JP7158641B1 - 無呼吸低呼吸指標推定装置、方法およびプログラム - Google Patents
無呼吸低呼吸指標推定装置、方法およびプログラム Download PDFInfo
- Publication number
- JP7158641B1 JP7158641B1 JP2022098448A JP2022098448A JP7158641B1 JP 7158641 B1 JP7158641 B1 JP 7158641B1 JP 2022098448 A JP2022098448 A JP 2022098448A JP 2022098448 A JP2022098448 A JP 2022098448A JP 7158641 B1 JP7158641 B1 JP 7158641B1
- Authority
- JP
- Japan
- Prior art keywords
- apnea
- feature image
- vibration signal
- heart rate
- biological vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000008784 apnea Diseases 0.000 title claims abstract description 49
- 206010021079 Hypopnoea Diseases 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims description 10
- 230000033001 locomotion Effects 0.000 claims abstract description 58
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 29
- 230000007958 sleep Effects 0.000 claims abstract description 15
- 230000036387 respiratory rate Effects 0.000 claims description 47
- 238000001228 spectrum Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 14
- 230000000241 respiratory effect Effects 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 abstract description 3
- 201000002859 sleep apnea Diseases 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 5
- 230000004622 sleep time Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000037007 arousal Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 238000009610 ballistocardiography Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
SASのスクリーニングでは呼吸気流計で計測した呼吸気流量と、パルスオキシメーターで計測したと経皮的動脈血酸素飽和度(SpO2)から、睡眠1時間あたりの「無呼吸」と「低呼吸」の合計回数として、無呼吸低呼吸指標(AHI(Apnea Hypopnea Index))を求めて、この指標によって重症度が分類されている。なお、無呼吸とは、呼吸気流が少なくとも10秒以上消失し、SpO2が4%以上低下した状態であり、低呼吸(Hypopnea)とは、換気の明らかな低下に加えSpO2が3~4%以上低下した状態、もしくは覚醒を伴う状態を指す。
さらにスクリーニングの簡便化を図るため、非接触・非拘束で、AHIを推定する技術が提案されている。
例えば、圧電センサで取得した信号にBPF(0.1-0.7Hz)処理、ノイズ低減処理、フーリエ変換を施して、呼吸の低周波成分のパワーから見かけの無呼吸低呼吸指標を算出する技術が開示されている(特許文献1)。
また、心拍計測器の出力から得られた複数の連続した心拍間隔(RRI)を特徴ベクトルとして、再帰型ニューラルネットワーク(LSTM等)を用いてあらかじめ機械学習させたモデルに入力し、無呼吸状態か正常呼吸状態かを心拍間隔のみから得る技術が開示されている(特許文献2)。
いずれの技術もPSGを用いたAHIの判定を簡便化する試みであるが、無呼吸は低酸素状態をもたらすことから自律神経活動が交感神経優位に傾き、心拍数が急上昇したり睡眠中の覚醒頻度が多くなり体動も変化すると予想される。したがって、間接的にAHIを推定する場合は、無呼吸の影響を受ける自律神経活動等を含む情報を総合的に判断する方が望ましい。
また、非接触・非拘束で、被験者の生体振動信号を取得し、その信号から呼吸数、心拍数、心拍変動パワースペクトルの高周波成分、心拍変動パワースペクトルの低周波成分/高周波成分および体動の5つのパラメータを抽出して、それらのヒストグラムを作成し、さらにヒストグラムから生成された特徴画像とAHIの関係をあらかじめ機械学習したAHI推定モデルを用いることで、前記特徴画像をAHI推定モデルに入力することによってAHIを推定する技術を提供することを目的とする。
動物の生体振動信号を受信する生体振動信号受信部と、
前記生体振動信号から体動信号を検出する体動信号検出部と、
前記生体振動信号から呼吸数を検出する呼吸数検出部と、
前記生体振動信号から心拍数を検出する心拍数検出部と、
前記生体振動信号から検出した心拍間隔変動の瞬時位相と呼吸パターンの瞬時位相の瞬時位相差から位相コヒーレンスを算出する位相コヒーレンス算出部と、
前記体動信号、前記心拍数、前記呼吸数、前記位相コヒーレンスを入力してそれぞれのヒストグラムを生成するヒストグラム生成部と、
それぞれの前記ヒストグラムを入力して特徴画像を生成する特徴画像生成部と、
前記特徴画像を入力して無呼吸低呼吸指標を推定する無呼吸低呼吸指標推定部を備え、
前記無呼吸低呼吸指標推定部は、睡眠ポリソムノグラフに基づいて判定されたAHIを教師データとし、前記教師データと同期した前記特徴画像を入力データとして機械学習を行い、被験者の前記特徴画像を入力して無呼吸低呼吸指標を推定する。
さらには、シート状の圧電センサ等のセンサ部を備えて、無呼吸低呼吸指標推定システムを構成する。
さらには、位相コヒーレンスの代わりに、心拍変動パワースペクトルの高周波成分、心拍変動パワースペクトルの低周波成分/高周波成分を用いる。
また、睡眠時間全体の複数の生理指標を一つに集約した特徴画像に基づいてAHIを推定するので、画像情報に基づく客観的な無呼吸低呼吸症候群のスクリーニングが可能となる。
AHI推定装置2は、本発明の核となる部分で、生体振動信号受信部21、体動信号検出部22、呼吸数検出部23、心拍数検出部24、位相コヒーレンス(λ)算出部25、ヒストグラム生成部26、特徴画像生成部27、AHI推定部28から構成される。
なお、各構成要素は、通常、CPU、メモリ、外部メモリ、通信手段を備えたパーソナルコンピュータ、スマートホン、タブレット等のコンピュータ上に実装される。
センサ部3は、動物の生体振動を検出し、生体振動信号を出力する。たとえば、センサ部3は、シート状の圧電センサであり、動物が横たわるマットに設置され、体動、心拍(心臓の拍動による心弾動)、呼吸のほか、発声に基づく生体振動信号を出力するが、外部環境等に基づく振動に起因する信号が含まれる場合がある。
なお、センサ部3は、シート状の圧電センサに限られるわけではなく、たとえば、脈波計や心電計等を組み合わせた構成でも構わない。
受信した生体振動信号は、AHI推定装置2の内部およびUSBメモリ等の外部メモリ(非図示)に蓄積される。
生体振動信号を0.5Hz以下の周波数範囲の通過域を有するローパスフィルタ(LPF)に通過させてもよい。LPFの遮断周波数は、0.3、0.4、0.6、0.7Hz、0.8Hzであってもよい。
また、ローパスフィルタ(LPF)の代わりにバンドパスフィルタ(BPF)を通過させてもよい。バンドパスフィルタの下限周波数は十分に低い周波数であればよく、例えば0.1Hzでよい。
このようにして得られた周期的な呼吸波形のピークを計数することで呼吸数を算出することができる。また、所定時間における生体振動信号のフーリエ変換またはウェーブレット変換からパワースペクトルを求め、そのピーク周波数から呼吸数を算出してもよい。
(1)生体振動信号を1~4HzのBPFで処理し、所定時間における周期的なピーク数を計数する。BPFは1~4Hzに限られるわけではなく、下限周波数が0.5Hz以上、0.6Hz以上、0.7Hz以上、0.8Hz以上、0.9Hz又は1Hz以上、上限周波数が10Hz以下、8Hz以下、6Hz以下、5Hz以下、3Hz以下であってもよい。
(2)生体振動信号を下限周波数5Hz以上のBPFで処理し、フィルタ通過後の信号の絶対値を求めた後でその包絡線を抽出するか、または時定数0.1秒前後の積分フィルタを通過させてもよい。BPFの上限周波数は10Hz、20Hz、30Hz、40Hz以下であってもよい。上記積分フィルタ処理は直交検波処理で置き換えても良く、処理した波形のピーク間隔の時間を求めて心拍間隔を求める。
(3)所定時間における生体振動信号をフーリエ変換またはウェーブレット変換し、パワースペクトルのピーク周波数から心拍数を算出しても良い。
位相コヒーレンス算出部は、心拍に関する情報および呼吸に関する情報を含む生体情報を取得する生体情報取得手段、呼吸パターンを抽出する呼吸波形抽出手段、心拍間隔の変動を算出する心拍間隔算出手段、呼吸パターンと心拍間隔の変動との間の瞬時位相差の位相コヒーレンスを算出する位相コヒーレンス算出手段とを含む。詳しくは、WO2017/141976(本出願人の先願)を参照されたい。
心拍数のヒストグラムは、横軸が分時心拍数の階級(40~120)、縦軸が頻度である。
呼吸数のヒストグラムは、横軸が分時呼吸数の階級(0~40)、縦軸が頻度である。
位相コヒーレンスのヒストグラムは、横軸がλの階級(0~1)、縦軸が頻度である。
体動のヒストグラムは、横軸が体動割合の階級(0~0.5)、縦軸が頻度である。
体動の割合は、体動信号検出部22が生体振動信号を10秒窓でサンプリングし、その窓を5秒ずつずらしながら体動の有無を判定し、その後、10分間当たりの体動発生の割合を移動平均して求める。
そして、心拍数(HR)、呼吸数(RR)、位相コヒーレンス(λ)、体動割合(BM)のヒストグラムの各階級における頻度を色相の変化で表す。
この特徴画像は、ある被験者の一定の睡眠時間中の生体振動信号において、心拍数、呼吸数、λ、体動割合の4パラメータの分布を表すので、画像パターンに基づきAHIを客観的に判定するのに有効である。
なお、Bin数は50に限らず、頻度と色相の対応は、頻度の変化が色相の変化として表現されれば任意の色相変化で対応付けをすることができる。
そのCNNを含む深層学習器に、PSGに基づいて臨床的に判定されたAHIを教師データとして、それに同期した特徴画像を入力データとして入力して機械学習を行ってAHI推定モデル(非図示)を、AHI推定部の内部に構築する。それに同期した特徴画像とは、PSGに基づく臨床的なAHIの判定に用いられた生体振動信号から、心拍数(HR)、呼吸数(RR)、位相コヒーレンス(λ)、体動(BM)を算出し、そのヒストグラムを生成し、そのヒストグラムに基づき生成された特徴画像のことを言う。
AHI推定部28は、被験者の特徴画像をAHI推定モデルに入力して、そのAHIを推定する。推定AHIは、1時間当たりの無呼吸低呼吸数として算出される。
すなわち、AHI推定装置2は、あらかじめ取得されたある被験者の一定期間の生体振動信号を通信手段やUSBメモリ等によって受信して、その心拍数(HR)、呼吸数(RR)、位相コヒーレンス(λ)、体動(BM)を算出し、そのヒストグラムを生成し、そのヒストグラムに基づき生成された特徴画像を生成し、その特徴画像をAHI推定部28に入力して、その被験者のAHIを推定することもできる。
図1の位相コヒーレンス(λ)算出部25に代えて心拍変動算出部31を備えているので、図1に示す実施形態と異なる部分について説明する。
心拍変動算出部31は、心拍数検出部24が生体振動信号から算出した心拍数をフーリエ変換して得られた心拍変動パワースペクトルの高周波成分(HF:0.15-0.40Hz)、低周波成分(LF:0.04-0.15Hz)、低周波成分/高周波成分(LF/HF)を算出する。
また、ヒストグラム生成部26は、位相コヒーレンス(λ)の代わりに、心拍変動パワースペクトルの高周波成分(HF)、心拍変動パワースペクトルの低周波成分/高周波成分(LF/HF)のヒストグラムを生成する。心拍数(HR)、呼吸数(RR)、体動割合(BM)のヒストグラムは図1に示す実施形態の場合と同様である。
心拍変動パワースペクトルの高周波成分(HF)のヒストグラムは、横軸がHFの階級(0-1)、縦軸が頻度である。
心拍変動パワースペクトルの低周波成分/高周波成分(LF/HF)のヒストグラムは、横軸がLF/HFの階級(0-10)、縦軸が頻度である。
特徴画像生成部27は、位相コヒーレンス(λ)のヒストグラムの代わりに、心拍変動パワースペクトルの高周波成分(HF)と低周波成分/高周波成分(LF/HF)のヒストグラムを用いて特徴画像を生成する。心拍数(HR)、呼吸数(RR)、体動割合(BM)のヒストグラムを用いることは図1に示す実施形態の場合と同様である。
教師データはPSGにより判定されたAHIであり、入力データは、PSGと同期して計測された生体振動信号から得られた特徴画像である。
生体振動信号から、心拍数(HR)、呼吸数(RR)、位相コヒーレンス(λ)、体動割合(BM)を算出し、それぞれのヒストグラムを生成した。次に、Bin数を画像の幅に、前記4つのパラメータを画像の高さに設定し、それぞれのヒストグラムの各階級の頻度を色相に対応させて一つの特徴画像を生成した。
図2はAHIが2の被験者のヒストグラムと特徴画像である。
左端が心拍数(HR)のヒストグラム、左から2番目が呼吸数(RR)のヒストグラム、左から3番目が位相コヒーレンス(λ)のヒストグラム、左から4番目が体動割合(BM)のヒストグラムである。右端がこれらのヒストグラムから生成された特徴画像である。
特徴画像の上から1番目がHRのヒストグラム、2番目がRRのヒストグラム、3番目がλのヒストグラム、4番目がBMのヒストグラムに対応し、頻度を色相の変化で表示している。
AHIが2の被験者は睡眠時に無呼吸低呼吸の頻度は少なく、心拍数(HR)のヒストグラムには深睡眠時とレム睡眠や覚醒に対応すると思われる2つのピークが認められ、深睡眠時には心拍数が低下していることが伺える。
また、呼吸数(RR)のヒストグラムのピークがシャープで、呼吸数の変動が少ないことを示している。
また、位相コヒーレンス(λ)のヒストグラムは1に近い方にピークがあり、0.5以下に分布するデータはあまり見られない。また、体動割合(BM)のヒストグラムのピークは0にあり、睡眠時に体動がない時間帯が多いことを意味する。特徴画像にはこれら4つのパラメータのヒストグラムの特徴が反映されている。
左端が心拍数(HR)のヒストグラム、左から2番目が呼吸数(RR)のヒストグラム、左から3番目が位相コヒーレンス(λ)のヒストグラム、左から4番目が体動割合(BM)のヒストグラムである。右端がこれらのヒストグラムから生成された特徴画像である。
特徴画像の上から1番目がHRのヒストグラム、2番目がRRのヒストグラム、3番目がλのヒストグラム、4番目がBMのヒストグラムに対応し、頻度を色相の変化で表示している。
AHIが91の被験者は睡眠時に無呼吸低呼吸の頻度が高く、心拍数(HR)のヒストグラムには深睡眠時とレム睡眠や覚醒に対応する2つのピークが認められず、図2のAHIが2の被験者と比べるとヒストグラムのピークは心拍数が高い方に位置している。
また、呼吸数(RR)のヒストグラムのピークはAHIが2の被験者に比べてシャープではなく、その分布の広がりは呼吸数が低い領域に及んでおり、無呼吸低呼吸が発生しており、呼吸数の変動も多いことが伺える。
また、位相コヒーレンス(λ)のヒストグラムは0.5付近にピークが見られ、AHIが2の被験者に比べて高い値が見られない。また、体動割合(BM)のヒストグラムのピークは0にはなく、睡眠時に体動のない時間帯が少ないことを意味する。特徴画像にはこれら4つのパラメータのヒストグラムの特徴が反映されている。
このことから、睡眠時の生体振動信号に基づいて取得された、呼吸数、心拍数、位相コヒーレンス(λ)、体動割合には、無呼吸低呼吸症候群に係る情報が含まれており、それらが集約された特徴画像を、CNNを含む機械学習器に入力してAHIを推定することが有効であることを確認することができた。
まず、25人の被験者のデータを用いて、図5に示す無呼吸低呼吸推定装置のCNNを含む学習器による深層学習を行った。Leave-one-out法による交差検証を行うため、学習は検証用の被験者1名を除いた24人のデータで行った。
教師データはPSGにより判定されたAHIであり、入力データは、PSGと同期して計測された生体振動信号から得られた特徴画像である。
生体振動信号から、心拍数(HR)、呼吸数(RR)、心拍変動パワースペクトルの高周波成分(HF)、心拍変動パワースペクトルの低周波成分/高周波成分(LF/HF)、体動割合(BM)を算出し、それぞれのヒストグラムを生成した。次に、Bin数を画像の幅に、前記5つのパラメータを画像の高さに設定し、それぞれのヒストグラムの各階級の頻度を色相に対応させて一つの特徴画像を生成した。
左端が心拍数(HR)のヒストグラム(横軸50、100:縦軸0,200,400,600,800)、左から2番目が呼吸数(RR)のヒストグラム(横軸0,20,40:縦軸0,200,400,600,800、1000,1200)、左から3番目が心拍変動パワースペクトルの高周波成分(HF)のヒストグラム(横軸0,0.5,1:縦軸0,100,200,300,400、500)、左から4番目が心拍変動パワースペクトルの低周波成分/高周波成分(LF/HF)のヒストグラム(横軸0,5,10:縦軸0,200,400,600,800、1000,1200)、左から5番目が体動割合(BM)のヒストグラム(横軸0,0.1,0.2,0.3:縦軸0,500,1000,1500,2000)である。
右端がこれらのヒストグラムから生成された特徴画像である。特徴画像の1がHRのヒストグラム、2がRRのヒストグラム、3がHFのヒストグラム、4がLF/HFのヒストグラム、5がBMのヒストグラムに対応し、頻度を色相の変化で表示している。
HFのヒストグラムは0.7付近にピークを示し、LF/HFのヒストグラムは低値を示す頻度が高い。
特徴画像にはこれら5つのパラメータのヒストグラムの特徴が反映されている。
左端が心拍数(HR)のヒストグラム(横軸50、100:縦軸0,200,400,600,800)、左から2番目が呼吸数(RR)のヒストグラム(横軸0,20,40:縦軸0,200,400,600,800、1000,1200)、左から3番目が心拍変動パワースペクトルの高周波成分(HF)のヒストグラム(横軸0,0.5,1:縦軸0,100,200,300,400、500)、左から4番目が心拍変動パワースペクトルの低周波成分/高周波成分(LF/HF)のヒストグラム(横軸0,5,10:縦軸0,200,400,600,800、1000,1200)、左から5番目が体動割合(BM)のヒストグラム(横軸0,0.1,0.2,0.3:縦軸0,500,1000,1500,2000)である。
右端がこれらのヒストグラムから生成された特徴画像である。
特徴画像の1がHRのヒストグラム、2がRRのヒストグラム、3がHFのヒストグラム、4がLF/HFのヒストグラム、5がBMのヒストグラムに対応し、頻度を色相の変化で表示している。
HFのヒストグラムは中央値にピークを示し、LF/HFのヒストグラムは低値を示す頻度が低下し、高値を示す頻度が増して5以上にも分布が現れる。
特徴画像にはこれら5つのパラメータのヒストグラムの特徴が反映されている。
このことから、睡眠時の生体振動信号に基づいて取得された、呼吸数、心拍数、心拍変動パワースペクトルの高周波成分、心拍変動パワースペクトルの低周波成分/高周波成分、体動割合には、無呼吸低呼吸症候群に係る情報が含まれており、それらが集約された特徴画像を、CNNを含む機械学習器に入力してAHIを推定することが可能であることを確認することができた。
2 AHI推定装置
21 生体振動信号受信部
22 体動信号検出部
23 呼吸数検出部
24 心拍数検出部
25 位相コヒーレンス(λ)算出部
26 ヒストグラム生成部
27 特徴画像生成部
28 AHI推定部
3 センサ部
31 心拍変動算出部
Claims (6)
- 動物の生体振動信号を受信する生体振動信号受信部と、
前記生体振動信号から体動信号を検出する体動信号検出部と、
前記生体振動信号から呼吸数を検出する呼吸数検出部と、
前記生体振動信号から心拍数を検出する心拍数検出部と、
前記生体振動信号から検出した心拍間隔の変動の瞬時位相と呼吸パターンの瞬時位相の瞬時位相差から位相コヒーレンスを算出する位相コヒーレンス算出部と、
前記体動信号、前記心拍数、前記呼吸数、前記位相コヒーレンスを入力してそれぞれのヒストグラムを生成するヒストグラム生成部と、
それぞれの前記ヒストグラムを入力して特徴画像を生成する特徴画像生成部と、
前記特徴画像を入力して無呼吸低呼吸指標を推定する無呼吸低呼吸指標推定部を備え、
前記無呼吸低呼吸指標推定部は、睡眠ポリソムノグラフに基づいて判定されたAHIを教師データとし、前記教師データと同期した前記特徴画像を入力データとして機械学習を行い、被験者の前記特徴画像を入力して無呼吸低呼吸指標を推定することを特徴とする無呼吸低呼吸指標推定装置。 - 前記機械学習はCNNを含む機械学習器を使って深層学習を行うことを特徴とする請求項1に記載の無呼吸低呼吸指標推定装置。
- 請求項1または請求項2に記載の無呼吸低呼吸指標推定装置に動物の生体振動信号を検出するセンサ部を備えたことを特徴とする無呼吸低呼吸指標推定システム。
- センサ部が出力する生体振動信号を受信するステップと、
前記生体振動信号から体動信号検出部が体動信号を検出し、呼吸数検出部が呼吸数を検出し、心拍数検出部が心拍数を検出し、位相コヒーレンス算出部が生体振動信号から検出した心拍間隔の変動の瞬時位相と呼吸パターンの瞬時位相の瞬時位相差から位相コヒーレンスを算出するステップと、
前記体動信号、前記心拍数、前記呼吸数、前記位相コヒーレンスそれぞれのヒストグラムを生成するステップと、
前記ヒストグラムから特徴画像を生成するステップと、
無呼吸低呼吸指標推定モデルが、睡眠ポリソムノグラフに基づいて判定されたAHIを教師データとし、前記教師データと同期した前記特徴画像を入力データとして機械学習を行うステップと、
被験者の前記特徴画像を入力して無呼吸低呼吸指標を推定するステップを備えることを特徴とする無呼吸低呼吸指標推定方法。 - コンピュータを、
センサ部が出力する生体振動信号を受信する手段、
前記生体振動信号から体動信号を検出する手段、
前記生体振動信号から呼吸数を検出する手段、
前記生体振動信号から心拍数を検出する手段、
前記生体振動信号から検出した心拍間隔の変動の瞬時位相と呼吸パターンの瞬時位相の瞬時位相差から位相コヒーレンスを算出する手段、
前記体動信号、前記心拍数、前記呼吸数、前記位相コヒーレンスを入力してそれぞれのヒストグラムを生成するヒストグラム生成手段、
それぞれの前記ヒストグラムを入力して特徴画像を生成する特徴画像生成手段、
睡眠ポリソムノグラフに基づいて判定されたAHIを教師データとし、前記教師データと同期した前記特徴画像を入力データとして無呼吸低呼吸指標を推定する無呼吸低呼吸指標推定部の機械学習を行わせる手段、
被験者の前記特徴画像を入力して無呼吸低呼吸指標を推定する手段、
として機能させることを特徴とする無呼吸低呼吸指標推定プログラム。 - 動物の生体振動信号を受信する生体振動信号受信部と、
前記生体振動信号から体動信号を検出する体動信号検出部と、
前記生体振動信号から呼吸数を検出する呼吸数検出部と、
前記生体振動信号から心拍数を検出する心拍数検出部と、
前記心拍数から心拍変動パワースペクトルの高周波成分および低周波成分/高周波成分を算出する心拍変動算出部と、
前記体動信号、前記心拍数、前記呼吸数、前記高周波成分、前記低周波成分/高周波成分を入力してそれぞれのヒストグラムを生成するヒストグラム生成部と、
それぞれの前記ヒストグラムを入力して特徴画像を生成する特徴画像生成部と、
前記特徴画像を入力して無呼吸低呼吸指標を推定する無呼吸低呼吸指標推定部を備え、
前記無呼吸低呼吸指標推定部は、睡眠ポリソムノグラフに基づいて判定されたAHIを教師データとし、前記教師データと同期した前記特徴画像を入力データとして機械学習を行い、被験者の前記特徴画像を入力して無呼吸低呼吸指標を推定することを特徴とする無呼吸低呼吸指標推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2023/010494 WO2023176948A1 (ja) | 2022-03-14 | 2023-03-13 | 無呼吸低呼吸指標推定装置、方法およびプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022060807 | 2022-03-14 | ||
JP2022060807 | 2022-03-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7158641B1 true JP7158641B1 (ja) | 2022-10-24 |
JP2023134322A JP2023134322A (ja) | 2023-09-27 |
Family
ID=83721025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022098448A Active JP7158641B1 (ja) | 2022-03-14 | 2022-06-01 | 無呼吸低呼吸指標推定装置、方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7158641B1 (ja) |
WO (1) | WO2023176948A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008110108A (ja) | 2006-10-31 | 2008-05-15 | Teijin Pharma Ltd | 生理情報を生成する方法、コンピュータプログラム、生理情報生成システム |
JP2017064338A (ja) | 2015-10-01 | 2017-04-06 | ヘルスセンシング株式会社 | 睡眠状態測定装置及び方法、位相コヒーレンス算出装置並びに心拍波形抽出方法 |
US20200375490A1 (en) | 2019-05-28 | 2020-12-03 | Cardiac Pacemakers, Inc. | Arrhythmia classification using correlation image |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7413549B1 (en) * | 2004-03-17 | 2008-08-19 | Pacesetter, Inc. | Detecting and quantifying apnea using ventilatory cycle histograms |
AU2013212534B2 (en) * | 2012-01-27 | 2015-04-16 | ResMed Pty Ltd | Discrimination of Cheyne-Stokes breathing patterns |
KR20180108664A (ko) * | 2016-02-15 | 2018-10-04 | 헬스 센싱 가부시키가이샤 | 수면 상태 측정장치 및 방법, 위상 코히어런스 산출 장치, 생체 진동신호 측정 장치, 스트레스 상태 측정 장치 및 수면 상태 측정 장치 및 심박 파형 추출 방법 |
US20190365281A1 (en) * | 2017-01-16 | 2019-12-05 | Koninklijke Philips N.V. | Physiologic monitoring decision support system combining capnometry and oxygen saturation |
-
2022
- 2022-06-01 JP JP2022098448A patent/JP7158641B1/ja active Active
-
2023
- 2023-03-13 WO PCT/JP2023/010494 patent/WO2023176948A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008110108A (ja) | 2006-10-31 | 2008-05-15 | Teijin Pharma Ltd | 生理情報を生成する方法、コンピュータプログラム、生理情報生成システム |
JP2017064338A (ja) | 2015-10-01 | 2017-04-06 | ヘルスセンシング株式会社 | 睡眠状態測定装置及び方法、位相コヒーレンス算出装置並びに心拍波形抽出方法 |
US20200375490A1 (en) | 2019-05-28 | 2020-12-03 | Cardiac Pacemakers, Inc. | Arrhythmia classification using correlation image |
Also Published As
Publication number | Publication date |
---|---|
JP2023134322A (ja) | 2023-09-27 |
WO2023176948A1 (ja) | 2023-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paalasmaa et al. | Adaptive heartbeat modeling for beat-to-beat heart rate measurement in ballistocardiograms | |
EP3334337B1 (en) | Monitoring of sleep phenomena | |
TWI725255B (zh) | 可偵測睡眠呼吸中止的穿戴式裝置及其信號分析方法 | |
Al-Angari et al. | Automated recognition of obstructive sleep apnea syndrome using support vector machine classifier | |
JP5303802B2 (ja) | 心電図から導出された無呼吸/低呼吸指数 | |
JP5070701B2 (ja) | 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置 | |
KR101868888B1 (ko) | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 | |
US20200121207A1 (en) | Method of processing a signal representing a physiological rhythm | |
Rosales et al. | Heart rate monitoring using hydraulic bed sensor ballistocardiogram 1 | |
CN115209801A (zh) | 睡眠呼吸暂停检测系统和方法 | |
WO2016018906A1 (en) | Method and apparatus for assessing respiratory distress | |
CN111867450A (zh) | 睡眠呼吸暂停检测系统和方法 | |
JP6813837B2 (ja) | 活動リズム判定方法および活動リズム判定装置 | |
JP2006271474A (ja) | 睡眠状態推定装置 | |
KR102243012B1 (ko) | 피부 영상을 이용한 혈관탄성도와 부정맥 진단 방법 | |
JP2021146061A (ja) | 生体情報取得装置、生体情報取得方法及びプログラム | |
JP6784368B2 (ja) | うつ状態判別方法及びうつ状態判定装置 | |
US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
Motin et al. | PPG derived respiratory rate estimation in daily living conditions | |
US20180333064A1 (en) | Respiration estimation method and apparatus | |
JP7158641B1 (ja) | 無呼吸低呼吸指標推定装置、方法およびプログラム | |
Zhang et al. | Sleep/wake classification via remote PPG signals | |
US20220039753A1 (en) | Modulation model of photoplethysmography signal for vital sign extraction | |
JP6865438B2 (ja) | 精神神経状態を判別する指標の作成方法および作成装置 | |
JP7088153B2 (ja) | Cap(周期性脳波活動)検出装置、cap(周期性脳波活動)検出方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220601 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220601 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220725 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220913 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220917 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7158641 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |