JP7458170B2 - 学習装置、学習方法、および測定装置 - Google Patents
学習装置、学習方法、および測定装置 Download PDFInfo
- Publication number
- JP7458170B2 JP7458170B2 JP2019208015A JP2019208015A JP7458170B2 JP 7458170 B2 JP7458170 B2 JP 7458170B2 JP 2019208015 A JP2019208015 A JP 2019208015A JP 2019208015 A JP2019208015 A JP 2019208015A JP 7458170 B2 JP7458170 B2 JP 7458170B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- subject
- electrocardiogram waveform
- acquired
- 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 102
- 238000005259 measurement Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 14
- 230000000747 cardiac effect Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Images
Classifications
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
- A61B2560/0238—Means for recording calibration data
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
(学習装置10)
本実施形態に係る学習装置10は、異なる2つの方式により同期間に取得された同一種のセンサデータを入力とした教師あり学習を行う装置であってよい。ここで、教師あり学習とは、入力データ(学習データ)と当該入力データに対する正解データ(教師データ)のセットをコンピュータに与え、コンピュータに両者の対応を学習させる手法を指す。図1は、本実施形態に係る学習装置10の機能構成例を示す図である。図1に示すように、本実施形態に係る学習装置10は、学習部110および記憶部120を備えてもよい。なお、以下においては、学習装置10が被験者の生命兆候を示すバイタルデータの出力に係る学習を行う場合を一例として説明する。
次に、本実施形態に係るセンサデータについて具体例を挙げながら説明する。近年では、様々な種別のセンサデータを取得する装置が開発されている。また、同一種のセンサデータを取得する場合であっても、複数の方式が存在する場合がある。ここでは、被験者の心臓の活動により生じる電圧の変化を心電波形として取得する場合を想定する。
次に、本実施形態に係る学習装置10を用いた学習を行う学習フェーズ、および測定装置20を用いた測定を行う測定フェーズの流れについて説明する。図7は、本実施形態に係る学習フェーズの流れを示すフローチャートである。
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
Claims (8)
- 被験者から第1の方式により取得された第1のセンサデータを学習データとし、
前記第1の方式と比較してノイズの影響が少ない第2の方式により、前記第1のセンサデータの取得期間と同期間に前記被験者から取得された第2のセンサデータに基づく教師データを用いて、
前記被験者の生命兆候を示すバイタルデータの出力に係る学習を行う学習部、
を備え、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記学習部は、前記第1の方式により取得された第1の心電波形を学習データとし、前記第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形における拍変動の指標であるR波の存在確率を示す存在確率データを教師データとし、前記第1の心電波形におけるR波の存在確率を示す存在確率データの出力に係る学習を行う、
学習装置。 - 被験者から第1の方式により取得された第1のセンサデータを学習データとし、
前記第1の方式と比較してノイズの影響が少ない第2の方式により、前記第1のセンサデータの取得期間と同期間に前記被験者から取得された第2のセンサデータに基づく教師データを用いて、
前記被験者の生命兆候を示すバイタルデータの出力に係る学習を行う学習部、
を備え、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記学習部は、前記第1の方式により取得された第1の心電波形を学習データとし、前記第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形に基づく教師データを用いて、前記被験者の心臓の活動に係るデータの出力を学習し、
前記第1の方式は、前記被験者と接触することが予想される少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第2の方式は、前記被験者の皮膚に装着された少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第1の方式において用いられる2つの前記電極は、前記被験者が着座する座席と、前記被験者が操作する被操作装置と、に設けられる、
学習装置。 - 前記学習部は、前記第2の心電波形を教師データとして、前記第1の心電波形からノイズが除去された第3の心電波形の出力に係る学習を行う、
請求項1に記載の学習装置。 - 前記被験者は、移動体を運転する運転手である、
請求項1から請求項3までのいずれか一項に記載の学習装置。 - 被験者から第1の方式により取得された第1のセンサデータを学習データとし、
前記第1の方式と比較してノイズの影響が少ない第2の方式により、前記第1のセンサデータの取得期間と同期間に前記被験者から取得された第2のセンサデータに基づく教師データを用いて、
前記被験者の生命兆候を示すバイタルデータの出力に係る学習を行うこと、
を含み、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記学習を行うことは、前記第1の方式により取得された第1の心電波形を学習データとし、前記第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形における拍変動の指標であるR波の存在確率を示す存在確率データを教師データとし、前記第1の心電波形におけるR波の存在確率を示す存在確率データの出力に係る学習を行うこと、をさらに含む、
学習方法。 - 被験者から第1の方式により取得された第1のセンサデータを学習データとし、
前記第1の方式と比較してノイズの影響が少ない第2の方式により、前記第1のセンサデータの取得期間と同期間に前記被験者から取得された第2のセンサデータに基づく教師データを用いて、
前記被験者の生命兆候を示すバイタルデータの出力に係る学習を行うこと、
を含み、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記学習を行うことは、前記第1の方式により取得された第1の心電波形を学習データとし、前記第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形に基づく教師データを用いて、前記被験者の心臓の活動に係るデータの出力を学習すること、をさらに含み、
前記第1の方式は、前記被験者と接触することが予想される少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第2の方式は、前記被験者の皮膚に装着された少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第1の方式において用いられる2つの前記電極は、前記被験者が着座する座席と、前記被験者が操作する被操作装置と、に設けられる、
学習方法。 - 被験者から第1の方式により取得された第1のセンサデータを入力として、前記被験者の生命兆候を示すバイタルデータを出力する測定部、
を備え、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記測定部は、前記第1の方式により取得された第1の心電波形を学習データとし、前記第1の方式と比較してノイズの影響が少ない第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形における拍変動の指標であるR波の存在確率を示す存在確率データを教師データとし、前記第1の心電波形におけるR波の存在確率を示す存在確率データの出力に係る学習を行った学習済みモデルを用いて、前記被験者の心臓の活動に係るデータを出力する、
測定装置。 - 被験者から第1の方式により取得された第1のセンサデータを入力として、前記被験者の生命兆候を示すバイタルデータを出力する測定部、
を備え、
前記バイタルデータは、心臓の活動に係るデータを含み、
前記測定部は、前記第1の方式により取得された第1の心電波形を学習データとし、前記第1の方式と比較してノイズの影響が少ない第2の方式により前記第1の心電波形の取得期間と同期間に取得された第2の心電波形に基づく教師データを用いて、前記被験者の心臓の活動に係るデータの出力に係る学習を行った学習済みモデルを用いて、前記被験者の心臓の活動に係るデータを出力し、
前記第1の方式は、前記被験者と接触することが予想される少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第2の方式は、前記被験者の皮膚に装着された少なくとも2つの電極を用いて心電波形を取得する方式であり、
前記第1の方式において用いられる2つの前記電極は、前記被験者が着座する座席と、前記被験者が操作する被操作装置と、に設けられる、
測定装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019208015A JP7458170B2 (ja) | 2019-11-18 | 2019-11-18 | 学習装置、学習方法、および測定装置 |
CN202080074933.9A CN114599286A (zh) | 2019-11-18 | 2020-08-11 | 学习装置、学习方法以及测定装置 |
DE112020005694.5T DE112020005694T5 (de) | 2019-11-18 | 2020-08-11 | Lerngerät, Lernverfahren, und Messgerät |
US17/763,479 US20220336102A1 (en) | 2019-11-18 | 2020-08-11 | Learning device, learning method, and measurement device |
PCT/JP2020/030608 WO2021100265A1 (ja) | 2019-11-18 | 2020-08-11 | 学習装置、学習方法、および測定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019208015A JP7458170B2 (ja) | 2019-11-18 | 2019-11-18 | 学習装置、学習方法、および測定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021078682A JP2021078682A (ja) | 2021-05-27 |
JP7458170B2 true JP7458170B2 (ja) | 2024-03-29 |
Family
ID=75961805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019208015A Active JP7458170B2 (ja) | 2019-11-18 | 2019-11-18 | 学習装置、学習方法、および測定装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220336102A1 (ja) |
JP (1) | JP7458170B2 (ja) |
CN (1) | CN114599286A (ja) |
DE (1) | DE112020005694T5 (ja) |
WO (1) | WO2021100265A1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022738A (ja) | 2009-07-15 | 2011-02-03 | Nissan Motor Co Ltd | 運転者状態推定装置及び方法 |
JP2017225489A (ja) | 2016-06-20 | 2017-12-28 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
WO2018163558A1 (ja) | 2017-03-08 | 2018-09-13 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2018202130A (ja) | 2017-05-30 | 2018-12-27 | アルパイン株式会社 | 状態推定装置、情報処理装置、状態推定システム |
US20190117096A1 (en) | 2017-10-24 | 2019-04-25 | Stmicroelectronics S.R.L. | Method of processing electrophysiological signals and corresponding system, vehicle, and computer program product |
JP2019080809A (ja) | 2017-10-31 | 2019-05-30 | トヨタ自動車株式会社 | 状態推定装置 |
CN109864737A (zh) | 2019-04-02 | 2019-06-11 | 安徽心之声医疗科技有限公司 | 一种心电信号中p波识别方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5050828B2 (ja) | 2007-12-17 | 2012-10-17 | 富士通株式会社 | 片手対応ステアリング心電検知装置 |
-
2019
- 2019-11-18 JP JP2019208015A patent/JP7458170B2/ja active Active
-
2020
- 2020-08-11 DE DE112020005694.5T patent/DE112020005694T5/de active Pending
- 2020-08-11 CN CN202080074933.9A patent/CN114599286A/zh active Pending
- 2020-08-11 US US17/763,479 patent/US20220336102A1/en active Pending
- 2020-08-11 WO PCT/JP2020/030608 patent/WO2021100265A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022738A (ja) | 2009-07-15 | 2011-02-03 | Nissan Motor Co Ltd | 運転者状態推定装置及び方法 |
JP2017225489A (ja) | 2016-06-20 | 2017-12-28 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
WO2018163558A1 (ja) | 2017-03-08 | 2018-09-13 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2018202130A (ja) | 2017-05-30 | 2018-12-27 | アルパイン株式会社 | 状態推定装置、情報処理装置、状態推定システム |
US20190117096A1 (en) | 2017-10-24 | 2019-04-25 | Stmicroelectronics S.R.L. | Method of processing electrophysiological signals and corresponding system, vehicle, and computer program product |
JP2019080809A (ja) | 2017-10-31 | 2019-05-30 | トヨタ自動車株式会社 | 状態推定装置 |
CN109864737A (zh) | 2019-04-02 | 2019-06-11 | 安徽心之声医疗科技有限公司 | 一种心电信号中p波识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
DE112020005694T5 (de) | 2022-09-08 |
WO2021100265A1 (ja) | 2021-05-27 |
JP2021078682A (ja) | 2021-05-27 |
CN114599286A (zh) | 2022-06-07 |
US20220336102A1 (en) | 2022-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jung et al. | Utilizing deep learning towards multi-modal bio-sensing and vision-based affective computing | |
JP6435104B2 (ja) | 身体状態の変化を判定するシステム及び方法 | |
EP3672474A1 (en) | A method of detecting abnormalities in ecg signals | |
CN114901143A (zh) | 使用深度神经网络和基于规则的系统进行缩减导联心电图诊断的系统和方法 | |
CN109009084B (zh) | 多导联心电信号的qrs波群校验方法、装置及设备、介质 | |
KR20090096051A (ko) | 긴장도를 조절하는 드라이빙 시뮬레이션 시스템 및 방법과이에 사용되는 기록매체 | |
CN114901145A (zh) | 使用深度神经网络和基于规则的系统进行心电图诊断的系统和方法 | |
JP7458170B2 (ja) | 学習装置、学習方法、および測定装置 | |
Harrison et al. | EEG and fMRI agree: Mental arithmetic is the easiest form of imagery to detect | |
US11559244B2 (en) | System and methods for consciousness evaluation in non-communicating subjects | |
JP4649429B2 (ja) | 心拍測定システム及び方法 | |
US20160220190A1 (en) | Patient signal analysis based on affine template matching | |
CN116504398A (zh) | 用于使用基于变换器的神经网络来进行心律失常预测的方法和系统 | |
JP2021081917A (ja) | 学習データ拡張方法、および学習データ生成装置 | |
JP7285763B2 (ja) | 学習装置、学習方法、および測定装置 | |
JP7002168B1 (ja) | 心電図分析装置、心電図分析方法及びプログラム | |
JP7479909B2 (ja) | 学習装置、学習方法、および測定装置 | |
KR20220028967A (ko) | 뉴로피드백 기반의 치료 장치 및 치료 방법 | |
JP7254399B1 (ja) | プログラム、出力装置及びデータ処理方法 | |
JP7479106B1 (ja) | プログラム、出力装置及び出力方法 | |
Gregg et al. | Detection of left arm and left leg lead-wire interchange based on serial ECGs | |
WO2024106005A1 (ja) | プログラム、出力装置及び出力方法 | |
TWI744017B (zh) | 疲勞分析方法 | |
US20230277107A1 (en) | Systems and methods for visual tracing of abnormality in diagnostic and monitoring clinical applications | |
WO2024099868A1 (en) | Cardiotocographic scanning session duration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230721 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231213 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7458170 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |