JPH08322952A - 植込型除細動器に適用可能な不整脈を識別する方法及び装置 - Google Patents
植込型除細動器に適用可能な不整脈を識別する方法及び装置Info
- Publication number
- JPH08322952A JPH08322952A JP7133903A JP13390395A JPH08322952A JP H08322952 A JPH08322952 A JP H08322952A JP 7133903 A JP7133903 A JP 7133903A JP 13390395 A JP13390395 A JP 13390395A JP H08322952 A JPH08322952 A JP H08322952A
- Authority
- JP
- Japan
- Prior art keywords
- qrs
- power spectrum
- arrhythmia
- detected
- neural network
- 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.)
- Granted
Links
Abstract
(57)【要約】
【目的】 不整脈の認識にニューラル回路網を使用した
植込型除細動器において、システム構成、特にニューラ
ル回路網の構成を簡素化し、併せてシステムの低廉化且
つ省電力化を実現する。 【構成】 ＥＣＧ信号がＡ／Ｄ変換器（３）でディジタ
ル値に変換される。ディジタル化されたＥＣＧ信号から
ＱＲＳ波形がＱＲＳ波検出器（４）で検出される。検出
されたＱＲＳ波形は、ＦＦＴ（高速フーリエ変換）
（５）に与えられる。ＦＦＴは、検出されたディジタル
ＱＲＳ波形を周波数パワー・スペクトルに変換し、特定
の周波数領域で複数の成分に分割されたパワー・スペク
トル値を出力する。これらのパワー・スペクトル値は、
ニューラル回路網（６）に与えられる。ニューラル回路
網は、検出されたＱＲＳ波形のパターンを認識し、正常
な洞結節リズムと不整脈を識別する。
植込型除細動器において、システム構成、特にニューラ
ル回路網の構成を簡素化し、併せてシステムの低廉化且
つ省電力化を実現する。 【構成】 ＥＣＧ信号がＡ／Ｄ変換器（３）でディジタ
ル値に変換される。ディジタル化されたＥＣＧ信号から
ＱＲＳ波形がＱＲＳ波検出器（４）で検出される。検出
されたＱＲＳ波形は、ＦＦＴ（高速フーリエ変換）
（５）に与えられる。ＦＦＴは、検出されたディジタル
ＱＲＳ波形を周波数パワー・スペクトルに変換し、特定
の周波数領域で複数の成分に分割されたパワー・スペク
トル値を出力する。これらのパワー・スペクトル値は、
ニューラル回路網（６）に与えられる。ニューラル回路
網は、検出されたＱＲＳ波形のパターンを認識し、正常
な洞結節リズムと不整脈を識別する。
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、心拍に異常のある患者
の心臓に電気パルスを与えて正常な拍動を補助する除細
動器に関し、特に、植込型除細動器に適用されて、患者
の心拍を監視して不整脈を検出し、検出された不整脈を
正確に識別するための方法及び装置に関する。
の心臓に電気パルスを与えて正常な拍動を補助する除細
動器に関し、特に、植込型除細動器に適用されて、患者
の心拍を監視して不整脈を検出し、検出された不整脈を
正確に識別するための方法及び装置に関する。
【０００２】
【従来の技術】心臓に疾患を有する患者、例えば、房室
伝導系に障害があって心房からの興奮が全てブロックさ
れて心室に伝わらずに高度の徐脈（通常４０ｂｐｍ以
下）に至る完全房室ブロックの症状を有する患者、また
洞不全症候群、即ち、規則正しい心拍で不整がなくとも
心拍が異常に低い洞徐脈、洞結節の刺激が心房に伝わり
にくい洞房ブロック、頻脈になったり徐脈になったりす
る徐脈・頻脈症候群、の症状を有する患者に対して、植
込型のペースメーカーを適用することは、安全で確立さ
れた治療として良く知られている。
伝導系に障害があって心房からの興奮が全てブロックさ
れて心室に伝わらずに高度の徐脈（通常４０ｂｐｍ以
下）に至る完全房室ブロックの症状を有する患者、また
洞不全症候群、即ち、規則正しい心拍で不整がなくとも
心拍が異常に低い洞徐脈、洞結節の刺激が心房に伝わり
にくい洞房ブロック、頻脈になったり徐脈になったりす
る徐脈・頻脈症候群、の症状を有する患者に対して、植
込型のペースメーカーを適用することは、安全で確立さ
れた治療として良く知られている。
【０００３】このようなペースメーカーは、患者の心拍
を正確に解析し得る高い診断能力と、長期間に亘る使用
を可能にする省電力化の見地から、その性能の改善に不
断の努力が重ねられていることは言うまでもない。
を正確に解析し得る高い診断能力と、長期間に亘る使用
を可能にする省電力化の見地から、その性能の改善に不
断の努力が重ねられていることは言うまでもない。
【０００４】患者の心電電極から得られる心電信号、具
体的には体表心電（ＥＣＧ）信号又は心内心電（ＥＧ
Ｍ）信号の波形を形態学的に解析して不整脈を正確に検
出し且つ識別することは、非常に大量のデータ処理を伴
うことから容易ではない。
体的には体表心電（ＥＣＧ）信号又は心内心電（ＥＧ
Ｍ）信号の波形を形態学的に解析して不整脈を正確に検
出し且つ識別することは、非常に大量のデータ処理を伴
うことから容易ではない。
【０００５】近年、マイクロコンピュータ技術の発達に
より、ペースメーカーにも種々のマイクロコンピュータ
が適用されるに至っており、例えば、心電信号の波形
（パターン）認識にニューラル回路網の技法が適用され
ている。
より、ペースメーカーにも種々のマイクロコンピュータ
が適用されるに至っており、例えば、心電信号の波形
（パターン）認識にニューラル回路網の技法が適用され
ている。
【０００６】従来のニューラル回路網を使用した不整脈
認識システムにおいて、ニューラル回路網の学習アルゴ
リズムとして、入力パターンと望ましい出力パターンを
マイクロプロセッサを介して繰り返し与えることで、多
層のニューラル回路網を自動的に学習させるバックプロ
パゲーション技法の採用が企図されている。
認識システムにおいて、ニューラル回路網の学習アルゴ
リズムとして、入力パターンと望ましい出力パターンを
マイクロプロセッサを介して繰り返し与えることで、多
層のニューラル回路網を自動的に学習させるバックプロ
パゲーション技法の採用が企図されている。
【０００７】このようなシステムにおいて、階層状に構
成されたニューラル回路網は、心電電極から心電信号を
入力して、低いレベル層で個々の心電信号を分類し、よ
り高いレベル層で不整脈を識別して診断を行い、必要に
応じて更に高いレベル層で識別された不整脈に対する処
置又は治療を行うように構成されている。
成されたニューラル回路網は、心電電極から心電信号を
入力して、低いレベル層で個々の心電信号を分類し、よ
り高いレベル層で不整脈を識別して診断を行い、必要に
応じて更に高いレベル層で識別された不整脈に対する処
置又は治療を行うように構成されている。
【０００８】しかし、かかる従来の不整脈認識システム
では、検出し且つ識別すべき種々の不整脈を広くカバー
するために大規模なニューラル回路網を使用している。
このため心電信号の波形解析のために大量のデータを扱
う必要があり、必然的にシステムの構成が複雑となり、
波形解析に要する時間も長くならざるを得ない。また、
システムの構成が複雑になると、構成素子の増加のため
に消費電力の増加を招来し、これは、ペースメーカーに
対する省電力化の要請に鑑みて望ましくないことは明白
である。
では、検出し且つ識別すべき種々の不整脈を広くカバー
するために大規模なニューラル回路網を使用している。
このため心電信号の波形解析のために大量のデータを扱
う必要があり、必然的にシステムの構成が複雑となり、
波形解析に要する時間も長くならざるを得ない。また、
システムの構成が複雑になると、構成素子の増加のため
に消費電力の増加を招来し、これは、ペースメーカーに
対する省電力化の要請に鑑みて望ましくないことは明白
である。
【０００９】
【発明が解決しようとする課題】従来のニューラル回路
網を使用した不整脈認識システムに比較して、システム
構成、特にニューラル回路網の構成を簡素化して不整脈
の波形を正常な洞結節リズムから正確に弁別することを
可能とし、併せてシステムの低廉化且つ省電力化を実現
し得る、不整脈を検出し且つ識別するための方法及び装
置を提供する。
網を使用した不整脈認識システムに比較して、システム
構成、特にニューラル回路網の構成を簡素化して不整脈
の波形を正常な洞結節リズムから正確に弁別することを
可能とし、併せてシステムの低廉化且つ省電力化を実現
し得る、不整脈を検出し且つ識別するための方法及び装
置を提供する。
【００１０】
【課題を解決するための手段】本発明によれば、ディジ
タル化された心電信号からＱＲＳ波形が検出された後、
検出されたＱＲＳ波形はパターン認識のためにニューラ
ル回路網で処理されるが、ニューラル回路網でのパター
ン認識に先立って、検出されたＱＲＳ波形から、例え
ば、ＦＦＴ（高速フーリエ変換）によって特定の周波数
領域（４〜２０Ｈｚ）で不整脈の特徴抽出が可能な周波
数パワー・スペクトル分布を得て、複数に分割されたパ
ワー・スペクトル値をニューラル回路網への入力として
いる。
タル化された心電信号からＱＲＳ波形が検出された後、
検出されたＱＲＳ波形はパターン認識のためにニューラ
ル回路網で処理されるが、ニューラル回路網でのパター
ン認識に先立って、検出されたＱＲＳ波形から、例え
ば、ＦＦＴ（高速フーリエ変換）によって特定の周波数
領域（４〜２０Ｈｚ）で不整脈の特徴抽出が可能な周波
数パワー・スペクトル分布を得て、複数に分割されたパ
ワー・スペクトル値をニューラル回路網への入力として
いる。
【００１１】
【実施例】図１は、本発明の一実施例である不整脈識別
システムのブロック回路図を示しており、特に不整脈の
うち、心室性頻脈（ｖｅｎｔｒｉｃｕｌａｒ ｔａｃｈ
ｙｃａｒｄｉａ：ＶＴ）及び心室性細動（ｖｅｎｔｒｉ
ｃｕｌａｒ ｆｉｂｒｉｌｌａｔｉｏｎ：ＶＦ）の放置
すると死に至る、いわゆる致死性不整脈に対する治療器
具としての植込型除細動器（ｉｍ−ｐｌａｎｔａｂｌｅ
ｃａｒｄｉｏｖｅｒｔｅｒ ｄｅｆｉｂｒｉｌｌａｔ
ｏｒ：ＩＣＤ）を内蔵したペースメーカーに適用される
不整脈識別システムを示している。
システムのブロック回路図を示しており、特に不整脈の
うち、心室性頻脈（ｖｅｎｔｒｉｃｕｌａｒ ｔａｃｈ
ｙｃａｒｄｉａ：ＶＴ）及び心室性細動（ｖｅｎｔｒｉ
ｃｕｌａｒ ｆｉｂｒｉｌｌａｔｉｏｎ：ＶＦ）の放置
すると死に至る、いわゆる致死性不整脈に対する治療器
具としての植込型除細動器（ｉｍ−ｐｌａｎｔａｂｌｅ
ｃａｒｄｉｏｖｅｒｔｅｒ ｄｅｆｉｂｒｉｌｌａｔ
ｏｒ：ＩＣＤ）を内蔵したペースメーカーに適用される
不整脈識別システムを示している。
【００１２】心電電極１Ａ、１Ｂからの心電信号、例え
ばＥＣＧ信号は、ＥＣＧ増幅器２によって増幅される。
ＥＣＧ信号は、図２に示されたように、心房筋興奮を示
すＰ波と、心室筋興奮を示すＱＲＳ波と、刺激伝達が行
われずに心室筋が休んでいることを示すＴ波とからなっ
ていることは良く知られている。
ばＥＣＧ信号は、ＥＣＧ増幅器２によって増幅される。
ＥＣＧ信号は、図２に示されたように、心房筋興奮を示
すＰ波と、心室筋興奮を示すＱＲＳ波と、刺激伝達が行
われずに心室筋が休んでいることを示すＴ波とからなっ
ていることは良く知られている。
【００１３】ＥＣＧ増幅器２によって増幅されたＥＣＧ
信号は、例えば、４ミリ秒間隔でサンプリングされた後
に、１２ビットＡ／Ｄ変換器の如きＡ／Ｄ変換器３によ
ってディジタル値に変換される。
信号は、例えば、４ミリ秒間隔でサンプリングされた後
に、１２ビットＡ／Ｄ変換器の如きＡ／Ｄ変換器３によ
ってディジタル値に変換される。
【００１４】ディジタル化されたＥＣＧ信号はＱＲＳ波
検出器４に与えられる。ＱＲＳ波検出器４は、ディジタ
ル化されたＥＣＧ信号からＱＲＳ波形をピーク・トリガ
窓によって抽出しピーク値、即ちＲ波を検出する。この
窓は、ピーク値を中心に２５６ミリ秒の幅を有してお
り、従って、Ｒ波を中心に２５６ミリ秒の期間でＱＲＳ
波形が検出される。
検出器４に与えられる。ＱＲＳ波検出器４は、ディジタ
ル化されたＥＣＧ信号からＱＲＳ波形をピーク・トリガ
窓によって抽出しピーク値、即ちＲ波を検出する。この
窓は、ピーク値を中心に２５６ミリ秒の幅を有してお
り、従って、Ｒ波を中心に２５６ミリ秒の期間でＱＲＳ
波形が検出される。
【００１５】検出されたＱＲＳ波は、ＦＦＴ（高速フー
リエ変換）５によって周波数パワー・スペクトルに変換
される。この際、データ信号にはハニング（Ｈａｎｎｉ
ｎｇ）窓がかけられる。
リエ変換）５によって周波数パワー・スペクトルに変換
される。この際、データ信号にはハニング（Ｈａｎｎｉ
ｎｇ）窓がかけられる。
【００１６】ＦＦＴ５によって変換されたパワー・スペ
クトルは以下に説明されるように、バンド幅が約４Ｈｚ
のビン（ＢＩＮ）単位での強度が求められ、中心周波数
が４、８、１２、１６、２０Ｈｚである、５個のビンで
のパワー・スペクトル値を出力するように設計されてい
る。
クトルは以下に説明されるように、バンド幅が約４Ｈｚ
のビン（ＢＩＮ）単位での強度が求められ、中心周波数
が４、８、１２、１６、２０Ｈｚである、５個のビンで
のパワー・スペクトル値を出力するように設計されてい
る。
【００１７】正常の洞結節リズム（ＳＲ）と、不整脈、
具体的には、心室性期外収縮（ｐｒｅｍａｔｕｒｅ ｖ
ｅｒｔｒｉｃｕｌａｒ ｃｏｎｔｒａｃｔｉｏｎ：ＰＶ
Ｃ）と、致死性の不整脈である心室性頻脈（ＶＴ）及び
心室性細動（ＶＦ）とを含むＥＣＧ信号のパワー・スペ
クトル分布は、４Ｈｚから２０Ｈｚに亘って以下の３つ
の場合に良好に分類される。即ち、 （I） 正常な洞結節リズム（ＳＲ）の波形は、７０ｂ
ｐｍで８Ｈｚにピークを有する広範囲に分布するパワー
・スペクトルを有し（図３）、また、このピークは、１
５０ｂｐｍで１２Ｈｚにシフトしている（図４）。
具体的には、心室性期外収縮（ｐｒｅｍａｔｕｒｅ ｖ
ｅｒｔｒｉｃｕｌａｒ ｃｏｎｔｒａｃｔｉｏｎ：ＰＶ
Ｃ）と、致死性の不整脈である心室性頻脈（ＶＴ）及び
心室性細動（ＶＦ）とを含むＥＣＧ信号のパワー・スペ
クトル分布は、４Ｈｚから２０Ｈｚに亘って以下の３つ
の場合に良好に分類される。即ち、 （I） 正常な洞結節リズム（ＳＲ）の波形は、７０ｂ
ｐｍで８Ｈｚにピークを有する広範囲に分布するパワー
・スペクトルを有し（図３）、また、このピークは、１
５０ｂｐｍで１２Ｈｚにシフトしている（図４）。
【００１８】（II） 心室性期外収縮（ＰＶＣ）及び心
室性頻脈（ＶＴ）のパワー・スペクトルは、４Ｈｚにピ
ークを有し、更に、高い周波数領域で徐々に減衰してい
る（図５、図６、図７）。
室性頻脈（ＶＴ）のパワー・スペクトルは、４Ｈｚにピ
ークを有し、更に、高い周波数領域で徐々に減衰してい
る（図５、図６、図７）。
【００１９】（III） 心室性細動（ＶＦ）のパワー・
スペクトルは、４Ｈｚに急峻なピークを有し、高い周波
数領域でのパワーは他の波形に比較すると最も低い値を
示している（図８）。
スペクトルは、４Ｈｚに急峻なピークを有し、高い周波
数領域でのパワーは他の波形に比較すると最も低い値を
示している（図８）。
【００２０】尚、図３乃至図８において、図面上段に
は、測定されたＥＣＧ信号が表示されている。ＥＣＧ信
号から検出されたＲ波の位置（あるいは、サンプリング
窓の中心）が「□」で表示されている。Ｒ波の位置の中
で、「○」でマークされた点は、現在処理の対象となっ
ているＱＲＳ波形を表示している。図面下段左手には、
処理中のＱＲＳ波形が表示されている。
は、測定されたＥＣＧ信号が表示されている。ＥＣＧ信
号から検出されたＲ波の位置（あるいは、サンプリング
窓の中心）が「□」で表示されている。Ｒ波の位置の中
で、「○」でマークされた点は、現在処理の対象となっ
ているＱＲＳ波形を表示している。図面下段左手には、
処理中のＱＲＳ波形が表示されている。
【００２１】このように、ＦＦＴ５から出力されるＥＣ
Ｇ信号のＱＲＳ波形の周波数パワー・スペクトル分布の
パターン認識によって正常な洞結節リズム（ＳＲ）と不
整脈（ＰＶＣ、ＶＴ、ＶＦ）を識別することができる。
Ｇ信号のＱＲＳ波形の周波数パワー・スペクトル分布の
パターン認識によって正常な洞結節リズム（ＳＲ）と不
整脈（ＰＶＣ、ＶＴ、ＶＦ）を識別することができる。
【００２２】パターン認識は、例えば、バックプロパゲ
ーション学習法によって設計された、ニューラル回路網
６で実行される。
ーション学習法によって設計された、ニューラル回路網
６で実行される。
【００２３】図９はニューラル回路網６の具体的な構成
を示している。図示のように、ニューラル回路網６は、
入力層に５個のセル、出力層に２個のセル、入力層と出
力層の間の隠れ層に４個のセルを有する回路網として構
成される。
を示している。図示のように、ニューラル回路網６は、
入力層に５個のセル、出力層に２個のセル、入力層と出
力層の間の隠れ層に４個のセルを有する回路網として構
成される。
【００２４】前述のように、ＦＦＴ５は、中心周波数が
４Ｈｚ〜２０Ｈｚで５つの成分に分割された５個のビン
でのパワー・スペクトル値を出力し、従って、ニューラ
ル回路網６の入力層の５個のセルにはＦＦＴ５からの５
個のパワー・スペクトル値がそれぞれ入力されている。
ニューラル回路網６において、ＦＦＴ５から入力層に入
力パターンが与えられる度にマイクロコンピュータを介
して望ましい出力パターン、即ち、ＳＲ、ＰＶＣ、Ｖ
Ｔ、ＶＦの各パターンを繰返し与えられることで自動的
に学習が行われる。
４Ｈｚ〜２０Ｈｚで５つの成分に分割された５個のビン
でのパワー・スペクトル値を出力し、従って、ニューラ
ル回路網６の入力層の５個のセルにはＦＦＴ５からの５
個のパワー・スペクトル値がそれぞれ入力されている。
ニューラル回路網６において、ＦＦＴ５から入力層に入
力パターンが与えられる度にマイクロコンピュータを介
して望ましい出力パターン、即ち、ＳＲ、ＰＶＣ、Ｖ
Ｔ、ＶＦの各パターンを繰返し与えられることで自動的
に学習が行われる。
【００２５】ニューラル回路網６のパターン認識の結果
は、表１で示されるように、出力層の２個のセルから出
力されるＯＵＴ１，２の論理信号“０”、“１”によっ
て与えられる。
は、表１で示されるように、出力層の２個のセルから出
力されるＯＵＴ１，２の論理信号“０”、“１”によっ
て与えられる。
【００２６】
【表１】 即ち、ニューラル回路網の出力値が、ＯＵＴ１＝０及び
ＯＵＴ２＝１の場合、検出されたＥＣＧ信号のＱＲＳ波
形は、分類（I）の正常な洞結節リズム（ＳＲ）として
識別され、出力値が、ＯＵＴ１＝０及びＯＵＴ２＝１の
場合、ＱＲＳ波形は分類（II）の心室性期外収縮（ＰＶ
Ｃ）又は心室性頻脈（ＶＴ）として識別され、そして出
力値が、ＯＵＴ１＝１及びＯＵＴ２＝０の場合、ＱＲＳ
波形は心室性細動（ＶＦ）として識別される。
ＯＵＴ２＝１の場合、検出されたＥＣＧ信号のＱＲＳ波
形は、分類（I）の正常な洞結節リズム（ＳＲ）として
識別され、出力値が、ＯＵＴ１＝０及びＯＵＴ２＝１の
場合、ＱＲＳ波形は分類（II）の心室性期外収縮（ＰＶ
Ｃ）又は心室性頻脈（ＶＴ）として識別され、そして出
力値が、ＯＵＴ１＝１及びＯＵＴ２＝０の場合、ＱＲＳ
波形は心室性細動（ＶＦ）として識別される。
【００２７】このようにしてニューラル回路網６から出
力された論理信号は、正常な拍動と不整脈を示す診断信
号としてその後心臓に適正なペーシングを与える電気パ
ルスを発生させるために使用される。
力された論理信号は、正常な拍動と不整脈を示す診断信
号としてその後心臓に適正なペーシングを与える電気パ
ルスを発生させるために使用される。
【００２８】以上説明したように、図示実施例におい
て、検出されたＱＲＳ波形は、ニューラル回路網６での
パターン認識に先立って、ＦＦＴ５によって周波数パワ
ー・スペクトル分布に変換されたが、このような変換機
能は、ＦＦＴによってのみ実現可能である訳ではなく、
ＦＦＴの代りに、例えば、バンド・パス・フィルタの構
成によって達成可能であり、また最大エントロピー法な
どの各種ディジタル周波数解析手法によっても達成可能
である。
て、検出されたＱＲＳ波形は、ニューラル回路網６での
パターン認識に先立って、ＦＦＴ５によって周波数パワ
ー・スペクトル分布に変換されたが、このような変換機
能は、ＦＦＴによってのみ実現可能である訳ではなく、
ＦＦＴの代りに、例えば、バンド・パス・フィルタの構
成によって達成可能であり、また最大エントロピー法な
どの各種ディジタル周波数解析手法によっても達成可能
である。
【００２９】尚、図示実施例において、心電信号とし
て、体表心電信号、即ちＥＣＧ信号について説明した
が、心内心電信号、即ちＥＧＭ信号についても同様に実
施できることは言うまでもない。
て、体表心電信号、即ちＥＣＧ信号について説明した
が、心内心電信号、即ちＥＧＭ信号についても同様に実
施できることは言うまでもない。
【００３０】
【効果】本発明によれば、ニューラル回路網６でのパタ
ーン認識に先立って、ＥＣＧ信号のＱＲＳ波形から、特
定の周波数領域（４Ｈｚ〜２０Ｈｚ）で、不整脈の特徴
抽出が可能な周波数パワー・スペクトル分布を得ること
によって、ニューラル回路網を単に入力層と出力層とそ
の間の１つの隠れ層によって、しかも極めて限定された
数のニューロンによって簡単に構成することが可能であ
り、しかもこのような構成によって不整脈を、ノイズの
存在下であっても、正常な洞結節リズムから確実に弁別
することが可能である。
ーン認識に先立って、ＥＣＧ信号のＱＲＳ波形から、特
定の周波数領域（４Ｈｚ〜２０Ｈｚ）で、不整脈の特徴
抽出が可能な周波数パワー・スペクトル分布を得ること
によって、ニューラル回路網を単に入力層と出力層とそ
の間の１つの隠れ層によって、しかも極めて限定された
数のニューロンによって簡単に構成することが可能であ
り、しかもこのような構成によって不整脈を、ノイズの
存在下であっても、正常な洞結節リズムから確実に弁別
することが可能である。
【００３１】本発明の効果を確認するために、図示実施
例に従ってシミュレーション実験を行った。
例に従ってシミュレーション実験を行った。
【００３２】患者からのＥＣＧ信号の代わりに、ＥＣＧ
発生器としてＭｅｄｔｒｏｎｉｃ社の心電シュミレー
タ、モデル９５６０Ｔ、を使用して得られた波形データ
をサンプリング及びディジタル化した。ＳＲ、ＶＴ、Ｖ
ＦのＱＲＳ波形データをそれぞれ２００セット（計６０
０セット）を検証用に準備し、これらの入力に対するニ
ューラル回路網の出力の評価を行った。ニューラル回路
網の設計には、Ｎｅｕｒａｌ Ｗａｒｅ社のＮｅｕｒａ
ｌ Ｗｏｒｋｓ ＰｒｏｆｅｓｓｉｏｎａｌII／Ｐｌｕ
ｓを使用した。評価基準として、ニューラル回路網から
の出力値と、真の出力値との最大絶対誤差を用いた。ニ
ューラル回路網からの２出力ＯＵＴ１、ＯＵＴ２での最
大絶対誤差を表２に示している。
発生器としてＭｅｄｔｒｏｎｉｃ社の心電シュミレー
タ、モデル９５６０Ｔ、を使用して得られた波形データ
をサンプリング及びディジタル化した。ＳＲ、ＶＴ、Ｖ
ＦのＱＲＳ波形データをそれぞれ２００セット（計６０
０セット）を検証用に準備し、これらの入力に対するニ
ューラル回路網の出力の評価を行った。ニューラル回路
網の設計には、Ｎｅｕｒａｌ Ｗａｒｅ社のＮｅｕｒａ
ｌ Ｗｏｒｋｓ ＰｒｏｆｅｓｓｉｏｎａｌII／Ｐｌｕ
ｓを使用した。評価基準として、ニューラル回路網から
の出力値と、真の出力値との最大絶対誤差を用いた。ニ
ューラル回路網からの２出力ＯＵＴ１、ＯＵＴ２での最
大絶対誤差を表２に示している。
【００３３】
【表２】 表２から明らかなように、最大絶対誤差は、最悪時でも
高々０．２７程度であり、それ故、図示実施例の有効性
が確認された。
高々０．２７程度であり、それ故、図示実施例の有効性
が確認された。
【図１】本発明の不整脈識別システムの実施例を示すブ
ロック回路図である。
ロック回路図である。
【図２】ＥＣＧ信号の一般的な信号波形図である。
【図３】心拍数７０ｂｐｍのときの正常な洞結節リズム
（ＳＲ）のＱＲＳ波形図とその周波数パワー・スペクト
ルの分布図である。
（ＳＲ）のＱＲＳ波形図とその周波数パワー・スペクト
ルの分布図である。
【図４】心拍数１５０ｂｐｍのときの正常な洞結節リズ
ム（ＳＲ）のＱＲＳ波形図とその周波数パワー・スペク
トルの分布図である。
ム（ＳＲ）のＱＲＳ波形図とその周波数パワー・スペク
トルの分布図である。
【図５】心室性期外収縮（ＰＶＣ）のＱＲＳ波形図とそ
の周波数パワー・スペクトルの分布図である。
の周波数パワー・スペクトルの分布図である。
【図６】心室性頻脈（ＶＴ）（１５０ｂｐｍ）のＱＲＳ
波形図とその周波数パワー・スペクトルの分布図であ
る。
波形図とその周波数パワー・スペクトルの分布図であ
る。
【図７】心室性頻脈（ＶＴ）（３００ｂｐｍ）のＱＲＳ
波形図とその周波数パワー・スペクトルの分布図であ
る。
波形図とその周波数パワー・スペクトルの分布図であ
る。
【図８】心室性細動（ＶＦ）のＱＲＳ波形図とその周波
数パワー・スペクトルの分布図である。
数パワー・スペクトルの分布図である。
【図９】図１に示されたニューラル回路図の具体的な階
層構成図である。
層構成図である。
１Ａ，１Ｂ：心電電極 ２：ＥＣＧ増幅器 ３：Ａ／Ｄ変換器 ４：ＱＲＳ波検出器 ５：ＦＦＴ（高速フーリエ変換） ６：ニューラル回路網 ７：マイクロコンピュータ
Claims (7)
- 【請求項１】 心電信号をサンプリングしてディジタル
化するＡ／Ｄ変換ステップと、 ディジタル化された心電信号からＱＲＳ波形を検出する
ステップと、 検出されたＱＲＳ波形を周波数パワー・スペクトルに変
換し、予め定めた周波数領域で複数の成分に分割された
パワー・スペクトル値を与えるステップと、 前記複数の成分に分割されたパワー・スペクトル値か
ら、前記検出されたＱＲＳ波形のパターンを認識して、
正常な洞結節リズムと不整脈とを弁別するステップと、 からなることを特徴とする植込型除細動器に適用可能な
不整脈を識別する方法。 - 【請求項２】 心電電極から得られた心電信号をサンプ
リングしてディジタル値に変換するＡ／Ｄ変換手段と、 ディジタル値に変換された心電信号からＱＲＳ波形を検
出するＱＲＳ波検出手段と、 検出されたＱＲＳ波形を入力して周波数パワー・スペク
トルに変換し、予め定めた周波数領域で複数の成分に分
割されたパワー・スペクトル値を出力するＱＲＳ波変換
手段と、 前記複数の成分に分割されたパワー・スペクトル値を入
力して、予め定めた学習アルゴリズムに従って、前記検
出されたＱＲＳ波形のパターンを認識し、拍動の診断信
号を出力するニューラル回路網と、を備えたことを特徴
とする植込型除細動器に適用可能な不整脈を識別する装
置。 - 【請求項３】 前記予め定めた周波数領域が約４〜２０
Ｈｚであり、前記ＱＲＳ波変換手段は、中心周波数が
４、８、１２、１６、２０Ｈｚでバンド幅が４Ｈｚであ
る、５個のビンでのパワー・スペクトル値を出力するこ
とを特徴とする請求項２の不整脈を識別する装置。 - 【請求項４】 前記ニューラル回路網が、前記診断信号
として、正常な洞結節リズム（ＳＲ）と、心室性期外収
縮（ＰＶＣ）及び心室性頻脈（ＶＴ）と、心室性細動
（ＶＦ）と、を示す信号を出力することを特徴とする請
求項２又は３の不整脈を識別する装置。 - 【請求項５】 前記ニューラル回路網が、前記複数の成
分に分割されたパワー・スペクトル値を入力する入力層
と、前記診断信号を出力する出力層と、前記入力層と前
記出力層との間の隠れ層との３つの階層構造を有するこ
とを特徴とする請求項２乃至４のいずれか一つの不整脈
を識別する装置。 - 【請求項６】 前記ＱＲＳ波変換手段がＦＦＴ（高速フ
ーリエ変換）であることを特徴とする請求項２乃至５の
いずれか一つの不整脈を識別する装置。 - 【請求項７】 前記ＱＲＳ波変換手段が、バンド・パス
・フイルタ手段であることを特徴とする請求項２乃至５
のいずれか一つの不整脈を識別する装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7133903A JP2918472B2 (ja) | 1995-05-31 | 1995-05-31 | 植込型除細動器に適用可能な不整脈を識別する装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7133903A JP2918472B2 (ja) | 1995-05-31 | 1995-05-31 | 植込型除細動器に適用可能な不整脈を識別する装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08322952A true JPH08322952A (ja) | 1996-12-10 |
| JP2918472B2 JP2918472B2 (ja) | 1999-07-12 |
Family
ID=15115801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7133903A Expired - Fee Related JP2918472B2 (ja) | 1995-05-31 | 1995-05-31 | 植込型除細動器に適用可能な不整脈を識別する装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2918472B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339533A (ja) * | 2004-05-12 | 2005-12-08 | Zoll Medical Corp | Ｅｃｇ調律助言方法 |
| JP2012042462A (ja) * | 2010-08-13 | 2012-03-01 | Tektronix Inc | 試験測定機器及びトリガ方法 |
| JP2020022581A (ja) * | 2018-08-06 | 2020-02-13 | 哲生 畑中 | 心電解析システム |
| JP2022023914A (ja) * | 2014-10-31 | 2022-02-08 | アイリズム・テクノロジーズ・インコーポレイテッド | 生理学的データのモニタリング方法 |
| US11751789B2 (en) | 2020-08-06 | 2023-09-12 | Irhythm Technologies, Inc. | Wearable device with conductive traces and insulator |
| US11806150B2 (en) | 2020-08-06 | 2023-11-07 | Irhythm Technologies, Inc. | Wearable device with bridge portion |
| US11925469B2 (en) | 2020-02-12 | 2024-03-12 | Irhythm Technologies, Inc. | Non-invasive cardiac monitor and methods of using recorded cardiac data to infer a physiological characteristic of a patient |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63270026A (ja) * | 1987-04-28 | 1988-11-08 | Nec Corp | 心電図ｑｒｓ群形状比較分類方式 |
| JPH04279175A (ja) * | 1990-07-03 | 1992-10-05 | Telectronics Nv | 不整脈制御装置および不整脈検出方法 |
| JPH06339470A (ja) * | 1990-06-18 | 1994-12-13 | Del Mar Avionics | 表面ｅｃｇ周波数分析および方法 |
-
1995
- 1995-05-31 JP JP7133903A patent/JP2918472B2/ja not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63270026A (ja) * | 1987-04-28 | 1988-11-08 | Nec Corp | 心電図ｑｒｓ群形状比較分類方式 |
| JPH06339470A (ja) * | 1990-06-18 | 1994-12-13 | Del Mar Avionics | 表面ｅｃｇ周波数分析および方法 |
| JPH04279175A (ja) * | 1990-07-03 | 1992-10-05 | Telectronics Nv | 不整脈制御装置および不整脈検出方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339533A (ja) * | 2004-05-12 | 2005-12-08 | Zoll Medical Corp | Ｅｃｇ調律助言方法 |
| JP2012042462A (ja) * | 2010-08-13 | 2012-03-01 | Tektronix Inc | 試験測定機器及びトリガ方法 |
| JP2022023914A (ja) * | 2014-10-31 | 2022-02-08 | アイリズム・テクノロジーズ・インコーポレイテッド | 生理学的データのモニタリング方法 |
| US11756684B2 (en) | 2014-10-31 | 2023-09-12 | Irhythm Technologies, Inc. | Wearable monitor |
| JP2020022581A (ja) * | 2018-08-06 | 2020-02-13 | 哲生 畑中 | 心電解析システム |
| US11925469B2 (en) | 2020-02-12 | 2024-03-12 | Irhythm Technologies, Inc. | Non-invasive cardiac monitor and methods of using recorded cardiac data to infer a physiological characteristic of a patient |
| US11751789B2 (en) | 2020-08-06 | 2023-09-12 | Irhythm Technologies, Inc. | Wearable device with conductive traces and insulator |
| US11806150B2 (en) | 2020-08-06 | 2023-11-07 | Irhythm Technologies, Inc. | Wearable device with bridge portion |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2918472B2 (ja) | 1999-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Minami et al. | Real-time discrimination of ventricular tachyarrhythmia with Fourier-transform neural network | |
| US5542430A (en) | Apparatus and method for discriminating between cardiac rhythms on the basis of their morphology using a neural network | |
| US5738105A (en) | Method and apparatus for sensing R-waves using both near field and far field sensing simultaneously | |
| US9314210B2 (en) | Method and apparatus for rate-dependent morphology-based cardiac arrhythmia classification | |
| Zhang et al. | Detecting ventricular tachycardia and fibrillation by complexity measure | |
| CN104244809B (zh) | 心音感测来减少不适当的快速性心律失常治疗 | |
| US5280792A (en) | Method and system for automatically classifying intracardiac electrograms | |
| US5817134A (en) | Apparatus and method for detecting atrial fibrillation by morphological analysis | |
| US6393316B1 (en) | Method and apparatus for detection and treatment of cardiac arrhythmias | |
| US6480734B1 (en) | Cardiac arrhythmia detector using ECG waveform-factor and its irregularity | |
| US8301233B2 (en) | Detecting a condition of a patient using a probability-correlation based model | |
| Sih et al. | A high-temporal resolution algorithm for quantifying organization during atrial fibrillation | |
| Jekova et al. | Real time detection of ventricular fibrillation and tachycardia | |
| US7826893B2 (en) | Method and apparatus for generating a template for arrhythmia detection and electrogram morphology classification | |
| US8244348B2 (en) | Method and apparatus for cardiac arrhythmia classification using template band-based morphology analysis | |
| Jenkins et al. | Detection algorithms in implantable cardioverter defibrillators | |
| US20060229679A1 (en) | External defibrillator and a method of determining when to use the external defibrillator | |
| US20070260153A1 (en) | Method and apparatus for discriminating cardiac signals in a medical device based on wavelet decomposition analysis | |
| US11771360B2 (en) | Cardiac monitoring system with normally conducted QRS complex identification | |
| JP2918472B2 (ja) | 植込型除細動器に適用可能な不整脈を識別する装置 | |
| Parsi et al. | Heart rate variability analysis to predict onset of ventricular tachyarrhythmias in implantable cardioverter defibrillators | |
| CN108778112A (zh) | 检测刺激脉冲 | |
| Minami et al. | Real-time ventricular arrhythmia detection with Fourier analysis and neural network | |
| Ramakrishnan et al. | Real time implementation of arrhythmia classification algorithm using statistical methods | |
| Jenkins et al. | Impact of filtering upon ventricular tachycardia identification by correlation waveform analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090423 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090423 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100423 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110423 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110423 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130423 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |