JP7429371B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7429371B2 JP7429371B2 JP2020570451A JP2020570451A JP7429371B2 JP 7429371 B2 JP7429371 B2 JP 7429371B2 JP 2020570451 A JP2020570451 A JP 2020570451A JP 2020570451 A JP2020570451 A JP 2020570451A JP 7429371 B2 JP7429371 B2 JP 7429371B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- vector
- data set
- biophysical
- dataset
- 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
- 238000000034 method Methods 0.000 title claims description 210
- 239000013598 vector Substances 0.000 claims description 280
- 230000000747 cardiac effect Effects 0.000 claims description 107
- 238000005259 measurement Methods 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 46
- 238000010801 machine learning Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 23
- 230000003362 replicative effect Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 230000001575 pathological effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000011109 contamination Methods 0.000 description 38
- 210000002027 skeletal muscle Anatomy 0.000 description 36
- 210000004556 brain Anatomy 0.000 description 32
- 238000011156 evaluation Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 20
- 201000010099 disease Diseases 0.000 description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 17
- 238000011002 quantification Methods 0.000 description 14
- 238000009826 distribution Methods 0.000 description 12
- 208000002815 pulmonary hypertension Diseases 0.000 description 12
- 238000000513 principal component analysis Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 208000029078 coronary artery disease Diseases 0.000 description 10
- 206010064911 Pulmonary arterial hypertension Diseases 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 239000000523 sample Substances 0.000 description 8
- 208000031481 Pathologic Constriction Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 210000004165 myocardium Anatomy 0.000 description 7
- 230000036262 stenosis Effects 0.000 description 7
- 208000037804 stenosis Diseases 0.000 description 7
- 238000003325 tomography Methods 0.000 description 7
- 238000010200 validation analysis Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 208000031225 myocardial ischemia Diseases 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000007170 pathology Effects 0.000 description 5
- 230000036982 action potential Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000002567 electromyography Methods 0.000 description 4
- 230000002107 myocardial effect Effects 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000000748 cardiovascular system Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 208000019622 heart disease Diseases 0.000 description 3
- 208000028867 ischemia Diseases 0.000 description 3
- 230000013016 learning Effects 0.000 description 3
- 230000005226 mechanical processes and functions Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000010076 replication Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000005242 cardiac chamber Anatomy 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 238000000537 electroencephalography Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000000926 neurological effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 1
- 206010003840 Autonomic nervous system imbalance Diseases 0.000 description 1
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 206010011086 Coronary artery occlusion Diseases 0.000 description 1
- 206010011089 Coronary artery stenosis Diseases 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 1
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 208000015802 attention deficit-hyperactivity disease Diseases 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000002318 cardia Anatomy 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002999 depolarising effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000019479 dysautonomia Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 210000005003 heart tissue Anatomy 0.000 description 1
- 208000035231 inattentive type attention deficit hyperactivity disease Diseases 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 210000001428 peripheral nervous system Anatomy 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 238000011458 pharmacological treatment Methods 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 208000018290 primary dysautonomia Diseases 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 210000004994 reproductive system Anatomy 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 0.000 description 1
- 206010047302 ventricular tachycardia Diseases 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
-
- 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
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
-
- 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]
- A61B5/339—Displays specially adapted therefor
- A61B5/341—Vectorcardiography [VCG]
-
- 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
-
- 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
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Cardiology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Computer Security & Cryptography (AREA)
Description
本国際PCT出願は、2018年6月18日に出願され、「METHODS AND SYSTEMS TO QUANTIFY AND REMOVE ASYNCHRONOUS NOISE IN BIOPHYSICAL SIGNALS」と題された米国仮特許出願第62/686,245号の優先権および利益を主張し、参照によりその全体が本明細書に組み込まれる。
本発明は、例えば、以下を提供する。
(項目1)
取得された生体物理信号データセットから非同期ノイズをフィルタリングする方法であって、
プロセッサによって、対象の生体物理信号データセットを受信することと、
前記プロセッサによって、前記受信された生体物理信号データセットにおいて検出された複数の検出された準周期サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを判定することと、
前記プロセッサによって、前記少なくとも1つの判定されたテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに適用することであって、前記1つ以上のノイズ除去ベクトルデータセットが、フィルタリングされる前記受信された生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記少なくとも1つの判定されたテンプレート信号ベクトルデータセットが、i)フィルタリングされる受信された心臓信号データセットの前記一部分に存在すると判定された前記検出されたサイクルの各々に適用され、ii)フィルタリングされる前記受信された生体物理信号データセットの前記一部分の対応する検出されたサイクルの前記ベクトル長に一致するように長さが変化する、ことと、
フィルタリングされる前記受信された生体物理信号データセットの前記一部分、および前記1つ以上の生成されたノイズ除去ベクトルデータセットをマージすることによって、前記生体物理信号データセットまたはその一部分のフィルタリングされた生体物理信号データセットを生成することと、を含む、方法。
(項目2)
前記プロセッサによって、各々が前記生体物理信号データセットとともに前記対象から同時に取得される1つ以上の追加の生体物理信号データセットを受信することと、
前記プロセッサによって、前記受信された1つ以上の追加の生体物理信号データセットの各々において検出された複数の検出された心臓拍動サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを判定することと、
前記プロセッサによって、前記受信された1つ以上の追加の生体物理信号データセットの各々について、複数の判定されたテンプレート信号ベクトルデータセットを、反復様態で1つ以上のノイズ除去ベクトルデータセットに適用することであって、前記1つ以上のノイズ除去ベクトルデータセットが、フィルタリングされる前記受信された追加の生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記複数の判定されたテンプレート信号ベクトルデータセットの各々が、i)フィルタリングされる受信された追加の生体物理信号データセットの前記一部分に存在すると判定された前記検出されたサイクルの各々に適用され、ii)フィルタリングされる前記受信された追加の生体物理信号データセットの前記一部分の対応する検出されたサイクルの前記ベクトル長に一致するように長さが変化する、ことと、
フィルタリングされる前記受信された生体物理信号データセットの前記一部分、および前記1つ以上の生成されたノイズ除去ベクトルデータセットをマージすることによって、前記生体物理信号データセットまたはその一部分のフィルタリングされた生体物理信号データセットを生成することと、をさらに含む、項目1に記載の方法。
(項目3)
前記代表的な準周期信号パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定するステップが、
前記プロセッサによって、前記受信された生体物理信号データセットまたはその一部分において特徴的に異なる複数の信号特徴を判定することと、
前記プロセッサによって、前記複数の判定された信号特徴の各々の間の複数のサイクル領域を判定することと、
前記プロセッサによって、前記複数のサイクル領域の各々を、前記複数の信号特徴の同じ態様または前記サイクル領域の各々に位置する信号特徴の別のセットに対して互いに整合させることと、
前記プロセッサによって、前記複数のサイクル領域のうちの点の各セットに対して実行された平均演算またはメディアン演算を使用して、前記少なくとも1つのテンプレート信号ベクトルデータセットの各点を判定することと、を含む、項目1または2に記載の方法。
(項目4)
前記受信された生体物理信号データセットが、心臓信号データセットを含み、前記複数の信号特徴が、前記受信された心臓信号データセットもしくはその一部分におけるRピーク、前記受信された心臓信号データセットもしくはその一部分におけるSピーク、前記受信された心臓信号データセットもしくはその一部分におけるTピーク、前記受信された心臓信号データセットもしくはその一部分におけるQピーク、および前記受信された心臓信号データセットもしくはその一部分におけるPピーク、からなる群から選択される、項目1~3のいずれか一項に記載の方法。
(項目5)
前記受信された生体物理信号データセットが、心臓信号データセットを含み、前記複数の信号特徴が、前記受信された心臓信号データセットまたはその一部分におけるRピークに対応する、項目1~4のいずれか一項に記載の方法。
(項目6)
前記代表的な準周期パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定する前記ステップが、
前記プロセッサによって、前記複数のサイクル領域の各々から導出される正規化パラメータを判定することをさらに含む、項目1~5のいずれか一項に記載の方法。
(項目7)
前記代表的な準周期信号パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定する前記ステップが、
前記プロセッサによって、前記複数のサイクル領域の各々の値、またはそれから導出されるパラメータを、事前に定義されたスケールに正規化することをさらに含む、項目1~6のいずれか一項に記載の方法。
(項目8)
前記代表的な準周期信号パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定する前記ステップが、
前記プロセッサによって、2つ以上の支配的なサイクル形態の存在を判定するために、前記複数のサイクル領域のクラスタリングベースの分析を実行することであって、テンプレート信号ベクトルが、判定された支配的なサイクル形態ごとに判定される、ことをさらに含む、項目1~7のいずれか一項に記載の方法。
(項目9)
前記複数のサイクル領域が、互いに隣接するサイクルを含む、項目1~8のいずれか一項に記載の方法。
(項目10)
互いに隣接する前記サイクルが、互いに部分的に重複する、項目9に記載の方法。
(項目11)
互いに隣接する前記サイクルが、互いに重複しない、項目9に記載の方法。
(項目12)
前記フィルタリングされた生体物理信号データセットが、前記複数のサイクル領域の2つ以上のサイクル群から2つ以上のテンプレート信号ベクトルデータセットを使用することによって生成され、前記複数のサイクル領域の前記2つ以上のサイクル群が、互いに隣接する、項目9~11のいずれか一項に記載の方法。
(項目13)
前記フィルタリングされた生体物理信号データセットが、前記生体物理信号が取得される際に、ほぼリアルタイムで生成される、項目1~12のいずれか一項に記載の方法。
(項目14)
前記フィルタリングされた生体物理信号データセットが、前記生体物理信号の取得完了後に生成される、項目1~13のいずれか一項に記載の方法。
(項目15)
前記1つ以上のノイズ除去ベクトルデータセットが、1次元ベクトルとして配置される、項目1~14のいずれか一項に記載の方法。
(項目16)
前記1つ以上のノイズ除去ベクトルデータセットが、N次元ベクトルとして配置され、Nが、フィルタリングされる受信された生体物理信号データセットの前記一部分に存在すると判定された検出されたサイクルの数に対応する、項目1~15のいずれか一項に記載の方法。
(項目17)
前記複数の前記判定されたテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに適用する前記ステップが、
前記プロセッサによって、前記1つ以上のノイズ除去ベクトルデータセットを、フィルタリングされる受信された生体物理信号の前記一部分の長さに対応する長さを有する1次元ベクトルとして初期化することと、
前記プロセッサによって、少なくとも前記判定されたテンプレート信号ベクトルのピークと関連付けられたデータ点を、フィルタリングされる前記受信された生体物理信号において判定された各ピークに整合させるように、前記1次元ベクトル内の前記判定されたテンプレート信号ベクトルを複製することと、を含む、項目1~16のいずれか一項に記載の方法。
(項目18)
前記複製ステップの間に、現在複製しているテンプレート信号ベクトルデータセットの競合部分が、前記現在複製しているテンプレート信号ベクトルデータセットが競合を有する以前に複製されたテンプレート信号ベクトルデータセットの対応する部分に関して割り当てられた平均値である、項目17に記載の方法。
(項目19)
前記複製ステップの間に、現在複製しているテンプレート信号ベクトルデータセットと以前に複製されたテンプレート信号ベクトルデータセットとの間の前記1次元ベクトル内の空の領域が、最後の埋められた値と前記空の領域の周りの次の埋められた値との間に補間された値とともに記憶される、項目17または18に記載の方法。
(項目20)
項目1~19のいずれか一項に記載の方法であって、前記ウィンドウベースの演算が、
前記プロセッサによって、事前に定義されたウィンドウ長を有する複数のウィンドウ関数でフィルタリングされる前記受信された生体物理信号データセットの前記一部分をスケーリングして、修正された生体物理信号データセットを生成することと、
前記プロセッサによって、前記1つ以上の生成されたノイズ除去ベクトルデータセットを前記複数のウィンドウ関数でスケーリングして、修正されたノイズ除去ベクトルデータセットを生成することと、
前記プロセッサによって、前記修正されたノイズ除去ベクトルデータセットのエンベロープを判定することと、
前記プロセッサによって、FFT演算を介して、前記修正されたノイズ除去ベクトルデータセットおよび前記周波数領域にフィルタリングされる前記受信された生体物理信号データセットの前記一部分の前記エンベロープを変換することと、
前記プロセッサによって、前記修正されたノイズ除去ベクトルデータセットおよび前記修正された生体物理信号データセットの前記FFTエンベロープの加重平均演算を、静的補間係数または動的補間係数セットを使用して実行して、結果として生じるデータセットを生成することと、
前記プロセッサによって、逆FFT演算を介して、前記結果として生じるデータセットを、前記生体物理信号の前記フィルタリングされた生体物理信号データセットとして時系列データセットに変換することと、を含む、方法。
(項目21)
第1の測定機器のセットで取得されたデータセットの第1のセット、および第2の測定機器のセットで取得されたデータセットの第2のセットを正規化する方法であって、それにより、前記データセットの第1のセットが、機械学習演算において前記データセットの第2のセットで分析可能であり、前記方法が、
プロセッサによって、第1の測定機器のセットで取得された対象の生体物理信号データセットのセットを受信することと、
前記プロセッサによって、前記受信された生体物理信号データセットにおいて検出された複数の検出された準周期信号サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを判定することと、
前記プロセッサによって、複数の前記判定されたテンプレート信号ベクトルデータセット、またはその群から選択されたベクトルを1つ以上のノイズ除去ベクトルデータセットに適用することであって、前記1つ以上のノイズ除去ベクトルデータセットが、フィルタリングされる前記受信された生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記各適用されたテンプレート信号ベクトルデータセットが、i)フィルタリングされる受信された生体信号データセットの前記一部分に存在すると判定された前記検出されたサイクルの各々に適用され、ii)フィルタリングされる前記受信された生体物理信号データセットの前記一部分の対応する検出されたサイクルの前記ベクトル長に一致するように長さが変化する、ことと、
前記生体物理信号データセットまたはその一部分と関連付けられたフィルタリングされた生体物理信号データセットを、前記生体物理信号の正規化されたデータセットとして生成することであって、フィルタリングされる前記受信された生体物理信号の前記一部分、および前記1つ以上の生成されたノイズ除去ベクトルをマージすることによって、前記フィルタリングされた生体物理信号が生成される、ことと、を含み、
前記第1の計測機器で取得された前記生体物理信号に関連付けられた前記正規化されたデータセットが、第2の計測機器で取得された第2のデータセットとともに機械学習訓練データセットとして分析可能である、方法。
(項目22)
前記受信された生体物理信号のデータセットが、12リード面電位感知電極システム、心臓内電位図、ホルター心電図、6リード差動面電位感知電極システム、3リード直交面電位感知電極システム、および単一リード電位感知電極システムからなる群から選択されたセンサから捕捉されたデータを含む、項目1~21のいずれか一項に記載の方法。
(項目23)
前記受信された生体物理信号のデータセットが、心臓に近接した体の表面に配置された複数の表面電極から同時に捕捉された生体電位信号から導出された広帯域心相勾配心臓信号データを含む、項目1~22のいずれか一項に記載の方法。
(項目24)
取得された生体物理信号を拒否する方法であって、
プロセッサによって、対象の生体物理信号データセットを受信することと、
前記プロセッサによって、前記受信された生体物理信号データセットを、前記生体物理信号データセット内の代表的な準周期パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットと比較することと、
前記比較に基づいて、前記プロセッサによって、前記受信された生体物理信号データセットを拒否することと、を含む、方法。
(項目25)
前記代表的な準周期パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定する前記ステップが、
前記プロセッサによって、前記受信された生体物理信号データセットまたはその一部分において特徴的に異なる複数の信号特徴を判定することと、
前記プロセッサによって、前記複数の判定された信号特徴の各々の間の複数のサイクル領域を判定することと、
前記プロセッサによって、前記複数のサイクル領域の各々を、前記複数の信号特徴の同じ態様または前記サイクル領域の各々に位置する信号特徴の別のセットに対して互いに整合させることと、
前記プロセッサによって、前記複数のサイクル領域のうちの点の各セットに対して実行された平均演算またはメディアン演算を使用して、前記少なくとも1つのテンプレート信号ベクトルデータセットの各点を判定することと、を含む、項目24に記載の方法。
(項目26)
前記代表的な準周期パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを判定する前記ステップが、
前記プロセッサによって、2つ以上の支配的なサイクル形態の存在を判定するために、前記複数のサイクル領域のクラスタリングベースの分析を実行することであって、テンプレート信号ベクトルが、判定された支配的なサイクル形態ごとに判定される、ことをさらに含む、項目25に記載の方法。
(項目27)
項目1~26のいずれか一項に記載の方法であって、
前記プロセッサによって、生体物理信号データセットの失敗した取得の通知を生成することであって、前記通知が、実行される前記生体物理信号データセットの後続の取得を促す、ことをさらに含む、方法。
(項目28)
項目1~27のいずれか一項に記載の方法であって、
前記プロセッサによって、ネットワークを介して外部分析システムに前記受信された生体物理信号データセットを送信させることであって、前記分析システムが、病理学的または臨床状態の存在または程度について前記受信された生体物理信号データを分析するように構成されている、ことをさらに含む、方法。
(項目29)
前記比較が、
事前に定義された閾値を超える値またはエネルギーを有する、前記取得された生体物理信号データセットに存在する非同期ノイズの存在を判定することを含む、項目1~28のいずれか一項に記載の方法。
(項目30)
取得された生体物理信号の非同期ノイズを定量化する方法であって、
プロセッサによって、対象の生体物理信号データセットを受信することと、
前記プロセッサによって、前記受信された生体物理信号データセットまたはその一部分において特徴的に異なる複数の信号特徴を判定することと、
前記プロセッサによって、前記複数の判定された信号特徴の各々の間の複数のサイクル領域を判定することと、
前記プロセッサによって、前記複数のサイクル領域の各々を、前記複数の信号特徴の同じ態様または前記サイクル領域の各々に位置する信号特徴の別のセットに対して互いに整合させることと、
前記プロセッサによって、前記複数のサイクル領域のうちの点の各セットに対して実行された平均演算またはメディアン演算を使用して、前記少なくとも1つのテンプレート信号ベクトルデータセットの各点を判定することと、
前記プロセッサによって、2つ以上の支配的なサイクル形態の存在を判定するために、前記複数のサイクル領域のクラスタリングベースの分析を実行することであって、テンプレート信号ベクトルが、判定された支配的なサイクル形態ごとに判定される、ことと、を含む、方法。
(項目31)
システムであって、
1つ以上のプロセッサと、
その上に記憶された命令を有するメモリであって、前記1つ以上のプロセッサによる前記命令の実行が、前記1つ以上のプロセッサに項目1~30に記載の方法のいずれか1つを実行させる、メモリと、を備える、システム。
(項目32)
1つ以上のプロセッサによる前記命令の実行により、前記1つ以上のプロセッサに項目1~30に記載の方法のいずれか1つを実行させる、非一時的コンピュータ可読媒体。
図1Aは、例示的な実施形態による、骨格筋関連アーチファクトノイズ汚染などの非同期ノイズを定量化し、かつ除去し、そのような定量化を使用して、準周期的なシステムにおける複雑な非線形変動性をより正確に評価するように構成された例示的なシステム100の図である。本明細書で使用される場合、「除去(remove)」という用語は、その後の分析を改善するか、または有益にするノイズ汚染の全体的または部分的な任意の有意な低減を指す。
図2は、例示的な実施形態による、取得された生体物理信号から非同期ノイズを除去する例示的な方法118を示す。図2に示されるように、方法118は、プロセッサによって、対象106の生体物理信号データセット(例えば、データセット108)を受信するステップ(ステップ202)を含む。上述のように、除去演算118は、測定システム102および/または評価システム110によって実行することができる。心臓信号については、手持ちデバイスまたは他のデバイスを使用して、X、Y、およびZチャネルに対応する3つの直交軸に沿って配置された6つのプローブまたは電極(例えば、プローブ114a~114f)のセットから、患者の安静時の胸部生理学的信号を収集することができる。非侵襲的測定システム102の一部としての電極は、電離放射線、造影剤、運動、または薬理学的ストレスを使用することなく、位相勾配生体物理信号データセット108を取得することができる。非侵襲的測定システム102は、いくつかの実施形態において、約30~約1400秒間、好ましくは約210秒間、約8kHzでサンプリングする。取得されたデータ点は、データセット108の一部として評価システム110に転送され、機械学習アルゴリズム/予測器を使用してその中の分析エンジンによって評価される。
上述のように、図4は、準周期信号パターンの代表的なサイクル(例えば、心臓拍動パターンの代表的なサイクル)のテンプレート信号ベクトルデータセットを判定する方法400の図である。方法400は、生体物理信号(例えば、心臓信号、脳信号など)における骨格筋関連アーチファクトおよびノイズ汚染の評価または定量化の一部であり得る。
図5は、例示的な実施形態による、取得された生体物理信号における骨格筋関連アーチファクトノイズ汚染をプロセッサによって定量化する例示的な方法500の図である。
上述のように、骨格筋関連アーチファクトなどの非同期ノイズ汚染、および生体物理信号(心臓信号など)におけるノイズ汚染の定量化は、複雑であり得る。骨格筋関連アーチファクトおよびノイズは、例えば、生体物理信号に関してバンド内ノイズとして現れ得る。すなわち、それは、生体物理信号の支配的な成分と同じ周波数範囲で、典型的には、心臓信号については約0.5Hz~80Hz、脳信号については約0.1~50Hzで生じ得る。さらに、EMGは、典型的な心臓または脳波形と同じ振幅を有し得る。
別の態様において、本明細書に記載される非同期汚染除去演算は、例えば、機械学習ベースの疾患関連のためにそのようなプラットフォームから取得されたデータを対象とする前に、複数の異なる取得プラットフォームから取得された心臓信号を正規化するために使用され得る。正規化は、少なくとも部分的に、ディープラーニングからの理論的トポロジーの違いと洞察の知識によって推進される。デバイス正規化プロセスは、例えば、機械学習訓練プロセスを改善することができる信号の群間の類似性(機械学習および電気工学理論の両方によって誘導されるように)を増大させるために、2つ以上の異なる世代からである複数の取得デバイスから取得されたデータに適用され得る。
冠動脈疾患学習アルゴリズム開発(CADLAD)研究は、機械学習アルゴリズムの開発および試験をサポートするための2つの異なる段階を伴って実施された。ステージ1では、対の臨床データを使用して、前処理、特徴抽出、および機械学習ステップの設計および開発を誘導した。すなわち、収集された臨床試験データは、3つのコホートに分割される:トレーニング(50%)、妥当性確認(25%)、検証(25%)。分析のために患者からの信号を処理するための上述のステップと同様に、各信号は、データをクリーニングし、かつ正規化するために最初に前処理される。これらのプロセスに続いて、特徴のセットが、特徴の各セットが真の状態の表現(例えば、有意なCADの有無のバイナリ分類)と対になる信号から抽出される。このステージの最終出力は、測定システム内で具現化された固定アルゴリズムである。CADLAD試験のステージ2では、機械学習アルゴリズムを使用して、以前に試験されていない臨床データのプールに対する有意なCADの判定を提供する。疾患の基準は、American College of Cardiology(ACC)臨床ガイドラインで定義されているように、具体的には血管造影による70%超の狭窄またはフローワイヤによる0.80%未満の狭窄として確立されている。
3次元位相空間体積物体または計算された位相空間断層撮影画像は、訓練された神経ネットワーク分類子によって直接評価されて、肺動脈高血圧の存在または非存在を判定することができる。いくつかの実装態様において、ニューラルネットワーク分類子は、肺動脈高血圧の存在および非存在について評価された冠動脈血管造影結果と対になるグレースケール断層撮影画像のセット上で訓練されたニューラルネットワークであってもよい。いくつかの実装態様において、ニューラルネットワークベースの非線形分類子が使用される。いくつかの実装態様において、ニューラルネットワークベースの非線形分類子は、生成された断層撮影画像からの個々の画素をバイナリ疾患状態予測(すなわち、状態が存在するかまたは存在しない)または推定された生理学的特徴にマッピングするように構成される。いくつかの実装態様において、このマッピングを制御するニューラルネットワークの重みは、勾配降下技術を使用して最適化される。
Claims (25)
- 取得された生体物理信号データセットから非同期ノイズをフィルタリングする方法であって、前記方法は、
プロセッサが、対象の生体物理信号データセットを受信することと、
前記プロセッサが、前記受信された生体物理信号データセットにおいて検出された複数の検出された複数の準周期サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを生成することと、
前記プロセッサが、前記生成された少なくとも1つのテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに適用することであって、前記1つ以上のノイズ除去ベクトルデータセットは、フィルタリングされる前記受信された生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記プロセッサは、フィルタリングされる受信された生体物理信号データセットの一部分に存在する前記検出された複数のサイクルのそれぞれに対して、前記生成された少なくとも1つのテンプレート信号ベクトルデータセットを前記1つ以上のノイズ除去ベクトルデータセットに適用し、前記生成された少なくとも1つのテンプレート信号ベクトルデータセットのベクトル長は、フィルタリングされる前記受信された生体物理信号データセットの前記一部分の対応する検出されたサイクルのベクトル長に一致するように変化する、ことと、
フィルタリングされる前記受信された生体物理信号データセットの前記一部分と前記生成された1つ以上のノイズ除去ベクトルデータセットとをマージすることによって、前記生体物理信号データセットのフィルタリングされた生体物理信号データセットまたはその一部分を生成することと
を含む、方法。 - 前記方法は、
前記プロセッサが、1つ以上の追加の生体物理信号データセットを受信することであって、前記1つ以上の追加の生体物理信号データセットのそれぞれは、前記生体物理信号データセットとともに前記対象から同時に取得される、ことと、
前記プロセッサが、前記受信された1つ以上の追加の生体物理信号データセットのそれぞれにおいて検出された複数の検出された心臓拍動サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを生成することと、
前記プロセッサが、前記受信された1つ以上の追加の生体物理信号データセットのそれぞれに対して、前記複数の生成された少なくとも1つのテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに反復的に適用することであって、前記1つ以上のノイズ除去ベクトルデータセットは、フィルタリングされる前記受信された追加の生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記プロセッサは、フィルタリングされる受信された追加の生体物理信号データセットの一部分に存在すると決定された前記複数の検出されたサイクルのそれぞれに対して、前記複数の生成された少なくとも1つのテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに反復的に適用し、前記1つ以上のノイズ除去ベクトルデータセットのベクトル長は、フィルタリングされる前記受信された追加の生体物理信号データセットの前記一部分の対応する検出されたサイクルのベクトル長に一致するように変化する、ことと、
フィルタリングされる前記受信された生体物理信号データセットの前記一部分と前記生成された1つ以上のノイズ除去ベクトルデータセットとをマージすることによって、前記生体物理信号データセットのフィルタリングされた生体物理信号データセットまたはその一部分を生成することと
をさらに含む、請求項1に記載の方法。 - 前記代表的な準周期信号パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを生成するステップは、
前記プロセッサが、前記受信された生体物理信号データセットまたはその一部分において特徴的に異なる複数の信号特徴を識別することと、
前記プロセッサが、前記識別された複数の信号特徴のそれぞれの間の複数のサイクル領域を識別することと、
前記プロセッサが、前記複数のサイクル領域のそれぞれを、互いに整合させる、または、前記複数の信号特徴の同じ態様に整合させる、または、前記複数のサイクル領域のそれぞれに位置する信号特徴の別のセットに整合させることと、
前記プロセッサが、平均演算を使用して、前記少なくとも1つのテンプレート信号ベクトルデータセットの各点を生成することと
を含む、請求項1または2に記載の方法。 - 前記受信された生体物理信号データセットは、心臓信号データセットを含み、前記複数の信号特徴は、前記受信された心臓信号データセットまたはその一部分におけるRピーク、前記受信された心臓信号データセットまたはその一部分におけるSピーク、前記受信された心臓信号データセットまたはその一部分におけるTピーク、前記受信された心臓信号データセットまたはその一部分におけるQピーク、前記受信された心臓信号データセットまたはその一部分におけるPピークからなる群から選択される、請求項3に記載の方法。
- 前記受信された生体物理信号データセットは、心臓信号データセットを含み、前記複数の信号特徴は、前記受信された心臓信号データセットまたはその一部分におけるRピークに対応する、請求項3に記載の方法。
- 前記代表的な準周期パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを生成するステップは、
前記プロセッサが、前記複数のサイクル領域のそれぞれから導出される正規化パラメータを生成することをさらに含む、請求項3~5のいずれか一項に記載の方法。 - 前記代表的な準周期信号パターンに特徴的な前記少なくとも1つのテンプレート信号ベクトルデータセットを生成するステップは、
前記プロセッサが、前記複数のサイクル領域のそれぞれの値、または、それから導出されるパラメータを、事前に定義されたスケールに正規化することをさらに含む、請求項3~6のいずれか一項に記載の方法。 - 前記複数のサイクル領域は、互いに隣接するサイクルを含む、請求項3~7のいずれか一項に記載の方法。
- 互いに隣接する前記サイクルは、互いに部分的に重複する、請求項8に記載の方法。
- 互いに隣接する前記サイクルは、互いに重複しない、請求項8に記載の方法。
- 前記フィルタリングされた生体物理信号データセットは、前記複数のサイクル領域の2つ以上のサイクル群から2つ以上のテンプレート信号ベクトルデータセットを使用することによって生成され、前記複数のサイクル領域の前記2つ以上のサイクル群は、互いに隣接する、請求項8~10のいずれか一項に記載の方法。
- 前記フィルタリングされた生体物理信号データセットは、前記生体物理信号が取得される際に、ほぼリアルタイムで生成される、請求項1~11のいずれか一項に記載の方法。
- 前記フィルタリングされた生体物理信号データセットは、前記生体物理信号の取得完了後に生成される、請求項1~12のいずれか一項に記載の方法。
- 前記1つ以上のノイズ除去ベクトルデータセットは、1次元ベクトルとして配置される、請求項1~13のいずれか一項に記載の方法。
- 前記1つ以上のノイズ除去ベクトルデータセットは、N次元ベクトルとして配置され、Nは、フィルタリングされる受信された生体物理信号データセットの前記一部分に存在する検出されたサイクルの数に対応する、請求項1~14のいずれか一項に記載の方法。
- 前記生成された複数のテンプレート信号ベクトルデータセットを1つ以上のノイズ除去ベクトルデータセットに適用するステップは、
前記プロセッサが、前記1つ以上のノイズ除去ベクトルデータセットを、フィルタリングされる受信された生体物理信号の前記一部分の長さに対応する長さを有する1次元ベクトルとして初期化することと、
前記プロセッサが、前記生成されたテンプレート信号ベクトルを前記1次元ベクトルの中に複製することにより、少なくとも前記生成されたテンプレート信号ベクトルのピークに関連付けられたデータ点を、フィルタリングされる前記受信された生体物理信号において識別された各ピークに整合させることと
を含む、請求項1~15のいずれか一項に記載の方法。 - 前記複製するステップの間に、現在複製しているテンプレート信号ベクトルデータセットの部分が、前記現在複製しているテンプレート信号ベクトルデータセットが競合を有する以前に複製されたテンプレート信号ベクトルデータセットの対応する部分に対して割り当てられた平均値である、請求項16に記載の方法。
- フィルタリングされる前記受信された生体物理信号データセットの前記一部分と前記生成された1つ以上のノイズ除去ベクトルデータセットとをマージするステップは、ウィンドウベースの演算を使用して実行され、
前記ウィンドウベースの演算は、
前記プロセッサが、事前に定義されたウィンドウ長を有する複数のウィンドウ関数でフィルタリングされる前記受信された生体物理信号データセットの前記一部分をスケーリングすることにより、修正された生体物理信号データセットを生成することと、
前記プロセッサが、前記生成された1つ以上のノイズ除去ベクトルデータセットを前記複数のウィンドウ関数でスケーリングすることにより、修正されたノイズ除去ベクトルデータセットを生成することと、
前記プロセッサが、前記修正されたノイズ除去ベクトルデータセットのエンベロープを計算することと、
前記プロセッサが、FFT演算を介して、前記修正されたノイズ除去ベクトルデータセットおよびFFTエンベロープの周波数領域にフィルタリングされる前記受信された生体物理信号データセットの前記一部分の前記エンベロープを変換することと、
前記プロセッサが、補間係数を使用して、前記修正されたノイズ除去ベクトルデータセットおよび前記修正された生体物理信号データセットの前記FFTエンベロープの加重平均演算を実行することにより、結果として生じるデータセットを生成することであって、前記補間係数は、生信号データセットに対する前記生成されたテンプレート信号ベクトルデータセットの影響を制御するために使用される値である、ことと、
前記プロセッサが、逆FFT演算を介して、前記結果として生じるデータセットを前記生体物理信号の前記フィルタリングされた生体物理信号データセットとして時系列データセットに変換することと
を含む、請求項1~17のいずれか一項に記載の方法。 - 第1の測定機器のセットで取得されたデータセットの第1のセットと第2の測定機器のセットで取得されたデータセットの第2のセットとを正規化する方法であって、前記データセットの第1のセットは、機械学習演算において前記データセットの第2のセットで分析可能であり、前記方法は、
プロセッサが、第1の測定機器のセットで取得された対象の生体物理信号データセットのセットを受信することと、
前記プロセッサが、前記受信された生体物理信号データセットにおいて検出された複数の検出された準周期信号サイクルから、前記対象の代表的な準周期信号パターンに特徴的な少なくとも1つのテンプレート信号ベクトルデータセットを生成することと、
前記プロセッサが、複数の前記生成されたテンプレート信号ベクトルデータセットまたはその群から選択されたベクトルを1つ以上のノイズ除去ベクトルデータセットに適用することであって、前記1つ以上のノイズ除去ベクトルデータセットは、フィルタリングされる前記受信された生体物理信号データセットの一部分のベクトル長に対応するベクトル長を集合的に有し、前記プロセッサは、フィルタリングされる受信された生体信号データセットの前記一部分に存在する前記検出されたサイクルのそれぞれに対して、前記複数の前記生成されたテンプレート信号ベクトルデータセットまたはその群から選択されたベクトルを前記1つ以上のノイズ除去ベクトルデータセットに適用し、前記1つ以上のノイズ除去ベクトルデータセットのベクトル長は、フィルタリングされる前記受信された生体物理信号データセットの前記一部分の対応する検出されたサイクルのベクトル長に一致するように変化する、ことと、
前記生体物理信号データセットまたはその一部分に関連付けられたフィルタリングされた生体物理信号データセットを、前記生体物理信号の正規化されたデータセットとして生成することであって、フィルタリングされる前記受信された生体物理信号の前記一部分と前記1つ以上の生成されたノイズ除去ベクトルとをマージすることによって、前記フィルタリングされた生体物理信号が生成される、ことと
を含み、
前記第1の測定機器のセットで取得された前記生体物理信号に関連付けられた前記正規化されたデータセットは、第2の測定機器のセットで取得された第2のデータセットとともに機械学習訓練データセットとして分析可能である、方法。 - 前記受信された生体物理信号のデータセットは、12リード面電位感知電極システム、心臓内電位図、ホルター心電図、6リード差動面電位感知電極システム、3リード直交面電位感知電極システム、単一リード電位感知電極システムからなる群から選択されたセンサから捕捉されたデータを含む、請求項1~19のいずれか一項に記載の方法。
- 前記受信された生体物理信号のデータセットは、心臓に近接した体の表面に配置されている複数の表面電極から同時に捕捉された生体電位信号から導出された広帯域心相勾配心臓信号データを含む、請求項1~20のいずれか一項に記載の方法。
- 前記方法は、前記プロセッサが、生体物理信号データセットの失敗した取得の通知を生成することをさらに含み、前記通知は、実行される前記生体物理信号データセットの後続の取得を促す、請求項1~21のいずれか一項に記載の方法。
- 前記方法は、前記プロセッサが、ネットワークを介して外部分析システムに前記受信された生体物理信号データセットを送信させることをさらに含み、
前記分析システムは、病理学的または臨床状態の存在または程度について前記受信された生体物理信号データを分析するように構成されている、請求項1~22のいずれか一項に記載の方法。 - システムであって、前記システムは、
1つ以上のプロセッサと、
命令が記憶されているメモリと
を備え、
前記1つ以上のプロセッサによる前記命令の実行が、請求項1~23のいずれか一項に記載の方法を実行することを前記1つ以上のプロセッサに行わせる、システム。 - 命令が記憶されている非一時的なコンピュータ読み取り可能な媒体であって、
1つ以上のプロセッサによる前記命令の実行が、請求項1~23のいずれか一項に記載の方法を実行することを前記1つ以上のプロセッサに行わせる、非一時的なコンピュータ読み取り可能な媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862686245P | 2018-06-18 | 2018-06-18 | |
US62/686,245 | 2018-06-18 | ||
PCT/IB2019/055115 WO2019244043A1 (en) | 2018-06-18 | 2019-06-18 | Methods and systems to quantify and remove asynchronous noise in biophysical signals |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021528148A JP2021528148A (ja) | 2021-10-21 |
JP7429371B2 true JP7429371B2 (ja) | 2024-02-08 |
Family
ID=68840724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020570451A Active JP7429371B2 (ja) | 2018-06-18 | 2019-06-18 | 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 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11147516B2 (ja) |
EP (1) | EP3806729A4 (ja) |
JP (1) | JP7429371B2 (ja) |
CN (1) | CN112543617A (ja) |
CA (1) | CA3104074A1 (ja) |
WO (1) | WO2019244043A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11133109B2 (en) | 2017-12-29 | 2021-09-28 | Analytics For Life Inc. | Method and system to assess disease using phase space volumetric objects |
EP3903324A4 (en) | 2018-12-26 | 2022-12-21 | Analytics For Life Inc. | METHODS AND SYSTEMS FOR CONFIGURING AND USING NEURAL NETWORKS IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS |
WO2020254881A1 (en) | 2019-06-18 | 2020-12-24 | Analytics For Life Inc. | Method and system to assess disease using dynamical analysis of biophysical signals |
CA3165746A1 (en) * | 2019-12-23 | 2021-07-01 | Analytics For Life Inc. | Method and system for signal quality assessment and rejection using heart cycle variability |
US11944459B2 (en) * | 2019-12-31 | 2024-04-02 | Biosense Webster (Israel) Ltd. | Methods and systems for estimation of residual ECG noise level and adaptive noise threshold |
JP2022021012A (ja) * | 2020-07-21 | 2022-02-02 | セイコーエプソン株式会社 | 信号処理方法及び信号処理装置 |
EP4266986A1 (en) * | 2020-12-23 | 2023-11-01 | Analytics For Life Inc. | Method and system for engineering cycle variability-related features from biophysical signals for use in characterizing physiological systems |
CN113554079B (zh) * | 2021-07-14 | 2023-08-01 | 中国地质大学(北京) | 一种基于二次检测法的电力负荷异常数据检测方法及系统 |
CN117617984A (zh) * | 2022-08-09 | 2024-03-01 | 荣耀终端有限公司 | 心电信号的处理方法和电子设备 |
WO2024036278A1 (en) * | 2022-08-10 | 2024-02-15 | GE Precision Healthcare LLC | System and method for generating denoised spectral ct images from spectral ct image data acquired using a spectral ct imaging system |
CN116595455B (zh) * | 2023-05-30 | 2023-11-10 | 江南大学 | 基于时空频特征提取的运动想象脑电信号分类方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002306438A (ja) | 2001-04-10 | 2002-10-22 | Fukuda Denshi Co Ltd | 心電図情報処理装置及び心電図情報処理方法 |
US20070260151A1 (en) | 2006-05-03 | 2007-11-08 | Clifford Gari D | Method and device for filtering, segmenting, compressing and classifying oscillatory signals |
US20090299421A1 (en) | 2008-06-02 | 2009-12-03 | Medtronic, Inc. | Evaluation of implantable medical device sensing integrity based on evoked signals |
JP2017513680A (ja) | 2014-04-25 | 2017-06-01 | メドトロニック,インコーポレイテッド | 検出されるペーシングに応答した植え込み型カーディオバータ−除細動器(icd)の頻脈性不整脈検出修正 |
US20170231519A1 (en) | 2014-08-19 | 2017-08-17 | The General Hospital Corporation | System and method for annotating and analyzing eeg waveforms |
WO2017220353A1 (en) | 2016-06-22 | 2017-12-28 | Koninklijke Philips N.V. | Template-based analysis and classification of cardiovascular waveforms |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5243993A (en) | 1991-06-28 | 1993-09-14 | Life Fitness | Apparatus and method for measuring heart rate |
US5823957A (en) | 1994-10-17 | 1998-10-20 | Biofield Corp | D.C. biopotential sensing electrode and electroconductive medium for use therein |
US6014582A (en) | 1996-10-23 | 2000-01-11 | He; Bin | Method and apparatus of biosignal spatial analysis |
FR2758221B1 (fr) | 1997-01-07 | 1999-03-26 | Ela Medical Sa | Dispositif de filtrage de signaux d'activite cardiaque |
US6171256B1 (en) | 1998-04-30 | 2001-01-09 | Physio-Control Manufacturing Corporation | Method and apparatus for detecting a condition associated with acute cardiac ischemia |
US6751498B1 (en) * | 1999-03-15 | 2004-06-15 | The Johns Hopkins University | Apparatus and method for non-invasive, passive fetal heart monitoring |
CN104873190A (zh) | 2008-10-09 | 2015-09-02 | 加利福尼亚大学董事会 | 用于自动定位生物节律紊乱的源的机器和过程 |
WO2010061335A1 (en) | 2008-11-28 | 2010-06-03 | Koninklijke Philips Electronics N.V. | Processing myocardial perfusion data |
US9775531B2 (en) * | 2010-06-09 | 2017-10-03 | Techmedic Development International B.V. | Sensor device, processing device, and measurement system for acquiring a biopotential |
US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
WO2012106729A1 (en) | 2011-02-04 | 2012-08-09 | Phase Space Systems Corporation | System and method for evaluating an electrophysiological signal |
US9144382B2 (en) | 2011-04-07 | 2015-09-29 | The Johns Hopkins University | Non-invasive methods and systems for producing cardiac electrogram characteristic maps for use with catheter ablation of ventricular tachycardia |
WO2013036718A1 (en) * | 2011-09-08 | 2013-03-14 | Isis Innovation Ltd. | Determining acceptability of physiological signals |
CN102512157B (zh) * | 2011-12-15 | 2014-08-20 | 重庆大学 | 基于模型的动态心电图t波交替定量分析方法 |
DK2806788T3 (en) | 2012-01-27 | 2016-08-29 | Fund Azti/Azti Fundazioa | A system for detecting the level of stress / discomfort of invertebrates. |
US9968265B2 (en) | 2012-08-17 | 2018-05-15 | Analytics For Life | Method and system for characterizing cardiovascular systems from single channel data |
US9289150B1 (en) | 2012-08-17 | 2016-03-22 | Analytics For Life | Non-invasive method and system for characterizing cardiovascular systems |
US9408543B1 (en) | 2012-08-17 | 2016-08-09 | Analytics For Life | Non-invasive method and system for characterizing cardiovascular systems for all-cause mortality and sudden cardiac death risk |
US9737229B1 (en) | 2013-06-04 | 2017-08-22 | Analytics For Life | Noninvasive electrocardiographic method for estimating mammalian cardiac chamber size and mechanical function |
US10039468B2 (en) | 2013-11-12 | 2018-08-07 | Analytics For Life Inc. | Noninvasive electrocardiographic method for estimating mammalian cardiac chamber size and mechanical function |
US9597021B1 (en) | 2014-01-14 | 2017-03-21 | Analytics For Life | Noninvasive method for estimating glucose, glycosylated hemoglobin and other blood constituents |
CN104720797B (zh) * | 2015-03-20 | 2017-06-16 | 合肥工业大学 | 一种基于单通道的脑电信号中肌电噪声消除方法 |
JP6564475B2 (ja) | 2015-06-25 | 2019-08-21 | アナリティクス フォー ライフ インコーポレイテッド | 数学的分析および機械学習を使用して病気を診断する方法およびシステム |
CA2996096A1 (en) | 2015-08-26 | 2017-03-02 | Analytics For Life Inc. | Method and apparatus for wide-band phase gradient signal acquisition |
US11832968B2 (en) * | 2016-04-06 | 2023-12-05 | Cardiac Pacemakers, Inc. | Confidence of arrhythmia detection |
CN113040740A (zh) | 2016-06-24 | 2021-06-29 | 生命解析公司 | 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统 |
JP6864298B2 (ja) | 2016-09-21 | 2021-04-28 | アナリティクス フォー ライフ インコーポレイテッド | リスクのある心臓組織の可視化のための方法およびシステム |
CN110545719B (zh) | 2017-03-02 | 2023-01-20 | 生命解析公司 | 用于宽带相位梯度信号采集的方法和装置 |
US10849568B2 (en) * | 2017-05-15 | 2020-12-01 | Cardiac Pacemakers, Inc. | Systems and methods for syncope detection and classification |
WO2019077414A1 (en) | 2017-10-20 | 2019-04-25 | Analytics For Life Inc. | METHODS AND SYSTEMS FOR DEBRISING MAGNETIC FIELD-BASED SENSOR DATA FROM ELECTROPHYSIOLOGICAL SIGNALS |
US11918333B2 (en) * | 2017-12-29 | 2024-03-05 | Analytics For Life Inc. | Method and system to assess disease using phase space tomography and machine learning |
US11133109B2 (en) * | 2017-12-29 | 2021-09-28 | Analytics For Life Inc. | Method and system to assess disease using phase space volumetric objects |
US11471090B2 (en) | 2018-06-04 | 2022-10-18 | Analytics For Life Inc. | Method and system to assess pulmonary hypertension using phase space tomography and machine learning |
-
2019
- 2019-06-18 US US16/445,158 patent/US11147516B2/en active Active
- 2019-06-18 EP EP19823344.7A patent/EP3806729A4/en active Pending
- 2019-06-18 CA CA3104074A patent/CA3104074A1/en active Pending
- 2019-06-18 WO PCT/IB2019/055115 patent/WO2019244043A1/en unknown
- 2019-06-18 JP JP2020570451A patent/JP7429371B2/ja active Active
- 2019-06-18 CN CN201980054046.2A patent/CN112543617A/zh active Pending
-
2021
- 2021-10-18 US US17/503,657 patent/US20220142583A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002306438A (ja) | 2001-04-10 | 2002-10-22 | Fukuda Denshi Co Ltd | 心電図情報処理装置及び心電図情報処理方法 |
US20070260151A1 (en) | 2006-05-03 | 2007-11-08 | Clifford Gari D | Method and device for filtering, segmenting, compressing and classifying oscillatory signals |
US20090299421A1 (en) | 2008-06-02 | 2009-12-03 | Medtronic, Inc. | Evaluation of implantable medical device sensing integrity based on evoked signals |
JP2017513680A (ja) | 2014-04-25 | 2017-06-01 | メドトロニック,インコーポレイテッド | 検出されるペーシングに応答した植え込み型カーディオバータ−除細動器(icd)の頻脈性不整脈検出修正 |
US20170231519A1 (en) | 2014-08-19 | 2017-08-17 | The General Hospital Corporation | System and method for annotating and analyzing eeg waveforms |
WO2017220353A1 (en) | 2016-06-22 | 2017-12-28 | Koninklijke Philips N.V. | Template-based analysis and classification of cardiovascular waveforms |
JP2019522525A (ja) | 2016-06-22 | 2019-08-15 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 心血管波形のテンプレートに基づく解析および分類 |
Also Published As
Publication number | Publication date |
---|---|
US11147516B2 (en) | 2021-10-19 |
EP3806729A4 (en) | 2022-06-15 |
CN112543617A (zh) | 2021-03-23 |
CA3104074A1 (en) | 2019-12-26 |
US20190384757A1 (en) | 2019-12-19 |
EP3806729A1 (en) | 2021-04-21 |
WO2019244043A1 (en) | 2019-12-26 |
US20220142583A1 (en) | 2022-05-12 |
JP2021528148A (ja) | 2021-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US12011276B2 (en) | Non-invasive method and system for measuring myocardial ischemia, stenosis identification, localization and fractional flow reserve estimation | |
CN106214145B (zh) | 一种基于深度学习算法的心电图分类方法 | |
AL-Ziarjawey et al. | Heart rate monitoring and PQRST detection based on graphical user interface with Matlab | |
Mak et al. | An automated ECG-artifact removal method for trunk muscle surface EMG recordings | |
CN108024747B (zh) | 心内egm信号用于搏动匹配和接受 | |
Prashar et al. | Novel cardiac arrhythmia processing using machine learning techniques | |
Thurner et al. | Complex-Pan-Tompkins-Wavelets: Cross-channel ECG beat detection and delineation | |
Beni et al. | Heartbeat detection from single-lead ECG contaminated with simulated EMG at different intensity levels: A comparative study | |
Dogan et al. | A comprehensive review of computer-based Techniques for R-peaks/QRS complex detection in ECG signal | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Ostertag et al. | Reconstructing ECG precordial leads from a reduced lead set using independent component analysis | |
Nankani et al. | R-peak detection from ECG signals using fractal based mathematical morphological operators | |
Mayapur | Detection and classification of heart defects | |
Izan et al. | Clinical interpretations of the effectiveness of changes in body position during aerobic fitness after neurologic injury | |
Singh et al. | Signal Quality Evaluation and Processing for QRS Detection in ECG based Smart Healthcare Systems | |
Jenitta et al. | A Comprehensive Survey on ECG Signal Graph Interpretation | |
Alqudah et al. | Morphological Based Method for Automated Extraction and Classification of ECG ST-T Wave. | |
Moncada et al. | ECG Features Extraction to Semiautomatic Detection of Atrial Fibrillation | |
Al-Ani | ECG Signal Recognition Based on Lookup Table and Neural Networks | |
Kot et al. | Using Matlab for Automatic Detection of the ECG Signal Characteristic Features | |
CN117257321A (zh) | 基于机器学习与高频心电的心肌缺血检测方法及装置 | |
Saraiva et al. | Data Augmentation, Multimodality, Subject and Activity Specificity Improve Wearable Electrocardiogram Denoising with Autoencoders. | |
Akkasaligar et al. | Review of analysis of ECG image | |
CN116135147A (zh) | 心电信号的处理方法及装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220615 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230322 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231130 |
|
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: 20231222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7429371 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |