JP6072005B2 - 信号の加算平均 - Google Patents

Description

本出願は、発明の名称「ＳＩＧＮＡＬ ＡＶＥＲＡＧＩＮＧ（信号の加算平均）」で２０１１年５月４日にファイルされた米国仮特許出願第６１／４８２，３４５号の優先権の利益を主張するものであり、その内容全体を本明細書に援用する。

本開示は、複数の信号を加算平均するためのシステムおよび方法に関する。これらの信号は、たとえば、生体の状態を評価するのに利用できる。

電気生理学的信号が検知されると、この検知信号には、さまざまな起源の干渉ノイズが混入していることがある。心電図（ＥＣＧ）信号の例の場合、ノイズ源は、無線伝送、電線、蛍光灯を含む電磁放射（たとえば、国と高調波次第で約５０Ｈｚまたは６０Ｈｚ）；モーションアーチファクトおよびベースラインドリフト（たとえば、約０Ｈｚから約２０Ｈｚの範囲）；筋電図ノイズ（たとえば、約２０Ｈｚから約２００Ｈｚの範囲）；他の電気生理学的機器（たとえば、一般に約０Ｈｚから約２０００Ｈｚの範囲）のうちの１つまたは２つ以上の組み合わせである。ＥＣＧの診断周波数スペクトルが約０．５Ｈｚから約１００Ｈｚの範囲を取り得ることを考えると、ノイズの存在は、特に、検知信号が低電圧信号（たとえば、約５０μＶ未満など）の場合に、医師によるデータの解析と診断的な解釈を困難にする可能性がある。

混入ノイズを除去するための一般的かつ単純な事後解析法は、デジタルフィルターを使用するものである。たとえば、帯域通過デジタルフィルターは、高周波ノイズと低周波ノイズの両方を排除して、所望の周波数だけを通過させることができる。しかしながら、狭周波数帯域フィルターの周波数応答では、ＥＣＧ信号の生理学的に関連した周波数まで除去してしまうことがある。もうひとつの手法に、信号加算平均心電図検査で一般に用いられている信号の加算平均技術を用いることがある。この方法は、少量の干渉ノイズを低減することもあるが、ＥＣＧ信号内の大量のノイズまたはばらつきは処理できない。

ひとつの例は、複数の信号のサブセットに対応するデータおよび選択されたテンプレートに対して主成分分析（ＰＣＡ）を実施して、仮想リードおよび最適化されたテンプレートを作成することを含む方法に関する。複数の信号は各々、センサーによって検出される電気生体信号に対応してもよい。また、この方法は、仮想リードおよび最適化されたテンプレートに対する相互相関を計算して、仮想リードと最適化されたテンプレートとの間の一次従属性の強さを求め、仮想リードの着目領域（ＲＯＩ）を決定することを含んでもよい。この方法は、仮想リードにおけるピーク相関係数を検出することをさらに含んでもよい。この方法は、仮想リードのＲＯＩ各々の振幅と選択されたテンプレートとを比較して、テンプレートと仮想リードの各ＲＯＩとの誤差を求めることをさらに含んでもよい。この方法は、ＲＯＩを加算平均して加算平均化データを作成することをさらに含んでもよい。

もうひとつの例は、機械読み取り可能な指示を格納するための非一過性の機械読み取り可能な媒体に関する。この機械読み取り可能な指示は、複数の検出された生体信号をキャラクタライズする測定データを受信するよう構成された信号加算平均部を含んでもよい。信号加算平均部は、検出された生体信号のサブセットに対する測定データおよび選択されたテンプレートに対してＰＣＡを実施して、仮想リードおよび最適化されたテンプレートを作成するよう構成されたＰＣＡ機能を含んでもよい。また、信号加算平均部は、仮想リードと最適化されたテンプレートとの間の一次従属性の強さを求めて、仮想リードのＲＯＩを決定するよう構成された相互相関（ＣＣ）計算部を含んでもよい。信号加算平均部は、仮想リードのＲＯＩ各々の振幅を選択されたテンプレートと比較して、テンプレートと仮想リードの各ＲＯＩとの誤差を求めるよう構成された振幅比較部をさらに含んでもよい。信号加算平均部は、ＲＯＩ各々を加算平均して、（たとえば、生体信号各々に対する）加算平均化データを計算するよう構成されたセグメント加算平均機能をさらに含んでもよい。

さらにもうひとつの例は、機械読み取り可能な指示を格納するためのメモリーと、このメモリーにアクセスし、機械読み取り可能な指示を実行するための処理装置と、を含むシステムに関するものであってもよい。機械読み取り可能な指示は、各々が生体信号に対応する複数の信号の各々について、信号品質の低い領域を検出するよう構成された信号加算平均部を含んでもよい。また、信号加算平均部は、信号品質の低い被検出領域に基づいて、複数の信号のうちのどれが粗悪チャネルと関連しているかを判断するよう構成されていてもよい。信号加算平均部は、さらに、仮想リードと最適化されたテンプレートとの間の一次従属性の強さに基づいて求められるＲＯＩの加算平均に対応する加算平均化データを供給するよう構成されていてもよく、仮想リードおよび最適化されたテンプレートは、粗悪チャネルに関連せずに選択されたテンプレートに基づく複数の信号に基づくものである。

信号を加算平均するためのシステムの例を示す。 信号の加算平均を実現するための例示的なユーザーワークフローのフローチャートを示す。 テンプレート選択画面の例を示す。 信号加算平均プロセスを適用する機能のあるマッププレビュー画面の例を示す。 事前信号加算平均画面の例を示す。 信号加算平均プロセスが実行されている例を示す。 最大数のセグメントの加算平均に達して、完了した信号加算平均結果の例を示す。 信号加算平均化データから作成される電位マップおよび等時線マップの例を示す。 信号を加算平均するための例示的な方法のフローチャートを示す。 固有値および固有ベクトルの例を示す。 Ｐ波精度試験結果の例を示す。 Ｐ波精度試験結果のもうひとつの例を示す。 テンプレート対加算平均信号の比較例を示す。 加算平均対象として検出されるすべての着目領域の合成プロットの例を示す。 テンプレートおよび加算平均信号の比較例を示す。 テンプレート対加算平均信号の比較例を示す。 加算平均対象として検出されるすべての着目領域の合成プロットの例を示す。 テンプレートおよび加算平均信号の比較例を示す。 テンプレート対加算平均信号の比較例を示す。 加算平均対象として検出されるすべての着目領域の合成プロットの例を示す。 テンプレートおよび加算平均信号の比較例を示す。 チャネル１の試験事例での信号加算平均結果の例を示す。 信号を加算平均するための方法のもうひとつの例示的なフローチャートを示す。 信号を加算平均するためのシステムのもうひとつの例を示す。

本開示は、検出された生体電気信号に対する信号の加算平均に関する。この信号加算平均システムおよび方法は、ノイズを低減するための効率的な手法を提供し、信号の完全性を保つ。

たとえば、ＥＣＧ信号には、他の実験機器（コンピューター）であるか患者（筋電ノイズ）であるかを問わず、干渉ノイズが混入する場合がある。特に信号の電圧が低い場合に、ノイズが存在すると、データの解析と診断的な解釈が困難になる可能性がある。これは、ノイズによって信号が目立たなくなり、検出が妨げられる場合があるからである。本明細書に開示のシステムおよび方法は、干渉ノイズの量を減らすとともに、診断上は重要であり得る、小さいが極めて鍵になる信号を強めて引き出す一助となり得る。

本開示は、ノイズを低減し、体表面電気活動などの低振幅信号の検出を可能にする信号加算平均を提供する。一例として、本明細書に開示の信号加算平均は、局所的および広範囲にわたる信号品質の検出、主成分分析によるデータ最適化、相互相関によるテンプレートマッチング、ピーク相関検出および振幅比較による正確なマッチング、信号品質判定法を用いるなどの全入力チャネルのアンサンブル平均を包含し得る。また、本明細書に開示の手法は、高精度のテンプレート検出で誤検出数を減らすこともでき、これが信号品質をさらに高めることにつながり得る。もうひとつの例として、本明細書に開示する信号加算平均法を利用することで、さまざまなノイズレベルに応じて約３μＶ以下と小さな信号を検出できる。この信号加算平均法を利用して、ノイズ低減の手順を保ちつつ検出方法のパフォーマンスと精度を改善し、高められることは、自明であろう。

説明を簡単にするために、信号加算平均システムおよび方法の例を、本明細書では心電図（ＥＣＧ）信号の文脈で開示する。これらのシステムおよび方法は、他のタイプの電気生理学的信号（たとえば、筋電図記録、脳波記録、眼電図記録、聴覚学など）のみならず、非生理学的電気信号をはじめとして、他のタイプの検知電気信号にも等しく適用可能であることは、理解し、認識できよう。

図１は、ＥＣＧ信号、ＥＥＧ信号、ＥＭＧ信号、ＥＯＧ信号などの検出された生体信号を処理するのに利用できるシステム２の一例を示す。システム２は、センサーアレイ６が実装された基板４を含んでもよい。基板４は、たとえば、患者の胴衣、患者のヘルメットなどとして実現できよう。基板４は、患者の身体８と物理的に接触していてもよい。あるいは、センサー６は、基板を使用せずに患者の身体８と接続されていてもよい。

センサーアレイ６のセンサー同士の間隔をあけて配置し、患者の身体８の異なる位置で生体信号を検出するようにしてもよい。これらのセンサーは各々、たとえば、患者の着目領域（ＲＯＩ）１０の電気的活動を記録するのに利用できる電極として実現できよう。この着目領域は、たとえば患者の心臓または脳などである。いくつかの例では、センサーアレイ６は、胴または頭部などの患者の身体８の外面に取り付けられる非侵襲的センサーを含み得る。あるいはまたはそれに加えて、センサーアレイ６は、患者の身体８内の着目領域に配置される侵襲的センサーを含み得る。いくつかの例では、センサーアレイ６に約２００個以上のセンサー（たとえば、約２５２個のセンサーなど）があってもよい。センサーの数は、応用する際の条件に応じて変わり得る。

センサーアレイ６によって検出される信号は、被検出信号とも呼ぶことができる。被検出信号は、測定システム１２に供給されてもよい。測定システム１２は、センサーアレイ６のセンサー各々によって検出される電気信号をキャラクタライズする、対応の測定データ１６を提供するためのハードウェアおよび／またはソフトウェアとして実現可能な制御部１４を含んでもよい。測定データ１６は、アナログ情報またはデジタル情報としてメモリーに格納可能である。それぞれの測定データ１６間の一時的な関係をインデックス化するのに適切なタイムスタンプを利用して、その評価と解析を容易にしてもよい。測定データ１６は、信号解析システム１８に供給されてもよい。

図１の例では、信号解析システム１８は、ラップトップコンピューター、デスクトップコンピューター、サーバー、タブレットコンピューター、ワークステーションなどのコンピューターとして実現可能である。信号解析システム１８は、データおよび機械読み取り可能な指示を格納するためのメモリー２０を含んでもよい。測定データ１６は解析システム１８の外にあるものとして示されているが、このようなデータを解析システムのメモリー２０に格納することもできよう。メモリー２０は、たとえば、揮発性メモリー（たとえば、ランダムアクセスメモリーなど）、不揮発性メモリー（たとえば、ハードディスクドライブ、ソリッドステートドライブ、フラッシュメモリーなど）あるいはこれらの組み合わせなどの非一過性のコンピューター記憶媒体として実現できよう。

また、信号解析システム１８は、メモリー２０にアクセスし、メモリーに格納された機械読み取り可能な指示を実行するための処理装置２２を含んでもよい。処理装置２２は、たとえば、１つまたは２つ以上のプロセッサーコアとして実現できよう。本例では、信号解析システム１８の構成要素を同一のシステム上で実現するものとして示してあるが、他の例では、異なる構成要素を異なるシステムに分散させて、たとえばネットワーク経由で通信することもできよう。

たとえば、測定データ１６は、メモリー２０に格納されたチャネル選択部２４に供給されてもよい。チャネル選択部２４は、たとえば、測定データ１６の特徴である被検出信号のテンプレート領域（たとえば、Ｐ波または識別可能な部分に対応するなど）を選択するのに利用できる。いくつかの例では、チャネル選択部２４は、ユーザー入力２８に応答してテンプレート領域を選択できるように、メモリー２０に格納されたグラフィカルユーザーインターフェース（ＧＵＩ）２６との間をインターフェースできる。また、ＧＵＩ２６は、たとえばテンプレート領域の選択を容易にするためのグラフィック表示（たとえば、チャートなど）を表示できるだけのディスプレイ２７に、データを供給してもよい。このグラフィック表示は、測定データ１６に含まれる被検出信号の各々（または選択されたサブセット）に対応する。

選択されたテンプレート領域は、メモリー２０に格納された信号加算平均部３０に供給されてもよい。信号加算平均部３０は、本明細書に開示されているものなどの処理方法を利用して、テンプレート領域の被検出信号をもとに、検出された入力信号の各々に対する加算平均化データ３２を提供するようプログラム可能である。入力信号（入力チャネルに対応）の個数は、センサーアレイ６の構成に左右される場合があり、加算平均は、たとえばこのような各入力チャネル（粗悪チャネルを除外）に関連して実施される。信号加算平均部３０は、データの前処理を実施して、チャネルごとの局所的な信号品質を求めるのみならず、グローバルな信号品質も実現できるようプログラム可能である。

一例では、ＧＵＩ２６は、ユーザー入力２８に応答して、特定の研究に対する研究データ３４を選択できる。この研究データは、患者で実施される特定タイプの生物学的研究をキャラクタライズできる。たとえば、いくつかの例では、特定の研究は、心房の研究、心室の研究などであってもよかろう。他の例では、研究データは、１つまたは２つ以上の異なる解剖学的着目領域を識別できる。これは、ユーザー入力に応答して、あるいは、他のあらかじめ定められた解析基準に従って解剖学的に選択可能である。いずれの場合も、研究データは、選択された研究に対するセンサーアレイ６のセンサー（またはノード）のサブセットを識別する情報を含み得る。このサブセットを、集合的に検知ゾーンチャネル３６とも呼ぶことができる。いくつかの例では、センサーのサブセットは、センサーアレイ６におけるセンサーの適切なサブセットであってもよく、他の例では、このサブセットは、センサーアレイ６のすべてのセンサーを含んでもよい。検知ゾーンチャネル３６は、研究データ３４によって表されるような特定タイプの研究に対してあらかじめ規定されていてもよかろう。あるいはまたはそれに加えて、検知ゾーンチャネル３６は、ユーザー入力に応答して、患者および／またはセンサーアレイ６の解析をもとに決定されてもよかろう。また、研究データ３４は、信号加算平均部３０に供給されてもよい。

信号加算平均部３０は、相互に関連のあるノイズ（たとえば、電源からの周囲ノイズなど）を検出し、除外できるノイズ検出器３７を含んでもよい。ノイズ検出器３７は、別の例としての測定システムで実現できる。いくつかの例では、ノイズ検出器３７は、ローパスフィルターとして実現できる。ノイズ検出器３７の出力は、粗悪チャネル検出部３８に供給されてもよい。

粗悪チャネル検出部３８は、粗悪チャネルを検出するよう実現できる。粗悪チャネル検出部３８は、たとえば、チャネルのデータ点がすべてゼロであるか否か、あるいは、そのようなチャネルに対する信号の約７５％以上の信号品質が低いとみなせるか否かを判断する際に、チャネルを「粗悪チャネル」として識別できる。粗悪チャネル検出部３８によって識別された粗悪チャネルは、信号加算平均部３０のゾーン選択部４０に供給できる。ゾーン選択部４０は、研究データ３４に含まれる検知ゾーンチャネル３６のサブセットに対応するゾーンを選択し、粗悪チャネルを除外できる。選択されたゾーンおよび識別された粗悪チャネルは、信号加算平均部３０の主成分分析（ＰＣＡ）機能４２に供給できる。上述したように、選択されたゾーンは、入力チャネルの適切なサブセットを含んでもよいし、最大ですべての入力チャネルを含み得る。いくつかの例では、粗悪チャネルは、選択されたゾーン内にあってもよいし、選択されたゾーンの外側にあってもよい。この後者の場合、ＰＣＡに影響することなく、粗悪チャネルをＰＣＡ機能４２で使用対象から除外してもよい。１つまたは２つ以上の粗悪チャネルが選択されたゾーン内にある場合、これらの粗悪チャネルを解析から外してもよいし、隣接する一組のチャネルからの信号の内挿を代わりのチャネルとして利用してもよい。

ＰＣＡ機能４２は、粗悪チャネルとして識別されている選択されたゾーン中のチャネルを除外して、選択されたゾーンに含まれるチャネルに対応する測定データ１６のＰＣＡを実施できる。ＰＣＡ機能４２は、選択されたゾーンで識別される被検出信号のサブセットをキャラクタライズする測定データ１６を分析し、高次のデータのパターンを識別かつ、たとえば本明細書に記載されたような方法で、データの類似性および差異を強調する方法でデータを表現するための機構を提供できる。ＰＣＡ機能４２は、選択されたゾーンで識別される被検出信号のサブセットをキャラクタライズする測定データ１６に対する共分散行列を計算できる。また、ＰＣＡ機能４２は、本明細書に開示されているような単一変数分解を利用することで、共分散行列の固有ベクトルおよび固有値をコンピューター計算することもできる。ＰＣＡ機能４２は、選択されたゾーンで識別される被検出信号のサブセットをキャラクタライズする測定データ１６の直交表現を提供できる。ここでは、分解の第１の成分が本明細書で説明するような大半の情報を持つ次元であり得るように、直交次元を関連性の降順に並べ替えることができる。

このような技術を採用することで、ＰＣＡ機能４２は、チャネルのサブセットから仮想リードを計算できる。仮想リードは、入力チャネルのサブセットから導き出される単一チャネルに対応し、信号加算平均部３０によるさらなる処理に利用できる。仮想リードを作ると、コンピューター的に集約的な複数のプロシージャーの問題が解決され、さらなる処理のために評価基準として使用できる効率的なフォーマットが作られる。また、ＰＣＡ機能４２は、選択された（たとえば、自動または手動で選択された）テンプレートから、最適化されたテンプレートを導き出すのにも利用できる。ＰＣＡ最適化テンプレートは、たとえば、信号加算平均部３０によって使用されるＰ波検出機能と対応してもよい。このように、ＰＣＡ機能４２は、テンプレートが入力信号とマッチするタイムロケーションを検出するのに利用される。本明細書で開示するように、（セグメント加算平均機能５０による）実際の加算平均は、入力データの重要な情報の損失を抑えるために、（たとえば、粗悪チャネルを除外して）もとの入力測定データ１６に対して実施される。

別の例として、最適化されたテンプレートおよび仮想リードを、相互相関（ＣＣ）計算部４４に供給してもよい。ＣＣ計算部４４は、最適化されたテンプレートと仮想リードとの間の一次従属性の強さを求めるのに用いることができ、この強さは、ＣＣ信号でキャラクタライズ可能である。ＣＣ計算部４４は、ＣＣ信号の最大と、ある長さの最適化されたテンプレートに設定された着目領域（ＲＯＩ）を決定し、各入力チャネルのピーク相関係数検出部４６にＲＯＩを提供できる。

信号加算平均部３０のピーク相関係数検出部４６は、本明細書に記載されているような方法で、相関係数データからの滑らかな導関数を採用することによって、仮想リードで最大相関係数を突き止めることができる。ピーク相関係数検出部４６およびＲＯＩの出力は、振幅比較部４８に供給可能である。また、振幅比較部４８は、たとえば本明細書に開示したような方法で、各ＲＯＩの振幅を最適化されたテンプレートと比較し、最適化されたテンプレートと仮想リードＲＯＩとの間の誤差を計算して各抽出点を求めることができる。このため、各抽出点は、最適化されたテンプレートおよび仮想リードから導き出される時間基準のロケーションに対応できる。

また、信号加算平均部３０は、チャネルごとに振幅比較部４８から提供されるＲＯＩの各々でのチャネルごとの平均を計算できるセグメント加算平均機能５０を含んでもよい。加算平均機能は、抽出点（たとえば、タイムロケーションに対応）を利用して、それぞれのチャネルでの対応するセグメントに対する加算平均を実施できる。また、セグメント加算平均機能５０は、粗悪チャネル検出部３８によって検出される数の粗悪チャネルを、加算平均過程からそのような粗悪チャネルを除外することなどによって、非動作状態にすることができる。この方法全体で、検出された領域を加算平均し、事前に計算された信号品質情報を使用して、解釈できない領域や信号品質の劣る領域が加算平均に含まれてしまうのを防ぐ。セグメント加算平均機能５０の出力は、ＲＯＩの各々についての加算平均信号をキャラクタライズする加算平均化データ３２として提供されてもよく、これは、いくつかの例では、約２５６の加算平均化信号（たとえば、仮想リード）に対応してもよい。このように、当該加算平均機能は、全体としての傾向または小さなセグメント判断に基づいて、チャネル全体を計算から除外するのではなく、チャネル信号内にあるさらに小さな領域を信号品質の面で評価する。許容可能な領域を加算平均した後、このデータを以後の分析と処理に利用できる（たとえば、マップ作成または他の出力の生成用など）。測定データ１６に対応した入力チャネル各々についての加算平均信号の波形を表すために、加算平均化データ３２は、メモリー２０に格納可能である。

加算平均化データ３２は、メモリー２０に格納されたマッピングシステム５４に供給されてもよい。マッピングシステム５４は、再構成コンポーネント５６を用いて、加算平均データを、研究対象臓器（たとえば、患者の心臓）の対応の再構成された電気活動に変換することができる。いくつかの例では、再構成コンポーネント５６は、加算平均化データ３２と、研究対象臓器１０の幾何学形状をキャラクタライズする幾何学形状データ５８とを組み合わせ、心外膜、心内膜または他の膜などの膜での研究対象臓器１０の電気活動を再構成するための逆アルゴリズムを実行することができる。この膜は、臓器などの解剖学的表面に対応してもよい。

また、マッピングシステム５４は、再構成コンポーネント５６によってコンピューター計算された研究対象臓器１０の再構成された電気活動に基づいて、対応するマップデータを作るよう構成されたマップ作成部６０を含んでもよい。マップデータは、ＧＵＩ２６がディスプレイ２７に研究対象臓器１０のマップ（電位マップおよび／または等時線マップなど）を出力させるのに十分なデータを提供できるような方法で、ＧＵＩ２６に供給されてもよい。

上述した先の構造的特徴および機能的特徴に鑑みて、図２、図９、図２５を参照すると、例示的な方法を、より一層理解できよう。説明を簡単にするために、図２、図９、図２５の例示的な方法はシリアルに実行されるものとして図示し、説明するが、他の例のいくつかの行為は、本明細書にて図示し、説明するものとは別の順序でおよび／または同時に起こり得るため、本例は図示の順序に限定されるものではない。また、説明する行為がすべてある方法を実現するのに実施される必要もない。図２、図９、図２５の例示的な方法は、コンピュータープログラム製品など、非一過性のコンピューター読み取り可能な媒体に格納可能なコンピューター読み取り可能な指示として実現できる。また、図２、図９、図２５の方法に対応するコンピューター読み取り可能な指示は、プロセッサー（たとえば、図２の処理装置２２）によって実行可能である。

図２は、信号加算平均法を利用するためのユーザーワークフローの例示的な方法１００を示す。１１０では、図１に示す信号解析システム１８などの信号解析システムにおいてデータ（たとえば、測定データなど）を取得できる。このデータは、たとえば複数のセンサー（たとえば、図１に示す複数のセンサー６など）から、リアルタイムで取得してもよいし、ほぼリアルタイムで取得してもよい。あるいはまたはそれに加えて、データを先に取得して、（たとえば、メモリーに格納された）別のファイルからロードしてもよい。

１２０では、ユーザーは、ユーザーインターフェース（たとえば、図１に示すＧＵＩ２６など）を用いて、利用可能な選択キャリパーでテンプレート領域を選択できる。図３は、テンプレート選択画面２００の例を示す。ここでは、センサーアレイ２０６から供給されるＥＣＧ信号２０４から、キャリパー２０２が選択される。その後、ユーザーは（ＧＵＩ経由で）選択し、テンプレート領域をマッピングする。ここで図２に戻ると、１３０において、信号加算平均の対象となるデータのプレビューと、信号加算平均プロセスを開始する機能とを、ユーザーに提示できる。図４は、信号加算平均プロセスを適用し、取得されたデータに適用可能な補正フィルターを選択する機能を有する、マッププレビュー画面２５０の一例を示す。図５は、事前信号加算平均画面３００の一例を示す。図２に戻ると、テンプレートが一致する前に、１４０において、ユーザー入力（たとえば、図５のＣＯＮＴＩＮＵＥ ＧＵＩエレメント）に応答するなどして、信号加算平均プロセスを開始する。

１４０で信号の加算平均が開始されたのに応答して、現在の信号加算平均結果のみならず、加算平均されたセグメントの平均数と反復数をディスプレイに表示できる。図６は、起動している信号加算平均プロセス画面３５０の一例を示す。信号加算平均プロセスは、ユーザーが定義した数のセグメントの加算平均に達したとき、あるいは、プロセスがデータセットの先頭に達したら、自動的に終端（たとえば終了など）できる。また、ユーザーは、プロセスを手動で（たとえば、図１に示すＧＵＩ２６などのＧＵＩを介した入力の供給に応答して）停止できる。

図７は、あらかじめ規定された最大数のセグメントの加算平均に達した状態での、コンピューター計算された信号の加算平均結果画面４００の一例を示す。図２に戻ると、信号の加算平均の終了時、１５０において、ユーザーは、加算平均化データ（たとえば、図１に示す加算平均化データ３２など）に対して逆解法を使用実行して、電位マップおよび等時線マップを作成できる。いくつかの例では、電位マップおよび等時線マップは、たとえば、図１に示すマッピングシステム５４によって作成可能である。図８は、信号加算平均化データから作成可能な電位マップ４５２および等時線マップ４５４の例示的な画面４５０を示す。

図９は、信号加算平均法５００を表す例示的なプロセスフローチャートを示す。方法５００は、たとえば、図１に示す信号加算平均部３０によって実現可能であろう。

５１０では、図２を参照して説明したようなテンプレート領域およびＥＣＧデータを取得できる。たとえば、信号加算平均法５００（たとえば、アルゴリズムなど）は、以下の入力すなわち、ＥＣＧデータ信号、前に加算平均されたセグメント数、前の加算平均信号、相関係数の閾値、プロセスが加算平均を止めるための値を返すまでに加算平均されるセグメント数、テンプレート信号、粗悪チャネルの一覧、検知ゾーンチャネル、データをサンプリングした速度を受信できる。検知ゾーンチャネルの代わりに、あるいはこれに加えて、信号加算平均法５００を実現するのに必要なチャネルが最低数ですむような方法で、この最低数のチャネルを入力として提供してもよい。検知ゾーンを利用する状況では、最低数のチャネルを無視できるあるいは、検知ゾーンのチャネルに応じて異なる最低数を利用できるような方法で、電極の位置があれば十分だとみなすことができる。

５１５では、（たとえば、図１に示す測定システム５２によって）相関ノイズを入力信号から除去できる。これは、方法５００によって電気的データを取得する前または取得した後に実施可能である。信号加算平均法で効率的に除去できるノイズは相関していないか、ランダムである。相関ノイズが信号加算平均プロセスに混入するのを抑えるために、信号加算平均部によってデータを処理する前に、ラインフィルターおよびローパスフィルターを（たとえば、図１の測定システム１２の一部として）実装できる。ラインフィルターは、６０Ｈｚ（またはヨーロッパのコンセントでは５０Ｈｚ）ならびに、６０Ｈｚの周囲ノイズのさらに高調波を、信号から除去することができる。１００ＨｚのＢｕｔｔｅｒｗｏｒｔｈローパスフィルターは、ＥＣＧ信号の周波数スペクトルが０．０５Ｈｚ〜１００Ｈｚにあるという前提で、１００Ｈｚよりも高い周波数を除去する。１００Ｈｚのローパスフィルターは、米国のＥＣＧ装置での標準である。このようなフィルターは、ハードウェア、ソフトウェアあるいは、これらの組み合わせで実現できる。

一例として、ホワイトノイズの場合、ノイズレベルを標準偏差すなわちσ（シグマ）で表すことができる。振幅範囲σ_ＤＳ（ＤＳ＝被検出信号）の信号が検出される確率は、入力信号のノイズレベル（σ_{ｎｏｉｓｅ}）と加算平均される波形数（Ｎｂ）に左右され、以下の式１で計算することができる。

式１は、指定数の波形が加算平均された後に、特定の振幅で特定のノイズレベルの信号から信号が抽出される確率を示す。信号加算平均部によって用いられる信号加算平均法は、ＰＶ再接続解析用に３μＶと低電圧の信号の検出に適用されるため、３μＶは、解析に用いられるベースラインの信号振幅であった。

５２０では、信号品質が低く粗悪チャネルの領域を検出し、（たとえば、図１に示す信号解析システムの）メモリーに格納できる。たとえば、粗悪チャネルは、粗悪チャネル検出部（たとえば、図１に示す粗悪チャネル検出部３８など）によって検出可能である。入力粗悪チャネルは、ＣＴスキャンから欠けていた、完全に飽和した、あるいはユーザーによって（たとえば、図１に示すＧＵＩ２６などのＧＵＩを介して手で選択することによって）粗悪チャネルとして選択されたチャネルとして定義できる。また、このような検出では、たとえば、粗悪チャネル検出および振幅比較などの識別方法を利用して、限定された閾値範囲内の選択されたテンプレート信号のマッチング形態に対し、胴の電位データ（または他のデータ）のすべてのチャネルをサーチすることができる。このように、最高品質のマッチング領域をチャネルごとに加算平均でき、得られるデータは、信号品質の低い検出領域および／または粗悪チャネルを無視できるような方法で、戻される。粗悪チャネル検出部は、反復のたびに、あらかじめ定められた時間窓セグメントデータ（たとえば、約３０秒のデータなど）を利用できる。連続反復の場合、このシステムおよび方法では、前の反復よりも前、３０秒間のデータを検索できる。

さらに別の例として、信号品質の低い領域および／または粗悪チャネルを検出するには、粗悪チャネル検出部は、粗悪チャネル検出アルゴリズムを用いることができる。一例では、粗悪チャネル検出部は、たとえば、チャネルのすべてのデータ点がゼロであるか、信号の７５％が信号品質の低いものであるとみなされると決定されたことに応答して、チャネルを「粗悪チャネル」として識別できる。たとえば、入力データは、複数のデータ点（たとえば、データセットに含まれるデータ点が２０００未満であれば、２０００データ点以下など）からなるセグメントに分割できる。粗悪チャネル検出部は、ベースラインのばらつき、窓間の振幅の変化、大きな振幅の変化、すべてのゼロデータ（情報なし）に基づいて、各窓セグメントを評価できる。

各窓セグメントについて、５２０での粗悪チャネル検出では、窓方法を用いるローパスフィルターＦＩＲデジタルフィルター（たとえば、０．１ＨｚのＬＰＦなど）でベースラインを計算できる。ベースラインのある場合とない場合で信号を比較するために、ベースラインを信号から減算できる。粗悪チャネル検出では、振幅とベースラインドリフト間のばらつきについて、各窓セグメントを前のセグメントと比較できる。ベースラインからの信号のばらつきと、信号がすべてゼロを含むかどうかについて、セグメントを評価可能である。これらの基準のいずれかが満たされなかったら、そのセグメント（たとえば、粗悪チャネル）を、加算平均には許容できないおよび／または品質の低いものとしてマークできる。粗悪チャネルであると識別されなかったセグメントを、加算平均することができる。あるチャネルで、あらかじめ定められた量（たとえば、約７５％）以上の全セグメントが許容されなかった場合には、そのチャネルを「粗悪チャネル」として加算平均プロセスから除外し、その反復での加算平均がゼロとなる。セグメントの品質に関する情報は、メモリーに格納できる。

５２５では、検知ゾーンを選択できる（たとえば、図１に示すゾーン選択部４０）。検知ゾーンを選択するには、ゾーン選択部は、検知ゾーンチャネルとも呼べる被検出チャネルのサブセットを識別する研究データを受信できる。いくつかの例では、検知ゾーンは、研究データで識別される研究（たとえば、心房研究または心室研究など）に基づいて、あらかじめ規定されていてもよい。他の例では、検知ゾーンチャネルは、患者および／またはセンサーアレイ（たとえば、図１に示すセンサーアレイ６など）の幾何学的形状に基づいて、可変であってもよい。ゾーン選択部は、研究データに基づいて、検知ゾーンチャネルに対応する検知ゾーンを選択できる。検知ゾーンにおける検知ゾーンチャネルをキャラクタライズするデータを、ＰＣＡ機能（たとえば、図１に示すＰＣＡ機能４２など）に供給してもよい。

５３０では、パフォーマンスを最適化するとともに、精度を高めるなどの目的で、（たとえば、図１のＰＣＡ機能４２などによって）ＰＣＡを実施できる。ＰＣＡは検知ゾーンチャネルで実現でき、このゾーンの粗悪チャネルを除外することができる。ＰＣＡは、高次のデータにおいてパターンを識別する機構を提供し、データの類似性と差分を強調するような方法でそのデータを表現することができる。ＰＣＡ機能は、たとえば、多数の観測変数についての測定値が得られ、観測変数における大半の相違を説明する、観測変数よりも少数の人工変数を開発すると都合がよい場合に、有用となろう。主成分は、以後の分析で予測変数または基準変数として使用できる。主成分は、最適に重み付けされた観測変数の一次結合として定義できよう。

５３０のＰＣＡは、共分散行列の計算、特異値分解の実施、特徴ベクトルの形成、その後、新たなデータセットの編成を含んでもよい。一例として、この分析では、まず共分散行列を計算する。共分散は、２つ以上の信号同士の相関の強さを示す尺度である。信号の主成分は、特異値分解によって固有ベクトルおよび共分散行列の固有値を求めることで、コンピューター計算可能である。第１の固有ベクトルがベストフィットのラインを示すのに対し、他の固有ベクトルは、それほど重要ではないトレンドを示す。

図１０は、第１の固有ベクトル６５２および第２の固有ベクトル６５４が例示的なデータセットの散布図にプロットされた場所を示しているグラフ６５０を例示する。第１の固有ベクトル６５２は、データセットが多数のアウトラインを含む場合に、データの散布に基づいてその方向から変化していてもよい。図９に戻ると、ＰＣＡ機能は、ＥＣＧデータと右特異ベクトルを乗算することによって、仮想リードを計算できる。

ＰＣＡ機能は、元データの直交表現を作成できる。ここに、直交次元を関連性の降順に格納できる。各次元は、元データの一次結合によって得られる。分解のいわゆる「第１の成分」は、ほとんどの情報を持つ次元（たとえば、元データの一次結合など）であってもよい。上述のように、図１０は、ＰＣＡ機能を利用できるグラフ６５０の例を示す。ＰＣＡ機能のグラフ６５０は、ベクトルとして図示される「第１の成分」６５２の例を含んでもよい。

図９に戻ると、ＥＣＧデータに適用され、第１の成分は、信号の振幅を最大にする一次結合として求められる。たとえば、体表面ＥＣＧを有する行列をＡとする。行列Ａは、Ｎｓ×ＮＬの行列であってもよく、この場合、ＮＬは、利用可能なチャネル数、Ｎｓは、レコード内のサンプル数である。体表面ＥＣＧ上に手作業で表されるテンプレートを、Ｔとする。Ｔは、サイズＮＴ×ＮＬのＡの部分行列であった。ここで、ＮＴは、テンプレートのサンプル数である。ＰＣＡは、以下のように表現可能な行列Ｔのｓｖｄ分解（特異値分解）を用いる式３〜４を利用して構築できる。

次に、Ｖ１すなわちＶの第１の列は、第１の成分に対する一次結合の重みで構成される。よって、仮想リードでのテンプレートＴの射影ＴＭは、式３で表される。

式中、
Ｔｉは、Ｔのｉ番目の列（たとえば、チャネル番号ｉのテンプレートのＥＣＧ）である。ＴＰＣＡ１は、サイズがＮＴ×１のものである。

レコード全体に対する仮想リードは、式４によって得られる。

式中、
Ａｉは、Ａのｉ番目の列（たとえば、チャネル番号ｉのＥＣＧ）である。ＡＰＣＡ１のサイズはＮＳｘ１である。これらの結果から、最適化されたテンプレートおよび仮想リードＥＣＧ信号が得られ、その各々が単一チャネルに対応している。上述したように、図１０に示すグラフ６５０は、は、固有値と、固有ベクトル６５２および６５４との例を示している。

図９に戻ると、５４０において、（たとえば、図１に示すＣＣ計算部４４によって）取得した入力信号の相互相関解析を実施できる。相互相関は、たとえば本例では最適化されたテンプレート信号とＥＣＧ仮想リードとの間など、２つの信号間の一次従属性の強さを求めるための統計的な方法として利用できる。これらの信号はどちらも、本明細書で説明するように、ＰＣＡから計算できる。ＣＣ計算部は、仮想リードＴＰＣＡ１上のテンプレートと仮想リードＡＰＣＡ１上のＥＣＧ信号との間のＣＣ機能をコンピューター計算することによって、信号ＡでテンプレートＴ（式２および３）をローカライズして、ＣＣ信号を提供できる。ＣＣ信号の極大で着目領域（ＲＯＩ）が設定され、テンプレートの長さを延長する。たとえば、相関係数は、−１から１の範囲であってもよく、この場合の−１は反相関または負の線形相関を示し、０が相関なし、１が完全な正の相関を表す。正の相関値は、ＣＣ計算部によって評価できる。相関係数閾値は、ユーザーがＧＵＩを介して調節できるパラメーターとして設定可能であるか、自動化された方法を用いることができる。一例として、相関係数の閾値を、最初は０．９３に設定しておくことができる。

５５０では、（たとえば、図１に示すピーク相関係数検出部４６によって）ピーク相互相関係数を検出できる。たとえば、仮想リードの長さについて相関係数を一度計算したら、ピーク相関係数検出部は、最大相関係数の位置を求めることができる。この作業を達成するために、たとえば、相関係数データについて滑らかな導関数をコンピューター計算することができ、この場合のｘ座標は、イベントが発生した時間的位置を表し、ｙ座標は相関係数を表す。導関数がゼロと交わる時間的位置（たとえば、導関数の極性が変わるなど）は、ピークを表す。勾配が正から負に変わる交差についてのチェックを実施して、極大値を除外してもよい。ピーク値は、信号の加算平均用の潜在的開始配列点および／または「抽出点」としてメモリーに格納できる。このプロセスが仮想リードの長さに対して終了したら、それらの潜在的位置での相関係数値を、ユーザーが定義した（プログラム可能な）相関閾値と比較することができる。一例として、閾値は０．９０に設定できる。

５６０では、（たとえば、図１に示す振幅比較部４８によって）振幅比較を実現できる。振幅比較では、ＰＣＡ最適化されたテンプレート信号に関連して、決定されたＲＯＩ各々の振幅を比較できる。また、振幅比較では、抽出点ごとにテンプレートと仮想リードＲＯＩとの誤差を計算できる。独特なガウス曲線（または他の曲線）での曲線適合技術を用いて、誤差値の分布をフィットさせることができる。曲線が１つだけ検出された場合、標準偏差の２．５倍をピーク値に加算することで、誤差限界を求めることができる。２つ以上の曲線が検出された場合、振幅比較部は、ガウス曲線間の交点を計算することができる。この交点が、信号間の形態の差を示せるだけの十分な大きさを持つものであると判断されると、振幅比較部は、この曲線間の点から誤差限界を計算することができる。しかしながら、曲線が互いに小さな範囲内におさまっている場合は、振幅比較部は、これらの曲線を１つの曲線として扱うことができ、単一の曲線から誤差限界を求めるための方法を適用できる。ＲＯＩを計算で得られた誤差限界と比較して、誤差の範囲から外れるようであれば、これを除外することができる。

５７０では、（たとえば、図１に示すセグメント加算平均機能５０によって）ＲＯＩを加算平均し、加算平均化データ（たとえば、図１に示す加算平均化データ３２）を作成することができる。たとえば、粗悪チャネル検出によって特定のチャネルを除外し、信号内の信号品質の低い領域を識別するための方法を提供できるため、それぞれのチャネルでは、反復するごとに、得られる加算平均の数が変わることがある。このようなことから、変数を、各チャネルの加算平均の累積和を追跡する出力パラメーターのうちの１つとして渡すことができる。チャネルごとに加算平均されたセグメントの合計を、信号の加算平均の連続する反復に使用できる。

（５２０での）粗悪チャネル検出による出力として、反復内での部分領域の受容性に関する情報を表す決定変数を供給できる。各抽出点は、フル信号内の位置（たとえば、時間基準の位置など）を表したそれぞれの決定変数と比較可能な時間基準の位置に対応でき、その領域が許容できるものであるかどうか、判断することができる。ある抽出点が加算平均に適しているだろうとみなされると、５７０でのセグメント加算平均機能は、抽出点から開始してテンプレートの長さを延長しながら、領域をアンサンブル平均することができる。加算平均プロセスは、そのチャネルに固有のすべてのＲＯＩについて実行可能である。たとえば、各チャネルが、加算平均機能５７０によって加算平均される異なるＲＯＩを有してもよい。このように、セグメントの加算平均は、チャネルごとに個別に実現できる。このプロセスの間、ＤＣオフセットも除去することができ、これによってノイズゼロ平均となる。チャネルによって加算平均数が異なるため、チャネルごとに加算平均されるセグメント数の平均値は、ユーザーに対して加算平均されるセグメント数の全体としての出力に対応する。

上記の例では、加算平均対象となる信号のＰ波とＴ波は、互いに大きく異なるであろうと仮定された。しかしながら、Ｐ波とＴ波の振幅および幅が類似になる場合があるとすれば、振幅比較方法は、誤検出数を制限するよう設計された。このような状況では、振幅比較部は、各ＲＯＩとテンプレート信号間の差異に基づいて、分布を作成できる。この分布によって、フィットする２つ以上のガウス曲線が有り得ることを明らかにできる。各曲線は、異なる波形に関連する特定の誤差の領域を表すであろう。これらの領域すなわち曲線が、標準偏差のあらかじめ定められた値（たとえば、約２．５）に入れば、誤差の差異を小さすぎるとみなすことができ、すべてのＲＯＩが加算平均用に選択される。しかしながら、これらの曲線があらかじめ定められた標準偏差よりも大きい場合、誤差が曲線同士の交点未満のＲＯＩが加算平均用に選択される。振幅比較部は、加算平均対象となるＲＯＩの振幅を比較することによって、その誤検出の数を減らすことのできる誤差比較を含んでもよい。

このように、この振幅比較では、５６０において、信号の形態を区別するために分布を作成し、上限を決定することのできる自動化方法が可能になる。また、振幅比較は、（たとえば、先行するサイクルに対する）前の加算平均基準が満たされた場合にのみ用いられるものとして、プログラム可能である。

５９０では、（たとえば、図１のマッピングシステム５４によって）５７０で得られる加算平均化データに基づいて、マップデータを作成できる。たとえば、加算平均化データに対して逆転法を実施して、患者の着目領域（たとえば、心臓または脳など）のあらかじめ定められた表面領域に対する電気活動を再構成するようプログラムされた逆転法を用いて体表面での電気的測定値と患者の幾何学形状情報とを組み合わせ、電気生理学的データを作成することができる。たとえば、マップは、心外膜表面、心内膜表面または他の膜などの心臓の膜上の複数の点それぞれの電気活動を、時間の関数として（たとえば、電位マップおよび等時線マップの形で）同時に表すことができる。システム１０で利用可能な逆アルゴリズムの例は、本明細書に援用する米国特許第７，９８３，７４３号および同第６，７７２，００４号に開示されている。出力マップは、ＧＵＩ（たとえば、図１に示すＧＵＩ２６など）を介して、ユーザーに対して表示可能である。

本明細書の方法およびシステムを採用することで、比較的正確な結果が得られる。たとえば、検出精度を測定するには、データケースから、２５６のチャネルにわたる７５，０００のデータ点のうちの１０の信号を使用した。それぞれの信号について、Ｐ波テンプレートを選択することができ、このテンプレートを信号加算平均した。出力プロットで、特定のチャネルでテンプレートが検出された位置が示された。たとえば、基準試験のシナリオでは、セグメントの最大数は２５０加算平均で規定されたため、時間の７５％を超える３μＶの信号を検出するには、ノイズレベルが２０μＶ未満であればよい。ノイズレベルが１５μＶ未満であれば、３μＶの信号を時間の８９％で検出可能であり、ノイズレベルが１０μＶ未満であれば、２５０の加算平均で信号を時間の９８％で検出可能である。イベントを検出するための確率の統計解析を示す結果の例を、表１にあげておく。

図１１および図１２は、Ｐ波精度試験結果７００および７５０を示す。これらの２つの例７００および７５０から、Ｐ波テンプレートが検出されたことを確認できる。図１１は、Ｐ波精度試験結果の例７００を示し、ここではドット７０２がテンプレートの検出された場所をマークしている。図１２は、別のＰ波精度試験結果の例７５０を示し、ここでは、ドット７５２がテンプレートの検出された場所をマークしている。いくつかの結果は、Ｔ波の振幅と幅がＰ波と似ているときに、Ｔ波がＰ波として検出されたことを示しており、これは仮説に反していた。本明細書で用いた加算平均方法は、約９９．８７３％の精度以上を実証することができる。

図１３は、加算平均信号８０４に関連した第１の事例テンプレート８０２の例示的なグラフ８００を示す。図１４は、ＤＣオフセットを除いて加算平均対象として検出されたすべての着目領域の（第１の事例に対する）合成プロットの例８５０を示す。図１５は、第１の事例テンプレート９０２および加算平均信号９０４を比較した例９００を示す。図１６は、第２の事例テンプレート９５２と加算平均信号９５４とを比較した例９５０を示す。図１７は、第２の事例に対して加算平均対象として検出されたすべての着目領域の合成プロットの例１０００を示す。図１８は、第２の事例テンプレート１０５２および加算平均信号比較１０５４の例１０５０を示す。図１９は、第３の事例テンプレート１１０２と加算平均信号１１０４とを比較した例１１００を示す。図２０は、第３の事例に対して加算平均対象として検出されたすべての着目領域の合成プロットの例１１５０を示す。図２１は、第３の事例に対するテンプレート信号１２０２および加算平均信号１２０４を比較した例１２００を示す。

図２２は、サンプルテスト事例からの特定のチャネルに対する信号加算平均結果を示すのに利用可能なＧＵＩを表示している例示的な画面１２５０を示す。本明細書に開示された信号加算平均システムおよび方法は、ＥＣＧ信号の周波数スペクトル内の非相関ノイズの影響を軽減・低減し、低電圧信号を検出する。これらのシステムおよび方法は、検出された生体信号を解析するよう構成されたＥＣＧＩシステムまたは他のシステムなどの解析システムを使用した、さらなる解析を可能にする。

上記に鑑みて、信号品質の改善に加えて、本明細書に記載の方法には、診断上は重要な、小さいが極めて鍵になる信号を強めて引き出すという独特の利点がある。この手法を利用できる臨床用途のいくつかの例として、電位ベースの心電図記録の計算および肺静脈再接続の検出があげられる。

また、本明細書に開示された信号加算平均システムおよび方法は、低信号品質領域およびチャネルの自動検出、主成分分析、ガウス曲線フィッティング振幅検出などの他の解析および信号処理技術と併用可能である。このアルゴリズムでは、計算された信号品質情報を利用して、低信号品質領域の加算平均を防ぐことができる。このアルゴリズムのさまざまな特徴によって、さまざまなサイクル長で形態的な特徴が複素信号内でのテンプレート検出が可能になるのみならず、誤検出が防止され、これが本方法を独特なものとしている。アルゴリズムの結果から、これが、非相関ノイズをテンプレート信号から除去するのみならず、（３μＶと低い）低電圧信号を検出する機能を有することが示された。全体として、加算平均信号の加算平均によって、革新診断技術の一助となるための高品質の信号を生成できる。

たとえば、肺静脈（ＰＶ）の異所性活動が発作性心房細動（ＡＦ）の主な引き金であることが立証されて以来、この不整脈の高周波アブレーション（ＲＦ）は、次第に多くの電気生理学研究所で人気のある主義となってきている。伝統的に、ＲＦベースのＰＶＩでは「点ごとの」アブレーション技術を使用するが、これがゆえに連続したアブレーションラインを作成するのが困難になり、不整脈の再発を容易にし得る伝導ギャップが生じる余地が出てしまう。不完全なアブレーション手技またはスウェリングの低減によって、電気チャネルが事後アブレーションを一掃する可能性が、この手技の成功を妨害する。目標は、肺静脈隔離後に心房細動（ＡＦ）の再発を予測するためのツールとして肺静脈の再接続を識別するための非侵襲的な心電図マッピング（ＥＣＭ）を使用できるようにすることである。

Ｐ波の幅と曲線下面積（ＡＵＣ）は患者のＰＶＩ後に減少するのに対し、再接続ＰＶを有する患者では、Ｐ波の幅とＡＵＣの増加が認められることを実証できる。手技前と後のＰＶおよび同側静脈の隆起付近のエレクトログラムを調べるための方法では、振幅２〜４μＶ前後の信号を検出する必要があろう。組織がアブレーションされて瘢痕があるとすると、取得ノイズレベルが高い（たとえば、ノイズレベルが信号振幅の２〜５倍など）場合に、これらの低電圧信号の検出は困難であろう。本明細書で提案する信号加算平均システムおよび方法を、取得後の信号処理に利用して、信号品質を改善するとともに、これらの低電圧信号の検出を可能にすることができる。

本明細書で開示するように、この方法は、検出プロセスの間はサイクル長が一定に保たれると想定した、あらかじめ指定された複素区間および複素振幅に依存しないテンプレート検出プロセスを含んでもよい。本明細書に記載の手法では、効率的な比較方法を利用して、検出される領域が確実に検出仕様の範囲内におさまるようにすることができる。また、この方法では、信号品質の低い領域を識別し、複数のチャネルで信号を効率的に加算平均できる信号加算平均技術を使用できる。このシステムおよび方法は、信号加算平均プロセスでの時間シフト相互相関検出を提供する。

このように、ここに提案されたシステムおよび方法では、複数のチャネルを持ち得る大きなデータセット内のテンプレート信号を正確に検出し、入力チャネルごとに信号の検出された領域を加算平均することで、テンプレートの信号強度を改善（たとえば、測定数の平方根によって信号対雑音比ゲインを改善）することができる。

図２３は、信号（たとえば、生体電気信号など）を加算平均するために実現可能な例示的な方法１４００の別のフローチャートを示す。方法１４００は、たとえば、図１に示すシステム２によって実現可能である。１４１０では、複数の信号のサブセットおよび選択されたテンプレートに対応するデータに対し、（たとえば、図１に示すＰＣＡ機能４２によって）ＰＣＡを実施して、仮想リードおよび最適化されたテンプレートを作成できる。この場合、複数の信号は各々、センサーによって検出される電気生体信号に対応する。１４２０では、仮想リードおよび最適化されたテンプレートの相互相関を計算し、仮想リードと最適化されたテンプレートとの間に一次従属性の強さを求めて、仮想リードのＲＯＩを求めることができる。１４３０では、（たとえば、図１に示すピーク相関係数検出部４６によって）仮想リードのピーク相関係数を検出できる。１４４０では、テンプレートと仮想リードの各ＲＯＩとの間の誤差を求めるために選択されたテンプレートを用いて、（たとえば、図１に示す振幅比較部４８によって）仮想リードの各ＲＯＩの振幅を比較できる。１４５０では、（たとえば、図１に示すセグメント加算平均機能５０によって）ＲＯＩを加算平均し、加算平均化データを作成できる。

図２４は、信号を加算平均するためのシステム１５００のもうひとつの例を示す。このシステムは、機械読み取り可能な指示を格納するためのメモリー１５０２と、メモリーにアクセスして機械読み取り可能な指示を実行するための処理装置１５０４（たとえば、プロセッサーコアなど）を含んでもよい。機械読み取り可能な指示は、複数の信号各々について信号品質の低い領域を検出するよう構成された信号加算平均部１５０６を含んでもよく、この場合、複数の信号各々が（たとえば、患者の身体の表面から同時に取得される）生体信号に対応する。また、信号加算平均部１５０６は、信号品質の低い被検出領域に基づいて、複数の信号のどれが粗悪チャネルと関連しているかを判断するよう構成されてもよい。信号加算平均部はさらに、仮想リードと最適化されたテンプレートとの間の一次従属性の強さに基づいて求められる着目領域（ＲＯＩ）の加算平均に対応する加算平均化データを提供するよう構成されてもよく、この場合、仮想リードおよび最適化されたテンプレートは、粗悪チャネルとは関連せず、選択されたテンプレートに基づく複数の信号に基づいている。

以上説明してきたものは、例である。もちろん、構成要素または方法論の考えられるすべての組み合わせを説明するのは不可能であるが、多くの他の組み合わせおよび入れ替えが可能であることは、当業者であれば認識するであろう。したがって、この開示は、添付の特許請求の範囲を含めて本出願の範囲に入るこのような変更、修正および改変をすべて包含することを意図している。

本明細書で使用する場合、「含む」という表現は、含むがこれに限定されるものではないことを意味し、「含んでいる」という表現は、含んでいるがこれに限定されるものではないことを意味する。「基づく」という表現は、少なくとも部分的に基づくことを意味する。また、開示内容または特許請求の範囲で「不定冠詞ａ」、「不定冠詞ａｎ」、「第１の」または「もうひとつの」要素あるいはこれと同等のものが用いられる場合、これは、このような要素が１つまたは２つ以上含まれると解釈されるべきであり、このような要素が２つまたはそれ以上であることを求めるものでもなければ、排除するものでもない。

Claims (13)

1. センサーによって検出される、複数の電気生体信号のサブセットに対応する測定データを受信し、
   前記測定データのテンプレート領域を選択し、
   前記測定データについて主成分分析（ＰＣＡ）を実施して入力チャネルのサブセットから単一チャネルを求め、前記選択されたテンプレート領域について主成分分析（ＰＣＡ）を実施して最適化されたテンプレートを求め、
   前記単一チャネルおよび前記最適化されたテンプレートの相互相関を計算して、前記単一チャネルの着目領域（ＲＯＩ）を決定し、
   前記単一チャネルにおけるピーク相関係数を検出し、
   前記単一チャネルの前記ＲＯＩ各々の振幅を前記最適化されたテンプレートと比較して、前記最適化されたテンプレートと前記単一チャネルの各ＲＯＩとの間で誤差を求め、
   前記ピーク相関係数と前記誤差とに基づいて前記ＲＯＩの各々に対する平均を計算して、前記複数の信号に対する加算平均化データを作成することを含む、信号解析システムの作動方法。
2. 前記複数の信号各々について信号品質の低い領域を検出し、
   信号品質の低い被検出領域に基づいて、前記複数の信号のうちのどれが、前記ＰＣＡの実施から除外される粗悪チャネルと関連しているかを判断することをさらに含む、請求項１に記載の信号解析システムの作動方法。
3. 前記加算平均化データを臓器の表面にマッピングして、前記臓器の電気活動を再構成することをさらに含む、請求項１に記載の信号解析システムの作動方法。
4. 前記マップ型の加算平均化データに基づいて、電位マップおよび等時線マップのうちの一方を作成することをさらに含む、請求項３に記載の信号解析システムの作動方法。
5. 前記複数の信号は、患者の体表面から同時に取得された少なくとも２００の信号を含み、前記加算平均化データは、前記少なくとも２００の信号のサブセットに対してコンピューター計算された信号加算平均化データを含む、請求項１に記載の信号解析システムの作動方法。
6. 前記複数の信号は各々、心電図（ＥＣＧ）信号を表す、請求項５に記載の信号解析システムの作動方法。
7. 前記テンプレートは、Ｐ波を規定する、請求項５に記載の信号解析システムの作動方法。
8. 前記複数の信号は、患者から非侵襲的に取得される、請求項１に記載の信号解析システムの作動方法。
9. 前記複数の信号は、患者から侵襲的に取得される、請求項１に記載の信号解析システムの作動方法。
10. 前記主成分分析は、前記複数の信号の適切なサブセットを含む検知ゾーンに対応するデータに対して実施され、前記加算平均は、前記複数の信号に対して実施される、請求項１に記載の信号解析システムの作動方法。
11. 前記複数の信号の前記サブセットから相関ノイズを検出し、除去することをさらに含む、請求項１に記載の信号解析システムの作動方法。
12. 信号解析システムに、請求項１〜１１に記載の作動方法を実行させるためのプログラム。
13. 請求項１２に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。