JP7410937B2 - インピーダンス測定の評価 - Google Patents

Description

本発明は、インピーダンス測定を実行するための方法およびシステムに関し、より詳細には、たとえば、インピーダンス測定が有効であることを確認するためにインピーダンス測定を評価することに関する。

本明細書における、任意の従来の刊行物(またはそれから派生した情報)への言及、または既知の任意の事項への言及は、従来の刊行物(またはそれから派生した情報)または既知の事項が、本明細書が関係する試みの分野における共通の一般的知識の一部を形成することを、承認、了解、または何らかの形態の示唆として解釈されず、解釈されないものとする。

心臓機能、身体組成、および浮腫の存在など他の健康状態のインジケータなど、被験者に関連する生物学的インジケータを決定するための1つの既存の技法は、生体電気インピーダンスの使用を伴う。このプロセスは、典型的には、皮膚表面上に配置された一連の電極を使用して被験者の身体の電気インピーダンスを測定するために測定デバイスを使用することを伴うが、他の技法を使用することもできる。電気インピーダンスの変化は、心周期、浮腫などに関連付けられた流体レベルの変化などのパラメータを決定するために使用される。

インピーダンス測定装置は、時に、被験者と局所環境と測定装置との間の浮遊容量、電極インピーダンスとしても知られる電極/組織界面インピーダンスの変動、ならびに測定デバイスを電極に接続するために使用されるリード線間の浮遊容量および誘導結合を含む、外部要因の影響を受けやすいことがあり、これは、インピーダンス測定デバイスによって実行される測定が常に正確であるとは限らないことを意味する。

測定は、典型的には、測定されたインピーダンス値の視覚的表現をユーザに見せて、これらが「正しく見える」かどうかを確認することによって、手動で評価される。そのような主観的な査定は、未経験のユーザが実行することは困難であり、正確な測定値が廃棄される可能性があり、一方、不正確な測定値が使用され、これは、次に、生物学的インジケータの不正確な計算につながり得ることを意味する。

特許出願第WO2009059351号

広範な一形態では、本発明の一態様は、生物学的被験者に対して生体インピーダンス測定を実行するためのシステムを提供することを目的とし、このシステムは、複数の異なる周波数での、交流信号を、生物学的被験者の少なくとも一部に印加するように構成された信号生成器と、生物学的被験者からの応答信号を測定するように構成されたセンサーと、1つまたは複数の電子処理デバイスであり、測定された応答信号を使用して、複数の異なる周波数での取得されたインピーダンス値を決定することと、曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算することと、インピーダンス測定値からインピーダンス曲線の偏差を決定することと、インピーダンス測定の評価を実行するために、偏差を使用することとを行う1つまたは複数の電子処理デバイスとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのシステムを提供することを目的とし、このシステムは、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算することと、インピーダンス測定値からインピーダンス曲線の偏差を決定することと、インピーダンス測定の評価を実行するために、偏差を使用することとを行う1つまたは複数の電子処理デバイスを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するための方法を提供することを目的とし、この方法は、1つまたは複数の電子処理デバイスにおいて、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定するステップと、曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算するステップと、インピーダンス測定値からインピーダンス曲線の偏差を決定するステップと、インピーダンス測定の評価を実行するために、偏差を使用するステップとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのコンピュータプログラム製品を提供することを目的とし、コンピュータプログラム製品がコンピュータ実行可能コードを含み、コンピュータ実行可能コードが、1つまたは複数の適切にプログラムされた電子処理デバイスによって実行されると、1つまたは複数の処理デバイスに、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算することと、インピーダンス測定値からインピーダンス曲線の偏差を決定することと、インピーダンス測定の評価を実行するために、偏差を使用することとを行わせる。

広範な一形態では、本発明の一態様は、生物学的被験者に対して生体インピーダンス測定を実行するためのインピーダンス測定システムを提供することを目的とし、このシステムは、複数の異なる周波数での、交流信号を、生物学的被験者の少なくとも一部に印加するように構成された信号生成器と、生物学的被験者からの応答信号を測定するように構成されたセンサーと、1つまたは複数の電子処理デバイスであり、測定された応答信号を使用して、複数の異なる周波数での取得されたインピーダンス値を決定することと、負のリアクタンス値を有するインピーダンス値のカウントを決定することと、インピーダンス測定の評価を実行するために、カウントを使用することとを行う1つまたは複数の電子処理デバイスとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのシステムを提供することを目的とし、このシステムは、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、負のリアクタンス値を有するインピーダンス値のカウントを決定することと、インピーダンス測定の評価を実行するために、カウントを使用することとを行う1つまたは複数の電子処理デバイスを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するための方法を提供することを目的とし、この方法は、1つまたは複数の電子処理デバイスにおいて、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定するステップと、負のリアクタンス値を有するインピーダンス値のカウントを決定するステップと、インピーダンス測定の評価を実行するために、カウントを使用するステップとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのコンピュータプログラム製品を提供することを目的とし、コンピュータプログラム製品がコンピュータ実行可能コードを含み、コンピュータ実行可能コードが、1つまたは複数の適切にプログラムされた電子処理デバイスによって実行されると、1つまたは複数の処理デバイスに、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、負のリアクタンス値を有するインピーダンス値のカウントを決定することと、インピーダンス測定の評価を実行するために、カウントを使用することとを行わせる。

広範な一形態では、本発明の一態様は、生物学的被験者に対して生体インピーダンス測定を実行するためのインピーダンス測定システムを提供することを目的とし、このシステムは、複数の異なる周波数での、交流信号を、生物学的被験者の少なくとも一部に印加するように構成された信号生成器と、生物学的被験者からの応答信号を測定するように構成されたセンサーと、1つまたは複数の電子処理デバイスであり、測定された応答信号を使用して、複数の異なる周波数での取得されたインピーダンス値を決定することと、インピーダンス値を使用してインピーダンスパラメータ値を計算することと、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較することであり、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定される、比較することと、インピーダンス測定の評価を実行するために、比較の結果を使用することとを行う1つまたは複数の電子処理デバイスとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのシステムを提供することを目的とし、このシステムは、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、インピーダンス値を使用してインピーダンスパラメータ値を計算することと、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較することであり、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定される、比較することと、インピーダンス測定の評価を実行するために、比較の結果を使用することとを行う1つまたは複数の電子処理デバイスを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するための方法を提供することを目的とし、この方法は、1つまたは複数の電子処理デバイスにおいて、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定するステップと、インピーダンス値を使用してインピーダンスパラメータ値を計算するステップと、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較するステップであり、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定される、比較するステップと、インピーダンス測定の評価を実行するために、比較の結果を使用するステップとを含む。

広範な一形態では、本発明の一態様は、生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するためのコンピュータプログラム製品を提供することを目的とし、コンピュータプログラム製品がコンピュータ実行可能コードを含み、コンピュータ実行可能コードが、1つまたは複数の適切にプログラムされた電子処理デバイスによって実行されると、1つまたは複数の処理デバイスに、生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定することと、インピーダンス値を使用してインピーダンスパラメータ値を計算することと、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較することであり、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定される、比較することと、インピーダンス測定の評価を実行するために、比較の結果を使用することとを行わせる。

一実施形態では、インピーダンス曲線は、円形セグメントである。

一実施形態では、インピーダンス測定の評価は、インピーダンス測定値の妥当性を決定することと、インピーダンス測定値をカテゴリー分類することと、インピーダンス測定を繰り返すことと、測定値の妥当性、測定誤差、および測定値のカテゴリー分類のうちの少なくとも1つを示すインジケータを導出することと、のうちの少なくとも1つを行うために使用される。

一実施形態では、インピーダンス測定値は、不良、疑わしい、許容可能、のうちの少なくとも1つとしてカテゴリー分類される。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンスパラメータ値の推定誤差を計算するために、偏差を使用し、インピーダンスパラメータ値がインピーダンス曲線から導出され、インピーダンス測定を評価するために、推定誤差を使用する。

一実施形態では、1つまたは複数の処理デバイスは、いくつかのインピーダンスパラメータ値の各々について、それぞれの推定誤差を計算する。

一実施形態では、1つまたは複数の処理デバイスは、推定誤差を1つまたは複数のしきい値と比較し、比較の結果に基づいてインピーダンス測定を評価する。

一実施形態では、1つまたは複数の処理デバイスは、曲線当てはめアルゴリズムを使用して曲線係数を計算し、曲線係数およびインピーダンス値を使用して偏差を決定する。

一実施形態では、曲線当てはめアルゴリズムは、最小2乗法を使用する。

一実施形態では、1つまたは複数の処理デバイスは、偏差をインピーダンスパラメータ値に伝播することによって推定誤差を計算する。

一実施形態では、偏差は、分散、および共分散のうちの少なくとも1つに基づく。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス曲線およびインピーダンス値に関連付けられた分散および共分散を示す共分散行列を計算することによって、偏差を決定し、誤差を推定するために、共分散行列を使用する。

一実施形態では、共分散行列は、インピーダンス曲線およびインピーダンス値の平均2乗誤差に基づいて生成される。

一実施形態では、1つまたは複数の処理デバイスは、以下の式を使用して共分散行列を計算し、

式中、Aは、形式A=[1 R X]の測定されたリアクタンス値Xおよび抵抗値Rの行列であり、

は、曲線当てはめの平均2乗誤差である。

一実施形態では、1つまたは複数の処理デバイスは、ベクトル関数の1次偏導関数を使用して推定誤差を計算する。

一実施形態では、1つまたは複数の処理デバイスは、ヤコビ変換を使用して、推定誤差を計算する。

一実施形態では、1つまたは複数の処理デバイスは、以下の式を使用して、ヤコビ変換を共分散行列に適用することによって推定誤差を計算し、

式中、Jは、ヤコビ変換であり、J^Tは、逆ヤコビ変換であり、

は、誤差である。

一実施形態では、1つまたは複数の処理デバイスは、いくつかのインピーダンスパラメータ値に関連付けられた誤差値を計算し、誤差値の各々を少なくとも1つのそれぞれのしきい値と比較し、比較の結果に基づいて評価を実行する。

一実施形態では、いくつかのインピーダンスパラメータ値が、0kHzの周波数での理論インピーダンスであるR₀と、無限周波数での理論インピーダンスであるR_infと、細胞内インピーダンスであるR_iと、のうちの1つまたは複数を含む。

一実施形態では、1つまたは複数の処理デバイスは、以下の式を使用して誤差値を計算し、R₀の場合、

式中、J_R0は、R₀のヤコビ変換であり、J^T _R0は、R₀の逆ヤコビ変換であり、

は、共分散行列であり、R_infの場合、

式中、J_Rinfは、R_infのヤコビ変換であり、J^T _Rinfは、R_infの逆ヤコビ変換であり、

は、共分散行列であり、R_iの場合、

式中、J_Riは、R_iのヤコビ変換であり、J^T _Riは、R_iの逆ヤコビ変換であり、

は、共分散行列である。

一実施形態では、1つまたは複数の処理デバイスは、いくつかの負のリアクタンス値に基づいて、インピーダンス測定を評価する。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス測定を、いくつかの負のリアクタンス測定値が、第1のカテゴリーのリアクタンスしきい値を超える、または少なくとも1つのパラメータ値が、それぞれの第1のカテゴリーしきい値よりも大きい誤差を有する、うちの少なくとも1つである場合、第1のカテゴリーにあり、いくつかの負のリアクタンス測定値が、第2のカテゴリーのリアクタンスしきい値を超える、各パラメータ値が、それぞれの第2のカテゴリーしきい値よりも大きい誤差を有する、のうちの少なくとも1つである場合、第2のカテゴリーにあり、第1のカテゴリーまたは第2のカテゴリーにない場合、第3のカテゴリーにある、として評価する。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス測定を、R₀誤差が第1のカテゴリーのR₀しきい値よりも大きい場合、第1のカテゴリーにあり、R_i誤差が第1のカテゴリーのR_iしきい値よりも大きい、およびR_inf誤差が第1のカテゴリーのR_infしきい値よりも大きい、のうちの少なくとも1つである場合、第2のカテゴリーにある、として評価する。

一実施形態では、1つまたは複数の処理デバイスは、1つまたは複数のしきい値を少なくとも部分的に使用して測定を評価し、しきい値は、被験者に対して実行された以前のインピーダンス測定の評価に基づいて決定される、1人または複数人の基準被験者に対して実行された以前のインピーダンス測定の評価に基づいて決定される、1人または複数人の基準被験者に対して実行された以前のインピーダンス測定の評価に機械学習を適用することによって決定される、のうちの少なくとも1つである。

一実施形態では、1つまたは複数の処理デバイスは、被験者の特性と、実行されるインピーダンス分析プロセスと、のうちの少なくとも1つに従って少なくとも1つのしきい値を選択する。

一実施形態では、1つまたは複数の処理デバイスは、少なくとも1つのしきい値を使用してインピーダンス測定を評価し、ユーザ入力コマンドに従ってインピーダンス測定のユーザ査定を決定し、ユーザ査定に基づいて、少なくとも1つのしきい値を選択的に修正する。

一実施形態では、1つまたは複数の処理デバイスが、異なる偏差と測定値の妥当性との間の関係を具体化する少なくとも1つの計算モデルを使用して測定を評価する。

一実施形態では、少なくとも1つの計算モデルが、1人または複数人の基準被験者から取得された測定値の妥当性の偏差および査定に機械学習を適用することによって取得される。

一実施形態では、1つまたは複数の処理デバイスは、設定周波数よりも高い周波数での測定されたインピーダンス値に位相補正を適用し、位相補正されたインピーダンス値を使用して、インピーダンス曲線を計算する。

一実施形態では、各インピーダンス値は、リアクタンス値および抵抗値を含む。

一実施形態では、1つまたは複数の処理デバイスは、負のリアクタンス値を有するインピーダンス値のカウントを決定し、インピーダンス測定の評価を実行するために、カウントを使用する。

一実施形態では、1つまたは複数の処理デバイスは、設定周波数よりも高い周波数での測定されたインピーダンス値に位相補正を適用し、位相補正されたインピーダンス値を使用して、カウントを決定する。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス測定を、カウントがインピーダンス値の総数の25%よりも大きい場合、第1のカテゴリーにあり、カウントが14%よりも大きい場合、第2のカテゴリーにある、として評価する。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス値を使用してインピーダンスパラメータ値を計算し、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較し、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定され、インピーダンス測定の評価を実行するために、比較の結果を使用する。

一実施形態では、パラメータ値が、0kHzの周波数での理論インピーダンスであるR₀である、および定義された周波数インピーダンス値が、1kHzよりも大きい、10kHz未満、20kHz未満、30kHz未満、2kHz～4kHzの間、約3kHz、のうちの少なくとも1つで実行されるインピーダンス測定から決定される。

一実施形態では、パラメータ値が、無限周波数での理論インピーダンスであるR_infである、および定義された周波数インピーダンス値が、100kHzよりも大きい、500kHzよりも大きい、10000kHz未満、5000kHz未満、2000kHz未満、500kHz～2000kHzの間、および約1000kHz、のうちの少なくとも1つで実行されるインピーダンス測定から決定される。

一実施形態では、パラメータ値は、定義された周波数における理論インピーダンスである。

一実施形態では、1つまたは複数の処理デバイスは、インピーダンス測定を、インピーダンスパラメータ値と定義された周波数インピーダンス値との間の差の大きさが第1の差しきい値よりも大きい場合、第1のカテゴリーにあり、インピーダンスパラメータ値と定義された周波数インピーダンス値との間の差の大きさが第2の差しきい値よりも大きいが、第1の差しきい値よりも小さい場合、第2のカテゴリーにある、として評価する。

本発明の広範な形態およびそれらのそれぞれの特徴は、組み合わせて、および/または独立して使用することができ、別個の広範な形態への言及は、限定することを意図されないことが諒解されよう。さらに、本方法の特徴は、システムまたは装置を使用して実行することができ、システムまたは装置の特徴は、本方法を使用して実装できることが諒解されよう。

次に、添付の図面を参照しながら、本発明の様々な実施形態の例について説明する。

生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法の一例のフローチャートである。 生物学的組織のための理論的等価回路の一例の概略図である。 複素インピーダンスプロットとして知られるインピーダンスの軌跡の一例を示す図である。 分散型システムアーキテクチャの一例の概略図である。 測定システムの概略図である。 図3Aのインピーダンス測定デバイスの物理的構造の特定の例の概略図である。 インピーダンス測定を実行する際に使用するための電極位置の例の概略図である。 インピーダンス測定を実行する際に使用するための電極位置の例の概略図である。 インピーダンス測定を実行する際に使用するための電極位置の例の概略図である。 インピーダンス測定を実行する際に使用するための電極位置の例の概略図である。 インピーダンス測定を実行する際に使用するための電極位置の例の概略図である。 クライアントデバイスの一例の概略図である。 サーバの一例の概略図である。 生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法のさらなる例のフローチャートである。 生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法のさらなる例のフローチャートである。 生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法のさらなる例のフローチャートである。 生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法のさらなる例のフローチャートである。 インピーダンス値の位相補正の一例を示すグラフである。 インピーダンス値の位相補正の一例を示すグラフである。 インピーダンス値の位相補正の一例を示すグラフである。 位相補正計算の一例を示すグラフである。 位相補正計算の一例を示すグラフである。 位相補正計算の一例を示すグラフである。

次に、図1を参照して、生物学的被験者に対して実行される生体インピーダンス測定を評価するための方法の一例について説明する。

この例の目的のために、インピーダンス測定プロセスは、理論周波数におけるインピーダンスの外挿値などのインピーダンスパラメータ値を決定するために使用されていると仮定する。次いで、これらを使用して、体液状態、身体組成値、心不全、リンパ浮腫など医学的状態の有無または程度を示す疾患状態インジケータなどの身体状態値を示す1つまたは複数のインジケータを決定することができる。しかしながら、これは必須ではなく、本明細書に記載された技法は、他の理由で生物学的被験者に対して実行される生体インピーダンス測定を評価するために使用することができることが諒解されよう。

説明のために、プロセスは、インピーダンス測定システムなど1つまたは複数の測定システムに接続された、1つまたは複数の処理システムの一部を形成する1つまたは複数の電子処理デバイスを少なくとも部分的に使用して実行されることも想定される。一例では、これは、以下でより詳細に説明するように、少なくとも、測定システムまたは他のクライアントデバイスとインターフェースするクラウドベースのアーキテクチャを使用して実行される。システムは、1つまたは複数のデバイスによって実行される処理を伴う複数の処理デバイスを使用することができるが、例示を容易にするために、以下の例は、単一のデバイスに言及するが、単一の処理デバイスへの言及は、複数の処理デバイスを包含するものと理解されるべきであり、その逆もまた同様であり、処理は、必要に応じてデバイス間で分散されることが諒解されよう。

一例では、測定デバイスは、ユーザに駆動信号を印加するために電極を駆動するように電気的に接続された信号生成器と、ユーザにおける応答信号を測定するために電極を感知するように電気的に接続されたセンサーと、信号全体を少なくとも部分的に制御し、センサーから測定された応答信号の指示を受信し、少なくとも1つの測定されたインピーダンス値を計算する1つまたは複数の処理デバイスとを含む。

説明を容易にするために、「被験者」という用語は、査定が行われる任意の動物または動物組織、より具体的には、ヒトを指すが、これは限定することを意図するものではなく、本技法は、他の脊椎動物、哺乳動物、または組織により広く適用することができる。

この例では、ステップ100における、インピーダンス測定は、いくつかの異なる周波数における電気刺激信号を印加し、体内で結果として生じる応答信号を測定することによって実行され、いくつかのインピーダンス値が決定されることを可能にする。

一例では、インピーダンス値は、非常に低い周波数(1kHz)からより高い周波数(500kHzまたは1000kHz)までの範囲の多くの周波数にわたって測定され、いくつかのデバイスは、この範囲内の256以上の異なる周波数でのインピーダンス値を測定するが、これは必須ではなく、測定周波数の他の構成を使用することができる。たとえば、いくつかの場合には、4つの測定値のみが記録され、これらは、約25kHz、50kHz、100kHz、および200kHzなどの周波数などの周波数範囲にわたる。

インピーダンス測定値は、任意の形態のものでよく、身体全体または部分的なインピーダンス測定値を含むことができ、例を以下でより詳細に説明する。インピーダンス測定は、分析プロセスの一部として実行することができ、代替として、たとえば、データベースから結果を取り出すこと、測定デバイスから結果を受信することなどによって、1つまたは複数の処理デバイスによって後で実行される評価を含む分析を伴う別個の測定デバイスによって実行することができる。

ステップ110では、インピーダンス値は、インピーダンス曲線を計算するために使用され、インピーダンス曲線は、典型的には、曲線当てはめアルゴリズム、および1つの特定の例では、円当てはめアルゴリズムを使用して実行されるが、他の適切な技法を使用することもできる。

この点については、図1Bは、生物学的組織の電気的挙動を効果的にモデル化する等価回路の一例である。等価回路は、それぞれ細胞外液および細胞内液を通る電流を表す2つの分岐を有する。生物学的インピーダンスの細胞外液成分は、細胞外抵抗R_eによって表され、一方、細胞内液成分は、細胞内抵抗R_iおよび細胞膜を表す静電容量Cによって表される。

交流(AC)のインピーダンスの細胞外および細胞内成分の相対的な大きさは、周波数依存である。ゼロ周波数では、キャパシタは、完全な絶縁体として動作し、すべての電流が細胞外液を通って流れ、したがって、ゼロ周波数での抵抗R₀は、細胞外抵抗R_eに等しい。無限周波数では、キャパシタは、完全導体として動作し、電流は、並列抵抗結合を通過する。無限周波数R_∞における抵抗は、以下の式によって与えられる。

したがって、細胞内抵抗は、以下の式によって与えられる。

したがって、ω=2π*周波数の場合、角周波数ωにおける図1Bの等価回路のインピーダンスは、以下の式によって与えられ、

式中、R_∞=無限印加周波数でのインピーダンス、
R₀=ゼロ印加周波数でのインピーダンス=R_e、
τは、容量性回路の時定数である。

しかしながら、上記は、細胞膜が不完全なキャパシタであるという事実を考慮に入れない理想的な状況を表している。これを考慮に入れると、以下のような修正モデルが得られ、

式中、αは、0～1の間の値を有し、理想モデルからの実際のシステムの偏差のインジケータと考えることができ、軸の下の弧の中心の窪みを表す。

各測定値は、インピーダンスに、大きさおよびインピーダンス位相、代替として、抵抗およびリアクタンスを提供する。リアクタンス-抵抗グラフにおける複数の周波数からのインピーダンス値のプロットは、複素インピーダンスプロットと呼ばれる半円プロットを表すことが多く、例示的なプロットが図1Cに示されている。

周波数が増加するにつれて、リアクタンスは、特性周波数ではピークまで増加し、次いで、抵抗が連続的に減少する間に減少する。これは、図示されるように、x軸の下に円の中心を有する実質的に円形の軌跡をもたらす。この例では、Z_iは、任意の周波数f_iにおいて、φ_iの位相角を有する単一のインピーダンス値を示す。U_iおよびV_iによって表される線は、エンドポイント、R_∞およびR₀からZ_iに引かれたコードである。考えられるすべてのコードU_iとV_iの比率の対数が対数周波数に対してプロットされる場合、これは、f_cにおいてx軸を横切り、(-α)の傾きを有する直線とすべきである。

測定されたインピーダンスは、直接使用することができるが、より典型的には、測定されたインピーダンスは、インピーダンスパラメータを導出するために使用され、この点について、半円複素インピーダンスプロットは、実用上の理由により直接測定することができない重要な理論値におけるいくつかのインピーダンスの決定を可能にする。

一例は、0キロヘルツの周波数での測定されるインピーダンスであるR₀である。これはまた、直流電流としても知られており、いくつかの理由のためにヒトでの使用には適していない。R₀は、細胞外空間におけるインピーダンスの最良の理論値を表す。この周波数では、電流は、細胞外流体区画のみを通過する。したがって、この電流の反対(インピーダンス)は、細胞外液(ECF)のみによるものである。複素インピーダンスプロットからわかるように、この場合のインピーダンスベクトルのリアクタンス成分(電流との細胞膜相互作用によって引き起こされる)はゼロである。

別のパラメータは、無限キロヘルツの理論周波数では測定されるインピーダンスであるR_inf(文献ではR_∞とも呼ばれる)である。この場合も、そのような周波数電流は達成可能ではないが、複素インピーダンスプロットは、これを使用してインピーダンスのこの値を外挿することを可能にする。プロットを生成するために測定された周波数が円の半径の正確な決定を可能にするので、この外挿が可能になる。無限周波数では、電流は、細胞膜との相互作用によって影響を受けず、細胞膜を正しく通過する。したがって、R_infにおけるインピーダンスは、細胞外と細胞内の両方の流体、すなわち、全身水によるインピーダンスである。この理論周波数では、インピーダンスベクトルのリアクタンス成分もゼロである。これは、R_∞をR₀とともに使用して、細胞内抵抗R_i、ならびにX_c、Z_cまたはαなど他のインピーダンスパラメータを導出することを可能にする。

曲線当てはめアルゴリズムの性質は、好ましい実装形態に応じて変わる。一例では、次いで測定されたデータを理論的な半円軌跡に当てはめるために回帰手順が使用されるが、代替として、円を定義する3つのパラメータとして、半径(r)および円の中心の座標(i,j)の計算を可能にするために、円上の点間の幾何学的関係を表す3つの連立方程式が解かれる円当てはめ技法を使用することができる。また、非線形最小2乗手法など、線形または非線形方法を使用することができ、これは、単に、以下でより詳細に論じるインピーダンスパラメータ値への誤差の下流伝播が可能になることも諒解されよう。

上記で説明した等価回路は、抵抗を一定値としてモデル化し、したがって、被験者のインピーダンス応答を正確に反映せず、特に、被験者の血流中の赤血球の配向の変化、または他の弛緩効果を正確にモデル化しない。人体の電気伝導率をよりうまくモデル化するために、改善されたCPEベースのモデルを代替的に使用することができる。この例では、複素インピーダンスプロットは、円を定義しなくてもよく、代替の曲線を使用することができることが諒解されよう。以下の説明は、円形セグメントの使用に焦点を当てるが、これは、限定することを意図するものではなく、他の曲線を使用することができることが諒解されよう。

ステップ120では、1つまたは複数の処理デバイスは、インピーダンス測定値からインピーダンス曲線の偏差を決定する。この点について、インピーダンス測定値は、一般に、理論曲線に正確に適合せず、理論曲線からの変動は、測定値の不正確さを表すことが諒解されよう。したがって、偏差は、測定されたインピーダンス値の間の変動を表す。偏差の性質および偏差が決定される方法は、好ましい実装形態に応じて変わる。たとえば、偏差は、標準偏差、適合の平均2乗誤差とすることができ、または測定されたインピーダンス値と曲線上の対応する点との間の分散および/または共分散として査定することができる。

ステップ130では、偏差を使用して、インピーダンス測定の評価を実行することができる。特に、インピーダンス測定値が有効であるかどうか、および特に、測定が使用可能であるか、または不正確すぎるかどうかを評価するために、偏差の査定が行われる。一例では、これは、インピーダンスパラメータ値における結果として生じる誤差を査定するために偏差を使用することによって達成され、これは、測定値の使用が、結果として生じるインジケータに影響を及ぼす可能性がある不正確なパラメータ値をもたらすかどうかの査定を行うために使用される。別の例では、これは、機械学習技法を使用して実行される。

次いで、ステップ150では、インピーダンス測定値を許容するか、または拒否するために、この評価を任意選択で使用することができる。これは、自動的に実行することができるが、より典型的には、評価の結果をユーザに表示することによって達成され、ユーザが測定を拒否すべきかどうかに関する最終決定を行うことを可能にする。したがって、この例では、このプロセスは、測定値が正確であるか、および/または使用可能であるかどうかをユーザが査定するのを支援または誘導するために実行される。

したがって、上記で説明した配置は、生物学的被験者の理想化された応答に基づいて、理論的測定軌跡からの測定値の偏差を比較することによって、生物学的被験者に対して実行されるインピーダンス測定を評価する機構を提供する。次いで、評価の結果を使用して、インピーダンス測定値が有効であると許容されるか、または拒否され、任意選択で繰り返されるかの査定を助けることができる。したがって、これによって、測定値の妥当性の査定が、純粋に主観的なテストから、少なくとも部分的に客観的な査定となり、それによって、あまり不正確でない測定が使用されることを確実にする。これは、結果として得られるインピーダンスパラメータ値がより正確であることを確実にするのを助けることができ、これは、生物学的被験者に関連するインジケータを正確に計算するシステムの能力を改善し、改善された患者の転帰などにさらにつながり得る。

次に、いくつかのさらなる特徴について説明する。

上述したように、インピーダンス曲線は、典型的には、円形セグメントである。しかしながら、いくつかの状況では、他の曲線を使用できることが諒解されよう。たとえば、いくつかのシナリオでは、より高い周波数でのインピーダンス測定は、容量効果のために不正確であり得る。これは、以下でより詳細に説明するように、測定されたインピーダンス値が円形軌跡とより正確に整列するように測定されたインピーダンス値を調整する位相補正手順を使用して補償することができる。しかしながら、位相補正を実行する代替として、円形軌跡以外の曲線を使用して、高周波効果を考慮することができることが諒解されよう。これにもかかわらず、円の使用は、理想化された生物学的応答を表し、また、誤差を評価する数学を単純化し、次に、1つまたは複数の処理デバイスの計算要件を低減するので、特に有利であることに留意されたい。

インピーダンス測定の評価は、典型的には、インピーダンス測定値の妥当性を決定するのを助けるために使用される。一例では、これは、たとえば、赤色、黄色、または緑色の交通信号スタイル表示によって示すことができる、良好、許容可能、または不良などのランク付けを測定値に提供するなど、インピーダンス測定値をカテゴリー分類することによって達成される。しかしながら、インピーダンス曲線と測定されたインピーダンス値との間の類似度および/または偏差を示す、たとえば%など「適合信頼度」スコアを提示するなど、可能性のあるインピーダンス測定値の妥当性を示す他の機構を使用することができることが諒解されよう。次いで、測定値が許容可能であるかどうかをオペレータが理解するのを支援するために、そのようなインジケータを使用することができる。追加および/または代替として、査定を使用して、インピーダンス測定を自動的に繰り返すことができる。この例では、ユーザに情報を提示する必要はないが、代替として、ユーザは、測定が許容できなかったことが通知され、電極接続または同様のものをチェックするように求められ得る。さらなるオプションとして、査定を使用して、測定値の妥当性、測定誤差、測定値のカテゴリー分類などを示すインジケータを導出することができ、ユーザは、これを使用して、測定が許容可能であるかどうかの自分自身の査定を誘導することができる。

一例では、処理デバイスは、インピーダンス曲線から導出されたインピーダンスパラメータ値の推定誤差を計算するために偏差を使用し、次いで、インピーダンス測定を評価するために推定誤差を使用する。この例では、査定は、曲線当てはめは特に正確ではない場合があるが、たとえば、インピーダンス値のいくつかが理想化された曲線から著しく逸脱する場合、これは、それにもかかわらず、依然として妥当に正確なパラメータ値をもたらす可能性があることを考慮に入れて実行される。したがって、パラメータ値の誤差を推定することによって、これを使用して、偏差のみのために拒否されるインピーダンス測定値を、偏差が結果として得られるパラメータ値に影響を及ぼさない場合に、許容可能にすることができる。同様に、これは、結果として得られるインピーダンスパラメータ値が不正確である限り、偏差が最小である場合でも、いくつかのインピーダンス測定値が無効であるとの査定を行うことを可能にする。これは、不正確さが、結果として得られる計算されたパラメータ値に重大な影響を及ぼすかどうかを考慮に入れて、測定値の妥当性の査定を改善することが諒解されよう。

単一の誤差を計算することができるが、より典型的には、処理デバイスは、いくつかの異なるインピーダンスパラメータ値の各々に関連付けられた誤差を計算する。これにより、関連するパラメータ値が影響を受けるかどうかの査定を行うことができる。たとえば、細胞外液レベルのみの査定を行うためにインピーダンス測定が行われる場合、R₀が正確である限り、R_infの不正確さは問題にならない可能性がある。

1つまたは複数の推定誤差を計算すると、処理デバイスは、推定誤差を1つまたは複数のしきい値と比較し、比較の結果に基づいてインピーダンス測定を評価することができる。この点について、パラメータ値の誤差が有意であるかどうか、およびしたがって測定が有効であるとみなされるかどうかの査定を行うために、しきい値を設定することができる。

しきい値は、任意の適切な形態のものとすることができるが、典型的には、以前のインピーダンス測定の評価に基づく。たとえば、有効と考えられる測定値を決定するために、以前の測定値を検査し、査定することができ、次いで、有効な測定値と無効な測定値とを区別するしきい値を定義するために、誤差が計算され、使用される。しきい値は、統計分析を使用して、および/または機械学習技法を使用して、基準被験者など1人または複数人の基準被験者に対して実行される測定値から導出することができる。

しかしながら、一般的なしきい値は特に正確ではない可能性があることが諒解されよう。たとえば、リンパ浮腫を有する高齢患者の測定は、健康なティーンエイジャーとはまったく異なり得る。したがって、一例では、しきい値は、類似の年齢、身長、体重、性別、医学的症状または状態、民族性など、現在の被験者の特性に基づいて選択される。次いで、これを使用して、類似の特性を有する基準被験者から導出されたしきい値を選択し、しきい値を現在の被験者に関連させることができる。

追加および/または代替として、しきい値は、実行されているインピーダンス分析プロセスを考慮に入れて選択することができる。たとえば、上述したように、インピーダンス測定プロセスが細胞外液レベルを決定するために実行されている場合、R₀の値は正確である必要がある可能性があり、一方、R_infの値は、著しく正確でない可能性があり、細胞内液レベルが測定されている場合と比較して、異なるしきい値を使用することを可能にする。

別の例では、被験者固有のしきい値を使用することができる。この点について、カスタムしきい値は、異なる被験者がインピーダンス測定値に対して異なるように応答することを考慮して、個々の被験者に対して確立され得、その結果、ある被験者にとって許容できない測定値が、別の被験者にとって許容される可能性がある。この良好な例は、乾燥肌の被験者が、典型的に、通常潤った肌を有する被験者よりも悪い測定値を有することである。この例では、被験者が最初にインピーダンス測定を受けると、デフォルトしきい値を使用することができ、次いで、しきい値は、ユーザからのフィードバックを考慮に入れるように修正される。したがって、処理デバイスは、少なくとも1つのしきい値を使用してインピーダンス測定を評価し、ユーザ入力コマンドに従ってインピーダンス測定のユーザ査定を決定し、次いで、ユーザ査定に基づいて、少なくとも1つのしきい値を選択的に修正することができる。たとえば、測定は許容できないと査定されたが、ユーザが測定を許容することを選択する場合、これを考慮に入れるようにしきい値を調整することができ、システムが時間とともにより効果的になることを可能にする。

一例では、処理デバイスは、曲線当てはめアルゴリズムを使用して曲線係数を計算し、次いで、曲線係数およびインピーダンス値を使用して偏差を決定する。特定の一例では、これは、最小2乗法を使用して達成され、偏差は、インピーダンス値と曲線からの対応する値との間の分散および/または共分散に基づいて決定される。

偏差が決定されると、これは次いで、インピーダンスパラメータ値に伝播され、各インピーダンスパラメータ値における推定誤差が決定されることを可能にする。

一例では、誤差の伝播は、インピーダンス曲線およびインピーダンス値に関連付けられた分散および共分散を示す共分散行列を計算することによって、偏差を決定し、次いで、誤差を推定するために、共分散行列を使用することによって達成される。この場合、共分散行列は、たとえば、以下の式を使用して、インピーダンス曲線およびインピーダンス値の平均2乗誤差に基づいて生成され、

式中、Aは、形式A=[1 R X]の測定されたリアクタンス値Xおよび抵抗値Rの行列であり、

は、曲線当てはめの平均2乗誤差である。

誤差は、任意の適切な方法で決定することができ、一例では、これは、ベクトル関数の1次偏導関数を使用して、特にヤコビ変換を使用して達成される。この例では、推定誤差は、以下の式を使用して、ヤコビ変換を共分散行列に適用することによって決定することができ、

式中、Jは、ヤコビ変換であり、
J^Tは、逆ヤコビ変換であり、

は、誤差である。

誤差は、典型的には、インピーダンスパラメータ値の各々について計算され、各誤差値をそれぞれのしきい値と比較することができるようになり、その結果、比較の結果に基づいて評価を実行することができる。これは、典型的には、少なくとも、0kHzの周波数での理論インピーダンスであるR₀と、無限周波数での理論インピーダンスであるR_infとに対して実行され、また、細胞内インピーダンスであるR_iに対しても実行され得る。

この例では、誤差を計算するためのそれぞれの式は以下のようになり、

式中、J_R0は、R₀のヤコビ変換であり、
J^T _R0は、R₀の逆ヤコビ変換であり、

は、R₀の共分散行列であり、
J_Rinfは、R_infのヤコビ変換であり、
J^T _Rinfは、R_infの逆ヤコビ変換であり、

は、R_infの共分散行列であり、
J_Riは、R_iのヤコビ変換であり、
J^T _Riは、R_iの逆ヤコビ変換であり、

は、R_iの共分散行列である。

いくつかの状況では、測定されたリアクタンスは、負の値を有する可能性があり、この場合もまた、測定の問題を示す。したがって、一例では、処理デバイスは、追加および/または代替として、いくつかの負のリアクタンス値に基づいて、インピーダンス測定を評価することができる。

1つの特定の例では、処理デバイスは、いくつかの負のリアクタンス測定値が、第1のカテゴリーのリアクタンスしきい値を超える、または少なくとも1つのパラメータ値が、それぞれの第1のカテゴリーしきい値よりも大きい誤差を有する場合、インピーダンス測定が第1のカテゴリーにあるとして評価する。同様に、処理デバイスは、いくつかの負のリアクタンス測定値が、第2のカテゴリーのリアクタンスしきい値を超える、または各パラメータ値が、それぞれの第2のカテゴリーしきい値よりも大きい誤差を有する場合、インピーダンス測定値が第2のカテゴリーにあると判定する。測定値は、第1のカテゴリーまたは第2のカテゴリーにない場合、第3のカテゴリーに分類される。この例では、第1のカテゴリーは、不良測定に対応し、第2のカテゴリーは、疑わしい測定に対応し、第3のカテゴリーは、許容可能な測定に対応する。

さらなる改良として、処理デバイスは、インピーダンス測定を、R₀誤差が第1のカテゴリーのR₀しきい値よりも大きい場合、第1のカテゴリーにあるとして評価し、R_i誤差が第1のカテゴリーのR_iしきい値よりも大きい、またはR_inf誤差が第1のカテゴリーのR_infしきい値よりも大きい場合、第2のカテゴリーにある、として評価する。

上記の例では、インピーダンスパラメータ値の誤差を決定するために偏差が使用され、次いで、インピーダンスパラメータ値は、インピーダンス測定値が許容可能であるかどうかを決定するために、それぞれのしきい値と比較される。しかしながら、代替手法として、処理デバイスは、異なる偏差と測定値の妥当性との間の関係を具体化する少なくとも1つの計算モデルを使用して測定を評価することができる。この例では、計算モデルは、1人または複数人の基準被験者から取得された測定値の妥当性の偏差および査定に機械学習を適用することによって取得される。

したがって、機械学習を使用して、偏差を分析し、偏差が許容可能であるかどうかの査定を行うことができ、これを使用して、偏差に基づいて査定を直接実行することができる計算モデルを開発する。この手法を使用して、偏差は、広範囲の方法で査定を行うことができ、広範囲の異なる要因を考慮して、潜在的により正確な査定を導き得る。

上述したように、位相補正は、設定された周波数よりも高い周波数では測定されたインピーダンス値に適用することができ、インピーダンス曲線は、位相補正されたインピーダンス値を使用して計算される。位相補正が実行される方法は、一般に知られており、以下でより詳細に説明する。

上記で説明した技法は、パラメータ値を計算するために使用されるインピーダンス測定のために使用することができ、次いで、パラメータ値は、身体状態値を決定するために使用することができ、特定の状態を示すことができる、または状態を示す測定された身体パラメータ値の一般的な指示とすることができる。例としては、限定はしないが、身体組成、除水除脂肪体重、除脂肪体重、骨格筋量、部位別筋肉量、体脂肪量、部位別体脂肪量、BMI(ボディマス指数)、(体脂肪率)、内臓脂肪面積、内蔵脂肪レベル、体内総水分量(TBW)、細胞内水分量(ICW)、細胞外水分量(ECW)、ECW/TBW、部位別水分量、部位別ECW/TBW、部位別ICW分析、部位別ECW分析、体脂肪LBM調整、BMR(基礎代謝率)、脚の除脂肪量、TBW/LBM、全身位相角、部位別位相角、リアクタンス、周波数毎の各部位のインピーダンス、または体内水分組成履歴のうちの1つまたは複数がある。身体の状態は、個人が健康であるか不健康であるかなど、健康または運動能力の一般的なレベルを示している可能性もある。

一例では、処理デバイスは、身体状態値を示すインジケータを生成し、このインジケータは、以下でより詳細に説明するように、クライアントデバイス画面などのディスプレイ上の表現の一部として表示される。したがって、結果は、たとえば、インジケータ値の大きさおよび/または変化を示すためにポインタおよびスケールを使用して、グラフィカル表現として提示することができる。

上記の技法に加えて、または代替として、インピーダンス測定の評価を、他の基準に従って実行することもできる。

一例では、評価は、負のリアクタンス値を有するインピーダンス値の数に基づいて実行することができる。この点について、負のリアクタンス値は、典型的には、たとえば、被験者と電極との間の不十分な表面接触により生じる不十分な測定に起因する。したがって、負のリアクタンス値の高いパーセンテージは、測定が不十分であることを示す。

この例では、この技法は、典型的には、1つまたは複数の処理デバイスに、負のリアクタンス値を有するインピーダンス値のカウントを決定させ、インピーダンス測定の評価を実行するために、カウントを使用することを含む。

これは、任意の適切な方法で達成することができ、設定周波数よりも高い周波数で測定されたインピーダンス値に位相補正を適用し、次いで、位相補正されたインピーダンス値を使用して、カウントを決定することを含み得る。

一例では、処理デバイスは、インピーダンス測定を、カウントがインピーダンス値の総数の25%よりも大きい場合、第1のカテゴリーにあり、カウントが14%よりも大きい場合、第2のカテゴリーにある、として評価するが、これらのしきい値は、調整可能であり、例示を目的としたものであることが諒解されよう。たとえば、第1のカテゴリーしきい値は、50%よりも大きい、40%よりも大きい、30%よりも大きい、または20%よりも大きい可能性があり、一方、第2のカテゴリーしきい値は、20%よりも大きい、15%よりも大きい、10%よりも大きい、または5%よりも大きい可能性がある。

別の例では、インピーダンスパラメータ値と測定されたインピーダンス値との間の差を使用して、インピーダンス測定を評価することができる。たとえば、値の差がある量よりも大きい場合、これは、インピーダンス値の過度に広い分散を示す可能性がある。

この例では、処理デバイスは、典型的には、インピーダンス値を使用してインピーダンスパラメータ値を計算し、インピーダンスパラメータ値を定義された周波数インピーダンス値と比較し、定義された周波数インピーダンス値が、定義された測定周波数での実行されたインピーダンス測定から取得されたインピーダンス値から決定され、次いで、インピーダンス測定の評価を実行するために、比較の結果を使用する。

異なるパラメータ値を使用することができ、その場合、異なる定義された周波数インピーダンス値が使用される。

たとえば、パラメータ値は、R₀とすることができ、この場合、定義された周波数インピーダンス値は、典型的には、1kHzよりも大きいが、10kHz未満、20kHz未満、または30kHz未満などの低周波数では測定されたインピーダンス値である。一例では、周波数は、2kHz～4kHzの間であり、典型的には約3kHzである。

別の例では、パラメータ値は、無限周波数での理論インピーダンスであるR_infであり、この場合、定義された周波数インピーダンス値は、典型的には、100kHzよりも大きい、500kHzよりも大きい、10000kHz未満、5000kHz未満、または2000kHz未満などの高周波数では測定されたインピーダンス値である。一例では、定義された周波数インピーダンス値は、500kHz～2000kHzの間で測定され、典型的には約1000kHzである。

さらなる代替として、パラメータ値は、定義された周波数における理論インピーダンスである。したがって、この例では、特定の周波数(たとえば、3kHz)での実行されるインピーダンス測定は、同じ周波数での近似曲線から取得されるインピーダンス値の形式のインピーダンスパラメータ値と比較することができる。

これらの例では、処理デバイスは、インピーダンス測定を、インピーダンスパラメータ値と定義された周波数インピーダンス値との間の差の大きさが第1の差しきい値よりも大きい場合、第1のカテゴリーにあるとして評価することができ、または、インピーダンスパラメータ値と定義された周波数インピーダンス値との間の差の大きさが第2の差しきい値よりも大きいが、第1の差しきい値よりも小さい場合、第2のカテゴリーにある、として評価することができる。

これらの差しきい値は、好ましい実装形態および/または特定のインピーダンス測定値ならびに定義された周波数およびパラメータ値によって要求される精度のレベルに応じて調整することができることが諒解されよう。

差分しきい値は、絶対値とすることができる。たとえば、インピーダンスパラメータ値がR₀である場合、第1の差しきい値は、55Ωとすることができ、一方、第2の差しきい値は、35Ωとすることができ、一方、インピーダンスパラメータ値がR_infである場合、第1の差しきい値は、70Ωとすることができ、一方、第2の差しきい値は、30Ωとすることができる。

しかしながら、これは必須ではなく、代替として、差しきい値は、相対的であってもよく、たとえば、インピーダンスパラメータ値のパーセンテージに基づいて設定されてもよい。したがって、この例では、インピーダンスパラメータ値がR₀である場合、第1の差しきい値は、15%とすることができ、一方、第2の差しきい値は、10%とすることができ、一方、インピーダンスパラメータ値がR_infである場合、第1の差しきい値は、30%とすることができ、一方、第2の差しきい値は、12%とすることができる。

差の大きさを計算する際に使用される例示的な式を以下に示す。

このことから、好ましい実装形態、測定システムの性質、ならびに定義された周波数およびパラメータ値に応じて、異なる差しきい値の範囲を使用できることが諒解されよう。

必須ではないが、一例では、上記で説明したプロセスは、1つまたは複数の処理デバイスと通信する1つまたは複数の測定システムを含む分散アーキテクチャを使用して実施される。次に、図2～図5を参照して、例示的なシステムについて説明する。

この例では、システム200は、通信ネットワーク240を介して1つまたは複数の他の測定システム210および/またはサーバ250などの1つまたは複数の処理デバイスに結合されたいくつかの測定システム210を含み、サーバ250は、データベース251に結合され得る。この配置は、実行された測定からのデータが測定システム210によって収集され、分析のためにサーバ250に提供されることを可能にする。収集されたデータはまた、結果として生じる参照シグネチャおよび/または心不全インジケータとともにデータベース251に記憶されてもよく、この情報が、臨床医などの第三者によって遠隔からアクセスされ、閲覧されることを可能にする。

上記の配置では、通信ネットワーク240は、インターネットおよび/またはいくつかのローカルエリアネットワーク(LAN)などの任意の適切な形態のものとすることができ、測定システム210とサーバ250との間の接続を提供する。しかしながら、この構成は、単なる例示の目的のためであり、実際には、測定システム210およびサーバ250は、限定はしないが、モバイルネットワーク、802.11ネットワークなどのプライベートネットワーク、インターネット、LAN、WANなどを含むワイヤードまたはワイヤレス接続を介する、ならびにBluetoothなどの直接またはポイントツーポイント接続を介するなど、任意の適切な機構を介して通信することができることが諒解されよう。

分散システムの使用は、純粋にオプションであり、プロセスは、スタンドアロン測定システムを使用して実施することができることにも留意されたい。

次に、図3Aを参照して、例示的な測定システムについてさらに詳細に説明する。

この例では、測定システムは、インピーダンス測定デバイス310を有するインピーダンス測定ユニットを含み、インピーダンス測定デバイス310は、ポータブルコンピュータシステム、携帯電話、タブレットなどのクライアントデバイス330の形態の処理システムと通信する。個人/被験者の身体的特性に関する情報を捕捉するために、1つまたは複数のオプションの身体的特性センサー320を設けることもできる。

身体的特性センサー320の性質は、測定されるべき特性に応じて変わり、たとえば、カメラ、ボディスキャナ、DEXA(デュアルエネルギーX線吸収測定法)、3Dレーザまたは光学走査など、高さおよび/または身体セグメント寸法を測定するための、個人/被験者の体重および/または画像キャプチャデバイスを測定するためのスケールを含むことができ、これについては、以下でより詳細に説明する。追加または代替として、これは、体重を測定するための電子スケール、および、たとえば、心拍数、血圧、または他の特性を測定するための他の監視機器を含むことができる。

インピーダンス測定デバイス310は、典型的には、少なくとも1つの信号生成器313および少なくとも1つのセンサー314に結合された測定デバイスプロセッサ312を含み、これらの信号生成器313およびセンサー314は、リード線322を介してそれぞれの駆動電極323および感知電極324に結合される。使用中、信号生成器313は、駆動電極323を介して個人/被験者Sに印加される駆動信号を生成し、一方、センサー314は、感知電極324を介して応答信号を測定する。使用中、測定デバイスプロセッサ312は、少なくとも1つの信号生成器313および少なくとも1つのセンサー314を制御し、インピーダンス測定を実行することを可能にする。

特に、測定デバイスプロセッサ312は、第1の電極323を介して被験者Sに印加することができ、センサー314から受信された信号を処理することができる、適切な波形の電圧信号または電流信号などの1つまたは複数の交流信号を信号生成器313に生成させる制御信号を生成するように適合される。測定デバイスプロセッサ312は、適切な制御を実行することができる任意の形態の電子処理デバイスであってもよく、FPGA(フィールドプログラマブルゲートアレイ)、またはプログラムされたコンピュータシステムと専用ハードウェアとの組合せを含むことができることが諒解されよう。

信号生成器313は、任意の適切な形態のものであり得るが、典型的には、処理デバイスからのデジタル信号をアナログ信号に変換するためのデジタルアナログ変換器(DAC)を含み、アナログ信号は、必要な駆動信号を生成するために増幅され、一方、センサー314は、典型的には、感知された応答信号を増幅するための1つまたは複数の増幅器と、アナログ応答信号をデジタル化し、デジタル化された応答信号を処理デバイスに提供するためのアナログデジタル変換器(ADC)とを含む。

交流駆動信号の性質は、測定デバイスの性質および実行されるその後の分析に応じて変わる。たとえば、バイオインピーダンス分光法(BIS)を実行するとき、インピーダンス測定は、極めて低い周波数(1kHz、より典型的には3kHz)からより高い周波数(1000kHz)までの範囲のいくつかの周波数の各々での実行され、この範囲内で256以上もの異なる周波数を使用することができる。そのような測定は、好ましい実装形態に応じて、複数の周波数を同時に重ね合わせた信号、または異なる周波数のいくつかの交流信号を順次印加することによって実行することができる。印加される信号の周波数または周波数範囲も、実行される分析に依存し得る。

インピーダンス測定が複数の周波数において行われるとき、これらを使用して、ゼロ、特性、および無限周波数でのインピーダンスに対応するR0、Zc、R∞の値などの1つまたは複数のインピーダンスパラメータ値を導出することができる。これらは、次に、以下により詳細に説明するように、細胞内と細胞外の両方の流体レベルに関する情報を決定するために使用され得る。

さらなる代替は、システムが、各々がそれぞれの周波数を有する複数の信号が被験者Sに注入され、測定されたインピーダンスが流体レベルの査定に使用される、多重周波数生体インピーダンス分析(MFBIA)を使用することである。一例では、4つの周波数を使用することができ、各周波数での得られるインピーダンス測定値は、たとえば、以下でより詳細に説明するように、測定されたインピーダンス値をコールモデルに適合させることによって、インピーダンスパラメータ値を導出するために使用される。代替として、各周波数におけるインピーダンス測定値は、個別に、または組み合わせて使用されてもよい。

したがって、測定デバイス310は、好ましい実装形態に応じて、単一の周波数において、複数の周波数において同時に交流信号を印加するか、または異なる周波数においていくつかの交流信号を順次印加することができる。印加される信号の周波数または周波数範囲も、実行される分析に依存し得る。

一例では、印加信号は、交流電圧を被験者Sに印加する電圧生成器によって生成されるが、代替として、電流信号が印加されてもよい。一例では、電圧源は、典型的には対称的に配置され、2つの信号生成器313は、独立して制御可能であり、たとえば、同時モード信号を最小化し、したがって、同時係属中の特許出願第WO2009059351号に記載されているように、任意の不均衡を実質的に除去するために、被験者にわたる信号電圧を変化させることができる。

駆動信号が被験者に印加されると、センサー314は、次いで、第2の電極324を使用して、被験者Sを横切る電圧または被験者Sを通る電流の形態の応答信号を決定する。したがって、電圧および/または電流が、第2の電極324の間で測定される。一例では、電圧は差動的に測定され、これは、2つのセンサー314が使用され、各センサー314は、各第2の電極324における電圧を測定するために使用され、したがって、シングルエンドシステムと比較して電圧の半分を測定するだけでよいことを意味する。次いで、デジタル化された応答信号は、測定デバイスプロセッサ312に提供され、測定デバイスプロセッサ312は、印加された駆動信号および測定された応答信号の指示を決定し、任意選択で、この情報を使用して、測定されたインピーダンスを決定する。

上記の配置では、4つの電極が示されており、2つが駆動電極を形成し、2つが感知電極を形成している。しかしながら、これは必須ではなく、任意の適切な数の電極を使用することができる。さらに、単一の信号生成器およびセンサーが示されているが、この場合も、それぞれの信号生成器およびセンサーを、それぞれ、各々の駆動電極および感知電極に使用することができ、説明した配置は、例示のみを目的とするものである。

4つの電極配置は、電極の構成に応じて、いくつかの異なる手段が実行されることを可能にする。たとえば、図3Cに示される構成は、次いで、胴体測定が実行されることを可能にするために使用され得、一方、図3D、図3E、図3F、および図3Gに示される構成は、身体の右全体、右腕、右脚、および左胴体がそれぞれ測定されることを可能にするために使用され得る。

測定デバイスの物理的構造のさらなる例が図3Bに示されている。

この例では、測定デバイスは、第1および第2のハウジング320.1、320.2を含む。第1のハウジング320.1は、1組のスケールと同様のフォームファクタを有し、上面に設けられた離間した金属板から形成された2対の離間した足駆動および感知電極323.1、324.1を有するほぼ矩形の本体を含み、それによってユーザが立つことができる足板を形成する。第2のハウジング320.2は、上面に設けられた離間した金属板から形成された2対の離間した手駆動および感知電極323.2、324.2を有するほぼ矩形の本体を有し、それによってユーザが手を置くことができる手板を形成する。

第1のハウジング320.1は、隆起部分325を含み、隆起部分325は、足駆動および感知電極の各対の周りに少なくとも部分的に延びるリップ325.1を画定し、それによって、使用中に、足駆動および感知電極に対する被験者の足の位置決めを案内する。特に、隆起リップ325.1は、ユーザの少なくとも踵に係合するように構成された後部325.2を含む。同様の効果は、各対の手駆動および感知電極の間に位置決めされた隆起部分326を有することによって第2のハウジングについて達成され、この隆起部分は、親指凹部326.1を画定し、それによって、被験者の親指の位置決めを案内し、親指の屈曲部が隆起部分に係合し、したがって、使用中の各対の手駆動および感知電極に対して手が係合する。

この点について、これは、たとえば、異なる足および手のサイズに起因して、異なる個人間の位置決めの何らかの小さい変動を依然として可能にするが、これは、任意の所与のユーザの手および足が、装置が使用されるたびに、駆動および感知電極に対して一貫した位置に提供されることを確実にするのに役立つことが諒解されよう。これは、再現可能な位置決めを提供し、これは、次に、手または足の位置の変化によって引き起こされ得る連続する測定の間の変動を低減する。

この配置により、ユーザが第1のハウジング上に立つか、代替として椅子上に座り、足を足駆動および感知電極上に置くことによって、ユニットを使用することが可能になる。次いで、ユーザは、自分の手を、第2のハウジング上の手駆動および感知電極の上に置き、これは、着座配置で机またはテーブルによって、または起立配置でのスタンドまたは他の支持体によって支持することができる。

したがって、別個の電極を含む2つのハウジングを使用することにより、様々な状況でインピーダンス測定を実行することができ、特に、着座または起立配置のいずれかで測定を実行することができ、これは、制限された物理的能力を有する個人がシステムを使用できることを確実にする上で重要である。加えて、ハウジング内に設けられた金属プレート電極の使用は、システムを容易に使用することを可能にし、湿った電極を皮膚に適用することを可能にするために、組織表面の洗浄または毛の除去などの準備の必要性を回避する。

この配置では、図3C～図3Gに関して上述したものと同様の電極構成が、駆動および感知電極323.1、324.1、323.2、324.2のそれぞれを選択的に使用することによって達成され得ることが諒解されよう。

上記の配置では、クライアントデバイス330は、典型的には、Bluetoothなどのワイヤレス通信チャネルを介して、測定デバイスプロセッサ312と通信する。一例では、クライアントデバイス330は、スタンド内に提供され、次いで、スタンドは、マウンティング327に取り付けられ、クライアントデバイス330が、使用中の装置上でサポートされることを可能にする。これにより、クライアントデバイス330は、ユーザインターフェースとして動作することができ、インピーダンス測定デバイスの動作を制御することができ、インピーダンス測定の結果を表示することができる。

特に、クライアントデバイス330は、実行される必要があるインピーダンス測定の特定のシーケンスについて測定デバイスプロセッサ312に命令するために使用され得、さらに、駆動/感知信号および/または測定されたインピーダンス値のいずれかの指示を受信する。次いで、クライアントデバイス330は、たとえば、インピーダンスインジケータを決定するために、任意選択でさらなる処理を実行することができるが、代替として、これは必要とされない場合があり、生のインピーダンス値を、分析のためにサーバ250に提供することができる。

クライアントデバイス330はまた、インピーダンス値またはインジケータを、手動のユーザ入力によって、または1つもしくは複数の身体的特性センサーからの信号に基づいて決定された心不全状態および身体的特性の指示に関する情報と組み合わせることができる。これにより、クライアントデバイスは、参照データを生成することができ、参照データは、通信ネットワーク240を介してサーバ250に転送される。しかしながら、代替として、サーバ250は、好ましい実装形態に応じて、他のデータソースから心不全状態および/または身体的特性の指示を取得することができる。

したがって、クライアントデバイス330は、任意の適切な形態のものとすることができ、一例が図4に示されていることが諒解されよう。この例では、クライアントデバイス330は、少なくとも1つのマイクロプロセッサ400と、メモリ401と、キーボードおよび/またはディスプレイなどの入出力デバイス402と、外部インターフェース403とを含み、図示のように、バス404を介して相互接続されている。外部インターフェース403は、クライアントデバイス330を、通信ネットワーク240、データベース、他の記憶デバイスなどの周辺デバイスに接続するために利用することができる。単一の外部インターフェース403が示されているが、これは単なる例示の目的のためであり、実際には、様々な方法(たとえば、Ethernet、シリアル、USB、ワイヤレスなど)を使用する複数のインターフェースが提供され得る。

使用中、マイクロプロセッサ400は、メモリ401に記憶されたアプリケーションソフトウェアの形態の命令を実行して、たとえば、参照データをサーバに提供することを可能にするなど、サーバ250との通信を可能にする。

したがって、クライアントデバイス330は、適切にプログラムされたPC、インターネット端末、ラップトップ、またはハンドヘルドPCなどの任意の適切な処理システムから形成することができ、1つの好ましい例では、タブレットまたはスマートフォンなどであることが諒解されよう。したがって、一例では、クライアントデバイス330は、不揮発性(たとえば、ハードディスク)ストレージ上に記憶されたソフトウェアアプリケーションを実行する、Intel Architectureベースの処理システムなどの標準処理システムであるが、これは必須ではない。しかしながら、クライアントデバイス330は、マイクロプロセッサ、マイクロチッププロセッサ、論理ゲート構成、FPGA(フィールドプログラマブルゲートアレイ)などの実装論理に任意選択で関連付けられたファームウェア、または任意の他の電子デバイス、システム、または配置などの任意の電子処理デバイスとすることができることも諒解されよう。

適切なサーバ250の一例を図5に示す。この例では、サーバは、少なくとも1つのマイクロプロセッサ500と、メモリ501と、キーボードおよび/またはディスプレイなどの任意選択の入出力デバイス502と、外部インターフェース503とを含み、図示のように、バス504を介して相互接続されている。この例では、外部インターフェース503は、サーバ250を、通信ネットワーク240、データベース251、他の記憶デバイスなどの周辺デバイスに接続するために利用することができる。単一の外部インターフェース503が示されているが、これは単なる例示の目的のためであり、実際には、様々な方法(たとえば、Ethernet、シリアル、USB、ワイヤレスなど)を使用する複数のインターフェースが提供され得る。

使用中、マイクロプロセッサ500は、クライアントデバイス330と通信すること、および任意選択でインピーダンス測定の結果を受信し、分析し、および/または表示することを含む、必要なプロセスが実行されることを可能にするために、メモリ501に記憶されたアプリケーションソフトウェアの形態の命令を実行する。アプリケーションソフトウェアは、1つまたは複数のソフトウェアモジュールを含むことができ、オペレーティングシステム環境などの適切な実行環境で実行することができる。

したがって、サーバ250が、適切にプログラムされたクライアントデバイス、PC、ウェブサーバ、ネットワークサーバなど任意の適切な処理システムから形成され得ることが諒解されよう。1つの特定の例では、サーバ250は、不揮発性(たとえば、ハードディスク)ストレージ上に記憶されたソフトウェアアプリケーションを実行する、Intel Architectureベースの処理システムなどの標準処理システムであるが、これは必須ではない。しかしながら、処理システムは、マイクロプロセッサ、マイクロチッププロセッサ、論理ゲート構成、FPGA(フィールドプログラマブルゲートアレイ)などの実装論理に任意選択で関連付けられたファームウェア、または任意の他の電子デバイス、システム、または配置などの任意の電子処理デバイスとすることができることも諒解されよう。したがって、サーバという用語が使用されるが、これは、単に例示の目的のためであり、限定することを意図しない。

サーバ250は、単一のエンティティとして示されているが、サーバ250は、たとえば、クラウドベースの環境の一部として提供される処理システムおよび/またはデータベース251を使用することによって、いくつかの地理的に離れた場所にわたって分散させ得ることが諒解されよう。したがって、上記で説明した配置は必須ではなく、他の適切な構成を使用することができる。

しかしながら、以下の例の目的のために想定される上記で説明した構成は必須ではなく、多数の他の構成が使用されてもよいことが諒解されよう。また、測定デバイス310、クライアントデバイス330、およびサーバ250の間の機能の分割は、特定の実装形態に応じて変わり得ることも諒解されよう。

次に、図6A～図6Cを参照して、システムの動作についてさらに詳細に説明する。

以下の例を通して、ユーザについて言及する。この点について、ユーザは、一般に、被験者を含むと理解されるが、医療従事者などのような、被験者が測定を実行するのを支援する個人も包含し得る。

これらの例の目的のために、ユーザは、クライアントデバイス330を使用して、測定デバイス310および任意選択で任意の特性センサーを制御し、インピーダンス測定を実行することを可能にし、任意選択で身体的特性に関する情報を収集することを可能にすることも想定される。これは、典型的には、ユーザに、クライアントデバイス330上に提示されるGUI(グラフィカルユーザインターフェース)などを介してシステムと対話させることによって達成され、GUIなどは、ローカルアプリケーションによって生成することができ、またはサーバ250によってホストすることができ、典型的には、クラウドベースの環境の一部であり、クライアントデバイス330によって実行されるブラウザなどの適切なアプリケーションを介して表示される。クライアントデバイス330によって実行されるアクションは、典型的には、メモリ401にアプリケーションソフトウェアとして記憶された命令、および/またはI/Oデバイス402を介してユーザから受信された入力コマンドに従って、プロセッサ400によって実行される。同様に、サーバ250によって実行されるアクションは、メモリ501にアプリケーションソフトウェアとして記憶された命令、および/またはI/Oデバイス502を介してユーザから受信された入力コマンド、またはクライアントデバイス330から受信されたコマンドに従って、プロセッサ500によって実行される。

この例では、ステップ600で、測定デバイスプロセッサ312は、実行されるべきインピーダンス測定を決定する。これは、任意の適切な方法で達成することができるが、典型的には、クライアントデバイス330上に提示されるいくつかの利用可能な測定手順のうちの1つをユーザに選択させることを含み、クライアントデバイス330は、測定デバイスプロセッサ312に提供される命令を生成する。

測定が実行される前に、第1および第2の電極323、324は、被験者と接触して提供され、1つまたは複数の信号が被験者Sに注入されることを可能にし、応答信号が測定されることを可能にする。電極323、324の位置は、研究中の被験者Sのセグメントに依存する。したがって、たとえば、電極323、324は、胸腔のインピーダンスが決定されることを可能にするために、被験者Sの胸部および頸部領域上に配置され得る。代替として、被験者の手首および足首に電極を配置することにより、四肢、胴体、および/または全身のインピーダンスを決定することができる。一例では、一般的な配置は、手の指関節の基部および手首の骨隆起部の間、および足指の基部および足首の前部の足に電極を設けることである。

図3Bの配置では、測定が実行される前に、被験者は、第1のハウジング320.1上に立つか、あるいは椅子に座り、足は足駆動および感知電極323.1、324.1上に載っている。次いで、ユーザは、自分の手を、第2のハウジング320.2上の手駆動および感知電極323.2、324.2の上に置き、これは、着座配置で机またはテーブルによって、または起立配置でのスタンドまたは他の支持体によって支持することができる。

ステップ602で、測定デバイスプロセッサ312は、信号生成器およびセンサーを制御し、駆動信号を個人/被験者に印加させ、対応する応答信号を測定させ、ステップ604では、測定デバイスプロセッサ312が駆動信号と応答信号の両方を決定することを可能にする。

この点について、応答信号は、ECG(心電図)などの人体によって生成された電圧、印加された信号によって生成された電圧、および環境電磁干渉によって引き起こされた他の信号の重ね合わせである。したがって、フィルタリングまたは他の適切な分析を使用して、不要な成分を除去することができる。

取得された信号は、典型的には、印加された周波数におけるシステムのインピーダンスを取得するために復調される。重ね合わされた周波数の復調のための1つの適切な方法は、高速フーリエ変換(FFT)アルゴリズムを使用して、時間領域データを周波数領域に変換することである。これは、典型的には、印加された電流信号が印加された周波数の重ね合わせであるときに使用される。測定された信号のウィンドウ処理を必要としない別の技法は、スライディングウィンドウFFTである。

印加された電流信号が異なる周波数の掃引から形成される場合、測定された信号を、信号生成器から導出された基準正弦波および余弦波、または測定された正弦波および余弦波と乗算し、全サイクル数にわたって積分するなどの信号処理技法を使用することがより典型的である。直交復調または同期検波として様々に知られているこのプロセスは、すべての無相関または非同期信号を拒否し、ランダムノイズを大幅に低減する。

他の適切なデジタルおよびアナログ復調技法は、当業者に知られている。

ステップ606で、駆動および応答信号を使用してインピーダンス値を決定する。これは、測定デバイス310のみによって実行することができ、または、たとえば、測定された電流および電圧信号をクライアントデバイス330に転送し、次いで、これらを分析して測定されたインピーダンスを決定することによって、クライアントデバイス330と連携して実行することができる。

BISの場合、インピーダンスまたはアドミタンス測定値は、記録された電圧と被験者を流れる電流とを比較することによって、各周波数における信号から決定される。次いで、復調アルゴリズムは、各周波数において振幅および位相信号を生成することができ、各周波数におけるインピーダンス値が決定されることを可能にする。

上記で説明したプロセスは、たとえば、胴体および四肢などの1つまたは複数の他のセグメントを含む複数の身体セグメントについてインピーダンス測定値を決定することを可能にするために、複数回実行することができる。追加または代替として、プロセスは、同じ身体セグメントに対して複数回実行されてもよく、2つ以上の測定値の平均(または中央値、モードなどの他の統計的尺度)が決定され、たとえば、さらなる分析のために使用される。

ステップ608では、典型的には、位相補正が決定される。

この点について、人間の被験者に関するBIS測定は、通常、そのいくつかが良好な測定手順によって対処することができる、電気的接触の問題、被験者の動きなどを含むいくつかの理由のために、複素インピーダンスモデルによって予測されるきれいな円弧を示さない。しかしながら、回避することが困難な誤差の1つの原因は、容量性漏れであり、これは、特に、より高い周波数において広く見られる。人体の物理的サイズのために、身体の異なる部分と周囲との間には不可避的な容量結合が存在し、これは、電流の一部が身体を通過せずに空気を迂回し、その結果、キャパシタと並列の被験者のインピーダンスが測定されていることを意味する。測定に対する効果は、一般に、高周波数でのリアクタンスの増加であり、この例は、図7Aおよび図7Bに示されており、完全な複素インピーダンスプロットおよびより典型的な測定を比較する。

いくつかの測定システムは、アナログ回路における補償スキームによってこのことに対処するが、任意の所与の患者に対する結合が補償の量と異なる場合、リアクタンスの残差の増加または減少、または時には負のリアクタンスが存在する。代替として、これは、データ分析中にソフトウェアで補償することができ、最も一般的な手法は、生データに位相補正を適用することであり、各測定されたインピーダンスは、周波数に比例する位相補正が適用される。これは、次に、データセットに固定された時間遅延オフセットを適用することと等価であり、したがって、一般にTd補正と呼ばれるが、真の容量性分路モデル補正も適切な方式であることが諒解されよう。Td補正の効果を図7Cに示す。

生データに適用される位相補正の最良の値は、U/V比と周波数との間の関係を使用することによって取得される。具体的には、位相補正の値は、その関係が直線に最も近くなるまで繰り返し調整される。回帰係数は尺度として使用され、その絶対値は可能な限り1に近くなる。

図7Bに示される測定例の例示的なU/Vプロットを、それぞれ図8A～図8Cに示す。図8Aは、元のデータのU/Vプロットを示し、一方、図8Bは、最適な位相補正を示し、図8Cは、過剰な位相補正を示す。したがって、位相補正値は、U/Vプロットが直線に十分に近づくまで、反復的に決定され得ることが諒解されよう。

この点について、プロセスは、典型的には、試行的な位相補正を決定することと、これを測定されたインピーダンス値に適用することと、インピーダンス曲線を計算することとを含む。インピーダンス曲線は、U/V相関係数を導出するために使用され、このプロセスは、相関係数が十分な値に達するまで、異なる位相補正値に対して反復的に繰り返される。

位相補正は、高周波データにのみ影響を及ぼし、時には、スペクトルの低周波部分にアーチファクトが存在する可能性があるので、最適化は、典型的には、測定データの上位約4分の3(約12kHzを超える周波数に等しい)に対してのみ実行される。

位相補正が計算されると、これは、以下の式を使用してインピーダンス測定値に適用され、

式中、φ'は、度単位の補正後の位相であり、
φは、度単位の測定されたインピーダンスの位相である。
T_dは、ns単位の時間遅延補正である。
fは、kHz単位の測定周波数である。

補正後、R'およびXc'の補正値は、以下の式から計算される。
R'=|Z|cosφ'
Xc'=|Z|sinφ'

補正されたデータφ'、R'、およびXc'は、φ、R、およびXcの代わりに元の|Z|を使用したすべての分析において使用される。

ステップ612では、位相補正されたデータに対して円弧が計算され、これは、以下の形式の式を使用し、
z=mx+py+q
式中、x、y、およびzは、変数であり、
m、p、およびqは、係数である。

(a,b)を中心とし、半径rを有する円の式は、以下の通りである。
(x-a)²+(y-b)²=r²

これは、次のように再配列することができる。
x²+y²=2ax+2by+r²-a²-b²

1組のxおよびy値が与えられると、これは、正しい形式のものであるので、多重線形回帰によって解くことができる。
m=2a p=2b q=r²-a²-b²

抵抗Rをxに代入し、リアクタンスXをyに代入すると、円の式は以下のようになる。
R²+X²=mR+pX+q

インピーダンス値Z²=R²+X²では、円の式は以下のように書くことができる。
Z²=mR+pX+q

m、p、およびqの値は、多重線形回帰によって求めることができ、回帰式を使用して弧の中心および半径を得ることができ、

式中、nは、測定された周波数の数であり、
Σ_Rは、各周波数についてのすべてのR値の合計であり、
Σ_R ²は、各周波数についてのすべてのR値の2乗和であり、
Σ_Xは、各周波数についてのすべてのX値の合計であり、
Σ_X ²は、各周波数についてのすべてのX値の2乗和であり、
Σ_Zは、各周波数についてのすべてのZ値の2乗和であり、
Σ_Z ²は、各周波数についてのすべてのZ値の2乗の2乗和であり、
Σ_RXは、各周波数についてのR値とX値とのすべての積和であり、
Σ_ZRは、各周波数についてのRとZ²の値のすべての積和であり、
Σ_ZXは、各周波数についてのXとZ²の値のすべての積和である。

円弧中心(a、b)および半径rは、m、pおよびqから求めることができる。

次いで、R₀、R_∞、およびαの値は、単純な三角法によって取得することができ、

式中、arccosの結果は、ラジアン単位であり、
bが正の場合、αの有効な結果はない。

いくつかの場合には、望ましくない高周波数および低周波数の影響を回避するために、曲線フィッティングでの使用されるデータの周波数範囲を制限することが望ましい場合がある。これは、最大周波数および最小周波数を設定することによって制御され、これらの周波数の間ではデータが使用され、これらから外れた周波数ではデータが無視される。

生の抵抗およびリアクタンスデータは、多重線形回帰を使用して円の式に当てはめられ、m、p、およびqの関数として、円(a、b)の中心および円(r)の半径について適合した解が得られる。
(x-a)²+(y-b)²=r²
(R(f_k)-a)²+(X(f_k)-b)²=r²
R(f_k)²-2aR(f_k)+a²+X(f_k)²-2bX(f_k)+b²=r²
R(f_k)²+X(f_k)²=r²-a²-b²+2aR(f_k)+2bX(f_k)

等価的に、
y_k=q+mR_k+pX_k
式中、y_k=R(f_k)²+X(f_k)²
R_k=R(f_k)
X_k=X(f_k)
q=r²-a²-b²
m=2a
p=2b
k=1…F、式中、Fは周波数の数である。

R₀およびR_infは、リアクタンスがゼロに等しい(y=0)とき、適合した解(m,p,q)から計算することができる。
(R_(0,∞)-a)²+(0-b)²=r²
R_(0,∞) ²-2aR_(0,∞)+a²+(b)²=r²
R_(0,∞) ²-2aR_(0,∞)=r²-a²-b²
R_(0,∞) ²-mR_(0,∞)=q
R_(0,∞) ²-mR_(0,∞)-q=0

2次多項式に対する解を使用して、R₀およびR_infが計算される。

および、したがって、

円の式は、以下のように行列形式で書き換えることができる。
y=Ax
式中、

A=[1 R X]

ステップ614では、線形最小2乗適合による解x=[p,q,r]^Tの推定誤差が計算され、これを使用して、ステップ616では、各変数に関連付けられた分散および共分散を含み、分散が標準偏差の2乗に等しい共分散行列が推定される。次いで、これを使用して、各変数の標準偏差を決定することができる。

前の式の最小線形2乗解は、以下の式によって計算される。

そして、共分散行列は、以下の式によって決定され、

式中、

は、適合の平均2乗誤差によって決定することができる。

ステップ618では、誤差は、1組の変数(m, p, q)から別の変数(R₀、R_inf、R_i)に伝播され、これは、以下のように、共分散行列とともにヤコビ変換を使用して計算することができる。

ヤコビアンは、ベクトル値関数のすべての1次偏導関数の行列であり、あるシステムが別のシステムにどのように変換されるかの指示である。この解のヤコビアンは、以下の式によって計算される。

次いで、インピーダンスパラメータの不確定性は、次のように計算され、

式中、J_R0は、R₀のヤコビ変換であり、
J^T _R0は、R₀の逆ヤコビ変換であり、

は、R₀の共分散行列であり、
J_Rinfは、R_infのヤコビ変換であり、
J^T _Rinfは、R_infの逆ヤコビ変換であり、

は、R_infの共分散行列であり、
J_Riは、R_iのヤコビ変換であり、
J^T _Riは、R_iの逆ヤコビ変換であり、

は、R_iの共分散行列である。

ステップ620では、1つまたは複数のしきい値を取り出すことができる。前に説明したように、しきい値は、デフォルトの一般的なしきい値とすることができ、または現在の被験者に対してカスタマイズすることができる。一例では、しきい値は、ユーザの身体的特性に基づいて設定され、たとえば、インピーダンス測定が、リンパ浮腫査定などとは対照的に、身体組成査定の一部を形成する場合に、実行されている特定のインピーダンス測定プロセスを考慮に入れることができる。

ステップ622では、上記のように計算された誤差がしきい値と比較されて、しきい値を超えているかどうかが決定される。さらに、ステップ624では、いくつかの負のリアクタンス値を計算することができ、具体的には、負のリアクタンス値を有するインピーダンス値のカウントを、インピーダンス値の総数の比率として決定し、ステップ626では、これらをそれぞれのしきい値と比較する。

ステップ628では、インピーダンスパラメータ値が計算され、これらは、次いで、ステップ630では、特定の周波数で実行されたインピーダンス測定値と比較される。一例では、パラメータ値は、R₀に対応し、これは、3kHzでの実行されたインピーダンス測定に基づいて決定された位相補正インピーダンス値と比較される。これは、以下の式によって与えられるように、インピーダンス値とパラメータ値との間の距離の大きさを計算するために使用される。

同様に、パラメータ値は、R_infとすることができ、これは、1000kHzでの実行されたインピーダンス測定に基づいて決定された位相補正インピーダンス値と比較される。これは、以下の式によって与えられるように、インピーダンス値とパラメータ値との間の距離の大きさを計算するために使用される。

次いで、ステップ632では、比較の結果が評価され、これを使用して測定が評価され、特定の一例では、測定値を、不良、疑わしい、または許容可能である測定値に対応する、この例では赤色、黄色、または緑色として指定された3つのカテゴリーのうちの1つに入れる。

特定の査定基準の一例を以下に示す。
・赤色のカテゴリー
o負のリアクタンス測定値の数>赤色のリアクタンスしきい値、または
oσ_R0(%)>赤色のR₀しきい値、または

・黄色のカテゴリー
o負のリアクタンス測定値の数>黄色のしきい値、または
oσ_R0(%)>黄色のR₀しきい値 & σ_Rinf(%)>黄色のR_infしきい値 & σ_Ri(%)>黄色のR_iしきい値、または
oσ_Ri(%)>赤色のR_iしきい値、または
oσ_Rinf(%)>赤色のR_infしきい値、または

しきい値の実測値は、使用されるインピーダンス測定デバイスに依存し、これらは、例示的な測定の視覚的評価に基づいて設定することができることが諒解されよう。

ステップ634では、評価がユーザに表示され、ユーザは、測定が許容されるべきかどうかの査定を行うことができ、これは、典型的には、ステップ636ではユーザインターフェースを介して提供されるユーザ入力を介して示される。

フィードバックは、任意選択で、ステップ638では、しきい値を更新するために使用することができる。たとえば、測定値が赤色または黄色としてカテゴリー分類されたが、最終的にユーザによって許容された場合、これを使用して、それぞれの被験者のしきい値を更新することができ、その結果、カテゴリー分類は、時間の経過とともにより正確になる。

測定値が許容されなかった場合、プロセスは、ステップ600に戻り、測定を繰り返すことができる。

そうでない場合、ステップ640では、測定値を使用して、身体組成インジケータなどのインジケータを決定することができる。

上記の例では、インピーダンスパラメータ値の誤差は、インピーダンス測定値を赤色、黄色、または緑色としてカテゴリー分類するために、個別に使用される。しかしながら、他の査定を行うことができることが諒解されよう。たとえば、誤差を組み合わせて、インピーダンスパラメータ値にわたる総合誤差を計算することができ、総合誤差は、査定を行う際に使用される。そのような組合せは、単純な誤差の合計を使用して実行することができ、または、重み付き和、全体的なパーセンテージ誤差などを使用するなど、他の方法で計算することができる。さらに、上記の例は、測定値をカテゴリー分類することによって動作するが、全信頼度スコアを計算するなど、他の評価を使用できることなどが諒解されよう。

上記の例はまた、曲線当てはめを実行するために複数の線形回帰を使用するが、他の線形または非線形手法を使用することができ、これは、ヤコビアンの計算を単に含むことができることが諒解されよう。上記の例は、インピーダンスパラメータ値R₀、R_inf、およびR_iのヤコビ行列の計算に焦点を当てているが、この技法は、αなどのインピーダンス曲線から計算することができるなど他のインピーダンスパラメータ値に拡張することができることも諒解されよう。

上記で説明した手法は、広範囲の異なるパラメータに使用することができるが、特に、外部要因に基づく広範囲の変動、およびそうでなければ必ずしも意味をなさない日ごとの変動を受けることが多い流体レベルの測定に適している。

さらに、上記の例は、ヒトなどの被験者に焦点を当てているが、上記の測定デバイスおよび技法は、限定はしないが、霊長類、家畜、競走馬などのパフォーマンス動物などを含む任意の動物とともに使用され得ることが諒解されよう。

本明細書および以下の特許請求の範囲全体にわたって、文脈上他の意味に解すべき場合を除いて、単語「備える(comprise)」および「備える(comprises)」または「備える(comprising)」などの変形は、記載された整数または整数の群またはステップの包含を意味するが、任意の他の整数または整数の群の排除を意味しないことが理解されよう。本明細書で使用されるように、および別段に明記されていない限り、「約」という用語は±20%を意味する。

当業者は、多数の変形および変更が明らかになることを諒解されよう。当業者に明らかになるそのような変形および変更はすべて、本発明が記載の前に大まかに現れる趣旨および範囲に含まれるとみなされるものとする。

200 システム
210 測定システム
240 通信ネットワーク
250 サーバ
251 データベース
310 インピーダンス測定デバイス
312 測定デバイスプロセッサ
313 信号生成器
314 センサー
320 身体的特性センサー
320.1 第1のハウジング
320.2 第2のハウジング
322 リード線
323 駆動電極
323 第1の電極
323.1 足駆動および感知電極
323.2 手駆動および感知電極
324 感知電極
324.1 足駆動および感知電極
324.2 手駆動および感知電極
325 隆起部分
325.1 リップ
325.2 後部
326 隆起部分
326.1 親指凹部
327 マウンティング
330 クライアントデバイス
400 マイクロプロセッサ
401 メモリ
402 入出力デバイス
403 外部インターフェース
404 バス
500 マイクロプロセッサ
501 メモリ
502 入出力デバイス
503 外部インターフェース
504 バス

Claims (14)

1. 生物学的被験者に対して生体インピーダンス測定を実行するためのインピーダンス測定システムであって、
   a)複数の異なる周波数での、交流信号を、前記生物学的被験者の少なくとも一部に印加するように構成された信号生成器と、
   b)前記生物学的被験者からの応答信号を測定するように構成されたセンサーと、
   c)1つまたは複数の電子処理デバイスであり、
   i)前記測定された応答信号を使用して、前記複数の異なる周波数での取得されたインピーダンス値を決定することと、
   ii)設定周波数より高い周波数で測定されたインピーダンス値に位相補正を適用することと、
   iii)曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算することであって、インピーダンス曲線は、位相補正されたインピーダンス値を使用して計算される、計算することと、
   iv)前記インピーダンス測定から前記インピーダンス曲線の偏差を決定することと、
   v)前記インピーダンス測定の評価を実行するために、前記偏差を使用することと
   を行う1つまたは複数の電子処理デバイスと
   を含むインピーダンス測定システム。
2. 前記インピーダンス測定の前記評価は、
   a)インピーダンス測定の妥当性を決定することと、
   b)前記インピーダンス測定をカテゴリー分類することと、
   c)前記インピーダンス測定を繰り返すことと、
   d)インジケータを導出することであって
   i)測定値の妥当性
   ii)測定誤差、および
   iii)測定値のカテゴリー分類
   のうちの少なくとも1つを示すインジケータを導出することと、
   のうちの少なくとも1つを行うために使用される、請求項1に記載のシステム。
3. 前記インピーダンス測定は、
   a)不良、
   b)疑わしい、および
   c)許容可能、
   のうちの少なくとも1つとしてカテゴリー分類される、請求項1または2に記載のシステム。
4. 前記1つまたは複数の処理デバイスが、
   a)前記曲線当てはめアルゴリズムを使用して曲線係数を計算することと、
   b)前記曲線係数および前記インピーダンス値を使用して前記偏差を決定することと、
   c)インピーダンスパラメータ値の推定誤差を計算することであって、前記インピーダンスパラメータ値は、前記インピーダンス曲線から導出された理論周波数におけるインピーダンスの外挿値であり、前記1つまたは複数の処理デバイスは、前記偏差を前記インピーダンスパラメータ値に伝播させることによって前記推定誤差を計算する、計算することと、
   d)前記インピーダンス測定を評価するために、前記推定誤差を使用することと
   を行う、請求項1から3のいずれか一項に記載のシステム。
5. 前記1つまたは複数の処理デバイスが、
   a)前記インピーダンス曲線および前記インピーダンス値に関連付けられた分散および共分散を示す共分散行列を計算することによって、前記偏差を決定することと、
   b)前記インピーダンスパラメータ値の推定誤差を計算するために、前記共分散行列を使用することと
   を行う、請求項1から4のいずれか一項に記載のシステム。
6. a)前記共分散行列が、前記インピーダンス曲線および前記インピーダンス値の平均2乗誤差に基づいて生成される、
   b)前記1つまたは複数の処理デバイスが、以下の式を使用して前記共分散行列を計算し、
   式中、Aは、形式A=[1 R X]の測定されたリアクタンス値Xおよび抵抗値Rの行列であり、
   は、前記曲線当てはめの前記平均2乗誤差である、
   の少なくともどちらか１つである、請求項5に記載のシステム。
7. 前記1つまたは複数の処理デバイスが、
   a)ベクトル関数の1次偏導関数を使用する、
   b)ヤコビ変換を使用する、
   c)以下の式を使用して、ヤコビ変換を共分散行列に適用する、
   式中、Jは、ヤコビ変換であり、
   J^Tは、逆ヤコビ変換であり、
   は、誤差である、
   の少なくとも１つを適用してインピーダンスパラメータ値の推定誤差を計算する、請求項1から6のいずれか一項に記載のシステム。
8. 前記1つまたは複数の処理デバイスが、
   a)いくつかのインピーダンスパラメータ値に関連付けられた誤差値を計算することであって、
   i)前記いくつかのインピーダンスパラメータ値が、
   (1)0kHzの周波数での理論インピーダンスであるR₀、
   (2)無限周波数での前記理論インピーダンスであるR_inf、
   (3)細胞内インピーダンスであるR_i、
   のうちの1つまたは複数を含み、
   ii)前記1つまたは複数の処理デバイスが、以下の式を使用して誤差値を計算し、
   (1)R₀の場合、
   式中、J_R0は、R₀のヤコビ変換であり、
   J^T _R0は、R₀の逆ヤコビ変換であり、
   は、共分散行列である、
   (2)R_infの場合、
   式中、J_Rinfは、R_infのヤコビ変換であり、
   J^T _Rinfは、R_infの逆ヤコビ変換であり、
   は、共分散行列である、
   (3)R_iの場合、
   式中、J_Riは、R_iのヤコビ変換であり、
   J^T _Riは、R_iの逆ヤコビ変換であり、
   は、共分散行列である
   誤差値を計算することと、
   b)誤差値の各々を少なくとも1つのそれぞれのしきい値と比較することと、
   c)前記比較の結果に基づいて前記評価を実行することと
   を行う、請求項7に記載のシステム。
9. 前記1つまたは複数の処理デバイスが、いくつかの負のリアクタンス値に基づいて、前記インピーダンス測定を評価する、請求項1から8のいずれか一項に記載のシステム。
10. 前記1つまたは複数の処理デバイスが、前記インピーダンス測定を、
    a)
    i)いくつかの負のリアクタンス測定値が、第1のカテゴリーのリアクタンスしきい値を超える、または
    ii)少なくとも1つのパラメータ値が、それぞれの第1のカテゴリーしきい値よりも大きい誤差を有する、
    のうちの少なくとも1つである場合、第1のカテゴリーにあり、
    b)
    i)いくつかの負のリアクタンス測定値が、第2のカテゴリーのリアクタンスしきい値を超える、
    ii)各パラメータ値が、それぞれの第2のカテゴリーしきい値よりも大きい誤差を有する、
    のうちの少なくとも1つである場合、第2のカテゴリーにあり、
    c)前記第1のカテゴリーまたは第2のカテゴリーにない場合、第3のカテゴリーにある
    として評価する、請求項1から9のいずれか一項に記載のシステム。
11. 前記1つまたは複数の処理デバイスが、1つまたは複数のしきい値を少なくとも部分的に使用して前記測定を評価し、前記しきい値が、
    a)前記被験者に対して実行された以前のインピーダンス測定の評価に基づいて決定される、
    b)1人または複数人の基準被験者に対して実行された以前のインピーダンス測定の評価に基づいて決定される、
    c)1人または複数人の基準被験者に対して実行された以前のインピーダンス測定の評価に機械学習を適用することによって決定される、
    のうちの少なくとも1つである、請求項1から10のいずれか一項に記載のシステム。
12. 前記1つまたは複数の処理デバイスが、異なる偏差と測定値の妥当性との間の関係を具体化する少なくとも1つの計算モデルを使用して前記測定を評価し、
    前記少なくとも1つの計算モデルが、1人または複数人の基準被験者から取得された測定値の妥当性の偏差および査定に機械学習を適用することによって取得される、請求項11に記載のシステム。
13. 前記1つまたは複数の処理デバイスが、
    a)前記インピーダンス値を使用してインピーダンスパラメータ値を計算することと、
    b)前記インピーダンスパラメータ値を定義された周波数インピーダンス値と比較することであって、前記定義された周波数インピーダンス値が、定義された測定周波数で実行されたインピーダンス測定から取得されたインピーダンス値である、比較することと、
    c)前記インピーダンス測定の評価を実行するために、前記比較の結果を使用することと
    を行う、請求項1から12のいずれか一項に記載のシステム。
14. 生物学的被験者に対して実行される生体インピーダンス測定を評価する際に使用するための方法であって、1つまたは複数の電子処理デバイスにおいて、
    a)前記生物学的被験者の少なくとも一部において複数の異なる周波数での実行されるインピーダンス測定から取得されるインピーダンス値を決定するステップと、
    b)設定周波数より高い周波数で測定されたインピーダンス値に位相補正を適用するステップと、
    c)曲線当てはめアルゴリズムを使用して、インピーダンス曲線を計算するステップであって、前記インピーダンス曲線は、前記位相補正されたインピーダンス値を用いて計算される、ステップと、
    d)前記インピーダンス測定から前記インピーダンス曲線の偏差を決定するステップと、
    e)前記インピーダンス測定の評価を実行するために、前記偏差を使用するステップと
    を含む方法。

Images