JP2023516092A - 心周期解析の方法及びシステム - Google Patents

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。

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。

本発明による、波形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フローチャートである。 周期データ質アセスメントプロセスで実行され得るステップのフローチャートである。 主要な周期特徴の識別によるＰＷデータ周期データ質アセスメントの例である。 粗ふるいプロセスで実行され得るステップのフローチャートである。 粗ふるい中に判定されたＰＷデータ、近似波形及び残差の例である。 心周期解析プロセスにおいて実行され得るステップのフローチャートである。 ＰＷ周期データの近似に使用される２つの歪ガウス関数の例である。 ２つの歪ガウス関数を使用する近似周期と比較したＰＷ周期の例である。 ＰＷ周期データの近似に使用される３つの歪ガウス関数の例である。 ３つの歪ガウス関数を使用する近似周期と比較したＰＷ周期の例である。 ＰＷ周期データの近似に使用される４つの歪ガウス関数の例である。 ４つの歪ガウス関数を使用する近似周期と比較したＰＷ周期の例である。 心周期を解析してＣＯ、ＳＶ、又は他の心血管パラメータを測定するための装置又はシステムの構成要素間のデータの流れを示すフローチャートである。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。

Images