JP4276107B2

JP4276107B2 - 心臓磁気計測装置

Info

Publication number: JP4276107B2
Application number: JP2004053973A
Authority: JP
Inventors: 敦士石山; 弓絵小野; 正浩村上
Original assignee: Hitachi High Technologies Corp; Waseda University
Current assignee: Waseda University; Hitachi High Tech Corp
Priority date: 2004-02-27
Filing date: 2004-02-27
Publication date: 2009-06-10
Anticipated expiration: 2024-02-27
Also published as: US20050192502A1; US7395107B2; JP2005237781A

Description

本発明は、人などの心臓から発生する微弱な磁気信号を計測する心臓磁気計測装置に関するものであり、特に医師が心臓疾患を診断するための診断支援機能に関する。

成人、小児、胎児などの心臓から発生する心臓磁気信号の検出はＳＱＵＩＤ（Superconducting Quantum Interference Device：超伝導量子干渉素子）磁束計を用いて検出されている。このＳＱＵＩＤを用いた従来の生体磁場観測装置として特許文献１、２，３等がある。ここには、心臓から発生する心臓磁気信号を含む、生体から発する生体磁気信号を検出する複数の磁束計と、信号の演算処理を行う演算処理手段と、演算結果を表示する手段とを有し、磁気シールドルーム内で生体磁気分布を計測する装置について記載されている。

特開平１０−５１７９８号公報

特開平１１−１０４０９８号公報特開平１１−１０４１００号公報

上記従来技術は、心臓磁気を含む生体磁気の計測装置によって計測された計測データを、分かりやすく、かつ効率的に表示するための表示方法に関するものであり、磁場−時間波形表示、等磁場線図表示、磁場―時間積分図表示などの心磁図について記載されている。しかし、医師がこれらの心磁図表示を見て、心疾患を診断するには、心臓磁気計測装置の動作原理や、心疾患に関する高度な知識が必要である。さらに、得られた心磁図データと過去に診断された心磁図の膨大な心疾患データと見比べて、そのパターンが似ているか似ていないか、似ていればどの程度似ているかなど、主観的な医師の経験や目利きに頼らなくてはならない部分があった。また、診る疾患によっては、様々な解析方法があり、その一つ一つを解析して診断していたのでは、長時間を要するなどの問題があった。

本発明の目的は、上記従来技術の問題点に鑑み、医師の主観的な経験や目利きに頼ることなく医師の診断をサポートすることができる心疾患診断支援機能を備えた心臓磁気計測装置を提供することにある。また、解析操作が簡便で医師の診断時間の短縮につながり、また、疾患の見落とし防止にもつながる心臓磁気計測装置を提供することにある。

上述の課題を解決するための本発明は、心臓磁気計測装置において、得られた心磁図データから定量的に特徴を抽出し、過去に診断されたデータのパターンとの比較を自動的に行い、心疾患であるか否かの推定、および心疾患の候補を推定するものである。

すなわち、被験者の心臓から発生する磁気を、少なくとも１つ以上の磁気センサによって計測する心臓磁気計測装置において、計測した心臓磁気信号を記憶する記憶手段と、該記憶手段に記憶された心臓磁気信号の情報から、心筋興奮伝播過程における興奮波面の重心位置および推移ベクトル（以下、波面ベクトルと呼ぶ）を算出する計算手段と、解析結果を表示する表示手段を有していることを特徴とする。

前記計算手段は、前記心臓磁気信号から心臓磁場の等磁場線図を作成し、ウェーブレット近似によるスペクトル解析した等磁場線図上で前記波面ベクトルを算出し、算出した波面ベクトルをウェーブレット近似前の等磁場線図上に投影することを特徴とする。

また、前記波面ベクトルを特徴パラメータとし、予め複数の既被験者より計測した特徴パラメータのクラスター分類データベースに基づいて、前記被験者のクラスターパターンを分類することを特徴とする。

また、前記クラスター分類データベースの各クラスターパターンの重心と前記被験者の特徴パラメータとのマハラノビス距離を計算し、求められたマハラノビス距離の情報をもとに、前記被験者の特徴パラメータが、どのクラスターパターンに属するかを判定することを特徴とする。

また、前記クラスターパターンによる判定結果から、ベイズの定理に基づき、健常者である確率および心疾患患者である確率を計算することを特徴とする。

また、前記健常者である確率および心疾患患者である確率から、健常者であるか心疾患患者であるかの判定を行うことを特徴とする。

さらに、以下の表示処理を行う。前記健常者である確率および心疾患患者である確率から、健常者であるか心疾患患者であるかの判定を行い、表示する。

ベイズ定理に基づき、被験者が各種心疾患について、どのくらいの確率で当てはまるかを表示する。

予め用意された擬似的な心臓絵あるいはＸ線ＣＴ画像、あるいはＭＲＩ画像などの心臓画像上に前記波面ベクトルを重ね合わせて表示する。

被験者の任意の計測時刻における波面ベクトルを複数選択し、１の画像上に複数の波面ベクトルを重ね合わせて表示する。

マハラノビス距離の最も近い（類似している）他の被験者のデータを呼び出し、表示する。ここでいう他の被験者のデータとは、波面ベクトルのデータだけでなく、磁場−時間波形、ＭＣＧマップ（等磁場線図）などの心磁図データやＸ線画像やＭＲＩ画像の画像データ、被験者の氏名、生年月日、性別などの属性情報等、被験者に関するデータも含まれる。

さらに、前記心臓磁気計測装置に適用され、コンピュータ処理可能なソフトウェアであって、計測した心臓磁気信号を記憶するステップと、該記憶された心臓磁気信号の情報から、心筋興奮伝播過程における興奮波面の重心位置および推移ベクトル（以下、波面ベクトルと呼ぶ）を算出するステップと、解析結果を表示するステップと、を有していることを特徴とする。

また、コンピュータを動作させて読み出し処理するために、前記ソフトウェアを格納したコンピュータ読み取り可能な記憶媒体である。

本発明によれば、計測データから被験者が心疾患であるか否か、および心疾患要因の候補を定量的に推定することができるため、医師の診断をサポートすることができる効果がある。また、解析操作が簡便であることから、データ解析時間を含む診断時間の短縮につながり、かつ、膨大なデータから推測する手法に比べて、疾患の見落とし防止にもつながるので、集団検診などに効果的である。

本発明の実施の形態について図面を用いて説明する。図１は、本発明の心臓磁気計測装置の一適用例を示す概略構成図である。磁気シールドルーム１１内には、被験者１８が横になるベッド１４と複数個（複数チャンネル）のSQUID磁気センサおよびSQUID磁気センサを超伝導状態に保持するための冷媒（液体ヘリウムまたは液体窒素）が貯蔵されたクライオスタット１２を配置している。クライオスタット１２はガントリー１３によって機械的に保持されている。ベッド１４は、上昇下降、前後左右に移動可能である。磁気シールドルーム１１の外部にはSQUID磁束計動作回路１５と、アンプ回路およびフィルタ回路ユニット１６と、データ取り込んで解析を行う解析用コンピュータ１７と、が配置されている。

SQUID磁気センサによって検出された生体磁気信号は、アンプ回路およびフィルタ回路ユニット１６により増幅される。かつ設定周波数より低い周波数信号を通過させるローパスフィルタや設定周波数より高い周波数信号を通過させるハイパスフィルタ、商用電源周波数だけをカットするノッチフィルタなどの信号処理を経た後、解析用コンピュータ（パソコン）１７に生データとして取り込まれる。解析用コンピュータ１７は、取り込んだ生データを生データファイルに格納し、波形を画面表示したり、また波形の解析処理などを行い、結果を表示することもできる。解析用コンピュータ１７は本発明の計算手段、記憶手段及び表示手段に相当し、以下に述べる各機能をソフトウェアによって実現する。なお、本発明はコンピュータ処理可能なソフトウェア及び該ソフトウェアを記憶する記憶媒体でもある。

図２は、SQUID磁気センサの概略外観構造と配置を示す図である。図１のクライオスタット１２の中に保冷されているSQUID磁気センサは、複数本のSQUID磁気センサ２１が空間的に配置される。図２の実施例では８×８の合計６４本を配置しているが、磁気センサの数は、任意であってもよい。このように空間的に複数本のSQUID磁気センサを配置することで、検出した心臓磁気信号出力から、図３に示すようなＭＣＧマップ３１を作成することができる。ＭＣＧマップとは心臓磁場の等磁場線図である。

心臓磁気計測は、心臓の刺激伝導神経細胞や、心筋細胞などが興奮して電流が流れることにより発生した外部磁場を測定するものである。心筋細胞中を伝播する活動電流は、細胞内イオン電流と考えることができる。心筋細胞の興奮は興奮波として伝わり、電気的には、電流ダイポールが興奮伝播波面（興奮伝播の先端）に集まった電気二重層として考えることができる。したがって、心臓磁気計測が捉える磁場発生源（電流源）は、心筋細胞が興奮伝播していく先端部分（興奮波面）である電気二重層の境界部分のみであると考えられる。つまり、心筋興奮伝播過程における興奮波面がつくる磁場分布がＭＣＧマップであるとみなせる。

本発明においては、上述の興奮波面を解析する上で、特徴抽出化したパラメータとするために波面ベクトルという概念を考案した。波面ベクトルは、興奮波面の重心位置（ＭＣＧマップ上のＸ、Ｙ座標）と伝播の推移ベクトル（角度θ[rad]）で表される。

図４は、本発明の解析である波面ベクトルと、従来の解析であるベクトルアローマップについて説明した図である。ベクトルアローマップについては、「生体磁気計測」（小谷、内川ら著、１９９５年；コロナ社発行）等に詳細に説明されている。ここでは簡単に説明すると、ベクトルアローマップ４１は、ＭＣＧマップから分布電位を近似的に求め、その方向と大きさを矢印（アロー）の方向、大きさとして表示したものである。従来は、このベクトルアローマップのパターンの違いを見て心疾患の判断をしていた。

本発明による波面ベクトル４２では、ＭＣＧマップから波面ベクトル（Ｘ,Ｙ,θ）を求め、この波面ベクトルを特徴パラメータとして解析する。

図５は、ＭＣＧマップから波面ベクトルを求める計算過程を説明した図である。ＭＣＧマップ３１から波面ベクトル、つまり心筋興奮伝播過程における興奮波面の重心位置および推移ベクトルを計算する。興奮波面の重心位置は、ＭＣＧマップにおける湧き出しと吸い込みの磁場ピークの２点を結ぶ中点に位置し、興奮波面の進行方向（推移ベクトル）は波面にあるイオン電流の向きに等しい。つまり、進行方向は湧き出しの磁場ピークから吸い込みの磁場ピークへと右ネジを回す向きで、かつ磁場ピークを結ぶ線に対して直角である。ここでは興奮波面の検出精度を上げるために、一般的な空間周波数解析の周知の手法であるウェーブレット近似の手法を用いて、スペクトル解析したマップ５１上での湧き出し・吸い込みの磁場ピーク（ウェーブレット係数の最大値と最小値）を結ぶ中点を重心としている。

ウェーブレット近似によるマップ５１で求めた波面ベクトルをＭＣＧマップに投影し、波面ベクトルをＸ、Ｙ座標と角度θで表した図が、波面ベクトルを投影したマップ４２である。

なお、計測したＭＣＧマップの範囲から湧き出し又は吸い込みの磁場ピークが含まれていない場合は、補外を行うとよい。

図６は、波面ベクトルを特徴パラメータとして、被験者の疾患の可能性（確率）を計算処理する過程を説明した図である。予め複数の被験者から計測した特徴パラメータ（波面ベクトル）を、ガウス分布の集合として、いくつかのクラスターに分類しておき、データベース化６２しておく。次に、被験者の波面ベクトル６１が、データベース６２における、どのクラスターパターンに分類されるかを計算する（６３）。

どのクラスターパターンに属するのかを計算する手段として、各クラスターパターンの重心と分類したい被験者の波面ベクトルとのマハラノビス距離を計算し、最も短い距離であったクラスターパターンをその被験者のクラスターパターンとする。マハラノビス距離については、日本規格協会：「技術開発のための品質工学」等の文献に詳細に述べられている。

クラスターＣ_tの重心位置ｍ_tと被験者の波面ベクトルｘとのマハラノビス距離ｄ_tは、数１で表される。

図６においては、時刻Ｔ１における波面ベクトル１個について解析している。しかし、１つのＭＣＧマップ中に波面ベクトルが複数個ある場合や、時系列として複数枚のＭＣＧマップの波面ベクトルを解析した場合など、複数個のクラスターパターンに分類される場合がある。この場合、最も多くの波面ベクトルが属したクラスターパターンを、その被験者のクラスターパターンとしてもよいし、あるいは１番目と２番目に多く属した２つのクラスターパターンをもって、その被験者のクラスターパターンとしてもよい。心疾患によっては、複数個の波面ベクトルのクラスターパターンをもつことが特徴となる場合もあるので、何番目までのクラスターパターンを用いるかは、本発明において限定するものではない。

次に、上述のように判定された被験者のクラスターパターンが、どのような心疾患にどの程度あてはまるかの可能性（確率）を計算する。すなわち、予め複数の既被験者から計測した各々の特徴パラメータ（波面ベクトル）のクラスター分類と既に診断された疾患名あるいは健常をまとめたデータベース６４を用いて、どのような心疾患にどの程度あてはまるかの可能性（確率）を計算する。

以下に、この計算に用いるベイズの定理を説明する。ベイズの定理は「Bayes T，“An essay towards solving a problem in the doctrine of chances.”Philosophical toransactions (1763)」や「統計入門；仲村著、東京大学出版(1990)」等の文献で詳細に説明されている。

数２に示すベイズの定理は、あるデータのパラメータがC_ｋ（ここでは、ｋ＝１，２，３、…、ｍ）あると分ったときに、そのデータがグループＳ_ｉ（ここでは、ｉ＝１，２，３、…、ｎ_）に含まれる条件確率Ｐ｛Ｓ_ｉ｜C_ｋ｝を表したものである。

本発明の場合、Ｓ_ｉは分類すべき心疾患のグループ、C_ｋはＭＣＧマップから得られるクラスターパターンを示している。右辺の条件付確率Ｐ｛C_ｋ｜Ｓ_ｉ｝は、ある被験者が疾患Ｓ_ｉのグループに属すると分っている場合に、そのクラスターパターンがC_ｋである確率を示している。これらの事前確率Ｐ｛Ｓ_ｉ｝とＰ｛C_ｋ｜Ｓ_ｉ｝をもとに、事後確率Ｐ｛Ｓ_ｉ｜C_ｋ｝を求めることができる。つまり、予備的な健常者と心疾患患者のＭＣＧデータのクラスターパターンと診断結果から、各クラスターパターンC_ｋに対応する各疾患の可能性（確率）を算出することができる。

具体的な数値を用いて説明する。健常グループS_１の割合が全体の５０％、疾患グループS_２が２０％、疾患グループS_３が３０％であり、且つ健常グループS_１の内でクラスターパターンC_１の割合が８０％、疾患グループS_２の内でクラスターパターンC_１の割合が２０％、疾患グループS_３の内でクラスターパターンC_１の割合が１０％とする。今ある被験者のクラスターパターンがC_１であった場合、健常S_１および疾患S_２、疾患S_３であるそれぞれの可能性（確率）は次のように計算される。

健常S_１である可能性：
Ｐ｛Ｓ_１｜C_１｝＝0.5×0.8／(0.5×0.8＋0.2×0.2＋0.3×0.1)＝0.851（＝85.1％）
疾患S_２である可能性：
Ｐ｛Ｓ_２｜C_２｝＝0.2×0.2／(0.5×0.8＋0.2×0.2＋0.3×0.1)＝0.085（＝8.5％）
疾患S_３である可能性：
Ｐ｛Ｓ_３｜C_３｝＝0.3×0.1／(0.5×0.8＋0.2×0.2＋0.3×0.1)＝0.064（＝6.4％）
各疾患の可能性（確率）の表示手段としては、単なる数値的なパーセント表示であってもよいが、視覚的なグラフ表示でもよい。どの程度健常者であるのかという確率と、どのような心疾患にどの程度当てはまるかという確率の表示により、医師が心疾患診断をする際の支援となるが、最終的には医師は他の検査も含めて総合的に診断することになる。

図７は、本実施例の解析用コンピュータによる処理フロー図である。データ解析用コンピュータ１７は、まず磁気センサより受け取った心臓磁気計測データ７１からＭＣＧマップを作成する（７２）。次にＭＣＧマップから波面ベクトルの計算を行う（７３）。波面ベクトルの計算についての詳細は、図５において説明したとおりである。

次に、計算した被験者の波面ベクトルと、波面ベクトルのクラスター分類データベース７４から、マハラノビス距離を計算して被験者のクラスターパターンを分類する（７５）。次に、クラスターパターンと各疾患・健常群のデータベース７６から、ベイズ定理により被験者の疾患の可能性（確率）を計算し（７７）、画面表示する（７８）。波面ベクトルのクラスター分類データベース７４からベイズ定理により被験者の疾患の可能性（確率）計算７８までについての詳細は、図６において説明したとおりである。以上の処理フローによる被験者の疾患の可能性（確率）の計算結果を医師が見て、最終的には医師が総合的に判断し、心疾患診断を行う（７９）。

図８に、本実施例における画面表示例を示す。解析画面ウィンドウの入力ボックス８１に、解析したい被験者のＩＤとデータＩＤを入力する。被験者ＩＤを入力すると氏名が表示される。更に、属性詳細表示ボタン８２をクリックすると、図９の被験者属性詳細表示ウィンドウ９５が表示され、被験者の生年月日や身長、体重などの詳細な属性情報を確認することができる。

図８のウィンドウ８３は、被験者の疾患の可能性（確率）の計算結果表示エリア（グラフ表示）である。ウィンドウ８４は、計測された心臓磁気信号の波形表示エリアである。ここでは、各センサチャンネルの配置に合わせて、マトリックス上に各センサチャンネルが計測した磁場−時間波形を表示している。

ウィンドウ８４のマトリックス上で、センサチャンネルを指定すると、そのチャンネルの磁場−時間波形がウィンドウ８５に表示される。たとえば、この図では４行６列目（４−６）のセンサチャンネルが表示されている。ウィンドウ８５の磁場−時間波形において、解析したい時間区間８６を設定する。時間区間８６において、何ｍｓごとのＭＣＧマップを解析するかを解析間隔８７に入力する。たとえば、時間区間８６を５８０ｍｓから６７０ｍｓと設定し、間隔８７を３０ｍｓと設定すると、５８０ｍｓ、６１０ｍｓ、６４０ｍｓ、６７０ｍｓにおけるＭＣＧマップを解析することになる。

解析された波面ベクトルの位置はウィンドウ８８に表示される。ウィンドウ８８は、波面ベクトルの位置をわかりやすくするために、あらかじめ用意された心臓絵の上に重ねて表示する。また、あらかじめ用意された被験者のＸ線ＣＴ画像、あるいはＭＲＩ画像上などでもよい。

ウィンドウ８９は、被験者の波面ベクトルのクラスター分類位置を３次元に表示したものである。これにより、視覚的に被験者のクラスターパターンを確認することができる。

ＭＣＧマップ表示ボタン９０をクリックすると、図１０のＭＣＧマップ表示ウィンドウ１０１が表示される。これにより、被験者のＭＣＧマップを確認することができる。

類似検索ボタン９１をクリックすると、被験者の特徴パラメータ（波面ベクトル）とマハラノビス距離の最も近い、つまり最も類似している他の被験者の特徴パラメータをデータベースから検索し、その被験者のデータを呼び出すことができる。

図１１は類似検索結果の画面表示例である。この画面には被験者日立太郎８１に対し、最も類似している他の被験者早稲田大１１１の検索結果が表示される。

本実施例によれば、被験者が心疾患であるか否か、および心疾患要因の候補を定量的に推定することができるため、医師の主観的な経験や目利きに頼ることなく、医師の診断をサポートすることができる。かつ解析操作が簡便であることから、データ解析時間を含む診断時間の短縮につながる。また、膨大なデータから推測する手法に比べて、疾患の見落とし防止にもつながる。

本発明の一実施例である心臓磁気計測装置の構成図。心臓磁気計測装置におけるＳＱＵＩＤ磁気センサの概略の外観構造図。ＳＱＵＩＤ磁気センサで検出した心臓磁場の等磁場線図（ＭＣＧマップ）。本発明の解析である波面ベクトルと、従来の解析であるベクトルアローマップを示した説明図。ＭＣＧマップから波面ベクトルを求める計算過程を示した説明図。波面ベクトルを特徴パラメータとして、被験者の疾患の可能性（確率）を計算する過程を示した説明図。本発明の一実施例である解析用コンピュータが、波面ベクトルを求め、疾患の可能性（確率）を計算する手順を示す処理フロー図。本発明の一実施例である心磁気計測の画面表示を示した説明図。被験者の属性詳細表示ウィンドウを示した説明図。被験者のＭＣＧマップ表示ウィンドウを示した説明図。類似検索により表示される類似検索結果表示ウィンドウを示した説明図。

符号の説明

１１…磁気シールドルーム、１２…クライオスタット、１３…ガントリー、１４…ベッド、１５…ＳＱＵＩＤ磁束計動作回路、１６…アンプ回路およびフィルタ回路ユニット、１７…解析用コンピュータ、１８…被験者、２１…ＳＱＵＩＤ磁気センサ、３１…ＭＣＧマップ（心臓磁場の等磁場線図）、４１…ベクトルアローマップ、４２…波面ベクトルを投影したＭＣＧマップ、５１…ウェーブレット近似による磁場波形のスペクトル解析したマップ上での波面ベクトル図、６１…被験者の波面ベクトル図、６２…波面ベクトルのクラスター分類のデータベース、６３…被験者の波面ベクトルのクラスター分類位置、６４…クラスターパターンと各疾患・健常群のデータベース、７４…波面ベクトルのクラスター分類のデータベース、７６…クラスターパターンと各疾患・健常群のデータベース、８１…解析画面における被験者ＩＤとデータＩＤ入力ボックス、８２…属性詳細表示ボタン、８３…被験者の疾患の可能性（確率）の計算結果のグラフ表示、８４…計測された心臓磁気信号の波形表示エリア（センサ配置にあわせたマトリックス状）、８５…指定したセンサチャンネルの磁場−時間波形表示、８６…解析時間設定入力カーソル、８７…解析時間間隔設定入力ボックス、８８…心臓絵上に重ねた波面ベクトル位置表示、８９…波面ベクトルのクラスター分類位置表示、９０…ＭＣＧマップ表示ボタン、９１…類似検索ボタン、９５…被験者属性詳細表示ウィンドウ、１０１…ＭＣＧマップ表示ウィンドウ、１１１…類似検索結果表示ウィンドウ。

Claims

被験者の心臓から発生する磁気を、少なくとも１つ以上の磁気センサによって計測する心臓磁気計測装置において、
計測した心臓磁気信号を記憶する記憶手段と、該記憶手段に記憶された心臓磁気信号の情報から、心筋興奮伝播過程における興奮波面の重心位置および推移ベクトル（以下、波面ベクトルと呼ぶ）を算出する計算手段と、解析結果を表示する表示手段を有し、
前記計算手段は前記心臓磁場信号から心臓磁場の等磁場線図を作成し、ウェーブレット近似によるスペクトル解析した等磁場線図上で前記波面ベクトルを算出することを特徴とする心臓磁気計測装置。
請求項１において、
前記計算手段は、前記算出した波面ベクトルをウェーブレット近似前の等磁場線図上に投影することを特徴とする心臓磁気計測装置。
請求項１において、
前記計算手段は、前記波面ベクトルを特徴パラメータとし、予め複数の既被験者より計測した特徴パラメータのクラスター分類データベースに基づいて、前記被験者のクラスターパターンを分類することを特徴とする心臓磁気計測装置。
請求項３において、
前記クラスターパターン上に分類された前記被験者の特徴パラメータを表示することを特徴とする心臓磁気計測装置。
請求項３において、
前記計算手段は、前記クラスター分類データベースの各クラスターパターンの重心と前記被験者の特徴パラメータとのマハラノビス距離を計算し、求められたマハラノビス距離の情報をもとに、前記被験者の特徴パラメータが、どのクラスターパターンに属するかを判定することを特徴とする心臓磁気計測装置。
請求項５において、
前記計算手段は、前記クラスターパターンによる判定結果から、健常者である確率および心疾患患者である確率を計算することを特徴とする心臓磁気計測装置。
請求項６において、
前記計算手段は、前記確率をベイズ定理に基づいて求めることを特徴とする心臓磁気計測装置。
請求項６において、
前記計算手段は、前記健常者である確率および心疾患患者である確率から、健常者であるか心疾患患者であるかの判定を行うことを特徴とする心臓磁気計測装置。
請求項６において、
前記被験者が各種心疾患について、どのくらいの確率で当てはまるかを計算し、表示することを特徴とする心臓磁気計測装置。
請求項１において、
あらかじめ用意された擬似的な心臓絵あるいはＸ線ＣＴ画像、あるいはＭＲＩ画像などの心臓図上に、前記波面ベクトルを重ね合わせて表示することを特徴とする心臓磁気計測装置。
請求項１において、
前記被験者の任意の計測時刻における波面ベクトルを複数選択し、１の画像上に複数の波面ベクトルを重ね合わせて表示することを特徴とする心臓磁気計測装置。
請求項５において、
前記計算手段は、前記被験者について求めたマハラノビス距離に最も類似している他の被験者のデータを、前記クラスター分類データベースから検索することを特徴とする心臓磁気計測装置。
被験者の心臓から発生する磁気を磁気センサによって計測する心臓磁気計測装置に適用され、コンピュータ処理可能なソフトウェアであって、
計測した心臓磁気信号を記憶するステップと、該記憶された心臓磁気信号の情報から、心筋興奮伝播過程における興奮波面の重心位置および推移ベクトル（以下、波面ベクトルと呼ぶ）をウェーブレット近似によって算出するステップと、を有していることを特徴とするコンピュータ処理可能なソフトウェア。
被験者の心臓から発生する磁気を磁気センサによって計測する心臓磁気計測装置に適用されるソフトウェアを格納し、コンピュータ読み取り可能な記憶媒体でであって、
コンピュータを動作させて、計測した心臓磁気信号を記憶するステップと、該記憶された心臓磁気信号の情報から、心筋興奮伝播過程における興奮波面の重心位置および推移ベクトル（以下、波面ベクトルと呼ぶ）をウェーブレット近似によって算出するステップと、を処理するためのソフトウェアを格納したコンピュータ読み取り可能な記憶媒体。