JP5688309B2 - 生体情報分析装置、生体情報分析方法及び生体情報分析プログラム - Google Patents

Description

本発明は、心電図や血圧、脈波等の生体情報の分析を行う生体情報分析装置、生体情報分析方法及び生体情報分析プログラムに関する。

従来、心電図波形や脈波波形の分析においては、周波数解析又はテンプレートマッチング等の手法が用いられている（例えば特許文献１、２参照）。

特開２００２−２２４０６９号公報 特開平７−１４８１２６号公報

心電図波形や脈波波形にはノイズ（アーチファクト）が混入し得るため、心電図波形や脈波波形の分析においては、分析対象の波形が、心電図や脈波の実態を正確に示す波形であるのか、あるいはノイズが混入した波形なのかを、精度良く識別する必要がある。

例えば、心電図測定中に被測定者が歯磨き・洗顔等、繰り返し動作を伴う挙動をとるとき、その繰り返し動作に起因する正弦波状の周期的ノイズが心電図波形に混入する場合がある。このようなノイズが混入した波形（アーチファクト波形）は、典型的には数ヘルツ程度の周波数を有しており、心室頻拍（ＶＴ）や心室細動（ＶＦ）が発生したときの心電図波形の形態に類似する。したがって、このアーチファクト波形は、ＶＴやＶＦと誤認識され得るため、高精度な識別が求められる。

しかしながら、ＶＴやＶＦといった重篤不整脈を示す波形と上記のようなアーチファクト波形とは、周波数分布が互いに類似することから、周波数解析では識別困難であった。また、多様なノイズの状態全てをパターン化することは困難であるため、テンプレートマッチングでのノイズ識別も困難であった。

本発明の目的は、生体情報の波形に混入したアーチファクトを精度良く検出することができる生体情報分析装置、生体情報分析方法及び生体情報分析プログラムを提供することである。

本発明に係る生体情報分析装置は、生体情報データを取得する取得部と、取得された生体情報データに基づく波形において基線を識別する識別部と、複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出部と、を有する。

本発明に係る生体情報分析方法は、生体情報分析装置により実行される生体情報分析方法であって、生体情報データを取得する取得ステップと、取得された生体情報データに基づく波形において基線の区間を識別する識別ステップと、複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出ステップと、を有する。

本発明に係る生体情報分析プログラムは、コンピュータに、生体情報データを取得する取得ステップと、取得された生体情報データに基づく波形において基線の区間を識別する識別ステップと、複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出ステップと、を実現させる。

本発明によれば、生体情報の波形に混入したアーチファクトを精度良く検出することができる。

本発明の一実施の形態に係る心電図波形分析システムの構成を示すブロック図 図１に示す心電図波形分析装置における心電図波形分析処理を説明するためのフロー図 （ａ）は正常波形の一例を示す図、（ｂ）はＶＦ波形の一例を示す図、（ｃ）はＶＴ波形の一例を示す図 アーチファクト波形の一例を示す図 図２に示すフィルタ処理の適用を説明するための図であり、（ａ）はフィルタ処理適用前の波形例を示す図、（ｂ）はフィルタ処理適用後の波形例を示す図 図２に示す波形の規格化を説明するための図であり、（ａ）は規格化前の波形例を示す図、（ｂ）は規格化後の波形例を示す図 図２に示す波形の区分化を説明するための図であり、（ａ）は区分化前の波形例を示す図、（ｂ）は区分化後の波形例を示す図 図２に示す波形の区分化による刺激期間・休止期間の識別を説明するための図 図２に示す波形の区分化による高振幅区間・低振幅区間の識別を説明するための図 図２に示す波形の区分化によるノイズピークの識別を説明するための図 図２に示すアーチファクトの判定を説明するための図

以下、本発明の実施の形態について、図面を用いて詳細に説明する。

図１は、本発明の一実施の形態に係る心電図波形分析装置を含む心電図波形分析システムの構成を示すブロック図である。

図１に示す心電図波形分析システムは、心電図取得部１０、心電図波形分析装置２０及び表示装置３０を有する。

心電図取得部１０は、心電図電極（図示せず）を用いて被測定者から心電図の測定を行う。本実施の形態では、心電図の取得は従来周知の構成を採るため、ここでは心電図取得部１０の構成についての詳細な説明を省略する。

心電図波形分析装置２０は、演算処理装置２１（例えばＣＰＵ）及び記憶装置２２（例えばハードディスク）を有し、記憶装置２２に予め格納されている心電図波形分析プログラムをＣＰＵ２１で実行することにより、後述する心電図波形分析処理を行う。心電図波形分析装置２０は、心電図取得部１０及び表示装置３０とそれぞれ接続可能なコネクタ（図示せず）を有しており、分析対象の心電図波形を生成するための心電図データを心電図取得部１０から受信可能である。また、心電図波形分析装置２０は、心電図データに基づく心電図波形及びその波形の分析結果を表示装置３０（例えば液晶ディスプレイ）に出力させる。

なお、心電図波形分析装置２０は、ベッドサイドモニタ等の生体情報モニタ装置に適用して実施しても良いし、ホルター心電図記録装置等の心電計に適用して実施しても良い。また、心電図波形分析装置２０及び表示装置３０は、心電図取得部１０に一体化されていても良い。また、心電図波形及びその分析結果の出力装置として、表示装置３０に代わって印刷装置を用いても良いし、これらを併用しても良い。

図２は、心電図波形分析装置２０により実行される心電図波形分析処理を説明するためのフロー図である。

まず、ステップＳ１１では、心電図波形分析装置２０は、心電図取得部１０から取得した心電図データを演算処理装置２１に入力する。すなわち、演算処理装置２１は、心電図データを取得する取得部を構成する。

ここで、入力された心電図データに基づく心電図波形について説明する。図３及び図４は、心電図波形の例を示す。図３（ａ）に示す波形は、正常な心電図波形（正常波形）の例であり、図３（ｂ）に示す波形は、ＶＦが発生している心電図波形（ＶＦ波形）の例であり、図３（ｃ）に示す波形は、ＶＴが発生している心電図波形（ＶＴ波形）の例であり、これらはいずれも、アーチファクト混入のない波形である。一方、図４に示す波形は、アーチファクトが混入している波形の例である。図４に示す波形は、心電図測定中に被測定者が歯磨き・洗顔等、繰り返し動作を伴う挙動をとるときに発生し得る波形であり、その繰り返し動作に起因する正弦波状の周期的ノイズが混入した形態となっている。

本実施の形態の心電図波形分析処理での主たる検出対象は、心電図測定中の被測定者の繰り返し動作に起因する正弦波状の周期的ノイズである。以下、説明の便宜上、この周期的ノイズを「アーチファクト」という。

各波形を識別するうえで比較考量すべき特徴をまとめると、下記のとおりである。
（特徴１）正常波形は、基線が存在する区間（基線の区間）の時間長が長い。言い換えると、ＱＲＳ波等の波が存在する区間（波の区間）に対して基線の区間の時間長の割合が高い。また、その時間長又は割合の変動も小さい。
（特徴２）ＶＦ波形は、波の区間が連続且つ頻繁に出現しており、連続する波の間には基線が存在しない。
（特徴３）ＶＴ波形は、波の区間が連続且つ頻繁に出現しており、連続する波の間には基線が僅かに存在している。
（特徴４）アーチファクト波形は、波の区間が連続且つ頻繁に出現しており、連続する波の間には基線が不規則に存在する。その基線の区間の時間長又はその割合も均一でなく、不規則に変化する。振幅にも不規則な変化が見られる。

なお、ＶＦやＶＴといった重篤な不整脈をより確実に検出するためには、本実施の形態の心電図波形分析処理に併せて、周波数解析・テンプレートマッチング等による心電図波形分析処理を行うことが好ましい。ただし、周波数解析・テンプレートマッチング等による心電図波形分析処理としては従来周知のものを利用可能であるため、ここではその詳細な説明を省略する。

ステップＳ１２では、演算処理装置２１は、フィルタ処理部として、心電図取得部１０からの心電図データに基づく心電図波形にフィルタ処理を適用する。このフィルタ処理は、図５に概略的に示すように、心電図波形の所定周波数成分を強調させるために適用される。強調する周波数成分は、波形内のどの区間を強調すべきかに応じて適宜選択可能である。したがって、波形内の任意の区間を強調させることができる。

ステップＳ１３では、演算処理装置２１は、規格化部として、フィルタ処理適用後の心電図波形を規格化する。この波形規格化は、図６に概略的に示すように、心電図波形を構成する各波の振幅・幅の情報を損なうことなく心電図波形の形態を単純化するために適用される。したがって、後述する波形区分化において波形内の各区間の明確な識別が可能となる。

ステップＳ１４では、演算処理装置２１は、規格化後の心電図波形を区分化する。この波形区分化は、図７に概略的に示すように、特定の区間を識別するために適用される。すなわち、演算処理装置２１は、心電図波形において基線の区間等、各区間を識別する識別部を構成する。

ここで、波形内の特定の区間の識別について幾つかの例を挙げて説明する。

図８に示す例では、規格化後の心電図波形において閾値Ａ１［μＶ］以上の振幅を有する波を抽出することによって、刺激期間を識別することができる。心電図波形の振幅は、刺激の伝播に起因する心筋の電気的興奮状態の度合いを表すものであるから、刺激期間は、刺激の伝播に起因する心筋の電気的興奮状態が顕著に発生していると考えられる区間である。また、刺激期間以外の期間を、休止期間として識別することも可能である。本実施の形態では、刺激期間を、有意な波が存在する波の区間として、また、休止期間を、有意な波が存在しない基線の区間として、それぞれ検出することができる。刺激期間・休止期間の幅（時間長）等の情報は、後述するパラメータ値の計算に利用することができる。

図９に示す例では、規格化後の心電図波形において、所定の閾値Ａ２［μＶ］を基準として高振幅区間・低振幅区間の分類を行うことができる。高振幅区間・低振幅区間の幅（時間長）等の情報は、後述するパラメータ値の計算に利用することができる。なお、高振幅区間を波の区間として、また、低振幅区間を基線の区間として、それぞれの幅（時間長）等の情報をパラメータ値の計算に利用しても良い。

図１０に示す例では、規格化後の心電図波形において閾値Ａ３［μＶ］以上の振幅且つ閾値Ｔ［ｍｓ］以下の幅（時間長）を有する波を抽出することによって、心電図波形内のノイズピークを検出することができる。ノイズピークの幅（時間長）・数等の情報は、パラメータ値の計算に利用することができる。

ステップＳ１５では、演算処理装置２１は、心電図波形の形態的特徴を定量化するためのパラメータ値を、波形区分化の結果として得られた各情報を用いて計算する。前述の（特徴１）〜（特徴４）等を比較考慮すれば、基線の区間の不規則性を特定することがアーチファクトを判定するうえで重要であることから、基線の区間の不規則性を指標化したパラメータ値を少なくとも求めることが好ましい。このパラメータ値は例えば、基線の区間の時間長又はその割合の、所定時間（数秒〜十数秒程度）毎の変動度合い（以下「基線のばらつき」という）を算出することによって得られる。所定時間毎の基線の区間の時間長又は割合（以下「基線量」という）も、別のパラメータ値として利用可能である。さらに他のパラメータ値として、前述のノイズピークについての、所定時間毎の幅（時間長）の合計値（以下「ノイズ量」という）・所定時間毎の出現頻度（以下「ノイズ数」という）を算出しても良い。さらに、所定時間毎のＲＲ間隔等をパラメータ値として算出しても良い。このように、アーチファクト判定精度向上のために様々なパラメータ値を適宜計算して良い。なお、算出するパラメータ値は、実測値でも良いし、実測値から導き出される推定値でも良いし、それらの統計値でも良い。

ステップＳ１６では、演算処理装置２１は、計算されたパラメータ値に基づいて、心電図波形内のアーチファクトを判定する。すなわち、演算処理装置２１は、心電図波形内のアーチファクトを検出する検出部を構成する。

前述のとおり、アーチファクト判定において最も重要な判定基準は、基線の区間の不規則性と考えられることから、演算処理装置２１は、パラメータ値として算出された基線のばらつきの大小判断を少なくとも行う。具体的には、判定対象の心電図波形において、基線のばらつきが所定レベル以上と判断される場合には、アーチファクト混入の可能性があると判定され、基線のばらつきが所定レベル未満と判断される場合には、アーチファクト混入の可能性が非常に低いと判定される。これにより、アーチファクト波形とアーチファクト混入のない波形（正常波形・不整脈波形）とを精度良く識別することができる。そして、誤った不整脈判定の認識を抑制することができる。

また、算出された基線量の大小判断をさらに行うと、波形の識別精度を向上させることができる。具体的には、アーチファクト混入の可能性があると判定された心電図波形において、基線量が所定レベル以上と判断される場合には、アーチファクト混入の可能性が非常に高いと判定される。

また、基線のばらつきが所定レベル未満と判断された場合であっても、算出されたノイズ量が所定レベル以上と判断される場合には、アーチファクト混入の可能性があると判定しても良い。これにより、波形の識別精度を一層向上させることができる。

また、それぞれ算出されたノイズ数の実測値と推定値との差分の大小判断をさらに行っても良い。図１１は、その大小判断に基づく波形識別結果を示す図である。図１１において、横軸は、所定時間の区間（データ区間）毎の、ノイズ数の推定値からノイズ数の実測値を差し引いた値であり、縦軸はその値の発生頻度である。アーチファクト波形では、推定値が実測値を大幅に上回る現象が高頻度で発生しているのに対し、正常波形及びＶＴ波形では、そのような現象の頻度は低い。したがって、大小判断の閾値を適切に設定することにより、波形識別精度のさらなる向上を期待することができる。

以上説明した心電図波形分析処理を心電図波形に適用することにより、アーチファクト、つまり、心電図測定中の被測定者の繰り返し動作に起因する正弦波状の周期的ノイズを、ＶＦやＶＴといった重篤な不整脈と高精度で区別して検出することができる。

心電計は一般に、心電図取得部の測定チャンネル数が少ないほど、情報量が少なくなるため、ノイズ識別が容易でなくなる。よって、アーチファクトを高精度で検出可能な本実施の形態の心電図波形分析装置を、１チャンネル・２チャンネル等、測定チャンネル数の少ない心電計に適用すると、特に有利である。

なお、上記心電図波形分析処理における波形分析結果は、表示装置３０において分析対象波形と共に表示されることが好ましい。例えば、分析対象波形においてＶＦやＶＴといった不整脈波形が検出された場合には、その不整脈判定を示す符号を分析対象波形の検出箇所に表示すると良い。そして、分析対象波形においてアーチファクトが検出された場合には、不整脈判定の場合と明確に区別するために、アーチファクト混入が疑われることを示す別の符号を分析対象波形の検出箇所に表示すると良い。このように、アーチファクトの判定結果を分析対象波形と共に出力することにより、アーチファクトの混入の有無及びその混入個所を一目瞭然とすることができる。

以上、本発明の実施の形態について説明したが、以上の説明は本発明の好適な実施の形態の例証であり、本発明の範囲はこれに限定されるものではない。よって、上記実施の形態は、種々変更して実施可能である。例えば、上記実施の形態では、心電図データに基づく心電図波形を分析する心電図波形分析装置を例にとって説明したが、本発明の生体情報分析装置は、血圧や脈波等の別の生体情報データに基づく波形を分析するものであっても良い。

１０ 心電図取得部
２０ 心電図波形分析装置
２１ 演算処理装置
２２ 記憶装置
３０ 表示装置

Claims (6)

1. 生体情報データを取得する取得部と、
   取得された生体情報データに基づく波形において基線を識別する識別部と、
   複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出部と、
   を有する生体情報分析装置。
2. 前記識別部は、前記波形においてノイズピークの区間を識別し、
   前記検出部は、前記波形のうちノイズピークの区間の時間長に基づいて、前記波形内のアーチファクトを検出する、
   請求項１記載の生体情報分析装置。
3. 前記識別部は、前記波形においてノイズピークの区間を識別し、
   前記検出部は、前記波形内のノイズピークの区間の数に基づいて、前記波形内のアーチファクトを検出する、
   請求項１又は請求項２記載の生体情報分析装置。
4. 前記波形を規格化する規格化部をさらに有し、
   前記識別部は、規格化後の前記波形において基線の区間を識別する、
   請求項１から請求項３のいずれかに記載の生体情報分析装置。
5. 生体情報分析装置により実行される生体情報分析方法であって、
   生体情報データを取得する取得ステップと、
   取得された生体情報データに基づく波形において基線の区間を識別する識別ステップと、
   複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出ステップと、
   を有する生体情報分析方法。
6. コンピュータに、
   生体情報データを取得する取得ステップと、
   取得された生体情報データに基づく波形において基線の区間を識別する識別ステップと、
   複数の基線が不規則に現れた場合に、アーチファクトが混入しているアーチファクト波形であると判定する検出ステップと、
   を実現させるための生体情報分析プログラム。

Images