JP6310401B2 - 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム - Google Patents

Description

本発明は、被検者の生理的リズムを表す信号を処理する方法に関する。一実施例では、本発明は、連続する局所インターバル推定を提供し、これにより、バイオ信号におけるロウバストな周期性計算のための方法を提供する。

心拍や呼吸レートなどの生理的リズムの正確な知識は、診断、患者モニタリング及び処置を含む多くの医療用途において重要である。従って、心電図（ＥＣＧ）、パルスオキシメトリ又は呼吸インダクタンスプレスチモグラフィー（ｒｅｓｐｉｒａｔｏｒｙ ｉｎｄｕｃｔａｎｃｅ ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）などの従来の臨床的測定モダリティからのこれらのリズムの時間可変的な周波数の推定は、十分に研究されている問題である。ある用途については、基礎となるリズムの複数の期間において平均的な周波数のみを推定することで十分であるかもしれないが、心拍変動（ＨＲＶ）解析などの他のものはイベント・ツー・イベントな決定を必要とする。

慢性的な状態の患者の増加とデモグラフィックな変化により、患者の健康状態の自宅でのモニタリングは、将来的な医療システムにおいて重要な役割を担う。最近の研究は、ホームテレヘルスアプローチ（ｈｏｍｅ ｔｅｌｅｈｅａｌｔｈ ａｐｐｒｏａｃｈ）が入院及び入院日数の有意な現象を導くことができることを示してきた。

従来の測定モダリティは臨床設定の外部においてはほとんど適用可能でないため、患者の健康状態の継続的な長期のモニタリングを可能にする１つの方法として、控えめで制約のない測定システムが現在出現してきている。これらのシステムは、通常は測定を実行するためのユーザインタラクションや順守を必要とせず、ユーザの日常のルーチンに干渉しない点で、現在のアプローチに対して２つの効果を提供することを目的としている。各種の異なる原理に基づく控えめな測定システムが知られている。これらは、椅子や車のシートにおけるＥＣＧ測定、ベッドにおける容量型呼吸測定、レーダ、ミリ波干渉法、及びベッド、椅子及び体重計に一体化されたバリストカルジオグラフィ（ＢＣＧ）又はｓｅｉｓｍｏｃａｒｄｉｏｇｒａｐｈｙ（ＳＣＧ）センサのための容量結合電極を含む。

これらのアプローチは確立されている方法に対して上述した効果を提供するが、それらはまた自らの問題点を有している。最も顕著には、信号品質は、測定が実行されるしばしば制御されていない環境のため、かなり変動して信頼性がない可能性がある。あるタイプのセンサについては、記録された信号の形態は、センサに関するユーザの向き及び位置に依存して劇的に変化しうる。これは、例えば、心臓の収縮及び大動脈への血液の放出により生じる心臓の振動を記録するベッドに搭載されたＢＣＧセンサのケースなどにおいて観察できる。

これらの状況の下、瞬間的な周波数（又はそれらの逆、すなわち、局所インターバル長）の確実な推定は、臨床的利用のため当初は開発されたアルゴリズムに対する大きなチャレンジを提供しうる。これらのアルゴリズムは、しばしばＥＣＧにおけるＱＲＳコンプレックスなどの関心イベントに関する信号の特定の特徴を検出することに基づく。瞬間的な周波数が、その後にこれらのイベントの連続的な生起回数を区別することによって計算される。ＥＣＧのケースでは、瞬間的な心拍の推定のロウバストネスを向上させるための高度な方法が提案された。しかしながら、これらの方法は、通常は１つのタイプの信号に限定され、波形の予想される形態に関する過剰な事前的知識を必要とする。上述されたように、これらの要求は控えめなセンサタイプにとって成り立たない。
ＵＳ２０１１／０２５１０２Ａ１は、心拍を決定するため心弾動図信号を解析する方法であって、心弾動図信号の第１心拍の初回推定を決定し、初回推定を用いて心弾動図信号の以降の心拍の推定結果を繰り返し計算することを有し、計算ステップの各繰り返しはスコアリング関数の加重和を有するターゲット関数を評価することを含む方法を開示し、心弾動図信号の以降の心拍について推定結果を計算する各繰り返しステップは、以前の計算の繰り返しステップにおいて検出された時間推定結果の後のターゲットインターバルに限定される。

従って、本発明の課題は、従来技術に対する改良である。

本発明によると、被検者の生理的リズムを表す信号を処理する方法であって、前記被検者から前記信号を受信するステップと、前記信号をバンドパスフィルタによりフィルタリングするステップと、前記フィルタリングされた信号から重複する少なくとも３つの解析ウィンドウを有する複数の解析ウィンドウを抽出するステップと、前記複数の解析ウィンドウにおける前記フィルタリングされた信号に対して複数のインターバル長推定方法を実行するステップと、前記複数のインターバル長推定方法の出力を合計するステップと、前記複数のインターバル長推定方法の出力の合計からインターバル長を決定するステップとを有する方法が提供される。

本発明によると、解析される信号の形態に関する事前の知識を必要としないインターバル長又は周波数の推定のための連続するローカルインターバル推定の漏バストなアルゴリズムを提供することが可能である。いくつかの基本パラメータに対する軽微な調整のみによって、本方法は、それらが同じ信号に共存する場合であっても、心拍や呼吸レートなどの異なる生理的リズムから瞬間的な周波数を正確に抽出するよう構成可能である。

本発明は、単一の生理的信号から瞬間的な周波数を抽出するのに利用可能であるが、それはまた、同一の生理的リズムを表す複数の同期的信号を処理することができる。このような信号は、例えば、ベッドに搭載されたＢＣＧセンサのマトリックスなどの控えめなセンサのアレイにより記録可能である。解析ウィンドウにおけるフィルタリングされた信号に対して複数のインターバル長推定方法を実行し、全ての信号に対して複数のインターバル長推定方法の出力の合計からインターバル長を決定することによって、本発明は、複数の信号にある冗長性を利用し、インターバル推定精度及び信頼性を向上させる。

心拍や呼吸レートなどの生理的リズムの瞬間的な周波数の信頼できる正確な推定が、多くの医療用途のために提供される。控えめなセンサが非制御環境において連続的な健康モニタリングに利用されるとき、ロウバストな推定は特に困難である。なぜなら、これらのセンサは信頼できない可能性のあるかなりの量のデータを生成する可能性があるためである。従って、本発明は、これらの信号からローカル（イベント・ツー・イベント）インターバルのロウバストな推定のためのフレキシブルな方法を提供する。本方法は、解析される波形の形態に関して事前の知識を必要とせず、各種の異なる信号及び測定モダリティに容易に適用可能である。

アルゴリズムのビート・ツー・ビート心拍及びブレス・ツー・ブレス呼吸レートの推定への２つの適用は、従来のセンサ信号と共に控えめなセンサ信号を用いて検証された。２１２００回以上の心拍と５２０００回以上の呼吸を含む評価データセットが、本方法を検証するのに利用された。控えめなベッドセンサにより記録された信号に適用されると、改良された方法は、９０．５９％の平均カバレッジによる０．８６ビート／分の平均ビート・ツー・ビート心拍誤差を実現した。同じ信号を用いてブレス・ツー・ブレス呼吸レートを推定することは、０．３０ブレス／分の平均誤差と８９．８６％のカバレッジとを生じさせた。

好ましくは、本方法は更に、前記フィルタリングされた信号から前記第１解析ウィンドウと重複する第２解析ウィンドウを抽出し、前記第２解析ウィンドウに対して前記解析ウィンドウにおける前記フィルタリングされた信号に対して複数のインターバル長推定方法を実行するステップと、前記複数のインターバル長推定方法の出力を合計するステップと、前記複数のインターバル長推定方法の出力の合計からインターバル長を決定するステップとを繰り返すステップとを有する。前記第１解析ウィンドウと前記第２解析ウィンドウとのオーバラップは、前記第１及び／又は第２解析ウィンドウのサイズの５０％より大きいべきである。近接して重複する解析ウィンドウの利用は、本方法のロウバスト性を増加させる。これは、インターバルが複数の解析ウィンドウにあり、フィルタリングされた信号においてインターバル長を正確に計算する確率を増加させることを意味する。

効果的には、本方法は更に、複数の解析ウィンドウについて平均インターバル長を計算し、前記計算された平均インターバル長と所定のデルタとから前記インターバル長の上限及び下限閾値を生成し、前記生成された上限及び下限閾値の範囲外の何れか決定されたインターバル長を破棄するステップを更に有する。インターバル長の上限及び下限閾値の生成は、許容可能な計算されたインターバル長の境界を生成する。これは、閾値の範囲外の何れか計算されたインターバル長が、信号内の歪み又はアーチファクトの結果又は誤った測定である可能性が高いため、破棄されることを意味する。

理想的には、本方法は更に、前記複数のインターバル長推定方法の重み係数にアクセスするステップを更に有し、前記複数のインターバル長推定方法の出力を合計するステップは、前記アクセスされた重み係数に従って前記複数のインターバル長推定方法の出力を合計するステップを含む。本方法は、異なるインターバル長推定方法について重み係数を利用することによって調整可能である。これらの重み係数は、例えば、特定の適用について最善の結果を提供するため、当該処理の個別の適用に特定のものとしてもよい。重み係数の利用は、本方法のフレキシビリティ及び精度を増加させる。

好ましくは、本方法は更に、前記決定されたインターバル長のエンドに対応する連続する解析ウィンドウにおける前記フィルタリングされた信号のピークを検出し、同一の振幅の一致するピークセットから決定されたメディアンインターバル長を計算するステップを更に有する。信号内のインターバル長を計算する方法は更に、連続する解析ウィンドウにおけるインターバルを比較することによって詳細化できる。ウィンドウは有意に重複するため、同じインターバルが異なる解析ウィンドウに存在することが仮定できる。解析ウィンドウが９０％だけ重複する場合、例えば、５つまでの連続する解析ウィンドウが利用可能である。各解析ウィンドウ内のインターバルの一方のエンドに対応するピークが検出される。これらのピークの振幅が同じである場合、信号の同じポイントが観察されていることが仮定でき、決定されたインターバル長のメディアンが、このように更に処理されていないインターバル長より正確な数字として出力として選択できる。

本発明の実施例が、添付した図面を参照して例示的に説明される。
図１は、就寝中にモニタリングされる被検者の概略図である。 図２は、被検者の心拍（下方のチャート）及び被検者の心拍における検出されたインターバル（上方のチャート）のグラフである。 図３は、被検者の心拍（上方のチャート）及び異なる技術を利用して検出された被検者の心拍におけるインターバル（下方のチャート）のグラフである。 図４は、信号から取得された異なる４つの解析ウィンドウのグラフである。 図５は、異なる３つのインターバル長推定技術の比較のグラフである。 図６は、異なる２つのＥＣＧ信号のための異なる２つのインターバル長推定アルゴリズムを比較するグラフである。 図７は、異なる２つのＥＣＧ信号のための異なる２つのインターバル長推定アルゴリズムを比較するグラフである。 図８は、各種ＥＣＧ信号における異なる信号対ノイズレシオのための異なる２つのインターバル長推定アルゴリズムにおけるエラー生起を比較するグラフである。 図９は、インターバル長推定アルゴリズムのエラーに対するカバレッジへの閾値の効果を示すグラフである。 図１０は、異なる信号における局所インターバルエラーの変更されたＢｌａｎｄ−Ａｌｔｍａｎプロットのグラフである。 図１１は、異なる信号における局所インターバルエラーの変更されたＢｌａｎｄ−Ａｌｔｍａｎプロットのグラフである。 図１２は、２つのセンサを用いてモニタリングされる被検者の概略図である。 図１３は、被検者の生理的リズムを表す信号を処理する方法のフローチャートである。

図１は、モニタリングされている被検者１４が夜に寝るマットレス１２を備えたベッド１０を示す。センサ１６は、ベッド１０とマットレス１２との間に配置され、被検者の生理的リズムを表す信号を生成する。このリズムは、例えば、被検者の心拍又はユーザの呼吸の周波数とすることができる。センサ１６は、被検者１４の健康のコンスタントなモニタリングを実行するため、受信信号の解析を実行可能なローカル処理ユニット１８に接続される。センサ１６は、更なる処理又はモニタリング機能を提供可能なリモートシステムに接続可能である。

図１に示されるシステムの目的は、被検者１４が自らの体にセンサを装着することが要求されないか、又は何れかの方法で自然な睡眠が妨害されないように、被検者１４の健康の継続的なモニタリングを提供することである。一定のモニタリングは、被検者１４の異なる複数の生理的パラメータをモニタリングするセンサ１６により提供される。被検者１４の健康をモニタリングするため、デバイス１８により処理される継続的な信号は、センサ１６から提供される。これらのシステムは、被検者１４のコストのかかる病院のモニタリングを必要とすることなく、自らの自宅でのモニタリングを可能にする。

センサ１６の性質は、それが規定された医療環境において被検者の体に直接的には接続されていないため、医療専門家を利用した制御された環境において測定されるものと同レベルの信頼性を有する信号を提供しないというものである。ベッド１０に就寝中の被検者の動き及び他の環境ファクタは、被検者の生理的パラメータの正確な測定を困難にしうる高レベルのノイズ及びアーチファクトを有する信号を生じさせる。被検者の健康は図１に示されるようなシステムによりモニタリングされているため、処理デバイス１８の出力の精度は大変重要である。

処理デバイス１８は、時間可変的な生理的リズムを含むセンサ１６から受信した信号からのローカル（イベント・ツー・イベント）インターバル長の推定のための一般的なフレームワークを提供するアルゴリズムを実行する。信号ｘ（ｔ）が与えられる場合、ｔ_ｋ（ｋ∈｛１，．．．，Ｎ｝）は、ｘ（ｔ）において関心のある特定のイベント（心拍又は呼吸など）が生じる時間を示す。ローカルインターバル長と共に、ローカル周波数は、このとき、

としてそれぞれ定義できる。

非定常的信号の時間可変的な周波数を決定するための多くの既存の方法と異なって、本方法は、ｔ_ｋを検出し、その後にＴ_ｋを計算するための基準マーカに依拠せず、また複数のインターバルをカバーする長いウィンドウを用いて古典的な時間周波数解析も適用しない。代わりに、ローカル周期性が、短い適応的解析ウィンドウ（理想的には、関心のある２つのイベントを含む）を用いて推定される。このウィンドウは、予想されるインターバル長に関して短いインクリメントを用いて信号に沿ってシフトされ、これにより、複数の連続する解析ウィンドウにおいて各インターバルを出現させる。本方法は、当該冗長性を利用すると共に、各解析ウィンドウにおいて周期性を推定するのに複数の方法を組み合わせることによって、それのロウバスト性を得る。

まず、信号が前処理される。ｘ_ｒａｗ［ｎ］という表現は、ｆ_ｓのサンプリング周波数により生のデジタルセンサ信号を示す。始めに、ｘ_ｒａｗは、受信信号から抽出することが所望される生理的リズムに適切なバンドパスフィルタを用いて前処理される。フィルタリングされた信号は、ｘ［ｎ］として示される。例示のため使用されるＢＣＧ信号のケースでは、被検者の心拍を調べるため０．５及び３０のカットオフ周波数による等リップル有限インパルス応答（ＦＩＲ）フィルタが適用される。当該フィルタは、解析されるリズムの高次高調波と共にベース周波数がフィルタの通過帯域にあるよう設計されるべきである。

図２は、図の下半分において、被検者のＢＣＧ信号から導出された任意ユニット（ａ．ｕ．）のフィルタリング信号を示す。図の上半分は、被検者のＢＣＧ信号から数秒で測定されるアルゴリズムの連続的なインターバル推定値（Ｔ_ｉ）を示す。ダイヤモンドマーカの位置は、同時に記録されたリファレンスＥＣＧにおけるＲ個のピークの生起と共に対応するＲＲインターバル長を示す。許容されるインターバル長（Ｔ_{ｍｉｎ，ｉ}及びＴ_{ｍａｘ，ｉ}）の境界は、破線として示される。

改良された方法は、信号に沿って適応的な解析ウィンドウを繰り返しシフトする。各繰り返し中、解析ウィンドウのローカルなインターバル長Ｔ_ｉが推定される。推定のロウバスト性を向上させるため、Ｔ_ｉの許容値は、２つの適応的な閾値Ｔ_{ｍｉｎ，ｉ}及びＴ_{ｍａｘ，ｉ}によって制限される。図２は、サンプルのＢＣＧ信号から取得された連続的なインターｂなる推定値及び閾値を示す。アルゴリズムのｉ番目の繰り返しは、以下のステップから構成される。
１．以前に推定されたインターバル長の平均Ｔ_{ｍｅａｎ，ｉ}及びサーチウィンドウ幅２ΔＴに基づき許容されるインターバル長を更新する。

２．ｎ_ｉを中心とする解析ウィンドウｗ_ｉ［ｖ］を抽出する。

３．解析ウィンドウの最大ピーク・ツー・ピーク振幅を計算する。

４．ｒ_ｉが特定の閾値の範囲内にある場合、

解析ウィンドウにおける有効な信号振幅の存在が仮定される。そうでない場合、ウィンドウは無効（アーチファクト）としてマーク付けされ、アルゴリズムはステップ７にスキップする。
５．より詳細に後述されるｗ_ｉ［ｖ］におけるローカルインターバル長Ｔ_ｉを推定する。
６．次の繰り返しのため推定インターバルの平均及び振幅（アーチファクト）閾値を更新する。

７．定数値ΔＴにより次の繰り返しのため解析ウィンドウの中心をシフトする。

上記方法のステップ５は、より詳細に説明されるインターバル長推定を有する。各解析ウィンドウｗ_ｉ［ｖ］について、ローカルインターバル長Ｔ_ｉが推定される。確立された各種方法は、自己相関又はスペクトル解析などの最も可能性の高いローカルインターバル長を決定するため適用可能である。好適な実施例では、Ｎ_{ｍｉｎ，ｉ}＝Ｔ_{ｍｉｎ，ｉ}・ｆ_ｓ及びＮ_{ｍａｘ，ｉ}＝Ｔ_{ｍａｘ，ｉ}・ｆ_ｓによる許容される離散的な各インターバル長Ｎ∈｛Ｎ_{ｍｉｎ，ｉ}，．．．，Ｎ_{ｍａｘ，ｉ}｝において評価されるこのような３つの方法が、組み合わせるのに選択される。より良好な可読性のため、繰り返しインデックスｉは以下の説明において省略される。
１．使用される第１の方法は、改良されたＰスペクトルである。改良されたＰスペクトルは、サーチ境界内にある全ての離散的なラグ（ｌａｇ）、すなわち、インターバル長Ｎの類似性の指標を計算する。各ラグＮについて、解析ウィンドウはマトリックスに構成される。

Ａ_Ｎの特異値分解は、Ａ_Ｎ＝Ｕ_ＮＳ_ＮＶ^Ｔ _Ｎをもたらし、ここで、Ｓ_Ｎ＝ｄｉａｇ（ｓ_Ｎ，１，ｓ_Ｎ，２）である。解析ウィンドウの信号がＮの期間による厳密に周期的なものである場合、Ａ_Ｎの双方の行は同一であり、その行列は１のランクを有し、ｓ_Ｎ，１＞０及びｓ_Ｎ，２＝０（すなわち、ｓ_Ｎ，１／ｓ_Ｎ，２→∞）である。ほぼ周期的な信号の場合、Ａ_Ｎはフルランク行列となりうる。しかしながら、ｓ_Ｎ，１は依然としてｓ_Ｎ，２より有意に大きくなるであろう。従って、商ｓ_Ｎ，１／ｓ_Ｎ，２は、２つの行列の行の間の線形従属の指標として選択される。この指標は常に正であり、正の従属と負の従属とを区別しない。従って、改良されたＰスペクトルの定義における振幅スケーリングファクタｕ_Ｎ，１・ｓ_１の符号が含まれる。

これは、スケーリングファクタが同じ符号を有し、双方の信号セグメントが正の相関があるとき、Ｓ_Ｐ［Ｎ］について正の値を生じさせる。また、Ｐスペクトルは、自己相関と同様の時間領域方法である。ｗ［０］は解析ウィンドウの中心を示すことに留意されたい。以下の方法と共にＰスペクトルのリミットは、推定対象のインターバルの境界を形成する２つのイベントがそれぞれ、ｗ［０］の左及び右に配置されているという仮定の下で選択される。
２．使用される第２の方法は、最大スペクトル解析である。最大スペクトルは、信号の振幅情報に基づく。それは、

として定義される。

可能な各ラグＮについて、ちょうどＮ個のサンプリングインターバル離れた任意のサンプルのペアの最大振幅が決定される。Ｎ個のサンプル離れた解析ウィンドウに２つのピークが存在する場合、Ｓ_ｍａｘ［Ｎ］はＮの当該値において最大値を有する。
３．使用される第３の方法は、ケプストラム解析である。解析ウィンドウのパワーケプストラムＣ｛．｝は、ｗ［ｖ］のパワースペクトルの対数のパワースペクトル

として定義される。

周期信号（完全な正弦曲線でない）のログパワースペクトルは、当該信号の基本周波数及びそれの高調波におけるピークから構成される。これらのピークは、基本周波数に対応する期間長により周期的である。従って、基礎となる信号の期間に対応するピークは導出されたケプストラムにおいて出現する。他の方法と同様に、ケプストラムは、サーチリミット内の全てのインターバル長Ｎにおいて評価される。

結果として得られる３つの関数のそれぞれは、より可能性の高いローカルインターバル長Ｎについてより大きな値をとる。３つの関数を組み合わせるため、それらは［０，１］の範囲にスケーリングされ、正規化された関数Ｓ’_Ｐ，Ｓ’_ｍａｘ及びＳ’_Ｃをもたらす。その後、スケーリングされた関数は、ローカルインターバル長の合成されたインジケータを生成するため、重み付け及び合計される。

ウェイトベクトルｍ＝（ｍ_１ｍ_２ｍ_３）^Ｔが、以下でより詳細に説明される適用例に基づき実験的に決定された。図３に示されるように、解析ウィンドウにおけるローカルインターバル長Ｔ_ｉが、その後にＳ_ｓｕｍ［Ｎ］の最大値に対応する離散的なインターバル長Ｎ_ｉを検出することによって推定される。

図３は、上から下にＢＣＧ信号からの解析ウィンドウ（ｗ_ｉ）と、ここで説明された３つのインターバル推定方法の正規化された出力、すなわち、Ｐスペクトル（Ｓ’_Ｐ）、最大スペクトル（Ｓ’_ｍａｘ）及びケプストラム（Ｓ’_Ｃ）と共に、これらの和（Ｓ_ｓｕｍ）とを示す。解析ウィンドウ（ｗ_ｉ）は、０が解析ウィンドウの中心を示すｔ［ｓ］として秒単位に測定される。３つのインターバル推定方法は、Ｔ［ｓ］として秒単位で測定される解析ウィンドウ内のインターバルＴ_ｉの可能性の高い長さを示すグラフを生成する。第１の方法であるＰスペクトル（Ｓ’_Ｐ）は、１秒より大きなクリアなピークを生成する。他の２つの方法は、複数の位置においてピークを有するより不明確な結果を提供する。しかしながら、インジケータ関数の和は解析ウィンドウに検出される基本的なインターバル長においてクリアなピークを示す。これはインターバルＴ_ｉであり、このようなインターバルは、例示のため当該図の解析ウィンドウに示される。

インターバル推定のための３つの方法の利用は、一見すると冗長に見えるかもしれない。しかしながら、選択された３つの方法は、図３に示されるように互いに補完する。本例では、ケプストラムと最大スペクトルとの双方は、個別にとられた場合、大きな推定誤差を生じさせる異なるインターバル長において最も高いピークを有している。しかしながら、Ｐスペクトルと合成すると、推定全体が正確である。Ｐスペクトルは本例において最も明確な推定値を提供しているように見えるが、常にそうであるとは限らない。従って、３つ全ての方法の結合的な考慮が有用である。

当業者は、説明された方法がまた本例に示されるような単一の信号の代わりに、複数の同期的に記録される信号群を処理するのに利用可能である。このため、解析される各信号から付随的な解析ウィンドウが抽出され、複数のインターバル推定方法は各信号の解析ウィンドウに適用される。式（１６）の和とウェイトベクトルとが、その後、全ての解析ウィンドウに適用されるインターバル推定値全体を考慮するため拡張される。従って、利用可能な全ての信号は、よりロウバストで正確なインターバル推定を取得するため効果的に合成可能である。

上述された改良されたアルゴリズムは拡張可能である。それの基本形では、アルゴリズムは、各ローカルインターバルについて複数の推定値を生成する。この冗長性は、同一の基礎となるインターバルに属する全ての推定値をマージすることによってよりロウバストな結果を提供するため利用可能である。このため、基本アルゴリズムの拡張バージョンを利用することが可能である。

拡張バージョンでは、各解析ウィンドウについて、上述されるように、Ｔ_ｉを計算した後、推定されたインターバルに関する特徴的なランドマーク特徴が特定される。各インターバルの各推定は、その後にこれらの推定結果を一緒にグループ化するのに利用可能な同じ特徴的な特徴を生じるべきである。信号の最大ピークは、ランドマーク特徴としてインターバルの右側の境界を形成するのに利用される。Ｍ_ｉを解析ウィンドウｗ_ｉ［ｖ］の右半分にあるピーク群を示すとする。インターバルＴ_ｉの右側境界のグローバルな位置は、

として定義される。

図４は、複数の連続する繰り返しと導出されたインターバル長Ｔ_ｉ及びピーク位置Ｐ_ｉの解析ウィンドウを示す。同一のインターバルが全ての解析ウィンドウに出現し、Ｔ_ｉについて類似する値が各解析ウィンドウについて同一の値Ｐ_ｉを導く。従って、これらの推定結果は、同一のインターバルに属するものとして容易に特定できる。ピーク位置Ｐ_ｉはインターバルの推定結果を一緒にグループ化するためだけに利用されることが強調されるべきである。従って、それらの正確な位置は、ローカルなインターバルを正確に推定するタスクにとって重要でない。図４は、ＢＣＧ信号からの４つの連続するアルゴリズムの繰り返しの解析ウィンドウを示す。同一のローカルなインターバルが解析され、類似したインターバル指定結果（Ｔ_ｉ）を生成する。各推定について、同じ右境界ピーク（Ｐ_ｉ）が特定される。

は、Ｐ_ｉの全ての値のうちｋ番目の一意的な値を示す。このとき、

として

の値に属するインターバル推定結果群を定義することが可能である。

当該セットのメディアンは、ローカルインターバル長のロウバストな推定結果を取得するため計算される。

従って、アルゴリズムの最終出力は、ピーク位置と対応するインターバル長の推定結果とのペア

から構成される。図５は、拡張されたアルゴリズムの出力と、複数のインターバル推定結果の組み合わせが異常値をどのように補償するかとの一例を示す。図５では、図２と同じＢＣＧ信号から取得される拡張されたアルゴリズムの出力は実線Ｔ_ｉである。グレイのドットは、アルゴリズムによって計算されたピーク位置及び対応するインターバル長の推定結果

を示し、黒色のダイヤモンドはリファレンス値を示す。個々の推定結果（Ｔ_ｉ）をマージすることによって、異常値が推定可能であり、最終的な出力は同時に記録されたリファレンスＲＲインターバルと高い相関を有する。

推定結果群Ｔ_ｋはまた、最終的なインターバル推定結果

において信頼性を評価するため適用可能なクオリティヒューリスティックを定式化するのに利用可能である。例えば、Ｔ_ｋの標準偏差は、以下の式に従って、

推定結果がどの程度良好に一致するかを定量化するため計算できる。

さらに、

が最小となるように、インターバル長の推定結果

と右インターバル境界の位置との間には一致が存在すべきである。これらのパラメータのより小さな値は、推定結果のより高い整合性とより高い信頼性とを示すことになる。これら２つのパラメータは、０から１までの範囲の単一の信頼性ヒューリスティックに集約でき、ここで、１の値は可能な最も高い信頼性を示す。

固定的な閾値ｔｈ_Ｑを各

に適用することによって、信頼できない推定結果は更なる解析から排除できる。

２つの異なる適用シナリオ、すなわち、ビート・ツー・ビート心拍及びブレス・ツー・ブレス呼吸レートの推定結果がテストされた。改良された方法のパフォーマンスは、双方の適用シナリオについて２つのタイプのセンサにより取得される信号に対して解析された。心拍インターバル推定のため、控えめなベッドに搭載されたセンサから取得された標準的なＥＣＧ信号及びＢＣＧ信号が利用された。呼吸信号は、鼻漏センサ（サーミスタ）と共に同じベッドセンサにより取得された。

解析に用いられるデータは、米国マサチューセッツ州ボストンのＢｏｓｔｏｎ Ｓｌｅｅｐ Ｃｅｎｔｅｒにおいて８人の健常なボランティア（年齢が３２．８±１３．４歳でＢＭＩが２５．９±３．７の８人の女性と１人の男性）から終夜記録された。各ボランティアについて、フル睡眠ポリグラフ計が実行され、そのうちリードＩＩ ＥＣＧと共に鼻漏信号とが解析に利用された。更なる信号が、通常のベッドのマットレスの上に配置されたシンフォームオーバレイの下側に搭載された単一の電気機械フィルム（ＥＭＦｉ）センサ（サイズが３０×６０であり、薄さ＜１であるフィンランドのＶａａｊａｋｏｓｋｉのＥｍｆｉｔ Ｌｔｄ）を用いて取得された。電気機械フィルムの機械的な変形は、センサの薄さ方向に沿って作用する原動力に比例する信号を生成する。センサは、被検者の胸部がベッドに横たわっている人の心臓の振動（心弾動図）及び呼吸の動きを記録するため通常横たわっている位置に配置された。

推定されるインターバル長に関するアルゴリズムのパフォーマンスが、以下の誤差統計を計算することによって測定された。推定された各インターバルについて、リファレンス方法を介し取得される関連するインターバルが決定され、これら２つの間の相対的な誤差が計算された。これらの誤差は、その後にそれらの平均

と共に、誤差のスプレッドを記述するそれらの９０パーセンタイル（Ｅ_９０）とを計算することによって集約される。さらに、カバレッジは、改良された方法により対応するインターバルが推定可能なリファレンスインターバルのパーセンテージを示す。

ＥＣＧからのＲ個のピークの自動検出は広範に研究され、信号をピーク検出アプローチに大変良く適したものにするＲピークの顕著性のため相対的に容易なタスクである。しかしながら、上述されたアルゴリズムは、このようなピーク検出アプローチが心弾動図（ＢＣＧ）などの過剰な誤差の傾向があると証明される控えめなセンサからの信号により設計された。

図６は、アルゴリズム（ＣＬＩＥ）及びリファレンスアルゴリズム（Ｒｅｆ．）によるクリーンなＥＣＧ記録（下部）から導出されるＲＲインターバル（上部）を示す。ＥＣＧにおけるＲ個のピークの位置は、垂直方向の破線によりマーク付けされる。この図は、ＥＣＧ記録の短いセグメントを示す。リファレンスとして、ＥＣＧにおけるＲ個のピークは確立されたＨａｍｉｌｔｏｎ−Ｔｏｍｐｋｉｎｓアルゴリズムにより検出された。導出されるＲＲインターバルは、上部にプロットされたアルゴリズムにより推定されるインターバルと共にリファレンスとして利用される。アルゴリズムは、本例では、有意なビート・ツー・ビート変化を正しく追跡することが可能である。アルゴリズムの出力のグレイのドットは、リファレンス信号の黒色のダイヤモンドとほぼ正確に一致する。

図７は、アルゴリズム（ＣＬＩＥ）及びリファレンスアルゴリズム（Ｒｅｆ．）によりノイズのあるＥＣＧ記録（下部）から導出されるＲＲインターバル（上部）を示す。ＥＣＧにおけるＲ個のピークの位置は、垂直方向の破線によりマーク付けされる。この場合、２つのビート間の信号はノイズにより劣化する。アーチファクトは、リファレンスアルゴリズム（黒色のダイヤモンド）にＲピークを不正確に報告させる。しかしながら、上述されたアルゴリズム（グレイドット）は、ピークの検出に依拠せず（それはインターバルを検出するため）、このため、このタイプの干渉に対してよりロウバストであるため、ローカルなインターバルを正確に計算する。

テーブル１は、ＥＣＧデータを処理するのに用いられるアルゴリズムパラメータを示す。テーブル２のＥＣＧカラムにおいて、８つの終夜記録のそれぞれの誤差統計量（２１２０００回以上の心拍を含む）が示される。全体的には、計算されたインターバルに関する２つのアルゴリズムの間の平均誤差は０．２６％であった。リファレンスアルゴリズムの出力がまた心の基礎となるインターバルから乖離しうるため（以前の具体例に示されたように）、この結果を解釈するときに考慮されるべきである。にもかかわらず、改良されたアルゴリズムが確立されたリファレンスアルゴリズムにほぼ同じ結果（小さな誤差マージンの範囲内）を生成することが明確に理解できる。

ノイズの存在において当該アルゴリズムのロウバスト性を解析するため、異なる信号対雑音比（ＳＮＲ）による３０分の長さのＥＣＧサンプル群が、白色ガウスノイズをクリーンなベース信号に加えることによって生成された。各サンプル信号は、当該アルゴリズムと共にＨａｍｉｌｔｏｎ−Ｔｏｍｐｋｉｎｓリファレンスアルゴリズムにより処理された。これが、各ＳＮＲについて１０回繰り返された。図８は、クリーンなＥＣＧベース信号から抽出されるリファレンスインターバルに関する平均的な相対インターバル誤差

を示す。改良されたアルゴリズムはリファレンスアルゴリズムよりはるかに低いＳＮＲについて許容可能な誤差レベルを維持することができることが観察できる。

標準的なＥＣＧと比較して、控えめなセンサ（ベッドに一体化されたものなど）により記録されるＢＣＧ信号からのビート・ツー・ビート心拍の信頼できる抽出は、かなり困難である。これは、低い信号対雑音比、全てのタイプの動きアーチファクトに対する高い感受性と共に、それらがしばしば明確なピークを欠いているという事実にほとんど帰属しうる。ＢＣＧ信号は、８つの終夜記録のそれぞれの間にベッドセンサから取得された。これらのＢＣＧ信号は、以前のセクションにおいてＥＣＧ信号の解析中に利用された同一のパラメータを用いる改良されたアルゴルズムによって解析された。

十分高いカットオフ周波数によるバンドパスフィルタを利用することによって（テーブル１を参照）、ベッドセンサ信号の低周波数呼吸コンポーネントが取り除かれた。以前のように、Ｈａｍｉｌｔｏｎ−Ｔｏｍｐｋｉｎｓアルゴリズムにより取得されるＥＣＧ ＲＲインターバルがゴールドスタンダードリファレンスとして利用された。テーブル２のＢＣＧカラムは、このタイプの信号に対する改良されたアルゴリズムのパフォーマンスを示す。予想されるように、実現された平均誤差及びカバレッジ値（それぞれ、１．２２％及び９０．５９％）は、ＥＣＧ信号を処理する際に実現されるものより若干悪い。しかしながら、カバレッジの相違は、動きアーチファクトに対するＢＣＧのより高い感受性に寄与しうる。被検者がベッドにおいて大きな動きを行うと、信号対雑音比は有意に減少し、信頼できるローカルなインターバル推定を不可能にする。これは、改良されたアルゴリズムにより自動的に検出され、このようなセグメントは破棄される。

テーブル３は、Ｐスペクトル（ｍ_１）、最大スペクトル（ｍ_２）及びケプストラム（ｍ_３）の３つのインターバル推定手段に対する可変的なウェイトの下での全体的なパフォーマンスに対する３つのインターバル推定方法（Ｐスペクトル、最大スペクトル及びケプストラム）の影響を示す。Ｐスペクトル方法自体は最も正確でロウバストな推定手段であることが観察できる。しかしながら、他の２つの方法を追加し、Ｐスペクトルに２倍のウェイトを与えることによって、推定誤差を更に低減することが可能である。

図９は、クオリティ閾値ｔｈ_Ｑの関数としてＢＣＧ心拍解析の平均インターバル誤差に対するカバレッジを示す。この図では、カバレッジと共にインターバル誤差に対するクオリティ閾値ｔｈ_Ｑの効果が示される。ｔｈ_Ｑはカバレッジと平均誤差との間のトレードオフを調整するのに利用可能であることが観察できる。より大きなｔｈ_Ｑの値はより多くの推定結果を排除し、これにより、カバレッジを低下させるが、同時に残りの推定結果の平均インターバル誤差が減少する。図面の矢印は、クオリティ閾値ｔｈ_Ｑが図の右から左に減少することを示す。

図１０は、ＥＣＧリファレンスインターバルと比較して改良されたアルゴリズムを利用してＢＣＧ信号から取得されたローカルインターバル誤差の変更されたＢｌａｎｄ−Ａｌｔｍａｎプロットを示す。プロットは、−１０〜１５ｍｓの誤差の９０％によるインターバル誤差における６ｍｓの小さなバイアスを示す。その等価なものは、１．０８ビート／分の９０パーセンタイルによる０．８６ビート／分の平均絶対心拍誤差である。

改良されたアルゴリズムの第２の適用は、ブレス・ツー・ブレスインターバルの推定である。再び、本方法はまず、より困難な控えめなセンサ信号に移動する前にリファレンス信号（すなわち、サーミスタにより測定される鼻漏信号）に適用された。リファレンスとして、鼻漏信号におけるピークは、既知の技術を用いて自動検出された。異常値及びアーチファクトは、更なる処理前にリファレンスから手動により排除された。リファレンスブレス・ツー・ブレスインターバルは、検出されたピークの間の距離として計算された。

上述したテーブル１は、改良された方法を利用して呼吸信号を処理するのに用いられるパラメータを示す。テーブル４の“フロー”カラムは、リファレンスインターバルに関する改良されたアルゴリズムのパフォーマンスを示す。８回の解析された夜は、５２０００回以上の呼吸を含んでいた。全体的に、９７．２５％のカバレッジによる１．７２％の平均相対インターバル誤差が実現可能である。テーブル４は、鼻漏信号及びベッドセンサ（ＢＣＧ）信号それぞれに適用されるとき、改良されたアルゴリズムのブレス・ツー・ブレス呼吸レートのパフォーマンスを示す。

控えめに記録される呼吸信号の具体例として、ベッドセンサ信号は、フローセンサ信号を処理するのに利用された同じパラメータを再び用いて改良されたアルゴリズムにより処理された。このとき、ベッドセンサ信号の低周波数呼吸コンポーネントは、前処理バンドパスフィルタにより保存された。このデータセットに対するパフォーマンス統計量は、テーブル４の“ベッド”カラムに示される。再び、平均誤差及びカバレッジ値（それぞれ、２．６４％及び８９．８６％）は、フロー信号から取得されたものより若干悪い。図１１は、フローセンサリファレンスインターバルと比較して改良されたアルゴリズムを利用してベッドセンサ呼吸信号から取得されるローカルインターバル誤差の変更されたＢｌａｎｄ−Ａｌｔｍａｎプロットを示す。誤差の９０％による２０ｍｓの小さなバイアスが−２００〜３００ｍｓの間にあることが観察できる。これは、０．６２ブレス／分の９０パーセンタイルによる０．３０ブレス／分の平均絶対呼吸レート誤差に相当する。

フレキシブルなオンライン対応アルゴリズムは、連続的なローカルインターバル推定による生理的信号からのローカルインターバルの推定を提供する。改良されたアルゴリズムは、好ましくは、各種信号からロウバストなインターバル推定結果を取得するため、３つの方法を組み合わせる。アルゴリズムの２つの可能な適用（ブレス・ツー・ブレス心拍推定とブレス・ツー・ブレス呼吸レート推定）は、各適用について従来の控えめなセンサ信号を用いて検証される。８回の終夜睡眠ラボ記録の評価データセットに基づき、アルゴリズムのパフォーマンスがリファレンス信号に対して作用する確立されたリファレンスアルゴリズムと比較された。控えめなベッドセンサからの信号を解析して、改良されたアルゴリズムは、９０．５８％の平均カバレッジによる１．２２％の平均ビート・ツー・ビート心拍インターバル誤差を実現した。同一の信号を用いてブレス・ツー・ブレス呼吸レートを推定することは、２．６４％の平均誤差と８９．８６％のカバレッジとを得た。

図１２は、上述した改良されたアルゴリズムを利用可能なシステムの第２実施例を示す。図１２は、図１に示されるような単一のセンサ１６の代わりに２つのセンサ１６ａ，１６ｂが利用されることを除いて、図１に大変類似している。２つのセンサ１６ａ，１６ｂは、必ずしも同じ種類のセンサである必要はないが、被検者１４の同じ生理的リズムを検知するよう設計されている必要がある。第２センサ１６ｂは、例えば、ここに示されるようなマットレスの下の第２センサでなく、体に接触するセンサとすることができる。例えば、心拍を測定する場合、一方のセンサはＢＣＧセンサであり、他方のセンサはＥＣＧセンサとすることが可能である。

２つのセンサ１６ａ，１６ｂにより生成される２つの信号は別々に維持することが可能であり、上述されたアルゴリズムに従ってそれぞれ個別に処理可能である。複数の重複した解析ウィンドウが、各信号のインターバル長を決定するため、各解析ウィンドウにおいて利用される複数のインターバル長推定方法によって、各信号に対して利用される。その後、決定されたこれらのインターバル長は、図１２のシステムによりモニタリングされている生理的リズムについてインターバル長の単一の信頼できる推定に組み合わせ可能である。このようにして、被検者１４のモニタリングされた生理的リズム内にあるインターバルのより正確な推定が行われる。

図１３において、信号（被検者の生理的リズムを表す）を処理する改良された方法が概略される。それの最も基本的な形態では、本方法はステップＳ１において被検者から信号を受信し、ステップＳ２においてバンドパスフィルタにより信号をフィルタリングし、ステップＳ３においてフィルタリングされた信号から解析ウィンドウを抽出し、ステップＳ４において解析ウィンドウのフィルタリングされた信号に対して複数のインターバル長推定方法を実行し、ステップＳ５において複数のインターバル長推定方法の出力を合計し、最後にステップＳ６において複数のインターバル長推定方法の出力の合計からインターバル長を決定することを含む。ステップＳ６からステップＳ３へのリターン矢印は、解析ウィンドウを若干移動し、新たな解析ウィンドウについてステップＳ４〜Ｓ６を繰り返すことに関する好適な実施例を示す。

本発明が図面及び上記説明により詳細に図示及び説明されたが、このような図示及び説明は、例示的なものであり、限定的なものでないとみなされるべきであり、本発明は開示された実施例に限定されるものでない。

開示された実施例に対する変更は、図面、開示及び添付した請求項を参照することから、請求された発明を当業者が実施することによって理解及び実現可能である。請求項において、“有する”という単語は他の要素又はステップを排除せず、“ある”という不定冠詞は複数を解除するものでない。単一のプロセッサ又は他のユニットが、請求項に記載される複数のアイテムの機能を実現してもよい。特定の手段が互いに異なる従属クレームに記載されるという単なる事実は、これらの手段の組み合わせが効果的に利用可能でないことを示すものでない。コンピュータプログラムは、他のハードウェアと一緒に又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体に格納／配布されてもよいが、またインターネットや他の有線又は無線通信システムなどを介し他の形態により配布されてもよい。請求項における参照符号は、その範囲を限定するものとして解釈されるべきでない。

Claims (10)

1. 被検者の生理的リズムを表す信号を処理する方法であって、
   ａ）前記被検者から離れたセンサを介し前記信号を受信するステップと、
   ｂ）前記信号をバンドパスフィルタによりフィルタリングするステップと、
   ｃ）前記フィルタリングされた信号から複数の解析ウィンドウを抽出するステップであって、前記複数の解析ウィンドウは互いに重複する少なくとも３つの解析ウィンドウを有する、抽出するステップと、
   ｄ）前記複数の解析ウィンドウにおける前記フィルタリングされた信号に対して複数のインターバル長推定方法を実行するステップと、
   ｅ）前記複数のインターバル長推定方法の出力を合計するステップと、
   ｆ）前記複数のインターバル長推定方法の出力の合計からインターバル長を決定するステップと、
   を有し、
   前記複数のインターバル長推定方法は、Ｐスペクトル方法、最大スペクトル方法及びケプストラム方法を含む方法。
2. 第１解析ウィンドウと第２解析ウィンドウとのオーバラップは、前記第１及び／又は第２解析ウィンドウのサイズの５０％より大きい、請求項１記載の方法。
3. 複数の解析ウィンドウについて平均インターバル長を計算し、前記計算された平均インターバル長と所定のデルタとから前記インターバル長の上限及び下限閾値を生成し、前記生成された上限及び下限閾値の範囲外の何れか決定されたインターバル長を破棄するステップを更に有する、請求項１又は２記載の方法。
4. 前記決定されたインターバル長のエンドに対応する連続する解析ウィンドウにおける前記フィルタリングされた信号のピークを検出し、同一の振幅の一致するピークセットから決定されたメディアンインターバル長を計算するステップを更に有する、請求項１乃至３何れか一項記載の方法。
5. 前記複数のインターバル長推定方法の重み係数にアクセスするステップを更に有し、
   前記ステップｅ）は、前記アクセスされた重み係数に従って前記複数のインターバル長推定方法の出力を合計するステップを含む、請求項１乃至４何れか一項記載の方法。
6. 前記ピークセットの標準偏差の関数と所定の閾値とを利用して、決定されたインターバル長セットのクオリティ解析を実行するステップを更に有する、請求項４記載の方法。
7. 前記被検者から第１信号と同じ被検者の生理的リズムを表す第２信号を受信し、前記ステップｂ）からｅ）に従って前記第２信号を処理するステップを更に有し、
   前記ステップｆ）は、双方の信号に対する前記複数のインターバル長推定方法の出力の合計からインターバル長を決定することを含む、請求項１乃至６何れか一項記載の方法。
8. 被検者の生理的リズムを表す信号を処理するシステムであって、
   前記被検者から前記信号を受信するよう構成されるセンサと、
   請求項１乃至６何れか一項記載の方法のステップを実行するよう構成されるプロセッサと、
   を有するシステム。
9. 前記被検者から第１信号と同じ前記被検者の生理的リズムを表す第２信号を受信するよう構成される第２センサを更に有し、
   前記プロセッサは、前記ステップｂ）からｅ）に従って前記第２信号を処理し、双方の信号に対して前記複数のインターバル長推定方法の出力の合計からインターバル長を決定するよう構成される、請求項８記載のシステム。
10. 被検者の生理的リズムを表す信号を処理するためコンピュータ可読媒体に格納されるコンピュータプログラムであって、
    請求項１乃至７何れか一項記載の方法のステップを実行するための命令を有するコンピュータプログラム。

Images