期の平均形状と比較することと、
前記隣接する測定周期、又は前記隣接する測定周期の平均との形状不一致の公差範囲外の形状を有する測定周期を除去することと、を含む、請求項1又は2に記載の方法。 - 前記少なくとも1つの質測定法プロセスを適用することが、
一連のモデル化周期を提供するために、各測定周期を1つ以上の数学関数としてモデル化することと、
各測定周期の形状を対応するモデル化周期の形状と比較して、前記対応するモデル化周期との形状不一致を決定することと、
前記対応するモデル化周期との前記形状不一致の公差範囲外の形状を有する測定周期を除去することと、を含む、請求項1~3のいずれか一項に記載の方法。 - 前記1つ以上の数学関数が、半正弦波関数、方形波関数、ガウス関数、歪ガウス関数、ベッセル関数、フーリエ級数、ハンケル関数、球面ベッセル関数、ストルーベ関数、及びウェバー関数のうちの1つ以上を含む、請求項4に記載の方法。
- 前記1つ以上の数学関数の各々が、最大10個のパラメータを含む、請求項4又は5に記載の方法。
- 前記1つ以上の数学関数が、少なくとも2つの歪ガウス関数を含む、請求項5に記載の方法。
- 心血管パラメータの値を計算することを更に含み、前記計算することが、
前記一連の処理された測定周期を含む前記出力データを、前記心血管パラメータについての前記値を計算するように構成された心血管系の計算モデルに提供することと、
前記計算モデルに、前記心血管パラメータについての前記値を報告する出力を計算させ、提供させることと、を更に含む、請求項1に記載の方法。 - 前記除去された測定周期に対応するモデル化周期を排除して、一連の処理されたモデル化周期を提供することと、
心血管パラメータの値を計算するように構成された心血管系の計算モデルに、前記一連の処理されたモデル化周期を提供することと、
前記計算モデルに、前記心血管パラメータについての前記値を報告する出力を計算させ、提供させることと、を更に含む、請求項4に記載の方法。 - 前記心血管パラメータが、一回拍出量、心拍出量、大動脈圧、イナータンス、コンプライアンス、抵抗、
動脈圧、及び静脈圧のうちの少なくとも1つである、請求項8又は9に記載の方法。 - 前記心血管系の前記計算モデルが、動的状態空間モデルに統合される、請求項8又は9に記載の方法。
- 患者の心血管パラメータを非侵襲的に測定するためのシステムであって、
パルスオキシメータと、データ収集、記憶、及び伝送デバイスと、コンピュータと、前記心血管パラメータの値をユーザに報告するための手段と、を備え、
前記パルスオキシメータが、前記データ収集、記憶、及び伝送デバイスと通信し、
前記パルスオキシメータが、前記患者のプレチスモグラフィー波形データを収集することであって、前記波形データが、一連の測定周期を含む、収集することと、前記プレチスモグラフィー波形データを前記データ収集、記憶、及び伝送デバイスに伝送することと、を行うように構成され、
前記データ収集及び伝送デバイスが、前記プレチスモグラフィー波形データを受信し、前記プレチスモグラフィー波形を前記コンピュータに伝送するように構成され、
前記コンピュータが、命令のプログラムを含み、前記プログラムが、コンピュータによって実行されると、前記コンピュータに、
前記一連の測定周期の各測定周期のピーク、谷、及びピーク振幅を検出するために、スロープ閾値交差技法を使用することと、
選択された質基準を満たさない測定周期を識別するために、前記一連の測定周期に質測定法プロセスを適用することと、
切除によって選択された質基準を満たさない前記周期を除去することと、
一連の処理された測定周期及び/又は前記一連の処理された測定周期に対応する一連の処理されたモデル化周期を含む出力データを提供するために、除去されていない前記測定周期を共につなぎ合わせることと、
前記出力データを、前記心血管パラメータについての前記値を計算するように構成された心血管系の計算モデルに提供することと、
前記計算モデルに、前記心血管パラメータについての前記値を報告する出力を計算させ、提供させることと、を行わせる、システム。 - 血圧モニタを更に備え、
前記血圧モニタが、前記データ収集、記憶、及び伝送デバイスと通信し、前記患者の血圧データを収集し、前記血圧データを前記データ収集、記憶、及び伝送デバイスに伝送するように構成され、
前記コンピュータが、前記血圧データ及び前記出力データから前記心血管パラメータについての測定値を計算し、前記心血管パラメータについての前記測定値を報告するソフトウェアを含む、請求項12に記載のシステム。 - 命令を含むコンピュータプログラム製品であって、プログラムがコンピュータによって実行されると、前記コンピュータに、
一連の測定周期を含むパルスプレチスモグラフィーデータを受信することと、
前記一連の測定周期の各測定周期のピーク、谷、及びピーク振幅を検出するために、スロープ閾値交差技法を使用することと、
選択された質基準を満たさない測定周期を識別するために、前記一連の測定周期に質測定法プロセスを適用することと、
切除によって選択された質基準を満たさない前記周期を除去することと、
一連の処理された測定周期及び/又は前記一連の処理された測定周期に対応する一連の処理されたモデル化周期を含む出力データを提供するために、除去されていない前記測定周期を共につなぎ合わせることと、
前記出力データを、心血管パラメータの値を計算するように構成された心血管系の計算モデルに提供することと、
前記心血管パラメータについての前記値を報告する出力を計算し、提供することと、を行わせる、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062986681P | 2020-03-07 | 2020-03-07 | |
US62/986,681 | 2020-03-07 | ||
PCT/US2021/021280 WO2021183406A1 (en) | 2020-03-07 | 2021-03-07 | Cardiac cycle analysis method and system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023516092A true JP2023516092A (ja) | 2023-04-17 |
Family
ID=75267639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022553096A Pending JP2023516092A (ja) | 2020-03-07 | 2021-03-07 | 心周期解析の方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230293035A1 (ja) |
EP (1) | EP4114249A1 (ja) |
JP (1) | JP2023516092A (ja) |
KR (1) | KR20230166864A (ja) |
WO (1) | WO2021183406A1 (ja) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7422562B2 (en) * | 2003-12-05 | 2008-09-09 | Edwards Lifesciences | Real-time measurement of ventricular stroke volume variations by continuous arterial pulse contour analysis |
US20090048527A1 (en) * | 2007-08-13 | 2009-02-19 | Edwards Lifesciences Corporation | Assessment of preload dependence and fluid responsiveness |
US8714113B2 (en) | 2008-09-04 | 2014-05-06 | Radio Systems Corporation | Bark deterrent apparatus with internal vibration sensor |
US9375171B2 (en) | 2009-04-22 | 2016-06-28 | Rodrigo E. Teixeira | Probabilistic biomedical parameter estimation apparatus and method of operation therefor |
US11363994B2 (en) * | 2009-04-22 | 2022-06-21 | Alton Reich | Cardiovascular state determination apparatus and method of use thereof |
US9060722B2 (en) * | 2009-04-22 | 2015-06-23 | Rodrigo E. Teixeira | Apparatus for processing physiological sensor data using a physiological model and method of operation therefor |
US20100274102A1 (en) | 2009-04-22 | 2010-10-28 | Streamline Automation, Llc | Processing Physiological Sensor Data Using a Physiological Model Combined with a Probabilistic Processor |
US9649036B2 (en) | 2009-04-22 | 2017-05-16 | Rodrigo Teixeira | Biomedical parameter probabilistic estimation method and apparatus |
WO2011094487A2 (en) * | 2010-01-29 | 2011-08-04 | Edwards Lifesciences Corporation | Elimination of the effects of irregular cardiac cycles in the determination of cardiovascular parameters |
JP2012132000A (ja) | 2010-12-02 | 2012-07-12 | Niigata Univ | 結晶性物質の製造方法 |
WO2015044010A1 (en) * | 2013-09-27 | 2015-04-02 | Koninklijke Philips N.V. | Processing apparatus, processing method and system for processing a physiological signal |
-
2021
- 2021-03-07 WO PCT/US2021/021280 patent/WO2021183406A1/en unknown
- 2021-03-07 US US17/909,523 patent/US20230293035A1/en active Pending
- 2021-03-07 KR KR1020227034493A patent/KR20230166864A/ko active Search and Examination
- 2021-03-07 EP EP21715069.7A patent/EP4114249A1/en active Pending
- 2021-03-07 JP JP2022553096A patent/JP2023516092A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021183406A1 (en) | 2021-09-16 |
EP4114249A1 (en) | 2023-01-11 |
US20230293035A1 (en) | 2023-09-21 |
KR20230166864A (ko) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Charlton et al. | Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review | |
El-Hajj et al. | A review of machine learning techniques in photoplethysmography for the non-invasive cuff-less measurement of blood pressure | |
US20210244302A1 (en) | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals | |
Mejia-Mejia et al. | Photoplethysmography signal processing and synthesis | |
Yoon et al. | Cuff-less blood pressure estimation using pulse waveform analysis and pulse arrival time | |
Ghosh et al. | Continuous blood pressure prediction from pulse transit time using ECG and PPG signals | |
JP6669409B2 (ja) | 血圧値を測定するための方法、機器及びコンピュータプログラム | |
US20210022624A1 (en) | Multifunctional measuring device capable of determining carotid blood pressure | |
US20080183232A1 (en) | Method and system for determining cardiac function | |
Liu et al. | PCA-based multi-wavelength photoplethysmography algorithm for cuffless blood pressure measurement on elderly subjects | |
JP2014000105A (ja) | 非侵襲的連続血圧モニタリング方法及び装置 | |
JP2011521702A (ja) | Co2評価のための方法および装置 | |
US10470717B2 (en) | Pulse validation | |
US20180085069A1 (en) | Method and Device for Processing Bio-Signals | |
Finnegan et al. | Features from the photoplethysmogram and the electrocardiogram for estimating changes in blood pressure | |
Al–Fahoum et al. | A multiple signal classification approach for photoplethysmography signals in healthy and athletic subjects | |
Bhat et al. | The biophysical parameter measurements from PPG signal | |
CN112218575A (zh) | 用于确定应激和/或疼痛水平的装置 | |
JP2023516092A (ja) | 心周期解析の方法及びシステム | |
Rashid et al. | Monitoring the Cardiovascular Parameters (HR, RR, PBP) Under Pressure Situation | |
Bose et al. | Improving the performance of continuous non-invasive estimation of blood pressure using ECG and PPG | |
Kaushik et al. | A comprehensive study on blood pressure measurement techniques | |
Bachler et al. | Increasing stability of real-time pulse wave velocity estimation by combining established and new approaches | |
Shi et al. | Development of a remote photoplethysmographic technique for human biometrics | |
Abolarin | Non-invasive Estimation of Blood Pressure using Harmonic Components of Oscillometric Pulses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240301 |