JP7294459B2 - 生体信号解析システム - Google Patents
生体信号解析システム Download PDFInfo
- Publication number
- JP7294459B2 JP7294459B2 JP2021570835A JP2021570835A JP7294459B2 JP 7294459 B2 JP7294459 B2 JP 7294459B2 JP 2021570835 A JP2021570835 A JP 2021570835A JP 2021570835 A JP2021570835 A JP 2021570835A JP 7294459 B2 JP7294459 B2 JP 7294459B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- unit
- determination
- analysis system
- 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
- 238000004458 analytical method Methods 0.000 title claims description 62
- 206010003119 arrhythmia Diseases 0.000 claims description 74
- 230000006793 arrhythmia Effects 0.000 claims description 74
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 42
- 238000012545 processing Methods 0.000 description 37
- 230000008569 process Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 29
- 208000006029 Cardiomegaly Diseases 0.000 description 16
- 206010003658 Atrial Fibrillation Diseases 0.000 description 15
- 206010007572 Cardiac hypertrophy Diseases 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002763 arrhythmic effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 206010047302 ventricular tachycardia Diseases 0.000 description 2
- 206010003662 Atrial flutter Diseases 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 1
- 206010047295 Ventricular hypertrophy Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 206010061592 cardiac fibrillation Diseases 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002600 fibrillogenic effect Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/347—Detecting the frequency distribution of signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
非特許文献1では、RRレシオの異常性に特徴を持つ不整脈しか判定できない。前述したように不整脈には様々な種類があり、心室頻拍などRRレシオに特徴の出ない不整脈も存在するため、これらの不整脈の見逃しが発生する。また、バラツキからRRレシオの異常性を評価するため、心房細動を判定にはその不整脈(バラツキ)が長期に亘って連続的に続いている必要があり、突発的に発生する不整脈は判定が困難である。
非特許文献2では、事前学習が必要であるため、学習していない不整脈の判定を行うことはできない。
(1)心電情報に基づいて不整脈の判定を行う一連の生体信号解析システムであって、
前記心電情報の入力を受け付ける入力部と、
前記心電情報を時間-周波数変換して判定用データを生成するデータ変換部と、
自己符号化器からなる学習済みモデルを用いて前記判定用データを復元した復元データを生成するデータ復元部と、
前記復元データと前記判定用データとの差量を算出する差算出部と、
前記差量に基づいて、前記判定用データが正常波形データおよび不整脈波形データのいずれであるかを判定する判定部と、
を備える生体信号解析システム。
(1)に記載の生体信号解析システム。
(1)に記載の生体信号解析システム。
(1)に記載の生体信号解析システム。
前記データ変換部は、前記単位波形データを時間-周波数変換して前記判定用データを生成する、
(1)~(4)のいずれかに記載の生体信号解析システム。
(1)~(5)のいずれかに記載の生体信号解析システム。
前記判定部は、前記差データの時間および周波数特徴に基づいて不整脈要因を特定する、
(1)~(6)のいずれかに記載の生体信号解析システム。
(1)~(7)のいずれかに記載の生体信号解析システム。
をさらに備える(1)~(8)のいずれかに記載の生体信号解析システム。
をさらに備え、
前記学習部は、
前記既知の学習用データの特徴に応じた複数の自己符号化器、
を有し、
判定対象の正常波形データの特徴に基づいて、前記複数の自己符号化器から自己符号化器を1つ選択する、
(2)に記載の生体信号解析システム。
をさらに備え、
前記学習部は、
前記既知の学習用データの特徴に応じた複数の学習用データ群または複数の自己符号化器、
を有し、
判定対象の正常波形データの特徴に基づいて前記複数の学習用データ群または前記複数の自己符号化器から学習用データ群または自己符号化器を1つ選択する、
(3)に記載の生体信号解析システム。
図1は、本発明の実施形態1に係る一連の生体信号解析システムの構成例を示す図である。図1によれば、解析対象である心電情報10は、生体信号測定器2を介して判定対象1から取得する。判定対象1は、人や動物等、特に限定されない。生体信号測定器2の例としては、心電計が挙げられる。
図2は、解析に用いる心電情報10の詳細例を示す図である。図2の(a)は正常な脈の波形データ11Aを示し、図2の(b)はF波が発生している心房細動の波形データ11Bを示す例である。各波形データは、P波11a、Q波11b、R波11c、S波11d、T波11e、F波11fと呼ばれる成分を含み得るものであり、これらの形状は不整脈の判定基準として用いられる。なお、心電情報10が有する波形データは、判定対象や生体信号測定器によってその形状が変わることもある。
また、図3に示す例では単位波形ごとにセグメント化するために、一定区間の極大値から検出されるR波11cのピーク位置11cpに基づいて前後指定秒数をひとつの単位波形としているが、この限りではない。入力部31は、波形データがR波11cを有しておらず、R波11cのピーク位置11cpを検出することができない場合、波形データの極大値を求め、その時間を基準位置として、前後指定秒数を一つの単位として抽出する。
次に、本発明の実施形態2について説明する。本実施形態2は実施形態1に従属する。実施形態2に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態1とは異なる部分について説明する。
次に、本発明の実施形態3について説明する。実施形態3に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態1とは異なる部分について説明する。
次に、本発明の実施形態4について説明する。本実施形態4は実施形態3に従属する。実施形態4に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態3とは異なる部分について説明する。
次に、本発明の実施形態5について説明する。実施形態5に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態1とは異なる部分について説明する。
次に、本発明の実施形態6について説明する。実施形態6に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態1とは異なる部分について説明する。
次に、本発明の実施形態7について説明する。実施形態7に係る生体信号解析システムの構成は、実施形態1に係る生体信号解析システム3と同じであるため、説明を省略する。以下、実施形態1とは異なる部分について説明する。
ここまで、本発明を実施するための形態を説明してきたが、本発明は、上述した実施形態によってのみ限定されるべきものではない。例えば、生体信号解析システム3が学習部33を備えるものとして説明したが、生体信号解析システム3が学習部33を有さずに、通信ネットワークを介して学習モデルを取得する構成としてもよい。また、解析対象の情報は、心電情報に限らず、上述した波形データを用いるものであれば適用可能である。
2 生体信号測定器
3 生体信号解析システム
10 心電情報
11 波形データ
12、12A~12H 単位波形データ
13、13A~13H 三次元特徴データ
13I~13L、14A、14B、19A~19C 判定用データ
13K´、13L´ 重み付けデータ
14X 学習用データ
15A、15B 復元データ
16A、16B、16K、16L、20A~20C 差データ
17A、17B 差量
31 入力部
32 データ変換部
33 学習部
34 データ復元部
35 差算出部
36 判定部
37 制御部
38 記憶部
41a、41b 自己符号化器
42 学習モデル
43 入力データ
Claims (12)
- 心電情報に基づいて不整脈の判定を行う一連の生体信号解析システムであって、
前記心電情報の入力を受け付ける入力部と、
前記心電情報を時間-周波数変換して判定用データを生成するデータ変換部と、
心電情報に基づく学習用データを用いた自己符号化器の学習によって得られる学習済みモデルを用いて、前記判定用データを復元した復元データを生成するデータ復元部と、
前記復元データと前記判定用データとの差量を算出する差算出部と、
前記差量が予め設定されている閾値よりも小さい場合、前記判定用データが正常波形データであると判定し、前記差量が前記閾値よりも大きい場合、前記判定用データが不整脈波形データであると判定する判定部と、
を備える生体信号解析システム。 - 前記学習済みモデルは、95%以上が正常波形データに基づいて生成される複数の既知の学習用データを用いた学習により生成されたモデルである、
請求項1に記載の生体信号解析システム。 - 前記学習済みモデルは、95%以上が正常波形データに基づいて生成される複数の既知の学習用データ、および判定を行う対象から取得した学習用データを用いた学習により生成されたモデルである、
請求項1に記載の生体信号解析システム。 - 前記学習済みモデルは、判定対象から取得した学習用データを用いた学習により生成されたモデルである、
請求項1に記載の生体信号解析システム。 - 前記入力部は、前記心電情報が有する波形データに対し、所定の時間範囲の波形データを抽出した単位波形データにセグメント化し、
前記データ変換部は、前記単位波形データを時間-周波数変換して前記判定用データを生成する、
請求項1~4のいずれかに記載の生体信号解析システム。 - 前記データ変換部は、前記判定用データにおいて不整脈の時間-周波数特徴領域に対して重み付けした重み付けデータを生成する、
請求項1~5のいずれかに記載の生体信号解析システム。 - 前記差算出部は、前記復元データと前記判定用データとの差を示す差データを生成し、該差データに基づいて前記差量を算出し、
前記判定部は、前記差データの時間および周波数特徴に基づいて不整脈要因を特定する、
請求項1~6のいずれかに記載の生体信号解析システム。 - 前記学習済みモデルは、前記正常波形データであることが既知の学習用データを用いた学習により生成されたモデルである、
請求項1~7のいずれかに記載の生体信号解析システム。 - 前記学習用データを用いて前記自己符号化器の学習を行って前記学習済みモデルを生成する学習部、
をさらに備える請求項1~8のいずれかに記載の生体信号解析システム。 - 前記学習用データを用いて前記自己符号化器の学習を行って前記学習済みモデルを生成する学習部、
をさらに備え、
前記学習部は、
前記既知の学習用データの特徴に応じた複数の自己符号化器、
を有し、
判定対象の正常波形データの特徴に基づいて、前記複数の自己符号化器から自己符号化器を1つ選択する、
請求項2に記載の生体信号解析システム。 - 前記学習用データを用いて前記自己符号化器の学習を行って前記学習済みモデルを生成する学習部、
をさらに備え、
前記学習部は、
前記既知の学習用データの特徴に応じた複数の学習用データ群または複数の自己符号化器、
を有し、
判定対象の正常波形データの特徴に基づいて前記複数の学習用データ群または前記複数の自己符号化器から学習用データ群または自己符号化器を1つ選択する、
請求項3に記載の生体信号解析システム。 - 前記学習済みモデルは、正常波形データの特徴抽出および復元が可能である、
請求項1に記載の生体信号解析システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020194594 | 2020-11-24 | ||
JP2020194594 | 2020-11-24 | ||
PCT/JP2021/041847 WO2022113792A1 (ja) | 2020-11-24 | 2021-11-15 | 生体信号解析システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022113792A1 JPWO2022113792A1 (ja) | 2022-06-02 |
JP7294459B2 true JP7294459B2 (ja) | 2023-06-20 |
Family
ID=81755969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021570835A Active JP7294459B2 (ja) | 2020-11-24 | 2021-11-15 | 生体信号解析システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240000364A1 (ja) |
EP (1) | EP4252652A1 (ja) |
JP (1) | JP7294459B2 (ja) |
KR (1) | KR20230107806A (ja) |
CN (1) | CN116528763A (ja) |
WO (1) | WO2022113792A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014100473A (ja) | 2012-11-16 | 2014-06-05 | Samsung Electronics Co Ltd | 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ |
JP2014150826A (ja) | 2013-02-05 | 2014-08-25 | Nippon Koden Corp | 心電図解析装置 |
JP2019033878A (ja) | 2017-08-15 | 2019-03-07 | イーグルマトリックス株式会社 | 異常検出方法、異常検出装置及び異常検出プログラム |
JP2020036633A (ja) | 2018-08-31 | 2020-03-12 | 富士通株式会社 | 異常判別プログラム、異常判別方法および異常判別装置 |
JP2020156927A (ja) | 2019-03-27 | 2020-10-01 | 日本光電工業株式会社 | 生体情報測定装置、不整脈解析システム、不整脈解析方法、不整脈解析プログラム |
-
2021
- 2021-11-15 US US18/037,124 patent/US20240000364A1/en active Pending
- 2021-11-15 WO PCT/JP2021/041847 patent/WO2022113792A1/ja active Application Filing
- 2021-11-15 KR KR1020237015640A patent/KR20230107806A/ko unknown
- 2021-11-15 EP EP21897766.8A patent/EP4252652A1/en active Pending
- 2021-11-15 JP JP2021570835A patent/JP7294459B2/ja active Active
- 2021-11-15 CN CN202180078704.9A patent/CN116528763A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014100473A (ja) | 2012-11-16 | 2014-06-05 | Samsung Electronics Co Ltd | 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ |
JP2014150826A (ja) | 2013-02-05 | 2014-08-25 | Nippon Koden Corp | 心電図解析装置 |
JP2019033878A (ja) | 2017-08-15 | 2019-03-07 | イーグルマトリックス株式会社 | 異常検出方法、異常検出装置及び異常検出プログラム |
JP2020036633A (ja) | 2018-08-31 | 2020-03-12 | 富士通株式会社 | 異常判別プログラム、異常判別方法および異常判別装置 |
JP2020156927A (ja) | 2019-03-27 | 2020-10-01 | 日本光電工業株式会社 | 生体情報測定装置、不整脈解析システム、不整脈解析方法、不整脈解析プログラム |
Non-Patent Citations (1)
Title |
---|
高橋柊, 落合桂一, 深澤祐介,Stacked Convolutional Denoising Autoencodersを用いた2誘導心電図からの特徴抽出および不整脈分類,情報処理学会論文誌,Vol.59.No.12,日本,2018年12月,p.2213-2220 |
Also Published As
Publication number | Publication date |
---|---|
EP4252652A1 (en) | 2023-10-04 |
US20240000364A1 (en) | 2024-01-04 |
KR20230107806A (ko) | 2023-07-18 |
CN116528763A (zh) | 2023-08-01 |
WO2022113792A1 (ja) | 2022-06-02 |
JPWO2022113792A1 (ja) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107714023B (zh) | 基于人工智能自学习的静态心电图分析方法和装置 | |
CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
CN107837082B (zh) | 基于人工智能自学习的心电图自动分析方法和装置 | |
US8543194B2 (en) | System and method of detecting abnormal movement of a physical object | |
JP7429371B2 (ja) | 生体物理信号における非同期ノイズを定量化し、かつ除去するための方法およびシステム | |
EP3672474A1 (en) | A method of detecting abnormalities in ecg signals | |
CN108403107B (zh) | 一种心律失常判别方法及系统 | |
US20200074281A1 (en) | Computer-readable recording medium, abnormality determination method, and abnormality determination device | |
CN114041786B (zh) | 心冲击图信号的检测方法、装置以及设备 | |
CN109044348A (zh) | 房颤检测装置及存储介质 | |
KR102093257B1 (ko) | 심전도 신호에서의 노이즈 분별 필터 장치 및 필터링 방법 | |
JP2023120282A (ja) | 生体信号処理装置および自動解析用データ生成方法 | |
CN111839498A (zh) | 心电图分析装置及其心电图分析方法 | |
US11331049B2 (en) | Non-invasive prediction of risk for sudden cardiac death | |
JP7294459B2 (ja) | 生体信号解析システム | |
CN115486849A (zh) | 心电信号质量评估方法、装置及设备 | |
CN110179451B (zh) | 心电信号质量检测方法、装置、计算机设备和存储介质 | |
CN116172572A (zh) | 一种基于shap值加权和分段hdbscan的心拍聚类方法及系统 | |
Oster et al. | An artificial model of the electrocardiogram during paroxysmal atrial fibrillation | |
CN108836312B (zh) | 一种基于人工智能的进行杂波剔除的方法及系统 | |
JP7457266B2 (ja) | 信号解析装置、信号解析方法及びプログラム | |
Noruzi et al. | A comprehensive approach towards classification and prediction of ventricular tachycardia and ventricular fibrillation | |
Ramírez et al. | Comparison of ECG T-wave duration and morphology restitution markers for sudden cardiac death prediction in chronic heart failure | |
CN116135147A (zh) | 心电信号的处理方法及装置、电子设备及存储介质 | |
JP2023025913A (ja) | 心電図からの心房細動検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220622 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230302 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230522 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7294459 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |